變數說明

由於資料庫中的消費者物價指數 (consumer price index, CPI) 與工業生產指數 (industrial production index) 的基期並不一致，因此先將此兩變數的基期調至以 2000 年 為基期。

本文所選取變數說明如下：

(1) 本國實質貨幣總額

貨幣總額經消費者物價指數平減後，以對數形式表示。

(2) 本國實質所得

因國內生產毛額 (gross domestic product, GDP) 只有季資料及年資料，並無月資 料，故依據 Prock et al. (2003) 以工業生產指數作為衡量 GDP 的代理變數，以對 數形式表示。但資料庫中無泰國及菲律賓的工業生產指數資料，故此兩國以製造 業生產指數 (manufacturing product index) 來代替。

(3) 本國利率

由於資料庫中無新加坡的貼現率，我們以其國庫券利率作為代替該國貼現率的變 數。其餘各國皆為貼現率。

(4) 外國利率

因歐元、日圓及美元 (以下簡稱為 EU、JP 與 US) 為國際上最為通用之貨幣，故 將此三種貨幣視為外國，討論此三國的利率水準對本國貨幣需求的影響。其利率

6 雖然馬來西亞亦是東亞重要的國家之一，但金融風暴發生後，馬來西亞於 1998 年 10 月至 2005 年 6 月 採釘住美元的匯率政策，3.8 馬來西亞幣兌 1 美元。若將之納入實證研究對象將導致樣本期間不足，故不 納入考量。而香港亦是東亞重要的經濟體，但香港於1983 年 10 月至今，皆採行固定匯率制度，與美元 換算的比例介於7.7 至 8.1 港元之間。因此，我們無法探討馬來西亞與香港的通貨替代現象。

採用貼現率。

(5) 實質匯率

因歐元、日圓及美元為國際上最為通用之貨幣，故將此三種貨幣視為外國，討論 此三國的實質匯率對本國貨幣需求的影響。以對數形式表示。

4.2 實證結果與分析

4.2.1 單根檢定

由於大部分的總體經濟變數為非定態序列，為了避免產生虛假迴歸的現象，在使 用時間序列資料進行實證研究前，必須先判斷變數是否為定態。由於常用的 ADF 與 PP 單根檢定在某些情況下的檢定力相當低，因此，本文使用 Elliott et al. (1996) 提出的 DF-GLS 單根檢定以判斷各變數是否為定態序列，該檢定可改善傳統 ADF 與 PP 單根 檢定的低檢定力問題。

表4.1 為 DF-GLS 單根檢定的結果。由單根檢定的結果可知，在 5% 的顯著水準 下，在 EU、JP、US 中利率 r 變數的水準值皆為非定態序列，但經一階差分之後，則 為穩定序列，而在ID、KR、SG、TW 中各變數的水準值也皆為非定態序列，但經一階 差分之後，則為穩定序列。由於這些變數具有相同的階次，因此，我們可用VECM 探 討ID、KR、SG、TW 中各變數間的長期均衡關係與短期動態調整。

而在PH 中貨幣存量 M2 與實質所得 y 變數的水準值為定態序列，但對 EU、JP、

US 三國的實質匯率 q 變數則為非定態序列，由以上可知，在 PH 中各變數並無相同的 階次。同理，在 TH 中亦出現變數無相同階次的情形，因此，我們無法利用 VECM 探 討在PH 與 TH 兩國中這些變數的相互關係。

表4.1 DF-GLS 單根檢定結果 TW_M2 -1.1103(10) 0.0797(12) 非定態 -1.1939(12) -8.3633(0)*** 定態 TW_q_EU -1.2473(1) -0.2201(1) 非定態 -7.3411(0)*** - 定態 TW_q_JP -2.2335(0) -1.3118(0) 非定態 -7.8477(0)*** - 定態 TW_q_US -1.4870(0) -0.4822(0) 非定態 -8.9187(0)*** - 定態 TW_r -1.0590(3) -0.7614(3) 非定態 -3.0199(2)** - 定態 TW

