图解10大学习模型 | 高手与顶尖高手的差异
我的图书馆
图解10大学习模型 | 高手与顶尖高手的差异
在知识更新速度几何倍增的时代，如何高效地学习将是职场中每个人必备的能力，而从培训的角度去看，培训学员如何学习将比培训学员如何工作更重要，因此南哥汇总及原创了10大学习模型，以辅助我们学习效率的提升。01遗忘曲线模型我们从外界所获得的信息多数储存在大脑的“临时仓库”中，因此多数知识、思考的结论及他人的反馈随着时间的推移而被遗忘，这就是你会觉得，有的人“屡教不改”的罪魁祸首，南哥最深刻的体验是有些3年前自己写的文章内容，都不能完全的记起来，所以你高效学习必须了解遗忘曲线的规律。基于这个原理，我们在学习的时候，间隔一段时间去重新复习和梳理一下知识内容是一个非常有效记忆的策略，我们要有节奏的去复习巩固对我们有价值的知识，如果你觉得《培训经理指南》的文章有价值，你可以先收藏，然后经常上来复读一下这些文章将有助于你对知识形成长期的记忆。02 学习金字塔学习金字塔是来自于美国加州国家实验室研究的结论，学习金字塔的价值与意义是告诉你主要的7种学习策略以及每种学习策略的知识保存率。从模型来看：讨论、实践、教授他人的三种主动学习的策略其内容的保存率最高，所以当你接受挑战的时候，有机会做内部讲师与教练的时候，请珍惜吧，这是自己最好的成长契机。03 学习成长曲线学习成长曲线其实是关于学习能力提升的研究，曲线告诉你我们每个人越学越聪明，所以如果你有读书的习惯，千万不要把这个习惯丢掉；如果你还没有建立学习与读书的习惯，赶紧培养这个能力吧！期待你能够快速地进入学习的高原反应区。04 学习心智曲线在学习的过程中，我们碰到的最大问题就是“浮躁”深入不下去，因此在学习能力提高的路上，训练自己心静如水的态度是非常重要的，人的大脑像一杯浊水，只有你静下来了，杂念才能沉到杯底，你才会心如明镜地洞察事物的本质。那么如何才能做到心静如水呢？南哥觉得以下的几点对于“静心读书”是非常有帮助的：找一个恰当的环境有充足的时间学会克制，认真地读每一个书籍或学习材料放下对物质的贪欲日常打打坐，练习一下瑜伽学习一些心理学的基础知识关闭朋友圈1个星期禅修05 深度学习模型很多人以为看过书或者听过喜马拉雅就以为自己在学习了，这是掩耳盗铃般的自欺欺人，因为从学习心理学的角度来讲，你还没有开始学习呢！因为你大概在记忆与理解之间徘徊，根本谈不上学习。06 刻意练习模型对于手艺人这是一个最重要的模型，也是区分高手与顶级高手差别的最大的地方，关于刻意练习有这样的一个真实的例，斯坦福大学的达蒙一次在深夜的凌晨3点，看到大雨操场的泰格在重复地练习一个挥杆的动作，好奇地问他这是为什么？泰格回答说：“我所在北加尼福亚洲不怎么下雨”，这样的真实的练习机会很少。后来佛罗里达州立大学心理学教授K.安德斯.埃里克森提出了10000小时理论，所以不管是演讲技巧、授课技巧、写作技巧，职场上大多数高超的技能都可以通过刻意练习而获得，在这里南哥强调的是“刻意”两个字。南哥，为什么我开了20年的的士司机也没有成为赛车手呢？这10000小时理论分明是忽悠人的！这是一个很好的问题，因为在10000小时理论的背后你还需要知道“反馈机制模型”。07 反馈机制模型对于聪明的学习者他们的一个诀窍就是在每次练习之后都会通过发现微妙的差距而改变自己的动作或者技能，透过这些持续的修正让技能达到最高的境界。这里的反馈包括了自我反馈及他人反馈两种，在他人反馈方面南哥想强调的是我们要有开放的心态，对于他人的意见有则改之无则加勉；自我反馈是一种自我复盘与分析的逻辑，这两者都非常重要。08 碎片学习模型不是碎片学习让你变笨，而是你不会进行碎片学习，南哥觉得高效的碎片学习模式应该是有意识的以问题导向地学习与搜索，如下图：在这个过程中，问题的搜集技术非常重要，问题收集后的归类删减更重要，所以在平时阅读的时候，南哥建议你用“搜索”主题的方式在微信朋友圈中进行高质量的碎片学习，而不是被什么“罗尔”的这样一些以获取阅读及广告为主的被段子手“标题”后的知识所占用大量的宝贵时间。09 知识内化模型学习的核心在于对知识的内化，在对学习规律的实践上发现，在这个内化过程中有几点非常重要：善用知识管理工具（APP）进行知识分类管理与储存，在这个过程找到靠谱的云盘储存你的知识比固体硬盘可能更有效；真正地消化吸收知识：这里有两种模式同化及顺应，关于这两个词汇可以参考南哥的文章《》，里边有详细的解释，在这里就不做过多的描述；基于场景的知识调取能力非常重要；将知识进行流程化与结构化非常重要；10 深度阅读模型很多人读书就是看一下，然后做一下重点标记，这是一种低效的阅读策略，南哥在读书的时候经常会有这三个典型的动作：阅读与标记；过一段时间对上述内容进行思考：作者的思考结构是什么？这些知识在哪些场景下可以用？用的策略是什么，并把这些启发记在笔记本上。
TA的最新馆藏
喜欢该文的人也喜欢您的位置： →
第一篇:模型王中昭制作
一、VAR模型 二、实例分析 三、VECM模型
王中昭制作
一、VAR模型
西姆斯(Sims)1970年提出了VAR（Vector Autoregressive）模型（向量自回归模型）。在VAR 模型中，没有内生变量和外生变量之分，而是所有 的变量都被看作内生变量，初始对模型系数不施加 任何约束，即每个方程都有相同的解释变量――所 有被解释变量若干期的滞后值。? VAR模型在涉及到多变量并且有相互制约和影响的 经济分析中都是一个强有力的分析工具，特别是在 联立方程的预测能力受到质疑的时候，这种模型的 提出在预测方面和脉冲响应分析方面均显示出较大 的优势。
王中昭制作
（一）、VAR模型的形式
? 在一个含有n个方程（即n个被解释变量）的VAR 模型中，每个被解释变量都对自身以及其它被解 释变量的若干期滞后值回归，若令滞后阶数为k， 则VAR模型的一般形式可用下式表示：
Zt ? ? AiZt ? i ? Vt
其中，Zt 表示由第t期观测值构成的n维列向量，Ai Vt 是由随机误差项构成的n维列向量， 为系数矩阵， 其中随机误差项 （i=1,2,…n ）为白噪声过程。vi
王中昭制作
?为便于直观理解，假定n=2,k=2,则VAR模型可写 成：
Y1t ? ? 10 ? ? 11Y1,t-1 ? ?12Y1,t-2 ? ?11Y2,t-1 ? ?12 Y2,t-2 +v1t
? ? ? ? ? ? ? ?
