第二章 文獻回顧
第四節 總體經濟變數與不動產市場之關連性
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
16
第四節 總體經濟變數與不動產市場之關連性
目前從眾行為探討大多為股票、基金等市場，對於不動產市場則少有著墨，
因此為了探討當不動產市場存在從眾行為時，可能影響交易量之總體經濟因素，
需先探討主要影響不動產市場之總體經濟變數。影響不動產市場之總體經濟變數 研究，大多為不動產需求量、價格、景氣與總體經濟變數之關聯性。本研究欲以 上述三面向之研究結果進而探討可能影響不動產市場從眾行為與交易量之總體 經濟因素。
Fortura and Kushner 於 1986 年運用加拿大都市房價資料進行分析，研究 結果顯示預期通貨膨脹將使不動產需求量大增，市場交易量大增帶動房價上漲。
Darrat and Glasock 於 1993 年檢視芝加哥地區不動產市場與總體經濟變數之關 係，顯示貨幣供給額與利率領先不動產價格之變動。McCue and Kling(1994)探 討不動產實質報酬率與總體經濟變數之關係，研究顯示物價指數、名目利率影響 不動產報酬率之變動，其中名目利率之影響力較明顯。
國內探討影響不動產價格之因素研究結果如下述，陳明吉(1989)運用 1973 年至 1988 年之不動產價格，探討影響不動產價格之因素，研究結果顯示股價指 數、通貨膨脹、房屋建築費用指數較具解釋力。傅舒妙(1989)研究顯示前一期的 國民所得成長率、預期通貨膨脹，以及土地單價為影響住宅價格變動之主要因素，
而前兩期之國民所得成長率、建築成本物價指數，以及前一期的住宅存量亦有影 響住宅價格之效果。林秋瑾、黃珮玲(1995)探討臺北市住宅價格與所得、物價、
股價、貨幣供給額、利率、工資，以及匯率等總體經濟變數之關係，結果顯示總 體經濟指標有領先住宅價格之情形。曾建穎、張金鶚、花敬群(2006)探討臺北地 區租金與房價之關係，實證結果顯示租金與房價存在長期均衡關係，但短期情形，
租金與房價顯著受其自身前期變動之影響，但租金與房價兩者間並無因果關係，
與過去研究認為房價領先租金之說法有所出入。
針對住宅需求因素之探討，吳森田(1994)則認為住宅需求主要受到所得、房 價、貨幣供給額、家戶數、預期增值、物價水準、家戶數之影響。彭建文與張金 鶚(2000)認為購屋需求受到房價、租金、所得及預期景氣之影響。而不動產市場 與總體經濟市場之關連性，林秋瑾、王健安、張金鶚(1996)探討房地產景氣與總 體經濟景氣於時間上領先、同時、落後之關係，研究結果亦顯示房地產景氣落後 總體經濟景氣。因此，可推論並非全為當期之總體經濟變數影響該期住宅價格、
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
17
需求及景氣，因總體經濟與房地產市場彼此呈現領先落後之關係，故考量總體經 濟變數應不僅考慮當期之變數。
除此之外，國內研究結果顯示股價指數與不動產市場之關連性十分顯著，其 中營建類股價與不動產市場之關係更甚於股價指數，江明宜(1997)更進一步對於 營建類股價與其他總體經濟變數進行分析，結果顯示營建類股價變動領先空屋數、
建築執照、土地買賣移轉登記件數(扣除建物買賣移轉登記件數)等變數，而總體 經濟變數中營建類股指數亦領先貨幣供給額。
此結果顯示，不僅不動產交易資料與總體經濟變數當期、前後期可能有關連 性，總體經濟變數之間亦有領先落後之關係，因此探討不動產市場與總體經濟變 數之關連性，應考慮總體經濟變數之落遲項、當期對其之影響性。
綜合上述四節文獻回顧之結果，國內外不動產市場從眾行為之研究甚少，其 研究模型也大多引用股票市場從眾行為驗證方式，但研究模型設計中尚有許多不 動產市場無法克服之因素，因此研究方法現多為運用報酬率進行從眾行為分析。
但股票市場對於從眾行為驗證以 LSV 模型為大宗，此概念乃運用投資人之交易筆 數進行從眾行為之分析，以投資人是否有群體買進、賣出，一致的投資決策做為 市場是否存在從眾之依據，然而不動產市場對於運用投資人交易筆數來推論從眾 行為之研究尚闕如，為不動產市場從眾行為相關研究之研究缺口。
而股票市場亦大多以月資料進行分析，不動產市場受限於資料型式則大多以 季資料進行分析，但不動產市場價格波動，受到總體經濟變數影響之月效應則無 法捕捉，因此若能以月資料進行不動產市場分析，捕捉更細微的影響效果，補足 不動產市場中研究之缺口。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
18
第三章 實證模型建立與資料說明
本章節分為研究設計與資料說明，研究設計中將說明本研究欲使用之模型概 念與檢定方式；資料說明則為使用資料與變數上之基礎分析。
第一節 實證模型建立
