Słownik metodologiczny · Testy statystyczne

Test Levene’a

Pełne wyjaśnienie, zastosowanie naukowe i praktyczne, przykład, dobre praktyki oraz gotowy zapis wyniku w APA 7.

Strona główna / Słownik / Test Levene’a

Opracowanie merytoryczne: · Opublikowano: · Aktualizacja:

Co oznacza Test Levene’a?

Test Levene’a ocenia równość wariancji między grupami, często na podstawie odchyleń od mediany.

Zastosowanie, warunki i dobre praktyki

Test Levene’a ocenia równość wariancji przez porównanie odchyleń obserwacji od centrum grupy; wariant Browna–Forsythe’a używa mediany i jest odporniejszy. Nieistotne p nie dowodzi identycznych wariancji, a istotne nie zawsze ma praktyczne konsekwencje. Decyzję łączy się z wykresem, proporcją wariancji, liczebnościami i odpornym wariantem analizy.

Najważniejsze zastosowanie: Używaj jako diagnostyki, lecz przy nierównych wariancjach od razu rozważ test Welcha.

Jak to się oblicza i co oznaczają symbole?

W = [(N−k)/(k−1)] · [Σnᵢ(Z̄ᵢ−Z̄)² / ΣΣ(Zᵢⱼ−Z̄ᵢ)²]

Zᵢⱼ jest odchyleniem obserwacji od średniej lub — w odpornym wariancie Browna–Forsythe’a — mediany grupy. W porównuje zmienność tych odchyleń między k grupami.

Jak poprawnie stosować i interpretować hasło „Test Levene’a”?

Przy ocenie pojęcia „Test Levene’a” nie wystarcza mechaniczne porównanie jednej liczby z progiem. W analizie dotyczącej hasła „Test Levene’a” trzeba ustalić, którego elementu modelu dotyczy diagnostyka — surowej zmiennej, reszt, wariancji, macierzy korelacji czy struktury pomiarów — i jaki błąd może spowodować naruszenie. Dla interpretacji hasła „Test Levene’a” wykres zwykle pokazuje kierunek oraz lokalizację problemu lepiej niż sam test formalny.

Znaczenie pojęcia „Test Levene’a” zależy od liczebności: przy dużej próbie test może reagować na drobne odchylenia, a przy małej nie mieć mocy do wykrycia ważnego problemu. Dlatego w analizie hasła „Test Levene’a” decyzję opiera się na rozmiarze i wzorcu naruszenia, odporności wybranego estymatora oraz analizie wrażliwości z alternatywną procedurą.

Co trzeba opisać w raporcie?

W raporcie dotyczącym „Test Levene’a” należy podać, co dokładnie oceniono, za pomocą jakiej diagnostyki i jaki był skutek tej oceny dla dalszej analizy. W analizie dotyczącej hasła „Test Levene’a” zamiast zdania „założenia spełniono” lepiej wskazać wykres lub statystykę, zauważone odchylenie oraz zastosowaną korektę, wariant odporny albo uzasadnienie pozostawienia modelu.

Zakres raportowania dla hasła „Test Levene’a”: W razie naruszenia podaj zastosowanie testu Welcha/odpornych SE.

Przykład praktyczny i gotowa interpretacja

Sytuacja: p<.05 sugeruje różne wariancje, ale wykres pokazuje ich skalę i kierunek.

Jak ją zinterpretować: Istotny wynik sygnalizuje różnice wariancji, lecz o konsekwencji decydują także proporcje N i wybrany test główny. Warto użyć wariantu odpornego, obejrzeć rozrzut i sprawdzić, czy wniosek zmienia się po korekcie.

Najczęstsza pułapka i granica interpretacji

Nie przełączaj mechanicznie metod na podstawie samego p testu Levene’a.

Wynik dotyczący „Test Levene’a” jest informacją diagnostyczną, a nie samodzielnym werdyktem o poprawności całego badania. W odniesieniu do hasła „Test Levene’a” usunięcie obserwacji lub zmiana metody wymaga przyczyny merytorycznej i udokumentowanej analizy wrażliwości.

Definicje, zalecenia interpretacyjne i sposób raportowania oparto na literaturze metodologicznej wskazanej w bibliografii (Wasserstein i Lazar, 2016).

Powiązane hasła

Chi-kwadrat (test niezależności)Test FriedmanaTest Kołmogorowa-SmirnowaTest Kruskala-WallisaTest Manna-WhitneyaTest McNemara

Poradniki, w których użyjesz tego pojęcia

Poradnik

Wartość p: co naprawdę oznacza i jak ją poprawnie interpretować

Wartość p bez mitów: definicja, interpretacja, typowe błędy oraz sposób raportowania wraz z wielkością efektu i przedziałem ufności.