Y2t ? ? 20 ? ? 21Y2,t-1 ? ? 22Y2,t-2 ? ? 21Y1,t-1 ? ? 22 Y1,t-2 +v2t 即被解释变量分别对自身以及对方的2阶滞后值回归。模型的特点1、每个变量Yt都是内生变量。2、方程等号右边的解释变量都是滞后变量。3、每个方程的解释变量都相同。4、Yt的动态结构由它的k阶滞后就可以刻划出来，K 期之前的变量对Yt无影响。5、随机误差项是白噪声过程。VAR模型是由内生变量的动态结构来描述的，不需 要关于变量之间的相互关系的先验理论假设。
王中昭制作
（二）、VAR模型的识别、估计和预测
1、VAR模型的识别（滞后期的确定） 前面提到，建立VAR模型的一个难点就是 确定滞后项数。通常理论知识给出滞后项 数的一个大致范围，例如货币政策的时滞 一般为6-12个月，因此若应用VAR模型对 货币政策效应进行分析时，如果是月度数 据我们就可以确定滞后阶数应小于12。如 果要具体得确定滞后项数，就需要用到其 它的一些方法，下面我们将介绍其中的几 种方法：
王中昭制作
2、VAR模型的识别
常用方法有似然比方法和信息准则法。下面只介绍信息 准则法。2k? ? ? Akaike 信息准则：AIC= log ? ? T
k? ? ? Schwartz 信息准则SC= log ? ? T log T
? ? 其中，? 代表由估计残差的方差和协方差组成的矩阵 的行列式，T代表样本容量， k ? 表示的是所有方程中回 归项的个数（包括常数项）。例如，对于一个含有a个 方程，滞后项数为b的VAR模型， k?=a 2 b ? a 。
检验的方法是主观地定出滞后期上限Q，对滞后长度b=1,2,…,Q， 分别求出AIC和SC，则对应的AIC和SC的同时最小值（不是取绝对 值）即为滞后期b（以模型总的AIC和SC为判断标准，不是以单个 方程的AIC和SC），可以进一步结合模型统计检验来确定b。此法 有一定的主观性。
王中昭制作
利用实例（al3.wf1)数据各种滞后 期的AIC和SC值。
1 39.59 2 39.42 3 39.13 4 38.95 5 38.58 6 38.09
滞后期 类型
综合两种检验结果还是滞后期为3合适。为了更准确地判断其滞后期，再看其它的检 验方法。
王中昭制作
关于其它识别方法：
? Eviews5.1版本结出了5个评价标准的结果(见下页解释)。例如利用实例的文件aL3得（在VAR模型估计结果窗 口中点view再选取lag structure , lag length Criteria得 到），根据金融理论，货币效应时滞在一年左右，所 以选择最大4阶,也可以结合模型检验来确定。在五个评价指标中有4个认为滞后 期应为3，见系统自动标出的结果， 即*号处。
王中昭制作
五个检验指标：LR检验统计量，PRE最终预测误差，AIC 信息准则，SC信息准则，HQ信息准则。这五个检验可以归为三 类。? 1、 LR检验统计量，似然比（Likelihood Ratio,LR)检验涉及两 类模型，无约束模型（没有任何限制的模型）和约束模型（指在 零假设约束条件下的模型），似然比统计量是指无约束模型和有 约束模型的最大似然值之差的2倍，即：LR=2(Lu-Lr)～χ2(k)。如 果无约束模型和约束模型的残差的最大似然之差越大，就越有证 据证明约束模型不可靠。? 2、 PRE最终预测误差，它是使把FPE(n)=σ2n(T+n)/(T-n)的最小 值的n作为VAR模型的最佳阶数。σ2n为滞后n期时残差的方差估 计，T为样本个数。它是优点是平衡了选择低阶数造成偏离性的 风险和选择高滞后阶数造成方差增长的风险。? 3、信息准则，包括SC、AIC和HQ。如果滞后期越长，则要估 计参数就越多，自由度就越少。因此信息准则就是寻求滞后期与 自由度之间的一种均衡。一般根据SC、AIC和HQ的信息量取值 最小的准则确定模型的阶数。
3、平稳性检验
王中昭制作
? VAR模型也可以作序列平稳性检验的，可以用单位根 方法进行检验。在VAR模型的输出窗口中，通过 View→Lag Structure→AR Roots Table 或者AR Roots Graph分别得到VAR模型特征方程的根的倒数值的表和 图。例如在案例4中，得到如下图如果全部特征根的 倒数值都在单位园 内，则VAR模型是 稳定的，否则不稳 定，不稳定不可以 作脉冲响应函数分 析。这表明本例的 VAR模型是稳定的
王中昭制作
4、VAR模型的估计
? 前面我们提到，如果VAR模型中变量是平稳 的，并且方程右边包含相同的解释变量，随机误 差项满足基本假定，则我们可以分别应用普通最 小二乘法对单个方程予以估计，所得到的估计值 是一致的、渐进有效的。当上述条件不满足时， 我们需要用到估计联立方程模型的其它方法。? 由于所用到的数学知识已经超出了本书的范围， 并且在Eviews软件中可以方便的实现对VAR模型 的估计，在此我们不再多做介绍。
王中昭制作
? 一个较小的VAR模型产生的预测 结果甚至要好于一个大的联立方程模 型产生的预测结果，因此VAR模型的 一个主要作用就是预测。
王中昭制作
（三）、脉冲响应函数
假设系统处于均衡状态，如果由于某种原因，破 坏了均衡，系统对该干扰作出反映，偏离均衡然后恢 复均衡，这个过程用脉冲响应函数来描述。? 脉冲响应函数是度量来自于每个方程的随机误差项 的一个标准差新信息（见新信息解释）冲击时被解释 变量的响应程度和持续时间。例如假定某个方程的随 机误差项在第t期发生突变，而后各期重新恢复平静， 这时脉冲响应测量表示的是各期（t,t+1,t+2…）的被 解释变量对该冲击的反应。例如VAR(1)：Yt=c+θYt1+et,则
? y1t ? 其中Yt ? ? ?y ? ?, 则Yt ? c ? ? (c ? ?Yt ? 2 ? et ?1 ) ? et ? 2t ? Yt ? c ? ?c ? ? 2Yt ? 2 ? ?et ?1 ? et ? c ? ?c ? ? 2 c ? ? 3Yt ?3 ? ? 2 et ? 2 ? ?et ?1 ? et ...... Yt ? ? ? ? ? i et ?i
王中昭制作
? e1t ? 由于et ? ? ?e ? ?, e1t 是只影响y1t 而不影响y 2t的新信息， ? 2t ? e2t 是只影响y 2t 而不影响y1t的新信息。
? 为了保证这样的不相关性，需要对脉冲响应函数 进行调整，利用Choleski分解可以把协方差阵变 为对角矩阵，这时的脉冲响应函数称为正交脉冲 响应函数。? 通过测量脉冲响应，我们能够清楚地看到随机误 差项的一个标准差新信息在某一时期的冲击对未 来各期被解释变量的影响。同时脉冲响应表明了 各个变量对该变量冲击的传导作用。（其原理 参看潘红宇《时间序列分析》，对外经贸大学出 版社，P204）。
王中昭制作
