Почему некоторые коэффициенты регрессии могут быть значимыми, а модель в целом нет?

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

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

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