方差不齐怎么办
方差不齐时可以用一下三种方法来处理：
- 使用非参数检验方法
- 用近似法（比如t’检验）
- 采用变量转换，使其方差呈齐性，常用的转换有box—cox转换，对数转换，平方根变换等
线性回归中的方差
线性回归中的等方差指因变量残差不随所有自变量取值水平的变化而变化，其检验实际上只是对因变量残差的一种探察。在自变量与残差或预测值和残差的散点图上，标准化残差随机、均匀的散布在0横线上下两侧，即不论自变量或因变量的预测值如何变化，标准化残差的波动基本保持稳定，可认为方差基本相等
多重检验
根据方差齐性和是否配对选择多重检验
两两比较方法的选择策略
- 多个实验组与一个对照组的比较，一般采用Dunnett法。
Tukey法：各组样本平衡
Scheffe法：各组样本不平衡 - 选用。
假定方差齐性
LSD法：即最小显著差法(Least Significance Difference Method)，用t检验完成各组均值间的配对比较，对多重比较误差率不进行校正。
Sidak法：实际上是Sidak校正在LSD法上的应用。用t检验完成各组均值间的配对比较，对多重比较误差率进行校正。Sidak法比LSD法保守得多。
Bonferroni法：实际上是Bonferroni校正在LSD法上的应用。用t检验完成各组均值间的配对比较，对多重比较误差率进行校正，Bonferroni法比Sidak法保守一些。
Scheffe法：对多组均数间的线性组合是否为0进行检验，即(Contrast).
Dunnett法：常用于多个实验组与一个对照组间的比较。
Levene检验（leveneTest()）主要用于检验多组数据间的方差是否齐性（homoscedasticity），其核心目的是判断不同组别的方差是否存在显著差异。因此，Levene检验通常是基于分组的，即比较不同组别之间的方差齐性。
# 检验组间均值是否不同（ANOVA）
res <- aov(value ~ group, data = df)
# 检查方差齐性
car::leveneTest(value ~ group, data = df)
如果 `leveneTest()` 显著 → 方差不等