Mutlipel linjär regressionsanalys, varför förändras b-värdet?

Pluggar inför statistik tenta och har fastnat på en av frågorna i övningstentan. Kan någon svara på detta?

Tre modeller där sambandet mellan kön och brottslighet undersöks.

Modell 1: Först inkluderas variabeln kön som oberoende variabel (totalt en oberoende v)
Modell 2: I ett andra steg inkluderas variabeln föräldrakontroll (totalt två oberoende v)
Modell 3: I ett tredje steg inkluderades variabeln kamrater (totalt tre oberoende v)

Regressionskoefficienten och signifikansvärdet för kön var följande i var och en av modellerna:
Modell 1: b-värdet = 1,32; p-värdet = 0,000
Modell 2: b-värdet = 0,74; p-värdet = 0,023
Modell 3: b-värdet = 0,18; p-värdet = 0,0621

Förklara varför b-värdet för kön förändras mellan modellerna.

För den första modellen med endast en oberoende, så förklaras hela avvikelsen över en dimension. när man adderar dimensioner, så ändras både den del av avvikelsen som beror på modellen (R2) och residualen. Med en variabel blir det en lutning på linjen, med två variabler en skiva i utfallsrummet osv. Andelen av förändringen som beror på den första beroende variabel kön, kommer att bli annorlunda, när man ska optimera det minsta avståndet över tre-dimensioner osv.

Fysik, matematik och teknologi: allmänt --> Matematiska och naturvetenskapliga uppgifter
/Moderator

Nu är det väl överspelat men notera p-värdet också. Detta kan ju ses som resultatet av en hypotestest på om b-värdet är noll eller ej. För modell 3 har man (på femprocentnivån) inte fog för att hävda att b-värdet <> 0.

Bättre sent än aldrig: tack så jättemycket för svaren!