sa:

• :

  ay ang logarithmic na halaga ng merkado ng stock i sa oras t (i.e., ang kabuuang halaga ng merkado na na-convert sa natural logarithm). Ipinapakita ng halagang ito ang relatibong laki ng stock. Ang pagkuha ng logarithm ay maaaring mabawasan ang epekto ng mga sukdulang halaga, gawing mas tumutugma ang data sa palagay ng normal na distribusyon, at bawasan ang heteroskedasticity.

• Sa bawat seksyon ng oras t, isang weighted least squares regression (WLS) ang isinasagawa sa lahat ng stock. Ang dependent variable ng regression ay ang kita ng bawat stock, ang independent variable ay $LNCAP_{i,t}$, at ang bigat ng regression ay ang square root ng kabuuang halaga ng merkado ng bawat stock. Ang paggamit ng weighted least squares regression ay upang mabawasan ang panghihimasok ng heteroskedasticity sa mga resulta ng regression, lalo na kapag ang halaga ng merkado ng stock ay hindi pantay na ipinamahagi, ang mga stock na may mas malaking halaga ng merkado ay may posibilidad na magkaroon ng mas maliit na pagkasumpungin. Ang paggamit ng square root ng halaga ng merkado bilang timbang ay maaaring gawing mas matatag ang mga resulta ng regression.

• :

  Ang intercept term ng equation ng regression sa seksyon ng oras t. Ang intercept term mismo ay walang malinaw na pang-ekonomiyang interpretasyon, ngunit gumaganap ito ng isang nagtutuwid na papel sa modelo ng regression, na nagpapahintulot sa linya ng regression na mas mahusay na magkasya sa data.

• :

  Ang regression coefficient ng equation ng regression sa seksyon ng oras t. Ang coefficient na ito ay kumakatawan sa linyar na ugnayan sa pagitan ng logarithmic na halaga ng merkado na $LNCAP_{i,t}$ at ang rate ng kita. Kung ang coefficient ay positibo, nangangahulugan ito na ang halaga ng merkado ay positibong nauugnay sa rate ng kita; kung hindi, nangangahulugan ito ng isang negatibong ugnayan. Dapat ituro na sa tradisyonal na salik ng halaga ng merkado, ipinapalagay natin na ang rate ng kita at ang logarithmic na halaga ng merkado ay nasa isang simpleng linyar na ugnayan, at ang coefficient ng $\beta_t$ dito ay isang linyar din na ugnayan.

• :

  Ang residual term na nakuha mula sa regression ay kumakatawan sa pagkakaiba sa pagitan ng aktwal na kita ng stock i sa oras t at ang kita na hinulaan ng linyar na ugnayan ng halaga ng merkado. Ipinapakita ng residual term na ito ang antas ng hindi-linyar na paglihis ng ugnayan ng kita ng halaga ng merkado. Kung mas malaki ang residual value, mas malaki ang antas kung saan lumilihis ang aktwal na kita ng stock i mula sa linyar na hula. Ide-de-ekstremo at i-standardize natin ang residual term na ito upang maalis ang impluwensya ng mga outlier at makakuha ng mga standardized na halaga ng salik.