新聞媒體情緒對於房價之影響 - 政大學術集成

全文

(1)國立政治大學地政學系碩士論文私立中國地政研究所. 新聞媒體情緒對於房價之影響. 政治大 The Effect of News 立 Media Sentiment on Housing Price ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 研究生：林筱真指導教授：林左裕博士. 中. 華. 民. 國. 一. 零. 六. 年. 六. 月.

(2)

(3) 謝誌沒想到打謝誌這一天這麼快就到來，一個晃眼就在政大待了六年，還記得第一次走進政大的雀躍，而現在，一樣習慣性地走著從蓄水池側門經過大勇樓前往綜院的小路，心裡卻都隱隱地感到些許不捨與感傷。在政大的六年，除了學術上的學習，對於整個社會現實的認知、做事態度的反思…我想成長最大的應該也就是在研究所期間了。想起剛開始著手論文的日子，一開始對於網路新興數據、數據分析毫無接觸，突然面對一個新的未知領域又毫無頭緒跟資源，真的好幾度想放棄。想起那些四處求救、找資料、找課程上的時光，起初我甚至連確切要問什麼問題？要往哪個. 政治大. 方向找資訊？都毫無概念，整個碩一都在那些付出時間與心力但卻不確定是否該. 立. 繼續下去的煎熬中渡過。我還記得，第一次成功寫出並啟動程式的那一刻，雖然. ‧ 國. 學. 只是短短幾行程式碼，但對我來說真的意義非凡。我也還記得歷經重重困難，初步數據顯示結果不錯的那一刻，心理的激動真的難以言喻。真的很感謝這過程中. ‧. 給予我幫助、支持我的每個人，沒有你們，這一切不可能完成。. Nat. sit. y. 首先，要感謝我的指導老師林左裕老師，從大三修習老師的不動產財務分析. er. io. 後，就開始跟著老師學習，老師總引導我們要開拓自己的視野，也是因為老師當. al. v i n Ch 對於這個領域有近一步學習的機會。謝謝老師無論是在獨立研究或是在許多國際 engchi U n. 初對我提及「大數據」三個字，要我自己去摸索，才讓我開始接觸這方面的知識，. 觀概念上的培養給予我許多收穫，在我猶豫升碩二的暑假要繼續寫論文還是全力準備證照的時候，老師也大力的支持並鼓勵我多去嘗試，真的非常感謝老師。另外也要感謝彭建文老師以及林哲群老師在百忙中答應擔任論文的口試委員，在口試時給予我許多寶貴的意見，也感謝曉瑞學長與小強學長期初期末抽空擔任論文的評論人，給予我論文許多鼓勵與珍貴的建議。另外也特別感謝婉馨學姊以及犬超在我程式卡住時給予我的援助，感謝洪英超老師在多變量課程給予我的指導，讓整篇論文能夠思考的更周延、更加完善。再來要感謝的，是左家的成員，能夠跟佳玟成為搭檔真的是三生有幸，我們 I.

(4) 是最親密的戰友跟家人，一起度過許多艱辛與困難、一起分享喜悅，我們完成了當初的承諾一起攜手畢業，沒有妳我真的無法獨自一人撐過研究所生涯。謝謝承曄根世豪，在我徬徨不知道方向的時候，給予我許多鼓勵跟幫助，尤其感謝承曄花時間與我一起思考論文方向，還時常被我的問題打擾，但仍十分有耐心地幫我解答。謝謝懷萱、妏儒跟億仙在碩二這段期間的各種幫忙，讓我身陷論文深淵時，能夠喘一口氣。能夠跟左家的每一個成員相遇都是非常幸福的事，一起 meeting、一起討論研究案、一起吃飯、一起互相加油打氣的回憶都十分珍貴。感謝研究室的辰尉、怡潔、秉宸、映彤、詩霓、珮慈、家麒、晏瑞、曹妤、雅虹、朝誌、畫晴、奕真、嘉吟，一起在研究室打屁、吃飯、訴苦、嘴砲的日子. 政治大的阿嫂、映彤兒厭世的臉、每天都會出現的謝秉宸、slogan 神阿尼、很 M 的家麒立是一整天最期待的事，也是每天讓自己起床去研究室的動力，我會很想念 EJ 跳. ‧ 國. 學. 以及阿慈說「很棒」的聲音，謝謝你們帶給我研究所那麼美好的回憶，也謝謝胖子一直的陪伴，我會很想念大家一起在長桌吃飯的日子。還要感謝高中大學就一. ‧. 直陪伴我度過研究所時光的精神糧食，感謝胞胞，妳們總是我疲累時最溫暖的家，感謝容兒、佩純、丸子，妳們總能給我滿滿熱情與力量，感謝肚皮、狗狗、屁慈，. y. Nat. sit. 以及高中美麗的女孩們與大學的朋友，無論是來探望可憐的研究生或是約吃飯放. n. al. er. io. 風，都感覺補充了電量。. Ch. i n U. v. 最後最重要的，當然是要感謝我可愛的家人，家人總是我覺得累或崩潰時第. engchi. 一個想要哭訴的對象，因為你們是我最重要的依靠，還記得好幾次躲在研究室旁的樓梯間，對著電話哭訴著自己的疲累跟難受，謝謝你們一直當我的垃圾桶，謝謝老爸、老媽那麼相信我，謝謝我的家人對我的支持，你們是我努力的動力。要感謝的人太多，雖然無法一一細數，但仍要謝謝一路上陪伴我、與我相遇的許多人，感謝你們成就現在的我，也感謝過去自己的努力。希望未來的自己莫忘初衷，能繼續保有衝勁跟毅力，帶著謙卑跟感謝勇敢面對未來所有的挑戰。筱真謹誌於台北市文山區中華民國一零六年七月 II.

(5) 摘要承如 Shiller (1984)所述，市場投資者之行為會受到社會氛圍、潮流所影響，不動產市場受限於產品異質性與資訊不流通性，市場消息及情緒對於參與者預期與價格之影響更甚，而新聞作為不動產市場有限的資訊中公開且普及之資訊種類之一，對於市場情緒之影響不容小覷。過去亦有諸多研究指出新聞得以傳達或影響市場參與者之情緒，本研究嘗試以新聞進行情緒分析，將新聞情緒納入分析不動產市場之基礎，探討其與房價間之關係，補足過去研究建立在完全競爭市場假設、僅就基本面分析之不足。研究結果發現新聞情緒變數與市場參與者預期呈現. 治政變數與房價間呈現正向顯著關聯，顯示前一期新聞媒體提及不動產市場時越樂觀，大立市場參與者對於市場景氣越看好，將進而投入市場造成未來房價上升。而透過格中高程度之顯著正相關。此外，從向量自我迴歸模型結果亦發現前一期新聞情緒. ‧ 國. 學. 蘭傑因果關係檢定，本研究亦發現市場參與者情緒與新聞情緒間存在雙向因果關係，顯示新聞情緒確實將影響市場參與者預期，進而推升價格波動。可見透過新. ‧. 聞情緒不僅可補足過去總體經濟變數所無法解釋之市場意向，更可增加我們對於. n. al. er. io. sit. y. Nat. 房地產市場之解釋、掌握能力。. Ch. i n U. v. 關鍵字：情緒分析、新聞情緒、房價、向量自我迴歸模型. engchi. III.

(6) Abstract Real estate market, with heterogeneity and lack of information, tends to be affected by market trend or sentiment. It is plausible that investors' behavior is influenced by social movements (Shiller，1984). The impact of news media, as one of open and widespread sources of market information, on market sentiment should not be underestimated. There are some studies exploring the relationship between news media and market sentiment. This paper attempts to measure the real estate market sentiment by quantifying the qualitative tone of news media, and provides evidence for its effect. 治政 with investors’ expectation, with statistically significant. 大Besides, through VAR model, 立 this paper also finds that news sentiment of first lag had positive and significant on housing price. The result shows that sentiment of news media is highly correlated. ‧ 國. 學. influence on housing price, indicating that when news sentiment rises, investors are more optimistic about the real estate market, promoting housing demand and housing. ‧. price growth. This study also finds that each of the news sentiment and market. sit. y. Nat. expectation Granger-causes the other. It suggests that news sentiment, capturing the. io. al. er. market emotion that cannot be interpreted by fundamental variables, serves as a useful. n. factor for quantifying investor expectation and predicting housing price.. Ch. engchi. i n U. v. Key words：sentiment analysis、news media、housing price、VAR model. IV.

(7) 目錄. 第三章. 新聞情緒變數與市場參與者預期之關係.................................... 49 新聞情緒變數與房價之動態關聯................................................ 52 新聞情緒變數於市場之角色........................................................ 63 小結................................................................................................ 67. al. n. 第一節第二節. 實證結果分析............................................................................. 49. io. 第五章. 研究方法........................................................................................ 27 變數選取與資料說明.................................................................... 37. Nat. 第一節第二節第三節第四節. 研究方法與研究設計................................................................. 27. ‧. 第四章. 立. 政治大. 學. 第一節第二節. 新聞市場角色理論........................................................................ 11 情緒分析技術之研究.................................................................... 16 新聞情緒分析之應用.................................................................... 19 影響房價之總體經濟因素............................................................ 22 小結................................................................................................ 25. y. 第一節第二節第三節第四節第五節. 文獻回顧 ..................................................................................... 11. sit. 第二章. 研究動機.......................................................................................... 1 研究目的與限制.............................................................................. 5 研究架構與流程.............................................................................. 8. er. 第一節第二節第三節. 緒論 ............................................................................................... 1. ‧ 國. 第一章. i n U. Ch. v. engchi 結論與建議 ................................................................................. 69 結論................................................................................................ 69 建議................................................................................................ 72. 參考文獻 ..................................................................................................... 75. V.

