j 曲線效果是否存在─亞洲四小龍的實證研究 ·...

(242) 臺灣銀行季刊第六十卷第三期

J曲線效果是否存在─亞洲四小龍的實證研究

陳仕偉*、陳界中∗∗

摘要

一、前言

二、理論基礎

三、實證方法

四、資料說明與實證結果分析

五、結論與建議

摘要

貨幣貶值的國家往往發現貿易收支餘額於貶值初期將會惡化，經歷一段期間後，貿

易餘額將逐漸改善，此一現象即稱為 J 曲線效果。本文的研究目的主要在於探討台灣、新加坡、韓國與香港四個國家的貿易與匯率間是否存在著 J 曲線的現象。目前國內外有關於 J 曲線效果的實證研究不勝枚舉，有別於其他文獻的作法，本文採用自我迴歸遞延分配共整合分析法，解決不同階次之變數無法做共整合分析的窘境，並採用衝擊反應函

數與預測變異數分解來探討 J 曲線效果是否存在。實證結果顯示，亞洲四小龍的匯率變動與貿易收支餘額間並不存在 J 曲線效果。在長期時，貶值則有助於各國改善貿易收支餘額。因此，在政策涵義上，若政府擬以貶值來改善貿易餘額，將可達成預期的效果。

一、前言

自從 1997 年亞洲金融危機發生後, 亞洲各國無不受到影響，其中以韓國、印尼與

泰國最為嚴重，其他如台灣、香港、日本、中國大陸與新加坡雖然受影響程度較輕，但

仍對國內經濟造成一定的衝擊。金融危機的發生影響了亞洲各國的貨幣、股票市場與其

他的資產價值，也影響了各國的經濟成長。經濟成長往往是各國政府最重要的目標之

一，然而影響一國的經濟成長是多方面的，舉凡消費、投資、就業與貿易都是影響經濟

成長的主因。但近年來隨著市場的自由化與全球化，國際貿易逐漸成為開放經濟體系下

的重要活動。由對外依存度觀之，在 2004 年時分別為，台灣 112%；新加坡 314%；韓國 70%；香港 322%。由這些數據可知，貿易對上述國家的經濟是相當重要的，而匯率則是影響貿易的重要因素之一，如何透固匯率的改變達到改善貿易收支提高經濟成長將

* 大葉大學財務金融學系副教授。 ∗∗ 東海大學經濟學系碩士。

J曲線效果是否存在─亞洲四小龍的實證研究 (243)

是大家關心的議題。在一般的看法中，大多認為貨幣的貶值有助於該國出口廠商的價格競爭力提升，進

而改善貿易餘額。因此，在政策面上，執政者可利用匯率的調整作為改善國際貿易收支

的手段。在國際金融理論上，Marshall-Lerner 條件指出，在一國進出口彈性絕對值相加大於一的情況下，貶值將可改善貿易餘額，但是觀察許多先進國家及發展中國家的資料

可以發現兩者的關係並不如想像中這麼單純，在貶值後貿易收支往往是先呈現惡化的情

況，其主要原因是在短期時，由於廠商合約的限制或是消費習慣不易改變等因素的影響

下，貶值反而會造成貿易收支呈現惡化的情形，需經過一段時間後貿易收支才會如預期

般獲得改善。故在貶值後，貿易的調整會呈現如 J 字型的調整過程，也就是所謂的 J 曲線效果。

以往有關匯率與貿易收支間是否存在 J 曲線效果的研究文獻中，往往因為選取之變數、採用之方法與研究對象不同等因素，長久以來並未得到一致的結果。早期的實證方

法大多以單一方程式模型來進行分析，如 Miles（1979）分析七個工業國與七個開發中國家匯率貶值對貿易收支的影響。Bahmani-Oskooee（1985）研究希臘、韓國、泰國與印度四個開發中國家是否存在 J 曲線效果。林容如（1988）之研究顯示工業國家或開發中國家較容易產生 J 曲線效果。此外，Himarious（1989）針對 15 個發展中國家進行研究，發現在長期而言，貶值有助於改善貿易收支。

然而，上述研究在分析的過程中均假設時間序列變數為一恆定的變數，但近年來由

於在時間序列分析方法上的進步，得知若變數不為恆定數列但以恆定數列處理之，將會

產生假性迴歸的現象。因此，在現今有關於 J 曲線效果的實證研究上，首先須對變數進行單根檢定，若不為恆定數列則採取共整合檢定來探討貿易收支與匯率或其他總體經濟

變數間是否存在長期均衡關係。除此外之，也利用衝擊反應函數，以判斷匯率變動與貿

易收支間是否存在 J曲線效果。在國外文獻上，Bahmani-Oskooee（1992）採用 Engle and Granger（1987）的兩步

驟共整合法，探討出美國的貨幣政策、財政政策或是匯率政策與貿易收支間存在長期均

衡關係。Buluswar，Thompson and Upadhyaya（1996）以季資料研究印度 1960 年至1990年間是否存在 J曲線效果，其結果發現印度並不存在 J曲線效果，且貶值對貿易收支無顯著的長期效果。Bahnani-Oskooee（1998）以 Johansen and Juselius（1990）的最大概似共整合法估計低度開發國家，顯示低度開發國家大都能以貶值改善貿易收支。此

外，Upadhyaya and Dhakal（1997）使用Wickens and Breush(1988)提出之方法，檢定哥倫比亞、希臘、瓜地馬拉、墨西哥等八個開發中國家匯率對貿易收支的影響，估計結果

發現，大部分國家在長期時，貶值並不會改善貿易收支，只有墨西哥在貶值後能顯著地

改善貿易收支。Gupta-Kapoor and Ramakrishnan（1999）探討日本在 1975年至 1996間是否存在 J 曲線效果，其結果顯示在浮動匯率體制期間日本存在 J 曲線效果。Hacker and Hatemi-J（2003）利用向量誤差修正模型及衝擊反應函數，實證出北歐的五個國家存在 J 曲線的現象。Hacker and Hatemi-J（2004）探討捷克共和國、匈牙利、波蘭與德國間是否存在 J曲線效果。此外，Kale（2001）研究出土耳其具有 J曲線效果。Narayan and Narayan（2004）發覺斐濟具有 J 曲線效果。Narayan（2004b）實證出紐西蘭具有 J


曲線效果。Narayan（2006）也針對中國大陸進行有關 J 曲線效果之研究，其實證結果為在發生貶值後，不論長短期而言，均會改善貿易收支，因此在中國大陸 J 曲線效果並不存在。

至於在國內文獻部份，施俊男（1993）探討台灣與美國間以及台灣與日本間的雙邊貿易是否具有 J 曲線效果，其結果顯示不論是台美或是台日之間皆不存在 J 曲線效果。此外，姜玉苹（2002）針對台灣進行有關於探討匯率變動對貿易收支餘額影響之研究，其實證結果為台灣並不存在 J曲線效果。

有鑑於亞洲金融風暴對亞洲經濟產生重大的影響，故此次的研究對象以亞洲四小龍

作為研究對象，探討在發生貶值後，貿易收支的變化是否會如同理論所述，呈現先降後

升的狀況，進而改善貿易收支，達到促進經濟成長的目的。或是貶值反而造成貿易收支

的持續惡化，而造成經濟的衰退，亦或是其他情形的產生，本文所得到的實證結果應可

做為執政者日後在制定決策上的參考依據。在進行實證的過程中，其方法大致與上述的

文獻相同，即透過單根檢定、共整合檢定及 Granger 因果關係檢定來探討貿易比例與變數間的因果關係，本文與上述文獻不同的地方在於共整合檢定部分採用了 Pesaran et al.（2001）所提出的邊界檢定法進行共整合檢定，這是之前文獻較少採用的方式，其優點在於檢定的過程中並不需要考慮變數的階次，同時也改善在小樣本下檢定力不足的問

題。最後，透過衝擊反應函數與預測誤差變異數分解來探討 J 曲線效果是否存在於上述國家中。

本文共分為五節討論，第一節為前言；第二節為理論基礎，說明 J 曲線效果發生之原因與產生之現象；第三節介紹本文所採用的實證方法，其研究步驟為先對總體資料所

容易發生的單根現象進行檢定，若判斷經濟變數具有單根性質則進行共整合關係檢定，

在進行完共整合檢定後，若確定變數間具有共整合關係則採用誤差修正模型進行

Granger 因果關係檢定，檢驗貿易比例與各變數間是否有因果關係存在，接著利用衝擊反應函數與預測誤差變異數分解檢測實質匯率的衝擊是否會對貿易產生 J 曲線效果；第四節則為實證結果，其結果顯示大部分的經濟變數皆具有單根性質，且在研究的四個國

家中，變數間均存在共整合關係，在驗證 J 曲線效果部分，發現亞洲四小龍皆不存在 J曲線效果，長期而言，貶值均有助於改善貿易收支；第五節則為結論與建議。

二、理論基礎

雖然一般的看法大都認為貨幣貶值可以改善貿易收支，然而觀察許多先進國家及發

展中國家的資料卻發現兩者的關係並不如想像中那麼單純。以英國為例，在 1967 年英鎊貶值後，英國之貿易收支卻持續惡化到 1968年前半年，一直到 1971年才有 9億 4千萬鎊之盈餘。其原因在於短期內貿易量不會因為貶值而立刻變動，需經過一段時間後，

貿易收支才會如預期般的獲得改善，所以貶值對貿易收支之變化，呈現 J 字型的變化。故文獻將貶值引發貿易收支調整的時間路徑稱為 J曲線。

若本國以及外國分別完全專業化生產一種貿易財，同時假定本國、外國貿易之供給

彈性為無窮大。將本國貿易收支以國內貨幣表示時，貿易收支可表示成下列式子（註一）：


*

Q QTB PX EP M= − (1)

其中 TB：本國貨幣衡量之貿易收支 XQ：出口商品的數量 MQ：進口商品的數量 P：本國貨幣衡量之每單位出口商品的價格 P*：外國貨幣衡量之每單位進口商品的價格 E：匯率（為本國貨幣單位表示之外國貨幣價格）因此，PXQ 為本國之出口總值，EP*MQ 則代表本國之進口總值。故貿易收支可視為

出口總值與進口總值的差額。將式(1)兩邊全微分可得：

* *dTB PdX EP dM P MdE= − −

兩邊同除以 dE後為，

* *

**

**

( 1 )

( 1 )x m

TB dX dMd P EP P MdE dE dE

PX E dX E dMP MEP M X dE M dE

PXP MEP M

ε ε

= − −

= − −

= − +

(2)

