统计学中F值的意义 统计学里的f是什么意思
\u8c01\u80fd\u7b80\u5355\u7684\u8bb2\u4e0b\u7edf\u8ba1\u5b66 \u4e2d\u7684t\u503c\uff0c f\u503c\uff0c p \u503c\u7684\u542b\u4e49\u5206\u522b\u662f\u4ec0\u4e481\u3001t\u503c\u662ft\u68c0\u9a8c\u7684\u7edf\u8ba1\u91cf\u503c\uff0ct\u68c0\u9a8c\uff0c\u4ea6\u79f0student t\u68c0\u9a8c\uff08Student's t test\uff09\uff0c\u4e3b\u8981\u7528\u4e8e\u6837\u672c\u542b\u91cf\u8f83\u5c0f\uff08\u4f8b\u5982n < 30\uff09\uff0c\u603b\u4f53\u6807\u51c6\u5dee\u03c3\u672a\u77e5\u7684\u6b63\u6001\u5206\u5e03\u3002 t\u68c0\u9a8c\u662f\u7528t\u5206\u5e03\u7406\u8bba\u6765\u63a8\u8bba\u5dee\u5f02\u53d1\u751f\u7684\u6982\u7387\uff0c\u4ece\u800c\u6bd4\u8f83\u4e24\u4e2a\u5e73\u5747\u6570\u7684\u5dee\u5f02\u662f\u5426\u663e\u8457\u3002
2\u3001F\u503c\u662fF\u68c0\u9a8c\u7684\u7edf\u8ba1\u91cf\u503c \u3002F\u68c0\u9a8c\u662f\u4e00\u79cd\u5728\u96f6\u5047\u8bbe\uff08null hypothesis, H0\uff09\u4e4b\u4e0b\uff0c\u7edf\u8ba1\u503c\u670d\u4eceF-\u5206\u5e03\u7684\u68c0\u9a8c\u3002\u5176\u901a\u5e38\u662f\u7528\u6765\u5206\u6790\u7528\u4e86\u8d85\u8fc7\u4e00\u4e2a\u53c2\u6570\u7684\u7edf\u8ba1\u6a21\u578b\uff0c\u4ee5\u5224\u65ad\u8be5\u6a21\u578b\u4e2d\u7684\u5168\u90e8\u6216\u4e00\u90e8\u5206\u53c2\u6570\u662f\u5426\u9002\u5408\u7528\u6765\u4f30\u8ba1\u6bcd\u4f53\u3002
3\u3001P\u503c\u5373\u6982\u7387\uff0c\u53cd\u6620\u67d0\u4e00\u4e8b\u4ef6\u53d1\u751f\u7684\u53ef\u80fd\u6027\u5927\u5c0f\u3002\u7edf\u8ba1\u5b66\u6839\u636e\u663e\u8457\u6027\u68c0\u9a8c\u65b9\u6cd5\u6240\u5f97\u5230\u7684P \u503c\uff0c\u4e00\u822c\u4ee5P < 0.05 \u4e3a\u6709\u7edf\u8ba1\u5b66\u5dee\u5f02\uff0c P<0.01 \u4e3a\u6709\u663e\u8457\u7edf\u8ba1\u5b66\u5dee\u5f02\uff0cP<0.001\u4e3a\u6709\u6781\u5176\u663e\u8457\u7684\u7edf\u8ba1\u5b66\u5dee\u5f02\u3002\u5176\u542b\u4e49\u662f\u6837\u672c\u95f4\u7684\u5dee\u5f02\u7531\u62bd\u6837\u8bef\u5dee\u6240\u81f4\u7684\u6982\u7387\u5c0f\u4e8e0.05 \u30010.01\u30010.001\u3002
\u6269\u5c55\u8d44\u6599\uff1a
F\u503c\u548ct\u503c\u662fF\u68c0\u9a8c\u548ct\u68c0\u9a8c\u7684\u7edf\u8ba1\u91cf\u503c,\u4e0e\u5b83\u4eec\u76f8\u5bf9\u5e94\u7684\u6982\u7387\u5206\u5e03,\u5c31\u662fF\u5206\u5e03\u548ct\u5206\u5e03\u3002
