Тест Бартлетта

Тест Бартлетта (критерий Бартлетта, тест Бартлетта на однородность дисперсий) — это статистический критерий, используемый для проверки гипотезы о равенстве дисперсий двух или более выборок из нормально распределённых генеральных совокупностей. Относится к классу параметрических тестов и является одним из наиболее распространённых методов проверки гомоскедастичности (постоянства дисперсии) перед применением дисперсионного анализа (ANOVA) и других методов, требующих выполнения этого условия.

История

Критерий был предложен британским статистиком Морисом Стивенсоном Бартлеттом в 1937 году в работе «Properties of Sufficiency and Statistical Tests» (Свойства достаточности и статистические тесты). Бартлетт, работавший в области математической статистики и биометрии, разработал этот тест как модификацию критерия Неймана — Пирсона, адаптированную для проверки однородности дисперсий. Впоследствии тест стал стандартным инструментом в пакетах статистического анализа, хотя его применение ограничено из-за высокой чувствительности к отклонениям от нормальности.

Суть и математическая формулировка

Тест Бартлетта проверяет нулевую гипотезу \( H_0: \sigma_1^2 = \sigma_2^2 = \dots = \sigma_k^2 \) против альтернативной гипотезы \( H_1: \) хотя бы одна дисперсия отличается от остальных, где \( k \) — количество сравниваемых групп.

Статистика теста вычисляется по формуле:

\[ T = \frac{(N - k) \ln S_p^2 - \sum_{i=1}^{k} (n_i - 1) \ln S_i^2}{1 + \frac{1}{3(k-1)} \left( \sum_{i=1}^{k} \frac{1}{n_i - 1} - \frac{1}{N - k} \right)} \]

где:

• \( n_i \) — объём i-й выборки,
• \( N = \sum_{i=1}^{k} n_i \) — общий объём данных,
• \( S_i^2 \) — выборочная дисперсия i-й группы,
• \( S_p^2 = \frac{\sum_{i=1}^{k} (n_i - 1)S_i^2}{N - k} \) — объединённая (средневзвешенная) дисперсия.

При справедливости нулевой гипотезы и выполнении предположения о нормальности распределения статистика \( T \) асимптотически распределена по закону хи-квадрат (\( \chi^2 \)) с \( k-1 \) степенью свободы. Если вычисленное значение \( T \) превышает критическое значение \( \chi^2_{\alpha, k-1} \) (при заданном уровне значимости \( \alpha \)), нулевая гипотеза отвергается, что свидетельствует о неоднородности дисперсий.

Условия применения и ограничения

Основные требования

• Нормальность распределения: тест Бартлетта чрезвычайно чувствителен к отклонениям от нормального распределения. Даже небольшие нарушения (например, асимметрия или эксцесс) могут привести к ложному отклонению нулевой гипотезы.
• Независимость выборок: наблюдения внутри групп и между группами должны быть независимыми.
• Объёмы выборок: рекомендуется, чтобы объём каждой группы был не менее 5–10 наблюдений. При малых выборках мощность теста снижается.

Ограничения

• Неустойчивость к ненормальности: при отклонении от нормальности тест Бартлетта часто даёт завышенное число ложноположительных результатов (ошибок I рода). В таких случаях предпочтительнее использовать робастные (устойчивые) критерии, например, тест Левене или тест Брауна — Форсайта.
• Чувствительность к выбросам: наличие выбросов в данных может существенно исказить выборочные дисперсии и, как следствие, результат теста.
• Асимптотический характер: распределение статистики приближается к хи-квадрат только при больших объёмах выборок. Для малых выборок точность аппроксимации снижается.

Применение

Тест Бартлетта широко используется в прикладной статистике, особенно в следующих областях:

Дисперсионный анализ (ANOVA)

Однофакторный и многофакторный ANOVA предполагают гомоскедастичность (равенство дисперсий) в сравниваемых группах. Тест Бартлетта применяется как предварительная проверка этого условия. Если гипотеза о равенстве дисперсий отвергается, исследователь может перейти к непараметрическим аналогам ANOVA (например, критерий Краскела — Уоллиса) или использовать поправки (например, коррекцию Уэлча).

Регрессионный анализ

В линейной регрессии гомоскедастичность остатков является одним из ключевых предположений. Тест Бартлетта может использоваться для проверки постоянства дисперсии остатков в разных группах (например, по уровням фактора).

Контроль качества

В промышленности и производстве тест применяется для сравнения разброса показателей качества в разных партиях продукции, на разных станках или при разных режимах работы.

Биология и медицина

При анализе результатов клинических испытаний, сравнении эффективности препаратов или изучении биологических параметров в разных популяциях.

Альтернативные критерии

Из-за чувствительности к нормальности тест Бартлетта часто заменяют более робастными методами:

• Тест Левене (Levene’s test): менее чувствителен к отклонениям от нормальности, основан на анализе абсолютных отклонений от среднего или медианы.
• Тест Брауна — Форсайта (Brown–Forsythe test): модификация теста Левене, использующая медиану вместо среднего, что делает его ещё более устойчивым к выбросам.
• Тест Флигнера — Килина (Fligner–Killeen test): непараметрический критерий, основанный на рангах, не требующий нормальности.
• Критерий Кохрана (Cochran’s C test): применяется для проверки однородности дисперсий при равных объёмах выборок.

Пример расчёта

Рассмотрим гипотетический пример: три группы (\( k=3 \)) с объёмами \( n_1=10, n_2=12, n_3=8 \) и выборочными дисперсиями \( S_1^2=4,0; S_2^2=3,5; S_3^2=5,2 \). Вычисляется объединённая дисперсия \( S_p^2 \approx 4,14 \), затем статистика \( T \approx 1,89 \). Критическое значение \( \chi^2_{0,05; 2} \approx 5,99 \). Так как \( 1,89 < 5,99 \), нулевая гипотеза о равенстве дисперсий не отвергается.

Интересные факты

• Тест Бартлетта является частным случаем теста отношения правдоподобия для проверки равенства дисперсий в нормальных совокупностях.
• В некоторых статистических пакетах (например, SPSS, R, Python) тест Бартлетта автоматически включается в процедуру однофакторного ANOVA, но с предупреждением о его чувствительности.
• Морис Бартлетт также известен работами по многомерному анализу, спектральному анализу временных рядов и теории планирования экспериментов.

Критика

Основной недостаток теста Бартлетта — его чрезмерная чувствительность к ненормальности. На практике, если распределение данных хотя бы слегка отличается от нормального, тест часто отвергает гипотезу о равенстве дисперсий, даже если дисперсии на самом деле равны. Это приводит к неоправданному отказу от использования параметрических методов. Поэтому многие статистики рекомендуют использовать тест Бартлетта только при уверенности в нормальности данных (например, после проверки критерием Шапиро — Уилка или визуального анализа QQ-графика). В противном случае предпочтение отдаётся робастным альтернативам.

Источники

• Bartlett, M. S. (1937). «Properties of Sufficiency and Statistical Tests». Proceedings of the Royal Society of London. Series A, Mathematical and Physical Sciences, 160(901), 268–282.
• Snedecor, G. W., & Cochran, W. G. (1989). «Statistical Methods» (8th ed.). Iowa State University Press.
• Montgomery, D. C. (2017). «Design and Analysis of Experiments» (9th ed.). Wiley.
• Field, A. (2018). «Discovering Statistics Using IBM SPSS Statistics» (5th ed.). SAGE Publications.