F值（F-value）是心理統計學中用於方差分析（ANOVA）的一個重要指標，主要用於比較不同組之間的均值差異是否具有統計顯著性。F值的計算基於組間方差和組內方差的比值，其公式為：
[ F = \frac{\text{組間方差}}{\text{組內方差}} ]
F值的作用
- 檢驗組間差異：F值用於判斷不同組之間的均值差異是否顯著。如果F值較大，說明組間差異顯著。
- 方差分析的核心：在單因素或多因素方差分析中，F值是判斷自變數是否對因變數產生顯著影響的關鍵指標。
F值的解釋
- F值越大：組間差異相對於組內差異越大，表明組間差異更顯著。
- F值接近1：組間差異與組內差異相似，表明組間差異可能不顯著。
- 顯著性水平：通常會將計算得到的F值與臨界F值（通過F分布表查找）進行比較，結合自由度（df）和顯著性水平（如0.05或0.01）來判斷結果是否顯著。
計算步驟
- 計算組間方差（MSB）：組間平方和（SSB）除以組間自由度（dfB）。
- 計算組內方差（MSW）：組內平方和（SSW）除以組內自由度（dfW）。
- 計算F值：F = MSB / MSW。
示例
假設進行一項實驗，比較三種不同教學方法對學生成績的影響：
- 組間平方和（SSB）= 120，組間自由度（dfB）= 2。
- 組內平方和（SSW）= 300，組內自由度（dfW）= 27。
- 組間方差（MSB）= 120 / 2 = 60。
- 組內方差（MSW）= 300 / 27 ≈ 11.11。
- F值 = 60 / 11.11 ≈ 5.40。
通過查F分布表，若顯著性水平為0.05，臨界F值為3.35。由於5.40 > 3.35，可以認為不同教學方法對學生成績的影響具有統計顯著性。
注意事項
- 數據滿足假設：方差分析要求數據滿足常態分配、方差齊性和獨立性等假設。
- 多重比較問題：如果F值顯著，可能需要進行事後檢驗（如Tukey HSD）來具體比較各組之間的差異。
總之，F值是心理統計中用於判斷組間差異是否顯著的重要工具，廣泛套用於實驗設計和數據分析中。