Page 6 - MFB 22 蔡昀蓁
P. 6
中，Armstrong et al. (2019) 發現限制貸款成數政策有效降低了房價漲
幅，然而當房價快速增長時，該措施對於房價的影響較為短暫且微
弱；Morgan et al. (2019) 則是發現使用限制貸款成數政策對於房屋交
易量有明顯抑制作用；在國內研究部分，郭又瑋 (2020) 採取差異中
的差異 (difference in difference) 計量方法，以 103 年 6 月台灣央行
實施擴大限制貸款成數政策時點觀察，發現於政策實施後，對於購屋
貸款違約率有顯著下降。此外，Crowe et al. (2011) 指出宏觀審慎、
因地制宜的措施能適應不同地區、不同時期的具體情況，較能有效的
抑制房地產價格，且可以增加房地產市場的彈性；Liu and Wang (2010)
發現貨幣供給量與房地產市場交易量波動呈高度相關；Dokko et
al. (2011) 則是使用向量自我迴歸模型 (vector autoregression model)
以及格蘭傑因果關係檢定 (Granger causality test) 發現當貨幣供給量
增加，進而會影響股市、房市動能，以及利率亦會影響房地產市場波
動。
除了透過政策面分析房地產市場外，由於房地產相較於其他金融
商品，具有高交易成本及低流動性等特性，使其價格的調整較為緩
慢，較無法立即反應市場的基本面訊息，且當流動性疲弱時，容易放
大市場波動，將更容易受到市場情緒的影響 (Baker and Wurgler,
2006)。而早期若需分析民眾對於房地產市場的看法，常需透過問卷
或電話調查以蒐集資料，如 Gallimore and Gray (2002) 透過訪問 983
位英國房地產投資論壇的會員，發現投資人在做決策時，首先參考的
資訊為價格，再者是個人對於房地產市場的主觀認知，也就是說，相
對於房地產市場基本資訊，投資人更傾向以個人的經驗做判斷依
據；Marcato and Nanda (2016) 則採用 Architecture Billings Index 以及
NAHB/Wells Fargo Housing Market Index 1988 年到 2010 年的問卷
調查結果來編制情緒指標，並發現該情緒指標的確能夠提升房地產報
酬率的預測能力。
4
