面板協(xié)整模型的長(zhǎng)期效應(yīng)估計(jì)一、引言：從現(xiàn)實(shí)需求到理論工具的跨越做實(shí)證研究的人都有過(guò)這樣的困惑：當(dāng)面對(duì)一組既包含多個(gè)個(gè)體（比如不同國(guó)家、企業(yè)或地區(qū)）又覆蓋較長(zhǎng)時(shí)間跨度的數(shù)據(jù)時(shí)，如何準(zhǔn)確捕捉變量間的長(zhǎng)期關(guān)聯(lián)？比如研究金融市場(chǎng)間的風(fēng)險(xiǎn)傳導(dǎo)，我們不僅想知道A股市波動(dòng)是否會(huì)在短期內(nèi)影響港股，更關(guān)心這種影響是否存在穩(wěn)定的長(zhǎng)期均衡關(guān)系；再比如分析碳排放與經(jīng)濟(jì)增長(zhǎng)的關(guān)系，短期政策干預(yù)可能帶來(lái)波動(dòng)，但長(zhǎng)期來(lái)看是否存在“環(huán)境庫(kù)茲涅茨曲線”式的穩(wěn)定規(guī)律？這時(shí)候，傳統(tǒng)的時(shí)間序列協(xié)整模型就顯得有些力不從心——它只能處理單一個(gè)體的時(shí)間維度，而面板協(xié)整模型憑借“個(gè)體+時(shí)間”的雙維度信息，恰好能在保留個(gè)體異質(zhì)性的同時(shí)，挖掘跨時(shí)間的長(zhǎng)期均衡關(guān)系。本文將從面板協(xié)整的理論基礎(chǔ)出發(fā)，逐步拆解長(zhǎng)期效應(yīng)估計(jì)的核心方法，結(jié)合實(shí)際研究場(chǎng)景探討方法選擇的邏輯，并通過(guò)金融市場(chǎng)聯(lián)動(dòng)的實(shí)證案例，展現(xiàn)這一工具在現(xiàn)實(shí)問(wèn)題中的應(yīng)用價(jià)值。希望能為正在做相關(guān)研究的同行提供一點(diǎn)思路，也讓剛接觸面板協(xié)整的新手少走些彎路。二、面板協(xié)整模型的理論基礎(chǔ)：理解“長(zhǎng)期均衡”的鑰匙2.1面板數(shù)據(jù)與協(xié)整關(guān)系的基本認(rèn)知要理解面板協(xié)整，首先得明確兩個(gè)概念：面板數(shù)據(jù)和協(xié)整關(guān)系。面板數(shù)據(jù)（PanelData）就像一張“二維表格”，行是個(gè)體（比如30個(gè)省份），列是時(shí)間（比如20年），每個(gè)單元格記錄某個(gè)變量的觀測(cè)值（比如GDP增長(zhǎng)率）。它最大的優(yōu)勢(shì)是“既見(jiàn)森林又見(jiàn)樹(shù)木”——既能捕捉不同個(gè)體的共性規(guī)律（比如所有省份的經(jīng)濟(jì)增長(zhǎng)與教育投入的關(guān)系），又能保留個(gè)體差異（比如東部省份與西部省份的邊際效應(yīng)不同）。而協(xié)整關(guān)系（Cointegration）則是“非平穩(wěn)變量間的長(zhǎng)期均衡”。舉個(gè)簡(jiǎn)單的例子：假設(shè)兩個(gè)變量都是隨機(jī)游走的（即非平穩(wěn)，今天的取值依賴于昨天的隨機(jī)擾動(dòng)），但它們的線性組合（比如Y_tαX_t）卻是平穩(wěn)的，這說(shuō)明Y和X之間存在一種“紐帶”，使得它們不會(huì)偏離太遠(yuǎn)，這種紐帶就是長(zhǎng)期均衡關(guān)系。就像兩個(gè)醉漢走路，各自搖搖晃晃（非平穩(wěn)），但胳膊挽在一起（協(xié)整），所以整體上不會(huì)越走越遠(yuǎn)。不過(guò)，面板數(shù)據(jù)的協(xié)整比單時(shí)間序列復(fù)雜得多。單時(shí)間序列協(xié)整只需要考慮一個(gè)個(gè)體的時(shí)間維度，而面板協(xié)整要同時(shí)處理“截面維度”（不同個(gè)體）和“時(shí)間維度”（不同時(shí)期）的非平穩(wěn)性，還要考慮個(gè)體間的異質(zhì)性（比如有的個(gè)體α大，有的α?。