介紹幾種具有良好性質的共積模型估計方法，這些方法因其估計目的不同，而採取相異的模型表示式、相異的估計準則。在論文的連貫性與完整性考量上，須從最簡單的單變數非恆定模型開始介紹整篇論文的基礎。考慮變數間的累積性質關聯，採取空間投影的方法，將共積向量空間、模型虛假迴歸性質、甚至非恆定模型的單根來源連結在一起。充份說明了共積模型裡變數彼此的關聯後，採用共積空間表示式來完備誤差修正表示式裡無法說明的變數相關性。兩種表示式相互配合後，可以建立不同估計方法一致的比較基礎。比較不同估計方法的同時，也系統的介紹幾種估計方法。其中Phillips的完全修正法是主要介紹的估計法，也是後續不同方法間的比較基礎。比較不同方法的異同，主要著重點在於不同方法的估計準則或是修正動機。比較後的結論，可以對照原來方法的估計步驟，唯有暸解不同角度看出的變數性質，才能更精確的掌握估計方法。

總體經濟或財務理論之所以發生爭端，主要癥結不在理論之優劣，而是 實 (Empirical Issues)。為解決此種爭議，惟一方法，是藉助於實證的 支持 前為止，總體或財務理論的模型，大部分屬於隨機動態模型；因此 ，傳統計量方法，不足適用。為處理縱斷面資料，Box & $ Jenkins (1976)提出時間數列模型，以適用動態計量理論。但傳統的 Box & Jenkins動態模於單變數分析；並且，是在數列□定的假設下，作模型之 認定、估計、檢此，遭遇許多批評 (註一)。事實上，大部分的時間數列 變數，皆具有非□者在面臨非□定模型時，應先對各別變數作單根檢定 (Unit Roots 單根時，應該對各別變數直接取差分，使非□定模型變 成□定模型。可是非□定經濟變數間，經常具有某種程度的關聯，此種關 聯，即所謂的「共egration) 關係。共積關係之所以產生，明白的說：可 能是各別變數的非生，主要是因為數列中含有隨機趨勢 (Stochastic Trend) 項。一旦數列同的走勢，使得各變數間，在長期下，有一定的均 衡關係。例如，所得消下，所得 (Y) 和 消費 (C) 的關係式為C = c Y (1.1)和 Y 本身為非□定數列，其將隨時間經過而呈 趨勢成長。一旦此兩個變數同走勢，長期下，所得與消費間將有一定的均 衡關係，即 (1.1) 式。而基(1.1) 式中，非□定 I(1) 之 C 和 Y 數列 ，經線性組合後為 I(0) 數列稱 C和 Y_t 變數具有共積關係。，共積計 量理論的發展，首先由 Engle & Granger (1987) 所提出的兩階檢定( Two Step Cointegration Regression Test) 為發端。主要的檢定方積迴 歸的殘差項是否為□定的隨機過程。另外，Stock & Watson (1988)(1988,1990,1991) 分別自數列非□定角度和充分訊息概念，去驗 證多變數具有 (N-r) 個共同隨機趨勢，或存在 r 個共積向量。鑒於共積 計量理論進分配的性質，而且各種方法的探討架構亦不相同。所以，很難 在方法和統的比較分析。綜觀國外有關共積的研究，很少有比較不同的檢 定和估計梁志民 (1990)、蔡麗茹 (1992) 雖然也有提及，但仍屬部分。 故本文擬論，依共積體系之表現式、估計方法和檢定步驟，作更深入的比 較探討。臺灣總體經濟數列作實證研究，以探討其間可能存在的共積關係 。

本文的主要目的為比較不同模型或者不同檢定所產生的不同結果。選擇的遞延期數(lag)不同,則所得到的模型與共積數目也不一樣,使得不同遞延期數(lag)、不同模型 所得到的共積關係也不相同。所以本文將驗證在不同遞延期數下,所得到的不同模型共積關係的表現。因此希望利用Johansen Sequential Testing Procedure來同時決定共積關係數目及資料產生過程(DGP),而且也能探討共積關係。但其仍有缺點,例如Johansen Sequential Testing Procedure所取的遞延期數不同則所選定的模型也將不一樣,另一點是共積係數的估計值只是一basis。

