Page 17 - 陳慧光

值精度產生程度上之影響，因此，為了不讓質性變數共用同一個截距

項而產生可能的多重共線性，故將截距項設定為零，同時亦可呈現每

一虛擬變數之係數相對於其他虛擬變數的變化，其架構模型如下:

4

 y   h ( x t ) +   i D   t ， (11)
i
t
i 1

其中  y t 表示因變數領先期數之差， x t 為當期因變數與目標變

數之差，  當為虛擬變數值為 1 或虛擬變數值為 0 時，當期因變
i
數的差異，而 D 則為該季的虛擬變數值:
i

 1, 表該月份發生季節性 ;
D  
i ,
 0, 表該月份無發生季節性

 為隨機殘差項。因包含虛擬變數之迴歸檢定已無截距項 ( )，故
t
h
詳細檢定結果將以  h 為判定準則並於下節中以圖表呈現。

4 實證結果

本文採用統計上的演繹法，並透過由上而下之方式找出樣本特

性，同時利用不同維度所建構的細項組合，調整統計檢定以降低可能

產生型 I 誤差 (Type I errors) 的機率；此外，由上而下法為假說檢

定提供了全面性視角與結構性框架，而主成分分析讓失敗或不顯著的

實證結果亦可強化原理論基礎或發想出新的假說 (De Grauwe,

2010)。

爰此，本文在考慮進行迴歸分析檢定之前，先參考 Gozgor (2012)

和 Ohemeng et al. (2021) 對月度 (MoM)、季度 (QoQ) 及年度 (YoY)

通膨率分析，通常 YoY 的季節效應及波動率最高，而 MoM 及

QoQ 通膨率則相對平穩，故決定以價格指數取自然對數之方式計算

通膨月增率:
15