问：回归系数不显著怎么办
- 答：这种情况是很常见的
出现这种情况的原因有很多种
但通常是两个变量间并不存在显著关系
也有可能是回归方程的形式有错
通常可以这样处理：令y=a+bln(x)（自变量取对数，通常能提高线性关系）
再检验一下效果
问：回归系数不显著怎么办？
- 答：回归系数不显著：检验多重共线性的方法：条件数、VIF、奇异值分解、特征系统分析，解决方法：岭回归、主成分、变量筛选。
0.629和3.077是对“常量”、“技术人员密度”两个参数的T检验的值，对应的概率分别是0.534和0.004，如果显著性水平是0.05的话，说明常量不显著，则一元线性回归分析中不应该含有常量。至于0.478是对“技术人员密度”系数的标准化，不用太在意此数字。
回归系数差异显著性检验
（significance testof difference between two regression coefficients），对样本回归系数是否随机取自总体回归系数为零的情况的统计检验。设 b 为样本回归系数，β为总体回归系数，则b与β=0 差异显著即意味回归系数显著，b 与在β=0 差异不显著即意味回归系数不显著。
问：写论文过后得出来的结果不显著怎么办呢？
- 答：看看数据是否出现了错误，可以先认真的核查一遍，看看自己的计算过程是否正确，如果没有错误，那就更换下实验的数据的，把数据修改一下。
- 答：找到原因，重新做实验。如果做出的结果不显著，要分析一下，找出原因，重新做实验得结果。
- 答：再好好分析，用别的的数据、别的方法再去研究，得出新的分析结论。可以去咨询老师，看看是哪里出的错误，能及时纠正。
问：在线性回归分析中，若检验的结果为不显著，可能原因是什么
- 答：根据最小二乘法得到的参数以及参数的方差的表达式，可以得到参数不显著的原因可能是：①样本不够大或x的变异不够。②x之间有多重共线性，导致参数的方差变得很大。③随机误差项存在异方差或自相关，并且在这前提下继续使用OLS进行估计。
问：回归结果为正但不显著说明什么
- 答：说明没有太大的关系
回归结果对应的回归关系。回归分析在给定自变量的情况下估计因变量的条件期望——即当自变量固定时因变量的平均值。不太常见的是，焦点集中在因变量的分位数，或给定自变量的因变量的其他位置参数上。在所有情况下，都要估计独立变量的函数，称为回归函数。在回归分析中，利用概率分布来描述回归函数预测周围因变量的变化也是很有意义的。
