第五章 結論與建議
第二節 建議
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第二節 建議
不動產價格高漲，透明化不動產價格為產官學界一同之目標，實價登錄已開 啟不動產大量估價之門，產官學界應完善利用豐沛之價格資訊發展出相關應用之 系統，而經過幾項測試後發現 CRF 修正模型值得進一步衍伸作為相關系統之原 理模型，而本文之研究仍有不足之處，遂本文提供以下建議可供後續參考：
一、 研究建議
(一) 加入更多空間因素
不動產價值之組成除了建物本身以及區位的特徵貢獻外，空間因素如採 光、通風及座向對不動產價值也有一定影響。本研究資料來自實價登錄，
對於建物特徵之把握已相當足夠，惟其他空間資訊並沒納入本研究模型變 數之中，而該等變數依賴空間資訊專業者之合作才得以進一步的取得。
本文實證之驗算係在資訊工程專業的幫助下才得以順利完成，且 CRF 變數係以空間角度進行區位價值之擬合，跨領域專業整合已成為模型精度 提升之必要關鍵，若未來想要提升模型精度者，可往空間因素方向進行模 型精度之改良。
(二) 總價模型
本研究先以台北市最常見之公寓、華廈及住宅大樓等建物類型為研究範 圍，故本文以單價模型作為研究主軸以符合該等建物計價之概念。而透天、
工廠或是鄉村之農舍等建築類型係以總價概念進行價格之推估，而本模型 之估價原理係建立於單價模型之上，並未探討以總價模型取得之殘差是否 得以取得相同漂亮之預估結果，故後續研究者得以思考若以總價模型進行 價格推算，於殘差項應如何處理總價與建物面積之關係以順利進行價格推 估。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
(三) 時間處理
由實證結果得知空間樣本數越多模型之價格預估能力越好，而在時間推 演下樣本數量自然會越來越多。而時間係影響不動產價格之重要因素，本 文樣本的交易時間距離長度僅有兩年，故以時間虛擬變數即可控制，未來 當時間軸度變長時，要如何控制各樣本間時間不一致之問題，可進一步探 討以虛擬變數控制時間之影響即可，或是需要進一步以價格指數全部進行 時間修正，有待進一步後續縝密之試驗。
(四) 特殊次市場不動產估價
不動產類型多樣，當中以住宅類型居大多數，因此住宅類不動產數量及 分布相對均勻，而 CRF 變數係建立在空間概念，空間樣本數量或是密度不 足則產生估價嚴重偏誤之問題。商業辦公大樓、廠辦、工廠、一樓店面或 其他特殊次市場之不動產，其空間密度不如住宅不動產，若以 CRF 模型進 行價格預估時，可能容易發生擬合樣本蒐尋不足之情況，進而降低估價精 度。未來若想進一步研究 CRF 模型，可思索對於該等類型不動產應如何進 行處理，以開拓 CRF 模型之適用範圍。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
二、估價系統發展建議
(一) 估價輔助系統
條件式殘差擬合變數除了細緻化區位的篩選邏輯外，搜尋擬合案例之方 式更使得此模型結構可發展為估價師於實務界應用之比較法自動化估價系 統，提高不動產估價師於標的篩選之效率以及給予各個因素調整率之客觀 性修正調幅百分比，強化估價報告書之估價立論點，若未來能將此模型導 入不動產估價實務中應用，應能改善目前不動產估價業界勞力密集與主觀 調整之問題，藉由模型之引入提高不動產估價師之專業形象，並開拓不動 產的新市場。
(二) 政府價格查估系統
由近年釋出之政策可發現，不論是俗稱之奢侈稅、實價登錄抑或是房地 合一實價課稅，政府部門主要從房地產實際成交價格直接或是間接作為政 策工具，逐漸擺脫地政機關及財稅機關定期查估之公告地價、公告現值及 房屋評定現值等課稅工具。政策修訂的方向係因現行公部門估價之技術受 到估價目的、估價時程及政治干擾等因素，價格與市價產生嚴重脫離，使 得公告現值無法作為解決現階段房地產價格高漲之政策工具，也因此特種 貨物及勞務稅(俗稱奢侈稅)、實價登錄及房地合一實價課稅等因應而生，政 府直接取用房地產市場交易價格作為政策工具，捨棄以公告現值作為房市 政策工具。
若要藉由市場資訊改善市場環境，政府則對於市場資訊的正確性必須審 慎處理。對於市場價格資訊之篩選或查驗，可以 CRF 模型作為系統核心，
建置政府部門查驗價格真實性之系統，以降低公務人員逐筆審驗的時間，
提升工作之效率。
‧
‧
Basu, S., & Thibodeau, T. G. (1998). Analysis of spatial autocorrelation in house prices. The Journal of Real Estate Finance and Economics, 17(1), 61-85.
