第五章 價格的結構轉變
第二節 結構性轉變分析
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
與減少偏誤，與過去文獻採用的資料不同。
楊雅婷和彭建文(2003)以多次結構性改變檢測法發現，台北縣、市曾 發生結構性轉變，該文認為台北縣市房價第三次結構性改變時點約為 1997~1999 年，為亞洲金融風暴發生期間，可能由於該風暴造成資產泡沫 化現象發酵所導致。蔡怡純和陳明吉(2004)建立誤差修正模型，以 Chow 檢定發現台北地區在資料期間發生多次價格偏離均衡水準的狀況，為了觀 察價格趨向均衡水準的調整速度，該文利用馬可夫轉換模型來估計係數，
並且進一步以時變係數模型分析，發現價格趨向均衡的調整係數受到貨幣 供給量的影響。
房地產市場是否受到政策或金融環境影響長期均衡？為不動產領域備 受關注的主題。Hui, Liang, Ip and Ho(2012)分析亞洲城市(新加坡、香港、
上海和北京)的辦公室市場，發現較為開放自由的經濟市場，價格主要受到 全球事件的影響，而對於偏向社會經濟的市場，價格受衝擊的程度取決於 經濟的開放程度，以及國內對於外來衝擊的保護措施。Hui, Yu and IP(2009) 分析香港的豪宅價格、一般住宅價格和股價之結構轉變和彼此關係，結果 顯示住宅價格受到多項政策和金融因素影響。
二、 結構性轉變之分析技術
本文首先以移動式 Chow 檢定，探索可能存在之結構轉變點，其次以 結構轉變點發生之前後，設定時間虛擬變數，瞭解結構轉變對於迴歸參數 估計之影響。移動式 Chow 檢定和時間虛擬變數設定方式，說明如後。
（一） 移動式 Chow 檢定
結構性轉變所指為市場的長期均衡價格受到某個足以改變均衡價格的 因素，例如供給線的移動，影響了價格的變化走勢(楊奕農，2009)。由於 ARMA 估價價格的 DGP 隱含的假設為：過去的價格或誤差中，隱藏市場 供需變動的訊息，所以只要用過去價格或誤差的數據資料，就可捕捉市場 對價格變動的影響，進而可預測價格未來的趨勢。
然而，過去價格或誤差雖然在短期內不致有大幅變動，然而若估計時 間序列模型，採用的樣本期間較長，或是在樣本期間有重大的經濟因素發 生改變，就可能存在結構性轉變。Hansen(2001)指出進行結構性轉變檢測 時，若採用 Chow 檢定會有很大的限制，該方法須由研究者主觀選擇可能
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
移動式 Chow 檢定，改進傳統使用 Chow 檢定時的使用限制，可由研究者 探索性地測試未知時間點的結構性轉變。
綜合上述，一般進行結構性轉變分析時，常用的檢定方法有二：一為 Chow 轉變點檢定，另一為移動式 Chow 轉變點檢定(Hansen, 2001)。主要 的應用差別為 Chow 轉變點檢定為在已知轉變點的前提下，將樣本分成二 個子樣本，再分別計算檢定統計輛；移動式 Chow 轉變點檢定則為探索性 的尋找結構性轉變點，對於無法確實了解發生結構性轉變時間之資料，可 將樣本每個時間點都進行檢定，再從中判斷可能的結構性轉變點。
本文應用移動式 Chow 轉變點檢測，茲將檢定步驟說明如下：
1. 將所有樣本納入並估計 DGP，令其殘差平方和為 。 2. 已知轉變點為 k 的前提下，只取子樣本 1~k-1，估計其 DGP，
並令子樣本的回歸殘差平方和為 。
3. 剩餘的子樣本數 k~T 為 m 個，並以下列計算 Chow 預測性 檢定的 F 統計量，並以自由度(m, T-p-1)的 F 分配進行檢定。
F /
/ 1 ~
,
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第三節 實證結果及分析