\u7edf\u8ba1\u663e\u8457\u6027\u662f\u51fa\u73b0\u76ee\u524d\u6837\u672c\u8fd9\u7ed3\u679c\u7684\u673a\u7387\u3002P\u503c\u4ee3\u8868\u7ed3\u679c\u7684\u53ef\u4fe1\u7a0b\u5ea6,P\u8d8a\u5927,\u5c31\u8d8a\u4e0d\u80fd\u8ba4\u4e3a\u6837\u672c\u4e2d\u53d8\u91cf\u7684\u5173\u8054\u662f\u603b\u4f53\u4e2d\u5404\u53d8\u91cf\u5173\u8054\u7684\u53ef\u9760\u6307\u6807\u3002p\u503c\u662f\u5c06\u89c2\u5bdf\u7ed3\u679c\u8ba4\u4e3a\u6709\u6548\u5373\u5177\u6709\u603b\u4f53\u4ee3\u8868\u6027\u7684\u72af\u9519\u6982\u7387\uff0c\u5982p=0.05\u63d0\u793a\u6837\u672c\u4e2d\u53d8\u91cf\u5173\u8054\u67095%\u7684\u53ef\u80fd\u662f\u7531\u4e8e\u5076\u7136\u6027\u9020\u6210\u7684\u3002
\u53c2\u8003\u8d44\u6599\uff1a
\u767e\u5ea6\u767e\u79d1\u2014\u2014\u5047\u8bbe\u68c0\u9a8c\u4e2d\u7684P\u503c
\u767e\u5ea6\u767e\u79d1\u2014\u2014F\u68c0\u9a8c
\u767e\u5ea6\u767e\u79d1\u2014\u2014t\u68c0\u9a8c
\u662ff\u7edf\u8ba1\u91cf\u4e48,\u53ef\u80fd\u662ff\u68c0\u9a8c.
F\u68c0\u9a8c\u53c8\u53eb\u65b9\u5dee\u9f50\u6027\u68c0\u9a8c.\u5728\u4e24\u6837\u672ct\u68c0\u9a8c\u4e2d\u8981\u7528\u5230F\u68c0\u9a8c.\u4ece\u4e24\u7814\u7a76\u603b\u4f53\u4e2d\u968f\u673a\u62bd\u53d6\u6837\u672c,\u8981\u5bf9\u8fd9\u4e24\u4e2a\u6837\u672c\u8fdb\u884c\u6bd4\u8f83\u7684\u65f6\u5019,\u9996\u5148\u8981\u5224\u65ad\u4e24\u603b\u4f53\u65b9\u5dee\u662f\u5426\u76f8\u540c,\u5373\u65b9\u5dee\u9f50\u6027.\u82e5\u4e24\u603b\u4f53\u65b9\u5dee\u76f8\u7b49,\u5219\u76f4\u63a5\u7528t\u68c0\u9a8c,\u82e5\u4e0d\u7b49,\u53ef\u91c7\u7528t'\u68c0\u9a8c\u6216\u53d8\u91cf\u53d8\u6362\u6216\u79e9\u548c\u68c0\u9a8c\u7b49\u65b9\u6cd5.\u5176\u4e2d\u8981\u5224\u65ad\u4e24\u603b\u4f53\u65b9\u5dee\u662f\u5426\u76f8\u7b49,\u5c31\u53ef\u4ee5\u7528F\u68c0\u9a8c.\u7b80\u5355\u7684\u8bf4\u5c31\u662f \u68c0\u9a8c\u4e24\u4e2a\u6837\u672c\u7684 \u65b9\u5dee\u662f\u5426\u6709\u663e\u8457\u6027\u5dee\u5f02 \u8fd9\u662f\u9009\u62e9\u4f55\u79cdT\u68c0\u9a8c\uff08\u7b49\u65b9\u5dee\u53cc\u6837\u672c\u68c0\u9a8c,\u5f02\u65b9\u5dee\u53cc\u6837\u672c\u68c0\u9a8c\uff09\u7684\u524d\u63d0\u6761\u4ef6.
