IBM SPSS Statistics有哪些方差齐性检验的方法

SPSS方差齐性检验，即检验样本数据的方差是否相同的一种方法。什么情况下需要进行方差齐性检验？在经典的线性回归模型中，方差齐性是进行回归的前提要素之一，因OLS(最小二乘法)回归式要求模型中的随机误差项在解释变量时具有相同的方差。

本文将介绍SPSS的两种检验方差齐性的方法，分别是探索分析中的Levene（莱文）检验与单因素ANOVA分析中的方差齐性检验。

一、数据准备

本文使用的是一组包含销售额、客流量、销售量的店铺销售数据。

图1：销售数据

二、探索分析

首先看到的是探索分析中的Levene（莱文）检验。

如图2所示，依次单击分析-描述统计-探索选项。

图2：描述性探索分析

接着，在探索设置中，将销售额设为因变量、店铺类型设为因子列表。

图3：变量设置

然后，单击探索设置中的“图”设置，在其“含莱文检验的分布-水平图”中选择“未转换”选项。

图4：图设置

即可得到销售额的方差齐性检验结果。

莱文检验原假设Ho：各组方差相等，符合方差齐性，此时销售额均值的P值（0.842）>0.05，无法拒绝原假设，即数据符合方差齐性。

图5：方差齐性检验

三、单因素ANOVA检验

除了使用探索分析外，也可以使用单因素ANOVA检验数据的方差齐性。

如图6所示，依次单击分析-比较均值-单因素ANOVA检验。

图6：单因素ANOVA检验

接着，与探索分析相同，将销售额设为因变量，但需要注意的是，ANOVA检验无法将名义变量设为因子，此处使用了所处区域（有序变量）作为因子。

图7：变量设置

完成变量设置后，单击选项，在弹出的选项窗口中勾选“方差齐性检验”。

图8：方差齐性检验

即可得到如图9所示的方差齐性检验结果。

检验原假设Ho：各组方差相等，符合方差齐性，此时销售额均值的P值（0.290）>0.05，无法拒绝原假设，即数据符合方差齐性。

图9：检验结果

四、小结

综上所述，在构建线性回归方程前，我们可以运用IBM SPSS Statistics探索分析中的莱文检验、单因素ANOVA检验中的方差齐性检验来进行因变量的方差齐性检验，以满足线性回归方程关于OLD回归式，需满足随机误差项具有相同方差的假设。