Fig. 3 plots the correlation estima

Fig. 3 plots the correlation estimated by modified model. Considering the dynamic change of m,the long- and short-term components follow a similar trend, which indicates that the modified model is more efficient than the original model.Although the coefficients of dummy variables are not significant, we keep the specification with dummy variables for theintegrity of the economic implication of the model. The AIC, BIC, and loglikelihood in Tables 2 and 4 show that the fit of the modifiedmodel is improved, which means that incorporating the dummy variables can be helpful in capturing the structural changes.In addition, we also perform an alternative study by using the first investor sentiment index proposed by Baker and Wurgler (2006).The results justify the robustness of the above findings. All the results can be found in Appendix A2.

結果 (繁體中文) 1:

圖3繪製了通過修改後的模型估計的相關性。考慮m的動態變化，
長期和短期的組件遵循了類似的趨勢，這表明修改模型的效率比原來model.Although虛擬變量的係數不顯著，我們保持與虛擬規範變量的
模型的經濟含義的完整性。的AIC，BIC和對數似然在表2和4示出了經修改的擬合
模型進行了改進，這意味著，結合虛設變量可以在捕捉的結構變化有幫助的。
此外，我們還通過使用貝克和Wurgler（2006）提出的第一個投資者情緒指數進行替代的學習。
結果證明上述結論的穩健性。所有結果可以在附錄A2中找到。

結果 (繁體中文) 2:

圖 3 繪製了修改後的模型估計的相關性。考慮到m的動態變化，
長期和短期元件遵循類似的趨勢，這表明修改後的模型比原始模型更有效。儘管虛擬變數的係數並不顯著，但我們保留具有
模型的經濟含義的完整性。表 2 和表 4 中的 AIC、BIC 和對對數顯示已修改的
模型得到了改進，這意味著合併虛擬變數有助於捕獲結構變化。
此外，我們還使用貝克和沃勒（2006年）提出的第一個投資者情緒指數進行替代研究。
這些結果證明了上述結果的穩健性。所有結果可在附錄 A2 中找到。

結果 (繁體中文) 3:

圖3描繪了通過修正模型估計的相關性。考慮到m的動態變化，
結果表明，改進後的模型比原模型具有更高的效率，雖然偽變數的係數不顯著，但仍保留了原模型的偽變數說明
模型的經濟含義的完整性。錶2和錶4中的AIC、BIC和對數似然表明
模型得到了改進，這意味著引入虛擬變數有助於捕捉結構變化。
此外，我們還利用Baker和Wurgler（2006）提出的第一個投資者情緒指數進行了另一項研究。
結果證明了上述發現的穩健性。所有結果見附錄A2。