怎么判断两个线性回归模型是显著的不同？

这两个模型的系数相差这么小，如果非要判断其显著不同，只能设定非常高的显著水平了。。。

暂且用假设检验的方法测试一下：

两个模型都是线性模型，但是并不知道x1, x2的分布情况，那我假设x1，x2均为非正态分布的随机数，那两个模型应该不符合正态分布，同时按照楼主的要求，既然显著不同，那假设其方差也不齐，应该选择秩和检验，零假设选择为两个模型相同，即来自同一分布。

import numpy as np
from scipy.stats import wilcoxon

x1 = np.random.randint(1, 100, 10)
# array([60, 59, 22, 18, 45, 37, 17, 89, 37, 89])
x2 = np.random.randint(1, 100, 10)
# array([24, 47, 95, 48, 73, 48, 62, 44, 34, 88])
x = 0.95*x1 + 0.85*x2 + 1.01
y = 0.96*x1 + 0.84*x2 + 0.99
wilcoxon(x, y)
# WilcoxonResult(statistic=20.0, pvalue=0.4445867389117455)

我测试了几次，pvalue都远远大于0.1，通常显著水平都是设置在0.05，有时也会根据需要取0.1或0.01，但是要设置成远大于0.1的情况，并不常见。除非强行设置极大的显著水平，否则我觉得无法判断这两个模型显著不同。