在总体回归函数中，每一个参数都有具体的内涵，在总体回归函数E（Y/X=Xi）=β1+β2Xi中β2表示解释变量X每变化一个单位被解释变量Y的条件均值变化β2个单位，β1的内涵是在解释变量X=0的条件下，被解释变量的条件均值为β1。虽然回归系数的参数估计中已经给出了β1和β2的点估计与区间估计，但是由于抽样的随机性，所得回归系数估计是偶然结果还是相对可靠的结论，仍需进行假设检验。在计量经济学中一般检验回归系数是否显著不为0。由于检验程序基本类似，此部分重点以β2是否显著不为零的检验为例，进行回归系数的假设检验，为便于分析软件结果，本部分在进行建设检验采用P值决策进行假设检验。
（一）σ2已知条件下的回归系数的假设检验
此种情况下应采用Z检验，基本步骤如下：
1.提出假设H0：β2=0 H1：β2≠0
2.构建检验统计量，由式（2-45）可知，当原假设成立时：
3.利用样本点信息计算检验统计量观测值z0
4.计算所检验的回归系数的P值。由于此检验为双侧检验，因此，P值定义为
5.将P值与提前给定的显著性水平α进行比较，如果P＞α则没有理由拒绝原假设，在实际决策中认为在给定的显著性水平α下β2=0，反之，如果P＜α，则不接受原假设，在实际决策中认为在给定的显著性水平α下β2≠0。
（二）σ2未知、大样本条件下回归系数的假设检验
此种情况下，依据式（2-47），在原假设成立的条件下，检验统计量为
(www.xing528.com)
剩余步骤与第一种情况完全相同，此处不再赘述。
（三）σ2未知、小样本条件下回归系数的假设检验
此种情况，应采用T检验，检验步骤如下：
1.提出假设H0：β2=0 H1：β2≠0
2.构建检验统计量，由式（2-50）可知，当原假设成立时：
3.利用样本点信息计算检验统计量观测值T0
4.计算所检验的回归系数的P值。由于此检验为双侧检验，因此，P值定义为
5.决策规则与第一种情况相同，如果P＞α则没有理由拒绝原假设，在实际决策中认为在给定的显著性水平α下β2=0，反之，如果P＜α，则不接受原假设，在实际决策中认为在给定的显著性水平α下β2≠0。
表2-5中t-Statistic对应的就是对应T检验的T统计量观测值，Prob.为对应T检验的P值，由表2-5可知，对β1和β2是否显著不为零的T检验的P值分别为：0.0439和0.0000，如果提前设定的显著性水平α=0.05，依据双侧检验P值决策规则，β1和β2都显著不为零。由此可得，样本回归函数为
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
