科技部補助專題研究計畫成果報告
期末報告
房價與少子化間之雙向因果關係 --- 以全臺及六大都市為
例
計 畫 類 別 ： 個別型計畫 計 畫 編 號 ： NSC 102-2410-H-004-210- 執 行 期 間 ： 102 年 08 月 01 日至 103 年 07 月 31 日 執 行 單 位 ： 國立政治大學地政學系 計 畫 主 持 人 ： 林左裕 計畫參與人員： 碩士班研究生-兼任助理人員：黃虹荏 碩士班研究生-兼任助理人員：林佑倫 處 理 方 式 ： 1.公開資訊：本計畫涉及專利或其他智慧財產權，1 年後可公開查詢 2.「本研究」是否已有嚴重損及公共利益之發現：否 3.「本報告」是否建議提供政府單位施政參考：是，內政部, 衛福部中 華 民 國 103 年 09 月 19 日
中 文 摘 要 ： 台灣近年來正面臨決定性的人口轉型，並邁入少子高齡化社 會。根據台灣內政部戶政司的資料顯示，台灣之育齡婦女總 生育率（Total Fertility Rate）於西元 2003 年起皆低於 1.3 人，成為超低生育率（the lowest-low fertility）之 國家。許多人口學學者指出，若低生育率長期持續，在社會 自我強化的機制下，很可能會落入所謂的「低生育率的陷 阱」(Low-fertility trap)中，此外，少子化的結果也會造 成未來青壯年人口的減少，進而降低國家競爭力。因此，政 府目前已將少子化問題視為國家安全問題，極力鼓吹國民正 視此議題，同時以生育補貼鼓勵國民生育。 過去雖有文獻探討少子化之成因，卻僅以人口及社會的角度 切入，較少以經濟的觀點來探討。然對於家庭的生育行為而 言，生育成本（經濟因素）的多寡可能是導致少子化的主要 因素，而家庭經濟組成中的房價更是占了極高之比重。有鑑 於此，本研究綜合人口、社會及經濟的角度，先應用複迴歸 分析檢視影響少子化的因素，並運用共整合分析及 Granger 因果關係檢定以了解房價與少子化之關聯性，最後檢視台灣 六個都會區（台北市、新北市、新竹地區、台中市、台南市 及高雄市）房價及少子化之關係。 研究之實證成果發現，台北市與新北市在政策上應著重在住 宅政策上的調整，將修正房價並減輕年輕人在居住上的負 擔；而台南市與高雄市應著重在家戶所得與生育福利的提 升，如生育補貼、產業升級、稅賦優惠等，透過政策引導提 升生育率，調整人口結構，以提高國家競爭力。 中文關鍵詞： 少子化、房價、複迴歸分析、共整合、因果關係 英 文 摘 要 ： Low fertility rate, Housing price, Multiple
regression, Cointegration, Granger Causality 英文關鍵詞： Taiwan has been facing demographic transition in
recent years, and turned into anageing society with fewer children. The total fertility rate of Taiwan has been lower than 1.3 children since 2003. From then on, Taiwan has become the lowest-low fertility country.
科技部補助專題研究計畫成果報告
期末報告
房價與少子化間之雙向因果關係 -以全臺及六大都市為例
計畫類別：個別型計畫
計畫編號：
NSC 102-2410-H-004-210-
執行期間：102 年 08 月 01 日起至 103 年 07 月 31 日
執行機構及系所：國立政治大學 地政學系
計畫主持人：林左裕
共同主持人：
計畫參與人員：黃虹荏、林佑倫
本計畫除繳交成果報告外，另含下列出國報告，共 ___ 份：
□執行國際合作與移地研究心得報告
□出席國際學術會議心得報告
期末報告處理方式：
1. 公開方式：
□非列管計畫亦不具下列情形，立即公開查詢
□涉及專利或其他智慧財產權，□一年□二年後可公開查詢
2.「本研究」是否已有嚴重損及公共利益之發現：否 □是
3.「本報告」是否建議提供政府單位施政參考 □否 □是， （請列舉提供
之單位；本部不經審議，依勾選逕予轉送）
中 華 民 國 103 年 9 月 19 日
目錄
第一章 緒論 ... 1 第一節 前言與研究目的... 1 壹、前言... 1 貳、研究目的... 4 第二節 研究重要性... 5 第二章 文獻探討 ... 6 第一節 國外相關研究... 6 壹、「超低生育率」發展脈絡... 6 貳、影響生育的因素... 7 參、房價與少子化的關係... 7 第二節 國內相關研究... 8 壹、影響生育的因素... 8 貳、房價與少子化的關係... 9 第三章 研究方法與數據來源 ... 10 第一節 資料說明... 10 壹、變數選取... 10 貳、研究期間與資料來源... 12 第二節 研究方法... 14 壹、複迴歸分析... 14 貳、單根檢定... 14 第四章 實證結果與分析 ... 19 第一節 單根檢定... 19 第二節 台灣少子化與房價之關係... 20 壹、複迴歸分析... 20 貳、共整合分析... 21 參、因果關係檢定... 24 第三節 六大都市少子化與房價之關係... 26 壹、單根檢定... 26 貳、共整合檢定... 27 參、因果關係檢定... 29 第五章 結論與建議 ... 30 第一節 結論... 30 第二節 建議... 32 參考文獻... 33 科技部補助專題研究計畫成果報告自評表 ... 36 附錄... 37摘要
台灣近年來正面臨決定性的人口轉型，並邁入少子高齡化社會。根據台灣內 政部戶政司的資料顯示，台灣之育齡婦女總生育率（Total Fertility Rate）於 西元2003 年起皆低於1.3 人，成為超低生育率（the lowest-low fertility） 之國家。許多人口學學者指出， 若低生育率長期持續，在社會自我強化的機制下， 很可能會落入所謂的「低生育率的陷阱」(Low-fertility trap)中，此外，少子 化的結果也會造成未來青壯年人口的減少，進而降低國家競爭力。因此，政府目 前已將少子化問題視為國家安全問題，極 力鼓吹國民正視此議題，同時以生育補 貼鼓勵國民生育。 過去雖有文獻探討少子化之成因，卻僅以人口及社會的角 度切入，較少以經 濟的觀點來探討。然對於家庭的生育行為而言，生育成本（經濟因素）的多寡可 能是導致少子化的主要因素，而家庭經濟組成中的房價 更是占了極高之比重。有 鑑於此，本研究綜合人口、社會及經濟的角 度，先應用複迴歸分析檢視影響少子 化的因素，並運用共整合分析及Granger因果關係檢定以了解房價與少子化之關 聯性，最後檢視台灣六個都會區（台北市、新北市、新竹地區、台中市、台南市 及高雄市）房價及少子化之關係。 研究之實證成果發現，台北市與新北市在政策上應著重在住宅政策上的調整， 將修正房價並減輕年輕人在居住上的負擔；而台南市與高雄市應著重在家戶所得 與生育福利的提升，如生育補貼、產業升級、稅賦優惠等，透過政策引導提升生 育率，調整人口結構，以提高國家競爭力。 關鍵詞：少子化、房價、複迴歸分析、共整合、因果關係
The Causality Relationship between House Prices and Low
Fertility Rate –The Case of Taiwan and Six Cities
Abstract
Taiwan has been facing demographic transition in recent years, and turned into an ageing society with fewer children. The total fertility rate of Taiwan has been lower than 1.3 children since 2003. From then on, Taiwan has become the lowest-low fertility country.
Many demographic researchers indicate that social inertia and self-reinforcing processes may become reversible once fertility has been very low for a certain period, and possibly cause the "low-fertility trap." Furthermore, falling fertility phenomenon will lead to fewer young adults in the future and deteriorate the country competition. Therefore, the government of Taiwan has regarded the low fertility trend as a national security issue, and attempted to encourage fertility behavior by subsidy.
The phenomenon of overall fertility declines has sparked off numerous studies to investigate the underlying reasons affecting the fertility decision. Most of them explore this issue from demographic and social perspectives, yet few studies emphasize from the economic viewpoints. However, the cost of childbearing might be the main factor leading to low fertility rate. This study therefore intends to integrate factors of demographics, sociology and economics to investigate the fertility rate by multiple regression analysis, and to explore the relationship of housing price and low fertility rate by cointegration and Granger Causality test. Finally, this study examines the relationship between the housing price and low fertility rate in 6 cities in Taiwan （Taipei City, New Taipei City, Hsinchu City, Taichung City, Tainan City, and Kaohsiung City）.
Results of this study found that Taipei City and New Taipei City should focus on adjustments of housing policy, Tainan City and Kaohsiung City should emphasize to elevate income and promote social welfare, such as the adjustment of housing policy, tax reduction, and fertility subsidy. In the long run, this study expects to propose policies to reshape the population structure gradually and increase the country’s competitiveness.
