外人直接投資（foreign direct investment, FDI）在經濟理論中是相當熱門的議題，它代表了讓地主國（host country）國資本累積、技術進步在短時間內快速增加的可能，因此許多國家往往會採取某些吸引外資的政策，再搭配國內制度或是貿易政策的改變，以追求經濟成長。然而，外來直接投資對地主國可能產生的所得重分配的影響，本文即是對此做一深入探討，並以台灣製造業資料來研究外來直接投資是否會擴大工資不均等的情形。 研究期間從1981～2004年共24年，依產業特性將製造業分為十大類，分別採取兩種不同的迴歸模型，包括自我迴歸落遲分配模型（auto regressive distributed lag model, ARDL model）與縱橫資料（panel data）迴歸模型等。實證模型上由生產理論出發，選擇作為解釋工資不均等的變數包括外人直接投資比例、出口比例、進口比例及產出成長率等四個變數。由實證結果得到以下結論： （1）就個別產業來看，FDI對台灣製造業工資不均等的影響並不一致，反應出產業特性不同，FDI所扮演的角色也不盡相同。其中FDI會惡化皮革與毛皮製造業的工資不均等情形，減輕橡膠及塑膠製品製造業與非金屬製品製造業的工資不均等情形，對其他製造業則是無明顯影響。 （2）就整體製造業的情形來看， FDI對工資的不均等的淨效果為正，但效果不大；出口、產出成長率有輕微使工資不均等擴大的情形，而進口則是可輕微縮減工資不均等的狀況。 （3）若是將十大製造業依產品特性區分為「民生」、「化學」、「機械」電子等三大工業，則可以發現FDI對民生工業有明顯擴大工資不均等的情形，在其他兩大工業則是無顯著影響。

資產報酬的波動程度隱含風險與不確定性，不同的投資者存在不同之風險偏好與風險承受能力，因此瞭解報酬波動之特性有其必要性；又鑑於過去不動產市場對於商用與住宅不動產兩次市場之相關研究較欠缺。因此本研究擬分別探討商用與住宅不動產市場報酬波動特性與差異，並檢視其風險與報酬間之關係。此外，總體經濟環境之變動會影響不動產市場供需關係，進而影響其價格與報酬之波動，因此本研究最後再進一步討論影響其市場報酬之總體經濟因素。 為捕捉不動產市場報酬之波動特性，本研究擬透過GARCH模型分別檢驗商用與住宅不動產市場報酬波動特性與差異；進而應用GARCH-M模型，探討商用與住宅不動產市場報酬與風險之關係；最後透過落遲分配模型實證比較分析顯著影響商用與住宅不動產市場報酬之總體經濟因素。樣本取自台北地區，資料期間為1997年2月至2009年3月之月資料。 實證結果顯示，商用不動產市場中投資人較容易透過自身過去的報酬波動推測未來的波動，反觀住宅不動產市場部分，投資人則傾向注意整體市場消息的散佈，因為其較容易受到外在因素影響而導致報酬波動；由GARCH-M模型實證結果顯示，住宅與商用不動產市場報酬與風險間均呈現顯著正相關，顯示其市場波動風險增加時期，會提供更高之報酬以均衡投資者所面對之較高市場波動風險；由落遲分配模型實證結果顯示，商用與住宅不動產市場報酬確實和總經變數之間有著程度不同的關聯性，所有當期總經變數與不動產報酬間均不存在顯著影響關係，顯示各總經變數對不動產報酬的影響存在時間落差。此外，總經變數對商用報酬的影響程度相對大於對住宅報酬的影響，且總體經濟環境變動對於商用不動產市場報酬之衝擊相對較為迅速。 / This research plans to study the relative volatility characteristic of commercial and residential property returns. In addition, the changing real estate environment can be linked to the macro economy, so we further discusses the relationship between property returns and the macro economy. In order to catch the volatility characteristic of real estate returns, we use GARCH model to examine the volatile behavior of real estate returns of commercial and residential property in the Taipei area during the period of February 1997 to March 2009, and because risk is time-varying in the market, we continue to employ GARCH-M model to observe whether can explain the change in expected returns of commercial and residential property. Furthermore, we use distributed-lag model to explore the relationship between macroeconomic factors and real estate returns. The major findings of this article can be summarized as follows. First, it is easier for investors to infer the future fluctuation through oneself returns in the past in the commercial real estate market, but part on the residential real estate market, the volatility of residential property returns is influenced by external factor more easily. Second, our empirical applications in both commercial and residential real estate markets show that the risk is positively correlated with both property returns and high risk can bring high return. Third, there are different relations of intensity between real estate returns and macroeconomic factors and the impact of macroeconomic factors on real estate returns exist time-lag. In addition, macroeconomic factors’ impact on commercial returns is relatively great, and the environmental change takes place to the impact of the commercial property returns comparatively fast.