第三章 研究方法與研究設計
第二節 變數選取與資料說明
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第二節 變數選取與資料說明
本研究欲瞭解新聞情緒變數與市場參與者預期間之關係，並希望透過時間序 列分析，以臺灣區域信義房價指數為應變數，自變數部分，除了新聞情緒變數作 為主要研究標的外，更加入其他總體經濟控制變數，以探究新聞情緒與房價間之 關係。本節將分成兩大部分，第一部分將說明新聞情緒變數之定義與計算過程，
第二部分就其餘各變數進行說明及定義。
壹、 新聞情緒變數
為獲取新聞情緒變數，需先取得有關之新聞資料，本研究先透過不動產市場 相關之關鍵字搜尋聯合知識庫相關之新聞，透過 python 撰寫網路爬蟲( crawler )9 程式碼，依序爬文取得 2000 年至 2015 年間聯合報、經濟日報、聯合晚報不動產 市場相關之各條新聞資料，包含新聞標題、摘要、新聞日期、刊登報紙、頁數、
版面與記者等資訊，刪除重複值後，共計有 30,680 筆新聞資訊，各年之新聞數量 如圖 3-2 所示。
圖 3-2 各年不動產市場相關新聞數量長條圖
9網路爬蟲係指通過網頁連結地址，請求遠端伺服器回傳網頁內容原始碼檔案，透過搜尋、刪除、
取代等方式過濾網頁原始碼，取得所需資料的過程。
37
‧
析，對於各領域之分析可能未盡貼切，此外，Loughran and Mcdonald (2011)、李 政儒等人 (2012)亦指出人工篩選之情緒字串有較高之準確度，故本研究同時採 用字典比對法與人工法之方式，以情緒字典進行篩選並加上自訂文字清單，依循 Tetlock et.al (2008)、 Soo (2015)等人之研究，將情緒詞彙分成正面與負面，以補 足單獨使用情緒字典之缺漏以及人工法過於費時、繁雜的問題。首先，依循 Loughran and Mcdonald (2011)自訂清單之方式，將全部新聞資料 透過 SAS 進行文字斷詞與詞性定義，各筆新聞經斷詞與詞性定義後之範例如表
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
入情緒字典之詞彙並自訂文字清單。最後列出不動產市場相關字串清單、正面字 串清單及負面字串清單。舉例如下表 3-2：
表 3-2 字串清單範例 不動產市場
相關字串 正面字串 負面字串
房市 漲 跌
不動產 加溫 看跌
房地產 看好 利空
房價 回春 降溫
地產 高檔 緊縮
為獲取各期間新聞之情緒波動值，本研究以月為單位，將各筆新聞資料劃分 至各月，並透過 SAS 將各月之各筆新聞進行文字斷詞與詞性定義，再利用前述 文字清單進行文字篩選，抓取每月不動產市場、正面及負面字串出現之頻率。正、
負面字串出現頻率之差額 (後稱新聞情緒差額)如公式 2.1 所示。此外，依據 Soo (2015)，為表示各期新聞提及不動產市場時之樂觀或悲觀態度，得以新聞情緒差 額除以新聞總字數表示之。本研究以 Soo (2015)之計算為基礎，以正、負面字串 頻率差額為分子，不動產市場相關字串頻率為分母，不僅可以排除各年間新聞數 量之變動，更可以減少各期間新聞總字數變化造成數值波動之問題，此外，解釋 上亦得以表示各期新聞提及不動產市場時之情緒，如下公式 2.2 所示：
COUNTS = 正面字串出現次數 − 負面字串出現次數 (2.1)
INDEX =正面字串出現次數− 負面字串出現次數
不動產市場相關字串出現次數 (2.2)
茲將上述流程列於下表 3-3：
39
‧
‧
‧
Cocco (2007)、Aoki et al. (2004)、林佑倫 (2015)等。在所得固定之情況下，家戶10 信義房價指數期間自 1991 年開始，永慶九大都會區價格指數期間自 2004 年開始，台灣房屋
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
