补充一下这个问题的后续，以及追问一个问题。
又看了一些文献，分组是很常见的。至于为什么分组和交叉项的结果可能不一样，因为分组和交叉项的样本都已经不一样了。

追问一个问题哦：
全样本回归， Y=A+B+soe+control， 结果是A显著正相关，B显著负相关
按照SOE分组，Y=A+B+control
结果是，对于SOE组，A显著正相关，B不显著；对于非SOE组，A，B均不显著。
我的研究目的是A在SOE/非SOE里面的差异，这个结果已经可以解释我的假设。

问题是：全样本回归里面，B是显著负相关的，但是分组之后，B在哪个组都不显著了。这会影响我之前全样本里面“A显著正相关，B显著负相关”的结论吗? 按道理说， B应该至少在非SOE组里面显著负相关呀。。。不然怎么解释B在两个分组里面都不显著？

求指导~~

B在全样本的系数比在SOE样本里面大，但是又比非SOE样本中的系数小.... 不过非SOE样本里面的B的p值比SOE样本组的小很多，快要接近10%但是没到10%    这样解释的通嘛.....

我自己又研究了一下。 用RE 是接近10%，用GEE是低于10%。 可能就是您说的比较 weakly support
这个分组倒是比较均衡的。 不过我有另外一个分组，也出现了类似情况，但是那个分组是3:1的样子，差距比较大，所以您关于样本数量影响的解释也帮我解释了另外一个分组里面的情况。  

真心表示非常感谢！

大神，我可不可以再追问一个问题
按照你这个分组思路
1. 全部control variable回归的baseline model  Y=SOE+MARKET+C+D+E+F....
2. 加上主要解释变量回归的model  Y=A+B+SOE+MARKET+C+D+E+F....
3. 对SOE分组，控制Market; 对market分组，控制SOE

我的分组结果是OK 的，比如 对SOE分组，控制Mraket, 发现SOE组的主要解释变量A正相关，非SOE组没有显著关系。但是在model  Y=A+B+SOE+MARKET里面， SOE的系数是负相关。 这样有问题吗？
我的SOE分组是为了说明，在SOE组，A变量和Y有更强的正相关关系。 但是，分组之前的模型 Y=A+B+SOE+MARKET 里面，SOE本身和Y是负相关。 我可以解释说，我研究的关注点是SOE性质对A和Y 的关系的影响，因此SOE本身和Y是负相关不影响我的结论。 这样可以吗？ 您有其他的解释建议吗？
非常感谢！

又想起了那句话：论坛里高手如云呐

学习了学习了，mark