第四章 實證結果與分析
第一節 條件組合
國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
第四章 實證結果與分析
第一節 條件組合
於第三章中討論針對不同房地產資料所進行的分析方式，透過空間自相關分 析方法，探討住宅價格在某一界限範圍內是否具有空間相依性，以了解住宅價格 是否有聚集情況出現並找出其聚集地區，主要是藉由統計顯著性檢定的方法，檢 測地區型空間自相關模式的顯著程度及診斷整體統計值的穩定性，若顯著性大，
即是該空間聚集的地區。而熱區分析之目的在於瞭解是否呈現地理群集的趨勢，
一旦呈現顯著的群聚趨勢情況，則需要更進一步分析群聚程度的地點、頻率與幅 度，熱區型態的空間聚集分析目的在於計算資料是否顯著聚集趨勢及其所在聚集 地點。於操作分組分析時，分組分析將尋找一個能夠使每個組中的所有要素都盡 可能相似，但各個組之間盡可能不同的分組結果，不同的條件組合會擁有不同的 形狀、大小和密度的分組，也能調整出相鄰或不相鄰的劃分結果，而操作時首先 面臨的問題即是條件的組合該如何做出選擇及組合，針對不動產所擁有的不同房 地產特徵，以及鄰里環境因素的差異，都將導致有不同的次市場分組結果，本研 究首先針對所選用的實價登錄資料樣本，以特徵價格模型檢視現存狀況做觀察，
以做為後續在分組分析操作時改進程度的基準，再進一步分析分組時最佳的條件 組合。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
圖 5 行政區圖
本研究以所選用的實價登錄資料樣本對現有行政區做的結果分析，以特徵價 格模型檢視現存狀況做的觀察，結果可以發現特徵價格模型調整後的R2值為 0.6095，各行政區的帄均價格 601,335，單價標準差為 154,194，可以看出現有資 料於模型中的效果以及行政區域間的價格關係，可以看出以目前現況而言，行政 區域內的價格同質性程度，以行政區作為價格同質區的次市場並不恰當，對於房 地產次市場而言應能具有更佳的劃分方式。
表 9 行政區模型數據
名稱 OLS 𝐑𝟐 行政區 0.6095 表 10 行政區帄均單價及標準差
行政區 帄均單價 單價標準差 北投區 440,336 130,626 萬華區 453,681 131,260 文山區 455,130 109,755 內湖區 527,840 135,517
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
大同區 540,439 141,331 士林區 550,332 156,300 中山區 611,602 162,485 南港區 617,424 135,890 信義區 693,330 221,503 松山區 706,400 126,053 中正區 749,790 203,146 大安區 869,712 196,461 帄均 601,335 154,194
行政區域內價格差異性大，影響行政區域整體的價格同質性程度，以目前現 況而言以行政區作為價格同質區的次市場是否適當有待商榷，對於房地產次市場 而言應能具有更佳的劃分方式，而後研究將以此結果為基準做觀察，試著劃分出 具有價格同質性範圍的次市場，以試圖釐清現行次市場的較佳範圍。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
本研究首先測試分組分析方法於操作上，是否的確能藉由這樣的方式找到組 內同質性最高以及組間異質性最高的結果，以釐清操作方法能否有效達成最適分 組的結果，首先，針對以現有的實價登錄資料在未加入其他條件下以分組分析的 方式做劃分，來觀察次市場分組狀況。
圖 6 房價分組圖
以特徵價格模型檢視現存狀況做的觀察，結果可以發現特徵價格模型調整後 的R2值為 0.6615，各行政區的帄均價格 590,086，單價標準差為 132,906，可以看 出現有資料於模型中的效果以及二級發布區間的價格關係。
表 11 房價分組模型數據
名稱 OLS 𝐑𝟐 房價 0.6615 表 12 房價分組帄均單價及標準差
分區 帄均單價 單價標準差 1 338,254 70,072
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
2 364,304 84,989 3 367,824 100,529 4 433,627 94,414 5 532,862 139,309 6 556,499 136,525 7 610,943 143,902 8 620,240 148,070 9 736,402 131,641 10 753,384 185,674 11 819,379 143,408 12 947,316 216,346 帄均 590,086 132,906
以 101 年 8 月至 103 年 10 月為研究之時間範圍，並以台北市的 12 個行政區 為研究空間，經篩選原則刪除有備註欄註記、欄位缺漏值、異常點等後，分析資 料筆數共 11,677 筆，經計算每個二級發布區範圍內的帄均單價並以分組分析劃 定為 12 區，結果可以發現，若單純以房價來做觀察，重新劃分之 12 區結果中各 項數據的表現都較以往舊有行政區分界結果較佳，可以說明的是價格關係重新分 組的結果當中，顯示出現有的市場結構已經呈現不同的群聚分組關係，早已不受 台北市現有行政區範圍僵固，也不應該再視行政區為定價的唯一指標，而從劃分 後的結果也可以發現，分組分析在劃分次市場範圍的重新分區中的確能做為適當 的分組工具，是適合重新劃分次市場範圍的操作方式。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
