您可以使用 F 检验来评估两组的方差，但使用 F 来检验方差差异严格要求分布是正态的。使用 Levene 检验（即偏离平均值的绝对值）更加稳健，使用Brown-Forsythe 检验（即偏离中位数的绝对值）更加稳健。SPSS 在这里使用了一个很好的方法。

更新为了回应下面的评论，我想澄清我在这里想说的。该问题询问有关使用“两组方差比的简单 F 比率”。由此，我了解到另一种方法有时被称为Hartley 检验，这是一种评估方差异质性的非常直观的方法。尽管这确实使用了方差比率，但它与 Levene 检验中使用的不同。因为有时仅用文字表达很难理解其含义，所以我将给出方程式以使这一点更清楚。

Hartley 检验： Levene 检验 / Brown-Forsythe 检验：

在所有三种情况下，我们都有方差比率，但它们之间使用的具体方差不同。使 Levene 检验和 Brown-Forsythe 检验更加稳健（并且也与任何其他 ANOVA 不同）的原因在于它们是在转换后的数据上执行的，而组方差的 F 比率（Hartley 检验）使用原始数据。所讨论的转换数据是偏差的绝对值（在 Levene 检验的情况下，偏离平均值，在 Brown-Forsythe 检验的情况下，偏离中位数）。

还有其他测试方差异质性，但我将讨论限制在这些，因为我理解它们是原始问题的焦点。如果原始数据不是真正正常的，那么选择它们的理由是基于它们的性能；F 检验足够不可靠，因此不推荐；如果数据确实正常， Levene 的测试比 BF稍微强大一些，但如果数据不正常，则没有那么强大。这里的关键引文是O'Brien (1981)，尽管我在互联网上找不到可用的版本。如果我误解了这个问题或不清楚，我深表歉意。