總體景氣波動對房價之不對稱影響 - 政大學術集成
71
0
0
全文
(2) 謝. 辭. 在政大的兩年一轉眼就過了，除了所上規定的課程以外，碩士最重要的就 是論文，而本篇論文的完成，首先要感謝的是我的指導教授-吳文傑老師，在寫 作過程中用心的指導與鼓勵，從一開始的尋找題目到最後的收尾，老師皆提供 許多珍貴的協助，使我獲益良多。私底下，老師對學生也相當照顧，時常關心 學生的日常生活與未來就業打算，可謂亦師亦友。而口試時羅光達老師及彭祐 宜老師也提出相當多寶貴的建議，使我的論文更趨完整，非常感謝他們。 除了師長以外，還要感謝輝培學長及依珊不厭其煩的教導我資料處理及統 計軟體應用，感謝郁婷、意平及士緯長期陪我到國家圖書館奮戰，感謝建豪、 昱森與所有研究所朋友們，因為有你們的陪伴，碩士生活才會如此多彩多姿，. 政 治 大 期望畢業後大家都能一切順利！ 立. ‧. ‧ 國. 學. 最後，我要感謝我的家人對我攻讀碩士學位表示鼓勵與支持，也感謝哥哥 提供許多關於就讀碩士的建議，如果不是你們在心靈上的支持，我無法順利的 度過許多困難，謝謝你們。. y. Nat. sit. n. al. er. io. 麒安 謹誌於政大 中華民國一百零七年七月. Ch. engchi. i n U. v. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(3) 論文摘要 本研究希望可以了解總體景氣波動及其他總體經濟因素對房價造成的顯著 程度及影響方向，並進一步探討在總體景氣繁榮及衰退下，房價受到的影響是否 具有不對稱性。. 本研究利用 2005 年至 2017 年共 156 筆月資料，以信義房價指數作為被解釋 變數，失業率、經濟成長率、放款利率、貨幣供給額年增率、消費者物價指數年. 政 治 大 行實證分析，實證結果主要結論如下：(1)總體景氣循環期間，失業率無法解釋房 立. 增率、台灣加權股價指數作為解釋變數，採用複迴歸模型以最小平方法(OLS)進. ‧ 國. 學. 價的變動，經濟成長率與房價呈現順循環現象，當景氣繁榮時房價上漲，景氣衰 退時房價下跌，其餘解釋變數中，利率及股價顯著影響台北市房屋價格，通貨膨脹率. ‧. 顯著性較低，而貨幣供給額年增率則完全不顯著。(2)總體景氣繁榮期間，不論是失. sit. y. Nat. 業率及經濟成長率皆無法顯著影響房價。(3)總體景氣衰退期間，失業率及經濟成. al. er. io. 長率皆顯著影響房價，且影響方向為順循環，表示總體景氣衰退會影響房價下跌。. v. n. (4)對照總體景氣繁榮及衰退期間，以經濟成長率所建立之模型對於房價的影響. Ch. engchi. i n U. 程度有不對稱性發生，且景氣衰退期間對房價的負向影響效果大於景氣繁榮期間 對房價的正向影響效果。. 關鍵詞：總體經濟 房價 不對稱影響. I. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(4) Abstract This study aims to understand the extent to which the macroeconomic fluctuations and other macroeconomic factors contribute to housing prices, and further explore whether there is asymmetry in the impact of housing prices under the overall prosperity and recession. This study collected a total of 156 monthly data from January 2005 to December 2017. The Xinyi Housing Price Index was used as response variable. The unemployment rate, economic growth rate, lending rate, annual growth rate of money supply, annual increase rate of consumer price index, and Taiwan's weighted stock price index were used as explanatory variables. A complex regression model and the ordinary least squares method (OLS) were employed for empirical analysis. The main conclusions of the empirical results are as follows:. 立. 政 治 大. ‧. ‧ 國. 學. (1) During the overall cycle, the unemployment rate could not explain the change in housing prices, and the economic growth rate and housing prices showed a procyclical phenomenon: the housing prices rose when the economy boomed; the prices fell as the economy deteriorated. In the remaining explanatory variables, interest rates and stock prices significantly affected housing prices in Taipei; the inflation rate was less significant, and the annual growth rate of money supply was not significant at all.. sit. y. Nat. n. al. er. io. (2) During the overall prosperity period, neither the unemployment rate nor the economic growth rate could significantly affect housing prices.. Ch. engchi. i n U. v. (3) During the general economic downturn, both the unemployment rate and economic growth rate significantly affected housing prices, and the direction of impact was a procyclical cycle, indicating that the overall economic downturn would affect the decline in housing prices. (4) Compared with the prosperity period and the recession period, the model established by the economic growth rate had an asymmetry in the impact on housing prices, and the negative effect on the housing price during the economic downturn was greater than the positive effect on the house price during the boom period.. Keywords: macroeconomic, housing price, asymmetric influence. II. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(5) 目錄. 論文摘要......................................................................................................................... I 目錄............................................................................................................................... III 第一章 緒論................................................................................................................ 1 第一節. 研究背景與動機.................................................................................... 1. 第二節. 研究目的................................................................................................ 5. 第三節. 研究方法................................................................................................ 5. 第四節. 研究範圍及限制.................................................................................... 6. 第五節. 研究架構................................................................................................ 7. 立. 政 治 大. ‧ 國. 學. 第二章 台灣房地產演進與現況................................................................................ 9 第三章 文獻回顧...................................................................................................... 17. ‧. 影響房價的總體經濟因素相關文獻.................................................. 17. 第二節. 不對稱影響之相關文獻...................................................................... 22. sit. y. Nat. 第一節. n. al. er. io. 第四章 研究方法...................................................................................................... 25. i n U. v. 第一節. 