追蹤資料向量自我迴歸模型

由於追蹤資料共整合檢定需所有變數皆位於同一階次方可進行分析，根據第 一節單根檢定結果，發現房價指數、老化指數與高等教育比皆為 I(1)數列，其餘 變數皆為 I(0)數列，為不同階次之數列，因此判斷變數間不具共整合關係。以下 直接以追蹤資料向量自我迴歸模型(Panel VAR)分析變數間變動關係，在 Panel VAR 中，每一條方程式都以其中一變數為應變數，並以其他變數之落遲項為自 變數，藉以分析各變數與他變數落後期之相互影響關係。

最適落後期選擇

在進行追蹤資料誤差修正模型之前，必須先決定最適落後期數，考量到本研 究 資 料 屬 性 為 年 資 料 ， 若 選 取 太 長 之 落 後 期 數 可 能 導 致 過 度 參 數 (over-parameterization)，若選取太短之落後期數又可能有過度簡化參數(parsimonious parameterization) 的 問 題 。 因 此 選 取 第 一 至 與 第 二 期 作 為 比 較 之 期 數 ， 並 以 AIC(Ataike information criterion)與 SC(Schwarz criterion)法進行選取。分析結果如 表 4-5 所示，可發現在落後期數為一期的情況下，AIC 與 SC 值皆為最小，因此 判定最適落後期為一期。

表 4- 5 最適落後期選取

落後期數 AIC SC

1 14.300* 16.070*

2 19.193 21.098

追蹤資料向量自我迴歸模型

分析結果如表 4-6 所示，除自身影響外，可發現在所得差距倍數為應變數的 模型中，落後一期之加權股價指數報酬率與當期所得分配差距倍數呈現顯著正向 關聯，表示當前一年股市報酬率上升時，將使次年之所得分配差距擴大；反之，

當股市報酬率下跌，次年之分配差距將縮小。此分析結果顯示於國內情況而言，

證券市場之受益者可能多為高所得族群，致其報酬率上漲時將擴大國內分配不均

60

之情形。此外，在房價指數為應變數的模型中，落後一期之加權股價指數報酬率 與當期房價指數呈現顯著的正向關聯，推測可能係股市財富效果所致，當前一年 股市報酬率上升，其所帶來之財富效果將使受益者投入更多資金於不動產市場，

致房價隨之上漲。另外，落後一期之外來資金占 GDP 比率亦與當期房價指數呈 現顯著正向關聯，此實證結果可能顯示外來資金偏好投資於國內不動產之特性。

然而，本研究欲探究所得分配差距與房價變動之跨期關係，然而無論是在大 島指數或房價指數為應變數的模型當中，皆呈現不顯著的結果，顯示本研究所預 期之跨期效果並不顯著。此模型分析結果顯示本研究欲證實之假說三與假說四並 未有其驗證，Panel VAR 旨在分析自變數落後期與應變數之關聯性，係在控制其 他變數影響下之結果，分析結果房價與所得分配差距倍數與彼此之落後期並無顯 著影響，表示其之間並無直接關聯性。探究其原因，比較追蹤資料隨機效果模型 (表 4-3)的分析結果，可能表示所有權人於房價上漲當期便出售房屋以實現獲利，

或當高所得者所得成長幅度較高時，其於當期便將資金投入房市或其他投資管道，

致跨期影響並不顯著。然而，變數間無直接影響關聯可能另有間接影響關係，欲 探究其在整體 VAR 架構下之相互變動關係，可藉由下節之衝擊反應函數分析之。

61

62