Проверка гипотезы о значимости коэффициентов регрессии включает несколько шагов: 2

1. Выбор основной и альтернативной гипотезы. 2 Обычно в качестве основной выдвигают гипотезу о незначимом отличии от нуля параметра или статистической характеристики в генеральной совокупности. 1 Альтернативная гипотеза предполагает неравенство нулю параметра или характеристики. 1 Если основная гипотеза окажется неверной, принимают альтернативную. 1
2. Вычисление тестовой статистики. 2 Для проверки значимости коэффициентов регрессии используют t-статистику, которая соизмеряет значения коэффициента с его стандартной ошибкой. 3
3. Выбор уровня значимости. 2 Это число между 0 и 1, самые распространённые уровни значимости — 0,05 и 0,01. 2
4. Разбиение множества значений тестовой статистики на две области. 2 Одна область — там, где основная гипотеза отвергается, другая — где основная гипотеза не отвергается. 2

Для проверки используют t-критерий Стьюдента. 1 Найденное по данным наблюдений значение t-критерия (его ещё называют наблюдаемым или фактическим) сравнивают с табличным (критическим) значением, которое определяют по таблицам распределения Стьюдента. 1

Если фактическое значение t-критерия больше табличного (по модулю), то основную гипотезу отвергают и считают, что параметр или статистическая характеристика в генеральной совокупности значимо отличается от нуля. 1 Если фактическое значение t-критерия меньше табличного (по модулю), то нет оснований отвергать основную гипотезу, то есть параметр или статистическая характеристика в генеральной совокупности незначимо отличается от нуля. 1

Также для проверки значимости модели регрессии используют F-критерий Фишера. 1 Если расчётное значение F-критерия больше табличного при заданном уровне значимости, то модель считается значимой. 1