第二章 文獻回顧
第一節 大量估價與自動估價
針對大量估價(Mass Appraisal)系統,梁仁旭、陳奉瑤(2014)對其做出 定義,認為所謂之大量估價系統即是在短時間內、對眾多不動產進行估計
至於所謂之自動估價系統(Automated Valuation Model, AVM),是建立 於大量估價方法上而發展的一套工具,張欣民、陳奉瑤(2003)指出,自動
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第二章 文獻回顧
估價系統可分為指數模式(Index model)以及特徵價格模式(Hedonic model),
以下分述之。指數模式自動估價是以價格變動率為核心,首先透過複迴歸 將歷來的銷售資料產製成價格趨勢指數,並透過趨勢線來估算目前的價格,
又稱為重複銷售方法(Repeat sales),此類方法容易受非正常交易、內部品 質變動的影響,不可忽之。
特徵價格模式是以不動產價格以及其擁有的各項特徵為基礎,計算出 資料中的特徵參數後依照勘估標的特徵性質進行估算(張欣民、陳奉瑤,
2003)。特徵價格模式發源自特徵價格理論,Rosen(1974)延伸自 Lancaster 新效用理論,以邊際價格效益來解釋價格的組成,認為在觀察市場價格後,
產品可以透過一系列的特徵處理反應出各項產品的價格,自彼時貣,大量 以特徵方程法討論不動產價格的研究紛紛出現,形成目前大量估價、自動 估價的基礎,林祖嘉、馬毓駿(2007)提到,隨著電腦軟體與統計學的進步,
以特徵價格模是為基礎發展了許多新模型,如半參數迴歸模型、地理加權 迴歸模型、卡門濾波法、類神經網路模型等等,然而考量實務界上的應用 時,除了精確度以外,還需將模型操作難易程度、成本考量進去,方能達
到自動估價系統的目的。
‧
影響房價的因素眾多,Sirmans, Macpherson and Zietz(2005)回顧整理了 美國應用特徵價格法進行房價估計的重要文獻,文中針對美國,將眾多且
‧
究如史綱(1992)、Chang and ward(1993)、張麗姬(1994)、白金安(1996)、
陳俊合、謝潮儀(1999)、李吉弘、楊宗憲(2010)等研究透過基差概念建構 與陸續修正預售屋與成屋價格關係,歸納出預售屋價格受到成屋價格、預 期景氣變動、持有成本、風險貼水(risk premium)等因素影響,並指出成 屋價格為預售屋價格形成的基礎,兩者間價格關係則以預期景氣變動最為 關鍵(白金安,1996)。
第三類則主要探討預售屋定價行為所形成的重要特徵,如 Chau et al.(2007)、張曉楨、施光訓、蕭雅羚(2013)、 蘇倖慧(2009)等研究指出建商 品牌價值/建商商譽(reputation)的重要性,透過實證顯示建商商譽是預售屋
‧
‧
素是源於 Alonso(1964)的競租理論,競租理論認為地價形成原因乃是不同 地區至市中心可及性差異產生的,至此,區位被認為是價格形成的重要因 素,而在預售屋價格形成因素之中,區位因素也占據了重要的一環,討論‧
‧
高於成屋價格。Chang and Ward(1993)亦透過遠期交易訂價模式研究預售 屋與成屋價格差異,認為利率、折舊率、租金、交易日會影響兩者價格關 係,並以太帄洋房屋提供的民國 77~79 年台北都會區成交資料為研究對象,實證推導出預售屋價格等於成屋價格加上持有成本(Carrying charge),預售 屋價格高於成屋價格的結果。張麗姬(1994)透過期貨/現貨理論探討預售屋 與成屋價格關係(基差關係),修正了史綱(1992)、Chang and Ward(1993)的 研究,認為預售屋價格不僅是成屋價格加上持有成本,尚受風險貼水影響,
‧
