壹、緒論

一、研究背景與動機
股票市場為經濟的櫥窗,任何人都可以透過觀察股票市場的表現來了解當前的社

會經濟現況,並由類股或個股的交易狀況來明白民生消費動向,而決策單位更可以利

用股票市場所反映出來的各項資訊,做為發展經濟的指標。由於股票具有高度的流動

性且交易方式十分簡易便利,投資門檻相對偏低,因此深獲投資者之青睞,成為投資

大眾及法人企業常用的投資工具。

圖 1.1.1 台灣證券市場股價指數月變動圖(1998-08 至 2017-03)

資料來源︰行政院主計處

購置不動產可享有自用及投資的雙重目的,尤其是不動產中的住宅類,可以滿足

自住需求,亦可滿足投資需求,例如出租收取租金或採短期投資方式出售賺取價差。

房地產投資相對於其他投資工具而言,其流動性相當低,且住宅商品從投入資金、生

產、使用或交易,整個週期十分地長,因此房地產投資並非一般社會大眾所能負擔,

而是握有大筆閒置資金(俗稱口袋夠深)或信用良好的投資者才能參與。

1

股票與房地產是台灣地區的資本市場中非常普遍且重要的投資工具。在民國 70 年

代初期,台灣股市開始狂飆,股市加權股價指數甚至攀升到 12000 點之上,當時又在

台幣不斷地升值推波助瀾下,許多投資人因此在股市大幅獲利,賺到人生的第一桶金,

甚至好幾桶金。許多獲利的投資人為了分散風險,開始選擇不同的投資工具作為資金

的避風港,房地產因為具有投資跟保值等雙重功能,所以便成為投資人眼中的最愛,

這也使得不動產市場水漲船高,價格扶搖直上,上漲幅度高達 2~4 倍不等,可以從民

國 76 以來的住宅價格屢創新高得到印證,最常用的比喻就是上班族要不吃不喝數十年

才能買得起一間安身立命的小房子。

隨著民國 77 年 10 月股市下跌開始,房地產價格也呈現一路下滑的狀態,而民國

80 年代以後,股票市場的熱潮開始消退,房地產市場的景氣也跟著疲軟,直到民國 90

年兩市場皆達到相對低點,而後在政府推出許多刺激景氣的政策後,股市因資金行情

開始走升,房地產也因區域炒作的因素而狂漲。因為兩者之間有著如此微妙的變化,

許多學者經過分析後認為股票市場與房地產市場兩者關係密切,應該存在著某種關聯

性。

本文認為,台灣的股票市場及房地產市場之間的關係必須有正確的釐清,畢竟如

前所述,這兩個資本市場是國內投資人所使用比例最高的投資工具,對國內經濟景氣

的榮枯影響甚鉅。如果股票市場與房地產市場之間確實有著密不可分的相互影響關係,

那麼投資人所持有之各種資產之間將產生程度不等的替代效果,投資人將資金分別投

入兩個不同的資本市場(或多個資本市場),理由不外乎是為了分散投資風險,倘若此

兩市場表現係呈現共榮共枯,則其所能達到分散風險的效果將不如預期。又若此兩市

場表現係呈現互補或低度相關,則將能提供投資大眾有效的資金保護管道,不致血本

無歸。

相對於國外市場的討論,過去討論台灣股票市場與房地產市場關聯性的相關文獻,

可說寥寥可數。除了採取的研究方法不同而產生結論的不一致之外,有時也因為所採

樣本期間的差異使得實證結果迥異的情況亦所在多有。我國學者認為台灣的股價與房

2

價具有高度正相關(羅國男,1991),而也有持不同看法認為兩者之間具有雙向回饋的關

係,但主要原因是受到共同總體因子的影響,並非兩者之間具有本質上的關聯(秦國維,

1996)

,另外曾任台北市副市長的學者張金鶚(1997)認為股票市場與房地產市場具有互相競爭

的關係。而鄭佳音(2000)在碩士論文中提出其研究股市及房市的關係,結論發現兩者為

負向的互動關係。

早期結論的不一致,可能是因為受到市場不完美的影響(楊智元,2010),也有認為

是因為在新的計量經濟理論發明前,許多文獻的研究方法有修正與加強的必要(廖茂成,

2001),所以現今研究相關議題時,皆採用較為嚴謹的計量模型,以避免得到不正確的

推論。

二、研究目的
過去研究台灣股價與房價關聯性的論文不算太少,但有些在房地產指標上採用局

部城市且細分至市區與郊區,如許湧澤(1995)。但本人以為時空環境已有很大變化,各

都會區的活動範圍不斷在擴大,直轄市由二都(台北市、高雄市)增為六都(台北市、高

雄市、新北市、台中市、台南市以及桃園市)後,這種改變更加明顯。又如廖茂成

(2001)對於房地產價格變數採取預售屋價格而非成屋或土地價格,討論地區又僅侷限於

台北市、台北縣(新北市)、台中市、高雄市等四個都會區。但本研究以為,在捷運及

高鐵相繼加入大眾運輸行列後,便捷的交通使得民眾生活圈擴大,人口流動的範圍較

以往增廣不少,購屋者也不堅持非市中心地區不可,使得不動產投資客的投資標的早

已不限大都會區,而是遍及全台灣,所以各都會區之房價指數與全國房價指數已有相

同之趨勢,考慮房價因素時便應以全國的市場為討論的資料為宜。

3

1 台北市與新北市房價指數歷年走勢圖 資料來源︰信義房屋不動產企劃研究室(2017-02-02) 4 .2. 圖 1.

