一个变量的重要性应该是一个同“样本量”无关的判断。但是，p.Value的显著性，极大地受到样本量的影响。由此可见，这是两个东东。它们之间肯定有关系，但是不是简单的唯一确定关系。如前所述，老王卖耗子药这个案例太完美。它完美在于不同X的单位是相同可比的。对于更多的实际分析而言，不同的X，单位不同，类型不同。这会让不同回归系数的可比性更差。因此，更加难以定义什么叫做“重要”，更不可能简单滴说：p.Value显著＝X变量重要。
p.Value是用来做什么的？p.Value是用来判断一个beta系数为0的可能性。p.Value越小，说明这个beta系数越不可能是0，而同beta系数绝对值的大小（也就是：重要性），没有必然联系。
判断是否为0和是否重要没有毛线关系
对于一个回归分析，p.Value是通过一个Z-type检验统计量来计算的，形式为：Z＝beta.hat/SE(beta.hat)，其中beta.hat表示某种估计量（例如：最小二乘估计），而SE(beta.hat)表示该统计量相应的估计误差。Z的绝对值越大，p.Value越小。Z的绝对值越小，p.Value越大。因此，p.Value的显著性同Z的绝对值是一一确定的关系。
王汉生