Проте, якщо зв’язок між результатом (залежною змінною) і коваріантою різний у групах, тоді загальна регресійна модель є неточною (вона не представляє всі групи). Це припущення є дуже важливим і називається припущенням однорідності нахилів регресії.
Швидка підказка дала мені таке: однорідність нахилів регресії стосується припущення, що зв’язок між незалежною змінною (оцінками перед тестуванням) і залежною змінною (балами після тестування) є однаковим для всіх груп, які порівнюються (наприклад, група лікування проти контрольної групи).
Якщо ви зібрали групи даних, це означає, що дисперсія вашої змінної (змінних) результату має бути однаковою в кожній із цих груп (тобто за школами, роками, групами тестування або прогнозованими значеннями). Припущення про однорідність є важливим для тестування ANOVA та регресійних моделей.
У моделі лінійної регресії гомоскедастичність виникає, коли дисперсія члена помилки постійна. Це вказує на те, що модель чітко визначена, тобто залежна змінна адекватно визначається змінною-прогностикою. Якщо є надто велика дисперсія в терміні помилки, модель не є чітко визначеною.
Якщо p-значення для тесту Левена більше ніж . 05, то дисперсії істотно не відрізняються одна від одної (тобто виконується припущення про однорідність дисперсії). Якщо p-значення для тесту Левена менше ніж . 05, то існує значна різниця між дисперсіями.
Припущення однорідності стверджує, що дисперсії змінних приблизно рівні. Тим часом, припущення про гомоскедастичність стверджує, що помилковий член або залишок є однаковим для всіх значень незалежних змінних.