Jika seseorang menguji asumsi homoskedastisitas, uji parametrik (Uji Bartlett untuk Homogenitas Variansi bartlett.test
) , dan non-parametrik (Uji Figner-Killeen untuk Homogenitas Variansi, fligner.test
) tersedia. Bagaimana cara mengetahui jenis mana yang digunakan? Haruskah ini tergantung pada misalnya normalitas data?
r
variance
heteroscedasticity
misspecification
Roman Luštrik
sumber
sumber
Jawaban:
Tampaknya tes FK lebih disukai dalam kasus keberangkatan kuat dari normalitas (di mana tes Bartlett masuk akal). Mengutip bantuan online,
Secara umum, tes Levene bekerja dengan baik dalam kerangka ANOVA, asalkan ada penyimpangan kecil hingga sedang dari normalitas. Dalam hal ini, itu mengungguli tes Bartlett. Namun, jika distribusinya hampir normal, tes Bartlett lebih baik. Saya juga pernah mendengar tentang tes Brown-Forsythe sebagai alternatif non-parametrik dari tes Levene. Pada dasarnya, ini bergantung pada median atau rata-rata yang dipangkas (dibandingkan dengan rata-rata dalam tes Levene). Menurut Brown dan Forsythe (1974), tes berdasarkan rata-rata memberikan kekuatan terbaik untuk distribusi simetris dengan ekor sedang.
Sebagai kesimpulan, saya akan mengatakan bahwa jika ada bukti kuat keberangkatan dari normalitas (seperti terlihat misalnya, dengan bantuan plot QQ), maka gunakan tes non-parametrik (uji FK atau BF); jika tidak, gunakan uji Levene atau Bartlett.
Ada juga diskusi kecil tentang tes ini untuk sampel kecil dan besar di Jurnal R, tahun lalu, asympTest: Paket R Sederhana untuk Tes Statistik Parametrik Klasik dan Interval Keyakinan dalam Sampel Besar . Tampaknya tes FK juga tersedia melalui
coin
antarmuka untuk tes permutasi, lihat sketsa .Referensi
Brown, MB dan Forsythe, AB (1974). Tes yang kuat untuk Kesetaraan Varian. JASA , 69 , 364-367.
sumber
Alih-alih tes ini, Anda mungkin ingin memeriksa tes Breusch-Pagan dan versi White yang sama. Tidak memerlukan asumsi normalitas dan White telah menunjukkan bahwa versinya cukup kuat untuk kesalahan spesifikasi.
sumber