F值是F检验的统计量值 。F检验是一种在零假设（null hypothesis, H0）之下，统计值服从F-分布的检验。其通常是用来分析用了超过一个参数的统计模型，以判断该模型中的全部或一部分参数是否适合用来估计母体。
F值和t值是F检验和t检验的统计量值，与它们相对应的概率分布,就是F分布和t分布。
统计显著性是出现目前样本这结果的机率。P值代表结果的可信程度，P越大，就越不能认为样本中变量的关联是总体中各变量关联的可靠指标。
p值是将观察结果认为有效即具有总体代表性的犯错概率，如p=0.05提示样本中变量关联有5%的可能是由于偶然性造成的。
扩展资料
F值和t值是F检验和t检验的统计量值,与它们相对应的概率分布,就是F分布和t分布。
统计显著性是出现目前样本这结果的机率。P值代表结果的可信程度,P越大,就越不能认为样本中变量的关联是总体中各变量关联的可靠指标。p值是将观察结果认为有效即具有总体代表性的犯错概率，如p=0.05提示样本中变量关联有5%的可能是由于偶然性造成的。
参考资料来源：百度百科——F检验
F值是统计检定值，F检验又叫方差齐性检验。通常用来分析用了超过一个参数的统计模型，以判断该模型中的全部或一部分参数是否适合用来估计母体。
结果的统计学意义是结果真实程度的一种估计方法。专业上，p值为结果可信程度的一个递减指标，p值越大，我们越不能认为样本中变量的关联是总体中各变量关联的可靠指标。p值是将观察结果认为有效即具有总体代表性的犯错概率。
如p=0.05提示样本中变量关联有5%的可能是由于偶然性造成的。即假设总体中任意变量间均无关联，重复类似实验，会发现约20个实验中有一个实验，我们所研究的变量关联将等于或强于我们的实验结果。
T检验和F检验的关系t检验过程，是对两样本均数(mean)差别的显著性进行检验。惟t检验须知道两个总体的方差(Variances)是否相等。t检验值的计算会因方差是否相等而有所不同。
t检验须视乎方差齐性(Equality of Variances)结果。SPSS在进行t-test for Equality of Means的同时，也要做Levene's Test for Equality of Variances 。
扩展资料
统计学是通过搜索、整理、分析、描述数据等手段，以达到推断所测对象的本质，甚至预测对象未来的一门综合性科学。统计学用到了大量的数学及其它学科的专业知识，其应用范围几乎覆盖了社会科学和自然科学的各个领域。
统计学家王见定教授指出：社会统计学描述的是变量，数理统计学描述的是随机变量，而变量和随机变量是两个既有区别又有联系，且在一定条件下可以相互转化的数学概念。
参考资料来源：百度百科-统计学
F值的意义是用来检验样本的结果能够代表总体的真实程度。也就是常说的求样本p值，当p值的结果为0.05≥p>0.01被认为是具有统计学意义，或结果为0.01≥p≥0.001被认为具有高度统计学意义。