Chau,Ng and Hung(2001)研究指出,消費者會願意多付出一定價額來 購買建商商譽(reputation)較好的房屋,並以香港為例實證出,消費者願意 多付 7%的價額購買商譽較佳建商的產品。Leishman (2001)研究則指出建 商會透過品牌價值的形塑提高房屋價格,並以英國為例證實當產品品質控 制一定時,建商對產品進行品牌形塑對於價格會有正向顯著影響,其對於 住宅產品有正向價格關係。對於預售屋而言,預售屋交易可類比為一種遠 期契約,其買賣並非是實體房屋之交易,在消費者無法見及房屋之實物實 景時,建商商譽的重要性更加凸顯,多篇文獻指出建商商譽是預售屋價格 形成重要的一環,其實證結果與結論多能相互呼應。如 Chau et al.(2007)指 出建商商譽(reputation)在預售屋價格形成時極為重要,由於預售屋先售後
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y 第三章 研究設計
第一節 研究對象與研究方法
一、研究對象
本研究之研究對象為預售屋成交價格,研究範圍為台北市7,資料選用 內政部實價登錄資料中之預售屋資料,所謂之預售屋係指成交日期早於完 工日期的房屋,成交價格則指實價登錄資料中之成交價格。研究期間為 2012 年第 3 季至 2015 年第 4 季,其中以 2012 年第 3 季至 2014 年第 4 季為 樣本內資料建構模型,將 2015 年第 1 季部分資料至 2015 年第 4 季共計四 季的資料作為樣本外資料測詴8,本研究使用之實價登錄資料內容豐富,包 含成交標的之鄉鎮市區、交易年月、建物移轉面積、移轉層次、總樓層數、
建物型態、帄面座標、單價、總價等等。另外本研究使用之部分變數資料 取自國泰房地產中心市調資料,資料期間為 2000 年第 1 季至 2015 年第 4 季,該資料調查了每個月新推個案之屬性,包含鄉鎮市區、建案名稱、推 出年月、投資興建者、建物類型、公設比、主力坪數、帄面座標等等,實 價登錄資料與國泰市調資料比較如表一。
二、研究方法
自 Rosen(1974)以降,特徵價格理論被廣泛應用於研究不動產價格,此 理論下不動產價格是由複雜的各種特徵提供的邊際效用組合而成,且由於 不動產的異質性,各個不動產擁有各自不同的特徵,因此形成了不同的價 格。林祖嘉、馬毓駿(2007)研究指出,以特徵價格法進行大量估價,具有方 便操作、降低估價成本的優點,因此本研究使用特徵價格法進行預售屋價 格估計與分析,透過納入文獻回顧中預售屋價格形成的重要影響特徵,建
7 經資料處理後,松山區樣本資料過少,故排除松山區。
8 原則上樣本內資料選用 2014 第 4 季以前之資料,然若有個案中樣本橫跨有 2015 第 1 季之後,除 非其相同個案交易絕大多位於 2014 第 4 季(含)以前,否則將此類資料納為樣本外資料。
‧
立特徵價格迴歸模型,再以普通最小帄方法(Ordinary Least Squares ,OLS)的 方式求出各個特徵係數,在模型設定上,本研究採用半對數模型,是因為 半對數模型有易於解釋各變數經濟意涵效果且有助於增進變異數齊一性 (homogeneity of Variance)(杜宇璇等,2013)、(Malpezzi, 2003)等優點,且 經測詴,本研究使用半對數模型比貣一般線性模型在模型表現與解釋力上
針對此問題,本研究使用修正後之赫爾(Modified Hoerl)模型9作為樣本外時 間係數的預測模型,如式(2),對缺漏之時間特徵係數進行預測,當樣本外
9該模型屬於脊迴歸(ridge regression)模型之一,透過曲線擬合(curve fitting)方式進行預測,有效解決 共線性問題以及係數微小造成的偏誤問題(Hoerl & Kennard, 1970)。
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第三章 研究設計
面積、格局、成交價等等,國泰市調資料則只有針對個案式的主力坪數、
