追蹤資料分析法實證結果

一、 研究地區概述

圖 4.2.1 台灣各變數走勢圖

圖 4.2.1 為台灣各變數的走勢圖，可以發現 CPI 從 2000 年到 2014 年呈

現持續往上的趨勢，表示物價不斷地在上漲；實質 GDP 除了在金融海嘯期 間下降很多以外，從 2000 年到 2014 年整體的趨勢是往上的；房價指數除 了在金融海嘯的期間以外，整體來看也是持續往上的趨勢，而且可以發現 2014 年的房價是 2001 年的三倍；利率方面，以整個研究期間來看，在 2000 年的時候為最高，一直降到 2003 年才又有往上的趨勢，但在金融海嘯之後 利率就不在有波動，維持在一個平穩的數字。

圖 4.2.2 上海各變數走勢圖

圖 4.2.3 深圳各變數走勢圖

圖 4.2.2 為上海各變數的走勢圖，圖 4.2.3 為深圳各變數走勢圖，CPI 方 面，上海與深圳使用的資料為與前期做比較，可以看到上海和深圳的 CPI 指數大部分都是在 100 以上，表示物價指數幾乎年年都在上漲；實質 GDP 方面，因同為使用中國的實質 GDP，所以線型走勢一樣，從 2000 年到 2003，

為緩慢成長，2004 年開始，每年成長的趨勢越趨陡峭，波動的幅度也越來 越大；房價指數方面，上海的房價指數維持在 100 上下坡動，在 2013 年的 時候攀升到整個研究期間的最高點。而深圳則是從 2000 年時就緩慢的上升，

在 2007 年到達 120，雖然遇到金融風暴下跌很多，但在 2010 年快速回到將

近金融風暴前的水準；利率方面，上海和深圳同樣是使用中國央行的票據 利率，可以發現在金融海嘯後，快速地回復到將近 2008 年的利率水準，而 維持在百分三左右的水準。

圖 4.2.4 新加坡各變數走勢圖

圖 4.2.4 為新加坡各變數的走勢圖，CPI 在 2008 年以前，上升趨勢平緩，

2008 年以後才有明顯上升的趨勢；實質 GDP 從 2000 年到 2003 年沒有什麼 太大的變化，從 2004 年開始快速的上升；房價指數方面，從 2002 年到 2005 年維持一個平穩趨勢，2006 年之後，明顯有上升的趨勢；利率方面，從 2000

開始一直往下降到一點多，然後從 2004 年才又開始往上升，但是在金融海 嘯之後，利率就一直維持在一以下。

圖 4.2.5 香港各變數走勢圖

圖 4.2.5 為香港各變數的走勢圖，CPI 在 2008 年以前，都處於平穩的走 勢，並沒有明顯的波動，2008 年之後，才明顯的往上升；房價指數在 2003 年的時候最低，之後就一直往上漲到超過 120；實質 GDP 從 2003 年開始一 直處於往上的趨勢，即使在金融海嘯期間也沒有太大的波動。利率在 2000 年第四季為整個研究期間的最高點，然後就一直往下跌，在 2007 年第三季，

利率升到 4.75，但之後又下跌到接近 0 的利率水準。

圖 4.2.6 韓國各變數走勢圖

圖 4.2.6 為韓國各變數走勢圖，CPI 和房價指數同樣都是持續往上的趨 勢，而且斜率看起來差不多；實質 GDP 也是一直處於往上的趨勢，在金融 海嘯期間並沒有明顯的下降，只是維持在 2007 年的水準而已；利率方面，

在 2000 年為整個研究期間的最高點，在金融海嘯之後，利率在百分之二和 三上下波動。

二、 基本統計量

為瞭解本文的資料特性，分別探討各國變數原始資料之敘述統計，包含 平均數、最大值、最小值、中位數、標準差，如表 4.2.1 所示。

表 4.2.1 各國經濟變數之敘述統計

CPI 實質GDP 房價指數 貨幣供給 利率(%)

台灣 平均數 95.63 3035.81 170.93 26379.16 1.99 中位數 94.94 3052.75 153.92 25983.22 1.53 最大值 104.68 4071.91 297.78 37113.33 5.02 最小值 89.05 2147.65 96.39 18011.77 0.77 標準差 5.09 545.27 63.2 5695.32 1.1

上海 平均數 102.14 5858.61 103.74 50683.95 2.43 中位數 101.95 5011.27 102.2 38546.55 2.66 最大值 107.4 15034.5 118.07 122837.5 3.41 最小值 98.6 1817.27 94.07 12258.1 0.97 標準差 2.03 3305.35 5.78 34128.39 0.77

深圳 平均數 102.18 5858.61 104.21 50683.95 2.43 中位數 102.25 5011.27 102.95 38546.55 2.66 最大值 107.4 15034.5 120.2 122837.5 3.41 最小值 97.1 1817.27 85.1 12258.1 0.97 標準差 2.25 3305.35 7.58 34128.39 0.77

新加坡 平均數 94.67 65.35 111.44 297.99 2.42 中位數 89.33 65.25 100.2 279.84 1.83 最大值 113.91 99.53 154.6 502.28 6.74 最小值 84.77 38.18 80.3 166.56 0.24 標準差 9.43 20.25 27.54 112.92 2.09

