假设系数为0t比较大则拒绝假设，认为系数不为0.

假设系数为0P比较小则拒绝假设，认为系数不为0.

假设方程不显著F比较大则拒绝假设，认为方程显著

2.小样本运用OLS进行估計的前提条件为：

（1）线性假定。即解释变量与被解释变量之间为线性关系这一前提可以通过将非线性转换为线性方程来解决。

（2）严格外生性即随机扰动项独立于所有解释变量：与解释变量之间所有时候都是正交关系，随机扰动项期望为0(工具变量法解决)

（3）不存在嚴格的多重共线性。一般在现实数据中不会出现但是设置过多的虚拟变量时，可能会出现这种现象Stata可以自动剔除。

（4）扰动项为球型擾动项即随即扰动项同方差，无自相关性

3.大样本估计时，一般要求数据在30个以上就可以称为大样本了大样本的前提是

（2）渐进独立嘚平稳过程

（3）前定解释变量，即解释变量与同期的扰动项正交

（4）E（XiXit）为非退化矩阵。

（5）gt为鞅差分序列且其协方差矩阵为非退化矩阵。

与小样本相比其不需要严格的外生性和正太随机扰动项的要求。

稳健标准差回归：reg y x1 x2 x3, robust 回归系数与OLS一样但标准差存在差异。如果认為存在异方差则使用稳健标准差。使用稳健标准差可以对大样本进行检验

只要样本容量足够大，在模型出现异方差的情况下使用稳健标准差时参数估计、假设检验等均可正常进行，即可以很大程度上消除异方差带来的副作用

5.如果回归模型为非线性不方便使用OLS,则可以采取最大似然估计法（MLE）,或者非线性最小二乘法（NLS）

6.违背经典假设，即存在异方差的情况截面数据通常会出现异方差。

（1）看残差图泹只是直观，可能并不准确

扰动项的方差随观测值而变动，表示可能存在异方差

P比较小，则拒绝同方差假设表示存在异方差,不能用OLS。反之则证明为同方差（3）BP检验