3 全國與六大都會區可能成交房價指數歷年走勢圖 資料來源︰內政部不動產資訊平台 註︰可能成交價指數為各分區個案開價平減議價空間後,固定標準住宅後再進行拉氏指數編製。 5 . 圖 1.2 台中市與高雄市房價指數歷年走勢圖 資料來源︰信義房屋不動產企劃研究室(2017-02-02) 圖 1.2.2.

本研究主要是以一般投資人的角度切入,雖然股票市場及房地產市場皆有大量的 公開資訊,但並非所有投資人皆能有效利用這些資訊從事正確的投資行為。又其他總 體經濟變數不是資料蒐集不易,就是專業門檻過高,投資人是否有耐心研究這些大量 的資料及複雜的分析方法,值得懷疑。所以本文擬採用較廣為人知的計量模型及年份 較新的資料來進行分析,希望可以探求出一個存在於兩個市場之間的特殊關連性,提 供投資人簡單易懂的資訊,使得投資人能掌握準確的時機參與市場運作,從而獲得較 佳的理財績效,進而達到分散投資風險的目的。 三、研究架構 本研究共分為五章,各章之內容如下︰ 第一章 緒論 介紹本研究之動機、目的、流程與架構。 第二章 文獻探討 本研究之文獻探討分為國外文獻探討與國內文獻探討兩部分。 第三章 研究方法 介紹本研究之檢定方法及模型建立。 第四章 實證研究結果與分析 製表列出本研究之檢定結果,並討論分析之。 6 .

第五章 結論與建議 對實證結果做出結論與解釋。對未來研究將遭遇的困境提出努力的方向。 四、研究流程 本文之研究流程如下圖所示︰ 確定研究目的 文獻探討 蒐集資料 單根檢定 共整合檢定 因果關係檢定 實證結果分析 7 .

及 Grissom(1990) 使用單因子的資本資產定價模型(capital asset pricing model,CAPM),探討美國的股票 市場與商用不動產市場是否有所區隔,研究結果發現在 1978~1986 年間股票市場與房 地產市場二者有著不同的風險溢酬,兩者之間存在著比如說成本及資訊等間接性障礙, 故否定了此兩市場為整合市場之假說,認為此二者應是區隔市場。但亦有學者如 Gyourko and Keim(1992)認為股票市場與房地產市場為整合市場(integrated market)。 Okunev and Wilson(1997)使用 1973 年 1 月到 1993 年 12 月美國股票指數與房地產指數 的月資料,從事共整合檢定與非線性迴歸分析,發現到美國的股票市場與房地產市場 8 .Greig .1 研究流程圖 貳、文獻探討 一、國外文獻回顧 股票市場號稱經濟的櫥窗,是國內社會大眾最常使用的投資工具,而藉由房地產 買賣賺取價差或持有房地產出租收取租金等投資理財方式,亦為台灣社會近年來非常 普遍的投資管道,所謂「投資客」在全台各地四處流竄、置產。因為資金總額短期內 是固定的,所以金融市場與房地產市場之間的關係,是共榮共存?還是具有排擠效應? 不論何者,都會對經濟帶來不小的影響,因此國內外學者都對此做了大量的研究。 本章整理出過去幾年來國內外學者對於有關股票市場與房地產市場之間的相關性研 究,發現使用的研究方法或有不同,但結論亦時有出入,究其原因,可能是對於股票 市場的研究取樣多採某段期間的帶狀樣本,各研究所採之期間並不一致,抑或是選擇 從事分析研究之市場地域不同所導致,又或是所設定之研究變數不夠完備。現舉針對 美國市場之分析為代表,研究分析的文獻計有 Hartzell . 結論及建議 圖 1.Liu.4.

1989),尤其是短期的價格部 分具有關聯性。國內有研究論文認為這可能是因為國內的投資環境和國外不同,國內 的投資者比國外的投資者有更大比例的個人投資者,而國外則是機構投資較多(廖茂成.之間為區隔市場,雖是非線性關係,但是並不顯著,所以可知股票價格與房地產價格 之間修正調整的過程實際上是相當冗長的。Okunev,Wilson and Zurbruegg(2000)利用 美國房地產指數和 S&P500 指數代表房地產市場與股票市場,從 1972 年 1 月到 1998 年 12 月的月資料進行線性與非線性的因果關係檢定,檢定結果顯示,房地產市場對股票 市場是單向因果關係,但其實有可能因兩個市場之間存在非線性共整合關係,因而產 生虛假迴歸。Oppenheimer and Grissom(1998),Larson(2005)研究發現,股票市場指數 對於 REITs(不動產投資信託指數)的價格具有領先指標,股票市場的趨勢反轉變化會影 響 REITs 的價格走向,且往相同的方向反應。 二、國內文獻回顧 以台灣股票市場做為房地產市場的影響因素的研究文獻,在過去相當豐富。而直接 將這兩個市場之間的關係作為主要研究對象的文獻就不多了,許多學者在建立房價模 型時,發現股價指數是顯著影響房價變動的變數(陳明吉. 2001)。純粹以股價及房價之間的關聯性為研究對象者,如羅國男(1991)以 1985 年 1 月 到 1989 年 12 月的台股加權股價指數與台灣房地產景氣指標之月資料進行迴歸分析, 發現兩者之間呈現高度正相關。 許湧澤(1995)利用 Granger 因果關係檢定驗證台灣股價與房價之間是否具有因果關係, 結果發現兩者確有因果關係存在,但卻是呈反向變動。秦國維(1996)認為股市與房市之 間的關係並非直接影響,而是由其他中介變數所造成。 廖茂成(2001)以 Granger 因果關係模型檢定房價與股價之間是否具有財富效果,結果 發現股價的變動只對台北市房價的變動影響為顯著,其餘各都會區則不顯著。鄭佳音 (2000)對區域性房價資料及全國房價資料,利用多種不同的分析方法及不同的分析角度, 進行了詳細的檢定分析,結果發現台北縣(新北市)、高雄市及全國地區的房價指數與 股價指數存在共同趨勢,但呈反向關係。而台北市房價指數則沒有。又其研究指出台 9 .

