<\/p>\n
Bei vielen statistischen Tests (z. B. einer einfaktoriellen ANOVA<\/a> oder einer zweifaktoriellen ANOVA<\/a> ) wird davon ausgegangen, dass die Varianz zwischen mehreren Gruppen gleich ist.<\/span><\/p>\n Eine M\u00f6glichkeit, diese Hypothese formal zu testen, ist die Verwendung des Levene-Tests<\/strong> , der testet, ob die Varianz zwischen zwei oder mehr Gruppen gleich ist oder nicht.<\/span><\/p>\n Dieser Test basiert auf den folgenden Annahmen:<\/span><\/p>\n Nullhypothese (H 0<\/sub> )<\/strong> : Die Varianz zwischen den Gruppen ist gleich.<\/span><\/p>\n Alternativhypothese ( HA<\/sub> )<\/strong> : Die Varianz zwischen den Gruppen ist nicht<\/em> gleich.<\/span><\/p>\n Wenn der p-Wert des Tests unter dem gew\u00e4hlten Signifikanzniveau liegt, k\u00f6nnen wir die Nullhypothese ablehnen und daraus schlie\u00dfen, dass wir \u00fcber gen\u00fcgend Beweise verf\u00fcgen, um zu sagen, dass die Varianz zwischen den Gruppen nicht gleich ist.<\/span><\/p>\n Um den Levene-Test in R durchzuf\u00fchren, k\u00f6nnen wir die Funktion leveneTest()<\/strong> aus der Autobibliothek<\/strong> verwenden, die die folgende Syntax verwendet:<\/span><\/p>\n leveneTest (Antwortvariable ~ Gruppenvariable, Daten = Daten)<\/span><\/p>\n Betrachten Sie als Beispiel den folgenden Datenrahmen, der zeigt, wie viel Gewicht Menschen mit drei verschiedenen Abnehmprogrammen verloren haben:<\/span><\/p>\n Um zu \u00fcberpr\u00fcfen, ob die Gewichtsverlustvarianz zwischen diesen drei Programmen gleich ist, k\u00f6nnen wir die Funktion leveneTest()<\/strong> verwenden und 0,05 als Signifikanzniveau verwenden:<\/span><\/p>\n Der p-Wert des Tests betr\u00e4gt 0,01862<\/strong> und liegt damit unter unserem Signifikanzniveau von 0,05.<\/span><\/p>\n Daher lehnen wir die Nullhypothese ab und kommen zu dem Schluss, dass die Varianz zwischen den drei Gruppen nicht<\/em> gleich ist.<\/span><\/p>\n Durch die Durchf\u00fchrung des Levene-Tests wissen wir, dass die Varianzen zwischen den drei Gruppen nicht gleich sind.<\/span><\/p>\n Zus\u00e4tzlich zur Durchf\u00fchrung dieses Tests k\u00f6nnen wir Boxplots erstellen, die die Verteilung des Gewichtsverlusts f\u00fcr jede der drei Gruppen anzeigen, sodass wir visuell verstehen k\u00f6nnen, warum Levenes Test die Nullhypothese der Varianzgleichheit abgelehnt hat.<\/span><\/p>\n Wir k\u00f6nnen sehen, dass die Varianz beim Gewichtsverlust bei den Teilnehmern von Programm C deutlich h\u00f6her ist als bei den anderen beiden Programmen.<\/span><\/p>\n Daher ist es logisch, dass der Levene-Test die Nullhypothese zur\u00fcckweist, dass die Varianzen zwischen den drei Gruppen gleich sind.<\/span><\/p>\n Die folgenden Tutorials erkl\u00e4ren, wie Sie den Levene-Test in verschiedenen Statistikprogrammen durchf\u00fchren:<\/span><\/p>\n So f\u00fchren Sie den Levene-Test in Excel durch<\/a> Bei vielen statistischen Tests (z. B. einer einfaktoriellen ANOVA oder einer zweifaktoriellen ANOVA ) wird davon ausgegangen, dass die Varianz zwischen mehreren Gruppen gleich ist. Eine M\u00f6glichkeit, diese Hypothese formal zu testen, ist die Verwendung des Levene-Tests , der testet, ob die Varianz zwischen zwei oder mehr Gruppen gleich ist oder nicht. Dieser Test basiert […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n So f\u00fchren Sie den Levene-Test in R durch<\/strong><\/span><\/h2>\n
#make this example reproducible\n<\/span>set. seeds<\/span> (0)\n\n#create data frame\n<\/span>data <- data. frame<\/span> (program = rep(c(\"A\", \"B\", \"C\"), each = 30<\/span> ),\n weight_loss = c(runif(30, 0, 3),\n runif(30, 0, 5),\n runif(30, 1, 7)))\n\n#view first six rows of data frame\n<\/span>head(data)\n\n# program weight_loss\n#1 A 2.6900916\n#2 A 0.7965260\n#3 A 1.1163717\n#4 A 1.7185601\n#5 A 2.7246234\n#6 A 0.6050458<\/strong><\/pre>\n #load car package\n<\/span>library<\/span> (car)\n\n#conduct Levene's Test for equality of variances\n<\/span>leveneTest(weight_loss ~ program, data = data)\n\n#Levene's Test for Homogeneity of Variance (center = median)\n# Df F value Pr(>F) \n#group 2 4.1716 0.01862 *\n#87 \n#---\n#Significant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1<\/strong><\/pre>\n Visualisieren Sie die Unterschiede in den Varianzen<\/strong><\/span><\/h3>\n
boxplot(weight_loss ~ program,\n data = data,\n main = \"Weight Loss Distribution by Program\",\n xlab = \"Program\",\n ylab = \"Weight Loss\",\n col = \"steelblue\",\n border = \"black\")<\/strong><\/pre>\n
Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
So f\u00fchren Sie den Levene-Test in Python durch<\/a>
So f\u00fchren Sie den Levene-Test in SPSS durch<\/a>
So f\u00fchren Sie den Levene-Test in Stata durch<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"