假设检验之后：显著性水平为什么几乎都设为 0.05？你真正需要搞懂的问题

统计

在绝大多数论文、教材和统计分析软件中，我们都能看到一句熟悉的话：“显著性水平通常取0.05。”

许多学生和读者因此会问：

为什么偏偏是0.05？它是怎么算出来的吗？为什么不能是0.04或0.06？

要理解这个问题，必须回到显著性水平的含义本身。

【一】什么是显著性水平？

显著性水平（α）本质上是一个容错上限——在原假设实际为真的情况下，我们错误拒绝它的最大风险概率。

当我们设定α=0.05时，意味着愿意接受“最多5%的概率冤枉原假设”。

举个例子，如果你研究某项政策是否提升了居民收入，而样本数据看起来“似乎有效”，显著性水平告诉你：你愿意承担5%的风险，把一个实际上无效的政策误判为有效。

因此，显著性水平并不是某个“自然常数”，而是一种研究者的风险偏好设定。

【二】 “0.05”并不是数学推导出来的

那么，0.05又是从哪里来的呢？

它并不是精确推导的结果，而是统计学家R. A. Fisher 在1925年提出的一种经验性建议。在他的著作_Statistical Methods for Research Workers_ 中，Fisher 认为：

如果某个结果在原假设下出现的概率小于5%，就可以认为“不太可能是偶然”，从而拒绝原假设。

换句话说，0.05是人为划出的“罕见事件”分界线：

大于5% —— 常见
小于5% —— 足够反常，可以引起怀疑

这一标准后来被各学科广泛采用，逐渐演化成国际惯例。就像“37℃算发烧”，更多是一种约定，而非天然规律。

【三】为什么不是0.04或0.06？

因为显著性水平本质上是一个人为设定的阈值，并不存在“0.05最科学”的结论。它只是最先被提出、也最容易被不同领域接受，因此形成了惯例。

理解0.05的统计逻辑比数字本身更关键。例如，当你得到p=0.03时，这表示：

在原假设为真的情况下，出现这样（或更极端）样本结果的概率仅为3%。

这就是常用的拒绝依据。但要注意：

这并不代表原假设一定错误，只是“样本证据足够少见”，足以产生怀疑。

另外，不同行业使用不同的显著性水平：

医学、生命科学： 常用0.01或更严格，因为误判代价极高
探索性研究、小样本研究： 可能用0.1
社会科学： 通常使用0.05，兼顾判断严格性与实际可操作性

如果你研究“性别是否影响幸福感”，使用0.1也能接受；但研究“某药物是否有严重副作用”，就必须降低显著性水平。

显著性水平本质上是一种决策规则：你愿意承担多大误判风险，就设定多大的阈值。

【四】现代统计学界的态度：不要过度迷信0.05

值得一提的是，过去十几年，统计学界对“0.05统治一切”的做法出现了反思。Nature甚至发表文章Retire statistical significance，呼吁不要把0.05当作“生死线”，因为现实问题往往比一个阈值更复杂。

更科学的做法，是同时结合：

效应量（effect size）
置信区间
理论预期
样本量
背景场景与误判成本

例如，一个政策的影响如果效应量很大，即便p值是0.06，也并不意味着“没有意义”；反之，一个p值0.001的结果，如果效应量几乎为零，也可能毫无实际意义。

这种误差在回归分析中尤为常见，因此理解显著性水平，对于读懂回归结果至关重要。

【五】为什么我们要单独学习显著性水平

因为在接下来的内容——相关性分析、回归分析、模型检验中，你会不断面对：

t 值
p 值
显著性星号（*）
模型整体显著性（F 检验）

如果不知道显著性水平的逻辑，就无法真正理解“显著”意味着什么，也无法判断统计显著与实际意义之间的差异。

在某种意义上，显著性水平就像“阅读说明书”：掌握了它，才能读懂后续所有的统计模型输出。

✦ 小结：0.05的真正含义是什么？

当 p<0.05时，表示：

如果原假设是真的，这样极端的样本结果出现的概率小于5%。

因此我们倾向于认为：

“这样的结果太不寻常，原假设可能不成立。”