计量金融学计量金融学-2-1.pptVIP

（3）两个公式中都出现了 偏离它们的均值的平方 和 且都在分母中，所以平方和越大， 系数方差越少。 （4） 项仅仅影响截距的标准误差(在分子中)， 但不影响斜率标准误差，这是因为 测定的是 数据点相对于y轴的偏离程度， 越大，数据点 离y轴越远，回归估计线与y轴的交点(截距)越难 确定，从而系数标准误差可能越大。   Clare和Thomas在英国股票市场随机抽取了1000个样本公司，通过一定的方法将公司的业绩进行排序和划分组合资产形成阶段，并计算出赢者(组合资产形成阶段20％的业绩最佳的公司)和输者(20％业绩最差的公司)在18、9、或6个阶段每月的平均收益的差额，定义为 案例分析2-1（见教材40页）一元回归方法的运用—证券市场过度反应吗？ 第一个回归是： 输者相对于赢者的超额收益对常数进行回归： 上式没有考虑到输者的股票有更大的风险，所以要求更高的收益，所以在加入市场风险因素之后，回归方程如下： 式中， 分别表示英国《金融时报》综合股票收益率和英国政府3个月短期国债的收益。 上述方程的回归结果如表2-1所示。通过对表前两行输者收益和赢者收益的比较可知，12个月对于输者变成赢者并不是充分长的时间，在2年或3年后，输者成为了赢者。同时在样本中剔除1月份的收益使得随后输者资产实现过度业绩的程度显著降低了，表现为 项的显著性有所降低。因此，仅有部分过度反应的现象发生在1月份。 表2-1：英国股票是否有过度反映效应的一元回归检验结果 A组: 所有月份 n=12 n=24 n=36 输者的收益 0.0033 0.0011 0.0129 赢者的收益 0.0036 -0.0003 0.0115 隐含的年收益差 -0.37% 1.68% 1.56% 回归方程系数 -0.00031 0.0014** 0.0013 (0.29) (2.01) (1.55) 回归方程系数 -0.00034 0.00147** 0.0013* (-0.30) (2.01) (1.41) 回归方程系数 -0.022 0.01 -0.0025 (-0.25) -0.21 (-0.06) B组：除去1月份的所有月 份回归方程系数 -0.0007 0.0012* 0.0009 (-0.72) (1.63) (1.05) 括号内是t值，“*”和“**”分别表示在10％和5％的水平下显著 第二节 多元线性回归及其应用 一、多元线性回归模型 在上一节中我们讨论了一元线性回归模型，然而现实经济中的各变量之间的相互关系是错综复杂的，往往一个经济指标都会受到很多其他经济因素的影响，如果想要通过数量模型来描述这一影响关系的话，这就要求我们在一元线性回归模型的基础上引入多元线性回归模型。 例如，股票收益可能依赖于： 通货膨胀，工业生产，能源价格，违约风险 在实际问题中，影响被解释变量的因素往往不止一个。这时要用到多元线性回归，其具有 个回归变量（独立变量）的一般式为： (2.4) 其中， 是一组影响 的解释变量，共(k-1)个； 是回归系数，用于测定每一个解释变量对 所产生的影响程度。 模型(2.4)也可以具体表示成如下形式： 记 则上面方程组的矩阵形式为 二、模型假定 与一元回归模型一样，为了保证所分析的变量关系符合多元线性回归分析的基本规定以及回归分析的有效性和性质，同时也为了检验参数性质的需要，通常我们需要对于模型(2.4)提出若干假定： (1)每组观察值的误差项均为零均值，即 (2)所有观察的误差项具有相同的方差，即 (3)误差项服从正态分布，即 (4)不同观察值的误差项不相关，即对 (5) 不是随机变量，并且在两个或多个解释变量之间 不存在线性关系. 使用矩阵的语言来表示的话，上述假设