Некоторые причины, по которым отдельные коэффициенты регрессии могут быть значимыми, а модель в целом нет:

• Мультиколлинеарность. 3 Линейная зависимость между независимыми переменными приводит к неустойчивости коэффициентов модели. 3 Результаты могут сильно различаться в зависимости от выборок, что делает модель неспособной пройти проверку на другой выборке из той же генеральной совокупности. 3
• Отсутствие внешних переменных. 3 Существенные переменные, которые не включены в модель, могут оказывать значительное влияние на переменные, которые учтены в модели, что делает результаты нестабильными. 3
• Гетероскедастичность. 23 Непостоянная дисперсия случайной ошибки для разных наблюдений может быть признаком того, что нарушено допущение о линейности связи между переменными. 3
• Зависимость наблюдений. 3 Отбор наблюдений в выборку должен быть случайным, сами наблюдения никак не должны влиять друг на друга и быть независимыми. 3 Наличие зависимости делает значения параметров нестабильными и приводит к тому, что модель не может описать все данные в целом. 3

Для оценки значимости модели регрессии в целом используют, например, F-статистику, которая является соотношением объяснимой дисперсии к необъяснимой. 4