统计学具有显著水平

这就是坑，别信统计学的显著水平，实际应用中95%的显著水平可能只是偶然。
别这么干，用实际数据验证结果比单纯依赖统计显著更重要。
10年前，我曾遇到一个案例，一个产品经理只看统计显著就决定产品方向，结果投入大量资源后产品失败。

统计学中的“显著水平”其实很简单。在统计学中，显著水平通常用α（alpha）表示，它指的是我们愿意接受错误的概率。简单来说，如果我们的统计检验结果显示显著水平低于α，比如0.05，那么我们就有95%的把握认为观察到的效果不是偶然发生的。
先说最重要的，显著水平0.05意味着，如果我们重复进行相同的实验或分析100次，那么大约会有5次会错误地得出结论。另外一点，显著水平的选择取决于研究的目的和研究领域的标准。比如，在医学研究中，可能更倾向于使用更严格的显著水平，比如0.01。
我一开始也以为显著水平越高越好，后来发现不对，因为这意味着我们更容易接受错误的结论。还有个细节挺关键的，那就是如果显著水平太低，我们可能会遗漏真正的效果，这就是所谓的“假阴性”。
等等，还有个事，有时候我们会看到“边缘显著”的结果，这意味着显著水平略高于我们设定的阈值，比如0.06。这种情况下，结果可能不够稳健，需要谨慎解读。
所以，选择合适的显著水平非常重要，同时也要注意避免过度解读边缘显著的结果。我觉得值得试试在研究设计阶段就明确显著水平，这样有助于保持研究的严谨性。