第二章 相關理論與文獻回顧
第四節 小結
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
18
第四節 小結
從過去文獻可以發現購屋者的搜尋行為、預期及其屬性可能影響購屋時的 決策與購屋者對成交價格的接受度，對其購屋時的住宅成交價格可能有所影響。
而過去使用特徵價格模型的國內文獻，在變數的選取上多以住宅特徵、區位特 徵、距離公共設施距離等做為主要變數，並較少同時將購屋者搜尋行為、預期 及其屬性加入討論，可能因此過度的放大住宅、區位特徵對價格的影響。
除此之外，傳統的特徵價格以普通最小平方法的方式估計是一種「平均」
的估計，可能會在頭尾的部分造成偏誤，現今的不動產除具有異質性外，價格 也有巨大落差，若僅以傳統的最小平方法進行估計，恐無法確實的反應各項特 徵對價格的影響，在國內文獻的實證結果也發現部分特徵在不同分位時對成交 價格的影響程度有所不同，亦可透過分量迴歸釐清過去文獻產生不同結果之原 因。
綜合上述，若特徵價格模型僅以建築及區位屬性做為變數，缺乏同時討論 不同購屋者在購屋時可能對成交價格造成的影響，那麼對成交價格形成原因的 探討可能會有所偏誤；而傳統最小平方的估計亦可能在頭尾的部分造成偏誤以 致於無法確實釐清影響不動產成交價格之因素，因此在特徵價格模型中加入購 屋者特徵並且觀察不同分位時各變數影響的變化程度，可以進一步釐清住宅成 交價格的影響因素，亦可增加模型於現實中的適用性。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y 第三章 研究設計與樣本資料分析
第一節 研究設計
本研究的目的在於證實購屋者搜尋、預期及其屬性對於住宅不動產成交價 格有所影響，並釐清購屋者搜尋、預期及其屬性對於住宅成交價格的影響程度，
並觀察在不同價位的產品時，各項購屋者特徵對價格影響之變化。
過去建立特徵價格模型時可能受限於購屋者資料取得困難，未能將購屋者 特徵加以考量，可能造成實證結果的偏誤，因此研究透過以宅與區位屬性為主 的特徵價格模型中加入購屋者搜尋、預期及其屬性變數，藉此比較購屋者特徵 對特徵價格模型結果的影響；另外透過分量迴歸的方式，觀察在不同價位時各 項特徵對價格的影響。本文的實證邏輯首先會以住宅及區位特徵建立特徵價格 模型，之後再建立加入購屋者搜尋、預期及屬性變數的特徵價格模型，將前述 兩者進行比較，以釐清在模型配適度、變數影響力變化的情況。確定購屋者特 徵變數對特徵價格模型的影響後，再建立分量迴歸的模型進一步釐清在不同價 位下各項特徵對住宅成交價格的影響程度。
‧
and Zietz (2005)研究指出特徵價格模型中半對數模型可透過特徵係數值說明 每一單位特徵的改變、百分比的變動並可以最小化異質變異的問題，因此本研‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
; ∑ : | | 1 ∑: | | (3-4) (3-4)為線性模型，其中， 代表被解釋數， 代表解釋變數的向量，T 是樣本個數。給定權重θ(0<θ<1)，以加權的平均絕對誤差估計出第θ個分量迴 歸的目標函數。若θ等於 0.5，正負誤差權數相等，估計出迴歸模型即為第 0.5 分量之迴歸(亦即中位數迴歸)；而若 θ 小(大)於 0.5，目標函數正誤差的權數將 較小(大)，而負誤差的權數將較大(小)，故此分量乃位於分配的左方(右方)。
為釐清各項特徵在不同成交價格分位時對成交價格影響之情形，分別由模 型二進行延伸，以分量迴歸模式建置模型三如下(3-5)式:
ln(price ) ; ＝ β ＋∑ β X ＋β buyer＋γ (3-5)
其中price 為第 i 筆資料成交總價，其中θ表示分量，範圍介於 0、1 之間，
β 為對應的常數項，β X 為第 i 筆資料的第 j 個傳統建物特徵屬性於θ 分位時，
β buyer為購屋者行為與屬性相關變數係數於θ 分位時，γ 為殘差項。
