1703624806
1703624807
1703624808
1703624809
不幸的是，在式（8-9）中我们仍保留了一个剩余项，这表明我们仍需要计算一个修正项αt ，从而得到：
1703624810
1703624811
1703624812
1703624813
1703624814
计算的αt 越小越好，以保证得到的环绕系数（M+αt ）能够一致性地分布，从而得到“最优结果”。Menchero使用拉格朗日乘子来计算：
1703624815
1703624816
1703624817
1703624818
1703624819
由此得出：
1703624820
1703624821
1703624822
1703624823
1703624824
我们对表8-1中的数据计算了每个时段及整个时段的Menchero因素，具体如表8-5所示。
1703624825
1703624826
表8-5 Menchero因素
1703624827
1703624828
1703624829
1703624830
1703624831
1703624832
1703624833
1703624834
在表8-6中计算了第1季度的修正的Menchero归因影响。
1703624835
1703624836
表8-6 修正的Menchero归因影响
1703624837
1703624838
1703624839
1703624840
1703624841
将表8-6中流程扩展到所有四个季度，我们可以计算每个季度的修正归因影响，并将其相加得到整个四个季度的算术法超额收益率，具体如表8-7所示。
1703624842
1703624843
表8-7 对四个季度的修正的归因分析（Menchero）
1703624844
1703624845
1703624846
1703624847
1703624848
1703624849
1703624850
1703624851
同样地，我们也达到了我们的目标，但同Carino法的结果稍有不同。需要注意的是，修正的影响对整个时段是唯一的，如果我们拉长分析时段，我们必须重新计算每个时段的影响。由于增加了复杂性，这种方法也是违反直觉的和繁琐的。
1703624852
1703624853
GRAP方法
1703624854
1703624855
Carino法和Menchero法都是平滑算法，这种方法将多时段算术法归因的剩余部分结构性的分散到各种贡献因素中。