最近在写毕业论文，论文主题是英国上市公司自由现金流与under-investment的相关性, 碰到了一个很棘手的问题。
用大N小T（T=2008-2010）面板数据做回归时，p值仅有一个显著。
code:
xtreg I_new L.I_new age L.size L.cash L.q L.roa L.leve,r
Random-effects GLS regression                   Number of obs     =      6,001
Group variable: ticker                          Number of groups  =      1,040

R-sq:                                           Obs per group:
     within  = 0.2442                                         min =          1
     between = 0.9832                                         avg =        5.8
     overall = 0.9507                                         max =          9

                                                Wald chi2(7)      =    5353.32
corr(u_i, X)   = 0 (assumed)                    Prob > chi2       =     0.0000

                             (Std. Err. adjusted for 1,040 clusters in ticker)
------------------------------------------------------------------------------
             |               Robust
       I_new |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
       I_new |
         L1. |   1.012611   .0808393    12.53   0.000     .8541688    1.171053
             |
         age |   316.7061   233.0245     1.36   0.174    -140.0134    773.4257
             |
        size |
         L1. |  -546.9088   1754.403    -0.31   0.755    -3985.476    2891.659
             |
        cash |
         L1. |  -2895.849   2381.849    -1.22   0.224    -7564.187    1772.489
             |
           q |
         L1. |   5.484973    3.25541     1.68   0.092    -.8955142    11.86546
             |
         roa |
         L1. |  -99245.93   132343.1    -0.75   0.453    -358633.7    160141.8
             |
        leve |
         L1. |   1431.656    5116.02     0.28   0.780     -8595.56    11458.87
             |
       _cons |   1659.186   16374.11     0.10   0.919    -30433.48    33751.85
-------------+----------------------------------------------------------------
     sigma_u |  28445.971
     sigma_e |  56345.111
         rho |  .20310856   (fraction of variance due to u_i)
------------------------------------------------------------------------------
code
画出了Linear regression line, I_new_ols, 自认为效果不错。

然后对主要变量进行了缩尾（根据变量的分布分别进行单侧/双侧缩尾，p=0.01），p值显著，但Linear regression line，I_new_n(图放2楼)，看上去很怪
后缀_n表示缩尾后的变量。size服从正态分布所以没有缩尾，age个人认为缩尾没有意义。。。
code:
. xtreg I_new_n L.I_new_n age L.size L.cash_n L.q_n L.roa_n L.leve_n,r

Random-effects GLS regression                   Number of obs     =      6,001
Group variable: ticker                          Number of groups  =      1,040

R-sq:                                           Obs per group:
     within  = 0.3716                                         min =          1
     between = 0.9960                                         avg =        5.8
     overall = 0.9819                                         max =          9

                                                Wald chi2(7)      =   26583.52
corr(u_i, X)   = 0 (assumed)                    Prob > chi2       =     0.0000

                             (Std. Err. adjusted for 1,040 clusters in ticker)
------------------------------------------------------------------------------
             |               Robust
     I_new_n |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
     I_new_n |
         L1. |   .9915165    .006709   147.79   0.000      .978367    1.004666
             |
         age |   2.555611    18.8009     0.14   0.892    -34.29348    39.40471
             |
        size |
         L1. |  -287.2913   93.89884    -3.06   0.002    -471.3296   -103.2529
             |
      cash_n |
         L1. |  -736.5662   280.4008    -2.63   0.009    -1286.142   -186.9908
             |
         q_n |
         L1. |   86.89391   41.58357     2.09   0.037     5.391603    168.3962
             |
       roa_n |
         L1. |  -12573.95   23324.22    -0.54   0.590    -58288.58    33140.68
             |
      leve_n |
         L1. |   158086.3   66204.38     2.39   0.017     28328.14    287844.5
             |
       _cons |   2050.668   772.6301     2.65   0.008     536.3413    3564.996
-------------+----------------------------------------------------------------
     sigma_u |          0
     sigma_e |  11088.957
         rho |          0   (fraction of variance due to u_i)
------------------------------------------------------------------------------
code
这是论文里第一个模型，我要使用这个模型的预测结果计算新变量，再做回归。请问我应该使用哪个模型，更有说服力呢？

dataex放3楼