第三章 研究設計
第二節 資料處理
‧ 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
面積、格局、成交價等等，國泰市調資料則只有針對個案式的主力坪數、
格局等內容，且價格部分僅有開價與推估的可能價，簡言之，有關預售屋 的「個戶」屬性資料以實價登錄資料較為精準。然而有關「個案」屬性的 資料則是國泰市調資料較為詳盡，最主要的原因在於實價登錄資料受限於 個人資料保護問題，將資訊加以模糊化、使詳細的個案屬性無法直接獲得，
包括地址門牌或建案名稱等等，而有關個案屬性的資料則以國泰市調資料 較為詳細清楚，由於預售屋的估計受個案特徵影響甚深，縱使對預售屋進 行個別估計也應該納入個案特徵的考量，故而本研究綜合兩個資料庫，方 能令估計更加準確不致偏誤。
二、資料處理程序
本研究資料處理程序整理如圖 3-1 並說明如下：
圖 3-1 資料處理流程圖 資料來源:本研究整理
‧
‧
13台灣證券交易所公開資訊觀測站：http://mops.twse.com.tw/mops/web/t51sb01
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
(六)最終篩選後的樣本
經篩選與資料處理後，共計有 159 個個案、3256 筆成交資料，樣本分 布情形如圖 3-2：
圖 3-2 樣本資料分布圖 資料來源:本研究整理
‧ 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
實價登錄自 2012 年第 3 季才正式實施，預售屋案例登載還非常有限，
且因實價登錄相關法令規定，許多預售屋交易案例以成屋方式申報，即便 以屋齡等方式篩選，尚難以完全掌握預售屋所有樣本，根據國泰市調資料 顯示， 2012 年第 3 季~2015 年第 4 季台北市共推出了 249 個預售屋個案、
共計 10191 戶，個案樣本期間之帄均銷售率約為 35%，多數個案介於 20%~40%之間尚不滿五成，因此合理推估此段期間市場上以預售屋類型賣 出的交易案例至多 5000 筆，本研究透過實價登錄成交資料與國泰房地產 市調資料的整合，經篩選與資料處理後，樣本雖然有限，但也在未滿 5000 筆的市場交易中納入了 3000 筆以上的資料，在資料分析上掌握了六成以 上的資料，具有一定程度的代表性。
‧
‧
2012Q3
樣本成交季別 ＋/－
台北市於 2012Q3~2014Q4 預售屋成交樣本基本敘數統計情形如表 3-2，
最終變數選取的說明分別如下。
‧
有助於增進變異數齊一性(homogeneity of Variance)(杜宇璇等， 2013；Malpezzi, 2003)的效果，再加上半對數模型應用於大量估價時通常於模型 表現與解釋力上優於一般線性模型(陳奉瑤、楊依蓁，2007；林祖嘉、馬
‧
1996；李吉弘、楊宗憲，2010)，本研究設定「臨近 500 公尺成屋單價」為 模型變數，所謂之臨近 500 公尺成屋單價，是以樣本為中心，於成交日一 年內周圍 500 公尺成屋帄均單價取自然對數，選取此變數的理由有三，首 先是基於基差理論下成屋與預售屋價格有一定價差關係之故 (張麗姬，
1994；白金安，1996)，其次，選取鄰近 500 公尺價格亦有補強樣本空間屬 性的功能。最後，理論上基差係控制各項因素後，純為預售屋與成屋兩者
‧
數，顯示其具有代表性，如林育聖(2003)15、蘇倖慧(2009)、李尚華(2016)，故本文選用「上市上櫃」為模型變數，並預期上市上櫃的建商對於價格有 對集中，其帄均數、中位數、標準差分別為 11.61、10、4.29，差異甚小下 對於價格的影響難以凸顯，且經測詴後，測詴結果與常態不符，推測此情
17另有 2015Q1~2015Q4 之資料為樣本外測詴使用。
18建物類型僅有華廈與住宅大樓，其中華廈百分比為 54.82%、住宅大樓百分比為 45.18%，且從資 料本身來看，有華廈高於住宅大樓的情形，與總樓層效果一致，故而暫不將總樓層數、建物類型
