方差齐性检验的意义

方差齐性检验意义在于反映了一组数据与其平均值的偏离程度。方差齐性检验是方差分析的重要前提，是方差可加性原则应用的一个条件。 方差齐性检验是对两样本方差是否相同进行的检验。

方差齐性检验和两样本平均数的差异性检验在假设检验的基本思想上是没有什么差异性的。只是所选择的抽样分布不一样。方差齐性检验所选择的抽样分布为F分布。

在t检验和方差分析中，都需要满足这一前提条件。在两组和多组比较中，方差齐性的意思很容易理解，无非就是比较各组的方差大小，看看各组的方差是不是差不多大小，如果差别太大，就认为是方差不齐，或方差不等。

如果差别不大，就认为方差齐性或方差相等。当然，这种所谓的差别大或小，需要统计学的检验，所以就有了方差齐性检验。

扩展资料：

差齐性检验：首先需要知道方差齐性检验的本质：样本以及总体的方差的分布是常数，和自变量或者因变量没有关系。

方法：绘制散点图：一般情况因变量是纵轴，但是，在方差齐性检验中，因变量被设置为横轴，纵轴是学生化残差。原因就是，要弄清究竟因变量和残差之间有没有关系。

结果：如果残差随机分布在一条穿过零点的水平直线的两侧，就说明残差独立，也就是证明因变量方差齐性。

在进行方差分析之前首先要进行方差齐性检验，这是方差分析的一个前提假设，2行使用bartlett.test函数检验方差齐性，第一个参数是一个表达式，前面是目标变量后者是影响因素。

如果要进行多因素可以在后面以“+”号添加因素，p-value值远远小于0.01，所以拒绝原假设，认为方差不齐，也就是表示不可比较或存在差异，那就没必要进行下一步的方差分析了，这里我们暂时假设方差p-value大于0.05，认为方差具有同质性，可以进行下一步方差分析，然后再讲解方差不齐的情况。

标签：方差齐性,检验,意义