这个不是啥问题，主要看你的系数经济意义是什么，是不是正常

回归系数都很大可能是数据间存在非线性关系，可以考虑对自变量进行转换，如对数转换、平方根转换等等，使得自变量与因变量之间的关系更接近线性。同时，多重共线性过高也可能导致系数大幅度变化，可以考虑增加样本量或者减少自变量数量来解决这个问题。如果以上方法仍然不能解决问题，可以考虑使用正则化方法，如岭回归、lasso回归等，对模型进行约束和优化，从而得到更稳健的估计结果。

那就应该是正常的，看是否能进行解释说民

量级统一是怎么统一的？标准化吗？
如果还保留量纲，可试试转换量纲，如果“元”转换为“万元”。不过这样经济意义还是没有变

1.“量级统一”是什么意思？
2.原始的回归系数受数据量纲影响，可以直接看标准化系数
3.如果希望直接输出标准化系数，并获得对应标准误，可对数据先进行标准化转换（Z转换），自变量和因变量都要，而后再做回归
4.如果标准化后，系数绝对值超过1，则可能存在严重的遮掩效应或共线性问题。