f检验是什么意思啊？
方差分析又称“F检验”，用于两个及两个以上样本均数差别的显著性检验， 方差分析的基本思想是：通过分析研究不同来源的变异对总变异的贡献大小，从而确定可控因素对研究结果影响力的大小。根据研究中自变量X的不同，方差分析又可以进行细分。X的个数为一个时，我们称之为单因素方差；X为2个时则为双因素方差；X为3个时则称作三因素方差，依次下去。当X超过1个时，统称为多因素方差。
分析前判断
（1）正态性
（2）方差齐性
进行方差分析前首先要判断数据是否满足正态性以及方差齐性，首先对因变量进行正态性检验，利用SPSSAU可视化的直方图，结果如下：
从图中可以看出数据大致呈现出中间高、两侧低、左右基本对称的“钟形”分布曲线。所以体重大致符合正态分布。接下来查看数据是否满足方差齐性。
分析方差齐检验是否呈现出显著性主要看p值，如果没有呈现出显著性(p>0.05)；直接使用方差分析对比差异，如果呈现出显著性(p<0.05)，可考虑使用Welch anova，Brown-Forsythe anova，或者非参数检验研究差异关系，从上表可以看出：p值为0.995大于0.05所以并未呈现出显著性，所以不同饲料样本对于体重全部均有着方差齐性。满足使用方差分析前提要求。
分析前可以考虑用图形简单判断‘4种饲料对猪体重增加的作用有无不同’。
f检验
分析X与Y之间是否呈现出显著性(p值小于0.05或0.01)；如果呈现出显著性；通过具体对比平均值大小，描述具体差异所在。从上表可以看出p值小于0.05，所以不同饲料样本对于体重全部均呈现出显著性差异。及具体对比差异可知， 有着较为明显差异的组别平均值得分对比结果为“B>A;C>A;D>A;C>B;D>B;D>C；D> C> B>A”。也就是说研究中D饲料的成效最好。
从折线图中可以看出四种不同饲料直接的体重是具体差异性的，而且饲料D效果最好。接下来对方差结果的中间过程值进行描述。
从上表可以看出组间差异为20538.698，组内差异是652.159，总差异是21190.858，其中组间均方为6846.233，组内均方为43.477，F值为157.467。并且p值小于0,05，说明不同饲料对于猪的体重有显著性差异。最后对效应量进行查看。
F值是统计检定值，F检验又叫方差齐性检验。通常用来分析用了超过一个参数的统计模型，以判断该模型中的全部或一部分参数是否适合用来估计母体。
结果的统计学意义是结果真实程度的一种估计方法。专业上，p值为结果可信程度的一个递减指标，p值越大，我们越不能认为样本中变量的关联是总体中各变量关联的可靠指标。p值是将观察结果认为有效即具有总体代表性的犯错概率。
如p=0.05提示样本中变量关联有5%的可能是由于偶然性造成的。即假设总体中任意变量间均无关联，重复类似实验，会发现约20个实验中有一个实验，我们所研究的变量关联将等于或强于我们的实验结果。
T检验和F检验的关系t检验过程，是对两样本均数(mean)差别的显著性进行检验。惟t检验须知道两个总体的方差(Variances)是否相等。t检验值的计算会因方差是否相等而有所不同。
t检验须视乎方差齐性(Equality of Variances)结果。SPSS在进行t-test for Equality of Means的同时，也要做Levene's Test for Equality of Variances 。
扩展资料
统计学是通过搜索、整理、分析、描述数据等手段，以达到推断所测对象的本质，甚至预测对象未来的一门综合性科学。统计学用到了大量的数学及其它学科的专业知识，其应用范围几乎覆盖了社会科学和自然科学的各个领域。
统计学家王见定教授指出：社会统计学描述的是变量，数理统计学描述的是随机变量，而变量和随机变量是两个既有区别又有联系，且在一定条件下可以相互转化的数学概念。
参考资料来源：百度百科-统计学