第四章 實證與分析
第一節 模型預估能力比較
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
一、 模型迴歸配適度
考量公寓、華廈與住宅大樓其價格係受到不同因素之影響，故本文三類型迴 歸之自變數稍有差異。如表 3-3-5 與 3-3-6 連續變數敘述統計所示，公寓總樓層 數大多為 4~6 層，且理論上總樓高與各樓層價格無直接影響，故不放置總樓層數 變數，而華廈、住宅大樓則放置總樓層數變數以控制社區量體對價格之影響；另 外，公寓樣本約 93.2%為 RC 建材、6.7%為 RB 建材，當中兩者價格關係差異不 明顯，因此公寓不放置建材變數，而華廈、住宅大樓則放置 SRC/SC 虛擬變數，
以衡量高等建材對價格之影響；管理變數方面，由於公寓類型不動產僅不到一成 之交易案件係具有管理組織維護，且對於價格關係不顯著，故公寓之模型不放置 管理變數，華廈及住宅大樓則放置管理變數突顯維護對價值之影響。
表 4-1-1 為兩模型之迴歸分析結果，就調整後判定係數分析兩模型之配適度，
空間誤差修正模型(Model 1)之迴歸配適度分別為公寓 0.74、華廈 0.81 及住宅大 樓 0.84，與 CRF 修正模型(Model 2)之公寓 0.73、華廈 0.80 及住宅大樓 0.86 皆具 有一定程度之模型解釋力，且兩模型之調整後判定係數皆超過 0.7，皆得做為價 格評估之估價模型15。
15 不動產估價技術規則第二十條，應用計量模型分析法應符合下列條件：
一、 須蒐集應用計量模型分析關係是自變數個數五倍以上之比較標的。
二、 計量模型分析採迴歸分析者，其調整後判定係數不得低於零點七。
三、
截距項以外其他各主要影響價格因素之係數估計值同時為零之顯數機率不得大於百分之五。‧
Model 1(Error Model) Model 2(CRF Model) 建築型態 公寓 華廈 住宅大樓 公寓 華廈 住宅大樓
‧
1，Model 2 誤差 5%、10%及 20%命中率為 37.1%、62.9%與 87.9%，Model 1 僅 20.57%、39.76%與 71.82%，Model 2 價格預估精準能力明顯高 Model 1。表 4-1-3 顯示各類型不動產之預估能力，Model 2 三種類型不動產預估能力
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
四、預估能力分析說明
影響不動產價格之因素眾多，其中又以區位因素更為廣泛且難以判定，地區 特性及公共設施之種類都不盡相同，故以傳統特徵價格模型作為廣泛地區大量估 價之工具，會產生無法有效控制區位變數而產生價格偏誤之情形(Bourassa et al., 2007; Thériault, Des Rosiers, Villeneuve, & Kestens, 2003)。CRF 區位變數細膩處理 區位對價格之影響，突破以往最小平方法對於區位虛擬變數固定係數之僵化處理 也因此大量估價模型之精度得以大幅度的提升。除了改善估價精度問題，由於 CRF 區位變數本身並非以次市場反應區位價值，故次市場區位虛擬變數對於經 濟環境變遷並無法及時反應的問題不發生在 CRF 變數之上，擺脫次市場界線無 彈性之問題。
由本節模型預估能力測試可發現，若以價格預估能力評斷模型之精度，CRF 修正模型較國內過去大量估價模型表現較為出色，整體絕對誤差平均值為 10.1%，
誤差 10%及 20%命中率為 62.9%及 87.9%，皆優於過去國內大量估價模型之表現；
而以相同資料所建立的空間誤差修正模型，雖然在調整後之判定係數等解釋例分 析上並無差異，但在預估能力指標如絕對誤差平均值及各層次命中率，皆與 CRF 修正模型有顯著的落差，可推斷 CRF 修正模型與現階段國內使用之空間修正模 型，因對於區位變數處理上之改良，在模型預估能力上有較為出色之表現。
CRF 區位變數不僅提升大量估價模型之精度，也解決了次市場劃分的問題。
於文獻回顧中發現，以大量估價模型進行大範圍估價時，因空間因素將導致模型 產生估價無效率且具偏差性等問題。鑑此，本文針對模型空間次市場侷限問題，
於下一節檢驗 CRF 變數是否能突破區域次市場侷限性問題，探討 CRF 修正模型 是否得以進行大範圍不動產價格預估，改善過去特徵價格模型之久病。