單根檢定結果

第四章實證分析結果

4.2 單根檢定結果

使用時間序列的資料作分析，其所有的分析資料都要為定態，在研究中，定態的資料在長期結構下為一穩定序列，對於外界的衝擊影響是短暫而非永久性的，衝擊的效果會隨著時間消失，最後回到長期均衡。因此一個穩定的序列才可以有效的被用來估計和預測。若時間序列資料具有單根性質，該變數就不符合定態的統計意義，表示其變異數和共變異數都會隨著時間 t 變大而越來越小。因此，特性根是否有單根就可以用來當作一個時間序列變數是否為定態或非定態的判斷準則。以下我們利用三個單根檢定，分別是 ADF (Augmented Dickey-Fuller)、PP (Phillips-Perron)、KPSS

(Kwiatkowski-Phillips-Schmidt-Shin) 單根檢定，來判別資料是否為定態與否:

表 4-2 到表 4-4 為東亞各國股市日報酬率之 ADF、PP、KPSS 單根檢定結果，表 4-5 到表 4-7 為東亞各國匯市以及石油日報酬率之 ADF、PP、KPSS 單根檢定結果，根據表格可知，ADF 單根檢定結果，在東亞各國股市、匯市以及石油報酬中，無論有截距項 (C)，有截距項與時間趨勢項 (C&T)，無截距項且無時間趨勢項 (None)，都在 1%

水準之下顯著。表示拒絕虛無假設 (𝐻

0

: ℎ𝑎𝑠 𝑎 𝑢𝑙𝑖𝛽 𝑟𝑜𝑜𝛽)，序列無單根為定態。而在 PP 單根檢定結果，東亞各國股市、匯市以及石油報酬中，無論有截距項 (C)，有截距項與時間趨勢項 (C&T)，無截距項且無時間趨勢項 (None)，都在 1%水準之下顯著。表示拒絕虛無假設 (𝐻

₀

: ℎ𝑎𝑠 𝑎 𝑢𝑙𝑖𝛽 𝑟𝑜𝑜𝛽)，序列無單根且為定態。在 KPSS 單根檢定結果，

東亞各國股市、匯市以及石油報酬中，唯有印尼，在無截距項下，有 5%水準之下顯著，

其他國家，無論有截距項 (C)，有截距項與時間趨勢項 (C&T)，表示不拒絕虛無假設 (𝐻

₀

: 𝑙𝑜𝛽 𝑎 𝑢𝑙𝑖𝛽 𝑟𝑜𝑜𝛽)，序列無單根且為定態。

22

表 4-2 東亞各國股市日報酬率之 ADF (Augmented Dickey-Fuller) 單根檢定結果

各國股市

ADF

None C C&T

台灣 -38.845*** -38.837*** -38.827***

日本 -41.264*** -41.252*** -41.242***

韓國 -41.603*** -41.629*** -41.635***

新加坡 -38.807*** -38.807*** -38.797***

馬來西亞 -37.239*** -37.282*** -37.272***

印尼 -38.094*** -38.175*** -38.166***

1%臨界值 -3.432 -3.961 -2.566 5%臨界值 -2.862 -3.411 -1.941 10%臨界值 -2.567 -3.127 -1.616

註: 1.***表示在 1%的顯著水準下顯著，**表示在 5%的顯著水準下顯著，*表示在 10%

的顯著水準下顯著。

2. 有截距項 (C)，有截距項與時間趨勢項 (C&T)，無截距項且無時間趨勢項(None)

23

表 4-3 東亞各國股市日報酬率之 PP (Phillips-Perron) 單根檢定結果

各國股市

None C C&T

台灣 -38.808*** -38.799*** -38.789***

日本 -41.276*** -41.263*** -41.253***

韓國 -41.628*** -41.666*** -41.674***

新加坡 -38.776*** -38.775*** -38.765***

馬來西亞 -37.327*** -37.343*** -37.333***

印尼 -38.054 -38.135*** -38.125***

1%臨界值 -3.432 -3.815 -2.566 5%臨界值 -2.862 -3.411 -1.941 10%臨界值 -2.567 -3.127 -1.616

註: 1.***表示在 1%的顯著水準下顯著，**表示在 5%的顯著水準下顯著，*表示在 10%

的顯著水準下顯著。

2. 有截距項(C)，有截距項與時間趨勢項(C&T)，無截距項且無時間趨勢項(None)

