t值有时候大一点一般没什么问题，比如三四十这种都ok，但是如果异常地大，比如四五百，而且多次测试都会出现，那还是要多检查下。参数估计值的t值和p值这两个量都是对应互换的，没有本质区别，反应的是同一个思想对象。

1. 检查标准误
如果t值是经由普通标准误se计算得来的，可以再求一下稳健标准误robust se，看看是不是稳健标准误下的t值也一样这么大，一般理想的结果是两种标准误下参数估计值都显著，且稳健的t值略小或者偶有略大一点。如果某个参数的估计值在普通标准误下显著但稳健标准误下不显著，那可能规格设定经不起估计时稳健的考量，假设条件改变对结果影响较大，那么这个规格是否适合数据就需要再考虑下了。个人经验是参数估计值是不是真的合理、显著，不能只看普通标准误，稳健标准误有时候会让真相现形。至于稳健标准误用哪一种，要看参数估计的方法是哪一个，OLS一般常用异方差robust se (White, 1980)，还有HAC、NW robust se，MLE一般只用异方差稳健标准误，也叫Bollerslev-Wooldridge robust se，和White (1980)思想相同。对于合理的结果，这些robust se可能都会得到不一样的t值，但不应该差很多。

2. 检查参数估计值
可以换一下最优化求解的数值算法，比如MLE一般用BFGS法，还有其他的方法都可以试一下，设定合理的话，参数估计值的显著程度也都是不应该差得很多。还可以换一下数值优化算法中参数估计值的初始值，不局限于用默认的，同理也不应该差很多。