本研究是針對臺灣房價指數來作預測，並以季資料為分析頻率；研究期間為1997年第1季至2015年第4季共76個樣本值。採ADF單根檢定、移動性Chow檢定、TAR及AR-GARCH模型等計量方法，來探討本文之研究目的。經實證結果發現：臺灣房價指數為一階整合之非定態數列，且存在一時間結構轉變點(為2011年第2季)。在結構轉變點以前，落遲27期房價對本期房價的影響有-0.598838；而在此點之後，落遲27期房價對本期房價的影響調升為1.072399。再就動態與靜態預測評估下，AR(27)-GARCH(1,1)是比TAR(27)模型有較佳之預測力。且此兩模型均顯示：未來四年(2016至2019年)臺灣房價會有波動上升趨勢。

This study focuses on Taiwan house price index to forecast, and it uses quarter frequency data to analysis,the study period is from the first quarter of 1997 to the fourth quarter of 2015,there are 76 samples in the period.We use ADF unit root test,moving Chow test,TAR and AR-GARCH models for the research purpose.The empirical results show that:The house price index of Taiwan is a non-steady-state first-order integration time series,and there is a structural change point(for the second quarter of 2011).The lag twenty-seven of house price has impact on the current price before the structure change point,and the impact value is -0.598838. The effect on the current house price after the structure change point rises to 1.072399.Viewing on dynamic and static forecasts,AR(27)-GARCH(1,1) model has better prediting power than TAR(27) model,Also the two models show:the next four(from 2016 to 2019),The house price of Taiwan has a rising fluctuation trend.

目錄
中文摘要 I
英文摘要 II
目錄 III
表目錄 IV
圖目錄 V
第一章 緒論 1
第一節 研究動機 1
第二節 研究目的與架構 2
第二章 文獻探討 4
第一節 台灣地區房價之相關文獻 4
第二節影響房價議題之相關文獻 8
第三章 研究方法 14
第一節 ADF單根檢定 14
第二節 移動式Chow檢定 14
第三節 一般化自我相關條件異質變異模型 15
第四章 實證結果 16
第一節 資料來源 16
第二節 變數定義與處理 20
第三節 ADF單根檢定與落遲期數之決定 20
第四節 模型估計與ARCH效應之檢測•••••••••••••••••••••••••••••••••••23
第五章 預測分析 26
第一節預測結果 26
第二節 模型預測力之比較•••••••••••••••••••••••••••••••••••••••••••28
第六章 結論與建議 30
第一節 結論 30
第二節 建議 30
參考文獻 31
英文參考文獻••••••••••••••••••••••••••••••••••••••••••••••••••••••••32




表目錄
表2-1台灣地區房價之相關文獻摘要……………………………………………….6
表2-2涵蓋影響房價議題之相關文獻摘要………………………………………….12
表4-1 1997Q1-2015Q4,國泰房價指數(HPKT) 15
表4-2臺灣房價指數之ADF單根檢定 20
表4-3 落遲期數之判定 21
表4-4 移動式CHOW檢定 23
表5-1 2016至2019年臺灣房價指數與成長率之預測值 26
表5-2 TAR(27)與AR(27)-GARCH(1,1)模型之預測力比較 28


 
圖目錄
圖1-1 研究架構 3
圖4-1 1997Q1-2015Q4,國泰房價指數圖 19
圖4-2 臺灣房價指數之成長率圖 24
圖5-1 2016至2019年臺灣房價指數之走勢預測圖 26

中文文獻
1.王景南、葉錦徽、林宗漢,「台灣房市存在價格泡沫嗎？」，經濟論文，第三九卷第二期，P61-89(2011)。
2.翁逸群、徐文昭,「臺灣房屋價格之預測研究」,創新研發期刊,第十一卷,第一期,P23-38（2015）。
3.張金鶚、楊宗憲、洪御仁「中古屋及預售屋房價指數之建立、評估與整合－台北市之實證分析」，住宅學報，第十七卷第二期，P13 –34(2008)。
4.陳智鈞,奢侈稅實施對都會地區房價之衝及反應分析,中央大學產業經濟研究所碩士在職專班碩士論文,（2014）。
5.曾平毅、王傅芳,「預期房價收益與台北市個體擁屋力」，都市與計劃第十九卷一期 P93–107(1992)。
6.黃佳鈴、張金鶚，「從房地價格分離探討地價指數之建立」，臺灣土地研究，第八卷第二期,P73-106 (2005)。
7.彭建文、林秋瑾、楊雅婷，「房價結構性改變影響因素分析－以台北市、台北縣房價為例」，臺灣土地研究，第七卷第二期，P27–46(2004)。
8.黃鸝，「中國房屋銷售價格指數AR模型的預測分析」，統計與決策，第七期，P75–78(2013)。
9.楊奕農,時間序列分析,雙葉書局,臺北（2009）。
10.魏文欽、郭宗諭，「影響房價變動因素之系統動態模 擬（兼論奢侈稅）」，International Journal of Lisrel，第五卷第一期，P31–49(2012)。

英文文獻
11.Balcilar,M.and R.Gupta and S.M. Miller,“The out-of-sample forecasting performance of nonlinear models of regional housing prices in the US,”Applied Economics,47(22),P2259-2277(2015).
12.Chen,N.K.,H.L and Cheng and C.S.Mao,“Identifying and forecasting house prices:a macroeconomic perspective,”Quantitative Finance,14(12),P2105-2120(2014).
13.Grawford,G.W. and M.C.Fratantoni,“Assessing the foreasing performance of regime-switching,ARIMA and GARCH models of house prices,”Real Estate Economics,31(2),P223-243(2003).
14.Steven Bourassa，「Predicting House Prices with Spatial Dependence：A Comparison of Alternative Methods」。房地產研究雜誌，32(2),P139-159(2010).
15.Lei Zhanga, , Yimin Yi，「Regional Science and Urban Economics」，63, P85–96(2017)
16.Kuang-Liang Chang，「House price dynamics, conditional higher-order moments, and density forecasts」，http://dx.doi.org/10.1016/j.econmod.2010.04.007
17.MeiChi Huang，「Forecasts and implications of the current housing crisis: switching regimes in a threshold framework」， Applied Economics Letters , 19(6), P557-568(2012).
18.Wu, Jing，「HousePriceIndex Construction in the Nascent Housing Market: The Case of China.」Journal of Real Estate Finance & Economics, 48(3),P522-545. (2014).