24

表 4-4 東亞各國股市日報酬率之 KPSS (Kwiatkowski-Phillips-Schmidt-Shin) 單根檢定結果

各國股市

KPSS

C C&T

台灣 0.075 0.066

日本 0.125 0.118

韓國 0.124 0.062

新加坡 0.095 0.089

馬來西亞 0.093 0.089

印尼 0.077 0.07

1%臨界值 0.739 0.216

5%臨界值 0.463 0.146

10%臨界值 0.347 0.119

註: 1.***表示在 1%的顯著水準下顯著，**表示在 5%的顯著水準下顯著，*表示在 10%

的顯著水準下顯著。

2. 有截距項 (C)，有截距項與時間趨勢項 (C&T)

25

表 4-5 東亞各國匯市以及石油日報酬率之 ADF (Augmented Dickey-Fuller) 單根檢定結果

各國匯市與石油

ADF

None C C&T

台幣(NTD) -40.365*** -40.365*** -40.371***

日幣(JPY) -42.314*** -42.312*** -42.302***

韓圜(KRW) -32.460*** -32.450*** -32.441***

新加坡幣(SGD) -41.666*** -41.734*** -41.722***

馬來西亞幣(SGD) -43.940*** -43.969*** -43.956***

印尼盾(IDR) -20.755*** -20.749*** -20.743***

石油 -40.241*** -40.239*** -40.235***

1%臨界值 -2.566 -3.432 -3.961 5%臨界值 -1.941 -2.862 -3.411 10% 臨界值 -1.617 -2.567 -3.127

註: 1.***表示在 1%的顯著水準下顯著，**表示在 5%的顯著水準下顯著，*表示在 10%

的顯著水準下顯著。

2. 有截距項(C)，有截距項與時間趨勢項(C&T)，無截距項且無時間趨勢項(None)

26

表 4-6 東亞各國匯市及石油日報酬率之 PP (Phillips-Perron) 單根檢定結果

各國匯市與石油

None C C&T

台幣(NTD) -10.666*** -40.659*** -40.655***

日幣(JPY) -42.492*** -42.496*** -42.487***

韓圜(KRW) -42.338*** -42.324*** -42.312***

新加坡幣(SGD) -41.655*** -41.727*** -41.715***

馬來西亞幣(SGD) -43.915*** -43.955*** -43.943***

印尼盾(IDR) -42.495*** -42.484*** -42.474***

石油 -40.314*** -40.318*** -40.319***

1%臨界值 -2.566 -3.432 -3.961 5%臨界值 -1.941 -2.862 -3.411 10% 臨界值 -1.617 -2.567 -3.127

註: 1.***表示在 1%的顯著水準下顯著，**表示在 5%的顯著水準下顯著，*表示在 10%

的顯著水準下顯著。

2. 有截距項(C)，有截距項與時間趨勢項(C&T)，無截距項且無時間趨勢項(None)

27

表 4-7 東亞各國匯市及石油日報酬率之 KPSS (Kwiatkowski-Phillips-Schmidt-Shin) 單根檢定結果

各國匯市與石油

KPSS

C C&T

台幣(NTD) 0.111 0.039 日幣(JPY) 0.156 0.142 韓圜(KRW) 0.087 0.08 新加坡幣(SGD) 0.042 0.041 馬來西亞幣(SGD) 0.05 0.047 印尼盾(IDR) 0.058 0.058

石油 0.076 0.049

1%臨界值 0.739 0.216

5%臨界值 0.463 0.146

10% 臨界值 0.347 0.119

註: 1.***表示在 1%的顯著水準下顯著，**表示在 5%的顯著水準下顯著，*表示在 10%

的顯著水準下顯著。

2. 有截距項(C)，有截距項與時間趨勢項(C&T)

28

4.3

動態條件相關係數估計結果

4.3.1 東亞各國股市落後一期自身報酬波動之影響

由表 4-8 可知，東亞股市前一期價格報酬係數

𝛿

₁

，範圍從-0.0614~0.0633 波動。在 10%顯著水準的國家為台灣報酬率 0.0619%，和 5%顯著水準下的國家為日本-0.0614%

報酬率以及馬來西亞的 0.0633%報酬率，1%顯著水準則是新加坡的報酬率-0.1566%報酬率。結果表示當前一期的股市波動為正向時，帶動最大報酬為馬來西亞的 0.0633%報酬率，影響最小的為新加坡-0.1566%報酬率。

