R中的Levene事后测试

Question

我在 R 中的数据分析存在问题。我的一个假设基本上是我的组在分数的分布方面会有所不同，这表明组之间的肢体会有所不同。

我决定用 Levenes 检验来检验我的假设，结果证明这是显着的，因此应该强调各组之间的标准差存在显着差异。 但我不知道 Levenes 检验的任何事后检验，在阅读了可能的事后分析后，我决定对残差进行 ANOVA，然后对 ANOVA 进行事后检验。

这是我目前尝试过的代码：

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.

---

我的测试和事后测试如下所示：

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

---

残差方差分析结果也很显着，但 p 值从 0.04（Levenes 检验）变为 0.01（残差方差分析）。 在阅读它时，似乎 Levene 测试只是对残差的方差分析，因此它应该给我相同的结果。而且我也不确定我应该使用什么事后测试。我想到了 Dunnett，它包括一个基线，它对应于我的一个小组。

最后，我对残差进行了 leveneTest 以及“leveneTest(residuals~RA01)”，结果非常显着。使用非参数测试对我来说更好吗，例如Kruskal-Wallis h-test 并改为对我的 kruskal wallis 测试进行事后测试？如果是这种情况，那么合适的测试是什么？我应该使用成对的 Mann Whitney u 检验还是 Dunn 检验？

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，我非常感谢你的帮助或意见！

Answer 1

Levene 检验确实应该给出与残差方差分析相同的 p 值。

例如看这段代码：

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 检验，这是 lawstat::levene.test 中的默认值，它使用中值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's。 如果您想要组间的所有成对比较，请使用 TukeyHSD。