<\/p>\n
Wiele test\u00f3w statystycznych (takich jak jednokierunkowa ANOVA<\/a> lub dwukierunkowa ANOVA<\/a> ) zak\u0142ada, \u017ce wariancja mi\u0119dzy wieloma grupami jest r\u00f3wna.<\/span><\/p>\n Jednym ze sposob\u00f3w formalnego sprawdzenia tej hipotezy jest u\u017cycie testu Levene\u2019a<\/strong> , kt\u00f3ry sprawdza, czy wariancja mi\u0119dzy dwiema lub wi\u0119ksz\u0105 liczb\u0105 grup jest r\u00f3wna.<\/span><\/p>\n Test ten opiera si\u0119 na nast\u0119puj\u0105cych za\u0142o\u017ceniach:<\/span><\/p>\n Hipoteza zerowa (H 0<\/sub> )<\/strong> : Wariancja pomi\u0119dzy grupami jest r\u00f3wna.<\/span><\/p>\n Hipoteza alternatywna ( HA<\/sub> )<\/strong> : Wariancja pomi\u0119dzy grupami nie jest<\/em> r\u00f3wna.<\/span><\/p>\n Je\u017celi warto\u015b\u0107 p testu jest mniejsza ni\u017c wybrany poziom istotno\u015bci, mo\u017cemy odrzuci\u0107 hipotez\u0119 zerow\u0105 i stwierdzi\u0107, \u017ce mamy wystarczaj\u0105ce dowody, aby stwierdzi\u0107, \u017ce wariancja mi\u0119dzy grupami nie jest r\u00f3wna.<\/span><\/p>\n Aby wykona\u0107 test Levene\u2019a w R, mo\u017cemy skorzysta\u0107 z funkcji leveneTest()<\/strong> z biblioteki car<\/strong> , kt\u00f3ra wykorzystuje nast\u0119puj\u0105c\u0105 sk\u0142adni\u0119:<\/span><\/p>\n leveneTest (zmienna odpowiedzi ~ zmienna grupowa, dane = dane)<\/span><\/p>\n Jako przyk\u0142ad rozwa\u017c poni\u017csz\u0105 ramk\u0119 danych, kt\u00f3ra pokazuje, ile kilogram\u00f3w stracili ludzie dzi\u0119ki trzem r\u00f3\u017cnym programom odchudzania:<\/span><\/p>\n Aby sprawdzi\u0107, czy wariancja utraty wagi jest r\u00f3wna pomi\u0119dzy tymi trzema programami, mo\u017cemy u\u017cy\u0107 funkcji leveneTest()<\/strong> i przyj\u0105\u0107 0,05 jako poziom istotno\u015bci:<\/span><\/p>\n Warto\u015b\u0107 p testu wynosi 0,01862<\/strong> , czyli jest poni\u017cej naszego poziomu istotno\u015bci wynosz\u0105cego 0,05.<\/span><\/p>\n Zatem odrzucamy hipotez\u0119 zerow\u0105 i stwierdzamy, \u017ce wariancja pomi\u0119dzy trzema grupami nie<\/em> jest r\u00f3wna.<\/span><\/p>\n Wykonuj\u0105c test Levene\u2019a wiemy, \u017ce wariancje pomi\u0119dzy trzema grupami nie s\u0105 r\u00f3wne.<\/span><\/p>\n Opr\u00f3cz wykonania tego testu mo\u017cemy utworzy\u0107 wykresy pude\u0142kowe przedstawiaj\u0105ce rozk\u0142ad utraty masy cia\u0142a dla ka\u017cdej z trzech grup, aby\u015bmy mogli wizualnie zrozumie\u0107, dlaczego test Levene\u2019a odrzuci\u0142 hipotez\u0119 zerow\u0105 o r\u00f3wno\u015bci wariancji.<\/span><\/p>\n Widzimy, \u017ce r\u00f3\u017cnica w utracie wagi jest znacznie wi\u0119ksza w przypadku uczestnik\u00f3w programu C ni\u017c w przypadku pozosta\u0142ych dw\u00f3ch program\u00f3w.<\/span><\/p>\n Logiczne jest zatem, \u017ce test Levene\u2019a odrzuca hipotez\u0119 zerow\u0105, \u017ce wariancje s\u0105 r\u00f3wne pomi\u0119dzy trzema grupami.<\/span><\/p>\n Poni\u017csze tutoriale wyja\u015bniaj\u0105, jak przeprowadzi\u0107 test Levene\u2019a w r\u00f3\u017cnych programach statystycznych:<\/span><\/p>\n Jak wykona\u0107 test Levene\u2019a w programie Excel<\/a> Wiele test\u00f3w statystycznych (takich jak jednokierunkowa ANOVA lub dwukierunkowa ANOVA ) zak\u0142ada, \u017ce wariancja mi\u0119dzy wieloma grupami jest r\u00f3wna. Jednym ze sposob\u00f3w formalnego sprawdzenia tej hipotezy jest u\u017cycie testu Levene\u2019a , kt\u00f3ry sprawdza, czy wariancja mi\u0119dzy dwiema lub wi\u0119ksz\u0105 liczb\u0105 grup jest r\u00f3wna. Test ten opiera si\u0119 na nast\u0119puj\u0105cych za\u0142o\u017ceniach: Hipoteza zerowa (H 0 ) […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-507","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n Jak wykona\u0107 test Levene\u2019a w R<\/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 Wizualizuj r\u00f3\u017cnice w wariancjach<\/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
Dodatkowe zasoby<\/strong><\/span><\/h3>\n
Jak wykona\u0107 test Levene\u2019a w Pythonie<\/a>
Jak wykona\u0107 test Levene\u2019a w SPSS<\/a>
Jak wykona\u0107 test Levene\u2019a w Stata<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"