‧
‧
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
收入
收入代表購屋者的負擔能力，收入越低者負擔能力越低，對價格上限的底 線應越強硬以避免超過其負擔能力，本文以較高收入7(HI)、中等收入(MI)為虛 擬變數，預期符號為正。
5.購屋時間(T)8
不動產成交價格也受到當時市場的景氣影響，本文資料期間為民國 99 年 下半年至101 年第四季，故取民國 101 年、民國 100 年、民國 99 年做為虛擬 變數。
7 台灣住宅需求動向季報問卷月收入部分級距分為 3 萬以下、3~6 萬、6~9 萬、9~12 萬、12~15 萬、15 萬以上，本文將 3 萬以下、3~6 萬歸類為較低收入，6~9 萬、9~12 萬、12~15 萬歸類為中 等收入，15 萬以上為高收入。
8 台灣住宅需求動向季報問卷的問項包含購屋者出生年與購買年分，本文用購買年分減去出生年 求得購屋者年齡。
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
三、基本敘述統計
(一)變數敘述統計
表二為前述所挑選取的變數之基本敘述統計，經篩選後樣本數共計 2512 筆。在住宅特徵的連續變數部份，樣本的平均樓高為10.78 層，屋齡平均為 12.85 年，坪數平均為33.38 坪，衛浴平均為 1.64 套。在虛擬變數部分，一樓占樣本 的比例較低，僅有 2%。區位部分台北市中心占樣本數新 8.24%，台北市市區 占 7.21%，台北市郊區占 9.71%，新北市中心占 20.82%，新北市市區比例占 43.51%。
購屋者行為變數部分，購屋者年齡平均為38.15 歲。教育程度部分，平均 數為 3.95 級，接近第 4 級的「大學畢業」程度。購屋前的搜尋宅數平均數為 10.71 戶。在收入部分，較高收入與較中等收入分別占 11.19%與 52.11%。預期 未來房價上漲的購屋者則占44.43%。
在樣本的購買住宅時間上，於民國99 年購買者占 21.54%，於民國 100 年 購買者占40.53%、於民國 101 購買者占 37.94%。
(二)成交價格分布情形
觀察表二，本次樣本的住宅成交價格平均數為 1096 萬元，最小值為 256 萬元，最大值為10000 萬元。表三為各分位成交價的數值，0.1 分量為 550 萬 元、0.25 分量為 699 萬元、0.5 分量為 910 萬元、0.75 分量為 1274 萬元、0.9 分量為1737 萬元。
‧
‧
‧
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
32
綜合以上分析，可以觀察到在不同價位的住宅，其購屋者的動機、負擔能 力與行為將有所不同。在低價位的房價時，有較大比例的購屋者屬於收入較低 的族群，此時購屋者平均年齡較低，大多數的購屋動機以消費為主，並且在購 屋前會有較多的搜尋宅數。而購買高價位住宅中投資者的比例可能更高，並且 為收入較高的族群，此時搜尋宅數較少，購屋者的平均年齡也較高。
‧
二的特徵價格模型。根據Sirmans,Macpherson,and Zietz (2005)研究指出特徵價 格模型中半對數模型可透過特徵係數值說明每一單位特徵的改變、百分比的變 育程度、收入、對未來房價預期等變數。觀察表九，模型二調整後之R-square 值為0.750，整體模型配適度佳，而所有解釋變數皆達到 1%的顯著水準，加入‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
34
至模型二的 0.750，模型配適度略為提升，但上升幅度並不大。觀察表十，可 以釐清將各購屋者行為與屬性變數加入模型後對調整後之 R-square 之提升程 度，另外透過顯著性F 改變量觀察，額外加入的解釋變數對應變數皆為顯著，
