等方差检验的示例主题 解释结果 会话命令 另请参见
等方差检验的示例通过向马铃薯注入可引起腐烂的细菌以及让它们处于不同的温度和氧气环境来研究造成马铃薯腐烂的条件。使用等方差检验可以检验腐烂量的变异性是否受温度和氧气变化的影响。
1 打开工作表“方差分析_示例.MTW”。
2 选择统计 > 方差分析 > 等方差检验。
3 选择所有因子水平的响应数据位于一列中。
4 在响应中，输入腐烂。
5 在因子中，输入温度 氧。单击确定。
会话窗口输出
等方差检验: 腐烂 与 温度_1, 氧
方法
原假设 所有方差都相等 备择假设 至少有一个方差不同 显著性水平 α = 0.05
95% Bonferroni 标准差置信区间
温度_1 氧 N 标准差 置信区间 10 2 3 5.29150 (0.0011705, 198381) 10 6 3 3.00000 (0.0006636, 112472) 10 10 3 6.55744 (0.0014506, 245842) 16 2 3 3.60555 (0.0007976, 135174) 16 6 3 3.51188 (0.0007769, 131663) 16 10 3 8.32666 (0.0018419, 312171)
单组置信水平 = 99.1667%
检验
检验统 方法 计量 P 值 多重比较 — 0.730 Levene 0.37 0.858 |
图形窗口输出
仅当两个或多个区间不重叠时，多重比较检验的 p 值才是显著的。
汇总图显示多重比较区间。如果两个组的区间不重叠，则这两个组的标准差存在显著差异。
“会话”窗口显示每个总体的标准差的 Bonferroni 整体置信区间。
汇总图和“会话”窗口都显示多重比较检验和 Levene 检验的 p 值。一般而言，除非有非常偏斜或重尾分布的少量样本，否则应以多重比较法作为结论依据。（有关进一步讨论，请参见等方差检验。）
拿马铃薯腐烂示例来说，p 值 0.730 和 0.858 超出 a 的合理选择范围，因此无法否定方差相等的原假设。但是，由于每个组中只有 3 个观测值，该检验没有太大检测差异（如果确实存在的话）的功效。应考虑通过收集更多数据来提高检验的功效。