金融发展与信息不对称.doc

1、文献一：金融发展及信息不对称摘要：我们在一个拥有 32 个国家年度数据的面板协整框架内检验一个假设，这个假设就是：信息不对称的程度应该随着金融系统的发展而降低。为此，我们延伸巴伦等人的(1998)模型，导出了一些分析师的共识，在这些分析师的预测中，他们考虑了偏见和羊群效应。我们从国家的层面来预测这项措施，这是负相关的信息不对称，数据来源于 I/B/E/S 全球总量数据库。此外，我们用在世界银行金融发展和结构数据库中发现的一套广泛的指标来代替金融发展的指标。和预期相一致，尽管国与国之间在金融发展和制度框架的特性方面存在本质上的差别，但这些分析师的共识正相关于金融体系发展的指标。前言：在这篇文章中

2、，我们探寻了已经发展成熟的理论，而根据我们所知道的，迄今没有检验一个假设。这个假设就是：信息不对称的程度应该随着金融体系的发展而降低，同时也应该随着金融体系由以银行为基准走向以资本市场为基准这个变化过程而降低。总之，以资本市场为基础的金融体系对公共信息的需求比以银行为基础的金融体系更高。这些公共信息对公司前景的评估有重要作用，因此，给他们额外所需的资金来实现这些前景也至关重要。在后者，银行由于与借贷公司有着紧密的关系而获得私人信息，连同银行更高的议价杠杆，与证券持有者及少数股民的杠杆作用相比，这些银行对私人信息的需求减弱。欲知详情,感兴趣的读者可以查阅 Beim and Calomiris (

3、2001, pp. 150-192) and Mishkin (2000, pp. 181-198).想把握一个稳健的理论框架，读者可以查阅 Diamond (1984). 毫无疑问, 缺乏相关经验的工作很大程度上是因为量化不对称信息和金融发展程度有难度。信息不对称和金融发展都是定性的并且是多方面的。例如，为信息不对称的程度构造个指标时，把有关数量、质量和公司披露的实效信息考虑进去是远远不够的。另外,还需要考虑顺从的激励和执法质量。事实上,这不是一个简单的任务!为克服这个困难,我们将“金融和发展”以及“融资”这两个分支的文献合并。前者提出了几个金融发展的指标，后者为金融发展之间信息不对称而提出

4、。Levine (2004)对前者提供了一个极好的调查，Clarke and Shastri (2001)为后者提出了一个全面的列表和一个齐整的分类。Clarke 和 Shastri 另外还讨论了有关于信息不对称的替代指标和信息不对称之间的关系的理论是不确切的，也就是说，这二者之间的关系为正相关还是负相关是不确定的。与现有文献相比,我们使用一套更广泛的经济发展指标,而我们的不对称信息尺度具有更稳健的理论基础。从第二个文献分支开始,从非对称信息指标使用到目前为止,我们研究分析师们的收入预期的离散理论，也许最广泛使用替代指标和最强的理论背景。Barry and Brown (1985)指出分析师们

5、关于公司收入的观点随着公共信息数量的递增而趋于集中。Barry and Jennings (1992) 确认该理论的结论，尽管他们指出私人信息在分析师们多样性观点中的作用取决于市场上私人和公共信息的相关数量。然而,巴伦等 (1998)(今后 BOSD)表明,分析师的共识是信息不对称的一个更好的指标。这个指标与信息不对称程负相关，它被定义为分析师的不确定性到完全不确定性之间的常见比例。正如 BOSD 表明的,它能够计算出他们预测的观察统计资料。Botosan and Harris (2000), Barron et al. (2002) and Liang (2003)在这些使用过这个指标的人当

6、中。长话短说,我们可以试验的假设是：分析师们的预测中的共识应该正相关于量化金融系统发展的指数。然而，在实践中,分析师们的预期,以及来源于他们的量化方面的共识被几个薄弱环节污染,这些薄弱环节潜在地影响了它与金BB金融市场货币市场资本市场AA资金金融中介机构银行其他金融机构其他机构资金 资金资金借款人。公司。政府。家庭。非居民直接融资EED DCC资金金贷款人/救助者。家庭。公司。政府。非居民间接融资融发展指标的关系。这些薄弱环节在于分析师表面冲突的激励,理性的偏见，分析认知偏差和羊群效应(见,例如 Antia and Pantzalis, 2006; Cooper et al., 2001; F

