5
雖然央行從不承認有干預匯率的行為，但事實上臺灣央行干預匯率的報導已 經是司空見慣，近年更引起美國財政部點名我國央行干預尾盤特別明顯，所以國 內學者的研究更著重於干預匯率是否存在不對稱性，是否為了迎合出口產業而阻 升不阻貶。如陳旭昇與吳聰敏（2008）實證發現央行在干預政策有兩個重點，第 一是降低匯率波動幅度，第二是阻止新台幣升值，阻升政策在 1980~1987 以及 1998~2004 年間特別顯著，表示在這段期間央行執行不對稱干預。陳旭昇（2016）
使用結構自我向量迴歸（SVAR）模型檢測央行 1989~2012 年的干預行為，研究 發現央行的干預政策在 1998 年 3 月前後有顯著不同，1998 年 3 月之後實證結果 顯著顯示央行執行阻升不阻貶的政策。然而，吳致寧等（2012）指出央行在 1980~1987 年間確實採取阻升新台幣政策，但在 1987~1997 年卻是採阻貶新台幣 政策，兩種政策皆有實行因此並無顯著的不對稱性。林依伶等（2012）發現央行 在匯率升貶值波動太大之際會採取逆風干預的匯率政策，無法證實央行有顯著的
「阻升不阻貶」或「阻貶不阻升」等不對稱性干預行為。
總和上述之研究，央行是否有明確的不對稱干預行為仍然是眾說紛紜，但可 以確定的是央行在新台幣的匯率政策上確實不是完全由市場主導的浮動匯率，央 行為保護國內出口產業的價格競爭力伸出的「看的見的手」操控著台幣匯率，但 這種操控長久下真的能對臺灣的經濟有幫助嗎?抑或是一種引鳩止渴的政策，這 將是未來探討的重點。
6
7
過去的文獻都告訴我們匯率的貶值能促進出口的增加，進而刺激經濟成長，
但是也告訴我們這種刺激是短暫且只有在發展中國家有效果，政府單位不該一昧 的抑制匯率，適度的讓匯率升值可以帶動產業升級，升級後的產業才能帶給臺灣 更好的經濟環境，而非陷入低價競爭的惡性循環。
8
9
優勢，持續的投資生產技術，才能不被拉近薪資差距。
實質薪資僵固的議題近年來持續不停的被大眾討論，而國內學者也做了許多 研究來探討這個問題，多數的研究皆指出產業沒有升級是造成實質薪資僵固的原 因，由於政府長期的保護出口產業，使出口產業過度仰賴價格戰，失去研發創新 的能力，由陳坤銘（2012）的研究結果匯率升值能提升國內研發投資，政府應該 開放匯率完全自由，不該阻升匯率保護出口，增加市場競爭程度，淘汰不良產業，
才能脫離低薪困境。
10
第四節 研究方法之回顧
雖然標準的因果關係檢定能告訴我們短期內時間序列資料之間的因果關係，
但是卻不能提供長期的因果關係與關係程度。Dufour and Renault（1998）提出一 種用來檢定兩變數間是否無因果關係的新方法，且預測的期數可超過一期。舉例 Wald-type test（likehood-ratio-type tests），Wald 檢定可以運用在變數量有限制的 一般迴歸模型。然而，Dufour et al.（2006）推導出一種新的因果檢定方法，這種 檢定法如同 Dufour and Renault（1998）所提出的 Wald 檢定，可以檢定 VAR 模 型中變數間的長短期因果關係，但新的檢定法只需要使用簡單線性最小平方估計 法估計出來的 VAR 模型以及標準常態分配理論就可以檢定 VAR 模型中是否存有 因果關係。Wald test 可以被用來檢定不同期數的落後期裡的受限制因果關係。相 同地，新方法可以允許估計式中隱藏著不明地共整合關係，。Dufour et al.（2006）
的文章中也使用這種新方法來估計含有 4 種變數的美國總體經濟模型。Dufour and Taamouti（2010）延伸 Dufour and Renault（1998）的研究，發展出一套適用 於不同預測期數的因果關係程度計算法，這個計算法可以用來衡量每一期的因果 關係程度大小，他們納入 Geweke（1982）提出的因果關係程度的概念並將這個 概念推廣至任意期數。在文章中，他們證明這個方法可以用來評估任何一個 VARMA 模型的關係程度，並且使用拔靴法（bootstrap）去建立因果程度的信賴 區間。
