安的情緒，及因關注人與事物的安全而產生的焦慮狀態。」Sudden and Mathieu
（1976）將犯罪被害恐懼感定義為，對成為犯罪受害者的焦慮與擔心；Skogan and Maxified（1981）認為害怕遭遇犯罪的恐懼感是一種心理狀態，源於對危險事件、
‧
例如，Warr(1995)發現，美國人民犯罪恐懼感於 1970 年代急速上升後於 2000 年 間仍維持相當穩定的狀態（Adam and Serpe, 2000），即使於 1993 至 1998 年間美 國的暴力型犯罪率已下降 27%，民眾的犯罪被害恐懼感僅減少約 5%（翁國峰，
2007）。Garofalo（1981）指出當犯罪被害恐懼感高到一定程度時，將降低人們 生活品質、造成人際關係疏離缺乏信任，甚至瓦解社區意識等情況，形成嚴重的 社會問題，Liska and Warner（1991）認為，較高的犯罪被害恐懼通常會降低人民 對社區活動的參與，並趕走有能力搬離社區的人；Bannister and Fyfe（2001）更 指出，犯罪及人們對犯罪被害的恐懼會破壞都市生活並衝擊社會、經濟與政治結
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
評估過犯罪的報酬、風險及危險性後決定犯案，因此被害者往往有受監視而不自 知的羞辱感，造成極大的生理與心理負擔。
身體與財產損失
住宅竊盜犯往往是覬覦住宅內的值錢動產而犯案，因此除了侵犯私人領域空 間外，被害人的損失亦包含財產損失。住宅竊盜犯往往經過縝密規劃後行竊，因 此做案時機多是趁屋主不在家或是熟睡時，無須與被害人面對面接觸的場合下犯 案，然而即便如此，仍有機率碰到被害者，進而衍生強盜、傷害、強制性交、殺 人等罪刑，造成受害者身體與財產的損失。
重複被害的危險
住宅竊盜重複被害的現象普遍存在，Cohen and Felson（1979）提出日常活動 理論，主張構成犯罪行為的要素包含「適當標的物」、「缺乏有能力的監控」及
「有動機的犯罪者」，其中缺乏有能力的監控往往屬單親家庭、低收入戶等弱勢 族群，有較高重複被害的可能。
‧
Ihlanfeldt and Mayock（2010）認為，人們對於犯罪被害的恐懼感往往反映在 住宅市場的選擇，為了追求居住安全而願意支付更高的價格居住在治安較好，鄰 里關係穩定的地區，以降低受犯罪侵害的風險。犯罪作為一地方議題（Linden and Rockoff, 2008），國外有諸多研究將犯罪視作鄰里環境的「不寧適性」（Disamenity）， 運用資本化方式觀察其對房價的影響（Larsen, Kenneth and Joseph, 2003；Tita, Petras and Greenbaum, 2006；Lyndsay, Greenbaum and Tita, 2013），為了解過去研 究如何探討犯罪對不動產價格影響，本文接下來將依序回顧犯罪變數的選取與設 罪刑事案件涉及許多類型。Ihlanfeldt and Mayock（2010）說明，犯罪變數有單一 與多種犯罪類型之分。單一犯罪變數又可分成兩種形式，一為將所有犯罪類型加
3 Ihlanfeldt and Mayock（2010）指出暴力犯罪（Violent Crime）與財產犯罪（Property Crime）
間往往存在高度共線性關係，為解決共線性問題可利用縱橫資料（Panel-data）的一階差分
（First Difference）處理。
4 對於刑事犯罪事件「量」的衡量，有多種不同型式，例如，犯罪率、犯罪密度等。
‧
名思義就是針對犯罪案件數加總計算（Ihlanfeldt and Mayock, 2010）；犯罪率，為過去文獻最常見的變數形態，其以特定人口數為分母，刑事案件發生件數為分 子來衡量發生某刑事案件的頻率（Rizzo, 1979；Ihlanfeldt and Mayock, 2010；
