在假设检验中，P值是一个关键指标，用于衡量在原假设为真的情况下，观察到当前数据或更极端数据的概率。P值越低，表明观察到的结果越不符合原假设，因此拒绝原假设的证据越强。
当显著性水平α设定为0.1时，如果P值小于0.1，我们就有90%的把握拒绝原假设。这意味着在10%的情况下，我们可能会错误地拒绝原假设，即犯第一类错误的概率为10%。这个显著性水平相对较高，适用于对数据要求不严格或实验成本较低的场景。
当显著性水平α设定为0.01时，如果P值小于0.01，我们就有99%的把握拒绝原假设。这意味着在1%的情况下，我们可能会错误地拒绝原假设，即犯第一类错误的概率为1%。这个显著性水平相对较低，适用于对数据要求严格或实验成本较高的场景。
因此，从显著性0.1到0.01，P值的含义解读变得更加严格。在0.1的水平下，我们更愿意接受一些不确定性，而在0.01的水平下，我们更倾向于确保结果的可靠性。这种差异反映了研究者对实验结果的要求和风险承受能力。