? 广义脉冲响应函数(Generalized Impulse)是Pesaran 和shin在1998年提出的。? Pesaran 和Shin 证明? 1、广义脉冲响应是唯一的，即消除了变量的顺序 会影响脉冲响应结果的问题。并且考虑了观测到的 不同形式冲击和它们之间的相关性。? 2、Pesaran 和Shin 还进一步证明了正交分解的脉 冲响应是广义脉冲分解的特殊形式。当协方差矩阵 是对角阵时，二者是一致的。? 3、它还可以应用于非线性多变量模型中，因为它 不考虑冲击的范围、符号和历史。? 因此,利用广义脉冲响应函数得到的结果更具稳定性 和说服力。
王中昭制作
新信息(Innovation)
? ? 定义：如果对所有t随机过程｛vt ｝满足? E(vt)=0, E(vtv’t)=σ2, 有界， ? E(vt │Xt-1)=0, 即vt与以前的Xt无关，则称vt是相对 于｛Xt-1 ｝的新信息过程。? 新信息过程一定是白噪声过程，反之不一定。新信息过程总是相对的，是相对于某个特定信息集， 对其它信息集不一定是新信息过程。
王中昭制作
（四）方差分解
? 方差分解( variance decomposition) 表示的是 当系统的某个变量受到一个标准差冲击以后, 以一个变量的预测误差方差百分比的形式反 映变量之间的交互作用。? 即方差分解就是对于内生变量的预测误差的 方差进行分解，判断其方差的来源，或者了 解某个特定随机新信息所引起的方差占总方 差的比重。可以进行看出内生变量的变动主 要由哪里变量所导致的。说明其它变量对该 变量的变动有没有预测作用。? 见下面实例。
王中昭制作
(五). 结构VAR模型和缩减型的VAR模型
结构型VAR模型，即SVAR模型。此模型是在滞后相关关 系基础上加入变量之间的同期相关关系形式。用来关注当期 外生变量的影响。SVAR在处理随机冲击同期相关时，可以对 时间序列的关系予以限制，因此可以得到唯一方差分解及脉 冲反应函数。缩减型的VAR模型。估计方式见例题。
结构式的VAR模型 S ? Yt ? c ? ? ? iYt ?i ? R ? X t ? ?t ,
其中Y，， 分别为内生变量和外生变量所构成的列向量 缩减型的VAR模型Yt ? c ? ? AiYt ?i ? B ? X t ? ut ,
A ? S ?1? , B ? S ?1 R
王中昭制作
（六）. 实例分析 利用VAR模型对我国货币政策 的有效性进行检验。
? 1、数据来源? 取我国狭义货币供应量 M1 ，商品零售物价指 数 CPI （ 1994 年 1 季度为 100 ），以及代表产出 水平的国内生产总值GDP的季度数据，时间为 1994 年 第 一 季 度 到 2004 年 第 二 季 度 。文 件 aL3.wf1
王中昭制作
2、建模。在选择滞后项时，应用信息准则，根据金融理论， 货币效应时滞在一年左右，所以我们选择最大 4阶。
滞后期 AIC SC b=1 39.56 40.1 b=2 39.43 40.31 b=3 b=4 39.14 38.95 40.42 40.63
根据AIC信息准则，我们应选择滞后项为4，根据SC 信息准则，我们应选择滞后项为2或3，考虑到3阶后 AIC值下降较缓，以及结合模型的R2和Determinant Residual Covariance的值，最后选择滞后项为3。或者 由Eviews5.1可得到（在VAR模型估计结果窗口中点 view再选取lag structure , lag length Criteria)：
王中昭制作
? 在五个评价指标中有4个认为滞后期应为 3（见系统自动标出的结果，即*号处）。
? 本例选择结果如下：
王中昭制作
设置滞后期， 必须配对出现， 例如，1 2 5 8 则每个方程所 包含的变量的 滞后期均为yt-1, yt-2, yt-5, yt这里是输入外生变量，例如如果需要常 , y y , 6 t-7 t-8 数项，则输入c，如果需要加上时间趋 势项则输入t（t要预先输入）。如果想 构建缩减型的VAR模型及其VECM模 型则需在此输入外生变量。
王中昭制作
变量下面第1和2括号值分别标准差和T统计量，在同一变量不同的滞后项， 有的是显著的，有的是不显著的，有的符号与经济理论不相符，验证了我们 所说的VAR模型是缺乏理论依据的。首先，对于物价CPI,上一季度的货币供应量对其的影响是显著的，并且系 数为正，与理论相符，说明货币供应量的增加将使物价水平上升，而上第二 个季度M1的对CPI的影响是负的，而且更显著，正负交叉影响表现出M1和 CPI相互关系的特征。
王中昭制作
? 其次，对于货币供应量来说，上一季度的GDP对其影响不显著， 说明货币供应量不受上期的产出但受物价水平的影响显著。但 上第2季度的GDP对M1产生显著负影响。? 再次，对于GDP,上期的货币供应量对其是显著正影响。这从一 个侧面验证了前几年我国实施的稳健的货币政策效果是有效的， 而上期物价水平则对产出是不显著负影响。
王中昭制作
3. 缩减型的VAR模型：加上同期外生变量gdp2，
同时下面也加上了趋势项t。
王中昭制作
结果如下：
王中昭制作
? 4. 为了保证序列的平稳性，也可先对所有的数 据进行处理再建立VAR模型，如取它们的自然 对数。用genr功能。
Lgdp=log(gdp),Lcpi=log(cpi),Lm1=log(m1)。
? 然后分别对Lgdp,Lcpi,Lm1三变量建立VAR模 型。或者直接用log(gdp),log(cpi),log(m1)建立VAR
王中昭制作
? 5. 预测。点make model后得到：
? 点Solve得到如下对话框，基本选择有5项：
在模拟种类 中有2项， 第1为确定 性，第2为 随机性。
在动态方法中有动 态求解等项。在静 态条件下，滞后期 是用实际值，而在 动态情况下，滞后 期用拟合值
王中昭制作
在Solution scenarios & output(输出结果保 存的序列名），求解 得到的序列名是采用 原序列加上后缀的方 式命名，例如如果选 择baseline，则GDP的 预测值放在GDP_0。
此时必须勾上下面的选 择才有效。
注意：上述两对话框 都不能选择Actual(实 际值），否则计算不 出预测值。
在备份序列名，以免在用不 同模型进行预测时，冲掉了 上一次的预测值。例如如果 选择了scenarios 1，则预测值 放在GDP_1中。
王中昭制作
在工作文件窗口 中cpi和cpi_0分别 为原始数据及拟 合值，其它同理。可以用Genr命令 求出每个变量的 残差。
王中昭制作
Baseline为预测值（拟合值）
王中昭制作
6、脉冲响应 ? 脉冲响应函数是度量来自于每个方程的随 机误差项的一个标准差新息冲击时被解释 变量的响应程度和持续时间。? 通过测量脉冲响应，我们能够清楚地 看到随机误差项的一个标准差新信息在某 一时期的冲击对未来各期被解释变量的传 导作用。? 在方程的输出窗口中点view→impulse Response得到：
王中昭制作
