解释变量的解释能力脑图思维导图

三种自变量组成的回归：固定效应、常规控制变量、感兴趣的主要变量

研究通常包括补充测试，如内生性问题扩展分析，稳健性测试

“正确的符号”和“足够大的t统计量”作为支持所提出的故事的主要证据

当标准假设不适用(特别是均方差和不相关误差项)时，这种范式中的主要分析工具——ols回归和t统计——可能会扭曲结果。

t统计量本身与一个变量对因变量的解释贡献的程度无关。

本文考察了一组备选方案。最简单的替代方法涉及到由于添加自变量而导致的R2的增加

使用了来自当前研究复制的数据，而不是依赖于数据模拟。筛选最近的10篇实证会计论文复制了其主回归

第一部分评估了由于纳入MVI而增加解释力的程度。

第二部分根据t统计量对N的依赖性，关注t统计量的信息量。

第三部分也是最后一部分涉及标准化回归(SR)的潜在功效。

此节研究MVI与因变量的关联程度如何?这种分析忽略了控制变量和固定效应。

此处研究如果删除MVI，回归模型的解释能力会受到多大程度的影响?

评估随着变量顺序添加到回归中，总体解释力是否会增加，评估了达到有效最大解释力所需的自变量的数量。

此节研究问题与 MVI 相关的显著 t 统计在多大程度上取决于足够大 N？

为了在预定的回归中评估变量的相关性，经典回归分析可能不足以解决问题。虽然有一些诊断方法（如N*或N**）和统计评估（如双变量相关性和研究内t统计）可以提供有用的见解，但仍需要更直接的解决方案。作者提出采用标准化回归的方法。