為探討住宅價格在某一界限範圍內是否具有空間相依性，透過空間自相關分 析方法，以了解住宅價格是否有聚集情況出現並找出其聚集地區，本研究加入空 間自相關做為劃分條件，與房價共同做為分組分析的劃分依據，觀察整個分組分 析所劃分的分組結果有何不同，是否在加入具有空間上正負相關的聚集地區以後，
能有效藉由分組分析的方式捕捉到次市場的核心位置，劃分出較好的次市場範 圍。
圖 7 房價和空間自相關分組圖
以特徵價格模型檢視現存狀況做的觀察，結果可以發現特徵價格模型調整後 的R2值為 0.6542，各行政區的帄均價格 505,369，單價標準差為 104,977，可以看 出現有資料於模型中的效果以及二級發布區間的價格關係。
表 13 房價和空間自相關分組模型數據
名稱 OLS 𝐑𝟐 房價和空間自相關 0.6542
‧
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
而為瞭解是否呈現地理群集的趨勢，一旦呈現顯著的群聚趨勢情況，則可以 更進一步分析群聚程度的地點與程度，熱區型態的空間聚集分析目的在於計算資 料是否顯著聚集趨勢及其所在聚集地點，本研究試著觀察，在加入熱區分析的結 果做為劃分條件，與房價共同做為分組分析的劃分依據，觀察整個分組分析所劃 分的分組結果，是否在加入成交案例的價格趨勢以後，能有效藉由分組分析的方 式捕捉到次市場範圍的擴張狀況，劃分出較好的次市場範圍組合。
圖 8 房價和熱區分析分組圖
以特徵價格模型檢視現存狀況做的觀察，結果可以發現特徵價格模型調整後 的R2值為 0.6674，各行政區的帄均價格 606,654，單價標準差為 140,803，可以看 出現有資料於模型中的效果以及二級發布區間的價格關係。
表 15 房價和熱區分析分組模型數據
名稱 OLS 𝐑𝟐 房價和熱區分析 0.6674
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
表 16 房價和熱區分析分組帄均單佳及標準差
分區 帄均單價 單價標準差 1 369,407 101,691 2 455,130 109,755 3 460,036 127,524 4 510,744 116,289 5 537,516 142,588 6 543,349 138,907 7 628,959 126,696 8 662,252 133,135 9 715,522 148,953 10 739,648 148,468 11 753,384 185,674 12 903,903 209,952 帄均 606,654 140,803
而在針對房價加入熱區分析做為條件操作分組分析的結果可以發現，其各項 數據表現也較舊有行政區結果佳，甚或是比價格加入空間自相關做為條件劃設之 結果更佳，由於熱區分析是以標準化後的 Z 值來呈現某地理範圍當中空間趨勢 的現象，每一個發布區皆有不同的標準差 Z 值可以探討空間的群聚狀況，這樣 的呈現對於價格而言是有較為精緻的準則可使分組分析劃分，也因此模型有較佳 的數據表現，但以這樣的條件分組時，可以看出帄均價格和標準差所表現的數據 並無改進太多，顯見的是若只放進價格趨勢作為條件，捕捉空間上次市場擴張範 圍，並沒有辦法精確捕捉本研究所欲找尋之價格同質區的次市場範圍。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
本研究最後嘗試將空間自相關以及熱區分析的結果，放入分組分析的條件之 中，與房價共同做為分組分析的劃分依據，觀察整個分組分析所劃分的結果，是 否能如本研究原先所預期，在加入具有空間上正負相關的聚集地區以後，藉由空 間自相關的結果，捕捉到次市場的核心位置，以及加入成交案例的價格趨勢以後，
藉由熱區分析的趨勢，捕捉到次市場範圍的擴張狀況，進而藉由分組分析劃分出 更好的不動產次市場範圍，以提高不動產次市場範圍的合理性。
圖 9 房價、空間與熱區分析分組圖
以特徵價格模型檢視現存狀況做的觀察，結果可以發現特徵價格模型調整後 的R2值為 0.6796，各行政區的帄均價格 518,361，單價標準差為 116,640，可以看 出現有資料於模型中的效果以及二級發布區間的價格關係。
表 17 房價、空間與熱區分析分組模型數據
名稱 OLS 𝐑𝟐 房價、空間自相關和熱區分析 0.6796
‧
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
房價和熱區分析 0.6674
房價 0.6615
房價和空間自相關 0.6542 房價和行政區 0.6095
而本研究在分組分析的過程當中也適當的加入了市場、公園、捷運等公共設 施影響，做為劃分之條件測試次市場結果，但從分析的數據結果可知，加入公共 設施之效果並未如房價加入空間自相關和熱區分析做為條件組合之結果佳，過去 研究皆有指出公共設施對不動產價格有影響性，且對於房價具有正向影響，然而，
本研究認為現階段房地產價格皆已受外在條件因素而影響其成交價格，使得在加 入公共設施的分析過程中產生了共線性問題，而導致模型及數據表現效果不佳，
加入公共設施條件後組合數量繁多，所以本研究僅列出數據表現較佳之分析項於 下表 20。
表 20 其他分組條件比較表
名稱 OLS 𝐑𝟐
空間自相關和捷運 0.6374 空間自相關、市場和捷運 0.6309
房價和公園 0.6289
空間自相關、熱區分析、捷運和市場 0.6273 空間自相關、熱區分析和捷運 0.6251 空間自相關和公園 0.6230 空間自相關、熱區分析和公園 0.6210
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University