显著性通常是通过P值来判断的，P值代表在原假设（null hypothesis）为真的条件下，观察到的样本数据或更极端数据出现的概率。在统计学中，显著性检验用于评估样本数据是否足以支持拒绝原假设，即判断两个或多个样本之间是否存在统计学上的显著差异。
研究者事先设定一个显著性水平（α），常用的标准是0.05或0.01。
无效假设（H0）通常是两组数据没有显著差异，备择假设（H1）是两组数据有显著差异。
通过统计方法计算出P值，即在原假设成立的情况下，观察到的样本数据或更极端数据出现的概率。
如果P值小于或等于设定的显著性水平（例如P ≤ 0.05），则拒绝无效假设，认为样本数据之间的差异是显著的；如果P值大于显著性水平，则不能拒绝无效假设，认为样本数据之间的差异不显著。
根据P值与显著性水平的比较结果，得出是否拒绝原假设的结论，并描述差异的方向性（例如显著大于或显著小于）。
需要注意的是，显著性检验只能告诉我们差异是否具有统计学意义，而不能证明差异的实际重要性或意义。此外，显著性水平的选择是主观决定的，研究者可以根据研究背景和目的进行调整。
