多元迴歸分析

迴歸斜率或偏迴歸係數（partial regression coefficients），多元迴歸方程式有 7 點 假設說明如下：

7. （ K -1）個解釋變數彼此間沒有任何線性關係。 數(R²；coefficient of determination)來判斷其解釋力，他主要是解釋變量與總變量 之間的關係，R²是介於 0 與 1 之間的無單位係數，其值愈接近於 1，顯示 Y 的總 變量SST¹²中被迴歸方程式所解釋的比例愈高，迴歸模型配適度（goodness of fit）

愈好，其值愈高表示解釋力愈大，反之其值愈接近於0，顯示迴歸方程式所能解 釋的總變異量的比例愈低，迴歸模型配適度（goodness of fit）愈差，其數學式表 示為

貳、本研究迴歸模型程式

二、區位

綜合過去文獻研究可知，區位優劣主要以公共設施、CBD 距離、人口密度、

學校及交通變數為判斷資料，近年來也有以住宅臨街寬度，都會區內捷運也是決 定區位的重要因素，洪得洋（1997）以捷運 1000 公尺內討論區位對價格影響、

彭宴玲（2002）以房屋交易資料運用地理資訊系統以半徑 500 公尺量測該範圍內 有關環境特徵及房屋外部特徵之相關變數，黃詩純（2004）以半徑 500 公尺量測 至學校遠近、周遭高樓比例、墓地用地可視度和保護區可視度的影響，Lake et al.

（1998）採用半徑 500 公尺量測環境對於都市中房價影響，本研究則以 500 公尺 為影響距離範圍探討區位在銷售時間上影響。

因此本研究在區位上將基地區位劃分為四級，凡基地500 公尺內有上述大型 公設區或一般公園、學校、捷運出入站者，在積分表中各給1 分，以基地區位積 分表劃分區位優劣等級，積分由0 分至 3 分，共分為四級，積分愈高者區位愈好，

一般而言區位愈好去化時間愈短，其影響去化時間應為反向，本變數為虛擬變數。

操作定義及類型說明：

(一)區 位 劣：0 分，變數代號為 0。

(二)區位普通：1 分，變數代號為 1。

(三)區位稍優：2 分，變數代號為 2。（基準組）

(四)區 位 優：3 分，變數代號為 3。

三、個案主力單價與典型住宅單價距離

一般業者在訂價時主要考慮的因素為現行市場價格行情，此外消費者對公司 形象產品認知，消費者購買能力及產品品質等也都是業者重視的因素，基地好的 區位也會反映出高地價成本，價位的決定尚包括了建材良窳，規劃優劣，建商管 理能力、商譽等，建商將本求利反映在售價上是極自然的事情，而且從消費者角 度上來看，高售價雖然代表著好區位，好建材，高品質也必須消費的起，因此本 研究係以資料庫中2 樓以上主力單價為基礎利用集群分析 k 平均法，以實務上常 用的低價、中價、高價及豪宅價格分為4 組典型價格加以分群，並以該族群中心 點（典型價格）計算個案到該中心點的距離平方為屬性，以判讀個案價位偏離各 分組中心點（族群典型價格）程度對銷售時間的影響，因為個案價格偏離該分組 中心點程度愈高，可能代表消費者對價格中內含的品質、建材及消費能力的滿意 度低、或消費力不足，因而該偏離程度愈高，預期銷售去化所需時間會愈長，本 變數為連續變數，單位：萬元整。

操作定義及類型說明：

(一)個案主力單價：個案 2 樓以上主力產品單價。

(二)典型住宅單價：經集群分組後，該族群中心點即為典型住宅單價。

(三)個案主力單價與典型住宅單價距離。

四、主力面積

在住宅屬性變數方面，過去在特徵價格研究上常以面積、房間數、屋齡及住 類型¹⁴為主要變數，且房間數與面積明顯相關。但本研究主要是研究個案產品規

劃時定位之差異，雖然兩者是相關變數，但房間數有定位功能，面積則關係到消 費能力問題，因此還是同時均納入實證其對銷售完成時間之影響。

個案面積雖然很少採取單一型態，但因為主力面積在個案中相對數量較多，

佔銷售去化時間中比重較大，因而仍以主力面積且以連續變數形式進行研究，另 外考量大面積的需求量及消費能力影響，將該變數取平方數後再進入模型檢討，

相對於一般面積而言，預期大面積者銷售去化時間較長，本變數為連續變數，單 位：坪。

操作定義及類型說明：

(一)個案主力面積：個案 2 樓以上主力產品面積。

五、個案房間數配比與典型房間數配比距離

一般而言生活空間愈大，舒適度愈高，但由於消費者家庭成員數不同，對空 間的劃分需求也不同，建商依照一般市場需求在產品規劃時不外乎以2 房、3 房、

4 房或 5 房為主力房間數作搭配，所謂房間數指的是房地產單元中有明顯區隔且 可關閉的居住空間數，一般泛指主臥室或起居室而言，在相關文獻中，Kain and Quigley（1976）、Nelson（1978）、Singell and Lilly dahl（1990）、劉振誠（1986）、