本研究欲先使用動態時間序列模型推論不動產市場是否存在從眾行為，再進 一步使用自我迴歸分配落遲模型(Auto-regressive Distributed Lag, ARDL)檢 定總體經濟因素、個體經濟因素與從眾行為之關聯性，該模型不僅可檢定當期變 數與從眾行為之關係，也因不動產市場存在資訊落後情形，因此不僅當期總體經 濟指標可能影響市場交易情形，於總經變數公布前後亦可能造成住宅市場交易量 變動。因此，本研究實證模型將檢驗當住宅市場存在從眾行為時，其前期與當期 各種總體經濟變數與住宅市場交易量之關連性，然而，時間序列模型須經過相關 變數檢定、模型檢定以確定模型的適宜與否。
因此，進行時間序列模型估計前，首先必須了解資料的穩定程度。因此判斷 該變數是否為定態時，需進行單根檢定(unit root test)，本研究使用 Augmented Dicky-Fuller(ADF)與 Phillips-Perron(PP)單根檢定。了解各變數在水準值是 否為定態，若非定態則需進行一階差分，當一階差分後可拒絕其存在單根之虛無 假設，則表示該變數在差分後已為穩定，而穩定之變數才可再進行時間序列模型 之估計。
一、從眾模型
動態的時間序列模型則表示模型中的應變數和自變數有跨期性的影響，其最 簡單的情形如下:
α (3.1) 此種模型表示，x 變化一單位，在當期對 y 的影響是γ，而到了下一期，y 又會 受到前一期 y 的影響，影響的倍數是β，但其影響的效果會隨著期數的增加而遞 減。
而本研究欲運用 Topol (1991)提出人類行為乃模仿、傳染效果之概念，將從 眾行為解釋為投資人購屋前理性考量後，仍參考前期投資人交易情形而進行投資 決策之行為，並修正 Baddely(2005)提出動態從眾行為模型，其概念為投資人於
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
19
購屋前會先理性參考當時進場未來每月將支付之房屋持有成本做為購屋與否之 依據，但除了理性的考量外，投資人尚會參考前期市場交易情形，並且受到前期 市場交易情形影響程度更甚於內心理性考量時，則市場存在從眾行為。因此運用 此概念下之從眾模型如下:
α (3.2) 其中，Volumet為當期不動產交易量，UCt則為於前期進場將支付之不動產持 有成本，t 為時間趨勢。而 S 為原模型中季節影響變數，國外不動產市場受季節 影響其交易情形，然而，於台灣不動產市場中季節變數則不顯著，但卻有所謂 329 檔期3與光輝十月4使得不動產市場於該月交易量大增，且本研究資料型式為 月交易資料，因此季節變數將以 3 月虛擬變數（3m）與 10 月虛擬變數（10m）取 代，修正後模型如下：
α
(3.3) 其中不動產持有成本則為 Jorgenson(1963)提出之概念，意為購屋者於該月 進場後，未來持有不動產每月所需支付的成本，若持有成本越大則表示購屋後每 月負擔較多，因此不動產持有成本將伴隨不動產資本利得與租金收益而降低，但 卻隨著貸款成本而提高。模型中不動產持有成本（UCt）計算過程如下:
(3.4) 其中，μ是貸款利息成本，p 則為房價資本利得，ρ則為租金收益。本模型 運用各地區歷年每月的房價資料乘上帄均購屋面積進行各月份帄均購屋價格詴 算，並運用帄均貸款成數與各月份購屋貸款利率進行每月貸款利息成本(μ)計算，
再扣除月資本利得與租金收益，得到購屋者於該月進場購屋時，未來每月將支付 的持有成本費用。
Bikchandani, Hirshleifer and Welch (1992)、Banerjee(1992)認為從眾 行為為忽略本身資訊轉而跟隨他人決策行為之情形，而產生模仿的效果，即使自 身訊息並非傾向進行該決策。因此，本模型中運用前後期交易量關係推論他人的 決策行為是否存在模仿效果，而持有成本則為決策者本身內心理性的考量，若內
3 329 檔期為春節連續放假後，主要的假期，加上四月春假假期到來，投資人看屋時間增加，亦
增加不動產市場的交易量。
4 光輝十月亦有 928 檔期之說法，因台灣人大多避免於農曆七月購屋，加上 928 教師節與 10 月 雙十節，購屋者看屋時間較多、市場買氣較旺，於台灣無週休二日前，329 與 928 檔期更加明顯。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
20
心理性考量與跟隨他人情形同時存在，並受內心理性影響程度小於他人決策行為 之影響時，則表示該市場存在從眾行為。於模型結果顯示上則為當期交易量受到 前期交易量與當期持有成本顯著正向與負向相關，並且受到前期交易量影響程度 大於持有成本時，則可推論該市場存在從眾行為。
二、自我迴歸分配落遲模型
Jorgenson(1966)提出自我迴歸分配落遲模型，基本的表示方式如下:
(3.5)
其中 為落遲 i 期的外生變數向量，其最大落遲項則為 。此模型 x 的變 動對 y 的影響有遞延效果(lagged effects)，也就是說 x 變動對 y 所造成的影響，
不會全然在當期發生效果。而將(3.3)式加入總體、個體經濟變數的當期與落遲 項後則可表示如下:
不會全然在當期發生效果。而將(3.3)式加入總體、個體經濟變數的當期與落遲 項後則可表示如下: