建议提供对应的代码及其结果

regress ec_5 gaodi sex age  income  news climate_care   media_trust expert_trust if benke==1

      Source |       SS           df       MS      Number of obs   =       201
-------------+----------------------------------   F(8, 192)       =      1.11
       Model |  6.98251411         8  .872814264   Prob > F        =    0.3593
    Residual |  151.206541       192  .787534066   R-squared       =    0.0441
-------------+----------------------------------   Adj R-squared   =    0.0043
       Total |  158.189055       200  .790945274   Root MSE        =    .88743

------------------------------------------------------------------------------
        ec_5 | Coefficient  Std. err.      t    P>|t|     [95% conf. interval]
-------------+----------------------------------------------------------------
       gaodi |   .2418758   .1443794     1.68   0.096    -.0428976    .5266491
         sex |   .1440144   .1470119     0.98   0.329    -.1459513    .4339802
         age |    .131756   .1856325     0.71   0.479    -.2343848    .4978968
      income |  -.0214385    .056709    -0.38   0.706    -.1332911    .0904142
        news |  -.0736799   .0916624    -0.80   0.422    -.2544745    .1071148
climate_care |   .0993118   .0641273     1.55   0.123    -.0271727    .2257962
media_trust |   .0306415   .0822471     0.37   0.710    -.1315823    .1928653
expert_trust |  -.0362902   .0742797    -0.49   0.626    -.1827993    .1102189
       _cons |   2.747629   .6229655     4.41   0.000     1.518894    3.976364

各位老师是这样的
把样本分成了两组，一组201人,一组399人
样本为201人的这组模型整体不显著[cry]

   Source |       SS           df       MS      Number of obs   =       201
-------------+----------------------------------   F(8, 192)       =      1.11
       Model |  6.98251411         8  .872814264   Prob > F        =    0.3593
    Residual |  151.206541       192  .787534066   R-squared       =    0.0441
-------------+----------------------------------   Adj R-squared   =    0.0043
       Total |  158.189055       200  .790945274   Root MSE        =    .88743

------------------------------------------------------------------------------
        ec_5 | Coefficient  Std. err.      t    P>|t|     [95% conf. interval]
-------------+----------------------------------------------------------------
       gaodi |   .2418758   .1443794     1.68   0.096    -.0428976    .5266491
         sex |   .1440144   .1470119     0.98   0.329    -.1459513    .4339802
         age |    .131756   .1856325     0.71   0.479    -.2343848    .4978968
      income |  -.0214385    .056709    -0.38   0.706    -.1332911    .0904142
        news |  -.0736799   .0916624    -0.80   0.422    -.2544745    .1071148
climate_care |   .0993118   .0641273     1.55   0.123    -.0271727    .2257962
media_trust |   .0306415   .0822471     0.37   0.710    -.1315823    .1928653
expert_trust |  -.0362902   .0742797    -0.49   0.626    -.1827993    .1102189
       _cons |   2.747629   .6229655     4.41   0.000     1.518894    3.976364

  老师您好！是这样的．做受教育程度的分组回归，这一组样本量是２００，但是Ｆ值＞０.０５，整个模型不显著请问怎么办啊

Source |       SS           df       MS      Number of obs   =       201
-------------+----------------------------------   F(8, 192)       =      1.11
       Model |  6.98251411         8  .872814264   Prob > F        =    0.3593
    Residual |  151.206541       192  .787534066   R-squared       =    0.0441
-------------+----------------------------------   Adj R-squared   =    0.0043
       Total |  158.189055       200  .790945274   Root MSE        =    .88743

------------------------------------------------------------------------------
        ec_5 | Coefficient  Std. err.      t    P>|t|     [95% conf. interval]
-------------+----------------------------------------------------------------
       gaodi |   .2418758   .1443794     1.68   0.096    -.0428976    .5266491
         sex |   .1440144   .1470119     0.98   0.329    -.1459513    .4339802
         age |    .131756   .1856325     0.71   0.479    -.2343848    .4978968
      income |  -.0214385    .056709    -0.38   0.706    -.1332911    .0904142
        news |  -.0736799   .0916624    -0.80   0.422    -.2544745    .1071148
climate_care |   .0993118   .0641273     1.55   0.123    -.0271727    .2257962
media_trust |   .0306415   .0822471     0.37   0.710    -.1315823    .1928653
expert_trust |  -.0362902   .0742797    -0.49   0.626    -.1827993    .1102189
       _cons |   2.747629   .6229655     4.41   0.000     1.518894    3.976364