? 在弹出对话框中：显示格式选择：表、每个脉冲响应函 数图、合成图（来自于同一变量冲击的脉冲响应函数图 合并显示） 。左边两个框：从上到下：第一个为输入 要冲击的变量。第二输入欲要计算脉冲响应的变量名。第三为是计算的期数。还有是否计算累计反映。? 右边图：关于计算脉冲响应函数标准差的方法：乔利期 基(cholesky)分解和广义脉冲响应等。右边为输入VAR 模型出现的变量顺序，变量的顺序会对结果产生影响。
王中昭制作
积累反应， 一般不选取
注意：虽然乔利期基(cholesky)分解被广泛应用，但是方程的顺序 将会强烈地影响脉冲响应。因为如果新信息是相关的话，它们将 包含一个不与某特定变量相联系的共同成分。通常将共同成分的 效应归属于VAR系统中第一个出现的变量（依照方程顺序），即 Cpi、m1、gdp的方程对应的μ1t, μ2t, μ3t的共同成分都归到μ1t,， 因此方程的顺序（即变量顺序）会影响脉冲响应的结果。因此一 般选择广义脉冲响应。
王中昭制作
脉冲响应函数图的解释
? 有两种作图方式：单个响应图（Multiple Graphs和 多个响应合成图(Combined Graphs)。? 在脉冲响应单个函数图中, 横轴表示冲击作用滞后期 数, 纵轴分别表示反映变量的增长率(如果勾上 Accumulated Responses,则纵轴表示增长率的累计 值), 实线表示脉冲响应函数, 代表该变量受到其它变 量的随机误差项一个标准差的冲击后，该变量现在 和未来的反应程度和持续时间。虚线表示正负两倍 标准差偏离带。
王中昭制作
脉冲响应函数的数值表
? 此表反应的是某变 量对各个变量（含 本身）冲击时响应 程度的数值大小， 非增长率。括号内 为T统计量。
王中昭制作
M1对M1的一个标准差冲击，一 开始反应敏感，在第一期达到最 高值，随后迅速下降到最低点， 然后缓慢上升保持不变在10期内 都是正的。M1(外界对m1的干扰)对gdp的 一个标准差冲击的反应比较弱， 几乎在所0左右波。说明货币流 通量对经济的冲击较弱。M1对Cpi的一个标准差冲击的反 应敏感，在第一期达到最低值， 然后趋于平稳，同时表明M1对 CPI的传导作用始终为负。GDP对Cpi、GDP、m1的一个 标准差冲击的反应的脉冲响应 函数图。分析略。
王中昭制作
Cpi分别对cpi、GDP、 m1的一个标准差冲击的 反应的脉冲响应函数图。自己作分析。
? 根据上面的脉冲响应函数图，可以详 细分析各个变量对另一些变量冲击的 持续效应和持续时间。
王中昭制作
对于单个脉冲响应图，Eviews 给出一个±2S.E的置信区间
王中昭制作
这是选择顺序为 m1,gdp,cpi，其结果 和前面的结果有一定 的差异，见右图。
王中昭制作
广义脉冲响应
? 广义脉冲响应函数(Generalized Impulse)是Pesaran和 shin在1998年提出的。? Pesaran 和Shin 证明? 1、广义脉冲响应是唯一的，即消除了变量的顺序会 影响脉冲响应结果的问题。并且考虑了观测到的不同 形式冲击和它们之间的相关性。? 2、Pesaran 和Shin 还进一步证明了正交分解的脉冲响 应是广义脉冲分解的特殊形式。当协方差矩阵是对角 阵时，二者是一致的。? 3、它可应用于非线性多变量模型中，因为它不考虑 冲击的范围、符号和历史。? 因此,利用广义脉冲响应函数得到的结果更具稳定性和 说服力。? 广义脉冲响应的计算如下：
王中昭制作
选择此项，则右边就 不会存在变量顺序选 择问题。
广义脉冲响应
王中昭制作
王中昭制作
? 通过方差分解可以了解到各个变量的冲击能解释某个变 量的份额以及各个变量有没有预测作用,因为方差S.E的 变动代表着该变量的变动规律。在模型的输出窗口中选 取View→varance decomposition到方差分解。注意方差 也与变量的顺序有关。
7、方差分解
王中昭制作
这图是显示cpi的方差分解， 显示gdp的冲击从长期来看 能解释cpi的4%左右，而 m1也是能解释4%左右。两 者相差不大。
这图是显示M1的方差分解， 显示cpi的冲击从弱到强，长 期来看能解释m1的40%-48%， 而gdp能解释约6%左右。CPI 对M1的冲击是明显的。同时 表明CPI对M1变动的预测作 用约41.3%.
王中昭制作
这图是GDP的方差 分解，显示cpi的冲 击基本上能解释gdp 的22%左右。而M1 冲击从弱到强，平 均能解释25%左右。
王中昭制作
三、VECM模型
? VECM模型是VAR模型的进一步延伸。? 如果VAR模型是协整的，则可以构建VAR 的误差修正模型――VECM模型。? 步骤：第一、通过VAR模型确定模型的滞 后期。第二、确定协整方程，由于VAR模 型是多个变量，变量间可能存在多个协整 关系，因此用EG两步法来确定协整方程是 不完整的，可用Johansen 协整检验来确定。第三、进行稳定性检验。第四、求脉冲响 应函数和方差分解。
下面用案列来说明此方法的计算过程
王中昭制作
? 我国房地产相关数据，以季度作为计量单位， 房地产销售累计面积（万平方米）Mz，资金 来源非自筹（亿元）Cap ，本期加权平均利 率i（银行间市场加权平均的7天拆借利率 ） ， 从1999年第1季度到2010年第4季度，数据来 自中宏数据库，中国产业分析平台、CCER 数据库，并经过整理得到。? 数据文件为：房地产相关数据.wf1，
王中昭制作
第一步：确定VECM方程中变量的滞后期
? 一般地，可以用VAR模型回归结果的滞后 期，最大滞后期一般选取4。因此最后本例 选滞后期为4。结果如下， ? 注意滞后期的确定影响协整结果!
王中昭制作
第二步：确定协整方程 （采用Johansen 协整检验）
EG两步法的缺陷是:在小样本下,参数估计的误差 较大,并且当变量超过两个以上时，变量间可能存 在多个协整关系，此方法无法找到所有可能的协整 向量，其分析结果不容易解释，所以EG两步法主 要适用于包括两个变量即存在单一协整关系的系统。? 针对EG两步法的缺陷， Johansen（1988）提出 极大似然估计法（MLE），以检验多变量之间的 协整关系， Johansen检验的基本思想是基于VAR 模型将一个求极大似然函数的问题转化为一个求特 征根和对应的特征向量的问题，以此判断协整关系 是否存在以及协整关系的个数， Johansen检验可 用于检验多个变量的协整性，同时求出它们之间的 若干协整关系。
王中昭制作
? 注意输入 的变量顺 序（cap I mz)会影 响协整方 程的变量 形式，但 不会影响 所确定的 协整方程 个数。
? 此检验有五个备选项? 1）假设序列无均值、无趋势项。并且协整方程中无常数项、无趋势项。王中昭制作 ? 2）假设序列无均值、无趋势项。并且协整方程中有常数项、无趋势项。? 3）假设序列有线性趋势项。并且协整方程中有常数项、无趋势项。? 4）假设序列有线性趋势项。并且协整方程中有常数项、有线性趋势项。? 5）假设序列有二次趋势项。并且协整方程中有常数项、有线性趋势项。
外生变量输入
显著性水平输入
王中昭制作
? ? ? ? ? ?