Key words：Low fertility rate, Housing price, Multiple regression, Cointegration, Granger Causality
第一章 緒論
第一節 前言與研究目的
壹、前言
近年來全球大部分的國家， 不論已發展與否，正經歷重要的人口變遷問題。 如圖1-1所示，各國近幾年之生育率皆低於2000 年至2005 年之生育率，其中全 世界的平均總生育率自西元2000 年以來減少了6.7%，甚者，某些國家如南韓、 新加坡、日本及台灣的生育率更是低於 1.3 人，成為超低生育率1 國內之人口結構近年亦已逐漸轉型為高齡化及少子化的社會， 老年人口逐年 遞增，而幼年人口卻逐年遞減。如圖1-2所示，民國36 年時65 歲以上人口比例 為2.53％，至民國100 年時已增加為10.89％；而0 至14 歲之幼年人口則由42.33 ％減少至15.08％，開始出現人口衰退的警訊。根據內政部最新發布之民國101 年4 月人口統計資料顯示，0 至14 歲人口占總人口比率14.92％；15 至64 歲人 口占74.11％；65 歲以上人口占10.97％，由此可知 老年人口比例仍然逐漸增加， 幼年人口比例亦未見改善。 之國家。不論 於歐美地區或東亞地區，少子化現象已成為全球化的共同趨勢之一。 圖1-1 各國生育率之趨勢 （資料來源：聯合國） 1圖1-2 台灣三年齡層人口百分比 （資料來源：戶政司） 台灣育齡婦率總生育率2 亦逐年遞減，如圖1-3所示，民國40年之總生育率高 達7人，自民國43 年起皆低於2人，於民國99 年時已不足1 人。此外，台灣總生 育率於民國92 年起皆低於1.3 人，成為超低生育 率國家。Goldstein 等（2009） 指出，一旦總生育 率低於1.3 將提升人口快速老化及減少的可能性，不利台灣的 人口結構發展。根據美國中央情報局CIA（2012）的資料，世界上符合超低生育 率國家數共12 個3 ，台灣為該12個國家中倒數第4低之國家，甚至低於實施一胎 化之中國及已步入高齡社會4 的日本。若低生率持續很長的一段時間，在社會自 我強化的機制下，很可能會 落入所謂的「低生育率的陷阱」(Low-fertility trap) （Lutz 和Skirebekk，2005）。 易言之，若此趨勢不變，未來一胎化的核心家庭， 甚至是頂客族（DINK）5 2 根據內政部主計處之定義，育齡婦女總生育率係每千位 15 至 40 歲之育齡婦女，於無 死亡之情 況下，一生所生育之子女數。 將成為主流，加上遞增的不婚率，少子化將成為一不可 逆的現象。其結果 不僅導致青壯年人口的減少，對國家競爭力更為一大威脅。因 此，政府近 年將少子化視為國家安全議題，不僅鼓勵公務員增產報國，亦對國民 祭出各項生育政策，期望回穩台灣生育率遞減的速度。 3 此12 個國家之生育率最高至最低排列，分別為烏克蘭、波士尼亞與赫塞哥維納、蒙特塞拉特 島、白俄羅斯、捷克、立陶宛、南韓、英屬維京群島、台灣、香港、澳門、新加坡。 4 世界衛生組織(WHO)將65 歲以上的長者定義為老年人。當老年人口佔總人口比例之7%，定義為 高齡化社會；老年人口比例超過14%，則定義為高齡社會；老年人口比例超過20%，則定義為超高
圖1-3 台灣育齡婦女總生育率之趨勢 （資料來源：戶政司） 相較於國外與日俱增的實務討論與學術文獻，國內對房價與少子化之相關研 究仍嫌不足，但已有越來越多社論探討此議題（林左裕，2011），顯示房地產市 場與人口變遷的問題已越來越受國人重視。事實上，少子化影響的層面極廣：就 人面向而言，少子化將增加人口 老化的速度，台灣於1993 年起步入高齡化社會， 根據資策會（MIC）的推估，2017 年台灣的老年人口將佔總人口比例16.2%，正 式邁入高齡社會；就社會面向而言，少子化所衍生之 勞動力低減將造成扶養負擔 的加重、家庭結構、長期照護與社會保險等 諸多社會問題；就國家面向而言，少 子化將造成未來稅收減少，且將積欠更多國債；然而，就房地產面向而言，少子 化的結果是否因基本面之需求減少而導致房價下跌？則有待實證予以檢驗。 由圖1-4可窺見台灣房價近年來驚人的漲幅，對比圖1-3台灣年年遞減的生育 率，本研究推論房價與少子化間可能有長期的因果關係。考慮到家庭面對生育行 為所權衡之機會成本，本研究認為房價對生育決策應有顯著的負向影響。 易言之， 購屋行為與生育行為往往具有同時性或競爭性，而家庭於面臨購屋與生育決策時 僅擇一執行，亦即購屋行為與生育行為具有資源排擠效果（Lo，2012），而居高 不下的房價更增加生育行為的機會成本，故本研究將以共整合分析探討台灣房價 與少子化的長期關係。理論上，高房價對家庭生育行為有兩種影響層面，分別是 若房價過高以致無法負擔的情況下，對於配偶的組成有負向影響因而減弱生育行 為；或夫妻購置 不動產後，卻因高額的房屋貸款而對生育行為有資源排擠效果。 實際上，影響房價的因素眾多，為消除總體經濟因素、稅制政策、社會文化 等干擾，本研究擬運用國內六大都會區（台北市、新北市、新竹地區、台中市、
台南市及高雄市）的區域性追蹤資 料，以深入分析房價與少子化的關係。本研究 期透過數據資料的實證結果，探討房價與少子化間的關係，除填補國內文獻對此 重大議題探討之不足外，更提供政府於施政上之參考，進而改善生育率下滑的現 象。 圖1-4 1998Q1-2012Q2台灣房價指數之趨勢 （資料來源：信義房屋）
貳、研究目的
根據以上討論，本研究初擬以下目的進行分析： 1. 探討房價與少子化的因果關係。究竟是高房價導致少子化、或是少子化的影 響造成房價變動，為本研究第一個希望探討的重點。 2. 探討房價與少子化的相互關係。由於高房價對家庭生育 行為有兩種影響層面， 分別是若房價過高以致無法負擔的情況下，對於配偶的組成有負向影響因而減弱 生育行為；或夫妻購置不動產後，卻因高額的房屋貸款而對生育行為有資源排擠 效果。有鑑於此，本研究將探討房價與少子化的相互關係，並預期有負向關 聯存 在。 3. 探討國內六大都會區（台北市、新北市、桃竹地區、台中市、台南市及高雄 市）之房價與生育 率的關係。由於影響房價的因素眾多，故本研究使用國內六大 都會區的區域性資料，期能排除總體經濟、稅制政策、社會文化等因素干擾。 0 20 40 60 80 100 120 140 160 180 1998 Q1 1998 Q3 1999 Q1 1999 Q3 2000 Q1 2000 Q3 2001 Q1 2001 Q3 2002 Q1 2002 Q3 2003 Q1 2003 Q3 2004 Q1 2004 Q3 2005 Q1 2005 Q3 2006 Q1 2006 Q3 2007 Q1 2007 Q3 2008 Q1 2008 Q3 2009 Q1 2009 Q3 2010 Q1 2010 Q3 2011 Q1第二節 研究重要性
我國育齡婦女總生育率逐年遞減，今（2012）年之生育率甚至低於所謂高 齡社會6 相較於國外與日俱增的實務討論與學術文獻，國內對房價與少子化之相關研 究仍嫌不足，但已有越來越多社論探討此議題，顯示房地產市場與人口變遷的問 題已越來越受國人重視。事實上，少子化牽涉的層面極廣：就人口面向而言，少 子化將相對增加人口老化的速度，我國於1993 年起步入高齡化社會，根據資策 會（MIC）的推估，台灣於2017 年的老年人口將佔總人口比例16.2%，正式邁入 高齡社會；就社會面向而言，少子化所衍生之 勞動力低減將造成扶養負擔的加重、 家庭結構、長期照護與社會保險等 諸多社會問題；就國家面向而言，少子化將造 成未來稅收減少，且將積欠更多國債；然就房地產市場而言，少子化是否因基本 面之需求減少而導致房價下跌？此即為本研究欲探討之重點之一。 之日本及實施一胎化政策之中國，少子化的結果將導致青壯年人口的減 少，對國家競爭 力乃為一大威脅。因此，政府近年將少子化視為國家安全議題， 不僅鼓勵公務員增產報國，亦對國民祭出各項生育政策，期望回穩我國生育率遞 減的速度。 然而，何者為造成生育 率下降的主因？考慮到家庭面對生育行為所權衡之機 會成本，本研究認為房價對生育決策應有顯著的負向影響。 易言之，購屋行為與 生育行為往往具有同時性，而家庭於面臨購屋與生育決策時僅擇一執行，亦即購 屋行為與生育行為具有資源排擠效果，故本研究將探討房價與少子化的負向關係。 但影響房價的因素眾多，為消除總體經濟因素等干擾，本研究擬運用國內 六大都 會區的區域性資料，以深入分析房價與少子化的關係。希冀透過本研究量化數據 資料的實證結果，明朗化房價與少子化間的關係，除填補國內文獻對此重大議題 探討之不足外，更提供政府於施政上之參考，進而改善生育率下滑的現象，以提 高我國競爭力。 6 世界衛生組織(WHO)將65 歲以上的長者定義為老年人。當老年人口佔總人口比例之7%，定義為 高齡化社會；老年人口比例超過14%，則定義為高齡社會；老年人口比例超過20%，則定義為超高第二章 文獻探討
第一節 國外相關研究
本研究擬探討房價與少子化的關係，但由於過去文獻大多探討影響生育率