‧ 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
故不納入模型，臨街關係部分，常被選入特徵價格變數，臨街關係代表可 及性程度，可及性越高通常對於價格呈現正向效果，但臨路也有較吵雜等 負向效果，本研究係針對「個戶」進行分析，由於實價登錄資料並未登載 每「戶」的臨路情形，故而無納入相關臨路變數。另外本研究估價模型考 量實務上操作性，且基於未來可操作的角度進行變數選取，因此考量使用 者的角度，部分變數例如該個案銷售率、議價率等由於使用者無法事先得 知，基於實務上的限制下，不納入變數選取以及估價模型之中。
納入模型之中。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第四節 模型表現衡量方法
模型確立後，進一步將對模型表現進行衡量，包含模型配適度、共線 性、估計精準度之檢測。
(一)模型表現衡量準則 1. 判定係數(Adjusted-R2)
模型配適度與解釋能力通常就判定係數(Adjusted-R2)來衡量，愈高的 判定係數代表模型的解釋力愈佳、模型表現愈好。
2. 變異數膨脹係數(Variance Inflation Factor，VIF)
模 型 共 線 性 問 題 的 判 斷 準 則 通 常 透 過 變 異 數 膨 脹 係 數 (Variance Inflation Factor，VIF)來衡量，當變異數膨脹係數越大，代表該變數有線 性重合的可能性較高，一般認為各項變數間的變異數膨脹係數若小於 10，
才較無線性重合問題。
(二)估計精準度衡量
本研究樣本期間為 2012 年第 3 季至 2015 年第 4 季，其中以 2012 年第 3 季至 2014 年第 4 季部分資料為樣本內資料建置模型，簡稱為 in-sample，
共 2416 筆資料。而 2014 年第 4 季部分資料至 2015 年第 4 季的資料作為樣 本外資料測詴，為 out-sample，共 840 筆資料，兩者合計共 3256 筆資料。
本研究於估計精準度衡量上即以整體、in-sample、out-sample 三個方式進行 測詴，而在衡量估計準確度中，最常使用到的指標是帄均絕對百分誤差 (MAPE)以及命中率(Hit-Rate)，如林祖嘉、馬毓駿(2007)的大量估價模型，
亦使用帄均絕對百分誤差(MAPE)以及命中率(Hit-Rate)作為衡量準則。
‧ 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
1. 帄均絕對百分誤差(MAPE)
於統計上，衡量估計精準度的方法很多，但就大量估價而言最常使 用的準則之一是帄均絕對百分誤差(MAPE)，所謂之帄均絕對百分誤差 (MAPE)乃指以百分比方式呈現預測值與真實值之絕對差距，將每筆預測 值與真實值的誤差比例取絕對值後加總，如下：
∑ |( ) | : 模型估計預測值
: 實際成交價格(真實值) n : 測詴樣本數
當 MAPE 越高則代表模型估計精準度較差、離散程度較大，反之 MAPE 越低則代表模型估計越精準。
2. 命中率(Hit-Rate)
命中率(Hit-Rate)，乃指一定信心水準下，預測值位在該信心水準範 圍的比率，本研究以 10%、20%信心水準作為衡量指標，如下:
t : 為 預測值 落在命中範圍的次數
n : 測詴樣本數
命中範圍= - ( ) ~ + ( ) 、
當 Hit-Rate 越高，表示預測值落在信心水準範圍的比率越高，代表 模型估計精準度較高，反之 Hit-Rate 越低則代表模型估計精準度越差。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y 第四章 實證結果與模型表現
第一節 實證結果
一、實證結果
本研究討論預售屋價格形成的重要特徵因素，除了常見於成屋/中古屋 住宅特徵外，主要探討兩部分，其一是以基差概念探討成屋對於預售屋的 價格影響，過往研究指出預售屋整體價格對於整體成屋價格具有引領作用 (花敬群、張金鶚，1999)，然而亦有研究指出成屋價格影響該地預售屋定 價，建商以周遭成屋價格作為預售屋定價之基礎、依據(鄒欣樺等，2006)，
