Loading AI tools
假說檢定的一種 来自维基百科,自由的百科全书
F檢驗 (F-test),亦稱聯合假設檢定(joint hypotheses test)、方差比率檢驗、方差齊性檢驗。它是一種在虛無假說(null hypothesis, H0)之下,統計值服從F-分佈的檢驗。其通常是用來分析用了超過一個參數的統計模型,以判斷該模型中的全部或一部分參數是否適合用來估計總體。
F檢驗這名稱是由美國數學家兼統計學家George W. Snedecor命名,為了紀念英國統計學家兼生物學家羅納德·費雪(Ronald Aylmer Fisher)。Fisher在1920年代發明了這個檢驗和F-分佈,最初稱為方差比率(Variance Ratio)[1]。
F檢驗對於數據的非正態性非常敏感,因此在進行方差齊性(homoscedasticity)檢驗時,Levene檢驗, Bartlett檢驗或者Brown–Forsythe檢驗的穩健性都要優於F檢驗。 F檢驗還可以用於三組或者多組之間的均值比較,但是如果被檢驗的數據無法滿足均是正態分佈的條件時,該數據的穩健型會大打折扣,特別是當顯著水平比較低時。但是,如果數據符合正態分佈,而且alpha值至少為0.05,該檢驗的穩健型還是相當可靠的。
若兩個母體有相同的方差(方差齊性),那麼可以採用F檢驗,但是該檢驗會呈現極端的非穩健性和非正態性[2][3],可以用t檢驗、巴特勒特檢驗等取代。