一、 價格波動背景分析
新推住宅個案市場為投資性較高的住宅產品，容易受政策或國內外經 濟情勢影響而有較大幅度震盪。台北市和新北市的價格指數 12 年來雖有下 跌，但整體而言雙北市的新推住宅個案指數，均呈現上漲的趨勢(如圖 23)。
本文分三階段說明台北市和新北市之房價波動：第一階段(民國 92Q1~97Q4) 在 SARS 風暴的影響後，雙北的房價均呈現漲勢，市場上交易氣氛熱絡；
第二階段(民國 98Q1~100Q1)，此階段前期受到 97 年下半年，美國次貸問 題引起之全球金融風暴影響，房價略微下跌，其後房價仍持續攀升，然而 市場交易量已漸趨保守，推案區位亦轉往非市中心區域；第三階段(民國 100Q2~104Q2)，此階段房價所得比達到歷史新高，房價已為民怨之首，國 內整體經濟情勢不佳，中央銀行逐漸緊縮貸款額度，以及奢侈稅的開徵，
為房價之利空因素。
新推住宅產品為投資性質較高的產品，面對房市利空因素逐漸明顯，
台北市推出高單價低總價的產品，新北市則將推案轉向淡水區、五股區、
林口區等行政區，並且利用各種話題炒高當地預售屋行情，例如淡海新市 鎮計畫、洲子洋重劃區、機場捷運線即將通車等話題；再加上民國 100 年 之後的總統大選和雙北市長選舉，使得房價自民國 100 年之後有大幅度震 動。雙北市房價大幅震動之背景說明如後。
圖23 台北市和新北市費氏房價指數
80 130 180 230 280 330
Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2
92 93 94 95 96 97 98 99 100 101 102 103 104
基期=民國92年
台北市 RLS-費式 新北市 RLS-費式
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
民國 100 年 4 月 15 日立法院三讀通過「特種貨物及勞務稅條例(簡稱
「奢侈稅」)」，於同年 6 月 1 日實施。針對住宅市場的課徵條件為：非自 用住宅如果在一年內轉手課徵 15%的奢侈稅，若在一至二年間轉手，則課 徵 10%的奢侈稅。台北市和新北市的房價指數均在 100Q1 下跌，顯示市場 在奢侈稅尚未三讀明朗化之前，呈現較為謹慎悲觀的看法，待奢侈稅條例 於第二季通過，課徵範圍與條件明朗化後，100Q2 雙北的房價繼續上漲，
100Q3~Q4 呈現高點盤整的態勢。
民國 101 年 1 月 14 日舉行總統大選，選前票選十大民怨之首為房價高 漲，政府宣示將提高年輕人房屋租金補貼，以及補助購屋貸款，台北市 Q1 房價在 1 月大選確定後，房價呈現上漲的態勢，新北市則是維持在高點盤 整的狀況，民國 101 年下半年總體經濟數據不佳，市場推案量呈現下滑趨 勢，且中央銀行於 6 月起限縮雙北市豪宅(買賣金額高於 8,000 萬元)貸款成 數，Q2、Q3 房價呈現下跌或低點盤整的狀況，台北市 Q4 漲勢來自中低價 區的住宅補漲。
民國 102Q1~103Q1 對台北市和新北市而言，都是新推個案市場房價上 漲的時期。台北市主要推案區域集中在內湖區、士林區、中山區和北投區，
新北市主要推案區域集中在淡水區、五股區、林口區和新莊區，多屬於區 位虛擬變數中的市區或市郊變數，由於市中心房價高漲，交易市場移向市 區和市郊，推案價格屢創新高，帶動雙北市房價漲勢。
民國 103 年 11 月 19 日為直轄市長選舉，選前的不確定因素，與央行 下半年實施的「擴大房貸管控」打房措施，以及房地合一稅，在台北市發 酵，Q2、Q3 房價呈現下跌趨勢，103Q4 台北市推案為高單價、低總價，
推案主力坪數明顯降低，因此 Q4 之後單價持續上漲。新北市則僅在選舉 當季成交價略有下滑，房價隨即在選舉結果確定後於 104Q1 攀升。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