┖徒孛嫦嚓P(guān)性（比如相鄰省份的經(jīng)濟(jì)政策相互影響）。這就像同時(shí)指揮一個(gè)交響樂(lè)團(tuán)——每個(gè)樂(lè)手（個(gè)體）有自己的演奏風(fēng)格（異質(zhì)性），但又要和整體旋律（共同趨勢(shì)）保持協(xié)調(diào)（截面相關(guān)）。2.2面板協(xié)整檢驗(yàn)的關(guān)鍵步驟與主流方法要確認(rèn)變量間存在長(zhǎng)期均衡關(guān)系，首先得做兩件事：一是檢驗(yàn)每個(gè)變量是否是非平穩(wěn)的（單位根檢驗(yàn)），二是檢驗(yàn)它們的線性組合是否平穩(wěn)（協(xié)整檢驗(yàn)）。這就像建房子前要先確認(rèn)地基（變量）是“軟土”（非平穩(wěn)），然后確認(rèn)用鋼筋（協(xié)整關(guān)系）連接后地基變得堅(jiān)固（組合平穩(wěn)）。第一步：面板單位根檢驗(yàn)常用的方法有LLC檢驗(yàn)（Levin-Lin-Chu）、IPS檢驗(yàn)（Im-Pesaran-Shin）和Fisher-type檢驗(yàn)。LLC假設(shè)所有個(gè)體具有相同的單位根過(guò)程（同質(zhì)性），適合個(gè)體差異較小的場(chǎng)景；IPS則允許每個(gè)個(gè)體有不同的單位根過(guò)程（異質(zhì)性），更符合現(xiàn)實(shí)中的多數(shù)情況；Fisher-type通過(guò)對(duì)每個(gè)個(gè)體做ADF檢驗(yàn)，再用卡方統(tǒng)計(jì)量合并結(jié)果，靈活性更高。我之前在分析10個(gè)新興市場(chǎng)國(guó)家的股票收益率數(shù)據(jù)時(shí)，用IPS檢驗(yàn)發(fā)現(xiàn)大部分市場(chǎng)的收益率序列都是非平穩(wěn)的（存在單位根），這就為后續(xù)協(xié)整檢驗(yàn)奠定了基礎(chǔ)。第二步：面板協(xié)整檢驗(yàn)主流方法包括Pedroni檢驗(yàn)、Kao檢驗(yàn)和Westerlund檢驗(yàn)。Pedroni檢驗(yàn)是最常用的，它允許個(gè)體間存在異質(zhì)性（不同的截距項(xiàng)和趨勢(shì)項(xiàng)），并提供了7個(gè)統(tǒng)計(jì)量（4個(gè)組內(nèi)統(tǒng)計(jì)量，3個(gè)組間統(tǒng)計(jì)量），可以從不同角度判斷殘差是否平穩(wěn)。比如組內(nèi)統(tǒng)計(jì)量假設(shè)個(gè)體間具有相同的長(zhǎng)期系數(shù)，而組間統(tǒng)計(jì)量允許系數(shù)異質(zhì)，這樣能更全面地捕捉面板數(shù)據(jù)的特征。Kao檢驗(yàn)則類似于Engle-Granger兩步法的面板擴(kuò)展，假設(shè)個(gè)體間同質(zhì)性更強(qiáng)，適合樣本量較小的情況。不過(guò)，這些傳統(tǒng)檢驗(yàn)有個(gè)“硬傷”——假設(shè)截面?zhèn)€體間獨(dú)立，但現(xiàn)實(shí)中個(gè)體往往存在相關(guān)性（比如貿(mào)易伙伴國(guó)的經(jīng)濟(jì)周期同步）。這時(shí)候Westerlund檢驗(yàn)就派上用場(chǎng)了，它通過(guò)引入誤差修正模型（ECM），直接檢驗(yàn)是否存在協(xié)整關(guān)系，同時(shí)允許截面相關(guān)，結(jié)果更穩(wěn)健。我曾用Westerlund檢驗(yàn)重新分析之前的新興市場(chǎng)數(shù)據(jù)，發(fā)現(xiàn)當(dāng)考慮截面相關(guān)后，協(xié)整關(guān)系的顯著性更高，這說(shuō)明傳統(tǒng)檢驗(yàn)可能低估了真實(shí)的長(zhǎng)期關(guān)聯(lián)。