7、riesen and Weller, 2006; Lim, 2001) 一个确定的假设是：大量的第二阶段的调整随着信息不对称的减少而减少。这些调整同样也对分析师们的预期的共识产生影响。直观地，更多的公共信息会减少分析师们的偏差，也会减少对有偏见的预测报告的激励。它同样可以减少对集群的需求，也可能降低认知偏差的可能性。我们研究的逻辑基础在图一中被非常形象的阐明了。这个图描绘了金融体系的结构。在这个图形中，划线的片段AA,BB,CC,DD和EE 标记了信息不对称存在的点。我们集中关注的是被AA片段标注的点，这个点符合第一阶段的无偏见预测。然而，由于所提及的薄弱环节，我们基本上在被BB片段标注的点上

8、测量信息不对称。换句话说，这些薄弱点使得分析师们所相信的和所报告的出现了落差。他们同样也使得真实的与他们所观测达成的共识出现偏差。图一：金融体系结构和信息不对称 长话短说，分析师们的预测中的共识有三个影响：第一个来自“真实”信息不对称，第二个来自羊群效应，第三个来自分析师们的激励冲突和理性上的偏差。所有这几个影响正相关于信息不对称。但是他们对分析师们的共识有不同的影响：第一个和第三个是负面影响，而第二个是正面影响。整体效应虽然之前没有相关经验，但很可能是负面的。然而，正如结论部分讨论的那样，这个不确定的整体效应并没有降低我们的研究结果的重要性。总而言之，如果这个研究结果对在此被使用的过分渲染的

9、共识的测量方式有意义，那么他们对“真实”信息不对称的意义应该更大。至于金融发展指标，我们大量使用世界银行金融发展和结构数据库的一套指标(Beck et al., 2000)试图捕捉尽可能多方面的金融系统结构和发展。这些指标以同时跨越国度和时间的方式量度了金融体系各个组成部分的大小、活跃性和效率,金融体系组成部分包括金融中介机构、保险行业和股票和债券市场。我们使用面板协整框架，利用32个国家从1990年到2004年的年度数据进行了计量分析。样本根据数据的可用性而确定。计量研究结果与预期的一致。简言之，分析师们的共识正相关于银行和其他金融中介给私人的贷款额，也正相关于人寿保险行业的发展和股票市场的

10、流动性。这三项指标的价值越高表明金融系统越发达。此外，这个研究结果被几个稳健性检验所强化。据我们所了解，这是第一篇用实证分析金融发展和信息不对称之间关系的文章。Chang等人（2000）的相关的文章局限性更大。它只在国家层面上将信息不对称与国家的显著特性相连，比如平均的公司规模，随GDP 的股市资本化，法律起源和量度信息披露标准的质量的指标。信息不对称由分析师们的预测中的以及横截面设定中的离差来替代。与这篇文章的结论一致，我们发现，在其他条件不变的情况下，盎格鲁- 撒克逊法律体系更集中。这个法律体系可能更有利于资本市场的发展。与Chang等人（2000）的文章相比，本文的价值增加源于几个因素。

11、首先，我们对信息不对称使用了更稳健的度量。而且，有些显著的特性并非总是金融发展水平的良好指标，比如说法律起源和披露标准的质量这两个指标。如一些知识渊博的观察家们曾经指出的那样，可能存在一些国家，他们有同一套特征却是不同的金融系统，比如政治和历史经验这样的因素形成了他们各自的体系(Rajan and Zingales, 2003)。再者，在一个横截面设置中利用这些特点，这些特点随时间的推移变化不大，他们无法探索研究如本文所研究的金融体系和信息不对称的联合演化。最后，这儿使用的面板协整方法考虑了Chang等人的大部分时间不变特点的影响。文章余下的部分是如下组织的：第二部陈述了理论模型，即确定了可验

12、证假说。而第三部分讨论了金融发展的指标。第四部分给出了数据并分析了在面板设置中的单根检验以及协整检验与计量经济学有关的问题。而第五部分给出了实证结果。第六部分是结论。2.分析师们的预测和信息不对称我们沿用巴伦等人的模型将分析师们的信息环境属性与他们预测的被观察数据联系起来，同时考虑了这些预测的弱点。正如已注意到的，这些弱点，即分析师们面对的矛盾激励，他们的理性偏见，认知偏差和羊群效应，这些弱点使得分析师们相信的（图一中 AA 线段所示）和他们所报告的（图一中 BB 线段所示）出现隔阂。为便于讨论，我们以巴伦等人的设置的一个简要介绍开始。他们考虑了一个被 N 个分析师追踪的公司，这些分析师对该公

