F检验的原假设是H0：所有回归参数都等于0，所以F检验通过的话说明模型总体存在，F检验不通过，其他的检验就别做了，因为模型所有参数不显著异于0，相当于模型不存在。
F检验（F-test），最常用的别名叫做联合假设检验（英语：joint hypotheses test），此外也称方差比率检验、方差齐性检验。
它是一种在零假设（null hypothesis, H0）之下，统计值服从F-分布的检验。其通常是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。
扩展资料：
一、相关计算
样本标准偏差的平方，即：
S2=∑(x-
)2/(n-1)
两组数据就能得到两个S2值
F=S2/S2'
然后计算的F值与查表得到的F表值比较，如果
F < F表 表明两组数据没有显著差异
F ≥ F表 表明两组数据存在显著差异
二、注意事项
F检验对于数据的正态性非常敏感，因此在检验方差齐性的时候，Levene检验, Bartlett检验或者Brown–Forsythe检验的稳健性都要优于F检验。
F检验还可以用于三组或者多组之间的均值比较，但是如果被检验的数据无法满足均是正态分布的条件时，该数据的稳健型会大打折扣，特别是当显著性水平比较低时。但是，如果数据符合正态分布，而且alpha值至少为0.05，该检验的稳健型还是相当可靠的。
若两个母体有相同的方差（方差齐性），那么可以采用F检验，但是该检验会呈现极端的非稳健性和非常态性，可以用t检验、巴特勒特检验等取代。
参考资料来源：百度百科-F检验