辜炳珍（1989）及林祖嘉、林素菁（1993）均曾對房間數有過實證，結果國外文 獻大多顯著，但國內則多不顯著。究其原因，主要有下列二點：一是市場消費習 慣，國外的房地產市場重視房地產的隔局或設備是否合於標準，因此重視臥房 數。而國內由於地價寸土寸金，故國人較為重視面積。二是房間數與面積存在著 高度的共線性，放在模型中容易產生線性重合(Multi collinerity）的現象。

本研究雖然也針對面積及房間數同時考量，但在房間數上則以佔個案配比數

為研究重點，尤其是以個案房數規劃為主軸，因此無上述問題。規劃時由於很少 建商會以單一房數為規劃，因此本研究就主力房數與其他房數間的搭配方式如何 才能契合次市場的需求為方向進行研討。

本研究就建商應對不同次市場時相對戶量較大的房間數定義為主力房數，個 案依據目標次市場、個案基地條件所決定的主力房間數戶量及其他房間數戶量與 個案總戶量比例稱為個案房間數配比，次市場下所有個案的房間數配比的平均值 則定義為典型房間數配比，例如最普及的3 房產品，其房間數屬性的數量在首購 族住宅市場上佔有相對的多數，但2 房以下、4 房以上數量則佔相對少數，同理，

在換屋族群市場中，4 房以上房間數戶量佔有相對多數，在頂客族群市場中，2 房以下房間數戶量亦佔有相對多數，在實務上常見的首購族群、換屋族群及頂客 (DINK)族群三種不同的次市場中，各有其典型房數配比。

所謂房數配比係指依個案產品中2 房以下、3 房、4 房以上戶數除以該案總 戶數後之比例，本研究運用集群分析 K 平均法，並以實務上常用的三種主力房 數定位方式，劃分出房數比重較大的2 房頂客族、3 房首購族、4 房換屋族之三 種不同的次市場，並以該次市場房數配比中心點（典型房間數配比）計算個案到 該中心點的距離平方為屬性，去判讀該案房數配比偏離各分組中心點（典型房間 數配比）程度對銷售時間的影響，因為個案房數配比偏離該分組中心點程度愈 高，可能代表建商偏離典型房數配比程度大，而且該三種集群係經市場多年經驗 演化並傳承採用，經統計後與一般市場實務符合，因而預期該偏離程度愈高，銷 售去化時間愈長，本變數為連續變數，單位：百分比。

操作定義及類型說明：

(二)個案房間數配比：2 房以下戶量比例：3 房戶量比例：4 房以上戶量比例。

(三)典型房間數配比：該次市場房數配比中心點。

(四)個案房間數配比與典型房間數配比距離。

六、個案規模(2 樓以上總戶數)

建商申請建築執照前必須先決定產品規劃，一方面考量法定管制下的土地使 用分區管制規則中建蔽率、容積率限制，一方面思考是否符合市場需求？是否具 有市場競爭力？無論是資本雄厚的建商或者只是一般建商其所採取的財務策 略，無論是採利潤最大或風險最小亦或成本最低策略，最高最有效使用原則下決 定總樓地板面積或個案總戶數時，理性的建商會因時因地而加以調整。

一般在討論個案規模時，有以地上總樓層、個案總面積或總戶數為認定標 準，其屬性意義上均相同，由於本研究應變數在於銷售去化時間，因此總戶數屬 性上較為合適，當個案戶數多量體太大時，就市場胃納角度審視，表示市場需要 以較長的時間去化，因而個案規模與銷售去化時間的影響應為同向，本單位為連 續變數，單位：戶。

操作定義及類型說明：

(一)個案規模：2 樓以上總戶數。

七、個案公設比

一般來說，建商對於建築物的規劃及公共設施的關係非常重要，對價格與提 供住戶的服務水準也有很大的影響，所謂服務設施是指健身房、管理室、圖書室 及樓梯間、管道間、電梯間及防空避難室等空間，整體而言，這些設施提昇了建 築物的附加價值，對消費者購置房屋有正面及必要性的影響。

但多少的公設比是消費者所願意負擔的呢？雖然高公設比可能意謂著豐富 及功能齊備的大樓內部公共設備及空間，卻相對地代表消費者負擔的增加？因此 消費者能容忍的公設比為何呢？本研究以個案平均公設比= 個案公設總面積 / 總樓地板面積的公式判斷該案公設比，但某些個案係以一定參數換算公設面積，

故該個案即以該參數為公設比數據進行分析。個案平均公設比愈高，表示消費者 負擔大，通常為消費者排斥，因而個案公設比對銷售去化時間的影響應為正向，

本變數為連續變數，單位：百分比。

操作定義及類型說明：

(一)個案平均公設比= 個案公設總面積 / 總樓地板面積。

(二)某些個案係則以一定參數換算公設面積，故該個案即以該參數為公設比，例

(二)某些個案係則以一定參數換算公設面積，故該個案即以該參數為公設比，例