顯著性差異

顯著性差異 (ρ，Statistical significance) 是統計學上對數據差異性的評價。

當數據之間具有了顯著性差異，就說明參與比對的數據應該不是來自於同一母體（population），而是來自於具有差異的兩個不同總體，換句話說，實驗的樣本被統計出是有差別的。

這種差異可能因參與比對的數據是來自不同實驗物件，如比－西一般能力測驗中，大學學歷被試組的成績與小學學歷被試組，統計之後會有顯著性差異存在。
也可能來自於實驗處理對實驗物件造成了根本性狀改變，因而前測後測的數據會有顯著性差異。例如，記憶術研究發現，被試學習某記憶法前的成績和學習記憶法後的記憶成績會有顯著性差異，這一差異很可能來自於學××記憶法對被試記憶能力的改變。

顯著水準

顯著水準（α，Significance level），代表在虚无假设（記作 $H_0$ ）為真下，錯誤地拒絕 $H_0$ 的機率，即型一錯誤發生之機率。

比如，我們說A、B兩數據在顯著水準（α）為0.05上具備顯著性差異，這是說兩組數據具備顯著性差異的可能性為95％。兩個數據所代表的樣本還有5％的可能性是沒有差異的。這5％的差異是由於隨機誤差造成的。

通常情況下，實驗結果需要證明達到顯著水準α=0.05或0.01，才可以說數據之間具備了顯著性差異，不然就像上述一樣做了不精確的推論。在作結論時，應確實描述方向性（例如顯著大於或顯著小於）。並通常用於假设检定，检定假設和實驗結果是否一致。

數學表述為：引入p值作為检定樣本(test statistic)觀察值的最低顯著水準。在ρ= 0.01 or 0.05 的情況下，若假設情況實際算得的概率小於ρ，則該比假設成立情況下 95% 或 99% 會出現的情況更極端，在該顯著水平下，拒絕(reject)該假設。
P(X=x)<ρ=0.05為「顯著(significant)」，統計分析軟件SPSS中以*標記；
P(X=x)<ρ=0.01為「極顯著(extreme significant)」，通常以**標記。

當假设检定（Hypothesis test）所測得之數據之間具有顯著性差異，實驗的虚无假设就可被推翻，也就是拒絕 $H_0$ ，接受对立假设（alternative hypothesis，記作 $H_1$ 或 $H_a$ ）；反之若數據之間不具備顯著性差異，則拒絕对立假设，「不拒絕」虚无假设。