(8) 表目錄表 3-1 斷詞前後對照表 ..............................................................................38 表 3-2 字串清單範例 ..................................................................................39 表 3-3 新聞情緒變數處理流程 ..................................................................40 表 3-4 研究變數統整 ..................................................................................45 表 3-5 變數敘述性統計 ..............................................................................46 表 4-1 Pearson 相關係數檢定 ....................................................................51 表 4-2 單根檢定 ..........................................................................................54. 政治大. 表 4-3 各變數之相關係數 ..........................................................................55. 立. 表 4-4 向量自我迴歸模型 ..........................................................................58. ‧ 國. 學. 表 4-5 因果關係檢定變數之單根檢定 ...................................................... 64 表 4-6 因果關係檢定變數之相關係數 ....................................................... 64. ‧. 表 4-7 因果關係檢定之最適落後期 ...........................................................65. Nat. n. al. er. io. sit. y. 表 4-8 因果關係檢定 ...................................................................................66. Ch. engchi. VI. i n U. v.

(9) 圖目錄圖 1-1 五大報紙閱讀市佔率 ........................................................................ 6 圖 1-2 研究流程 ............................................................................................ 9 圖 2-1 新聞情緒與市場情緒之領先落後關係 .......................................... 14 圖 3-1 實證分析流程圖 ..............................................................................36 圖 3-2 各年不動產市場相關新聞數量長條圖 .......................................... 37 圖 3-3 新聞情緒差額與房價指數變動率 .................................................. 41 圖 3-4 新聞情緒指數與房價指數變動率 .................................................. 41. 治政圖 3-5 各時間序列變數趨勢圖 .................................................................. 47 大立圖 4-1 新聞情緒差額與房價綜合趨勢分數 .............................................. 49 ‧ 國. 學. 圖 4-2 新聞情緒指數與房價綜合趨勢分數 .............................................. 50. ‧. 圖 4-3 CUSUM 結構性轉變檢定 ..............................................................53 圖 4-4 模型一衝擊反應函數 ......................................................................61. y. Nat. n. al. er. io. sit. 圖 4-5 模型二衝擊反應函數 ......................................................................62. Ch. engchi. VII. i n U. v.

(10) 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v.

(11) 新聞媒體情緒對於房價之影響. 第一章. 緒論. 第一節研究動機不動產市場受限於不動產本身之昂貴性，其市場參與者及其交易次數相對稀少，加上不動產之不可移動性及異質性，各地方次市場及個別不動產之差異往往難以衡量，造成不動產市場資訊不透明。不動產市場參與者受限於有限之經驗及資訊，往往更易於受消息面改變其對於市場之預期，產生從眾行為(Jin and Gallimore，2012)，進而影響不動產市場價格或交易。. 治政與網路之發展，閱聽人取得新聞的管道更為多元，多元的媒體管道帶動新聞的普大立及，而新聞的普及亦拓展了新聞的讀者群及影響層面。對於資訊不透明之不動產新聞為市場參與者獲取資訊之主要管道之一，且隨著新聞報紙、廣播、電視. ‧ 國. 學. 市場而言，公開的新聞資訊為市場參與者獲取資訊的重要來源之一，尤其對於市場個別投資者而言，在無其他專業知識及資訊不足之情況下，新聞意向對於其市. ‧. 場態度的影響更不容忽視 (Shiller，2009)。而關於新聞與市場參與者心理預期間. sit. y. Nat. 之關係，Mullainathan and Shleifer (2005)認為新聞傳達市場之事件與現象，將反. io. er. 映當下市場參與者對於市場之預期與態度，故透過新聞可看出當期市場之意向。而 Shiller (2005)；Tetlock (2007)；Loughran and Mcdonald (2011)則認為新聞透過. al. n. v i n 描述事件之語氣或強調特殊樂觀或悲觀事件，可以影響市場參與者對於市場之預 Ch engchi U 期，故新聞的態度可作為未來市場預期之參考。是以，新聞在市場中之角色，除. 了為一資訊媒介外，可能也直接或間接的傳達或影響市場參與者對於市場的態度，透過新聞與其所隱含之情緒，將得以捕捉市場參與者之心理預期，進而瞭解市場上潛在之交易及市場價格變化情形。然而，觀乎國內過去不動產相關領域之研究，大多是以政府公開資料或民間相關調查數據為主，鮮少有將市場情緒抑或是新聞資訊納入研究者。過去這些數據資料雖然精確，且一定程度上給予政府、民間企業與學術界分析市場的基礎，然而其大多僅限於基本面之數據統計，如：物價成長率、國民所得、經濟成長率… 1.

(12) 第一章. 緒論. 等，雖然捕捉了市場基本面之供需，然總體市場仍含有無法被基本面變數解釋的投機與預期，往往造成市場分析或預估上之偏誤 (Keynes，1936)。此外，過去的統計數據大多僅針對實際成交或已發生之數據進行統計，如：實價登錄僅針對已成交之買賣或租賃案件為登記、不動產交易量亦以實際辦理土地登記移轉者為限，雖亦有相關市場領先指標，然此些指標仍多基於基本面之角度，並未探討市場參與者之心理預期與潛在交易趨勢，依此來預估未來市場動向可能造成高估或低估之情形。而就過去統計數據之過程而言，大多以問題導向為主，由資料蒐集者擬定問題，受訪者針對問題進行回答，或是如土地登記等表格式之資料蒐集方式，受限於問題之框架，資料提供者僅得依照問題提供有限之資訊，許多潛在的影響. 治政大過去數據多需耗費大量人力、資金成本進行資料蒐集、整理、電子化、篩選、統立計等程序，除曠日費時外，不僅致使數據發佈時程延遲，亦可能受限於成本考量變數可能因此被忽略(McLaren and Shanbhogue，2011)。另一方面，就成本面考量，. ‧ 國. 學. 而限縮資料蒐集的範圍。. ‧. 隨著相關技術、網路雲端之發展與進步，過去難以蒐集或量化之資料得以被處理及分析，如新聞等質化之資料，實則存在諸多市場意向之重要訊息，然而以. y. Nat. sit. 往受限於技術問題，大多侷限於人工、少量的訪談或調查進行研究。Mutz and Soss. n. al. er. io. (1997)認為新聞、意見調查等質化資料可看出當時之民意趨勢，Richards (2014)認. i n U. v. 為質化資料中隱含許多重要的資訊，得以補足量化資料之不足。資訊科技的發展，. Ch. engchi. 使得文字等資訊得以透過文字探勘(Text Mining) 1技術進行分析，透過詞性定義、頻率計算、情感分析(Sentiment Analysis) 2，抓取質化資料中之重要訊息。此些質化資料之分析數據，雖不如過去統計數據精確，然其仍具備諸多優點。首先，透過文字探勘及情感分析，新聞等質化資料之語調及情緒得以被挖掘、解讀，透過分析此等質化資訊，可得知市場當時之意向及態度，補足基本面數據僅考量市場. 亦稱為文字採礦、文本分析(Content Analysis)，係指將非結構化之文字透過統計運算、機器學習等方法進行分析，萃取重要、有意義資訊之統稱。. 1. 亦稱為意見探勘(Opinion Mining)，係指從非結構化文字中，辨識出正面、負面或其他主觀意見等情緒之方法。 2. 2.

(13) 新聞媒體情緒對於房價之影響基本面供需、未考慮市場投機及預期之不足(Soo，2015)。此外，透過分析相關的新聞訊息，亦可推估市場之潛在成交及發展趨勢，減少預估未來市場情形時高估或低估之情形。且由於文字探勘等分析方式，事先並未設限問題或表格，係依照資料原始、完整的態樣進行分析，許多潛在之關聯或影響因素得以就此被發掘，不受到問題框架之侷限。再者，就成本考量而言，隨著網路的發展，資料的獲取不再因地域而設限，多元、大量且快速的資料得以透過網路取得，節省訪問、調查等人力及時間成本，而透過文字探勘，原本需耗費人力主觀判斷之文本分析過程，得以快速的獲得解析，減少市場資料取得到資料發佈的時間落差。近年來，已有相關文獻利用情緒分析探討新聞等質化資料與市場間之關係，. 政治大去整體市場之預測及監管制度。Soo (2015)認為貸款人受情緒影響之從眾效果，立. 而 2007 年底次級房貸引發之全球性金融海嘯，更促使相關領域學者開始檢討過. ‧ 國. 學. 係解釋過去研究單純依據貨幣寬鬆政策與房價高漲間落差之重要因素，其透過實證發現在次級房貸比例較高之市場中，因大多貸款人所得能力較差，且缺乏相關. ‧. 資訊，其對於新聞之情緒效果相對於其他市場較為明顯，造成當負面新聞出現時，受新聞情緒影響之程度較高，進而引發大量之從眾行為，導致市場價格波動異常。. y. Nat. sit. Loughran and Mcdonald (2011)利用文字探勘技術，分析各上市公司每年之公開報. n. al. er. io. 表，發現各公司之年度報表情緒與年度收益、交易量有顯著之關聯。Tetlock et al.. i n U. v. (2008)亦透過情緒分析，發現新聞中的負面情緒可以增加對於股票市場之預估能. Ch. engchi. 力，顯示此些市場情緒對於整體市場之影響確實不容忽視。國內近年來房價由高轉跌，而對於資訊不流通之不動產市場而言，新聞作為一重要資訊管道，是否房地產市場之預期跟漲跌與新聞情緒間存在相互關聯？過去卻鮮有相關之研究。如能探究新聞情緒與房地產市場態度及房價間之關係，則可瞭解新聞情緒於市場中之角色，並透過新聞情緒捕捉市場參與者之心理預期，進而提升對於房價之掌握與預估，補足過去研究大多建立在傳統統計資訊、僅就基本面分析之不足，加快市場預期、動向等相關資訊之取得，減少傳統調查之人力及時間成本，並提升政府及民眾對於不動產市場波動之掌握程度，於政策之擬. 3.

