P<0.05，表示隨機效果模型優於混合資料估計，故再進行 Hausman 檢定，得值 150.27，P<0.05，拒絕 H0，故固定效果模型為最適合模型，模型結果如表 4-1。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第四章 實證結果與分析
供給因素中，仲介家數對交易量影響不顯著；使照戶數在 1%顯著水準下，
正向顯著，與預期相符，從係數來看，該里使照戶數每增加 100 戶，交易量會增 加 6.7 筆。需求因素中，家戶數對交易量影響不顯著且所得對交易量負向影響顯 著，與過往文獻皆有差距，而價格因素方面，各里房屋單價中位數和房價變動率 對交易量影響亦不顯著。
從解釋變數顯著性及影響方向來看，除使照戶數外，其餘變數皆與原先預期 有落差，本文考量可能原因在於交易量各筆之差異性不大，且亦無法透過觀察歸 納特性將其分組，故本研究以熱點分析之統計檢定為交易量分組之依據。最重要 者為以交易量為被解釋變數並無法考慮鄰近地區對彼此影響的效果，故本文將被 解釋變數從交易量改為交易冷熱區，進一步分析。
‧
首先透過 Wald test 進行個別自變數顯著檢定，Wald 統計量為 37.4，p 值<0.05，
得拒絕虛無假設，表示在模型中至少有一個預測變量的迴歸係數不等於零。模型 配適度方面，透過概似比檢定( likelihood ratio test；LR test)結果得 =333.20，p 值<0.05，代表本文所使用的次序羅吉特結合追蹤資料模型較一般羅吉特模型相 比(ordered logit model)更適切，主要可能因為追蹤資料模型可以同時考慮不同個 體與時間面的差異，可提升模型解釋力。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第四章 實證結果與分析
越低的里交易越熱，每坪單價每增加 1 萬元，該里為交易熱區比非冷熱區及冷區 組低 0.94 倍，符合買方預期方向，可能代表此時較偏向買方市場。該結果可能 反映了當時的市場氛圍：台灣房地產價格自民國 92 年 SARS 結束後止跌回升，
民國 97 年雖遇金融海嘯，但房價並未受到嚴重衝擊反持續走高，房價長期看漲 之勢使民眾怨聲四起，例如民國 98 年行政院研考會辦理網路民調，調查結果顯 示「都會區房價過高」為民怨之首，以及 101 年年初，政大未來事件研究所評估 台灣選民對執政政府的「十大民怨」，結果「房價過高」以抱怨度 89.7 分登上排 行榜第一名（楊智元，2017）。但實證結果亦同時發現房價變動率對交易量影響 正向顯著，代表市場上投資性的需求仍存在。
就整體結果而言，以交易冷熱區為分類之模型除仲介家數影響不顯著外，其 餘變數皆與符合預期，較以交易量為被解釋變數之固定效果模型佳。本文另有以 交易量作為被解釋變數使用隨機效果模型進行估計，由於隨機效果模型與 panel ordered logit model 為兩不同模型，無法直接透過統計檢定判別何者為佳，但隨 機效果模型中所得變數對交易量之影響僅達 10%顯著水準，證明有考量空間相依 分析之冷熱區分類方式仍較逕以交易量進行分析之模型佳。隨機效果模型之實證 結果詳見附錄。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
表 4-2 panel ordered logit model 實證模型結果表 變數 係數 odds ratio
需求 因素
家戶數 0.174*** 0.0119
所得中位數 0.590** 0.0180
供給 因素
仲介 0.120 1.12
使照戶數 0.815*** 0.0108
價格 因素
房屋單價
中位數 -0.065*** -0.937 房價變動率 2.236*** 9.358
模型檢定 統計量 P 值
Wald test 51.86 0.00 LR test 325.47 0.00
註：***、**、*分別代表在 1%、5%與 10%顯著水準下，該變數顯著異於零。