工具变量的部分确实我没仔细看。很可能你说的是对的。
不显著可以有很多原因，但是显著就不对了。我说这个的意思是结果里并没什么意外的部分。
我没怎么见过这个搞法。但是我说了，因为毕竟不是我的领域，我不好下结论说究竟对还是不对。

好吧，我又看了一眼。我猜作者应该是在模型里用了lnpay然后预测pay，然后从pay算overpay。overpay感觉好像并没取对数。所以才有之后的那些事。

绝对薪酬（ ｌｎ ｐ ａ ｙ）        上市公司前三名董事、 监事和高管薪酬总额的自然对数
超额薪酬（ Ｏｖｅｒ ｐ ａ ｙ）   董事、 监事和高管的绝对薪酬与预期薪酬之差

这个是文章里的变量定义哈。按表中的说法，overpay应该是取过对数的。
overpay是否取对数跟它和业绩之间关系有影响么？没取对数也是残差呀？可不可以麻烦您看看罗宏那篇文章呢？他里面说的：
Ln ( CEOpay) it = α0 + α1 Sizeit + α2 ＲOAit + α3 IAit + α4 Zoneit
+ ∑Industry + ∑Year + ε ( 1)
Overpay = Ln( CEOpayit) － Ln( Expectedpayit) ( 2)

高管绝对薪酬 CEOpay 上市公司前三名高管的薪酬总额的自然对数
高管超额薪酬 Overpay 高管的绝对薪酬与预期薪酬之差
ganjue
好像有矛盾样，公式（1）中的CEOpay已经是去对数后的值了，又用了ln(CEOpay),感觉是取了两次对数，overpay也是取了两次对数的值，结果还是overpay就是残差吧，与Roa还是应该不相关呀？

顶顶顶顶，求帮忙

W. Chen and P. Hribar and S. Melessa, Journal of Accounting Research (2018)
去看这篇论文，讲得很清楚

http://www.360doc.com/content/18/1126/15/39761118_797353369.shtml不知道 您说的是不是这个情况，我也是刚找到的