新增建築供給集中於高房價地區

在表 9 臺北市建築物重開發影響 HC 修正模型之迴歸係數表中，分別標明各 自變數的未標準化迴歸係數以及標準化迴歸係數。根據各自變數的未標準化迴歸 係數，雖然可以看出各個自變數對於臺北市建築物重開發之影響方向以及影響程 度，但無法互相比較各自變數之間，何者對於臺北市建築物重開發之影響程度較 大；而根據各自變數的標準化迴歸係數，則可以互相比較各自變數對於臺北市建 築物重開發的影響程度。

由表 9 可以看出，戶數變動率自變數之標準化迴歸係數為 0.446，為所有自 變數中標準化迴歸係數數值最大者。由前述第三點的結論可知，戶數變動代表了 都市內部居民對於住宅的實質需求，亦即當都市內部之戶數成長越高之時，將會 藉由頻繁的建築物重開發來創造出更多的樓地板面積。另一方面，都市內部平均 所得水準較高，或是捷運站的周邊地區，一般認為是都市內部房價水準較高之區 域。較高房價水準所導致的建築物重開發可以視為，為了獲取將建築物重開發後 較高之使用價值，而衍生出對於住宅的投資需求。另外，由表 9 可以看出，中所 得自變數之標準化迴歸係數為 0.117，高所得自變數之標準化迴歸係數為 0.178，

捷運站自變數之標準化迴歸係數為 0.119。三個自變數之標準化迴歸係數合計為 0.117+0.178+ 0.119=0.414，代表這三個自變數的總和影響，甚至低於戶數變動率 僅一個自變數對於臺北市建築物重開發程度之影響。由本研究之實證結果可以推 論，臺北市新建物主要集中在所得水準較高、以及捷運站通過的地區。而這些地 區，自然也是房價較高的地區。

25

參考文獻

林享博(1993)，建築物壽命的研究：在台北市的一個實證分析，住宅學報，第一 期，第 47-74 頁。

吳清如(1991)，建築物壽命的研究，國立成功大學都市計畫研究所碩士論文。

邱皓政(2010)，量化研究法(二)：統計原理與分析技術，臺北市：雙葉書廊有限 公司。

俞國華(2010)，臺北市住宅建築物經濟耐用年數研究，國立臺北大學不動產與城 鄉環境學系碩士論文。

Ansenlin, L. and D. A Griffith (1988) Do Spatial Effects Really Matter in Regression Analysis? Papers of Regional Science Association., Vol.65: pp.11-34

Ansenlin, L. (1995) Local Indicators of Spatial Association: LISA, Geographical Analysis., Vol.27(2): pp.93-115

Ansenlin, L. (1999) Spatial Econometrics. Bruton Center School of Social Science University of Texas at Dallas Richardson.

Barlev, B and May, J. (1976) The Effects of Property Taxes on the Construction and Demolition of Houses in Urban Areas, Economic Geography., Vol.52(4): pp.304-310 Bourne, L. S. (1969) Location Factors in the Redevelopment Process: A Model of Residential Change, Land Economics., Vol.45(2): pp.183-193

Bourne, L. S. (1971) Adjustment Processes and Land Use Succession: A Conceptual Review and Central City Example, Economic Geography.,Vol.47(1): pp.1-15

Bourne, L. S. (1976) Urban Structure and Land Use Decisions, Annals of the Association of American Geographers., Vol.66(4): pp.531-547

Brueckner, J. K. (1982) Building Ages and Urban Growth, Regional Science and Urban Economics., Vol.12(2): pp.197-210

DiPasquale, D and Wheaton, W. C. (1996) Urban Economics and Real Estate Markets.

New Jersey: Prentice-Hall.

Hayes, A. F. and Cai, L.(2007) Using Heteroscedasticity-Consistent Standard Error Estimators in OLS Regression: An Introduction and Software Implementation,

26

Behavior Research Methods., Vol.39(4): 709-722

Odland, J. (1988) Spatial Autocorrelation. Newbury Park, CA: Sage Publication.

Summerfield, M. A. (1983) Populations, Samples, and Statistical Inference in Geography.

Osborne, J. W. (2002) Notes on the Use of Data Transformations, Practical Assessment, Research & Evaluation., Vol.8(6)

Tobler, W. R. (1970) A Computer Movie Simulating Urban Growth in the Detroit Region, Economics Geography., Vol.46: pp234-240

Upton, G. J. G. and B. Fingleton (1985) Spatial Data Analysis by Example. Vol.1:

Point Pattern and Quantitative Data, New York Chichester: Wiley.

Whitehand, J. W. R. (1978) Long-Term Changes in the Form of the City Centre: The Case of Redevelopment, Geografiska Annaler. Series B, Human Geography., Vol.60( 2): pp.79-96

Whitehand, J. W. R. (1979) The Study of Variations in the Building Fabric of Town Centres: Procedural Problems and Preliminary Findings in Southern Scotland, Transactions of the Institute of British Geographers., Vol.4(4): pp.559-575

Whitehand, J. W. R. and Whitehand, S. M. (1983) The Study of Physical Change in Town Centres: Research Procedures and Types of Change, Transactions of the Institute of British Geographers., Vol.8(4): pp.483-507

Whittle, P. (1954) On Stationary Processes in the Plane, Biometrica., Vol.41:

pp434-449

Wong, D. W. S. and J, Lee (2005) Spatial Analysis of Geographic Information With ArcView GIS and ArcGIS, UK: John Wiley &Sons, INC.

27