F值是大好，如果F值不显著，说明模型的总体解释能力不够，不能采用模型进行分析，一般以概率 (P)5%作为显著评定标准。
显著性检验是针对我们对总体所作的假设做检验 ，其原理就是 “小概率事件实际不可能性原理”来接受或否定假设 。所谓 “显著”，就是指两种或多种处理试验结果之间，本身确实存在差异。
如果是 “不显著”，就说明它们之间的差异是 由抽样或偶然 的因素引起的，不是真正有实际差异存在。
在数理统计中一般以概率 (P)5%作为显著评定标准 ，即在100次试验中，由于偶然 因素造成差异的可能 性在5次 以上 ，其差异被认为是不显著 。
如果两者差异在概率为5%的范围内，出现这样概率的机会非常小而出现了 ，那么我们就认为此差数具有 显著差异程度。有时我们认为 5%太低 ，则可提高到1%作 为显著评定标准 ，若两者的差异在概率为1%的范围内，那么我们就认为这个差数具有极显著的差异程度。
小概率事件的意义重大：
小概率事件的意义重大，因为，有这样一个推理，小概率事件通过上面的定义，它是很难发生的，但是，如果在一次抽样试验中，它发生了，说明这件事违反常理，进一步，说明假设不成立。
这就是小概率反证法。需要注意，小概率事件在一次试验中发生的机会非常小，但是，如果做了许多次试验，它必然发生。举例：如果，置信区间为95%，做了100次试验，则小概率事件发生的大概次数为5次。
由于发生的可能性极小，而忽视了它的存在，其实利用小概率事件可以解决一些看似很难的问题，因此有必要对小概率事件作全面而正确的认识。
以上内容参考 百度百科-显著性检验
以上内容参考 百度百科-小概率事件
f分布
以SPSSAU进行分析，中间过程值如下：
01自由度
组间自由度df1=组别数-1=3-1=2；组内自由度df2=样本量-组别数量=12*2-3=33；
02均方
组间均方=组间平方和/组间自由度df1=7119.994/2=3559.997；
组内均方=组内平方和/组内自由度df2=1098.275/33=33.281；
03F值
F值=组间均方/组内均方=3559.997/33.281=106.968;
04p值
F值为统计量，p值结合F值和自由度计算得到。