如果您了解每个测试的无效/替代假设，差异就会变得很明显。

ANOVA 的原假设是组均值相同，而另一种选择是至少一个组均值与其他组均值不同。该分析不会告诉您哪个组的平均值不同，或者组之间的哪些差异显着，它只会告诉您它们不一样。这种方法是有利的，因为假设数据满足线性模型的假设，我们不需要使用任何校正方法并且可以很容易地解释 p 值。

将此与 t 检验进行比较。零假设通常是组之间的差异为零。假设我们使用适当的测试校正方法，我们将能够说“组 i 和组 j 之间的差异在$\alpha$虽然我认为大多数从业者会建议使用 Bonferroni 方法来解释 1 类错误的膨胀，但我个人会谨慎地从这些分析中做出推论。