检验统计量服从F分布，是在回归系数都为零且回归误差项为独立正态分布的假设前提下推导出来的，不是随意定的，仔细看看讲点理论的回归分析或者计量的教材吧。你说的标准0.05叫显著性水平，是一个人为设定的小概率值，1显然是不行的，这样的话你就不用做假设检验直接接受就好了。根据F统计量的定义，当原假设不为真时，统计量会取一个偏大的值（比原假设为真时取得大），因此我们定一个临界值，当实际算出的F统计量大于这个临界值，我们就拒绝原假设。临界值就是根据设定的显著性水平比如0.05这种算出来的，在这里临界值时F分布的95%分位数，这是个相当大的值了，当实际的F统计量比这个值还大时，这种事件发生的概率是0.05，算是小概率事件了，我们有理由相信实际数据不符合F分布，即不符合原假设，将原假设拒绝。也将大于临界值的这个区域叫拒绝域，若实际统计量值落入拒绝域，同样小概率事件发生，拒绝原假设。
p值的话是F分布里大于实际数据算得的统计量的概率，这个概率如果比显著性水平0.05小，说明实际的这个统计量值落入了拒绝域，拒绝原假设。无论用临界值、拒绝域还是p值，这些方法都是等价的。大多数软件里会给出p值，方便根据给定的显著性水平来判断是否要拒绝原假设。比如p为0.06，你把显著性水平定为0.1的话，就要拒绝原假设；显著性水平为0.05的话，就要接受原假设了。这个显著性水平也是允许我们犯第一类错误的概率。这里不多说了，关于假设检验的问题，还是多看看数理统计教材吧。

太感谢你了！！！我还需要很多努力呢