统计百科 · 2026-06-24

F 值的 APA 7th 报告写法 — F(df1,df2)格式、效应量 eta 平方、报告模板全解

统计百科：专攻"F 值怎么写进论文"这一具体格式点——方差分析 F(df1,df2)、回归整体 F、ANOVA 效应量 eta 平方与偏 eta 平方的区别、事后比较怎么配合 F 报告，给出可直接套用的 APA 7th 完整模板，盘点审稿人最常挑的 F 值格式错误。

论文里的 F 值让人头疼，不在于跑统计，而在于格式细节：自由度要写几个、eta 平方和偏 eta 平方哪个用、回归整体 F 值和 ANOVA 的 F 值写法一样吗、ω² 什么时候出现……这篇文章专攻"F 值怎么规范写进论文"这一具体格式点，给出 APA 7th 所有 F 值场景的完整模板，并逐一盘点审稿人最常挑的格式错误。

你的 F 值报告有这些问题吗？

审稿人或导师关于 F 值报告最常见的反馈：

"F 值自由度要写两个，格式是 F(df1, df2)，不是 F(df)"
"p = .000 不规范，请改为 p < .001"
"ANOVA 结果缺少效应量，请补充 eta 平方或偏 eta 平方"
"eta 平方和偏 eta 平方不是同一个指标，请说明使用了哪个"
"回归整体 F 检验的自由度怎么算，写的 F(1, 248) 是错误的（有多个预测变量）"
"Welch ANOVA 的自由度是近似值，请不要取整"

这些错误集中在 APA Publication Manual 第七版关于推断统计报告的多个章节，但专门针对 F 值汇总的实操指南并不多。本文只讲一件事：F 值到底怎么规范写进论文的每一种场景。

如果你还没看过姊妹篇 t 值的 APA 7th 报告写法，建议先读那篇，本文默认你已了解 p 值不加前导零（.032 而非 0.032）等基础格式规则，不再重复。

一、F 值是什么，与 t 值有什么关系

F 统计量的直觉含义

F 值（F statistic）回答的问题是：组间变异相对于组内变异（误差）有多大？

$F = \frac{MS_{between}}{MS_{within}} = \frac{\text{组间均方（信号）}}{\text{组内均方（噪声）}}$

F = 1 表示"组间变异"和"组内误差"旗鼓相当，几乎没有组间差异
F 越大，说明组间差异相对于随机误差越突出，越不像偶然产生的
F 值始终 >= 0（均方是平方求均，不会为负）

F 与 t 的关系：两组比较时，F = t²。例如 t(58) = 2.14，对应的单因素 ANOVA F(1, 58) = 2.14² = 4.58。两者等价，但 t 可以表示方向（正负），F 不行——这就是为什么 t 检验报告更直观，而多组比较必须用 F。

F 值用在哪些场景

场景	F 的含义
单因素 ANOVA	多个组的均值是否全部相等
双因素 / 多因素 ANOVA	各主效应、交互效应是否显著
重复测量 ANOVA	时间效应、交互效应
多元线性回归	整体模型是否显著（所有预测变量联合预测力）
Levene 方差齐性检验	各组方差是否相等（t 检验/ANOVA 的前提）
协方差分析 ANCOVA	组别效应、协变量效应

每种场景的 F 值写法格式相同，但自由度的算法不同，这是最容易出错的地方。

二、自由度怎么算：各场景完整公式

单因素 ANOVA

$F(df_{between},\ df_{within})$

$df_{between} = k - 1$（k 为组数）
$df_{within} = N - k$（N 为总样本量）

例：4 组，每组 50 人，N = 200 → F(3, 196)

双因素（或多因素）ANOVA

每个效应有自己的自由度：

效应	df
因素 A（a 个水平）	a - 1
因素 B（b 个水平）	b - 1
A × B 交互	(a-1)(b-1)
误差	N - ab

例：性别（2）× 教学方法（4），N = 200 → 误差 df = 200 - 2×4 = 192；交互项 F(3, 192)

重复测量 ANOVA

$df_{time} = T - 1$（T 为时间点数）
$df_{error} = (N-1)(T-1)$

若球形假设不成立，Greenhouse-Geisser 校正后 df 变为非整数（如 df = 2.05），按实际值报告，不要取整。

多元线性回归整体 F 检验

$F(df_{model},\ df_{residual})$

$df_{model} = p$（p 为预测变量个数，不含截距）
$df_{residual} = N - p - 1$

常见错误：有 3 个预测变量写成 F(1, 248)，正确应为 F(3, 246)。

例：N = 250，5 个预测变量 → F(5, 244)