降低的因素，例如失業率、物價指數、老年人口比例，鮮少著墨房價與少子化間 的關係。故首先探討「超低生育率（the lowest-low fertility）」理論發展脈 絡，再整 理過去文獻曾探討影響生育行為的因素，最後討論房價對少子化可能產 生之影響。
壹、
「超低生育率」發展脈絡
台灣自西元2003 年起成為「超低生育率」國家之一，在學術界或政府的定
義上，超低生育率主要是指總生育率（Total Fertility Rate；簡稱TFR）等於 或小於1.3 人。超低生育率現象肇始於1990 年代的歐洲，其中義大利及西班牙 為最早，於1993 年成為且維持超低生育率的國家，到1990 年代後期，14 個位 於歐洲南部、中部及東部國家的總生育率亦低於1.3（Kohler 等人，2002），之 後始蔓延到亞洲。 然而，Goldstein 等人（2009）研究指出，近 年來歐洲跟東亞廣泛稱為超低 生育率的國家，數量自2003 年的21 個降至2008 年的5 個。他們認為雖然最近 的經濟不景氣在短期內會抑制生育率，但超低生育率國家的生育率會持續增加， 並因而推論歐洲的超低生育率時代已經結束。至於東亞，2008 年時日本總生育 率已回升超過1.3 的門檻，然而香港、韓國及台灣仍低於1.2，其中台灣似乎仍 然向下探底。 對 於 超 低 生 育率 ， 有 些 學 者 從 人 口 學 理 上 提 出 「 低 生 育 率 陷 阱 」 (Low-fertility trap)的警告：若低生率持續段很長的時間，在社會自我強化 的機制下，將會形成 惡性循環，不斷造成後續生育率下滑，倘若不藉外力干擾， 必然深陷泥沼加劇惡化（Lutz 與Skirbekk，2005）。除 了社會自我強化的機制， 長期的低生育率可能會造成世代生育數量的無法逆轉，我國行政院之人口生育研 究指出，在超低生育 率長期發展下，人口結構將會產生慣性效果，並影響年輕人 口的結婚意願與家庭價值，進而導致養育成本增加， 惡性循環的結果將促使生育 率不斷下滑。故已步入超低生育率時代的國家無不苦思對策，期能藉由政策上的 鼓勵，減緩生育率降低的衝擊。而近年歐洲生育率回升的現象，應與政府的生育 政策有相當程度的關聯。
貳、
影響生育的因素
少子化現象的蔓延及衝擊引起眾多研究討論，大多檢視少子化的運作機制 並深究其原因。例如Freedman（1995）指出死亡 率下降、社經發展及家庭規畫為 討論影響生育行為時之三個必要的解釋變數。最為熱門的觀點是探討人口因素與 生育率的連結性，尤其是平均壽命的增加與生育率的減少之關係。例如Yakita （2001）發現平均壽命的增加往往導致低生育率及增加生命週期的儲蓄。而 Andreassen（2004）指出死亡 率對生育率的影響會因政府退休金多寡及個人資本 積累程度有所不同。具體而言，死亡率下降對生育率的影響可能是正向亦可能為 負向，端看經濟發展程度以及對老年人口的公共照護。Murphy 等人（2008）研 究發現死亡率下降與生育率的減少有強烈的正向關係，而父母教育水準的提高對 生育率有強烈的負向關係。然而，平均壽命或者死亡率僅反映人口學觀點而忽略 經濟因素的影響，可能有所不周而導致偏誤。 就經濟學理論之觀點，經濟成長及生育率有十分重要的連結。許多研究的實 證結果顯示，國內生產毛額（GDP）及家戶所得與生育率有強烈的負向關係(Bar 與Leukhina，2010；Jones 等人 2008； Schultz，2001，2007；Wigniolle， 2002)。 一般而言，經濟發展階段越高，生育 率越低。Hui 等人（2012）指出，在工 業化國家，大部分的父母移轉財富給子 女，例如遺產或教育；然在開發中國家， 小孩可協助其父母之工作，就像是 年輕的人力資源。言之，經濟觀點於討論影響 生育率的變數上提供一個更全面的思考角度。參、
房價與少子化的關係
人口變遷無法完整解釋生育現象的改變，而許多學者指出，不動產市場的 變動（ 例如住宅政策或不動產價格水準），為檢視近年低生育率現象非常重要之 觀點（Krishnan 與Krotki，1993；Mulder， 2006；Mulder 與 Billari，2010； Yi與Zhang，2010）。過去文獻傾向揭露人口年齡結構變遷對房市的影響，例如 Levin 等人（2009）檢視蘇格 蘭及英格蘭的人口變遷對房價的影響，發現人口減 少及人口老化皆會減緩房價壓力。事實上，影響房價的因素眾多，舉凡國家政策、 國民所得、經濟成長、稅賦等等都可能在某程度上影響房價，為避免外部因素干 擾研究少子化對房價之影響，Malmberg (2010)運用瑞典的地區性縱橫資料 （paneldata）來消除總體環境的影響，其研究成果顯示，低生育率跟人口老化 所產生的年齡結構變遷，將導致瑞典房價的緩滯成長。房市狀況（例如低比例的 住宅自有率）導致家庭組成及生育決策的遲延亦備受許多學者爭議（Krishnan 與Krotki，1993；Mulder， 2006；Mulder 與 Billari，2010）：Murphy 等人（2008） 發現人口密度對生育率有負向影響，並推論高人口密度會導致更高的房價及降低 生育率，如港澳與新加坡；Mulder 與Billari（2010）研究歐洲的生育率與住宅 自有的關係，發現擁有住宅制度且持分比例高的國家往往伴隨低生育率。 許多過去文獻之研究成果顯示，發展中國家的房價對於生育 率有負面影響， 然而近年來，研究已發展國家生育率的文獻亦有增無已。Kohler 等人（2002） 探討歐洲的超低生育率現象，其發展原因之一即為房屋的可及性，尤其是在義大 利與西班牙。Giannelli 與Monfardini (2003)發現對義大利青年而言，房價對 家庭成員之組成有非常重要的影響(Simon 等人，2009)。Hui 等人（2012）運用 共整合和因果關係分析，檢視香港生育 率、房價與扶老比之關係，實證結果顯示 房價上漲1%，老年人口及生育率分別降低0.52%及1.65%，且長期而言，房價及扶 老比皆會影響生育率。Simon 等人（2009）以美國1940 年至2000 年的普查資料 來探討房屋使用價格及生育率的負向關係，其中房屋使用價格以房租作為衡量， 實證結果顯示住宅價格(租金)對家戶的生育決策有顯著影響。
第二節 國內相關研究
壹、
影響生育的因素
范維君、金斗燮及楊文山（2012）歸納出年輕世代低生育率的原因有： 一、 高等教育擴張： 不少學者主張，教育擴張是造成婦女延後生育的主要因素，不過假設一般條 件因素不變，接受大學教育人口若增加10％，將造成育齡婦 女平均生育年齡往後 延0.5 年，這0.5 年應不是造成目前低生育率的最主要原因，與其說教育擴張會 延後生育時間，也許應為 更深層的影響，譬如男女競爭工作機會、價值觀改變， 以及受高等教育婦女投入職場等。二、 有偶率： 台灣與南韓的社會，在嚴格社會規範的約束下，生兒育 女的先決條件就是得 先進入婚姻。 三、 時期與年齡的交互作用： 台灣 1975 年後出生的世代，20-29 歲生育率下降的情形，也許是早承2000 年以後，台灣成為超低生育率國家的最大原因。 四、 社會結構的快速轉變（社會自由主義以及經濟去管制化）： 透過南韓及台灣的比較發現，對 年輕世代而言，社會結構的快速變遷，尤其 是2000 年之後，社會自由主義加上經濟去管制化，也許才是惡化生育率的真正 結構性因素。 五、 過強的家庭主義（子女離家時間長短等）： 被認為是南歐等地中海沿岸國家少子化的主因。
貳、
房價與少子化的關係
目前為止國內研究少子化及不動產的相關文獻大多 探討少子化與用地需求 的關係， 例如連經宇及黃志文(2009)發現平均每戶居住面積與有偶率、老年人口 比例呈正向變動關係，而總生育率與平均每戶居住面積有負向顯著關係，並推論 可能因少子化的緣故，使得晚婚或 不婚族及頂客族較注重居住品質，傾向增加自 己的居住空間。至於少子化與房價相關的文獻則較為 不足，近年開始有學者探討 低生育率與高住宅自有率的關聯性，Lo(2012) 研究台灣23 個城市之追蹤資料， 發現台灣之生育率與住宅自有率有顯著的負向關係。同樣以研究台灣住宅自有率 及低生育率之關係為核心，彭建文及蔡怡純（2012）探討生育率與住宅自有率、 家戶可支配所得、有偶率、女性高等教育比率間之關係。實證結果顯示，生育率 與住宅自有率、家戶可支配所得、有偶率、女性高等教育比率具有共整合的長期 均衡關係，其中住宅自有率、家戶所得、有偶率在長期對生育率有正向影響，而 女性高等教育比率在長期則對生育率有負向影響。第三章 研究方法與數據來源
第一節 資料說明
壹、 變數選取