實證模型設定........................................................................................ 25. 第二節. 變數介紹............................................................................................... 32. 第三節. 資料來源及敘述統計結果 ..................................................................... 36. 第五章. Ch. engchi. 實證分析....................................................................................................... 39. 第一節. 單根檢定及相關分析結果 ..................................................................... 39. 第二節. 總體景氣波動對房價之實證結果分析................................................... 42. 第三節. 總體景氣波動與房價的不對稱性實證分析............................................ 46. 第四節. 穩健性測試 ........................................................................................... 51. 第六章. 結論與建議 ................................................................................................... 55. 第一節. 結論 ...................................................................................................... 55 III. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(6) 第二節. 研究限制與建議.................................................................................... 58. 參考文獻....................................................................................................................... 59. 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. IV. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(7) 圖目錄. 圖 1-1 房價指數及國人平均所得 ........................................................................... 1 圖 1-2 房價所得比 ................................................................................................... 2 圖 1-3 研究流程圖 ................................................................................................... 8 圖 2-1 台北市房價及房價上漲率 ......................................................................... 10 圖 2-2 五大銀行放款基準利率 ............................................................................. 11 圖 2-3 貨幣供給額年增率 ..................................................................................... 11. 政 治 大. 圖 2-4 失業率 ......................................................................................................... 11. 立. 圖 2-5 經濟成長率 ................................................................................................. 12. ‧ 國. 學. 圖 2-6 台灣加權股價指數 ..................................................................................... 13 圖 2-7 消費者物價指數年增率 ............................................................................. 16. ‧. 圖 4-1 台北市房價指數及台灣加權指數 ................................................................. 38. y. Nat. n. al. er. io. sit. 圖 4-2 M2 年增率、CPI 年增率、經濟成長率及失業率 ........................................ 38. Ch. engchi. i n U. v. V. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(8) 表目錄 表 4-1. 本研究變數說明 ....................................................................................... 37. 表 5-1. ADF 單根檢定 .......................................................................................... 40. 表 5-2. 總體景氣波動下之解釋變數相關係數分析................................................. 41. 表 5-3. 總體景氣繁衰下之解釋變數相關係數分析................................................. 41. 表 5-4. 模型一(失業率)實證結果............................................................................ 42. 表 5-5. 模型一(經濟成長率)實證結果 .................................................................... 43. 表 5-6. 模型二(失業率)實證結果............................................................................ 44. 表 5-7. 模型二(經濟成長率)實證結果 .................................................................... 45. 模型三(經濟成長率)實證結果 .................................................................... 48. 學. 表 5-9. ‧ 國. 表 5-8. 政 治 大 模型三(失業率)實證結果 立 ............................................................................47. 表 5-10 模型四(失業率)實證結果............................................................................ 49. ‧. 表 5-11 模型四(經濟成長率)實證結果..................................................................... 50. sit. y. Nat. 表 5-12 模型二(失業率)實證結果............................................................................ 51. al. er. io. 表 5-13 模型二(經濟成長率)實證結果 .................................................................... 52. v. n. 表 5-14 模型四(失業率)實證結果............................................................................ 53. Ch. engchi. i n U. 表 5-15 模型四(經濟成長率)實證結果 .................................................................... 54. VI. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(9) 第一章. 第一節. 緒論. 研究背景與動機. 「高房價；低所得」是近十年來台灣市民最為擔憂的問題，事實上，單就所 得來說，自 2008 年至 2017 年，經過 10 年的時間，國人平均年所得從 15388 美 元成長至 21094 美元，漲幅約 37%，同時期的物價指數由 91.54 成長至 101.56，. 政 治 大 進。然而，台灣房價自 2008 年以來上升幅度遠超過此數字，由信義房屋公布的 立. 漲幅約 11%，在扣除通貨膨脹後，所得平均每年成長約 2.6%，似乎不像毫無長. 信義房屋指數可知，2008 年第一季房價指數為 160.48，到了 2017 年底成長至為. ‧ 國. 學. 281.96，漲幅超過 70%，平均每年漲逾 7%，由此可知是房價的過度攀升導致所. 200 150 100. y. sit er. al. n. 250. io. 300. Nat. 350. ‧. 得的成長被忽視。. Ch. engchi U. v ni. 6,000 5,000 4,000 3,000 2,000 1,000. 50. 0 2001Q1 2001Q4 2002Q3 2003Q2 2004Q1 2004Q4 2005Q3 2006Q2 2007Q1 2007Q4 2008Q3 2009Q2 2010Q1 2010Q4 2011Q3 2012Q2 2013Q1 2013Q4 2014Q3 2015Q2 2016Q1 2016Q4 2017Q3. 