【正文】 22. 邊裕淵，中國大陸金融深化之研究，遠景基金會季刊，2004年，第五卷，第二期，頁128。18. 張淑華、蔡忠佑，金融發(fā)展與經濟成長之因果關係－日本、韓國、臺灣之實證研究，第四屆全國實證經濟學研討會，花蓮：東華大學，2003年。14. 黃仁德、羅時萬，臺灣金融深化與經濟成長關係探討，臺灣銀行季刊，2000年，第51卷，第2期，頁5076。本文在實證研究進行驗證預測模式之可應用性時，受限研究變數(shù)為年資料形態(tài)，若能克服資料來源之時間因素限制，將以月資料或日資料來進行預測，應可提高實務之應用價值且本文之研究期間較長，有結構性改變可能影響預測模式之準確度，故若能克服以上之問題，將能增加金融相關聯(lián)率預測模式之準確度。（三）運用灰關聯(lián)分析各變數(shù)影響值貢獻度之差異，得知1965至2001年之價格敏感性之金融資產佔總發(fā)行量比率之灰關聯(lián)度對之貢獻最大，其次為臺灣加權股價指數(shù)之虛擬變數(shù)與利率自由化之虛擬變數(shù)，而資本形成比率之灰關聯(lián)度對為則無貢獻；1965至2002年之利率自由化之虛擬變數(shù)灰關聯(lián)度對之貢獻最大，其次為利率自由化之虛擬變數(shù)，而資本形成比率與國外發(fā)行比率之灰關聯(lián)度對為則無貢獻；1965至2003年之利率自由化之虛擬變數(shù)灰關聯(lián)度對之貢獻最大，其次為金融機構新發(fā)行比率與價格敏感性之金融資產佔總發(fā)行量比率，而外部融資比率之灰關聯(lián)度對為則無貢獻；1965至2004年價格敏感性之金融資產佔總發(fā)行量比率之灰關聯(lián)度對值之貢獻度最大，其次為利率自由化之虛擬變數(shù)與金融機構新發(fā)行比率，而臺灣加權股價指數(shù)之虛擬變數(shù)對之影響最小。將對具有貢獻之因素對以大小排序，其貢獻度、灰關聯(lián)度、貢獻順序整理於表3。再將其主要因素原始數(shù)值，利用逐步迴歸分析法，進行係數(shù)估算與顯著性檢定，刪除未達顯著之變數(shù)，結果為金融機構新發(fā)行比率(=，p=)、價格敏感性之金融資產佔總發(fā)行量比率(=，p=)、利率自由化之虛擬變數(shù)(=，p=)及臺灣加權股價指數(shù)之虛擬變數(shù)(=，p=)。表1 期間A、B、C之最適值、精確度及數(shù)值表影響變素期間最適n值平均精確度(%)資本形成比率A23B28利率自由化之虛擬變數(shù)A19B20C20價格敏感性之金融資產佔總發(fā)行量比率A18B18C18臺灣加權股價指數(shù)之虛擬變數(shù)A19國外發(fā)行比率B23金融機構新發(fā)行比率C16外部融資比率C20將期間A之最適n值及、數(shù)值代入(23)式、期間B之最適n值及、數(shù)值代入(24)式、期間C之最適n值及、數(shù)值代入(25)式中，即可得金融相關聯(lián)率預測實證模式，分別為 (26)、 (27)與 (28)（二）FIR應用性分析為預測2005年之值，須先驗證所建之(26)、(27)與(28)式為可應用之模式，假設2002003與2004年為預測檢驗之預測期，運用各式所求得之金融相關聯(lián)率預測實證模式計算各時間點之預測值，再與該年度之實際值作比較求出其模式之準確度，以驗證此預測模式實證模式之可應用性。期間A累積貢獻率達85%以上有資本形成比率()、利率自由化之虛擬變數(shù)()、價格敏感性之金融資產佔總發(fā)行量比率()、臺灣加權股價指數(shù)之虛擬變數(shù)()、實質GNP成長率()；期間B累積貢獻率達85%以上有利率自由化之虛擬變數(shù)()、資本形成比率()、價格敏感性之金融資產佔總發(fā)行量比率()、國外發(fā)行比率()；期間C累積貢獻率達85%以上有價格敏感性之金融資產佔總發(fā)行量比率()、利率自由化之虛擬變數(shù)()、金融機構新發(fā)行比率()、臺灣加權股價指數(shù)之虛擬變數(shù)()、外部融資比率()。