11 數，因此在時間序列分析中，有了「向量自我迴歸（vector autoregression ,VAR）」
分析法，向量自我迴歸模型目的在於估計任一變數變動對所有變數的影響，將所 criterion（AIC）或 Schwartz Bayesian information（SBC）等資訊準則（information criterion）方式選擇最適的落後期數，本文將以 SBC 為資訊準則來選擇最適的落
12 Granger 因果檢定去判定，本研究在估計因果關係上參考 Dufour and Taamouti
（2010）所提出的研究方法，此方法用來做長短期因果關係檢定及計算長短期因 果關係的程度大小。首先，令𝑊𝑡為一多變數向量矩陣:𝑊t = (𝑥𝑡, 𝑦𝑡, 𝑧𝑡)′，本文定 義𝑥𝑡為實質薪資，𝑦𝑡為實質匯率，𝑧𝑡為其他受到實質匯率影響的總體變數。舉例 來說，實質匯率的變動必定影響臺灣進出口市場均衡價格、數量以及貿易經常帳
（current account, CA），因此本文的𝑧𝑡中包含貿易條件（出口物價/進口物價,TOT）、
貿易比例（出口量/進口量,TRD）和工業生產指數（GDP）。接著設立一 VAR（p）
模型估計𝑊𝑡向量中變數之間的關係，最適落後期數 p 由 SBC 準則決定:
13 制模型的誤差變異數共變異數矩陣之行列式能相互對應，Dufour and Taamouti
（2010）的文章中建議此兩種模型的落後期數應該要相同，因此，為了估計實質 匯率與實質薪資之間在未來期數為 h 下的因果關係程度，我們統一使用 VAR（p）
模型來估計受限制與未受限制的預測誤差之變異數共變異數矩陣。其中如果 h=1 則與傳統 Granger 因果關係檢定結果相同。未受限制模型的變異數共變異數矩陣 估計式如下所示:
14
𝛴�𝑝(ℎ) = � 𝛹�𝑗𝛴�𝑢𝛹�𝑗′
ℎ−1 𝑗=0
（10）
其中𝛹�𝑗 = 𝛷�1（𝑗）、𝛷�𝑝（𝑗+1）= 𝛷�𝑝+1（𝑗）+ 𝛷�1(𝑗)𝛷�𝑝, 𝛷�1（1）= 𝛷�1, 𝛷�1(0)= 𝐼𝑚，且𝑗 ≥ 1。
以相同方式計算受限制模型預測誤差𝛴0|𝑘的變異數共變異數矩陣:
𝛴�0|𝑝(ℎ) = � 𝛹�𝑗𝛴�𝜀𝛹�𝑗′
ℎ−1 𝑗=0
（11）
其中𝛹�𝑗為參數𝛹�𝑗的估計式。最後，用來估計實質匯率與實質薪資之間在期數 h 下的因果關係程度的估計式為:
𝐶̂𝐿�𝑌→ 𝑋�𝐼� = 𝑙𝑛 �ℎ 𝑑𝑒𝑡[𝐽0𝛴�0|𝑝(ℎ)𝐽0′]
𝑑𝑒𝑡[𝐽1𝛴�𝑝(ℎ)𝐽1′] � （12）
其中ℎ ≥ 1,𝐽0 = [1 0] , 𝐽1 = [1 01×1 0𝑚3 ]，𝑚3是𝑍t所包含的變數個數，在本文中 考慮𝑚3有兩種情況，𝑚3 = 1、3。
15
第三節 Bootstrap 拔靴法
為了克服樣本的不足，本文使用了 bootstrap 法來重複抽樣估計因果關係的 程度，以下我們將 bootstrap 的過程分為以下步驟:
16
第四節 資料穩定性檢定
在時間序列的分析裡，辨認資料是否為定態是最為重要的步驟，如果資料為 非定態就表示在時間序列的方程式中存在「隨機趨勢」（stochastic trend），有著 隨機趨勢的資料序列將不會有固定模式的移動，且資料中的隨機成分對於該資料 有恆長性的影響，如果未將非定態的資料消除其中的隨機趨勢，貿然的做估計可 能會使變數間出現「假性迴歸」（spurious regression）的問題。因此，資料的穩 定性檢定是最先也最重要的檢定，通常檢定變數是否為定態都是以「單根檢定」
