F值是大好还是小好，有标准么，还望详解。

F值是大好，如果F值不显著，说明模型的总体解释能力不够，不能采用模型进行分析，一般以概率 (P)5%作为显著评定标准。

显著性检验是针对我们对总体所作的假设做检验 ，其原理就是 “小概率事件实际不可能性原理”来接受或否定假设 。所谓 “显著”，就是指两种或多种处理试验结果之间，本身确实存在差异。

如果是 “不显著”，就说明它们之间的差异是 由抽样或偶然 的因素引起的，不是真正有实际差异存在。

在数理统计中一般以概率 (P)5%作为显著评定标准 ，即在100次试验中，由于偶然 因素造成差异的可能 性在5次 以上 ，其差异被认为是不显著 。 

如果两者差异在概率为5%的范围内，出现这样概率的机会非常小而出现了 ，那么我们就认为此差数具有 显著差异程度。有时我们认为 5%太低 ，则可提高到1%作 为显著评定标准 ，若两者的差异在概率为1%的范围内，那么我们就认为这个差数具有极显著的差异程度。

小概率事件的意义重大：

小概率事件的意义重大，因为，有这样一个推理，小概率事件通过上面的定义，它是很难发生的，但是，如果在一次抽样试验中，它发生了，说明这件事违反常理，进一步，说明假设不成立。

这就是小概率反证法。需要注意，小概率事件在一次试验中发生的机会非常小，但是，如果做了许多次试验，它必然发生。举例：如果，置信区间为95%，做了100次试验，则小概率事件发生的大概次数为5次。

由于发生的可能性极小，而忽视了它的存在，其实利用小概率事件可以解决一些看似很难的问题，因此有必要对小概率事件作全面而正确的认识。

以上内容参考 百度百科-显著性检验

以上内容参考 百度百科-小概率事件

F值是检验计量模型的总体显著水平。

原理：显著性检验的基本原理是提出“无效假设”和检验“无效假设”成立的几率（P）水平的选择。所谓“无效假设”，就是当比较实验处理组与对照组的结果时，假设两组结果间差异不显著，即实验处理对结果没有影响或无效。

经统计学分析后，如发现两组间差异是抽样引起的，则“无效假设”成立，可认为这种差异为不显著（即实验处理无效）。若两组间差异不是由抽样引起的，则“无效假设”不成立，可认为这种差异是显著的（即实验处理有效）。

显著性检验的基本思想可以用小概率原理来解释：

1、小概率原理：小概率事件在一次试验中是几乎不可能发生的，假若在一次试验中小概率事件事实上发生了。那只能认为该事件不是来自我们假设的总体，也就是认为我们对总体所做的假设不正确。

2、观察到的显著水平：由样本资料计算出来的检验统计量观察值所截取的尾部面积。这个概率越小，反对原假设，认为观察到的差异表明真实的差异存在的证据便越强，观察到的差异便越加理由充分地表明真实差异存在。

以上内容参考：百度百科-显著性检验

F值是检验计量模型的总体显著水平

F值是检验计量模型的总体显著水平。这是计量分析的一个关键指标。如果F值不显著，说明模型的总体解释能力不够，不能采用模型进行分析。
F值的确定取决于研究者对于模型精确度的要求，一般取99%，95%，10%的精确值。只要F值大于要求的精确度临界值就说明模型总体是显著的，可以用来进行分析。