第一部分為按βSMB分組的特征均衡組合檢驗結果，後半部分為按βMKT分組的特征均衡組合檢驗結果。
表4.12特征均衡組合檢驗結果t(α)t(βHML)t(βSMB)t(βMKT)A-R211-0.279 -0.571 -3.146 0.873 0.134 120.571 1.270 -4.150 -1.465 0.162 130.746 -0.632 -6.916 0.180 0.381 21-0.005 0.512 -2.366 -1.987 0.081 22-0.554 1.253 -2.441 -4.050 0.178 231.446 -1.149 -6.823 -2.259 0.381 310.081 0.876 -2.145 -2.577 0.095 32-0.321 1.136 -4.784 -2.658 0.221 330.239 0.409 -8.028 -0.155 0.430 9個均衡組合
的等權重組合0.0010.038-0.304-0.0670.528 0.5730.585-9.849-3.125t(α)t(βHML)t(βSMB)t(βMKT)A-R211-0.882 1.134 -2.421 -3.664 0.156 12-1.248 1.198 -1.294 -2.779 0.092 13-0.277 0.690 -2.254 -3.207 0.125 21-0.050 0.650 -0.997 -1.441 0.030 22-0.373 0.032 1.199 -1.780 0.059 230.749 -3.047 -2.639 -3.100 0.236 310.742 -2.115 -1.410 -1.823 0.106 321.020 -0.566 -1.295 -1.530 0.044 330.378 0.319 -4.737 -3.551 0.250 9個均衡組合
的等權重組合0.000-0.011-0.105-0.1060.384 -0.211-0.224-4.551-6.642三維分組方法下βMKT的實證結果說明市場風險不是特征，因為市場指數對於所有股票組合都是一樣的，若股票組合收益率受市場指數影響而不是受βMKT影響，則βMKT較大組合的α值應該小於βMKT較小組合的α值，然而上表中最右欄α值為-0.002大於最左欄的-0.003。相應的特征均衡組合檢驗結果也再次證明了這一點，α值為0，t值為-0.211不顯著，支持因素模型，拒絕特征模型。
三維分組方法下βSMB的實證結果同樣支持因素模型，所有t值均不顯著，但與βMKT的情況不同，βSMB較大組合的α值為-0.005小於βSMB較小組合的α值-0.002。因而有可能因為高估無風險利率導致錯誤判斷。但均衡特征組合法結果顯示，α值為0.001，t值為0.573不顯著。因而判定實證結果支持因素模型而拒絕特征模型。
表4.12中，等權重組合的調整可決係數均較大，一個為0.528，一個為0.384，這充分說明三因素模型能夠很好的解釋我國股票的橫截麵收益率。但與按βHML構造特征均衡組合不同的是，上表中的兩個t(βHML)值均不顯著，這部分說明在我國規模效應與價值效應是互相影響的，但規模效應更為顯著，在除去規模特征後，價值因素的解釋力變弱了，而除去價值因素後，規模因素的解釋力仍然很強。
（五）四維分組檢驗
從三維分組及特征均衡組合兩種方法的實證結果均支持因素模型，而拒絕特征模型。但這很有可能是由於國內市場上市場風險過大，導致B/M，SIZE特征均不明顯，前文中βMKT的大小及其t值充分說明了存在這一可能性。那麼在控製市場風險後，是否會出現股票橫截麵收益率由特征決定的情況呢？為回答這一問題，本文在Daniel(1997)中提出的三維分組及特征均衡組合外，另外進行四維分組檢驗。即在開始按照B/M，SIZE進行3×3兩維分組的基礎上，對每一個子組合按照事前βMKT的大小進行第三次均分，而後對每一個均分後的組合按照βHML或βSMB進行第四次分組。分為3×3×2×3總計54個組合，與3×3×5組合相比，每一個子組合略小，但絕大多數組合股票隻數均在10隻以上，不存在吳世農(2004)中認為可能存在股票隻數過少的問題。
四維分組排除了市場風險的幹擾，但同樣由於樣本大小的限製，隻能采取均分的方式，市場風險可能仍然會對均分後的組合產生影響，但回顧到上文中3×3×5組合超額收益率及子組合βMKT值的研究結果，βMKT明顯分為2塊，同時超額收益率也可以分為2組，則均分該組合可以將組合收益率相差較大的一塊區別開來。
四維分組不僅可以排除市場風險過大對檢驗結果的影響，同時一定程度上可以彌補檢驗方法自有的缺陷。正如前文所述，三維分組後，如果各子組合的帳麵市值比隨著βHML的增加而增加，那麼在區分特征模型與因素模型時，檢驗結果的有效性會減弱，結果將更加偏向於支持三因素模型。從表4.8中可以看出我國數據的確存在著帳麵市值比隨βHML的增加而增加的現象，同時從表4.9中可以看出βMKT隨著βHML的增加而增加。因此控製βMKT的同時，也可以進一步降低各子組合中特征的差異情況。表4.13反應了這一點。