建议楼主最好上传paper，不然这些片面是很难判定的。

由楼主的叙述，主要关键点是在 the persistence of abnormal earnings 怎么计算。
【我想这恐怕必须楼主自行在文章中寻找】

1. 这绝对是面板数据，不用怀疑。 不管对方 omega 怎么算，再怎么算，也是从abnormal earnings来，
   而 abnormal earnings 无需争论，在楼主说的文章，按理，就是面板数据。

2. 我猜想，这个omega应当是进行某期间下的模型滚动。

其他的，本人才智疏浅，无法提供建言。

这是原文

感谢你的热心帮助，原文已上传，原文只是说omega是连续两期abnormal earnings的一阶自相关系数，具体是怎么算出来的，没有具体的说明。我当初想的也可能是某期间的滚动，原文的期间是十年，我的数据是十六年，当我做的时候就发现，比如把连续12期的数据放进去用var命令求自相关系数的时候才显著，那也就意味着，十六年的数据，按十二期来滚动，最后求出的omega也就只剩下五期了。而且还遇到的问题是，不同的酒店，为了求得显著的自相关系数，滚动的期间也不一致，有9期才显著的，有12期才显著的，有14期才显著的，若对不同的酒店用不同的期间求的话，就会感觉显得不够严谨，若统一用最长的14的期间，最后可得的omega的样本数就少的可怜了，因为总共也就只有7家酒店数据而已。一个很偶然的机会看到别人的博士论文，和我算一样的自相关系数，他用的是yearly regression，我没听过这个方法，搜索了一下也没有资料，但若能拿来用的话应该能解决我面临的问题，废话不说，上图       根据他描述性统计里的数据，从1999年开始的，他从2000年开始，直接就可以求得往下各个期间的，连续的一阶自相关系数，不知道是否有人了解这种方法，恳请指教。

1.  我流览了一下paper，确实omega是运用一阶自回归算出来的，确实没有具体的说明。
2.  我觉得某期间的滚动应当是对的。 不过我对财务金融这一块不熟，我见过的paper，
    是运用期间滚动相关的是  探讨西班牙房价的。【我记得是每五年滚动一次】
3. 我没听过yealy回归，也许这个方法真的对您有用，不能透过图书馆借阅他的博士论文吗？
    或者，写信问对方也不错。
4. 按楼主您提供的说词，似乎您的资料是年资料？ 但原文好像并没有说明是年资料。
   【也许我有误， 我一直想要透过报表中的样本观测数目 来推断，但一直没有看到】
   如果资料频率较高，比较不会发生您说的omega样本数少的可怜。
   如果可能，建议楼主您再查查您说的那个博士论文，看他的资料频率，如果真是年资料，那这个方法值得探索，如果不是，我个人觉得，这是楼主您资料限制的问题。最后，我不太懂为什么您要用长的期间滚动，短的不行吗？

祝 楼主 研究顺利

   

感谢您的热心帮助，受益良多。我之所以用长时期滚动的原因在于，短时期求得的自相关系数不显著。。。另外关于资料是否是年资料，我在提问帖的图中，有个样本.jpg的图，关于数据的选取，原文是36hotels(360companies-years) ，不知这是否足以说明是年资料。至于能不能选取更短的期间？您确实提出了一个很有价值的思路，财务报表有季报，季度资料也是可以获取的，感谢您的提醒。那篇博士论文我已经下下来了，不知您是否有时间有兴趣去瞧瞧。我所说的yearly regression的问题在第54页。因为是CAJ格式的文档，无法上传，链接如下：http://www.cnki.net/kcms/detail/detail.aspx?dbcode=CDFD&dbName=CDFD2013&FileName=1013003823.nh&v=MjUyNjlMduOrETQWsJREuZ9g5mkXKOFTvMhUXbods7gd2c6skRs8hH4PfT67H2eYTHs=&uid=WEEvREcwSlJHSldSdnQ1ZXFPVGwyWDlwRmhEclFUc1JxbWlyTDByNDhmUGh0U0c1NE1PQnREWXl0MWZHS0JRPQ==