等變異數檢定

等變異數檢定是一種統計假設檢定,用於判斷兩個或更多組的資料是否具有相同程度的變異性。該檢定不比較各組的平均值,而是關注離散程度——檢查在所比較的各組之間,變異(標準差或變異數)在統計上是否一致。

最後審閱

核心要點

等變異數檢定是一種統計假設檢定,用於判斷兩個或更多組的資料是否具有相同程度的變異性。

本頁內容
  1. 什麼是等變異數檢定?
  2. 何時使用等變異數檢定?
  3. 可用的主要檢定
  4. 正確使用等變異數檢定的指南
  5. 替代方法:何時不宜使用等變異數檢定
  6. 等變異數檢定範例
  7. 如何進行等變異數檢定

什麼是等變異數檢定?

等變異數檢定是一種統計假設檢定,用於判斷兩個或更多組的資料是否具有相同程度的變異性。該檢定不比較各組的平均值,而是關注離散程度——檢查在所比較的各組之間,變異(標準差或變異數)在統計上是否一致。

這是許多分析的重要前提。若干統計工具——例如變異數分析(ANOVA)、雙樣本 t 檢定和迴歸——都假定所有組的變異數相等。在沒有先確認變異數相等的情況下使用這些工具,可能會得出錯誤的結論。

簡單定義:一種檢定,用於檢查不同組的資料是否具有相同程度的離散或變異性——這是執行許多其他統計分析之前必須進行的檢查。

何時使用等變異數檢定?

  • 在執行 ANOVA 或 t 檢定 之前使用,以驗證變異數相等的假設是否成立。
  • 在比較 兩個或更多組或製程條件,並且想知道它們在變異性(而不僅僅是平均值)上是否存在差異時使用。
  • 在 製程改善研究 中使用,以檢查方法、機器或材料的變更是否影響了製程的一致性。
  • 在評估 量測系統 時使用,以判斷不同操作員、儀器或實驗室產生的資料是否具有相近的離散程度。

可用的主要檢定

該工具提供適用於不同資料類型和假設的多種檢定:

檢定

最適用的情形

Bartlett 檢定

資料服從常態分配——在常態條件下檢定力最強

Levene 檢定

資料可能不服從常態分配——對非常態性更穩健

F 檢定

恰好比較兩個組且資料服從常態分配

正確使用等變異數檢定的指南

  • 確保資料為 連續型 ——該檢定不適用於計數型或計數資料。
  • 請 先檢查常態性 ——如果資料服從常態分配,請使用 Bartlett 檢定;如果不服從常態分配,請使用 Levene 檢定或 Bonett 檢定。
  • 每組收集 足夠的樣本數(建議每組至少 20 個觀測值),以獲得可靠的變異數估計。
  • 解讀 p 值 ——p 值低於您的顯著水準(通常為 0.05),表明至少有一個組的變異數顯著不同。
  • 在繼續之前,應調查 變異數不相等的原因 ——不要簡單地忽略顯著的結果。

替代方法:何時不宜使用等變異數檢定

  • 如果您的資料是 計數型的(合格/不合格、類別),則該檢定不適用——請改用卡方檢定或比率檢定。
  • 如果您比較的是 平均值而不是變異數,請使用 ANOVA 或 t 檢定
  • 如果樣本數 非常小(每組少於 5 個),變異數估計不可靠,請在檢定之前收集更多資料。

等變異數檢定範例

一位化學工程師想比較四種塗料配方的硬度。將每種塗料配方的六個樣品塗在一塊金屬上,然後固化。接著量測每個樣品的硬度。步驟如下:

  1. 收集所需資料。
Test for Equal Variances — figure 1
  1. 現在,在 Zometric Statistical Software 中分析資料,網址為 https://statsai.zometric.com/。
  2.  要找到等變異數檢定,請選擇 Statistical module> Anova>Test for Equal Variances.
  3.  在工具中,按如下方式輸入資料及其他輸入項:
Test for Equal Variances — figure 2

5. 使用上述工具後,得到的輸出如下:

Test for Equal Variances — figure 3Test for Equal Variances — figure 4

如何進行等變異數檢定

操作步驟如下:

  1. 登入 Zometric Statistical Software,網址為 https://statsai.zometric.com/
  2. 在首頁選擇 Statistical Tool> Anova >Test for Equal Variances
  3. 接下來,手動更新資料,或從 Excel 表格中完整複製(Ctrl+C)資料並貼上(Ctrl+V)到此處。
  4. 填寫所需選項。
  5. 最後,點選頁面底部的 calculate,即可得到所需結果。

