第四章 實證結果與分析
4.2.2 消費偏向效果之估計與檢驗
本研究以消費平滑的觀點探討經常帳餘額的跨期關係，故我們必需先估計出 消費偏向效果 (θ )，並排除消費偏向動機，以求得真實消費平滑動機下之經常帳 餘額。此外，在跨期平衡觀點下，經常帳餘額應為一定態序列，但由 <表 4.3> 與
<表 4.4> 的結果我們發現，並非全部的 與C皆為定態序列，因此，為了避免
產生偏誤，當檢定結果發現 與 其中之一為非定態序列時，本文將採用
Phillips and Hansen (1990) 提出之完全修正最小平方估計法 (Fully Modified OLS, FM-OLS)，估計 與 之單一方程共積關係，以求得正確之消費偏向效果。
Xm Xm C
Xm
tC
t觀察 <表 4.3> 與 <表 4.4> 可知，僅 JP 之 與C皆為定態序列，而其它 國家的資料在此兩變數中皆有一個為非定態序列，因此，我們以一般最小平方法 (OLS) 來估計 JP 之消費偏向效果，而以 FM-OLS 來估計其它國家之消費偏向效 果。
Xm
經由 t 檢定的結果，如 <表 4.9> 所示，我們可以發現大部份的國家都存在 著 消 費 偏 向 效 果 ， 僅 UK 與 CD 之 偏 向 效 果 不 存 在 ， 因 此 ， 我 們 以 來估計UK 與 CD 線性模型下之真實消費平滑經常帳餘額。然 而，US 與 GM 之
*
*,
t t L
t
Xm C
CAm
= −θ 估計值皆顯著的小於一，表示 US 與 GM 之消費者較不具耐 性 ， 且 偏 好 目 前 消 費 ， 故 我 們 將 其 消 費 偏 向 效 果 排 除 ， 並 分 別 以
與 來估計US 與 GM 線性模型下
之真實消費平滑經常帳餘額。而FR 與 JP 之
*
*,L t 0.9027 t
t
Xm C
CAm
= −CAm
t*,L =Xm
t −0.9244C
t*θ 估計值皆顯著的大於一，其顯示了 FR 與 JP 的消費者較具有耐性，且偏好於未來消費，是以其較符合未雨綢繆的消
費行為，故我們將其消費偏向效果排除，並分別以 與
來估計 FR 與 JP 線性模型下之真實消費平滑經常帳餘 額。
*
*,L t 1.2599 t
t
Xm C
CAm
= −*
*,L t 1.0928 t
t
Xm C
CAm
= −表4.9 各國消費偏向效果之估計與檢驗 θ t-statistics standard
error
檢定 結果
線性模型下之 最適消費平滑經常帳餘額 US 0.9027 -8.1592*** 0.0119 存在
CAm
t*,L =Xm
t −0.9027C
t* UK -3.1591 -0.2819 14.7495 不存在CAm
t*,L =Xm
t−C
t*FR 1.2599 4.5111*** 0.0576 存在
CAm
t*,L =Xm
t −1.2599C
t* GM 0.9244 -2.1702** 0.0348 存在CAm
t*,L =Xm
t−0.9244C
t* JP 1.0928 6.2114*** 0.0149 存在CAm
t*,L =Xm
t −1.0928C
t* CD 1.0545 0.6744 0.0808 不存在CAm
t*,L =Xm
t−C
t*註： 1. ***，**，*分別表示在顯著水準為 1%，5%，10%之下，檢定結果為顯著之估計值。
2.H0: θ =1，H1: θ ≠ 1。
表4.10 各國之線性檢定與模型選擇
轉換變數( )
s
t 線性檢定 Test1 Test2 Test3 模型選擇US Xm(t-1) 3.3899e-34*** 1.9646e-03*** - - LSTR1
UK Xm(t-1) 1.5215e-05*** 5.3093e-02* - - LSTR1
FR Xm(t-1) 3.1665e-07*** 3.9328e-01 5.0372e-01 4.0115e-09*** LSTR1
GM Xm(t-1) 1.1982e-09*** 7.4975e-01 6.5298e-01 1.1475e-11*** LSTR1
JP Xm(t-1) 5.3445e-27*** 1.1031e-01 1.4462e-03*** - LSTR2
CD Xm(t-1) 1.4879e-47*** 2.9507e-05*** - - LSTR1
註： ***，**，*分別表示在顯著水準為 1%，5%，10%之下，檢定結果為顯著之估計值。
4.2.3 線性檢定
(4291.58) - Xm(t-1) 0.2758 (0.1429)
(456.6644) - Xm(t-1) 0.6933 (0.3829)
圖 4.1 美國 LSTR1 模型之轉換函數
圖 4.2 英國 LSTR1 模型之轉換函數
圖 4.3 法國 LSTR1 模型之轉換函數
