怎么看异方差检验结果

假设检验

基本思路是：问题是什么？证据是什么？判断依据是什么？做出结论。

基本步骤：

1、提出原假设和备择假设

2、确定适当的检验统计量

3、规定显著水平@，查出临界值，确定拒绝域和接受域

4、计算检验统计量的值，做出统计决策。

其中假设检验的种类包括：t检验，Z检验，卡方检验，F检验，ANOVA （方差分析）等等。

方差分析

①均数差别的显著性检验，②分离各有关因素并估计其对总变异的作用，③分析因素间的交互作用，④方差齐性检验。

T检验

30），要求比较的资料服从正态分布， 总体标准差σ未知的 正态分布资料。t检验只能用于两样本均数及样本均数与总体均数之间的比较。t检验可用于比较男女身高是否存在差别。

Z检验

F检验

T检验与 F检验的差异：T检验用来检测数据的准确度--系统误差；F检验用来检测数据的精密度 偶然误差。

卡方检验

卡方检验就是检验两个变量之间有没有关系。以运营为例:卡方检验可以检验男性或者女性对线上买生鲜食品有没有区别；不同城市级别的消费者对买SUV车有没有什么区别；如果有显著区别的话，我们会考虑把这些变量放到模型或者分析里去。

以下是一个假设检验的应用实例：

例如：某公司想从国外引进一种自动加工装置。这种装置的工作温度X服从

正态分布

类似这种根据样本观测值来判断一个有关总体的假设是否成立的问题，就是假设检验的问题。我们把任一关于单体分布的假设，统称为统计假设，简称假设。上例中，可以提出两个假设：一个称为原假设或

零假设

H0：μ=80H1：μ≠80

原假设与备择假设相互对立，两者有且只有一个正确，备择假设的含义是，一旦否定原假设H0，备择假设H1备你选择。所谓假设检验问题就是要判断原假设H0是否正确，决定接受还是拒绝原假设，若拒绝原假设，就接受备择假设。

应该如何作出判断呢？如果样本测定的结果是100度甚至更高（或很低），我们从直观上能感到原假设可疑而否定它，因为原假设是真实时，在一次试验中出现了与80度相距甚远的小概率事件几乎是不可能的，而现在竟然出现了，当然要拒绝原假设H0。现在的问题是样本平均工作温度为83度，结果虽然与厂方说的80度有差异，但样本具有随机性，80度与83度之间的差异很可能是样本的随机性造成的。在这种情况下，要对原假设作出接受还是拒绝的抉择，就必须根据研究的问题和决策条件，对

样本值

异方差检验通常使用Levene's test或Bartlett's test进行。在Levene's test中，Null Hypothesis（原假设）是各组方差相等，Alternative Hypothesis（备择假设）是各组方差不相等。在Bartlett's test中，Null Hypothesis也是各组方差相等，Alternative Hypothesis是各组方差不相等。

在进行异方差检验时，我们需要关注的是p-value（p值）。如果p-value小于设定的显著性水平（通常为0.05），则我们可以拒绝原假设，即各组方差不相等。如果p-value大于设定的显著性水平，则我们不能拒绝原假设，即各组方差相等。

例如，Levene's test的结果可能如下所示：

Levene's Test for Homogeneity of Variance

F(2, 27) = 3.89, p = 0.034

在这个例子中，p-value为0.034，小于0.05，因此我们可以拒绝原假设，即各组方差不相等。

总之，如果p-value小于设定的显著性水平，我们可以拒绝原假设，即各组方差不相等。如果p-value大于设定的显著性水平，则我们不能拒绝原假设，即各组方差相等。

需要根据具体的结果来看待异方差检验结果。一般而言，如果异方差检验的结果是显著的，也就是p值小于显著水平，那么说明样本的方差并不相同。这时候需要对样本进行变换或者采用其他的统计方法。如果异方差检验结果是不显著的，也就是p值大于显著水平，那么说明样本的方差可以近似看作相同的，可以继续使用原有的方法进行分析。需要注意的是，异方差检验只是判断方差是否相同，不能说明样本是否具有正态分布、是否独立等其他假设条件。因此，在进行异方差检验前，需要先对样本数据的假设条件逐个进行检验。