一元线性回归F检验检验什么

一元线性回归中的F检验用于检验自变量对因变量的影响是否显著。具体来说，F检验用于检验回归模型的拟合是否比基准模型（仅包含截距项）更好，即自变量是否显著地解释了因变量的变异。

在一元线性回归中，我们假设有以下两个假设：

1. 零假设（H0）：回归模型中自变量的系数为零，即自变量与因变量之间没有显著线性关系。

2. 备择假设（HA）：回归模型中自变量的系数不为零，即自变量与因变量之间存在显著线性关系。

F检验通过比较两个模型的方差，来判断是否拒绝零假设。具体来说，F统计量的计算公式如下：

F = (SSR / k) / (SSE / (n-k-1))

其中，SSR表示回归平方和（Sum of Squares Regression），k表示模型中的自变量数目，SSE表示残差平方和（Sum of Squares Error），n表示样本数。

F统计量会与自由度（df1 = k，df2 = n-k-1）一起参考F分布表，得到相应的p值。如果p值小于设定的显著性水平（通常为0.05），则可以拒绝零假设，即认为自变量显著地解释了因变量的变异。

总结一下，一元线性回归中的F检验用于判断自变量是否对因变量的解释具有显著性。如果F检验的p值小于显著性水平，则认为自变量对因变量的解释是显著的。

希望这个回答对您有所帮助！如果您还有其他问题，请随时提问。