Czytaj →Poradnik

Wielkość efektu: jak ocenić znaczenie wyniku poza wartością p

Wielkość efektu wyjaśniona praktycznie: Cohen d, Hedges g, r, R², iloraz szans, eta², przedziały ufności i znaczenie praktyczne.

Czytaj →Poradnik

Pytania badawcze i hipotezy: jak przejść od teorii do analizy

Jak formułować pytania badawcze i hipotezy? Od teorii i operacjonalizacji przez kierunek efektu po plan analizy i prerejestrację.

Czytaj →

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Oferta dla badaczyOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Wasserstein, R. L., & Lazar, N. A. (2016). The ASA statement on p-values: Context, process, and purpose. The American Statistician, 70(2), 129–133. https://doi.org/10.1080/00031305.2016.1154108
  2. Greenland, S., Senn, S. J., Rothman, K. J., Carlin, J. B., Poole, C., Goodman, S. N., & Altman, D. G. (2016). Statistical tests, P values, confidence intervals, and power: A guide to misinterpretations. European Journal of Epidemiology, 31(4), 337–350. https://doi.org/10.1007/s10654-016-0149-3
  3. Wilkinson, L., & Task Force on Statistical Inference. (1999). Statistical methods in psychology journals: Guidelines and explanations. American Psychologist, 54(8), 594–604. https://doi.org/10.1037/0003-066X.54.8.594
  4. Sullivan, G. M., & Feinn, R. (2012). Using effect size—or why the P value is not enough. Journal of Graduate Medical Education, 4(3), 279–282. https://doi.org/10.4300/JGME-D-12-00156.1
  5. Lakens, D. (2013). Calculating and reporting effect sizes to facilitate cumulative science: A practical primer for t-tests and ANOVAs. Frontiers in Psychology, 4, 863. https://doi.org/10.3389/fpsyg.2013.00863
  6. Appelbaum, M., Cooper, H., Kline, R. B., Mayo-Wilson, E., Nezu, A. M., & Rao, S. M. (2018). Journal article reporting standards for quantitative research in psychology: The APA Publications and Communications Board task force report. American Psychologist, 73(1), 3–25. https://doi.org/10.1037/amp0000191

Cytowania BibTeX

@article{wasserstein2016pvalues, author={Wasserstein, Ronald L. and Lazar, Nicole A.}, title={The ASA Statement on p-Values: Context, Process, and Purpose}, journal={The American Statistician}, year={2016}, volume={70}, number={2}, pages={129--133}, doi={10.1080/00031305.2016.1154108}}
@article{greenland2016misinterpretations, author={Greenland, Sander and Senn, Stephen J. and Rothman, Kenneth J. and Carlin, John B. and Poole, Charles and Goodman, Steven N. and Altman, Douglas G.}, title={Statistical tests, P values, confidence intervals, and power: a guide to misinterpretations}, journal={European Journal of Epidemiology}, year={2016}, volume={31}, number={4}, pages={337--350}, doi={10.1007/s10654-016-0149-3}}
@article{wilkinson1999statistical, author={Wilkinson, Leland and {Task Force on Statistical Inference}}, title={Statistical methods in psychology journals: Guidelines and explanations}, journal={American Psychologist}, year={1999}, volume={54}, number={8}, pages={594--604}, doi={10.1037/0003-066X.54.8.594}}
@article{sullivan2012effectsize, author={Sullivan, Gail M. and Feinn, Richard}, title={Using effect size—or why the P value is not enough}, journal={Journal of Graduate Medical Education}, year={2012}, volume={4}, number={3}, pages={279--282}, doi={10.4300/JGME-D-12-00156.1}}
@article{lakens2013effect, author={Lakens, Daniël}, title={Calculating and reporting effect sizes to facilitate cumulative science}, journal={Frontiers in Psychology}, year={2013}, volume={4}, pages={863}, doi={10.3389/fpsyg.2013.00863}}
@article{appelbaum2018jars, author={Appelbaum, Mark and Cooper, Harris and Kline, Rex B. and Mayo-Wilson, Evan and Nezu, Arthur M. and Rao, Stephen M.}, title={Journal article reporting standards for quantitative research in psychology}, journal={American Psychologist}, year={2018}, volume={73}, number={1}, pages={3--25}, doi={10.1037/amp0000191}}
R