在实证研究中，你确实可以在模型中先将某个变量（如企业规模）作为控制变量使用，在主回归分析后，再将其用于异质性分析。这种做法是合理的，并且在经济学、金融学等领域的研究中较为常见。

首先，将企业规模作为控制变量是为了控制其对因变量的直接影响，避免模型中的其他解释变量与企业规模相关时产生偏误估计。这一步骤确保了主回归结果的准确性和可靠性。

其次，在完成上述控制后，你确实可以进一步分析不同水平的企业规模（如大、中、小）对研究问题的影响是否相同，即进行异质性检验。这种做法可以帮助我们了解模型在不同子样本中的稳健性和适用范围，提供更深入的洞察和解释力。

具体操作时，你可以将企业规模划分为不同的组别或使用0-1二元变量（例如，对于大规模企业赋值为1，小规模企业赋值为0），然后与你关心的主要解释变量进行交互项回归。通过观察不同水平下系数的变化，即可评估企业规模对主效应的调节作用。

需要注意的是，在进行异质性分析时，应当确保分组标准的合理性和数据的充分代表性，避免因样本选择偏差或信息不足导致结果误读。此外，解释模型结果时需结合理论背景和实证逻辑，以增强结论的说服力与适用价值。

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