做实证的，看论文的，必然会看到回归结论中有提到“接受原假设”或“拒绝原假设”之类的话。
    对于我这种概率论和数理统计不及格的菜鸟文科生来说，一直被这些接受或拒绝给绕晕了。我经常想为什么要接受，为什么要拒绝。
    后来我是这么想的，立即豁然开朗起来：
    方程：Y=a1*X1+a2*X2+a3*X3+e
    按计量经济学的观点，方程有一个原假设H0，就是所有的系数a都等于0，即a1=0,a2=0,a3=0，就是说，这些系数等于0，意味着自变量X对因变量Y没有影响。同样的，必须有一个相对的假设，叫备选假设H1？备选假设H1就表示X对Y有影响。
    这是二选一的过程，要么接受H0，X对Y没影响；要么拒绝H0，接受H1，X对Y有影响。
    这个时候，实证出场，用一定量的样本去分析，系数a等于0的概率有多大。一般以5%或者说0.05为参照标准。如果回归结果显示的P值<5%的时候，表示系数等于0的概率不超过5%（当然越小越好，是这个意思么？），那就表示自变量X对因变量Y没有影响的概率不足5%，反过来说，X对Y有影响的概率要大于95%。所以，这个是显著的。
    这是我这个计量经济学菜鸟的心得。对与不对，请坛里的专家批评。
    小结一下：
    同时要结合假设的表达方式。如果要证明X对Y有影响，则实证结果中，X系数P值要小于0.05（越小越好），要显著；如果要证明X对Y没有影响，则实证结果中X系数P值要大于0.05（越大越好）。系数本身表示影响度，P值表示概率大小。