1.论文的叙述与回归的关键实证结果之间存在差异。对于所有的研究,不超过五个变量足以有效地解释因变量。这些变量的t统计量总是超过与MVIs相关的t统计量。这一发现与前面的观点一致:将MVI添加到回归的右侧并不能在任何实质性意义上提高模型的解释力。
2.MVIs的显著t统计量通常可归因于大样本量。分析表明,要实现绝对值t统计量为2,所需的最小样本量超过1900个观测值。
3.估计系数的大小与变量的增量解释能力密切相关;等级相关系数约为0.9。作为经验法则,作者提出以下建议:如果估计的SR系数的绝对值为0.05或更小,那么增量解释能力(通过上文第1点中描述的Pearson相关性的增加来测量)不超过0.001。在作者检查的10个MVIs中,除了两个之外,所有的都没有达到这个SR系数阈值。