问题1.F检验显著，但是有些回归系数的t检验不显著，这可能是因为多重共线性造成的，建议看看VIF值，如果大于10，表明存在严重的多重共线性，这时不能贸然删掉这些不显著的变量。如果VIF不大，一般而言可以删掉t值不显著的变量。但是这么做也可能会出问题，因为究竟那个变量应该始终包含在模型中，应该按照经济理论而不应该按照统计检验的结果。

问题2 简单的检验异常值或离群值的方差是看看标准化的残差是否有超过3的，即3sigma之外的可以认为是异常的情况。但是也不一定，因为OLS方法最小化了残差平方和。所以我认为应该对数据，包括解释变量和被解释变量进行检查，看看是否有异常的情况，比如突然升高或降低，当然也可以使用3sigma准则。

方法具体如下所示：
离群值（箱图／探索）.值与框的上下边界的距离在1.5倍框的长度到3倍框的长度之间的个案。框的长度是内距。
极端值（箱图）.值距离框的上下边界超过3倍框的长度的个案。框的长度是内距
在回归模型诊断里面，一般称预测值与实际值的偏差为"残差",残差有几种表示方法:标准化残差, 学生化残差等等，按照需要取一种残差，再按照某种标准取一个阀值来限定异常点，只要那个点的残差大于阀值，就可以认为它是异常点。
SPSS14之后新功能  

SPSS Data Validation能帮助您轻松地探察多个异常值，以便您可以进一步检验并确定是否把这些观测包括在您的分析中。SPSS Data Validation异常探察程序能够基于与数据集中相似观测的偏离探察异常值，并给出偏离的原因。它使您可以通过创建新变量来标识异常值。