一句话定义
统计显著性表示在某个零假设下，观察到这样的结果不太像随机波动造成，但它不等于结果很重要。
机制 / 原理
研究结果总会有随机波动。统计显著性用概率语言问：如果真实世界里没有差异或没有关系，我们看到现在这么极端结果的可能性有多大？若可能性很低，研究者会说结果达到统计显著。它帮助我们防止把随机噪音当发现，但不能替代效应大小和现实意义判断。大样本中微小差异也可能显著，小样本中重要差异也可能因为证据不足而不显著。
经典实验 / 例子
一个睡眠训练 App 在十万人样本中让平均入睡时间缩短 40 秒，可能达到统计显著；但对多数用户来说，40 秒未必有实际意义。相反，一个小型治疗研究效果看起来很大，却可能因样本太少暂时未显著。
生活中的例子
看到新闻说“某方法显著提升幸福感”，先问提升了多少、样本多大、是否可重复。显著不等于值得购买，也不等于对你一定有效。
常见误区
常见误区是把显著理解成重要、巨大或真实无疑。统计显著只是在特定模型下评价随机性的一个信号。