F 值由英国统计学家 Ronald Fisher 提出（F 是 Fisher 的首字母）。它的核心思路是：
方差分析：F = 组间均方（MS_between）/ 组内均方（MS_within）
回归分析：F = 回归均方（MS_regression）/ 残差均方（MS_residual）
直觉理解：如果各组均值之间几乎没有差异，组间方差会接近组内随机波动（误差方差），F 值就接近 1；如果各组均值差异很大，远超随机误差，F 值就会明显大于 1。当 F 值大到一定程度时，我们认为差异不太可能是偶然的，即"显著"。
检验"三组或更多组的均值是否相等"。F 显著（p < 0.05）说明：至少有两组均值不同，但不告诉你是哪两组——需要做事后多重比较。
检验"整个回归模型是否有意义"。F 显著（p < 0.05）说明：这组自变量整体上能显著解释因变量的变异，即回归方程不是白建的。
这是最常见的误解：很多同学在报告中写"F 值为 8.34，较大，说明显著"——这是不严谨的。F 值的临界值随自由度变化，不同自由度下"同样大的 F 值"对应不同的 p 值。
下表给出几种常见情况下 p = 0.05 所对应的 F 临界值，感受一下差异：
| df1（组间自由度） | df2（组内/残差自由度） | p = 0.05 时的 F 临界值 | p = 0.01 时的 F 临界值 |
|---|---|---|---|
| 1（两组 t 检验等价） | 50 | 4.03 | 7.17 |
| 2（三组方差分析） | 100 | 3.09 | 4.82 |
| 3（四组方差分析） | 100 | 2.70 | 4.13 |
| 4（五个自变量的回归） | 150 | 2.43 | 3.45 |
| 5 | 100 | 2.31 | 3.21 |
以护理论文为例：你想检验"不同科室（内科、外科、ICU、急诊）护士的职业倦怠得分是否存在差异"，做单因素方差分析，得到：
F(3, 196) = 6.42，p = 0.001
解读方法：
"对不同科室（内科/外科/ICU/急诊）的职业倦怠总分做单因素方差分析，显著后做 LSD 事后多重比较，输出 F 值、p 值和两两比较结果，生成三线表"
多元线性回归的结果表中通常有两类显著性：
两者都显著才是最理想的情况。整体 F 显著但某个自变量 t 不显著，说明该变量在模型中可能可以剔除；整体 F 不显著，说明这些自变量放一起对因变量基本没有解释力，整个回归无意义。
多元线性回归结果（表X）显示，以工作压力、社会支持、职业认同感为自变量，职业倦怠为因变量，模型整体显著，F(3, 146) = 12.87，p < 0.001，调整 R² = 0.205，表明三个自变量共同解释了职业倦怠 20.5% 的变异。
"以工作压力、社会支持、职业认同感为自变量，职业倦怠总分为因变量做多元线性回归，输出 F 值、R²、调整 R²，以及各自变量的标准化回归系数 β、t 值、p 值和 VIF，生成三线表"
F 值和 p 值是同一个检验的两个报告角度，必须成对出现：
正确：F 值的临界值取决于自由度，没有通用的"F > 4 就显著"标准。样本量大时 F = 3 可能就很显著，样本量小时 F = 10 可能不显著。判断应看 p 值。
正确：ANOVA 的 F 显著只说明"至少有两组均值不同"，具体是哪两组不同，必须做事后多重比较（LSD / Bonferroni / Tukey HSD）才能确定。
正确：理论上可能出现，但实际上如果整体 F 不显著，说明模型整体解释力很弱，此时个别自变量的 t 显著可能是多重比较的假阳性。建议先保证整体 F 显著，再解读各自变量。
正确：F 值受样本量影响，样本量越大 F 值越容易变大。评估效应大小应报告效应量，如 eta-squared（η²）、partial eta-squared，而不是看 F 值本身的大小。
F 值（以及 p 值）只告诉你"差异是否显著"，不告诉你"差异有多大"。一个样本量极大的研究，即使组间差异微乎其微，也可能得到 F 显著的结果。因此，很多期刊和导师会要求同时报告效应量：
"对不同学历组在满意度上做单因素方差分析，输出 F 值、p 值和效应量 eta-squared，显著后做 Bonferroni 事后比较，生成三线表"
Q：F 值是什么意思？
F 值是 F 检验的统计量，本质是两个方差之比：信号方差（组间差异 / 回归解释）除以噪声方差（随机误差）。F 越大，说明检验到的效应相对于随机波动越强，对应 p 值越小。
Q：F 值多大才算显著？有没有固定标准？
F 值没有固定的"多大算显著"标准，因为显著性取决于自由度。判断应看配套的 p 值：p < 0.05 即显著，p < 0.01 为高度显著。不同自由度下同一 p 值对应的 F 临界值不同。
Q：方差分析和回归分析里的 F 值含义一样吗？
都是方差比，但检验的问题不同。ANOVA 里 F 检验的是"多组均值是否相等"；回归里 F 检验的是"整个回归模型是否有解释力"。F 显著的后续行动也不同：ANOVA 需要事后多重比较，回归则看各自变量的 t 检验。
Q：F 值和 p 值有什么关系？
给定自由度，F 越大 p 越小，两者单调关联。p 值是把 F 值的大小翻译成概率语言。论文中必须同时报告 F 值（含自由度）和 p 值，例如 F(3, 196) = 6.42，p = 0.001。
Q：论文中 F 值怎么写？格式是什么？
标准格式：F(df1, df2) = F 值，p = p 值。例如：方差分析结果显示差异显著，F(3, 196) = 6.42，p = 0.001。括号内第一个数是组间自由度，第二个是组内自由度。p 值极小时可写 p < 0.001。
Q：F 值显著之后还需要做什么？
方差分析的 F 显著后，还需要做事后多重比较（LSD/Bonferroni/Tukey HSD）确定哪两组不同。回归分析的整体 F 显著后，继续解读各自变量的 t 检验和 β 系数，判断各自变量的独立贡献。
Q：用 chatspss 怎么一句话得到 F 值结果？
方差分析：输入"对不同科室在满意度上做单因素方差分析，显著后做 LSD 事后比较，输出 F 值 p 值和事后结果，生成三线表"。回归分析：输入"以工作压力、社会支持为自变量，职业倦怠为因变量做多元线性回归，输出 F 值 R² 和回归系数表，生成三线表"。AI 自动完成计算，结果中包含 F 统计量、自由度和 p 值。
上传数据，一句话告诉 chatspss 要做方差分析还是回归，F 值、p 值、三线表自动生成。
免费使用 chatspss无需安装 · 全程中文 · 自动生成论文三线表