• 沒有找到結果。

房地產市場之跨國連動及外溢效果 - 政大學術集成

N/A
N/A
Protected

Academic year: 2021

Share "房地產市場之跨國連動及外溢效果 - 政大學術集成"

Copied!
45
0
0

加載中.... (立即查看全文)

全文

(1)國立政治大學經濟學研究所 碩士論文 政 治 大 立 房地產市場之跨國連動及外溢效果 ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. 指導教授: 徐士勛 博士 研究生: 陳彥儒 2014 年 6 月. v.

(2) 誌謝 轉眼間兩年的碩士生活即將步入尾聲, 兩年前帶著嚮往的心情踏入政大, 兩年 後帶著滿滿的美好回憶離開, 一路上受到許多人的幫助, 首先要感謝的就是指導教 授徐士勛老師, 碩一時選修了老師的應用計量經濟, 當時就對老師知無不言, 言無 不盡的教學態度所折服, 在碩二寫論文的這一年中, 多虧了老師的幽默風趣, 使每 周討論會的氣氛都能十分歡樂, 另一點特別要感謝老師在我論文上不厭其煩的細 心建議, 我的論文能夠如期完成真的非常感謝老師, 也要謝謝徐之強老師與黃裕烈. 政 治 大. 老師能撥冗擔任我的口試委員, 給了我論文上的建議。. 兩年的研究所生活認識了許多好朋友, 要謝謝研究室夥伴凱翔與政潔, 一起在. 立. 綜院的研討室奮鬥了無數個日子, 一邊哈拉一邊寫著論文, 使得寫論文這件事好像. ‧ 國. 學. 也不再是那麼煩悶了, 謝謝年億與安易, 在我遇到難關時能給我不同的建議, 陪我 度過了許多難熬的夜晚, 謝謝家毅、 柏佑、 景翔、 彭程與哲睿, 與你們在恆光橋畔. ‧. 的喝酒談古論今、 在木柵好樂迪的徹夜飆歌及太陽花學運時坐在立法院前面討論 服貿的夜晚, 這些日子我將來想必都會十分懷念, 也謝謝顯貴、 點點、 訓豪、 楷仁、. y. 麼地方, 都還能在聚在一起重溫這段無可取代的回憶。. sit. Nat. 孟錡與崇育這兩年來的相伴, 為我碩士生活帶來各種歡樂, 希望大家以後不管在什. al. er. io. 最後我要謝謝我的爸媽, 在我後方做我最強而有力的後盾, 提供我衣食無憂的. v i n Ch 雖然因為在不同地方念書而不能時時相聚 , 希望未 i U e n g, 但偶爾遇到時總能聊得很開心 h c 來能夠成為一個對社會有貢獻的人, 並且能回報這一路走來幫助過我的貴人。 n. 學習環境, 不時給我滿滿的關心, 讓我能全心全意的去為未來奮鬥, 也要謝謝老弟,.

(3) 摘要 本文使用 Pesaran,Schuermann and Weiner(2004) 提出的全球化向量自我迴 歸模型 (Global Vector Autoregression Model, GVAR) 對房地產市場進行分析。 我們考慮 1994Q1 至 2011Q2 的資料, 納入美國、 中國、 日本及台灣, 每個國家 各七個變數及一個國際外生變數, 使用衝擊反應函數去衡量總體經濟變數與房市 之間的連動性, 以及房地產市場在國際之間的外溢效果。 本文針對美國實質房價衝 擊、 美國實質產出衝擊及台灣實質產出衝擊做探討, 所得到的實證結果主要可歸納. 政 治 大. 為三點: 首先是美國房市下跌會傳遞至其它經濟面, 如實質產出、 通膨率、 利率市 場, 影響會在第四季時恢復平穩, 但多存在著長期影響。 其二為當美國景氣衰退時,. 立. 美國利率市場的反應較為迅速, 中國、 日本及台灣平均會落後一到兩季才會反應,. ‧ 國. 學. 且美國利率的反應幅度會較大。 最後一點為跨國之間的房地產市場雖然沒有顯著 的直接連動關係, 但是會透過不同管道間接影響他國的經濟市場, 其中一個管道可. ‧. 能是經由財富效果傳導至實質經濟面, 造成消費需求上的衝擊, 進而影響兩國的貿 易平衡, 另一方面則可能會影響各國央行的貨幣政策, 透過金融管道對跨國間的投. n. al. er. io. sit. y. Nat. 資產生影響。. Ch. engchi. i n U. v. 關鍵詞: 全球化向量自我迴歸模型、 共整合、 誤差修正模型、 房地產市場、 財富 效果。.

(4) 目錄 1 緒論. 6. 1.1. 研究背景 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 6. 1.2. 研究動機與目的 . . . . . . . . . . . . . . . . . . . . . . . . . .. 7. 1.3. 實證分析流程 . . . . . . . . . . . . . . . . . . . . . . . . . . .. 8. 2 文獻回顧. 9. 2.1. GVAR發展 . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 2.2. 房地產市場 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10. 2.3. 11. 政 治 大 貨幣傳遞機制 . . . . . . . . . . . . . . . . . . . . . . . . . . . 立. ‧ 國. 學. 3 研究方法. 9. 12. GVAR模型設定 . . . . . . . . . . . . . . . . . . . . . . . . . . 12. 3.2. GVAR模型擴充 . . . . . . . . . . . . . . . . . . . . . . . . . . 14. 3.3. GVAR 分析相關的檢定與模型 . . . . . . . . . . . . . . . . . . . 15. y. sit. io. 3.3.3. 衝擊反應函數 (Impulse Response Function) . . . . . . . 15 向量誤差修正模型 (Vector Error Correction Model) . . 15. n. al. er. 3.3.2. 單根檢定 (Unit Root Test) . . . . . . . . . . . . . . . . 15. Nat. 3.3.1. ‧. 3.1. 4 實證結果. i n U. Ch. v. e . .c.h. i. . . . . . . . . . . . . . . . . . . . . . . . .n. g. 16. 4.1. 資料說明. 4.2. 權重說明 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19. 4.3. GVAR模型分析 . . . . . . . . . . . . . . . . . . . . . . . . . . 19. 4.4. 16. 4.3.1. 單根檢定 . . . . . . . . . . . . . . . . . . . . . . . . . . 19. 4.3.2. 共整合檢定 . . . . . . . . . . . . . . . . . . . . . . . . . 20. 4.3.3. 弱外生檢定 . . . . . . . . . . . . . . . . . . . . . . . . . 20. 衝擊反應函數分析 . . . . . . . . . . . . . . . . . . . . . . . . . 21 4.4.1. 美國實質房價下跌衝擊 . . . . . . . . . . . . . . . . . . . 21. 4.4.2. 美國實質產出下跌衝擊 . . . . . . . . . . . . . . . . . . . 21. 4.4.3. 台灣實質房價下跌衝擊 . . . . . . . . . . . . . . . . . . . 22. 4.4.4. 美國實質房價衝擊的 VECM 模型比較 . . . . . . . . . . 22 4.

(5) 4.4.5. 不同權重考量 . . . . . . . . . . . . . . . . . . . . . . . 23. 5 結論. 24. 參考文獻. 25. A 附表. 27. B 附圖. 33. 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 5. i n U. v.

(6) 1 緒論 1.1 研究背景 台灣房地產自 1970 年以來共經歷了四次景氣循環,1 第一次循環從 70 年代開 始, 1973 年爆發國際石油危機帶動油價上漲, 導致產生輸入型通貨膨脹, 由於民 眾預期物價將會持續上漲, 而增加了對財富的保值需求, 因此帶動房地產市場的需 求暴增。 之後政府面對房價不斷上漲的情況而頒布了四樓以上華廈的禁建令, 頓時 澆熄房地產市場的熱度。 這一波循環走了七年, 從初漲到高峰期歷時五年半, 之後 的一年半房市反轉到谷底。 第二次循環從 1975 年開始, 當時政府推動十大建設使. 政 治 大. 得台灣經濟蓬勃發展, 國民所得大幅提升促使房市需求火熱, 加上國際游資流入台. 立. 灣, 推動了房市進一步上漲, 直到政府祭出縮銀根、 課重稅的打房政策, 房市才開. ‧ 國. 學. 始反轉。 這次循環與第一次情況相似, 初升段與主升段走了四年, 高峰期持續了一 年半, 衰退期也走了一年半, 共歷時七年,「房地產七年一循環」 的說法不脛而走。 1982 年開始台灣房市的三次循環, 當時房市下跌幅度離高峰期已達三成。 政. ‧. 府認為若繼續下滑可能會造成金融市場的風險, 於是開始調降市場利率, 降低建築. y. Nat. 業融資成本, 由於當時因就業人口集中於都會區, 導致都會區的房地產市場供不應. sit. 求, 且換屋率不斷攀升, 也造成了二手屋市場交易量開始超越一手屋市場。 到了第. er. io. 三次循環中期 (1986 年), 地下金融猖獗造成了市場上資金氾濫, 股市來到破萬點. al. 的高峰。 在房市與股市雙漲的情況下, 政府為了控制資產泡沫, 重手整頓地下金融. n. v i n 並且調升利率及緊縮銀行放款C , 房市因此從 1989 年中反轉至 1990 年到達谷底, hengchi U 衰退期同為一年半, 房價跌了近三成。. 第四次循環則打破了以往台灣房市七年一循環的慣例, 1991 年起進入了長達 十年的景氣衰退期。 當時經濟成長速度放緩, 不但影響企業獲利的情況, 更直接影 響國民所得的增長, 因此房價需求跟著開始減緩。 1995 年房市景氣似乎有復甦的 跡象, 但因為當時李登輝總統發表 「兩國論」 引發台海飛彈危機, 使得國內民眾恐 慌情緒上升, 而對於房市需求轉為冷卻。 緊跟著 1997 年亞洲金融風暴, 雖然台灣 相對其他亞洲國家所受影響並不深, 但也使得房市熱度始終無法回溫。 直到 2001 年政府宣布 「土地增值稅減半」 的決議, 預期可降低售屋及換屋成本, 提升購屋者 的意願, 同時祭出了首購優惠的低利率補貼方案, 鼓勵年輕人購屋, 這些政策成功 1. 關於台灣房市的發展沿革與歷史的研究可以參考張金鶚與朱芳妮 (2007) 及張誌文 (2011) 等 研究。. 6.

(7) 活絡了房地產市場需求, 房地產景氣也因此開始復甦。 2003 年 SARS 爆發, 使得 上漲趨勢放緩, 市場上觀望氣氛濃厚, 直到 2004 年下半房地產局勢開始明朗, 呈 現盤整向上的格局, 新建案不斷推出, 開啟了長達四年的主升段行情, 一直到 2008 年爆發美國次貸風暴後才稍有降溫。 但在 2009 年美國實行量化寬鬆後, 大量熱錢 在國際間流竄, 台灣股市逐漸回升, 且政府大幅調降贈遺稅至 10% 使資金回流台 灣, 為房地產注入活水, 開始了另一波劇烈的漲幅, 至 2011 年初房地產市場漲了 四成, 因此政府在 2011 年 6 月祭出了奢侈稅打房政策,2 藉此扼止投資客短期炒作 房地產行為; 政策施行之後投資客紛紛惜售手上的不動產, 使得 2011 年房市呈現 「價穩量縮」 的局勢。 2012 年政府繼續推出房地產 「實價登錄」 政策, 欲使房市交. 政 治 大 幅, 目前看來房價未來的走向仍是不甚明朗。 立. 易資訊更加透明化, 但房價從 2012 年第一季至 2013 年第四季仍然有 19% 的漲. ‧ 國. 學. 1.2 研究動機與目的. 台灣在 2004 年之後房屋價格不斷上漲, 2004 年第一季到 2013 第四季, 台北. ‧. 市房價從 21 萬 (坪) 漲到了 60 萬 (坪) 漲幅高達 176%,3 因此近年對於台灣房地. y. Nat. 產市場的研究也日益增加, 然而這些研究多是針對國內經濟情況做研究分析, 對於. sit. 房地產市場跨國連動的探討並不多。 我們考慮到在全球化的趨勢之下, 跨國之間的. er. io. 經濟活動已經成為常態, 2007 年美國房市泡沫帶動全球金融海嘯, 由此可知房市. al. 的影響不再是侷限於一國或區域內, 而是可能會由金融管道或財富管道傳導至其. n. v i n Ch 他國家。 因此, 本研究採用 Pesaran,Schuermann and Weiner(2004) 提出的全球 U i e h gc 化向量自我迴歸模型 (Global Vector n Autoregression Model, GVAR) 對房地產. 市場進行分析。 我們考慮 1994Q1 至 2011Q2 的資料, 納入美國、 中國、 日本及台 灣, 每個國家各七個變數, 包括實質產出、 物價變動率、 短期利率、 長期利率、 實質 匯率、 實質股價、 實質房價及一個國際外生變數 石油價格, 使用衝擊反應函數去 衡量總體經濟變數與房市之間的連動性, 以及房地產市場在國際之間的外溢效果 (spillover)。. 2 主要內容為投資人在購買不動產之後, 若在一年內轉手出售者稅率為 15% , 而在一到兩年內 轉手出售者稅率則為 10%。 3 此乃根據政治大學信義不動產研究中心發表之信義標準房參考單價計算。. 7.

