F检验

F检验（F-test），又叫似然比率检验、方差齐性检验，是指一种统计学意义上服从F-分布的零假设（null hypothesis, H₀）的检验。其通常是用来比较统计性模型，以确定该模型中的样本数据是否可以代表其母体的分布情况。F检验为纪念羅納德·費雪（Ronald Aylmer Fisher），并以他的名字命名。

数据分析

通常的F检验例子包括：

• 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。
• 假设一个回归模型很好地符合其数据集要求。

注意事项

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。