本計畫嘗試在弱認定迴歸模型中提出新結構變動檢定方法。當模型中參數存在弱認定問題時，既有GMM架構下的結構變動檢定，如Andrews (1993)與Sowell (1996)等，將遭受嚴重的型一誤差扭曲。本計畫所發展的新結構變動檢定乃建構於一般化實證概似(GEL)方法上，如一般化實證概似比(GELR)檢定或一般化實證LM (GELM)檢定，並推導其極限分配。由於Newey and Smith (2004)與Anatolyev (2005)均證明一般化實證概似估計式的漸進偏誤小於GMM，且Guggenberger and Smith (2005a, b)亦證明一般化實證概似比檢定不論在強或弱認定之下，極限上仍具有卡方分配。因此，我們將透過模擬分析，顯示本計畫所建議之結構變動檢定仍維持良好的小樣本特性，即維持正確型一誤差與適當的檢定力。此外，本計畫並針對消費資產定價模型(CCAPM)進行實證研究。 研究期間：9508 ~ 9607
