L'utilisation des tests ne doit pas faire oublier certaines règles. Il faut notamment bien dissocier la significativité statistique de la significativité économique. La première est entièrement déterminée par la t-statistique, tandis que la deuxième dépend du poids et du signe de $\widehat{\beta}$. En effet, dans le cadre d'un test contre l'hypothèse nulle, la t-statistique est égale à $\displaystyle t = \frac{ \widehat{\beta_{i}}}{\sigma{\widehat{\beta_{i}}}}$. La significativité statistique peut être alors conduite par un fort coefficient estimé $\ \widehat{\beta_{i}}$ ou par un faible écart-type de cet estimateur. Or, l'utilisation de grands échantillons comme avec des données de firmes françaises (plusieurs millions d'observations) permet d'estimer précisément les paramètres avec donc des écarts-types relativement faibles, ce qui favorise la significativité statistique de ce paramètre. Afin de contrer ce problème, on peut réduire davantage le seuil critique ou encore essayer de comparer les résultats avec des sous-échantillons (où les estimateurs sont moins précis avec de plus forts écarts-types).