变精度粗集模型是一种有参数的粗集扩充模型．目前，基于变精度粗集模型知识约简和学习的各种算法中，参数届值都是作为领域的先验知识而被直接引入．而β值不同，约简的结果一般也不同，因此有必要寻求一种方法，实现从原始数据集本身出发完成对β值的估计和选择，从而摆脱β先验知识对结果的影响．结合决策表确定性度量和决策表相对辨识性方法，分别研究了β值的估计和选择以及参数β值对约简结果的影响．通过实例进行了分析，结果表明在利用变精度粗集模型提高系统容错度时，厣值选择是必要的。