4.3.2 石油價格與匯率報酬係數之影響

實證結果表 4-8 可看出，石油價格報酬係數

𝛿

₂

，顯著 1%水準的國家有台灣、韓國、

新加坡以及印尼，不顯著的國家分別是日本和馬來西亞，表示當石油價格增加時，台灣、

韓國、新加坡和印尼股市報酬有顯著正向關係。我們發現當油價 1%上升時，影響最大的國家為台灣，可增加 0.0626%的報酬，增加最小的為印尼會增加 0.0462%的報酬。這先前與 Sadorsky (2001) 和 Boyer and Filion (2007) 的研究有一致性，當石油價格上升 1%

時，加拿大的石油與天然氣公司報酬會上升 0.3000%。印尼擁有豐富的天然資源石油，

當石油價格上升，則刺激當地出口增加以及產業發展，進而帶動提升股市報酬率。

由表 4-8 可知，研究期間結果顯示匯率報酬係數𝛿

3

，顯著 1%水準的國家為韓國、

新加坡以及印尼，不顯著的國家為，台灣、日本和馬來西亞，表示當該國家匯價升值 1%時，影響最為劇烈的國家為印尼-0.7979%的報酬，影響最小的國家為韓國-0.4343%

的報酬。當該國貨幣升值對該國出口有較為不利影響，但有利於進口;反之，該國貨幣貶值時，則不利於進口。近來美國聯準會實行的量化寬鬆政策，聯準會操作貨幣政策，，

也是讓美元貶值，且維持極低的利率，讓大量的美鈔流入市場，以刺激美國的經濟發展。

但貨幣政策的操作是雙面刃，貨幣的升貶值都各有利弊，故經濟政策的決策者，可以由其他國家貨幣政策實行之經驗，提供本國決策者參考。

29 4.3.3 石油價格與匯率係數波動之影響

石油價格波動係數𝛿

₄

，由表 4-8 可知，顯著水準 1%下，日本以及馬來西亞最為顯著。在 10%顯著水準則是新加坡，雖然其中有生產石油國家馬來西亞，以及不生產石油國家，日本和新加坡都受到顯著影響，表示石油價格波動，對於新加坡有較不利影響，

根據 2012 年東亞經貿投資研究季刊指出，新加坡 GDP 的比重，就屬服務生產部門高達六成，商品生產部門也占了兩成多。2011 年下半年以來隨著歐債危機陰影加重，雖對實體面經濟影響尚淺，但東亞各國經濟已或多或少受到波及，導致新加坡石油產品出口下降。

匯率價格波動係數𝛿

₅

，在 1%顯著水準之下，日本、馬來西亞以及印尼，都有發生顯著影響。其中，日本對於匯率波動性，發生較大的且負面的報酬，而印尼則是油價波動，帶來的正面報酬較大。2008 年全球金融危機發生以來，日圓開始出現一波大幅度的升值趨勢。從 2008 年 7 月底的一美元兌換 107.91 日圓一路升值到 2010 年 9 月最低的一美元兌換 83.03 日圓，整整升值了 29.97%，升值幅度相當驚人也引起全世界的注目。

說明了日本在匯率波動下，股市報酬為負面影響。

4.3.4 石油價格與匯率正負報酬波動之影響

我們將條件均數方程式中加入虛擬變數來探討，利用設定虛擬變數D

_1,𝑡 ^o

和D

_2,𝑡 ^e

，表示正/負向報酬波動對於各國股市之影響分析。當虛擬變數D

_1,𝑡 ^o

為正 �負� 向報酬為設定為一 (零)，當虛擬變數D

_2,𝑡 ^e

為正 �負� 向報酬為設定為一 (零)。在表 4-9 中，與前一小節的差異性在於，除了台灣之外，其它國家的實證結果，對於油價與匯率波動都有一致的顯著性。

30

表 4-8 東亞各國股報酬之條件及變異數方程式:GARCH (1,1)，資料期間為 2005-01-04 到 2012-12-28

台灣日本韓國新加坡馬來西亞印尼

Mean equation: dependent variable 𝑟

𝑖,𝑡

=𝑐

𝑖

+ 𝛿

𝑖1

𝑟

𝑖,𝑡−1

+ 𝛿

𝑖2

𝑟

𝑜,𝑡−1

+𝛿

𝑖3

𝑟

𝑒,𝑡−1

+ 𝛿

𝑖4

ℎ

𝑜,𝑡−1

+ 𝛿

𝑖5

ℎ

𝑒,𝑡−1

+ 𝜀

𝑖,𝑡

c 0.0039 0.0115 -0.0608 0.1415*** -0.0340** -0.0078 (0.0024) (0.0090) (0.0424) (0.0000) (0.0174) (0.0187) 𝛿

