Anova
單向方差分析中 F 值小於 1 是什麼意思？
如果單向方差分析中的 F 值小於 1，這意味著什麼？
記住 F 比是
F比率是一個統計量。當沒有組差異的原假設為真時，F 比的分子和分母的期望值將相等。因此，當原假設為真時，F 比率的期望值也接近於 1（實際上它並不完全是 1，因為比率的期望值的屬性）。
當原假設為假且均值之間存在組差異時，分子的期望值將大於分母。因此，F 比率的預期值將大於零假設下的值，並且也更有可能大於 1。
但是，關鍵是分子和分母都是隨機變量，F比也是。F比率是從分佈中得出的。如果我們假設原假設為真，我們會得到一個分佈，如果我們假設它是假的，並且對效應大小、樣本大小等進行了各種假設，我們就會得到另一個分佈。然後我們進行研究並獲得 F 值。當原假設為假時，仍有可能得到小於 1 的 F 比。總體效應量越大（結合樣本量），F 分佈越向右移動，我們得到小於 1 的值的可能性就越小。
以下從G-Power3中提取的圖形演示了在各種假設下的想法。紅色分佈是 H0 為真時 F 的分佈。藍色分佈是在各種假設下 H0 為假時 F 的分佈。請注意，藍色分佈確實包含小於 1 的值，但它們的可能性很小。