0. 台灣房價指數. 平均每人所得(名目值，美元). 圖 1-1 房價指數及國人平均所得. 觀察國人房屋負擔情況也可由房屋所得比切入，世界銀行曾提出已發展國家 的房價所得比一般來說應位於 1.8~5.5 倍，開發中國家應為 3~6 倍，但根據內政 部所公布的房價所得比，台北市房屋所得比從 2009 年至 2017 年大幅成長 55%， 1. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(10) 從原本的 9.74 倍漲為 15.12 倍，明顯超過世界銀行所認定之人民適當居住條件。 在如此環境下，人民也許會盼望政府對於居高不下的房價採取措施，但自從 1960 年以來，不論是選擇信用管制、稅制調整、房屋借貸限制、貨幣緊縮等各種方式， 政府這些作為也許在短期內能遏止投機歪風，但以長期趨勢看來，房屋價格不斷 的在創新高，也顯示這些方法效果不彰。. 倍 18 數 16 14. 政 治 大. 12 10. 立. 8 6. Nat. n. 106Q4. 106Q1. 105Q2. 104Q3. er. io. sit. 圖 1-2 房價所得比. al. 103Q4. y. 台北市. 103Q1. 102Q2. 101Q3. 100Q4. 100Q1. 099Q2. 098Q3. 097Q4. 097Q1. 096Q2. 095Q3. 094Q4. 094Q1. 092Q3. 091Q4. 093Q2. 全國. ‧. 091Q1. 0. ‧ 國. 2. 學. 4. i n U. v. 另一方面，台灣房地產自 1970 年起共經歷三輪較明顯的景氣循環，前兩輪. Ch. engchi. 的高峰主要是由國內經濟快速成長帶動景氣繁榮、過於寬鬆的貨幣政策以及石油 危機引發的通貨膨脹所造成，第三次景氣高峰與前兩次相比，除了高度經濟成長 以及游資氾濫以外，股市的熱絡亦導致民眾投機風氣盛行，在未體認到風險下創 下房地產高峰。自 1990 起房地產市場持續委靡不振，一直到 SARS 事件後才略 為回春，並緊接著在 2008 年全球金融風暴後開始上漲。造成 2008 年全球金融風 暴的主因為美國景氣衰退所引發的一連串次級房貸違約，因此房地產價格與總體 經濟間應有相關程度之關聯性。事實上，房地產業自古以來被視為火車頭產業， 而火車頭產業指的是對經濟或其他產業具有帶動效果的產業，亦即具有「向後關 聯」效果，其理由為房地產業會帶動建材、水泥、鋼鐵、金融等周邊事業，此外， 2. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(11) 預售制度的興起使得民眾對於衡量未來總體景氣有參考依據，藉由參考此數據能 進一步影響民眾消費力及投資力。但由主計處公布之產業關聯表可以發現其向後 關聯的影響度在全部 52 個產業中排名竟為倒數，林秋瑾等人(1997)也指出房地 產景氣在時間上落後總體經濟景氣，黃文治(1987)則提供不同的看法，他發現總 體經濟的火車頭為出口擴張，出口成長才是總體經濟成長的原動力，房地產業則 緊接在後，可視為「第二個火車頭」，故總體景氣與房地產景氣具有領先及落後 兩種特性。關於房地產景氣與總體經濟景氣的先後順序眾說紛紜，但大部分文獻 都同意在不同的時空背景下，兩者的關聯性將呈現不同面貌。. 政 治 大 本文將進一步延伸，探討總體經濟景氣與房價間的關係是否為不對稱，過去 立. 有陳明吉等人(2008)發現房地產在景氣好壞的不同下，投資者報價行為具有差異。. ‧ 國. 學. 再者，由於物品會隨著通貨膨脹而價格成長，且不論是全球經濟或是民眾生活條. ‧. 件，普遍來說近一世紀整體景氣循環為向上發展，舉例來說，即使現在景氣大幅. y. Nat. 度衰退，普遍人民的生活水準仍然較一百年前高，這也是因為科技日新月異以及. er. io. sit. 社會的進步所造成的。因此景氣衰退時商品價格僅小幅下跌、持平甚至是逆勢小 幅上漲皆是相當合理的事情，而相較於一般商品，房地產更擁有保值特性，故一. al. n. v i n 般來說景氣衰退對於房地產價格的負向影響並不如景氣繁榮時的正向影響這麼 Ch engchi U. 大，這樣的情況本研究認為有兩種可能性，第一種為交易者的非理性行為，Shefrin and Statman(1985)提出交易者在投資時存在處置效應(disposition effect)及惜售心 態，對於價格上漲之資產樂於實現利德，而對於價格下跌之資產不願意做出認賠 出場的行為，此行為間接導致景氣衰退時市場成交量降低，且價格下跌幅度減少， 這也是行為經濟學中著名的展望理論的應用。實證上有 Genesove and Mayer(2001) 檢視 1990~1997 年美國波士頓不動產市場的交易資料，結果發現持有資產的投資 人不願意實現資本損失，造成房價向下僵固性。另一種可能性為景氣衰退時造成 市場流動性降低，投資人不願意賣出資產，造成房市更新資訊速度減慢，無法及. 3. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(12) 時反應市況，使得投資人買方並不知道當前實質房價理應更低，以高於市價之價 格成交房屋。此可能性在政府實施實價登錄消除資訊不對稱後可望改善。上述房 價漲跌不對稱之情況在台灣是否發生？此為本研究欲了解的問題，亦構成本文之 研究動機。. 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 4. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(13) 第二節 研究目的. 本文的研究目的有二：第一個研究目的為探討我國總體景氣波動對我國房價 的顯著程度及影響方向，並觀察其他總體經濟變數對於房價的影響程度及方向。 第二個目的為，探討房地產市場在不同的經濟情況下有何種表現，了解房價於總 體景氣繁榮及總體景氣衰退期間上漲與下跌的方向及幅度，以及比較是否有不對 稱性發生。. 治 政 研究方法 第三節. 大. 立. ‧ 國. 學. 本研究採用的資料時間序列資料，在實證上大多數時間序列資料多為非定態 資 料 ， 以 原 始 資 料 直 接 進 行 迴 歸 分 析 的 話 會 產 生 虛 假 迴 歸 問 題 (Spurious. ‧. Regression)，故本研究以 H-P 濾波器(H-P Filter)消除單根問題後，再透過複迴歸. y. Nat. sit. 模型並以最小平方法進行實證分析，除了探討總體景氣波動對房價的影響外，還. n. al. er. io. 以失業率及經濟成長率作為衡量總體景氣波動的標準，將總體景氣波動分為兩種，. i n U. v. 一種是處於總體景氣波動之上的景氣衰退(繁榮)期，另一種是處於總體景氣波動. Ch. engchi. 之下的景氣繁榮(衰退)期，藉此了解我國總體景氣波動對房價之不對稱影響效果。. 5. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(14) 第四節. 研究範圍及限制. 一、研究範圍. 本文所選取之總體經濟資料及房價資料為西元 2005 年至 2017 年共 156 筆 月資料，以信義房屋指數作為被解釋變數，最主要的解釋變數為失業率及經濟成 長率，其餘歸納出較能影響房價之總體經濟解釋變數有貨幣供給額年增率、放款 利率、消費者物價指數年增率及台灣加權股價指數。. 二、研究限制. 立. 政 治 大. ‧ 國. 學. 本研究雖以房價指數作為被解釋變數，然而各個房屋樣本差異性相當大，地. ‧. 區、屋齡、房屋狀況等差異使得房價異質性較其他商品來的高，較難有一資料能. y. Nat. 代表房價全貌，且年代稍微久遠一些的房價資料取得不易，故本研究採用之房價. er. io. sit. 資料期間為 SARS(嚴重急性呼吸道症候群)風暴結束後至去年底。. al. n. v i n 再者，於解釋變數方面，本研究以失業率及經濟成長率分別作為總體景氣波 Ch engchi U. 動的代表指標，為確保沒有共線性問題，並未考慮綜合型指標，且本研究主要探 討總體經濟對房價的影響效果，故僅放入總體經濟資料，暫不將建築產業面等影 響變數納入模型之中。. 6. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(15) 第五節 研究架構. 本文共分為六章，各章節之內容如下：第一章為緒論，第二章為台灣房地產 演進與現況，第三章為文獻回顧，第四章為研究方法，第五章為實證分析，最後， 於第六章闡述本研究之結論與建議。. 以下將更詳細說明，本研究各章之內容。第一章為緒論，其中第一節為研究 背景與動機，第二節為研究目的，第三節為研究方法，第四節為研究範圍與限制，. 政 治 大. 第五節為研究架構。第二章為台灣房地產演進與現況，介紹台灣近 50 年來房地. 立. 產經歷的景氣循環與近期房地產市場的狀況。第三章為文獻回顧，第一節主要介. ‧ 國. 學. 紹前人關於房價與總體經濟變數之間的研究，第二節則是介紹不對稱影響的相關 文獻。第四章為研究方法，第一節介紹實證模型設定，詳細說明在進行分析時會. ‧. 用到的各項檢定及計量方法，並於第二節介紹各項變數，於第三節闡述資料來源. y. Nat. sit. 與敘述統計結果。第五章則進行實證結果與分析，第一節為單根檢定及相關分析. n. al. er. io. 結果，第二、三節為迴歸估計結果，第四節為穩健性測試。最後第六章為結論與. i n U. v. 建議，第一節歸納本文總結，並於第二節指出本研究的限制及未來可能的研究方. Ch. engchi. 向。關於本文的研究流程，如圖 1-3 所示。. 7. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(16) 緒論. 台灣房地產演進與現況. 文獻回顧. 學. ‧ 國. 立. 政 治 大 研究方法. ‧. n. 實證分析. Ch. engchi. er. io. sit. y. Nat. al. i n U. v. 結論與建議. 圖 1-3 研究流程圖. 8. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(17) 第二章. 台灣房地產演進與現況. 本章將簡單介紹台灣房地產近 50 年來經歷的景氣高峰與低潮。1950 年後隨 著第二次世界大戰結束嬰兒潮世代的爆發，食物短缺的問題開始浮現，但由於農 業技術的進步以及受惠於戰後低基期下的高經濟成長率，台灣走出了高度經濟成 長的格局，漸漸的，食物不足的情況被改善，取而代之的是人口快速上升造成住 房需求大幅上漲。. 政 治 大 氣循環(1968 年~1975 年)、第二次景氣循環(1975 年~1982 年)、第三次景氣循環 立 自 1960 年代開始，台灣房市經歷過數次景氣循環，大致上可分為第一次景. ‧ 國. 學. (1982 年~1990 年)、第四次景氣循環(1990 年~2003 年)及第五次景氣循環(2003 年 至今)。以下將介紹各景氣循環時期房地產價格漲跌之背景及原因。. ‧. Nat. n. al. er. io. sit. y. 一、第一次景氣循環(1968 年~1975 年). i n U. v. 1960 年代開始，台灣從農業社會漸漸轉型為工業社會，首當其衝的即是人. Ch. engchi. 口大幅往工業區附近移動，為之後的都市發展奠定基礎。這時期幾乎年年都有 10%以上的經濟成長率及不到 2%的失業率，且在銀行利率逐年降低下，迫使民 眾不願將閒錢存入銀行生息，又由於此時台灣股市並不熱絡，故轉向投資報酬率 較高的房地產進行投資，由圖 2-1 可以看到，台北市房價上漲率在 1967 年一度 超過 50%。