五．验证周末效应的存在
使用模型
(一) 传统的计量经济模型
我们选取收益率为因变量，周一、周二、周三、周四作为虚拟变量（五个交易日，只用选择四个变量就可以描述清楚周一至周五的不同日期）。选择这个模型的好处在于模型只涉及了四个变量就可以描述清楚了我们想要验证的问题，这样以较少的变量验证我们所需要解决的问题，更加经济。如果选用5个变量，即周一至周五各选择一个变量，则每个变量前的系数就是这个周日的平均收益率，由于我们以下还要做描述统计，所以没有必要选择；如果使用混合的计量经济模型，即选择一个适合的描述股市收益率的模型，如ARIMA、确定性趋势模型，然后在把日期作为虚拟变量假如，这样得到的统计模型一是变量太多，影响了模型的R方的值，且由于股市的收益率都近似随机游走模型，确定性和ARIMA的拟合的效果并不是很好，也没有太大的经济意义。所以，我们选择的是这个简单的，只有四个虚拟变量的计量经济模型。
即，Rt = A1D1t + A2D2t + A3D3t + A5D5t + E(1)
我们的目的是检验周末效应的存在，所以，只要虚拟变量的系数有一个能通过T检验，说明不为零，我们就可以认为周末效应是存在的。
参数 系数 sig
星期一 0.000208 0.702461
星期二 0.000848 0.723998
星期三 7.3E-05 0.147897
星期四 -0.00016 0.900902
星期五 1.67E-05 0.977323
模论文范文http://www.chuibin.com/ 型显著性检验 F 0.73
sig 0.56
这样，我们得到的模型是
Rt =-0.00016+ 0.000208D1t + 0.000848D2t + 7.3E-05D3t + 1.67E-05D5t + E(1)
我们看到各个参数的系数是不一样的，所以我们可以认为收益率是存在周末效应的。
（二）我们用非参的方法来检验
非参检验的优势我们在前边已经讲过了。这里，我们直接用检验模型来验证。我们的思想就是不借助任何对数据分布的假设，而但挖掘数字本身的信息。在非参数统计的思想中，秩，即数字在所在组的位置是个很重要的变量。
这里我们用K-W检验
K-W秩和检验是把利用把几组的数据混合求各个数据在所有数据中的秩，然后比较每个组的数据的秩相加得到秩和，然后比较各个组的秩和是否相似来检验这几组的中位数或均值是否相等的。因为如果各个组的分布大致是相似的（包括众数，中位数，均值等统计指标），则组中的数据在整批数据中的位置应该是相似的，最后得到的秩和就该相似。
我在R软件中，编辑程序来测试能否通过检验。具体的程序见附录。
运行得到的结果如下：
Kruskal-Wallis test (no ties)
data: x and l
H = 5.5837, p-value = 0.2325