如果要假设均方差性,则可以使用参数(方差同质性的Bartlett检验bartlett.test
)和非参数(方差同质性的Figner-Killeen检验fligner.test
)检验。如何分辨使用哪种?这应该取决于例如数据的正常性吗?
如果要假设均方差性,则可以使用参数(方差同质性的Bartlett检验bartlett.test
)和非参数(方差同质性的Figner-Killeen检验fligner.test
)检验。如何分辨使用哪种?这应该取决于例如数据的正常性吗?
Answers:
似乎在与正常性(巴特利特检验明智的)有很大背离的情况下,首选FK检验。引用在线帮助,
Fligner-Killeen(中位数)检验已在模拟研究中确定为方差同质性的众多检验之一,这对于抵制偏离正态性最为稳健,请参阅Conover,Johnson&Johnson(1981)。
一般而言,Levene检验在ANOVA框架中效果很好,假设与正常值之间的偏差很小到中等。在这种情况下,它胜过了Bartlett检验。但是,如果分布接近正态分布,则Bartlett检验更好。我还听说过Brown-Forsythe检验是Levene检验的非参数替代方案。基本上,它依赖于中位数或修整后的平均值(与Levene检验中的平均值相比)。根据Brown和Forsythe(1974)的研究,基于均值的检验为中等尾数的对称分布提供了最佳功效。
总而言之,我想说的是,如果有充分的证据证明偏离正态性(例如借助QQ图),则应使用非参数检验(FK或BF检验);否则,请使用Levene或Bartlett检验。
去年,R杂志上的asympTest:针对大型样本的经典参数统计检验和置信区间的简单R包,也针对该样本对大小样本进行了小讨论。似乎FK测试也可以通过coin
界面进行置换测试,请参见插图。
参考文献
布朗,MB和福赛斯,AB(1974)。差异均等性的稳健测试。JASA,69,364-367。
除了这些测试,您可能还想查看一下Breusch-Pagan测试和White的相同版本。两者都不需要正态性假设,怀特已经证明他的版本对错误指定非常有力。