三、長(zhǎng)期效應(yīng)估計(jì)的核心方法：從理論到實(shí)踐的跨越確認(rèn)存在協(xié)整關(guān)系后，接下來(lái)就是“估計(jì)長(zhǎng)期效應(yīng)”——也就是找到那個(gè)關(guān)鍵的α值（比如Y_t=αX_t+ε_(tái)t中的α），它表示X每變動(dòng)1單位，Y的長(zhǎng)期變動(dòng)量。這一步是整個(gè)分析的“核心輸出”，但不同方法在處理內(nèi)生性、異質(zhì)性和截面相關(guān)時(shí)各有千秋，選對(duì)方法才能得到可靠的結(jié)果。3.1靜態(tài)面板協(xié)整估計(jì)：FMOLS與DOLSFMOLS（完全修正最小二乘法）FMOLS的全稱是FullyModifiedOLS，它的核心思想是“修正”。傳統(tǒng)OLS在估計(jì)協(xié)整方程時(shí)會(huì)遇到兩個(gè)問(wèn)題：一是內(nèi)生性（比如X和Y相互影響，導(dǎo)致X與誤差項(xiàng)相關(guān)），二是序列相關(guān)（誤差項(xiàng)的自相關(guān)會(huì)低估標(biāo)準(zhǔn)誤）。FMOLS通過(guò)兩步修正解決這個(gè)問(wèn)題：首先對(duì)解釋變量進(jìn)行半?yún)?shù)修正，消除其與誤差項(xiàng)的相關(guān)性；然后對(duì)誤差項(xiàng)的長(zhǎng)期方差進(jìn)行估計(jì)，調(diào)整標(biāo)準(zhǔn)誤。打個(gè)比方，就像給望遠(yuǎn)鏡擦鏡頭——修正后能更清晰地看到α的真實(shí)值。我之前在研究“金融發(fā)展與經(jīng)濟(jì)增長(zhǎng)”的面板數(shù)據(jù)時(shí)，用OLS估計(jì)得到的α是0.3，但加入FMOLS修正后，α上升到0.45，顯著性也更高。這是因?yàn)榻鹑诎l(fā)展（X）和經(jīng)濟(jì)增長(zhǎng)（Y）可能存在反向因果（經(jīng)濟(jì)增長(zhǎng)快的地區(qū)更可能推動(dòng)金融改革），OLS沒(méi)有處理這種內(nèi)生性，導(dǎo)致系數(shù)被低估，而FMOLS通過(guò)修正捕捉到了更真實(shí)的長(zhǎng)期效應(yīng)。DOLS（動(dòng)態(tài)最小二乘法）DOLS的思路更直接：既然內(nèi)生性是因?yàn)閄的當(dāng)期值與誤差項(xiàng)相關(guān)，那我就把X的滯后項(xiàng)和超前項(xiàng)都放進(jìn)模型里，作為工具變量控制內(nèi)生性。比如模型設(shè)定為Y_it=αX_it+Σβ_jΔX_it+j+ε_(tái)it（j=-p到p），通過(guò)引入ΔX的滯后和超前項(xiàng)，把X中與ε相關(guān)的部分“剝離”出來(lái)。這種方法在小樣本下表現(xiàn)更好，尤其是當(dāng)變量間存在雙向因果時(shí)，DOLS的估計(jì)結(jié)果更穩(wěn)定。對(duì)比與選擇FMOLS和DOLS都是靜態(tài)協(xié)整估計(jì)方法，但適用場(chǎng)景不同：FMOLS更依賴半?yún)?shù)修正，適合大樣本且序列相關(guān)較嚴(yán)重的情況；DOLS通過(guò)引入動(dòng)態(tài)項(xiàng)控制內(nèi)生性，對(duì)小樣本更友好。我在實(shí)際應(yīng)用中發(fā)現(xiàn)，當(dāng)T（時(shí)間跨度）大于20時(shí)，F(xiàn)MOLS的估計(jì)效率更高；而當(dāng)T在10-15之間時(shí)，DOLS的結(jié)果更穩(wěn)健。3.2動(dòng)態(tài)面板與異質(zhì)性處理：CCEMG與AMG前面的方法假設(shè)所有個(gè)體具有相同的長(zhǎng)期系數(shù)（同質(zhì)性），但現(xiàn)實(shí)中個(gè)體差異可能很大。