F值是F检验的统计量，也就是组间和组内的离差平方和与自由度的比值，显著性就是与F统计量对应的显著性水平，0.001说明拒绝原假设，即单因素的不同水平之间有显著差异。
在方差分析的体系中，F测验可用于检测某项变异因素的效应或方差是否存在。F越大，越说明组间方差是主要方差来源，处理的影响越显著。 F越小，越说明随机方差是主要的方差来源，处理的影响越不显著。
F值的大小与样本数据本身的大小没关系，样本数据值的范围是14-18，而F值21吗，这个F值完全没问题。
扩展资料
方差分析，对多个（两个以上）处理平均数进行假设检验的方法，而单因素是指该实验中只有一个实验因素。单因素方差分析是用来判断这一实验因素对各处理的优劣情况。
简单而言，如果实验，只有一种影响因素，而又有多个不同的处理水平，最后得到的数据就可以用单因素方差分析来分析数据。F值是用于判断显著性的。
例如结果显示F值为20.571，将这一数值与显著性水平的F进行比较，若大于显著性的F值，那么P则小于该显著性的概率，F>F（0.05），那么P<0.05，说明处理间差异显著。
F检验的值越大越好，显著性越高吗？
一般看p值。
F检验：
比如：
（1）自由度
组间自由度df 1=组别数量 – 1；该案例中组别为4，组间自由度：4-1=3；
组内自由度df 2 = 样本量 – 组别数量；该案例中样本量为19，组内自由度：19-3=15；
（2）均方
组间均方 = 组间平方和 / 组间自由度df 1；
组间均方：20538.698/3=6846.233；
组内均方 = 组内平方和 / 组内自由度df 2；
组内均方：652.159/15=43.477；
（3）F
F值=组间均方 / 组内均方；F值：6846.233/43.477=157.467；
（4）p值
p 值是结合F 值，df 1和df 2计算得到。