F检验又叫方差齐性检验。在两样本t检验中要用到F检验。
从两研究总体中随机抽取样本，要对这两个样本进行比较的时候，首先要判断两总体方差是否相同，即方差齐性。若两总体方差相等，则直接用t检验，若不等，可采用t'检验或变量变换或秩和检验等方法。
其中要判断两总体方差是否相等，就可以用F检验。
简单的说就是 检验两个样本的 方差是否有显著性差异 这是选择何种T检验（等方差双样本检验，异方差双样本检验）的前提条件。
F检验法是英国统计学家Fisher提出的，主要通过比较两组数据的方差 S^2，以确定他们的精密度是否有显著性差异。至于两组数据之间是否存在系统误差，则在进行F检验并确定它们的精密度没有显著性差异之后，再进行t检验。
F值是F检验的统计量值 。F检验是一种在零假设（null hypothesis, H0）之下，统计值服从F-分布的检验。其通常是用来分析用了超过一个参数的统计模型，以判断该模型中的全部或一部分参数是否适合用来估计母体。
F值和t值是F检验和t检验的统计量值，与它们相对应的概率分布,就是F分布和t分布。
统计显著性是出现目前样本这结果的机率。P值代表结果的可信程度，P越大，就越不能认为样本中变量的关联是总体中各变量关联的可靠指标。
p值是将观察结果认为有效即具有总体代表性的犯错概率，如p=0.05提示样本中变量关联有5%的可能是由于偶然性造成的。
方差分析，F检验不显著，Pr>0.5。
绛旓細F鍊兼槸F妫楠岀殑缁熻閲忓 銆侳妫楠屾槸涓绉嶅湪闆跺亣璁撅紙null hypothesis, H0锛変箣涓嬶紝缁熻鍊兼湇浠嶧-鍒嗗竷鐨勬楠屻傚叾閫氬父鏄敤鏉ュ垎鏋愮敤浜嗚秴杩囦竴涓弬鏁扮殑缁熻妯″瀷锛屼互鍒ゆ柇璇ユā鍨嬩腑鐨勫叏閮ㄦ垨涓閮ㄥ垎鍙傛暟鏄惁閫傚悎鐢ㄦ潵浼拌姣嶄綋銆侳鍊煎拰t鍊兼槸F妫楠屽拰t妫楠岀殑缁熻閲忓硷紝涓庡畠浠浉瀵瑰簲鐨勬鐜囧垎甯,灏辨槸F鍒嗗竷鍜宼鍒嗗竷銆傜粺璁℃樉钁楁...
绛旓細F鍊艰〃绀烘暣涓嫙鍚堟柟绋嬬殑鏄捐憲鎬э紝F瓒婂ぇ锛岃〃绀烘柟绋嬭秺鏄捐憲锛屾嫙鍚堢▼搴︿篃灏辫秺濂銆侳鍊兼椂F妫楠岀殑缁熻閲忓硷紝F=MSR/MSE锛屽叾涓璏SR=SSR/鑷敱搴︼紝MSE=SST/鑷敱搴︼紝涓鑸ぇ浜庣粰瀹氶樋灏旀硶鐩稿鐨凢閲忔椂璇存槑鏄捐憲 F鍊兼槸缁熻妫瀹氬锛孎妫楠屽張鍙柟宸綈鎬ф楠屻傞氬父鐢ㄦ潵鍒嗘瀽鐢ㄤ簡瓒呰繃涓涓弬鏁扮殑缁熻妯″瀷锛屼互鍒ゆ柇璇ユā鍨嬩腑鐨勫叏閮...
绛旓細缁熻瀛︿腑鐨凢鍊兼寚鐨勬槸鏂瑰樊姣旂巼锛屾槸涓绉嶇敤浜庡垎鏋愪袱缁勮祫鏂欏彉寮傜▼搴﹀樊寮傜殑鎸囨爣銆傞氬父鐢‵妫楠屾潵姣旇緝涓嶅悓缁勪箣闂寸殑鍧囧煎樊寮傛槸鍚︽樉钁楋紝濡傚湪鑽墿娌荤枟瀹為獙涓敤浜庢瘮杈冭嵂鐗╃粍涓庡鐓х粍鐨勬不鐤楁晥鏋滄槸鍚︽湁鏄捐憲宸紓銆侳鍊艰秺澶э紝璇存槑缁勯棿宸紓瓒婃槑鏄撅紝宸紓鏄捐憲鎬т篃瓒婂ぇ銆傚湪瀹為檯搴旂敤涓紝F鍊肩粡甯镐笌t鍊间竴璧蜂娇鐢紝閰嶅悎浣跨敤鍙互鏇...