原始數(shù)值資料來源為：全體金融機構金融性資產餘額取自於中央銀行經濟研究處中華民國臺灣地區(qū)金融統(tǒng)計月報；GNP、國民所得、物價上漲率與資本形成毛額等資料來源為行政院主計處之中華民國臺灣地區(qū)國民所得；外部融資比率、金融機構新發(fā)行比率、國外發(fā)行比率與資本產出比率取自於中央銀行經濟研究處編印之中華民國臺灣地區(qū)資金流量統(tǒng)計之第參篇，臺灣加權股價指數(shù)來自於臺北證券交易所編製；利率自由化虛擬變數(shù)與臺灣加權股價指數(shù)依本文之研究方法定義。（四）1989年以前等於0， 1990年利率完全自由化後等於1。肆、實證研究在本節(jié)將以臺灣地區(qū)金融發(fā)展為研究對象進行實證研究，攸關內容說明於後。依Goldsmith概念一般式表示為： (20)建立(20)式之預測模式必須得知之預測數(shù)量模式及各個係數(shù)值，故將影響金融發(fā)展之經濟變數(shù)代入(20)式，運用灰預測模式，分別對各變數(shù)建立灰預測模式，舉例而言，對之變數(shù)原始數(shù)列作一次累加生成後之數(shù)列，以最小平方法，將一次累加生成之近似關係式作一次累減生成，可求得所要還原之數(shù)列值，取某一研究期間之貨幣化比率資料，作為灰預測模式之原始數(shù)列，可得實質GNP比率灰預測模式為(21)式 　　　　　　　(21)同理可得出、。二、FIR預測模式之建立依據(jù)Goldsmith(1969)之概念，在不考慮經濟成長與物價上漲率之影響下，金融資產在某一時點之存量為 　　　　　　　 (13)由當年GNP利用無窮幾何數(shù)列之觀念，可推估出過去無窮期之GNP總和為 (14)將定義為新發(fā)行乘數(shù)時，(14)式之金融資產存量可改為 　　　　　 (15)(15)式假設期限為無限期，且經濟成長率及物價上漲率不變，則此式不適用於實際狀況，故將無限回溯期分為二段，將金融資產存量拆成二項，前一項為計算期到當期金融資產增量，後一項為期時金融資產存量，第一項之計算方法是引入截斷比率，將無限期調成有限期，其中等於則改為 　　 　 (16)由於金融資產發(fā)行後市場價格會變動，價值變動小者如短期債權可不必調整，但如權益證券、長期公債與長期公司債等則應加以調整，假設其年變動率均為，則可得期到期總價值變動值為　　　　　　 　　 (17)得知金融資產資金存量估計數(shù)值後，將其除於國富，即為金融相關聯(lián)率。：為價格敏感性之金融資產佔總發(fā)行量比率預測模式。：為外部融資比率預測模式。 ：為金融相關聯(lián)率模式之臺灣加權股價指數(shù)之虛擬變數(shù)係數(shù)。 ：為金融相關聯(lián)率模式之資本產出比率係數(shù)。 ：為金融相關聯(lián)率模式之資本形成比率係數(shù)。 ：第期國富。 ：新發(fā)行乘數(shù)。 ：總金融資產新發(fā)行比率，為金融部門、非金融部門、國人持有國外金 融資產新發(fā)行比率之和。 ：價格敏感性之金融資產佔總發(fā)行量比率，為股票發(fā)行淨額除以國內金 融性資產發(fā)行量。 ：外部融資比率，為對外融資毛額除以資本形成毛額。參、數(shù)量模式之建立一、符號定義本文參考前述文獻，並在Goldsmith之模式概念下，結合因素分析、複廻歸分析及模式建立灰預測金融相關聯(lián)率預測模式，並運用灰關聯(lián)分析法進行影響模式各因素之程度差異，攸關數(shù)量模式所採用之符號定義於下：：為金融相關聯(lián)率，為某一時點之金融資產總額除以國富與總金融資產新發(fā) 行比例。在灰關聯(lián)空間中量化之測度公式，稱為灰關聯(lián)度，求灰關聯(lián)度時，若只取一個序列為參考序列時，稱之為「局部性灰關聯(lián)度」，定義為 (10)其中(a) (b) 為參考序列， 為特定比較序列。假設原始數(shù)列為 (2)在建構時，需先對原始數(shù)列作一次累加生成，作為提供建構之中間信息，弱化原始數(shù)列之隨機性。由此可知國內外學者皆透過相關比率做為衡量金融發(fā)展之指標。由此可知，經濟發(fā)展過程中，金融部門扮演著相當重要角色，不僅扮演儲蓄與投資之資金供需中介角色，更扮演政府政策性之引導，由於金融是整個經濟之命脈，金融健全之發(fā)展更是對整個經濟發(fā)展更為重要。貳、文獻探討金融發(fā)展指金融結構之變化過程(Goldsmith,1969)，Kuznets(1955)認為一個國家之財富分配與經濟成長及金融結構有其相關性，亦呼應