因此，出口需求彈性為：

//x

dX X dX EdE E E X

ε = =

進口需求價格彈性為：

//m

dM M dM EdE E E M

ε = − = −

當期初（貶值當時）貿易收支處於均衡時，即 PX=EP*M，式(2)可簡化為：

* ( 1)x mdTB P MdE

ε ε= + −

上式的經濟涵義是指一國通貨貶值可以改善其貿易收支的條件為：

* ( 1) 0x mdTB P MdE

ε ε= + − >

又因為 P*M>0，所以 dTB/dE>0的條件可以改寫為：

1x mε ε+ >


此即為著名的馬婁條件（Marshall-Lerner condition）。即在供給具有完全彈性，且貶值前貿易收支處於均衡時，則貶值的效果取決於需求的彈性。因此，改善貿易收支的充

分條件為外國對本國商品的進口需求彈性與本國對外國商品的進口需求彈性之加總應大

於 1，貶值才能改善貿易收支。意即在長期時欲使貨幣貶值達到改善貿易收支的效果，須滿足馬婁條件。但就短期而言，由於國際貿易契約早在運貨或付款前便已簽定完成因

而無法改變，所以儘管匯率變動，對於這些已簽訂合約的交易並沒有造成影響，因而會

有 J曲線的效果出現。 J 曲線效果產生之原因主要是由於數量和進口價格效果兩者回應速度不同所致。匯

率的上升會造成國際貿易收支的減少，主要是來自於進口價格改變的效果，此為價格的

效果。此外匯率的上升也會導致產品的出口數量增加和進口的數量減少，而導致國際收

支的增加，此即為量的效果。一般而言，數量效果的反應通常較價格效果反應為慢，其

原因 Junzand Rhomberg（1973）提出下列解釋： (1) 認知落差（recognition lag）：來自於對市場競爭條件改變的認知落差； (2) 決策落差（decision lag）：來自於確認新的訂單和生意的落差； (3) 交貨延遲（delivery lag）：來自交付舊訂單產品的落差； (4) 代替落差（replacement lag）：處理過期設備和存貨訂單的落差； (5) 生產落差（production lag）：來自於供給的生產力與模式遭到變動所致。由於價與量兩者間反應速度之不同且數量的效果最終會大於價格的效果，故當貨幣

貶值後，匯率與貿易收支間的關係將會呈現出 J 曲線效果的現象。因此，在經過貨幣貶值後，我們可預期貿易收支會有以下的行為：

(a) 在經過貨幣貶值之後，貿易收支應馬上下降到低於原先水準； (b) 貿易收支應慢慢的上升，並達到一個新的長期水準； (c) 最終貿易收支應上升到比在經歷貨幣貶值前更高的水準。條件(a)和(b)是傳統 J 曲線隱含的部份，我們稱之為嚴格形式的 J 曲線。若是只有

(b)條件發生，但是在經過貶值之後，貿易比率沒有馬上下降到低於原先的標準，則稱之為弱型態的 J 曲線。至於(c)條件則是來自教科書對 J 曲線的解釋，假設國際收支經過匯率貶值後，在長期會呈現上升的現象。

此外，訂定貿易契約時選擇使用哪一國貨幣來訂定契約與 J 曲線效果有很重要的關係。若出口契約全部用本國貨幣來訂定，但進口契約全部用外國貨幣來訂定，當貨幣貶

值時，出口總額便減少，但進口總額卻增加了。因此，以兩種貨幣表示之貿易收支均惡

化，產生了 J 曲線的效果。若是進口契約全部以本國貨幣來訂定，出口契約全部用外國貨幣訂定，則貿易收支會獲得改善，此時 J曲線效果不會發生。

在這裡，由於實證的考量，我們將貿易收支改以貿易比例的形式處理，這類型的處

理方式已出現在許多類似的研究上（例如：Bahmani-Oskooee and Alse，1994；Gupta-Kapoor and Ramakrishnan，1999；Hacker and Hatemi-J，2003；Lal and Lowinger，2001）。採用這種方式最主要的原因是，如此一來，不管出口總值是大於或小於進口總值，都可使用取對數的方式進行處理。根據方程式(1)，貿易比例可表示為：


*Q Q

Q

PX TRXM EP M RER

= = (3)

若以 RER 代表實質匯率，則 RER=EP*/P，假設皆以本國的貨幣單位衡量，則當RER 上升時，表示外國商品對本國商品的相對價格提高。如此一來，對於外國商品的購買慾望會降低，相對的，對於本國商品的購買慾望會提高。因此，我們可以預期出口

商品的數量會增加，進口商品的數量會減少。同樣是來自於需求的效果，若是外國國民所得增加，會導致出口商品數量的增加，

若是本國國民所得增加，則會導致進口數量的增加。上述的關係，可由下列的方程式表

示之：

**( , ), 0, 0Q Q

Q Q

X XX X RER Y

RER Y∂ ∂

= > >∂ ∂

(4)

( , ), 0, 0Q QQ Q

M MM M RER Y

RER Y∂ ∂

= < >∂ ∂

(5)

根據方程式(4)(5)，當貨幣貶值或是外國國民所得增加時，出口數量會增加，若是貨幣貶值或是國內國民所得減少時，則進口數量會減少。因此將貿易收支方程式改以下

列式子表示之：

**( , , ), 0, 0, 0Q Q Q

Q Q

TR TR TRTR TR RER Y Y

RER Y Y∂ ∂ ∂

= > < >∂ ∂ ∂

(6)

三、實證方法

（一）單根檢定

經濟變數可分為定態時間序列與非定態時間序列兩種。若外來衝擊對時間序列只有

短暫的影響，且隨著時間的經過，衝擊會逐漸消失，則稱為定態的時間序列。若外生的

衝擊會對經濟變數造成長遠的影響，且不隨時間的經過而消失，則為非定態的時間序

列。傳統的計量分析是建立在假設時間序列為一定態序列的前提下進行分析，然而隨著

分析技術的進步，有越來越多的結果顯示，大多數的總體經濟變數並不具備定態的性

質。若經濟變數實際上並非為一定態的時間序列，但卻使用定態序列的分析方式去估計

與檢定，就會產生 Granger and Newbold（ 1974）所提出的假性迴歸（ spurious regression）問題。亦即使用分析定態序列的方法去分析非定態序列時，其結果會產生相當高的 R2 值。除此之外，其檢定結果也會相當的顯著，但是這些結論卻不具任何的經

濟意義。因此，在進行實證研究之前，必須先判定所欲分析的變數是否具有定態的特

性，亦即是否具有單根的特性。假設 1 1t t ty a y ε−= + ，兩邊同時減去 1ty − 則可將方程式改寫為： 1t t ty yγ ε−Δ = + ，其


中 1 1aγ = − 。假使存在單根現象，則表示 1 1a = 。如此一來，若要分析 ty 序列是否存在單根的現象，可做 0γ = 的檢定即可。

以上述的想法作為基礎，Dickey and Fuller（1979）年提出 DF檢定法。在 DF檢定法中假設迴歸式的干擾項（error term）為白噪音（white noise），但實證結果證明，迴歸式的殘差項常會有顯著的自我相關現象，使得 DF 檢定的適用範圍受到限制。因此，Said and Dickey（1984）提出 ADF檢定法，其解決方式為模型中加入應變數之落差項形成 ADF單根檢定，並提出下列三種迴歸方程式來進行單根檢定：

12

p

t t i t i ti

y y yγ β ε− −=

Δ = + Δ +∑ (7)

0 12

p

t t i t i ti

y y yα γ β ε− −=

Δ = + + Δ +∑ (8)

0 1 22

p

t t i t i ti

y y t yα γ α β ε− −=

Δ = + + + Δ +∑ (9)

Dickey and Fuller（1979）依據蒙地卡羅實驗的結果，找出在 0γ = 的臨界值。並將

統計量區分為τ 、 μτ 與 ττ ，分別適用於方程式(7)、(8)和(9)做 0γ = 的檢定。值得注意的

是，臨界值的大小並非固定的，而是與樣本數有關。在大多數的假設檢定中，在任何顯

著水準下，若是樣本數增加，則 t檢定的臨界值會降低。此外，Dicky and Fuller（1981）更提出三種 F 統計量 1 2φ φ、及 3φ 以便對上述的方程

式做聯合檢定。其統計為：

[ ( ) ( )] / , 1, 2,3( ) /( )i

SSR SSR r iSSR T K

φ −= =−

受限制不受限制

不受限制

其中：SSR（受限制）和 SSR（不受限制）=受限制和不受限制模型的殘差平方和， r =限制的數目，T =觀測數目， k =在未受限制模型中的待估參數數目，T k− =未受限制模型中的自由度。

因此，若使用方程式(8)，其虛無假設為 0 0aγ = = ，則使用 1φ 統計量。若是要檢定含有漂浮項的迴歸式（如方程式(9)），其虛無假設為 2 0aγ = = ，則使用 3φ 統計量。若虛無假設為 2 0 0a aγ = = = ，則使用 2φ 統計量。

在落後期數的選擇上，通常採用 AIC（Akaike Information Criterion）與 SBC（Schwartz Bayesian Criterion）準則來選取。也可利用最大概度比檢定（likelihood ratio test）來確認落後期數。然而，ADF 檢定雖然考慮殘差項可能有序列相關的可能性，但卻忽略殘差項存在異質性的可能。因此，Phillips and Perron（1988）使用無母數（nonparametric）方法，修正殘差項序列相關與異質性的問題，而提出 PP 檢定。其迴歸式與上述的迴歸式相同，只是誤差項不再要求具有相同的獨立分配。基本而言，當觀

察值無限大時，PP檢定統計量的極限分配與 DF統計量趨於一致，故檢定的臨界值也相同。


PP 檢定雖然成功的解決了殘差項存在異質性的問題，但在時間序列變數中，時常可見發生結構性改變的問題，根據 Perron（1989）發現，若時間序列變數存在結構性改變的問題，其檢定可能會存在假性單根（spurious unit root）的問題。但是上述的 ADF與 PP 檢定兩者在檢定過程中皆無考慮變數是否存在結構性改變的特性。針對此一問題，Zivot and Andrews（1992）提出了所謂的 ZA單根檢定法，其主要目的就是可針對變數是否發生結構性改變的現象進行檢定，並修正了 Perron 將結構性改變視為外生的假設。

為了檢定變數是否存在結構性改變的現象，Zivot and Andrews提出了下列三種模型架構作為檢定之用，其詳述如下：

模型 A：

1 1 1 1 11

( )k

t t t j t j tj

y DU t y y eμ θ λ β α α∧ ∧ ∧ ∧ ∧ ∧ ∧

− −=

= + + + + Δ +∑

模型 B：

*22 2 2 1

1

( )k

j tt i t t jj

y t DT y b y eμ β γ λ α∧ ∧ ∧ ∧ ∧ ∧ ∧

− −=

= + + + + Δ +∑

模型 C：

*3 3 3 1 3 1

1

( ) ( )k

t i t t j t j tj

y t DT DU y c y eμ β γ λ θ λ α∧ ∧ ∧ ∧ ∧ ∧ ∧ ∧ ∧

− −=

= + + + + + Δ +∑

三者間的差異主要在於模型 A 中考慮了截距項的變動，模型 B 則考慮了斜率的變動，至於模型 C 則同時考慮了截距項與斜率的變動。其中 te 為一白噪音項，變異數為