(8) 1.3 實證分析流程 GVAR 模型在進行參數估計及實證分析前, 需先經過一系列的檢定來確保資. 料特性, 否則衝擊反應函數估計出來的結果可能會失真。 首先, 使用單根檢定來檢 定變數是否為定態 (stationary), GVAR 模型處理非定態資料的方法為保留變數 間的可能長期均衡關係, 藉由向量誤差修正模型 (Vector Error Correction Model) 來捕捉可能的長期均衡關係。 因此, 我們需要對變數執行共整合檢定 (Cointegration Test) 來確認變數間的共整合關係, 若變數間具共整合關係則當短期發生衝擊. 導致短期失衡時, 可透過誤差修正模型將短期失衡狀態逐漸調整為長期均衡狀態。. 治 政 Pesaran, Schuermann and Weiner(2004) 提出國際變數並不會受到國內變數太 大 立 大的影響, 所以 GVAR 模型一般假設變數皆具有弱外生性質。 通過以上三項檢定. 接著, 我們將執行 「弱外生檢定」(Weak Exogeneity) 來檢定弱外生假設是否成立。. ‧ 國. 學. 後, 我們即可使用一般化衝擊反應函數 (General Impulse Response Function) 進行實證分析。. ‧. ╖㟡㩊⭂. y. Nat. io. sit. ℙ㔜⎰㩊⭂. n. al. er. ⻙⢾䓇⿏㩊⭂ 堅㑲⍵ㅱ↥㔠 C. hengchi. i n U. ⮎嫱↮㜸. 圖 1: GVAR實證分析流程圖. 8. v.

(9) 2 文獻回顧 2.1 GVAR發展 在傳統 VAR 模型中大部分研究主題皆聚焦於單一國家變數或是少數國家間的 關聯研究。 現在跨國交流愈來愈頻繁的情況下, 僅能討論少數國家的計量模型已經 無法滿足決策者的需求。 但是傳統 VAR 存在著估計多變數的困難, 若要加入多國 變數至模型中, 則計量模型將會變得十分龐大且難以計算。 Pesaran,Schuermann and Weiner (2004)(簡稱 PSW) 提出了全球化向量自我迴歸模型, GVAR 模型. 將國外變數利用貿易權重做合併, 大量減少了多國模型需要估計的參數, 建立全. 政 治 大. 球化的 VAR 模型也變得相對容易。 此外, 傳統 VAR 進行衝擊反應函數分析多. 立. 數使用正交化衝擊反應函數, 為了消除衝擊項間的相關性, 一般在分析前須先使用. ‧ 國. 學. Cholesky 分解對衝擊項進行排序 (order), 不同的排序會有不同的實證結果。 為了. 得到更一致的分析結果,Peasran and Shin(1998) 提出一般化衝擊反應函數, 此方 法不需要考量排序問題, 而使得分析更為簡潔。. ‧. PSW 首先使用 GVAR 對 25 個國家做實證分析, 探討跨國之間的經濟衝擊,. y. Nat. 之後以 GVAR 做跨國實證分析的文章也陸續發表。 其中 Dees,di Mauro, Pesaran. sit. and Smith(2007)(簡稱 DdPS) 不僅將國家數從 25 個增加至 33 個還增加了樣. er. io. 本的期間, 並且得到了兩個十分重要的實證結果。 首先是證明了不論使用正交化. al. 衝擊反應函數或一般衝擊反應函數, 得到的結果是幾近相同的; 二是在貿易權重. n. v i n C h或變動權重 (time-varing 上使用固定權重 (fixed weight) weight), 實證分析出 U i e h n g提出了拔靴信賴區間法 c 來的結果也是無顯著差異的。 此外, DdPS (bootstraping. confidence interval), 使得在分析衝擊反應函數結果時, 能更直接地判斷統計顯著. 與否。 在計算國外變數合併的權重部分, 許多作者也提出了不同於 PSW 的貿易權重 計算方式。 Hiebert and Vansteenkiste (2007) 使用了不同產業間的產入與產出做 為權重, 將 GVAR 延伸到產業間的研究, 分析不同產業間產生的衝擊效果; Galesi and Sgherri (2009) 在研究中使用了金融權重來分析金融資產在歐美地區的外溢. 效果, 金融權重的計算方式為各國銀行所持有的他國債券金額權重, 實證研究顯示 更完整的金融整合可以帶給開發中國家強勁的經濟成長, 但會增加經濟波動性以 及過度依賴外資所造成的信貸漏洞問題; Beaton and Desroches (2011) 利用了 金融權重來研究美國與加拿大之間的金融衝擊, 實證結果顯示在分析金融資產衝 9.

(10) 擊時, 使用金融權重會是較適當的方法。 陳淑玲等 (2012) 首度將台灣納入 GVAR 模型當中, 文中指出台灣為出口導 向國家, 相較一般 VAR 模型更適用於跨國的 GVAR 模型, 實證結果顯示與台灣 貿易密切的國家 (中美日) 經濟衝擊會顯著影響台灣, 其中包含美國及日本實質產 出發生負向衝擊時會對台灣造成負面影響。 此結果反應了美日長期以來為台灣兩 大貿易夥伴的緊密經貿關係。 此外, 美國股價下跌會連帶影響亞洲國家股市下跌, 顯示亞洲股市與歐美股市的連動性相當強。 至於台灣本國實質產出的負向衝擊, 將 會降低本國利率以及股票價格, 並且使失業率上升, 這些結果都與理論預期相符。. 2.2 房地產市場. 立. 政 治 大. Mints (2007) 指出利率為影響房價的一個重要因子, 在市場利率走低的情況. ‧ 國. 學. 下, 房貸利率和房屋投資報酬率間的差距會吸引購屋者融資進行抵押貸款, 銀行為 追求報酬也會積極放款給購屋者。 因此, 央行貨幣政策可能會透過多種管道主導 房地產市場走向, 該實證結果顯示房貸利率與房價呈現負相關。 吳中書與陳建福. ‧. (2010) 探討台灣的信用管道與資產價格的關聯性; 研究指出當央行調整貨幣政策. y. Nat. 時, 會影響國內銀行業的放款情況, 並且發現若隔夜拆款利率上升, 將會影響到房. sit. 市的購屋需求。 另外一個會影響房價的因素為購屋者預期, 陳佳甫等 (2012) 指出. er. io. 購屋者預期與房價有顯著的因果關係, 當房屋轉手時的資本利得增加, 會使房屋購. al. 買需求上升, 進一步推升房價甚至引發泡沫。 除了投資之外, 房屋同時俱備消費的. n. v i n Ch 性質, 根據行政院主計總處統計台灣房屋自住率高達 80% 以上, 多數台灣人還是 U i e h ngc 保有 「有土斯有財」 的傳統觀念, 會將所得大部分支出於購屋上面。 張金鶚與陳明 吉 (2009) 指出家計收入是大部分購屋者的首要考量, 當總體景氣較好時, 房屋需 求會有明顯的成長, 房價與所得之間存在顯著的正向關係, 長期而言, 房價與所得 增長速度應為一致,「房價所得比」 不可偏離水準值太多。 以上的房地產文獻研究大多是著重於國內的經濟環境分析, 利用國內所得、 物 價、 利率等因子來對房地產做評價, 對於國際之間的房地產連動研究並不多。 GVAR 發展之後提供了研究房價在國際間的外溢效果一個計量方法。 Cesa-Bianchi (2012) 實證研究房價如何影響實質經濟, 研究指出美國房市需求會透過財富效果影響美 國實質產出以及物價, 並且會擴散至國外經濟市場, 但各國的反應不盡然相同, 先 進國家的影響較發展中國家顯著; Holinski and Vermeulen (2012) 進一步指出 資產價格透過消費及投資會影響兩國之間的貿易平衡, 當股價或房價下跌時, 將 10.

(11) 使得英國及美國民間消費顯著下降, 並且改善貿易赤字問題。 Vansteenkiste and Hiebert (2011) 針對歐洲地區的房價外溢效果進行研究, 其認為影響歐洲房地產. 市場因素有三項, 分別為央行貨幣政策、 金融借貸市場及房屋報酬率; 實證顯示相 較於美國, 歐洲房地產市場波動較為穩定, 國家之間的外溢效果較美國小, 而在三 項影響房價的因素中, 利率為影響房價市場最大的因素。 Nanda and Yeh (2014) 針對亞洲六座城市 (台北、 東京、 首爾、 香港、 新加坡、 曼谷) 做房地產的實證研究, 結果顯示香港與新加坡房價會受貨幣供給、 利率及油價影響, 台北、 東京及曼谷房 價則是與經濟開放程度成正相關, 其中首爾、 香港與曼谷房價具有外溢效果, 會影 響鄰近城市房價。. 2.3 貨幣傳遞機制. 立. 政 治 大. ‧ 國. 學. Mishkin (2007) 提出在貨幣傳遞機制理論中有三個管道會影響實質經濟面, 分. 別是利率管道、 信用管道、 資產價格管道。 其中, 利率管道為傳統理論中最常被引 用的管道此一, 此管道指出在名目物價僵固假設下, 名目利率變動會造成實質利率. ‧. 同向變動, 進而影響實質經濟面; 或是利用中央銀行三種貨幣工具的 「宣示」 效果,. y. Nat. 改變投資人對未來利率的預期, 修正資產預期收益的貼現因子, 改變投資人的投資. sit. 組合, 進而影響資產的價格及需求; 此外, 短期利率上升, 也會促使房屋建造成本. er. io. 上升, 使房屋供給減少。 信用管道則是指當中央銀行貨幣政策改變造成銀行準備金. al. 的變動時, 影響了銀行能夠放款的額度與意願, 在廠商與投資者主要資金來源為銀. n. v i n Ch 行的假設下, 則中央銀行貨幣政策的改變會影響修費及投資行為。 資產價格管道則 U i e h n gTobin’s c q 效果影響投資與消費, 其中財 是當資產價格改變時, 透過財富效果以及. 富效果是根據 「恆常所得假說」(Permanent Income Hypothesis), 當資產價格發 生變化時會影響終身財富, 消費者將會重新配置當期支出, 進而影響其消費行為。 Tobin’s q 效果則是指當房價上漲, 房屋價值高於房屋重建成本, 生產利潤提高之. 後, 廠商對於房屋的投資意願也將升高; 相反的, 房價下跌則廠商對房屋投資意願 降低。. 11.

