(七) 變異數分解

從變異數分解，可得知各變數的相互影響程度。對於成屋價格指數而言，主 要是用來計算其「預測誤差變異」，其中有多少的比例是由其他各變數之預測誤 差變異所貢獻。表4-9 分別以第一、四、八、十二、十六、二十及二十四期之變 異數分解來加以分析，對於成屋價格指數來說，成屋價格指數在第一期時呈現百 分之百的自身解釋能力，到了第二十四期時自身解釋能力已降至 28.30%，整體 成屋價格指數之平均解釋能力高達 45.21%，其所隱含的意義表示影響成屋價格 指數之重要解釋能力仍然在於本身的因素。

在本文所納入之變數中，以貨幣供給額對成屋價格指數之解釋比例最高，平 均具有 12.18%的解釋能力，因貨幣供給額愈多，代表市場上之游資愈多，有助 於刺激購屋需求，故能合理解釋貨幣供給額對房價具有一定的解釋能力。其次，

為股價指數對成屋價格指數之解釋能力，平均為 12.12%，即可得知股價指指數 對於成屋價格指數具有重要的解釋能力，一般我們將股價指數視為實質財富，從 過去文獻股價與房價之研究，亦驗證了兩者之因果關係，因此可知股票市場與房 價之間存在重要的關係。繼而為新建築數量對於成屋價格指數之整體解釋能力為 8.54%。另其他總體變數對於成屋價格指數亦皆具有一定的解釋能力存在。表 4-10 為各總體經濟因素在各期對成屋價格指數之影響。

表4-9 成屋價格指數之變異數分析結果 (分期平均)

期數 P W Y E MS CPI St GDP Ct WAG RP 1 100.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 4 48.20 17.44 1.83 4.22 6.89 0.75 0.71 2.51 10.61 3.65 3.19 8 37.66 17.07 2.02 10.56 7.98 1.88 0.65 1.94 11.22 5.35 3.69 12 36.29 14.81 2.39 9.51 11.87 2.48 0.70 1.91 10.51 5.95 3.58 16 34.35 13.11 2.99 8.42 15.44 2.51 0.75 2.44 9.89 6.47 3.62 20 31.65 11.75 3.32 7.43 19.37 2.30 0.79 3.40 9.21 7.07 3.73 24 28.30 10.68 3.45 6.43 23.74 1.99 0.80 4.75 8.38 7.66 3.83 平均 45.21 12.12 2.29 6.65 12.18 1.70 0.63 2.42 8.54 5.16 3.09 表4-10 成屋價格指數之變異數分析結果 (各期平均)

期數 P W Y E MS CPI St GDP Ct WAG RP 1 100.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 2 72.85 11.64 0.90 0.24 6.74 0.01 0.11 0.74 5.23 1.25 0.28 3 55.95 16.72 0.68 1.50 8.18 0.37 0.78 2.76 8.33 3.37 1.36 4 48.20 17.44 1.83 4.22 6.89 0.75 0.71 2.51 10.61 3.65 3.19 5 42.87 18.19 2.20 7.13 6.61 1.00 0.65 2.25 11.33 4.17 3.61

