要判断标准化回归系数是否改变了显著性，可以使用统计学中的假设检验方法。下面是一个使用Python进行线性回归并检验标准化回归系数显著性的示例代码：

import pandas as pd
import statsmodels.api as sm

# 读取数据
data = pd.read_csv('data.csv')

# 定义自变量和因变量
X = data[['x1', 'x2', 'x3']]
y = data['y']

# 添加常数项
X = sm.add_constant(X)

# 进行线性回归
model = sm.OLS(y, X)
results = model.fit()

# 输出回归结果
print(results.summary())

# 检验标准化回归系数显著性
print("标准化回归系数显著性检验：")
for i, coef in enumerate(results.params[1:]):
    t_stat = coef / results.bse[i+1]
    p_value = results.pvalues[i+1]
    print(f"变量{x.columns[i]}：t值为{t_stat:.4f}，p值为{p_value:.4f}")

在这个示例中，首先从CSV文件中读取数据，然后定义自变量X和因变量y。然后使用sm.add_constant函数向自变量X中添加常数项。接下来使用sm.OLS函数创建一个最小二乘线性回归模型，并使用fit方法进行拟合。最后，使用results.summary()方法输出回归结果，并使用循环检验每个标准化回归系数的显著性，其中t值和p值通过计算coef / results.bse[i+1]和results.pvalues[i+1]得到。

通过这段代码，你可以得到线性回归的结果，并检验标准化回归系数的显著性。如果p值小于预先设定的显著性水平（例如0.05），则可以认为标准化回归系数是显著的。