R语言 Fligner-Killeen检验

Fligner-Killeen 检验是一种非参数检验，用于检验基于等级的群体变异的均匀性。当数据为非正态分布或与数据集中的异常值有关的问题无法解决时，它很有用。它也是众多方差均匀性测试中的一种，对偏离正态的情况最为稳健。有几种方案可以测试各组间方差的平等性（ 同质性 ），包括。

F检验
巴特利特检验
Levene’s test
Fligner-Killeen检验

在R编程中执行这些测试是非常容易的。在这篇文章中，让我们在R中进行 Fligner-Killeen检验 。

Flign er-Killeen检验的统计假说

假设是是关于给定问题的声明。假设检验是一种统计方法，用于利用实验数据进行统计决策。假设检验基本上是我们对一个群体参数做出的假设。它评估关于一个群体的两个相互排斥的陈述，以确定哪一个陈述得到了样本数据的最佳支持。对于 Fligner-Killeen检验 来说，统计假设是。

无效假设： 所有种群的变异都是相等的。
备选假设： 至少有两个不同。

R语言的实现

R提供了一个函数 fligner.test() ，它在 stats 包中可用来计算 Fligner-Killeen检验 。这个函数的语法如下。

语法

fligner.test(formula, dataset)

参数

公式： 一个公式，其形式为 数值~组

数据集： 一个矩阵或数据框

Fligner-Killeen测试的例子

带有一个自变量的Fligner-Killeen测试 。

考虑R内置的 PlantGrowth 数据集，该数据集给出了三组10个批次植物的干燥重量，其中每组10个批次得到了不同的处理。重量变量给出了该批植物的重量，组别变量给出了所接受的治疗，即 ctrl、rt1或rt2。 要查看数据集，请输入以下命令。

print(PlantGrowth)

输出

    weight group
1    4.17  ctrl
2    5.58  ctrl
3    5.18  ctrl
4    6.11  ctrl
5    4.50  ctrl
6    4.61  ctrl
7    5.17  ctrl
8    4.53  ctrl
9    5.33  ctrl
10   5.14  ctrl
11   4.81  trt1
12   4.17  trt1
13   4.41  trt1
14   3.59  trt1
15   5.87  trt1
16   3.83  trt1
17   6.03  trt1
18   4.89  trt1
19   4.32  trt1
20   4.69  trt1
21   6.31  trt2
22   5.12  trt2
23   5.54  trt2
24   5.50  trt2
25   5.37  trt2
26   5.29  trt2
27   4.92  trt2
28   6.15  trt2
29   5.80  trt2
30   5.26  trt2

如上所述， Fligner-Killeen测试 ，当数据为非正态分布或与数据集中的异常值有关的问题无法解决时， Fligner-Killeen测试 是非常有用的。这里我们只考虑一个自变量。要进行测试，请使用下面的命令。

# R program to illustrate
# Fligner-Killeen test
  
# Import required package
library(stats)
  
# Using fligner.test()
result = fligner.test(weight ~ group, PlantGrowth)
  
# print the result
print(result)

输出

Fligner-Killeen test of homogeneity of variances

data:  weight by group
Fligner-Killeen:med chi-squared = 2.3499, df = 2, p-value = 0.3088

有多个独立变量的Fligner-Killeen测试 。

如果想用多个独立变量进行检验，那么必须使用 interaction（） 函数，将多个因素折叠成一个包含所有因素组合的单一变量。在这里，让我们以R的内建的 ToothGrowth 数据集为例。

# R program to illustrate
# Fligner-Killeen test
  
# Import required package
library(stats)
  
# Using fligner.test()
result = fligner.test(len ~ interaction(supp, dose), 
                      data = ToothGrowth)
  
# print the result
print(result)

输出

Fligner-Killeen test of homogeneity of variances

data:  len by interaction(supp, dose)
Fligner-Killeen:med chi-squared = 7.7488, df = 5, p-value = 0.1706