Dwie grupy mogą mieć prawie taką samą średnią, a jednocześnie zupełnie inny rozrzut wyników. Test Levene’a sprawdza właśnie tę drugą cechę. Nie pyta, czy grupy różnią się poziomem wyniku, lecz czy ich wariancje można traktować jako podobne.
To ważne przed klasycznym testem t dla prób niezależnych i klasyczną analizą wariancji. Gdy założenie jest wątpliwe, zwykle nie trzeba porzucać całej analizy. Często właściwym krokiem jest wynik Welcha, który nie wymaga równych wariancji.
Jednorodność wariancji dotyczy szerokości rozkładu
Wariancja i odchylenie standardowe opisują, jak szeroko wyniki rozchodzą się wokół typowego poziomu. Jeśli jedna grupa skupia się blisko średniej, a druga zawiera wyniki znacznie bardziej rozproszone, klasyczny model z jedną wspólną wariancją może źle opisywać dane.
wąski rozrzut
szeroki rozrzut
Równe liczebności łagodzą część problemów, ale nie zastępują diagnostyki. Szczególnie uważnie czytaj założenie, gdy grupy mają różne liczebności, a większa wariancja występuje w mniejszej grupie.
Hipoteza zerowa mówi o równych wariancjach
Wariancje w porównywanych grupach są równe.
Co najmniej jedna wariancja różni się od pozostałych.
W praktyce odczytujesz wartość p. Wynik nieistotny, np. p = 0,42, nie dowodzi idealnej równości. Oznacza, że dane nie dają podstaw do odrzucenia założenia. Wynik istotny, np. p = 0,008, wskazuje, że wspólna wariancja jest słabym założeniem.
Nie interpretuj statystyki Levene’a jako efektu między grupami. Do odpowiedzi na pytanie o średnie służy dopiero test t, ANOVA albo ich wariant Welcha. Zasady raportowania tych wyników znajdziesz w poradniku o teście t i ANOVA w Jamovi.
Jamovi pokazuje test obok właściwej analizy
- Ustaw daneZmienna zależna powinna być ciągła, a zmienna grupująca nominalna.
- Otwórz analizęDla dwóch grup wybierz test t dla prób niezależnych, a dla co najmniej trzech grup jednoczynnikową ANOVA.
- Włącz kontrolę założeńZaznacz test jednorodności wariancji lub Homogeneity test.
- Czytaj cały zestawPorównaj Levene’a, liczebności, odchylenia i wykresy, zanim wybierzesz wynik końcowy.
Jeśli Jamovi błędnie rozpoznaje typ kolumny, popraw ustawienie przed analizą. Instrukcję importu i kontroli typów znajdziesz w tekście o przygotowaniu danych w Jamovi.
Przećwicz decyzję w laboratorium rozrzutu
Ten sam środek nie oznacza tego samego rozrzutu
Przełącz przypadek. Punkty są syntetyczne i służą nauce odczytu, nie wyznaczaniu wyniku dla własnych danych.
Wynik Welcha jest zwykle pierwszą alternatywą
Możesz raportować klasyczny test, jeśli pozostałe założenia i projekt są odpowiednie.
→
Dla niezależnych grup rozważ test t Welcha albo ANOVA Welcha i raportuj tę decyzję.
Welch koryguje stopnie swobody, uwzględniając nierówne wariancje i liczebności. Nie jest testem „gorszej jakości” ani karą za niespełnione założenie. To metoda zaprojektowana właśnie dla takiej sytuacji. Z kolei przejście od razu do testu rangowego nie jest automatyczną odpowiedzią na istotnego Levene’a. Testy nieparametryczne odpowiadają na inne pytania; zobacz poradnik o testach Manna–Whitneya i Kruskala–Wallisa.
Obserwacja odstająca może zmienić ocenę rozrzutu
Istotny wynik może odzwierciedlać trwałą różnicę zmienności albo pojedynczy skrajny punkt. Dlatego nie usuwaj obserwacji tylko po to, aby p wzrosło. Sprawdź błąd zapisu, warunki pomiaru i uzasadnione kryteria wyłączenia. Jeśli wartość jest poprawna, zachowaj ją i dobierz analizę odporną.
liczebności grup → odchylenia standardowe → wykres punktowy lub pudełkowy → możliwe błędy danych → wariant klasyczny albo Welch
Levene nie zastępuje kontroli normalności. To dwa oddzielne założenia. W razie wątpliwości skorzystaj z poradnika o teście Shapiro–Wilka i wykresie Q–Q.
Opis wyniku powinien pokazać decyzję
Założenie jednorodności wariancji nie zostało naruszone, test Levene’a: F([df1], [df2]) = [wartość], p = [wartość]. Dlatego zastosowano klasyczny [test t / ANOVA].
Wzór dla wyniku istotnego
Test Levene’a wskazał na nierówność wariancji, F([df1], [df2]) = [wartość], p = [wartość]. Z tego powodu raportowano wynik testu Welcha.
Wpisz wartości z własnej tabeli i zachowaj spójność z przyjętym progiem istotności. Nie zapisuj „wariancje są na pewno równe”, gdy wynik jest nieistotny. Jeśli potrzebujesz pełnego schematu wyboru, przejdź do poradnika jaki test statystyczny wybrać.
Najczęstsze błędy zmieniają pytanie analizy
Levene zastępuje test różnicNie. Ocenia wariancje, nie średnie.
Nieistotny wynik dowodzi równościNie. Brakuje podstaw do odrzucenia założenia.
Istotny wynik wymaga usunięcia danychNie. Najpierw diagnozujesz, potem dobierasz metodę odporną.
Każdy problem prowadzi do testu rangowegoNie. Welch jest bezpośrednią odpowiedzią na nierówne wariancje średnich.
Test ma sens tylko w kontekście projektu
Jednorodność wariancji jest jednym elementem kontroli modelu. Nadal liczą się niezależność obserwacji, sposób doboru grup, skala pomiaru i jakość danych. Dobrą praktyką jest zestawienie wyniku Levene’a z opisem liczebności, średnich i odchyleń standardowych. Wzory tych miar znajdziesz w artykule o statystykach opisowych.
Najkrótsza poprawna ścieżka brzmi: sprawdź rozrzut, odczytaj Levene’a, wybierz wariant testu i zapisz powód decyzji. Dzięki temu kontrola założenia prowadzi do działania, zamiast pozostawać samotną tabelą w aneksie.
Wybór wariantu ANOVA wpływa również na dalsze porównania: zobacz kiedy zastosować Tukeya, Gamesa–Howella albo korektę Holma.
