综上所述，我猜最重要的值是 Pr(>F)，对吧？

不是我。p 值的大小是 ANOVA 中最重要的东西的想法很普遍，但我认为几乎完全被误导了。首先，p 值是一个随机量（更何况，当 null 为真时，当它均匀分布在 0 和 1 之间时）。因此，在任何情况下，较低的 p 值可能都不会提供特别丰富的信息，但即使超出 p 值大小的问题，诸如效应大小之类的事情通常也更为重要。

您可能想阅读一下

科恩，J. (1990)。我学到的东西（到目前为止），美国心理学家 45, 1304-1312。

科恩，J. (1994)。地球是圆的 (p < .05)。美国心理学家，49，997-1003。

http://www.ncbi.nlm.nih.gov/pmc/articles/PMC1119478/

http://www.biostat.jhsph.edu/~cfrangak/cominte/goodmanvalues.pdf

http://en.wikipedia.org/wiki/Statistical_hypothesis_testing#Ongoing_Controversy

--

当 p 值低于时，我并没有真正解决解释输出的问题$\alpha$. 如果不确切说明正在考虑什么假设，提及“重要性”似乎毫无意义。从这个意义上说，那么最好提及拒绝空值所得出的结论。

在您介绍的情况下，没有上下文很难解释（我什至不知道 V2 是分类的还是连续的），但如果 V2 是连续的，我可能会说一些关于 V1 和 V2 之间存在关联的结论。如果 V2 是分类的 (0-1)，我可能会说一下两个类别的均值 V1 的差异，等等。

现在有些话不要说：

小于 0.05（95% 水平）

永远不要将 p<0.05 称为“在 95% 的水平上显着”。那是错误的。实际上，您也不应该将其称为 95%。

比如“我有 95% 的把握……”。

也永远不要这么说。这是错的。

我可能首先看到的输出块是这样的：

Multiple R-squared: 0.073,    Adjusted R-squared: 0.065
F-statistic:  9.24 on 1 and 118 DF,  p-value: 0.003

它告诉您整个模型是显着的 (F(1,118) = 9.24, p= .003) 并且 V1 约占 V2 方差的 7%。

效应大小 (0.039) 告诉您，如果 V2 增加 1，您的模型预测 V1 将增加（正相关）约 0.04）。该估计值的标准误差 (0.013) 表明（大致），该效应的 95% 置信区间为 CI95 = [.0135, .064]（即，.039- 1.96*.013至.039+ 1.96*.013）

置信区间不包括零，它（必须）与 p 值一致。

如果您想要 anova 输出（如您所说），您需要提出要求（不是回归摘要，这是summary()给出的）。

anova()，或者，从car包中，Anova会给你这个。根据您的目的，您可能更喜欢汽车的 Anova 默认输出，它给出了 ANOVA 中每个变量的效果，就好像它是最后输入的一样，即所谓的“类型 III 平方和”。

mtcars如果我们切换到使用每加仑汽车里程的 Rs 数据集以及重量和发动机尺寸等其他数据的内置示例，您可以生成一个 Anova 示例：

m1 = lm(mpg ~ wt + disp + cyl+gear+am, data = mtcars);
Anova(m1)

| | 总平方| Df| F值| 镨(>F) |
|:---------|------:|--:|-------:|-------:|
|重量 | 58.02| 1| 8.27| 0.01*|
|显示 | 1.53| 1| 0.22| 0.64 |
|气缸 | 57.59| 1| 8.21| 0.01*|
|齿轮 | 6.02| 1| 0.86| 0.36 |
|上午 | 3.44| 1| 0.49| 0.49 |
|残差 | 182.41| 26| | |

这表明车辆重量和气缸数量是车辆每加仑行驶里程的重要因素。当然，所有这些变量在汽车数据集中都被混淆了，这表明我们确实需要一个油耗理论来取得进展。