𝑖1

0.0619* -0.0614** -0.0422 -0.1566*** 0.0633** -0.0268

(0.0320) (0.0329) (0.0304) (0.0000) 0.0251 (0.0249) 𝛿

_𝑖2

0.0626*** 0.0096 0.0578*** 0.0587*** -0.0102 0.0462***

(0.0102) (0.0140) (0.0133) (0.0000) (0.0107) (0.0131) 𝛿

𝑖3

-0.1585 -0.0422 -0.4343*** -0.6397*** 0.0194 -0.7979***

(0.0988) (0.0659) (0.0400) (0.0001) (0.4607) (0.0602) 𝛿

_𝑖4

-532.4456 13,190.3100*** 130,004.4200 -171.8739* 56.7372*** -3.1859

(404.9499) (1697.0620) (9195.2300) (0.0650) (15.9371) (20.5758) 𝛿

𝑖5

-16.0229 -521.7618*** 31.7491 -178.3438** -294.3770*** 39.9016***

(199.5218) (77.3865) (28.5560) 0.0309 (61.2645) (15.1163) Variance equation: dependent variable h

i,t

= 𝑎

𝑖

+ 𝑏

𝑖

𝜀

_{𝑖,𝑡−1} ²

+ 𝑐

i

ℎ

𝑖,𝑡−1

𝑎

_𝑖

0.0000*** 0.0000*** 0.0000*** 0.0000*** 0.0000*** 0.0000***

(0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) 𝑏

𝑖

0.2388*** 0.2742*** 0.1905*** 0.0000*** 0.3303*** 0.2872***

(0.0216) (0.0250) (0.0170) (0.0000) (0.0197) (0.0238) 𝑐

_𝑖

0.7064*** 0.6176*** 0.7651*** 0.9158*** 0.6609*** 0.6753***

(0.0161) (0.0217) (0.0137) (0.0000) (0.0147) (0.0171) 註:1.*表 10%的顯著水準，**表 5%的顯著水準，***表 1%的顯著水準。

2.括號內數字表示為標準差。

3.變異數方程式中，𝑏

𝑖

為 ARCH 項，𝑐

𝑖

為 GARCH 項。

31 表 4-9 東亞各國報酬之條件及變異數方程式 (包含虛擬變數) :GARCH (1,1)，資料期間為 2005-01-04 到 2012-12-28

台灣日本韓國新加坡馬來西亞印尼

Mean equation: dependent variable ri,t = 𝜔0+ 𝜔1𝑟𝑜,𝑡−1+ 𝜔2𝑟𝑒,𝑡−1+ 𝜔3𝑟𝑖,𝑡−1+ 𝜔4D_1,𝑡^o ℎ𝑜,𝑡+ 𝜔5(1 − D_1,𝑡^o )ℎ𝑜,𝑡+ 𝜔6D_2,𝑡^e ℎ𝑒,𝑡+ 𝜔7(1 − D_2,𝑡^e )ℎ𝑒,𝑡+ ei,t

𝜔₀ 0.0015 0.0070 -0.1049** -0.0885*** -0.0151 -0.0423***

(0.0033) (0.0075) (0.0428) (0.0152) (0.0162) (0.0160)

𝜔1

0.0622** -0.0668** -0.0507* -0.0232 0.0549** -0.0379

(0.0296) (0.0302) (0.0283) (0.0280) (0.0220) (0.0252)

𝜔₂ 0.0643*** 0.0593** 0.0562*** 0.0578*** 0.0099 0.0638***

(0.0174) (0.0185) (0.0156) (0.0118) (0.0067) (0.0166)

𝜔3 -0.2338* 0.3398*** -0.3346*** -0.4093*** -0.0777 -0.6134***

(0.1321) (0.0762) (0.0394) (0.0780) (0.0509) (0.0680)

𝜔₄ -107.7670 8,905.9190*** 22,467.8400** 120.8607*** 26.9144* 38.9769**

(557.3594) (1,280.7450) (9,254.0720) (23.6957) (14.2346) (17.8491)

