嗎?主席帶給我們那些年許多學者的研究，像是 Mankiw and weil(1989) 以人口為基礎，預測美國房地產的真實價格。Dipasquale and Wheaton (1994)收集了涵蓋全國性價格趨勢的詳細經濟基礎分析。以及 John and Christian(1997)收集了美國 41 區都會區詳細經濟情況的數字資料，包含 了人口，就業，所得，新建數量，核准數量，空屋率和貸款情形。這是第
除了線性迴歸法之外，歷史也已經存在 AR(autoregressive)的概念，
直到 Box-Jenkins(1976)---ARMA 模型的出現，完整了時間序列模型。除 了多變數之外，在方程式中也加入了落後期數的概念，和波動度的影響(殘 差必須符合白噪音的觀念)。因此在歷史上開始出現了許多使用 ARMA 模型 建立房地產評價模型。McCue and King(1994)利用 ARIMA 模型研究房地產 評價和總體經濟之間的關聯。Barras(1994)利用共整合模型測試房地產與 總體經濟的影響。在亞洲方面，謝文勝(2001) 採用共積、因果關系、及誤 差修正 VAR 模型等方法，探討我國獨樹一幟的土地增稅，與住宅價格間的 關系。黃浩(2003)使用 ARIMA 找出利率、通貨膨脹、薪資對房價擁有較大 的影響力。洪淑娟(2008)使用因果檢定和共整合模型，找到股價、薪資所 得、消費者物價指數、M2、儲蓄率等變數。
雖然和本研究較無相關性，不過在房地產評價模型，在台灣比較常用 的是特徵價格函數模型。與上面所提及的不同的地方，在於變數的選取從 總體經濟層面改為個體房地產的特徵價值。在早期張金鶚與范垂爐(1993) 就以太平洋房屋公司所提供的 77~79 年真實交易價格資料，以多變量的方 式探討特徵價格理論在台灣的適用性。而同年許坤榮(1993)也提出了四個 房地產的主要特徵(一)耐久性(Durability)(二)空間的僵固性和住宅的 異質性(三)在消費者預算和總體經濟中的相對重要性(四)特殊財和外部 性。
2-2 波動性異質變異文獻回顧
ARCH(autoregressive conditional heteroscedasticity)模型。他改變 了以往同質變異數的情形，在變異數的方程式中加入了動態影響的時間序 影響到當期條件變異數的改變，因此 Bollerslev 把自我迴歸模型(autoregressive)代入了 ARCH 模型之中，演變成現在泛用的自我回歸條 件變異數模型 GARCH(generalized autoregressive conditional
heteroscedasticity)模型。
在不動產市場方面，因為他擁有了許多特性，所以波動性一直都很劇
性在各地方面影響的能力都有相似的效果。
Dolde and Tirtiroglu(1997)，使用了 GARCH 模型分析了美國舊金山房 價的模型。除此之外，還加了 GARCH-M 模型的概念。它們認為高的風險要 伴隨著高的報酬，投資者才有可能繼續持有資產，所以它們把報酬率加入 了 GARCH 模型之間。他們的研究結果發現，在短落後期數，會有負的相關 報酬，與一般金融商品的槓桿效應相反。並且證實了 moving averege 會 反轉波動性。
Norman and Peng(2006) 探討美國大都會房價的波動性。它們使用了 GARCH 模型和 VAR 模型檢測房價波動性和總體經濟間的關聯。資料為 1990 到 2002 年之間 277 個季資料的單位。結果發現有 17%的美國大都會有條件 變數異質變異的現象。家戶(house appreciation)增加率和 GMP 增加率有 重要的影響。個人薪資增加率也算有影響，但是沒這麼明顯。
在台灣方面的研究有
黃瓊瑩(2003)主要以市場風險為主，以 1975~2003 年售屋平均房價資 料為時間主軸，並以台北為研究標的，運用了樣本變異數法，指數加權移 動平均法，GARCH 模型，歷史模擬，蒙地卡羅法等等，試圖去計算風險值，
希望以購屋者的角度建立一套不動產投資風險因子模型。
蔡怡純和陳明吉(2007)完善解釋了不動產波動性動態理論-蜘蛛網模 型，並且進一步的使用 ARCH，GARCH 和 SWARCH 估計不動產市場的波動異 質變異。所謂的蜘蛛網模型是從靜態的市場供需模型，供給和需求的靜態 平衡，演變成供需有時間落差的動態模型，更能補捉不動產價格的調整及 不動產價格序列的波動性。因為模型行徑的時間序列方向如同蜘蛛網一般，
因此而以此命名。有了蜘蛛網模型，看到了動態時間序列的演變。以此為 基準，進一步的研究異質變異的時間序列模型。使用 ARCH 模型以及 GARCH 模型估計出來的係數非常顯著，說明了異質變異的情形。而使用了 SWARCH 模型所估計出來的係數比前者更是顯著許多，證明了波動性存在著結構轉 變的現象，並且由 SWARCH 實證出低波動性為常態。
蔡怡純和陳明吉(2008)接續了 2007 年的研究，試圖證明台北地區房價 波動性的不對稱性。不動產與財務金融商品比較之下，他擁有了後者所沒 有的特性:抗跌性。他們希望從研究中證明不動產價格波動性向下的不對 稱性，藉以證明不動產的”抗跌性”。使用的資料為台北地區 1973~2005 年房價資料，選取適當的均數方程式。而且使用 T-GARCH 模型-衡量波動
性存在槓桿效果的模型。最後他們得到的結果是不動產市場存在的反槓桿 效果，就是說如果上一期出現了一個壞消息，當期的報酬波動性有減小的 情況，證明了台北房地產擁有波動不對稱性的抗跌效果。
張曉慈(2010)使用了 GARCH 和 GARCH-M 模型探討了商用和住宅不動產 市場的報酬波動性的特性和差異，最後選取模型與總體經濟的落後期數。
本研究結果發現總體經濟因子對房價波動性的影響都有不同顯著效果而 且是存在著時間上的落差。
2-3 影響房價的總體經濟因子相關文獻
影響房地產的總體經濟因素非常多元，有經濟層面的、社會環境層面的、
政治力的影響還有房地產本身特徵等等。總包括的因素數十種，在本研究 希望能夠多收集不同的變數，加以檢測出最符合的模型。
McCue and King(1994)利用 ARIMA 模型研究房地產評價和總體經濟之間 的關聯。發現 CPI、名目利率、GDP 和民間投資等因素影響顯著。
Norman and Peng(2006)使用 GARCH 和 VAR 模型探討美國大都會房價的 波動性。他們認為家戶數增加率和 GMP 增加率有顯著的影響。個人薪資則 有小幅度的影響。
John(1998)收集了人口、就業、所得、新建數量、核准數量、空屋率和 貸款情形。並且把全美國分成 41 個城市進行分析，建立了許多房價迴歸 模型。
Jim,Norman and Peng(2008)完整檢定 1990~2002 年間 price volume 和房地產價格的關聯和共變程度。
在亞洲方面，也有許多的利用 ARIMA，VAR，共整合模型，grenger 因 果檢定，迴歸分析等方法研究出很多變數，在這裡就不一一介紹了。
房地產景氣指標系統
內政部建築研究所委託中華民國住宅學會研究的報導，台灣房地產景氣 動向季報，指出了每年度各季的房地產景氣指標，房地產廠商對市場景氣 的想法，還有對房地產未來的展望。由很多不同面向討論房地產景氣。其 中的指標也是本研究選取變數的標的，甚至希望能有進一步的探討。
表 2-1 房地產景氣綜合指標-台灣房地產景氣動向季報(99 年第 3 季)