(14) 第一章. 緒論. 訂或購屋決策時提供更準確之資訊及思維。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 4. i n U. v.

(15) 新聞媒體情緒對於房價之影響. 第二節研究目的與限制壹、. 研究目的. 一、利用情緒分析技術，捕捉各期新聞對房地產市場之態度，並透過探討新聞情緒變數與房地產市場預期間之相關性，瞭解新聞情緒變數與房地產市場參與者心理預期間之關係，同時檢視新聞是否得以影響市場情緒，抑或新聞僅係傳達市場情緒之媒介，藉以瞭解新聞情緒於房地產市場中之角色。二、整理過去文獻研究有關影響房價之各項因素，並加入新聞情緒變數，透過實證分析，瞭解新聞情緒變數與房價間之關聯。研究範圍. 一、. 時間範圍. 立. 政治大. 學. ‧ 國. 貳、. 網路上之資訊隨時間經過，將刪除過時之資訊，致使資料量隨歷經年期遞減，. ‧. 造成長期而言各期新聞資訊量之差距。而國內各大新聞目前多缺乏公開之新聞資料庫，僅聯合報系 3提供聯合知識庫 4供歷年之新聞查詢，故新聞資料上之取得. io. sit. y. Nat. 將受到限制。. n. al. er. 而觀乎各家報紙市場佔有率，圖 1-1 為 2015 年第四季媒體大調查報告 5之前. i n U. v. 五大報紙閱讀市佔率 6。7 日內曾閱讀報紙之民眾中，聯合報之報紙閱讀市佔率. Ch. engchi. 為 29.25%，與自由時報、蘋果日報並列為三大報紙，顯示聯合報仍具有一定市. 旗下報紙包含聯合報(1953 年迄今) 、民生報(1978 年至 2006 年停刊)、經濟日報(1967 年迄今)、聯合晚報(1988 年迄今)、美國世界日報(1976 年迄今)、泰國世界日報(1955 年迄今)、可樂新聞 (2004 年至 2007 年停刊)、Upaper(2007 年迄今)、好讀周報(2009 年迄今)、歐洲日報(1982 年至 2009 年停刊)、星報(1999 年至 2006 年停刊)。 3. 4. 聯合知識庫，http://udndata.com/udn/。. 自 2009 年發布迄今，由潤利艾克曼國際事業有限公司以電腦輔助電話訪問調查法定期調查各季台灣北部地區一般民眾對五大媒體之接觸情形。 5. 6. 各報紙閱讀率/7 天報紙閱讀率。 5.

(16) 第一章. 緒論. 場代表性。考量新聞取得上之限制以及聯合報於新聞市場代表性之地位，本研究採用聯合報系發布之新聞作為本研究之新聞資訊。. 報紙閱讀市占率 37.68% 33.18%. 40.00% 35.00% 30.00% 25.00% 20.00% 15.00% 10.00% 5.00% 0.00%. 29.25% 20.25%. 5.61%. 政治大報紙閱讀市占率%. 自由時報. 立. 蘋果日報. 聯合報. 中國時報. ‧ 國. 學. 圖 1-1 五大報紙閱讀市佔率. 工商時報. ‧. 資料來源：2015 年第四季媒體大調查報告. sit. y. Nat. 由於聯合知識庫的新聞自 1999 年 9 月以後始開始以電子檔資料直接歸檔，. io. er. 1999 年 9 月以前之回溯資料僅有全國版及台北市版資訊，為配合新聞資訊期間並促使期間內之資訊量具一致性，本研究選取聯合知識庫完整新聞查詢起始年. n. al. Ch. i n U. v. 2000 年至 2015 年底為本研究時間範圍，且為維持新聞量之穩定性，故排除研究. engchi. 期間中發行或停刊之報紙，選用聯合報、經濟日報、聯合晚報作為新聞資料來源，排除資料來源不一致可能造成之偏誤。二、. 空間範圍臺灣過去不動產相關研究鮮有與新聞情緒相關之研究，為瞭解新聞情緒與不. 動產間之關係，並配合新聞資訊影響層面之全國性，故以全臺灣地區房價為範圍，進行後續之分析。參、. 研究限制. 6.

(17) 新聞媒體情緒對於房價之影響由於網路頁面會隨時間經過刪除過去之資訊，新聞資料量隨歷經年期驟減，故以搜尋引擎查詢過去新聞之方法可能造成資料量各期差異過大，致使後續分析產生偏誤。而國內各大新聞網缺乏公開之新聞資料庫，僅聯合報系提供公開歷史新聞查詢，亦使新聞資訊之取得受到限制。此外，聯合知識庫之新聞來源雖涵蓋各地方版頁，然由於其僅收錄聯合報之地方新聞，且其發布頻率為一周一次，加上地方房地產相關版面多為地方房地產廣告，實際地方相關新聞量較少，難以以縣市為單位，進行區域不動產新聞分析，僅得以全臺灣範圍進行探討為本研究新聞資料上之限制。另外，聯合知識庫系統亦僅提供新聞標題、出處及摘要之公開資訊，受限於相關資料條件，本研究僅就各新聞標題、摘要進行分析。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 7. i n U. v.

(18) 第一章. 緒論. 第三節研究架構與流程壹、. 研究架構本章為緒論，敘明本研究之動機、目的與研究範圍及相關研究限制，第二章. 文獻回顧將說明與新聞市場角色理論、情緒分析技術之研究、新聞情緒分析之應用及影響房價之總體經濟因素相關文獻，透過文獻回顧建立本研究之理論基礎，並指出過去文獻之研究缺口。第三章研究方法與研究設計將說明後續研究之模型與相關檢定，並敘明相關變數之選擇及其代表意涵。第四章實證結果分析，將說明本研究依上述理論及方法實證之結果，並進一步闡述新聞情緒與房價間之關係。第五章結論與建議，將總結上述文獻、理論與實證結果，並針對後續政策、研究提出相關之建議。. 立. 研究流程. 學. ‧ 國. 貳、. 政治大. 本研究之研究流程如圖 1-2 所示。. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. 8. i n U. v.

(19) 新聞媒體情緒對於房價之影響. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 圖 1-2 研究流程. 9. i n U. v.

(20) 緒論. 立. 政治大. 學 ‧. ‧ 國 io. sit. y. Nat. n. al. er. 第一章. Ch. engchi. 10. i n U. v.

(21) 新聞媒體情緒對於房價之影響. 第二章. 文獻回顧. 第一節新聞市場角色理論過去市場相關之研究，大多建立在完全競爭市場、市場參與者為自利、完全理性之前提下，然此等假設實則與實際市場情形不符。Keynes (1936)於《The General Theory of Employment, Interest and Money》一書中首先提出動物本能 (Animal Spirits)一詞，表示人們於決策過程中之天生、自主、衝動等心理因素。 Keynes 認為即便排除投機行為造成的價格波動，市場上仍存在諸多人類天性造成之異常情形，大部分的人類行為係依據主觀判斷，尤其是決策行為，大多皆係. 政治大. 基於其動物本能使然。此外，個別參與者之動物本性可能受到政治或社會氛圍之. 立. 影響，而過度解讀市場之繁榮或蕭條，造成市場價格波動異常。因此在分析市場. ‧ 國. 學. 之前景時，必須考慮人類基於動物本能行為所產生之情緒及受社會氛圍影響之反應，僅依據量化資料進行預測，可能導致諸多偏誤。Shiller (1984)亦指出過去諸. ‧. 多研究探討市場往往著重於基本面之分析，鮮少探討投資者心理預期對於市場之. y. Nat. 影響，然而市場之價格及景氣循環與參與者的樂觀、悲觀有著不可分之關聯，投. io. sit. 資者之行為更會受到社會氛圍、潮流所影響，其往往為影響價格之重要因素。林. n. al. er. 左裕、程于芳 (2014)亦指出不動產市場為不完全競爭市場，在資訊不完全之情況. i n U. v. 下，投資者面對市場資訊及他人之決策結果，可能選擇忽視自身擁有之資訊，追. Ch. engchi. 隨其他人的投資決策，產生「從眾行為」，其決策結果將無法完全反應市場資訊，使市場價格與交易量存在不正常之波動。綜合上述文獻之觀點，其皆指出市場景氣將受參與者預期與情緒之影響，而市場參與者之情緒與態度則可能受到其所在之社會氛圍所變動，進而造成市場價量之改變，可見市場情緒對於整體市場景氣之重要程度。市場情緒涉及個別參與者主觀之判斷、市場整體氛圍等因素，往往難以有量化之指標予以衡量，然而，質化資料透過描述之語氣、強調特定樂觀或悲觀之事件，則可以傳達市場之態度。Engelberg (2008)以量化及質化資料同時對市場進行. 11.

