当P值<0.05时，我们可以下结论说，组间的差异有统计学意义了。

有些研究者在报告类似结果（P<0.05）时，用差异具有显著性这个表述。

显著性（significant）这个词，很多时候可能会产生歧义，比如P<0.01非常显著，P<0.001极显著，等等。读者在看到显著这个用词时，往往会联想到差异显著，也就是差异很大的意思。

但实际上，P值非常小，组间的差异不一定大，也可能是样本量大，或者组内变异很小。比如我们在上一篇文章中用到的卡方检验的例子：

有效率85% vs 70%，当每组样本量各80例时，P=0.0231，此时对两总体率差的点估计是15%，95%置信区间是（1.02%, 28.98%），也就是两组的疗效差异应该在这个区间内；

保持上述样本率不变，各组样本量增加到240例，则卡方检验的P值<.0001，结果极显著，但是
对两总体率差的点估计仍是15%，95%置信区间为（7.23%, 22.77%），置信区间的下限提高了，但上限降低了，其实随着样本量的持续增加，这个区间将持续收窄，也就是精度越来越高，但不会下限、上限同时增大（右移）。

所以P值越小，只能说组间有差异的证据越充分，而它不是差异大的直接证明。