Page 8 - MFB 22 蔡昀蓁

易量與流動性之影響也相當顯著。而 Marcelle et al. (2016) 則是利用

Google 搜索字詞查詢構成新的抵押貸款違約風險指數，並依此指數

與其他房地產和經濟變數的關係以衡量抵押貸款市場的違約風險。

由上述文獻可知，有許多因子會影響房地產相關變數，並且以市

場情緒與政策討論為多，但主要著重於其對房價、報酬率、交易量或

違約率的影響。此外，目前國內房地產相關的文獻，主要就市場情緒

與政府政策分別與房地產做討論，尚無將其二者合併一起列入研

究，且情緒指標之編制僅考量群眾主觀意見，因此本文主要目的為建

立一同時涵蓋上述二種因子之指標，加以探討該指標與上述房地產變

數及經濟變數間之關聯性，並增加探討是否對生產面變數如建築貸款

新增核貸筆數及建案開工數有影響，以補充過去文獻不足之處。

研究方法

3.1 資料

在網路輿論資料部分，本文透過網路爬蟲抓取 Mobile01 論壇中

房屋討論版的文章與留言，將上述討論版中所有文章及回覆等作為文

字資料之範本，並參考內政部不動產資訊平台中整理出歷年之房地產

政策、內政部實價登錄及 591 租屋網房屋種類自行整理出與房地產

1
政策、房地產相關之關鍵字。 而情緒相關之關鍵字，係透過結巴斷

詞套件進行中文斷詞與移除停用詞，將處理後的文字資料進行 n 元語

法 (n-gram)，找出與房市相關且出現頻率較高的字詞，再加以人工判

2
斷分類。 本文之判斷標準係由房地產持有者的角度切入，將與房地
產上漲有關的關鍵字為視為正面字詞，房地產下跌有關的關鍵字視為

負面字詞，並加入否定字詞之調整。如房屋價格上漲空間不大，其中

原含有“上漲” 字詞，應歸類為正面字詞次數，但其後含有 “空間不

大”，則應視為負面字詞次數，依此建立房地產正負面的字典，依此

1
歷年房地產政策內容整理於附錄表 10，房地產與房地產政策關鍵字整理於附錄表 11、表 12。
2
情緒相關之關鍵字整理於附錄表 13、表 14。
6