(22) 第二章. 文獻回顧. 預測，其實證發現質化資料較能表達市場之情緒，相較於量化資料，對於資產價格有更好之預測能力，且就長時間範圍而言，質化資料對於報酬率之預測及解釋能力亦較佳。顯示質化資料之分析，可補足量化資料之不足及偏誤。在眾多質化資料中，新聞為一公開、普及且具有影響力之媒介，亦為市場上獲取資訊之重要管道之一。Tetlock、Saar-Tsechansky、Macskassy (2008)利用新聞分析股票市場時，就曾指出以新聞進行分析有許多優點，首先，透過新聞可以檢視、分析各事件對於市場之直接影響，不受限於特定領域之事件型態，且可以更完整的分析事情，瞭解市場之反應及公司之應對。此外，以新聞報導事件為分析主軸，可以篩除並減少過於枝微末節之事件對於市場之影響。而語言上之分析，. 政治大行分析，透過新聞情緒分析，得將這些對未來現金流量、盈餘有影響之因素納入立可補足量化資料上之缺陷，如未來規畫、政府政策等事件之發生等，無法量化進. ‧ 國. 學. 考量。. 過去已有相關文獻探討新聞對於市場之影響，而就新聞在市場上扮演之角色. ‧. 及其情緒所代表之意涵，學術上則各有不同理論。Mullainathan and Shleifer (2005). sit. y. Nat. 認為讀者係異質性的，皆有其既定立場及偏好，新聞媒體為了擴張其市場，可能. io. er. 會趨向讀者偏好撰寫新聞，故新聞意向可反映出當時之民眾偏好，新聞為傳達市場情緒之媒介。然而也有認為新聞會影響市場參與者對未來市場預期者 (Mutz. n. al. Ch. i n U. v. and Soss，1997；Shiller，2005；Tetlock，2007；Garcia，2013)。Mutz and Soss (1997). engchi. 透過參與新聞媒體內部會議，發現新聞媒體會努力透過新聞策略，期望影響公眾意見。Shiller (2005)則指出新聞在市場中扮演重要的角色，其透過選擇特定語調抑或是強調特殊樂觀或悲觀事件，將影響市場之預期，尤其在非資訊完全之市場，參與者追高殺低下，將造成市場泡沫或慘跌更趨嚴重。是以，新聞所傳達之情緒可能係傳達市場態度之落後指標，抑或是影響市場意向之領先指標，探討新聞之情緒可瞭解現下或未來市場參與者之意向。 Tetlock (2007)更進一步對新聞情緒之角色提出其論點，認為新聞作為傳達或影響市場角色之表現將有所不同。如新聞係傳達市場意向者，表示市場參與者之 12.

(23) 新聞媒體情緒對於房價之影響情緒先變動，新聞始發布關於市場意向之消息，因此新聞情緒為一落後指標。如圖 2-1 所示，假設市場產生負面擾動，使市場價格從原基本面價格開始下跌，由於市場產生負面擾動後新聞始傳達負面情緒，且長期而言，負面情緒之擾動將會消失，市場價格終將回歸基本面，因此新聞發布後，市場價格之下跌程度將會小於回歸基本面時回升之程度，而市場價格下跌之時間亦將小於回歸基本面之時間，圖 2-1 之虛線呈現新聞發布負面情緒前市場下跌之程度與期間，實線則為新聞發布後市場價格之變化與時點，從實線可看出，於新聞發布後，市場價格微幅下跌後即開始回升，且其下跌之期間亦較回升基本面之價格期間短。然如新聞情緒為影響市場情緒之角色，則表示新聞先發布並傳達負面情緒，市場參與者始受到新. 治政大如圖 2-1 所示，新聞發布後，市場價格使開始下跌，隨時間經過，新聞情緒影響立減弱，市場價格再回歸基本面，新聞發布後市場價格下跌幅度將與回升之幅度相. 聞情緒擾動，影響其對於市場之預期，轉而減少市場投入，致使價格下跌，因此，. ‧ 國. 學. 同，且其下跌期間亦與回升基本面之期間長度相同。是以，如新聞為一市場情緒之傳達者角色，則其對於市場價格之影響將較小，其影響期間亦較短，如新聞為. ‧. 影響市場情緒之媒介，則其對於市場價格之影響程度較大、期間較長。此外，此. Nat. sit. y. 兩角色亦有可能同時並存，市場價格下跌後，新聞發布市場相關之負面消息，而. al. er. io. 影響或加深市場投資者對市場之預期，致使市場參與者改變其行為決策，其影響. n. 程度與期間將介於上述兩者之間。. Ch. engchi. 13. i n U. v.

(24) 第二章. 文獻回顧. 立. 政治大. ‧ 國. 學. 圖 2-1 新聞情緒與市場情緒之領先落後關係資料來源：Tetlock (2007). ‧. 而針對新聞情緒對於市場之影響，有認為新聞會直接影響市場參與者對於市. y. Nat. sit. 場預期，進而影響市場者，如 Dyck and Zingales (2002)即指出在景氣越好時，新. n. al. er. io. 聞對於市場之態度往往越樂觀，而於市場衰退時，新聞對於市場之態度也較為悲. i n U. v. 觀，尤其在市場出現泡沫抑或是蕭條時，新聞之態度將更為明顯，其將影響市場. Ch. engchi. 參與者對市場之預期，造成市場之價格波動更為明顯。此外亦有認為，新聞對於改變個別參與者的意見或改變個人的特殊觀點上，極為有限，然而新聞之態度則可能影響大眾在特定問題上對於整體社會看法的認知，並對其所在社區內之主要看法具有重要影響，透過改變大眾對於社會觀點之看法，仍可能間接地達到影響公眾意見的目的 (Mutz and Soss，1997)。綜上所述，過去研究大多建立在完全競爭市場、資訊透明之前提下，忽略了市場實則存在資訊不流通、投資者可能存在從眾行為等特性。而過去文獻指出新聞作為一重要之資訊獲取管道，得以捕捉市場相關資訊、當下市場參與者之態度，. 14.

(25) 新聞媒體情緒對於房價之影響甚至是直接或間接地影響投資者對未來市場之預期。因此，透過探究新聞之情緒與訊息，將有助於補足過去量化資料集中於基本面、缺乏市場情緒研究等問題，並提升市場參與者對於市場之瞭解，增進其對於市場之掌握能力。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 15. i n U. v.

(26) 第二章. 文獻回顧. 第二節情緒分析技術之研究過去受限於技術層面，質化資料往往難以大量進行分析，僅得依賴人力主觀判斷進行統整。而隨著相關技術之進步，人們現今可以透過將質化資料進行斷詞、斷句，並透過情緒分析，篩選出質化資料中之重要情緒字串，以此分析資料中所隱含之情緒。依過去情緒分析之相關研究，大致可將情緒分析之方法分為字典比對法、人工法與機器學習法。字典比對法係依據情緒字典之分類與定義，比對各詞彙之情緒意義，再依其比對之結果，分析質化資料中各字串之語氣、態度，藉以瞭解各質化資料之情緒意涵。所謂情緒字典，係指將各詞彙歸類於不同情緒種類或定義其意思屬性之資. 政治大. 料庫，隨著文字探勘與情緒分析之發展，各語系之情緒字典亦越趨完善。哈佛情. 立. 緒字典 (Harvard IV-4 dictionary)將英文字串劃分成 77 種情緒分類，為目前最廣. ‧ 國. 學. 泛使用之英語情緒字典。而中文部分，目前亦有台大情緒字典 (NTUSD，NTU Sentiment Dictionary)與知網 (HowNet)兩大情緒字典。NTUSD 將情緒詞彙歸類為. ‧. 正面與負面兩類，為一部重要之情緒字典 (李政儒等人，2012)，而 HowNet 則將. sit. y. Nat. 詞彙分為正面、負面、程度以及主張詞語四個部分，分別用以囊括正負面之情緒、. io. er. 情緒程度以及有關表意之字彙。過去文獻透過字典比對法進行情緒分析者，有如 Tetlock (2007)、Tetlock et al. (2008)、Jin and Gallimore (2012)、Soo (2015)等。Tetlock、. n. al. Ch. i n U. v. Saar-Tsechansky、Macskassy (2008)蒐集 1980 至 2004 年華爾街報及道瓊新聞中與. engchi. S&P500 公司相關之新聞，利用哈佛情緒字典以 General Inquirer (GI) 7進行情緒分析，探討新聞情緒與個別廠商未來現金流之關係。Soo (2015)蒐集美國三十四個城市之地方房地產新聞，利用哈佛情緒字典以 General Inquirer 進行情緒分析等是。而由於情緒字典囊括眾多之情緒字彙，許多字串在情緒分析上可能較不具重要性，為減少龐大巨集在運算上之困難，亦有相關研究先篩選出具代表性之字串，. 7. General Inquirer，http://www.wjh.harvard.edu/~inquirer/。. 16.

(27) 新聞媒體情緒對於房價之影響再依此進行情緒分析者。如 Tetlock (2007)利用 General Inquirer 對各篇文章進行斷詞、斷句並判斷詞性後，將各字串歸類至哈佛情緒字典 77 個類別中，並取其負面類別中之字串進行主成分分析，篩選出較具代表性之負面字串清單，再依此清單分析華爾街報新聞中隱含之情緒。此外，Loughran and Mcdonald (2011)亦指出對不同產業而言，不同的字串可能有不同的意思，因此以情緒字典分析個別產業時，應考量個別產業之差異。人工法係以人工方式判別各情緒字彙之情緒意義或詞極 8，一般情緒分析常將詞彙分為正面與負面兩個極性，亦可分為特定情緒，如：快樂、難過、溫馨、有趣、驚訝等類別 (游和正等人，2012)，再依其判斷之結果，分析質化資料中各. 政治大即指出人工標記之情緒意見詞有較高之準確率。Loughran and Mcdonald (2011)亦立. 字串之語氣、意義，藉以瞭解各句子、段落、文章之情緒意涵。李政儒等人 (2012). ‧ 國. 學. 透過人工法探討不同公司之年度報表，其首先利用哈佛情緒字典進行情緒分析，發現使用情緒字典於分析各公司年度報表時，存在許多不精確現象。Loughran and. ‧. Mcdonald 指出哈佛情緒字典中有四分之三的負面字詞於實際應用中並非代表負面意思，此可能造成研究上之偏誤。因此其更進一步篩選年度報表中各字串出現. y. Nat. sit. 頻率較高者，透過主觀判斷，訂定各字串之情緒意義，以取得正、負面情緒之文. n. al. er. io. 字清單。此外，其亦考量各字串於英文形態中的變形，擴張文字清單。其實證後. i n U. v. 發現，以自訂之字串清單分析年度報表，相較於哈佛情緒字典，其解釋能力較佳，. Ch. engchi. 且以人工法對年度報表進行情緒分析以預測交易量、股價報酬變動率等皆有較好之預測效果。而機器學習法則係先以人工方式標註各文章之正、負面屬性，再透過自動計算各詞語出現於正面文章與負面文章之頻率，計算每個詞彙之權重值，如出現於正面文章之頻率大於出現於負面文章之頻率，則視其為正面詞彙，反之，如出現於正面文章之頻率小於出現於負面文章之頻率，則視其為負面詞彙，如出現於兩. 8. 詞彙之情緒強度，如悲痛之詞極強度可能大過於難過之詞極強度。. 17.