1968 年後，政府推出相關政策以抑制房地產大幅上漲的情況，包括 課徵空地稅、成立「物價問題專案小組」等，成功讓過熱的房市在往後幾年稍微 冷卻且維持穩定發展。然而此次漲勢相較於之後數次景氣循環時間較短，且由於 基期較低，造成上漲幅度並不大，故一般在歸納房地產景氣循環時並未將此波漲 勢納入其中。. 9. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(18) 立. 政 治 大. ‧ 國. 學. 圖 2-1 台北市房價及房價上漲率 資料來源:卓輝華(2014). ‧. 到了 1973 年下半年，國際上發生第一次能源危機，OPEC(Organization of. y. Nat. sit. Petroleum Exporting Countries，石油輸出國組織)為了打擊以色列及其他支持以色. n. al. er. io. 列的國家，宣布暫停石油出口，使得原油價格從每桶不到 3 美元上漲至每桶 13. i n U. v. 美元，引發各國高度通貨膨脹現象。在物價、工資皆大幅上漲的情況下，黃金及. Ch. engchi. 實體資產成為最佳保值商品。而房地產市場受到通貨膨脹預期心理、建築材料成 本上漲及連年上升的貨幣供給年增率影響，從圖 2-1 可知，1973 年創下超過 100% 的房價上漲率。政府為打壓房地產投機行為，在當年度宣布對房地產採取限價限 建措施，禁止五樓以上房屋興建，並禁止公務人員從事房地產交易買賣。央行部 分則是在一年內連續四次調升存款利率，提升投機者購屋成本(圖 2-2)，並將貨 幣供給年增率從 1973 年的 40%驟降至 1974 年的 18%(圖 2-3)，成功使房價再次 穩定。. 10. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(19) 5. 4. 3. 2. 1. 0. Jan-17. Oct-16. Jan-14. 6 Aug-11. 7 Mar-14. v. Jan-11. Jan-08. Apr-01. Sep-98. Feb-96. Jul-93. Dec-90. May-88. eNov-03 Jun-06 rs Jan-09i t y. i n U. Jan-05. Jan-02. 圖 2-3 貨幣供給額年增率. engchi. Jan-99. Jan-96. Jan-93. Jan-90. Jan-87. Ch Oct-85. Mar-83. 立. Jan-84. % Aug-80. Jan-78. %. Jan-81. al Jun-75. 40. Jan-78. Nov-72. ‧ 國. 45. Jan-75. n. Jan-72. io. Jan-69. 0. ‧. 5. Apr-70. 10. Sep-67. 15. Jan-66. 20. Jan-63. 25. 學. Jul-62. 30. Feb-65. 35. Nat. Jan-60 Jul-61. Oct-15. Mar-13. Aug-10. Jan-08. Jun-05. Nov-02. Apr-00. Sep-97. Feb-95. Jul-92. Dec-89. May-87. Oct-84. Mar-82. Aug-79. Jan-77. Jun-74. Nov-71. Apr-69. Sep-66. Feb-64. %. 18. 16. 14. 12. 10. 8. 6. 4. 2. 0. 圖 2-2 五大銀行放款基準利率. 政 治 大. 圖 2-4 失業率. 11. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(20) 二、第二次景氣循環(1975 年~1982 年). 在政府祭出打防措施後，房價僅穩定了 5 年。1979 年發生第二次能源危機， 伊朗與伊拉克爆發戰爭，原油產量日益減少再次造成國際油價飆升，從每桶 14 美元大幅上升至每桶 38 美元，在有了上一次物價飛漲的經驗後，通貨膨脹的壓 力深植人心，且從圖 2-4 可知，此時期失業率年年小於 2%，顯見國內經濟景氣 良好，造就 1980 年房價大幅上漲，年增率達到 74%(圖 2-1)。. 政 治 大 熱經濟成長率(圖 2-5)、小於 立 2%的失業率(圖 2-4)、平均 25%以上的貨幣供給年. 綜觀此次房地產上漲原因，可歸咎於 1971 年至 1979 年平均超過 10%的過. ‧ 國. 學. 增率(圖 2-3)及從 16.5%降至 10.625%的放款利率(圖 2-2)。自 1980 年開始，政府 為了遏止投機歪風，大幅提高土地公告現值並實施空地限建，規定空地需於一年. ‧. 內建築使用，逾期者由政府照價收買或課徵空地稅，還進行追查購屋金額來源等. sit. y. Nat. 動作，對於購買金額超過 500 萬元以上的房屋進行資金來源調查，阻卻不少購屋. al. er. io. 意願。而經濟成長率在 1978 年第三季達到 17.26%的顛峰後，往後幾年持續下跌，. v. n. 1982 年第一季甚至僅剩下 4.58%，也為房地產下跌貢獻一份助力。 %. Ch. engchi. i n U. 20 15 10 5 0. -10. 1962Q1 1964Q2 1966Q3 1968Q4 1971Q1 1973Q2 1975Q3 1977Q4 1980Q1 1982Q2 1984Q3 1986Q4 1989Q1 1991Q2 1993Q3 1995Q4 1998Q1 2000Q2 2002Q3 2004Q4 2007Q1 2009Q2 2011Q3 2013Q4 2016Q1. -5. 圖 2-5 經濟成長率. 12. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(21) 三、第三次景氣循環(1982 年~1990 年). 1981 年至 1985 年房價處在低迷的情況中，房屋價格大多時候是下跌的，並 不像前幾波房地產景氣高峰冷卻後的穩定小幅上漲，直到 1987 年發生一件台灣 政治上最具衝擊力的一件事－解嚴。1987 年解嚴後經濟復甦，全年經濟成長率 高達 11.87%，貨幣供給年增率高達 51.4%，此時台灣媒體常以「台灣錢淹腳目」 來形容當時的富裕狀態。而在國際美元指數大幅貶值的推波助瀾下，台幣大幅升 值近 20%，為因應此一情形，央行實施「外匯自由化」，放寬外匯管制，並開放. 政 治 大 獲取高額的報酬率，因此將大量資金投入股市，從圖 2-6 可知，股市從 1987 年 立 外國券商進入國內市場設立分公司，外資將現金流匯入台灣後，首要目的當然是. ‧ 國. 學. 中約 1600 點拉抬至 10 月的 4673 點。此年在各種經濟條件皆與過去房地產景氣 高峰時並無明顯差異，然而房地產價格並未像前幾波大幅上漲的原因主要是資金. ‧. 分散至股票市場。到了 1989 年，民眾投機氣氛漸趨濃厚，在一年的時間內，台. sit. y. Nat. 灣股市從 4800 點漲至 12682 點，但在 1990 年一月開始徵收千分之六的證券交易. al. n. 點，跌幅超過一萬點。. er. io. 稅以及海灣戰爭的負面消息下，台灣股市在短短八個月內從 12682 點崩跌至 2560. Ch. engchi. i n U. v. 14000 12000 10000 8000 6000 4000 2000. Sep-17. May-15. Jan-13. Sep-10. Jan-06. May-08. Sep-03. May-01. Jan-99. Sep-96. Jan-92. May-94. Sep-89. May-87. Jan-85. Sep-82. May-80. Jan-78. Sep-75. Jan-71. May-73. 0. 圖 2-6 台灣加權股價指數. 13. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(22) 此波房地產景氣高峰與前幾次原因稍有不同，一樣是高度經濟成長，但背後 的原因則是由於放寬外匯管制及降低關稅等經濟開放政策造成的。中央銀行部分 則是與前幾次房地產景氣高峰類似，從圖 2-2 可以看到，放款利率處於歷史低檔， 僅 7%，相較於 1980 年的 16.25%，跌幅超過 50%，而貨幣供給年增率亦處於高 檔。最大的不同在於投機性活動盛行，人們對於風險衡量並不在乎，從股價的暴 漲暴跌可見一斑。. 1989 年政府著手抑制房地產的政策，中央銀行宣布實施選擇信用管制，強. 政 治 大 年增率，再加上大幅升值的匯率抵銷了經濟成長最重要的出口增幅，導致房價在 立 制金融機構限定土地貸款成數及限制，並大幅調升購屋貸款利率、降低貨幣供給. 1990 年跌落谷底，開啟房地產失落的十年。. ‧ 國. 學 ‧. 四、第四次景氣循環(1990 年~2003 年). sit. y. Nat. al. er. io. 1991 年至 1995 年房市維持低檔，1996 年由於台北捷運通車帶動周邊房價，. v. n. 使得台北房市回春，然而 1997 年 7 月爆發亞洲金融風暴，隔年經濟成長率僅. Ch. engchi. i n U. 4.83%，是自 1974 年以來最低數值，這也讓稍微復甦的房價再次跌落谷底。到了 2000 年三月，全球網路泡沫破裂，美國那斯達克指數在兩年半內從 5100 點崩盤 至 1100 點，跌幅接近八成，使得國際經濟景氣反轉，從圖 2-5 可以看到，國內 經濟成長率一度出現負值且台北市房價上漲率在三年內再次呈現負值。. 第四次景氣循環房地產並未出現明顯的景氣高峰，與許多人所認為之房地產 市場大約每七年出現一高峰不符。1從圖 2-5 及 2-4 可知，1990 年至 2003 年經濟. 1. 王健安(1995)對房地產景氣循環的成因進行歸納整理，然而卻無有力證據證明”七年房地產景 14. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(23) 成長率平均僅 5.8%，失業率亦從 1.5%一路上漲至 5%，與前幾期相去甚遠，中 央銀行方面，利率變動不大，但貨幣供給額年增率穩定下滑，而且大幅度飆漲的 股市也分散了資金，在股市崩盤後更是造成普遍民眾閒置資金蒸發，在總體景氣 大幅衰退以及民眾資金不足的情況下，當然無法撐起足夠的房屋需求。為了解決 委靡不振的房市，政府在 2000 年提出低利貸款、優惠購屋專案及青年優惠房屋 貸款以刺激房屋需求，儘管在 2003 年遭遇 SARS(嚴重急性呼吸道症候群)爆發， 影響民眾看屋意願，但僅是短期現象，2004 年開始，房市明顯回溫。. 政 治 大. 五、第五次景氣循環(2004 年~). 立. ‧ 國. 學. 2004 年至 2008 年第一季，經濟成長率平均為 6.13%，放款利率亦僅有 3.5% 左右，不錯的經濟情況、寬鬆的借貸條件以及受到油價攀升而成長的通膨(圖 2-. ‧. 7)，使得這 4 年來房價緩步上漲，直到 2008 年，國際經濟受到美國次級房貸爆. sit. y. Nat. 發影響，全球景氣普遍開始轉向，一路高漲的油價更於當年 7 月達到每桶 144 萬. al. er. io. 美元後急轉直下，僅僅半年內便跌至每桶 40 美元，導致通膨在 2009 年呈現負. v. n. 值，台灣股市亦從接近萬點大關一路下殺至 4000 點才止跌回升。2008 年第二季. Ch. engchi. i n U. 開始的一年內，經濟成長率達到-5.73%，失業率更於 2009 年 8 月首次超過 6%， 各數據皆顯示國內經濟景氣相當之差，造就台北市房價上漲率自 2002 年以來首 次呈現負值。. 