일반적으로 회귀분석에서 F-test는 선형모형에 대한 적합차이를 비교한다.
한번에 오직 하나의 회귀계수에 대하여 평가하는 t-test와는 달리
F-test는 동시에 여러개의 회귀계수를 평가할 수 있다.

회귀분석시의 F-test는 분석에 명시하는 예측변수없이 모형을 비교한다.
예측변수를 포함하지 않는 회귀모형은 y-절편만 있는 모형으로 알려져 있다.

사용되는 가설은 다음과 같다.

■ 귀무가설(Ho) : y-절편만 있는 모형과 분석대상모형의 적합수준은 동일하다
■ 대립가설(Ha) : y-절편만 있는 모형은 분석대상모형과 비교하여 적합수준이 크게 감소했다

분석된 사례를 살펴보자.

F-test에 대한 p-value가 유의수준보다 작으면, 귀무가설을 기각하고 분석모형이
y-절편만 있는 모형보다 적합수준이 좋다고 규정한다.

이 경우 분석중인 모형에 포함되어 있는 항목(term)들이 모형의 적합수준을 개선했다는 의미이다.
일반적으로 분석모형내 개개의 회귀계수중에 유의차가 있는 항목(term)이 하나도 없으면
F-test 결과도 유의차가 없다고 분석된다.

그렇지만, 아주 드물게 다른 결과가 나타나기도 한다.
예를 들면, 개개의 회귀계수에 대한 검정결과는 모든 항목(term)이 독립적으로 "0"이라고
결정할 수 있는 반면에, F-test 결과는 회귀계수가 연대하여 회귀계수가 "0"이 아니라고
결론을 내리는 경우도 있다.

F-test의 유의차 검정으로 부터 몇가지 추가적인 결론을 이끌어 낼 수 있다.
y-절편만 있는 모형에서 모든 적합값은 반응변수의 평균과 동일하다. 그러므로
F-test의 p-value가 유의수준보다 작으면 분석중인 모형은 반응변수가 반응의 평균보다
좋은 값을 예측할 수 있다는 의미이다.

R-Square값이 분석모형과 반응변수간의 상관관계의 크기를 예측해주며,
이 상관관계에 대한 형식적인 가설검정을 제공하지는 못하는 반면에,
F-test는 이 상관관계가 통계적으로 유의한지를 결정해 준다.

만일 F-test의 p-value가 유의수준보다 작으면 R-Square값은 "0"과는 유의차가 있다라고
결론을 지을 수 있다.