(28) 第二章. 文獻回顧. 類文章之頻率相同，則視其為中立詞，經判斷各字串之情緒類別後，再以此分析質化資料中之字串情緒，以探究各質化資料之情緒及語氣。Yang and Chao (2015) 即依據中文單詞，利用機器學習法，將雅虎新聞之電影評價進行分類，發現以此進行分類得到較精確之結果。游和正等人 (2012)亦透過機器學習法，探討詞彙於不同領域之意涵，其指出部分情緒詞彙於不同領域文本中的情緒可能有所差異，甚至彼此衝突。綜上所述，各情緒分析方法之分析過程皆有所不同，字典比對法應用上較為容易，然其囊括廣泛之情緒字串，可能造成分析時未能貼近各產業詞彙的問題。而人工法與機器學習法雖然較為精確，然其皆須進行人工判斷字串或文章之意向，. 政治大可能有所差異，因此，進行情緒分析時，須考量不同領域字彙之差異，以增加情立. 需耗費較多時間成本，此為其使用上需考量之特點。此外，不同領域之情緒詞彙. ‧. ‧ 國. 學. 緒分析結果之精確度。. n. er. io. sit. y. Nat. al. Ch. engchi. 18. i n U. v.

(29) 新聞媒體情緒對於房價之影響. 第三節新聞情緒分析之應用由於股票市場存在諸多散戶，易受消息面影響，相關之新聞、公司報表、市場消息等質化資料多元，且有關之股價、報酬率等數據資料發布頻率頻繁，可即時獲取資料進行分析，因此過去新聞有關之情緒分析研究大多集中於股票市場，股票相關指數成為情緒分析之首要研究對象。 Cutler et al. (1988)首先以實證探討新聞媒體與股票價格間之關係，然而其實證發現量化後的新聞資訊加入總體經濟變數後，並無法增加對於市場報酬之解釋能力。Tetlock (2007)發現新聞中之負面情緒可準確地預測股價下跌，隨著時間經過，股價將再回歸基本面價值。而市場報酬越低亦將造成新聞負面情緒越高，兩. 政治大. 者存在互相影響關係。此外，新聞中過高之負面情緒或過低之負面情緒，皆會帶. 立. 動股票市場交易量上升，且新聞中之負面情緒亦領先股票之低報酬，可作為預測. ‧ 國. 學. 股票市場之重要變數。Tetlock、Saar-Tsechansky、Macskassy (2008)研究新聞情緒與股票預期收益間之關係，其透過實證發現相較於傳統量化資料或股市分析師之. ‧. 預測，新聞之情緒字串傳達更多之資訊，預測能力更好。此外，新聞情緒將影響. sit. y. Nat. 市場之預期收益，進而造成股價波動，而該波動起始時間，大約為新聞發布後一. io. er. 天內，而就新聞情緒對於消息面短買短賣之影響而言，受限於交易手續費及成本影響，影響不顯著，相對而言，基本面之新聞對市場之影響效果較大。而 Dougal. n. al. Ch. i n U. v. et al. (2012)將華爾街雜誌每日之新聞內文轉為量化資料，觀察其與上市公司財務. engchi. 報表及股票報酬率之關聯性，發現加入新聞內文變數後，預測股票報酬率之迴歸模型判定係數增加百分之三十五，顯示新聞情緒有助於提升對股票之解釋能力，此外，其亦發現新聞編寫之樂觀或悲觀態度亦將影響市場參與者之決策及市場表現。Garcia (2013)亦以 1905 年至 2005 年紐約時報之財經新聞進行情緒分析，發現新聞資訊得以增加對於資產報酬率之預測能力，尤其在蕭條時，其預測能力更好。且其發現相較於景氣時期，蕭條時期新聞之情緒起伏波動程度為景氣時期之三倍，以此可推估蕭條時期市場之不穩定情形。除了研究新聞與同期或未來股票市場間之關係外，Tetlock (2011)更進一步分 19.

(30) 第二章. 文獻回顧. 析舊新聞對於市場之影響程度。該研究蒐集道瓊新聞 1996 至 2008 年間與美國企業相關之新聞，透過文字探勘將各新聞內文與其發布前之其他新聞進行比對，計算其重複比率，與其他新聞相比對達重複比率超過 10 篇者定義為過時新聞。其實證發現此類過時新聞對股票市場報酬之影響程度較小，但仍為領先指標，其負面情緒對於未來一周之報酬率仍有負面影響。而對於個別投資者佔半數以上之股票而言，其對於過時新聞之負面情緒反應較大，無論是跌幅或是後期之股價回彈其波動皆較激烈，反映出個別投資者對於過時新聞往往過度反應。而個別投資者對於過時新聞的過度反應亦可解釋市場上特定事件發生後一段期間，非預期交易仍繼續發生之異常現象，補足過去傳統基本面分析無法解釋及預測之市場波動。. 政治大蒐集十七個公開新聞來源，發現新聞之發布，顯著影響三個月期票據、兩年期票立. 此外，情緒分析在金融市場之應用亦擴及其他金融商品。Balduzzi et al. (2001). ‧ 國. 學. 據、十年期票據及三十年公債之價格，新聞得以解釋其發布後大部分的公債價格波動，其對價格之影響通常自新聞發布後一分鐘內發生，而交易量及交易量變動. ‧. 率通常自新聞發布起自發布後六十分鐘內大幅增加，買賣利差則是自發布時點起擴大，但五至十五分鐘後，轉趨縮小。由此可見情緒分析在金融市場應用及預測. er. io. sit. y. Nat. 上之多元。. 反觀不動產市場，受限於不動產交易期間長，相關市場數據之發布頻率亦較. n. al. Ch. i n U. v. 低，往往難以即時取得有關數據進行分析。且市場上亦缺乏多元之質化資料，造. engchi. 成有關情緒分析之相關研究相對較少。然而基於不動產之消費、投資雙重性，不動產市場之個別需求者比例高，加上資訊不流通、不動產產品異質性、交易次數少等特性，市場個別參與者受市場消息面之影響更甚 (Soo，2015)，因此探討不動產市場時，分析市場情緒尤為重要。Jin and Gallimore (2012)即指出不動產市場因為交易者少，且其買賣多受仲介引導，在資訊不對等之情況下，不動產市場交易易受到市場情緒影響。其認為新聞不僅僅是揭露同期之市場基本面資訊，透過特定字詞，新聞亦將影響市場個別參與者對於市場的預期，進而影響其同期之決策。其透過時間序列方法實證發現，新聞中之負面情緒可以代表同期之市場消息。. 20.

(31) 新聞媒體情緒對於房價之影響然而加入其他總體經濟變數後，負面字串之預估能力不顯著。Soo (2015)蒐集美國三十四個城市之地方房地產新聞，利用哈佛情緒字典以 General Inquirer 進行情緒分析，發現新聞情緒與市場調查之民眾預期呈現高度相關，顯示新聞情緒可能存在影響市場民眾預期之現象。此外，房地產新聞之情緒對於房價有顯著之預測能力，透過新聞情緒分析，可以捕捉基本面資訊未能掌握之資訊，其預測能力超過以往預測房價之變數。另外，該研究發現在不同之房地產次市場，新聞情緒之影響程度將有所不同，在投資需求較多之市場，於逐市者之驅使下，其對於新聞情緒之反應較為顯著，而在次級放款比例較高的不動產市場，新聞情緒之解釋能力更大，顯示次級房貸購屋者受市場消息面之影響更甚，且其實證結果亦顯示. 治政大受新聞情緒之影響較為明顯。顯示新聞情緒於房地產市場可能存在傳達或影響市立場參與者預期之角色。於購屋者能力較不足之市場及低房價之市場中，由於購屋者多欠缺資訊來源，其. ‧ 國. 學. 綜上所述，新聞情緒分析於市場上之應用涵蓋股票市場、金融市場報酬率或. ‧. 交易量等之預估，而國外亦有相關研究探討新聞情緒與房地產市場間之關聯，其多指出新聞情緒為一顯著之領先指標。而反觀國內目前少有運用情緒分析技術探. y. Nat. sit. 討新聞情緒與房地產市場間之關聯者，或多偏向情緒分析技術上之探討 (游和正. n. al. er. io. 等人，2012)。如能將情緒分析應用至不動產領域，將能提升市場參與者對於房地. i n U. v. 產市場之掌握能力，補足過去僅就基本面分析之不足，並提供政府及民眾於政策. Ch. engchi. 擬定或購屋決策上更精確之依據。. 21.