金融風暴過後，自 2009 年 5 月以來，各國競相採取 QE(量化寬鬆政策)，從 年初開始反彈的油價帶動通膨，受惠於低基期下的經濟成長率以及為了因應金融 風暴的大幅度降息使得放款利率僅 2.5%，各式各樣的利多條件使得 2009 年每坪. 氣一循環”之情事，房地產景氣循環會因為不同地區及異質性而有差異。 15. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(24) 平均 60 萬的台北市房價在短短 4 年內就突破每坪 100 萬，房價所得比從 8 倍上 漲至 15 倍，高房價成為民眾重大的壓力。政府為落實居住正義，採取一系列行 動：於 2011/6/1 通過特種貨物及勞務條例，對短期交易者課徵奢侈稅，遏止投機 風氣；2012/8/1 實施實價登錄，消除消費者與屋主甚至房仲間資訊不對稱的現象， 使消費者能夠規避不合理的購屋價格；2016/1/1 起實施房地合一稅，填補現行稅 制缺失，並於 2017/5/1 將遺贈稅與贈與稅從原本的單一稅率 10%調整為 10%、 15%及 20%的三級累進稅率，拉近貧富差距。. 本章小結. 立. 政 治 大. ‧ 國. 學. 在了解完台灣房地產過過去幾次循環後，我們可以得知就整體趨勢而言，房 價在大多時間是上漲的，且房價的上漲與總體經濟變數有很重要的連結，特別是. ‧. 經濟成長率、失業率、貨幣供給、利率、通貨膨脹率和股價，故本文將這些經濟. sit. n. al. er. io. %. y. Nat. 變數納入模型並加以研究。. 8. Ch. engchi. i n U. v. 6 4 2 0. -4. 1982M01 1983M02 1984M03 1985M04 1986M05 1987M06 1988M07 1989M08 1990M09 1991M10 1992M11 1993M12 1995M01 1996M02 1997M03 1998M04 1999M05 2000M06 2001M07 2002M08 2003M09 2004M10 2005M11 2006M12 2008M01 2009M02 2010M03 2011M04 2012M05 2013M06 2014M07 2015M08 2016M09 2017M10. -2. 圖 2-7 消費者物價指數年增率. 16. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(25) 第三章. 文獻回顧. 本文欲討論景氣波動與房價之不對稱性研究，即將總體景氣波動分成景氣繁 榮及景氣衰退，進一步分析台北市房價在景氣繁榮與衰退下是否存在不對稱性。 本章節以過去文獻為基礎，分別就第一節之房地產與總體經濟因素相關文獻以及 第二節不對稱性之文獻著手，進行歸納並應用在本研究上。. 第一節 影響房價的總體經濟因素相關文獻. 立. 政 治 大. 影響房地產的總體經濟因素非常多元，有社會性因素、政治性因素、供需面. ‧ 國. 學. 因素、總體經濟面因素、甚至是房地產本身特性皆有可能對房價產生影響，本研. n. al. er. io. sit. y. Nat. 一、通貨膨脹. ‧. 究著重在總體經濟因子的討論，以下為房價與各總體經濟因子的相關文獻。. Ch. engchi. i n U. v. 許多文獻都發現房價與通貨膨脹之間具有相當程度的關聯性，由於通貨膨脹 會抵消貨幣的價值，因此以金錢換取實體資產被視為通貨膨脹的避險措施。例如 Fortura and Kushner(1986)研究加拿大的房價，發現所得增長會引發通貨膨脹並增 加民眾對實質資產的需求，進一步推升房價。Schwab(1982)認為通貨膨脹會影響 央行調整利率的決策，並進而影響房價，此與目前各大央行看法相同。Dougherty and Van Order(1982)則同時考慮房貸利率及通貨膨脹率的影響，將消費者物價指 數(consumer price index, CPI)年增率作為通貨膨脹率指標，並且認為CPI是民眾衡 量房屋持有成本的標準，當人們預期未來通貨膨脹率上漲，會影響現在是否要購 買房屋的念頭。 17. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(26) 由以上文獻得知通貨膨脹可能會影響房價，因此我們將通貨膨脹率作為房價 指數的解釋變數之一。. 二、貨幣政策. 中央銀行對於房價的影響不容小覷，以寬鬆性貨幣政策為例，央行可透過調 降利率影響房貸利率下跌，給予購屋者成本上的優惠，帶動住房需求上升，進而. 政 治 大 縮性貨幣政策則可以造成增加購屋及建設成本、減少住房需求及回收游資等影響， 立 改變資金流向，或是增加貨幣供給量以達到增加市場游資的目的；反過來說，緊. ‧. ‧ 國. 學. 兩種貨幣政策皆可對不動產市場或股票市場產生一定程度的影響力。. 美國房地產方面有Darrat and Glascock(1993)利用貨幣供給量、工業生產指數. sit. y. Nat. 及利率等總體經濟變數建構出一組VAR(vector autoregressive)模型以驗證關於不. al. er. io. 動產市場的效率市場假說，結果顯示工業生產指數、利率和貨幣供給量所提供的. v. n. 資訊對於房地產市場是有效率的。而房地產市場與貨幣供給及利率有顯著的相關. Ch. engchi. i n U. 性，且貨幣供給量會藉由影響利率進而衝擊房地產市場，代表央行認為市場上游 資過多或過少，不得不調整利率以維持平衡，而此作為會對房地產市場產生影響。. William(2002)同樣也是利用VAR模型探討美國房價在遭遇貨幣供給衝擊後 短期內產生的影響，結果顯示當發生正向的貨幣供給衝擊(寬鬆性貨幣政策)，央 行釋出貨幣供給後，短期內不論是新成屋或是中古屋價格皆有明顯上漲，且成交 量也會上升，與理論相符合。. 18. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(27) 與Darrat and Glascock(1993)及William(2002)採用的模型不同，McCue and Kling(1994)利用ARIMA(autoregressive integrated moving average model)模型研究 房地產實質報酬率與總體經濟之間的關係，發現房地產的變異程度約有百分之六 十的比例可由總體經濟來解釋，其中物價水準、名目利率、實質產出與民間投資 對房地產實質報酬率有直接的影響，又以名目利率的影響最為明顯，而實質產出 及民間投資則最不明顯。另外，名目利率對於房地產市場有顯著負面衝擊 (impulse respond)，意即，當央行調升利率後，房地產市場會馬上遭受價格下跌的 壓力。. 政 治 大 Abraham and Hendershott(1996)則是建立一個將落後期的房價納入考量的房 立. 價模型，他研究1972~1999年美國30個大城市的泡沫情況，發現房價的上漲與實. ‧ 國. 學. 質所得、就業率及建設成本的上漲顯著相關，而房價的下跌則可能是由於利率的. ‧. 調升。. y. Nat. er. io. sit. 歐洲房地產方面則有ECB(2000)利用SVAR模型研究1975~2000年歐洲房地 產價格與總體經濟的關係，結果顯示緊縮性貨幣衝擊會對房價造成顯著的負面影. al. n. v i n 響，且就短期而言，貨幣供給及需求面的變動是房價漲跌的重要因素。房價面對 Ch engchi U. 貨幣政策及其他總體經濟變動，諸如失業率、經濟成長率等，較通膨變動更敏感， 這也表示投資人在面對突如其來的變動時較為不理性的態度。. 在台北市房地產方面，Chen(2002)以計量經濟模型研究影響台北市房屋價格 之因素，實證結果指出家計所得為台北市房價長期變動的主要決定因素，而房價 短期決定因素則是房市投資相關變數，例如股價及貨幣供給量。. 由以上國內外文獻得知，貨幣供給量及利率皆會影響房價的變動，故我們將. 19. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(28) 貨幣供給量及利率作為房價的解釋變數之一。. 三、股票市場. 自Markowitz(1952)提出投資組合的概念後，分散投資以消除非系統性風險成 為近代投資理論的重要基礎。當股市位居高點時，根據投資組合理論，投資人會 將部分已獲利了結的資金投入房地產市場避險，相反來說，當房地產市場過熱時， 投資人也會將資金改投入股市以分散風險。另外，一般來說，資金會流向報酬率. 政 治 大 而當房地產市場預期報酬率不甚理想時，資金有可能挹注至其他能給予更高報酬 立. 較高的標的，調高利率使得存款報酬率上升即是央行控制資金流向的一個手段，. ‧. ‧ 國. 學. 率的標的，譬如：股票市場。. 美國文獻方面，Goldstein and Nelling(1999)比對美國房地產與NASDAQ指數，. sit. y. Nat. 發現兩者之間存在長期的穩定關係。Kimberly and Michael(2014)利用因果檢定. al. er. io. (Granger causality test)及VAR模型研究房地產市場與股票市場的關係，得出的結. v. n. 果與Goldstein and Nelling(1999)不同，他認為房價報酬領先股市報酬，這可能是. Ch. engchi. 由於他選取的資料為2008年雷曼兄弟倒閉前後。. i n U. Jud and Winkler(2002)則是對1984~1998年美國130個大城市進行房價與總體 經濟間的動態研究，結果顯示房價顯著受到人口成長、實質所得、建設成本及利 率的影響。亦發現股市的上漲在當期或滯後幾期會給予房價財富效果，代表股市 有領先房市的跡象。而不同城市的房價上漲幅度也都不同，主要原因為各城市間 的固定效果，而這些固定效果取決於各城市的土地取得限制及房屋相關監管政策。. 20. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(29) 國內文獻方面，Chen(2001)以VAR模型研究台灣加權指數及房價的關係，結 果發現台灣加權指數與台北市房價有顯著相關性，且股市領先房地產市場一段時 間，並認為影響股價及房價的主要因素為貨幣供給量。. 多國研究方面，Daniel and Sheridan(1999)研究17國股價與房價間的關係，發 現除了日本以外，兩者有顯著相關性，而決定兩者漲跌的原因他認為是經濟成長 率的變動。. 政 治 大. 由以上國內外文獻可得知股市亦為房價漲跌的重要因素，故本文將股價納入 解釋變數。. 學. ‧ 國. 立. 四、總體景氣代表變數－經濟成長與失業率. ‧ sit. y. Nat. 衡量總體景氣波動有很多種方法，主要分為單一指標法及多重指標法，單一. al. er. io. 指標中最常被當作代表的有經濟成長率及失業率，多重指標則是以經建會所編製. v. n. 的「綜合景氣指標」最為人所知。兩種指標各有優缺，單一指標無法涵蓋生產、. Ch. engchi. i n U. 所得、就業及交易四個層面，多重指標無法保證同時期所有指標的同步性，亦即 綜合景氣指標所呈現的好景氣並無法代表所有層面皆為好景氣。. 過去素有林秋瑾等人(1997)使用房地產景氣與總體景氣的單一指標及多重 指標探討兩者於時間上的關係為領先、同時或是落後。比較1972年~1993年各項 資料後，最終結論為並未有顯著證據證明房地產景氣領先總體景氣，且認為房地 產景氣落後於總體經濟景氣，代表可利用總體經濟景氣預測未來房地產繁衰，例 如經濟成長率領先房價約19個月。. 21. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(30) 在探討房價與總體景氣相關性部分，Norman and peng(2009)利用一般化最小 平方法(Ordinary least squares,OLS)模型對美國379個大都會房價進行研究，結果 發現房價顯著受到GMP(Gross metropolitan product)成長率的影響。