求教方差齐性检验

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

要检查因变量A的一组数据是方差是否齐性，采用SPSS-ANALYZE-COMPARE MEAN-ONE WAY ANOVA-将该变量纳入Dependent list，然后选择option并勾选homogeneity of variance test通过表中sig值判断方差齐性，得出结果如下：
Test of Homogeneity of Variances(a)
A
Levene Statistic        df1        df2        Sig.
.                         .              .                 .
a Test of homogeneity of variances cannot be performed for A because the sum of caseweights is less than the number of groups.
不知道本检验是否成功，我的疑惑是：我在操作时将因变量A纳入了Dependent list，但factor这个选框里我不知道该纳入什么数据，上述结论是我纳入自变量B得出的结果。如果factor中是要纳入一个分组变量的话，我这A变量的数据本来就是一个组的，我实在是很迷惑，不知道该怎么处理。
烦请高手支招，谢谢！

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：方差齐性检验 方差齐 Homogeneity Dependent variances performed because number cannot groups

采ANOVA不就是要比较多组之因变量均数是否相等吗？其基本假设是多组之因变量方差有齐性，不然你进行方差齐性检验做啥？factor中当然是要纳入一个分组变量的，但你这A变量的数据本来就是一个组的，让我实在是很迷惑，不知道该怎么说。

采ANOVA不就是要比较多组之因变量均数是否相等吗？其基本假设是多组之因变量方差有齐性，不然你进行方差齐性检验做啥？factor中当然是要纳入一个分组变量的，但你这A变量的数据本来就是一个组的，让我实在是很迷惑，不知道该怎么说。

guanchyunlin001 发表于 2012-1-30 05:39
采ANOVA不就是要比较多组之因变量均数是否相等吗？其基本假设是多组之因变量方差有齐性，不然你进行方差齐性 ...

谢谢您的回复， 是这样。我要做变量A和变量B的分析（是24个被试的不同两组指标），打算用B来预测A。所以做个回归。回归的前提中我肯定要检验方差齐性，这样的话我就只能用这个homogeneity of variance test，通过sig值来判断是否齐性。可是我这个因变量A因为是来自于不同的24个被试，我不知道该怎么算分组了，难道分成1,2,3----24这样，但我这样尝试过，也不对。实际数据相当于：
ID:1,2,3,.....24
A:A1,A2,A3.....24
B:B1,B2,B3......24

原来你要检验回归残差的方差齐性，那就利用Modified Levene test：
1.先进行回归，将残差存起来
2.利用变量B将数据分成两半，各12个被试，例如，若B>某数时共有12个被试，则执行语法
COMPUTE group=(b>某数).
EXECUTE.
3.回到你之前方差齐性检验，将残差放到因变量，并在factor中纳入group这个分组变量即可

guanchyunlin001 发表于 2012-1-30 08:50
原来你要检验回归残差的方差齐性，那就利用Modified Levene test：
1.先进行回归，将残差存起来
2.利用变 ...

谢谢您的帮助！我尝试一下看能不能做出来，如果不行的话能否私聊求教呢！？

谢谢您的帮助！我尝试一下看能不能做出来，如果不行的话能否私聊求教呢！？
另外，我这个因变量不服从正态，这样直接做回归么？

试着将因变量进行转换，以通过正态检验......

要不，利用spss较高版本直接做，它有提供Bootstrap估计与检验，选此法结果做为报告依据

给力啊

打开分析——均值分析——单因素方差分析——Options，在Homogeneity of variance前打钩就可以了结果中看这个检验值是不是大于0.05，如果是酒说明接受原假设，可以进行方差检验。之后看方差检验的检验值，看是否大于0.05，如果是则说明不显著，反之就显著