Loading AI tools
假說檢定的一種 来自维基百科,自由的百科全书
F檢定 (F-test),亦稱聯合假設檢定(joint hypotheses test)、變異數比率檢驗、方差齐性检验。它是一种在零假设(null hypothesis, H0)之下,統計值服从F-分布的检验。其通常是用來分析用了超過一個參數的统计模型,以判斷該模型中的全部或一部分參數是否適合用來估計母體。
F检验這名稱是由美國數學家兼統計學家George W. Snedecor命名,为了纪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-分布,最初稱為變異數比率(Variance Ratio)[1]。
F检验对于数据的非正态性非常敏感,因此在進行變異數同質性(homoscedasticity)檢定時,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[2][3],可以用t检验、巴特勒特检验等取代。