统计学显著性的意义与作用
许多统计研究的目的，都是为了证明某种断言是正确的。
临床试验将一种新药和标准用药做比较，因为医生希望新药对病人的帮助更大。研究性别差异的心理学家认为，在一项度量建立人际关系网络能力的测验中，女性的表现应该比男性好（平均来说）。显著性检验的目的是评估数据是否提供了足够证据，可以支持这类断言。也就是说，显著性检验可以帮助我们弄清楚，我们是否的确找到了想要找的东西。
要做到这一点，我们就必须知道，若断言不正确会发生什么状况。
这指的是零假设：两种药效没差别，女性和男性没差别。显著性检验只回答一个问题：“零假设不正确的证据有多强？”显著性检验是用P值来回答这个问题的。P值告诉我们，如果零假设正确，数据几乎不可能得到。几乎不可能得到的数据，就是零假设不正确的合理证据。我们永远也不会知道，对我们的总体来说这假设是否为真。我们只能说：“如果零假设为真，这样的数据只有5%的时候会出现。”
这类不利于零假设的间接证据，不像置信区间那样直截了当。
