在回归分析中，f检验和t检验各有啥作用

Posted 2023-05-02

F检验是对整个模型而已的，看是不是自变量系数不全为0，而t检验则是分别针对某个自变量的，看每个自变量是否有显著预测效力。

t检验的实质：主要用于样本含量较小（例如n < 30），总体标准差σ未知的正态分布。[1] t检验是用t分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。

F检验的实质：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。

检验注意

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。

以上内容参考：百度百科-F检验

参考技术A 一元线性回归里t检验和f检验等价，但在多元线性回归里，t检验可以检验各个回归系数显著性，f检验用来检验总体回归关系的显著性。
t检验常能用作检验回归方程中各个参数的显著性，而f检验则能用作检验整个回归关系的显著性。各解释变量联合起来对被解释变量有显著的线性关系，并不意味着每一个解释变量分别对被解释变量有显著的线性关系。
在一般情形下,t检验与f检验的结果没有必然联系;但当解释变量之间两两不相关时,若所有解释变量的系数均通过t检验,那么回归方程也能通过f检验。

F检验通过说明啥?

多元线性回归中，F检验通过，是否能同时说明 1，n个偏回归参数不全为0？ 2，方差齐性？
如果能说明方差齐性，那又是哪几个总体之间的方差相等，（本人刚开始学习，实在搞不通请高人赐教！）

F检验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。t检验推论差异发生的概率，从而比较两个平均数的差异是否显著。

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。

若两个母体有相同的方差（方差齐性），那么可以采用F检验，但是该检验会呈现极端的非稳健性和非常态性，可以用t检验、巴特勒特检验等取代。

扩展资料

通常的F检验例子包括：

1、假设一系列服从正态分布的母体，都有相同的标准差。这是最典型的F检验，该检验在方差分析（ANOVA）中也非常重要。

2、假设一个回归模型很好地符合其数据集要求。

通常的t检验：

(1) 已知一个总体均数；

(2) 可得到一个样本均数及该样本标准差；

(3) 样本来自正态或近似正态总体。

参考资料来源：百度百科-回归分析

参考资料来源：百度百科-F检验

参考技术A 说明：两总体方差相等

F检验：
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。 参考技术B F检验中一般若P值>0.5，则接受原假设，可说明方差齐，一般是比较两个总体之间是否为方差齐。