2σ ，時間 1, ,t T= … 。而 /TB Tλ = ，也就是所謂的 break fraction。TB 則是用來表示在該時點上發生結構性改變， tDU 為一虛擬變數，用來表示在 TB 時間點上存在平均值的變動，若 t>TB 則 1tDU = ，而 tDT 則是用來表示在 TB 時點上發生趨勢上的改變，若t>TB則 1tDT = 其詳細表示如下：

1 0 t

t TBDU

>⎧= ⎨⎩

若

其他情況

-=

0 t

t TB t TBDT

>⎧⎨⎩

若

其他情況

上述三個模型中，在落後期數 k 的選擇上，根據 Hall（1994）所述，可採用 t sig−的檢定方法。其方法為先選定一個落後期數 k 的上界，在此先稱之為 maxk 若檢定出 maxk為顯著，則選定 maxk 為其落後期數，假使檢定的結果 maxk 並不顯著，則將落後期數往前

推一期，直到其檢定值顯著為止。理所當然的，若所有的落後期數 k 皆不顯著，則其值


為零。在 Zivot and Andrews（1992）的檢定方法中，其虛無假設為變數存在單根但不存在

結構性改變的現象，對立假設為變數為趨勢恆定數列且存在結構性改變的現象。在檢定

的過程中，除了第一個時點與最後一個之外，Zivot and Andrews把每一個時點都當成可能出現結構性改變的時點來進行檢定，因此，若全部期數為T，則會有 2T − 個λ估計值 λ̂，如此一來，每一筆資料都可做出 2T − 條迴歸式，也會有 2T − 個α̂ 值，亦即要進行 2T − 次的檢定。依照上面所述，則檢定的次數將相當可觀，所以 Zivot and Andrews提出可在 [0.15 0.85]λ = 之區間內進行估計即可。

在此，我們令 ˆˆ( )

itα λ 代表檢定 1iα = 的 t統計量；其中，i=1，2，3，在這些 t統計量

中，我們令最小的 t統計量為 ˆˆinf ( )

itα λ ，若 ˆ

ˆinf ( ) ( )i

t kαα λ λ< ，則拒絕虛無假設。反

之，則接受虛無假設。其中， ( )kα λ 表示在 /TB Tλ = 下的臨界值。

（二）自我迴歸遞延分配邊界檢定

Engle and Granger（1987）首先提出共整合理論。所謂的共整合係指，兩個或兩個以上的非穩定變數經過線性組合後，呈現穩定狀態的現象。表示即使是非恆定的變數，

若存在共整合的現象，經由簡單迴歸估計所得到的顯著關係，仍然是具有意義的，亦即

不存在假性迴歸的狀況。因此，若一個非恆定的變數與其他非恆定的變數存在一個長期

穩定關係，即表示這些變數間存在共整合的現象。自從共整合的觀念被提出之後，有越來越多的方法是用來處理有關共整合檢定的問

題。這些方法包括 Engle and Granger（1987）兩階段共整合分析方法與 Johansen（1988）的最大概似法檢定方法。其中 Engle and Granger（1987）之方法首先須確定變數間的整合階次是否相同，再以 OLS 估計變數間的長期關係，並保留其殘差，對其殘差進行檢定，若為定態變數則表示變數間存在共整合關係。其缺點為只能估出一組共整

合向量，若待估模型存在多個變數時，則可能出現一個以上的共整合向量。因此，若要

進行多變數的共整合分析時，此法的檢定力有所不足。此外，Johansen（1988）則是巧妙的利用計算誤差修正項的 rank 的次數來判斷特性根的數量。首先使用 VAR 的方式確定變數的落後期，再估計出向量共整合模型，根據估計出來的特性根，依大小排序，計

算 maxλ 檢定，來確定共整合關係是否存在。而本文所採用的 Pesaran et al.（2001）所提出的共整合方法則是從自我迴歸遞延分

配模型（AutoRegressive Distributed Lag，簡寫為 ARDL）出發，其優點如下：(1)在於檢定過程中，並不需要考慮變數的階次。亦即無論變數純粹為 I(0)或 I(1)，甚至同時為I(0)或 I(1)，都不會影響檢定的結果；(2)改善當資料為小樣本時，檢定力低弱的問題；(3)可明確的區別兩變數間何者為相依變數何者為獨立變數；(4)在模型中加入前期誤差修正因子，可分析變數間之長期與短期關係。以下將對此檢定法進行簡要的說明。

Pesaran et al.（2001）提出以下五種模型以便進行邊界檢定，首先定義向量變數' '( , )t t tz y x= ，其中 ty 是被解釋變數， tx 則是迴歸向量， tz 則是 p階自我迴歸向量。

Case I（沒有截距項；沒有趨勢）


'1 . 1

1 0

p q

t yy t yx x t i t i t j t yti j

y y x y xπ π ϑ φ θω μ− − − −= =

Δ = + + Δ + Δ + +∑ ∑

Case II（受限制的截距項；沒有趨勢）

'1 . 1

1 0

( )p q

t yy t y yx x t i t i t j t yti j

y y x y xπ μ π ϑ φ θω μ− − − −= =

Δ = − + + Δ + Δ + +∑ ∑

Case III（不受限的截距項；沒有趨勢）

'0 1 . 1

1 0

p q


y y x y xβ π π ϑ φ θω μ− − − −= =

Δ = + + + Δ + Δ + +∑ ∑

Case IV（不受限的截距項；受限制的趨勢）

'0 1 . 1

1 0

( ) ( )p q

t yy t y yx x t x i t i t j t yti j

y y t x t y xβ π γ π γ ϑ φ θω μ− − − −= =

Δ = + − + − + Δ + Δ + +∑ ∑

Case V（不受限的截距項；不受限的趨勢）

'0 1 1 . 1

1 0

p q


y t y x y xβ β π π ϑ φ θω μ− − − −= =

Δ = + + + + Δ + Δ + +∑ ∑

一般來說，比較常用的模型為 Case II 以及 Case III。以下以 Case III 做簡略的說明。在 Case III 中， yyπ 與 yxπ 是長期參數。 0β 是截距項， tω 為虛擬的外生變數向量，並以 y的遞延值以及 x的正常值與遞延值作為短期動態的結構。

Peasran et al.（2001）提出以Wald統計值或 F統計值的邊界檢定，其虛無假設為變數間不存在共整合關係。即：

'0 .

' ' '1 . . .

0, 0

0, 0 0, 0 =0, 0yx x

yx x yx x yx x

H

H or or

π π

π π π π π π

= =

≠ ≠ ≠ = ≠yy

yy yy yy

：

：

大致上而言，以 ARDL模型來進行邊界檢定時，大致上可分為以下兩個步驟：步驟一：檢定變數間是否具有長期關係。

假設在經濟體系中存在 x與 y兩個變數，且從之前資訊無法得知彼此之間的因果關係，則我們可分別將 x與 y兩個變數作為被解釋變數列出下列兩條方程式，分別為：

(10)

(11)

在此以 F統計值作為判定的基礎，值得注意的是 F統計值為一非標準分配，其特性會受到下列因素的影響：(1)在 ARDL模型下，變數為 I(0)或 I(1)；(2)解釋變數的數量；

1 1 1 1 2 11 0

2 2 1 1 2 11 0

n n

t y i t i j t j y t y t yti j

n n

t x i t i j t j x t x t xti j

y y x y x

x x y x y

α β γ θ θ μ

α β γ θ θ μ

− − − −= =

− − − −= =

Δ = + Δ + Δ + + +

Δ = + Δ + Δ + + +

∑ ∑

∑ ∑


(3)ARDL模型下是否包含截距項或時間趨勢項；(4)樣本大小。虛無假設為不存在長期均衡關係，若以方程式(10)而言，即是 0 1 2 0y yH θ θ= =：，其

F 檢定統計量以 ( )yF y x│ 表示之。同理，若以方程式(11)而言，則為 0 1 2 0x xH θ θ= =：，

其 F 檢定統計量以 ( )xF x y│ 表示之。根據 Pesaran et al.（2001）所述，使用 F 檢定作為判斷共整合的方法，會有兩組臨界值，其中一組假設所有存在於 ARDL 模型中的變數為 I(1)，另一組則是假設所有存在於 ARDL 模型中的變數為 I(0)。若聯合檢定的 F 統計量高於上界臨界值（upper critical bound），表示顯著拒絕虛無假設，也就是說變數間存在長期均衡關係，反之，若 F值低於下界臨界值（lower critical bound），表示不顯著，則無法拒絕共整合的虛無假設，但若 F值恰巧落入兩界限之內，則無法做出判別。進一步而言，若 ( )yF y x│ 高於上界臨界值，但是 ( )xF x y│ 卻低於下界臨界值，在此情況下，

表示只存在單向的長期穩定關係。在此關係中，變數 y 為被解釋變數，變數 x 則為解釋變數。因此，以此方法進行檢定時，除了可判斷變數間是否存在共整合關係外，也可判

斷變數間何者為因變數何者為自變數。步驟二：在確定有長期關係下，估計長期關係的參數，以及短期關係下的動態誤差修正

模型（dynamic error correction model，ECM）。假設拒絕 H0 長期參數不為零，即確定變數間具有長期關係，則進行步驟二。因

此，接下來在第二步驟中，首先要確定 ARDL 模型下的落後期數，本文採用 Shwartz Bayesian Criteria（SBC）準則做為選取最適落後期數的依據。其次，本文模型估計採用OLS（ordinary least squares technique）。關於長期與短期的衡量判斷詳細的數學過程，則可參考 Pesaran et al.（2001）。

（三）因果關係檢定

1.因果關係之定義

傳統的迴歸分析僅可確認變數間是否存有關係，若能更進一步的確認變數間的因果

關係，則有助於對經濟變數的分析。Granger（1969）以預測誤差的角度來定義因果關係。即在一訊息集合中，以一變數的加入是否可增加另一個變數的預測能力作為判斷變

數間因果關係的依據。假設 tx 、 ty 為雙變量線性隨機過程（bivariate linear stochastic process）所產生之恆定數列，並做如下定義：

tx , ty 分別代表 x, y 當期與所有過去值所形成之資訊集合； 1tx − , 1ty − 分別代表 x , y 所有過去值所形成之資訊集合； 2σ 為預測的均方誤差（mean square error）。則