二、 房價的 AR 模型
（一） 單根檢定
進行時間序列分需之前，需先透過單根檢定目的為確認變數是否為定 態，其虛無假設乃數列為具單根之非定態數列，本文單根檢定方法為 ADF 檢定（Augmented DF test），檢定結果整理如表 21。台北市和新北市的房 價水準值，檢定結果不拒絕單根，然而，經一階差分後拒絕單根，雙北房 價指數均為 I(1)。
表21 台北市和新北市房價指數單根檢定結果
台北市 新北市
t 值 p-value t 值 p-value
房價水準值 0.59*** 0.9881 0.72*** 0.9914
一階差分 -8.16*** 0.0000 -7.21*** 0.0000
註：*、**、***分別表示在 10%、5%和 1%的顯著水準下，顯著異於 0。
（二） 自我迴歸模型
經建立台北市和新北市的自我迴歸模型，發現雙北市的房價落後期數 不同，台北市為 AR(2)模型，而新北市為 AR(3)模型(如表 22 所示)，表示 台北市的新推住宅市場的價格受到前二期房價水準的影響，新北市則受到 前三期房價水準的影響。此現象顯示，相較於新北市的家戶，台北市家戶 對於短期住宅價格波動較為敏感，新北市的價格則多會參考至前三期的房 價狀況。
表22 台北市和新北市房價指數 AR 模型
台北市 新北市
係數 t 值(p-value) 係數 t 值
HPI(-1) 0.79*** 5.35(0.0000) 0.92*** 6.24(0.0000) HPI(-2) 0.23*** 1.53(0.1342) 0.42 1.99(0.0526)
HPI(-3) - - -0.33*** -2.11(0.0409)
常數項 1.52 0.43(0.6690) 1.57 0.44(0.6589) 註：*、**、***分別表示在 10%、5%和 1%的顯著水準下，顯著異於 0。模型已通過 Q
值自我相關檢定
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
三、 結構轉變分析
（一） 移動式 Chow 檢定
經以移動式 Chow 檢定，探索性地檢定房價水準的結構性轉變，實證 結果發現台北市和新北市的新推住宅市場有相異表現。台北市的移動式 Chow 檢定顯示，在觀察值第 28 個時間點，發生價格的結構性轉變，亦即 在民國 98Q4 時，台北市的新推住宅個案市場發生改變；新北市則無統計 上較明顯的結構性改變(如表 23)。
民國 98Q4 為年全球歷經美國次貸風暴襲擊後一年。美國次貸風暴事 件所指為，20 世紀初美國房地產市場持續走高，借款人即使信用條件不好 亦能獲得貸款。金融機構將貸款給能力不足以清償貸款的借款人，卻把住 房抵押貸款證券（Mortgage-Backed Security，簡稱 MBS）包裝為金融衍生 品，分割出售給投資者和其他的金融機構。而評級機構不負責任地將這些 債券評為 AAA 級，而買家也以為自己可以透過信用違約掉期等手段規避 風險。在債券層層包裝專賣的情況下，參與此金融商品的機構都低估了風 險。當美國房價開始下跌的，次級貸款大量違約，住房抵押貸款證券價值 大幅滑落，造成許多金融機構資本大幅下降，雷曼兄弟破產，美國國際集 團瀕臨倒閉，造成世界各地緊縮信貸。民國 97 年 9 月 14 日，雷曼兄弟在 美國聯準會拒絕提供資金支持援助後提出破產申請，而在同一天美林證券 宣布被美國銀行收購，同時展開全球股市大崩盤的序幕。
台北市的結轉變分析顯示，若以 97Q3 為美國次貸風暴事件發生時間，
則經過 5 季之後，台北市的新推住宅市場才受到影響，此實證結果與文獻
則經過 5 季之後，台北市的新推住宅市場才受到影響，此實證結果與文獻