比如研究“教育投入對(duì)經(jīng)濟(jì)增長(zhǎng)的影響”，東部發(fā)達(dá)地區(qū)的教育邊際回報(bào)可能遠(yuǎn)高于西部欠發(fā)達(dá)地區(qū)。這時(shí)候就需要允許個(gè)體間的α存在差異，同時(shí)處理截面相關(guān)性（比如全國(guó)性政策對(duì)所有地區(qū)的影響）。CCEMG（共同相關(guān)效應(yīng)均值組估計(jì)）CCEMG的全稱是CommonCorrelatedEffectsMeanGroup，它的創(chuàng)新點(diǎn)在于“捕捉共同沖擊”?，F(xiàn)實(shí)中，個(gè)體間往往受到共同因素（如全球經(jīng)濟(jì)周期、技術(shù)進(jìn)步）的影響，這些因素會(huì)導(dǎo)致截面相關(guān)（比如A地區(qū)和B地區(qū)的誤差項(xiàng)都包含全球GDP增長(zhǎng)的沖擊）。CCEMG通過(guò)在模型中加入截面均值項(xiàng)（比如所有個(gè)體X和Y的平均值），來(lái)控制這些共同因素。然后對(duì)每個(gè)個(gè)體單獨(dú)估計(jì)協(xié)整方程，最后取均值得到總體的長(zhǎng)期效應(yīng)。這種方法就像給每個(gè)個(gè)體“配了一副眼鏡”，過(guò)濾掉共同沖擊的干擾，更清晰地看到個(gè)體自身的α值。AMG（增廣均值組估計(jì)）AMG是AugmentedMeanGroup的縮寫，它在CCEMG的基礎(chǔ)上更進(jìn)一步：不僅控制共同因素，還允許長(zhǎng)期系數(shù)隨時(shí)間變化（時(shí)變協(xié)整）。具體來(lái)說(shuō)，AMG首先估計(jì)一個(gè)包含時(shí)間虛擬變量的總體模型，捕捉共同趨勢(shì)；然后對(duì)每個(gè)個(gè)體進(jìn)行回歸，加入時(shí)間趨勢(shì)項(xiàng)，得到個(gè)體的長(zhǎng)期系數(shù)；最后對(duì)個(gè)體系數(shù)取均值。這種方法特別適合分析“結(jié)構(gòu)性變化”明顯的場(chǎng)景，比如研究“碳稅政策實(shí)施前后，能源消費(fèi)與經(jīng)濟(jì)增長(zhǎng)的長(zhǎng)期關(guān)系”，AMG能更靈活地捕捉政策前后的系數(shù)變化。對(duì)比與選擇CCEMG和AMG都允許個(gè)體異質(zhì)性，但CCEMG更適合共同沖擊主要通過(guò)截面均值傳遞的場(chǎng)景，而AMG能處理更復(fù)雜的時(shí)變共同因素。我在分析“一帶一路”沿線國(guó)家貿(mào)易與經(jīng)濟(jì)增長(zhǎng)的關(guān)系時(shí)，發(fā)現(xiàn)不同國(guó)家受全球貿(mào)易規(guī)則變化的影響程度不同（有的國(guó)家是規(guī)則制定者，有的是跟隨者），用AMG估計(jì)后，個(gè)體的α值差異顯著（從0.2到0.6不等），而CCEMG的均值結(jié)果（0.4）雖然反映了總體趨勢(shì)，但掩蓋了個(gè)體差異，這時(shí)候AMG的結(jié)果更有政策參考價(jià)值。3.3方法選擇的實(shí)踐考量：從數(shù)據(jù)到問(wèn)題的適配理論方法再多，最終要回到數(shù)據(jù)和研究問(wèn)題本身。我總結(jié)了三個(gè)關(guān)鍵考量點(diǎn)：第一，樣本量（N和T的大?。┤绻鸑（個(gè)體數(shù)）大但T（時(shí)間跨度）?。ū热鏝=100，T=10），F(xiàn)MOLS和DOLS可能不夠穩(wěn)?。ㄐ枰猅足夠大才能保證漸近性），這時(shí)候CCEMG或AMG更合適，因?yàn)樗鼈冊(cè)试S個(gè)體異質(zhì)性，對(duì)T的要求較低。反之，如果T很大（比如T=50），N較?。ū热鏝=20），靜態(tài)方法（FMOLS、DOLS）的估計(jì)效率更高，因?yàn)榇骉能保證修正項(xiàng)的有效性。