第四章 實證結果與模型表現
第一節 實證結果
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y 第四章 實證結果與模型表現
第一節 實證結果
一、實證結果
本研究討論預售屋價格形成的重要特徵因素，除了常見於成屋/中古屋 住宅特徵外，主要探討兩部分，其一是以基差概念探討成屋對於預售屋的 價格影響，過往研究指出預售屋整體價格對於整體成屋價格具有引領作用 (花敬群、張金鶚，1999)，然而亦有研究指出成屋價格影響該地預售屋定 價，建商以周遭成屋價格作為預售屋定價之基礎、依據(鄒欣樺等，2006)，
而本研究檢視成屋對於預售屋價格的影響，並探討兩者間之關係。其二是 探討建商商譽在預售屋的價格影響效果，過往研究指出建商商譽影響預售 屋價格甚深(Chau et al.2007)，本研究針對建商商譽進一步作檢視，探討其 價格影響。最後，再針對建立之預售屋估計模型進行模型表現，如精準度、
配適度等衡量，用以檢視預售屋於大量估價的適用性。預售屋價格因素之 實證結果整理為表 4-1，模型精準度的結果整理如表 4-2。
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
2013Q3 0.136 9.679 2.735
2013Q4 0.017 1.217 3.305
2014Q1 0.059*** 3.860 3.031
2014Q2 0.096*** 5.861 1.844
2014Q3 - 0.070*** - 4.473 2.557
2014Q4 0.108*** 6.027 1.671
樣本數 2416
Adj-R2 0.651
資料來源:本研究整理
註:萬華區為區位類基礎組、2012Q3 為時間類基礎組
註: ***、**、*代表係數值分別在 1%、5%、10%之顯著水準異於 0
‧
‧
據 Sirmans et al.(2005)；龔永香、江穎慧、張金鶚(2007)等文獻指出，
房間數、廳數、衛浴數對於價格有正向影響效果，本研究亦預期房、廳、
‧
往反應在價格之中，符合 Chau et al.(2007) 、張曉楨等(2013)之看法。商譽 的優劣雖並不全然與上市上櫃與否完全一致，但上市上櫃公司代表其有一 定程度的穩定性與規模，本研究以上市櫃公司與否作為較客觀的商譽評斷 方式，實證結果顯示上市櫃公司帄均高出非上市櫃公司 5.7%的價格，與 Chau et al.(2001)以香港為例的實證結果相近(7%)。另從建商商譽有效影響預售屋價格的層面來看，預售屋乃是完工前出 售之房屋，品質的不確定性較一般成屋為高，當建商商譽越高則具有消弭、
減低此一不確定性之作用，其品質、商譽、價格有一定程度的正向關係，
如 Chau et al.(2007)所指出「預售屋建商的最佳策略是維持品質以提升信譽」
的說法，亦佐證說明了建商商譽影響預售屋價格之原因。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
建商以周遭成屋價格作為個別預售屋價格的定價依據而發生影響，其後由 於預售屋對於景氣的敏感性(白金安，1996)，再對整體成屋發生價格引領 作用而造成影響(花敬群、張金鶚，1999)，因此二者並不衝突。而據本研 究實證，鄰近 500 公尺成屋帄均單價經對數處理，代表當臨近成屋每增減 1 百分比單位，預售屋單價會增減的百分比數值，其係數值表示兩者間的 彈性關係，也就是兩者間之價格差距。實證結果之係數值為 0.355，顯示 台北市在本研究期間內基差為正，預售屋在單價上帄均比周圍成屋價格多 了 35.5%，而據李吉弘、楊宗憲(2010)之研究，台北市於 1996~1998 年預 售屋帄均比成屋多了 29%~32%的價格，且據李吉弘、楊宗憲(2010)指出，
基差大小反映了價格推升誘因之大小，兩相比較下，本文實證台北市於 2012~201422基差較李吉弘、楊宗憲(2010)研究之 1996~1998 時期大，亦即 是台北市於 2012~2014 年景氣狀況應較 1996~1998 時期好，而除了此原因 外，本研究認為亦與房地產投資氛圍有關，近年的投資風氣相比二十年 (1996~1998)前更加蓬勃，造成基差的擴張。2012~2014 年位於景氣上升階 段，當面臨景氣反轉向下時，基差應會縮小，於估計景氣下降階段之價格 時恐有偏誤，因此本模型會定期更新23，重新計算基差大小及影響效果，
使估計模型能適用於不同景氣階段。
22本研究研究期間為 2012~2015，然 2015 為樣本外資料，故基差計算期間實為 2012~2014。
23除定期更新外，尚可針對未來景氣情況做係數調整，使景氣翻轉期的估計偏誤縮小。
‧
數在 VIF 值(Variance Inflation Factor)部分皆小於 10，因此本研究較無線性 重合問題。二、估計精準度
在估計準確度的衡量上，最常使用到的指標是帄均絕對百分誤差 (MAPE)以及命中率(Hit-Rate)，當 MAPE 越小、命中率越高，代表模型估 計精準度越高，模型表現越佳，估計精準度衡量結果整理如表 4-2。以下 分別說明。
表 4-2 模型精準度衡量結果
樣本數 MAPE
(%)
Hit-Rate (±10%)
Hit-Rate (±20%) in-sample 2416 10.56% 57.86% 88.25%
out-sample 840 11.82% 48.81% 86.07%
整體 3256 10.89% 55.53% 87.68%
資料來源:本研究整理
就 MAPE 與命中率衡量來看，Calhoun(2001)整理並指出美國大量 估價系統命中率表現在 4%~73%、中位數為 48%，林祖嘉、馬毓駿 (2007)所建立之大量估價模型，其 MAPE 介於 15.64%~25.49%，Hit-Rate (±10%)落在 33.73%~43.82%、Hit-15.64%~25.49%，Hit-Rate (±20%)落在 62.28%~74.56%，
陳奉瑤、楊依蓁(2007)建立之模型，其 MAPE 為 17.97%，10%命中率 為 43%、Hit-Rate (±20%)為 63%，江穎慧(2009)建立之大量估價模型，