續表4-10

6 39.72 18.26 2.22 9.43 6.76 1.22 0.64 2.10 11.42 4.56 3.66 7 38.39 17.76 2.10 10.34 7.18 1.55 0.63 2.00 11.29 5.12 3.64 8 37.66 17.07 2.02 10.56 7.98 1.88 0.65 1.94 11.22 5.35 3.69 9 37.26 16.41 2.00 10.38 9.06 2.12 0.62 1.87 11.05 5.56 3.66 10 36.91 15.84 2.05 10.13 10.10 2.28 0.67 1.83 10.89 5.67 3.63 11 36.64 15.29 2.24 9.81 11.01 2.39 0.66 1.85 10.68 5.84 3.59 12 36.29 14.81 2.39 9.51 11.87 2.48 0.70 1.91 10.51 5.95 3.58 13 35.89 14.35 2.58 9.21 12.75 2.52 0.70 2.00 10.34 6.08 3.58 14 35.42 13.92 2.72 8.94 13.65 2.54 0.73 2.11 10.20 6.19 3.59 15 34.91 13.50 2.87 8.67 14.54 2.54 0.73 2.26 10.04 6.34 3.60 16 34.35 13.11 2.99 8.42 15.44 2.51 0.75 2.44 9.89 6.47 3.62 17 33.75 12.74 3.10 8.17 16.37 2.48 0.76 2.65 9.73 6.63 3.64 18 33.09 12.39 3.18 7.92 17.34 2.43 0.77 2.87 9.57 6.77 3.67 19 32.39 12.06 3.26 7.67 18.34 2.37 0.77 3.13 9.39 6.92 3.70 20 31.65 11.75 3.32 7.43 19.37 2.30 0.79 3.40 9.21 7.07 3.73 21 30.87 11.45 3.37 7.18 20.42 2.22 0.79 3.70 9.02 7.22 3.76 22 30.05 11.18 3.40 6.93 21.51 2.15 0.80 4.03 8.81 7.37 3.78 23 29.19 10.92 3.43 6.68 22.61 2.07 0.80 4.38 8.60 7.52 3.81 24 28.30 10.68 3.45 6.43 23.74 1.99 0.80 4.75 8.38 7.66 3.83 平均 40.53 13.64 2.43 7.37 12.85 1.84 0.67 2.48 9.40 5.53 3.26

二、預售屋市場與總體經濟因素之分析

國內預售屋制度，一直甚為盛行，在不動產景氣巔峰狀態，房價居高不下的 時期，消費者為把握投資機會，預售屋往往成為消費者所積極投資之產品。時至 今日，不動產市場上仍盛行著預售屋銷售制度。本文欲深入探討總體經濟因素對 預售屋市場房價之影響，探究預售屋市場房價與總體經濟因素之關係，進一步分 析與成屋市場差異性。另預售屋價格資料所使用期間因與選擇其他總體經濟因素 之緣故，故實證期間自1981 年第 1 季至 2002 年第 4 季。(請參見表 4-11)

政府優惠房貸政策之設定為虛擬變數，以2000 年第 3 季起至 2002 年第 2 季 之期間設為1，其餘期間設為 0。本文對於預售屋市場進行分析時，與分析成屋 市場之變數相同為主，藉以有效探討相同總體經濟因素對成屋市場及預售屋市場 之影響，並進一步比較其差異性。

表4-11 預售屋市場分析變數之說明及資料來源

變數名稱 符號 資料來源與設定

臺北縣市預售屋價格

P 內政部營建署之「住宅資訊系統之整合與規劃研 究」中的臺北縣與臺北市預售住宅價格季資料 股價指數 W 台灣經濟新報資料庫(TEJ)

平均每人國民生產毛額 Y 行政院主計處資料庫 就業人口數 E 行政院主計處資料庫 貨幣供給額 MS 中央銀行(M1b) 消費者物價指數 CPI 行政院主計處資料庫 國內生產毛額 GDP 行政院主計處資料庫 建照面積⁵⁷ Ct 台灣經濟新報資料庫(TEJ) 營造業員工每人每月薪資 WAG 行政院主計處資料庫

政府優惠房貸政策 G 2000 年第 3 季起至 2002 年第 2 季之期間設為 1，

其餘期間設為0

預售屋市場房價分析過程，與成屋市場分析過程相同，採取時間序列分析，

先檢定各時間序列資料變數是否為定態，非定態且同整合階次之資料採取 Johansen 共整合分析，檢定其長期均衡關係，並配合誤差修正模式，探討變數間 之短期動態關係，再以因果關係檢定其變數間之領先、落後及同時關係，最後為 衝擊反應函數分析及變異數分解。

