分散の均一性に関するLeveneまたはBartlettの検定によって生成されるp値の解釈

私は、実験の1つからのデータのグループに対してLeveneとBartlettのテストを実行して、分散の均一性のANOVAの仮定に違反していないことを検証しました。よろしければ私が間違った仮定をしていないことを皆さんに確認したいのですが。

これらのテストの両方で返されるp値は、データが等しい分散を使用して再度生成された場合、データが同じになる確率です。したがって、これらの検定を使用して、分散の均一性のANOVAの仮定に違反していないと言えるようにするには、選択したアルファレベル（たとえば0.05）よりも高いp値のみが必要ですか？

たとえば、私が現在使用しているデータで、バートレットのテストはp = 0.57を返しますが、リーベンのテスト（よくブラウンフォーサイスリーベンタイプのテストと呼んでいます）はap = 0.95を返します。つまり、どのテストを使用しても、仮定を満たしているデータであると言えます。私は間違いをしていますか？

ありがとう。

帰無仮説が真である場合、有意性検定のp値は、関連する統計の値が実際に観測された値と同じかそれよりも極端に観測される確率として解釈できます。（p値は、対立仮説の下で統計のどの値がありそうかを参照しないことに注意してください）

観察したデータが想定と一致しているかどうかにかかわらず、想定が正しいことを確認することはできません。p値は、この一貫性の大まかな尺度を示します。

p値は、同じデータが観測される確率を与えません。帰無仮説が与えられた場合、統計の値が観測値と同じかそれよりも極端になる確率のみが与えられます。

あなたは「p値の右側」にいます。ステートメントを少し調整して、グループの母集団の分散が等しい場合、p = 0.95のこの結果は、これらのnサイズを使用したランダムサンプリングにより、この間隔または95％の時間の間隔で分散が生成されることを示します。 。言い換えると、厳密に言えば、帰無仮説について何を言っているかで結果を表現することは正しいですが、将来について何を言っているかではありません。

前のコメントは100％正しいですが、Rのモデルオブジェクトに対して作成されたプロットは、この質問のグラフィックサマリーを提供します。個人的には、後でデータを変換してプロット内の変更をすぐに見つけることができるので、p値よりもプロットの方がずっと便利です。