TW_y -1.3595(12) 1.8894(12) 非定態 -1.8064(12) -2.4972(12)** 定態 EU_r -0.6886(0) -1.8953(3)* 非定態 -3.5274(3)** - 定態

4.2.2 VAR 模型最適落後期之選取

由上述的單根檢定結果可知，在ID、KR、SG、TW 中各變數經一階差分之後皆為 穩定序列，因此，我們可用 VECM 探討 ID、KR、SG、TW 四國中貨幣需求、本國實 質所得、本國利率、外國利率、實質匯率等五個變數之間的相互關係。首先，必須決定 各 VAR 模型的最適落後期，我們允許最大落後期為 6，並透過 Akaike Information Criterion (AIC) 準則選取最適落後期，其判斷標準為以各期 AIC 值最小者作為最適當的 落後期。若最佳落後期所決定的模型之殘差仍存在自我相關問題，則採次佳落後期，直 至殘差無自我相關為止。

表4.2 為各 VAR 模型的最適落後期數。ID 根據 AIC 準則選擇的結果，ID_US 模型 的最適落後期為 2；ID_JP 模型的最適落後期為 2；ID_EU 模型的最適落後期為 6。但 若以最佳模型進行估計時，則ID_EU 模型之線性檢定將出現 near singular matrix 問題，

故改採次佳模型，即落後期為5；KR 根據 AIC 準則選擇的結果，KR_US 模型的最適落 後期為1；KR_JP 模型的最適落後期為 1；KR_EU 模型的最適落後期為 1。但若以最佳 模型進行估計時，則KR_EU 之誤差修正模型將出現 near singular matrix 問題，故改採 次佳模型，即落後期為2；SG 根據 AIC 準則選擇的結果，SG_US 模型的最適落後期為 5；SG_JP 模型的最適落後期為 1；SG_EU 模型的最適落後期為 2。但若以最佳模型進 行估計時，則 SG_JP 模型之殘差自我相關檢定無法通過，故改採次佳模型，即落後期 為5；TW 根據 AIC 準則選擇的結果，TW_US 模型的最適落後期為 2；TW_JP 模型的 最適落後期為 4；TW_EU 模型的最適落後期為 4。但若以最佳模型進行估計時，則 TW_US 模型之殘差自我相關檢定無法通過，而採次佳模型時，殘差自我相關檢定亦無 法通過，因此，改採殘差檢定最佳之模型，即落後期為2。

表4.2 VAR 模型最適落後期之選擇

lag ID_US ID_JP ID_EU KR_US KR_JP KR_EU

1 -9.7657 -12.3584 -10.0995 -18.6747* -21.1246* -18.9236*

2 -10.2124* -12.7549* -10.7598 -18.5340 -20.8739 -18.9231**

3 -9.9290 -12.6192 -10.6085 -18.1871 -20.6685 -18.6051 4 -.9.9639 -12.5855 -10.6931 -18.1407 -20.4074 -18.5240 5 -9.7953 -12.4989 -10.7612** -18.0159 -20.3056 -18.4336 6 -9.8635 -12.5565 -10.9295* -17.8190 -20.2177 -18.2233 lag SG_US SG_JP SG_EU TW_US TW_JP TW_EU

1 -13.7630 -15.6709* -13.8820 -16.4067 -18.3152 -16.3685 2 -13.8155 -15.5574 -13.8971* -16.8712* -18.6423 -16.5072 3 -13.8519 -15.5043 -13.8764 -16.7912 -18.6433 -16.5800 4 -13.8175 -15.5572 -13.8299 -16.8132 -18.7302* -16.7443*

5 -13.8986* -15.6202** -13.8698 -16.6201** -18.5885 -16.6411 6 -13.6642 -14.4772 -13.7285 -16.6144 -18.7086 -16.5024 註：1. 以 Akaike Information Criterion (AIC) 值作為選擇模型之準則。

2. * 為各期 AIC 值最小者，為最佳落後期數。 根檢定的結果不一致時，我們依照Johansen and Juselius (1990) 的建議，採用最大特性 根檢定。