第二，變量?jī)?nèi)生性的來(lái)源如果內(nèi)生性主要來(lái)自反向因果（比如Y影響X），DOLS通過(guò)引入超前滯后項(xiàng)能更好地控制；如果內(nèi)生性來(lái)自遺漏變量（比如遺漏了技術(shù)進(jìn)步這個(gè)共同因素），CCEMG或AMG通過(guò)加入截面均值項(xiàng)能更有效地捕捉。我曾遇到一個(gè)案例：研究“企業(yè)研發(fā)投入與市場(chǎng)價(jià)值”的關(guān)系，發(fā)現(xiàn)OLS估計(jì)的α顯著為正，但加入企業(yè)所在行業(yè)的平均研發(fā)投入（截面均值項(xiàng)）后，α變得不顯著了，這說(shuō)明之前的結(jié)果可能高估了研發(fā)投入的作用，因?yàn)檫z漏了行業(yè)技術(shù)趨勢(shì)這個(gè)共同因素。第三，異質(zhì)性程度的判斷可以通過(guò)豪斯曼檢驗(yàn)（HausmanTest）判斷個(gè)體間是否存在顯著的異質(zhì)性。如果檢驗(yàn)拒絕原假設(shè)（同質(zhì)性），說(shuō)明必須使用允許異質(zhì)性的方法（如CCEMG、AMG）；如果不拒絕，則可以考慮靜態(tài)方法（FMOLS、DOLS）。我在分析15個(gè)OECD國(guó)家的消費(fèi)與收入關(guān)系時(shí)，豪斯曼檢驗(yàn)的p值小于0.01，強(qiáng)烈拒絕同質(zhì)性假設(shè)，這時(shí)候用AMG得到的個(gè)體系數(shù)差異（有的國(guó)家邊際消費(fèi)傾向0.8，有的0.6）就比靜態(tài)方法的均值結(jié)果（0.7）更有解釋力。四、實(shí)證應(yīng)用：以金融市場(chǎng)聯(lián)動(dòng)研究為例為了更直觀地展現(xiàn)面板協(xié)整模型的應(yīng)用過(guò)程，我以“新興市場(chǎng)股票市場(chǎng)聯(lián)動(dòng)的長(zhǎng)期效應(yīng)估計(jì)”為例，模擬一個(gè)完整的研究流程。4.1研究背景與數(shù)據(jù)說(shuō)明近年來(lái)，新興市場(chǎng)在全球金融體系中的地位日益提升，但它們的股票市場(chǎng)是否存在穩(wěn)定的長(zhǎng)期聯(lián)動(dòng)？比如，當(dāng)巴西股市上漲時(shí)，印度、南非等其他新興市場(chǎng)股市是否會(huì)同步上漲？這種聯(lián)動(dòng)性對(duì)跨境資產(chǎn)配置（分散風(fēng)險(xiǎn)）和危機(jī)傳導(dǎo)（風(fēng)險(xiǎn)蔓延）都有重要意義。我們選取10個(gè)新興市場(chǎng)國(guó)家（巴西、俄羅斯、印度、中國(guó)、南非等），時(shí)間跨度為最近20年（月度數(shù)據(jù)），變量包括各國(guó)股票市場(chǎng)的對(duì)數(shù)收益率（Y_it）和全球市場(chǎng)指數(shù)收益率（X_it，作為共同因素）。數(shù)據(jù)預(yù)處理步驟包括：對(duì)數(shù)化處理：消除異方差，使收益率更符合正態(tài)分布；去趨勢(shì)：通過(guò)HP濾波去除長(zhǎng)期趨勢(shì)，保留周期波動(dòng)；單位根檢驗(yàn)：用IPS檢驗(yàn)判斷Y_it和X_it是否非平穩(wěn)。4.2面板協(xié)整檢驗(yàn)的實(shí)施過(guò)程單位根檢驗(yàn)結(jié)果：IPS檢驗(yàn)顯示，Y_it和X_it的t統(tǒng)計(jì)量分別為-1.2和-1.5（臨界值為-2.3，顯著性水平5%），不能拒絕存在單位根的原假設(shè)，說(shuō)明變量是非平穩(wěn)的，具備協(xié)整檢驗(yàn)的前提。Pedroni協(xié)整檢驗(yàn)：我們?cè)O(shè)定協(xié)整方程為Y_it=α_i+β_iX_it+ε_(tái)it（允許個(gè)體截距和斜率異質(zhì)）。