Ceccato and Wilhelmsson, 2011）；「犯罪密度」則是以特定空間範圍為分母，刑 事案件發生件數為分子，來衡量特定空間範圍內的刑事案件發生密度（Bowes and Ihlanfeldt, 2001；Ihlanfeldt and Mayock, 2010）6，Gibbons（2004）以住宅交易樣 本為中心，以其半徑 250 公尺範圍內發生的刑事案件數計算每平方公里的犯罪密 度。
犯罪成本，Cohen（1990）提出僅以刑事案件發生數量來衡量社會治安，其 隱含將不同的犯罪類型歸為同質7，如此將低估重大刑案件的嚴重性，故有必要 使用特定刑案產生的犯罪成本進行加權修正，以反映不同犯罪類型對社會造成的 實際影響，Lynch and Rasmussen（2001）即延續此理念將犯罪成本納入考量，評 估犯罪對房價的影響。
犯罪距離，認定某地點為發生犯罪高危險的代表，並以該地點為中心，觀察 其周圍房價因鄰近該地點而造成的房價變動。Larsen et al.（2003）與 Linden and Rockoff（2008）即以此方式探討美國梅根法案8實施後，性犯罪者居住地點對其 鄰近住宅價格的影響。
5 Larsen and Kenneth（2003）以性犯罪者居住地為中心觀察其周圍房價的影響。
6 上述文章是以「每英畝發生特定刑事案件數」計算犯罪密度。
7 即意味謀殺與竊盜犯罪對社會的影響衝擊是相同的
8 為美國性犯罪者資訊公開法的俗稱，規定州政府須將性侵犯資訊公開供民眾查詢，並通知有
‧
（Rizzo,1979；Gibbons, 2004；Tita et al.,2006； Wilhelmsson and Ceccato, 2015）
所謂內生性是指犯罪變數與房價互為因果關係，Ihlanfeldt and Mayock（2010）舉 出以下例子解釋犯罪與房價的內生關係，一、低收入族群往往僅能負擔低價住宅，
（Instrumental Variables）與追蹤資料（Panel Data）的固定效果（Fixed Effects）。
二、
相關研究方法與實證分析
過去文獻多以特徵價格理論，結合傳統迴歸模型－最小平方法（Ordinary Least Squares, OLS）估計係數，以檢視犯罪變數與房價的關係，考量住宅價格受 空間分布影響，存在空間自相關課題，僅以傳統迴歸模型進行分析易造成模型解 釋力不佳的情形，為改善上述問題，Gibbons（2004）、Wilhelmsson and Ceccato
（2015）、Caudill, Affuso and Yang（2015）納入空間迴歸模型解決空間自相關議 題。上述迴歸模型皆著重於變數的平均行為，為探討不同價位住宅受犯罪變數的 影響程度不同，Buonanno, Daniel and Josep (2013)與 Wilhelmsson and Ceccato（2015）
運用分量迴歸模型，分析住宅價格於不同分量下受犯罪影響的情形，以檢視不同
性侵前科者入住的社區。
‧
顯著。Ihlanfeldt and Mayock（2010）運用「追蹤資料方法」（Panel Data）以一 階差分（First Difference）並放入工具變數解決內生性問題，分別以犯罪件數、犯 罪率與犯罪密度探討美國佛羅里達州七種不同犯罪型態9於九年期間房價的變化 關係，結果顯示：人們願意支付更高的價錢以遠離搶劫與加重企圖傷害罪，至於 財產犯罪（住宅竊盜、汽車竊盜、偷竊）相較暴力犯罪對受害者身心靈傷害相對 較小故對房價無影響；Wilhelmsson and Ceccato（2015）以年輕男人與便利商店 密度作為與住宅竊盜有關，與房價無關的工具變數來改善內生性問題。除了以刑事案件發生頻率作為犯罪風險的評估依據，犯罪者的行蹤也是受人 關注的，Larsen et al.（2003）、Linden and Rockoff（2008）、Pope（2008）、Caudill et al.（2015）探討美國梅根法案實施後，性罪犯居住地公開對鄰近住宅價格的影 響。Larsen et al.（2003）利用共變異數分析（ANCOVA）檢定政府公布性罪犯地 址後是否衝擊鄰近房價後，以虛擬變數表示住宅半徑 0.1 英里內、0.1-0.2 英里、