香港 平均數 97.66 410.08 68.3 6037.56 1.77 中位數 95.43 392.87 55.77 5984.51 0.71 最大值 118.44 612.67 128.01 10599 7.13 最小值 87.79 293.36 31.63 3440.7 0.06 標準差 8.46 83.3 28.24 2078.74 2.01

韓國 平均數 91.07 264125.3 83.02 1253424 3.67 中位數 89.63 258060.5 86.9 1164050 3.78 最大值 109.13 385687 102.43 1961050 5.38 最小值 72.29 147702 55.63 683705 1.88 標準差 11.37 68045.06 14.72 408352.6 1.01

由於上海和深圳的實質 GDP 和貨幣供給都是使用整個中國的實質 GDP 和貨幣供給，考慮到上海與深圳資料的重複性及中國相關總體資料之不完 整性，故本文在進行 panel regression 的時候，將分做三個模型來研究：模 型 1 沒有深圳的資料，模型 2 沒有上海的資料，模型 3 沒有上海和深圳的 資料。另外，資料切齊的部分，因為上海的房價指數從 2005Q3 開始才有資 料，而上海的實質 GDP 從 2012Q1 以後沒有資料，故模型 1 資料切齊在 2005Q3~2012Q1；因中國央行票據利率從 2003Q3 開始才有資料，而上海的 房價指數從 2009Q4 以後沒有資料，故模型 2 資料切齊在 2003Q3~2009Q4；

台灣 50 從 2005 年開始才有股利的資料，故模型 3 切齊在 2005Q1~2014Q4。

在使用時間序列資料進行模型之估計與分析之前，必須先行驗證資料是 否符合定態之特性，若不經確認直接將資料進行模型建立，則容易產生假 性迴歸 (spurious regression) 導致模型結果之可性度降低。但是 Kao (1999) 研究顯示，結構參數的估計結合兩個獨立且非定態的變數在 panel data 裡收 斂為 0，也就是說在時間序列裡是隨機變量。表示雖然非定態的 panel data 會導致標準差的偏誤，但是點估計式的參數值是一致的。也就是說使用 Panel data 時，不需檢視時間序列是否為恆定。

三、 Panel Regression 結果分析

追蹤資料模型可分為固定效果模型與隨機效果模型，一般在進行分析前，

關性。Hausman 檢定的虛無假設為個別效果與解釋變數無關，若檢定結果

為時間差異無法觀察的隨機誤差項， 𝑏𝑢𝑏𝑏𝑙𝑒_𝑖,𝑡 代表第 t 期泡沫比例， 𝑐𝑝𝑖_𝑖,𝑡 代表第 t 期 CPI， ℎ𝑝_𝑖,𝑡代表第 t 期房價指數， 𝑖𝑛𝑡𝑒𝑟𝑒𝑠𝑡_𝑖,𝑡代表第 t 期利率，

𝑚2_𝑖,𝑡代表第 t 期貨幣供給， 𝑟𝑒𝑎𝑙𝑔𝑑𝑝_𝑖,𝑡 代表第 t 期 實質 GDP ，𝜀_𝑖,𝑡 為 殘差項。

表 4.2.2 Hausman 隨機效果檢定

Effect Test Chi-sq statisic Chi-sq d.f. Prob.

Cross-section

GDP 有領先性與同步性，且 GDP 能反映一國的經濟狀況，故實質 GDP 的 變動，並不會造成泡沫比例有所變動。

貨幣供給方面，Mookerjee and Yu (1997)的實證結果發現：廣義的貨幣 供給領先股價變動。本文實證結果發現在模型 3 裡，貨幣供給對泡沫比例 有顯著的正向影響，表示貨幣供給上升，會造成泡沫。

利率的變動皆為正向影響，在模型 1 和模型 3 為顯著，表示利率上降，

才會有泡沫產生。這與蘇欣玫、鄒易凭、邱建良 (1998)的實證結果相似，

在美國與與加拿大，預期利率波動對股市報酬的效果為正，但在英國與日 本，預期利率波動對股市報酬的效果為負。

CPI 的變動在模型 2 與模型 3 對泡沫比例的影響為負向且顯著，在模型 1 為正向且不顯著，Jaffe and Mandelker (1976)實證結果發現：在短期之下，

股票報酬與通貨膨脹間為負相關或統計上不顯著。與本文的實證結果一 致。

房價指數對泡沫比例的影響皆為正向且顯著，表示房價指數越高，泡沫 比例就越大，此實證結果與王玟婷 (2000)實證結果一致：國內四縣市的房 價指數與台灣集中市場加權股價指數都存在整合關係，表示兩市場(房市與 股市)間確實存在一定程度的長期相關。與 Quan and Titman (1997)實證結果 相似：亞太地區的股市與房市多呈正相關，且總體股價與房價走勢間具有 一定的關聯程度。

三個模型的共同點是房價指數對泡沫比例的影響皆為正向且顯著，利率

及貨幣供給對泡沫比例的影響皆為正向。