Levene 方差齐性检验

$F(k-1,\ N-k)$

与单因素 ANOVA 自由度格式相同，但含义是检验组间方差是否相等，不是均值。

Welch ANOVA（方差不齐时）

Welch 使用 Satterthwaite 近似公式计算校正后的分母自由度，结果通常不是整数（如 df = 102.3）。报告时按实际值写，不要取整：F(2, 102.34) = 8.74。

三、APA 7th 格式规范：F 值报告必须包含的要素

必报要素清单

要素	格式	示例
F 统计量（含两个 df）	F(df1, df2) = X.XX	F(3, 196) = 23.78
p 值（精确三位小数）	p = .XXX 或 p < .001	p < .001
效应量	eta^2 / partial eta^2 / omega^2 = .XX	partial eta^2 = .267
各组描述统计	M = XX, SD = XX（分别报告）	M = 82.6, SD = 7.5
事后比较（若整体 F 显著）	说明方法 + 组间比较结果	Tukey HSD: A < B < C

p 值与 F 值的精度要求

与 t 值相同：

F 值精确到两位小数：F = 23.78（不写 23.8 或 23.784）
p 值精确到三位小数，不加前导零：p = .032（不写 p = 0.032）
p = .000 → 改写为 p < .001
Welch ANOVA 的分母 df 保留两位小数

四、效应量：eta 平方、偏 eta 平方、omega 平方的区别与选用

这是 F 值报告里最常混淆的地方。三种效应量含义不同，不可随意互换。

eta 平方（eta^2，又写作 η²）

$\eta^2 = \frac{SS_{between}}{SS_{total}}$

含义：自变量解释的方差占总方差的比例
适用：单因素 ANOVA（只有一个因素时，eta^2 = partial eta^2）
缺点：多因素 ANOVA 中，由于总方差包含所有其他因素和交互项，eta^2 会被"稀释"，低估每个因素的真实贡献

偏 eta 平方（partial eta^2，又写作 partial η²）

$\text{partial }\eta^2 = \frac{SS_{effect}}{SS_{effect} + SS_{error}}$

含义：在控制其他因素后，该因素解释的方差占"该因素 + 误差"的比例
适用：双因素及以上 ANOVA、ANCOVA、重复测量 ANOVA、MANOVA
注意：partial eta^2 > eta^2（分母更小），多因素设计中必须报告 partial eta^2，不能报告 eta^2

Cohen（1988）效应大小标准（单因素 ANOVA 的 eta^2，双因素以上的 partial eta^2 标准相同）：

效应大小	eta^2 / partial eta^2
小效应	.01
中效应	.06
大效应	.14

omega 平方（omega^2，又写作 ω²）

$\omega^2 = \frac{SS_{between} - (k-1)MS_{within}}{SS_{total} + MS_{within}}$

含义：eta^2 的无偏估计，修正了 eta^2 对总体效应量的高估
适用：需要更保守、更准确的效应量估计时（如小样本、高发表压力的期刊）
特点：通常比 eta^2 小，是现代统计学推荐的替代指标

三者的选用原则：

单因素 ANOVA：报告 eta^2（单因素时两者相等）或 omega^2
双因素及以上 ANOVA：必须报告 partial eta^2（说清楚是偏 eta 平方）
对无偏性有高要求：报告 omega^2 或 partial omega^2
方法章节要明确说明使用了哪种效应量

五、各场景完整 APA 报告模板

场景一：单因素 ANOVA

情形：4 种教学方法（传统/讨论/翻转/项目），各组 50 人，成绩比较。

完整报告段落模板：

单因素方差分析结果显示，[自变量]对[因变量]的主效应显著，
F([k-1], [N-k]) = X.XX, p [值], eta^2 = .XX（[大小]效应）。
Tukey HSD 事后多重比较显示，[组1]（M = XX, SD = XX）显著[高于/低于]
[组2]（M = XX, SD = XX），均值差 = X.XX（95% CI [XX, XX], p [值]）；
[其他显著对比结果]。[不显著的组间差异]未达显著（p > .05）。

