我一直在使用var.test并bartlett.test检查基本的方差分析假设，其中包括同质性（同质性，方差相等）。单向方差分析的过程非常简单：
bartlett.test(x ~ g) # where x is numeric, and g is a factor
var.test(x ~ g)
但是，对于 2x2 表，即双向 ANOVA，我想做这样的事情：
bartlett.test(x ~ c(g1, g2)) # or with list; see latter:
var.test(x ~ list(g1, g2))
当然，ANOVA 假设可以用图形程序检查，但是“算术选项”呢？这完全可以管理吗？您如何在双向 ANOVA 中测试同方差性？
假设检验是用于评估模型假设有效性的错误工具。如果样本量很小，即使方差差异很大，您也没有能力检测到任何方差差异。如果你有一个大样本量，你甚至可以检测到来自等方差的最微不足道的偏差，所以你几乎总是会拒绝零。模拟研究表明，模型假设的初步测试会导致不可靠的 I 类错误。
查看所有单元格的残差是一个很好的指标，或者如果您的数据正常，您可以使用具有/不具有等方差的 AIC 或 BIC 作为选择程序。
如果您认为存在不相等的方差，请放弃假设，例如：
library(car)
model.lm <- lm(formula=x ~ g1 + g2 + g1*g2,data=dat,na.action=na.omit)
Anova(model.lm,type='II',white.adjust='hc3')
使用稳健方法（异方差一致协方差矩阵）不会失去太多权力，因此如果有疑问，请使用稳健。
您可以使用Fligner–Killeen方差齐性检验来检验异方差性。假设您的模型类似于
model<-aov(gain~diet*supplement)
fligner.test(gain~diet*supplement)
Fligner-Killeen test of homogeneity of variances
data: gain by diet by supplement
Fligner-Killeen:med chi-squared = 2.0236, df = 2, p-value = 0.3636
您可以使用bartlett.test（但这更像是对非正态性的测试，而不是对方差相等性的测试）
bartlett.test(gain~diet*supplement)
Bartlett test of homogeneity of variances
data: gain by diet by supplement
Bartlett's K-squared = 2.2513, df = 2, p-value = 0.3244
此外，您可以Levene test在单向和双向 ANOVA 中执行相等的组方差。Levene 测试的实现可以在包car（链接已修复）、s20x和lawstat 中找到
levene.test(gain~diet*supplement) # car package version
Levene's Test for Homogeneity of Variance
Df F value Pr(>F)
group 11 1.1034 0.3866
36
为了bartlett.test
bartlett.test(split(x,list(g1,g2)))
var.test不适用，因为它仅在有两个组时才有效。