家戶面臨生育行為時往往會考慮生育的機會成本，其機會成本範疇十分廣 泛，舉凡房價、薪資所得、政府補助、小孩未 來的教養費等皆可能為考量之一， 其中最昂貴的成本即為房價，而年年攀升的房價更讓家戶卻步於生育。由圖1-3 及圖1-4可發現，房價的上漲與生育率的下滑有明顯的反向關係，故本研究預期 房價與總生育率為負向關係。 除房價外，以往文獻所分析之影響生育 率的重要變數應另予以考量與分析。 由於許多人口變數是互相牽制、影響，例如老年人口比率、有偶率、嬰兒死亡率 等與生育率其實為一體兩面的關係，故本研究不考慮放入人口變數，而另增加影 響生育率的社會變數及經濟變數。其中社會變數為女性教育程度與國民可支配所 得，有鑑於 女性受高等教育之比例提升不僅延後女性生育時間，較深層的說法為， 更使女性勞動參與率提高，有工作能力將增加女性生育決策的機會成本，進而減 少生育子女的數目，因此本研究預期女性教育程度的提升將降低生育率，如圖3-1 所示， 兩者為負向關係；而國民可支配所得與生育率的關係從圖表中看不出明顯 的關聯性，本研究推論，國民可支配所得的增加可能因機會成本增加而減少生育， 亦有可能因經濟許可而增加生育，特別是較為富有的人為 了繼承家業會選擇增加 生育，故本研究預期所得增加可能為 兩種變動方向其中之一。就經濟變數而言， 本研究欲探討失業率、實質國內生產毛額、物價指數對生育率有何影響。高失業 率往往伴隨總體經濟的不景氣，則家戶應會選擇多投入工作並延緩或停止生育計 畫，故本研究預期失業 率應與生育率為負向關係。而實質國內生產毛額的增加代 表國內經濟景氣佳，為經濟成長之表現，則家戶應會增加生育的意願，故本研究 預期經濟成長與生育率為正向關係。 最後，目前生育 率相關文獻中顯少討論生育與物價之關係，也許是因為物價 指數易干擾其他總體經濟，但本研究之國內生產毛額為平減後之實質國內生產毛 額，應能消除物價干擾，另外，國民所得亦採用國民所得 年增率，亦應能達到相 同效果，故調整上述 易受影響的變數後，本研究決定加入物價指數年增率以探求 物價變動對生育行為之影響，並預期物價增加將導致生育率的下滑。圖3-1為台 灣生育率與其他變數間之趨勢關係圖。貳、
研究期間與資 料來源
本研究將房價與少子化的關係分為總體與個體兩大層面作探討。總體資料 之房價採用信義房屋的全國房價指數，生育率則採用全國育齡婦女總生育率，至 於其他社會、經濟變 數則使用台灣主計處公布之全國資料。個體資料之房價採用 永慶房屋的六大都會區房價指數，生育率亦採用六大都會區育齡婦女總生育率。 總體資料部分，比對房價指數與其他變數之重疊時間範圍後，決定採用1998年第 一季至2011 年第一季，共53筆之季資料；本研究所謂之總體指全台灣地區而言。 就個體資料部分，各地區房價指數之資料年限較不足，為2004 年第一季至2011 第二季，共30筆之季資料；而空間範圍為台北市、新北市、新竹市、台中市、台 南市、高雄市之 六大都會區。各變數之定義、資料來源及預期方向如表1-1所示。表 1-1 變數定義與資料來源 變數 定義 資料來源 預期符號 被 解 釋 變 數 育齡婦女總 生育率 （TFR） 指一個育齡婦女按照目前的年 齡別生育水準，在無死亡的情 況之下，渡過其生育年齡期間 (台灣為15 歲到49 歲)以後， 一生所生育的嬰兒數或生育 率。 歷年人口統計、 內政部戶政司 解 釋 變 數 房價指數 （HPI） 不動產價格指數，基期為1991 年第一季 信義房屋 房價指數
-
失業率 （UR） 失業人口佔勞動人口的比率。 行政院主計處-
消費者物價指 數年增率 （CPI） 臺灣地區消費者物價指數增減 數占上期臺灣地區消費者物價 指數之百分比。 行政院主計處-
實質國內生產 毛額 （GDP） 用不變價格(基年的價格)計算 的國內生產總值，不受價格變 動的影響，僅反映產量的變 動，比名義GDP 更能反映真實 的經濟福利水平。 行政院主計處+/-
女性高等教育 比率（EDU） 大專以上女性占15 歲以上女 性人口之比率。 歷年人口統計、 內政部戶政司-
國民可支配所 得年增率（IR） 1.國民可支配所得=間接稅淨 額＋按要素成本計算之國民所 得＋國外移轉收入淨額 2.按要素成本計算之國民所得 =國民生產淨額＋對外貿易條 件變動損益－間接稅淨額 3.計算公式=國民可支配所得 增減數占上期國民可支配所得 之百分比。 中華民國統計資 訊網+/-
第二節 研究方法
本研究擬先藉複迴歸分析探討影響生育率之可能相關因素，其中包括房價 因子；再應用因果分析及共整合分析探討生育 率及房價間是否具顯著之領先落後 關係，分析方法詳述如下。壹、 複迴歸分析
本研究欲探討房價、失業 率、物價、經濟成長、女性教育程度與國民所得對 生育率的影響，而研究兩個以上的解釋變數對被解釋變數的影響之研究方法即為 所謂的複迴歸分析方法（multiple regression analysis），又稱為多元迴歸方 程式（林惠玲、陳正倉，2006）。本研究之複迴歸方程式為：Yi = α + β1X1i + β2X2i + β3X3i + β4X4i + β5X5i + β6X6i + εi （1） 式中X1i,…, X6i為解釋變數，共有六個。α, β1,…,β6為迴歸參數，其中 α為截距，β1,…,β6為偏迴歸係數（partial regression coefficient），又 稱迴歸係數。
估計時利用普通最小平方法（ Ordinary Least Square，簡稱OLS），根據 Gauss-Markov 定理， OLS 為線性不偏估計式中變異數最小的估計式（ Best Linear Unbiased Estimator，簡稱BLUE），亦即最有效 率。
估 計 時利 用 普 通 最 小 平 方 法 （ Ordinary Least Square ， 簡 稱 OLS ） ， 根 據 Gauss-Markov 定理， OLS 為線性不偏估計式中變異數最小的估計式（ Best Linear Unbiased Estimator，簡稱BLUE），亦即最有效率。
貳、
單根檢定
然而，傳統的迴歸分析方法如普通最小平方法，皆假設經濟變數的時間數 列是穩定的（stationary）時間數列，亦即殘差項的平均值須為0，同時變異數 須為一固定常數。若時間數列非為穩定時，而仍使用傳統的迴歸分析法進行分析， 所估計之結果可能產生假性迴歸（spurious regression）的情形。易言之，估 計值將不具有一致性且可能高估判定係數，而殘差項的變異數將隨時間經過而趨 近於無窮大，最後使用此資 料所建構的模型，其估計與實證出來的結果將不具意 義。根據Granger 與Newbold（1974）指出，大部分經濟變數的時間數列，皆具 有非穩定的特性。因此，進 行時間數列分析前，須先對變數進行穩定性的檢定。 由於本研究所使用的資料，是屬於時間序列數值。因此，在進行時間序列分 析之前，須先檢定該資 料是否為一恆定狀態，具此再以計量模型進行分析與預測，其結果才有實質意涵。一般常用之檢定方法很多，如：Dickey ＆ Fuller（1979） 的DF 檢定、Augmented DF test（1981）的ADF 檢定、Phillips-Perron（1986） 的PP 檢定等，PP 檢定與前者之不同在於該檢定允許模型的殘差項具有自我相關 與異質變異。本研究將使用Dickey and Fuller（1981）所提出之ADF 檢定法及 Phillips-Perron（1986）的PP 檢定，檢驗變 數之時間序列資料是否呈定態。其 檢方式如下:
一、 ADF 單根檢定
ADF 單根檢定與DF 檢定最大的差異，在於DF 檢定未將殘差可能存在自我
相 關 的 問 題 納 入 考 慮 ， 導 致 殘 差 項不 再 符 合 iid （ independent identical distribution）之假設，其檢定結果因而受質疑。而ADF 檢定將原DF 檢定的迴 歸式加入被解釋變數的落差項（lagged left-hand-side variables），透過最
適落後期數之選擇使殘差向成為白噪音（white noise），因此ADF 亦可稱為DF 檢
定之擴充模型。而ADF的模型有三種： 1. 不含截距項與時間趨勢之模型 （2） 2. 含截距項但無時間趨勢之模型 3. 含截距項與時間趨勢之模型 其中ΔYt = Yt-Yt-1，Δ為一階差分，Yt為預測變數，α0為截距項，β為 判定係數，t 為時間趨勢項，εt為殘差項。其檢定假設為： H0：β＝0 （表示Yt數列存在單根，為非定態序列） H1：β ≠ 0 （表示Yt數列不存在單根，為定態序列） 在進行檢定時，若無法拒絕H0，則表示該時間序列資料為非為穩定狀態，即 該數列存在單根，必須經由差分轉換處理，再重複進行單根檢定，直至序列資料 呈現穩定狀態。 二、 PP 檢定 DF 檢定與ADF 檢定所隱含的殘差須無自我相關且具有同質變異，但並非所 有序列均滿足此條件，而PP 檢定允許檢定式的殘差具自我相關和異質變異，故 本研究另利用PP 檢定以輔助ADF 檢定。該檢定所用之臨界值及檢定假說與 ADF 相同，即若拒絕須無假設，則為穩定序列。
ΔYt =α0 +βYt-1 +∑ki=1γiΔYt-1+εt （3）
ΔYt= βYt-1+ ∑ γi=1k iΔYt-1 + εt
(2)
三、 共整合分析
