许栩原创专栏《从入门到高手：线性回归分析详解》第8章，显着性验证，总体验证的F检验与个体验证的t检验。
上一章，我讲述了回归方程的精度，在回归分析中，我们求出回归方程后，除了确认回归方程的精度外，我们要需要对回归方程进行显着性验证，以确认回归方程的有效性。
本章，我同样分如下三个小节对显着性验证进行讲解，欢迎阅读与探讨。我的《线性回归分析》专栏总目录见下图。
1、什么是显着性验证？
2、回归方程的总体显着性验证（F检验）。
3、回归系数的个体显着性验证（t检验）。
一、什么是显着性验证？
如果回归模型用于需求预测是有效的（显着的），那么，回归模型不仅仅是对我们建模时所用到的数据有效，对其他数据也应该用样有效。证明回归模型对其他数据同样有效的过程，就是显着性验证（significance testing），也称有效性验证。如果验证的结果反馈对其他数据无效，那么，代表我们的回归模型（回归方程）出现了问题，我们需要调整自变量或重新建模。
以上是我给显着性验证的一个粗暴定义。
显着性验证的定义其实非常复杂，也有些难懂（比如下面引用的百科定义）。在本专栏的两点说明中，有一点我提到“尽可能减少原理性讲述”，本着这个思路，我给出了如上的简化定义。因为，我们不是研究回归分析这个学科或学术，我们只是将回归分析应用于需求预测。所以，对于应用回归分析的我们来说，懂得这个粗暴定义应该足够了。
【显着性验证百科定义】显着性验证，是事先对总体（随机变量）的参数或总体分布形式做出一个假设，然后利用样本信息来判断这个假设是否合理，即判断总体的真实情况与原假设是否有显着性差异。
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，二是测算变量解释系数（即回归系数）个体显着性的t检验。
进行Ｆ检验或t检验，都需要知道一个概念，显着性水平。什么是显着性水平呢？显着性水平是估计总体参数落在某一区间内，可能犯错误的概率，用α表示。
有点绕吧，我将其翻译成简单点的：显着性水平就是对这个模型运行结果没有把握的程度，与之相对应的是置信度。比如说，用回归分析对火锅店的业绩进行预测，对预测结果，有80%的把度，这80%就是置信度，20%（1-80%）则是显着性水平。（置信度与置信区间我将在下一章详细讲述。）
接下来我分别介绍F检验和t检验这两种显着性验证方法。
二、回归方程的总体显着性验证（F检验）。
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。
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，