Granger因果關係可表示如下： (1)因果關係（causality）

2 1 1 2 1( , ) ( )t t tt tx x y x xσ σ− − −<│ │

表示預測 x變數時，除了利用變數 x本身的過去值之外，加入變數 y之歷史資料將降低預測誤差之均方誤，有助於預測能力之提升。

(2)回饋關係（feedback causality）


2 1 1 2 1 2 1 1 2 1( , ) ( ) ( , ) ( )t t t t t tt t t tx x y x x y x y y yσ σ σ σ− − − − − −< <│ │ 且 │ │

此時變數 x對變數 y存在因果關係，且變數 y對變數 x亦存在因果關係。 (3)同時期因果關係（instantaneous causality）

2 1 2 1 1( , ) ( , )t t t tt tx x y x x yσ σ− − −<│ │

表示預測變數 x 時，除了利用 x 本身與 y 之歷史資料，加入 y 之當期值，將提高 x之預測能力。

(4)獨立關係（independency）

2 1 2 1 1 2 1

2 1 2 1 1 2 1

( , ) ( , ) ( )

( , ) ( , ) ( )

t t t t tt t t

t t t t tt t t

x x y x x y x x

y x y y x y y

σ σ σσ σ σ

− − − −

− − − −

= =

= =

若 │ │ │

且 │ │ │y

變數 x與變數 y間互為獨立變數，不存在因果關係。表示預測 x時，額外加入變數y 的訊息並無法改變對 x 之預測能力；同樣的，預測變數 y 時，額外加入變數 x 的訊息並無法改變對變數 y之預測能力。

（二）因果關係之檢定

在此，進行因果關係檢定，以探討其結果是否與先前利用邊界檢定後出現的結果相

符。Engle and Granger（1987）、Engle and Yoo（1987）曾證明如果兩變數 tx 與 ty 具共整合關係時，可以用誤差修正模型來表示彼此間的關係。一般來說，在共整合檢定模型

中，為了避免有不正確的結果，則必須在定態模型內，加入一個誤差修正項（error correction term，ECT），之後從長期均衡的路徑中，來取得短期序列中的誤差值。其模型如下:

(12)

(13)

所有參數如 Case III 所示，而上式的落後誤差修正項 1tECT − 是由長期共整合關係推

知的，若沒有存在共整合關係，則此項並不存在。 ytμ 與 xtμ 是一個連續的獨立隨機誤差項，期望值為零。其中，式(12)為以 y 變數當作被解釋變數的方程式；反之，式(13)以 x變數當作被解釋變數。

接下來，變數之間是否存在因果關係可以分為長期與短期兩方面來進行討論，以式

(12)為例，若欲檢定在短期中，x對 y是否存在因果關係，其假設如下：

0

0 1

0 , 1,....,0j

H j qH

φφ

= ∀ =

≠1j：

：

若檢定結果為接受虛無假設，則表示在短期下，x 對 y 不存在因果關係；反之，則

0

0

1 1 1 11 0

2 2 2 11 0

p q

t y i t i j t j t yti j

p q

t x i t i j t j t xti j

y y x ECT u

x x y ECT u

β ϑ φ θ

β ϑ φ θ

− − −= =

− − −= =

Δ = + Δ + Δ + +

Δ = + Δ + Δ + +

∑ ∑

∑ ∑


表示 x對 y存在因果關係。若欲檢定在長期下，x對 y是否存在因果關係，其假設如下：

0 1: 0H θ =

1 1: 0H θ ≠

若檢定結果為接受虛無假設，則表示在長期下，x 對 y 不存在因果關係；反之，則表示 x 對 y 存在因果關係。同理，以相同的方式，則可檢驗出在短期與長期下，y 對 x是否存在因果關係。

（四）衝擊反應函數與預測誤差變異數分解

衝擊反應函數是利用衝擊乘數（impact multiplier）分析當某一變數變動一單位時，對其他變數的影響隨時間經過的變化情形，以了解變數間的關係。而預測誤差變異數分

解則是藉由分析各變數之預測誤差變異數，被本身衝擊和其他變數衝擊所解釋的程度。

以下將對上述兩種方法進行介紹（註二）。

1.衝擊反應函數

若向量自我迴歸藉由 Wold 分解定理（Wold decompositiontheorem）轉換成向量移動平均（vector moving average）形式，則模型內每一個變數皆可表示為所有當期和各落後期隨機衝擊項的的線性組合。

假設有一 VAR模型為：

0 1 1t t tx A A x e−= + +

將 1tx − 以 0 1 2 1t tA A x e− −+ + 帶入上式，則可得：

0 1 0 1 2 1

21 0 1 2 1 1

( )

( )t t t t

t t t

x A A A A x e e

I A A A x A e e− −

− −

= + + + +

= + + + +

上述的步驟進行 n次，即得出：

11 1 0 1 1 1

1

( )n

n i nt t i t n

i

x I A A A A e A x+− − −

=

= + + + + +∑

若 tx 為收斂，則當 n趨近於無窮大時， 1nA 會趨近於零，則上述方程式可改寫為：

10

it t i

ix A eμ

∞

−=

= +∑ (14)

故方程式(14)可改寫為：


112 12

0 221 22

t t t i

it t it

y y ea az ea az

∞−

= −

⎡ ⎤⎡ ⎤ ⎡ ⎤⎡ ⎤= +⎢ ⎥⎢ ⎥ ⎢ ⎥⎢ ⎥

⎣ ⎦⎣ ⎦ ⎣ ⎦⎢ ⎥⎣ ⎦∑ (15)

此外，殘差可以方程式(16)表示之：

1 12

2 2112 21

1111

t yt

t zt

e be bb b

εε

−⎡ ⎤ ⎡ ⎤⎡ ⎤=⎢ ⎥ ⎢ ⎥⎢ ⎥−− ⎣ ⎦⎣ ⎦ ⎣ ⎦

(16)

將方程式(16)帶入上方程式(15)即可得：

11 12 12

0 21 22 2112 21

11 12

0 21 22

1111

( ) ( )( ) ( )

it t yt i

it zt it

t yt i

i zt it

y y a a bz a a bb bz

y i ii iz

εε

εφ φεφ φ

∞−

= −

∞−

= −

⎡ ⎤ −⎡ ⎤ ⎡ ⎤⎡ ⎤ ⎡ ⎤= +⎢ ⎥⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥−− ⎣ ⎦ ⎣ ⎦⎣ ⎦ ⎣ ⎦⎢ ⎥⎣ ⎦⎡ ⎤ ⎡ ⎤⎡ ⎤

= +⎢ ⎥ ⎢ ⎥⎢ ⎥⎣ ⎦ ⎣ ⎦⎢ ⎥⎣ ⎦

∑

∑

其中，

121

2112 21

111

i

i

bAbb b

φ−⎡ ⎤

= ⎢ ⎥−− ⎣ ⎦

由上述的方程式可知，若以向量移動平均的方式來表示時間序列的模型，在檢驗

{ }ty 和{ }tz 間的關係是一種相當有效的方法。係數 φi 可用來表示 ytε 和 ztε 在整個時間序列上對{ }ty 和{ }tz 所產生的效果。其中 11( )iφ , 12 ( )iφ , 21( )iφ 和 22 ( )iφ 則稱為衝擊反應函

數。

2.預測誤差變異數分解

預測誤差變異數分解分析乃是 VAR 模型之應用，主要是藉由分析各變數的預測誤差變異數，被本身衝擊及其他變數衝擊所解釋的程度，藉此了解各變數彼此間的關係。

在已知觀察值 tx 與係數 0A 和 1A的情況下，則下一期的預測值為：

1 0 1 1t t tx A A x e+ += + +

取條件期望值後，可得：

1 0 1t t tE x A A x+ = +

因此，預測期數為一期的預測誤差可表示為：

1 1 1t t t te x E x+ + += −

同樣的，若預測數為兩期，則可得：


2 0 1 1 2

0 1 0 1 1 2( )t t t

t t t

x A A x eA A A A x e e

+ + +

+ +

= + += + + + +

對上述的方程式取期望值，則

22 1 0 1( )t t tE x I A A A x+ = + +

如此一來，則預測期數為兩期的誤差為 2 1 1t te A e+ ++ 。同理，若預測期數為 n期，則其預測誤差為：

2 11 1 1 2 1 1

nt n t n t n te A e A e A e−+ + − + − ++ + + +

若採用方程式(14)的形式，則其預測期數為n的預測值可表示為：

0t n i t n i

i

x μ φ ε∞

+ + −=

= +∑

則在預測期數為 n的情況下，其預測誤差為：

0t n t t n i t n i

ix E x φ ε

∞

+ + + −=

− =∑

假設現在將焦點集中在{ }ty 序列上，則預測期數為 n之預測誤差可表示為：

11 11 1 11 1

12 12 1 12 1

(0) (1) ... ( 1)

(0) (1) ... ( 1)t n t t n yt n yt n yt

zt n zt n zt

y E y n

n

φ ε φ ε φ εφ ε φ ε φ ε

+ + + + − +

+ + − +

− = + + + −

+ + + + −

如此一來，就{ }ty 序列而言，其預測期數為 n之預測誤差變異數為：

2 2 2 2 211 11 11

2 2 2 212 12 12

( ) [ (0) (1) ... ( 1) ]

[ (0) (1) ... ( 1) ]y y

z

n n

n

σ σ φ φ φ

σ φ φ φ

= + + + −

+ + + + − (17)

由於，所有2( )jk iφ 的數值皆不為負數，因此，隨著預測期數的增加，其預測誤差變異數

也會隨之增加。值得注意的是，根據方程式(17)，我們可求出 2( )y nσ 分別來自於{ }ytε 和

{ }ztε 的比例，分別為：

2 2 2 211 11 11

2

(0) (1) ... ( 1)( )

y

y

nn

σ φ φ φσ

⎡ ⎤+ + + −⎣ ⎦

和

2 2 2 212 12 12

2

(0) (1) ... ( 1)( )

z

y

nn

σ φ φ φσ

⎡ ⎤+ + + −⎣ ⎦


透過變異數分解的結果，若來自於{ }ztε 的衝擊完全不可解釋{ }ty 的預測誤差變異

數，則稱{ }ty 為外生。另一個極端的例子為，若{ }ztε 可完全解釋{ }ty 的預測誤差變異數，則稱{ }ty 為內生。因此，透過變異數分解，可顯示變數彼此間關聯的程度。

