第二章 文獻回顧
第三節 追蹤資料模型
美國俄亥俄大學所建立之長期勞動市場追蹤資料（National Longitudinal Surveys of Labor Market Experience）、密西根大學的所建立的 PSID 資料集18 （University of Michigan’s Panel Study of Income Dynamics）以及我國所建置之華人家庭動態 資料庫。
隨著追蹤資料模型分析逐漸普及，許多不同領域之文獻皆開始使用追蹤資料 分析，如：在金融領域 Feng et al.（2017）便透過追蹤資料模型分析美國商業銀 行規模收益與銀行監管之關係；能源與經濟領域則有 Niu et al.（2011）研究二氧
‧
（Pooled Model）、雙因子效果模型（Two-way Effects Model）、特定個體效果 模型（Individual-specific Effects Model）、混合/隨機係數模型（Mixed Model or Random Coefficients Model）；非線性模型則主要指的是羅吉特（Logit）與機率
（Probit）模型。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
另外，除了透過觀察所取得之資料是否係透過隨機抽樣取得之方法判斷應使 用固定效果或隨機效果的方式外，亦可透過觀察個體效果與模型之解釋變數間是 否具有相關性來進行判別。在隨機效果模型中，其模型假設為個體效果與解釋變 數間並不具有相關性，故解釋變數需為外生變數；而固定效果則無此要求，該模 型允許解釋變數可與個體效果間具有相關性，故解釋變數可為內生變數（張紹勳，
2016）。
綜上所述，可以得知追蹤資料模型係一種可以同時分析橫斷面與時間縱斷面 的資料分析模式，可以更進一步的了解同時具有特定個體與時間動態的資料。而 過去關於大數據的預測模型建立研究經常透過時間序列之模型進行分析，如：林 筱真（2016） 、Erevelles et al.（2016）等，皆是透過時間序列模型來了解前期新 聞情緒、搜尋資料對於當期房價或交易量之影響。惟本研究欲透過分析租賃網頁 之平均點擊次數來了解不動產租金市場，所取得之資料係以臺北地區 12 個行政 區、四種租屋住宅類型共 20 季之資料進行分析，故資料型態同時包括了時間序 列的縱斷面資料與多個橫斷面之資料，因此本研究認為透過追蹤資料模型更能夠 妥善的進行分析。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第二章 文獻回顧
‧
‧
component model），其假設截距項𝛼𝑖是隨機變數，截距項係隨機產生且不隨時間 變動改變；同時，隨機效果模型較不強調個體間之差異，並假設截距項與自變數 之間無相關性，故自變數須為外生變數，因此若個體效果𝛼𝑖與自變數之間具有相 關性，則此模型將會產生偏誤的估計結果。此模型之優點在於其與固定效果模型 不同，不透過虛擬變數來進行個體效果的估計，因此可避免損失自由度。固定效果模型（Fixed effects model, FE）又被稱為最小平方虛擬變數模型
（Least squares dummy variable model，LSDV），較重視個體間之差異性，當個 體間具有差異時，固定效果模型係較具有效率的估計方式。模型假設代表個體特
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
體之個體效果；𝐷𝑗為虛擬變數；𝑋𝑘𝑖𝑡則為第 i 個個體在第 t 期的第 k 個解釋變數 之樣本觀察值。可從（3.3）式更清楚看出，固定效果模型透過虛擬變數的方式使 個體具有固定的截距項，以反映個體間的差異。此外，在此模型假設下，自變數 與截距項之間具有相關性，因此自變數可以是內生變數，且固定效果模型不須假 設隨機干擾項與解釋變數無關。
三、 小結
綜上所述，由於本研究之資料同時具有縱斷面與橫斷面的特性，因此本研究 預計以追蹤資料模型進行相關研究。又，依據依據混合資料模型、固定效果模型 以及隨機效果模型三個模型之假設可知：若要使用混合資料模型，則資料之個體 間以及不同研究時期間不可具有差異性，否則會產生偏誤；而若要使用隨機效果 模型，則變數與個體效果間不得有相關性。惟本研究之個體效果係各個行政區之 不同住宅型態，如：文山區整層住家、大安區獨立套房等，因此不同個體之間具 有差異性，不應使用混合資料模型。再者，由於點擊次數隱含潛在租屋者之搜尋 行為意涵，而當租屋者進行租屋資訊搜尋時，會受到該物件之區位及租屋類型的 影響。因此本研究之個體效果與主要探討之變數（租屋網平均點擊次數）之間，
應具有相關性，故無法適用隨機效果模型。綜上所述，本研究將以能夠反映出不 同個體間差異性，且不須假設變數與個體效果無關之固定效果模型進行。
‧
‧
‧
透過半對數模型進行研究，如：Follain and Malpezzi(1980)便曾指出半對數模型可 以透過自變數之係數反映出其對應變數之影響的百分比，且半對數模型可以降低‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
分類，故亦不採用台灣租屋網之租金資訊。另外，好房網之租屋行情資料僅能取 得查詢當時之租屋行情，不符合本研究之需求；崔媽媽基金會之房屋租金行情則 自 2008 年後便未繼續更新，故無法使用。
綜合上述，本研究採用 591 租屋網對於臺北市租金之統計資料，其租金係依 據住宅類型以及使用進行統計，與本研究之租屋網點擊指標相同，分為公寓類型 整層住家、公寓類型獨立套房、電梯大樓型整層住家、電梯大樓型獨立套房四大 類型，符合本研究之需求。因此本研究將以該平台之租金資料取自然對數後作為 本研究之應變數。而本研究期間之租金變化圖依上述不同之租屋類型分類呈現後 如圖 3-1~圖 3-4 所示：