一般的选择方法是：选项1和5较少用， 只有当所有序列均值都为0时，才适用选1。当所有序列都不含趋势时，适用选项2。当序列含有趋势，并且趋势为随机时，适用选项3。当序列含有趋势，并且某些序列趋势为平稳时，适用选项4。根据本例情况，采用选项3。
结果如右图，在5%显著性水平下, 王中昭制作 从迹统计量(trace statistic)看， ? 第一：针对没有协整的原假设，结论 是:拒绝原假设,有协整关系；(因为 32.7) ? 第二，针对至多有一个协整关系的原 假设，结果是：接受至多存在1个协整 关系； ? 第三，针对至多有二个协整关系的原 假设，接受至多存在2个协整关系。? 从最大特征值看不存在协整关系。? 一般以迹统计量为判断标准。? 检验下半部分（见下页）给出了一 个、二个协整关系的各类协整方程。? 注意? 1、在不同的原假设下，得到不同的结 论。2、协整关系是表示若干个变量的 协整，并非都是指所有变量之间的协 整关系。? 3、协整方程以某个变量为基准，这里 以cap为基准。cap,I,mz的顺序会影响 协整方程中的变量结构，但不会影响 存在协整方程的个数。
王中昭制作
结构式的VAR模型(加上同期的外生变量X)Yt ? c ? ? BiYt ?i ? P ? X t ? m ? t ? ut ,
其中X 为外生变量, t为时间趋势项.
则相应的VECM模型为 ?Yt ? c ? ? Gi ?Yt ?i ? P ? X t ? m ? t ? ut ,
其中P ? A * B?, B?表示r个协整向量构成的矩阵,A为相应的权重矩阵.
Johansen 检验的依据rank(A*B') 如果 rank(A*B') = r, 表明存在 r 个协整关系. rank 决定于矩阵 A*B' 中非零特征根的个数
王中昭制作
由于是用MLE法估计，因 此似然函数值越大越好。
? 第一部分为存在一个协 整关系的协整方程，给 出的是协整向量，写成 方程要变负号Capt=307.866It +0.101095Mzt +1321.24(常数在这里没 有显示，可以VAR模型 中限定1个协整方程时可 显示出来，见下页）。
存在2个协整关系时的协整方程和 误差项调整系数。最后模型需确 定选取1个协整关系还是多个协整 关系，从似然函数值看选取1个协 整关系要比2个协整关系好一些。然而再计算出结果。还要注意不 同的变量顺序其协整方程不同。
1个协整关系时的误差项 调整系数。即分别对应 于CAP，I和MZ的三个 方程的误差项滞后1期的 系数。
王中昭制作
? 如果选择1个 协整关系。? 在VAR估计 窗口中选择 VEC模型， 选择过程如 右边几个窗 口。
此处是选择协整模型中 变量的限制，不是短期 调整模型中的变量限制， 一般不选。选择1个协整关系
王中昭制作
? 结果如图，后半部分未 列出。Error Correction 栏中的CointEq1为ut-1的 系数。? 调整系数的解释? 0.368465表示当自筹资金 cap比协整均衡水平高时， 则下一期的自筹资金往 高的方向调整。同时8.94E-05表示当加权平均 利率i比均衡水平高时， 下一期加权平均利率往 低的方向调整，但调整 系数非常微小；当房地 产销售累计面积MZ高于 均衡水平时，下一期MZ 往高方向调整。
园括号和中 括号分别为 标准差和t统 计量。
王中昭制作
? 如果选择2个协整关系，结果 如右图。? Error Correction栏中的 CointEq1 CointEq1分别为协 整方程（CAP）和I的ut-1的系 数。? 调整系数的解释? 0.142表示当自筹资金cap比协 整方程CAP的均衡水平高时， 则下一期的自筹资金往高的方 向调整。同时-762.8149表示当 自筹资金cap比协整方程I的均 衡水平高时，下一期CAP往低 的方向调整。? 其它解释同理。
王中昭制作
? 第三、进行稳定性检验
1个协整关 系
选取1个协整 关系和2个协 整关系的平稳 性检验如右图。
基本上没有什 么区别，而且 都显示出不稳 定。从似然函 数值看1个协 整关系要好一 些。
2个协整关 系
? 第四、求脉冲响应函数和方差分解。
王中昭制作
这里是选 择1个协 整关系的 脉冲响应 函数图 （选择广 义脉冲响 应）
王中昭制作
? 方差分解结果其 中一部分。
王中昭制作
? 另外还可以在VECM 模型中的短期调整方 程中分别加入时间趋 势项t。做法如下? 在外生变量Exogenous variables栏中加入时间 变量t，t要预先输入。? 可以进行加入前后的 拟合效果对比。除了 第一个方程外，其它 方程的T统计量还是比 较显著的。
王中昭制作
本章介绍了VAR和VECM模型，还有许多 VAR的拓展模型。? 面板数据的VAR模型（以后有时间用stata 讲）。
第一篇:模型很多个 3D 模型下载站
/2001/ /asp/default.asp / http://3dmodelworld.com/ / / / / / /homet.htm http://gasa.dcea.fct.unl.pt/carita/models.html http://membres.lycos.fr/albertp6m/ / http://3dup.com/ / /free/free.html / / / / http://bergdesign.com/portfolio/ http://jlejolly.free.fr/cephalene/cadre1_eng.htm /opening.html /us/pages/frameset.htm / /HTM/HomeSet1.htm /
/ / /main/index.php / http://store.yahoo.com/forwarddesign/ /elias_t/index.html / /gbc-j.html http://hawk3d.de/ http://help3d.com/ /midima/ffeng001.html / http://members.fortunecit......agon/jeweldragonsgallery/ / / http://perso.wanadoo.fr/kalat/ http://lonewolf.tierranet.com/ http://geocities.com/lynnart_2000/index.html http://maxoncomputer.com/models/model_index.html /free.html /jrcejaspulido2/brycmods.htm /index.html http://www3.mistral.co.uk/nigelpickering/ / http://fraktali.849pm.com/photolinks.html / /~rbarber/ / / / / http://sams3d.com/ /en/index.htm http://trekmeshes.starfleet.ch/ http://stevesartgallery.bryce-alive.net/lobby.html /models.asp /main.html / / / .au/ / /html/freemodels_index.html / http://o.ffrench.free.fr/ http://windsorgraphics3d.com/Index.html / / http://www5b.biglobe.ne.jp/~YASUSI/ .cn/bbs/UPFILES/50.jpg target=_blank title= 开 新 窗 口 浏 览 &.cn/bbs/UPFILES/50.jpg border=0 onload=&javascript:if(this.width&screen.width-333)this.width=screen.width-333&& 飞机模型下载/asp/air_pic.asp (这地址上还有好多 MAX 的好多 PLUGINS 和教学哦...) 汽车模型下载/downasp/default.asp