13、司的收入 y 进行了预测。每个分析师的信息集都有两个子集，一个包含了对所有都可以利用的普通信息，另一个包含了私人信息。基于普通信息的预测有平均值 和精确度（逆的方差）h，然而基于分析师 i 的私人信息的预测用 表示。其中，随机项 表示不同分析师们的私人信息，它是一个只由分析师 i 观察到的信号。这一项独立于其他变量，并服从均值为 0，精确度为 的正态分布。精确度越高，分析师 i 对公司的收益的预测越精确。而 和 h 都在公共领域， 和 却不在。投资者和其他分析师们知道私人信息的存在却不知道他们的属性。然而，增大与总数相关的公共信息的精度 h，也就是增大中的 h,表示企业管理者与分析师们之间的信

14、息不对称程度的降低。每个分析师的预测是他基于可得信息之上的最好估计。如下面的方程（1）所示：（1）巴伦等人定义共识，用 表示，C 视为常见不确定性的比率，V 表示所有不确定性。（2）常见不确定性就是分析师们的预测的平均成对协方差。总的不确定性是分析师们预测的 y变量的平均值，取决于他们的信息集。正如附录 B 中所证明的， 可以被表示为（3）其中，巴伦等人注意到 包含来自两个方面的影响。一方面是由 测定的信息不对称的存在性带来的影响；另一方面是由 y 测定的私人信息的质量差异性带来的影响。而且，他们呢指出，共识 ，总的不确定性 V，这些是分析师们的预测 D，平均预测标准误差 SE 和分析师的数量

15、 N 的离差函数.为检验共识与信息不对称之间的关系，我们把方程（3）转换成（4）其中 是 的平均值上下的变量， （为了这一个和以后所有的证据可看附录） 。第（4）个方程对 球偏导数得：（5）方程（5）为我们的研究提供了逻辑基础。共识 随着 的增大而增大，也就是，随着信息不对称程度的降低而增大。用代数方法表示为：（6）看到这个式子，方程（5）中的前两部分是严格为正的，对于第三部分有三种情况：1）当独立于 ，即 时，这部分为 0；2） 与 负相关时，即时，该部分为正；3）当 与 负相关时，即 ，该部分为负。上述情况中，只有第三种情况会导致 随 的增加而减少。然而，逻辑假设是随着信息不对称程度的降低

16、，即随着 的减小，由 表示的分析师们的私人信息的质量差异性应该不会增大。总之，共识 极可能是 的递增函数， ，所以是信息不对称的一个递减函数。接下来，我们沿用巴伦等人的模型来考虑分析师们的冲击激励，理性偏差和羊群效应对他们所预测的观察数据的影响。为这样做，我们假设每个分析师没有报告他对一个企业的收益的最佳估计， ，而是一个带有偏差的估计， ，由方程（7）给出：为方便与巴伦等人的结论的比较，我们用他们文章中同样的字母加星号标注来表示拓展模型的变量。任何认知偏差都包含在 中，我们不会对它们进行更深入的考虑。然而，在假设认知偏差不会随信息不对称的增多而减少的情况下，结论不会受到影响。方程（7）中的

17、项解释了分析师 i 的预测中的上述缺陷。这些缺陷因分析师的不同而变化。然而， 和 越高表示预测中的缺陷和偏差越大。我们进一步假定 与分析师 i 的非偏见预测无关联，即我们的鉴别假设是缺陷的大小正相关于信息不对称。换句话说，随着与总数相关的公共信息 h 的精度的增长，即随着 的增长，分析师们由于所面临的矛盾激励而报告偏见性预测的余地降低。他们报告理性偏见余地和动机以及对羊群行为的需求也是这样。关于 的统计特性，随着企业管理者和分析师们之间的信息不对称程度的降低， 和 也被预期减小。投资者们观察分析师们预测的平均值（8）预测的离差通过构造 ，无条件预期 ，也就是由投资者观察的偏碱性预测得离差，就是

