首先做一个关于某个问题的假设，H0，这个问题常见的就是变量X的估计系数BETA=0。如果H0成立，就可以对这个问题构造一个统计量，例如，BETA的系数除以它的标准差，不妨叫它T，在H0成立时它服从T分布或标准正分布。既然T是个随机变量，得到这个T的结果就会有一个概率，由于已经算出了T，所以就可以通过T分布的分布函数算出它的概率。也就是说，如果H0成立，得到了T，它的概率是P。如果P很小，比如说，小于0.05，就说我们只算了一次P，0.05这样小概率的事情发生了，就要拒绝H0。P值的概率就是显著性水平，它可以是任意的（0，1)之间的数.但一般我们定义显著,也就是小概率事件的概率足够小,有三种档次,P小于0.1,小于0.05,小于0.01,分别叫10%,5%,1%显著. 不知这样说您明白了没?

没明白……

    以t统计量为例，若原假设变量系数为0，你估算出一个系数，其t统计量为1.96（双侧检验）。若原假设成立，仅仅因为是抽样误差，我们能否得到更大的t值呢？能，但概率很低！其可能性小于0.05，这就是1.96对应的p值。0.05意味着20重复20次才出现一次，你说显著不显著？0.05是假设样本足够大，t分布渐进标准正态分布查表得到。

那就找一本概率论和数理统计，看看假设检验那一章吧，没有捷径。

P值是错误拒绝原假设的概率，也就是最小的阿尔法值。