/3dmodels/furniture3d.html /highmodels/1024/index.html 超 COOL 模型下载
这里我平时经常去的几个贴图网站 http://textures.forrest.cz/ /textures.asp /
第一篇:模型对可操控和不可操控的会计应计量信息反映的检验
虽然会计应计量和现金流量所带来的会计盈余的持久性具有显著的差异， 但是中国的股 票价格并没有能够有效地区分这种差异。本文将讨论导致这种持久性差异的原因以及这种差 异是否反映了会计盈余管理的行为。为此，将利用横截面数据，采用修正的 Jones 模型将会 计应计量分解为可操控的会计应计量和不可操控的会计应计量， 然后根据 Mishkin 理性预期 检验方法， 讨论中国股票市场是否充分反应了可操控和不可操控会计应计量的差异。此外本 文还将讨论不同的估计方法和预期收益率均衡模型是否会对估算可操控和不可操控会计应 计量产生显著的影响。
假设的提出
由于权责发生制和配比原则的要求， 致使会计盈余和现金流量 （在本文而言就是营业利 润和经营活动产生的净现金流量）之间产生了差异，也就是存在会计应计量。但影响会计应 计量的因素很多，如固定资产的折旧、无形资产的摊销、销售形成的应收账款、待摊费用、 采购形成的应付账款、 预提费用等等。有些账目如固定资产的折旧和无形资产的摊销以及符 合公司信用政策的应收账款等是公司持续经营的条件， 这些会计应计量的持续性比较强， 与 公司的营业利润的关系也比较密切， 不大容易被公司管理层操纵， 而有些项目如资产和债务 重组发生的费用和收益、 改变会计政策、 特殊补贴和带处理的损益等则比较容易受到公司管 理层的操纵， 持续性也比较弱。会计应计项目所具有的不同性质也正是应用各种识别可操控 和不可操控的会计应计量的方法和模型的前提条件。据此所要检验的第一个假设（H1）是根据识别和区分会计应计量的模型所获得的可操控和不可操控的会计应计量所产生的会计 盈余的持久性具有显著的不同， 不可操控的会计应计量产生的会计盈余比可操控的会计应计 量产生的会计盈余的持久性要强。若该假设成立， 会计应计量与现金流量之间的持久性的差 异可能主要归之于可操控的会计应计量。无论可操控的会计应计量和不可操控的会计应计量的持久性是否具有显著的差异， 上市 公司的股票价格是否理性或者说有效地反映了这两者对会计盈余的持久性都是一个需要再 讨论的问题。因为可操控和不可操控的会计应计量的持久性反映的是会计账目的性质的不 同， 而股票价格对持久性的预期反映的则是市场的有效性或理性， 市场是否有效也不能说明 会计账目的性质是否相同。根据 Mishkin 理性预期检验方法，所要检验的第二个假设（H2） 为上市公司的股票价格没有能够有效地反映可操控和不可操控的会计应计量持久性。由于 检验的性质的不同，对 H2 的检验不能代替对 H1 的检验。我们知道，如果市场没有能够有效 地或理性地反映这两种会计应计量的持久性， 不能正确估计这两种会计应计量的价格， 就可 以根据这两种会计应计量来构造投资组合，以观察能否获得超额收益率，因此，本文所要检 验的第三假设（H3）也就是组合对冲交易假设为：根据可操控或不可操控的会计应计量的 大小所构造的投资组合之间的对冲交易能够获得超额收益率， 持有可操控或不可操控的会计 应计量较低的投资组合， 而卖出可操控或不可操控的会计应计量较高的投资组合将可能获得 超额收益率。由于估计可操控和不可操控的会计应计量有多种方法， 本文也将讨论上述三个 假设检验结果相对于不同估计方法的敏感性。本文选择
和 2000 年末仅在中国 A 股市场上市，并扣除金融类和受到退市 影响的公司后的上市公司作为研究的样本。所使用的会计盈余、 现金流量和会计应计量也都 是按照平均资产规模标准化处理后的数据。
实证检验结果
一、可操控和不可操控会计应计量的估计 将总的会计应计量分解为可操控和不可操控的会计应计量的方法很多， 本文根据横截面
数据，采用修正的 Jones 模型作为分解总的会计应计量的方法，修正的 Jones 模型的关键点 是该模型修正了 Jones 模型认为管理层对于所有记录的销售收入都没有实施盈余管理的假 定， 而是认为由于应收账款净值的变化所带来的那部分销售收入受到了管理层盈余管理行为 的影响。具体而言估计的程序为， 首先在每个年度内按行业根据下式估计各个行业的模型参 数：
ACt ? a1 ? a2 (?REVt ) ? a3 (PPEt ) ? ?t
其中， ?REVt 表示当年的产品销售主营业务收入相对于上一年的变化额按照公司当年 的平均资产规模标准化后的值， PPEt 表示当年固定资产总值的平均值（年初固定资产总值 与年末固定资产总值的平均数） 按公司当年的平均资产规模标准化后的值。在估计出参数之 后，再按照（2）式计算出不可操控的会计应计量（NDA） ：
NDAt ? a1 (1/ At ?1 ) ? a2 (?REVt ? ?RECt ) ? a3 (PPEt ) （2）
其中， ?RECt 表示公司当年的应收账款净额相对于上一年的变化额按公司平均的资产规 模标准化后的值。最后按照（3）式可以计算出公司的可操控的会计应计量（DA） ：
DA t ? ACt ? NDAt
按照上述过程估计出的可操控和不可操控的会计应计量的描述性统计量如表 1 所示。表 1 主要变量的描述性统计量 均值 会计盈余 现金流量 会计应计量 不可操控的会计应计量 可操控的会计应计量 0.042 0.018 0.024 0.029 0.015 标准差 0.116 0.153 0.192 0.161 0.107 中位数 0.037 0.022 0.041 0.031 0.011 最大值 0.189 0.204 0.297 0.259 0.261 最小值 -0.253 -0.238 -0.287 -0.219 -0.193
会计应计量的均值为正数， 说明平均看来会计盈余量的数目大于现金流量， 这一点与国 外的类似研究的结果并不相同，如 Subramanyam（1996）和 Xie（2002）的研究都表明美国 上市公司的会计应计量为负值， 也就是说会计盈余小于现金流量， 他们认为这是因为在会计 盈余中扣除了折旧费用， 从而导致会计盈余小于现金流量。平均为正的会计应计量很有可能 是由于销售收入（或者主营业务收入）确认方法所导致的，即中国的上市公司可能广泛存在 通过销售收入（或主营业务收入）的确认而对会计盈余进行管理，其中应收账款又最有可能 用来对盈余进行管理的账目， 这也是采用修正的 Jones 模型估计可操控的会计应计量的原因， 在修正的 Jones 模型中，应收账款净值的变化所导致的会计应计量被作为可操控的会计应计 量来处理。因此在上表中也看到可操控的会计应计量的均值比较大， 与不可操控的会计应计 量较为接近，这是由于估计的方法所导致的。二、对第一个假设（H1）的检验 第一个假设（H1）讨论的是由可操控和不可操控的会计应计量带来的会计盈余的持久 性具有显著的差异， 由不可操控的会计应计量带来的会计盈余的持久性要强于由可操控的会 计应计量带来的会计盈余的持久性。显然， 要检验这个假设需要将会计应计量分解为可操控 和不可操控的会计应计量两个部分，即应该检验下式：
EAt ?1 ? b0 ? b1DAt ? b2 NDAt ? b3CSt ? ?t ?1
如果 b1&b2，也就是说可操控的会计应计量前的系数小于不可操控的会计应计量前的系 数， 则说明可操控的会计应计量带来的会计盈余的持久性要小于不可操控的会计应计量带来 的会计盈余。所使用的样本有两个，第一个样本是将全部的样本混合在一起进行估计，第二 个数据是将每年会计应计量最大和最小各 10 个样本从全部样本剔除后再进行估计，这样做 的原因是希望能够消除极端值或异常值对估计结果的影响， 通过对这两组结果的比较可以使 估计的结更为令人信服。其回归分析的结果如表 2 所示。表 2 可操控和不可操控会计应计量对会计盈余的影响差异的估计 b0 全部样本 估计值 t-值 b1=b 2 约束的 F-检验 b1=b3 约束的 F-检验 b2=b3 约束的 F-检验 剔除极端值后的样本 估计值 t-值 b1=b 2 约束的 F-检验 b1=b 3 约束的 F-检验 b2=b 3 约束的 F-检验