18、（9）投资者对于与分析师 i 的预测 相关的企业收益的不确定是以分析师 i 的偏碱性预测为条件的期望变量 y(10)投资者不确定性的总体水平就是分析师们不确定性的均值用巴伦等人的相对应的方程与（10）和（11）这两个方程比较，缺陷所增加的效果与 和 这两项有关。这两项都被认为随信息不对称程度的降低而减小。在极点，当预测中没有偏见时， ，并且我们延伸的模型中的和巴伦等人的模型中的 相等。分析师们的偏见性预测的平均成对协方差，在方程（12）中给出：（12）它与巴伦模型中的 C 与 项的和相等。分析师们用 来替代羊群效应。因此，他们为正项。另外，根据我们的鉴定假设，他们被认为随信息不对称程度的降低而

19、减小。预测均值的标准误， ，（13）其中，SE 是非偏见性预测的标准误。与 BOSD 相似，我们将 定义为这种表达方式来替代方程（11）和（12），得出（14）其中A 与羊群效应相关，B 表示分析师们的预测中的所有缺陷。根据我们的鉴别性假设，A 和 B 都与信息不对称正相关，因此，认为 A 和 B 随金融系统的发展而减小。同时，关于图一，AA 段与 ，而BB 段与 。在方程（14）中对 求偏导数，得（15）方程（15）右边的这三项代表信息不对称的三个影响因素，由 度量，与偏见性预测 一致。第一项为负-见方程（6）。第二项为负，第三项为正，因为。总之，尽管在被观察的分析师们的共识方面信息不对称程

20、度提高的影响是不确定的，但很可能为负。（6）然而，这个不确定并没有破坏实证研究的逻辑基础。考虑方程（16）的第二项相对很大的情况。这可能修正第一项的效果，这是我们的主要兴趣所在。然而，如果 BB 段的噪声共识结果竟然很大程度上正相关于度量金融发展的指标，那么后者对 AA 段真正的影响应该比用计量结果所表示的要大。最后，如附件中所示， 和 是 ， 和 的函数。（17）（18）在实证分析中，我们用方程（17）和（18）计算共识 和不确定性 ，使用分析师们的偏见性预测的观察统计量，即离差 ，标准误 和分析师的个数 。3.金融发展的指标理想地，为测度金融发展，我们应该量化金融系统能在多大程度上实现它的

21、功能，即，存款的调动，货物与服务交换的易度，关于投资和资本分配的事前生产的信息，实现投资控制的事后监督和运用，交易的促进，以及风险管理的多样化(Levine, 2004)。然而，说起来比做起来容易，这些函数中大多数有其自然属性。另外，金融系统在不同的结构下以同样的效果实现他们的功能。为克服这个客观难题，这篇文章用到了几个指标。将它们分成宽泛的两类：一类用观察到的结果来测度金融发展，一类用制度环境的特征来测度金融发展。在使用第一类指标的文献中，King and Levine (1993)使用流动性负债的国内生产总值作为金融中介机构的规模的测度，私企信贷与 GDP 的比值作为一项活跃的指标，银行资

22、产与银行资产和中央银行资产的总和的比率也作为指标。Demetriades and Hussein (1996)用现金流量与 GDP 的比值度量金融的发展。不同的，Neusser and Kugler (1998)使用增值的金融体系替代样本来测度其规模。Rousseau and Wachtel (1998), and Levine et al. (2000)用银行和非银行双方的资产来度量。如银行和非银行存款中私人贷款与 GDP 的比例。Levine and Zervos (1998)，以及 Arestis 等人（2001）补充了股票市场规模和银行流动性发展指标。最后但并非不重要，Beck 等人（

23、2001）纳入了人寿保险和私募基金指标。使用第二类指标的研究遵循 La Porta 等人(1997)一半的研究。特别地，La Porta 等人指出，传统法律和执法质量影响金融发展和结构,因为金融决策都基于合同和法律。此外，La Porta 等人(2002) 用世界上公有制银行的程度作为金融发展的指标。这个指标给我们的直观感觉是公有银行效率比私有银行的效率低。我们研究第一类指标，因为第二类指标是不随时间而改变的，所以，第二类指标不能稳定的探寻信息不对称程度的时间演化。尽管如此，我们的估计技术，国家级的面板估计以及虚拟时间，抓住了制度环境随时间变化的特征的影响。然而，Benhabib and Sp