四、資料說明與實證結果分析

（一）資料來源與基本統計特性

本研究之主要目的在於探討亞洲四小龍的匯率與貿易收支間是否存在 J 曲線效果。在變數選擇上，以貿易比例（TR）、實質匯率（RER）、本國國內生產毛額（GDP）與美國國內生產毛額（USGDP）作為本研究的四個變數。在資料來源部分，除了新加坡的國內生產毛額是取自 Datastream 資料庫外，其餘資料皆來自於 AREMOS 經濟統計資料庫。由於變數間所採用的單位不盡相同，為了避免不必要的誤差產生，統一將所有變

數之單位換算成以美金為單位，再進行更進一步的處理，實質匯率的換算方式採用之前

在理論基礎中所提及的計算方式，其中 *p 是以美國消費者物價指數代替（CPI）。此外，因各國家所取得資料的期間

並不一致，導致每個國家的樣本數不盡相同，各國家的起迄時間如下：台灣 1980 年第4季到 2005年第 1季；新加坡 1975年第 1季到 2005年第 1季；韓國 1980年第 1季到2004年第 4季；香港 1981年第 1季到 2005年第 1季。各國家變數之基本資料圖如圖 1到圖 4所示。

表 1 說明各變數成長率在各國間的基本統計量。比較各變數成長率之期望值，在貿易比例部分，除了新加坡與韓國為 4%外，其餘皆為 0%，標準差則以韓國的 0.097 為最大。在實質匯率部分，以韓國的 1.3%為最大，最小者為新加坡的−0.009%，標準差則以韓國的 0.060為最大。在國內生產毛額部分，以新加坡的 2.5%為最大，最小者為香港的1.7%，標準差則以韓國的 0.161 為最大。在美國國內生產毛額部分，以新加坡的 1.7%為最大，標準差則以新加坡的 0.009為最大。另外，根據 Jarque-Bera檢定結果，在虛無假設為常態分配的情況下，在台灣與新加坡的所有變數皆拒絕常態分配的假設，韓國除

了貿易比例外，皆拒絕常態分配的假設，香港則是實質匯率與美國國內生產毛額拒絕常

態分配的假設。在檢定各變數成長率是否存在自我相關性質時，虛無假設為沒有自我相

關下，發覺除了在新加坡與韓國的實質匯率無法拒絕虛無假設外，其餘均拒絕虛無假

設，即存在自我相關的現象。最後，在檢定各變數成長率是否具有 ARCH 效果時，台灣的貿易比例與美國國內生產毛額具有 ARCH 的效果，新加坡則是所有變數皆具有ARCH 效果，在韓國與香港部分，則是除了貿易比例外，其餘變數之成長率皆具有ARCH效果。


表 1 各國變數成長率之基本統計量統計量

國家變數 Mean S.D. SK EK Max Min JB LB(6) ARCH(4)

台灣

TR

RER

GDP

USGDP

0.000

-0.005

0.021

0.015

0.073

0.030

0.044

0.007

0.009

0.144

-0.785

1.048

1.609

3.260

1.681

3.847

0.233

0.117

0.118

0.046

-0.242

-0.113

-0.129

-0.003

10.469*

43.279*

21.373*

77.562*

81.658*

24.113*

88.412*

59.219*

4.158*

0.581

0.570

12.989*

新加坡

TR

RER

GDP

USGDP

0.004

-0.009

0.025

0.017

0.041

0.024

0.047

0.009

0.332

0.599

-0.604

1.265

1.081

0.001

-0.012

3.278

0.124

0.071

0.113

0.057

-0.110

-0.060

-0.117

-0.003

8.114*

12.288*

7.286*

86.429*

33.344*

6.371

46.764*

59.219*

3.555*

2.513*

5.702*

6.115*

韓國

TR

RER

GDP

USGDP

0.004

0.013

0.022

0.015

0.097

0.060

0.161

0.007

-0.145

3.303

-1.314

1.261

0.463

17.879

1.705

4.109

0.247

0.388

0.261

0.046

-0.260

-0.143

-0.547

-0.003

1.254

1528.968*

40.890*

97.810*

33.408*

16.643

468.628*

59.219*

2.454

7.292*

7.134*

10.476*

香港

TR

RER

GDP

USGDP

0.000

0.009

0.017

0.015

0.048

0.023

0.063

0.008

0.528

2.025

-0.383

1.387

-0.267

5.885

-0.484

4.544

0.125

0.111

0.158

0.046

-0.107

-0.028

-0.133

-0.003

4.848

206.258*

3.350

115.753*

163.144*

136.413*

122.979*

59.219*

13.931

5.522*

20.646*

13.211* (1) *表示在 5%水準下顯著。 (2) Mean和 S.D.表示每個變數成長率之平均數與標準差；Max是最大觀察值；Min是最小觀察值。 (3) SK 是衡量這個序列其平均數分配的偏態，當他的值為 0 時為常態分配；其值為正表示此分配有一個長的右尾；為負則表這個分配有一個長的左尾。

(4) EK 是衡量這個序列其平均數分配的峰態，當他的值為 3 時為常態峰；其值大於 3 則這個分配為高狹峰；小於 3則為低闊峰。

(5) JB為 Jarque-Bera統計量，目的在於測試這個序列是否為常態分配；LB(6)為 Ljung-Box Q統計量，落後期數為 6。

(6) ARCH(4)為 ARCH統計量，落後期數為 4，目的在於檢測這個序列是否具有 ARCH效果。

（二）單根檢定結果

過去的許多文獻指出，大多數的總體經濟變數存在非恆定的特性，若直接進行實證

分析而不考慮經濟變數的特性時，可能會產生虛假迴歸的問題。因此，在進行實證分析

研究之前，首先須對所選取的變數進行單根檢定。在此，我們分別利用 ADF 單根檢定、PP單根檢定與 ZA單根檢定三種檢定方法來進行，其檢定結果如表 2所述。


表 2 原始資料下單根檢定表原始資料 ADF PP ZA

國家變數 μτ ττ 有趨勢項無趨勢項模型 A 模型 C

台灣

TR RER GDP

USGDP

-1.640 -1.703 -2.297 -3.013*

-1.590 -2.791 -1.445 -3.110

-1.298 -4.324*-0.637 -1.723

-1.575

-2.053 -2.205

-3.519 -3.813 -3.410 -2.922

-3.519 -3.813 -3.410 -2.922

新加坡

TR RER GDP

USGDP

-2.156 -2.299 -1.805 -4.519

-1.350 -3.721*-2.015 -4.370*

-1.244 -6.180*-0.838 -3.274

-1.744

-1.652 NA

-4.666 -4.581 -4.225 -4.768

-4.666 -4.581 -4.410 -4.768

韓國

TR RER GDP

USGDP

-1.470 -2.351 -1.099 -3.405*

-2.412 -3.009 -1.946 -2.679

-2.250 -4.352*-2.921 -2.400

-1.831

-1.325 NA

-4.500 -3.991 -5.365* -3.343

-4.500 -3.991 -5.365* -3.343

香港

TR RER GDP

USGDP

-1.083 -2.846 -1.550 -2.802

-2.098 -3.109 -1.548 -3.967*

-1.615 -4.828*-0.172 -2.444

NA

-1.445 NA

-3.832 -4.252 -2.639 -5.013

-3.832 -4.252 -2.639 -5.013

(1) TR為貿易比例；RER為實質匯率；GDP為本國國內所得；USGDP為美國國內所得。 (2) ADF單根檢定之 μτ 與 ττ 檢定統計量，其 5%顯著水準臨界值為-2.86，其中 H0：I(1)。 (3) 在 PP單根檢定下，有趨勢項與無趨勢項之檢定統計量，其 5%顯著水準臨界值分別為-3.410及-2.860。 (4) 在 ZA單根檢定下，模型 A與模型 C之檢定統計量，其 5%顯著水準臨界值分別為-4.80及-5.08。 (5) *表該檢定統計量在 5%顯著水準下顯著。 (6) NA表 Not Available。

首先在 ADF 單根檢定部分，分別採用 μτ 和 ττ 兩種統計檢定量進行檢定。在 μτ 部

分，美國國內生產毛額在香港並不顯著，但在其餘各國則為顯著，而其他變數在各國則

皆為不顯著的情況。在 ττ 部分，除了在新加坡的實質匯率與美國國內生產毛額和香港的美國國內生產毛額三個變數為顯著外，其餘皆為不顯著。在 PP 檢定部分，除各國的實質匯率為顯著外，其餘皆為不顯著。在 ZA 檢定部分，分為模型 A 與模型 C 兩種情況，在模型 A 與模型 C 中，皆只有韓國國內生產毛額為顯著。由上述可知，三種檢定方法之結果不盡相同，但大致上而言，各變數均無法拒絕有單根的虛無假設，亦即具有

非恆定之特性。接下來將原始資料進行差分的動作，再進行單根檢定，其結果如表 3 所示。可發現

在 ADF單根檢定下，總共有 8個變數拒絕單根的虛無加設，若是在 PP檢定下，則所有的變數皆可拒絕單根的虛無假設。


表 3 差分資料下單根檢定表差分資料 ADF PP

國家變數 μτ 有趨勢項

台灣

TR RER GDP

USGDP

-4.351* 3.724*

-2.000 -2.176

-7.968* -12.172* -10.145*

-8.687*

新加坡

TR RER GDP

USGDP

-10.380* -17.119* -2.364 -2.039

-10.853* -18.163* -10.019*

-8.460*

韓國

TR RER GDP

USGDP

-4.627* -5.162* -3.082* -2.481

-7.604* -15.061* -19.248*

-7.202*

香港

TR RER GDP

USGDP

-2.756 -3.245* -1.488 -2.236

-7.057* -13.694*

-9.850* -7.371*

(1) TR為貿易比例；RER為實質匯率；GDP為本國國內所得；USGDP為美國國內所得。 (2) ADF單根檢定之 μτ 檢定統計量，其 5%顯著水準臨界值為-2.86，其中 H0：I(1)。 (3) 在 PP單根檢定下，有趨勢項之檢定統計量，其 5%顯著水準臨界值為 -3.410。 (4) *表該檢定統計量在 5%顯著水準下顯著。

（三）共整合分析檢定結果

雖然在上述的三種單根檢定方法中，大部分都顯示所選取的經濟變數具有單根的性

質，但仍有少部分之結果是呈現經濟變數可能不具單根的特性，因此並無法明確的確定

是否所有變數皆為 I(1)之非恆定數列。此外，本研究之資料皆以季資料為主，故各國的樣本數並不多，大部分都在 100 筆左右，實屬小樣本的範圍。基於上述考量，故在本研究中不採用 Engle and Granger（1987）與 Johansen（1988）所提出的共整合方法，而採用 Pesaran et al.（2001）所提出的邊界檢定法進行共整合檢定。主要是邊界檢定法的優點在於不論變數具 I(0)或 I(1)的特性，均可進行檢定，同時也改善當資料為小樣本時檢定力低落的問題。除此之外，尚有區別變數間何者為相依變數何者為獨立變數與分析變