圖 4.4 德國 LSTR1 模型之轉換函數
圖 4.5 日本 LSTR2 模型之轉換函數
圖 4.6 加拿大 LSTR1 模型之轉換函數
4.2.4 診斷分析
本研究使用 Terasvirta (2004,p.229) 所提出之三種檢定方式及 Jarque-Bera 檢 定，來進行非線性模型之診斷分析，以評估在 <表 4.11> 所得之各國非線性模型 的好壞，其檢定結果分別如下：
(1)序列相關檢定 (searially correlation test, SC test)
序列相關檢定為檢定非線性模型下之經常帳餘額是否存在著自我相關。由 <
表 4.12> 可知，在 1%顯著水準下，除了 JP 以外，其它五個國家皆無法拒絕殘差 無序列相關之虛無假設，表示這五個國家第 t 期的經常帳餘額與前 1 至 8 期的經 常帳餘額皆不存在序列相關。
(2)估計參數不變性檢定 (parameter constancy test, PC test)
透過參數不變性檢定我們可以得知參數是否隨著時間而平滑改變。檢定結果 如 <表 4.13> 所示，UK與FR之參數皆固定，JP之參數皆不固定，而US、GM與 CD其H3的檢定結果，在 1%的顯著水準下皆拒絕虛無假設，因此，US、GM與CD 非線性模型仍可能受到三次方之時間趨勢項的影響。
(3)無剩餘其它非線性檢定 (no remaining nonlinearity test, NRN test)
無剩餘其它非線性檢定為檢定我們估計之非線性模型是否已補捉到了所有 時間序列非線性的特性。觀察 <表 4.14> 可知，在 1%的顯著水準下，僅 UK、
FR 與 GM 的所有轉換變數的檢定結果發現皆無剩餘其他非線性模型，然而，US、
JP 與 CD 的轉換變數中，仍有部份變數顯著的拒絕無剩餘其他非線性之虛無假 設，但若將這些變數的檢定值與線性檢定的檢定值相比較後，可發現無剩餘其它 非線性檢定之 p 值相對大很多，因此，我們推論 US、JP 與 CD 的非線性模型大 致上已相當程度補捉到非線時間序列的特性。
表 4.12 各國之序列相關檢定
Lag 1 2 3 4 5 6 7 8
US 0.7176 0.2326 0.0709* 0.1039 0.1807 0.2886 0.1381 0.2172
UK 0.8180 0.7988 0.5095 0.3738 0.3100 0.4526 0.5537 0.5561
FR 0.0493** 0.1484 0.2441 0.2928 0.4140 0.5646 0.6444 0.7697
GM 0.7639 0.5446 0.6252 0.5677 0.7097 0.7606 0.8177 0.7697
JP 0.0000*** 0.0000*** 0.0000*** 0.0000*** 0.0000*** 0.0000*** 0.0000*** 0.0000***
CD 0.5589 0.8151 0.4236 0.5533 0.6510 0.3052 0.3807 0.5289 註： 1. ***，**，*分別表示在顯著水準為 1%，5%，10%之下，檢定結果為顯著之估計值。
2. H0: 殘差無序列相關，H1: 殘差有序列相關。
表 4.13 各國之估計參數不變性檢定
H1 H2 H3
US 0.1814 0.0618 0.0003***
UK 0.2735 0.6438 0.6916
FR 0.5433 0.5612 0.6213
GM 0.0148** 0.0120** 0.0071***
JP 0.0000*** 0.0000*** 0.0000***
CD 0.2219 0.0302** 0.0000***
註： 1. ***，**，*分別表示在顯著水準為 1%，5%，10%之下，檢定結果為顯著之估計值。
2. H10: t 係數為零，H11: t 係數不為零。
2
H0: t及t2係數皆為零，H12: t及t2係數皆不為零。
3
H0: t、t2及t3係數皆為零，H13:t、t2及t3係數皆不為零。
表 4.14 各國之無剩餘其它非線性檢定
轉換變數 US UK FR GM JP CD
Xm(t-2)
4.9402e-02** 5.3579e-01 1.9809e-01 7.0059e-01 5.4697e-06***2.7767e-04***Xm(t-3)
4.8248e-02** 2.6001e-01 3.4965e-01 5.8733e-02* 6.3203e-03***2.0612e-03***Xm(t-4)
2.9561e-02** 1.5155e-01 1.9502e-01 1.6941e-01 8.4934e-03***4.3710e-04***Xm(t-5)
