> 方差齐性检验

基于 Levene（莱文检验）、Bartlett（巴特利特检验）、Fligner（弗林格检验）等方差齐性检验方法，对多组数据的总体方差是否相等进行统计推断，为后续其他需要方差齐性假设的参数检验提供适用前提与决策依据。

##  Levene（莱文检验）

Levene  检验把每组原始数据先转换成与组内中心距离的绝对值，再对这些绝对偏差做单因素方差分析，只要组间平均偏离程度差异显著，就推断方差不齐；由于使用了离差绝对值，它对偏离正态分布、存在厚尾或异常值的情况非常稳健，样本量不等、分布偏斜时依然能保持较好的检验效能，因此在实验设计和生物统计中被广泛当作默认的方差齐性判断工具。



## Bartlett（巴特利特检验）

Bartlett  检验直接比较各组样本方差的大小，通过计算方差加权平均与几何平均之间的差距来度量齐性，差距越大越倾向拒绝方差齐性假设；它在数据确实来自正态总体时具有最高的检验功效，能够最早发现微小的方差差异，但只要总体稍偏离正态，尤其是出现偏斜或异常值时，容易错误地夸大差异，导致假阳性率升高，因此更适合在已确认正态性的前提下使用。



## Fligner（弗林格检验）

Fligner 检验把每组观测值转换为整体秩次，再对这些秩离差进行类似 Levene  的方差分析，由于整个过程只依赖秩的大小而不涉及具体数值，它对分布形态几乎没有任何要求，即使在严重偏斜、多峰或含有极端值的情况下也能维持稳定的显著性水平，适用于完全不确定分布形状、希望获得稳健结论的探索性分析，但相应地其检测微小方差差异的灵敏度略低于 Bartlett 和 Levene。