(32) 第二章. 文獻回顧. 第四節影響房價之總體經濟因素由於總體經濟變數多存在相互影響之關係，為探討新聞情緒與房價間之關聯，須先瞭解其他可能影響房價之因素。過去已有諸多國內、外研究探討總體變數與房價間之相互影響關係，Darrat and Glasock (1993)檢視芝加哥地區不動產市場與總體經濟變數間之關係，其實證發現，不動產市場對於貨幣政策、財政政策之反應落後，因此可透過此些變數預估未來不動產之報酬率。McCue and Kling (1994) 以不動產投資信託報酬做為不動產市場報酬率之指標，其實證發現消費者物價指數、公債名目利率、工業生產指數、建築施工指數皆會影響不動產市場，其中名目利率對於不動產市場之影響最鉅。Baffoe-Bonnie (1998)實證發現總體經濟因素. 政治大 (2013)分析香港之房價，透過衝擊反應分析，其發現國內產出、通貨膨脹對於房立顯著的影響房價與交易量，其中失業率與貸款利率影響最深。Funke and Paetz. ‧ 國. 學. 價皆有顯著之影響。. 而 Hoskins et al. (2004)分析澳洲、美國、英國及加拿大之房價亦發現總體經. ‧. 濟指數與不動產報酬率間有顯著之關聯，通貨膨脹、國內生產毛額及名目利率皆. sit. y. Nat. 會影響不動產報酬率未來之表現。此外，Clayton et al. (2010)分析 1990 年至 2002. io. er. 年美國 114 個城市之住宅市場，亦發現房價和交易量皆受到勞動市場、貸款市場及股票市場之影響，且其透過 Granger 因果關係檢定，發現交易量與房價間存在. n. al. Ch. i n U. v. 相互影響關係。與其結果一致者如 Andrew and Meen (2003)、Ortalo-Magné and. engchi. Rady (2006)等人，其中 Ortalo-Magné and Rady (2006)透過實證除發現交易量與房價間存在顯著關聯外，亦指出放款限制與金融政策將會影響購屋者之決策，進而影響市場上房價之波動。國內過去亦有相關研究探討房價與總體經濟間之關係。陳明吉 (1989)透過實證發現，長期而言，影響住宅價格水準之變數包含股價指數、房屋建築費用指數、通貨膨脹率及經常性收入變動率，短期而言，物價指數、房屋建築費用指數、通貨膨脹率、貨幣供給量及短期質押放款利率均有相當程度的解釋能力。吳森田 (1994)透過迴歸分析，發現貨幣供給額、房屋增值率、地價變動率、實質建築費 22.

(33) 新聞媒體情緒對於房價之影響用指數對於房價呈現正向影響，然而家戶數與家戶恆常所得與房價呈現負向影響，其認為可能原因是在房價飆漲期間，家戶所得即便提高，也不一定有能力進入房屋市場，故兩者間不必然呈現正向關係。林秋瑾、黃珮玲 (1995)分析各項總體經濟變數，實證發現股價、貨幣供給額、匯率及利率為領先住宅價格之領先指標，透過衝擊反應分析，其發現物價、所得、股價、貨幣供給額對於住宅價格呈現正向衝擊，利率及匯率對於住宅價格則呈現負向衝擊。而林秋瑾等人(1997)探討房地產景氣與總體經濟景氣間之關係，其實證後亦發現，國內生產毛額變動率、貨幣供給率、股價指數變動率、消費者物價指數變動率領先於房地產綜合景氣指標。近期國內亦有不少探討房價與總體經濟間之研究，洪淑娟與雷立芬(2010)以. 政治大對當期的中古屋、新成屋與預售屋房價均具有顯著的正向影響。而儲蓄率對中古立. 中古屋、新成屋及預售屋價格為範圍，透過向量誤差修正模型發現，貨幣供給額. ‧ 國. 學. 屋、新成屋與預售屋房價均具有顯著的負向影響，顯示民眾減少儲蓄時可能轉入住宅市場，造成房地產價格因需求的增加而上漲。李美杏等人(2014)探討房價與. ‧. 市場經濟基本面之間的關係，以台北、東京、首爾、香港、新加坡與上海為例，研究 1995 年至 2011 年間各城市之總體經濟變數與房屋基本面價值間之關係，其. y. Nat. sit. 實證發現，房屋基本面價值受利率、可支配所得、國內生產毛額、消費者物價指. n. al. er. io. 數影響，而林佑倫 (2015)亦透過實證發現，房價與消費支出間存在負向之相互影. i n U. v. 響關係，其指出高房價的現況已明顯排擠消費支出，並導致經濟成長緩慢甚至衰退之現象。. Ch. engchi. 由上述房價與總體經濟之相關文獻可發現，市場利率、國內生產毛額、物價指數、民間消費、交易量、股價指數等皆為房價之可能影響變數，可作為後續實證分析之參考。此外，透過文獻回顧亦可發現，過去不動產總體經濟層面之相關研究大多仍係以基本面角度進行分析，鮮少有將市場參與者之心理預期或不動產相關質化資料納入影響變數中予以討論，此即為本文之研究動機與目的，希望透過將新聞變數納入分析之範疇，得以更深入市場參與者之訊息途徑，藉以其心理預期與行為決策，增進我們對於整體不動產市場之掌握與預估。後續實證，本研. 23.

(34) 第二章. 文獻回顧. 究將基於過去房價與總體經濟研究之相關變數，加入新聞情緒變數，探討其與房價間之動態關聯。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 24. i n U. v.

(35) 新聞媒體情緒對於房價之影響. 第五節小結承如 Keynes (1936)所述，人類之多數決策皆源於動物本能，而此些動物本能將受到社會氛圍、潮流所影響，致使市場參與者產生從眾行為，造成市場價格之波動，因此探究市場情緒對於分析、預估市場之情形尤為重要。新聞作為獲取市場資訊之重要管道之一，已有諸多研究探討其與市場間之關係，而隨著科技與情緒分析技術之發展，與情緒分析有關之研究與應用亦越趨多元，不動產市場基於不動產本身之特殊性，個別需求者比例高，加上資訊不流通、不動產產品異質性、交易次數少等特性，市場個別參與者受市場消息面之影響更甚，因此探討不動產市場時，市場情緒之影響不容忽視。國外已有運用情緒分析探討新聞與房價間關. 政治大於不動產市場參與者預期心理之掌握，並減少過去僅就基本面進行房價分析所造立係之相關研究，然國內在不動產領域方面之探討仍多限於基本面分析，為提升對. ‧ 國. 學. 成之偏誤，探討新聞情緒與房價間之關係確有其必要性。. 綜合上述研究動機及過去相關文獻探討，本研究提出三假說，於後續進行探. ‧. 討：. Nat. n. al. er. io. 假說二：新聞情緒與房價間存在動態關聯。. sit. y. 假說一：新聞情緒與房地產市場參與者之預期心理間存在關聯性。. i n 假說三：新聞情緒將影響市場參與者對於市場之預期。 Ch engchi U. 25. v.

(36) 文獻回顧. 立. 政治大. 學 ‧. ‧ 國 io. sit. y. Nat. n. al. er. 第二章. Ch. engchi. 26. i n U. v.

(37) 新聞媒體情緒對於房價之影響. 第三章. 研究方法與研究設計. 本章節分為兩部分，第一節先就本研究欲使用之模型概念與相關檢定進行概述，並說明後續研究設計，作為後續實證模型建立之基礎。第二節將就本研究使用之相關資料及變數選取進行說明。. 第一節研究方法本研究欲探究新聞情緒變數是否與房地產市場參與者情緒存在相關性，瞭解新聞情緒變數與房價間之關聯，並探討新聞情緒與市場情緒間是否存在因果關係。. 治政心理間之相關性，並檢定其相關性顯著與否，瞭解新聞情緒變數與市場預期間之大立關聯程度，檢驗前述假說一是否成立。另外本研究採用 2000 年至 2015 年之房故本研究先就 Pearson 相關性檢定，探討新聞情緒變數與房地產市場參與者預期. ‧ 國. 學. 價、新聞情緒變數及其他總體經濟變數，探討新聞情緒變數與房價間之動態關聯，以檢驗本研究假說二是否為真。然由於大多總體經濟變數皆存在相互影響關係，. ‧. 且時間序列資料易受到自身及其他變數前期之影響，故本研究採用向量自我迴歸. sit. y. Nat. 模型(VAR)或向量誤差修正模型(VECM)，探討變數間跨期性之關係。此外，因長. io. er. 時間之時間序列變數可能存在結構性轉變問題，且大部分總體經濟變數多存在非定態現象，Granger and Newbold (1974)即發現非定態變數間，可能會存在假性迴. al. n. v i n 歸 (spurious regression)的問題，因此在進行時間序列模型估計前，必須先通過結 Ch engchi U 構性轉變檢定並以單根檢定(unit root test)判斷變數是否為定態，如變數為定態，則採用向量自我迴歸模型進行分析，如變數為同階次之非定態數列，則需透過共整合檢定 (cointegration test)分析變數間是否存在長期均衡關係，如變數間存在共整合現象，則採用向量誤差修正模型進行分析。最後，透過格蘭傑因果關係檢定 (granger causality test)，探討新聞情緒變數與市場參與者預期間之因果關係，進一步說明新聞情緒於房地產市場之角色，檢定本研究之假說三是否成立。壹、. Pearson 相關係數. 27.