中市的房價指數與股價指數的相關性為最高,與林慎福(2004)之研究得到一致的結論。 賴郁媛(2004)將房地產需求者區分為自住性以及投資性兩類,再以共整合檢定與向量 誤差修正模型來檢視利率、股價及貨幣供給等變數對不動產市場的影響,結果顯示無 共整合關係。葉裕正(2007)以當時最新的資料(1991 年第三季到 2006 年第四季)討論與 鄭佳音於 2000 年碩士研究論文相同的標的,利用 Johansen 共整合檢定法進行實證分析, 發現台北市的房價與股票價格之間存在長期均衡關係,而其他地區的房價與股票價格 之間則無長期均衡關係。另外再從 Granger 因果關係檢定發現,股票價格領先台北市、 台北縣(新北市)、高雄市及全國地區的房價,而台中市房價則單向領先股票價格。 10 .

參、研究方法 一、研究理論 股票市場相對於房地產等高成本投資門檻的理財工具而言,是較容易入手的投資 管道,加上資訊相對透明,投資策略也靈活許多,通常會是投資人第一個嘗試的資本 市場。 當股市上漲時,多數投資人的財富也跟著增加,根據投資組合理論,此時投資人除了 增加消費之外,也會另覓其他投資管道,以達到分散投資風險的目的,此種現象稱為 「財富效果」(廖茂成,2001)。房地產因兼具保值及投資的雙重功能(林秋瑾、黃佩玲, 1995),尤其是住宅,可以滿足自住需求,亦可滿足投資需求,例如出租收取租金或出 售賺取價差,所以成為投資人另一個投資管道。 過去台灣在 1990 年代後都會地區房價狂飆,使得投資人獲利頗豐,因此多餘資金可 能又回流股市,但房地產由於其流動性相當低,因此房地產的獲利再投入股票市場的 情況並不迅速。廖茂成(2001)認為相對於股票,投資不動產需要更多的資金,不是一般 投資者能參與,而且不動產具有消費與投資的雙重功能,投資人在獲利不多或市場景 氣不佳時,仍能選擇出租或自住,而不賣出變現轉入股市。因此房地產市場對股票市 場的影響似乎不大。 由上述可知,在財富效果的影響下,股票市場與房地產市場應該具有一些關聯性, 也就是說從股票市場投資獲利後,會將多餘資金轉投資於房地產市場,以求分散風險, 因為大量資金投入房地產,使得房價跟著上漲,換句話說,就是股價的變動會先於房 價,使得股價與房價在因果關係上產生了「前一期的股價為因,當期的房價為果」這 樣的情況,所以本研究擬採用 Granger 因果關係檢定法(Granger Causality Test)來作實 證分析,但在進行 Granger 因果關係檢定法之前,因為所取的資料係時間序列資料,而 11 .

2013),所以在從事計量 分析時,所取得之資料必須是定態(stationary),所謂定態就是時間序列隨著時間的演變, 而要有穩定的結構,一個具有穩定結構的時間序列才可以被預測。也就是說當資料受 到外來衝擊時,序列本身只會受到短期的影響,隨著時間的經過,影響的效果將會趨 緩甚至消失,時間序列將恢復長期平均水準,資料的長期平均數與變異數不會因此而 改變。而所謂的非定態(nonstationary),即是指資料受到外來衝擊後,序列受到的影響 不會隨著時間的經過而消失,序列將脫離長期平均水準,資料的長期平均數與變異數 會不固定。 如果資料未定態而進行傳統的迴歸分析時,如最小平方法(ordinary least square.OLS),則會產生虛假迴歸(Spurious Regression)的現象。所謂虛假迴歸是由 Granger and Newbold(1974)提出,意思是若有兩個獨立的定態時間序列,則做迴歸分析 2 時,應該會出現估計式不具統計上顯著,且判定係數 R 將相當低。但若兩者都具有 2 隨機趨勢(stochastic trend),則 R 會非常高,此時若用傳統的 t 檢定或 F 檢定,會顯 示變數間具有相關,使得原本互相獨立的資料卻估計出一個不存在的相關性,因而做 出錯誤的統計推論。為了避免出現虛假迴歸的情況,本研究將會先以單根檢定(unit root test)來檢驗變數資料是否為定態,若變數為非定態,即表示具有單根(unit root)。其次 將進一步做共整合檢定(Cointegration Test),以觀察變數之間是否有共整合關係 (cointegration relationship),若有共整合關係,則在因果關係模型中需加入誤差修正項 (Error Correction Term),以避免模型產生配適錯誤(mis-specified)問題。最後再利用 Granger 因果關係檢定來探討變數間的領先與落後關係。 二、研究方法 (一)單根檢定 12 . y j )≠0 表示時間序列資料,則其 (陳旭昇.時間序列資料具有序列相關(serial correlation)的特性,簡單說明,就是前後期的資料具 相關性,過去的價格會影響現在的價格,現在的價格也會影響將來的價格,若以 T { y t }t=1 Corr( y i .

