方差齊不齊說明什麼?

方差分析時候方差不齊怎麼辦？

方差齊性檢驗一般是用方差最大組的方差比最小組的方差，如果比值顯著不等於1，那就是方差不齊性。

按說不齊性是不可以進行後續的方差分析的，因為在均值檢驗中（包括方差分析，T檢驗等）各個實驗處理的效應被認為是一種固定效應，對所有人的作用一樣，也就是說，處理的作用就是給每個人原來的的水平加上一個相同的常數，這樣的話，每個被試組原來什麼方差，實驗處理後還是什麼方差，那麼，如果不同被試組的方差不齊性，也就是方差之比顯著不等於1，就說明被試之間原本就差異很大，那我們的方差分析就得不到準確的結論，不知道究竟是實驗處理造成了不同被試組間的差異，還是說這裡面也混淆了個體差異。就算只有兩個組之間方差不齊，其他都齊，但這也會對不同部分均方的計算造成影響，哪怕只有兩個組不齊，那也是不齊。

方差不齊性，原則上不能進行方差分析，但spss裡的方差分析是在最小二乘法的框架下做的，和教育及心理統計教材中介紹的方差分析的分析方式不太一樣，好處是這樣的方差分析比較穩健，對於方差齊性的問題不敏感，即使違反了，也還是能用，結果也還是比較可信的。在spss裡面齊性並不是方差分析的必要條件。只不過教材是為了給你介紹大概原理，而且對最新的軟件的性能也不是非常瞭解，所以非要齊性。況且做方差分析的論文裡面一般也不會報告齊性檢驗。所以你就直接用方差分析就行了。

如果還是不放心，可以做一些數據轉換，使其接近齊性，比如box—cox轉換，對數轉換等等。

這個方差齊性檢驗的意義是什麼？請高手指點

是什麼：張厚粲統計川246頁下方有解釋應用：1在前面平均數的差異檢驗和後面的t，F檢驗，都會分為方差齊性和不齊性兩種情況來做，類似於高中做數學的參數條件1,a=b 2,a=/b. 2，spss中，做方差分析，檢驗會分兩行，一行齊性一行不齊性。這一部分我也掌握的不太好，要是有高人解答，勞煩通知我一下。謝啦。

方差齊性檢驗的意義

方差齊性檢驗是方差分析的重要前提，是方差可加性原則應用的一個條件。

方差齊性檢驗是對兩樣本方差是否相同進行的檢驗。

方差齊性檢驗和兩樣本平均數的差異性檢驗在假設檢驗的基本思想上是沒有什麼差異飢的。只是所選擇的抽樣分佈不一樣。方差齊性檢驗所選擇的抽樣分佈為F分佈。

方差不齊 用什麼分析

要看你是做什麼統計分析：

某些統計分析的前提是方差齊性，如果方差不齊性就不能進行相關分析。

還有些統計分析，比如雙樣本均值t檢驗，方差齊性和方差非齊性的統計公式是不一樣的。

是我用SPSS做出來的分析表，怎麼知道方差齊不齊

在選擇方差分析的時候點方差齊性檢驗，後面會出一個表格。如果達不到0.05的顯著程度說明是齊性的。如果達到顯著程度，那就是不齊性。

SPSS獨立樣本T檢驗，方差不齊，不齊的sig又顯示均值相同，這怎麼解釋？兩樣本到底有沒有差異？

獨立樣本T檢驗結果中含兩種檢驗：方差齊性（Levene）檢驗和均值T檢驗。

方差齊不齊是判斷用哪一種方式分析兩樣本的差異性，與兩樣本有無差異無關。

是否具有差異性只要看相對應的T檢驗的sig.值即可。

所以，按題目分析，方差不齊，判斷兩樣本是否有差異看不齊時的T檢驗sig值即可。

sig 值>0.05，無差異，sig值<0.05，有差異。

spss裡下圖這個方差齊性怎麼分析啊，求助

方差分析得出結果的前提是影響因素必須是方差相等的，所以先要做等方差檢驗。這在SPSS裡面一步就搞定。在設定了方差分析時，analyze-compare means-one way anova,設定好因變量和影響因素後，點擊options選項，然後選擇homogeneity of variance test,點“繼續”，點“確定”，輸出結果就會自動生成方差齊性檢驗。如下圖：

圖中第一張表顯示的是方差齊性檢驗結果，本圖中的sig=0.515>0.05，所以，接受原假設，認為因素是方差相等的。如果sig<0.05，那麼就該拒絕原假設，即因素非等方差。

圖中第二張表是方差分析結果，sig=0<0.05,拒絕原假設，認為因素對因變量有顯著影響。注意sig和原假設之間的關係。

在什麼情況下,統計處理要用方差齊性檢驗?如方差不齊,如何處理？寫出兩種以上的方差齊性檢驗方法。

EXPLORE是一個數據考察工具，並不能進行數據轉換處理。一般情況下，數據轉換（比如對數轉換）只能在一定程度上減輕方差不齊的影響。 方差分析對各組方差的方差齊性（也就是各組方差是否一致）有要求，如果方差不齊，你不能使用方差分析。不過，SPSS統計軟件的one way ANOVA在方差不齊時是可以使用的，此時你應該使用Brown-Forsythe或Welch的修正值。當你想看哪兩組有差異時，可以使用one way ANOVA自帶的Post Hoc Tests，方差不齊時使用不等方差假設項下的Tamhane's T2或Dunnett's T3等。 如果你還是沒有把握，也可以Kruskal-Wallis test（一種單因素方差分析的非參數版本）再做一下，如果這兩個方法的結果一致，那就沒有什麼問題了；如果這兩個方法的結果不一致，那麼從對科學的從嚴謹態度而言，應該採用對你不利的那一份結果。