本篇研究主要在探討，臺灣股價指數與重要總體經濟變數之間是否具有長期的穩定關係。並藉由計量模型的估計、比較與研究，希望能因而找出較為準確的估計方法，並瞭解各經濟變數之間的影響與關係。 　　選擇的變數包括：臺灣股票發行量加權指數(SIDX)、美元匯率(UER)、貨幣供給(M2)、利率(IR)、消費者物價指數(CPI)、工業生產指數(PIDX)。資料期間從1975年7月至1995年12月，頻率為月，共246筆資料。 　　第一步我們先對各變數資料作分析檢定，檢定其是否具有單根，亦即檢定其是否為穩定變數；結果有一單根（PIDX）。分析完資料特性之後再做各變數之間的相關檢定，在此以(Canonical Analysis)典型分析的方法為之；結果得出一穩定的共積關係，藉此找出誤差調整項。最後做模型的選定與解釋變數的選擇，以做股價指數（SIDX）的迴歸估計，因其中含有穩定與非穩定的解釋變數，因此我們採取FMOLS（FULLY MODIFIED OLS）作為估計的方法，其中加入誤差調整項為下一期變動方向的解釋，希望如此有助於我們對股價的分析預測，此外並做DYNAMIC-OLS的估計方法與FM-OLS估計方法比較，最後再作股價變動的估計分析。結果發現M2、IR、UER對股價指數（SIDX）較具影響力的變數，而落後一，二期的誤差調整項是最顯著的參數，且股市波動較小時，似乎總體的經濟因素可能有較顯著的影響，股市波動較大時，可能受風險報酬的影響較顯著，詳細內容參見本文。

傳統貨幣需求函數的估計，使用的影響因素包括物價、所得及利率。但是近年股市的蓬勃發展，對貨幣需求造成了一定程度的影響。 Friedman 就股市對貨幣需求的影響提出 4 大效果，分別是交易效果、資產組合調整效果、財富效果及替代效果。其中替代效果為負，其他的效果為正。然而並非只有股市會對貨幣需求造成影響，貨幣需求同樣會影響股市。本文採用 Johansen Procedure 估計法，首先建立一般的貨幣需求模型，使用的雙變數包括貨幣需求、物價、所得及利率，實證結果確定這些變數存在 2 條共積關係，一是貨幣需求共積方程式，一是物價共積方程式。然後我們將股市成交量放入，同樣確定這些變數間具有 2 條共積關係。 Johansen Procedure 有 5 種模型，分別適用於不同的情況，我們要事先由資料來判斷使用哪一個模型並不容易，因此本文採用了多項標準，包括共積係數符號及其大小、向量誤差修正模型誤差項常態性與序列相關檢定、重要統計值(RSS、AIC、SC)等，用來作為選擇最適模型的依據。經由實證結果我們發現，不論是否加入股市成交量，模型三都是最適當的模型，也就是資料有不為零的平均數與線性趨勢，但共積方程式只有截距項。 就貨幣需求共積方程式殘差對各變數的影響來看，M1A 與 M1B 的連續增加，都會使股市成交量擴大，而 M1B 的連續增加還會形成物價上漲的壓力。而就物價共積方程式殘差對各變數的影響來看，解釋上較不容易。這可能是因為台灣地區物價長期處於穩定，加上台灣股市受到心理及消息面的影響性很大，要用總體變數作一個完整的解釋並不十分容易。雖然如此，貨幣市場與股票市場間的互動仍然極具有研究價值。 / Traditionally, when estimating the money demand, we use price index, income, and interest rate as its influcing factors. But the stock market that is booming these years has made certain influence on money demand. Milton Friedman pointed out that there are 4 effects that stock market can influcnce money demand. They are trading effect, portfolio reconstruction effect, wealth effect, and subsitution effect. Among these effects, subsitution effect has negative influence on money demand and other 3 effects have positive influence on mondy demand. However, not only does the stock market has influence on mondy demand, money demand also has influence on stock market. In my thesis, I applied Johansen Procedure estimation method. First, I established a traditional model on money demand. The variables I used including money demand, price index, income, and interest rate. From the empirical outcome we are sure that there are 2 cointegration equations among these variables.One is the money demand cointegration equation and the other is the price cointegration equation. Next we add the stock trading volume to the model. We also make sure that there are 2 cointegration relationships among them. There are 5 models in Johansen Procedure estimation method, and they are applied in different situations. It is not easy to decide which model to apply in advance. So in the thesis, we used many criteria, including the value and the sign of the coefficients, the the serial correlation and the normality test of the residuals from the vector error correction model, and important statistics(RSS, AIC, SC) to decide which model to apply. According to the empirical outcome, whether stock trading volume is included, model 3, which is there are means and linear trend in data but the cointegration equation only has intercept is the proper model we selected. About the residuals from the money demand cointegration quation's influence on variables, we find that the continuous increase in M1A and M1B will make enlarge the stock trading volume. Besides, the coutinuous increase in M1B will cause the price to raise. And about the residuals from the price cointegration equation's influence on variables, it is a little bit difficult to interpret. Maybe it is because the price is very stable in Taiwan and the stock market in Taiwan is affected by psychology side and information side easily. So it is not easy to use the macro economic variables to interpret fully. Althought it is the case, the interaction between the money market and the stock market still worth researching.