6.9070e-02** 5.6243e-01 1.6766e-01 8.9434e-01 1.3994e-02** 1.3127e-02**Xm(t-6)
3.5616e-02** 6.1960e-01 4.6712e-02** 4.1571e-01 1.6714e-02** 1.7650e-02**Xm(t-7)
1.2751e-01** 1.7924e-01 6.7917e-01 4.2572e-02** 2.8388e-02** 1.6624e-02**Xm(t-8)
2.5577e-02** 8.0508e-02* 3.5297e-01 2.1531e-02** 3.5998e-02** 1.2050e-02**C(t)
6.4713e-03*** 6.1511e-01 2.5900e-01 9.9899e-01 4.9980e-01 9.4033e-05***C(t-1)
8.4596e-05*** 9.5740e-01 3.0887e-01 7.5432e-01 3.9873e-01 3.0175e-04***C(t-2)
1.7377e-04*** 7.2196e-01 2.2542e-01 9.8587e-01 4.1384e-02** 7.9409e-04***C(t-3)
2.1948e-03*** 5.8211e-01 3.9795e-01 8.5388e-01 6.0832e-03*** 5.2261e-03***C(t-4)
2.2535e-02** 2.0547e-01 3.5153e-02** 8.0611e-01 2.0653e-02** 2.8604e-03***C(t-5)
5.9867e-02** 7.8392e-01 5.3230e-01 7.8352e-01 2.9820e-02** 5.8509e-03***C(t-6)
3.1990e-02** 7.7720e-01 6.8504e-02* 8.2815e-01 3.1707e-02** 1.1512e-02**C(t-7)
4.6955e-02** 5.3968e-01 5.3881e-01 2.7788e-01 2.9526e-02** 1.3676e-02**C(t-8)
3.2838e-02** 9.7154e-02* 3.1441e-01 3.0269e-01 2.2261e-02** 1.6280e-02**註： 1. ***，**，*分別表示在顯著水準為 1%，5%，10%之下，檢定結果為顯著之估計值。
2. H0: 無剩餘其他非線性模型，H1: 有剩餘其他非線性模型。
(4)Jarque-Bera 檢定 (JB test)
我們使用 Jarque-Bera 檢定來檢定非線性模型下之經常帳餘額是否符合常態 分配，且常態分配下偏態係數近似於 0，峰態係數近似於 3。由 <表 4.15> 可知，
大部份國家非線性模型下之經常帳餘額，在 1%的顯著水準下，皆符合常態分配，
僅 JP 顯著的拒絕殘差為常態分配之虛無假設。
表 4.15 各國之 Jarque-Bera 檢定
P-value
(Chi^2) 偏態係數 (Skewness) 峰態係數 (Kurtosis)
US 0.1235 -0.0573 3.7576
UK 0.4473 -0.2893 3.4084
FR 0.3454 0.0121 3.8245
GM 0.8610 0.1231 3.0644
JP 0.0000*** -0.8869 4.9318
CD 0.0792* 0.1320 3.9121
註： 1. ***，**，*分別表示在顯著水準為 1%，5%，10%之下，檢定結果為顯著之估計值。
2.H0: 符合常態分配，H1: 不符合常態分配。
綜合上述，我們發現在 1%顯著水準下，僅UK與FR四種檢定的結果皆不顯 著，表示UK與FR非線性模型下的經常帳餘額符合常態分配、序列間不相關、參 數固定且捕捉到所有非線性的特性，故UK與FR的非線性模型具有很高的解釋能 力。而GM僅參數不變性檢定中之H3檢定結果顯著，US與CD在無剩餘其它非線 性與參數不變性檢定中的部份檢定結果也顯著拒絕虛無假設，但是，由於US、
GM與CD在無剩餘其它非線性檢定的p值已較線性檢定中的p值改善許多 (即較 不顯著)，因此，我們推論US、GM與CD之非線性模型應該也有不錯的解釋能力。
然而，JP僅在無剩餘其它非線性檢定中的部份轉換變數檢定的結果不顯著，但此 非線性模型已是我們在所有可能模型中找到的最佳模型，且此模型之無剩餘其它 非 線 性 檢 定 的 p 值 與 其 相 對 應 之 線 性 檢 定 中 的 p 值 ( 如 ： Xm(t-2) 的 p 值 為 3.9968e-14，Xm(t-3)的p值為 4.1659e-10，Xm(t-4)的p值為 8.8972e-10) 皆有改善，
因此，我們仍以此非線性模型來進行後續之分析。