这类似于$z$-测试与$t$- 单变量情况下的测试，如果方差已知，则测试统计量的分布是正态的 ($z$-test)，如果是估计的，则检验统计量的分布是$t$($t$-测试），与$t$-测试收敛到$z$- 用大 n 测试。

如果假设误差方差已知（或大$n$渐近假设），然后进行 wald 检验。您是正确的，基于$F$通常会被举报。

此外，请注意，wald 卡方检验简化为$z$- 使用一个变量进行测试，并且$F$-test 减少到$t$-测试。

这里有一个皱纹 - 另一个使用卡方分布的测试是似然比测试，尽管我认为我之前没有看到它被称为 wald 测试。

它们密切相关。如果你用 Wald 统计量除以其自由度，你本质上就有一个$F$具有那么多分子 df 和无限分母 df 的统计量。在已知误差方差或使用渐近（大样本）近似的情况下，可以看到 Wald 统计量。在线性回归中看到它似乎令人惊讶，因为通常在那里你有一个均方误差项并使用它来制作一个$F$测试。但在广义线性模型中，如逻辑回归或泊松回归，它们很常见。