24、iegel (2000)提出一系列质疑。第一类指标的大多数研究使用有限的一套指标，这些指标只与金融系统中特殊段相关，因此，不可能抓住金融系统结构和发展的所有方面。而且，注意到这些指标这些指标与大量隐形的国家特点有关联。像在研究中被鉴定的第二类指标中，他们指出，计量结果的解释遭受省略变量偏见的影响。为了引起 Benhabib and Spiegel 的更大程度的关心，我们使用世界银行金融发展与结构的数据库中的一套指标(Beck 等人, 2000)。他们按统一国家和时间的方式测度金融系统和其他金融中介机构的主要部分。这些中介机构包括保险行业，股票市场，私募和公墓基金市场。表 1 总结了所用到的 1

25、2 个指标。第一栏公布了所用的符号,第二栏提供了一个简短描述，第三栏给出进一步的细节。这些指标被分成四组，每组与金融体系的主要部分相符：五个指数，测度银行和其他金融中介机构的规模和活动，以及银行部门的效率和结构，用 表示；两个指数，测度保险业的发展，用表示；三个指标，测度股票市场的规模，流动性和深度，用表示；两个指标测度私募和公墓基金市场的规模，用。在此插入表一为节约空间，更多的细节将在统计上显著相关的指标的实证部分进行讨论。4.实证问题4.1 共识指标我们使用 I/B/E/S 全球合计报告数据库来建立共识性和不确定性指标，分别为方程（17）中的 和方程（18 中）的 。这个数据库提供了分析师

26、每股收益(一下用 ESP 表示)预测的加权平均标准偏差,平均每股收益预计,实现的每股收益,估计的总数量以及在国家和行业层次上的股票市场指标的平均收益预测。对一个国家指标来说，这些变量是指标的组成公司相关变量的加权平均。使用一个国家的本国货币测量国家指标。（了解细节参见 I/B/E/S 全球合计报告参考与指导 2）对于每个可获得的指标，I/B/E/S 全球合计报告报告了会计年度 1 和 2 的相关数据，其中会计年度 1（后面用 FY1表示）与当前的日历年度的预测相一致，会计年度 2（后面用 FY2表示）与下一年的日历年度的预测一致。如 Botosan and Harris (2000)，Barr

27、on 等人 (2002)和 Liang (2003)中提到的，分析师们的预测 D*的离差被计算为分析师们每股收益预测量的加权平均标准差的平方（见方程（9），而标准误 SE 用方程（13 计算）。在这些计算中，y 和 分别为以实现的加权平均每股收益和平均预测值。最后，每个会计年度的分析师数量 N 用每个指数的预测个数与公司个数的比例来替代。因此，我们为每个国家当前日历会计年度 i 期指数（i=1,2），富时指数（分别用 和 表示）和摩根士丹利资本国际指数（分别用和 表示）设立共性指标和非确定性指标。I / B / E / S数据是在 1987 年从许多国家搜集而来。然而，由于数据可用性的约束下,

28、采样周期被限制为 1990-2004 年。数据的频率是一年一次, 这些数据取决于金融发展数据的可用性。共识指标和不确定性指标每月计算,然后是 12 个月的平均预测这 12 个月是从当年三月开始,第二年的二月结束。使用 12 个月的平均预测数据降低了高频噪声的级别，另外,克服了选择预测年度中的哪一个月的困难。富时指数指标包括 22 个国家,其中大部分是经济合作与发展组织成员（OECD）: 澳大利亚、奥地利、比利时、巴西、加拿大、丹麦、芬兰、法国、德国、爱尔兰、意大利、日本、墨西哥、荷兰、新西兰、挪威、南非、西班牙、瑞典、瑞士、英国和美国。摩根士丹利资本国际(MSCI)指标包括 32 个国家:以上

29、除巴西以外的国家,再加上智利、希腊、印度、印度尼西亚、韩国、巴基斯坦、秘鲁、菲律宾、波兰、葡萄牙和土耳其。4.2 描述性统计表 2 提供了独立变量的摘要统计，即，四个共识指标和五个不确定指标。列表示变量，行表示样本国家。每个单元报告了样本均值(随时间)。最后四行显示的是各个国家的国家手段的平均标准差。前面两行为整个样本设置,最后两行没有不确定指标的三个概要图，巴西、墨西哥和土耳其。如表 2 所表示的，共识指标展示跨国性变量，这个变量在会计年度 1 和会计年度 2 中，对富时指数（FTSE）来说略大于摩根士丹利资本国际(MSCI)指数.特别地，对于富时指数，会计年度 1 的标准差与均值的比例是

