F检验的作用是什么
f检验是什么意思啊？
方差分析又称“F检验”，用于两个及两个以上样本均数差别的显著性检验， 方差分析的基本思想是：通过分析研究不同来源的变异对总变异的贡献大小，从而确定可控因素对研究结果影响力的大小。根据研究中自变量X的不同，方差分析又可以进行细分。X的个数为一个时，我们称之为单因素方差；X为2个时则为双因素方差；X为3个时则称作三因素方差，依次下去。当X超过1个时，统称为多因素方差。
分析前判断
（1）正态性
（2）方差齐性
进行方差分析前首先要判断数据是否满足正态性以及方差齐性，首先对因变量进行正态性检验，利用SPSSAU可视化的直方图，结果如下：
从图中可以看出数据大致呈现出中间高、两侧低、左右基本对称的“钟形”分布曲线。所以体重大致符合正态分布。接下来查看数据是否满足方差齐性。
分析方差齐检验是否呈现出显著性主要看p值，如果没有呈现出显著性(p>0.05)；直接使用方差分析对比差异，如果呈现出显著性(p<0.05)，可考虑使用Welch anova，Brown-Forsythe anova，或者非参数检验研究差异关系，从上表可以看出：p值为0.995大于0.05所以并未呈现出显著性，所以不同饲料样本对于体重全部均有着方差齐性。满足使用方差分析前提要求。
分析前可以考虑用图形简单判断‘4种饲料对猪体重增加的作用有无不同’。
f检验
分析X与Y之间是否呈现出显著性(p值小于0.05或0.01)；如果呈现出显著性；通过具体对比平均值大小，描述具体差异所在。从上表可以看出p值小于0.05，所以不同饲料样本对于体重全部均呈现出显著性差异。及具体对比差异可知， 有着较为明显差异的组别平均值得分对比结果为“B>A;C>A;D>A;C>B;D>B;D>C；D> C> B>A”。也就是说研究中D饲料的成效最好。
从折线图中可以看出四种不同饲料直接的体重是具体差异性的，而且饲料D效果最好。接下来对方差结果的中间过程值进行描述。
从上表可以看出组间差异为20538.698，组内差异是652.159，总差异是21190.858，其中组间均方为6846.233，组内均方为43.477，F值为157.467。并且p值小于0,05，说明不同饲料对于猪的体重有显著性差异。最后对效应量进行查看。
F值表示整个拟合方程的显著性，F越大，表示方程越显著，拟合程度也就越好。
P值表示不拒绝原假设的程度。简而言之，P<0.5表示假设更可能是正确的，反之则可能是错误的。
r值是拟合优度指数,用来评价模型的拟合好坏等，取值范围是【-1，1】，越接近正负1越好。R平方=SSR/SST。其中SSR是回归平方和，SST是总离差平方和。
P值是衡量控制组与实验组差异大小的指标，意思是P值小于.05，表示两组存在显著差异，意思是P值小于.01，表示两组的差异极其显著，可以用SPSS统计，根据自变量应该是果蝇的性别，因变量应该是寿命，自变量是名义变量，因变量是连续变量，所以用单因素方差分析就可以得出结果了。
另外在统计解释时一般不看F值，只需要看P值就可以了，但是在写论文时还是要将F值写出来，并把P值放在后面用括号括起来。
扩展资料：
F检验对于数据的正态性非常敏感，因此在检验方差齐性的时候，Levene检验, Bartlett检验或者Brown–Forsythe检验的稳健性都要优于F检验。
F检验还可以用于三组或者多组之间的均值比较，但是如果被检验的数据无法满足均是正态分布的条件时，该数据的稳健型会大打折扣，特别是当显著性水平比较低时。但是，如果数据符合正态分布，而且alpha值至少为0.05，该检验的稳健型还是相当可靠的。
参考资料来源：百度百科-F检验