注：**表示在 0.01 的水平上显著。
b1 0.458 59.27**
b2 0.517 65.17**
b3 0.754 83.51**
0.011 14.58**
F=6.92 F=72.39** F=52.18** 0.016 19.79** 0.467 54.38** 0.525 57.19** 0.803 89.27**
F=5.89 F=69.72** F=54.68**
从表 2 可以看出，剔除会计应计量极端值后的样本与全体样本的回归分析结果基本一 致，并没有显著影响估计结果，变量前系数的估计值的符号和显著性都没有发生变化。上述 回归分析的一个重要结果是没有能够找到支持第一个假设也就是不可操控的会计应计量所 产生的会计盈余的持久性要高于可操控的会计应计量所产生的会计盈余的持久性的证据， 两 个样本的回归结果都不能拒绝 b1=b 2 的约束条件，也就是说只能接受两种会计应计量产生的 会计盈余的持久性没有显著差异的说法。但是， 两种会计应计量前的系数都与现金流量前的 系数存在显著的差异， 两种会计应计量所产生的会计盈余的持久性都与现金流量所产生的会 计盈余的持久性存在差异。可以认为可操控和不可操控的会计应计量共同导致了总的会计应 计量所产生的会计盈余的持久性要低于现金流量所产生的会计盈余的持久性的结果。三、对第二个假设（H2）的检验 关于股票市场对可操控和不可操控会计应计量的理性预期反映的检验仍然是借鉴 Mishkin 的方法，对（4）式的理性预期检验将是针对（5）式所描述的系统做估计：
EAt ?1 ? b0 ? b1DAt ? b2 NDAt ? b3CSt ? ? t ?1
* * Rt ?1 ? Em ( Rt ?1 | ?t ?1 ) ? ? ( EAt ?1 ? b0 ? b1* DAt ? b2 NDAt ? b3 CSt ) ? ? t ?1
估计出的参数 bi 可称之为盈余预测系数，bi*可称之为价格反映系数（Xie,2002） 。根据 Mishkin（1983） ，如果这两组系数没有显著的差异，就可以接受市场对于会计应计量和现金 流量所产生的会计盈余的持久性的预期是理性的说法。分两个阶段对（5）式进行估计，首 先是在不施加盈余预测系数与价格反映系数相等的约束条件下，联合估计（5）式得到 bi 和 bi*的值，然后在施加 bi=bi*的约束条件下再估计（5）式，有：
LR ? 2n ln(SSRc / SRRu ) ? ? 2 (q)
其中，q 表示有效市场约束条件的个数； n 表示观察值的数目； SSRc 表示受约束条件下估计的残差平方和； SSRu 表示不受约束条件下估计的残差平方和。估计所使用的样本仍然是两个，一个是全体的样本，一个是剔除极端值（会计应计量最 大和最小的 10 个样本）后的样本，估计的结果见表 3。表 3 市场对可操控和不可操控会计应计量以及现金流量持久性预期的检验
b1 全部样本 估计值 t-值 理性预期条件 b1= b1* 理性预期条件 b2=b2* 理性预期条件 b3=b3* 理性预期条件 b1=b1*,b2=b2*,b3=b3* 剔除极端值后的样本 估计值 t-值 理性预期条件 b1=b1* 理性预期条件 b2=b2* 理性预期条件 b3=b3* 理性预期条件 b1=b1*,b2=b2*,b3=b3*
注：**表示在 0.01 的水平上显著。
b1* 0.463 58.95**
b2 0.517 65.17**
b2* 0.623 74.16**
b3 0.754 83.51**
b3* 0.639 81.09**
? 1.328 10.26**
0.458 59.27**
LR=2.53 LR=34.17** LR=11.59** LR=27.02** 0.479 55.27** 0.525 57.19** 0.667 75.82** 0.803 89.27** 0.691 86.51** 1.175 8.94**
0.467 54.38**
LR=1.92 LR=29.81** LR=10.94** LR=24.96**
从表 3 的结果可以看到，全部样本和剔除极端值之后的样本的分析结果也仍然是相似 的，虽然系数的估计值的大小发生了变化，但其符号和显著性都没有改变。回归分析的结果 只是部分地支持了第二假设， 其中， 理性预期条件 b2=b2*、3=b3*以及 b1=b1*∩b2=b2*∩b3=b3* b 都在 0.01 的水平上被拒绝，也就是说中国股票市场的价格没有能够有效地反映现金流量、 不可操控的会计应计量所带来的会计盈余的持久性， 股票价格高估了不可操控的会计应计量 所带来的会计盈余的持久性， 而低估了现金流量所带来的会计盈余的持久性， 股票价格未能 对现金流量和会计应计量所产生的会计盈余的持久性的差异作出有效地反映可能是由于对 不可操控的会计应计量所带来的会计盈余的持久性没有给予有效地反映而致。但是， 检验的 结果并没有拒绝理性预期条件 b1=b1*， 也就是说市场对于可操控的会计应计量所带来的会计 盈余的持久性给予了有效地反映。四、对第三个假设（H3）的检验 在上述对第二个假设进行检验的过程中， 已经看到市场没有能够有效地反映不可操控的 会计应计量所带来的会计盈余的持久性， 现在通过构造证券组合观察其超额收益率的方法来 检验第三个假设。分别按照不可操控的会计应计量和可操控的会计应计量由小到大的顺序将 样本分为 10 个投资组合，按照前述的方法计算出每组的超额收益率（ 和 2001 年 3 个年份分别计算） ，计算结果见表 4。表 4 按会计应计量构造的投资组合的超额收益率 可操控会计应计量
1999 年 最低 0.004 2000 年 0.005 2001 年 0.002
不可操控会计应计量
1999 年 0.009 2000 年 0.011 2001 年 0.008
(0.96) 0.005 2 3 4 5 6 7 8 9 最高 (1.03) 0.002 (0.83) 0.002 (0.79) -0.001 (-0.62) 0.001 (0.68) -0.001 (-0.51) -0.003 (-0.92) 0.003 (1.08) -0.002 (-0.94)
(1.13) 0.005 (1.21) 0.003 (1.01) -0.002 (-0.85) 0.000 (0.15) -0.001 (-0.54) 0.002 (0.83) -0.002 (-0.95) 0.002 (0.79) -0.001 (-0.41)
(0.95) 0.001 (0.48) 0.003 (1.29) 0.002 (1.04) -0.002 (-1.15) 0.001 (0.69) -0.001 (-0.64) -0.002 (-0.85) 0.002 (0.96) -0.001 (-0.75)
(2.01*) 0.005 (1.43) 0.005 (1.28) 0.003 (0.84) 0.001 (0.26) 0.001 (0.19) -0.001 (-0.21) -0.001 (-0.29) -0.006 (-1.97*) -0.007 (-2.02*)
(2.31*) 0.009 (2.14*) 0.006 (1.52) 0.004 (1.26) 0.002 (0.94) 0.001 (0.21) 0.001 (0.17) -0.002 (-0.51) -0.005 (-1.48) -0.008 (-2.17*)
(1.97*) 0.004 (1.59) 0.003 (1.04) 0.003 (0.99) 0.001 (0.26) 0.001 (0.18) -0.001 (-0.25) -0.003 (-0.95) -0.010 (-2.21*) -0.012 (-2.97**)
注：1.括号内为 t-统计量； 2.*表示在 0.05 的水平上显著，**表示在 0.01 的水平上显著。
