请注意，所有等方差的检验都是排除检验。他们测试 2 个方差（标准差）相等的原假设，因此如果您拒绝原假设，那么您可以相当确定它们不相等，但如果您得到一个不显着的结果，这并不意味着它们相等，它们可能相等，或者您可能没有足够的能力来找到差异。

经验法则通常更有用，因为如果方差不相等但仍然相似，那么您的其他测试仍然是合理的。

最重要的是对产生数据和感兴趣问题的科学的理解。在某些情况下，分布具有足够不同的方差，您不希望使用假设等方差的方法，但分布中的许多样本不会拒绝等方差

我想知道您的讲师是否指的是一个共同的经验法则：像 ANOVA 这样的分析对异质性相当稳健，并且通常可以承受高达四倍的组间差异差异。只需查看差异，您就可以了解这一点。

另一种可能性是您的讲师警告说可能存在恒定的变异系数（方差是均值的恒定函数），这也可以理解查看均值的建议。这种现象在某些情况下很常见，例如在使用计数时。

我在这里写了一些关于方差同质性的各种测试：why-levene-test-of-equality-of-variances-rather-than-f-ratio，它有帮助。