(12) 3 研究方法 3.1 GVAR模型設定 在 GVAR 模型中假設經濟體中有 i 個國家, 或是由多個國家所組成的地區 (如: 歐盟、 東協), i = 0, 1, 2, ..., N 。 其中 i = 0 的國家為 「參照國」(reference country), 為經濟體中最強勢的國家, 一般我們將它設定為美國。 模型中有兩類重. 要變數, 一類為 「國內變數」(country-specific variables), 指 i 國本身的經濟變數, 例如 i 國的經濟成長率或是 i 國的長期利率等, 另一類為 「國際變數」(foreignspecific variables), 這邊要特別注意的是國際變數與國內變數不同, 並不是選取外. 政 治 大. 國各國的經濟變數, 而是依據各國對本國貿易量或資本流通量的不同, 對各國的經. 立. 濟變數做加權後的結果。 在本文的研究議題下共有七個國內變數:. ‧ 國. 學. xit = (yit , pit , qit , eit , ρit , mit , hpit ),. ‧. yit = ln(GDPit /CP Iit , pit = ln(CP Iit ),. qit = ln(EQit /CP Iit ) , srit = 0.25 × ln(1 + SRit /100),. y. Nat. n. er. io. al. hpit = ln(HPit /CP Iit ). sit. eit = ln(Eit /CP Iit ) , lrit = 0.25 × ln(1 + LRit /100),. i n U. v. GDPit 為第 t 期第 i 國個名目國內生產毛額; SRit 為第 t 期第 i 國的名目短期. Ch. engchi. 利率 (以年率表示); CP Iit 為第 t 期第 i 國的消費者物價指數; LRit 為第 t 期第 i 國的名目長期利率 (以年率表示); EQit 為第 t 期第 i 國的名目股價指數; Eit 為. 第 t 期第 i 國以美元表示的名目匯率; HPit 為第 t 期第 i 國的名目房價指數。 我們亦設定了七個對應的國際變數: x∗it = (yit∗ , p∗it , qit∗ , e∗it , sr∗it , lrit∗ , hp∗it ), ∗ N yi∗ t = ΣN j=0 wij yjt , pit = Σj=0 wij pjt , ∗ N qit∗ = ΣN j=0 wij qjt , eit = Σj=0 wij ejt , ∗ N rit∗ = ΣN j=0 wij rjt , lrit = Σj=0 wij lrjt ,. hp∗it = ΣN j=0 wij hpjt 12.

(13) 其中 wij 為一個權重, 用來衡量 j 國與 i 國的貿易相依程度; wij 為 i 國和 j 國的貿易往來量佔 i 國總貿易量之比, ΣN j=0 wij = 1且wii = 0。 wij 可為一個移動 平均亦可為一個常數。 根據上述的 「國內變數」 及 「國外變數」 我們可以建立 GVAR 模型: xit = ai0 + ai1 t + Φi xi,t−1 + Λi0 x∗it + Λi1 x∗i,t−1 + εit ,. (1). εit ∼ iid(0, Σii ), Σii = cov(εilt , εist ),. 政 治 大 其中 x 為一個 k × 1 的矩陣, 表示 i 國共有 k 個總體變數, x 為一個 k × 1 立 的矩陣, 表示國際變數中共有 k 個總體變數。 依此類推, Φ 為 k × k 矩陣表示 i 模型中共有 T 期及 N + 1 個國家: t = 1, 2, ..., T, i = 0, 1, 2, ..., N 。 it. ∗ it. i. i. i. i. i. ‧ 國. 學. 國國內變數的落後期係數矩陣, Λi 為 ki × ki∗ 矩陣表示國際變數的落後期係數矩 陣, εit 為 i 國的誤差項, 我們假設 εit 存在弱相關, 以此表示各國的意外衝擊會有. ‧. 交互影響。. GVAR 模型和一般 VAR 模型的差異在於 Λi0 和 Λi1 兩個國際變數前的係數,. Nat. sit. y. 當 Λi0 和 Λi1 皆為零時, 整個模型就從 GVAR 轉換為我們熟悉的 VAR。 模型中. er. io. Λi0 和 Λi1 的存在為使我們可以探討國外的經濟衝擊發生時對國內經濟的影響。. 接著我們將根據第 (1) 式設定對 GVAR 模型求解。 我們將定義幾個新變數使. n. al. i n U. v. 模型簡化便於求解, 首先我們將 「國內變數」 以及 「國際變數」 結合成一個新變數 zit , 定義如下:. Ch. e n⎛g c ⎞h i. zit = ⎝. xit x∗it. ⎠,. zit 為一個 ki × ki∗ 矩陣。 將 zit 代入 (1) 式後我們得到: αi zit = ai0 + ai1 t + βi zi,t−1 + εit ,. 其中 αi =. . Iki −Λi0. . .  , βi =. Φi Λi1. , αi 和 βi 皆為 ki × (ki + ki∗ ) 矩. 陣。 接著我們定義另一個變數 xt , 使 xt 包含所有國家的所有國內變數:   xt = x0t x1t x2t · · · xN t 。. 13. (2).

(14) 我們為了將 zit 轉換為一般 VAR 模型中的 xt 變數, 我們加入一個連結矩陣 Wi , 此矩陣概念與貿易矩陣相同, Wi 裡面包含了 i 國對其他各國的貿易權重, 且 Wi. 需滿足: zit = Wi xt , i = 0, 1, 2, ..., N 。. 將上式代入 (2) 式後可以得到: αi Wi xt = ai0 + ai1 t + βi Wi xt−1 + εit ,. 在此我們分別再定義二個矩陣來簡化模型: ⎞ ⎛ ⎛ β0 W0 α 0 W0 ⎟ ⎜ ⎜ ⎜ βW ⎜ αW ⎟ ⎜ 1 1 ⎜ 1 1 ⎟ , D = S=⎜ ⎟ ⎜ . .. .. ⎟ ⎜ ⎜ . ⎠ ⎝ ⎝ αN WN βN WN. ⎞. 政 治 大 ⎟⎟ ⎟. ⎟, ⎟ ⎠. 學. ‧ 國. 立. (3). 將上式兩個矩陣代入 (3) 式可以得到:. ‧. Sxt = a0 + a1 t + Dxt−1 + εt ,. Nat. sit. y. 最後我們將 (4) 式同乘S −1 簡化後:. n. er. io. xt = S −1 a0 + S −1 a1 t + S −1 Dxt−1 + S −1 εt 。. al. i n U. 此時我們即可使用一般 VAR 模型解法來求解 (5) 式。. 3.2 GVAR模型擴充. Ch. (4). engchi. (5). v. 在了解基本 GVAR 模型後我們再導入有別於 「國內變數」 與 「國際變數」 的 全球共同外生變數 dt (common global exogenous variables), 用來代表此變數在 全球價格皆有相近的數值, 例如: 原油價格、 黃金價格。 加入共同外生變數後的模 型如下: xit = ai0 + ai1 t + Φi xi,t−1 + Λi0 x∗it + Λi1 x∗i,t−1 + Ψi0 dt + Ψi1 dt−1 + εit 。 (6). 由本小節我們可以看出, 在 GVAR 模型中, 外國的經濟衝擊會透過三條管道 影響本國經濟: 其一, 透過 xt 與 x∗it 的同期相關以及與 x∗i,t−1 的相關; 其二, 透過 全球共同外生變數 dt 的同期影響以及 dt−1 的落後項影響; 其三, 透過跨國之間外 生衝擊的影響, 即為 Σij = cov(εilt , εjst ) 的影響。 14.

(15) 3.3 GVAR 分析相關的檢定與模型 3.3.1 單根檢定 (Unit Root Test). 單根檢定是用來檢定時間序列資料使否為定態序列資料, 定態序列的變數面對 外生衝擊時, 在長期會回復到均衡穩定狀態。 而非定態 (non-stationary) 序列資 料受到外生衝擊時會造成變數持續且長期的變化, 即使衝擊消失, 變數仍然無法回 到長期均衡狀態。 此外, 非定態序列資料的變異數會隨著時間趨近無窮而趨近於無 限, 若我們對非定態資料使用一般迴歸分析, 則會產生虛假迴歸 (spurious regression) 的現象, 會使 t 分配與 F 分配過度拒絕虛無假設。 Dickey&Fuller 提出的單. 政 治 大 否具有單根, 若拒絕虛無假說, 則代表此時間序列資料無單根存在, 也就是說時間 立 序列資料為定態序列資料。 ADF 檢定可根據有無趨勢項 (trend) 及有無飄移項. 根檢定法為 ADF(Augmented Dickey Fuller test) 檢定法, 用以檢定時間序列是. ‧ 國. 學. (drift term) 分為三種形式, 本文會依照變數性質來做適當設定, 並以 Akaike Information Criterion(AIC) 或 Schwartz Vayesian Criterion(SBC) 來選擇 ADF. ‧. 檢定落後期數。. sit. y. Nat. 3.3.2 衝擊反應函數 (Impulse Response Function). 衝擊反應函數常被使用在 VAR 模型中, 用來分析一般模型中一變數受到其他. io. n. al. er. 變數所對應的外生衝擊時, 在時間過程中產生的動態反應。 一般所使用的衝擊反應. i n U. v. 函數為正交化衝擊反應函數 (Orthogonalized Impulse Response Function), 需. Ch. engchi. 先以 Cholesky 分解法確認變數間先後順序, 始可進行衝擊反應分析。 由於正交化 衝擊反應函數排序不同時常會影響到分析結果而造成分析偏誤, 因此 Pesaran 另 提出一般化衝擊反應函數, 其產生的結果不會因 VAR 模型內變數的排序而有所 改變, 並且經由 Dees, Mauro, Pesaran and Snith(2007) 實證研究顯示兩種衝擊 反應函數在所得實證結果相去不遠, 因此本文將以一般化衝擊反應函數進行實證 分析。 3.3.3 向量誤差修正模型 (Vector Error Correction Model). 處理時間序列資料時為了避免發生 「虛假迴歸」(spurious regression), 我們必 須先對資料進行單根檢定, 若資料具有單根 (非定態), 一般處理方法為進行一皆差 分或消除趨勢項, 此兩種方法雖然處理容易但會使資料喪失變數間的長期關係。 因. 15.

(16) 此,Granger(1986) 以及 Engel and Granger(1987) 提出了共整合理論 (Cointegration), 亦即若變數間存在共整合關係, 表示存在長期均衡關係, 則我們可以將. 長期均衡關係放入迴歸模型中即成為向量誤差修正模型。 當短期發生衝擊導致短 期失衡時, 可透過誤差修正模型將短期失衡狀態逐漸調整為長期均衡狀態, 藉此可 捕捉到變數間的長期均衡關係, Johansen(1988) 以及 Stock and Watson(1988) 繼而提出了最大概似估計法及兩種共整合檢定法: 最大特性根檢定 (maximum eigenvalue test) 以及軌跡檢定 (trace test), 使誤差修正模型更趨於完善。. 4 實證結果 4.1 資料說明. 政 治 大. 立. ‧ 國. 學. 本文納納入美國、 中國、 日本及台灣, 每個國家的七個變數, 包括實質產出、 物 價變動率、 短期利率、 長期利率、 實質匯率、 實質股價、 實質房價及一個國際外 生變數 石油價格。 礙於中國房地產景氣資料不足的緣故, 我們選取的資料期間. ‧. 為 1994Q1 − 2011Q2 , 資料頻率為季資料, 總共 70 筆資料。 使用的分析軟體為. y. Nat. Matlab 並且利用 Smith, L.V. and A. Galesi (2012) 所提出的 GVAR 工具. sit. (GVAR Toolbox 1.1) 進行分析。 台灣總體變數來自於台灣經濟新報 (TEJ), 國. er. io. 外總體變數資料大部分則來自於國際貨幣基金組織 (IMF) 所編製的國際財務統 計資料庫 (IFS), 缺少的資料以 Datastream 及 bloomberg 資料庫補足, [表1]為. n. al. Ch. 各國房價指數名稱與資料來源。. engchi. 表 1: 房價資料來源. i n U. v. 國家. 指數名稱. 資料來源. 台灣 美國 日本 中國. 信義房價指數 標準普爾凱斯席勒 10 大城市房價指數 日本房屋價格指數 全國房地產景氣指數. 政大信義不動產研究中心 台灣經濟新報 東京證券交易所 彭博資料庫. 在資料處理方面, 我們為了避免資產價格受到物價波動的影響, 對股票價格及 房地產價格皆除以 CPI , 取得實質的價格指數。 此外, 實質產出及房價指數我們 發現可能具有季節性趨勢, 因此將這兩個變數做季節性調整。4 最後我們對所有變 4. 本文使用 Eviews7.0 中 X12 季節性調整方法做處理。. 16.

