楼主是用的stepwise法么，用这个方法直接看最后的就行。

谢谢你的跟帖，但貌似没解决我的疑惑：为什么步骤1中的好几个证型sig值都为1，是相对别的变量来说非常不显著吗，那为什么还会往下进一步回归？而且到最后一步时，剔除了一些变量后，这几个证型又变得有意义了

这个你要从stepwise方法的原理上去理解了。如果你采用的是backward stepwise方法，那么最开始是所有解释变量都进入模型，那么自变量间可能存在相关使得有些本该显著的变量不显著了（即像你这个中出现的sig=1）。模型第二步是将第一步得到的结果中最不显著的变量逐步剔除，一步步直到最后得到你限定的标准（一般为0.05），即最后的模型得到的变量都是在0.05水平上显著的。所以我的意思是直接看最后一步模型结果即可。不用纠结前面步骤模型得到的结果。