填入数值的示例：

单因素方差分析结果显示，教学方法对学生期末成绩的主效应显著，F(3, 196) = 23.78，p < .001，eta^2 = .267，为大效应（Cohen，1988）。Levene 方差齐性检验未达显著，F(3, 196) = 0.84，p = .473，满足方差齐性假设。Tukey HSD 事后多重比较显示，项目式教学（M = 88.9，SD = 8.4）和翻转课堂（M = 85.4，SD = 7.8）均显著优于传统讲授（M = 76.4，SD = 8.2），均值差分别为 12.5 和 9.0（均 p < .001）；讨论式（M = 82.6）亦显著优于传统讲授（差异 6.2，p = .001）。翻转课堂与项目式之间的差异未达显著（p = .140）。

场景二：双因素 ANOVA（含交互效应）

情形：性别（2 水平）× 教学方法（4 水平），N = 200。

完整报告段落模板：

双因素方差分析结果显示：
[因素A]主效应[显著/不显著]，F([a-1], [N-ab]) = X.XX, p [值], partial eta^2 = .XX；
[因素B]主效应显著，F([b-1], [N-ab]) = X.XX, p [值], partial eta^2 = .XX；
[A × B]交互效应[显著/不显著]，F([(a-1)(b-1)], [N-ab]) = X.XX, p [值],
partial eta^2 = .XX。

填入数值的示例：

双因素方差分析结果显示，性别主效应显著，F(1, 192) = 7.84，p = .006，partial eta^2 = .039，为小效应；教学方法主效应显著，F(3, 192) = 23.96，p < .001，partial eta^2 = .272，为大效应；性别 × 教学方法交互效应显著，F(3, 192) = 3.32，p = .021，partial eta^2 = .049，为小至中效应。进一步的简单效应分析显示，男生在教学方法上的差异（partial eta^2 = .369）大于女生（partial eta^2 = .224），表明男生成绩对教学方法的变化更为敏感。

场景三：重复测量 ANOVA

情形：80 名被试，4 个时间点（基线/4周/8周/12周）体重测量。

完整报告段落模板（含球形假设检验）：

重复测量方差分析前进行 Mauchly 球形假设检验，
结果[显著 W = X.XX, chi^2(df) = X.XX, p [值]，违反球形假设，
采用 Greenhouse-Geisser 校正（eps = X.XX）/不显著，球形假设成立]。
时间主效应显著，F([校正df1], [校正df2]) = X.XX, p [值],
partial eta^2 = .XX（极大效应）。

填入数值的示例：

重复测量方差分析前进行 Mauchly 球形假设检验，结果显著，W = 0.487，chi^2(5) = 56.32，p < .001，球形假设不成立，采用 Greenhouse-Geisser 方法对自由度进行校正（epsilon = 0.685）。结果显示，时间主效应显著，F(2.05, 162.15) = 142.7，p < .001，partial eta^2 = .643，为极大效应，表明被试体重在 12 周干预期间发生了显著变化。

场景四：多元线性回归整体 F 检验

情形：5 个预测变量，N = 250。

完整报告段落模板：

整体回归模型显著，F([p], [N-p-1]) = X.XX, p [值],
R^2 = .XX, adjusted R^2 = .XX，模型解释了因变量 XX% 的方差。
各预测变量中，[变量名]（beta = .XX, t([N-p-1]) = X.XX, p [值]）
对[因变量]具有显著[正向/负向]预测作用；[其他结果]。

填入数值的示例：

整体回归模型显著，F(5, 244) = 18.42，p < .001，R^2 = .274，adjusted R^2 = .258，模型解释了学业成绩 25.8%（调整后）的方差。各预测变量中，学习动机（beta = .41，t(244) = 7.82，p < .001）和自我效能感（beta = .29，t(244) = 5.47，p < .001）对学业成绩具有显著正向预测作用；课堂参与度的影响未达显著（beta = .08，p = .187）。各预测变量 VIF 均低于 5，不存在多重共线性问题。

场景五：ANCOVA（协变量调整后的 F 检验）

情形：2 组实验设计，前测为协变量，后测为因变量。

完整报告段落模板：

以[协变量]为协变量的单因素协方差分析（ANCOVA）结果显示，
协变量效应显著，F(1, [N-k-1]) = X.XX, p [值], partial eta^2 = .XX；
控制[协变量]后，组别主效应显著，F([k-1], [N-k-1]) = X.XX, p [值],
partial eta^2 = .XX，为[大小]效应。
实验组调整后均值（M_adj = XX, SE = X.XX）显著[高于/低于]对照组（M_adj = XX, SE = X.XX）。

