在做简单线性回归或者多元线性回归时，如何评估参数的统计意义和经济意义是我们研究问题的两个重要方面，理论意义和经济意义是如何显示在数字上的呢？以下是笔者在做相关或者线性回归课题时学习整理出来的，在此分享记录。

参数的t统计量足够大，或者p值足够小（小于预先确定的显著性水平α），那么我们称该参数显著（显著不为0）。但是，有时，统计学上显著不为0的参数的估计值非常小，他还具有分析的意义吗？实际上这就是一个统计学上显著，而经济学上不显著的情况。一个参数的统计显著性完全由统计量或者p值的大小决定，而一个变量的经济显著性或者实际显著性则与参数估计值的大小和符号来决定。因此，我们可以看到，统计显著性和经济显著性是一个问题的两个方面，通常我们在做回归研究问题时，会要求其即具有统计显著性又具有经济显著性。

当然，除了从统计量以及估计值两个方面来考虑，考虑其经济学意义或者常识也是非常重要的理论研究部分。如果统计结果违背常识，那么就需要深入研究看看是模型错了？还是哪个步骤出错了？还是发现了新大陆了？

其实，如果是为了研究，那么我们合理的调整显著性水平也是可以达到统计上显著的结果的，详细的内容可以进入主页查看另一篇笔记 p值＞0.05,统计意义上不显著？_

参考书籍：

《计量经济学导论:现代观点(第4版)》（美）伍德里奇 ，费剑平 第四章 多元回归分析：推断