（unit root test）來確認，單根的意思指的是一方程式的解等於 1，意及特徵根落 在單位圓上，不符合定態的定義，因此如果時間序列的資料具有單根也就表示此 資料為非定態，需消除資料中的隨機趨勢，否則將會產生上述的虛假迴歸也會使 分析結果中的自我迴歸係數出現向下偏誤、t 統計量的分配不是常態分配等問 題。
3.4.1 Augmented Dickey-Fuller 單根檢定（ADF unit root test）
單根檢定最早由 Fuller（1976）及 Dickey and Fuller（1979）所提出，後來 的 ADF 檢定也是由 DF 檢定延伸而來，在迴歸式中加入被解釋變數差分的落後
17
處在於是否包含截距項𝑎0及時間趨勢項 t。此檢定的虛無假設為:
𝐻0: 𝛾 = 0
若拒絕虛無假設，則表示該序列並不存在單根，序列資料為定態，相反的，若無 法拒絕虛無假設，表示資料為非定態，須將資料做差分直到呈現定態為止。
3.4.2 Phillips-perrson 單根檢定（pp unit root test）
ADF 單根檢定雖然是文獻上常見之的定態檢定，但是 ADF 檢定本身存在著 缺陷，在 ADF 檢定中隱含殘差需為無自我相關且具有同質變異的假設，故 ADF 檢定容易發生無法拒絕定態序列具有單根的虛無假設，也就是發生型 II 錯誤的 機率較大，因此，本文又加入了 Phillips-Perron 檢定來輔助 ADF 檢定的結果。
PP 檢定把檢定式中殘差可能存在自我相關和異質變異的情況考慮進去，在不確 以此前提假設 Kwiatkowski et al.（1992）導出一 LM 統計量:
𝐿𝑀 = � 𝑆𝑡2/𝜎�𝜖2
18
假設才表示變數為定態，虛無假設為:
𝐻0: 𝜎𝑢2 = 0 因此當出現拒絕虛無假設，就需要差分以求定態。
19 匯率（real exchange rate），接著將每人每月經常性薪資除上消費者物價指數在乘 上 100，得出實質薪資（real wage），再將出口物價指數與出口貿易總額分別除 上進口物價指數和進口貿易總額乘上 100 分別得出貿易條件（TOT）跟貿易比例
20
第二節 單根檢定結果
在前面的章節提過在進行實證研究之前需要先檢查主要時間序列資料是否 為定態，如果資料為非定態序列，則序列將帶有隨機的時間趨勢，會對外生衝擊 產生永久性的影響，檢查序列是否為定態的方法為進行單根檢定，「具有單根」
的序列即為非定態序列。本文將以三種檢定方法，分別為 ADF、PP、KPSS 單根 檢定，檢定的變數有實質匯率（real exchange rate）、實質薪資（real wage）、工 業生產指數（GDP）、貿易條件（TOT）、貿易比例（TRD），分別檢查未差分與 差分十二期之後的資料。
表 4-2 : 實質匯率之單根檢定結果
(A) Augmented Dickey-Fuller test 統計量 P-Value
具有截距項 -1.672 0.445
具有截距項與時間趨勢項 -2.577 0.291 無截距項也無時間趨勢項 -0.675 0.424 (B) Phillips-perrson test 統計量 P-Value
具有截距項 -1.510 0.528
21
項或是無截距項也無時間趨勢項皆無法拒絕非定態的虛無假設，而在 KPSS 檢定 中在具有截距項及具有截距項與時間趨勢項的兩種檢定皆不拒絕序列為定態的 虛無假設。
表 4-3 : 實質薪資之單根檢定結果
(A) Augmented Dickey-Fuller test 統計量 P-Value 具有截距項 -3.562*** 0.007 具有截距項與時間趨勢項 -1.321 0.881 無截距項也無時間趨勢項 -1.939 0.988
(A) Augmented Dickey-Fuller test 統計量 P-Value 具有截距項 -3.562*** 0.007 具有截距項與時間趨勢項 -1.321 0.881 無截距項也無時間趨勢項 -1.939 0.988