由於許多經濟變數都是具有時間趨勢的非穩定狀態(如本研究的人均CPI等)， 若直接利用傳統迴歸方法進行估計，會產生「虛假迴歸」的問題。因此，常見的
解決方式是，就變數水準值進行差分7
文獻上較常見的共整合分析，早期有Engle & Granger(1987)的兩階段分析法， 1990 年代以後則以Johansen & Juselius(1990)的最大概似共整合分析法為主流， 各分述如下：
，讓變數成為穩定數列後再加以估計。但 在進行差分時，常常可能因為過度差分而喪失資料所包含的訊息。因此，另一種 策略則是利用變數間的長期均衡關係，亦即共整合(cointegration) 分析，直接 針對變數的水準值進行估計。
1. Engle & Granger 兩階段程序法
Engle and Granger 於1987 提出共整合（co-integration）理論，其定義 是將一組非定態之時間序列變數經由線性組合成定態，則稱這些變數具有「共整 合」關係。此方法可有效避免資 料經由差分後而喪失原本長期趨於均衡值的型態， 且可避免假性迴歸發生。該 理論之主要目的是將兩非定態之時間序列資料，整合 為一定態線性組合，經過單根檢定使各變數之整合階次相同，達到「同階定態」 的形式，次而探討變數間是否存在長期穩定的關係。 本研究之兩主要時間序列變數為房價（HPIt）與生育率（TFRt），將其原始 資料經過ADF 單根檢定後，確立並整合 資料之階次，其估計之共整合迴歸式如 下： TFRt = c0 + a1HPIt + εt (5) 其中c0與a1為估計數之係數，TFRt為生育率，HPIt為房價，εt為殘差項。 若εt符合定態，則稱生育 率與房價間具有共整合關係。因此必須對殘差項作ADF 單根檢定其是否為定態，其檢定式如下： H0：ρ=0 （無共整合存在） H1：ρ≠ 0 （存在共整合關係）
2. Johansen & Juselius 最大概似估計法
7
若一個具有單根的時間序列變數yt為非定態，在經過一階差分就能去除其隨機趨勢，使其變成
ㄧ般而言 Engle & Granger（1987）雖可有效避免假性迴歸的發生，但若使 用於小樣本數或高階共整合檢定（有n 個相同整合階次的變數）時，則可能影響 其檢定效果，且Engle & Granger（1987）在實際運用上有一些限制，例如可能 無法判斷共整合組數等。相較而言，另一檢定方法 Johansen（1988）所提出的 最大概似估計法（maximum likelihood approach），在實際運用上較具彈性， 亦較常用於多變量變數之檢定。不過，由於本研究僅考慮房價與生育率兩變數， 因此仍選擇使用Engle & Granger（1987）之兩階段程序法檢定其變數間是否存 在共整合關係。 3. 因果關係 本研究欲了解房價與少子化間之關聯性，此關聯性係指，一變數的當期與他 變數的過去值間之「相關關係」，而非總體經濟理論中真正的因果關係。為檢驗 這種統計上之因果關係，本研究採用Granger Causality因果分析，透過此檢定 可瞭解兩個變數間之領先（lead）或落後（lag）關係。Granger因果關係是時間 序列向量自我迴歸模型（Vector Autoregression，VAR）的一種，該檢定係建立 在變數預測的角度，其定義為，假設有Xt與Yt兩變數，Xt=bijYt-k，Yt= aijXt-k， 當對Y進行預測時，除了Y本身過去的落後期變數外，若增加X變數過去的資訊能 降低對Y的預測誤差，進而提高對Y的預測準確性，則稱變數 X「Granger影響」 （Granger Cause）變 數Y；反之， 若X不會Granger影響Y，則表示X無助於預測Y。 其測試假說為： H０：aij = bij=0 （表示無因果關係） H１：aij≠ 0或bij≠0 （表示有因果關係） Granger將兩變數間之因果關係分為四種： 1.獨立關係：即aij 與bij 均為0，表示兩變數之過往資料均無法預測另一變數， 相互獨立，不具因果關係。 2.單因果關係：即僅aij≠ 0或僅bij＝0，表示僅某一變數領先另一變數。 3.立即因果關係：兩變數不僅過去資料能預測當期變數，甚至加入當期變數間均 能互相影響，例如Xt對Yt有影響。 4.回饋因果關係：即aij≠0且bij≠0，表示兩變數間可互相預測，具因果關係。 本研究之房價與少子化的因果關係模型設定如下所示，其中房價（HPt）與 生育率（TFRt）為我們欲探討之變數，k為遞延期數，而迴歸誤差ε1t與ε2t彼 此間相互獨立並符合均數為零、變異固定之均一分配。
與VAR (vector autoregression model)模型相似的是，Granger因果關係檢 定必須建立在變數具有定態性質的基礎上，因此我們也會在作因果關係檢定前， 先使用單根檢定並將不具定態性質的變數作差分處理。 (四)預計可能遭遇之困難及解決途徑 預期中之困難主要為資料問題，如房價及生育率資料，解決方式將以信義房 價指數為主、永慶房價為輔，在連續資料中取得一致可信任之房價長期穩定之序 列，而自2009年起，永慶指數推出區域之房價指數，可提供為本研究對六大都市 之資料。其次之困難則為應用上及論述之普及性(generalization)上，即 若實證 結果為真，顯示高房價為影響低生育 率之顯著因子，且領先低生育率，但在普及 性上擴大至世界各國是否為真，以德國為 例，其房價在近15年內相當穩定，但生 育率仍節節下降，因此即使實證上在我國為真，但在德國則可能隱含著除房價外， 仍有其他因素(如生活壓力或女性追求自主等因素)引導著低生育率，也因此在實 務意涵上，即使政府能扭轉高房價的趨勢，或是提供價位及品質均合宜的住屋環 境，是否能引導生育率提高，則是本研究在最後須強化之實證分析及論述。
TFRt=αi+∑ki=1α1iTFRt-i+∑ki=1α2i HPIt-i+ε1t （7）
第四章 實證結果與分析
本研究之總體資料部分，以 1998年第一季至2011年第一季為研究期間；本 研究所謂之總體指全台灣地區而言。就個體資 料部分，各地區房價指數之資料年 限較不足，以2004年第一季至2011 第二季為研究期間；而空間範圍為台北市、 新北市、新竹市、台中市、台南市、高雄市之六大都會區，本研究以共整合檢定 及因果關係檢定，分析台灣少子化現象與房價之間所存在之影響關係，以了解近 20年內台灣人口政策之妥適性，並分析此波房價高漲與人口變動之間的關係。第一節 單根檢定
由於本研究所使用的變數資料為時間序列資料，在進行複迴歸分析、共整 合分析及因果關係檢定等分析，須先確認變數資料均為定態序列後方能進行分析， 以免造成估計上的偏誤；若為非定態序列之變數資料，則須進一步將資料進行差 分處理，直至變數資料為定態序列後才可以放入各項分析中；本研究採用ADF檢 定與PP檢定方法對各項變數資料進行單根檢定。檢定結果如表4-1，ADF檢定與PP 檢定之結果有所不同，除了變數GDP和CPI能夠拒絕有單根的虛無假設外為I(0) 定態序列，其餘變數在取一階差分後成為定態資料，故為I(1)序列。 表 4-1 單根檢定結果 檢定統計量 ADF 檢定 PP 檢定 T-統計量 落後期 T-統計量 落後期 級別 TFR -2.315429 5 -2.431232 4 HPI 0.562665 1 0.475082 4 UR -2.706226 2 -2.043941 5 CPI -3.952738 3** -3.770814 4** GDP -4.318572 2*** -2.593030 2*** EDU 1.098159 4 -0.021356 5 IR -2.044498 5 -1.880726 3 一階差分 TFR -5.353528 3* -3.719707 2** HPI -6.452871 0*** -6.375255 1*** UR -4246261 2*** -3.410251 1** EDU -3.317367 3*** -9.238256 1*** IR -8.085690 3** -4.529827 1*** Note: *和**和*** 表示在1%、5%、10%的顯著水準下，拒絕有單根的虛無假設。第二節 台灣少子化與房價之關係
壹、 複迴歸分析