數間長期與短期關係之優點。在進行共整合分析之前，首先須對模型選取一個最適遞延期數。本研究以 SBC 準

則作為選取的依據。新加坡則為 3 期，而台灣、韓國與香港由於在資料上有呈現出季節性的現象，故在選取遞延期數前先將資料進行季節性調整，在經過季節性調整後，其最

適遞延期數分別為台灣 1期、韓國 1期與香港 2期。


進行完最適遞延期數的選取後，將進行共整合的檢定，我們將邊界檢定結果整理於

表 4中。值得注意的是，在 Pesaran et al.（2001）所提出的共整合方法中，其臨界值的估算大多是以樣本數在 500 筆或是 1000 筆以上的情況下模擬而得出的結果，但本次研究的樣本數大多在 100 筆左右，因此在臨界值的選取上，我們不採用 Pesaran et al.（2001）之臨界值而改 Narayan（2004a）所提出在小樣本情況下所模擬出之臨界值，其下界臨界值 I(0)=3.363，上界臨界值 I(1)=4.515。在台灣以貿易比例為被解釋變數時，其F 值為 5.488 高於上界臨界值，若以實質匯率、台灣國內生產毛額與美國國內生產毛額為被解釋變數時，其 F 值分別為 3.995、4.278 與 1.530 均未高過於上界臨界值，顯示在台灣部分，當以貿易比例為被解釋變數時存在一組共整合向量。在新加坡以美國國內生

產毛額為被解釋變數時，其 F 值為 5.358 高於上界臨界值，若以貿易比例、實質匯率與新加坡國內生產毛額為被解釋變數時，其 F 值分別為 3.189、2.478 與 4.106 均未高過於上界臨界值，顯示在新加坡部分，以美國國內生產毛額為被解釋變數時存在一組共整合

向量。同理，在韓國以實質匯率為被解釋變數時存在一組共整合向量。香港則是以香港

國內生產毛額為被解釋變數時存在一組共整合向量。因此，在上述四個國家中均存在一

組共整合的長期均衡關係。自從 Chow（1960）在經濟文獻上提出模型參數是否穩定的假設檢定後，近年來，

有越來越多的文獻在處理實證研究時會針對模型中的參數進行穩定性的檢定，因此在本

研究中也採用 Hansen（1992）的 Lc、MeanF 與 SupF 三種檢定來探討當模型存在共整合向量時模型中的參數是否穩定，雖然上述三種檢定方法的對立假設不盡相同，但其虛

無假設均是假設模型參數為穩定。在實證結果部分，台灣的三種檢定量分別為

0.217[0.20]、 5.696[0.16]與 16.676[0.08]；在新加坡部分，三種檢定量分別為0.490[0.12]、8.099[0.04]與 12.139[0.20]；在韓國部分，三種檢定量分別為 0.188[0.20]、3.658[0.20]與 9.971[0.20]；在香港部分，三種檢定量分別為 0.568[0.08]、7.846[0.05]與26.300[0.01]。由上述檢定結果可知，除了新加坡的 MeanF 檢定與香港的 SupF 檢定外，其餘的檢定均顯示在各國的模型中參數是呈現穩定的狀況，亦即在本次的研究中，

模型參數發生結構性改變的問題並不嚴重（註三）。

表 4 邊界檢定表 95%

國家 I(0)=3.363 I(1)=4.515

台灣 F(TR│X1)=5.488 F(RER│X2)=3.995 F(GDP│X3)=4.278 F(USGDP│X4)=1.530

新加坡 F(TR│X1)=3.189 F(RER│X2)=2.478 F(GDP│X3)=4.106 F(USGDP│X4)=5.358

韓國 F(TR│X1)=1.410 F(RER│X2)=5.448 F(GDP│X3)=4.062 F(USGDP│X4)=2.164

香港 F(TR│X1)=2.403 F(RER│X2)=3.920 F(GDP│X3)=5.537 F(USGDP│X4)=1.329 (1) F( x│y )=表以變數 x作為被解釋變數，變數 y為解釋變數下所得之檢定統計量。 (2) X1={RER,GDP,USGDP}, X2={TR,GDP,USGDP}, X3={TR,RER,USGDP}, X4={TR,RER,GDP}。 (3) TR為貿易比例；RER為實質匯率；GDP為本國國內所得；USGDP為美國國內所得。 (4) *表示在 5%水準下顯著。


（四）Granger 因果關係檢定結果

Granger（1969）提出以預測的觀點來定義變數之間的因果關係，即利用加入某一變數是否能增加對另一變數之預測能力。而根據上述邊界檢定結果顯示，各國的變數間

都存在一組共整合關係，依據 Granger代表性定理（Granger Representation Theorem），若存在共整合的長期均衡關係，則變數間一定存在因果關係，且可以表示成誤差修正模

型，亦即所估計的模型必須考慮修正項，否則會出現模型誤設的偏誤；在進行因果關係

檢定時，也必須考慮短期（動態遞延期數）及長期（誤差修正項）的因果關係，我們以

F統計量來檢定各變數與貿易比例間的長、短期Granger因果關係，檢定結果整理於表 5。由表 5 可知，在 5%顯著水準下，就短期而言，台灣在實質匯率與國內生產毛額兩

變數與貿易比例間存在著因果關係，美國國內生產毛額與貿易比例間則不存在著因果關

係。反觀新加坡、韓國與香港三國，除了韓國的實質匯率與貿易比例間存在著因果關係

外，其餘皆不存在著因果關係。若以長期的觀點來進行探討，則發現只有台灣存在著

Granger 因果關係，其餘三國則皆都不存在。而這樣的長期因果關係檢定的結果與表 4的邊界檢定結果相呼應，在邊界檢定結果中，台灣在以貿易比例為被解釋變數時，存在

一組共整合向量。因此，當我們以貿易比例當作被解釋變數時進行誤差修正模型的估計

時，其誤差修正項的估計係數應該為負，且顯著異於零，表示存在長期因果關係。相反

的，在新加坡、韓國與香港三個國家中，分別以美國國內生產毛額、實質匯率與香港國

內生產毛額為被解釋變數時存在一組共整合向量，因此，當我們以貿易比例當作被解釋

變數時進行誤差修正模型的估計時，其誤差修正項的估計係數將不顯著異於零，在表示

在長期時不存在因果關係。故上述之結論與表 5之結果相符。

表 5 Granger因果關係檢定表短期國家

RER TR⇒ F統計值

[P值]

台灣 5.708* [0.019]

新加坡 0.695

[0.557]

韓國 10.857* [0.001]

香港 0.551

[0.578] GDP TR⇒

F統計值 [P值]

台灣 7.353* [0.008]

新加坡 0.735

[0.533]

韓國 1.553

[0.216]

香港 0.702

[0.499] USGDP TR⇒

F統計值 [P值]

台灣 0.790

[0.376]

新加坡 1.320

[0.272]

韓國 2.358

[0.138]

香港 0.494

[0.612] 長期國家

ECM TR⇒ F統計值

[P值]

台灣 22.944* [0.000]

新加坡 0.227

[0.635]

韓國 1.143

[0.288]

香港 0.222

[0.639] (1) TR為貿易比例；RER為實質匯率；GDP為本國國內所得；USGDP為美國國內所得。 (2) x y⇒ 表示變數 x對變數 y不存在 Granger因果關係。 (3) *表示在 5%水準下顯著。


（五）衝擊反應函數實證結果

衝擊反應分析主要是藉由模型中的衝擊反應係數，藉此了解當總體經濟變數發生自

發性干擾時，對其他變數的影響。而本研究主要是探討 J 曲線效果是否發生於上述五個國家中，故其分析重點在於當本國貨幣貶值時，貿易收支是否會呈現先減後增的情形，

亦即當實質匯率發生變動時，貿易比例是否會出現先降後升的情況，用其來判斷是否發

生 J 曲現效果。接下來我們利用衝擊反應函數，藉由實質匯率發生衝擊時，對貿易比例所造成的影響來判斷該國家是否存在 J 曲線的現象。考量到樣本數的大小，本研究之預測以 20期為主，其結果整理於表 6與圖 5中，主要敘述則如下所述。

