Please use this identifier to cite or link to this item:
https://ah.lib.nccu.edu.tw/handle/140.119/124212| DC Field | Value | Language |
|---|---|---|
| dc.contributor.advisor | 徐士勛 | zh_TW |
| dc.contributor.author | 陳又華 | zh_TW |
| dc.contributor.author | Chen, You-Hua | en_US |
| dc.creator | 陳又華 | zh_TW |
| dc.creator | Chen, You-Hua | en_US |
| dc.date | 2019 | en_US |
| dc.date.accessioned | 2019-07-01T03:02:51Z | - |
| dc.date.available | 2019-07-01T03:02:51Z | - |
| dc.date.issued | 2019-07-01T03:02:51Z | - |
| dc.identifier | G0106258014 | en_US |
| dc.identifier.uri | http://nccur.lib.nccu.edu.tw/handle/140.119/124212 | - |
| dc.description | 碩士 | zh_TW |
| dc.description | 國立政治大學 | zh_TW |
| dc.description | 經濟學系 | zh_TW |
| dc.description | 106258014 | zh_TW |
| dc.description.abstract | 本篇論文應用 Bonhomme and Manresa (2015) 提出的分群方法，依各\n國在金融危機期間呈現的經濟態勢進行分群，此方法在 k-means 概念下搭配變動鄰域搜尋法以降低起始值對分群結果的影響。我們以不良貸款占總貸款比例、私營機構放貸比率、通膨率及淨借出/借入占 GDP 比率等四項自變數與經濟成長變化率建構主要的分群迴歸式，並將分群結果經由變數和時間效果走勢凸顯出各群異質性程度。藉由此研究，我們可以將分群結果與文獻做比較，並依據異質性程度提出更完整及豐富的分析。\n我們的實證結果顯示，2011年之後經濟復甦的走勢是各群異質性的主\n要來源，我們進而將各群分為首波復甦經濟體、次波復甦經濟體及不穩定\n經濟體三類，私營機構放貸比率則是決定金融危機期間經濟成長變化率關\n鍵的變數。此外，我們發現開放式的經濟體、未加入歐元區的歐盟國家、\n受到金融危機影響較小的拉丁美洲及亞洲國家及曾在金融危機期間接受歐\n盟及國際組織紓困的經濟體在分群結果上較不受到利用單一時點的資料與\n一段期間的連續資料分群的結果影響；並根據文獻與本文研究的結果推論\n出亞洲金融風暴後危機應變能力提升可能強化了亞洲各國金融危機後的復\n甦力道及紓困計畫可能對受助國產生雙管齊下的效果。至於各群在金融危\n機導引期及發生期間變數走勢的差異以私營機構放貸比率最為顯著。 | zh_TW |
| dc.description.tableofcontents | 目次\n1 緒論 1\n2 文獻回顧 3\n2.1 近期發展的分群方法 3\n2.2 金融危機議題探討 3\n3 研究方法 6\n3.1 k-平均演算法(k-means) 6\n3.1.1 分配(assignment) 6\n3.1.2 更新(update) 6\n3.2 變動鄰域搜尋法(Variable Neighborhood Search, VNS) 7\n3.3 貝氏訊息準則(Bayesian Information Criterion, BIC) 8\n4 實證結果與分析9\n4.1 資料來源與說明 9\n4.1.1 資料來源 9\n4.1.2 研究對象 9\n4.1.3 研究時間 10\n4.2 全球走勢分析 11\n4.3 分群結果實證分析 13\n4.3.1 群數選擇 13\n4.3.2 分群結果 14\n4.3.3 變數走勢分析 14\n4.3.4 時間效果走勢分析 17\n4.3.5 群內變數走勢分析 17\n4.4 分群結果與文獻比較-同群分析 19\n4.4.1 以色列、荷蘭及瑞典 21\n4.4.2 立陶宛、羅馬尼亞 21\n4.4.3 捷克、盧森堡及波蘭 22\n4.4.4 哥倫比亞、菲律賓 22\n4.4.5 法國、南非及阿拉伯聯合大公國 23\n4.4.6 西班牙、斯洛維尼亞 23\n4.4.7 波士尼亞與赫塞哥維納、克羅埃西亞及義大利 25\n4.4.8 奧地利、丹麥及美國 26\n4.4.9 巴西、印度、馬來西亞、祕魯、俄國及新加坡 27\n4.4.10 小結 28\n4.5 分群結果與文獻比較-綜合分析 29\n5 結論與建議 33\n附錄 34\nReferences 40\n\n表目次\n1 各分群數相關指標 13\n2 分群結果總整理 31\n3 分群結果總整理(續) 32\n\n圖目次\n1 2008-2014 全球平均走勢圖 12\n2 各分群數相關指標 13\n3 2008-2014 銀行不良貸款占總貸款比例 15\n4 2008-2014 私營機構放貸比率 15\n5 2008-2014 通貨膨脹率 16\n6 2008-2014 淨借出(+)/借入(-) 占GDP 比率 16\n7 各群自變數影響力 18\n8 各群時間效果走勢圖(αgt) 19\n9 私營機構放貸比率比較 20\n10 同群變數比較(以色列、荷蘭及瑞典) 21\n11 同群變數比較(立陶宛、羅馬尼亞) 22\n12 同群變數比較(捷克、盧森堡及波蘭) 23\n13 同群變數比較(哥倫比亞、菲律賓) 24\n14 同群變數比較(法國、南非及阿拉伯聯合大公國) 24\n15 同群變數比較(西班牙、斯洛維尼亞) 25\n16 同群變數比較(波士尼亞與赫塞哥維納、克羅埃西亞及義大利) 26\n17 同群變數比較(奧地利、丹麥及美國) 27\n18 同群變數比較(巴西、印度、馬來西亞、祕魯、俄國及新加坡) 28 | zh_TW |
| dc.format.extent | 6395455 bytes | - |
| dc.format.mimetype | application/pdf | - |
| dc.source.uri | http://thesis.lib.nccu.edu.tw/record/#G0106258014 | en_US |
| dc.subject | 金融危機 | zh_TW |
| dc.subject | 分群 | zh_TW |
