Adam2021-09-18 17:07:49

同学你好，
这个是一级的知识点：
F统计量
F检验原假设为：H0: b1=b2=b3=…=bk=0，即所有回归系数都等于0；备择假设为Ha: 至少有一个回归系数b_i（i=1,2…,k）不等于0。只要拒绝了原假设，就可以认为线性回归效果是显著的。
联合假设检验中，检验统计量F=MSR/MSE=(SSR⁄K)/(SSE/(n-k-1) )，MSR代表了回归的方差，MSE代表了残差的方差，SSR与SSE依旧分别代表回归平方和与残差平方和。
检验统计量的公式分子是回归的方差，分母是残差的方差，该检验统计量的意义就是在于检验这两个方差是否相等，如果这两个方差相等，说明回归平方和SSR近似等于残差平方和，换言之，该模型只有约50%的解释力度，只有在F值比较大的时候，才能说明模型的解释力度是比较强的。

我们在二级判断系数显著性时一般都用T，基本没见过F。