Ich habe den Levene- und Bartlett-Test an Datengruppen aus einem meiner Experimente durchgeführt, um zu bestätigen, dass ich nicht gegen die ANOVA-Annahme der Homogenität von Varianzen verstoße. Ich würde gerne mit euch besprechen, dass ich keine falschen Annahmen mache, wenn es euch nichts ausmacht: D.
Der von diesen beiden Tests zurückgegebene p-Wert ist die Wahrscheinlichkeit, dass meine Daten, wenn sie erneut mit gleichen Varianzen generiert würden, gleich wären. Um mit diesen Tests sagen zu können, dass ich nicht gegen die ANOVA-Annahme der Homogenität von Varianzen verstoße, würde ich nur einen p-Wert benötigen, der höher ist als ein gewählter Alpha-Wert (z. B. 0,05).
Mit den Daten, die ich derzeit verwende, ergibt der Bartlett-Test beispielsweise p = 0,57, während der Levene-Test (sie nennen ihn einen Brown-Forsythe-Levene-Test) ap = 0,95 ergibt. Das heißt, egal welchen Test ich benutze, ich kann sagen, dass die Daten der Annahme entsprechen. Mache ich einen fehler
Vielen Dank.
quelle
Sie befinden sich auf der "rechten Seite des p-Werts". Ich würde Ihre Aussage nur leicht anpassen, um zu sagen, dass, wenn die Gruppen gleiche Varianzen in ihrer Population hatten, dieses Ergebnis von p = 0,95 anzeigt, dass eine Zufallsstichprobe unter Verwendung dieser n-Größen in 95% der Fälle Abweichungen in einem so weit auseinander liegenden oder weiter entfernten Bereich erzeugen würde . Mit anderen Worten, genau genommen ist es richtig, das Ergebnis in Bezug auf das, was es über die Nullhypothersis sagt, zu formulieren, aber nicht in Bezug auf das, was es über die Zukunft sagt.
quelle
Während die vorherigen Kommentare zu 100% korrekt sind, bieten die für Modellobjekte in R erstellten Diagramme eine grafische Zusammenfassung dieser Frage. Persönlich finde ich die Diagramme immer viel nützlicher als den p-Wert, da man die Daten danach transformieren und die Änderungen sofort im Diagramm erkennen kann.
quelle