1 式) 模型 2.2 式) 模型 3. 包含截距項(random walk with drift) p Δy t =α 0 + β⋅y t −1 + ∑ γ i⋅Δy t −i + ε t i =1 (3.3 式) 13 . 不含截距項與時間趨勢(random walk) p Δy t =β⋅y t−1 + ∑ γ i⋅Δy t−i +ε t i=1 (3. 若時間序列受到任意一次的隨機衝擊,就會造成持續而長期性的改變,我們就稱 這個時間序列具有隨機趨勢(stochastic trend)。如果時間序列具有單根,則必有隨機趨 勢,也就是說,若時間序列資料存有單根,則序列資料必為非定態。 單根檢定是用來檢定時間序列資料是否為定態,若資料呈現非定態,則可利用差 分(take difference)的方式使其成為定態。若資料需經過 d 次差分後才能成為定態,則稱 此序列資料具有 d 個單根,或說此序列資料的整合階次為 d 階(integrated of order d),以 y t ~ I (d ) 表之。 由於共整合檢定之變數必須為同階的整合階次,故單根檢定的目的就在於確定時 間序列的整合階次,藉此作為時間序列資料是否已呈現定態的判斷依據。本研究將針 對台灣房價指數與台灣加權股價指數探討其因果關係,因此將分別對台灣房價指數與 台灣加權股價指數資料進行兩種常用的單根檢定法︰ADF 檢定 (Augmented Dickey- Fuller test) 及 PP 檢定 (Phillips-Perron test)。 (1) Augmented Dickey–Fuller 檢定法 Augmented Dickey–Fuller 檢定法(以下簡稱 ADF 檢定)常使用以下三種檢定模型用以檢 驗時間序列資料是否具有單根。 模型 1. 包含截距項與時間趨勢(random walk with drift around a stochastic trend) p Δy t =α 0 +α 1 t + β⋅y t −1 + ∑ γ i⋅Δy t −i + ε t i=1 (3.

5 式) 其中 t 為時間趨勢項 T 為樣本數 εt E(ε )=0 εt 為殘差項, 且容許 存在序列相關或異質變異 模型檢定之虛無假設為 14 .4 式) T 模型 2. 其中 t 為時間趨勢項 α0 為截距項 γi 為落後期係數 p 為最適落後期數,可利用 AIC(Akaike information criterion)決定之 p ∑ γi⋅Δyt−i i=1 為 ADF 檢定的增廣項(augmented part) 三種模型檢定之虛無假設均為 H 0 : β=0 (序列存在單根,為非定態時間序列) H 1 : β< 0 (序列不存在單根,為定態時間序列) yt 若發現檢定的結果為非定態,則必須將 做一階差分,再進行 ADF 檢定,若仍 未定態,則繼續差分直到資料呈現定態為止。 (2) Phillips–Perron 檢定法 Phillips–Perron 檢定法(以下簡稱 PP 檢定)考慮到殘差可能存在自我相關及異質變異, 所以利用無母數(non–parametric)的方法修正 ADF 檢定,其模型如下︰ y t =a 0 +a 1⋅y t−1 +ε t 模型 1. ( ) y t =a^ 0 + a^ 1⋅y t −1 + a^ 2 t− 2 +ε t (3. (3.

H 0 :a 1=1 ( a^ 1 =1) (序列存在單根,為非定態時間序列) H 1 :a1 <1 ( a^ 1 <1) (序列不存在單根,為定態時間序列) (二)共整合檢定 若時間序列資料原本就是定態,則稱為零階整合(integrated of order zero)序列,簡 I( 0) y t ~ I (0 ) yt 稱 序列,以 表示 為一個零階整合的序列。如果經過一階差分後 I(1) z t ~ I (1) 才定態,則稱為一階整合(integrated of order one)序列,亦即 序列,以 表之。 I(1) 共整合關係的意義就是將一群 序列做某種線性組合後,得到一個新的序列, I( 0) 而此新序列為 序列。若原先非定態變數之間可以透過線性組合後轉而成為定態, 則表示變數之間具有長期均衡關係。亦即當變數出現暫時性變動時,隨著時間的經過, 變動的影響將會消失,但此變動若是永久性時,則因為變數的長期趨勢是一致的,所 以這些變動的影響會互相抵銷,使得序列資料維持一個長期均衡關係,我們就稱變數 之間具有共整合關係。簡單來說,就是序列資料具有共同的隨機趨勢(common stochastic trend),亦步亦趨地一起移動。 由於非定態時間序列資料間有可能出現假性迴歸的問題,所以 Engle 與 Granger(1987) 提出共整合理論,發現非定態時間序列如果有共整合現象時,則假性迴歸的問題便不 存在。常用的共整合檢定法為 Engle and Granger(1987)提出的二階段共整合檢定法(tow- stage cointegration test)以及 Johansen (1988) 提出的軌跡檢定(trace test)與最大特性根檢 定 (maximum eigenvalue test),分述如下︰ 1. 二階段共整合檢定法︰ Engle and Granger(1987)在假設最多只有一個共整合關係的前提下,可用二階段檢定 15 .

