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。