直交性（Orthogonality） 的存在簡化了變異數分析的過程；但是毀損資料（Spoilt data）的發生破壞了直交往，使得資料分析過程複雜化，且降低了實驗的有效性。 若有人可給予毀損資料一正確的估計值，則資料分析的問題可以被處理得相當完滿。 本文探討估計毀損資料的各種方法以及採用這些估計值做分析時所引發的一些問題， 例如平方和的虛增使得檢定的顯著性微增。另外也討論以電子計算機來處理估計毀損 資料時純計算的部份。最後將各種估計方法做一總結，並討論估計值的性質。

許多觀察到的時間序列資料，多呈現高峰厚尾（leptokurtic）的現象，本文引用時間序列資料為Paretian分配之假設，估計各個國家股價指數報酬率於不同頻率資料下之最大級數動差，以觀察其厚尾程度。實證結果發現，各個國家指數報酬率於不同頻率資料下之四級以上動差大部分存在，且不隨資料之頻率不同，而有不同的表現。由此可推論，各個國家股價指數報酬率之歷史分配，其離群值之活動並不嚴重。接著，利用樣本分割預測檢定（Sample Split Prediction Test）來檢定所觀察各個國家股價指數報酬率於同一樣本期間內，其左右尾之厚尾程度是否一致，及檢定所觀察各個國家指數報酬率於跨期間左尾或右尾之厚尾程度是否穩定。在同一樣本期間，檢定時間序列之左右尾之厚尾程度是否一致之檢定中，發現各個國家指數報酬率在所觀察樣本期間內，其左右尾之厚尾程度大致相同；而在跨期間之樣本分割預測檢定中，發現各個國家指數報酬率在像是1987年10月美國股市大崩盤、1990年至1991年間之波斯灣戰爭、1997年亞洲金融風暴等事件前後，其左（右）尾之厚尾程度有顯著差異。最後提出Cusum of Squares檢定，係用於檢定一時間序列資料在所觀察之樣本期間內，其非條件變異數是否為一常數。 Cusum of Squares檢定之檢定結果顯示，本文之各個國家指數報酬率在所觀察之樣本期間內，其非條件變異數並非為一常數。進一步觀察各個國家指數報酬率之Cusum of Squares圖，並綜合前述跨期間樣本分割預測檢定之結果，可推論在處理較長樣本期間之時間序列資料可能遇到結構性變動之情況時，跨期間之樣本分割預測檢定及Cusum of Squares檢定可提供結構性變動可能發生之時點。

聯邦模型（Fed Model）為一簡單股市報酬估計模型，認為股市之報酬率與政府十年期公債殖利率相近。本研究以此模型對亞太地區十個市場進行探討，並以反序累積平方和（Reversed Ordered Cusum squared，ROC）的方式偵測市場之結構變異，以做出更精確的預測與分析。所研究的市場包括澳洲、紐西蘭、日本、台灣、南韓、新加坡、香港、泰國、馬來西亞、以及菲律賓。我們得到的結論認為聯邦模型在澳洲、紐西蘭、日本、南韓、新加坡、及菲律賓的確有其效果存在，且在考量可能產生結構變異的時間點後，可使預測準確度提高。因此，我們可採用聯邦模型，做為資產在股市與債市間配置之參考工具。 / The Fed Model indicates that the stock market returns are very close to the long-term government bond yields. This article examines the Fed model in 10 main Asia-Pacific markets- Australia, New Zealand, Japan, Taiwan, Korea, Singapore, Hong Kong, Thailand, Malaysia, and Philippine. The Reversed Ordered Cusum squared (ROC) test is used to detect the structural changes, and improve the out-of-sample forecasting results. We conclude that the Fed Model has some prediction power in these 10 markets, and can be considered as a useful dynamic asset allocation tool.