Clapp and Giaccotto(1994)發現預期通貨膨脹率以及失業率對於房價的變動有舉足輕重的地 位，通貨膨脹與房價呈現正相關，失業率與房價呈現負相關。而且當房價越高， 失業率對房價的影響會越大。顏玲玲(2008)利用1991年至2007年的信義房屋房價 指數作為被解釋變數，探討經濟成長率、貨幣供給額、CPI年增率等總體經濟變 數造成的影響，結果顯示各項經濟變數對房價皆呈現正向顯著關係。吳鶴窈(2013). 政 治 大 濟成長率的影響，而且是呈現正向的影響關係，表示當國內經濟好轉時，國人所 立. 以多元迴歸分析房屋所得比與總體經濟間的關係，結果顯示房價所得比會受到經. 得會增加，國內不動產的價格亦會提升，惟所得增加幅度小於不動產價格增加幅. 不對稱影響之相關文獻. n. al. er. io. sit. Nat. y. ‧ 國. 學. 第二節. ‧. 度，造成房價所得比上升。. i n U. v. 除了討論影響房價的總體經濟因素外，本研究還希望進行更進一步探討在. Ch. engchi. 總體景氣波動繁榮及衰退的情況下，房價是否有不對稱性發生。過往討論總體景 氣波動不對稱的文獻不少，像是Bernanke and Gertler(1997)發現僅在油價上升且 造成總體景氣衰退時，央行會採取政策應對。當遭遇未預期的油價上漲時，會發 生通貨膨脹，央行會採取緊縮性貨幣政策以抑制通膨，然而，當發生未預期之油 價下跌時，央行並不會進行干預。由於央行對於未預期之油價漲跌有不同應對方 式，進而使總體景氣波動發生不對稱性。. 在銀行業方面，高銘駿(2005)研究總體景氣循環與我國銀行資本適足率的關 係。他發現當台灣銀行業對資本適足率實施一些規範之後，銀行資本額會隨著景 22. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(31) 氣循環變動，且大銀行及低資本適足率的銀行順景氣循環的現象較為顯著，但銀 行的順景氣循環呈現不對稱的現象，當景氣復甦時，資本額變動較為顯著，景氣 衰退時則較不顯著。許雯(2010)則是研究總體景氣波動與我國銀行業不良債權比 率的關係，以逾放比率作為不良債權的替代變數，並進一步探討總體景氣繁榮與 衰退期間對於銀行業不良債權比率是否有不同程度的影響，結果顯示總體景氣波 動與銀行業不良債權比率於 1988 年至 2009 年間呈反向循環，且在一次金融改革 後，銀行不良債權於景氣繁榮及衰退期間呈現不對稱的現象。. 政 治 大 進行房地產漲跌不對稱的研究，結果發現不動產與財務金融商品存在差異，前者 立. 至於結合房地產與不對稱相關研究的則有蔡怡純(2008)使用T-GARCH模型. 擁有後者所沒有的特性：抗跌性。他們利用證明不動產價格波動向上及向下之不. ‧ 國. 學. 對稱性，藉以證明不動產的”抗跌性”，而研究結果顯示，不動產的確存在反向槓. ‧. 桿效果，意即當上一期出現與房價報酬相關的正向消息時(例如：降息)，當期的. y. Nat. 報酬波動度會上升，房價趨於不穩定；然而當上一期發生與房價報酬相關的負面. er. io. sit. 消息時(例如：升息)，當期的報酬波動性會變小，房價較為穩定，呈現向下與向 上波動的不對稱性。此研究證明，台北地區在1973~2005年內存在房價抗跌的現. n. al. 象。. Ch. engchi. i n U. v. 陳明吉等人(2008)則是以個人行為為出發點，檢視不動產投資者從眾效應， 結果發現在景氣好壞的不同下，投資者對於房地產的報價行為具有差異。在景氣 繁榮時，報價有齊漲的趨勢，而景氣衰退時，並未出現齊跌的趨勢，而是出現報 價不一的情形。這顯示投資人於景氣繁榮及衰退時，無法客觀看待手中的資產， 使得總體景氣與房價呈現不對稱的情形。. 23. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(32) 王玟婷(2010)則是將房市與股市作結合，以台灣加權指數及各縣市房價為資 料，利用門檻共整合模型探討在景氣繁榮及衰退下兩者的情況為何。結果發現當 景氣繁榮時，股市與房市有齊漲的現象，當景氣衰退時，股市易下跌但房市有抗 跌的現象，並認為抗跌的原因可能與屋主不理性的惜售心態及自住需求有關。. 過了幾年，蔡怡純(2013)再次進行關於房價漲跌不對稱的研究，然而此次切 入點為房價調整速度，其使用門檻共整合模型及不對稱門檻誤差修正模型，發現 房價修正存在向上與向下整合差異的情況，代表有不對稱性發生，且向上修正速. 政 治 大 認為發生此種現象的原因為市場交易者的不理性行為及房地產市場流動性在景 立 度顯著比向下修正還要快速，證明房價有追漲不追跌，即抗跌的現象存在，而其. 氣繁榮及衰退下具有不同的變化。. ‧ 國. 學 ‧. 與前面幾篇金融面不同，Wu and cheng(2010)把不對稱性的分析運用在其他. y. Nat. 領域上，他將失業率作為衡量總體景氣波動的基準，利用美國 1951~2005 年的資. er. io. sit. 料，探討景氣波動是否對國民自殺率產生影響，結果顯示當景氣處在繁榮的階段， 自殺率顯著下降；而當景氣處在衰退的階段，自殺率顯著上升，然而，下降幅度. al. n. v i n 顯著大於上升幅度，代表總體景氣波動對於自殺率有不對稱性的效果。Mocan and Ch engchi U. Bali(2010)以 1778 至 2004 年的美國資料證明偷竊等財產犯罪行為於景氣繁榮及 衰退下有不對稱性發生，景氣衰退時增加的犯罪率大於景氣繁榮時減少的犯罪率， 然而在暴力犯罪行為中並未發現有不對稱影響發生。. 24. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(33) 第四章 研究方法. 第一節 實證模型設定 一、單根檢定. 資料可分為時間序列資料及非時間序列資料，而時間序列資料又可分為定態 資料(Stationary)及非定態資料(Non-Stationary)，本文採用的資料為總體經濟變數，. 政 治 大 殘差項須符合白噪音(white 立noise)的條件。. 且為時間序列資料，因此在建立實證模型時，各個變數皆須符合定態的假設，且 2. ‧ 國. 學. 非定態資料是指當發生一外在衝擊後，造成的影響並不會隨著時間的經過降. ‧. 低，以總體經濟學的角度來看，意即經濟體系中的外生衝擊 (exogenous shocks). sit. y. Nat. 對於總體經濟變數的影響為恆久(permanent)的，任意一次的隨機衝擊就會造成時. al. er. io. 間序列資料持續而長期性的改變。而在時間序列資料中，有兩種趨勢使得時間序. v. n. 列資料呈現非定態：固定趨勢(fixed effect )及隨機趨勢(random effect)。. Ch. engchi. i n U. Nelson and Plosser (1982)指出，大多數的總體經濟時間序列均具有隨機趨勢， 因此若僅去除總體經濟時間序列的固定趨勢，並未去除時間序列的隨機趨勢，之 後的分析會有兩種問題發生：(1)用自我迴歸模型估計隨機趨勢序列獲得的自我 迴歸係數會發生小樣本向下偏誤情形 (small-sample downward bias)。(2)發生虛假 迴歸現象(spurious regression)，其指的是Granger and Newbold(1974)所提出的儘管 解釋變數及被解釋變數並未有相關性，但卻因為具有隨機趨勢，估計出的模型仍. 2. 白噪音定義為：(1)期望值為 0，(2)變異數為常數，(3)自我共變異數為 0 25. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(34) 會具有高度解釋力，且估計係數具有顯著t值，然而，此結果並不具任何經濟意 義。其中，第一種問題可用大樣本減少偏誤程度，然而第二種問題則無法解決， 因此我們必須去除隨機趨勢，使資料呈現定態，方可建立實證模型。. 儘管Nelson and Plosser (1982)發現，大多數的總體經濟時間序列均具有隨機 趨勢，我們還是要先檢定本文所採用之總體經濟變數是否具有隨機趨勢。檢定時 間序列資料是否為定態資料有很多種方法，最早是由Dickey and Fuller(1979)所提 出的Dickey-Fuller(DF)檢定法，但由於DF檢定僅考慮AR(1)且並未考慮到殘差項. 政 治 大 落後K期的資料，使得殘差項為白噪音，得出新檢定模型-Augmented Dickey立. 存在自我相關的情況，故Dickey and Fuller(1981)將原先的DF檢定進行修正，考慮. Fuller(ADF)，簡稱ADF檢定。當然，除了ADF檢定以外尚有其他檢定，各個檢定. ‧ 國. 學. 皆有微小的差異，例如：Phillips and Perron (1988)所提出之PP檢定允許殘差項具. ‧. 有異質變異及自我相關，並利用無母數方法修正ADF估計式。本文所採用的檢定. y. Nat. 為ADF檢定，依據有無固定趨勢(截距項)或隨機趨勢，其檢定可分為三種模型，. 含固定趨勢與隨機趨勢，其介紹如下：. n. al. Ch. engchi. er. io. sit. 第一種不含固定趨勢與隨機趨勢；第二種含固定趨勢但不含隨機趨勢；第三種包. i n U. v. 1. 模型A：純粹隨機漫步模型：不具截距項與時間趨勢項(random walk). 𝜌. Δ𝑦𝑡 = 𝛿𝑦𝑡−1 + ∑𝑖=1 𝛽𝑖 Δ𝑦𝑡−𝑖−1 + 𝜀𝑡. (4.1.1). 2. 模式B：包含常數項模型：具截距項但無時間趨勢項(random walk with drift). 𝜌. Δ𝑦𝑡 = 𝛼0 + 𝛿𝑦𝑡−1 + ∑𝑖=1 𝛽𝑖 Δ𝑦𝑡−𝑖−1 + 𝜀𝑡. (4.1.2). 26. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(35) 3.模式C：包含常數項與時間趨勢項模型：具截距項與時間趨勢項(random walk with drift and trend). 𝜌. Δ𝑦𝑡 = 𝛼0 + 𝛿𝑦𝑡−1 + 𝛼1 𝑡 + ∑𝑖=1 𝛽𝑖 Δ𝑦𝑡−𝑖−1 + 𝜀𝑡. (4.1.3). 其中，𝛼0 為截距項(drift term )，t為時間趨勢項(trend term)，𝜌、𝛽為參數，𝜀𝑡 為誤 差項(白噪音)。. 政 治 大 假設，代表資料不存在單根問題，資料為恆定狀態，但若無法拒絕虛無假設，代 立. 上述假設檢定之虛無假設為𝐻0 ：𝛿 = 0，對立假設為𝐻1 ：𝛿 ≠ 0。若拒絕虛無. 表資料存在單根問題，資料不為恆定狀態，在此種狀況下，須採用其他方法使得. ‧ 國. 學. 資料不存在單根問題。常見的方法有對資料差分處理後再次進行單根檢定，重複. ‧. 此項步驟直到成為穩定序列為止。但在討論實質景氣循環相關議題時，較常用的. y. Nat. 方法為H-P濾波法，故本文採用Hodrick and Prescott(1997)所提出的H-P濾波法作. er. io. sit. 為消除單根問題的解決之道。. al. n. v i n Ch 二、Hodrick and Prescott 分解(H-P 濾波法) e n gfilter，H-P chi U H-P 濾波法是由 Hodrick and Prescott(1997)所提出，其主要概念是將變數拆 解為趨勢(trend)及波動(cycle)兩部分，當變數隨著時間經過而產生變化時，將其 隨機趨勢平滑化，並消除波動的部分，其模型如下：. min ∑𝑇𝑡=1(𝑦𝑡 − 𝑅𝑡 )2. (4.1.4). 