本研究經過單根檢定後，發現除了CPI與GDP為沒有單根外，其餘的變數皆 有單根情形，故本研究為避免估計上的偏誤，針對非定態的變數進行差分處理， 確定每個變數皆為定態變數後，再進行複迴歸分析，以確定模型的正確性，其分 析結果如表4-2，此模型的R-squared為0.88表示模型具有解釋力，依變數為總生 育率，被解釋變數在1%的顯著水準下，CPI與EDU總生育率皆呈現負相關，表示CPI 與EDU每增加一單位，總生育率會下降0.008單位與1.278單位；在5%的顯著水準 下，IR與HPI皆呈現負相關，表示IR與HPI每增加一單位，生育率會下降0.895單 位與0.0003單位，此模型顯示總生育率與房價、女性高等教育比、國民所得年增 率及消費者物價指數間存在顯著的關係，在往後進一步分析時可以做為解釋上的 參考。 4-2 複迴歸分析表 Note:*表示 10%顯著水準，**表示 5%顯著水準，***表示 1%顯著水準。 變數 常數項 標準誤 t-統計量 P 值 CPI -0.007692 0.000232 33.10551 0.0000*** GDP 0.000577 0.000843 0.684832 0.4968 UR -0.004505 0.005034 -0.894988 0.3754 IR -0.895145 1.126423 -0.794679 0.0308** EDU -1.279134 0.163871 -7.805722 0.0000*** HPI -0.000305 0.000317 -0.963875 0.04400**R-squared 0.875952 Mean dependent var 0.310590 Adjusted R-squared 0.862755 S.D. dependent var 0.056855 S.E. of regression 0.021063 Akaike info criterion -4.776345 Sum squared resid 0.020851 Schwarz criterion -4.553293 Log likelihood 132.5732 Hannan-Quinn criter. -4.690570 Durbin-Watson stat 0.739569
貳、 共整合分析
本研究將運用共整合分析了解總生育率(TFR)與房價(HIP)之間的長期關係。 Engle& Granger(1987)當兩個非定態的時間序列變數之線性組合結果變成定態， 則稱這些變數存在共整合關係。本研究採用實際運用較具彈性的Johansen檢定以 最大概似法檢定共整合關係，並以向量誤差修正模型(VACM)為基礎，觀察短期動 態關係。反之，如果生育率與其他變數不存在共整合關係，表示此兩變數沒有長 期關係，在此情況下，採用向量自我回規模型（VAR）來分析一階差分後變數之 間的關係，以測是長期均衡關係，本研究採用Akaike Infrmation Criterion(AIC) 決定最適落後期數。從表4-3可以得知房價指數(HPI)與國民所得年增率(IR)的最適落後期數是 第四期，女性高等教育比率(EDU)為第五期，消費者物價指數(CPI)與失業率(UR) 為第六期，經濟成長率(GDP)為第二期，依據最適落後期數進行共整合分析。
表 4-3 最適落後期數
TFR and HPI TFR and IR
落後期 LR AIC 落後期 LR AIC 0 NA -8.758139 0 NA -11.29680 1 62.12333 -9.503880 1 87.49577 -12.39011 2 7.410741 -9.502994 2 5.765252 -12.36605 3 10.61687 -9.551599 3 11.40242 -12.42604 4 11.10216* -9.612039* 4 24.96605* -12.69340*
TFR and EDU TFR and CPI
落後期 LR AIC 落後期 LR AIC 0 NA 6.023046 0 NA -1.148176 1 231.8775 0.923316 1 50.41261 -1.758767 2 6.793270 0.931785 2 3.363511 -1.698641 3 30.58028 0.337490 3 9.624757 -1.734882 4 57.53275* -1.006317 4 16.67583 -1.885853 5 8.716372 -1.078225* 5 17.66659 -2.061209 6 5.142058 -1.059250 6 9.667329* -2.112742*
TFR and UR TFR and GDP 落後期 LR AIC 落後期 LR AIC 0 NA 2.466748 0 NA 16.84465 1 501.8378 -4.493282 1 148.2502 13.64554 2 113.9420 -6.036507 2 18.49967* 13.37528* 3 6.281339 -6.022150 3 5.243380 13.41441 4 6.7151451 -6.017911 4 4.335541 13.47053 5 13.25882 -6.120260 5 5.573548 13.48592 6 14.08769* -6.243098* 6 1.764713 13.60423 Note:* AIC 和 LR的最適落後期數。. 決定VAR落後期數後，進行Johansen共整合檢定分析，其結果如表4-4 總生 育率(TFR)與房價指數(HPI)、國民可支配所得 年增率（IR），在5%的顯著水準下， 皆拒絕沒有共整合關係的虛無假設。也就是說，總生育率和房價、所得之間存在 共整合的長期均衡關係。從表4-4至表4-7可以發現除了房價和所得外，其他得變 數與總生育率之間不存在共整合關係，失業率（UR）與女性高等教育比(EDU)代 表工作的機會成本，在長期下生育率不隨著此兩個變數的變動而變動，即表示工 作能力可能不是影響生育率的主要因素。 表 4-4 總生育率(TFR)與房價指數(HPI)共整合測試 Hypothesized No. of CE Trace Statistic 0.05 臨界值 P 值 Max-Eigen Statistic 0.05 臨界值 P 值 None 15.97875 15.49471 0.0423*** 12.87579 14.26460 0.0819 At most 1 3.102964 3.841488 0.0781 3.102964 3.841466 0.0781 Note: *和**和*** 表示在1%、5%、10%的顯著水準下，拒絕沒有共整合虛無假設。 表 4-5 總生育率(TFR)與國民可支配所得年增率（IR）共整合測試 Hypothesized No. of CE Trace Statistic 0.05 臨界值 P 值 Max-Eigen Statistic 0.05 臨界值 P 值 None 14.02430 15.49471 0.0823 7.539583 14.26460 0.4274 At most 1 6.484713 3.841466 0.0109** 6.484713 3.841466 0.0109** Note: *和**和*** 表示在1%、5%、10%的顯著水準下，拒絕沒有共整合虛無假設。 表 4-6 總生育率(TFR)與失業率(UR)共整合測試 Hypothesized No. of CE Trace Statistic 0.05 臨界值 P 值 Max-Eigen Statistic 0.05 臨界值 P 值 None 11.62582 15.49471 0.1758 11.06590 14.26460 0.1509 At most 1 0.559920 3.841466 0.4543 0.559920 3.841466 0.4543
表 4-7 總生育率(TFR)與女性高等教育比(EDU) 共整合測試 Hypothesized No. of CE Trace Statistic 0.05 臨界值 P 值 Max-Eigen Statistic 0.05 臨界值 P 值 None 11.55429 15.49471 0.1796 11.49229 14.25460 0.1312 At most 1 0.062006 3.841466 0.8033 0.062006 3.841466 0.8003 Note: *和**和*** 表示在1%、5%、10%的顯著水準下，拒絕沒有共整合虛無假設。 綜合上述分析，本研究發現總生育率(TFR)與房價指數(HPI)、國民可支配所 得年增率（IR）存在共整合長期關係，表 4-8 整理共整合相關係數，在經濟意涵 上，係數的正負號代表著總生育率與變數之間的正負向關係(Enders,2004, 365)， 也就是說，在長期下，房價每上升 1%，導致總生育率下降 0.34%，而總生育率每 上升 1%則房價下降 2.85%，Hui et al (2012)房價與總生育率存在負向關係，與 本研究所預期的相同。 表 4-8 共整合測試係數表 HPI TFR IR TFR 1.000000 -2.857519 (0.74716) 1.000000 0.49302 (0.02449) HPI TFR IR TFR -0.349954 1.000000 20.28325 1.000000 (0.41931) (4.19649)
參、 因果關係檢定
