Ja. Een t-toets of een one-way ANOVA zijn speificieke varianten van wat breder linear models genoemd worden. Alle lineaire modellen hebben een aantal assumpties met elkaar gemeen, waaronder de assumptie van homoscedasticiteit, dus dat de variantie op Y gelijk blijft voor alle waarden van X.
In een ANOVA-situatie, dus waar je met factoren werkt, zijn de waarden van X de groepen in X. De nulhypothese bij bijvoorbeeld een one-way ANOVA met drie groepen is:
$$ H_{0}: \mu_{1} = \mu_{2} = \mu_{3} $$
De aanname in de nul- en (impliciet daaruit de alternatieve hypothese) is dus dat de drie 'groepen' een identieke populatie (kans-)verdeling hebben, en bij de alternatieve hypothese dan ook dat de groepen enkel verschillen in waar het centrum gelokaliseerd is. Simpel gezegd; de alternatieve hypothese is dat alle groepen zich precies hetzelfde gedragen, maar dat ze verschillende gemiddelden hebben.
Daarom maakt het niet uit hoeveel groepen je hebt: de varianties in alle groepen (alle waarden van de predictorvariabele) moeten homogeen (hetzelfde) zijn.
Dit is dus ook het geval bij regressieanalyses, waar de predictorvariabele X een continue variabele is met theoretisch eindeloos veel waarden. Hier is het niet mogelijk om de Levene;s test uit te voeren, en wordt meestal een visuele inspectie gedaan van de residuen (geobserveerde Y) ten opzichte van het model (voorspelde Y).
