답변:
아마 둘 다. 데이터를보고 위반이 얼마나 나쁜지 확인하는 것이 좋습니다. 선형 모델 (예 : ANOVA)은 그룹 이 같을 때 경미한 위반에 대해 상당히 강력합니다 . 이분산성에 대한 경험 법칙은 최대 그룹 분산이 분석에 너무 많은 손상을주지 않으면 서 최소 그룹 분산의 4 배에이를 수 있다는 것입니다. 위반이 있을지 걱정되는 경우 더 나은 접근 방법은 위반을 감지 한 다음 1을 기반으로 의사 결정을 시도하지 않고 처음부터 가능한 위반에 대해 강력한 분석을 사용하는 것 입니다.
Wikipedia는 Bartlett의 테스트 는 Levene의 테스트보다 정상 위반에 더 민감 하다고 말합니다 . 따라서이 분산 데이터 대신 비정규 데이터가있을 수 있습니다. 다시,보다 강력한 분석이 바람직 할 수있다 2 .
참조 : t 테스트 또는 비모수 (예 : 작은 샘플의 Wilcoxon) 중에서 선택하는 기본 방법 .
2. 문제가있는 이분산성을 처리하는 다양한 방법은 이 분산 데이터에 대한 일원 분산 분석의 대안을 참조하십시오 .
Levene의 테스트보다 비정규 조건에 대한 민감도가 낮은 테스트의 경우 적어도 때때로 Conover 테스트를 사용하기 위해 AKA 제곱 순위 비모수 테스트입니다. VarianceEquivalenceTest 의 Mathematica 구현에서 Bartlett의 테스트보다 이것이 때때로 선호되는 것으로 나타났습니다 .
다음은 위의 분산 동등성 링크에서 복사 한 분산 테스트 방법 및 가정의 목록입니다.
Bartlett normality modified likelihood ratio test
BrownForsythe robust robust Levene test
Conover symmetry Conover's squared ranks test
FisherRatio normality based on variance ratio
Levene robust,symmetry compares individual and group variances
Mathematica 문서는 예를 들어 Conover 대칭 테스트가 어떻게 수행되는지, 또는 왜 하나의 대칭 테스트를 수행하는지에 대해서는 구체적이지 않지만 가정에 대한 위반은 테스트 가능하다는 점에서이 목록에서 분명해야합니다. 그리고 지금까지 아무도 그 질문에 대답하지 않았습니다 .
따라서 OP 질문에 대한 답변은 조건 테스트 만 어떤 경우에 어떤 방법이 선호되는지 제안 할 수 있다는 것입니다. 또한, 5 가지 시험 모두가 시도되고 가정 위반으로 배제되지 않는 경우, 일반적으로 어떤 답이 생성되는지에 따라 더 나은 답과 더 나쁜 답을 구별 할 수 있습니다.
최악의 경우 알려진 진리 값을 사용하여 몬테카를로 시뮬레이션을 수행하여 어떤 조건이 어떤 확률로 이어지는 지 탐색 할 수 있습니다. 그러나 문제 자체에 대한 추가 정보가 없으면 OP의 데이터 세트 측면에서 질문에 대답 할 수 없습니다. OP가 데이터 중심의 특정 답변을 원할 경우 데이터를 제공하십시오.