台北大学不动产与城乡环境系 硕博士班专题演讲.ppt

北大不動產所200910 tsoyulin@.tw 綱要 不動產財務金融之相關研究方法 研究相關重點 不動產財務之實用及投資獲利之原則 大趨勢之預期與資產配置 錢從哪裡來？ 金融風暴的探討：東南亞金融風暴與次貸海嘯 金融風暴的預警指標 國家經濟體質之探討 經濟預測的有效指標 結論、QA 不動產財務金融(real estate finance)之分析方法 簡單直線迴歸 複迴歸 Logistic (or Logit 邏輯特)迴歸（and Probit） 區別分析(discriminant analysis) 類神經與模糊分析 時間序列分析 (time series analysis) 選擇權分析方法 存活分析(survival analysis)法 其他：AHP、DEA及事件研究法等 簡單 or 直線迴歸 (Simple or Linear Regression) 預測變數(X, 或自變數)只有一個 Y=a + bX a為截距；b為係數，表X對Y之影響程度(量)與方向(正負號) 常見範例 ： --- 體重(Y, 為依變數或應變數) vs 身高(X) --- 資本資產定價模式 (capital asset pricing model, CAPM) (個股報酬率Y vs 市場報酬率x) --- 不動產總價格vs 面積 注意：樣本數、數據規模、有無二次項等問題 複迴歸 (Multiple Regression) 複迴歸 y = a +b1x1 + b2x2 +… --- 預測自變數(Xi)有兩個以上 需處理共線性(collinearity)問題 常用範例： --- 體重(Y) vs 身高(X1) 、? (X2) 、? (X3)… --- 套利定價理論(Arbitrage Pricing Theory, APT) (個股報酬率Y vs x1(經濟成長率or工業產值), x2(通貨膨脹率), x3(利差),… --- 不動產價格Y vs x1(樓層), x2(街道寬), x3(角地), X4(屋齡)… --- e.g., Hedonic Regression Model 樣本數需至少為自變數之5倍, 一般要求為15倍以上。 可應用之電腦軟體：Excel、SAS、EView、SPSS、…等多種 自變數相關性(共線性)之測試 兩個自變數若分別對應變數均有顯著影響，但若二者相關性極高，可能同時放入模型中結果均不顯著， 此時即應選擇其中之一進入模式中檢測 方式一：直接觀察相關係數表中各自變數之相關係數(約0.7以下) 方式二：以「變異數影響因子」(VIF, Variance Inflation Factor)抉擇： VIFk= 1/ (1- R2Xk) R2Xk：xk與其他自變數間之判定係數，當R2Xk很高時，即VIF亦大，表示該自變數與其他自變數間存在多元共線性（高度相關）問題。 當VIF=10時，可考慮將xk自模式中去除。 迴歸分析之基本假設 常態性與變異同質性 對每一X而言, Y是常態分配的, 且其樣本變異數均相同。 獨立性 每一Y彼此間是獨立的。（若不獨立, 則需考慮時間序列） 直線性 所有抽樣樣本分配之平均數落在母體迴歸線上。 ei~N(0, 1) 誤差ei 之分配服從平均數為0, 變異數為1之常態分配, 且各誤差項間彼此獨立。 定性(qualitative)變數之處理 當自變數為定性（質化或指標）變數時，因無法量化，則以虛擬變數(dummy variable)之型態輸入。 例： --- 如自變數為性別，無法以男或女輸入；或不動產區位是否角地時, --- 可設此變數為虛擬變數。 當區位為角地時, 令此變數=1；否則為0。 迴歸結果中此變數之係數即代表角地對應變數y之影響。 多類定性自變數之處理 當一定性變數有k種類別時，則需要(k-1)個變數 例：若某一餐館座落之區位分為三類：大都會區、中小城市及鄉區 此時需要二個虛擬變數, D1及D2： Di1= 1, 第i個觀測餐館處於大都會區 0, 其他情形 Di2= 1, 第i個觀測餐館處於中小城市區 0, 其他情形 則當(Di1, Di2) 為(1,0) 、(0,1)及(0,0)時，分別代表大都會區、中小城市區及鄉區。 定性應變數之處理---羅吉斯迴歸(Logistic Regression)及機率迴歸 (Probit Regression) Y=0 or 1---即是否、好壞、成功或通過與否等二元分類資料 應用時機？ 銀行核貸與否、公司是否會發生危機、考試或藥物檢測是否會通過等二元離散變數之分類研究。 常用的檢測方式有羅吉斯迴歸(Logistic Regression)及機率迴歸 (Probit