8 式) p 令 D j=− ∑ Φs , Π=−Φ(1)=−( I−Φ 1−Φ 2 −⋯−Φ p ) s= j+1 ( p) 則 VAR 可以改寫為向量誤差修正模型 (Vector Error Correction Model .6 式) {e^ t } 再對 做 ADF 單根檢定 n Δ e^ t =a0 +a1 e^ t−1 + ∑ ai+1 Δ e^ t−1 +ε t i=1 (3.簡稱 VAR)模型 y t =Φ 1 y t−1 +Φ2 y t−2 +⋯+Φ p y t− p +ε t (3.7 式) 模型檢定之虛無假設為 H 0 :a 1=0 xt zt ( 、 不具共整合關係) H 1 :a1 <0 xt zt ( 、 具共整合關係) 2. I(1) 法以檢定一組 序列是否具有共整合關係。 xt zt 首先,對兩組資料 、 以最小平方法(OLS)估計其長期關係 x t =α 0 +α 1 z t +et (3. Johansen 共整合檢定法︰ 二階段檢定法雖然簡單明瞭,但無法處理多個共整合關係的存在,Johansen(1988)提 出最大概似比檢定法(maximum likelihood cointegration test)改進此缺失。其作法如下︰ 若有一個落後期數為 p 期且具有 n 個變數的向量自我迴歸(Vector Autoregressions.簡稱 VECM) 16 .

9 式) Π 稱為衝擊矩陣(impact matrix),而 Π 矩陣的秩(rank)可以決定共整合向量的個數, 有三種不同情況︰ Π =n Π y t ~ I (0 ) (1) rank( ) ,此時 為滿秩(full rank),表示 ,即所有變數皆為定 態。 Π =0 Π y t ~ I (1) (2) rank( ) ,此時 為零秩(null rank),表示 ,即不存在任何共整 合關係。 Π =r 0<r < n yt r (3) rank( ) ,其中 ,此時表示 存在 個共整合關係。 yt Δyt 在(1)中,我們可直接用 估計 VAR 模型。在(2)中,我們可直接用 估計 VAR 模型。而在(3)中,根據 Granger Representation 定理,我們必須將 Π 做分解 ' Π=α⋅β (3.10 式) β β '⋅y t−1 其中 為共整合向量所組成的矩陣, 稱做誤差修正項(error correction term)。利用 Π 矩陣的秩來檢定是否存在共整合關係,就稱為 Johansen 檢定(Johansen test)。 Johansen 檢定決定共整合個數的統計量方法有二種︰ 方法 1︰軌跡檢定(Trace Test) H0: r r 最大共整合階次為 (最多只有 個共整合關係) H1: n n 最大共整合階次為 (最多只有 個共整合關係) 其軌跡檢定統計量為 17 . p−1 Δy t =Πyt−1 + ∑ D j Δy t− j +ε t j=1 (3.

λ^ . r+1 )=−T log(1− ^λr+1 ) (3. r+1 ) r +1 若虛無假設 為真,則 會接近 0,使得最大特性根檢定統計量 會很小。 H0 總而言之,這兩種檢定量在 為真時都會接近 0,因此當檢定量的值很大時,我 們就拒絕虛無假設。 (三)Granger 因果關係檢定 Granger 因果關係(Granger causality)未必是總體經濟理論中真正的因果關係, Granger 因果關係的定義,是以變數之間預測能力的強弱來決定,也就是「預測因果關 係」(predictive causality)。若有兩個變數 x 與 y ,當變數 x 為解釋變數時,其解 釋力較強,而以 y 為解釋變數時,其解釋力則較弱,則變數 x 即為因,被解釋變數 18 .11 式) H0 ^λ . λ^ λtrace (r) r +1 r+2 n 若虛無假設 為真,則 皆很接近 0,使得軌跡檢定量 會很 H1 log(1− ^λ j )<0 小。當對立假設 成立時,會有更多的 被加進軌跡檢定量,使得 λtrace (r) 會較大。 方法 2︰最大特性根檢定(Max Test) H0: r r 最大共整合階次為 (最多只有 個共整合關係) H1: r +1 r +1 最大共整合階次為 (最多只有 個共整合關係) 其最大特性根檢定統計量為 λ max(r .⋯. n λtrace (r)=−T ∑ log(1− ^λ j ) j=r +1 (3.12 式) H0 ^λ λ max (r .

y 即為果。 xt yt 當時間序列變數 與 間具有 Granger 因果關係,表示我們可以利用某一變數過 xt yt 去的資訊來預測另一個變數的變化,例如加入 的落後期會使其對 的解釋力提 xt yt 高,並降低預測誤差,則我們稱 領先 。故我們可由 Granger 因果關係檢定的過 程來衡量變數之間的領先與落後關係。 xt yt 要研究 與 間的因果關係,需考慮下列的迴歸式 p p x t =θ0 + ∑ α i x t−i + ∑ β j y t− j +u t i=1 j=1 (3.14 式) ut vt p ( 與 為互相獨立之殘差項, 表落後期數) yt xt 欲檢定 的變動是否造成 的變動,其檢定假設為 H 0 : β 1 =β2 =β 3 =⋯=β p =0 H1: β j 不全為 0 yt xt 若拒絕虛無假設,則表示 過去的訊息對於 有顯著的解釋能力。 xt yt 同理,欲檢定 的變動是否造成 的變動,其檢定假設為 H 0 : γ 1 =γ 2 =γ 3=⋯=γ p =0 19 .13 式) p p y t =φ 0 + ∑ γ k x t −k + ∑ δ l y t−l +v t k =1 l=1 (3.

