主要问题在于数据尺度（取值范围）。
此时的系数在小数点后特别多位，但它依然有影响。
如果你的变量是数据特别大的，例如GDP，上来就是多少个零的，那么建议除以一个常数，转换数据单位。例如除以10000，数据单位变成“万元”。

无关因素

如果一个数值变量的系数（即B值）为0，那么意味着在模型中该变量对被解释变量的影响为零，也就是说它不是对被解释变量的显著预测因素。

在此基础上，如果该变量的P值小于显著性水平（通常为0.05），则说明该变量与被解释变量之间存在显著相关性，但其具体的影响效应可以忽略不计。

因此，如果有一个数值变量的P值小于0.05，但B值为0且OR值等于1，说明该变量的影响很小，不足以影响被解释变量的结果。此时可以考虑将该变量从模型中剔除，从而简化模型。

但是，需要注意的是，仅仅通过单个二元Logistic回归模型的结果来判断变量的重要性还不够。为了更准确地评估变量的作用，可以尝试使用模型选择、模型集成等方法对模型进行调整和优化，并进行交叉验证等步骤来验证模型的性能。