Besner, C. (2002). A spatial autoregressive specification with a comparable sales weighting scheme. Journal of Real Estate Research, 24(2), 193-212.
Bourassa, S. C., Cantoni, E., & Hoesli, M. (2007). Spatial dependence, housing submarkets, and house price prediction. The Journal of Real Estate Finance
and Economics, 35(2), 143-160.
Bowen, W. M., Mikelbank, B. A., & Prestegaard, D. M. (2001). Theoretical and empirical considerations regarding space in hedonic housing price model applications. Growth and change, 32(4), 466-490.
Chou, Y.-H. (1997). Exploring spatial analysis in geographic information systems
Exploring Spatial Analysis in Geographic Information Systems: OnWord
Press.D’Amato, M. (2010). A location value response surface model for mass appraising:
An “iterative” location adjustment factor in Bari, Italy. International Journal
of Strategic Property Management(3), 231-244.
D’Amato, M., & Siniak, N. (2012). Mass Appraisal Modelling in Minsk: Testing different Models Location sensitive. Aestimum, 735-743.
Dewees, D. N. (1976). The effect of a subway on residential property values in Toronto. Journal of Urban Economics, 3(4), 357-369.
Dubin, R., Pace, R. K., & Thibodeau, T. G. (1999). Spatial autoregression techniques for real estate data. Journal of Real Estate Literature, 7(1), 79-96.
Eckert, J. K., Gloudemans, R. J., & Almy, R. R. (1990). Property appraisal and
assessment administration (Vol. 130): International Association of Assessing
Officers Chicago.Eichenbaum, J. (1989). Incorporating location into computer-assisted valuation.
Property Tax Journal, 8(2), 151-169.
Eichenbaum, J. (1995). The location variable in world class cities: lessons from cama valuation in New York city. Journal of Property Tax Assessment and
Administration, 1(3), 46-60.
‧
Englund, E. J. (1993). Spatial simulation: environmental applications. Environmental
Modeling with GIS, 432-437.
Fik, T. J., Ling, D. C., & Mulligan, G. F. (2003). Modeling spatial variation in housing prices: a variable interaction approach. Real Estate Economics, 31(4),
623-646.
Freeman III, A. M. (1979). Hedonic prices, property values and measuring
environmental benefits: a survey of the issues. The Scandinavian Journal of
Economics, 154-173.
Gallimore, P., Fletcher, M., & Carter, M. (1996). Modelling the influence of location on value. Journal of Property Valuation and Investment, 14(1), 6-19.
González, M. A. S., Soibelman, L., & Formoso, C. T. (2005). A new approach to spatial analysis in CAMA. Property Management, 23(5), 312-327.
Hembd, J., Infanger, Craig L. (1981). An application of trend surface analysis to a rural-urban land market. Land Economics, 57(3), 303:320.
Hoffmann, J., & Lorenz, A. (2006). Real estate price indices for Germany: past, present and future. Present and Future (November 30, 2006).
Kevin, K., & YU, S. M. (2001). Using response surface analysis in mass appraisal to examine the influence of location on property values in Hong Kong.
Lancaster, K. J. (1966). A new approach to consumer theory. The journal of political
economy, 132-157.
Legendre, P. (1993). Spatial autocorrelation: trouble or new paradigm? Ecology, 74(6), 1659-1673.
McCluskey, W. J., Deddis, W. G., Lamont, I. G., & Borst, R. A. (2000). The application of surface generated interpolation models for the prediction of residential property values. Journal of Property Investment & Finance, 18(2), 162-176.
O’Connor, P. (1982). Locational valuation derived directly from the real estate market with the assistance of response surface techniques. Lincoln Institute of Land
Policy.
O’Connor, P. M., & Eichenbaum, J. (1988). Location value response surfaces: the geometry of advanced mass appraisal. Property Tax Journal, 7(3), 277-296.
Parker, C. (1981). Trend surface and the spatio-temporal analysis of residential land-use intensity and household housing expenditure. Land Economics, 323-337.
Rosen, S. (1974). Hedonic prices and implicit markets: product differentiation in pure competition. The journal of political economy, 34-55.
Sirmans, S. G., Macpherson, D. A., & Zietz, E. N. (2005). The composition of hedonic pricing models. Journal of Real Estate Literature, 13(1), 1-44.
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
Thériault, M., Des Rosiers, F., Villeneuve, P., & Kestens, Y. (2003). Modelling interactions of location with specific value of housing attributes. Property
Management, 21(1), 25-62.
Ward, R., Guilford, J., Jones, B., Pratt, D., & German, J. (2002). Piecing Together Location: Three Studies by the Lucas County R&D Section. Assessment
Journal, 21-53.
Ward, R. D., Weaver, J. R., & German, J. C. (1999). Improving CAMA models using geographic information systems/response surface analysis location factors.
Assessment Journal, 6, 30-39.
Wilhelmsson, M. (2002). Spatial models in real estate economics. Housing, Theory