方差齐检验

案例数据

201 行，包含分组变量 教学方法 和 3 个定量变量，可用于方差齐性与方差分析。

下载案例数据 查看数据文件

文件名	one-way_anova.xlsx
数据用途	方差齐性案例数据
变量说明	教学方法 为分组变量，期末分、满意度、出勤率 为需要检验方差齐性的定量变量。

完整案例

1. 背景

在比较不同组均值前，需要判断各组的方差是否近似一致。

2. 理论与公式

方差齐性检验用于判断不同组别的波动是否一致，常见做法是比较各组离均差的组间差异。

3. 数据结构

教学方法 为分组变量，期末分、满意度、出勤率 为需要检验方差齐性的定量变量。

4. 操作截图

1. 上传案例数据
2. 选择方差齐检验
3. 将 教学方法 放入分组变量
4. 将 期末分 到 出勤率 放入检验变量

5. 结果表格与结果阅读

变量	Levene F	df1	df2	p 值	判断
期末分	1.842	2	197	0.161	满足方差齐性
满意度	4.376	2	197	0.014	方差不齐
出勤率	0.928	2	197	0.397	满足方差齐性

p 值显著时，后续均值比较应优先参考 Welch 或稳健结果。

重点查看 Levene 检验 p 值。p 值显著时，说明方差齐性假设不满足，应参考 Welch 或稳健结果。

6. 辅助截图

7. 文字分析

方差齐性检验结果显示，各组方差满足或不满足齐性要求，因此后续均值比较采用对应结果口径。

8. 剖析提醒

方差齐性检验只判断波动是否一致，不判断均值是否显著不同。

方法定位

方差齐性检验用于判断不同组的定量变量方差是否近似相等。它常用于 t 检验和方差分析之前，帮助选择等方差或非等方差的结果口径。

方差齐性不是研究结论本身，而是方法选择和结果解释的辅助依据。若方差不齐，应使用 Welch 校正、非等方差 t 检验或更稳健的检验方法。

数据与变量准备

至少需要一个分组变量和一个定量变量。分组变量用于区分样本所属组别，定量变量用于比较波动程度。

变量角色	要求	示例
分组变量	定类或定序，至少两组	性别、组别、地区
检验变量	定量变量	成绩、满意度、收入
样本量	每组应有足够样本	每组过少时结果不稳定

SPSSzero 操作建议

将分组变量放入 教学方法 或分组位置，将定量变量放入分析项。若同时进行 t 检验或方差分析，应优先查看这些方法结果中附带的方差齐性检验和校正结果。

常见检验包括 Levene 检验、Brown-Forsythe 检验和 Bartlett 检验。一般场景下 Levene 检验更稳健。

结果解读

p 值结果	解释	后续建议
p 值大于 0.05	未发现方差不齐证据	可参考等方差结果
p 值小于 0.05	方差齐性假设不成立	参考 Welch 或非等方差结果
各组样本量差异很大	检验更需谨慎	结合稳健方法

方差齐检验显著不代表组间均值一定显著，它只说明各组波动程度存在差异。

写作模板

可写为：“在进行组间均值比较前，对各组方差齐性进行检验。Levene 检验结果显示 p 值为 xx，说明各组方差齐性满足或不满足。后续结果解释采用等方差或 Welch 校正口径。”

常见问题

方差不齐还能做方差分析吗

可以，但应优先参考 Welch 方差分析或稳健检验结果，而不是机械使用传统单因素方差分析结果。

Bartlett 检验和 Levene 检验如何选择

Bartlett 检验对正态性更敏感，数据不正态时容易受影响。一般实际应用中，Levene 检验更常用。

方差齐性和正态性哪个更重要

两者都属于前置假设。小样本时都需要关注；大样本时应结合方法稳健性、样本量平衡性和图形诊断综合判断。

与相近方法区分

目标	推荐方法
判断各组波动是否一致	方差齐性检验
判断变量是否正态	正态性检验
比较两组均值	t 检验
比较三组及以上均值	方差分析