國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y 第肆章 實證模型
本文欲研究我國總體景氣波動對酒品消費支出之影響。首先，本文先 以經濟成長率當成景氣指標，輔以其他重要解釋變數，如：家戶可支配所 得、酒的消費者物價指數、教育程度、虛擬變數及趨勢控制變數等等，分 析景氣指標及其他變數對酒品消費支出的影響。其次，本文進一步再將景 氣指標分為衰退期與繁榮期，分析我國酒品消費支出在景氣繁榮或衰退時，
是否具有不對稱性的影響。
第一節 資料處理
本研究使用1979 年至 2012 年家庭收支調查報告，做為時間序列樣本 資料。首先，就本文資料參數設定的部分，由於家庭的酒品消費支出及家 庭可支配所得各年皆為當期價格計算下金額，會因數據各年有不同價格因 素影響，使比較基礎不同產生數值失真，故本文利用 2011 年的消費者物 價指數（cpi）做為基期，將家庭的酒品消費支出及家庭可支配所得每年的 名目原始金額予以平減化（deflator），以基期固定價格換算出各年的實質 酒品消費支出及家庭可支配所得金額。換句話說，本文所使用的參數變數 中，若涉及金額的部分，皆已透過平減法的方式將名目變數轉變為實質變 數。
其次，本文為了能更精確反映出有飲酒的家庭是否會受景氣波動的影 響，故本文將研究對象聚焦於有飲酒支出的家庭，因此排除了未飲酒家庭 的樣本（即排除酒的消費支出為零的家庭樣本）;同時，本文按可支配所得 大於零的家庭分成 10 等分位，分別取最低 10%和最高 10%的家庭當成低 所得家庭和高所得家庭，比較低所得、高所得及全體家庭三個群組的景氣
‧
否則會出現假性迴歸（Spurious Regressions）的現象。7所以在進行迴歸分 析之前，應先進行各項變數資料是否為定態變數。由於時間序列單根檢定 由Dickey and Fuller（1979）年提出，檢定一階自我迴歸式的係數是否為 0，
但容易發生殘差項可能存在自我相關的問題，因此Said and Dickey （1984）
在檢定模型中加入了落後期來修正，稱為 ADF 單根檢定（Augment Dicky-Fuller test），以使單根檢定估計式的殘差項能符合白噪音（white noise）。
7楊奕農（2009）指出假性迴歸（spurious regression)是用迴歸方法檢定或估計實證模型，若時間 序列變數非定態，會使迴歸係數顯著異於 0，且判定係數過高，造成自變數與因變數間誤以為存 在因果關係，造成迴歸結果誤判。
8本文ADF 檢定結果請參閱第五章第二節。
‧
趨勢（trend）、循環（cyclical）及季節性（seasonal）三種成分。所謂趨勢，係指時間序列資料持續而長期性的移動，而時間序列資料則沿著它的趨勢 上下波動;循環則是指一段期間中，經濟活動發生非定期但重複出現的波 動現象。本文使用之時間序列資料為年經濟成長率資料，已排除季節性因 素 影 響 。 Hodrick and Prescott （ 1997 ） 提 出 Hodrick-Prescott 分 解
（Hodrick-Prescott decomposition），簡稱H-P濾波器（HP-filter），其主要 貢獻能將時間序列資料能分解出長期趨勢（trend）和短期循環（cycle），
目標函數為極小化波動後的趨勢。本文參考Hodrick and Prescott（1997）、
許勝遠（2009）及葉佳宜（2013）等人的文獻，該模型設定如下：
Hodrick and Prescott（1997）設置平滑參數（λ）的目的，能使過度波 動的隨機趨勢予以處罰。隨著平滑參數（λ）設定值越大，隨機趨勢則越 平滑。若λ趨近於無限大時，則表示τ越接近線性函數。Hodrick and Prescott
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
28
（1997）建議應依樣本資料的期間來設定不同的λ值，由於本文為年資料，
則設定λ建議值等於100。
許雯（2010）指出透過 H-P 濾波器將各解釋變數找出極小化波動後的 趨勢值後，再計算出原始值偏離趨勢值的比率（以下簡稱為偏離率，
deviation ratio），可有效處理解釋變數存在單根的問題。因此本文透過計算 各變數的偏離率後，再進行迴歸實證分析。
本文設定之偏離率定義如下：
t trend
t trend t
t V
V V V
, , )
~ (
其中，
V 為該變數之各年度原始值，
tV
trend t,為H-P 濾波器估算後的各年度 趨勢值，V
~t為各變數之偏離率。