F-test는 로날드 피셔(Ronald Fisher)의 이름에서 따온 "F" 통계량에 대한 검정방법이다.
F-통계량은 단순히 두개의 분산에 대한 비율이며, 분산은 데이터의 퍼짐을 측정한값 혹은
평균으로 부터 데이터가 얼마나 떨어져 있는가를 측정한 값이다.
그러므로 분산값이 클수록 데이터의 퍼짐은 더 크다.

분산은 표준편차의 제곱값인데, 이렇게 제곱을 한 단위를 사용하는 분산이라는 의미보다는
일반적으로 데이터와 같은 단위를 사용하는 표준편차가 더 이해하기 쉽다.
그렇지만 많은 통계적 계산에서는 분산을 많이 사용하고 있다.

F-통계량이란 평균제곱(Mean Square)의 비율을 근거로 하는 값이다.
여기서 평균제곱(Mean Square)이라는 용어가 뭔가 혼동스러울 수도 있는데, 이것은 단순히
모집단 분산의 추정값으로, 해당하는 제곱합을 지유도로 나눈 값이다.

분산의 비율임에도 불구하고 F-test는 여러가지 광범위한 상황에서 사용할 수 있다.
F-test를 사용하여 분산의 동질성을 평가할 수 있다.
그렇지만 비율 속에 포함된 분산값을 바꾸어줌으로써 F-test는 매우 유연한 검정으로 변한다.
예를 들어, F-통계량과 F-검정을 회귀모형의 유의차 검정에 사용할 수 있고, 서로 다른 모형의
적합도를 비교할 수 있고, 특정 회귀항목을 검정할 수 있으며 평균의 동질성을 검정할 수 있다.