按照统计学理论，p-值所代表的是，假定它是一个碰巧得到的随机变化的结果，其被观察到的效应量及其比它更极端的情况这样的事件的发生概率。但是你若是按照这个正确的（却是非常烧脑的）定义去解读你的统计数据分析结果，你是很难发表文章的。

如今要发表科研文章的规矩是，绝大部分的作者、审稿人、期刊编辑都是这样解读p-值的：p < 0.01 意味着你的数据表明它是一个碰巧得到的随机变化的结果的概率小于1%；p < 0.05 意味着你的数据表明它是一个碰巧得到的随机变化的结果的概率小于5%；p > 0.05 意味着你的数据表明它是一个碰巧得到的随机变化的结果的概率大于5% 。所以，相对应的，以p = 0.05作为划分你的分析结果是否为统计上是显著的分界线，一个统计上是显著的结果代表了一个碰巧得到的随机变化的结果的概率足够小以至于你可以很有把握地拒绝无效假设/原假设，从而也间接证明了备择假设必须被接受。于是你就成功地证明了你的研究假设，你的科研成果也就被成功科学地证实啦！这就是这么多学者、审稿人、期刊编辑如此钟爱p-值的原因。能发表文章为王，谁还管他什么统计理论是怎么说的！

总结一句：以p = 0.05作为划分你的数据分析结果是否为统计上是显著的分界线，一个统计上是显著的结果代表了一个碰巧得到的随机变化的结果的概率足够小以至于你可以很有把握地拒绝无效假设，从而也就证明了你的研究假设为真。只要这样解读p-值，你的文章就容易被接受发表啦！