在统计学中，“显著性差异”（statistical significance）指的是两个或多个组之间的观察到的差异是否足够大，以至于我们可以合理地推断这种差异不仅仅是由随机因素引起的，而是具有实际的重要性或实际效应。换句话说，显著性差异表明所观察到的差异可能不仅仅是偶然的或随机的，而是在总体中存在一种真正的差异或效应。
显著性差异通常与假设检验相关。在假设检验中，我们设定了一个零假设（null hypothesis）和一个备择假设（alternative hypothesis）。我们使用样本数据来评估这两个假设，并根据结果来判断是否有显著性差异。
具体来说，当我们进行假设检验时，我们计算一个统计值，通常是一个统计检验（如 t-检验、z-检验、卡方检验等）的值，然后将这个统计值与一个临界值或阈值进行比较，该阈值通常是事先确定的显著性水平（通常称为α水平）。如果计算出的统计值超过了这个阈值，我们就说观察到的差异在统计上是显著的，可以拒绝零假设，从而支持备择假设。
显著性水平通常选择为0.05或0.01，它表示了我们愿意接受错误拒绝零假设的风险。如果显著性水平选择为0.05，那么只有当观察到的差异的概率小于5%时，我们才会拒绝零假设。这意味着观察到的差异要足够大，以至于在一种随机情况下，只有不到5%的机会出现。
总之，显著性差异是一种统计概念，用于确定观察到的差异是否足够大，以至于我们可以合理地断定这种差异不仅仅是由随机因素引起的，而是具有实际的重要性或实际效应。它在科学研究、实验设计、医学研究和其他领域中具有广泛的应用。