实证分析遇到问题求助

第一次发帖，求助各位大神，回归分析得出不显著的结果，进行相关分析又是以下结果，有大神可以解释一下结果吗？接下来应该怎么做呢？研究的是内部控制质量（ICQ）与盈余管理（ABSDM）的关系，控制变量分别为资产规模、资产负债率、独立董事占比、前十大股东持股比例、是否为四大审计、每股收益、盈利能力。文科生计量经济学小白在这里跪谢！

Dependent Variable: X
Method: Least Squares
Date: 05/02/17   Time: 23:07
Sample: 1 1798
Included observations:  1797
Variable	Coefficient	Std. Error	t-Statistic	Prob.
Y	-3.5514468	2.106654190929099e-05	-0.1685823365542797	0.8661442318824913
Z1	2.922279080312036e-14	3.288279888769223e-14	0.8886953602376657	0.374286297871639
Z2	0.03413307724064067	0.01319256320460451	2.587296851359972	0.009751454475787228
Z3	-0.04625955766406165	0.03857784120014506	-1.199122507246147	0.2306391126975962
Z4	0.000224811774028697	0.0002163585168878712	1.039070600327727	0.298912313401295
Z5	-0.02476143885161325	0.01306395089279188	-1.895402015425176	0.05820021675882573
Z6	0.01977215038924424	0.005260428855151767	3.758657503728143	0.0001763100532289384
Z7	0.1946846993194194	0.05817147933246449	3.346737981455619	0.0008346199855052624
R-squared	0.04100818363603664	Mean dependent var		0.0209852412136885
Adjusted R-squared	0.03725584002812843	S.D. dependent var		0.1532185987919294
S.E. of regression	0.1503373645747486	Akaike info criterion		-0.9474278347372088
Sum squared resid	40.43376718204549	Schwarz criterion		-0.9229698541616559
Log likelihood	859.263909511382	Hannan-Quinn criter.		-0.9383986895247745
Durbin-Watson stat	1.868338423871179

Dependent Variable: Y
Method: Least Squares
Date: 05/02/17   Time: 23:12
Sample: 1 1798
Included observations:  1797
Variable	Coefficient	Std. Error	t-Statistic	Prob.
X	-4.473027595904093	26.53319254750819	-0.1685823365543008	0.8661442318824913
Z1	9.157245807490741e-12	3.691095448271244e-11	0.2480901926223451	0.8040930959025954
Z2	148.4329989003455	14.41221278948135	10.29911236175185	3.321967899108991e-24
Z3	936.5546938234556	37.22439626860502	25.15970137072025	7.599074766107135e-120
Z4	2.459273207825765	0.2358243254880113	10.42841192373426	9.276304130344039e-25
Z5	14.26964682905852	14.67214161842262	0.9725674138219386	0.3308998219922609
Z6	51.11610412829275	5.802377762406847	8.809509863261575	2.909183857886036e-18
Z7	678.2444470963665	63.49470895883454	10.68190496842961	7.308749851312034e-26
R-squared	0.04869173390866177	Mean dependent var		607.289632721202
Adjusted R-squared	0.04496945449969614	S.D. dependent var		172.645964000353
S.E. of regression	168.7194151369378	Akaike info criterion		13.09879313095692
Sum squared resid	50926105.22798497	Schwarz criterion		13.12325111153247
Log likelihood	-11761.26562816479	Hannan-Quinn criter.		13.10782227616935
Durbin-Watson stat	1.578988218548697

表3. 5变量之间的Pearson相关系数表
		LNSIZE	LEF	IND	HL10	AQ	EPS	ROA	ICQ	AbsDM
LNSIZE	皮尔逊相关性	1	-.047*	-.018	.480**	.409**	.248**	.116**	.289**	-.045
	显著性（双尾）		.046	.454	.000	.000	.000	.000	.000	.059
	个案数	1798	1798	1797	1798	1798	1798	1798	1797	1798
LEF	皮尔逊相关性	-.047*	1	.013	-.049*	-.003	-.160**	-.981**	-.111**	.106**
	显著性（双尾）	.046		.573	.038	.894	.000	.000	.000	.000
	个案数	1798	1798	1797	1798	1798	1798	1798	1797	1798
IND	皮尔逊相关性	-.018	.013	1	-.004	.037	-.037	-.020	-.033	.004
	显著性（双尾）	.454	.573		.860	.113	.118	.407	.165	.8649
	个案数	1797	1797	1797	1797	1797	1797	1797	1796	1797
HL10	皮尔逊相关性	.480**	-.049*	-.004	1	.336**	.178**	.080**	.188**	.039
	显著性（双尾）	.000	.038	.860		.000	.000	.001	.000	.097
	个案数	1798	1798	1797	1798	1798	1798	1798	1797	1798
AQ	皮尔逊相关性	.409**	-.003	.037	.336**	1	.139**	.021	.161**	-.044
	显著性（双尾）	.000	.894	.113	.000		.000	.376	.000	.063
	个案数	1798	1798	1797	1798	1798	1798	1798	1797	1798
EPS	皮尔逊相关性	.248**	-.160**	-.037	.178**	.139**	1	.240**	.373**	-.024
	显著性（双尾）	.000	.000	.118	.000	.000		.000	.000	.300
	个案数	1798	1798	1797	1798	1798	1798	1798	1797	1798
ROA	皮尔逊相关性	.116**	-.981**	-.020	.080**	.021	.240**	1	.166**	-.105**
	显著性（双尾）	.000	.000	.407	.001	.376	.000		.000	.000
	个案数	1798	1798	1797	1798	1798	1798	1798	1797	1798
ICQ	皮尔逊相关性	.289**	-.111**	-.033	.188**	.161**	.373**	.166**	1	-.080**
	显著性（双尾）	.000	.000	.165	.000	.000	.000	.000		.001
	个案数	1797	1797	1796	1797	1797	1797	1797	1797	1797
AbsDM	皮尔逊相关性	-.045	.106**	.004	.039	-.044	-.024	-.105**	-.080**	1
	显著性（双尾）	.059	.000	.864	.097	.063	.300	.000	.001
	个案数	1798	1798	1797	1798	1798	1798	1798	1797	1798
*. 在 0.05 级别（双尾），相关性显著。
**. 在 0.01 级别（双尾），相关性显著。

这个有做过相关研究，首先你的ABSDM是代表盈余管理值吗？按照修正的琼斯模型的话，该定义指标是应该是DM的绝对值，而你的最小值竟然出现了负值；其次，如果分析的数据没有问题的话，相关性分析结果应该是多重共线性，此时需要用逐步回归法进行回归。

首先你要看你选取的这些变量，是不是有之前论文作为支撑，比如人家做完说显著，你做完不显著，你要看看是什么原因。

首先是你数据库处理的问题。你的变量选取和清理过程，是否和以前论文有区别。假如你是按照之前某些论文来拓展的，你可以先检测一下，和别人相同的变量、时间，做出来结果是否一致。不一致的话，很可能是你的问题。

然后还有回归方法。你的数据是什么数据？横截面数据，时间序列，还是面板？要选取相应的回归方法去做。包括变量是不是要取滞后？