(17) 數取自然對數, 藉此縮小變數間的級距使資料較為平滑,[表2]為變數的處理方式。 表 2: 變數處理方式. 變數名稱 實質產出 物價變動率 匯率 短期利率 長期利率 實質股價 實質房價 石油價格. 立. 變數代號. 處理方式. yit pit eit srit lrit qit hpit opit. ln(GDPit /CP Iit ) ln(CP Iit ) − ln(CP Iit−1 ) ln(Eit /CP Iit ) 0.25 × ln(1 + SRit /100) 0.25 × ln(1 + LRit /100) ln(Qit /CP Iit ) ln(HPit /CP Iit ) ln(OPit ). 政 治 大. ‧ 國. 學. 因為房價指數是我們主要探討的變數, 我們將會特別提出來討論, 以下分別探 討物價趨勢及名目房價指數趨勢後, 接著討論模型使用的實質房價指數趨勢。. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 2: 各國名目房價指數及 CPI 趨勢. 從 [圖2]我們可以看到美國物價上升的趨勢較為明顯及規律, 除了 2008 年金 融海嘯時有稍微下跌之外其餘皆為上升的趨勢; 中國則是在 1996-2003 有一段穩 定的區間, 2003 年之後的上漲趨勢也十分劇烈; 台灣的物價波動幅度相對較小, 但 17.

(18) 是短期的小幅上下震盪卻是最頻繁的, 日本則是四個國家中最為穩定的國家, 物價 始終維持在基期附近。 在名目房價的部分, 美國同樣為上漲趨勢最明顯的國家, 但 在 2007 年房地產泡沫之後有一段相當大的跌幅; 台灣則是從 2003 年之後開始大 幅上漲, 2008 年金融危機時仍然只有小幅修正; 中國的房地產市場則是相對平穩, 並沒有太明顯的漲跌幅; 日本從 1994 年後持續下跌, 至 2002 年才回穩並且持續 了一段平穩的趨勢。. 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. 圖 3: 實質房價指數趨勢. Ch. engchi. i n U. v. 從 [圖3]我們看到美國房地產市場 1994 年到 1998 年間房市處於一個持平的 狀態, 並沒有明顯的上升或下降,1998 年後房市開始進入主升段, 截至 2006 年最 高點共漲了 117% 平均每年漲幅高達 14.65% 。 2006 年後美國房市泡沫破裂, 一 路修正到了 2009 年才止住跌勢, 短短三年之間共跌掉了 36%, 到了 2011 年仍然 沒看到復甦的跡象。 至於台灣的房地產市場, 1994 年時台灣正處於房地產景氣衰 退期, 維持了將近十年的空頭走勢, 1998 年美國股房開始反轉向上時仍不見台灣 房市的起色, 直到 2001 年才出現起漲的趨勢, 並且在 2003 年正式開始了台灣房 市飛漲的主升段, 2003 年至 2011 年房價共漲了 90% , 並且持續上漲中。 最後我 們看到中國與日本的市場, 兩個市場都從 1994 年開始房價就一路向下, 但兩者下 跌的原因各有不同。 我們先看到中國的部分, 若觀察中國的名目房價可以發現並沒 有明顯的跌勢, 實質房價的下跌主要是來至於物價上漲而房價卻沒有相對的漲幅, 18.

(19) 而日本下跌的原因則是 90 年代經濟泡沫破裂, 使得名目房價大幅度的下跌, 1994 年到 2004 年十年之間房價下跌了 55% , 2004 年之後日本房價開始呈現一個持 平的局面。. 4.2 權重說明 在本文中我們使用貿易權重來建構 GVAR 模型中的國際變數, 貿易權重係指 使用兩國之間的進出口總額做為權重, 例如台灣第一大進出口貿易國為中國, 則中 國的各項總體變數占台灣的國際變數組成比例將會最高, 貿易權重有兩種計算方 式, 分別是固定權重 (fixed) 時間及變化權重 (time-varying), 我們將使用 2008. 政 治 大. 年至 2011 年這三年的貿易總額做加權平均。. 立. 我們看到 [表3]台灣的部分, 中國占台灣貿易比例 45.99% 位居第一, 其次是. ‧ 國. 學. 日本的 29.31% 以及美國的 24.71%, 由此可知台灣與中國貿易十分頻繁, 進出口 會受到中國景氣波動影響。 我們也可以看到, 中國同樣占美國及日本貿易比例的首 位, 分別是 62.86% 及 51.78%, 中國在我們模型占有十分重要的地位。. ‧. 表 3: 貿易權重. 日本. 台灣. 美國. y. 中國. sit. Nat. 國家. n. al. er. io. 中國 0 0.5178 0.4599 0.6286 日本 0.3563 0 0.2931 0.2894 台灣 0.1288 0.1199 0 0.0821 美國 0.5149 0.3623 0.2471 0. Ch. engchi. i n U. v. 4.3 GVAR模型分析 4.3.1 單根檢定. 我們對模型內四個國家的七個總體變數的水準值、 一階差分值及二階差分值進 行 ADF 單根檢定, 由於總體經濟變數大多是非定態資料, 所以我們使用帶有截距 項及時間趨勢的隨機漫步模型進行檢定。 首先我們看到實質產出的部分,[表5]檢定結果顯示中國、 美國及日本的水準值 皆具有單根, 而一皆差分值皆不具有單根, 表示此三國的實質產出為 I(1), 而台灣 的實質產出則為 I(0)。 四國的實質產出與實質匯率檢定結果則皆為 I(1), 在長短 期利率方面, 除了日本皆為 I(0) 之外, 其餘三國皆為 I(1), 因此我們利率部分採用 19.

(20) 水準值來做估計。 最後我們看到房價的部分, 中國及日本結果顯示為 I(1), 美國及 台灣的檢定為 I(2), 造成此結果的原因推測為美國房市在 2008 時產生房市泡沫, 使房價衝擊具有長期的影響, 台灣則是從 2003 年 SARS 風暴過後開始有段明顯 的漲幅, 使資料具有顯著的時間趨勢。 國際變數的部分, 我們由 [表7]可看出結果與 國內變數相當類似, 對於實質產出、 物價成長率、 股價指數、 長短期利率、 匯率、 實 質房價使用水準值。 4.3.2 共整合檢定. 在 VAR 模型中若變數間存在共整合關係, 則變數間會存在一個長期關係, 若. 政 治 大 了保留長期資訊將採用誤差修正模型來進行估計,[表8]為共整合檢定結果。 立. 直接使用一皆差分後的資料來消除時間趨勢會造成長期資訊遺失的問題, 我們為 我們接著選定誤差修正模型的落後期數, 若選擇期數太長會發生過度參數 (over. ‧ 國. 學. parameterization) 的問題, 選擇期數太短則會有無法完整配適模型的情況, 所以. 我們使用 AIC 來選擇落後期數, VARX(p, q) 代表不同的國內變數落後期數 (p). ‧. 以及不同國際變數落後期數 (q) 的 GVAR 模型, 由於 GVAR 模型限制問題, 我. y. Nat. 們對於落後期數設立了以下限制:. er. io. sit. pmax ≤ 2 , qmax ≤ pi − 1。. 經由 AIC 所選擇出來的落後期數如 [表9], 我們可以看到中國、 美國、 日本及. n. al. Ch. i n U. v. 台灣在國內變數皆為落後兩期, 國際變數則落後一期, 因此這四個國家的變數我們 皆使用 VARX(2,1) 來進行估計。. engchi. 4.3.3 弱外生檢定. 一般 VAR 模型假設變數皆為內生, GVAR 模型在國內變數方面也做了想同 的假設, 但 GVAR 模型比 VAR 模型多了一項國際變數, 因為國際變數是由多國 變數所合成, 國內變數對國際變數的影響理應相對微小, 因此 PSW(2004) 假設國 際變數具有弱外生性, 我們將採用相同的假設。 弱外生檢定的虛無假設為誤差修正 係數項為零, 若不拒絕虛無假說, 則表示此變數具有弱生性, 由 [表10]可看出模型 內之變數皆具有弱生外生性。. 20.

(21) 4.4 衝擊反應函數分析 4.4.1 美國實質房價下跌衝擊. 當美國實質房價產生一個負向標準差衝擊 (one standard error negative shock), 衝擊發生時美國實質房價當期下跌了 0.78% , 長期下跌了 4% 左右, 由 [表11]可 以看到台灣與日本在一年內均下跌了 0.7% 左右, 台灣在一年後回復平穩, 日本則 是有稍微拉回的趨勢, 特別的是中國實質房價不跌反漲, 三年內上漲了 1.6% , 我 們推測與中國物價下跌幅度較深有關, 房價下跌當期帶動四國物價上漲, 但是第二 季之後物價則急遽下跌, 並且存在著長期的通縮情況。 在實質產出方面, 我們可以. 政 治 大 第三季時才對實質產出有負向的影響, 各國下跌的趨勢皆維持了兩年左右才恢復 立 平穩, 顯示美國實質房價下跌對各國實質產出具有長期的影響。 至於短期利率的部. 看到四國的實質產出均受到 0.5% − 0.9% 的負向影響, 其中日本的反應速度較慢,. ‧ 國. 學. 分, 我們可以發現當實質房價下跌帶動實質產出下跌後, 美國利率率先下跌, 而中 日台三國則是在第三季之後才有明顯的利率下降趨勢, 其中日本降幅最小, 僅下跌. ‧. 了 0.013% 即回復平穩, 可能是日本原本就處於低利率環境的因素, 中國與美國的 降幅則最大, 皆有 0.07% 的降幅, 台灣則下修了 0.04% 左右。 接著看到實質房價. sit. y. Nat. 下跌對股票市場的影響, 美國股市下跌了 3% 之後在第五季逐漸回穩, 日本最多則 下跌了 3.36% , 之後開始逐漸拉回並回復平穩, 台灣則是在一年之後才從上漲反. io. n. al. er. 轉為下跌, 反應時間較長。. Ch. 4.4.2 美國實質產出下跌衝擊. engchi. i n U. v. 我們看到當美國實質產出產生一個標準差的負向衝擊, 衝擊發生時美國實質產 出當期下跌了 0.42% , 衝擊維持了兩年的時間, 由 [表12]看到中國的影響最小, 短 期僅下跌了 0.2% 長期則無顯著影響, 台灣的波動最大, 短期跌幅高達 0.8% 長期 也有 0.4% 左右的跌幅, 日本長期則是有 0.2% 的負向影響, 顯示中日台的實質產 出確實會受美國實質產出影響, 並且以台灣對美國的依賴程度最高, 所受的影響最 深、 日本次之, 中國在長期則是不受影響。 美國實質產出發生負向衝擊時, 美國利 率當期就下降了 0.01% , 長期則下跌了 0.02%, 由此可以看出美國利率市場對經 濟下跌時的反應速度相當快, 中國與台灣當期利率則無明顯降幅, 第一季過後才有 明顯降幅, 下跌幅度與美國相當約 0.02% 。 至於房價的部分, 我們可以看到美國實 質房價不跌反漲, 上漲趨勢維持了兩年將近達 1% 才轉趨穩定, 日本與美國結果相. 21.

