评价回归系数的显著性水平通常涉及对回归系数的估计值与其标准误差之间的比较。以下是一些常见的方法：

1.t检验: 对于每个回归系数，可以计算其估计值除以其标准误差得到的t值。然后，根据自由度和显著性水平，可以查找t分布表格或使用统计软件来计算对应的p值。如果p值小于选择的显著性水平（通常是0.05），则可以拒绝原假设，认为回归系数是显著的。

2.置信区间: 除了使用假设检验外，还可以计算每个回归系数的置信区间。如果置信区间不包含零，则可以认为回归系数是显著的，否则则不能。

3.F检验: 在多元回归分析中，可以使用F检验来评估整个回归模型的显著性。F检验考虑了所有自变量的效应，通过比较模型的解释方差与残差方差的比值来评估整个模型的显著性。

4.可视化: 可以通过绘制回归系数的估计值及其置信区间来直观地评价回归系数的显著性。如果置信区间不重叠或者不包含零，那么这些系数通常被认为是显著的。

总的来说，评价回归系数的显著性水平需要综合考虑统计检验的结果、置信区间和实际应用背景，以做出合理的判断。