F-критерий равенства дисперсий настолько чувствителен к предположению о нормальности
Тест Бартлетта также чувствителен к предположению о нормальности.
I В социальной науке наиболее распространенным является критерий однородности дисперсии критерий Левена , который является альтернативой критерию Бартлетта.Тест Левена менее чувствителен, чем тест Бартлетта, к отклонениям от нормы.Если у вас есть веские доказательства того, что ваши данные поступают из нормального или почти нормального распределения, то тест Бартлетта имеет лучшую производительность. источник
тест Брауна-Форсайта обеспечивает хорошую устойчивость ко многим типам ненормальных данных, сохраняя при этом хорошую статистическую мощность.
, поэтому давайте используем тест Брауна-Форсайта:
library(onewaytests)
bf.test(rainfall ~ treatment, data = cloudS_data)
Результат:
Brown-Forsythe Test (alpha = 0.05)
-------------------------------------------------------------
data : rainfall and treatment
statistic : 3.992982
num df : 1
denom df : 33.85525
p.value : 0.05377346
Result : Difference is not statistically significant.
-------------------------------------------------------------
И F тест:
var.test(rainfall ~ treatment, data = cloudS_data)
Результат:
F test to compare two variances
data: rainfall by treatment
F = 5.4633, num df = 25, denom df = 25, p-value = 6.695e-05
alternative hypothesis: true ratio of variances is not equal to 1
95 percent confidence interval:
2.44959 12.18487
sample estimates:
ratio of variances
5.463326
Левен Тест:
lawstat::levene.test(cloudS_data$rainfall , cloudS_data$treatment, location = "mean")
Результат:
Classical Levene's test based on the absolute deviations from the mean ( none not applied because
the location is not set to median )
data: cloudS_data$rainfall
Test Statistic = 6.0876, p-value = 0.01708