「房地產」與「股票」一向是投資者的兩大投資工具，而營建類股票上市公司因為不僅擁有大量的房地產亦有股票在股市流通而成為投資大眾關心的焦點。因此，營建類股票上市公司的股價一方面受房地產市場景氣影響，一方面也和股市有互動性的關係，受總體經濟因素的影響。 本研究藉由單根檢定(Unit Root Test)與共積檢定(Cointegration)、誤差修正模型(Error-correction-model;ECM)以及Granger之因果關係檢定(Causality Test)，探討營建類股價波動（營建類個股、整類股與加權總股價指數間）的時間關係以及營建類股價總體影響因素（市場因素及產業因素）之間的長期均衡以及短期動態關係，並進一步了解在時間上是領先、同時還是落後關係。 第一部份，營建類股價時間關係之研究上，選取國建、國揚、太設、太子、營建類股價、加權股價指數等六對象，時間分期上則分為l981年1月至1996年5月及1991年4月（太子上市後）兩部份進行探討。研究發現﹕營建類個股股價、整類股價間與加權股價指數間在兩段分期中皆具有長期穩定的關係，並分別以不同的調整速率以消彌股價間的均衡誤差﹔而低價的股票較高價的股票調整速率來得快。在因果關係上，觀察時間較長時，營建類總股價隨著加權股價指數變動，營建類的個股股價隨著營建類總股價而變動，呈現出「齊漲齊跌」的情形﹔觀察時間較短時，則為營建類股價領先加權股價指數。 第二部份，營建類股價影響因素上，分別選取貨幣供給額、利率、國內生產毛額、物價指數、加權股價指數為市場因素﹔預售屋房價、空屋數、建造執照、純土地買賣移轉件數、房屋建築人數為產業因素，以1981年1月至1995年12月為研究期間範圍。實證後發現﹕營建類總股價與市場因素、產業因素間皆具有長期穩定的關係。在誤差修正模型中，市場因素部份，營建類總股價較其他變數的調整速率高很多，以每月-14.5%的速率來調整變數間的均衡誤差，顯示出營建類股價相較其他變數對於市場的變化來得敏感。產業因素部份，營建類股價及預售屋房價分別以每月-3.7%與-1.8%的速度以調整變數間的均衡誤差，顯示出股票市場比房地產市場來得有效率。在因果關係檢定上，有關市場因素部份，股價變動領先貨幣供給額、民間利率，顯示出股價對於市場變動的反應較其他變數來的快﹔而在產業因素部份，則為營建類股價領先其他變數，但落後預售屋房價變動，顯示出營建類股價確實有帶動房地產景氣之情形。

