如何在 R 中找到 F 临界值

当进行 F 检验时，我们得到 F 统计量作为结果。为了确定 F 检验的结果是否具有统计显着性，将 F 统计量与 F 临界值进行比较。如果 F 统计量大于 F 临界值，则认为检验结果具有统计显着性。

为了找到 F 临界值，我们需要事先掌握以下信息：

• 显着性水平（常见的选择是 0.01、0.05 和 0.10）
• 分子自由度
• 分母自由度

如何在 R 中找到 F 临界值：

为了确定 F 临界值，R 为我们提供了 qf()函数，其语法如下：

Syntax:

qf(p, df1, df2,lower.tail=TRUE)

Parameters:

• p: It represents the significance level to be used
• df1: It represents the numerator degrees of freedom
• df2: It represents the denominator degrees of freedom
• lower.tail = TRUE: Then the probability to the left of p in the F distribution is returned.
• lower.tail = TRUE: Then the probability to the right is returned.
• Note that by default lower.tail is TRUE.

Return Type:

Returns the critical value from the F distribution on the basis of the significance level, numerator degrees of freedom, and denominator degrees of freedom provided.

例子：

让我们考虑一个示例，在该示例中，我们要确定显着性水平等于 0.01、分子自由度等于 4、分母自由度 = 6 的 F 临界值。

R

# Determine the F critical value
qf(p=.01, df1=4, df2=6, lower.tail=FALSE)

输出：

F临界值

输出解释：

因此，显着性水平为 0.01、分子自由度等于 4、分母自由度等于 6 的 F 临界值等于 9.14830103022785。

因此，如果进行特定类型的 F 检验，那么我们可以将 F 检验统计量与 9.14830103022785 进行比较。如果 F 统计量结果大于 9.14830103022785，则认为检验结果具有统计显着性。

alpha 和 F 临界值之间的关系：

Alpha 和 F 临界值成反比。简单来说，大的 alpha 值会导致更大的临界值，而小的 alpha 值会导致更小的临界值。

示例 1：

让我们在 R 编程语言中计算 F 临界值，传递参数为显着性水平 = 0.02，分子自由度 = 6，分母自由度 = 8。

R

# Determine F critical value
qf(p=.02, df1=6, df2=8, lower.tail=FALSE)

输出：

alpha 和 F 临界值之间的关系：

示例 2：

考虑另一个示例，具有与上述示例中分子和分母完全相同的自由度，但要采用的显着性水平等于 0.04：

现在让我们再次计算 F 临界值：

R

# Determine F critical value
qf(p=.04, df1=6, df2=8, lower.tail=FALSE)

输出：

alpha 和 F 临界值之间的关系：

因此，根据输出，我们可以说 alpha 的值与 F 临界值成反比。