如何对连续变量执行Bartlett方差齐性检验？解决报错及替代方案

数据集 #

先加载你的数据集：

CC <- structure(list(Year = 1992:2010, Incidence = c(0.086, 0.109, 0.079, 0.142, 0.114, 0.156, 0.137, 0.181, 0.152, 0.162, 0.204, 0.246, 0.208, 0.227, 0.246, 0.274, 0.272, 0.278, 0.29), Temperature = c(26.8, 27, 27.7, 27, 28, 28.3, 28, 28.5, 28.3, 28.4, 28.1, 27.6, 29.2, 27.3, 27.1, 28.1, 28.8, 27.7, 28.1)), class = "data.frame", row.names = c(NA, -19L))

报错原因分析 #

你遇到的两个报错本质都是Bartlett检验的使用逻辑错误：

1. 执行bartlett.test(model$residuals, CC$Year)时的报错：

Error in bartlett.test.default(model$residuals, CC$Year) : there must be at least 2 observations in each group
Year是唯一值（每年一个样本），分组后每组仅1个观测，不符合Bartlett检验“每组至少2个样本”的要求。

2. 执行bartlett.test(CC$Incidence)时的报错：

Error in bartlett.test.default(CC$Incidence) : argument "g" is missing, with no default
Bartlett检验必须传入分组因子（g参数），仅传入因变量会触发参数缺失错误。

另外你尝试的bartlett.test(CC$Incidence ~ CC$Temperature)也会报错，因为Temperature是连续变量，直接作为分组因子会导致多数组仅1个观测，同样不满足检验条件。

解决方案 #

一、正确使用Bartlett检验：先对连续变量分组 #

Bartlett检验仅适用于分类分组，因此需要先将连续的Temperature转换为分组因子，确保每组至少2个观测：

1. 等距分组示例

# 将温度等距分成3组，标记为低、中、高
CC$temp_group <- cut(CC$Temperature, breaks = 3, labels = c("Low", "Medium", "High"))
# 检查每组样本量（确保无单样本组）
table(CC$temp_group)
# 执行Bartlett检验
bartlett.test(Incidence ~ temp_group, data = CC)

2. 分位数分组示例

# 按四分位数将温度分成4组
CC$temp_quantile <- cut(CC$Temperature, breaks = quantile(CC$Temperature), labels = c("Q1", "Q2", "Q3", "Q4"))
table(CC$temp_quantile)
bartlett.test(Incidence ~ temp_quantile, data = CC)

二、更适合连续自变量的替代检验方法 #

由于核心变量Temperature是连续型，更推荐针对回归残差的方差齐性检验，或稳健性更强的分组检验：

1. Breusch-Pagan检验（回归残差专用）

用于检验回归模型中残差方差是否随自变量变化，无需分组，适配连续自变量场景：

# 拟合Incidence与Temperature的回归模型
model <- lm(Incidence ~ Temperature, data = CC)
# 安装并加载lmtest包（首次使用需安装）
# install.packages("lmtest")
library(lmtest)
# 执行Breusch-Pagan检验
bptest(model)

2. Levene检验（稳健性更强的分组检验）

Levene检验对数据正态性的要求比Bartlett宽松，且car包支持直接对连续变量用中位数分组：

# 安装并加载car包（首次使用需安装）
# install.packages("car")
library(car)
# 方法1：用预先分组的温度变量检验
leveneTest(Incidence ~ temp_group, data = CC)
# 方法2：直接对连续Temperature用中位数分组检验
leveneTest(Incidence ~ Temperature, data = CC, center = median)

内容的提问来源于stack exchange，提问作者Kate Turland