1、Coefficient 系数
回归分析的系数代表了每个自变量对因变量的贡献度，系数的绝对值越大，表示该变量在模型里面贡献越大，也表示了该自变量与因变量的关系越紧密。
另外这些系数的值表明了自变量与因变量的关系，比如S（总出口）的系数为0.58，则表示当总出口每增加一个单位，在其他自变量的值不发生改变的时候，因变量财政收入会增加0.58个单位。
而且这个系数也表示了自变量与因变量之间的关系类型，即它分为正向和负向，系数为正，表示正相关，系数为负，表示负相关。如下图所示：
不管是正向大还是负向大，越大，表示与因变量的关系强度越大，只不过是正相关还是负相关的问题。
该参数是整个回归模型里面最重要的参数，没有之一。
2、StdError：回归系数的标准差
回归的标准误是模型中随机扰动项（误差项）的标准差的估计值。它的平方误差项的方差的无偏估计量，实际上又叫做误差均方，等于残差的平方和/（样本容量-待估参数的个数）。
这个值越小，表示模型的预测越准。
3、t-Statistic T统计量
在统计学里面，T统计量是假设检验的重要枢轴量，多用于两样本均值检验，回归模型系数显著性检验。
T-Statistic=平均值 / 标准误
一般来来说，这个值表示，与P-value意义差不多，都是在验证零假设的情况下，模型的显著性，但是有些时候P-value会有一些问题，比如丢失一些信息。计算机里面进行统计验证的时候，T统计量越大，表示越显著。
一般abs（）》=1.96 就可以
4、Probability 概率：
这个就是P值，关于它的解释，翻以前的文章，这里不多说。一般需要小于0.05
5、6、7：Robust_SE Robust_t Robust_Pr [b]这三个字段，分别表示了标准差的健壮度、T统计量的健壮度和概率的健壮度。
在统计学里面，Robust Test通常被翻译稳健性检验，一般来说，就是通过修改（增添或者删除）变量值，看所关注解释变量的回归系数和结果是否稳健。
8、VIF （方差膨胀因子（Variance Inflation Factor，VIF）），这个值主要验证解释变量里面是否有冗余变量（即是否存在多重共线性）。一般来说，只要VIF超过7.5，就表示该变量有可能是冗余变量。
