Page 4 - MFB22JudyOK
P. 4
屋交易量有明顯抑制作用。最後在貸款違約率的探討文獻中，Chauvet
et al. (2016) 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。郭又瑋 (2020) 則以 103 年 6 月台灣央行實施擴大限
制貸款成數政策之時間點觀察，發現於政策實施後購屋貸款違約率有
顯著下降。
由前述可知，有許多因素會影響房地產相關變數，並且以市場情
緒與政策討論為多，但主要著重於消費面 (如房價、報酬率、交易量
或貸款違約率) 的影響，其他生產面變數如建築貸款新增核貸筆數及
建案開工數等討論較少。除此之外，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。此外，文獻上的情緒指標編制方式僅考量群眾主觀意
見，很可能導致在資料的篩選上不夠明確，不一定可以代表市場當期
對於房地產市場的看法。因此為了能夠擷取出更明確的文字訊息，並
且同時探討房地產政策及市場情緒與經濟變數及房地產相關變數間
是否具有關聯性，本文將房地產政策內容一同納入情緒指標的編制
中。為了捕捉社會大眾對於房地產市場的情緒，我們自行撰寫程式從
Mobil01 論壇中擷取文字資料，將論壇內房地產討論版中所有文章及
回覆等作為資料。而相較於選用新聞媒體資料，本文認為選取社群論
壇的討論資料能更為貼近民眾實際看法，且使用 Mobil01 論壇的主
要年齡層為 35-45 歲，具有一定經濟基礎，較有實質購屋能力，資
料參考性較高。更重要的是我們參 考 Baker et al. (2016) 編 制
economic policy uncertainty (簡稱 EPU) 指標作法，選取及整理房地
產政策關鍵字，把政府政策的文字資訊納入考量，以反應群眾對於政
府房地產政策的想法。最後參考黃裕烈與管中閔 (2019) 情緒指標計
算方法，分析本文基於社群媒體文字資訊整理出的情緒指標，並使用
預測模型如迴歸分析，決策樹 (decision tree) 或是決策森林 (random
2