晚近金融環境快速變化，金融商品不斷的開發及付款方式不斷的革新，逐漸改變消費者持有現金作為支付工具的習性，使得傳統上只用所得和利率來解釋貨幣需求函數已不太具解釋能力。因此本文將「金融創新」的影響納入貨幣需求函數。 本文實證的變數選擇方面，採用通貨和信用卡的使用分別代表貨幣需求和金融創新以作為分析的重點。實證方法方面，同時採用一般常用的「聯立方程式」－Johansen Procedure和「單迴歸方程式」－OLS、動態OLS(Saikkonen's OLS及Phillips and Loretan's NLS)及FM-OLS來估計信用卡和通貨的關係，並比較這些方法得出的結果。 實證結果比較，發現使用OLS所估計的係數值及圖型均較採用動態OLS及Johansen為佳。在OLS估計時，發現季節性虛擬變數對於估計有重要的影響。 由於使用OLS估計法，在變數為單根時，無法使用一般統計檢定係數顯著性，因此多加入FM-OLS和OLS實證結果的比較，以達能充分了解各變數對於通貨需求的真實影響。 採用FM-OLS實證結果，得到信用卡卡數cn、利率r和實質所得rgnp對於實質通貨淨額rcur的影響顯著，其估計值分別為-0.0025、-0.22與0.60左右。結果顯示當信用卡使用增加、利率增加與所得減少，均會減少通貨的持有，與理論相符。 在採用FM-OLS實證時，發現匯率ex對於通貨需求rcur的影響不顯著，與以往實證結果不符。推測可能原因為(1)通貨持有動機為交易目的，甚少當做投資的工具；(2)過去實證所選取的貨幣需求量為更廣義的M1A、M1B及M2。 第一章　導論 1 第一節 研究動機 1 第二節 研究方法與目的 4 第三節 研究架構 6 第二章 信用卡發展、意義及影響 7 第一節 信用卡的發展 7 第二節 信用卡的意義 9 第三節 信用卡對經濟的影響 11 第三章 貨幣需求理論與文獻回顧 14 第一節 貨幣需求理論 14 1.Baumol and Tobin存貨理論 14 2.Hafiz Akhand and Ross Milbourne 16 第二節 國外實證文獻 21 第三節 國內實證文獻 26 第四章 研究方法 33 第一節 單根檢定 33 1.ADF Test 33 2.Phillips-Perron Test 35 3.Perron Test 36 第二節 共積理論－Johansen Procedure估計法 39 第三節 動態OLS估計法 43 1.Saikkonen's OLS估計法 43 2.Phillips and Loretan's NLS估計法 44 第四節 Fully Modified OLS(FM-OLS)估計法 45 第五章 實證結果 48 第一節 資料說明與處理 48 第二節 單根檢定 50 第三節 Johansen Procedure估計法 53 第四節 OLS及動態OLS的估計及比較 63 1.OLS估計法 63 2.Saikkonen's OLS估計法 69 3.Phillips and Loretan's NLS估計法 78 4.小結 83 第五節 Johansen 與OLS估計結果比較 85 第六節 FM-OLS實證結果與OLS比較 87 第七節 本章實證結果 93 第六章 結論與建議 94

本文利用晚近發展出來的單根檢定法以及共積檢定法，實証分析美、日兩國二次大戰以後企業購併與總體經濟變數間之關係。其實証方法與實証結果如下：運用ADF 檢定方法對購併、股價、國民生產毛額、利率，作單根檢定，發現美日兩國之購併、股價與國民生產毛額呈一階差分恆定狀態。 此外，本文應用Engle and Granger(1987) 的共積模型分析，將同樣為一 階差分恆定的變數做共積檢定，發現美日兩國之購併與股價、國民生產之間，皆具有長期共同移動的趨勢，因此可以建立一包含長、短期關係之誤差修正模型。本文之實証結果顯示：美國的企業購併與股價水準有正向且顯著之長期穩定關係，而與國民生產毛額則有負向且顯著的長期穩定關係；日本的企業購併與股價及國民生產毛額也有長期穩定之關係，惟影響方向與美國相反。另外，因果關係檢定結果顯示，美國之股價與利率對購併呈單向因果關係，而日本之股價與購併則呈雙向因果關係。由這些實証結果可知，購併風潮之形成，實肇因於總體經濟之波動，而不同國家之企業，由於法令規章、經濟結構、社會制度之不同，因而會有不同之反應。