其中，𝑇為樣本數，𝑦𝑡 為一時間序列資料，而𝑅𝑡 則為隨機趨勢的部分，以上 27. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(36) 模型代表在給定資料數據的情況下，極小化波動的部分。然而僅有這樣的條件只 要讓𝑅𝑡 = 𝑦𝑡 即可達到最小值，這樣會造成𝑅𝑡 波動過大且與原先資料(𝑦𝑡 )相同，並 無實質意義，因此中間必須加入一懲罰機制，給予過度波動的𝑅𝑡 懲罰。完整模型 如下：. 2 𝑅𝑡𝐻𝑃 = arg 𝑚𝑖𝑛 ∑𝑇𝑡=1(𝑦𝑡 − 𝑅𝑡 )2 + 𝜆 ∑𝑇−1 𝑡=2 [(𝑅𝑡+1 − 𝑅𝑡 ) − (𝑅𝑡 − 𝑅𝑡−1 )]. (4.1.5). 其中𝜆為平滑係數，主要功用為控制𝑅𝑡 的平滑程度，若𝜆趨近於 0 則回到未給. 政 治 大 趨近無限大，則長期趨勢值趨近於線性。意即𝜆越大，時間趨勢的數列越平滑。 立. 予懲罰機制的模型，並沒有平滑的效果，長期趨勢值與原先數列差異不大。若𝜆. 根據 Hodrick and Prescott(1997)的建議，若變數屬於年資料，則𝜆設定為 100；若. ‧ 國. 學. 變數屬於季資料，則𝜆設定為 1600；若變數屬於月資料，則𝜆設定為 14400。. ‧. y. sit. io. n. al. 𝑦̂𝑡 =. Ch. (𝑦𝑡 −𝑦𝑡𝑟𝑒𝑛𝑑,𝑡 ) |𝑦𝑡𝑟𝑒𝑛𝑑,𝑡 |. engchi U. er. 率定義如下：. Nat. 在求出長期趨勢值𝑅𝑡𝐻𝑃 後，我們採用偏離比率作為單根檢定的變數，偏離比. v ni. (4.1.6). 其中𝑦̂𝑡 為計算後的偏離比率，將以此變數作為再次單根檢定的資料，𝑦𝑡 為原 始時間序列資料，𝑦𝑡𝑟𝑒𝑛𝑑,𝑡 則為 H-P 濾波器計算出的長期趨勢值(即為𝑅𝑡𝐻𝑃 ). 三、實證模型設定. 本研究欲探討總體景氣波動對台北市房屋價格的影響，採用複迴歸模型並以 最小平方法(Ordinary Least Squares，OLS)進行實證分析，再利用 newey and west (1987)所提出之 newey-west 調整標準誤修正自我相關問題。我們共建立四組模 28. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(37) 型，前兩組探討總體經濟變數與房價指數間的關係，後兩組進一步將總體景氣分 為繁榮期與衰退期，驗證在不同時期房價的變動是否存在不對稱性。本研究欲以 一經濟變數作為景氣指標的代表變數，過去有許多文獻在研究景氣波動時以失業 率、經濟成長率、股價指數、工業生產指數等變數作為代替總體景氣之指標，故 本文參照 Wu and Cheng(2010)及許雯(2010)所採用的失業率(UN)及趙倚欣(2013) 採用之國內生產毛額年增率(GDP)作為主要變數。除了失業率及經濟成長率以外， 對照先前的文獻，可以發現放款利率(IR)、貨幣供給額(M2)、通貨膨脹率(CPI)、 台灣加權股價指數(TAIEX)皆對房價有一定程度的影響，為使整體模型更為完整，. 政 治 大 檢定後若為非定態資料，將以 HP 濾波器估算其長期趨勢值，並計算偏離比率後， 立. 本文將這些變數納入模型加以研究。以上這些變數皆為時間序列資料，以 ADF. 再次進行 ADF 檢定，確定資料沒有單根問題後再套入迴歸模型中。. ‧ 國. 學 ‧. 在確定資料沒有單根問題後，首先，我們排除其他總體經濟變數的干擾，分. ̂. ̂. er. io. sit. y. Nat. 別單獨建立失業率及經濟成長率對房價指數的實證模型，模型(一)如下：. n. a l 𝐻𝑃𝑡 = 𝛽0 + 𝛽1𝑈𝑁𝑡 + 𝜀𝑡 i v n Ch U engchi ̂𝑡 + 𝜀𝑡 ̂𝑡 = 𝛽0 + 𝛽1 𝐺𝐷𝑃 𝐻𝑃. (4.1.7). (4.1.8). 其中，𝛽0為截距項，t 代表期數，HP 為台北市房價指數，UN 為失業率，GDP 為經濟成長率，ε為誤差項。再來，我們納入其他總體經濟解釋變數，以建立較 為完整的模型，模型(二)如下：. ̂ 𝑡 + 𝛽3 𝐼𝑅 ̂𝑡 + 𝛽5 𝑇𝐴𝐼𝐸𝑋 ̂ 𝑡 + 𝜀𝑡 ̂𝑡 = 𝛽0 + 𝛽1 𝑈𝑁 ̂𝑡 + 𝛽2 𝑀2 ̂𝑡 + 𝛽4 𝐶𝑃𝐼 𝐻𝑃. (4.1.9). 29. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(38) ̂𝑡 + 𝛽2 𝑀2 ̂ 𝑡 + 𝛽3 𝐼𝑅 ̂𝑡 + 𝛽5 𝑇𝐴𝐼𝐸𝑋 ̂ 𝑡 + 𝜀𝑡 ̂𝑡 = 𝛽0 + 𝛽1 𝐺𝐷𝑃 ̂𝑡 + 𝛽4 𝐶𝑃𝐼 𝐻𝑃. (4.1.10). 接著，本文的目的除了研究總體經濟變數與房價的關係外，更進而探討景氣 於繁榮及衰退期間對房價影響之對稱性。亦即，我們延伸探討景氣繁榮期與景氣 衰退期對房價指數的影響效果是否一致，亦或是存在不對稱影響效果。若將失業 率作為景氣指標的代表變數，利用先前經由 HP 濾波器估算之長期趨勢值作為總 體景氣榮枯線之劃分，則當失業率原始值高於其長期趨勢值者，我們將之設定為 ̂𝑡 +；失業率原始值低於其長期趨勢者，我們將之設定 景氣衰退期，變數設定為𝑈𝑁. 政 治 大 樣利用先前經由 HP 濾波器估算之長期趨勢值作為總體景氣榮枯線之劃分，但當 立 ̂𝑡 −。若將經濟成長率作為景氣指標的代表變數，一 為景氣繁榮期，變數設定為𝑈𝑁. ‧ 國. 學. 經濟成長率原始值高於其長期趨勢值者，我們會將之設定為景氣繁榮期，變數設 ̂𝑡 +，而當經濟成長率原始值低於長期趨勢值者，我們將之設定為景氣衰 定為𝐺𝐷𝑃. ‧. ̂𝑡 −。需要注意的是，此處所採用之數值皆為資料原始值扣 退期，變數設定為𝐺𝐷𝑃. y. Nat. sit. 除趨勢值後再除上趨勢值之偏離比率，另外，由於已將繁榮期及衰退期分開討論，. n. al. er. io. 故僅討論偏離比率之大小，不考慮正負號的影響，定義如下：. ̂𝑡 + 𝑈𝑁. ̂𝑡 𝑈𝑁 = { 0. Ch. ̂𝑡 ≥ 0 if 𝑈𝑁 ̂𝑡 < 0 if 𝑈𝑁. engchi. ̂𝑡 − = { and 𝑈𝑁. i n U. ̂𝑡 | |𝑈𝑁 0. v. ̂𝑡 < 0 if 𝑈𝑁 ̂𝑡 ≥ 0 if 𝑈𝑁. (4.1.11). ̂𝑡 + 代表景氣衰退期，𝑈𝑁 ̂𝑡 − 代表景氣繁榮期 其中，𝑈𝑁. ̂ ̂ ̂ ̂ ̂𝑡 + = { 𝐺𝐷𝑃𝑡 if 𝐺𝐷𝑃𝑡 ≥ 0 and 𝐺𝐷𝑃 ̂𝑡 − = { |𝐺𝐷𝑃𝑡 | if 𝐺𝐷𝑃𝑡 < 0 (4.1.12) 𝐺𝐷𝑃 ̂𝑡 < 0 ̂𝑡 ≥ 0 0 if 𝐺𝐷𝑃 0 if 𝐺𝐷𝑃 ̂𝑡 − 代表景氣衰退期，𝐺𝐷𝑃 ̂𝑡 + 代表景氣繁榮期 其中，𝐺𝐷𝑃. 30. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(39) 接著，我們仍舊排除其他總體經濟變數的干擾，分別建立總體景氣循環對房 價指數影響效果之對稱性，模型三設定如下：. ̂𝑡 = 𝛽0 + 𝛽1 𝑈𝑁 ̂𝑡 + + 𝛽2 𝑈𝑁 ̂𝑡 − + 𝜀𝑡 𝐻𝑃. (4.1.13). ̂𝑡 + + 𝛽2 𝐺𝐷𝑃 ̂𝑡 − + 𝜀𝑡 ̂𝑡 = 𝛽0 + 𝛽1 𝐺𝐷𝑃 𝐻𝑃. (4.1.14). 最後，我們將其他會影響房價指數之總體經濟變數納入，以建立較為完整的 模型，模型四如下：. 立. 政 治 大 (4.1.15). ‧. ‧ 國. 學. ̂ 𝑡 + 𝛽4 𝐼𝑅 ̂𝑡 + 𝛽6 𝑇𝐴𝐼𝐸𝑋 ̂ 𝑡 + 𝜀𝑡 ̂𝑡 = 𝛽0 + 𝛽1 𝑈𝑁 ̂𝑡 + + 𝛽2 𝑈𝑁 ̂𝑡 − + 𝛽3 𝑀2 ̂𝑡 + 𝛽5 𝐶𝑃𝐼 𝐻𝑃. (4.1.16). er. io. sit. y. Nat. ̂𝑡 + + 𝛽2 𝐺𝐷𝑃 ̂𝑡 − + 𝛽3 𝑀2 ̂ 𝑡 + 𝛽4 𝐼𝑅 ̂𝑡 + 𝛽6 𝑇𝐴𝐼𝐸𝑋 ̂ 𝑡 + 𝜀𝑡 ̂𝑡 = 𝛽0 + 𝛽1 𝐺𝐷𝑃 ̂𝑡 + 𝛽5 𝐶𝑃𝐼 𝐻𝑃. al. n. v i n 在建立模型三及模型四後，可以觀察𝛽 及𝛽 之顯著程度，並可利用 Wald 檢 Ch e n g c1 h i2 U + − + −. ̂𝑡 )與𝑈𝑁 ̂𝑡 )的影響效果是否存在不對稱性，而 Wald 檢 ̂𝑡 (𝐺𝐷𝑃 ̂𝑡 (𝐺𝐷𝑃 定檢驗𝑈𝑁 定的虛無假設為|𝛽1 | = |𝛽2 |。. 31. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(40) 第二節 變數介紹. 根據本研究第三章的文獻回顧，為了完整建立我國總體景氣循環是否影響房價變動 的模型，本節將就房屋價格指數定義及衡量方法先做詳細說明，再分別對各個總體經濟 解釋變數(失業率、經濟成長率、貨幣供給額年增率、貸款利率、通貨膨脹率以及股價指 數)進行介紹並於下節闡述資料來源及敘述統計結果。. (一)台北市房屋價格指數. 立. 政 治 大. 一般來說，價格指數多半用來衡量相同產品的價格波動，亦即被衡量的財貨基本上. ‧ 國. 學. 皆為同質性商品，例如消費者物價指數衡量的是相同品質的一籃子財貨的價格波動。然 而房地產有其異質性，沒有完全相同的兩間房屋，若直接以交易案例取平均值再依此計. ‧. 算房價指數，會發生比較基礎不一致的問題。為解決房地產價格指數不易編制的問題，. y. Nat. sit. Rosen(1974)提出特徵價格理論：異質性商品的特徵含有隱含價格，且異質性商品的價格. n. al. er. io. 即為各個特徵提供的價格變動之總和，例如兩間地點、坪數大小、公設比等其他條件完. i n U. v. 全相同的房地產，其中一間房地產內部牆壁若已粉刷完成，則此特徵將為此間房地產帶. Ch. engchi. 來一定的價格提升。亦即，住宅價格可由以下函數表示：. (4.2.1). 𝑃 = 𝑓(𝑥) = 𝛼 + ∑ 𝛽𝑋 + 𝜀. 其中，P 為房地產價格，X 為房地產之特徵向量，𝛽為特徵價格，即為某項特徵(𝑥1 ) 對 P 的邊際價格，𝛼為截距項，𝜀為殘差項。. Case and Shiller(1990)則提供不同的思維，由於房地產具有可重複交易的性質，他們 利用相同房地產於兩次不同時間的交易價格變動衡量房屋價格指數，因為是相同房地產 的交易，故其特徵可以視為固定不變，即為同質性商品。然而房屋作為長期耐久財，重 複交易的案例極少，故大多數國家仍採用特徵價格法衡量房價指數。 32. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(41) 本文所採用之台北市房價指數係指信義房屋委託政大商學院信義不動產研究發展 中心，利用信義房屋公司仲介成交資料所編製之信義房價指數。此指數採用特徵價格模 型並加入樓層效用比概念，以拉氏指數公式編製。特色在於樣本是公寓、華廈及電梯大 樓物件等住宅資料，排除預售物件、偏差樣本(屋齡偏高或工業住宅等)及具備其他用途 之住宅物件，並逐筆查核超出市場行情的離群值資料。與其他房屋公司不同的是，信義 房屋更另外製作台北市、新北市及大台北地區之月房價指數。除了信義房屋公司之外， 市面上僅有台北市政府地政局利用 2013 年 8 月啟用之實價登陸資料庫所編製之台北市 住宅價格指數為月資料，其餘公司所發布之房價指數皆為季資料，考量到資料期間長短. 政 治 大. 的問題，本文以信義房價指數月資料作為被解釋變數。. 立. ‧. ‧ 國. 學. (二)經濟成長率. 經濟成長率係指國內生產毛額(Gross Domestic Product，GDP)年增率，而國內生產毛. sit. y. Nat. 額指的是經濟社會（即一個國家或地區）在一定時期內運用生產要素所生產之全部最終. al. er. io. 產品或勞務的市場價值，也可表示為消費+投資+政府支出+淨出口。當國內生產毛額. v. n. 年增率高，代表國內整體經濟繁榮，在此情況下，國人購買房地產的意願及能力將提高，. Ch. engchi. i n U. 反之則下降。因此，本文以經濟成長率作為衡量總體景氣之代表變數，並預估其對房價 有正向的影響。