经验研究常用的回归分析，试图找出变量之间的因果、相关关系，证明（准确的说是证伪）关系的存在或不存在，存在形式，等等。做研究的人，经常会因为一个闪光的idea而兴奋不已，并迅速组织数据、飞快的击打鼠标和键盘，但失望的发现，回归结果星星少得可怜。这个时候，也许是机会要出现的时候，细细思考为什么不显著，或许会柳暗花明。我想分享的一点是，要深入了解现实，避免大样本的回归掩盖了众多细节问题。直接用例子说明吧！
        假设想研究股权激励与公司业绩的关系（相信这是一个很热的话题）。先从文献、规范分析的角度，大概可以发展出一些假设。例如，国有公司的股权激励是否促进了业绩增长。好，接下来，省去样本的选取等环节，直接分析代理变量的设定。业绩，一般是财务业绩和市场业绩，这里暂不关注。如何反映激励这个变量呢，可以是哑变量（有与无），也可以是连续变量（激励的强度，如激励股份占总股本的比例，或股份的大小），假设我们使用的是后者。根据文献，我们提出假设，激励越多、业绩越好，或者是存在二次关系，即所谓的U型或倒U关系。然而，回归结果在有些情况下是很让人挠头，不显著。问题也许就在激励变量的设定这里！因为我们关心的是，激励越多，高管和其他激励对象的努力程度越高，业绩肯定受到推动而上升。但是，如果追究细节，深入阅读公司的激励方案，就会发现，不是所有的激励都在“激励”，而可能是利益输送型的“福利”（激励还是福利的问题，国内的吕长江等人有一篇很好的研究）。如果公司设定的激励方案中的要素，如业绩门槛极低，等待期很短，股票授予价格是市价的五折，这时候激励就可能是福利，福利的结果是利益从股东流向激励对象，而不是二者的共赢。此时，激励越多业绩反而越差！相反，能够是把果子挂的稍微高一点，激励高管要努力跳起来摘果子的方案，才有激励越多业绩越好皆大欢喜的局面。到这里，问题就很清楚了，样本需要更加细致的分类。尽管这样做需要大量的手工数据处理，但是效果肯定会好一些。再如，一家新上市的公司，因为之前的创业元老都有股份，但是上市之后还要二次创业，很多公司聘请职业经理人的加入。但是，同样是高管，有些人有股份而有些人没有，会出现不公平感而影响团队的合作。此时，通过股权激励平衡新老高管利益，它一定能够带来也记得提升吗？外部人很难判断，但是对研究人员而言，这就是一个需要仔细琢磨的样本，因为这样的激励很可能只是营造了一团和气，而不是提升管理团队的士气。囿于资料、人力的限制，在研究中几乎没有办法对此类情形作出准确甄别和判断，但这些样本确实会给研究结果带来麻烦。因此，当回归结果不显著时，能够深入阅读几家公司的股权激励方案，在延伸阅读一下它们的年报、媒体报道，或许有助于找到新的思路。如果能够找到足够详细、给力的资料，做个案例分析，也是很有意义的。