虽然我解决不了您的问题，但可以问一下newci在均值方程中系数为负，cii在方差方程中的系数为正是为什么吗？我与您的研究内容相似，把宽松沟通赋值为1，得出的结果与您的结果相似，但感觉违背了经济学原理，希望与您交流学习~~~

在处理EGARCH模型时，如果均值方程显著但方差方程不显著，这可能意味着几个问题。首先，可能是因为数据的波动性确实对所研究的因素（如newci）没有响应；其次，可能是模型设定中存在一些遗漏或错误。

要解决这个问题，并非一蹴而就，需要系统地检查和调整你的模型。下面是一些推荐的方法：

1. **数据预处理**：确保你使用的数据是正确处理的。例如，对利率进行对数变换可能有助于稳定方差并减少异方差性问题。

2. **变量选择与构造**：
   - 检查newci是否适合作为解释变量。尝试使用不同的滞后阶数或转换（如你的cii=abs(newci)）来捕捉其影响。
   - 确保没有遗漏重要的协变量，这些可能会影响波动性。

3. **模型设定检查**：
   - 重新审视你的EGARCH模型结构。考虑增加或减少AR和GARCH项的阶数。
   - 尝试不同的异方差假设（比如，允许有杠杆效应）或使用其他GARCH变种如GJR-GARCH、TGARCH。

4. **诊断性检验**：运行残差检验以检查模型是否充分捕获了数据中的动态。例如，Ljung-Box测试可以检查自相关是否存在，而Jarque-Bera测试则可以检查正态性假设。

5. **经济理论与实践结合**：回顾相关的经济和金融文献，看看你的研究是否有理论基础支持预期的newci对波动率的影响，并且这些影响是否在数据中可检测到。

6. **样本量及时间跨度**：确认你的样本足够大以捕捉显著效果。有时候小样本可能会导致统计检验力不足。

7. **软件实现问题**：确保你使用的软件（如Stata、R或Python）的命令和包正确无误地实施了EGARCH模型，这有时可能需要调整默认设置或使用不同的优化算法。

记住，统计显著性并非唯一的验证途径。即使newci对波动率的影响在统计上不显著，也可能有经济意义上的重要性。最后，请保持学术诚信，在报告结果时准确反映数据和分析的局限性。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用