(22) 似, 中國與台灣則只具有短期衝擊。 對照美國利率市場所受影響, 可以發現利率在 一年半左右回穩, 而房市則是在兩年之後回穩, 因此我們推測美國實行低利率貨幣 政策時, 購屋貸款成本降低進而刺激房市投資意願, 當利率不再下降時, 房市熱度 也逐漸趨緩。 台灣實質房價有 0.4% 的短期衝擊, 中國則有 0.3% 的短期衝擊, 美 國實質產出對中國及台灣房價皆不會有長期影響, 對日本則具有短期及長期的影 響。 4.4.3 台灣實質房價下跌衝擊. 我們看到台灣本國實質房價下跌時將對台灣總體經濟造成什麼衝擊, 因為台灣. 政 治 大 價衝擊對台灣本國內的總體經濟變數影響。 當台灣房價產生一個標準差的負向衝 立 佔中美日三國貿易比重不高, 對其他三國的影響較不顯著, 所以本節將專注探討房 擊, 也就是台灣實質房價當期下跌了 1.66% , 我們看到物價變動率當期會立即下. ‧ 國. 學. 跌 0.1% , 之後在正負之間開始震盪收斂, 於一年之後波動逐漸消逝, 由此可知台 灣房價短期下跌在短期內會使物價下跌, 但物價的回穩的速度相當迅速, 利率市場. ‧. 方面反應則與物價相當類似, 衝擊發生當期利率立即反跌了 0.03% , 接著開始逐. y. Nat. 漸回升, 長期下跌 0.01%左右, 但是在股票市場則與房價呈現反向連動, 當期上漲. sit. 了將近 1% 並持續上漲, 在第五季時漲幅高達 15% , 推測可能為房地產市場下跌,. er. io. 使市場資金流向股市的緣故, 最後看到實質產出市場, 在半年之內實質產出不降反 升, 但之後反向急遽下跌, 跌幅最深高達 −0.3% , 在一年半之後開始回復穩定, 會. n. al. Ch. i n U. v. 造成實質產出正負波動的原因, 我們推測是因為短期物價下跌的幅度大於名目產. engchi. 出下跌的幅度, 進而造成實質產出不降反升的現象, 但當物價回穩之後產出下跌的 情況也漸漸浮現。 4.4.4 美國實質房價衝擊的 VECM 模型比較. 根據實質房價資料, 我們也針對四國的實質房價變數做一般 VECM 模型估計, 藉以比較 GVAR 模型與 VECM 模型相異之處。 GVAR 模型的優點在於使用權 重將外國經濟變數做結合, 所以較 VECM 模型能納入較多的經濟變數, GVAR 模 型能夠包含四國共 26 個變數, VECM 模型則只能包含四國的實質房價變數共 4 個變數。 由 [圖15]可以看到當美國實質房價發生一個標準差的正向衝擊, VECM 模型的美國房價只維持了四年的正向衝擊, 而 GVAR 模型則是具有恆久性的影 響, 在外國的部分, 日本的反應大致上相同, 中國在反應趨勢上則有明顯的不同, 22.

(23) VECM 模型在短期會有正向影響, 直到第十季時才轉為負向影響, GVAR 模型則. 從第一季即為負向影響, 台灣則是在反應幅度上有顯著的不同, GVAR 模型的反 應較為緩和, 我們推測是 GVAR 模型在跨國的連動中考慮因子較多, 包括利率、 物價及股價等, 房價會受到其他變數的間接影響, 以致反應幅度會與 VECM 模型 不同。 4.4.5 不同權重考量. 我們考慮到近年來國際游資在全球金融市場上尋找投資標的, 房地產市場一直 是國際炒家的標的之一, 也就是說房地產市場可能藉由金融投資來連結各國市場。. 政 治 大 分別估計美國實質房地產市場的負向反應衝擊函數, 比較原權重與假設權重的衝 立. 為了驗證不同權重是否會顯著影響 GVAR 估計結果, 我們假設了一組新的權重, 擊反應函數相異之處。 由 [表4]可以發現相較於原本 [表3]中的貿易權重中國佔了. ‧ 國. 學. 較大的權重, 在假設的權重中我們給予美國較高的權重, 做此假設的原因為美國資 本流動在全球占了相當重要的地位, 並藉此與原權重做差異性的區隔。. ‧. 表 4: 假設權重. n. al. 0.00 0.30 0.10 0.60. Ch. 0.30 0.00 0.10 0.60. 0.20 0.20 0.00 0.60. engchi. 0.60 0.30 0.10 0.00. y. sit. io. 中國 日本 台灣 美國. er. Nat. 國家 中國 日本 台灣 美國. i n U. v. 由 [圖16]顯示除了日本之外, 美國、 中國及台灣的衝擊反應趨勢大致上相同, 只 在衝擊反應程度上有些微的差異。 由於 Cesa-Bianchi (2012) 指出美國房市需求 會透過財富效果影響美國實質產出以及物價, 進而影響到外國的實質經濟面以及 房地產市場, 因此我們仍比照 Cesa-Bianchi (2012) 及 Nils and Robert (2009) 使用貿易權重來探討房地產市場的外溢效果。. 23.

(24) 5 結論 台灣在 2004 年之後房屋價格不斷上漲, 因此近年對於台灣房地產市場的研究 也日益增加, 然而研究多是針對國內經濟情況做研究分析, 對於房地產市場跨國連 動的研究並不多。 我們考慮到在全球化的趨勢之下, 跨國之間的經濟活動已經成為 常態, 由 2007 年美國房市泡沫即可看出房市的影響不再是侷限於國內, 而是會外 溢於國際之間。 因此, 本文採用 Pesaran, Schuermann and Weiner (2004) 提出的 全球化向量自我迴歸模型對房地產市場進行分析。 我們採用 1994Q1 至 2011Q2 的資料, 針對美國、 中國、 日本及台灣四個國家的七個總體變數以及一個全球共同. 政 治 大 實證結果發現美國房市下跌當期對經濟並沒有立即的影響, 總體經濟變數會隨 立 著時間逐步下跌或上漲, 並且對大多數的經濟變數產生長期影響。 四國在實質產出. 變數, 使用衝擊反應函數衡量四個國家總體經濟變數與房市之間的跨國連動關係。. ‧ 國. 學. 方面平均有 0.5% − 0.9% 的負向影響, 台灣與日本房地產市場則下跌了 0.7% , 物價受到需求的減少影響, 在第二季後通貨緊縮的現象, 政府祭出刺激經濟政策之. ‧. 後, 可以看到股票市場會率先反應在第四季時即穩住跌勢, 實質產出及房地產市場 則需一年半到兩年的時間才會恢復平穩。 令我們較為意外的結果是當美國實質產. Nat. sit. y. 出下跌時, 美國及日本實質房價會上漲 1% 中國則有 0.3% 的漲幅, 我們推測是當. io. 景氣衰退時, 政府會採取寬鬆貨幣政策, 使購屋貸款成本降低進而刺激房市投資意. n. al. er. 願, 從實證結果上也可看出當實質產出下跌時, 各國皆會調降利率因應, 另外中國. i n U. v. 實質產出下降時與美國具有相似的結果, 日本實質產出下降對房地產市場則無顯. Ch. engchi. 著影響。 在國內的方面, 當台灣實質房價下跌時, 物價與利率的反應較為迅速, 在 衝擊發生當期就會產生下跌的情況, 實質產出的反應則較慢, 約在半年後才會產生 大幅下跌的現象, 並且會存在長期的衝擊。 另外股票市場會與房市反向連動, 我們 推測是資金撤出房市而流向股票市場的原因。 根據我們的實證結果, 我們可知跨國 之間的房地產市場雖然沒有直接的連動關係, 但是會透過不同管道間接影響他國 的經濟市場, 其一是經由財富效果傳導至實質經濟面, 造成消費需求上的衝擊, 進 而影響兩國的貿易平衡, 另一方面則可能會影響各國央行的貨幣政策, 透過金融管 道對跨國間的投資產生影響。. 24.

(25) 參考文獻 吳中書與陳建福 (2010). 「台灣信用管道之探討」, 台灣經濟預測與政策 , 41 卷 8 期, 頁 121-153。 張金鶚與朱芳妮 (2007). 「大陸與台灣房地產市場之經驗與借鏡: 政府介入 VS. 市場機制」, 中國房地產研究 , (2007)3, 頁 78-87。 張金鶚、 陳明吉、 鄧筱蓉與楊智元 (2009). 「台北市房價泡沫知多少?- 房價 VS. 租金、 房價 VS. 所得」, 住宅學報 , 18 卷 8 期, 頁 1-22。. 政 治 大 都市與計畫 , 39 卷 4 期, 頁 349-373。 立. 陳佳甫、 張金鶚與謝博明 (2012). 「知人知面不知心: 購屋者房價預期之分析」,. ‧ 國. 應用」, 經濟論文 , 40 卷 3 期, 頁 343-375。. 學. 陳淑玲、 黃朝熙與黃裕烈 (2012) 「台灣與世界各國的貿易關聯 GVAR 模型之. ‧. 張誌文 (2011). 「影響房地產價格之總體經濟因素分析」, 國立台灣大學經濟所 在職專班碩士論文 。. y. Nat. sit. Beaton, K. and Desroches, B. (2011). Financial Spillovers Across Councussion Paper 。. er. io. tries:The Case of Canada and the United States, Bank of China Dis-. al. n. v i n C h Cycles and Macroeconomic Cesa-Bianchi, A. (2012). Housing Fluctuations: engchi U A Global Perspective, Inter-American Development Bank working paper, 2012-343。 Dees, S., Holly, S., Pesaran, M. and Smith, L. (2007). Long Run Macroeconomic Relations in the Global Economy, Economics -The Open-Acccess, Open-Assessment E-Journal, 2007-3。 Galesi, A. and Sgherri, S. (2009). Regional Financial Spillovers Across Europe: A Global VAR Analysis, International Monetary Fund Working Paper 。 Holinski, N. and Vermeulen, R. (2012). The International Wealth Effect: A Global Error-Correcting Analysis, Empirical Economics, 43, 985-1010。 25.

(26) Hiebert, P. and Vansteenkiste, I. (2007). International Trade, Technological Shocks and Spillovers in the Labour Market: A GVAR Analysis of the US Manufacturing Sector, Applied Economics, Taylor and Francis Journals, 42(24), 3045-3066。 Mishkin, F. (2007). Housing and the Monetary Transmission Mechanism, Finance and Economics Discussion Series Divisions of Research and Statistics and Monetary Affairs Federal Reserve Board, Washington, D.C.。. 政 治 大. Mints, V. (2007). The Mortgage Rate and Housing Bubbles, Housing Finance International, 21, 34。. 立. Nanda, A. and Yeh, J.H. (2014). International Transmission Mechanisms. ‧ 國. 學. and Contagion in Housing Markets, Social Science Research Network working paper 。. ‧. Pesaran, M. and Schuermann, T. and Weiner, S. (2004). Modeling Regional. y. Nat. Interdependencies Using a Global Error-Correcting Macroeconometric. er. io. sit. Model, Journal of Business and Economic Statistics, 22:2, 129-162。 Vansteenkiste, I. and Hiebert, P. (2011). Do House Price Developments. n. al. i n U. v. Spillover Across Euro Area Countries Evidence from a Global VAR,. Ch. engchi. Journal of Housing Economics, 20, 299-314。. 26.

(27) A 附表 表 5: 單跟檢定-國內. 臨界值 中國. -1.3882 -2.0001 -2.9628* -4.3476* -7.5229* -8.9728* -4.7387* -4.9773* -4.3331* -9.9202* -7.0002* -7.0018* -2.5618 -5.4005* -9.3543* -0.7321 -1.9845 -4.1291* -3.8847* -5.2208* -6.8538* -1.2639 -5.9881* -4.7722* -5.1037* -7.2708* -9.5094* -4.5590* -6.1998* -7.6573* -3.1336 -2.4449 -3.8312* -4.4711* -7.8232* -5.9534*. io. n. -5.5649* -4.2989* -5.4472* -5.8476* -6.7877* -8.9128* -1.0042 -6.1048* -6.3507* -1.1448 -4.9346* -7.3233* -2.1837 -3.4486* -10.2486* -2.4834 -6.1504* -6.5119* -1.3797 -2.2551 -8.6575*. -0.9644 -3.5849* -7.5817* -3.4609* -6.5642* -8.9331* -2.4740 -4.4006* -8.2826*. 政 治 大. Ch. engchi. y. -3.4643 -3.9002* -8.0912* -2.9048 -5.6642* -6.7437* -1.7380 -2.3184 -3.9654*. sit. Nat. al. 美國. ‧. ‧ 國. 立. 台灣. 學. y -3.45 Dy -2.89 DDy -2.89 p -3.45 Dp -2.89 DDp -2.89 eq -3.45 Deq -2.89 DDeq -2.89 ep -3.45 Dep -2.89 DDep -2.89 r -3.45 Dr -2.89 DDr -2.89 lr -3.45 Dlr -2.89 DDlr -2.89 Hp -3.45 DHp -2.89 DDHp -2.89. 日本. er. 變數. i n U. v. H0 : 具有單根 (非定態),*代表在信心水準95%下檢定結果顯著. 27.