𝜔5 -58.5540 8,767.8460*** 22,341.3600** 122.8995*** 26.5788* 39.4679**

(562.1895) (1,263.1550) (9,253.3680) (23.5843) (14.1905) (17.8346)

𝜔₆ 3.3951 -340.1503*** 10.5279 73.1191*** -147.3720*** 37.4537***

(204.7664) (65.5850) (31.0123) (15.4354) (40.8908) (13.6227)

𝜔7 -337.8711 -337.8495*** 82.3938* 78.3333*** -148.8193*** 45.5316***

(226.5778) (65.6616) (30.7968) (15.5580) (40.1838) (13.6819) variance equation: dependent variable h_i,t= 𝑑_𝑖+ 𝑒_𝑖𝜀_{𝑖,𝑡−1}² + f_iℎ_{𝑖,𝑡−1}

𝑑_𝑖 0.0000*** 0.0000*** 0.0000*** 0.0000*** 0.0000*** 0.0000***

(0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000)

𝑒𝑖 0.0837*** 0.1095*** 0.0799*** 0.1219*** 0.1189**** 0.1584***

(0.0101) (0.0119) (0.0090) (0.0122) (0.0100) (0.0145)

𝑓_𝑖 0.9011*** 0.8693*** 0.9132*** 0.8789*** 0.8822*** 0.8333***

(0.0115) (0.0144) (0.0088) (0.0115) (0.0090) (0.0130)

註:1.表 10%的顯著水準，表 5%的顯著水準，表 1%的顯著水準。2.括號內數字表示為標準差。 3.變異數方程式中， 𝑒

𝑖

為 ARCH 項， f

為 GARCH 項。

32 4.4 Wald 檢定結果

本研究利用 Wald 檢定來檢視油價、匯價與股市間波動是否存在非線性相關係數，

且 Wald 檢定為卡方分配，與大多數統計檢定一樣，Wald 檢定值越大表明該自變數的作用越顯著。虛無假設分別為𝐻

₀

: 𝜔

₄

= 𝜔

₅

(油價波動正負報酬虛擬變數係數) 和

𝐻

₀

: 𝜔

₆

= 𝜔

₇

(匯率波動正負報酬虛擬變數係數) 。若拒絕虛無假設，表示則代表D

_1,𝑡 ^o

、D

_2,𝑡 ^e

對預測𝑟

𝑖,𝑡

，有明顯的效果，模型為一非線性 GARCH 模型;若無法拒絕虛無假設，模型為線性 GARCH 模型，且表示則代表D

_1,𝑡 ^o

、D

_2,𝑡 ^e

對於預測𝑟

𝑖,𝑡

而言沒有幫助，則我們稱D

_1,𝑡 ^o

、 D

_2,𝑡 ^e

不會 Granger 影響 𝑟

𝑖,𝑡

，代表D

_1,𝑡 ^o

、D

_2,𝑡 ^e

變數的變動將不會影響另一個變數的改變。

由本研究估計結果來看，油價對東亞國家的石油價格正負報酬波動影響，除了新加坡以外，其他國家皆無不對稱性影響。匯率對東亞國家的正負報酬波動影響，其中有三個國家，分別是台灣、日本、馬來西亞是對稱性影響，另外三個國家，韓國、新加坡、印尼，

是不對稱性影響，且負向報酬影響較大。

33

表 4-10 報酬波動對東亞股市之對稱性影響檢定的 Wald-test 檢定

Wald-test 檢定

油價波動正負報酬虛擬變數係數

𝐻

₀

: 𝜔

₄

= 𝜔

₅

匯率波動正負報酬虛擬變數係數 𝐻

₀

: 𝜔

₆

= 𝜔

₇

檢定值自由度 p 值檢定值自由度 p 值

台灣 0.1163 1 0.7331 1.3614 1 0.2433

日本 0.2544 1 0.6140 0.0502 1 0.8227

韓國 0.5349 1 0.4645 10.7498 1 0.0010***

新加坡 3.8433 1 0.0479** 4.0966 1 0.0430**

馬來西亞 0.7025 1 0.4019 0.1031 1 0.7481 印尼 0.2488 1 0.6179 9.5680 1 0.0020***

註: *表 10%的顯著水準，**表 5%的顯著水準，***表 1%的顯著水準。

34

有其必要性。本研究修改Hasan and Ratti (2012) 以及Chaker, Nguyen and Njeh (2012) 之模型設定，分為兩階段估計，第一階段使用美國西德州中質原油、各國兌美元匯率報酬

