Si l'on teste l'hypothèse d'homoscédasticité, des tests paramétriques (test de Bartlett d'homogénéité des variances bartlett.test
) et non paramétriques (test de Figner-Killeen d'homogénéité des variances fligner.test
) sont disponibles. Comment savoir quel type utiliser? Cela devrait-il dépendre, par exemple, de la normalité des données?
r
variance
heteroscedasticity
misspecification
Roman Luštrik
la source
la source
Réponses:
Il semble que le test FK soit à privilégier en cas de forte dérogation à la normalité (à laquelle le test de Bartlett est sensible). Citant l'aide en ligne,
De manière générale, le test de Levene fonctionne bien dans le cadre de l'ANOVA, à condition qu'il y ait des écarts faibles à modérés par rapport à la normalité. Dans ce cas, il surpasse le test de Bartlett. Cependant, si la distribution est presque normale, le test de Bartlett est meilleur. J'ai également entendu parler du test de Brown – Forsythe comme une alternative non paramétrique au test de Levene. Fondamentalement, il repose sur la médiane ou la moyenne ajustée (par rapport à la moyenne du test de Levene). Selon Brown et Forsythe (1974), un test basé sur la moyenne a fourni la meilleure puissance pour des distributions symétriques avec des queues modérées.
En conclusion, je dirais que s'il existe des preuves solides d'un écart par rapport à la normalité (comme vu par exemple, à l'aide d'un tracé QQ), alors utilisez un test non paramétrique (test FK ou BF); sinon, utilisez le test de Levene ou Bartlett.
L'an dernier, AsympTest: A Simple R Package for Classical Parametric Statistical Statistical and Confidence Intervals in Large Samples a également fait l'objet d'une petite discussion sur ce test pour les petits et les grands échantillons dans le Journal R, l'année dernière . Il semble que le test FK soit également disponible via l'
coin
interface pour les tests de permutation, voir la vignette .Références
Brown, MB et Forsythe, AB (1974). Tests robustes pour l'égalité des variances. JASA , 69 , 364-367.
la source
Au lieu de ces tests, vous voudrez peut-être consulter le test de Breusch-Pagan et la version de White du même. Ni l'un ni l'autre ne requiert une hypothèse de normalité et White a montré que sa version est assez robuste aux erreurs de spécification.
la source