填入数值的示例：

以前测成绩为协变量的单因素协方差分析（ANCOVA）结果显示，回归斜率齐性假设得到满足，F(1, 69) = 0.48，p = .490。协变量（前测成绩）对后测成绩具有显著预测作用，F(1, 70) = 38.72，p < .001，partial eta^2 = .356。控制前测成绩后，组别主效应显著，F(1, 70) = 28.46，p < .001，partial eta^2 = .289，为大效应。实验组调整后均值（M_adj = 78.91，SE = 1.47，95% CI [76.00，81.82]）显著高于对照组（M_adj = 67.23，SE = 1.53，95% CI [64.19，70.27]）。

六、在 ChatSRS 一句话获得规范 F 值报告

打开 chatsrs.com，上传数据后输入：

"对 4 种教学方法的期末成绩做单因素 ANOVA，先做 Levene 方差齐性检验；如方差齐，做 Tukey HSD 事后多重比较；输出 F 值（含两个自由度）、p 值、eta 平方和 omega 平方效应量，并给出符合 APA 7th 格式的完整报告段落，包含各组 M 和 SD。"

ChatSRS 的输出段落即为上文示例格式，数值自动填入，可直接复制进论文。

如需双因素或重复测量 ANOVA，在指令中说明设计类型，ChatSRS 自动切换报告模板并将效应量改为 partial eta^2。

七、方法章节怎么说明使用了方差分析

标准方法章节描述（单因素 ANOVA）

采用单因素方差分析（One-Way ANOVA）检验[自变量]对[因变量]的影响，
分析前以 Levene 检验评估组间方差齐性假设；若假设不成立（p < .05），
改用 Welch ANOVA 并采用 Games-Howell 事后多重比较。
整体 F 检验显著时，以 Tukey HSD 进行事后成对比较（alpha = .05）。
效应量报告 eta 平方（eta^2），参照 Cohen（1988）标准
（.01 = 小效应，.06 = 中效应，.14 = 大效应）。
统计分析使用 ChatSRS（R 引擎），显著性水平设为 alpha = .05。

标准方法章节描述（双因素 ANOVA）

采用双因素方差分析（Two-Way ANOVA）检验[因素A]和[因素B]对[因变量]的主效应
及交互效应。效应量报告偏 eta 平方（partial eta^2），
以区分各因素在多因素设计中的独立贡献。
当交互效应显著时，进行简单效应分析并以 Bonferroni 方法校正多重比较。

八、F 值报告常见错误对照表

常见错误	正确写法	违反的规则
F = 23.78（无自由度）	F(3, 196) = 23.78	df 须写入括号
F(3) = 23.78	F(3, 196) = 23.78	必须写两个 df
p = .000	p < .001	.000 是舍入假值
p = 0.032	p = .032	APA 不加前导零
无效应量	eta^2 = .267 或 partial eta^2 = .267	APA 7th 要求效应量
混淆 eta^2 和 partial eta^2	双因素必须用 partial eta^2	多因素设计专用 partial
回归 F(1, 248) 有多个预测变量	F(p, N-p-1)，如 F(5, 244)	df1 = 预测变量个数
Welch df 取整：F(2, 102)	F(2, 102.34)	近似 df 不取整
GG 校正 df 取整：F(2, 162)	F(2.05, 162.15)	校正 df 保留两位小数
只报告 F 不报告 p	F(3, 196) = 23.78, p < .001	完整统计量必须报告

常见 FAQ

Q：单因素 ANOVA 和双因素 ANOVA 都报告 eta^2，对吗？

A：不对。双因素（及以上）ANOVA 必须报告 partial eta^2，不能报告 eta^2。原因是：在多因素设计中，eta^2 的分母包含所有因素的 SS 和交互项 SS，导致各因素的 eta^2 加起来会超过 1，也无法反映单个因素的独立贡献。partial eta^2 的分母只包含"该因素 SS + 误差 SS"，更合理地反映了该因素在"控制其他因素后"的效应大小。APA 7th 明确建议多因素设计使用 partial eta^2，方法章节务必写明。

