3 47 试采用虚拟解释变量回归的方法对上述数据进行方差分析 84 Joseph Cappelleri基于1961-1966年的200只Aa级和Ba级债券的数据(截面数 据和时间序列数据的合并数据),分别建立了LPM和 Logit模型: LPM Y=B,+B,X2+B3X3+BX4++Bsxs+u Logit Li=mn(D)=B1+月1x2+月1x3+B,X4++Bxs+n P 其中:=1债券信用等级为Aa(穆迪信用等级) Y=1债券信用等级为Ba(穆迪信用等级) X,=债券的资本化率,作为杠杆的测度(=长期债券的市值100 资本的市值 X1=利润率(=税后收入 总资产净值 x4=利润率的标准差,测度利润率的变异性 X=总资产净值,测度规模 上述模型中B2和B4事先期望为负值,而β3和β期望为正值(为什么) 对于LPM, Cappeleri经过异方差和一阶自相关校正,得到以下结果 =0.686000179X21+00486X3+0572X4+0.378×10-7×5i Se=(0.1775)(0.0024)0.0486)(0.0178)(0.039×10-8) R2=0.6933 对于 Logit模型, Cappeleri在没有对异方差进行弥补的情形下用ML得以下结果 P 1))=-1.662-0.3185X2+06248X3-0.9041X+0.92×10-X5 试解下列问题 (1)为什么要事先期望B2和B4为负值? (2)在LPM中,当B4>0是否合理?34 49 39 37 47 40 35 51 42 33 48 39 33 50 41 35 51 42 36 51 40 试采用虚拟解释变量回归的方法对上述数据进行方差分析。 8.4 Joseph Cappelleri 基于 1961—1966 年的 200 只 Aa 级和 Baa 级债券的数据（截面数 据和时间序列数据的合并数据），分别建立了 LPM 和 Logit 模型： LPM Yi = + X i + 3X3i + 4X4i + + 5X5i + ui 2 1 1 2    Logit i i i i i i i X X X X u p p Li In = + + + + + + − = 3 3 4 4 5 5 2 1 1 2 ) 1 (      其中： Yi =1 债券信用等级为 Aa（穆迪信用等级） Yi =1 债券信用等级为 Baa（穆迪信用等级） X2 =债券的资本化率，作为杠杆的测度（ = 100 总资本的市值 长期债券的市值 ） X3 = 利润率（ = 100 总资产净值 税后收入 ） X4 = 利润率的标准差，测度利润率的变异性 X5 = 总资产净值，测度规模 上述模型中  2 和  4 事先期望为负值，而  3 和  5 期望为正值（为什么）。 对于 LPM，Cappeleri 经过异方差和一阶自相关校正，得到以下结果： Yi ˆ =0.6860－0.0179 2 X 2i +0.0486 X3i +0.0572 X 4i +0.378×10－7×5i Se=(0.1775)(0.0024) (0.0486) (0.0178) (0.039×10－8 ) R 2=0.6933 对于 Logit 模型，Cappeleri 在没有对异方差进行弥补的情形下用 ML 得以下结果： i i i i i i X X X X p p In 5 6 3 4 2 ) 1.6622 0.3185 2 0.6248 0.9041 0.92 10 1 ( − = − − + − +  − 试解下列问题： （1）为什么要事先期望  2 和  4 为负值？ （2）在 LPM 中，当  4 >0 是否合理？