请搞清楚一件事，标准误来源于样本特征及我们计算标准误时所使用的假设，它并不是可以人为控制的，它的大小可以决定你的回归系数是否显著，越小系数越显著，达到多少显著性一般可以直接看软件报告的p值。
不作任何额外设定时，软件报告的是在标准回归模型假设（主要是误差渐进服从独立且相同的正态分布）下的标准误，而其它设定（异方差稳健、序列相关稳健、聚类等）下所计算的标准误一般比标准情况下大，也就是一般会降低显著性。
如果人为地操纵数据以期降低标准误就实际上发生了样本选择偏误，核心自变量系数估计结果存在内生性问题，不可信。

也就是主要通过P值来看模型设定的好不好？

p值只代表对该样本来说，系数估计值是否显著，不足以评价模型设定。