之消費支出與投資間存在著互相排擠之現象，不動產具有投資與保值之特性，為 家戶重要之投資標的之一，家戶之消費支出可能影響其投資之決策，進而影響不 動產市場價格。此外，房價之漲跌，亦可能產生財富效果或排擠效果，如房價與 消費支出間存在財富效果，房價上漲，將促使房屋所有人自覺財富增加，進而增 加消費支出；如房價與消費支出間存在排擠效果，房價上漲，連帶使房租及購屋 壓力上升，無屋者可能必須降低消費支出，以支付居住之相關費用。是故，房價 與所得間可能存在相互影響之關係，林佑倫 (2015)亦透過實證發現，房價與消費 支出間存在負向之相互影響關聯。本研究採用行政院主計處發布之民間消費金額，
預期民間消費金額對於房價可能存在正向或負向之影響。
四、 購屋貸款利率
陳明吉(1989)、林秋瑾、黃珮玲 (1995)等人過去皆指出名目利率上升將致使 購屋成本增加，導致市場需求降低，對房價產生負面影響，McCue and Kling (1994) 更指出眾多總體經濟因素中，名目利率對於房價之影響最鉅。購屋貸款利率可作 為不動產市場名目利率之代表，本研究以中央銀行統計之五大銀行新承做購屋貸 款利率為資料來源，並配合應變數之發布頻率，以算術平均方式將月資料轉為季 資料，預期購屋貸款利率對於房價將產生負向影響。
五、 人均國內生產毛額
人均國內生產毛額是指該國家在一定期間內每人運用生產要素進行生產所 獲得之最終產品的市場價值平均，其得以反應國家各期間之產出及經濟成長程度。
一般而言，國內生產毛額提高，表示國內經濟景氣成長，市場景氣、國民所得增 加，房屋需求亦將提升，進而帶動房屋價格上漲。Funke and Paetz (2013)即指出 產出對於房價呈現正向影響，Hoskins et al. (2004)、林秋瑾等人(1997)亦指出國內 經濟漲跌會影響未來房價或不動產報酬率。本研究採用內政部主計總處之人均國 內生產毛額作為國內產出之指標，預期人均國內生產毛額與房價間呈現正向關聯。
六、 不動產買賣交易量
43
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
不動產市場供給需求可能影響到市場交易量，進而影響價格，過去亦有不少 文獻指出交易量為影響房價之因素之一(Andrew and Meen，2003；Ortalo-Magné and Rady，2006)。然交易量增減與房價間之關係則需視供需面而定，如為供給增 加致生之交易量增加，將造成供過於求，市場價格下跌，反之，如為需求增加致 生之交易量增加，將造成市場價格上升。因此，不動產交易量變動對於房價之正、
負面影響未定，但其對於未來房價則有一定程度之影響。本研究以內政部營建署 統計之所有權買賣移轉登記棟數作為不動產買賣交易量之依據進行分析，並配合 應變數之發布頻率，以算術平均方式將月資料轉為季資料，預期不動產買賣交易 量與房價間可能呈現正向或負向的關聯。
參、 變數統整及敘述性統計
本研究相關之變數說明如下表 3-4 所示：
44
‧
Pearson 相關係數變數
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
表 3-5 變數敘述性統計
變數 平均數 中位數 最大值 最小值 標準差 樣本數
HPTS 108.733 113.515 137.400 53.330 20.522 40 HPI 173.922 153.915 297.780 96.390 68.479 64 COUNTS 99.313 98.333 230.33 -14.67 56.747 64 INDEX 0.356 0.383 0.579 -0.107 0.159 64 CS 1785357 1776116 2206459 1403464 240267 64 I 2.847 2.284 7.215 1.633 1.518 64 AVGDP 142366 141586 181876 109664 19834 64 SALE 90925 93077 120858 60047 16053 64
各時間序列變數之趨勢圖，如圖 3-5 所示：
46
‧
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 HPTS
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
48