(一) 單根檢定

為確定資料是否為定態，必須先經過單根檢定之過程，本文單根檢定採用 ADF 檢定及 PP 檢定時間序列變數是否為定態。表 4-12 各變數原始序列與一階 差分之單根檢定結果，可得知各變數原始序列皆具有單根，而經一階差分過程 後，房價與各變數無論是ADF 檢定抑或 PP 檢定，均通過 1%的顯著水準，意即 拒絕單根之虛無假設，故房價與各變數經一階差分後成為定態之時間序列，整合 級次為I

( 1 )

57 不同於成屋市場分析之新建築數量，以新建住宅類樓地板面積為代表，因該項變數資料無法 滿足預售屋價格之較長資料期間，故以建照面積作為替代指標。

表4-12 預售屋市場分析各變數之單根檢定結果

ADF PP 變數名稱 符號

水準值 一階差分 水準值 一階差分

預售屋價格 P -1.27(1) -4.36(1)** -1.15(3) -5.63(3)**

股價指數 W -1.89(0) -8.13(0)** -1.99(3) -8.09(3)**

平均每人國民生產毛額 Y 0.49(1) -4.05(2)** -1.05(3) -9.49(3)**

就業人口數 E -2.41(1) -9.51(1)** -2.88(3) -9.27(3)**

貨幣供給額 MS 1.48(2) -5.89(2)** 1.43(3) -7.69(3)**

消費者物價指數 CPI -1.09(0) -10.06(0)** -1.10(3) -10.19(3)**

國內生產毛額 GDP 0.49(1) -4.05(2)** -1.05(3) -9.49(3)**

建照面積 Ct -1.84(0) -9.98(0)** -1.68(3) -10.10(3)**

營建業員工每人每月薪資 WAG -1.71(1) -15.47(0)** -1.41(3) -13.47(3)**

註：**代表在 1%的顯著水準下拒絕單根之虛無假設，*代表在 5%的顯著水準下拒絕單根之虛無 假設。( )內所列數字，為使序列之殘差項為白噪音(white noise)之最適落後期數。

(二) 向量自我迴歸模型—決定最適落後期數

本文使用向量自我迴歸模型以取得適當落後期數，並使用 AIC 準則及 BIC 準則，配合 LR 統計量來評估最適落後期數，因 AIC 準則與 BIC 準則之選擇期 間差異性大，最後以LR 統計量為輔助指標，配合 AIC 準則，故選取落後一期之 階數來進行實證分析。另亦針對所估計模型之殘差進行 Ljung-Box Q 檢定及 Breusch-Goldfrey 之 LM 檢定，檢測結果顯示實證模型之殘差沒有存在自我相關，

且運用JB 統計量(Jarque-Bera)確定實證模型之殘差符合常態分配。(參見表 4-13) 表4-13 預售屋市場分析 VAR 模型殘差項之檢定

落後期數 LM(1) LM(4) L-B Q JB test

1 28.62(0.47) 18.69(0.35) 486.72(0.24) 3.45(0.58)

註：LM 檢定為 Breusch-Goldfrey 之 Lagrange Multiplier test，主要為檢定模型之殘差項是否具有 序列相關之問題。L-B Q 檢定為 Ljung-Box Q 統計量，主要為檢定估計模型是否具有自我相 關。JB 檢定為檢定模型之殘型是否符合常態分配之檢定。

(三) 共整合分析

經由單根檢定可得知表4-14 所列之變數為 ，即為非定態之時間序列，

故為避免假性迴歸之問題，不能採用傳統迴歸分析方法，故本文採用 Johansen 共整合分析，主要之目的在於探討經濟變數間之長期均衡關係。

) 1 (

~

表4-14 預售屋市場分析之非定態變數資料

建照面積及營造業員工每人每月薪資對於預售屋價格為負向之影響。消費者物價

95% Critical Value

r

rank

H

Trace L-max

=0