Q：F 值不显著（p > .05），还需要报告效应量吗？

A：必须报告，原因与 t 值相同。F 不显著只说明"无法拒绝零假设"，不等于"效应为零"。报告 eta^2 或 partial eta^2（即使很小），结合样本量和统计功效，读者才能判断是真的无效应，还是因为样本量不足导致功效不够。APA 7th 要求在所有统计检验中报告效应量，不区分显著与否。

Q：Levene F 检验也需要报告效应量吗？

A：通常不需要，因为 Levene 检验是方差分析的"前提假设检验"，不是主要研究问题。报告格式只需：Levene F(k-1, N-k) = X.XX，p = .XXX，说明"方差齐性假设成立（p > .05）"或"方差齐性假设不成立，采用 Welch 校正"即可，无需效应量。

Q：omega^2（ω²）和 eta^2（η²）哪个更推荐？

A：从统计严谨性来看，omega^2 是 eta^2 的无偏估计，在样本量较小（N < 100）或需要向总体推广时，omega^2 更准确。eta^2 在样本较大时与 omega^2 接近，且计算更简单。实际操作中：心理学顶刊（如 Psychological Science）越来越要求报告 omega^2 或 partial omega^2；社会科学、教育学期刊大多接受 partial eta^2；若两者都报告（如 eta^2 = .267，omega^2 = .254），审稿人通常不会有意见。ChatSRS 默认同时输出 eta^2、partial eta^2 和 omega^2，建议根据目标期刊要求选用。

快速参考：F 值报告格式速查卡

[单因素 ANOVA]
F([k-1], [N-k]) = X.XX, p [= .XXX / < .001], eta^2 = .XX
事后: Tukey HSD / Games-Howell（方差不齐时）

[双因素 ANOVA — 每个效应分别报告]
主效应 A: F([a-1], [N-ab]) = X.XX, p [值], partial eta^2 = .XX
主效应 B: F([b-1], [N-ab]) = X.XX, p [值], partial eta^2 = .XX
交互 A×B: F([(a-1)(b-1)], [N-ab]) = X.XX, p [值], partial eta^2 = .XX

[重复测量 ANOVA（球形假设不成立，GG 校正）]
先报告 Mauchly W = .XX, chi^2(df) = XX, p [值]
时间效应: F([eps*(T-1)], [eps*(N-1)(T-1)]) = X.XX, p [值], partial eta^2 = .XX
注: 括号内 df 为 GG 校正后小数值，不取整

[多元线性回归整体 F]
F([p], [N-p-1]) = X.XX, p [值], R^2 = .XX, adj. R^2 = .XX
注: df1 = 预测变量个数 p（含控制变量），不含截距

[Welch ANOVA（方差不齐）]
Welch F([k-1], [df_welch 两位小数]) = X.XX, p [值], omega^2 = .XX

[Levene 方差齐性检验（前提检验，无效应量）]
Levene F([k-1], [N-k]) = X.XX, p = .XXX（方差齐性成立/不成立）

你的 F 值报告有这些问题吗？

一、F 值是什么，与 t 值有什么关系

F 统计量的直觉含义

F 值用在哪些场景

二、自由度怎么算：各场景完整公式

单因素 ANOVA

双因素（或多因素）ANOVA

重复测量 ANOVA

多元线性回归整体 F 检验

Levene 方差齐性检验

Welch ANOVA（方差不齐时）

三、APA 7th 格式规范：F 值报告必须包含的要素

必报要素清单

p 值与 F 值的精度要求

四、效应量：eta 平方、偏 eta 平方、omega 平方的区别与选用

eta 平方（eta^2，又写作 η²）

偏 eta 平方（partial eta^2，又写作 partial η²）

omega 平方（omega^2，又写作 ω²）

五、各场景完整 APA 报告模板

场景一：单因素 ANOVA

场景二：双因素 ANOVA（含交互效应）

场景三：重复测量 ANOVA

场景四：多元线性回归整体 F 检验

场景五：ANCOVA（协变量调整后的 F 检验）

六、在 ChatSRS 一句话获得规范 F 值报告

七、方法章节怎么说明使用了方差分析

标准方法章节描述（单因素 ANOVA）

标准方法章节描述（双因素 ANOVA）

八、F 值报告常见错误对照表

常见 FAQ

快速参考：F 值报告格式速查卡

相关阅读