Levene后专案试验在R中的应用

Question

我对R中的数据分析有一个问题，我的一个假设是，我的小组在分数的分布上会有差异，这意味着各组之间的极端性会有差异。

我决定用Levenes检验来检验我的假设，这个检验结果非常显著，因此应该强调标准偏差在两组之间是显著不同的。但我不知道有任何关于莱文氏测验的特别测试，在阅读了可能的临时分析后，我决定对残差进行一次方差分析，然后对变异数进行一次临时测试。

这是我到目前为止尝试过的代码：

leveneTest(SS_mean~RA01, DF)
DF$residuals <- abs(DF$SS_mean - DF$SS_mean_big) #SS_mean = Participants score, 
#SS_mean_big = mean for each group.

我的测试和临时测试如下所示：

levene.anova<-aov(residuals~RA01, DF) #RA01 is the groups. Four in total
summary(levene.anova)
TukeyHSD(levene.anova)

残差的方差分析结果也有显着性差异，p值从0.04 (Levenes检验)变化到0.01 (残差方差)。当阅读到这件事时，莱文测验似乎只是一个关于残差的变异数，因此它应该给我同样的结果。我也不确定我应该使用什么临时测试。我想到了邓尼特，因为它包括一个基线，它对应于我的小组之一。

最后，我对残差做了一个leveneTest，也做了“leveneTest(残留物~RA01 01)”，结果很有意义。对我来说，使用非参数测试更好吗，例如Kruskal-Wallis h检验，并对我的kruskal wallis测试进行事后测试？如果是这样的话，什么才是合适的测试？我应该用配对的曼恩惠特尼u测试还是邓恩测试？

由于这是我第一次做这样的事情，我不确定这是否是一个合法的分析，我会真的感谢您的帮助或投入！

Answer 1

Levene的检验确实应该给出与残差方差相同的p值.

例如，请参见以下代码：

data("mtcars")
mtcars$cyl <- as.factor(mtcars$cyl)

# Calculate means and add them to data
cyl_means <- aggregate(disp ~ cyl, data = mtcars, FUN = mean)
colnames(cyl_means)[2] <- "disp_mean"
mtcars2 <- merge(mtcars, cyl_means, by = "cyl")

# Residuals and anova
mtcars2$residuals <- abs(mtcars2$disp - mtcars2$disp_mean)
res.aov <- aov(residuals ~ cyl, data = mtcars2)
summary(res.aov)

# Levene's test
lawstat::levene.test(mtcars$disp, mtcars$cyl, location = "mean")

也许您不小心运行了Brown-Forsythe测试，这是lawstat::levene.test中的默认测试，它使用中位数而不是平均值来计算残差。

如果您只想将这些组与一个基线组进行比较，请使用Dunnett的。如果您希望在组间进行所有成对比较，请使用TukeyHSD。