根据可操控会计应计量构造的投资组合并没有能够获得显著的超额收益率， 这一点与股 票价格有效地反映了可操控会计应计量所带来的会计盈余的持久性的结论一致。而根据不可 操控的会计应计量构造的投资组合中几个会计应计量极端值的投资组合能够获得显著的超 额收益率， 而且不可操控会计应计量比例低的组合能够获得正的超额收益率， 不可操控会计 应计量比例高的组合呈负的超额收益率， 这也与股票价格高估了不可操控会计应计量带来的 会计盈余的持久性的结论一致。同样如果能够作对冲交易的话， 也就是买进不可操控会计应 计量最低的组合， 同时不可操控卖出会计应计量最高的组合， 在上述三个年份分别可以获得 1.6%、1.9%和 2.1%的超额收益率。根据 Fama&French 的方法，将公司的超额收益率（相对于公司规模）与影响收益率的 因素按（6）式进行回归分析：
yt ?1 ? a0 ? a1DAt ? a2 NDAt ? a3Sizet ? a4 BMt ? a5 EP ? ?t ?1 （6） t
式中各个变量的定义与前同， yt ?1 是公司股票的超额收益率， DAt 是可操控的会计应计 量， NDAt 是不可操控的会计应计量， Sizet 是公司规模， BM t 为每流通股的账面净资产与 每流通股的市场价格的比， EPt 为每股会计盈余与每流通股价格的比例，回归分析的结果见 表 5。表 5 影响股票超额收益率的各因素分析 a0 a1 a2 a3 a4 a5
估计值 t-值
0.004 (1.43)
-0.03 (-1.28)
-0.09 (-2.01*)
-0.18 (-2.46*)
0.05 (2.13*)
0.08 (2.27*)
注：*表示在 5%的水平上显著。
从表 5 的结果可以看出，公司规模、每股账面净资产与市场价格的比例、每股盈余与市 场价格的比例都是影响股票超额收益率的重要因素。此外， 不可操控的会计应计量也是影响 股票超额收益率的一个重要因素， 不可操控的会计应计量与公司股票的超额收益率成负相关 关系， 而可操控的会计应计量与超额收益率之间的关系并不显著， 这也与上面的检验过程相 符合。
敏感性分析
为了讨论上述分析结果是否受到所选择的估计模型的影响，本节将采用 Jones 模型而不 是修正的 Jones 模型来重新估计可操控和不可操控的会计应计量，并由此重复进行 Mishkin 的理性预期检验方法，观察股票市场价格对会计应计量的反映行为。Jones 模型与修正的 Jones 模型的不同就在于， Jones 模型在计算不可操控的会计应计量时， 并不将应收账款净值 的变化从销售收入的变化中扣除，即 Jones 模型按照（7）式计算不可操控的会计应计量：
NDAt ? a1 (1/ At ?1 ) ? a2 (?REVt ) ? a3 ( PPEt )
式中的变量定义同（1）式。Jones 模型暗含公司所有的销售收入都是不可以操纵的，如 果公司通过确认虚假的销售收入而增大利润，Jones 模型则可能将这种行为排斥在会计盈余 管理之外，也就是说 Jones 模型倾向于缩小盈余管理的行为，而修正的 Jones 模型则倾向于 扩大盈余管理的行为。根据 Jones 模型估计的可操控和不可操控的会计应计量的描述性统计 如表 6 所示。表 6 主要变量的描述性统计量（Jones 模型） 均值 会计盈余 现金流量 会计应计量 不可操控的会计应计量 可操控的会计应计量 0.042 0.018 0.024 0.020 0.004 标准差 0.116 0.153 0.192 0.161 0.011 中位数 0.037 0.022 0.041 0.016 0.004 最大值 0.189 0.204 0.297 0.259 0.161 最小值 -0.253 -0.238 -0.287 -0.219 -0.176
可见，当采用 Jones 模型估计可操控的会计应计量之后，可操控的会计应计量的均值变 得很小，这是由 Jones 模型的特性决定的。根据 Jones 模型估计出的可操控和不可操控会计 应计量进行的理性预期检验的结果如表 7 所示。表 7 市场对可操控和不可操控会计应计量以及现金流量持久性预期的检验（Jones 模型）
b1 全部样本 估计值 t-值 理性预期条件 b1= b1* 理性预期条件 b2=b2* 理性预期条件 b3=b3* 理性预期条件 b1=b1*,b2=b2*,b3=b3* 剔除极端值后的样本 估计值 t-值 0.329 10.95** 0.371 12.53**
b1* 0.359 10.65**
b2 0.384 16.44**
b2* 0.545 14.33**
b3 0.785 9.71**
b3* 0.627 15.62**
? 0.961 11.57**
0.317 9.82**
LR=1.74 LR=5.22* LR=7.65** LR=12.58** 0.395 18.21** 0.565 17.19** 0.816 12.59** 0.711 18.51** 1.096 12.83**
理性预期条件 b1=b1* 理性预期条件 b2=b2* 理性预期条件 b3=b3* 理性预期条件 b1=b1*,b2=b2*,b3=b3*
注：*表示在 0.05 的水平上显著；**表示在 0.01 的水平上显著。
LR=1.62 LR=6.01* LR=8.48** LR=14.52**
根据 Jones 模型估计的可操控和不可操控会计应计量所进行的理性预期检验并没有改变 修正的 Jones 模型的主要结论，虽然总体上，证券市场没有有效地反映可操控和不可操控的 会计应计量以及现金流量所带来的会计盈余的持久性差异， 但股票价格对可操控的会计应计 量所带来的会计盈余的反映与可操控的会计应计量对会计盈余的预测能力并没有显著的差 异，似乎可以接受市场对于会计应计量具有部分理性的结论。Jones 模型和修正的 Jones 模 型的检验结果有一个差异，那就是 Jones 模型所估计的系数变得小了。
本文运用修正的 Jones 模型将总的会计应计量分解为可操控和不可操控的会计应计量， 但这两种会计应计量所带来的会计盈余的持久性并没有显著的区别， 它们共同导致了会计应 计量所带来的会计盈余的持久性低于现金流量所带来的会计盈余的持久性的结果。在理性预 期检验中， 拒绝了股票市场价格能够有效反映可操控和不可操控会计应计量以及现金流量所 带来的会计盈余的持久性的差异， 但是可操控的会计应计量的盈余预测系数和价格反应系数 并没有显著的差别， 市场对于可操控会计应计量的短暂性质还是有所反映。在投资组合超额 收益率检验中， 根据不可操控的会计应计量分组的投资组合可以获得超额收益率， 而按可操 控的会计应计量分组的投资组合则不能获得超额收益率。运用 Jones 模型分离出的可操控和 不可操控的会计应计量所进行的检验也与上述结论相近， 说明这些结论对于分解会计应计量 的模型的选择并不敏感。
参考文献 1.Bernard,V and Thomas,J, Post-earning-announcement drift:Delayed price response or risk premium?[J] Journal of Accounting Research 27(Supplement), 2. Mishkin, Frederic S. A rational expectations approach to macroeconometrics testing policy ineffectiveness and efficient-markets models. University of Chicago Press, 1983 3.Sloan, Do Stock Prices Fully Reflect Information in a Accrual and Cash Flow about Future Earnings,[J] Accounting Review, 71 July
4.陈小悦等《配股权与上市公司利润操纵》《经济研究》 ， ，2000 年 1 月。5.赵宇龙、王志台《我国证券市场“功能锁定”现象研究》《经济研究》 ， ，1999 年 9 月。
模型相关文章
《》由(易啊教育网)整理提供，版权归原作者、原出处所有。
Copyright &
All Rights Reserved.