我已经对我的一个实验中的一组数据进行了 Levene 和 Bartlett 的检验，以验证我没有违反 ANOVA 的方差同质性假设。如果你不介意的话，我想和你们核实一下，我没有做出任何错误的假设：D
这两个测试返回的 p 值是我的数据（如果使用相等方差再次生成）相同的概率。因此，使用这些测试，为了能够说我没有违反 ANOVA 的方差同质性假设，我只需要一个高于所选 alpha 水平（比如 0.05）的 p 值？
例如，对于我目前使用的数据，Bartlett 检验返回 p=0.57，而 Levene 检验（他们称之为 Brown-Forsythe Levene 型检验）给出 ap=0.95。这意味着，无论我使用哪种测试，我都可以说我符合假设的数据。我有什么错误吗？
谢谢。
假设原假设为真，您的显着性检验的 p 值可以解释为观察到相关统计量的值比您实际观察到的值更极端或更极端的概率。（请注意，p 值没有参考在备择假设下可能有哪些统计值）
编辑：在数学术语中，这可以写成： 其中是数据的某个函数（“统计量”），而是观察到的实际值；的抽样分布的原假设所隐含的条件。
你永远不能确定你的假设是否成立，只有你观察到的数据是否与你的假设一致。p 值给出了这种一致性的粗略测量。
p 值不给出将观察到相同数据的概率，只给出在给定零假设的情况下，统计值与观察值相同或更极端的概率。
您在“p 值的右侧”。我只是稍微调整一下你的说法，如果这些组的总体方差相等，那么 p=0.95 的结果表明，使用这些 n 大小的随机抽样会在 95% 的时间内产生如此之远或更远的方差. 换句话说，严格来说，根据它对零假设的描述来表达结果是正确的，但不是根据它对未来的描述。
虽然之前的评论是 100% 正确的，但为 R 中的模型对象生成的图提供了该问题的图形摘要。就个人而言，我总是发现这些图比 p 值更有用，因为可以在之后转换数据并立即在图中发现变化。