第四章 研究成果分析
第一節 台北市住宅特徵價格模型
之影響為顯著者則有「相鄰街廓Entropy」、「相鄰街廓 HHI」、「同棟有混合」以 及「相鄰街廓土地使用種類數」。
9 於迴歸分析結果中，若 P 值≥0.1 者，表示該變數對於依變數的影響為不顯著。
‧
‧
‧
‧
-0.318，表示每增加一單位（100%法定容積率，住宅單價即減少-0.318 萬元，對於住宅單價的影響為負，亦符合預期符號。
建物特性的五項變數「屋齡」、「是否位於一樓」、「建物形式」、「住宅單元 總面積」以及「整棟建物總樓地板面積」對於住宅單價的影響皆為顯著，係數
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
62
部份亦符合預期符號。於模型迴歸結果中，「屋齡」變數的係數值為-0.074，表 示屋齡每增加一年，便減少該住宅單價 0.074 萬元；「是否位於一樓」變數係 數值為 2.809，表示若該住宅位於一樓，則對於住宅單價的影響為增加 2.809 萬元；「建物形式」變數為虛擬變數（以0 表示一般公寓，1 為電梯住宅），模 型迴歸係數為 0.729，表示相對於一般公寓而言，若該住宅為電梯住宅型態，
則對於住宅單價的影響為增加0.729 萬元；「住宅單元總面積」係數值為-0.009，
表示當住宅單元面積增加一平方公尺，該住宅單價將減少 0.009 萬元；「整棟 建物總樓地板面積」係數值為 0.0000349，表示當整棟建物總樓地板面積增加 一平方公尺，對於住宅單價的影響為增加0.0000349 萬元。
區位因素包括可及性變數、混合使用變數以及環境區域變數，三類變數中 皆存在有不顯著者。可及性變數中顯著者有「至最近公園直線距離」、「至最近 主要道路直線距離」以及「至最近商業區直線距離」。「至最近公園直線距離」
係數值為-0.002，表示當增加一單位至最近公園直線距離，住宅單價會減少 0.002 萬元，與住宅單價的影響為負，符合預期符號；「至最近主要道路直線距 離」係數值為-0.019，表示當增加一單位至最近主要道路直線距離，住宅單價 會減少 0.019 萬元，對於住宅單價的影響為負，符合預期符號；「至最近商業 區直線距離」係數值為-0.001，表示當增加一單位至最近商業區直線距離，住 宅單價會減少0.001 萬元，與住宅單價的影響為負，符合預期符號。可及性變 數中不顯著者有「至最近捷運站直線距離」以及「至最近捷運站直線距離平方」
二項，雖未達到顯著標準，但「至最近捷運站直線距離平方」係數為負，表示 至最近捷運站直線距離與住宅單價的關係，為一開口向下的曲線（見下圖），
其意義為：於固定範圍（D）內，當與捷運站距離增加時，住宅單價會減少，
距離與住宅單價呈正相關；而距離超過一定範圍（D）後，當距離增加時，住 宅單價會降低，為負相關。因此，雖變數迴歸結果為不顯著，但其係數仍可作 合理解釋，將保留於模型中。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
63
混合使用變數部份的三種混合型態，包括「同街廓有混合」、「相鄰街廓土地 使用種類數」以及「相鄰街廓 HHI」，對於住宅單價的影響皆為負，而達到顯著 水準者僅有「同街廓有混合」。「同街廓有混合」係數為-1.257，表示當住宅所在 之街廓有混合使用時，對於住宅單價的影響為減少 1.257 萬元；「相鄰街廓土地 使用種類數」係數為-0.068，表示當住所在街廓之相鄰街廓範圍內，土地使用種 類增加一種時，將減少0.068 萬元的住宅單價；而「相鄰街廓 HHI」的係數為-0.569，
表示當住宅所在街廓之相鄰街廓範圍內，HHI 值每增加一單位，對於住宅單價的 影響為減少0.569 萬元。
而區域環境變數為虛擬變數，以萬華區為比較基準。迴歸結果顯示出士林區、
中山區、中正區、松山區以及信義區係數為正，表示若住宅位於該地區時，對於 住宅單價的影響為正；而相反地，若住宅位於大同區、內湖區、文山區、北投區 以及南港區時，對於住宅單價的影響為負。
至最近捷運站直線距離 住宅單價
圖4-1 住宅單價與至捷運站直線距離二次曲線示意圖 圖4- 1 住宅單價與至捷運站直線距離二次曲線示意圖
D
‧
R-square 0.448
Adj R-square 0.412
***表示達 α=0.01 顯著水準；**表示達 α=0.05 顯著水準；*表示達 α=0.1 顯著水準
‧
Durbin-Watson（以下簡稱 DW）統計量可用來檢定有無自我相關的問題，
即誤差項是否滿足獨立性之假設。誤差項之間的獨立性質不成立時，表示此模 值（Tolerance）或變異膨脹因素（Variance Inflation Factor, VIF）。所謂共線性 係指因自變數間的相關程度過高，因此共線性變數所提供之訊息相似，致使無 數，以避免共線性影響模型的結果；若無，則可將變數予以保留（Gujarati, 2003）。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
66
因此，本研究嘗試將「至最近捷運站直線距離」、「至最近捷運站直線距離平方」
兩變數刪除，模型的配適度（0.415）與未刪除時(0.412)未有太大差異；另外，
比較此二變數刪除前後，對於其他變數的顯數性（P 值）影響亦不大。是以，
將保留此二變數於模型中，以利後續分析。
‧
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
68
(三) 模型預測能力檢測
一具有高解釋能力的模型，且模型中變數皆呈現顯著時，並不完全表示該 模型具有正確的預測性。IAAO（International Association of Assessing Officers）
以「評估比值分析」（Ratio Study Statistics），作為模型預測正確性檢測的標準。
評估比值分析之基礎，係計算出各筆資料之預測價格後，除以實際價格，可得 到預測價格與實際價格的比率（A/S ratio），再以該比率計算平均數、中位數、
最大值、最小值、係數離散度（COD）、變異係數值（COV）以及價格相關差 異（PRD）等。過去研究房地價分離之文獻（Sunderman and Birch, 2001;
Gloudemans, 2000），多使用評估比值分析方法檢測模型的預測能力，其中，以 A/S ratio 的平均數與 COD 兩檢測值較具代表性。
A/S ratio 的平均數越接近 1，表示此模型的預測能力越佳（因接近市場價 格）；反之，則代表該模型可能存在偏誤。而 COD 值越小，表示模型預測能 力佳；反之亦然。依據IAAO 之標準，以房地價格為樣本之 COD 值應小於 15。
COD 計算方式如下：
COD= ∑ratio media /n
media 100………..（式 4-2）
本研究採用評估比值分析方式中，A/S ratio 的平均數與 COD，作為檢測 模型預測能力的標準，計算的結果見表4-5。由計算的結果，平均 A/S ratio 約 為1.02，相當接近 1，且 COD 值為 0.87，符合 IAAO 之標準。因此可推論，
本研究所建立的台北市住宅單價模型，應有正確的預測能力。
表4-5 台北市住宅單價模型評估比值分析 平均A/S ratio 1.02
最大值 2.09
最小值 0.50
COD 0.87
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
69