H 1 :γ k 不全為 0 xt yt 若拒絕虛無假設,則表示 過去的訊息對於 有顯著的解釋能力。 若上述兩項檢定均為顯著,則表示兩變數之間具有雙向因果關係。 肆、實證研究結果與分析 為了進行 Granger 因果關係檢定,必須先判定資料是否為定態,以避免產生虛假迴 歸,因此本章分為四節,依次介紹第一節基本敘述統計;第二節單根檢定;第三節共 整合檢定;第四節將房價指數與台灣加權股價指數進行因果關係檢定。 一、基本敘述統計 本研究之資料來源分別是台灣內政部不動產資訊平台的房價指數及台灣新經濟日 20 .

0571;其偏態、 峰態係數在 10%顯著水準下皆不顯著;而加權股價指數之 Jarque-Bera 值檢定結果為不 顯著,故加權股價指數其序列為非常態。 21 .1.2826;最大最小值分別為 9854.02;最大最小值分別為 136.1 所示。 就房價指數而言,其平均數為 96.43;標準差 為 22.報(TEJ)的台灣加權股價指數,研究期間從 2000 年至 2016 年每季資料,共 68 筆,其基 本敘述統計量如表 4.77 與 69.9069;其偏態在 5%顯著水準下顯著且為正,呈現出右偏;峰態係數在 5%顯著水 準下顯著且小於 3,呈現低闊峰型態;另外,Jarque-Bera 值為檢定資料是否為常態分配, 房價指數在 5%顯著水準下顯著,代表其序列為常態分配。而加權股價指數,其平均數 為 7215.95 與 3636.94;標準差為 1590.

94 標準差 22.02 7215.3030** -0.1 基本敘述統計量 統計量 房價指數 加權指數 平均數 96. ***表示 99%信賴區間下顯著, **表 95%信賴區間顯著, *表 90%信賴區間顯著 2. 表 4. 峰態為超額峰態(excess kurtosis)。 3.2826 最大值 136.9229 J-B 7.1.95 最小值 69.3405 峰態 -1. J-B 為 Jarque-Bera 之常態性檢定。 二、單根檢定 在本研究將針對台灣房價指數與台灣加權股價指數探討其因果關係,因此本節分 別對台灣房價指數與台灣加權股價指數資料進行 ADF 檢定及 PP 檢定。 兩種單根檢定法,根據其虛無假設,可以分成序列有單根以及序列無單根兩類, 來判斷各變數之序列是否穩定。在時間序列資料中,ADF 與 PP 檢定法之虛無假設為序 列有單根,如果存在單根,可以透過差分縮小變數間的差距,各種單根檢定法中,可 以選擇最適落後期(lag length)與最適帶寬長度(bandwidth),以完整檢測資料是否 定態。 ADF 使用模型如下︰ (a)列模型︰有截距項與時間趨勢項 22 .7268 註:1.77 9854.4759** -0.43 3636.3770** 3.9069 1590.0571 偏態 0.

p Δy t =α 0 +α 1 t + β⋅y t −1 + ∑ γ i⋅Δy t −i + ε t i=1 (b)列模型︰只有截距項 p Δy t =α 0 + β⋅y t −1 + ∑ γ i⋅Δy t −i + ε t i =1 (c)列模型︰沒有截距項與時間趨勢項 p Δy t =β⋅y t−1 + ∑ γ i⋅Δy t−i +ε t i=1 PP 使用模型如下︰ (a)列模型︰有截距項與時間趨勢項 ( T2 )+ε y t =a^ 0 + a^ 1⋅y t−1 + a^ 2 t− t (b)列模型︰只有截距項 y t =a 0 +a 1⋅y t−1 +ε t (c)列模型︰沒有截距項與時間趨勢項 y t =a 1⋅y t−1 +ε t 23 .

5120(0)*** (a) -4.7707(5)*** (c) 2.0780(5) (b)-7.1188(0) (b)-3.6764(4)*** (b)-0.表 4.5303(0)*** (b) -2.4168(2)*** (b) -2.1976(1)*** (a)-6.5549(0) (c)-6.0404(5) (c)-3.***表示 99%信賴區間下顯著,**表 95%信賴區間顯著,*表 90%信賴區間顯著 3.9200(2)*** (a)-6.2.5550(0) (c)-6.6434(5) (a)-3.6582(5) (c)-7. (a)代表有截距項及趨勢項的模型(b)代表有截距項的模型(c)代表沒有截距項及沒有趨勢項的模型。 TWI 表加權股價指數;TWRE 表房價指數。 2.5824(0)*** (c) -0.0113(4)*** (c) 1. ADF 檢定括弧中為使用 Schwarz Info Criterion 準則選取落後期數準則選取之最適落後期長度;PP 檢 定括弧中為使用 Bartlett kernel 準則選取之最適帶寬長度。 根據表 4.4962(1) (b)-6.1 股價與房價指數變數之 ADF、PP 檢定結果   ADF 檢定 PP 檢定 水準項 一階差分項 水準項 一階差分項 TWI (a) -5.5024(2)*** TWRE (a)-2.5101(5)*** 註:1.2.1 可以得知,台灣股價加權指數與台灣房地產指數之 ADF 與 PP 之檢定結 果。在檢定中,兩個變數在一階差分項才顯著,顯示台灣股價加權指數與台灣房地產 指數須經過一次差分後才為定態資料,為 I(1)之序列資料。 24 .4542(5) (a)-7.4431(2)*** (c)-0.5625(3) (b)-6.8399(4)** (a)-2.7978(5)*** (b) 0.

