由向量自我迴歸模型來看臺灣五都住房價格與總體經濟環境波動之關係(逢甲大學土地管理學系)
由向量自我迴歸模型來看臺灣五都住房價格與總體經濟環境波動之關係
楊賀雯 主任
逢甲大學土地管理學系 副教授兼系主任
英國威爾斯卡地夫大學 都市及區域計畫學院 博士
壹、前言
住房價格的影響因素討論可以依循是否考量時間軸因素將其區分為兩部分:一者,主要是以橫斷面(或稱單一時點)的個體特徵、鄰里屬性與區域因素來進行討論;二者,則是以縱斷面(或稱時間序列)的各時點交易價格波動來連結背景事件資料,進行價格波動的解釋。當然,後者背景事件資料,最為大家所認知就是該地區(或該國家)在各時點的總體經濟環境表現,按常理住房價格波動理應與總體經濟環境表現間呈現穩定與一致的波動趨勢,也就是Johansen的共整合關係,否則就會出現住房價格偏離由總體經濟環境表現所支撐供給與需求的基礎,亦即學界所宣稱房價泡沫的產生。
本文主要在此背景下,藉由僑馥建築經理股份有限公司(http://www.ctop.tw/ap/)所提供的臺灣五都-臺北市、新北市、臺中市、臺南市與高雄市-住宅使用之房屋交易價格指數(簡稱住房價格指數)與總體經濟環境表現之主要變數-貨幣供給(M1B)、平均每人國內生產毛額(GDP)、通貨膨脹率(PI)、貸款利率(R)等變數-進行實證分析(資料期間則是自2008年1月至2013年3月),瞭解個別都市之住房價格與臺灣總體經濟環境表現之間的動態關係,並藉由向量自我迴歸模型中的預測誤差變異數分解,觀察各都市住房價格指數之預測誤差變異受自我及其他總體經濟環境變數變動所能解釋的比例,瞭解其外生性之強弱及變數間變動相互解釋之能力。
貳、預測誤差變異數分解的結果
臺灣五都住房價格指數的預測誤差變異數分解的分析結果,可以提供觀測各都市住房價格指數之預測誤差變異受自我及其他總體經濟環境變數變動所能解釋的比例。以長期(向前預測24個月)資料來看,若各都市住房價格指數發生非預期的衝擊。透過表1可以觀察到,若該非預期的衝擊設定在以一個標準誤的變動來看,該非預期的衝擊大小,依序為高雄市、臺南市、臺北市、臺中市與新北市,表示相對來說各都市房價若發生非預期的衝擊,反而是南部比北部起始變化幅度會較大。其中,高雄市住房價格指數發生非預期的衝擊,在起始值可能會是9.89個百分點;臺南市為8.82個百分點;臺北市為7.43個百分點;臺中市為5.27個百分點;相對地,新北市則僅有4.95個百分點。
表1、五都住房價格指數之標準誤(單位:百分比)
地區 |
臺北市 |
新北市 |
臺中市 |
臺南市 |
高雄市 |
標準誤 |
7.43 |
4.95 |
5.27 |
8.82 |
9.89 |
若該都市發生住房價格指數的非預期的1個標準誤變動,則在第1期,可以觀察到各都市均是以住房價格自身的解釋能力最高,達100%的解釋能力,隨即則被其它總體經濟環境變數影響。其中,臺北市受總體經濟環境變數影響最大,到第6期(亦即半年)後,住房價格自身的解釋能力已降至54.47%,到預測的第24期(亦即2年),已經降至20.75%;其次,則為新北市,到第12期(亦即1年)後,住房價格自身的解釋能力降至50.43%,到預測的第24期(亦即2年),則降至35.69%;至於其他都市,臺中市、臺南市與高雄市,直到預測的第24期(亦即2年),其住房價格自身的解釋能力仍維持64.37%、84.86%與69.57%,可以看出這些都市房價若發生非預期的衝擊,總體經濟環境變數要對該市場產生調節,效果似乎不大,幾乎還都是靠該都市住房價格自身的解釋力進行調節。
若以預測第24期(亦即2年後)的資料為基礎,檢視個別總體經濟環境變數對臺灣五都住房價格指數的預測誤差變異數分解的分析結果,則由圖1可以發現,臺北市住房價格指數除自身的解釋能力20.75%外,其餘預測誤差變異變動受平均每人國內生產毛額(GDP)所能解釋的比例最高,達31.45%、其次為通貨膨脹率(PI)25.89%與貨幣供給(M1B)21.01%;新北市住房價格指數除自身的解釋能力35.69%外,其餘預測誤差變異變動則受貨幣供給(M1B)與平均每人國內生產毛額(GDP)所能解釋的比例最高,分別達43.05%與11.54%;其餘都市,除受住房價格自身的影響最大外,臺中市住房價格指數之預測誤差變異變動亦受貨幣供給(M1B)與通貨膨脹率(PI)之影響,其解釋能力,分別為21.49%與12.29%;臺南市住房價格指數之預測誤差變異變動則受通貨膨脹率(PI)與平均每人國內生產毛額(GDP)之影響,其解釋能力,為4.67%與4.17%;高雄市住房價格指數之預測誤差變異變動則受貸款利率(R)之影響,其解釋能力為25.24%。
叁、結語
經由向量自我迴歸模型中的預測誤差變異數分解之分析結果,可以瞭解個別都市之住房價格與臺灣總體經濟環境表現之間的動態關係,茲彙整如下發現:
一、 |
若發生非預期衝擊,則以南部的高雄市、臺南市與北部的臺北市的波動較大;其餘臺中市與新北市,若發生非預期衝擊,則其衝擊相對較小。 |
二、 |
個別都市之住房價格與臺灣總體經濟環境表現之間的動態關係,則以臺北市之住房價格波動與總體經濟環境變數間關係最為密切。亦即,臺北市之住房價格若生非預期的變動,半年內就可以被總體經濟環境變數解釋將近一半的誤差;其次則是新北市,一年內亦可被總體經濟環境變數解釋將近一半的誤差;其餘都市則都還是以自身住房價格為主要解釋來源。 |
三、 |
個別都市之住房價格與臺灣總體經濟環境變數間之關係是不一致。亦即個別總體經濟環境變數,對於每一個都市住房價格波動的解釋能力與影響程度、方向都是不一致。因此,在解釋個別都市之住房價格與臺灣總體經濟環境變數間之關係,應考量個別都市之住房市場差異性,千萬不可以用某一個都市的經驗值來觀察、解釋或預測另一個都市的住房價格波動與臺灣總體經濟環境變數間之關係。 |