Почему Левен проверяет равенство дисперсий, а не отношение F?


21

SPSS использует тест Левена для оценки однородности отклонений в процедуре независимого группового t-теста.

Почему тест Левена лучше, чем простое отношение F отношения дисперсий двух групп?


Ответы:


34

Вы можете использовать F-тест для оценки дисперсии двух групп, но использование F для проверки на различия в строгости требует, чтобы распределения были нормальными. Использование критерия Левена (т. Е. Абсолютных значений отклонений от среднего) является более надежным, а использование критерия Брауна-Форсайта (т. Е. Абсолютных значений отклонений от медианы ) еще более надежным. SPSS использует хороший подход здесь.

Обновление В ответ на комментарий ниже я хочу уточнить, что я пытаюсь сказать здесь. Вопрос задается об использовании «простого F-отношения отношения дисперсий двух групп». Исходя из этого, я понял, что альтернативой является то, что иногда называют тестом Хартли , который является очень интуитивным подходом к оценке неоднородности дисперсии. Хотя при этом используется соотношение отклонений, оно не такое, как в тесте Левена. Поскольку иногда трудно понять, что имеется в виду, когда это выражается только словами, я приведу уравнения, чтобы прояснить это.

Fзнак равноs22s12
Fзнак равноMSб/T-LеvеLsMSвес/я-LеvеLs

Во всех трех случаях у нас есть отношения отклонений, но определенные используемые различия отличаются между ними. Что делает тест Левена и тест Брауна-Форсайта более надежным (а также отличным от любых других ANOVA), так это то, что они выполняются над преобразованными данными, тогда как отношение F групповых дисперсий (тест Хартли) использует необработанные данные. Указанные преобразованные данные являются абсолютными значениями отклонений (от среднего значения в случае теста Левена и от медианы в случае теста Брауна-Форсайта).

Существуют и другие тесты на неоднородность дисперсии, но я ограничиваюсь их обсуждением, так как я понял, что они находятся в центре первоначального вопроса. Обоснование выбора среди них основано на их производительности, если исходные данные не являются действительно нормальными; с F-тестом недостаточно надежным, что не рекомендуется; Тест Левена в будучи слегка более мощным , чем BF , если данные действительно являются нормальными, но не совсем так надежен , если они не являются. Ключевой цитатой здесь является O'Brien (1981), хотя я не смог найти доступную версию в Интернете. Я прошу прощения, если я неправильно понял вопрос или был неясен.


2
Поскольку статистика Левена представляет собой отношение квадратов, построенных из этих абсолютных невязок, и относится к F-распределению, не сразу очевидно, что оно должно быть более надежным, чем другие тесты, основанные на отношениях квадратов! Возможно, вы думаете о более надежных вариантах, таких как тест Брауна-Форсайта . Смотрите хорошее обсуждение @chl на stats.stackexchange.com/questions/2591/… .
whuber

@whuber, спасибо за комментарий и ссылку. В комментарии слишком много ответов, поэтому я отредактировал свой ответ. Я верю, что то, что я пытаюсь получить, должно быть яснее сейчас. Однако, если я неправильно понял или просто ошибаюсь, я могу удалить этот ответ.
gung - Восстановить Монику

(Новый) последний абзац делает вашу точку зрения хорошо (+1).
whuber
Используя наш сайт, вы подтверждаете, что прочитали и поняли нашу Политику в отношении файлов cookie и Политику конфиденциальности.
Licensed under cc by-sa 3.0 with attribution required.