差异性分析-参数检验
方差齐性检验
在比较组均值之前，用 Levene 统计量判断各组定量指标的离散程度是否可以视为相同。
这篇能回答什么
本页不回答「高一、高二、高三谁的语文更高」。它只回答「这三个年级的语文分数，散得是否一样开」。标准 ANOVA 与等方差 t 把组内方差当成同一尺度；若某组特别扁、某组特别散，F 或 t 的分母就不可靠。Levene 把每个分数先换成「离本组中心有多远」，再对这些绝对离差做组间比较，得到统计量与 P 值。结论列直接写成「方差齐性」或相反判断，便于当作后续分析的闸门。
定量成绩示例按「年级」切开，对「语文成绩」「数学成绩」各做一次 Levene。语文统计量 0.873、P=0.418；数学 0.083、P=0.920。两门课都通过齐性，后面若做单因素 ANOVA，可以走经典 F，而不必仅仅因为「看起来高三更散」就改用 Welch 或秩检验。
它不能代替均值检验
结论「方差齐性」从来不是「成绩一样」。均值有没有差异，要另外跑单因素方差分析或独立样本 t 检验。齐性失败时，优先考虑 Welch 校正、稳健标准误，或改Kruskal-Wallis 检验；不要把 Levene 显著解释成「年级效应存在」。分布形状还可用正态性检验辅助，但那是另一条假定。
如何选择方法
把「诊断」和「主分析」排好队。准备做 ANOVA / 等方差 t，想单独留一张齐性表进附录 → 本过程。已经打开单因素方差分析页时，那里也会附带 Levene，不必为同一变量重复劳动，除非你要在不跑整体 F 的情况下先筛一批因变量。齐性明显失败且分布偏态 → 非参数；只关心两组均值且打算直接用 Welch t → 可以不把本页当主结果。
方差齐性检验：1 个定类分组，1–10 个定量检验变量；只输出 Levene、P、结论。
单因素方差分析：比较三组及以上的均值，并附带自己的齐性表。
独立样本 t：两组均值；StatsX 同时给 Student t 与 Welch t，可与本页齐性对照选口径。
Kruskal-Wallis / Mann-Whitney：位置检验，不依赖组间等方差。
输入、输出与限制
分组变量恰好 1 个定类列——本示例是「年级」（高一 / 高二 / 高三）。检验变量 1 至 10 个定量列，本示例勾语文、数学。两类分组（例如性别）同样可以跑，Levene 并不要求必须三组；但一组数据没有「组间」可比较，会被拒绝。
分组变量：1 个定类字段。
检验变量：1 至 10 个定量字段。
输出只有一张表：变量名、Levene 统计量、P 值、结论。没有组均值、没有 F、没有偏 η²——那些属于 ANOVA。每个检验变量按自己的非缺失行计算，因此语文与数学的有效样本可以不同。结论阈值按常规 α=0.05：P 不小于 0.05 记「方差齐性」。
本过程不绘制「谁更高」的均值柱，图若出现也只是辅助理解离散，不以图替代表。
一次最多 10 个定量列；物理、化学要另占名额。
学号、姓名不能当分组。年级才是本示例的切开方式。
Levene 的中心化（均值或中位数）若与 SPSS 默认不同，统计量会有小数差别，结论列仍以本表 P 值为准。
案例
研究问题。 准备按年级比较语文、数学均值之前，先确认三组的分数离散是否处在同一量级。有人觉得高三发挥更两极分化，若真如此，经典 ANOVA 的合并组内方差可能不合适。
成绩示例 Sheet1：分组列用「年级」，检验列用「语文成绩」「数学成绩」。语文 Levene=0.873，P=0.418，结论「方差齐性」。数学 Levene=0.083，P=0.920，同样「方差齐性」。数学的 P 更接近 1，表示三组数学离散几乎重叠。同一张表、同一角色即可复现。
在 StatsX 中操作
步骤 1 · 成绩表示例进工作台
上传定量成绩簿，停留在 Sheet1。先扫一眼年级是否只有高一、高二、高三，避免夹进空班或编码错误把「组数」抬高。
