方差不齐用什么检验:请问SPSS方差分析时方差不齐怎么处理？用的Post Hoc和EXPLORE 可以处理吗？怎么弄？答的好加分。

请问SPSS方差分析时方差不齐怎么处理？用的Post Hoc和EXPLORE 可以处理吗？怎么弄？答的好加分。

EXPLORE是一个数据考察工具，并不能进行数据转换处理。数据转换（比如对数转换）只能在一定程度上减轻方差不齐的影响。方差分析对各组方差的方差齐性（也就是各组方差是否一致）有要求，你不能使用方差分析。SPSS统计软件的one way ANOVA在方差不齐时是可以使用的，此时你应该使用Brown-Forsythe或Welch的修正值。当你想看哪两组有差异时，可以使用one way ANOVA自带的Post Hoc Tests，方差不齐时使用不等方差假设项下的Tamhane'如果你还是没有把握。

两独立样本t检验 方差不齐用什么检验

正态性满足的话用t‘检验不满足就非参数检验

2组计量资料方差不齐时 怎么用SPSS检验

首先看你的数据是否符合正态分布，如果符合正态分布，用t检验。

在SPSS中进行方差分析，结果显示方差不齐性，那是不是要进行非参数检验了呢？可以用卡方检验吗？

方差齐性检验意义在于反映了一组数据与其平均值的偏离程度。方差齐性检验是方差分析的重要前提，是方差可加性原则应用的一个条件。方差齐性检验是对两样本方差是否相同进行的检验。方差齐性检验和两样本平均数的差异性检验在假设检验的基本思想上是没有什么差异性的。只是所选择的抽样分布不一样。方差齐性检验所选择的抽样分布为F分布。在t检验和方差分析中，无非就是比较各组的方差大小，看看各组的方差是不是差不多大小，就认为方差齐性或方差相等。需要统计学的检验，所以就有了方差齐性检验。首先需要知道方差齐性检验的本质：样本以及总体的方差的分布是常数，和自变量或者因变量没有关系。一般情况因变量是纵轴，在方差齐性检验中，要弄清究竟因变量和残差之间有没有关系。如果残差随机分布在一条穿过零点的水平直线的两侧，就说明残差独立，也就是证明因变量方差齐性。

方差齐性检验的意义

方差齐性检验意义在于反映了一组数据与其平均值的偏离程度。方差齐性检验是方差分析的重要前提，是方差可加性原则应用的一个条件。方差齐性检验是对两样本方差是否相同进行的检验。方差齐性检验和两样本平均数的差异性检验在假设检验的基本思想上是没有什么差异性的。只是所选择的抽样分布不一样。方差齐性检验所选择的抽样分布为F分布。在t检验和方差分析中，都需要满足这一前提条件。在两组和多组比较中，方差齐性的意思很容易理解，无非就是比较各组的方差大小，看看各组的方差是不是差不多大小，如果差别太大，就认为是方差不齐，或方差不等。如果差别不大，就认为方差齐性或方差相等。当然，这种所谓的差别大或小，需要统计学的检验，所以就有了方差齐性检验。扩展资料：差齐性检验：首先需要知道方差齐性检验的本质：样本以及总体的方差的分布是常数，和自变量或者因变量没有关系。方法：绘制散点图：一般情况因变量是纵轴，但是，在方差齐性检验中，因变量被设置为横轴，纵轴是学生化残差。原因就是，要弄清究竟因变量和残差之间有没有关系。结果：如果残差随机分布在一条穿过零点的水平直线的两侧，就说明残差独立，也就是证明因变量方差齐性。在进行方差分析之前首先要进行方差齐性检验，这是方差分析的一个前提假设，2行使用bartlett.test函数检验方差齐性，第一个参数是一个表达式，前面是目标变量后者是影响因素。如果要进行多因素可以在后面以“+”号添加因素，p-value值远远小于0.01，所以拒绝原假设，认为方差不齐，也就是表示不可比较或存在差异，那就没必要进行下一步的方差分析了，这里我们暂时假设方差p-value大于0.05，认为方差具有同质性，可以进行下一步方差分析，然后再讲解方差不齐的情况。参考资料：百度百科——齐性检验

方差齐性检验P=0.044<0.05，方差不齐，还可以用方差分析吗？下图中的结果是否正确？

所以认为您的数据是非正态的；此检验结果认为不具备方差齐性。ANVOA方差分析要求数据来自正态分布总体，并且因子水平之间的方差大致相等（齐性），所以不应该使用ANVOA方差分析。

SPSS独立样本T检验，方差不齐，不齐的sig又显示均值相同，这怎么解释？两样本到底有没有差异？

独立样本T检验结果中含两种检验：方差齐性（Levene）检验和均值T检验。方差齐不齐是判断用哪一种方式分析两样本的差异性，与两样本有无差异无关。是否具有差异性只要看相对应的T检验的sig.值即可。按题目分析。