我计算了三个不同组的权重的变异系数(CV)。我的目的是检查其中一组是否具有比其他组更低的可变性． 我将结果绘制在条形图上，从视觉上我可以看出，其中一组的CV分数比其他组低(这意味着变异性更低)。然而，我想用统计测试来证实我的发现。我找到了以下测试来测量组间CV差异:
- "k个总体变异系数相等的渐近检验"(Feltz and Miller 1996)
- "cv相等性的修正符号似然比检验(SLRT)"(Krishnamoorthy and Lee 2014)
不幸的是，我只能找到运行它们的R包。有什么方法在Python中运行这些测试吗?你是否知道有其他的测试/方法来检验各组之间的cv差异是否显著?
多谢!
在没有现成的测试的情况下，您可以使用自举，或者反向工程变异系数来从每个数据点识别组件，并跨组对那些单独的组件进行非参数测试。
对于启动a组CV是否低于B组的检验:
- 通过从a组中绘制n随机值来创建a组的重新采样变化(使用替换，因此相同的值可以绘制多次)，其中n为a组的原始大小。
- 创建与B组相似的重采样变体，大小与原B组相同。
- 计算重采样组的CV。
- 重复重采样几千次，记录重采样B组的CV比重采样a组高的频率
- 如果重新采样的B组CV很少高于重新采样的A组(小p值)，那么我们可以得出结论，A组CV显著小于B组。
另一个合理的选择可能是计算每个数据点的相对偏差的平方，并使用非参数检验来比较组。
- CV计算为样本SD/样本均值=均方根相对偏差(但在计算平均值时使用N-1而不是N)。
- 若A组有平均值xbar，则A组点x相对偏差的平方为(x - xbar)/xbar的平方。这是点x对a组CV计算的贡献。
- 至少如果组大小相同，那么我们可以通过使用非参数均值差异检验比较不同组的相对偏差得分的平方来间接比较cv。