由Levene或Bartlett检验方差同质性产生的p值的解释

11

我对一项实验的一组数据进行了Levene和Bartlett的检验，以验证我没有违反ANOVA的方差均质性假设。如果您不介意的话，我想与大家确认我没有做任何错误的假设

这两个测试返回的p值是我的数据（如果再次使用相等方差生成的数据）相同的概率。因此，通过使用这些检验，可以说我没有违反方差分析关于方差均匀性的假设，我只需要一个高于所选alpha水平（例如0.05）的p值？

例如，根据我当前使用的数据，巴特利特检验返回p = 0.57，而莱文（Levene）检验（我们称其为Brown-Forsythe Levene型检验）得出ap = 0.95。这意味着，无论我使用哪种测试，我都可以说我的数据符合假设。我有什么错误吗？

谢谢。

anova heteroscedasticity levenes-test

— 莱夫斯克
source

8

假设无效假设为真，则显着性检验的p值可以解释为观察相关统计值等于或大于实际观察值的概率。（请注意，p值未提及替代假设下统计量的可能值）

编辑：在数学术语中，可以这样写： 其中是数据的某些函数（“统计”），而是观测到的的实际值; 表示原假设对的采样分布所隐含的条件。

p - v 一种 升 ü Ë = P [R （ Ť > Ť_{Ø b s} | H_{0} ）

$p-value = Pr(T > T_{obs} | H_{0})$

T

$T$

T_{o b s}

$T_{obs}$

T

$T$

H_{0}

$H_{0}$

T

$T$

您永远无法确定自己的假设成立，只有观察到的数据是否与假设一致。一个p值可以粗略地衡量这种一致性。

在给出零假设的情况下，p值不提供将观察到相同数据的概率，而仅给出统计值等于或大于观察到的值的概率。

— 概率逻辑
source

关于p值（关于我的方括号注释），仅需注意一下，很可能是在您拥有“异常”数据（例如p值为0.0001）的情况下。但是，也有可能在替代假设下更为罕见（例如，当您将原假设和替代假设切换时，p值为）。我相信，当统计量不足以进行假设检验时，就会发生这种情况。

10^{- 30}

$10^{-30}$

T

$T$

— 概率

..继续...也可能是您的数据非常“好”（例如p值为0.5）。但是替代假设可能与该数据更好（或更一致）（当零假设和替代假设被转换时，假设p值为0.99999）。

— 概率

5

您位于“ p值的右侧”。我只是稍稍调整一下您的陈述，说如果这些群体的总体方差相等，则p = 0.95的结果表明，使用这些n大小的随机抽样会在相距甚远或95％的时间内产生方差。换句话说，严格来说，用关于零假设的说法来表达结果是正确的，而不是关于未来的说法。

— 罗兰多2
source

我记得对p值的解释是（在这种情况下）：当假设零假设（即方差的均一性）是正确的时，那么获得该结果或更极端结果的可能性（即与零相反））是57％或95％。但是无论如何，结论都是相同和正确的。

— 亨里克

3

尽管先前的注释是100％正确的，但在R中为模型对象生成的图提供了该问题的图形摘要。就我个人而言，我总是发现绘图比p值有用得多，因为可以随后转换数据并立即在绘图中发现变化。

— 富有的人
source

2

很好地说，另一件事是，如果“否定”了原假设，则p值不会告诉您该怎么做，但是通过绘制数据图可以了解到该问题的线索

— 概率