經濟理論明白揭示，在不確定下，金融性資產的選擇不僅要考慮其未來報 酬率的平均值，更需將風險程度納入決策過程中。而最佳風險測度為預測 誤差的變異數(Variance of Forec ast Error)。傳統實証方法均視變異 數為固定常數，實無法掌握變異數具有條件異質性的特點。為了到達此目 的，Engle(1982) 提出向量自迴歸條件異質變異數(ARCH)模型，此模型假 定條件變異數不再是固定常數而是過去干擾項平方的線型函數，為實証方 法上一項偉大的突破。在考慮多個變數的聯立動態體系中，由於跨方程式 間可以互相提供額外的訊息，往往可以增加估計的效率性，直覺上比單變 數的設定更能掌握資料的實際情形。故往後的學者便提出了多元自迴歸條 件異質變異數(Multivariate ARCH) 模型，此一模型亦有其缺點存在，因 其待估計參數過多，形成自由度嚴重減少，將導致估計值缺乏效率性。所 以如何利用可獲得的有限資料對模型進行更有效率的估計方式，此為研究 Multivaria te ARCH的重要課題。本文將對Multivariate ARCH做一系列 的介紹，並利用VAR 的貝氏方法對參數進行估計。而多元因素AR CH模型 也是探討的重點。

本文使用共積檢定以及因果關係檢定方法，針對美國第三波購併風潮前後時期，檢定購併家數、股價及工業生產指數三個變數間的可預測性。不同以往的是，本文除了將購併風潮分段進行研究外，並以晚近由Hoornik 及Hendry（1997）以Johansen（1988）為基礎所發展的一套共積檢定法來檢定變數間的長期均衡關係，再以Toda and Phillips（1994）的因果關係檢定流程與SSW的因果關係檢定分別檢定出變數間的可預測性。 經由本文實證結果發現： （1）購併、股價及工業生產指數三個變數，在ADF單根檢定結果三變數皆呈I（1）非恆定時間數列。並進一步以共積檢定檢測出不論參變數或購併和股價兩變數模型，1967年第四季以前變數間皆有一共積關係存在，1968年以後則無任何共積關係。 （2）從因果關係檢定結果發現，三變數體系中，股價與工業生產指數兩變數間可能存在極高的線性重合現象，且子期間礙於無法取夠長的遞延期數，使得工業生產指數對其他變數的影響力無法明確地反應出來，故三變數模型無法正確的檢定購併風潮前後變數間的因果關係。 （3）在購併與股價變數間的因果關係檢定研究中發現，1948~1967年間，股價對購併存在可預測性；然而1968~1979年間，股價與購併完全不存在任何可預測性。故可知購併風潮前後，股價對購併的可預測性發生了變化，從1967年前股價可合理地預測購併活動，到1967年後股價卻完全無法預測購併的情況。 （4）對影響購併的諸多因素做進一步的考量，發現威廉法案的出現對當時購併案件有相當程度的衝擊。 從實證結果可知，以共積與因果關係檢定方法一再地證明出，購併風潮前後股價對購併活動的可預性確實發生了結構性的變化。 第一章 緒論 第一節 研究背景與動機………………………………………….1 第二節 研究目的………………………………………………….3 第三節 購併之定義及相關基本概念…………………………….4 第四節 研究架構與流程………………………………………….8 第二章 文獻回顧 第一節 理論文獻回顧……………………………………………10 第二節 實證研究文獻回顧………………………………………13 第三節 文獻回顧總結……………………………………………23 第三章 實證研究方法 第一節 單根檢定………………………………………………..24 第二節 共積檢定…………………………………………………28 第三節 因果關係檢定……………………………………………34 第四節 實證檢定流程……………………………………………40 第四章 實證結果 第一節 實證資料來源……………………………………………43 第二節 Augmented Dickey-Fuller單根檢定………………….44 第三節 共積檢定……………………………………………....49 第四節 因果關係檢定……………………………………………55 第五節 因果關係檢定結果………………………………………78 第五章 法律因素的考量 第一節 時代背景….……………………………………….……79 第二節 檢視法條之影響力……………………………………..81 第三節 從案例角度分析………………………………………..84 第四節 威廉法案的威力………………………………………..87 第六章 結論…………………………………………………………88 附錄圖表（一）：各變數資料圖….………………………………90 附錄圖表（二）：共積殘差項圖………………………………….93 參考文獻…………………………………………………………….96