(38) 第三章. 研究方法與研究設計. Pearson 相關係數，係探討兩個變數間是否共同產生變化的關聯程度。相關係數值介於 -1 至 1 之間，包含兩變數間之相關性大小及方向。相關係數大小是指係數值本身之絕對值，絕對值愈大者，係數絕對值越趨近 1，兩變數間之關聯性愈強；絕對值愈小者，係數絕對值越趨近 0，表示兩變數間關聯性愈弱。而相關係數方向係指正值或負值而言，相關係數為正，表示兩個變數間變化具有正向關聯性，兩變數有同向變動之趨勢，此種關聯稱之為「正相關」；如為負值即表示兩個變數間具有反向變動之關聯，此種關聯性稱作「負相關」，相關係數之計算如公式 1.1 所示。 𝑟𝑟 =. ∑𝑛𝑛𝑖𝑖=1(𝑋𝑋𝑖𝑖 − 𝑋𝑋�)(𝑌𝑌𝑖𝑖 − 𝑌𝑌�). �∑𝑛𝑛𝑖𝑖=1(𝑋𝑋𝑖𝑖. 立. (1.1). − 𝑋𝑋�)2 �∑𝑛𝑛𝑖𝑖=1(𝑌𝑌𝑖𝑖 − 𝑌𝑌�)2. 政治大. 透過相關係數檢定，可檢測兩變數間之相關性是否顯著、具有統計上意義，相關. ‧ 國. 學. 係數檢定之統計量如公式 1.2 所示，相關係數檢定之虛無假設如下：. ‧. 𝐻𝐻𝑜𝑜 ：𝜌𝜌𝑋𝑋𝑋𝑋 = 0. n. (1.2). y. 𝑁𝑁 − 2 1 − 𝑟𝑟 2. sit. io. al. 𝑡𝑡 ∗ = r�. er. Nat. 𝐻𝐻1 ：𝜌𝜌𝑋𝑋𝑋𝑋 ≠ 0. i n U. v. 此檢定之虛無假設為兩變數之相關係數為零，若檢定結果拒絕虛無假設，則. Ch. engchi. 表示兩變數之相關係數具有統計上之顯著性；若檢定結果無法拒絕虛無假設，則表示兩變數間之相關係數可能不具統計上意義。貳、. 結構性轉變檢定大部分總體經濟變數相互關係之研究，受限於資料之性質與發佈頻率，其所. 採用之資料期間較長。樣本期間如有重大經濟變動發生，可能導致特定時間點之時間序列變數發生驟變，造成前後期變數於時間序列模型估計期間內之關係發生變化，進而影響迴歸係數之安定性，故估計時間序列模型時，如採用之樣本期間較長，應檢定是否存在結構性轉變，以避免模型之估計或推論發生偏誤。 28.

(39) 新聞媒體情緒對於房價之影響本研究所採用之樣本期間自 2000 年至 2015 年，共 15 年，為避免結構性轉變影響後續之統計推論，本研究採用 CUSUM 檢定 (cumulative sum of the recursive residuals)觀測結構性轉變是否存在。CUSUM 檢定是利用逐次迴歸之殘差進行檢定，如樣本期間未發生結構性轉變，則利用樣本期間內任一子樣本進行模型估計，並對子樣本後一期進行預測，再重複估計模型並預測未來一期，最後期之預估值與實際值應不會過分偏離。 CUSUM 檢定之虛無假設如下所示： 𝐻𝐻0 : 𝐸𝐸(𝑒𝑒̂𝑡𝑡 ) = 0. 𝑒𝑒̂𝑡𝑡 表示逐次迴歸之殘差，亦即逐次代入第 1 期至第 t-1 期之資料所得之第 t 期預. 治政測值，該預測值與實際值間之誤差。假定𝑒𝑒̂ ~(0, 𝜎𝜎 大 )，且逐次迴歸殘差期望值之立條件變異數為𝜎𝜎 ，如公式 1.3 所示，則各期標準化後之逐次迴歸殘差變數𝑤𝑤 如 2. 𝑡𝑡. ‧ 國. 學. 𝑟𝑟,𝑡𝑡. 公式 1.4 所示。. 𝑒𝑒̂𝑡𝑡 𝜎𝜎𝑟𝑟,𝑡𝑡. y. (1.4). sit. Nat. 𝑤𝑤𝑡𝑡 =. (1.3). ‧. 𝜎𝜎𝑟𝑟,𝑡𝑡 = 𝑉𝑉𝑎𝑎𝑎𝑎 �𝑒𝑒̂𝑡𝑡 �𝑦𝑦𝑡𝑡−1， 𝑦𝑦𝑡𝑡−2，…， 𝑦𝑦1�. 𝑡𝑡. n. al. 在虛無假設之條件下，當 t=n 時，𝑊𝑊𝑡𝑡 應介於. 當 t=T 時，𝑊𝑊𝑡𝑡 值之範圍為. Ch. engchi. er. io. 在總樣本數為 T 之情況下，將𝑊𝑊𝑡𝑡 定義為第 n 期至第 t 期標準化後之𝑤𝑤𝑡𝑡 總和，. i n U. v. −θ√𝑇𝑇 − 𝑛𝑛 < 𝑊𝑊𝑡𝑡 < θ√𝑇𝑇 − 𝑛𝑛. −3θ√𝑇𝑇 − 𝑛𝑛 < 𝑊𝑊𝑡𝑡 < 3θ√𝑇𝑇 − 𝑛𝑛. θ為臨界值係數，顯著水準為 5%時，θ=0.948，當顯著水準為 1%時，θ=1.143，將 t=n 及 t=T 時之臨界值連成線，計算所有𝑊𝑊𝑡𝑡 值，在逐次殘差迴歸期望值為零之條件下，任一𝑊𝑊𝑡𝑡 值超過界線，則表示可能有結構性轉變或是模型係數不安定之情形。. 29.

(40) 第三章參、. 研究方法與研究設計單根檢定. 時間序列變數如具有單根性質，各期之突發事件所產生之誤差將可能對變數產生持續性的影響，導致該變數長期之平均值或變異數隨時間不同而產生變化，未能收斂至一定態常數以達長期均衡。一般迴歸模型皆假設變數為一定態數列，長期而言，期望值與變異數為一固定常數，如變數是非定態數列，將致使模型估計結果準確度降低，造成解釋或預測上之偏誤。Granger and Newbold (1974)更進一步發現非定態變數間可能會產生假性迴歸的現象，造成原無因果關係的變數出現迴歸係數顯著異於零、判定係數過高的情況。有鑑於許多總體經濟時間序列變數皆存在非定態之性質，故於進行時間序列模型估計前，必須先檢定變數是否為. 政治大 and Perron (1988) 提出之立 PP test 進行單根檢定。. 定態，本研究採用 Dickey and Fuller (1981)提出之 Augmented DF test 與 Phillips. ‧ 國. 學. 一、. Augmented DF 單根檢定. ‧. Dickey-Fuller 單根檢定是以普通最小平方法進行迴歸計算，當非定態變數之型態非屬於 AR(1)時，迴歸模型之殘差即可能會產生自我相關的現象，造成迴歸. Nat. sit. y. 估計式之偏誤，致使 Dickey-Fuller test 檢定力不足。因此 Augmented DF test 擴充. er. io. Dickey-Fuller test 的檢定式，加上變數差分的落後期，使單根檢定估計式之殘差. al. v i n Ch 時間趨勢項、含截距項、含截距項及時間趨勢三種模型： engchi U 𝑝𝑝 n. 服從白噪音特性，其檢定之模型如公式 1.5 至 1.7 所示，分別表示不含截距項及. ∆𝑦𝑦𝑡𝑡 = γ𝑦𝑦𝑡𝑡−1 + � 𝛽𝛽𝑖𝑖 ∆𝑦𝑦𝑡𝑡−𝑖𝑖+1 + 𝜀𝜀𝑡𝑡. (1.5). ∆𝑦𝑦𝑡𝑡 = 𝑎𝑎0 + γ𝑦𝑦𝑡𝑡−1 + � 𝛽𝛽𝑖𝑖 ∆𝑦𝑦𝑡𝑡−𝑖𝑖+1 + 𝜀𝜀𝑡𝑡. (1.6). ∆𝑦𝑦𝑡𝑡 = 𝑎𝑎0 + γ𝑦𝑦𝑡𝑡−1 + 𝑎𝑎2 t + � 𝛽𝛽𝑖𝑖 ∆𝑦𝑦𝑡𝑡−𝑖𝑖+1 + 𝜀𝜀𝑡𝑡. (1.7). 𝑖𝑖=2. 𝑝𝑝. 𝑖𝑖=2. 𝑝𝑝. 𝑖𝑖=2. 𝑝𝑝. 其中 ∆𝑦𝑦𝑡𝑡 表示變數各期差分值， 𝑎𝑎0 為截距項， γ = −(1 − ∑𝑖𝑖=1 𝑎𝑎𝑖𝑖 ) ，𝛽𝛽𝑖𝑖 = 30.