本研究由單根檢定將資料分類為定態或非定態後，非定態資料經由差分後 進行複迴歸模型分析，接著運用共整合模型評估變數間長期的趨勢關係，存在共 整合關係的變數採用VECM模型，未存在共整合關係之變數與定態變數採用VAR模 型，其分析結果詳見附錄，最後進行Granger因果關係檢定。 研究結果如表4-9至表4-14所示，其中總生育率(TFR)與房價指數(HPI)之關 係是本研究所要討論的重點，如表4-10顯示，總生育率(TFR)會影響房價指數 (HPI)，但房價指數(HPI)的變動卻不會影響總生育率(TFR)，也就是說總生育率 (TRF)的變化會導致房價指數(HPI)的波動，配合共整合測試的結果證明長期低生 育率導致高房價的情況發生，也就是說目前台灣的家庭在購屋與生育之間的決策， 大多數的人選擇減少生育的負擔，增加儲蓄以購買房屋，當生育率有下降趨勢， 等到家庭累積一定的儲蓄會選擇購屋，造成房價推升的情形發生。 關於總生育率(TFR)與其他總體變數之關係，總生育率(TFR)與國民可支配所 得(IR)、實質國內生產毛額(GDP)之間，不存在因果關係，總生育率(TFR)與失業 率(UR)、消費者物價指數年增率（CPI）之間，失業率和消費者物價指數影響總 生育率，而總生育率不影響失業率和消費者物價指數，最後總生育率與女性高等 教育比之間存在相互因果關係，也就是說生育率與女性高等教育之間是互相影響 的。 表 4-9 總生育率(TFR)與房價指數(HPI)因果關係檢定 Null Hypothesis: F-統計量 P 值HPI does not Granger Cause TFR
0.99332 0.4173
TFR does not Granger Cause HPI
2.54595 0.0472**
Note: *和**和*** 表示在1%、5%、10%的顯著水準下，拒絕虛無假設。
表 4-10 總生育率(TFR)與國民可支配所得年增率（IR）因果關係檢定
Null Hypothesis: F-統計量 P 值
IR does not Granger Cause TFR
1.11275 0.3578
TFR does not Granger Cause IR
0.35080 0.8426
表 4-11 總生育率(TFR)與失業率(UR) 因果關係檢定
Null Hypothesis: F-統計量 P 值
UR does not Granger Cause TFR
2.86235 0.0160***
TFR does not Granger Cause UR
1.51811 0.1874
Note: *和**和*** 表示在1%、5%、10%的顯著水準下，拒絕虛無假設。
表 4-12 總生育率(TFR)與消費者物價指數年增率（CPI）因果關係檢定
Null Hypothesis: F-統計量 P 值
CPI does not Granger Cause TFR
2.51760 0.0305***
TFR does not Granger Cause CPI
0.26001 0.9533
Note: *和**和*** 表示在1%、5%、10%的顯著水準下，拒絕虛無假設。
表 4-13 總生育率(TFR)與女性高等教育比(EDU) 因果關係檢定
Null Hypothesis: F-統計量 P 值
EDU does not Granger Cause TFR
12.89099 0.0244***
TFR does not Granger Cause EDU
11.85741 0.0368***
Note: *和**和*** 表示在1%、5%、10%的顯著水準下，拒絕虛無假設。
表 4-14 總生育率(TFR)與實質國內生產毛額(GDP) 因果關係檢定
Null Hypothesis: F-統計量 P 值
GDP does not Granger Cause TFR
2.408589 0.4920
TFR does not Granger Cause GDP
2.349751 0.5031
第三節 六大都市少子化與房價之關係
本研究上一節針對台灣總體資料進行分析，發現在長期趨勢下總生育率與 房價存在因果關係，研究結果指出，房價的變動是影響生育率變動的原因，而本 研究欲進一步探討個別都市是否也存在此現象，故研究範圍顯則台灣六大都市之 台北市、新北市、新竹市、台中市、台南市及高雄市總生育率與房價之關係進行 分析，並以 Granger 因果檢定進行探討。首先，透過 ADF 與 PP 單根檢定進行定 態分析，本研究之樣本數為小樣本，故以 AIC 判斷最適落後期數。壹、 單根檢定
如表4-15 ADF單根檢定結果，在5%的顯著水準下，變數皆無法拒絕有單根 的虛無假設，因此對所有的變數進行一階差分，在此操作下，於1%的顯著水準， 各縣市的總生育率與房價變數，皆能夠拒絕有單根的虛無假設，也就是說，經過 差分的處理後，六大都市資料的房價與總生育率變數型態皆符合定態資料。 表4-15 ADF檢定與PP檢定表 Note1： *表示 10%顯著水準，**表示 5%顯著水準，***表示 1%顯著水準。 Note2：（）內表示最適落後。 檢定 變數 TFR-TPE TFR-NTPE TFR-HSZ TFR-TXG TFR-TNN TFR-KHH ADP level -1.569964(1) -0.346884(2) -1.422895(1) -1.945038(1) -1.659173(1) -1.592507(1) 1st difference -5.145234(1)*** -5.116781(3)*** -5.226038(1) -4.246219(3)*** -5.141849(1)*** -5.142934(1)*** PP level -1.569964(1) -2.133595(1) -1.422895(1) -1.45038(1) -1.684295(1) -1.613978(1) 1st difference -5.145234(1)*** -5.099267(1)*** -5.225704(1)*** -5.109702(1)*** -5.141814(1)*** -5142897(1)***檢定 變數 HPI-TPE HPI-NTPE HPI-HSZ HPI-TXG HPI-TNN HPI-KHH ADP level 0.317313(1) -0.165283(1) -1.138069(1) -0.355995(1) 0.663128(1) -0.428481(1) 1st difference -4.665349(1)*** -5.498461(1)*** -6.310093(1)*** -10.67471(1)*** -8.598703(1)*** -6.111458(1)*** PP level 0.490244(1) -0.119058(1) -1.117728(1) -0.398660(1) -1.009610(1) 0.759812(1) 1st difference -4.625278(1)*** -5.498055(1)*** -6.309313(1)*** -11.31035(1)*** -8.185943(1)*** -8.299659(1)***
貳、 共整合檢定
本研究透過單根檢定確定的型態後，接著對非定態的數據進行共整合檢定， 確定變數間是否存在長期趨勢關係，如表4-16 至表4-21，台北市、新北市、台 中市、台南市、高雄市，房價與總生育率之間皆存在共整合現象，表示這些城市 得房價與生育率存在長期趨勢關係；而新竹市在本次檢定中，並未出現共整合現 象，表示新竹市的房價與生育率間沒有明顯的趨勢關係；如附錄一和二，依據共 整合結果進行資料上的處理，出現共整合現象以向量誤差修正模型(Vector Error Correction Model)進行修正；未出現共整合現象，則以向量自迴歸模型 (Vector Autoregressive Model)，最後再探討其因果關係。表4-16 台北市共整合檢定表 台北市 Hypothesized No. of CE Trace Statistic 0.05 臨界值 P 值 Max-Eigen Statistic 0.05 臨界值 P 值 None 5.019348 15.49471 0.0068*** 4.477593 14.26460 0.0058*** At most 1 0.541755 3.841466 0.0617*** 0.541755 3.841466 0.0617** Note: *和**和*** 表示在1%、5%、10%的顯著水準下，拒絕沒有共整合虛無假設。 表4-17 新北市共整合檢定表 新北市 Hypothesized No. of CE Trace Statistic 0.05 臨界值 P 值 Max-Eigen Statistic 0.05 臨界值 P 值 None 18.65831 15.49471 0.0161** 11.79246 14.26460 0.0983* At most 1 6.865847 3.841466 0.0088*** 6.865847 3.841466 0.0088*** Note: *和**和*** 表示在1%、5%、10%的顯著水準下，拒絕沒有共整合虛無假設。 表4-18 新竹市共整合檢定表 新竹市 Hypothesized No. of CE Trace Statistic 0.05 臨界值 P 值. Max-Eigen Statistic 0.05 臨界值 P 值 None 7.766414 15.49471 0.4907 5.920217 14.26460 0.6235 At most 1 1.846197 3.841466 0.1742 1.846197 3.841466 0.1742 Note: *和**和*** 表示在1%、5%、10%的顯著水準下，拒絕沒有共整合虛無假設。
