統計上經常使用，又經常被誤解的一個概念，是統計顯著性（statistical significance）。例如，當學生寫論文時發現兩個組別間有顯著差異，通常都把它視作重要的，值得大書特書的差異。其實，「顯著」（significant）在此未必表示重要，統計上顯著的差異、相關、效果等，有時甚至是雞皮蒜毛的小事。
統計顯著性是統計推論上的一個概念，我們可以用一個假設性的例子來說明。假設我們想知道：不同年齡層的台灣民眾，他們登記施打高端疫苗的比例是否也不同？那麼有兩種方法可以回答這問題。一是進行普查，詢問全台灣的成年人（未成年無法施打）有沒有登記施打高端疫苗，然後比較低年齡層（例如50歲以下）與高年齡層（例如51歲以上）的登記比例。但是通常我們沒有足夠的資源（人力物力和時間）這麼做，因此會採取第二個方法。第二個方法是利用隨機抽樣，[1] 從民眾裡抽出低年齡層與高年齡層的人進行調查，然後比較他們的登記比例。接下來的問題是：我們要看到樣本裡兩組之間有多大的差異，才敢說他們代表的群體（統計上稱為母體，在本例中即是全台灣的低年齡層成人與全台灣的高年齡層成人）之間的確有差異存在？
譬如，假若樣本裡高低兩個年齡層的登記比例分別是10%和5%，我們敢說母體裡這兩個年齡層真有差異嗎？很難說。因為即使母體裡這兩個年齡層的登記比例相同，我們也可能因為抽樣的原故，「剛好」抽到較多有登記的高年齡者和「剛好」抽到較少有登記的低年齡者。為此，我們需要做統計檢定，看看這種「剛好」、「巧合」的機會有多大。依統計慣例，如果巧合的機率低於百分之五，我們就「寧可相信」這結果並非巧合，就可結論說母體裡這兩個年齡層真有差異存在。在統計的用語上，這時我們會說兩組之間有統計上顯著的差異，或兩組之間的差異達到顯著水準。
如果兩組樣本人數均是500人，登記比例分別是10%和5%，那麼統計結果會告訴我們，這10%與5%之間的差異只有0.0027（不到千分之三）的機會是巧合做成。[2] 所以依統計慣例，我們會說兩組之間有統計上顯著的差異。換言之，這時我們有把握相信「有差異」此一結論是可靠的：即使再三進行同樣的調查，我們還是可以得出「有差異」此一結論。
如果兩組樣本人數均降到50人，而登記比例分別仍是10%和5%，那麼統計結果會告訴我們，這10%與5%之間的差異有0.345（超過百分之三）的機會是巧合做成。這時我們會說兩組之間差異未達顯著。換言之，這時我們沒把握相信「有差異」此一結論是可靠的：如果再三進行同樣的調查，可能發現差異小得多。如果兩組樣本人數再進一步降到各10人，而登記比例分別仍是10%和5%，那麼統計結果會告訴我們，這10%與5%之間的差異有0.679（接近百分之七）的機會是巧合做成。統計結果更不顯著，我們更「寧可相信」這差異是抽樣的巧合，實際上並不存在。
從上述例子可見，樣本愈大，我們愈有信心相信有關的結果並非巧合做成。但即使差異、相關、效果等的確存在，它們也並不一定是重要的。例如，在上例裡10%和5%的差異，在實務上是否值得重視，見仁見智，也視乎我們（或政府、醫界）可以針對這差異做些甚麼。而且，只要擴大樣本，我們就可愈發相信結果並非巧合做成，統計結果也愈來愈「顯著」，即使雞毛蒜皮的差異也不例外。承上例，如果兩組樣本人數均增至5,000人，登記比例即使變成10%和8.8%，這1.2%的差異只有0.0398的機會是巧合做成；若登記比例即使變成6%和5%，這1%的差異只有0.0283的機會是巧合做成。因此，所謂統計顯著性其實只代表結果的可靠性，與我們下結論的信心有關，與結果在實質上是否重要沒有必然關係。