绛旓細鍏充簬缁熻瀛︿腑鐨刦鍊硷紝鍦ㄧ粺璁″涓湁涓撲笟鑰屼笖鏉冨▉鐨勮杩般绠鍗曠殑璇达細f鍊肩敤鏉ユ楠屾牱鏈殑缁撴灉鑳藉浠ｈ〃鎬讳綋鐨勭湡瀹炵▼搴銆備篃灏辨槸甯歌鐨勬眰鏍锋湰p鍊硷紝褰損鍊肩殑缁撴灉涓0.05鈮>0.01琚涓烘槸鍏锋湁缁熻瀛︽剰涔夛紝鎴栫粨鏋滀负0.01鈮鈮0.001琚涓哄叿鏈夐珮搴︾粺璁″鎰忎箟銆傝捣婧 缁熻瀛︾殑鑻辨枃statistics鏈鏃╂簮浜庣幇浠ｆ媺涓佹枃Statisti...
绛旓細F鍊鏃禙妫楠岀殑缁熻閲忓硷紝F=MSR/MSE锛屽叾涓璏SR=SSR/鑷敱搴︼紝MSE=SST/鑷敱搴︼紝涓鑸ぇ浜庣粰瀹氶樋灏旀硶鐩稿鐨凢閲忔椂璇存槑鏄捐憲銆侾鍊兼槸鎸囷紙F妫楠屾垨鑰匱鎴栬呭叾浣欐楠岄噺锛夊ぇ浜庢墍姹傚兼椂鐨勬鐜囷紝涓鑸灏忎簬浜庣粰瀹毼卞氨璇存槑妫楠屾樉钁楋紝p=P(|U|>=|u|)=|u伪/2|)=伪銆俽鍊兼槸鎷熷悎浼樺害鎸囨暟锛岀敤鏉ヨ瘎浠锋ā鍨嬬殑鎷熷悎濂藉潖绛...
绛旓細铏界劧F鍊煎湪缁熻瀛︿腑鏈夐噸瑕佺殑搴旂敤锛屼絾涔熷瓨鍦ㄤ竴浜涘眬闄愭у拰闇瑕佹敞鎰忕殑浜嬮」銆傞鍏堬紝F鍊煎彧鑳界敤浜庢瘮杈冩柟宸紝涓嶈兘鐢ㄤ簬姣旇緝鍏朵粬缁熻閲忥紝濡傚潎鍊兼垨涓綅鏁般傚叾娆★紝F鍊肩殑瑙ｉ噴闇瑕佽皑鎱庯紝涓嶈兘浠呭嚟F鍊煎ぇ灏忔潵鍒ゆ柇宸紓鐨勫疄闄鎰忎箟銆傛澶栵紝F鍊肩殑璁＄畻鍋囪浜嗘暟鎹弧瓒虫鎬佸垎甯冨拰鏂瑰樊榻愭х殑鏉′欢锛屽鏋滄暟鎹笉婊¤冻杩欎簺鏉′欢锛孎鍊肩殑缁撴灉...
