方差分析时候方差不齐怎么办？

方差齐性检验一般是用方差最大组的方差比最小组的方差，如果比值显著不等于1，那就是方差不齐性。
按说不齐性是不可以进行后续的方差分析的，因为在均值检验中（包括方差分析，T检验等）各个实验处理的效应被认为是一种固定效应，对所有人的作用一样，也就是说，处理的作用就是给每个人原来的的水平加上一个相同的常数，这样的话，每个被试组原来什么方差，实验处理后还是什么方差，那么，如果不同被试组的方差不齐性，也就是方差之比显著不等于1，就说明被试之间原本就差异很大，那我们的方差分析就得不到准确的结论，不知道究竟是实验处理造成了不同被试组间的差异，还是说这里面也混淆了个体差异。就算只有两个组之间方差不齐，其他都齐，但这也会对不同部分均方的计算造成影响，哪怕只有两个组不齐，那也是不齐。
方差不齐性，原则上不能进行方差分析，但spss里的方差分析是在最小二乘法的框架下做的，和教育及心理统计教材中介绍的方差分析的分析方式不太一样，好处是这样的方差分析比较稳健，对于方差齐性的问题不敏感，即使违反了，也还是能用，结果也还是比较可信的。在spss里面齐性并不是方差分析的必要条件。只不过教材是为了给你介绍大概原理，而且对最新的软件的性能也不是非常了解，所以非要齐性。况且做方差分析的论文里面一般也不会报告齐性检验。所以你就直接用方差分析就行了。
如果还是不放心，可以做一些数据转换，使其接近齐性，比如box—cox转换，对数转换等等。

方差齐性检验一般是用方差最大组的方差比最小组的方差，如果比值显著不等于1，那就是方差不齐性。

按说不齐性是不可以进行后续的方差分析的，因为在均值检验中（包括方差分析，T检验等）各个实验处理的效应被认为是一种固定效应，对所有人的作用一样，也就是说，处理的作用就是给每个人原来的的水平加上一个相同的常数，这样的话，每个被试组原来什么方差，实验处理后还是什么方差，那么，如果不同被试组的方差不齐性，也就是方差之比显著不等于1

就说明被试之间原本就差异很大，那我们的方差分析就得不到准确的结论，不知道究竟是实验处理造成了不同被试组间的差异，还是说这里面也混淆了个体差异。

就算只有两个组之间方差不齐，其他都齐，但这也会对不同部分均方的计算造成影响，哪怕只有两个组不齐，那也是不齐。

扩展资料

方差分析要求数据为正态分布，且方差相等。

标准的方差分析中，模型假定不同因素（行，列或者处理）的效应是可加的，并且残余误差按同一方差而且正态、独立分布。

如行列效应有不可加性，可选定变换标度呈近似地可加。方差不齐性也应稳定性变换。

参考资料：百度百科 方差检验

以下回答内容引自张文彤主编的《SPSS统计分析高级教程》，北京 高等教育出版社 2004，第6-7页：

至于方差齐性，需要特别指出的是:根据 Box 的研究结果，在单因素方差分析中，如果各组的例数相同(即均衡，如果在一个实验设计中任一因素各水平在所有单元格中出现的次数相同，且每个单元格内的元素数均相同，则该试验是均衡的;否则，就被称为不均衡) ，或总体呈正态分布，则方差分析模型对方差略微不齐有一定的耐受性，只要最大与最小方差之比小于 3，分析结果都是稳定的。

有重复数据的多因素方差分析:由于正态性、方差齐性的考察是以单元格为基本单位，此时单元格数目往往很多，平均每个单元格内的样本粒数实际上比较少。例如样本量为 500 ，共分析 个因素，每个因素 个水平，则共有 =81 个单元格，平均一个格子里只有5例左右的样本。此时实际上很难检验出差别;另一方面，也可能因为只是极个别单元格方差不齐而导致检验不能通过。根据实际经验，实际上在多因素方差分析中，极端值的影响远大于方差齐性等问题的影响，因此实际分析中可以直接考察因变量的分布情况，如果数据分布不是明显偏态，不存在极端值，则一般而言方差齐性和正态齐性不会有太大问题，而且也可以基本保证单元格内无极端值。因此在多因素方差分析中，方差齐性往往只限于理论探讨。

方差齐性不符合说明你的分组不是独立事件，对结果有影响。
尝试新的分组满足齐次性后分析。
没有齐性的结果没有意义。

想问问高赞的答主，如果做mixed-design ANOVA，Box'M效标检验显著，组间协方差不齐也没关系吗？