表4-19 台中市共整合檢定表 台中市 Hypothesized No. of CE Trace Statistic 0.05 臨界值 P 值 Max-Eigen Statistic 0.05 臨界值 P 值 None 21.60771 15.49471 0.0053*** 15.89234 14.26460 0.0274** At most 1 5.715377 3.841466 0.0168** 5.715377 3.841466 0.0168** Note: *和**和*** 表示在1%、5%、10%的顯著水準下，拒絕沒有共整合虛無假設。 表4-20 台南市共整合檢定表 台南市 Hypothesized No. of CE Trace Statistic 0.05 臨界值 P 值 Max-Eigen Statistic 0.05 臨界值 P 值 None 13.88653 15.49471 0.0861* 9.426948 14.26460 0.2523 At most 1 4.459579 3.841466 0.0347** 4.459579 3.841466 0.0347** Note: *和**和*** 表示在1%、5%、10%的顯著水準下，拒絕沒有共整合虛無假設。 表4-21 高雄市共整合檢定表 高雄市 Hypothesized No. of CE Trace Statistic 0.05 臨界值 P 值 Max-Eigen Statistic 0.05 臨界值 P 值 None 27.93818 15.49471 0.0004*** 22.09606 14.26460 0.0024*** At most 1 5.842118 3.841466 0.0156** 5.841466 3.841466 0.0156** Note: *和**和*** 表示在1%、5%、10%的顯著水準下，拒絕沒有共整合虛無假設。
參、 因果關係檢定
本研究針對六大都市的房價與總生育率的數據進行處理，最後以Granger因果 關係檢定討論變數之間的所存在的關係，其研究結果如表4-22所示，依據總體分 析結果顯示房價與總生育率之間存在因果關係，其關係為總生育率影響房價且為 負向關係，顯示長期低生育率，導致房價上升。以總體為基礎，本研究進一步探 討六大都市個體的現象，發現六大都市的因果關係可分為三類，第一類為房價影 響生育率，台北市與新北市存在此類型的因果關係，且台北市相對新北市更為顯 著，也就是說房價長期不合理的上漲，在龐大的房貸壓力下，導致生育率降低； 第二類為房價與生育率之間無因果關係，新竹市與台中市在房價與總生育率之間， 並不存在因果關係；第三類為生育率影響房價，台南市與高雄市存在此類型的因 果關係，表示長期低生育率，導致房價的上漲，也就是說南部地區的家庭，因所 得相較北部地區較低，在購屋與生育之間的決策，選擇減少生育方式降低家庭開 銷，累積儲蓄購買不動產，呈現生育率下降，房價出現上漲的趨勢。 表4-22 六大都市因果關係檢定表 都市 Granger因果關係 F-統計量 自由度 P值 台北市 HPI→TFR 3.192554 3 0.0040*** TFR→HPI 0.885452 3 0.3467 新北市 HPI→TFR 6.007850 2 0.0496** TFR→HPI 1.335035 2 0.5130 新竹市 HPI→TFR 6.295780 4 0.1781 TFR→HPI 2.505678 4 0.6436 台中市 HPI→TFR 10.40760 6 0.1085 TFR→HPI 2.793558 6 0.8343 台南市 HPI→TFR 3.893507 3 0.2732 TFR→HPI 12.21511 3 0.0067*** 高雄市 HPI→TFR 0.249391 2 0.8828 TFR→HPI 4.620491 2 0.0992* Note:*表示10%顯著水準下，拒絕之虛無假設；**表示5％顯著水準；***表示1%顯著水準下，拒 絕之虛無假設。第五章 結論與建議
本研究之研究目的以實證方式了解影響生育率的因素，過去相關研究多半 從社會學角度思考，較少從經濟面的角度切入，故本研究選取生育的機會成本作 為影響變數，包括失業率、實質國內生產毛額、物價指數、房價指數、女性高等 教育比率，其中房價於支出比重中為最大，也是本研究主要探討的因素，本研究 之總體資料部分，以 1998 年第一季至 2011 年第一季為研究期間；個體資料部分， 各地區房價指數之資料年限較不足，以 2004 年第一季至 2011 第二季為研究期間； 而空間範圍為台北市、新北市、新竹市、台中市、台南市、高雄市之六大都會區。第一節
結論
探討女性生育決策的議題時，養育兒女的機會成本，往往被視為影響生育率的重要因素。近期的研究，Narayan and Peng（2006）探討中國大陸生育率的 影響因素，其結果顯示社會經濟的發展對中國大陸生育率有顯著的影響。而 Ahn and Mira（2002）在探討 OECD 國家女性勞動參與及生育率之間關係時，女性薪 資與就業率的上升將顯著的減少生育率。台灣近期的研究也證實了這個論述，于 宗先、王金利（2009）彙整近年來台灣重要的人口議題，除了養育成本以及家庭 結構改變外，女性職場競爭的優勢造成晚婚、少產更是導致台灣地區少子化的重 要原因。李美慧（2008）針對女性勞動參與率、高等教育率、結婚率及女性失業 率對台灣地區生育率的影響進行研究，其結論說明女性勞動參與率、高等教育率、 結婚率及女性失業率均為影響生育之因素，其中女性勞動參與率對生育率有負向 影響且為重要變數。此外，Narayan（2006）針對台灣地區生育率的影響因素進 行實證研究，該研究發現女性教育的普及以及女性勞動參與率的增加將是影響台 灣地區生育率下降的重要因素。 本研究有別於過去的研究，以占家庭支出比重大的房價進行生育率的討論， 運用共整合檢定及 Granger 因果關係檢定，分析台灣少子化現象與房價之間所存 在之影響關係，以了解近年內台灣人口政策之妥適性，並分析此波房價高漲與人 口變動之間的關係。研究結果可分為總體與個體兩部分，研究結果顯示：依據共 整合關係觀察台灣地區的現象，總生育率與房價、國民可支配所得存在共整合關 係，表示此兩個變數與總生育率長期具有相同的趨勢變化，其中生育率與房價存 在負向關係，顯示房價上漲時，於家庭支出產生排擠效果，在房價的壓力下，出
國民可支配所得存在正向關係，若將生育歸為正常財貨，當可支配所得增加時， 有助於提升生育的意願；依據 Granger 因果檢定結果，發現影響總生育率的原因 是房價和女性高等教育比率，而失業率、消費者物價指數、女性高等教育比率是 總生育率的結果，國民可支配所得與總生育率之間不存在因果關係，因此政府與 解決生育率的問題，可以從失業率、消費者物價指數、女性高等教育比例作為指 標進行思考。 本研究進一步觀察六大都市總生育率與房價之間的關係，依據共整合測試， 除了新竹市未存在共整合關係外，台北市、新北市、台中市、台南市、高雄市， 房價與總生育率之間皆存在共整合現象，表示這些城市得房價與生育率存在長期 趨勢關係；另依據 Granger 因果檢定結果，台北市與新北市存在顯著的因果關係 且為房價影響生育率，顯示台北市與新北市房價上漲快速，加上所得提升的速度 緩慢，家庭收入受到房價上漲的壓縮，降低生育的意願；新竹市與台中市的房價 與總生育率間未存在因果關係，台中市的房價與總生育率存在長期趨勢關係，但 其因果關係並不顯著，表示房價與生育率之間存在相同趨勢變化，但相互沒有影 響；台南市與高雄市的房價與生育率間存在因果關係，但其關係為生育率影響房 價，表示生育率下降，導致房價上漲，也就是說在台南市與高雄市在購屋與生育 之間的決策，以減少生育的方式，降低家庭支出，將所儲蓄的資金投入不動產， 使房價出現上漲的現象。 綜合上述，本研究假設低生育率長期來看人口需求減少，應該會有抑制房價 的效果，但有趣的是結果顯示低生育率導致高房價，進一步觀察兩個變數的影響， 出現當房價越高時，生育率越低的現象，顯示房價高漲增加家庭的支出比例，降 低生育的意願，導致少子化的現象，此現象在台北市與新北市更為明顯，依據此 研究結果，政府欲提高生育率，除了刺激經濟成長，提升國民所得外，更重要的 是將房價控制在合理的範圍，減輕家庭支出上的負擔比重，以提升家庭生育的意 願，使人口結構回復到正常的機能。