步骤 2 · 把年级当刀，把成绩当被切开的对象
画像中年级=定类，语文成绩、数学成绩=定量。不要用班级代替年级，除非你的研究问题就是班级离散。
步骤 3 · 选「方差齐性检验」而不是「单因素方差分析」
两者都会碰到 Levene，但本条目的产品定位是诊断：跑完你得到的是齐性表，不是 F 表。若主分析已经确定是 ANOVA，也可以直接去 ANOVA 页看附带的齐性块。
步骤 4 · 分组槽放年级，检验槽放语文与数学
分组只能 1 列。检验变量可多选，上限 10。运行后应看到两行，而不是一门课一行、另一门课消失。
步骤 5 · 读「结论」列，再决定主分析口径
两行都是「方差齐性」→ 经典 ANOVA / 等方差 t 说得通。若将来某行变成不齐，记下变量名，主分析改 Welch 或秩方法，不要假装没看见。
如何阅读输出
先看最右列。语文、数学的结论都是「方差齐性」。这是给后续模型的通行证，不是研究问题的答案。再看中间两列：语文 Levene 统计量 0.873，P=0.418；数学统计量 0.083，P=0.920。α=0.05 下两行都不拒绝「各组方差相等」。
| 变量名 | Levene统计量 | P值 | 结论 |
|---|---|---|---|
| 语文成绩 | 0.873 | 0.418 | 方差齐性 |
| 数学成绩 | 0.083 | 0.920 | 方差齐性 |
左右滑动可查看完整表格
【诊断】变量「语文成绩」方差齐性满足（Levene P=0.418）。 【诊断】变量「数学成绩」方差齐性满足（Levene P=0.92）。
决策可以写成四步：① 结论列是否齐；② 不齐的是哪一门课；③ 该门课的主分析改用哪一口径；④ 齐的那门课才沿用经典 F。本例两门都齐，下一步若比较年级均值，应打开单因素方差分析，而不是在本页寻找「高二更高」的故事——本页根本没有组均值。
理论与公式
Levene 不直接比较原始方差。设共有 k 组、第 g 组 n_g 人、总人数 N。先把观测换成相对组中心（均值或中位数 Ỹ_g）的绝对离差：
再对 Z 做单因素方差分析，得到 W。原假设是 k 个总体方差相等；W 大则更像「某组的绝对离差整体偏高」，也就是更不齐：
W 在原假设下近似 F(k−1, N−k)。本页语文 W=0.873，对应 P=0.418；数学 W=0.083，P=0.920。数学的 W 更接近 0，表示各组 Z 的均值几乎没有分开。基于中位数的 Brown–Forsythe 变体对长尾更稳，SPSS「探索」若勾了中位数，小数可能与 0.873 不完全咬合，但本例两行 P 都远离 0.05，换中心化也不会翻盘。
注意事项
P 大只表示「没有足够证据说不齐」，不是证明方差精确相等。
大样本下很小的离散差异也会显著；此时应看各组标准差的实际差距，再决定要不要改模型。
极端值会同时抬高某组的 s 与 Z，分析前先用描述性统计扫一眼。
对 10 个因变量各做一次 Levene 会增加假阳性，预先指定要保护的主结局。
齐性通过不能省略残差或图形检查，只是给经典 F 一张门票。
常见问题
参考文献
Levene, H. Robust tests for equality of variances. In: Olkin I, et al. Contributions to Probability and Statistics. Stanford University Press, 1960.
Brown, M. B., Forsythe, A. B. Robust tests for the equality of variances. Journal of the American Statistical Association, 1974, 69(346): 364–367.
贾俊平. 统计学[M]. 中国人民大学出版社.