可生成图片类型（推荐）
可生成数据表类型（推荐）
 | |
| 节点状态 | PC可用
在 V1.0部署
|
|---|---|
方差齐性检验  | |
| 节点开发者 | 决策链算法研发部 (Dev.Team-DPS) |
| 节点英文名 | 方差齐性检验 |
| 功能主类别 | 数据分析 |
| 英文缩写 | HV_Test |
| 功能亚类别 | 方差分析 |
| 节点类型 | 数据挖掘 |
| 开发语言 | R |
| 节点简介 | |
方差齐性检验是一种统计检验方法，用于检验两个或多个样本的方差是否相等。这种检验通常用于分析方差（ANOVA）之前，以确定数据是否满足方差齐性的假设。方差齐性是许多统计方法（如t检验和ANOVA）的一个重要假设。如果数据不满足方差齐性的假设，那么这些方法的结果可能会不准确。因此，在使用这些方法之前，通常需要进行方差齐性检验来确定数据是否满足这一假设。 该模块整合了Levene检验、Bartlett检验和Fligner-Killeen检验三种方法如果方差齐性检验表明数据不满足方差齐性的假设，那么您可以使用一些方法来纠正这一问题。例如，您可以对数据进行变换，或者使用不需要方差齐性假设的非参数方法来分析数据。 用途：用于检验两个或更多的样本组的方差是否相等。如ANOVA（方差分析），需要样本组之间的方差齐性作为预设条件。如果这个条件不满足，那么方差分析的结果可能会出现偏差。 参数：选择分组变量，和连续型数值变量 | |
| 端口数量与逻辑控制(PC) | |
| Input-入口 | 4个 |
| Output-出口 | 3个 |
| Loop-支持循环 | 是 |
| If/Switch-支持逻辑判断 | 否 |
| 输入输出 | |
| 相关节点 | |
| 上一节点 | 多重比较方差分析 |
| 下一节点 | Welch检验 |
查找其他类别的节点，请参考以下列表
列表
数据处理节点
数据输入
变量处理
行列处理
矩阵处理
表格处理
列表
数据分析节点
描述性统计
统计检验
方差分析
相关分析
回归分析
Lasso回归 二项式Lasso回归 泊松Lasso回归 生存状态Lasso回归 高斯PLS回归Ridge回归 二项式Ridge回归 泊松Ridge回归 生存状态Ridge回归 高斯分位回归多分类逻辑回归多项式回归广义估计方程 伽玛广义估计方程 泊松广义估计方程 负二项广义估计方程 逻辑广义估计方程 高斯广义相加模型 伽玛广义相加模型 泊松广义相加模型 负二项广义相加模型 逻辑广义相加模型 高斯广义相加混合模型 伽玛广义相加混合模型 泊松广义相加混合模型 负二项广义相加混合模型 逻辑广义相加混合模型 高斯广义线性回归 伽玛广义线性回归 泊松广义线性回归 负二项广义线性回归 逆概率加权联合标准差稳健线性回归线性回归逐步回归逻辑回归
时序分析
潜变量分析
生存分析
多元分析
综合分析
列表
机器学习节点
列表
AI和神经网络
环境检测
