方差齐性（Homogeneity of variance）

Levene 检验（Howard Levene）

• 原理：不直接对原始数据，而是对各组数据与组均值的离差绝对值做单因素方差分析。
• ✅优点：对非正态数据稳健，是实践首选；
• ❌缺点：样本量小时检验力偏弱；

Brown–Forsythe 检验

• 原理：基于卡方分布，利用各组样本方差构造统计量。
• ✅优点：样本正态时检验效力高；
• ❌致命短板：对正态性非常敏感。只要数据轻微偏离正态，结果就不可靠。

👉仅适合：数据严格服从正态分布的场景。

F 检验（两样本方差检验，F-test for two variances）

• 仅两组之间方差比较（两组方差齐性），多组不能直接用。
• 统计量：\(F=\frac{s_1^2}{s_2^2}\)，取较大方差做分子。
• ❌同样强依赖正态；非正态下结果不准。

O’Brien 检验

• 改进型 Levene 检验，构造变换后的得分做 ANOVA；
• 兼顾正态与非正态，检验力通常高于 Levene，部分统计软件支持。

Cochran C 检验：检验多组里是否存在一个方差特别大的异常组，适合发现单组离群方差；同样要求正态。

Hartley (F_{max})检验：也叫最大 F 比，简单，但是对正态敏感，现在很少用。