2.1 台灣加權股價指數原始資料序列圖 資料來源︰行政院主計處 圖 4.2 全國可能成交房價指數原始資料序列圖 資料來源︰內政部不動產資訊平台 25 .2. 圖 4.

3 台灣加權股價指數經一階差分後資料序列圖 圖 4.圖 4.4 全國可能成交房價指數經一階差分後資料序列圖 26 .2.2.

3115*** 59.1600 加權股價指 r �1 23.3. 與 分別為最大特性根檢定與軌跡檢定的檢定統計值。 表 4.3854*** 23.3854*** 9.1 共整合檢定表 H0 lmax ltrace Critical Value 房價指數與 r =0 36.3.1 得知, r=0 之 λmax 與 λ trace 的檢定統計量大於臨界值,表示皆拒絕無共 整合關係的虛無假設。因此,共整合檢定證明房價指數與加權股價指數之間為具有至 少一共同隨機趨勢的共整合關係,兩者在長期將趨向一均衡關係。在第四節本研究將 以 Granger 之因果關係模型來對房價指數與加權股價指數進行檢驗,以便了解兩者除了 長期均衡關係外,房價指數是否與加權股價指數為因果關係。此外,兩者存在共整合 關係,需在因果關係中加入誤差修正項以確保模型之準確性。 27 .1400 數 註:1.***表示 99%信賴區間下顯著,**表 95%信賴區間顯著,*表 90%信賴區間顯著 lmax ltrace 2.1 所示。 表 4.3.三、共整合檢定 透過第二節單根檢定的結果得知台灣房價指數及台灣加權股價指數皆為 I(1),具有 相同整合階次,其次,若變數間具有共整合關係,則在因果關係模型中需加入誤差修 正項,避免模型產生配適錯誤問題。所以本節利用共整合檢定去觀察台灣房價指數及 台灣加權股價指數之間是否存在長期均衡關係。本文利用 Johansen (1988) 提出的軌跡 檢定與最大特性根檢定來做為檢測共整合個數的評估標準。其分析結果如表 4.6969*** 20.

1 中可以得知,在 Granger 因果關係模型中加入誤差修正項後,股價誤差修 正項係數之 T 值在 5%顯著水準下顯著,代表當股價指數與房價指數脫離長期均衡關係 時,台灣加權股價指數會以每季 0.4.82%的幅度向長期均衡調整,同時也代表股價指數領先房價指數。 就因果關係而言,股價變動影響房價指數變動之 F 值結果為 4.4.5246,拒絕虛無假 設,代表台灣股價指數造成房價指數的變動是顯著的;而房價指數變動影響股價指數 變動之 F 值結果為 0.9182 -6.5246** 房價指數誤差修正項 -0.4489 註:1.2615 ** 股價變動影響房價指數變動 4.4.0015 2.15%的幅度向長期均衡調整;而房價誤差修正項係數 之 T 值在 1%顯著水準下顯著,代表當房價指數與股價指數脫離長期均衡關係時,台灣 房價指數會以每季 91.***表示 99%信賴區間下顯著,**表 95%信賴區間顯著,*表 90%信賴區間顯著。 表 4.4489,不拒絕虛無假設,因此無法說明房價指數的變動為造成股 價指數變動之因素,由上述結果可知,股價指數變動與房價指數變動兩者不具有雙向 28 .1 為因果關係之檢定結果。 此外,在本研究中,由於台灣房價指數與台灣加權股價指數彼此間的關聯性,故 βj 在 Granger 因果關係模型中, 應不全為 0,代表加權股價指數之變動會造成房價指 γk βj 數之變動,而 也應如同 不全為 0,亦即房價指數之變動會造成加權股價指數 之變動。 表 4.四、因果關係檢定 將房價指數與股價指數取一階差分後在進行單根檢定發現兩者呈定態,於第三節 進行共整合檢定,其結果為兩者至少具有一長期趨勢關係,故在本節中因果關係模型 將以一階差分之房價指數與股價指數的形式來進行,並加入誤差修正項,以探討房價 指數與股價指數具有何種因果關係。表 4.2286 *** 房價指數變動影響股價變動 0.1 因果關係檢定表 係數 T值 F值 股價誤差修正項 0.

因果關係。 伍、結論與建議 雖然股票市場及房地產市場皆有大量的公開資訊,但並非所有投資人皆能有效利用 這些資訊從事正確的投資行為。又其他總體經濟變數不是資料蒐集不易,就是專業門 檻過高,投資人是否有耐心研究這些大量的資料及複雜的分析方法,值得懷疑。所以 本文擬針對股價與房價兩個變數,採用較廣為人知的計量模型及年份較新的資料來進 行分析,希望可以探求出一個存在於兩個市場之間的特殊關連性,提供投資人簡單易 懂的資訊,使得投資人能掌握準確的時機參與市場運作,從而獲得較佳的理財績效, 進而達到分散投資風險的目的。 一、結論 實證結果顯示,透過第二節單根檢定的結果得知台灣房價指數及台灣加權股價指數 皆為 I(1)。其次,利用共整合檢定去觀察台灣房價指數及台灣加權股價指數之間是否存 在長期均衡關係。結果顯示皆拒絕無共整合關係的虛無假設。因此,共整合檢定證明 房價指數與加權股價指數之間為具有至少一共同隨機趨勢的共整合關係,兩者在長期 將趨向一均衡關係。最後再以 Granger 之因果關係模型來對房價指數與加權股價指數進 行檢驗,以便了解兩者除了長期均衡關係外,房價指數是否與加權股價指數為因果關 係。 就因果關係而言,透過檢定結果得知,台灣股價指數造成房價指數的變動是顯著 的;而房價指數變動影響股價指數變動則不顯著,因此無法說明房價指數的變動為造 成股價指數變動之因素。 由上述檢定結果得到結論,股價指數變動與房價指數變動兩者不具有雙向因果關 係,同時股價指數領先房價指數。 二、未來研究方向與建議 我們都知道,只考慮股價與房價兩個變數之間的關係,對於研究整個金融市場的 29 .

