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。

Answers:


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”),而观测到的实际值; 表示原假设对的采样分布所隐含的条件

p-v一种üË=P[RŤ>ŤØbs|H0
Ť ŤØbs Ť H0 Ť

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。


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。10-30Ť
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。


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。


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
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.