想想你是否有 2 个朋友都在争论哪一个住得离工作/学校更远。你提出解决争论，并要求他们衡量他们在回家和工作之间必须走多远。它们都向您报告，但一个以英里为单位报告，另一个以公里为单位报告，因此您无法直接比较这两个数字。您可以将英里转换为公里或将公里转换为英里并进行比较，您进行哪种转换无关紧要，无论哪种方式，您都会做出相同的决定。

它与测试统计量相似，您无法将您的 alpha 值与 F 统计量进行比较，您需要将 alpha 转换为临界值并将 F 统计量与临界值进行比较，或者您需要将您的 F 统计量转换为 p -value 并将 p 值与 alpha 进行比较。

Alpha 是提前选择的（如果您没有设置它，计算机通常默认为 0.05），表示您愿意在原假设为真时错误地拒绝原假设（I 类错误）。F 统计量是从数据中计算出来的，表示平均值之间的变异性超过了预期的偶然性。大于临界值的 F 统计量等同于小于 alpha 的 p 值，两者都意味着您拒绝原假设。

我们不将 F 统计量与 1 进行比较，因为它可能大于 1 仅由于偶然性，只有当它大于临界值时，我们才说它不太可能是由于偶然性而宁愿拒绝零假设。

在我教的课程中，我发现那些没有其他人那么年轻并且工作一段时间后回到学校的学生经常提出最好的问题，并且对他们实际上可以用答案做什么更感兴趣（而不是仅仅担心它是否在测试中），所以不要害怕问。

所以简而言之，当您的 p 值小于您的 alpha 水平时，拒绝 null。如果你的临界 f 值小于你的 F 值，你也应该拒绝零假设，你也应该拒绝零假设。在决定你的结果是否足够显着以拒绝零假设时，F 值应该始终与 p 值一起使用假设。如果你得到一个大的 f 值，这意味着某件事很重要，而一个小的 p 值意味着你所有的结果都很重要。F 统计量只是比较所有变量的联合效应。简而言之，仅当您的 alpha 水平大于您的 p 值时才拒绝原假设。

资料来源： http: //www.statisticshowto.com/f-value-one-way-anova-reject-null-hypotheses/

我看过你推荐的帖子，但是我觉得它有问题，我仍然不明白。我捕获了它的内容并附在下面的图像中。你能帮忙解释清楚吗？