在等變異數檢定的工具介面中,視窗分為兩個部分。

Test for Equal Variances — figure 5

左側是資料窗格(Data Pane)。在 Data Pane 中,每一列構成一個子群組。可以手動輸入資料,也可以從 Excel 表格中完整複製(Ctrl+C)資料並貼上(Ctrl+V)到此處。

Load example: 將載入範例資料。

Load File: 用於直接載入 Excel 資料。

右側提供以下選項:

  • Response: 選擇包含連續量測資料的欄——即您想在各組之間比較其變異性的那些值。如果不同組的資料存放在不同的欄中,請按 Ctrl 或 Command + 點選選擇多欄。每個選中的欄代表一個被比較的組或條件。
  • Factor: 選擇標示每個觀測值所屬組的欄——例如機器類型、操作員或材料批次。僅當所有反應資料堆疊在同一欄中、需要單獨的分組變數來區分各組時,才需要此欄。如果您已選擇多個反應欄(每組一欄),則無需此欄位。
  • Confidence Level: 設定各組變異數估計周圍所顯示信賴區間的信賴水準。預設值為 95%,即您有 95% 的把握認為每組的真實變異數落在所顯示的區間之內。較高的信賴水準(例如 99%)產生較寬的區間;較低的水準(例如 90%)產生較窄的區間。對大多數統計分析而言,預設的 95% 是普遍接受的標準。
  • Hypothesized Ratio: 您想要檢定的變異數比。預設值為 1,用於檢定所有組的變異數是否相等——比值為 1 表示變異數相同。如果您有來自以往研究或工程規範的特定已知比值,可在此輸入,以檢定您的資料是否與該預期比值一致,而不是檢定是否嚴格相等。
  • Alternative Hypothesis: 定義檢定的方向——即您試圖檢測的內容。預設選項
  • Ratio ≠ Hypothesized Ratio - 是雙尾檢定,即可檢測任一方向的變異數差異(一個組可能比另一個組更大或更小)。在您對哪個組的變異數應更大沒有事先預期的大多數情況下,這是合適的選擇。
  • Summary Plot: 啟用後,顯示彙總圖,給出各組的變異數或標準差估計及其信賴區間。它可快速直觀地概覽各組在離散程度上的比較,以及其信賴區間是否重疊——區間重疊表明變異數可能相等。
  • Individual Value Plot: 啟用後,顯示每組的每個單獨資料點(沿垂直方向繪製)。這有助於您在解讀檢定結果之前,看清每組原始資料的完整分配和離散情況,發現任何異常觀測值或離群值,並瞭解變異數估計背後的實際資料。
  • Histogram: 啟用後,顯示每組的直方圖,展示資料的次數分配。這有助於直觀評估各組分配的形狀——尤其是在決定哪種變異數檢定(Bartlett、Levene 或 Bonett)最合適之前,檢查資料是否近似服從常態分配。
  • Box Plot: 啟用後,顯示每組的盒鬚圖,給出中位數、四分位距和任何離群值。盒鬚圖便於同時直觀比較各組的離散程度和中心位置——箱體明顯更寬的組變異性更大,這是正式檢定前後一項有用的直觀檢查。

常見問題

什麼是等變異數檢定?

等變異數檢定是一種假設檢定,用於檢查兩個或更多組是否具有相同程度的變異性。它不比較平均值,而是檢查各組之間的變異數或標準差在統計上是否一致。它是變異數分析(ANOVA)、雙樣本 t 檢定和迴歸等假定變異數相等的工具的前提。

應使用 Bartlett 檢定還是 Levene 檢定?

當資料服從常態分配時使用 Bartlett 檢定,因為它在常態條件下檢定力最強。當資料可能不服從常態分配時,使用 Levene 檢定或 Bonett 檢定,因為它對非常態性更穩健。F 檢定用於恰好比較兩個組且資料服從常態分配的情形。

如何解讀等變異數檢定?

p 值低於您的顯著水準(通常為 0.05),表明至少有一個組的變異數顯著不同。在繼續之前,應調查變異數不相等的原因,而不是忽略顯著的結果。彙總圖上的信賴區間重疊,表明變異數可能相等。

等變異數檢定需要多少樣本?

為獲得可靠的變異數估計,建議每組至少 20 個觀測值。每組少於 5 個時,變異數估計不可靠,因此請在檢定之前收集更多資料。資料必須是連續型的;對於計數型資料,請改用卡方檢定或比率檢定。