你所描述的情况可能涉及到内生性问题，这在空间计量分析中是很常见的。内生性问题通常由以下因素引起：

1. 遗漏变量：你可能没有考虑到一些影响解释变量和被解释变量的重要变量。

2. 回归到均值（Regression to the Mean）：如果选择的观测值是基于其过去表现的，那么未来的表现可能会回归到平均值，这会影响结果的显著性。

3. 逆向选择（Adverse Selection）和隐藏信息（Information Asymmetry）：在某些情况下，企业和投资者可能存在信息不对称，这可能导致你所使用的财务指标存在偏差。

为了改善这种情况，你可以尝试以下方法：

1. 更全面地收集数据，确保包含可能影响结果的重要变量。

2. 使用工具变量（Instrumental Variables, IV）或者两阶段最小二乘法（Two-Stage Least Squares, 2SLS），以解决内生性问题。

3. 考虑使用不同的空间权重矩阵（如邻接矩阵、距离矩阵等），这可能会影响结果的显著性和解释。

4. 对模型进行诊断，检查残差图、自相关图和偏自相关图，以判断是否存在其他未识别的问题。

最后，如果你对如何进行这些调整感到困惑，建议咨询具有空间计量分析经验的学者或者专业人士。

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