(28) 表 7: 單跟檢定-國際. 臨界值 中國. n. engchi. y. sit. ‧ 國. io. Ch. -4.3535* -5.3581* -6.7886* -1.2109 -6.1095* -6.4459* -0.6855 -3.9773* -5.8092* -1.9945 -4.3268* -7.1254* -2.6137* -5.9711* -6.8796* -1.8678 -2.6496* -6.1562*. -1.5188 -3.2684* -11.4922* -4.3929* -4.5383* -4.9254* -4.5999* -7.7598* -8.1466* -2.4702 -1.0934 -5.1101* -5.9307* -9.1989* -5.3497* -1.1331 -1.0087 -3.4446* -3.4271* -11.6668* -10.1896* -1.4216 -1.3615 -4.4939* -4.7229* -9.4071* -6.5734* -4.2571* -3.8352* -5.6419* -6.2422* -7.4658* -7.3225* -3.0933 -4.7973* -3.3138* -3.8451* -7.1932* -7.6014*. ‧. Nat. al. 美國. -2.0988 -1.7640 治 -3.1175* 政 -3.4510* 大 -14.6281* -9.6199*. -2.8834 -4.3335* -4.3089* -5.1198* -6.8409* -8.6905* -1.4355 -5.8503* -8.5434* -1.7195 -3.9003* -6.4218* -3.0428 -3.9487* -4.3254* -2.9822* -5.8961* -7.0821* -2.5701 -3.3785* -5.5545*. 立. 台灣. 學. ys -3.45 Dys -2.89 DDy -2.89 ps -3.45 Dps -2.89 DDp -2.89 eqs -3.45 Deqs -2.89 DDeq -2.89 eps -3.45 Deps -2.89 DDep -2.89 rs -3.45 Drs -2.89 DDr -2.89 lrs -3.45 Dlrs -2.89 DDlr -2.89 Hps -3.45 DHps -2.89 DDHp -2.89. 日本. er. 變數. i n U. v. H0 : 具有單根 (非定態),*代表在信心水準95%下檢定結果顯著. 28.

(29) 表 8: 共整合檢定. 國家. 中國 日本 台灣 美國. 共整合個數. 2. 2. 2. 2. 表 9: 最適落後期數選取. (p,q). 中國. 日本. 台灣. 美國. (1,1) (2,1). 1283.8700 1295.2551*. 1841.7676 1863.3451*. 1361.7948 1367.4206*. 1669.7388 1701.4665*. 政 治 大. *代表 AIC 所選擇之落後期數。. 立. 表 10: 弱外生檢定. ‧ 國. 學. 實質產出 物價變動率 實值股價 短期利率 長期利率 實質物價 原油價格 0.2838 1.1341 0.5984. 2.3665 0.4714 0.2495. 0.0277 1.6345. y. 1.5495 0.8815 3.8200 0.1451. ‧. 0.4701 0.3227 0.0037 1.1892. Nat. 中國 日本 台灣 美國. n. er. io. al. sit. H0 : 變數具有弱外生性,95%信心水準臨界值=3.21。. Ch. engchi. 29. i n U. v. 0.1505 0.2955 0.9892 0.6244. 0.1637 0.9327 1.4902.

(30) -0.0724% 0.0211% -0.1604% 0.0154% 0.2389%. 0.0922% 0.0293% 0.4441% 0.4454% -0.0003% -0.0035% -0.0545%. -0.2748% 0.1464% 4.7972% -0.0777% -0.0073% 0.0086% 0.0774%. -0.0077% 0.2709% 0.7320% 0.0006% 0.0070% -0.7803%. 實質產出 物價變動率 實質股價 實質匯率 短期利率 長期利率 實質房價. 實質產出 物價變動率 實質股價 實質匯率 短期利率 長期利率 實質房價. 實質產出 物價變動率 實質股價 短期利率 長期利率 實質房價. 0. 實質產出 物價變動率 實質匯率 短期利率 實質房價. 反應時間 (季). 30. 2. 3. 中國反應 -0.2733% -0.4539% -0.1065% -0.1804% -0.2683% -0.1211% -0.0128% -0.0275% 0.3717% 0.3417% 日本反應 0.0157% -0.1298% 0.0153% -0.0286% -1.7362% -3.1463% 0.2100% 0.5070% -0.0059% -0.0105% -0.0118% -0.0123% -0.4708% -0.6262% 台灣反應 -0.0250% -0.3810% 0.0727% 0.0007% 2.7249% 2.4406% -0.0462% 0.1994% -0.0028% -0.0080% -0.0061% -0.0123% -0.3146% -0.6219% 美國反應 -0.1147% -0.2400% -0.0305% -0.0812% -1.2103% -2.0995% -0.0263% -0.0467% -0.0045% -0.0091% -2.1193% -2.7811%. engchi. er. i n U. -0.0416% 0.0282% 0.0985% -0.0150% 0.0081% -1.3930%. -0.1893% 0.1235% 5.4647% -0.3054% 0.0011% 0.0017% -0.1470%. 0.1032% 0.0450% -0.1193% 0.6545% -0.0012% -0.0028% -0.3158%. -0.1571% -0.0282% -0.2631% -0.0021% 0.3801%. 1. n. Ch. sit. y. -0.9215% -0.0934% -1.3819% 1.1592% -0.0333% -0.0025% -0.7000%. -0.3465% -0.5801% -0.6298% -0.6356% -0.0818% -0.0501% -0.0494% -0.0563% -2.5666% -3.0452% -3.1221% -3.4561% -0.0623% -0.0672% -0.0731% -0.0827% -0.0073% 0.0113% 0.0158% 0.0176% -3.3102% -4.1903% -4.3535% -4.3577%. -0.7709% -0.8772% -0.0664% -0.0855% 2.5921% 0.9555% 0.5428% 1.0347% -0.0204% -0.0328% -0.0115% -0.0016% -0.7376% -0.7313%. -0.8670% -0.1050% -3.4895% 1.3466% -0.0397% -0.0019% -0.7298%. -0.2551% -0.3483% -0.3323% -0.3162% -0.0324% -0.0379% -0.0410% -0.0423% -3.3600% -2.6655% -2.4863% -2.5234% 0.7642% 1.1021% 1.0272% 1.0667% -0.0124% -0.0131% -0.0120% -0.0117% -0.0107% -0.0023% 0.0000% 0.0013% -0.7244% -0.5799% -0.4879% -0.3491%. ‧ 國. -1.0394% -0.1069% 0.8365% -0.0903% 1.9082%. -0.6175% -0.9341% -0.9817% -0.2050% -0.1400% -0.1110% 0.0531% 0.4218% 0.5810% -0.0434% -0.0690% -0.0773% 0.4552% 1.2770% 1.6628%. 8. 20. 4. 12. ‧. Nat. al. 學. io. 表 11: 美國實質房價負向衝擊. 立. 政 治 大. v.

(31) -0.0992% -0.0345% 0.0984% -0.0091% -0.1105%. -0.0192% -0.0270% -2.6669% -0.2666% -0.0014% -0.0055% 0.1206%. 0.0614% 0.0548% -21.9177% 0.1571% -0.0030% -0.0289% -0.1567%. -0.4283% -0.1125% -3.0210% -0.0114% -0.0082% 0.0224%. 實質產出 物價變動率 實質匯率 短期利率 實質房價. 實質產出 物價變動率 實質股價 實質匯率 短期利率 長期利率 實質房價. 實質產出 物價變動率 實質股價 實質匯率 短期利率 長期利率 實質房價. 實質產出 物價變動率 實質股價 短期利率 長期利率 實質房價. -0.3338% -0.0607% -4.4965% -0.0609% -0.0054% -0.0076% 0.3034%. Ch. 31. er. -0.7564% -0.1648% -21.0466% 1.0879% -0.0409% -0.0268% -0.3890%. engchi i n U. -0.5975% -0.0984% -4.6060% -0.0367% -0.0318% 0.1374%. v. -0.5011% -0.2581% -4.8863% -0.0287% -0.0285% 0.1206%. 2 -0.1692% -0.0908% 0.6255% -0.0286% -0.1284%. al. -0.3131% -0.1708% -21.8525% 0.6710% -0.0183% -0.0333% -0.4248%. -0.2046% -0.0873% -4.5799% -0.0249% -0.0040% -0.0050% 0.0965%. -0.1599% -0.1131% 0.3587% -0.0299% -0.2164%. 1. 4. 8. 12. 20. sit y. ‧ 國. 中國反應 -0.2017% -0.1409% -0.0150% -0.0243% 0.0028% -0.0346% 0.0502% 0.0550% 0.0721% 0.0693% 0.7576% 0.8121% 0.8697% 0.8525% 0.9234% -0.0275% -0.0218% -0.0097% -0.0076% -0.0083% 0.0258% 0.2280% 0.3306% 0.3016% 0.2702% 日本反應 -0.3346% -0.2311% -0.1687% -0.1698% -0.1823% -0.0486% -0.0288% -0.0341% -0.0381% -0.0407% -3.2212% -2.2149% -2.8370% -2.8434% -2.9387% 0.2352% 0.1097% -0.1988% -0.2364% -0.2369% -0.0021% 0.0010% 0.0042% 0.0056% 0.0057% -0.0007% -0.0003% -0.0009% -0.0016% -0.0014% 0.3875% 0.6723% 1.0136% 1.0308% 1.0826% 台灣反應 -0.8764% -0.5087% -0.3581% -0.3558% -0.4003% -0.1138% -0.0933% -0.0663% -0.0475% -0.0519% -20.2749% -21.6804% -22.6727% -23.6742% -24.1050% 0.8799% 0.9157% 0.8282% 0.7919% 0.7424% -0.0334% -0.0354% -0.0288% -0.0292% -0.0284% -0.0258% -0.0177% -0.0205% -0.0202% -0.0203% -0.3189% -0.0876% 0.1163% 0.0684% 0.0543% 美國反應 -0.6107% -0.6068% -0.5021% -0.4873% -0.4738% -0.0669% -0.0389% -0.0533% -0.0481% -0.0459% -4.1700% -4.0597% -4.0974% -4.0037% -3.9529% -0.0343% -0.0288% -0.0208% -0.0252% -0.0248% -0.0190% -0.0137% -0.0189% -0.0187% -0.0196% 0.2881% 0.5129% 0.9705% 0.9192% 0.9503%. 3. ‧. n. 0. 學. io. 反應時間 (季). Nat. 表 12: 美國實質產出負向衝擊. 立. 政 治 大.