另外，由於經濟成長率為季資料，本研究透過 EVIEWS 內建之 Quadraticmatch average 方法進行內插以求得月資料。. (三)失業率. 失業率係指失業者占勞動力之比率，根據行政院主計總處，失業者定義為 15 歲以 上民間人口且同時符合(1)無工作；(2)隨時可以工作；(3)正在尋找工作或已找工作 在等待結果等條件者。而勞動力則定義為 15 歲以上民間人口扣除非勞動力(身心 33. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(42) 障礙者等)之數值。失業率為勞動市場重要指標之一，若失業率高，原因之一可能為失 業者增加，而造成失業者增加的原因可能是廠商對未來景氣看法保守，而不願增加工作 機會，減少勞動市場職缺，而這會降低購屋能力及意願。除了經濟成長率以外，本文以 失業率做為另一項衡量總體景氣之代表變數，並預估其對房價有負向的影響。. (四)貨幣供給額年增率. 貨幣供給額分為狹義貨幣供給額(M1A、M1B)與廣義貨幣供給額(M2)，由於貨幣供. 政 治 大 並挹注至各項標的，對於推升資產價格有幫助，故本研究採用 M2 年增率作為市場資金 立. 給額之於資產就如同血液之於人體，較高的貨幣供給額年增率將使得資金大量流入市場，. 流量大小之代表變數，並預估貨幣供給額年增率對房價影響為正向，且為顧慮到傳遞時. ‧ 國. 學. 間差，採用前一期之 M2 年增率。. ‧. al. er. io. sit. y. Nat. (五)放款利率. v. n. 利率係指民眾從銀行所獲得的利息抑或是虧欠於銀行的額外支出。以購買房地產為. Ch. engchi. i n U. 例，大部分民眾礙於現金不足，無法直接買入房地產，此時為滿足民眾的龐大資金需求， 銀行會藉由貸款的方式給予幫助並收取一定的費用，而費用的多寡會受到央行調升或調 降利率影響，當央行調升利率，民眾借款成本增加，故借款人數或金額將會下降，導致 市場游資減少，不利資產價格上漲，反之亦然。一般來說，利率影響了建商的興建成 本、投資人的投資成本及自住型購屋者的購屋意願。本研究所採用之利率為五大銀 行新承做放款利率，並預估利率對房價有負向的影響。. 34. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(43) (六)消費者物價指數年增率. 消費者物價指數是反映與居民生活有關的產品及勞務價格統計出來的物價 變動指標，因此消費者物價指數變動的幅度，可以反應當時物價影響民眾日常生 活消費的大小程度，故通常作為觀察通貨膨脹水平的重要指標。若物價上漲率過 高，民眾在通貨膨脹的壓力下，會預期未來物價上漲，並購入能夠保值的資產性 財貨，如黃金、房地產等，而不願將資產存入銀行，避免貶值(當通貨膨脹率高於 銀行定存利率時，將現金存入銀行並無法增值)。本文以消費者物價指數做為物. 政 治 大. 價之代表變數，並預估其對房價有正向的影響。. 立. ‧. ‧ 國. 學. (七)台灣加權股價指數. 房地產價格與股市價格具有一定的相關性，當股市處於牛市，投資人會將獲利了結. y. Nat. sit. 後的部分資金轉移至房地產市場避險，進而推升房價，此為股市所帶來之財富效果。但. n. al. er. io. 當股市處於熊市時，部分投資人會將實體資產變現以撐住維持保證金，故兩市場間應為. i n U. v. 正向相關。代表股價的加權指數眾多，本文以台灣最具代表性的台灣加權股價指數作為. Ch. engchi. 股市之代表變數，並預估其對房價有正向的影響。. 35. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(44) 第三節 資料來源及敘述統計結果. 本文欲探討總體景氣波動對於我國房價的影響，研究期間自西元2005 年1 月至2017 年 12 月共 156 筆月資料，被解釋變數為信義房屋所公布之信義房價指數，解釋變數由 於皆為我國重要總體經濟數據，故資料取自於行政院主計總處統計局所公布的總體經濟 資料庫。有關變數的資料來源及其敘述統計學，將於表 4-1 中詳細說明。另外於圖 4-1 及 4-2 闡述資料期間各變數之概況。. 政 治 大 年金融海嘯時股市修正幅度明顯大於房市修正幅度，而自 2015 年下半年以來，兩者的 立 從圖 4-1 可發現，資料期間台灣加權指數與台北市房價指數走勢相當接近，不過 2008. ‧. ‧ 國. 學. 穩定關係似有脫鉤跡象，股市持續上漲但房市面臨修正。. 從圖 4-2 可發現，經濟成長率及失業率於 2005 年至 2008 年初為資料期間的最佳表. sit. y. Nat. 現，代表此時總體景氣較為繁榮。2008 年金融海嘯爆發後，經濟成長率、失業率及消費. al. er. io. 者物價指數年增率皆表現相對差勁，代表此時處於總體景氣衰退期間，且央行為了挽救. v. n. 經濟，釋放大量貨幣供給，從 2008 年初的 0.84%調升至 2009 年中的 8.52%。自 2012 年. Ch. engchi. i n U. 起，各經濟指標才又回到接近 2005 年至 2007 年期間的水準。. 36. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(45) 表 4- 1 本研究變數說明. 名稱. 變數說明. 單位. 平均數. 標準差. 最大值. 最小值. 資料來源. 被解釋變數. TAIPEI. 台北市房屋價格指數. -. 93.71244. 28.11473. 133.29. 46.92. 信義房屋. 解釋變數. UN. 失業率. %. 4.258654. 6.13. 3.62. 行政院主計處. -. GDP. 經濟成長率. %. 12.95556. -8.63037. 總體資料庫. +. M2. 貨幣供給額年增率. 8.6. 0.84. +. IR. 五大行庫平均新承做放. 2.95. 1.292. -. 5.8. -2.34. +. 10793.8. 4247.97. +. 5.095962. 1.47465. %. 1.865994. 0.4869003. %. 1.1873872. 1.423968. TAIEX. 台灣加權股價指數. 點. 7989.272. 1327.762. n. er. io. al. 註. 1：台北市房屋價格指數以 2011 年為基期 2：以上實證變數皆使用原始值計算. sit. y. 消費者物價指數年增率. Nat. CPI. ‧. ‧ 國. %. 學. 款利率. 立. 0.6108641 治 政3.461538 4.186213 大. 預期影響方向. Ch. engchi. i n U. v. 37. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
(46) n. y. 200501 200507 200601 200607 200701 200707 200801 200807 200901 200907 201001 201007 201101 201107 201201 201207 201301 201307 201401 201407 201501 201507 201601 201607 201701 201707 20181月 140. 10000 120. 台 8000 灣 加 6000 權 指 數 4000. 2000. 0. 台灣加權指數. al Ch engchi U. CPI年增率. v ni. 經濟成長率 3. (%). M2年增率. sit. ‧. io. 5. Nat. (%). 年 增 率 0 及 經 濟 -5 成 長 率 -10. 學. CPI. 年 增 10 率 、. ‧ 國 立. er. M2 15. 200501 200507 200601 200607 200701 200707 200801 200807 200901 200907 201001 201007 201101 201107 201201 201207 201301 201307 201401 201407 201501 201507 201601 201607 201701 201707 20181月. 12000. 100 台. 80. 北 市 房 60 價 指 40 數. 20. 0. 圖 4-1 台北市房價指數及台灣加權指數. 政 治 大 台北市房價指數. 7. 6. 5. 4 業. 失. 率. 2. 1. 0. 失業率. 圖 4-2 M2 年增率、CPI 年增率、經濟成長率及失業率. 38. DOI:10.6814/THE.NCCU.PF.014.2018.F07.
相關文件
Students are asked to collect information (including materials from books, pamphlet from Environmental Protection Department...etc.) of the possible effects of pollution on our
Wang, Solving pseudomonotone variational inequalities and pseudocon- vex optimization problems using the projection neural network, IEEE Transactions on Neural Networks 17
Define instead the imaginary.. potential, magnetic field, lattice…) Dirac-BdG Hamiltonian:. with small, and matrix
Based on the reformulation, a semi-smooth Levenberg–Marquardt method was developed, and the superlinear (quadratic) rate of convergence was established under the strict
Due to the increase in housing rent, rising prices in outbound package tours and air tickets during summer holidays, as well as in gasoline that was affected by price increase
Ma, T.C., “The Effect of Competition Law Enforcement on Economic Growth”, Journal of Competition Law and Economics 2010, 10. Manne, H., “Mergers and the Market for
The study explore the relation between ownership structure, board characteristics and financial distress by Logistic regression analysis.. Overall, this paper
The difference resulted from the co- existence of two kinds of words in Buddhist scriptures a foreign words in which di- syllabic words are dominant, and most of them are the