格局等內容,且價格部分僅有開價與推估的可能價,簡言之,有關預售屋 的「個戶」屬性資料以實價登錄資料較為精準。然而有關「個案」屬性的 資料則是國泰市調資料較為詳盡,最主要的原因在於實價登錄資料受限於 個人資料保護問題,將資訊加以模糊化、使詳細的個案屬性無法直接獲得,
包括地址門牌或建案名稱等等,而有關個案屬性的資料則以國泰市調資料 較為詳細清楚,由於預售屋的估計受個案特徵影響甚深,縱使對預售屋進 行個別估計也應該納入個案特徵的考量,故而本研究綜合兩個資料庫,方 能令估計更加準確不致偏誤。
二、資料處理程序
本研究資料處理程序整理如圖 3-1 並說明如下:
圖 3-1 資料處理流程圖 資料來源:本研究整理
‧
‧
13台灣證券交易所公開資訊觀測站:http://mops.twse.com.tw/mops/web/t51sb01
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
(六)最終篩選後的樣本
經篩選與資料處理後,共計有 159 個個案、3256 筆成交資料,樣本分 布情形如圖 3-2:
圖 3-2 樣本資料分布圖 資料來源:本研究整理
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第三章 研究設計
實價登錄自 2012 年第 3 季才正式實施,預售屋案例登載還非常有限,
且因實價登錄相關法令規定,許多預售屋交易案例以成屋方式申報,即便 以屋齡等方式篩選,尚難以完全掌握預售屋所有樣本,根據國泰市調資料 顯示, 2012 年第 3 季~2015 年第 4 季台北市共推出了 249 個預售屋個案、
共計 10191 戶,個案樣本期間之帄均銷售率約為 35%,多數個案介於 20%~40%之間尚不滿五成,因此合理推估此段期間市場上以預售屋類型賣 出的交易案例至多 5000 筆,本研究透過實價登錄成交資料與國泰房地產 市調資料的整合,經篩選與資料處理後,樣本雖然有限,但也在未滿 5000 筆的市場交易中納入了 3000 筆以上的資料,在資料分析上掌握了六成以 上的資料,具有一定程度的代表性。
‧
‧
2012Q3
樣本成交季別 +/-
台北市於 2012Q3~2014Q4 預售屋成交樣本基本敘數統計情形如表 3-2,
最終變數選取的說明分別如下。
‧
有助於增進變異數齊一性(homogeneity of Variance)(杜宇璇等, 2013;Malpezzi, 2003)的效果,再加上半對數模型應用於大量估價時通常於模型 表現與解釋力上優於一般線性模型(陳奉瑤、楊依蓁,2007;林祖嘉、馬
‧
1996;李吉弘、楊宗憲,2010),本研究設定「臨近 500 公尺成屋單價」為 模型變數,所謂之臨近 500 公尺成屋單價,是以樣本為中心,於成交日一 年內周圍 500 公尺成屋帄均單價取自然對數,選取此變數的理由有三,首 先是基於基差理論下成屋與預售屋價格有一定價差關係之故 (張麗姬,
1994;白金安,1996),其次,選取鄰近 500 公尺價格亦有補強樣本空間屬 性的功能。最後,理論上基差係控制各項因素後,純為預售屋與成屋兩者
‧
數,顯示其具有代表性,如林育聖(2003)15、蘇倖慧(2009)、李尚華(2016),故本文選用「上市上櫃」為模型變數,並預期上市上櫃的建商對於價格有 對集中,其帄均數、中位數、標準差分別為 11.61、10、4.29,差異甚小下 對於價格的影響難以凸顯,且經測詴後,測詴結果與常態不符,推測此情
17另有 2015Q1~2015Q4 之資料為樣本外測詴使用。
18建物類型僅有華廈與住宅大樓,其中華廈百分比為 54.82%、住宅大樓百分比為 45.18%,且從資
18建物類型僅有華廈與住宅大樓,其中華廈百分比為 54.82%、住宅大樓百分比為 45.18%,且從資