(32) -0.0032% -0.0099% -0.0141% -0.0181% 0.0326% -0.0120% -0.2382% 0.6896% 0.2879% 0.0633% 0.2942% 0.0440% -0.0010% 0.0008% 0.0011% 0.0015% 0.0043% 0.0043% 0.0277% 0.0362% 0.0975%. 0.0419% -0.0974% 0.9924% 0.2286% -0.0269% 0.0084% -1.6582%. 0.0265% -0.0221% 0.3196% -0.0005% -0.0031% 0.0404%. 實質產出 物價變動率 實質股價 實質匯率 短期利率 長期利率 實質房價. 實質產出 物價變動率 實質股價 實質匯率 短期利率 長期利率 實質房價. 實質產出 物價變動率 實質股價 短期利率 長期利率 實質房價. -0.0833% -0.0794% 0.0603% 0.0478% -0.0239% -0.0547% 0.0070% -0.0029% 0.2039% 0.3740%. -0.0228% 0.0229% 0.0431% 0.0014% 0.0848%. 2. n. 實質產出 物價變動率 實質匯率 短期利率 實質房價. 1. Ch. engchi. 32. i n U. 0.0558% 0.0022% 0.4381% 0.0031% 0.0016% 0.1080%. v. 0.0312% 0.0341% 0.6056% 0.0042% 0.0032% 0.0627%. er. al. 0.5603% 0.3095% 0.0626% -0.0448% 8.1712% 9.8232% 0.6270% 0.6641% 0.0026% -0.0080% 0.0120% 0.0082% -1.8811% -2.1734%. 4. 8. 12. 20. sit. y. ‧ 國. 中國反應 -0.1012% -0.0470% -0.0313% -0.0596% -0.0510% 0.0203% -0.0005% 0.0526% 0.0550% 0.0612% -0.0237% 0.0348% 0.1082% 0.1439% 0.1459% -0.0055% -0.0071% -0.0010% -0.0018% -0.0010% 0.4443% 0.4511% 0.6003% 0.5742% 0.5619% 日本反應 -0.0572% -0.0812% -0.0496% -0.0504% -0.0316% -0.0278% -0.0117% -0.0098% -0.0118% -0.0121% -0.2812% -0.1578% 0.1860% 0.1453% 0.2034% 0.2126% 0.2546% 0.2744% 0.3028% 0.2648% 0.0002% 0.0002% 0.0004% 0.0006% 0.0009% 0.0027% 0.0023% 0.0029% 0.0031% 0.0032% 0.0089% -0.0511% -0.0181% -0.0199% 0.0183% 台灣反應 -0.4700% -0.3016% -0.2356% -0.2367% -0.2139% 0.0019% -0.0050% -0.0024% 0.0012% 0.0030% 13.4739% 16.4339% 15.6917% 14.0107% 13.7733% 0.7361% 0.7740% 0.7912% 0.7799% 0.7760% -0.0076% -0.0121% -0.0116% -0.0121% -0.0113% 0.0017% -0.0001% 0.0018% 0.0018% 0.0021% -2.5360% -2.6060% -2.4173% -2.4132% -2.4067% 美國反應 0.0368% 0.0449% 0.0495% 0.0430% 0.0460% -0.0025% 0.0004% 0.0091% 0.0061% 0.0095% 0.4257% 0.3862% 0.4512% 0.3648% 0.3321% 0.0050% 0.0040% 0.0014% -0.0009% 0.0018% 0.0007% 0.0010% 0.0021% 0.0020% 0.0012% 0.1028% 0.1425% 0.2536% 0.2914% 0.4134%. 3. ‧. 0. 學. Nat. 反應時間 (季). io. 表 13: 台灣實質產出負向衝擊. 立. 政 治 大.

(33) B 附圖 圖 4: 美國實質房價負向衝擊(1/5). ᷕ⚳. ⮎岒㇧₡. 㖍㛔. 0.05. 0.07. 0.04. 0.06. 0.03. 0.05. 0.02. 0.04. 0.01. 0.03. 0. -0.02. 0.01. -0.03. 0. -0.04. -0.01 8. 12. 16. 32. 36. -0.05. 40. 0. 4. 8. 12. 16. 20. 24. 28. 32. 36. 40. ⮎岒㇧₡. 0. -0.04. -0.06 -0.08 -0.1. 16. -0.12 -0.14 20. 24. io. 32. 36. 0. 40. ᷕ⚳. n. al. 28. Ch 1.2 0.002 0.001 1 0.8. 0. 4. 8. 䈑₡嬲≽䌯. i n U. engchi. -0.001 0.6 -0.002 0.4 -0.003. 0.2 -0.004 -0.005 0 00. 44. 88. 12 12. 16 16. 20 20. 33. 24 24. 12. 16. 20. 24. er. 0. 12. -0.02. Nat. -0.03. 8. 伶⚳. -0.02 -0.025. 4. ‧. -0.01 -0.015. 28. ⮎岒㇧₡. ‧ 國. 0 -0.005. 24. 學. ⎘䀋. 立 20. y. 4. 28 28. 32 32. 36. 40. 28. sit. 0. 0.01. 政 治 大 -0.01. 0.02. 0.005. ⮎岒㇧₡. v. 32. 36. 40.

(34) 圖 5: 美國實質房價負向衝擊(2/5). 㖍㛔. 䈑₡嬲≽䌯. ⎘䀋. 1.2 0.002. 1.2 0.004. 政 治 大. 0.0015 1 0.001. 0.003 1 0.002. 0.0005 0.8 0. 0.8 0.001. 立. 0.6 -0.0005 -0.001 0.4 -0.0015. -0.002 0.2 -0.0025. 0.6 0. -0.001 0.4 -0.002 0.2 -0.003. -0.003 0. -0.004 0 16 16. 伶⚳. 28 28. 32 32. 36 36. 40 40. 0. 0.4 -0.001. -0.003 0 4. 8. 12. 16. 㖍㛔. 20. 1 0.0003 1. 16. 0.6 0.4 0 -0.0001 0.4 0.2. -0.0002 0 0.2 -0.0003. al. 20. 24. 28. 32. 36. 0 -0.0004. 40. Ch. 0 0. 4 4. 8 8. 攟㛇⇑䌯. 1.2 1.2 0.0006 1 1 0.0004 0.8. 0.6 0.8 0.0002 0.4. 0.6 0. 0.2 0.4 -0.0002 0 1. 0.2 -0.0004 0 -0.0006 0 0. 4 4. 12 12. n U engchi ⎘䀋. 8 8. 12 12. 16 16. 34. 20 20. 24 24. 28 28. 32 32. 24. 28. 32. 36. 40. 36 36. 40 40. 攟㛇⇑䌯. 0.8 0.0002 0.8 0.0001 0.6. n. 0. 12. 1.2 1.2 0.0004. io. 0.2 -0.002. 8. y. 0.001 0.6 0. 4. 䈑₡嬲≽䌯. Nat. 0.002 0.8. 24 24. ‧. 0.003 1. 20 20. sit. 12 12. er. 88. ‧ 國. 44. 學. 00. 0.004 1.2. 䈑₡嬲≽䌯. 36 36. 40 40. iv 16 16. 20 20. 24 24. 1. 28 28. 32 32.

(35) 圖 6: 美國實質房價負向衝擊(3/5). 伶⚳. 攟㛇⇑䌯. ᷕ⚳. 1.2 1.2 0.001. 1.2 1.2 1.2 0.0005 1 1 1 0 0.8 0.8. 政 治 大. 1 0.0008 1 0.8 0.0006 0.8 0.6 0.0004. 0.8 -0.0005 0.6 0.6. 立. 0.0002 0.6 0.4 0.2 0 0.4 -0.0002 0 0.2 -0.0004. 0.6 0.4 0.4 -0.001. 0.2 0.2 0.4 -0.0015 00 0.2 -0.002. 1. -0.0006 0 16. 㖍㛔. 32. 36. 40. 0.6 -0.0002 0.4 -0.0003. 44. 88. 12 12. 8 8. 12 12. 16 16. ⎘䀋. 20 20. 1.2 1.2 0.0004. 16 16. 0.8 0.6 -0.0002. -0.0004 0.6 0.4 -0.0006 0.2 0.4 -0.0008 0 0.2 -0.001. al. 20 20. 24 24. 28 28. 32 32. 36 36. Ch. 0. 4. 8. 䞕㛇⇑䌯. 1.2 0.0005 1.2. 1 1 0. 0.8 -0.0005 0.8 0.6. 0.4 -0.001 0.6 0.2 -0.0015 0.4 0 -0.002 0.2. 1. -0.0025 0 0. 4. 12. n U engchi 伶⚳. 8. 12. 16. 35. 20. 24. 28. 32. 28 28. 32 32. 36 36. 40 40. 36. 40. 1. -0.0012 0. 40 40. 24 24. 䞕㛇⇑䌯. 1 0.0002 1 0.8 0. n. 00. 4 4. 䞕㛇⇑䌯. io. 0.2 -0.0004. 0 0. y. -0.0001. -0.0005 0. 28. Nat. 0 0.8. 24. ‧. 0.0001 1. 20. sit. 12. 11. er. 8. ‧ 國. 4. 0 -0.0025. 學. 0. 0.0002 1.2. 䞕㛇⇑䌯. 36. 40. iv 16. 20. 24. 28. 32.

(36) 圖 7: 美國實質房價負向衝擊(4/5). 㖍㛔. ⮎岒偉₡. ⎘䀋. 1.2 0.04. 1.2 0.3. 政 治 大 0.2 1. 0.02 1. 0.1. 0 0.8 -0.02. 0.8 0. 立. 0.6 -0.04 -0.06 0.4. -0.08 0.2 -0.1 16 16. 伶⚳. 0.02 1. 28 28. 32 32. 36 36. 0 -0.5. 40 40. 0.8 -0.02. -0.04 0.6 -0.06 0.4 -0.08. 4. 8. 12. 8. 12. 16. ᷕ⚳. 20. 1 0.04 1. 16. 0.6 0.4 0.01 0 0.2 0.4. -0.01 0 0.2 -0.02. al. 20. 24. 28. 32. 36. Ch. 0 -0.03. 40. 4 4. 8 8. ⮎岒⋗䌯. 1.2 0.061.2 1 0.05 1 0.04 0.8 0.03 0.8 0.6 0.02 0.01 0.4 0.6 0 0.2 -0.01 0.4 -0.020. 1. -0.030.2 -0.04. -0.05 0 00. 44. 88. 1212. 1616. 2020. 36. 24 24. 28 28. 32 32. 28. 32. 36. 40. 36 36. 40 40. 1. 0 0. 12 12. n U engchi 㖍㛔. 24. ⮎岒⋗䌯. 0.8 0.03 0.8 0.6 0.02. n. 0. 4. 1.2 1.2 0.05. io. 0.2 -0.1 -0.12 0. 0. ⮎岒偉₡. Nat. 0. 24 24. ‧. 1.2 0.04. 20 20. 0.2 -0.4. y. 12 12. -0.3. sit. 8 8. -0.2 0.4. er. 4 4. ‧ 國. 0 0. 0.6 -0.1. 學. 0 -0.12. ⮎岒偉₡. 36 36. 40 40. iv 16 16. 20 20. 24 24. 28 28. 32 32.

(37) 圖 8: 美國實質房價負向衝擊(5/5). ⎘䀋. ⮎岒⋗䌯. ᷕ⚳. 1.2 0.05 1.2. 1.2 1.2 0.005 1 1 0 0.8. 1 0.04 1 0.8 0.03 0.8 0.6 0.02 0.6 0.4 0.01 0.2 0.4 0 0 0.2 -0.01. 政 治 大 0.8 -0.005 0.6. 立. 0.6 0.4 -0.01. 0.2 0.4 -0.015 0 0.2 -0.02. 1. -0.02 0 16. 㖍㛔. -0.004 0.6 -0.006 0.4 -0.008. 36. 40. 44. 88. 12 12. 4 4. 8 8. 12 12. 16 16. ⎘䀋. 20 20. 0.01 1.2. 16 16. 0 0.8. -0.005 0.6 -0.01 0.4 -0.015 0.2 -0.02. al. 20 20. 24 24. 28 28. 32 32. 36 36. -0.025 0. 40 40. Ch. 0. 4. 8. ⮎岒䓊↢. 1.2 0.002. 0 1 -0.002 -0.004 0.8 -0.006 -0.008 0.6 -0.01 0.4 -0.012 -0.014 0.2 -0.016 -0.018 0 0. 4. 12. n U engchi 伶⚳. 8. 12. 16. 37. 20. 24. 28. 32. 24 24. 28 28. 32 32. 36 36. 40 40. 36. 40. ⮎岒䓊↢. 0.005 1. n. 00. 0 0. ⮎岒䓊↢. io. -0.01 0.2 -0.012 -0.014 0. 32. Nat. 0 0.8 -0.002. 28. y. 0.002 1. 24. ‧. 0.004. 20. sit. 12. 1. er. 8. ‧ 國. 4. 0 -0.025. 學. 0. 0.006 1.2. ⮎岒䓊↢. 36. 40. iv 16. 20. 24. 28. 32.

