如本专栏说明所说，“尽可能减少原理性讲述”，F检验和t检验，我都不进行原理性讲解，只介绍计算方法和判定标准。
一、回归方程的总体显着性验证（F检验）。
F检验测算的是回归方程的总体显着性，我们以Excel的数据分析工具进行F检验。（原始数据仍使用本专栏模拟的“回归火锅店”的数据。）
我们看上图。上图是以5%的显着性水平（置信度95%），用Excel的数据分析工具中的回归分析计算的结果。结果显示，F统计值为15.19。
那么，F统计值为15.19，这个15.19，是高还是低呢？在回归方程的总体显着性验证中怎么评估呢？这就需要根据F检验的评价标准而定。
F检验的评价标准及怎么去评价，我们分两步进行。
1、按显着性水平、第一自由度和第二自由度查“F分布表”，得出标准的F统计值。（第一自由度=回归方程自变量的个数，第二自由度=样本个数-自变量个数-2。）
2、将我们计算的实际F统计值与标准F统计值相对比，实际F统计值比标准F统计值大，代表F检验成功。实际F统计值越大，代表F检验越成功。如果实际F统计值比标准F统计值小，我们需要重新选择自变量或重新建模。
上图是我截的“F分布表”的一部分（完全“F分布表”请大家在网上自行搜索或私信向我索取）。上图中，显着性水平为0.05，横向行为第1自由度n1，竖向列为第2自由度n2。
按回归火锅店的实际，n1=2，n2=14-2-1=11，查表得出，标准的F统计值为3.98（如下图）。我们计算的实际F统计值为15.19，15.19大于3.98，所以，回归方程y=-140.7x1-10582.7x2 15801.2进行F检验成功。
另，标准的F统计值，除了查“F分布表”以外，我们还可以用Excel函数FINV进行计算。
如下图所示，FINV函数有三个参数，分别是显着性水平、第1自由度和第2自由度，回归火锅店案例中，将0.05，2和11输入函数，得出标准的F统计值3.98，与查表一致。
二、回归系数的个体显着性验证（t检验）。
一元回归中，F检验结果和t检验一致，所以，一元回归分析预测时，做了F检验，就不用再进行t检验。
但在多元回归中，在确定回归模型的总体显着性之后，回归系数的个体显着性同样非常重要，我们需要进行回归系数的个体显着性验证的t检验。
t检验是对每一个自变量在其它所有自变量都存在条件下其显着性的一种检验，即确定每个自变量是否对因变量y的预测都起到了各自的作用。
我们仍然用Excel的数据分析工具中的回归分析进行计算，计算结果如下图所示，自变量x1气温的t检验值是-2.09，自变量x2折扣的t检验值是-1.65.
同F检验一样，t检验也需要评价标准。
t检验的评价标准有一定争议，但一般认为，在95%的置信水平下（即5%的显着性水平），当单个的自变量t检验值为±1.65或更大时，代表该自变量在整体结构上具有显着性，即t检验成功。本专栏采用这个标准。
如下图，本例中，两个自变量的结果均达到t检验值的标准±1.65，t检验成功。（说明一下，本案例两个自变量的t检验值均在标准接近，P值也大于0.05，这是因为案例数据由我模拟而出，可能存在一定的不合理性，但这些不影响我们理解回归分析的各项操作。）
小结。
显着性验证的方法一般有两种，一是测算回归方程总体显着性的F检验，二是测算回归系数个体显着性的t检验。
F检验和t检验均可以用Excel的数据分析工具中的回归分析进行计算。将计算的实际检验值与标准值对比，我们就可以判定F检验和t检验是否成功。