表 6 各國衝擊反應分析結果衝擊來源國家期數 TR RER GDP USGDP

台灣

0 1 2 3 4 5

10 15 20

0.0606 0.0469 0.0362 0.0279 0.0213 0.0162 0.0034 -0.0004 -0.0015

0.0000 0.0004 0.0006 0.0009 0.0011 0.0012 0.0015 0.0016 0.0017

-0.0003 -0.0005 -0.0006 -0.0007 -0.0008 -0.0009 -0.0011 -0.0012 -0.0012

0.0000 -0.0001 -0.0002 -0.0003 -0.0004 -0.0004 -0.0006 -0.0006 -0.0006

新加坡

0 1 2 3 4 5

10 15 20

0.0348 0.0202 0.0229 0.0250 0.0236 0.0246 0.0252 0.0258 0.0261

0.0000 0.0081 0.0030 0.0064 0.0071 0.0073 0.0093 0.0102 0.0110

0.0000 -0.0018 -0.0028 -0.0010 -0.0009 -0.0016 -0.0010 -0.0005 -0.0003

0.0000 -0.0036 -0.0012 -0.0002 -0.0009 -0.0006 -0.0005 -0.0003 -0.0002

韓國

0 1 2 3 4 5

10 15 20

0.0704 0.0520 0.0393 0.0306 0.0246 0.0204 0.0127 0.0114 0.0112

0.0000 0.0012 0.0020 0.0025 0.0029 0.0032 0.0037 0.0038 0.0038

0.0000 -0.0070 -0.0114 -0.0146 -0.0168 -0.0184 -0.0212 -0.0217 -0.0217

0.0000 0.0024 0.0040 0.0052 0.0059 0.0065 0.0075 0.0076 0.0076

香港

0 1 2 3 4 5

10 15 20

0.0234 0.0201 0.0203 0.0200 0.0198 0.0197 0.0196 0.0196 0.0196

0.0000 0.0018 0.0028 0.0036 0.0041 0.0045 0.0050 0.0050 0.0050

0.0000 -0.0005 0.0012 -0.012 0.0000 -0.0002 0.0024 0.0035 0.0036

0.0000 -0.0005 -0.0039 0.0037 0.0048 0.0050 0.0056 0.0057 0.0057

(1) TR為貿易比例；RER為實質匯率；GDP為本國國內所得；USGDP為美國國內所得。


圖 1 台灣變數基本資料圖

圖 2 新加坡變數基本資料圖


圖 3 韓國變數基本資料圖

圖 4 香港變數基本資料


圖 5 台灣、日本、新加坡、韓國與香港之實質匯率對貿易比例衝擊反應函數圖在台灣部分，當一實質的貶值發生時，不論在短期或是長期，均沒有發生貿易比例

下降的問題，皆是呈現上升的現象，亦即在台灣，貨幣貶值可有效的改善貿易收支，故

在台灣並不存在 J 曲線的效果。在新加坡部分，從貶值開始到貶值後的第 3 期間，有一


上下起伏的狀況發生，在此之後，貿易比例皆呈現逐漸上升的趨勢，但不論長短期而

言，貶值均有助於改善貿易收支餘額。至於在韓國與香港兩國中，在實質貶值後貿易比

例變動的情形也與台灣類似，即不論在短期或長期貨幣貶值均可有效改善貿易收支，因

此，在韓國與香港也不存在 J 曲線效果。故由上述的結論可知，在亞洲四小龍當中皆不存在 J曲線效果，但貶值皆有助於改善貿易收支。

（六）預測誤差變異數分析實證結果

接著進行貿易比例的預測誤差變異數分解，觀察貿易比例之總預測誤差變異數，藉

由模型中所有變數之衝擊所解釋之百分比，以瞭解各變數對貿易比例的解釋能力，其實

證結果彙整於表 7與圖 6到圖 9中，其詳述如下。

表 7 各國預測誤差變異數分解分析結果誤差來源

國家期數 TR RER GDP USGDP

台灣

0 1 2 3 4 5

10 15 20

1.00000 0.99996 0.99987 0.99972 0.99951 0.99925 0.99737 0.99499 0.99247

0.00397 0.02646 0.07812 0.13751 0.19408 0.24401 0.39944 0.46813 0.50319

0.02237 0.05445 0.08905 0.12223 0.15248 0.17917 0.26819 0.31277 0.33736

0.02146 0.02145 0.02145 0.02144 0.02144 0.02143 0.02143 0.02142 0.02142

新加坡

0 1 2 3 4 5

10 15 20

1.00000 0.95219 0.95579 0.95154 0.94521 0.94031 0.91711 0.90112 0.88922

0.00960 0.01104 0.00700 0.00533 0.00454 0.00420 0.00669 0.01194 0.01822

0.00179 0.00095 0.00453 0.00394 0.00454 0.00487 0.00535 0.00550 0.00555

0.01023 0.00874 0.00614 0.00866 0.01080 0.01428 0.03846 0.06299 0.08236

韓國

0 1 2 3 4 5

10 15 20

1.00000 0.99319 0.97847 0.95762 0.93270 0.90559 0.77372 0.67396 0.60193

0.13411 0.07152 0.05547 0.06303 0.07967 0.09825 0.16589 0.19712 0.21313

0.11668 0.08952 0.07101 0.05806 0.04873 0.04180 0.02424 0.01728 0.01363

0.00103 0.00415 0.00774 0.01125 0.01444 0.01726 0.02646 0.03094 0.03341

香港

0 1 2 3 4 5

10 15 20

1.00000 0.99534 0.98032 0.96931 0.95712 0.94692 0.91442 0.89959 0.89157

0.01383 0.01504 0.01679 0.01815 0.01913 0.01984 0.02149 0.02204 0.02231

0.03182 0.03834 0.03979 0.04140 0.04248 0.04347 0.04736 0.05039 0.05287

0.02888 0.03679 0.03620 0.03510 0.03386 0.03280 0.02969 0.02842 0.02774

(1) TR為貿易比例；RER為實質匯率；GDP為本國國內所得；USGDP為美國國內所得。


圖 6 台灣各變數預測誤差變異數分解分析圖


圖 7 新加坡各變數預測誤差變異數分解分析圖


圖 8 韓國各變數預測誤差變異數分解分析圖


圖 9 香港各變數預測誤差變異數分解分析圖


在本次研究的四個國家中，貿易比例受自我衝擊所能解釋的百分比相當高，在經過

20 期之後，除了韓國下降到 60%外，其餘的三個國家的解釋能力都可維持在 90%左右，台灣更幾乎維持在 100%附近。

若是在實質匯率解釋貿易比例變異的部分，台灣與香港在實質匯率所能解釋的百分

比都是呈現逐年增加的狀況，在台灣部分，在第 20 期大約可解釋 50%的變異，香港則是由第 1 期的 1%上升到第 20 期的 2%。至於在新加坡與韓國部分，除了新加坡在一開始時有上升的趨勢外，實質匯率的解釋能力都是呈現先降後升的情況。在新加坡部分，

第 1 期為 0.96%在第 20 期時則上升到 1.8%。在韓國部分，由一開始的 13%下降到6.3%，之後則一直上升，在第 20期時可解釋 21%的變異。

在本國國內生產毛額解釋貿易比例變易的部分，基本上而言，台灣、新加坡與香港

都是呈現逐年增加的趨勢，其中台灣在第 20 期時可解釋 33%的變異，在新加坡部分，則由一開始的 0.18%，上升至第 20 期的 0.5%。香港則是由一開始的 3%上升至第 20 期的 5%。至於韓國則是呈現住年下降的趨勢，由一開始的 11%下降到最後的 1%。

在美國國內生產毛額解釋貿易比例變易的部分，台灣與韓國兩者皆是呈現逐年上升

的情況。在台灣部分，雖逐年上升但其上升幅度皆不大，從第 1 期到第 20 期皆維持在2%左右。至於韓國則是由一開始的 0.1%上升到 3.3%。在新加坡部分，呈現出先降後升的狀況，由一開始的 1%下降到第 2 期的 0.6%，之後則逐年上升，在第 20 期時解釋能力為 8%。香港則是呈現先生後降的狀況，由一開始的 2.9%上升到第 2 期的 3.7%，之後則逐年下降，在第 20期時解釋能力為 2.8%。

基本上而言，預測誤差變異數分析實證結果與 Granger 因果關係檢定彼此間存在著一定的對應關係，若之前在 Granger 因果關係檢定中顯示兩者並無因果關係之存在，則在預測誤差變異數分析時其解釋能力必也不高。舉台灣而言，在 Granger 因果關係檢定中，實質匯率與台灣本國國內生產毛額兩者與貿易比例間存在著 Granger 因果關係，而美國國內生產毛額與貿易比例間則不存在著 Granger 因果關係。台灣在預測誤差變異數分析的結果中顯示，若衝擊來源是來自於實質匯率與國內生產毛額，則在第 20 期時都有 30%以上的解釋能力，相反的，若是衝擊來源為美國國內生產毛額，則即解釋能力均不高，大約都只有 2%左右。此一現象在其他三國中也是呈現同樣的結果，由此可知，在本研究中，預測誤差變異數分析實證結果與 Granger 因果關係檢定彼此間存在著對應關係。

（七）與過去文獻之比較

在上述對各國 J 曲線效果之檢定結果中，可發現在亞洲四小龍中皆無 J 曲線之現象發生，取而代之的是當貶值產生時，不論短期或是長期，皆會導致貿易收支的改善。

然而在眾多有關於 J 曲線效果之實證研究中，長久以來亦是無法得到一致之結論。若依照研究國家的發展程度進行區別，Bahmani-Oskooee（1985）針對泰國、韓國、印度與希臘四個開發中國家進行 J 曲線之研究，其結果發現在上述四個國家中存在著 J 曲線之現象。Upadhyaya and Dharmendra（1997）針對亞洲、歐洲、非洲與拉丁美洲的開發中國家進行研究，其結果發現，在經歷貨幣貶值的衝擊之後，除了墨西哥在長期有改


善貿易收支外，在希臘、塞普勒斯與摩洛哥在長期時貨幣貶值反而造成貿易收支的惡

化，此外，在新加坡、泰國等國家，貨幣貶值與貿易收支間並不存在明顯的關係。因

此，在 Upadhyaya and Dharmendra（1997）的研究當中，其結果為 J曲線的現象在大部分的開發中國家是不存在的。

若研究對象為亞洲國家，施俊男（1993）探討台灣與日本及台灣與美國間的雙邊貿易是否存在 J 曲線效果，實證結果顯示台日與台美間並不存在 J 曲線效果。Wilson and Tat（2001）發覺新加坡在實質匯率與貿易收支上並沒有明顯的關係，Pat（2001）則發覺新加坡並不存在 J曲線的現象。Ahmad and Yang（2004）在對中國的 J曲線研究中，其結果顯示貶值在長期有助於改善貿易收支，但 J 曲線的現象卻不存在，主要是由於在貶值後短期並無貿易收支惡化的情況產生。此外，Gupta-Kapoor and Ramakrishnan（1999）探討日本在 1975年至 1996間是否存在 J曲線效果，其結果顯示在浮動匯率體制期間日本存在 J 曲線效果。Hsing（2005）針對日本、韓國與台灣進行 J 曲線效果的研究，其實證結果為只有日本具有 J 曲線效果，台灣與韓國並不存在 J 曲線效果。Narayan（2006）探討中國與美國間的貿易是否存在 J 曲線現象，其結果發現貶值不論在長期與短期都可改善貿易收支，亦即在中國與美國的雙邊貿易中並不存在 J 曲線的現象。

綜合上述之比較可得知，J 曲線之現象在絕大部分的國家並不存在，至於為何會有這種現象的產生，我們提出以下幾種可能的原因，首先，研究方法的差異，有可能造成

研究結果的不同。舉例而言，在不知變數不具定態特性下進行實證研究，將會造成假性

迴歸的結果，進而造成在 J 曲線研究上結果的偏差。而在檢定共整合方法上，由原本的Engle-Granger 兩階段共整合分析方法到 Johansen 的最大概似法檢定方法，至本研究中所採用的 Pesaran 自我迴歸遞延分配邊界檢定法，都有可能造成結果的不同。除此之外，在變數選擇與處理上也可能造成驗證結果上的差異。另外，產生 J 曲線之原因，主要是在短期時，本國進口需求彈性與外國進口需求彈性的數值相當小，因此貶值將造成

貿易收支的惡化。但隨著時間的經過，本國進口需求彈性與外國進口需求彈性的數值將

逐漸增大，貶值因而帶動貿易收支的改善。然而，近年來由於科技之進步，資訊的傳遞

與廠商合約的訂定均更加迅速，國與國之間的交易成本也更下降，造成反應價格變化所

需耗費的時間縮短，因而造成 J 曲現效果的消失。最後，開發中國家在發生貶值後常有所謂的進口縮減（import compression）現象。亦即無論在貶值前進口需求彈性為何，當在貶值發生後，都會造成進口數量快速的減少，因而造成貶值後在短期時造成貿易收支