(38) 圖 9: 美國實質產出負向衝擊(1/5). ᷕ⚳. ⮎岒㇧₡. 㖍㛔. 0.05. 政 治 大. 0.025 0.02. 0.04. 0.015. 0.03. 0.01 0.005. 0.02. 立. 0 -0.005 -0.01. 0.01 0. -0.01. 12. 16. ⎘䀋. 0.01. 24. 28. 32. 36. -0.02. 40. 0. 0 -0.005. -0.015 4. 8. 12. 16. 20. 伶⚳. 24. 16. 28. 32. 36. 40. ⮎岒㇧₡. 0.04 0.03. 0.02 0.01 0 -0.01. al. 20. n. 0. 12. 0.05. io. -0.01. 8. ⮎岒㇧₡. Nat. 0.005. 4. ‧. 0.015. 20. y. 8. sit. 4. 24. -0.02 28. 32. 36. 0. 40. Ch. 4. 8. 䈑₡嬲≽䌯. 0.002 0.0015 0.001 0.0005. 0 -0.0005 -0.001 -0.0015 -0.002 -0.0025 -0.003 4. 12. n U engchi ᷕ⚳. 0.0025. 0. er. 0. 學. ‧ 國. -0.015. -0.02. ⮎岒㇧₡. 8. 12. 16. 38. 20. 24. 28. 32. 36. 40. iv 16. 20. 24. 28. 32. 36. 40.

(39) 圖 10: 美國實質產出負向衝擊(2/5). 㖍㛔. 䈑₡嬲≽䌯. ⎘䀋. 0.001. 䈑₡嬲≽䌯. 政 治 大 0.003. 0.0005. 0.002. 0. 0.001. 立. -0.0005 -0.001 -0.0015. 0. -0.001 -0.002. 4. 8. 12. 16. 20. 36. 40. -0.004 4. 8. 䈑₡嬲≽䌯. 12. 16. 㖍㛔. 20. 24. 28. 32. 36. 40. 36. 40. 攟㛇⇑䌯. 0.0003 0.0002. Nat. -0.0015 -0.002. -0.0025 -0.003. 0 -0.0001. io. -0.0035. 0.0001. -0.004 -0.0045 4. 8. 12. 16. -0.0002. al. 20. n. 0. y. -0.001. sit. -0.0005. 24. 28. 32. 36. Ch. -0.0003. 40. 0. 4. 8. engchi U ⎘䀋. 攟㛇⇑䌯. 0.0002 0.0001 0 -0.0001 -0.0002. -0.0003 -0.0004 -0.0005 -0.0006 -0.0007. 0. 4. 8. 12. 16. 20. 39. 24. 28. 32. 36. 40. er. 0. 32. ‧. 0.001. 28. 0. 伶⚳. 0.0005. 24. 學. 0. ‧ 國. -0.003 -0.002. v ni 12. 16. 20. 24. 28. 32.

(40) 圖 11: 美國實質產出負向衝擊(3/5). 伶⚳. 攟㛇⇑䌯. ᷕ⚳. 1.2 0.0006. 0.0003. 政 治 大. 0.0002. 1 0.0004. 0.0001 0. 0.0002 0.8. -0.0001. 0 0.6. 立. -0.0002 -0.0003 -0.0004. -0.0005. -0.0002. 0.4 -0.0004 0.2 -0.0006. -0.0006. -0.0007 12. 16. 㖍㛔. 24. 28. 32. 36. 0 -0.0008. 40. 0. 0. 4. 8. 12. 20 20. 0.0001. 16. 24 24. 28 28. 32 32. 36 36. 40 40. 36. 40. 䞕㛇⇑䌯. 0.0002. 0. y. -0.0001 -0.0002 -0.0003. -0.0004 -0.0005 -0.0006. -0.0007. al. n. -0.0002. 16 16. 0.0003. io. -0.0001 -0.00015. 12 12. sit. 0.00005. -0.00005. 8 8. ⎘䀋. Nat. 0.0001. 4 4. 䞕㛇⇑䌯. 0.0002 0.00015. 0 0. ‧. 0.0003. 20. 20. 24. -0.0008 28. 32. 36. 0. 40. Ch. 4. 8. 䞕㛇⇑䌯. 0.0004 0.0002 0. -0.0002 -0.0004. -0.0006 -0.0008 -0.001. -0.0012 4. 12. n U engchi 伶⚳. 0.0006. 0. er. 8. ‧ 國. 4. 學. 0. 0.00025. 䞕㛇⇑䌯. 8. 12. 16. 40. 20. 24. 28. 32. 36. 40. iv 16. 20. 24. 28. 32.

(41) 圖 12: 美國實質產出負向衝擊(4/5). 㖍㛔. ⮎岒偉₡. ⎘䀋. 0. 政 治 大. 0.02 0.01. -0.1. 0 -0.01. -0.2. -0.02. 立. -0.03 -0.04 -0.05 -0.06. -0.3 -0.4 -0.5. 12. 16. 伶⚳. 24. 28. 32. 36. -0.6. 40. 0. -0.05. -0.06. -0.08. -0.09 4. 8. 12. 20. 24. 16. 0.02 0.8 0.015 0.6 0.01 0.005 0.4. 0 0.2 -0.005. al. 20. 24. 28. 32. 36. Ch. 0 -0.01. 40. 0 0. 4 4. 8 8. ⮎岒⋗䌯. 0.03 0.02. 0.01 0. -0.01 -0.02. -0.03 -0.04. 0. 4. 12 12. n U engchi 㖍㛔. 8. 12. 16. 20. 41. 24. 28. 32. 28. 32. 36. 40. ⮎岒⋗䌯. 1.2 0.03. n. 0. 16. 0.025 1. io. -0.07. 12. ᷕ⚳. Nat. -0.04. 8. ⮎岒偉₡. -0.02 -0.03. 4. ‧. 0. -0.01. 20. y. 8. sit. 4. er. 0. 學. ‧ 國. -0.07. -0.08. ⮎岒偉₡. 36. 40. iv 16 16. 20 20. 24 24. 28 28. 32 32. 36 36. 40 40.

(42) 圖 13: 美國實質產出負向衝擊(5/5). ⎘䀋. ⮎岒⋗䌯. ᷕ⚳. 0.025. ⮎岒䓊↢. 1.2 0.012. 政 治 大 0.01 1 0.008. 0.02 0.015. 0.006 0.8 0.004. 0.01. 0.002 0.6 0. 立. 0.005 0 -0.005. -0.002 0.4 -0.004 0.2 -0.006 -0.008. -0.01 12. 16. 㖍㛔. 24. 28. 32. 36. 0 -0.01. 40. 0. 4. 8. 12. 20 20. 16. -0.01 -0.015. al 24. -0.02 28. 32. 36. 0. 40. Ch. 4. 8. ⮎岒䓊↢. 0. -0.001 -0.002 -0.003. -0.004 -0.005. -0.006 -0.007 -0.008. -0.009 0. 4. 12. n U engchi 伶⚳. 8. 12. 16. 42. 20. 24. 28. 32. 28 28. 32 32. 36 36. 40 40. 36. 40. y. 0. -0.005. 20. 24 24. ⮎岒䓊↢. 0.01. n. -0.008. 16 16. 0.005. io. -0.006. 12 12. sit. -0.004. 8 8. ⎘䀋. Nat. -0.002. 4 4. ⮎岒䓊↢. 0.002 0. 0 0. ‧. 0.004. 20. er. 8. ‧ 國. 4. 學. 0. 36. 40. iv 16. 20. 24. 28. 32.

(43) 圖 14: 台灣實質房價負向衝擊. ⎘䀋. ⮎岒㇧₡. ⎘䀋. 0.01. 0.04. 0.005. 0.03. 0. ⮎岒䓊↢. 0.02. -0.005 0.01 -0.01 0. -0.015. -0.01. -0.02 -0.025. -0.02. 8. 12. 16. 20. 24. 28. 32. 立. ⎘䀋. 䈑₡嬲≽䌯. 政 治 大 36. 40. 0. 0.0004. -0.004. -0.006. 0. 4. 8. 0.0002. 0. 28. 32. 36. 40. 32. 36. 40. 32. 36. 40. 䞕㛇⇑䌯. -0.0004 -0.0006 -0.0008. 12. 16. Nat. 20. 24. 28. 32. 36. 0. 40. 4. 8. ⮎岒偉₡. io. 12. 16. ⎘䀋. 0.02. al. 0.015. n. 0.3. 24. -0.0002. ⎘䀋. 0.4. 20. 20. ‧. -0.005. 16. 24. 28. y. -0.003. ‧ 國. 0.0006. -0.002. 12. 學. 0.002. -0.001. 8. ⎘䀋. 0.001 0. 4. 0.2 0.1. sit. 4. Ch. 0 -0.1. ⮎岒⋗䌯. er. 0. 0.01. 0.005. engchi 0. -0.005. i n U. v. -0.01. -0.2. -0.015. -0.3. 0. 4. 8. 12. 16. 20. 24. 28. 32. 36. 0. 40. 43. 4. 8. 12. 16. 20. 24. 28.

(44) 圖 15: 美國實質房價正向衝擊. 伶⚳⮎岒㇧₡. 立. 0.1 0.05. ᷕ⚳⮎岒㇧₡. 0.005 0. ‧ 國. -0.005 -0.01. 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 -0.05. -0.015 -0.02 -0.025 -0.03. GVAR 伶⚳. VECM 伶⚳. GVAR ᷕ⚳. Nat. ⎘䀋⮎岒㇧₡. 0.01 0.005 0. al. er. 0.05 0.04 0.03. Ch. 0.02. engchi 0.01 0. 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 GVAR 㖍㛔. sit. 0.06. n. 0.015. io. 0.02. VECM ᷕ⚳. y. 㖍㛔⮎岒㇧₡. 0.025. ‧. -0.1. 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39. 學. 0. 政 治 大. i n U. v. 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39. VECM 㖍㛔. GVAR ⎘䀋. 44. VECM ⎘䀋.

(45) 圖 16: 假設權重比較. 伶⚳ 0. 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41. 立. -0.02. 0. 0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40. 伶⚳⍇㪲慵 ㇧₡. -0.002. -0.006. 0.006 0.004. -0.01 -0.012 ⎘䀋⍇㪲慵 ㇧₡. 0.002 0. al. -0.002. 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41. -0.004. n. -0.008. 㖍㛔. 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41. io. -0.004. ᷕ⚳`姕㪲慵 ㇧₡. ‧. 0. ᷕ⚳⍇㪲慵 ㇧₡. ⎘䀋. Nat. 0.002. 伶⚳`姕㪲慵 ㇧₡. y. -0.06. 0.005. sit. -0.05. 0.01. 學. -0.04. ‧ 國. -0.03. 0.02. 0.015. er. -0.01. ᷕ⚳ 治 政 大 0.025. Ch. -0.006 -0.008. engchi. ⎘䀋`姕㪲慵 ㇧₡. i n U. 㖍㛔⍇㪲慵 ㇧₡. 45. v. 㖍㛔`姕㪲慵 ㇧₡.

(46)

參考文獻

相關文件

建模時,若我們沒有實際的物理定律、法則可以應用,我們 可以構造一個經驗模型 (empirical model) ,由所有收集到

另外我們還可以觀察到,在 1930 年以後的一段時間,人口

自從 Engle(1982)提出 ARCH 模型以來,已經超過 20 年,實證上也有相當多的文獻 探討關於 ARCH 族模型的應用,Chou(2002)將 GARCH

[7] C-K Lin, and L-S Lee, “Improved spontaneous Mandarin speech recognition by disfluency interruption point (IP) detection using prosodic features,” in Proc. “ Speech

由於本計畫之主要目的在於依據 ITeS 傳遞模式建構 IPTV 之服務品質評估量表,並藉由決

針對 WPAN 802.15.3 系統之適應性柵狀碼調變/解調,我們以此 DSP/FPGA 硬體實現與模擬測試平台進行效能模擬、以及硬體電路設計、實現與測試,其測 試平台如圖 5.1、圖

This research studied the experimental studies of integration of price and volume moving average approach in Taiwan stock market, including (1) the empirical studies of optimizing

住宅選擇模型一般較長應用 Probit 和多項 Logit 兩種模型來估計,其中以 後者最常被使用,因其理論完善且模型參數之估計較為簡便。不過,多項