第五章 結論與建議
第二節 建議
國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
第二節 建議
藉由本研究得到的結論，對研究者或金融機構、地政機關及稽徵機關 提出下列建議：
一、 給研究者或金融機構之建議
在進行特徵價格模型預測或大量估價時，若忽略了異常點的存在，可 能會影響分析或預測結果，且採用的模型、考量的影響因子、樣本的特性及 檢測的方法等，都可能影響異常點的認定結果。因此，建議研究者或金融機 構對於這些異常點的檢測與處理上要特別注意，應根據研究的主要目標、
樣本組成結構的變化或模型的解釋能力等，決定採用的檢測方法；根據研 究目的、資料的性質或實務上的應用等，決定異常點的處理方式，並說明這 些決定對分析或預測結果的影響，較為客觀合理。
二、 給地政機關之建議
近年來政府部門所編製的住宅價格指數、不動產學術研究、許多購屋 者在進行購屋決策及不動產估價師在進行個別估價等，皆仰賴實價登錄資 料，因此，精進實價登錄制度對健全不動產市場有積極的意義。本研究藉由 探討住宅交易異常個案的成因與特色，歸納實價登錄未揭露的重要特徵，
並考量現行資料與技術許可的情況，建議地政機關分別透過現有系統的連 結與強制登載的命令，新增揭露下列這些特徵，對於不動產學術研究或實 務應用將具有正面影響。
(一) 現有系統的連結
1. 透過實價登錄資料庫系統自動計算公設比及附屬建物比，並將主 建物與附屬建物分開揭露。
2. 透過實價登錄資料庫系統判別，揭露是否有特殊交易關係人(例如 政府、境外投資公司或陸資公司等)。
3. 透過建管單位的使用執照或列管清冊連結，揭露樓層高度、是否
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
為住商混合大樓及是否為海砂輻射列管社區等。
4. 透過地籍資訊系統連結，揭露明確的土地使用分區類型(例如第三 種住宅區第二種商業區等)及道路寬度，並搭配 GIS 技術分析，計 算鄰近嫌惡設施或迎毗設施距離。
5. 透過都市計畫資訊系統連結，揭露是否屬於都市更新範圍、容積 率及建蔽率等。
(二) 強制登載的命令
1. 明確的增建類型(例如頂樓增建、夾層增建或陽台外推等)。
2. 有無約定專用空間(例如露台或一樓前後院等)。
3. 是否透過仲介公司成交。
4. 是否屬於預售合約價格。
三、 給稽徵機關之建議
實價登錄的成交資料中，可能有申報人為了逃漏所得稅或取得高額貸 款，而刻意申報不實價格的情形。本研究透過檢測住宅交易樣本異常點，以 及篩選模型預測值與實際值差異較大的異常個案，並分析所篩選的12 筆異 常個案成因與特色，發現其中2 筆異常個案有價格申報不實的嫌疑。因此，
這些申報不實的案件可能被模型判斷為異常點，且可以進一步藉由模型預 測值與實際值差異作為篩選標準。建議稽徵機關可以參考這個檢測與篩選 的概念，建立統計分析模型搜尋疑似申報不實的案件，以提升查核效率，並 兼具客觀標準化。
‧
‧
Recommendations for Defining, Identifying, and Handling Outliers”, Organizational Research Methods, 16(2): 270-301.Belsley, D. A., Kuh, E. and Welsch, R. E., 1980, Regression Diagnostics:
Identifying Influential Data and Sources of Collinearity, New York: Wiley.
Cook, R. D., 1977, “Detection of Influential Observations in Linear Regression”, Technometrics, 19(1): 15-18.
Cook, R. D. and Weisberg, S., 1982, Residuals and Influence in Regression, New York: Chapman and Hall.
Detweiler, J. H. and Radigan, R. E., 1999, “Computer-Assisted Real Estate Appraisal: A Tool for the Practicing Appraiser”, The Appraisal Journal, 67(3):
280-286.
Dell, G., 2004, “AVMs: The Myth and the Reality; the Problem and the Solution”, Valuation Insights and Perspectives, 9(3): 12-17.
Fisher, J. D., 2002 “Real Time Valuation,” Journal of Property Investment and Finance, 20(3): 213-221.
Hoaglin, D. C. and Welsch, R. E., 1978, “The Hat Matrix in Regression and ANOVA”, The American Statistician, 32(1): 17-22.
Hawkins, D. M., 1980, Identification of Outliers, New York: Chapman and Hall.
Hampel, F. R., Ronchetti, E. M., Rousseeuw, P. J. and Stahel, W. A., 1986, Robust Statistics: The Approach Based on Influence Functions, New York: Wiley.
Haurin, D., 1988 “The Duration of Marketing Time of Residential Housing”, AREUEA Journal, 16(4):396-410.
Hadi, A. S. and Simonoff, J. S., 1993, “Procedures for the Identification of Multiple Outliers in Linear Models”, Journal of the American Statistical Association, 88(424): 1264-1272.
Lancaster, K. J., 1966, “A New Approach to Consumer Theory”, The Journal of Political Economy, 74(2): 132-157.
Rosen, S., 1974, “Hedonic Prices and Implicit Markets: Product Differentiation in Pure Competition”, The Journal of Political Economy, 82(1): 34-55.
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
Stevens, J. P., 1984, “Outliers and Influential Data Points in Regression Analysis”, Psychological Bulletin, 95(2): 334-344.
Turkan, S., Cetin, M. C. and Toktamis, O., 2012, “Outlier Detection by Regression. Diagnostics Based on Robust Parameter Estimates”, Hacettepe Journal of Mathematics and Statistics, 41(1): 147-155.