完成的，在本案例中仅介绍原理，不过多介绍其操作。
? 产生新的收益率数据集并进行回归分析
如上面所介绍的，借鉴事件研究法，我们以存款准备金的调整的宣告日当日为中心，对宣告日当天不交易的，取宣告日后第一个交易日为中心，取中心日前后3个交易日（一共7个交易日）计算平均对数收益率，作为该事件的收益率；再分别计算中心日前后10个交易日（一共21个交易日），作为事件发生当月的平均对数收益率，对个别宣告日间隔不足一个月的数据，取前后两个中心日间隔区间的一半为样本区间。计算的准备金率调整的事件收益率，及事件对应的月收益率整理成数据集16-1-1.sav；同理，计算存款准备金率调整的事件收益波动性和月收益率波动整理成数据集16-1-2.sav。
在新的数据集中，将事件收益率作为因变量，月收益率作为自变量，拟合一元回归方程（模型1），用于说明月收益对事件收益的影响；将事件收益率的波动（方差）作为因变量，月收益率的波动作为自变量，再次拟合回归方程（模型2），用于说明月收益率的波动对事件收益率波动的影响。 2. 研究方法
? 收益率的定义
本文所指的收益率均为指数的对数收益率，定义为：
Rt?100ln(IndXt/IndXt?1)
? 正态性检验
为研究存款准备金率对股市短期波动性的影响，我们需要研究存款准备金率变动的宣布日前后指数的波动性有无统计上的显著差异。在检验此差异之前，我们需要先对样本数据的分布进行判定。由于本文所检验的样本是小样本, 所以在进行正态性检验时使用 Shapiro-Wilk 检验 ,而不用大样本下的Jarque-Bera 检验。Shapiro-Wilk 检验的原假设为:
H0:总体服从正态分布
S?W统计量为:
W?(?i?1aix(i))2n?ni?1(xi?x)2
其中，x(i)是排位第i的数据,
x?(x1???xn)nai由下式得出
mTV?1(a1,?,an)?(mTV?1V?1m)12
其中，m?(m1,m2,...,mn)是来自正态总体的独立同分布的随机变量的顺序统计量的预期值，V是这些顺序统计量的协方差矩阵。
当检验P值小于置信度?时，就拒绝原假设，接受备择假设。 ? levene 检验
原假设为和备选假设分别为: H0：?1??2 H1：?1??2
T
其中 , ?1为宣布日前指数收益率的方差 ,反映波动性; ?2为宣布日后指数收益率的方差，同样反映波动性。 如果正态性假定为真，我们可以直接利用 F 检验来判定宣布日前后的波动性是否相同。当正态性假定不能被满足时，我们需要寻找可替代的稳健性检验方法。大量研究表明，中国股市的数据的分布特征并不符合正态分布假定。
在这里 ,我们将利用Levene(1960) 提出的样本方差齐性检验方法来替代 F 检验。Levene 检验的统计量W 定义如下:
2(N?k)?i?1Ni(Zi??Z??)W?(k?1)?k?Ni(Zij?Zi?)2i?1j?1k
其中，K子样本数，N为样本大小，Ni为子样本大小，Yij为第i个子样本中第j个样本的指标值。
Zij?|Yij?Yi|，Yi为第i个子样本的均值,
1Z..?N1Zi.?Ni??Zi?1j?1KNiij为所有 Zij 的均值
?Zj?1Niij为第i个子样本中所有Zij 的均值
另外需要说明的是：Brown和Forsythe (1974) 提出了两个修正后的Levene 统计量，该统计量是在去除样本观测值中 10 %的极端值后，再以计算的均齐平均数取代样本平均数而得到的。Conover 等(1981) 比较超过50种检验方差是否相同的方法后也发现，修正后的Levene统计量是其中最有检验力的方法。就中国的样本数据而言，童菲(2005) 、谭加劲(2006) 的实证分析表明Levene统计量和修正后的 Levene 统计量差别很小，对统计结果不构成实质性影响，为简洁起见, 本文将仅报告Levene 统计量的值。
以上两个检验在SPSS中都不易直接完成，本案例是在Eviews中完成的，因此本案例在结果分析中只是给出结果，不说明如何操作，有兴趣的读者可以参考相关的Eviews书籍。
? 存款准备金率调整的事件收益率回归分析
研究股市收益率对调整存款准备金率的反应是否稳定。为此，我们借鉴事件研究法，对宣告日前后股市指数的收益进行单因素回归分析。
设事件i 发生的当天(ti) 及前后m天共2m +1天，指数的日平均收益(ARi)表示如下:
ARi??ti?t?mRt/(2M?1)
it?m定义时段T内共LT个交易日的指数平均收益(ART)为:
ART??Rt/LTt?T
为探究投资者对调整存款准备金率的反映程度，构造如下线性模型：
ARi?a??ART??i
其中，定义?是股市收益率的反应系数，a是存款准备金率调整以外的因素对指数的平均影响，?i为均值为零
的误差项。
对于股市收益率的波动也采用相同的方式进行研究。同样借鉴事件研究法，对宣告日前后股市指数收益波动性进行单因素回归分析。
设事件i发生的当天(ti ) 及前后m 天共2 m + 1 天，日平均收益波动(AQi) 表示如下:
AQi??ti?t?m(Rt?ARi)2/(2M?1)it?m
定义时段T 内共LT 个交易日的指数平均收益波动(AQT)为:
AQT??(Rt?ART)2/LTt?T
为探究投资者对调整存款准备金率的反映程度，构造如下线性模型：
AQi?b???AQT??i
其中，?是股市收益率波动的反应系数，b是除存款准备金率调整以外其他因素对指数的平均影响，?i为均值为零的误差项。
16.1.3 案例的统计分析实现
在本案例中，其实是由两个相对独立的板块构成，第一个板块主要是验证数据的正态性和方差齐性，属于基本统计分析，主要有Eviews统计软件完成；第二个板块主要是验证股市的平均收益率对存款准备金率调整的影响，属于探索性的分析，主要是由SPSS的相关分析和回归分析来完成，下面我们就两个主要操作介绍SPSS实现。
打开文件16-1-1.sav，操作要点如下： 相关分析
【Analysis】菜单→【Correlate】菜单→【Bivariate】菜单，在图16-1对话框如下设置： 沪市事件收益率(V1)、沪市月收益率(V2)→Variables；
在Correlation Coefficients复选框组中选择Spearman，计算Spearman等级相关系数，如此选择是为了消除极端值对Person简单相关系数的影响。
其余选择默认选项 单击
按钮完成操作。
图16-1 相关分析示意图
回归分析
【Analysis】菜单→【Regression】菜单→【Linear】菜单，在图16-2对话框如下设置： 沪市事件收益率(V1) →Dependent：，沪市月收益率(V2) →Independent(s)：； 其余选择默认选项 单击
按钮完成操作。
图16-2 回归分析示意图
回归做图操作：
【Graphs】菜单→【Legacy Dialogs】菜单→【Interactive】菜单→【Scatterplot】菜单，在图16-3对话框如下设置：
在Assign Variables选项卡片中将沪市事件收益率(V1)、沪市月收益率(V2)拖到Y轴和X轴位置（图16-3所示）； 在Fit选项卡片中的Method下拉菜单中选择Regression，表示进行线性回归作图，在下面的Prediction Lines复选框组中选择Mean，表示输出回归线，并输出95%置信区间（图16-4所示）；
其余选择默认选项 单击
按钮完成操作。
图16-3 作图示意图1 图16-4 作图示意图2
16.1.4 案例结果说明
1. 数据的正态性和方差齐性检验