显著性差异(significant difference)，是一个统计学名词。它是统计学（Statistics）上对数据差异性的评价。通常情况下，实验结果达到0.05水平或0.01水平，才可以说数据之间具备了差异显著或是极显著。显著性差异的判断基于p值与预设的显著水准α的比较，当p值小于或等于α时，结果被认为具有统计学意义。
当数据之间具有了显著性差异，就说明参与比对的数据不是来自于同一总体（
种群），而是来自于具有差异的两个不同总体。这种差异可能因参与比对的数据是来自不同实验对象的，或是实验处理对实验对象造成了根本
性状改变，因而前测后测的数据会有显著性差异。
显著性差异的概念可追溯到18世纪，由约翰·阿巴思诺特和皮埃尔-西蒙·拉普拉斯提出。1925年，罗纳德·费雪在《研究工作者的统计方法》一书中提出了统计假设检验的思想，称之为“显著性检验”。费雪建议将1/20（=0.05）的概率作为拒绝虚无假说的一个截断值。1933年，耶日·内曼和埃贡·皮尔逊把这个截断值称为“显著性水平”，并赋予它符号α。费雪最初将显著性水平定为0.05，但他并不打算将这一截断值定死，而是建议根据具体情况确定显著性水平。
显著水准（significance level，符号：α）代表在虚无假说为真时，错误地拒绝虚无假说的几率，即发生型一错误（弃真错误、α错误）的几率。显著水准应当在开始数据收集前就设定，通常习惯设定为5%或更低。如果拒绝“两组数据一致”的零假设，此时有5%的可能性犯第一类错误。数学表述为：引入p值作为检验样本观察值的最低显著水准。在α = 0.01或α = 0.05的条件下，若p值小于α，则可拒绝该零假设。
在作结论时，应确实描述方向性（例如显著大于或显著小于）。sig值通常用 P\u003e0.05 表示差异性不显著；0.01\u003cP\u003c0.05 表示差异性显著；P\u003c0.01表示差异性极显著。当数据之间具备了显著性差异，实验的虚无假设就可被推翻，对立假设得到支持；反之若数据之间不具备显著性差异，则实验的备择假设可以被推翻，虚无假设得到支持。
显著性差异虽然是
统计学中的重要概念，但它并不等同于实际意义。有统计学意义的研究未必就有实际意义。研究人员在报告结果时，应同时给出效应值和p值，以衡量结果的研究意义。此外，统计上显著的结果未必能够轻易重现，特别是一些有显著性差异的结果实际上是
假阳性。