0.2-0.3 英里、0.3-0.4 英里與 0.4-0.5 英里間是否有性犯罪者居住，進行傳統迴歸 分析，探討美國俄亥俄州的性罪犯居住地與住宅鄰近程度對房價的影響，實證結 果顯示住宅半徑 0.1 英里內有性罪犯者，房價下跌約 17%。Linden and Rockoff
（2008）以美國北卡羅萊州的梅克倫堡縣為研究範圍，運用差異中之差異法
（Difference in Difference）比較性犯罪者移動到某地前後各兩年間的房價變化情 形，研究發現性罪犯的到來確實對鄰近房價造成影響，住宅半徑 0.1 英里內有性 罪犯者房價約下跌 4%（約 5,500 美元）。
9七種犯罪類型分別為：殺人罪、加重企圖傷害罪、搶劫、入室竊盜、汽車竊盜、偷竊與蓄意破壞。
‧
誤與模型解釋力降低（Fotheringham, Brunsdon and Charlton, 2002），為處理空間 自相關課題造成的估值偏誤，過去多以空間迴歸模型進行修正。本節將回顧空間 自相關與空間迴歸模型於住宅價格的應用。一、
空間自相關
Cliff and Ord(1973)對空間自相關（Spatial Autocorrelation）作了下述定義：
「若一個空間單元的表現與其鄰近地區的表現有更相似或是更不相似的現象，此 即存在空間自相關的現象。」因此，空間自相關性有正、負之分，當一地區和其 相鄰地區的相似性大於相距較遠的地區，表示相鄰地區有相互影響關係，其屬正 空間自相關；反之，若鄰近地區差異大而較遠的地區差異小，則為負空間自相關 (Haggett, 1977)。空間自相關的分析是透過統計方法，檢驗某地區該屬性與鄰近 地區該屬性是否有相似的現象。並計算相關程度以了解這些空間單元在空間上分 佈現象的特性。
全域型10空間自相關（Global Spatial Autocorrelation）為研究空間自相關的基 礎，用以量度研究區域內整體空間分布樣態，其具代表性的檢驗指標為 Moran’s I（賴進貴、葉高華、王韋立，2004；溫在弘，2015），Moran’s I 是基於統計學 相關係數的共變數（Covariance）關係推算得來，其係數值介於-1~1 之間，當值 愈大，表示鄰近區域的正相關性愈強；接近 0 表示鄰近區域獨立無相關，呈現隨 機分布；小於 0 表示鄰近區域為負相關（Anselin, 1995）。為檢驗本研究所使用 的住宅價格是否存在空間自相關課題，本文將以 Moran’s I 指標檢定之。
10除了衡量研究地區整體空間的全域型空間自相關外，亦有區域型空間自相關（local spatial autocorrelation），其為針對每個空間單元統計局部的空間自相關程度
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
二、
空間迴歸模型於住宅價格的應用
以特徵價格理論結合傳統迴歸模型-普通最小平方法探討影響房價因素時，
因模型假設為誤差期望值為零、誤差間彼此獨立與變異數齊一（即 IID 假設，
Identical Independent Distribution），若資料存在空間自相關時，即使控制了自變 數，模型的殘差項仍存在著無法解釋的空間變異，如此將破壞了 IID 假設，造成 模型解釋能力降低與估計偏誤等情形，Anselin（1995）指出過去有許多研究因忽 略空間影響，導致估計偏差或無效率。為了處理最小平方法忽略空間自相關造成 的偏誤，過去研究多以空間誤差模型（Spatial Error Model）與空間延遲模型
（Spatial Lag Model）將原先不可觀測的空間變數，利用空間加權矩陣以及誤差 項的結構解決之（曾菁敏，2007）。
鄰近住宅間因享有相似的建物特徵、交通可及性與鄰里環境而有相近的住宅
鄰近住宅間因享有相似的建物特徵、交通可及性與鄰里環境而有相近的住宅