| dc.subject | 固定效果 | zh_TW |
| dc.subject | 時間效果 | zh_TW |
| dc.subject | K-means | en_US |
| dc.subject | VNS | en_US |
| dc.title | 各經濟體在金融危機下的異質性時間軌跡探討 | zh_TW |
| dc.title | Discussion of grouped patterns of heterogeneity in the financial crisis | en_US |
| dc.type | thesis | en_US |
| dc.relation.reference | Afonso, A. M. . K. A., A. (2014). Pricing sovereign bond risk in the european monetary union area: an empirical investigation. International Journal of Finance and Economics, 19(1), 49–56. doi: 10.1002/ijfe\nArgüelles, M., Benavides, C., & Fernández, I. (2014). A new approach to the identification of regional clusters. Applied Economics, 46(21), 2511–2519.\nBien, J., & Tibshirani, R. (2011). Hierarchical clustering with prototypes via minimax linkage. Journal of the American Statistical Association, 106(495), 1075–1084. doi: 10.1198/jasa.2011.tm10183\nBonhomme, S., & Manresa, E. (2015). Grouped patterns of heterogeneity in panel data. Econometrica, 83(3), 1147–1184. doi: 10.3982/ecta11319\nBrownstein, M. J., Khodursky, A., Ben-Hur, A., & Guyon, I. (2003). Detecting stable clusters using principal component analysis. Functional Genomics(1), 159–182. doi: 10.1385/1-59259-364-x:159\nChen, R. B., Chen, Y. C., Chu, C. H., & Lee, K. J. (2017). On the determinants of the 2008 financial crisis: a bayesian approach to the selection of groups and variables. Studies in Nonlinear Dynamics and Econometrics, 21(5), 1–17. doi: 10.1515/snde-2016-0107\nCIMPOERU, S. (2015). Models for evaluating financial crisis –what went wrong for developed and emerging economies? Theoretical and Applied Economics, XXII, 273-282.\nHansen, P., Mladenovic, N., & Moreno, J. (2010). Variable Neighbourhood Search. Inteligencia Artificial, 7(19), 1097–1100. doi: 10.4114/ia.v7i19.717\nReutter, A. (2003). Twostep cluster analysis. IBM Software, Business Analytics, SPSS, 1–5. Retrieved from http://www1.uni-hamburg.de/ RRZ/Software/SPSS/Algorith.120/twostep_cluster.pdf doi:\n23/1/303 [pii]\nRose, A. K., & Spiegel, M. M. (2012). Cross-country causes and consequences of the 2008 crisis: early warning. Japan and the World Economy, 24(1), 1–16. Retrieved from http:// dx.doi.org/ 10.1016/ j.japwor. 2011.11.001 doi: 10.1016/j.japwor.2011.11.001\nSyed Zwick, H., & Syed, S. A. S. (2017). Great recession impact on european labor markets integration: cluster analyses. International Journal of Manpower, 38(7), 1016–1035. doi: 10.1108/IJM-03-2016-0059 | zh_TW |
| dc.identifier.doi | 10.6814/NCCU201900047 | en_US |
| item.fulltext | With Fulltext | - |
| item.openairecristype | http://purl.org/coar/resource_type/c_46ec | - |
| item.cerifentitytype | Publications | - |
| item.openairetype | thesis | - |
| item.grantfulltext | open | - |
| Appears in Collections: | 學位論文 | |
Files in This Item:
| File | Size | Format | |
|---|---|---|---|
| 801401.pdf | 6.25 MB | Adobe PDF2 | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.