惡化的情形不易發生。

五、結論與建議

經濟成長一直是各國努力追求的目標，而所謂的經濟成長不外乎是以所得的層面來

做為衡量的依據，不論是消費、民間投資、政府支出或是貿易餘額皆是影響經濟成長的

重要因素。近年來隨著市場的自由化與全球化，國際貿易逐漸成為開放經濟體系下的重

要活動，貿易在各國經濟發展中的作用也越來越重要。其中，匯率的變動對貿易收支更


是有舉足輕重的影響，瞭解匯率的變動與貿易收支間的關係更是實證學家關心的重要議

題之一，執政者更可透過匯率的變動使得貿易餘額維持在最適的範圍內，因此，若能了

解匯率與貿易收支間的關係，將有助於執政者訂定合適的政策更可達到促進經濟成長的

效果。台灣、新加坡、韓國與香港四個國家中，均屬於天然資源有限之國家，透過貿易

可使經濟體系的互動更為頻繁，國與國間的資金與商品相互流通，經濟因而得以成長。

本文以各國之季資料，透過單根檢定、共整合分析法、Granger 因果關係檢定、衝擊反應分析以及預測誤差變異數分解，來探討 J曲線效果是否出現於上述國家中。

實證結果發現，各變數在進行單根檢定後，大部分的變數皆屬於非恆定的數列，但

仍有少部分的變數可能不具單根性質，故在共整合分析部分，採用 Pesaran et al.（2001）所提出的邊界檢定法進行共整合檢定，其優點在於不論變數為 I(0)或是 I(1)皆可進行共整合檢定，此外，在資料為小樣本時也不會有檢定力低落的問題產生，其結果

顯示在台灣以貿易比例為被解釋變數時存在長期均衡關係。新加坡、韓國與香港則是分

別以美國國內生產毛額、實質匯率與國內生產毛額為被解釋變數時有長期均衡關係。在

以誤差修正模型進行 Granger 因果關係檢定的部分，短期而言，台灣與韓國的貿易比例與實質匯率間都存在著因果關係，在新加坡與香港則否；若以長期而言，誤差項的係數

只有在台灣是顯著的，因此只有在台灣存在著長期因果關係，其餘 3 國則不存在長期因果關係。最後利用衝擊反應函數來檢測 J 曲線效果是否存在，其結果發現 J 曲線效果在亞洲四小龍當中皆不存在，此外，若執政者打算採用貶值的方式來改善貿易收支是可行

的，因為在長期時貶值皆有助於改善貿易收支。本文還有許多可以改進的地方，例如本次研究的資料是屬於時間序列的資料，未來

或許可採用追蹤資料（panel data）的形式來進行實證，可有效解決樣本數不足的問題。最後，在變數選擇上大多是以國際金融理論的角度來選擇相關的實證變數，本文即是依

這些理論選取了貿易比例、實質匯率、國內生產毛額與外國國內生產毛額來進行實證研

究，若能針對不同國家加入更合適的變數，在匯率與貿易收支間的關係應該可找出更明

確的結果。

註釋

註一：本節的說明主要參考自賴景昌（1994）與李秋瑤（2000）。

註二：本節的說明主要參考自 Enders, W.（2004）。

註三：基於實證研究中嚴謹上的考量，我們也進行了 CUSUM 及 CUSUMSQ 的檢定，但由於篇幅的關係，

因此將圖形省略，其檢定結果顯示，除了台灣之外，其餘四個國家的 CUSUM 以及 CUSUMSQ 皆沒

有超過 5%的顯著水準範圍，表示除了台灣之外其餘各國之迴歸係數與迴歸變異數皆無結構改變的現

象。此外，各國家的 OLS 估計結果與診斷性檢定顯示，在殘差的診斷性檢定中，包括自我相關、常

態性以及 ARCH 效果等檢定，在自我相關檢定中，除了台灣與香港外其餘各國均拒絕殘差項具自我

相關的假設，在常態性檢定中，各國均無法拒絕常態性的檢定，至於在 ARCH 效果檢定部分，各國

均無法拒絕無 ARCH效果之虛無假設。


參考文獻

1. 林如容（1988），匯率變動對貿易與產出之影響：國際間的實證研究，國立政治大學國際貿易研究所碩士論文。

2. 李秋瑤（2000），臺灣與主要貿易國家貿易收支之實證研究，國立台北大學經濟學研究所碩士論文。 3. 施俊男（1993），臺灣是否存在 J 曲線？Johansen 校誤縮減模型之應用，國立中正大學國際經濟研究所碩士論文。

4. 姜玉苹（2001），匯率變動對貿易收支餘額影響之台灣實證研究，中原大學國際貿易研究所碩士論文。 5. 賴景昌（1994），國際金融理論，初版，茂昌圖書有限公司。 6. Ahmad, J. and J. Yang（2004）, Estimation of the J-Curve in China, East-West Center Working Papers, March，

67. 7. Bahmani-Oskooee, M.（1985）, Devaluation and the J-curve: some evidence from LDCs, The Review of

Economics and Statistics, 67, 500-504. 8. Bahmani-Oskooee, M.（1992）, What are the long-run determinants of the U.S. trade balance? Journal of Post

Keynesian Economics, 15, 85-97. 9. Bahmani-Oskooee, M.（1998）, Cointergation approach to estimate the long-run trade elasticities in LDCs,

International Economic Journal, 12, 89-96. 10. Buluswar, M.D., H. Thompson and K.P. Upadhyaya（1996）, Devaluation and the trade balance in India:

stationarity and cointegration, Applied Economics, 28, 429-432. 11. Chow, G.（1960）, Tests for equality between sets of coefficients in two linear regressions, Econometrica, 28,

591-605. 12. Dickey, D. A. and W. A. Fuller（1979）, Distribution of estimation for autoregressive time series with a unit

root, Journal of American Statistical Association, 74, 427-431. 13. Enders, W.（2004）, Applied Econometric Time Series, second edition, Wiley Series in Probability and

Statistics. 14. Engle, R. F. and C. W. J. Granger（1987）, Cointegration and error correction: represention, estimation and

testing, Econometrica, 55, 251-276. 15. Engle, R. F. and B. S. Yoo（1987）, Forecasting and testing in cointegrated systems, Journal of Econometrics,

35, 143-159. 16. Granger, C. W. J.（1969）, Investigating causal relations by econometric models and cross-spectral methods,

Econometrica, 37, 424-438. 17. Granger, C. W. J. and P. Newbold（1974）, Spurious regression in economics, Journal of Econometrics, 12,

1045-1066. 18. Gupta-Kapoor, A. and U.Ramakrishnan（1999）, Is there a J-curve? A new estimation for Japan, International

Economic Journal, 13, 71-79. 19. Hacker, R. S. and A. Hatemi-J（2003）, Is the J-Curve effect observable for small north European economies?

Open Economies Review, 14, 119-134. 20. Hacker, R. S. and A. Hatemi-J（2004）, The effect of exchange rate changes on trade balances in the short and

long run, Economics of Transition, 12, 777-799. 21. Hall, A. D.（1994）, Testing for a unit root in time series with pretest data based model selection, Journal of

Business and Economic Statistics, 12, 461-470. 22. Hansen, B. E.（1992）, Tests for parameter in stability in regressions with I(1) processes, Journal of Business

and Economic Statistics, 10, 321-335. 23. Himarios, D.（1989）, Do devaluation improve the trade balance? The evidence revisited, Economic Inquiry,


27, 143-168. 24. Hsing, H.-M.（2005）, Re-examination of J-curve effect for Japan, Korea and Taiwan, Japan and the World

Economy, 17, 43-58. 25. Johansen, S.（1988）, Statistical analysis of cointegration vectors, Journal of Economic Dynamic and Control,

12, 231-254. 26. Johansen, S. and K. Juselius（1990）, Maximum likelihood estimation and inference on cointegration with

application to the demand for money, Oxford Bulletin of Economics and Statistics, 52, 161-210. 27. Junz, H. B. and R. R. Rhomberg（1973）, Price competitiveness in export trade among industrial countries,

American Economic Review, 63, 412-418. 28. Kale, P.（2001）, Turkey’s trade balance in the short and the long run: error correction modeling and

cointegration, The International Trade Journal, 15, 27-56. 29. Lal, A. K. and T. C. Lowinger（2001）, J-curve: evidence from East Asia, manuscript presented at the 40th

Annual Meeting of the Western Regional Science Association, February in Palm Springs, CA. 30. Miles, M. A.（1979）, The effects of devaluation on the trade balance and balance of payments: some new

results, Journal of Political Economy, 87, 600-620. 31. Narayan, P. K.（2004a）, Reformulating critical values for the bounds F-statistics approach to cointegration: an

application to the tourism demand model for Fiji, Department of Economics Discussion Papers NO.02/04, Monash University, Melbourne, Australia.

32. Narayan, P. K.（2004b）, New Zealand’s trade balance: evidence of the J-curve and Granger causality, Applied Economics Letters, 11, 351-354.

33. Narayan, P. K.（2006）, Examining the relationship between trade balance and exchange rate: the case of China’s trade with the USA, Applied Economics Letters, 13, 507-510.

34. Narayan, P. K. and S. Narayan（2004）, The J-curve: evidence from Fiji, International Review of Applied Economics, 18, 369-380.

35. Perron, P.（1989）, The great crash, the oil prices hock and the unit root hypothesis, Econometrica, 57, 1361-1401.

36. Pesaran, M. H., Y. Shin and R. J. Smith（2001）, Bounds testing approaches to the analysis of level relationships, Journal of Applied Econometrics, 16, 289-326.

37. Philips, P. C. and P. Perron（1988）, Testing for unit roots in time series regression, Biometrica, 75, 335-346. 38. Rahman, M., M. Mustafa and D. V. Burckel（1997）, Dynamics of the yen-dollar real exchange rate and the

US-Japan real trade balance, Applied Economics, 29, 661-664. 39. Rose, A. K. and J. L. Yellen（1989）, Is there a J-Curve? Journal of Monetary Economics, 24, 53-68. 40. Said, S. and D. Dickey（1984）, Testing for unit roots in autogressive moving average models with unknown

order, Biometrica, 71, 599-604. 41. Upadhyaya, K. P. and D. Dhakal（1997）, Devaluation and the trade balance: estimating the long run effect,

Applied Economics Letters, 4, 343-345. 42. Wickens, R. W. and T. H. Breusch（1988）, Dynamic specification, the long run and the estimation of the

transformed regression models, Economic Journal, 98, 189-205. 43. Wilson, P. and K. C. Tat（2001）, Exchange rates and the trade balance: the case of Singapore 1970 to 1996,

Journal of Asian Economics, 12, 47-63. 44. Zivot, E. and D. W. K. Andrews（1992）, Further evidence of the great crush, the oil price shock and the unit-

root hypothesis, Journal of Business and Economic Statistics, 10, 251-270.

j 曲線效果是否存在─亞洲四小龍的實證研究 ·...

Documents