計(jì)算得到7個(gè)統(tǒng)計(jì)量，其中4個(gè)組內(nèi)統(tǒng)計(jì)量（Panelv、Panelrho、PanelPP、PanelADF）中有3個(gè)在5%水平顯著，3個(gè)組間統(tǒng)計(jì)量（Grouprho、GroupPP、GroupADF）全部顯著，拒絕“不存在協(xié)整關(guān)系”的原假設(shè)，說(shuō)明新興市場(chǎng)股市收益率與全球市場(chǎng)指數(shù)存在長(zhǎng)期均衡關(guān)系。Westerlund協(xié)整檢驗(yàn)：考慮到新興市場(chǎng)可能受共同沖擊（如美聯(lián)儲(chǔ)加息、大宗商品價(jià)格波動(dòng)），我們使用Westerlund檢驗(yàn)，設(shè)定誤差修正模型為ΔY_it=δ_i(Y_{it-1}α_iβ_iX_{it-1})+Σγ_ijΔY_{it-j}+Σθ_ijΔX_{it-j}+ε_(tái)it。檢驗(yàn)結(jié)果顯示，組均值統(tǒng)計(jì)量（G_t=-2.1，G_a=-5.3）和面板統(tǒng)計(jì)量（P_t=-3.8，P_a=-8.1）均在1%水平顯著，進(jìn)一步確認(rèn)了協(xié)整關(guān)系的存在。4.3長(zhǎng)期效應(yīng)估計(jì)的結(jié)果分析FMOLS與DOLS估計(jì)：FMOLS估計(jì)結(jié)果：β的均值為0.65（t=4.2，p<0.01），說(shuō)明全球市場(chǎng)指數(shù)每上漲1%，新興市場(chǎng)股市長(zhǎng)期平均上漲0.65%；DOLS估計(jì)結(jié)果（加入2期滯后和2期超前項(xiàng)）：β的均值為0.62（t=3.9，p<0.01），與FMOLS結(jié)果接近，驗(yàn)證了穩(wěn)健性。CCEMG估計(jì)：加入截面均值項(xiàng)（全球市場(chǎng)指數(shù)的平均值和新興市場(chǎng)收益率的平均值）后，個(gè)體β_i的估計(jì)結(jié)果差異明顯：巴西（0.75）、印度（0.68）、南非（0.55）、中國(guó)（0.42）。這說(shuō)明中國(guó)股市對(duì)全球市場(chǎng)的長(zhǎng)期聯(lián)動(dòng)性相對(duì)較弱，可能與資本管制、國(guó)內(nèi)政策導(dǎo)向有關(guān)。經(jīng)濟(jì)意義解讀：長(zhǎng)期效應(yīng)的估計(jì)結(jié)果為投資者提供了重要參考。比如，配置新興市場(chǎng)股票時(shí)，不能簡(jiǎn)單假設(shè)所有市場(chǎng)的聯(lián)動(dòng)性相同，中國(guó)市場(chǎng)的低聯(lián)動(dòng)性可以作為分散風(fēng)險(xiǎn)的“穩(wěn)定器”；而巴西、印度市場(chǎng)的高聯(lián)動(dòng)性則需要更關(guān)注全球市場(chǎng)的整體走勢(shì)。4.4穩(wěn)健性檢驗(yàn)與結(jié)果可靠性保障為確保結(jié)果可信，我們做了三項(xiàng)穩(wěn)健性檢驗(yàn)：替換估計(jì)方法：使用動(dòng)態(tài)面板GMM估計(jì)（控制內(nèi)生性），得到β的均值為0.63，與FMOLS和DOLS結(jié)果一致；子樣本檢驗(yàn)：將數(shù)據(jù)分為前10年和后10年，發(fā)現(xiàn)后10年的β均值（0.70）高于前10年（0.58），說(shuō)明新興市場(chǎng)與全球市場(chǎng)的聯(lián)動(dòng)性隨金融開(kāi)放加深而增強(qiáng)；控制變量敏感性分析：加入“各國(guó)資本賬戶開(kāi)放度”作為控制變量后，β的均值變?yōu)?.64（p<0.01），變化不大，說(shuō)明結(jié)果對(duì)控制變量不敏感。五、結(jié)