1. 主回归、机制检验和异质性分析的样本量不需要保持一致。在进行机制检验时，如果某些样本缺失了机制变量的数据，可以只使用这些样本进行检验，而不影响主回归的样本。
2. 在寻找不同机制的过程中，确实会因为剔除样本而改变回归结果。这是正常的，因为不同的机制可能适用于不同的样本群体。你应该持续探索和检验不同的机制，直到找到一个在理论和统计上都合理的结果。
3. 在主回归中控制 ROA 或 SOE 是可以的，这取决于你的研究问题和假设。如果你认为这些变量与你的解释变量（机制）有直接关系，并可能影响结果，那么它们应该作为控制变量包含在回归模型中。
4. 如果机制检验不显著，首先应该检查你的理论基础是否支持这个机制。如果理论基础是坚实的，你可以考虑调整控制变量，或者尝试不同的数据处理方法（如多重插补）。同时，你也可以寻找其他的可能机制进行检验。
在实证分析过程中，显著性是一个重要因素，但并不意味着所有结果都必须显著。重要的是你的研究能够提供对问题的深入理解，并且理论和统计证据能够相互支持。
此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用
扫码加好友，拉您进群
全部版块
我的主页
收藏