绛旓細1. 鍦缁熻瀛棰嗗煙锛孎鍊兼槸璇勪及鏍锋湰闂存槸鍚﹀瓨鍦ㄦ樉钁楀樊寮傜殑鍏抽敭鎸囨爣銆2. F鍊间唬琛ㄧ殑鏄粍闂存柟宸笌缁勫唴鏂瑰樊鐨勬瘮鐜囷紝杩欎竴姣旂巼鐢ㄤ簬琛￠噺鑷彉閲忓鍥犲彉閲忕殑褰卞搷绋嬪害銆3. 褰揊鍊艰緝澶ф椂锛岃〃鏄庣粍闂存柟宸緝澶э紝鑰岀粍鍐呮柟宸緝灏忥紝杩欐剰鍛崇潃鑷彉閲忓鍥犲彉閲忔湁鏄捐憲鐨勫奖鍝嶃4. F鍊肩殑璁＄畻閫氬父鍩轰簬鏂瑰樊鍒嗘瀽锛圓NOVA锛夌殑鏂规硶杩涜銆...
绛旓細鍦缁熻瀛鐨勫箍闃旈鍩熶腑锛孎鍊煎苟闈炲绔嬪瓨鍦紝瀹冩槸涓绉嶉噸瑕佺殑缁熻閲忥紝甯稿父琚瘮鍠讳负t妫楠屼腑鐨則鍊肩殑鏀惧ぇ鐗堬紝浣嗗叾鏍稿績浠峰煎苟涓嶅湪浜庤嚜韬殑瀛樺湪锛岃屾槸閫氳繃鎻ず鏁版嵁鑳屽悗鐨勬ā寮忓拰鏄捐憲鎬ф潵鍙戞尌浣滅敤銆F鍊肩殑鏈川鏄柟宸瘮杈冿紝瀹冭 閲忕殑鏄袱涓嫭绔嬫牱鏈粍涔嬮棿鍙樺紓鎬х殑宸紓绋嬪害銆傚湪杩涜鍋囪妫楠屾椂锛孎鍊肩殑浣滅敤鏄楠屼袱涓牱鏈...
绛旓細鍦⊿PSS鍥炲綊鍒嗘瀽涓紝t鍊间唬琛ㄦ瘡涓嚜鍙橀噺瀵瑰洜鍙橀噺鐨勫崟鐙奖鍝嶇▼搴︼紝鑰F鍊鍒欑敤鏉ユ楠屾暣涓洖褰掓ā鍨嬬殑鏄捐憲鎬с傚洖褰掑垎鏋愭槸涓绉嶇敤鏉ユ帰绌跺洜鍙橀噺涓庝竴涓垨澶氫釜鑷彉閲忎箣闂村叧绯荤殑缁熻鏂规硶銆傚湪SPSS鐨勫洖褰掑垎鏋愯緭鍑虹粨鏋滀腑锛屾垜浠細鐪嬪埌t鍊煎拰F鍊硷紝杩欎袱涓奸兘鏄府鍔╂垜浠悊瑙ｅ洖褰掓ā鍨嬬殑閲嶈宸ュ叿銆倀鍊硷細鍦ㄥ洖褰掓ā鍨嬩腑锛屾瘡涓嚜鍙橀噺閮...
绛旓細F姣旓紙F-ratio锛夊張绉颁负鏂瑰樊姣旓紝鏄缁熻瀛︿腑涓绉嶉噸瑕佺殑姒傚康銆傚畠鏄竴涓瘮鍊硷紝鐢ㄤ簬姣旇緝鏌愪釜鍥犵礌瀵圭粨鏋滅殑褰卞搷涓庨殢鏈哄洜绱犵殑褰卞搷銆傚湪瀹為獙璁捐涓紝閫氳繃璁＄畻F姣斿兼潵鍒ゆ柇鐗瑰畾鍥犵礌鏄惁瀵圭粨鏋滀骇鐢熶簡鏄捐憲鎬у奖鍝嶃侳姣斿艰秺澶э紝琛ㄧず鐗瑰畾鍥犵礌瀵圭粨鏋滅殑褰卞搷瓒婂ぇ锛岀浉鍙嶏紝F姣斿艰秺灏忚〃绀虹壒瀹氬洜绱犲缁撴灉褰卞搷瓒婂皬銆侳姣旂殑璁＄畻鏄...