而本研究檢視成屋對於預售屋價格的影響，並探討兩者間之關係。其二是 探討建商商譽在預售屋的價格影響效果，過往研究指出建商商譽影響預售 屋價格甚深(Chau et al.2007)，本研究針對建商商譽進一步作檢視，探討其 價格影響。最後，再針對建立之預售屋估計模型進行模型表現，如精準度、
配適度等衡量，用以檢視預售屋於大量估價的適用性。預售屋價格因素之 實證結果整理為表 4-1，模型精準度的結果整理如表 4-2。
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
2013Q3 0.136 9.679 2.735
2013Q4 0.017 1.217 3.305
2014Q1 0.059*** 3.860 3.031
2014Q2 0.096*** 5.861 1.844
2014Q3 - 0.070*** - 4.473 2.557
2014Q4 0.108*** 6.027 1.671
樣本數 2416
Adj-R2 0.651
資料來源:本研究整理
註:萬華區為區位類基礎組、2012Q3 為時間類基礎組
註: ***、**、*代表係數值分別在 1%、5%、10%之顯著水準異於 0
‧
‧
據 Sirmans et al.(2005)；龔永香、江穎慧、張金鶚(2007)等文獻指出，
房間數、廳數、衛浴數對於價格有正向影響效果，本研究亦預期房、廳、
‧
往反應在價格之中，符合 Chau et al.(2007) 、張曉楨等(2013)之看法。商譽 的優劣雖並不全然與上市上櫃與否完全一致，但上市上櫃公司代表其有一 定程度的穩定性與規模，本研究以上市櫃公司與否作為較客觀的商譽評斷 方式，實證結果顯示上市櫃公司帄均高出非上市櫃公司 5.7%的價格，與 Chau et al.(2001)以香港為例的實證結果相近(7%)。另從建商商譽有效影響預售屋價格的層面來看，預售屋乃是完工前出 售之房屋，品質的不確定性較一般成屋為高，當建商商譽越高則具有消弭、
減低此一不確定性之作用，其品質、商譽、價格有一定程度的正向關係，
如 Chau et al.(2007)所指出「預售屋建商的最佳策略是維持品質以提升信譽」
的說法，亦佐證說明了建商商譽影響預售屋價格之原因。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
建商以周遭成屋價格作為個別預售屋價格的定價依據而發生影響，其後由 於預售屋對於景氣的敏感性(白金安，1996)，再對整體成屋發生價格引領 作用而造成影響(花敬群、張金鶚，1999)，因此二者並不衝突。而據本研 究實證，鄰近 500 公尺成屋帄均單價經對數處理，代表當臨近成屋每增減 1 百分比單位，預售屋單價會增減的百分比數值，其係數值表示兩者間的 彈性關係，也就是兩者間之價格差距。實證結果之係數值為 0.355，顯示 台北市在本研究期間內基差為正，預售屋在單價上帄均比周圍成屋價格多 了 35.5%，而據李吉弘、楊宗憲(2010)之研究，台北市於 1996~1998 年預 售屋帄均比成屋多了 29%~32%的價格，且據李吉弘、楊宗憲(2010)指出，
基差大小反映了價格推升誘因之大小，兩相比較下，本文實證台北市於 2012~201422基差較李吉弘、楊宗憲(2010)研究之 1996~1998 時期大，亦即 是台北市於 2012~2014 年景氣狀況應較 1996~1998 時期好，而除了此原因 外，本研究認為亦與房地產投資氛圍有關，近年的投資風氣相比二十年 (1996~1998)前更加蓬勃，造成基差的擴張。2012~2014 年位於景氣上升階 段，當面臨景氣反轉向下時，基差應會縮小，於估計景氣下降階段之價格 時恐有偏誤，因此本模型會定期更新23，重新計算基差大小及影響效果，
使估計模型能適用於不同景氣階段。
22本研究研究期間為 2012~2015，然 2015 為樣本外資料，故基差計算期間實為 2012~2014。
23除定期更新外，尚可針對未來景氣情況做係數調整，使景氣翻轉期的估計偏誤縮小。