等分散性の仮定をテストする場合は、パラメトリック（分散の均一性のバートレット検定bartlett.test）とノンパラメトリック（分散の均一性のフィグナー-キリーン検定fligner.test）テストが利用できます。使用する種類を区別する方法は？これは、データの正常性などに依存する必要がありますか？
回答:
（バートレット検定が賢明である）正常性からの強い逸脱の場合、FK検定が好まれるようです。オンラインヘルプを引用して、
Fligner-Killeen（中央値）検定は、シミュレーションの研究で、正規性からの逸脱に対して最もロバストな分散の均一性に関する多くの検定の1つとして決定されました。Conover、Johnson＆Johnson（1981）を参照してください。
一般的に言えば、Levene検定はANOVAフレームワークで適切に機能します。ただし、正規性からの偏差が小さいか中程度であることが条件です。この場合、それはバートレットテストよりも優れています。ただし、分布がほぼ正常な場合は、バートレット検定の方が適しています。また、ブラウンフォーサイス検定は、リーベン検定のノンパラメトリックな代替法として聞いたことがあります。基本的に、それは中央値またはトリミングされた平均のいずれかに依存します（リーベンテストの平均と比較して）。Brown and Forsythe（1974）によると、平均に基づく検定は、適度な裾を持つ対称分布に最高の検出力を提供しました。
結論として、（たとえば、QQプロットの助けを借りて見られるように）正規性からの逸脱の強い証拠がある場合は、ノンパラメトリック検定（FKまたはBF検定）を使用すると言います。それ以外の場合は、LeveneまたはBartlettテストを使用します。
昨年のR JournalのasympTest：古典的なパラメトリック統計検定と大きなサンプルの信頼区間のためのシンプルなRパッケージで、このサンプルについての小さなサンプルと大きなサンプルのテストについての小さな議論もありました。FKテストはcoin、置換テストのインターフェイスからも利用できるようです。ビネットを参照してください。
参考文献
ブラウン、MBおよびフォーサイス、AB（1974）。差異の平等のための堅牢なテスト。JASA、69、364-367。
これらのテストの代わりに、Breusch-Paganテストと同じバージョンのWhiteのバージョンを確認することをお勧めします。どちらも正規性の仮定を必要とせず、ホワイトは彼のバージョンが仕様の違いに対して非常に堅牢であることを示しました。