如何在分时段Fama-MacBeth回归中计算Newey-West调整t统计量

核心逻辑说明 #

分时段合并Fama-MacBeth结果时，正确路径是按各时段的样本量/回归期数加权平均系数，再基于全时段的系数序列计算Newey-West调整的协方差矩阵——Newey-West调整的是系数的标准误，而非系数本身，t值直接用「合并系数 ÷ Newey-West调整后的标准误」即可，你之前的误区是误以为参数需要调整。

方案一：基于statsmodels手动实现完整流程 #

步骤1：分时段执行横截面回归并保存系数序列 #

假设数据集已按日期拆分为df_pre（2023-05-31前，不含HML）和df_post（2023-05-31后，含HML），先逐期跑横截面回归，保存所有系数：

import pandas as pd
import numpy as np
import statsmodels.api as sm

# 定义单期横截面回归函数
def run_cs_reg(df, formula):
    coeff_list = []
    for date, group in df.groupby('date'):
        y = group['return']  # 替换为你的因变量列名
        x_vars = formula.split('~')[1].split('+')
        X = sm.add_constant(group[x_vars])
        model = sm.OLS(y, X).fit()
        coeff_list.append(pd.Series(model.params, name=date))
    return pd.concat(coeff_list, axis=1).T

# 分时段跑回归，输出系数时间序列
coeffs_pre = run_cs_reg(df_pre, 'return ~ MRT + SMB')
coeffs_post = run_cs_reg(df_post, 'return ~ MRT + SMB + HML')

# 对齐系数列：前时段补HML的0值
coeffs_pre['HML'] = 0.0
all_coeffs = pd.concat([coeffs_pre, coeffs_post])

步骤2：计算加权平均系数 #

优先用总观测数加权（比回归期数加权更精准，因为单期样本量可能差异大）：

# 计算各时段总观测数
obs_pre = df_pre.groupby('date').size().sum()
obs_post = df_post.groupby('date').size().sum()
total_obs = obs_pre + obs_post

# 加权平均系数
avg_coeffs = (
    coeffs_pre.multiply(df_pre.groupby('date').size().values, axis=0).sum() +
    coeffs_post.multiply(df_post.groupby('date').size().values, axis=0).sum()
) / total_obs

步骤3：计算Newey-West调整的标准误与t值 #

用statsmodels的NeweyWest模块计算协方差矩阵，再推导标准误和t值：

from statsmodels.stats.sandwich_covariance import NeweyWest

# 计算Newey-West协方差矩阵（滞后阶数按数据频率调整，月度数据建议选3）
nw_cov = NeweyWest(all_coeffs.values, lag=3, prewhite=False)
# 提取标准误（协方差矩阵对角线开平方）
nw_se = np.sqrt(np.diag(nw_cov))
# 计算t值
t_values = avg_coeffs.values / nw_se

# 整理结果表格
result_df = pd.DataFrame({
    '系数': avg_coeffs.values,
    'Newey-West标准误': nw_se,
    't值': t_values
}, index=avg_coeffs.index)
print(result_df)

方案二：基于linearmodels分时段处理后合并 #

linearmodels原生支持Newey-West调整的Fama-MacBeth回归，可分时段跑回归后手动加权合并：

步骤1：分时段跑带Newey-West调整的回归 #

from linearmodels import FamaMacBeth

# 转为linearmodels要求的Panel格式（替换为你的个体标识列）
df_pre_panel = df_pre.set_index(['date', 'firm_id'])
df_post_panel = df_post.set_index(['date', 'firm_id'])

# 前时段回归（不含HML）
model_pre = FamaMacBeth.from_formula(
    'return ~ 1 + MRT + SMB',
    data=df_pre_panel,
    cov_type='kernel',
    kernel='bartlett',  # Newey-West对应bartlett核
    bandwidth=3
)
results_pre = model_pre.fit()

# 后时段回归（含HML）
model_post = FamaMacBeth.from_formula(
    'return ~ 1 + MRT + SMB + HML',
    data=df_post_panel,
    cov_type='kernel',
    kernel='bartlett',
    bandwidth=3
)
results_post = model_post.fit()

步骤2：加权合并结果 #

# 补全前时段的HML系数与标准误
coeffs_pre = results_pre.params
coeffs_pre['HML'] = 0.0
se_pre = results_pre.std_errors
se_pre['HML'] = 0.0

# 用总观测数加权
weight_pre = results_pre.nobs_per_period.sum()
weight_post = results_post.nobs_per_period.sum()
total_weight = weight_pre + weight_post

# 加权平均系数
avg_coeffs = (coeffs_pre * weight_pre + results_post.params * weight_post) / total_weight

# 合并全时段系数序列，重新计算Newey-West协方差
all_period_coeffs = pd.concat([results_pre.params_per_period, results_post.params_per_period])
all_period_resids = pd.concat([results_pre.resids, results_post.resids])

from linearmodels.panel import kernel_covariance
nw_cov_all = kernel_covariance(
    all_period_coeffs.values,
    all_period_resids.values.reshape(-1,1),
    kernel='bartlett',
    bandwidth=3
)
nw_se_all = np.sqrt(np.diag(nw_cov_all))
t_values_all = avg_coeffs.values / nw_se_all

# 整理结果
result_df = pd.DataFrame({
    '系数': avg_coeffs.values,
    'Newey-West标准误': nw_se_all,
    't值': t_values_all
}, index=avg_coeffs.index)
print(result_df)

关键注意点 #

• 加权选择：优先用总观测数加权，避免因单期样本量差异导致结果偏差。
• 滞后阶数：可按公式int(4*(T/100)^(2/9))计算（T为总回归期数），月度数据一般选3-6，日度数据选5-10。
• 系数对齐：前时段缺失的HML系数必须补0，否则合并时会出现列不匹配问题。

内容的提问来源于stack exchange，提问作者Korvex91