检验零假设时，结果要么显著大于临界值，要么显著小于临界值。

在统计学中，检验零假设（H0）时，我们通常通过比较检验统计量的值与预设的临界值来确定是否拒绝零假设。这个过程基于概率论和假设检验的基本原理。结果要么显著大于临界值，要么显著小于临界值，这两种情况都表明检验统计量与零假设的假设值之间存在显著差异。

具体来说，当我们设定一个显著性水平（通常为α，如0.05或0.01）时，我们会根据这个显著性水平找到相应的临界值。如果检验统计量的值显著大于临界值，或者显著小于临界值，我们都认为有足够的证据拒绝零假设。这种情况通常意味着观察到的数据与零假设描述的情况有显著不同。

然而，如果检验统计量的值介于临界值之间，即不显著大于也不显著小于临界值，我们则没有足够的证据拒绝零假设。在这种情况下，我们通常选择保留零假设，或者说不拒绝零假设。需要注意的是，不拒绝零假设并不意味着零假设为真，只是说明当前的数据无法提供足够的证据来推翻它。

总之，检验零假设时，结果要么显著大于临界值，要么显著小于临界值，这两种情况都表明检验统计量与零假设的假设值之间存在显著差异，从而影响我们对零假设的判断。