30、0.17 (=0.072/0.425)，而摩根士丹利国际指数的这个比例是 0.22 (=0.088/0.401)，而会计年度 2 的这个数据分别为 0.19 和 0.21。对于不确定性指标，各自的比排在第四或更高的位置（前面提到的四行的第一行)。移除三个大的概要图使得这个比例下降对于富时指数指标来说，下降到稍大于 1，对于摩根士丹利来说下降到 2 多一点。然而，注意到，实证分析的结果是不管有没有这些国家，这些比例是相同的。表 2 插到此处4.3 计量经济学问题我们测试一个联合假设：第一，信息不对称的程度负相关于金融发展。第二，分析师报告有偏见预测的余地和动力,以及对效仿的需要随着信息不对称程度

31、的降低而降低。为检测这个假说，我们用面板协整技术检验了方程（21）。（21）表示金融中介机构的指标 j，国家用 k 表示，年份用 t 表示。类似的，和 分别表示股票市场，债券市场及保险行业的指标。这是一个包含国家截获信息 和虚拟时间 的固定效应模型。国家截获信息捕捉了国家特殊因素，这些因素不随时间变化的，如与制度环境相关的因素。为控制宏观经济的不确定性和市场风险，我们把这两个因素纳入方程（21）作为控制变量，表示为 CONTROL,GDP 的实际增长率，用 CPI 测量的通胀以及当年的通胀和总市场回报指数的月收益（包括股息）的标准差。根据理论模型，控制变量与公共信息的低精确度 h 以及效仿行为

32、相关。控制变量在表 1中测度，因为正如前面提到的，共识指标和不确定性指标随时期均化。这个时期从每年的三月到次年的二月。然而，当控制变量被注明日期 t 时，结果实际上是一样的。最后，为克服四个不确定指标的缩放问题，我们采用了指标的对数。主要由于 I/B/E/S 的预测在全国的货币流通范围。上述方程中的所有变量由面板框架中的共同单位根使用 Breitung 的 t 检验和 Hadri 的 z 检验进行了测试。前者使用了一个单位根的空值假设，这个假设首先相关于 Levin, Lin and Chu 检验，因为这个假设实质上更有力(Baltagi, 2005, p. 243)。后者使用了一个无单位根的

33、空值，类似于时间序列框架中的Kwiatkowski, Phillips, Schmidt, and Shin (KPSS)检验。当至少有一个检验给出这种指示时，一个变量就称为 I(1)。除了真实的 GDP 增长率，发现所有变量都可表示为 I(1)。为节省空间，面板单位根的检验结果在此没呈现出来，但按照要求可获得。为估计方程(21)中 I(1)变量之间长期(合作整合)关系,我们使用面板动态普通最小二乘法（DOLS）预估程序。众所周知，DOLS 使用了一个参数方法解决序列相关性，并且，DOLS 比完全修正普通最小二乘法（OLS）更适合(Baltagi, 2005, p.258)。我们使用斯瓦兹标准

34、为 I(1)独立变量选择恰当数量的提前区间和滞后区间。另外，我们使用计量方程（SUR）的横截面标准误（面板修正标准误 PCSE）和协方差方法修正自由度达到处理可能存在的横截面异方差和横截面同时发生的相关性。最后，使用前面提到的面板但单元根检验方法对方程（1）的残差进行单元根检验，发现方程（1）是稳定的，说明显著性统计变量 I(1)之间的面板协整的存在。此外，我们估计了两种分析的相关面板误差修正模型，其中只利用了显著性统计变量 I(1)的差异以及相关面板协整方程的误差修正形式。5、结果表 3 和表 4 总结了面板协整方程的实证结果。第一个展示了共识的结果，第二个展示了不确定性， 面板 A 的富时指数指标和摩根士丹利资本国际指标 B。两个表有相同的结构：第一行展示发展变量，而另外两行报告显著性解释变量，调整后的 R2 和德宾沃森统计的估计系数(t 统计量在括号中)。综上所述,其结果与期望比较吻合。共识指标(表 3)和不确定性指标(表 4)有一个长期关系,不确定性指标测度金融中介机构的活动，银行部门的效率,以及保险业的发展和股票、债券市场。未完