35

都有可能造成投資人巨大風險，即便無法脫離系統性風險，但能避免掉非系統性風險，

在投資市場中，能分散風險才能做出更正確、客觀、理性的投資決策，就可以更有效率的提高自身獲利。

5.2 未來研究建議

在本研究中我們於第一階段迴歸分析中，利用各別國家的匯市以及國際油價資料來做分析研究，如果我們將其拓展至三個變數的油價與匯市的資料以外，再加入美國股市資料用以分析主要外部市場之條件變異風險，但此一廻歸之實證分析相當複雜且其迴歸估計之電腦運轉時間相當耗時，可能會造成我們研究上些許不便。

另外，本次實證研究的結果顯示出關於擁有石油天然資源的國家，不一定會有與其研究結果顯著的關係，需要探討其他因素，可能的其他因素為該國家出口的品項與其他國家貿易的往來，若能加入分析，可能就有較為顯著之結果。我們建議未來的研究可以考慮較多的國家樣本，例如其他的東亞國家，探究之間是不是有較明顯的連動關係，以探討實證結果的一致性和精確度。

36

參考文獻

Albert K. Tsui and Qiao Yu (1999), “Constant Conditional Correlation in A Bivariate Garch Model: Evidence from The Stock Markets of China.” Mathematics and Computers in Simulation, vol. 48, Issues 4–6, June 1999, p 503–509

Andersen , Torben G.,Tim Bollerslev,Francis X. Diebold and Clara Vega (2006), “Real-Time

在文檔中匯市與油價之波動對東亞主要股市報酬之影響-以日本、韓國、台灣、新加坡、馬來西亞及印尼股市為例 (頁 30-0)

第四章 實證分析結果

4.2 單根檢定結果

0

0

0

22

23

24

25

26

27

28

4.3

4.3.1 東亞各國股市落後一期自身報酬波動之影響

由表 4-8 可知，東亞股市前一期價格報酬係數

1

4.3.2 石油價格與匯率報酬係數之影響

實證結果表 4-8 可看出，石油價格報酬係數

2

3

29

4.3.3 石油價格與匯率係數波動之影響

4

5

4.3.4 石油價格與匯率正負報酬波動之影響

1,𝑡 o

2,𝑡 e

1,𝑡 o

2,𝑡 e

30

𝑖,𝑡

𝑖

𝑖1

𝑖,𝑡−1

𝑖2

𝑜,𝑡−1

𝑖3

𝑒,𝑡−1

𝑖4

𝑜,𝑡−1

𝑖5

𝑒,𝑡−1

𝑖,𝑡

𝑖1

𝑖2

𝑖3

𝑖4

𝑖5

i,t

𝑖

𝑖

𝑖,𝑡−1 2

i

𝑖,𝑡−1

𝑖

𝑖

𝑖

𝑖

𝑖

31

表 4-9 東亞各國報酬之條件及變異數方程式 (包含虛擬變數) :GARCH (1,1)，資料期間為 2005-01-04 到 2012-12-28

註:1.*表 10%的顯著水準，**表 5%的顯著水準，***表 1%的顯著水準。2.括號內數字表示為標準差。 3.變異數方程式中， 𝑒

為 ARCH 項， f

為 GARCH 項。

32

4.4 Wald 檢定結果

0

4

5

0

6

7

1,𝑡 o

2,𝑡 e

𝑖,𝑡

1,𝑡 o

2,𝑡 e

𝑖,𝑡

1,𝑡 o

第四章實證分析結果

₀

₀

₁

₂

₄

₅

_1,𝑡 ^o

_2,𝑡 ^e

_1,𝑡 ^o

_2,𝑡 ^e

_𝑖2

_𝑖4

_{𝑖,𝑡−1} ²

_𝑖

_𝑖

註:1.表 10%的顯著水準，表 5%的顯著水準，表 1%的顯著水準。2.括號內數字表示為標準差。 3.變異數方程式中， 𝑒

₀

₄

₅

₀

₆

₇

_1,𝑡 ^o

_2,𝑡 ^e

_1,𝑡 ^o

_2,𝑡 ^e

_1,𝑡 ^o

_2,𝑡 ^e

_1,𝑡 ^o

_2,𝑡 ^e

₀

₄

₅

₀

₆

₇