圖 3- 1 台北市各行政區整層住家公寓租金圖
資料來源：591 租屋網
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第三章 研究設計與資料說明
圖 3- 2 台北市各行政區整層住家電梯大樓租金圖
資料來源：591 租屋網
圖 3- 3 台北市各行政區獨立套房公寓租金圖
資料來源：591 租屋網
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 3- 4 台北市各行政區獨立套房電梯大樓租金圖
資料來源：591 租屋網
2.標準住宅總價（House Price）
依據前述文獻回顧可知，租金係房價之基本面，且房價對於租金有正向的影 響。同時，購屋與租屋行為間具有一定程度之替代性，當房價上升時，有居住需 求者可能會選擇轉變為租屋者，進而直接影響租金。因此本研究擬納入房價指標 作為直接影響租金之控制變數。
目前國內編制臺北市住宅價格指數之平台頗多，包括信義房價指數、國泰房 價指數、好時價房價指數、臺北市政府地政局編列之住宅價格指數等。惟本研究 之資料分為臺北市 12 個行政區，故需要各行政區間可互相比較之房價指標資料。
然而信義房價指數與國泰房價指數係針對整體臺北市所編製之房價指數；好時價 房價指數雖分為各行政區進行編制，但各行政區之指數係獨立編製，無法互相比 較，因此本研究最後選擇臺北市地政局所計算之臺北市標準住宅總價作為房價指 標，雖該指標僅將臺北市 12 個行政區分為四個次分區，但該資料提供了編製房 價指數之標準房屋總價原始資料，使本研究能夠比較各區之間的差異性。臺北市 地政局所計算之標準住宅總價係由地政局依據實價登錄所揭露之住宅買賣案件
‧
102Q1 102Q2 102Q3 102Q4 103Q1 103Q2 103Q3 103Q4 104Q1 104Q2 104Q3 104Q4 105Q1 105Q2 105Q3 105Q4 106Q1 106Q2 106Q3 106Q4
標準房屋總價
松山中山南港 信義大安中正 大同內湖士林 萬華文山北投
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
4.工作機會（Job opportunity）
本研究之資料來源為臺北市主計處，搜尋各行政區之商業登記現有家數24、 公司登記現有家數25以及工廠登記現有家數26資料，再將三者相加作為代表一地可 能之工作機會的變數。
由於人們在選擇租屋地點時，一般多會考慮其本身之需求後決定，而花敬群 等（2003）便曾提出除了因為不願購屋、無力購屋的長期需求者外，許多租屋群 體之租屋動機來自工作、就學27等其他需求。因此可知一地工作機會的多寡對於 租屋需求應具有直接的影響，進而直接影響一地之租金水準。本研究因此擬納入 可代表工作機會之變數作為控制變數，並預期此變數對於租金應有正向影響。
24 依商業法登記之商業行號現有家數
25 依公司法登記之公司現有家數
26 依工廠管理輔導法登記之工廠現有家數
27 惟求學所帶來之租屋需求一部分會被學校宿舍吸收，且若學校數並無太大變動，學生所帶來
之租屋需求應無明顯變動，故本研究並未納入學校相關變數
‧
（average hit）
臺北市各行政區不同類型之
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
2. 變數敘述性統計
本研究變數之敘述性統計如表 3-3 所示
表 3- 3 變數敘述性統計
變 數 名 稱 （ 代 號）
單位 平均數 標準差 最小值 最大值
租金（Rent） 元/坪 1,294.2 307.1 644 2,023
平 均 點 擊 次 數
（average hit）
次 1,133.7 499.6 272.6 3,183.3
標 準 住 宅 總 價
（Hp）
萬元 1,462.9 326.4 1,019.3 2,146.3
每 人 平 均 可 支
配 所 得
（Income）
元 422,050 49,842 336,763 539,617
工作機會（Job opportunity）
家數 18,090 11,124 6,499 44,264
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第三章 研究設計與資料說明
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y 第四章 實證結果分析
本文欲探究臺北市地區租屋網之平均點擊次數與住宅不動產租金價格之關 聯，以及平均點擊次數是否可以作為租金之領先指標。並且探討若平均點擊次數 可以作為租金之領先指標，則不同租屋住宅類型上的搜尋期間（搜尋指標領先程 度）是否有所差異。因此，本研究先以原始資料之租金變動率與平均點擊次數繪 製兩者之關係圖，用以初步觀察租金與平均點擊次數之關聯，茲舉文山區與信義 區兩行政區四種租屋類型之租金變動率與平均點擊次數關係圖羅列於圖 4-1~圖 4-8 如下。
圖 4- 1 文山區整層住家公寓租金變動率與平均點擊次數關係圖
資料來源：591 租屋網
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第四章 實證結果分析
圖 4- 2 文山區整層住家電梯大樓租金變動率與平均點擊次數關係圖
資料來源：591 租屋網
圖 4- 3 文山區獨立套房公寓租金變動率與平均點擊次數關係圖
資料來源：591 租屋網
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 4- 4 文山區獨立套房電梯大樓租金變動率與平均點擊次數關係圖
資料來源：591 租屋網
圖 4- 5 信義區整層住家公寓租金變動率與平均點擊次數關係圖
圖 4- 5 信義區整層住家公寓租金變動率與平均點擊次數關係圖