(41) 新聞媒體情緒對於房價之影響 𝑝𝑝. − ∑𝑗𝑗=𝑖𝑖 𝑎𝑎𝑗𝑗，t 為時間趨勢項，𝜀𝜀𝑡𝑡 為服從白噪音之殘差。Augmented DF test 之虛無假 𝑝𝑝. 設為變數存在單根，如∑𝑖𝑖=1 𝑎𝑎𝑖𝑖 < 1，則拒絕虛無假設，該變數為定態序列，如 ∑𝑝𝑝𝑖𝑖=1 𝑎𝑎𝑖𝑖 ≥ 1，則無法拒絕虛無假設，變數可能具有單根或非定態特性。二、. Phillips-Perron 單根檢定. Dickey-Fuller test 及 Augmented DF test 皆要求檢定式之殘差須為白噪音，亦即須符合無自相關且具有同質變異之條件，倘若變數未能符合上述條件，可能將降低模型之檢定能力。Phillips-Perron test 改善前述限制之問題，於檢定式中修正 Dickey-Fuller test 及 Augmented DF test 檢定式中γ估計式，將殘差可能的自相關及異質變異問題加入檢定式中， Phillips-Perron test 之虛無假設亦為變數存在單. 政治大. 根，如檢定結果拒絕虛無假設，則表示變數為定態序列，如檢定結果無法拒絕虛. 立. 無假設，則表示變數可能具有單根或為非定態序列。. ‧ 國. 學. 肆、. 共整合檢定. ‧. 一般而言非定態變數之線性組合仍為非定態，其階次將與變數中階次最高者. y. Nat. 相同，而所謂共整合關係，即是指一組非定態時間序列變數可透過特定之線性組. io. sit. 合轉為定態，Granger and Newbold (1974)指出如變數為非定態時間序列，則其間. n. al. er. 可能會產生假性迴歸的現象，然而如此些非定態變數間存在共整合關係，則長期. i n U. v. 而言變數間仍具有定態之性質( Engle and Granger，1987)，因此如非定態之經濟. Ch. engchi. 變數間存在共整合關係，表示此些變數雖然短期間可能偏離均衡，長期而言仍具有往均衡方向調整之特性，故長期來看變數間仍存在均衡、定態之現象，其迴歸關係仍具有經濟意義，仍適用迴歸之統計推論。而關於共整合關係之檢定，Johansen (1988)提出 Johansen cointegration test，在向量自我迴歸模型下，落後 p 期之模型如公式 1.8 所示，模型中𝑋𝑋𝑡𝑡 為 n×1 之變數向量，A 為 n×n 係數矩陣，µ為常數項， 𝜀𝜀𝑡𝑡 為隨機誤差。. 𝑋𝑋𝑡𝑡 = 𝐴𝐴0 + 𝐴𝐴1 𝑋𝑋𝑡𝑡−1 + 𝐴𝐴2 𝑋𝑋𝑡𝑡−2 + 𝐴𝐴3 𝑋𝑋𝑡𝑡−3 + ⋯ + 𝐴𝐴𝑝𝑝 𝑋𝑋𝑡𝑡−𝑝𝑝 + 𝜀𝜀𝑡𝑡 31. (1.8).

(42) 第三章. 研究方法與研究設計. 公式 1.8 透過加減落遲項，可得誤差修正模型如公式 1.9 所示，其中，Π =. ∑𝑝𝑝𝑖𝑖=1 𝐴𝐴𝑖𝑖 − 𝐼𝐼，Π𝑖𝑖 = − ∑𝑝𝑝𝑗𝑗=𝑖𝑖+1 𝐴𝐴𝑗𝑗 。若 rank(Π)=r，則表示有 r 個共整合向量，矩陣 Π 也會有 r 個特性根異於 0。. ∆𝑋𝑋𝑡𝑡 = Π0 + Π𝑋𝑋𝑡𝑡−1 + Π1 ∆𝑋𝑋𝑡𝑡−1 + Π2 ∆𝑋𝑋𝑡𝑡−2 + ⋯ + Π𝑝𝑝−1 ∆𝑋𝑋𝑡𝑡−𝑝𝑝+1 + 𝜀𝜀𝑡𝑡. (1.9). Johansen 提出對角元素和檢定 (trace test) 及最大特性根檢定 (maximum. eigenvalue test)統計量以檢定共整合向量，其檢定統計量分別如公式 1.10 及公式 1.11 所示，其中𝜆𝜆̂𝑖𝑖 為第 i 個特性根之估計值，T 為總樣本數。對角元素和檢定之虛無假設為rank(Π) ≤ r，若無共整合向量存在，則𝜆𝜆𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 = 0，如果有 r 組共整. 合向量，則𝜆𝜆𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 (𝑟𝑟)將趨近於 0。而最大特性根檢定之虛無假設為rank(Π) = r，. 治政對立假設為rank(Π) = r + 1，若有 r 組共整合向量存在大，則第 r+1 個特性根𝜆𝜆 = 立 (𝑟𝑟, 𝑟𝑟 + 1)亦應趨近於 0。經由上述兩統計量，可判斷變數間是否有 0，所以𝜆𝜆 Nat. 𝜆𝜆𝑚𝑚𝑚𝑚𝑚𝑚 (𝑟𝑟, 𝑟𝑟 + 1) = −𝑇𝑇 ln(1 − 𝜆𝜆̂𝑟𝑟+1 ). io. 伍、. 向量自我迴歸模型. al. (1.11). y. 𝑖𝑖=𝑟𝑟+1. (1.10). sit. 𝜆𝜆𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 (𝑟𝑟) = −𝑇𝑇 � ln(1 − 𝜆𝜆̂𝑖𝑖 ). er. 𝑛𝑛. ‧. ‧ 國. 共整合關係。. 學. 𝑚𝑚𝑚𝑚𝑚𝑚. 𝑟𝑟+1. n. v i n Ch 一般而言，迴歸模型大多隱含自變數與應變數間存在因果關係之假設，然而 engchi U. 總體經濟變數間，往往存在相互影響之關係，關於此等內生變數(endogenous. variable)，向量自我迴歸模型(vector autoregression)將所有變數皆以內生變數之方法進行估計，可以預測任一變數變動對於所有變數的影響，克服內生變數與外生變數認定之問題。向量自我迴歸模型係由多個變數及多條迴歸方程式所組成，每個內生變數將輪流作為應變數，每條迴歸方程式中皆由應變數及其他變數之落後期作為自變數進行估計，透向量自我迴歸模型，可觀察各變數間先後之變動關係。向量自我迴歸模型如公式 1.12 所示： 32.

(43) 新聞媒體情緒對於房價之影響 𝑌𝑌𝑡𝑡 = 𝐴𝐴0 + 𝐴𝐴1 𝑌𝑌𝑡𝑡−1 + 𝐴𝐴2 𝑌𝑌𝑡𝑡−2 + ⋯ + 𝐴𝐴𝑞𝑞 𝑌𝑌𝑡𝑡−𝑞𝑞 + 𝜀𝜀𝑡𝑡. (1.12). 其中𝑌𝑌𝑖𝑖 為第 i 期之 n×1 變數向量，𝐴𝐴𝑖𝑖 為 n×n 之係數矩陣，𝐴𝐴0 為截距項之向量，q. 為向量自我迴歸模型之落後期，𝜀𝜀𝑡𝑡 為殘差之向量。陸、. 向量誤差修正模型. 若非定態時間序列變數間具有共整合關係，即便短期變數間可能存在偏離之現象，長期而言，變數將會趨向均衡的方向變動。因此如有一組具有共整合關係之變數，而僅估計其定態化後之序列，則可能會流失變數之間長期關係的訊息。而向量誤差修正模型可同時捕捉其間之長期均衡及短期動態調整趨勢，有助於分. 政治大. 析此些具有共整合關係之變數。向量誤差修正模型如公式 1.13、公式 1.14 所示：. 立 ∆𝑦𝑦 = 𝑐𝑐 + 𝑎𝑎 𝐸𝐸𝐸𝐸𝐸𝐸 + � 𝛽𝛽 𝑝𝑝. (1.13). ∆𝑥𝑥𝑡𝑡 = 𝑐𝑐2 + 𝑎𝑎2 𝐸𝐸𝐸𝐸𝐸𝐸𝑡𝑡−1 + � 𝛽𝛽2𝑖𝑖 ∆𝑥𝑥𝑡𝑡−𝑖𝑖 + � 𝛾𝛾2𝑖𝑖 ∆𝑦𝑦𝑡𝑡−𝑖𝑖 + 𝜀𝜀2𝑡𝑡. (1.14). 𝑡𝑡−1. 𝑖𝑖=1. Nat. 𝑖𝑖=1. 𝑝𝑝. ‧. 𝑝𝑝. 𝑖𝑖=1. 𝑖𝑖=1. y. 1. ‧ 國. 1. 學. + � 𝛾𝛾1𝑖𝑖 ∆𝑦𝑦𝑡𝑡−𝑖𝑖 + 𝜀𝜀1𝑡𝑡. 𝑡𝑡. 1𝑖𝑖 ∆𝑥𝑥𝑡𝑡−𝑖𝑖. 𝑝𝑝. sit. 其中𝑐𝑐為截距項，𝐸𝐸𝐸𝐸𝐸𝐸為長期均衡之誤差修正項，𝑎𝑎為誤差修正項之係數，p 為最. n. al. er. io. 適落後期，𝛽𝛽𝑖𝑖 及𝛾𝛾𝑖𝑖 為變數短期動態調整之係數，𝜀𝜀𝑡𝑡 為符合白噪音之誤差項。柒、. 衝擊反應函數. Ch. engchi. i n U. v. 向量自我迴歸模型可以觀察任一變數變動對於所有變數的影響，而透過衝擊反應函數，則可衡量內生變數隨機誤差所產生之一個標準差衝擊對自身及其他變數當期及未來之影響。假設一階向量自我迴歸模型以向量及矩陣表示如公式 1.15 所示，𝜀𝜀𝑡𝑡 為隨機誤差之向量。. 𝑌𝑌𝑡𝑡 = 𝐴𝐴0 + 𝐴𝐴1 𝑌𝑌𝑡𝑡−1 + 𝜀𝜀𝑡𝑡. (1.15). 如其中一變數之隨機誤差發生變動，將影響該變數之當期數值，同時，由於變數間前後期之影響關係，該變數之前期變動亦將影響其自身及他變數下一期之. 33.