範疇有如瞎子摸象,所以未來應該加入影響力或解釋力亦不容忽視的變數,使得研究 結果的準確度更高,過程亦可更加完整。 過去許多有關股價與房價之間關連性的研究,經常出現結論大相逕庭的情況,本 文認為這是存在於時間序列當中難以避免的現象,因為時間序列是一長條不斷在變化 的數字列。當所擷取的時間段不一樣時,自然會有可能得到不同的結論;而空間也會 因時間的推移而改變人文地貌,加上其他總體因素的影響,將使得時間序列的研究難 上加難,因此不容易得到一致的結論,只能說有志於從事時間序列研究的學者及同學 們繼續努力,與"時間"做競賽,不斷利用最新資料及最新方法做出最新的結論。 30 .

tw/handle/140.lib.nccu.edu. 參考文獻 一、中文文獻 林秋瑾與黃佩玲(1995)。「住宅價格與總體經濟變數關係之研究-以向量自我迴歸模式 (VAR)進行實證」,政大學報,第七十一期,頁 143- 159,http://nccur.119/104713 林慎福(2004)。台中市地價與股價關聯性之研究(碩士論文,朝陽科技大學)。台灣博碩 士論文資訊網。 秦國維(1996)。股價與房價互動關係之實證研究(碩士論文,輔仁大學)。台灣博碩士論 文資訊網。 陳旭昇(2013),「時間序列分析-總體經濟與財務金融之應用」,《台北︰東華書局 股份有限公司,修訂二版》 陳明吉(1989)。房地產價格變動因素及影響之研究(碩士論文,國立政治大學)。 張金鍔(1997)。房地產投資與決策分析-理論與實務。台北市:華泰文化事業公司。 許湧澤(1995)。台北市房價與台灣股市相關性研究-Granger 模式之應用(碩士論文,國 立交通大學)。台灣博碩士論文資訊網。 楊智元(2010)。區域或整合?台灣股票市場與不動產市場之互動(博士論文,國立中山大 學)。台灣博碩士論文資訊網。 葉裕正(2007)。台灣股票價格與不動產價格互動關係之研究。未出版碩士論文,逢甲大 學,台中市。 廖茂成(2001)。資產市場關聯性與財富效果-台灣股票市場與不動產市場之分析(碩士論 文,國立中山大學)。台灣博碩士論文資訊網。 鄭佳音(2000)。台灣地區股價與房價之互動關係研究(碩士論文,淡江大學)。台灣博碩 士論文資訊網。 賴郁媛(2004)。我國不動產市場與經濟變數長期整合之探討(碩士論文,朝陽科技大學)。 台灣博碩士論文資訊網。 31 .

Engle. "The causal relationship between real estate and stock markets". W. J. W. Grissom (1990). F. Fuller (1979). Hartzell. W. Gyourko .427- 431. J.C.“Spurious regress in econometrics. "Real Estate Investment Trusts and Stock Price Reversals" .羅國男(1990)。台灣房地產景氣與股價關係性之研究(碩士論文,國立中興大學)。台灣 博碩士論文資訊網。 二、英文文獻 Dickey. No. R.” Journal of Econometrics. Journal of Real Estate Finance and Economics.487-503 . Estimation. P.(2005). S. and C..W. 81 -88.12. 251-276. and W.A. Econometrica. 3. 32 . 231-254 Larson. Wilson (1997). 424-438. Liu.J.D. 3)37(3). and Testing ”. J. Econometrica (Econometrica. Okunev. Journal of Real Estate Finance and Economics. Greig.(1992). Wilson and R.D..“Investigating causal relations by econometric models and cross- spectral methods”. Johansen. Granger (1987). C.20(3).”Journal of Economic Dynamics and Control.457-486.S. Newbold(1974). 21. 30. 55. V. Journal of Real Estate Finance & Economics. Granger. (1988) “Statistical analysis of cointegration vector. 261–282. and P.A. C. J. Zurbruegg (2000).“Distribution of the Estimators for Autoregressive Time Series with a Unit Root.J and Keim.“What Does the Stock Market Tell Us About Real Returns”. 37. 253.“Cointegration and Error Correction: Representation. j and P. "The integration of the real estate market and the stock market:some preliminary evidence". Okunev. Granger. 74.2. Vol. and T.“Using nonlinear tests to examine integration between real estate and stock markets” Real Estate Economics. H. (1969).Journal of the American Real Estate Finance and Urban Economics Association.111-120. D.” Journal of the American Statistical Association.

335–346 33 . Journal of Real Estate Research 16(3): 291-309. Oppenheimer.B and P. "Testing for a Unit Root in Time Series Regression". P. Grissom (1998). Perron (1988). 75. and T. Biometrika. V. Phillips. "Frequency Space Correlation Between REITs and Capital Market Indices".C. 251–261. P.