顯示額外加入的購屋者行為與屬性變數有顯著的解釋能力。另外，從標準化係 數觀察，可以發現雖然區位屬性跟部分住宅特徵對成交價有較大的影響力，但 是新加入的購屋者變數中，有部分的變數影響力亦高於傳統經常使用的住宅變 數。表十一為模型二中變數影響力的排名，在模型使用的18 個變數中，排名 較前面的分別是坪數與區位變數，但較高收入排名為第8、中等收入排名為第 11、教育程度排名為第 12、年齡排名為第 14，顯示新加入的購屋者變數仍有 一定的影響力，其中部分影響力甚至超越過去經常使用的住宅變數。
綜合上述，加入購屋者特徵變數對模型的配適度有些許的提升，且額外加 入的變數皆有顯著的解釋能力。若從對房價的影響層面觀察，可以發現部分加 入的購屋者特徵變數對房價的影響能力高於原先既有的住宅變數。由實證結果 可知，若以成交價格建立特徵價格模型時忽略購屋者搜尋、預期及屬性變數，
將有可能過度放大住宅變數對房價的影響力而造成偏誤。
‧
‧
‧
0.5、0.75、0.9 及最小平方法之迴歸係數值，依序列於表十二，以觀察各種住 宅特徵與購屋者行為與屬性對於不動價位時的房價之影響。實證結果顯示，最 則分別為0.065%與 0.088%。在顯著方面，0.1、0.25 分量達到 1%的顯著，0.5 分量僅達到10%的顯著水準，至於 0.75、0.9 分量則不顯著。簡而言之，搜尋 宅數在平均趨勢下對房價呈現正向影響，而在較低分位時正向影響最為強烈，
之後隨著房價上升呈現下修趨勢，至房價上升至910 萬元之後不再有顯著的影
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
之，購屋者預期看漲在平均趨勢下，對房價呈現正向影響，而在房價低於910 萬時正向影響較為輕微且不顯著，當房價上升至910 萬後，影響隨著房價上升 呈現增加趨勢。顯示購屋者預期看漲在高房價時正向影響更為激烈，而在低房 價時影響輕微且不顯著。
五、收入
收入指購屋者的平均家庭月收入，變數分為低、中、高收入表示，其中家 庭平均入於六萬以上、十五萬以下為中收入，十五萬以上歸類為高收入。在最 小平方法中，高收入購屋者對交易總價的影響為19.43%，並達到 1%的顯著，
而中等收入購屋者對交易總價的影響為 8.48%，亦達到 1%的顯著。顯示若購 屋者為高收入或中收入的購屋者，相較於低收入的購屋者，對房價有正面影響。
觀察圖二，分量迴歸結果顯示，隨著房價上升，高收入購屋者與中等收入購屋 者對房價的正向影響呈現不同的結果。高收入的購屋者在 0.1 分量時影響為 18.35%，至 0.25 分量時為 17.99%，至 0.5 分量時為 20.82%，至 0.75、0.9 分 位則分別為 20.27%與 22.78%，且在各分位皆達到 1%的顯著。中等收入的購 屋者在 0.1 分量時影響為 12.02%，至 0.25 分量時為 9.56%，至 0.5 分量時為 8.17%，至 0.75、0.9 分量則分別為 6.88%與 7.82%，且在各分位皆達到 1%的 顯著。結果顯示，購屋者若為高收入，對房價的影響隨著房價的上升，將有更 激烈的正向影響，而中收入者購屋者對房價的正面影響趨勢則隨著房價的上升
觀察圖二，分量迴歸結果顯示，隨著房價上升，高收入購屋者與中等收入購屋 者對房價的正向影響呈現不同的結果。高收入的購屋者在 0.1 分量時影響為 18.35%，至 0.25 分量時為 17.99%，至 0.5 分量時為 20.82%，至 0.75、0.9 分 位則分別為 20.27%與 22.78%，且在各分位皆達到 1%的顯著。中等收入的購 屋者在 0.1 分量時影響為 12.02%，至 0.25 分量時為 9.56%，至 0.5 分量時為 8.17%，至 0.75、0.9 分量則分別為 6.88%與 7.82%，且在各分位皆達到 1%的 顯著。結果顯示，購屋者若為高收入，對房價的影響隨著房價的上升，將有更 激烈的正向影響，而中收入者購屋者對房價的正面影響趨勢則隨著房價的上升