第二章 理論探討與文獻回顧
第三節 高齡化人口結構與房價時間趨勢
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y 第二章 理論探討與文獻回顧
需求與供給狀態會對於房價產生影響。然而，影響房地產供需的諸多 關鍵因素中，本研究嘗試以人口結構高齡化作為立論觀點，討論高齡化對 於房地產需求面之影響，觀察房屋價格因素。在本章有三個部份，第一節 房價影響因素分析，探究文獻，剖析房產價格因素影響；第二節高齡化與 結構性改變影響因素，將其高齡化及如何結構性改變影響因素加以說明；
第三節高齡化人口結構與房價時間趨勢，介紹其形式與結構及其基本要求。
本章將區分房價、高齡化、以及高齡化對於房產價格影響之分析內容，藉由 蒐集相關文獻，討論彼此的影響關係。
第一節 房價影響因素分析
林左裕(2018a)歸納影響不動產需求的因素大致區分如下：經濟金融面 向包括資金、利率等因素；社會層面包括人口和家計單位數等因素；市場需 求面包括區域人口數量以及區域性產業發展與就業機會等因素；政策影響 面包括住宅政策、稅制政策、金融政策等因素；其中又以利率與廠商資金成 本與民間資金動能至為相關，也是影響房地產以及各種投資標的關鍵因素。
游適銘(2012)指出影響房產價格的因素可以辨別出個別因素、區域因 素及一般因素。一般因素包括地理位置、土壤地質狀態以及氣候現象等自 然因素；人口結構、教育及社會福利、交易及使用習慣、公共建設等社會因 素；儲蓄及投資、財政金融、物價指數、利率水準、貨幣政策及就業機會等 經濟因素；土地管制、使用分區、住宅政策等政治因素。本文主要討論在不 同地區下，一般因素影響房價之關係研究，因此區域因素及個別因素非本 文主要研究內容。
新經濟地理學(New Economic Geography)理論，假設各企業的就業人 口是一樣的，企業的多寡或人口的密度就可以代表該地區的就業數量或人 口的密度。受益於新經濟地理學(New Economic Geography)理論中的就業 密度，因此某地區聚集的公司數量愈多，就業機會也就愈多；聚集的公司愈 多，勞動生產力也就會愈高。所以在新經濟地理學(New Economic Geography)
‧
新成長理論(New Growth Theory)認為人口或勞動力為經濟成長的要素 之一；新經濟地理學(New Economic Geography)則認為產業聚集和人口聚 集推動了經濟成長；王銘正(2014)指出人口為經濟成長的要素是無庸置疑
討論影響房屋價格之相關因素。Li and Chu(2017)透過實證分析，辨別出總 體經濟變數對於房產價格的干擾，存在相當的影響效果，因此提出建議，當 研究者觀察房地產價格影響趨勢時，必須考量總體經濟因素之變化。Dehesh and Pugh(2000)證實房價的時間趨勢影響會受到國內與國際總體經濟變數 的影響，而這些總體經濟因素包含了經濟成長、利率、以及國際局勢等因
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
所謂的短期衝擊，例如金融風暴期間產生的消費與投資需求下降，一 旦危機解除，則經濟體系恢復長期波動趨勢；而所謂的結構性變動，例如人 口結構步入老人化，造成整體經濟結構出現變化，促使經濟體系長期波動 趨勢出現改變。以下列舉相關文獻論述之。在短期衝擊因素中，陳隆麒與李 文雄(1998)討論利率與股價的短期波動對於房屋價格的影響效果，該文採 用 1985 年 1 月至 1997 年 10 月的臺北市與高雄市房屋價格、臺灣的利率與 股價加權指數資料，透過時間序列實證研究，結果發現股價加權指數與房 屋價格彼此呈現正面的顯著因果關連且相互回饋，在利率上漲後對於房價 帶來正面的衝擊持續一年以上。
陳尚珉(2012)該文研究指出，臺中地區因科學園區設立，大量人口移 入，在聚集經濟下，其周邊房屋價格因此升高。
林左裕(2018a)研究發現，利率上升對債券、股票以及不動產等投資通 常是負面影響，原因是投資的成本會增加，對投資是較為不利的。林左裕與 程于芳(2014)研究影響不動產市場之從眾行為與總體經濟因素之關係時發 現，如住宅存在從眾行為時，則與購屋貸款利率呈現反向變動。
2007 年底至 2008 年期間發生的美國次級房貸問題，延伸出全世界的 金融風暴現象，對於我國房價市場造成嚴重的短期衝擊，郭秋榮(2009)指 出，臺灣住宅用的房價市場受到美國房市持續惡化和全球性的金融風暴衝 擊，造成國內房價面臨持續下修之風險。金融風暴期間的臺灣房地產市場 交易狀況，2008 年第二季起法院拍賣數量大增，特別是大臺北縣市，如此 說明了房地產貸款違約情況劇增。後續的第二季與第三季行情亦呈現下跌 之態勢。房地產受挫的影響過程，該文認為主要是透過兩種力道之影響，其 一，為金融風暴造成國內民眾所得減少所產生的財富效應，在此效果下無 法持續支付房屋貸款，紛紛釋出房屋持有造成供給面的大幅度增加，房價 有下修之壓力；其二，為金融風暴所帶來的住宅金融惡化，原因在於該期間 的金融產業資產銳減，促使金融業加強風險控管，因而減少金融機構房貸 比率，如此緊縮了房屋市場需求，房價出現下挫之結果。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
金融風暴短期衝擊影響，表 2-1 都會區季指數 2005 年至 2019 年房價 指數的 2008 年出現的房產價格指數下跌現象，一旦金融風暴結束，房屋價 格則恢復成長趨勢。
表 2-1 六大都會區房價指數
季別 臺北 新北 桃園 新竹 臺中 高雄 臺灣 2005Q1 122.14 127.89 131.79 108.74 122.49 107.22 123.47 2005Q2 126.58 129.44 134.09 107.27 130.22 120.20 126.39 2005Q3 129.17 133.53 138.65 108.72 129.53 118.45 128.72 2005Q4 133.40 136.34 138.30 111.42 137.59 111.40 132.04 2006Q1 134.34 137.22 136.20 113.55 133.30 132.58 132.67 2006Q2 144.77 143.92 145.91 126.30 139.81 116.07 139.09 2006Q3 150.95 146.09 153.05 120.58 142.69 124.92 141.12 2006Q4 153.18 151.55 143.60 121.95 146.64 115.22 147.14 2007Q1 162.39 154.51 151.86 125.54 153.10 111.53 152.14 2007Q2 166.45 157.72 153.24 130.58 155.12 114.41 156.39 2007Q3 165.66 155.73 147.70 131.06 159.49 120.76 155.03 2007Q4 164.87 156.15 149.98 126.30 156.29 115.88 152.61 2008Q1 176.30 159.88 156.44 126.32 166.47 115.79 160.48 2008Q2 179.91 164.12 161.21 128.61 173.03 125.56 163.75 2008Q3 173.60 161.97 159.96 135.23 162.03 132.03 159.65 2008Q4 163.46 154.87 155.08 133.92 153.50 119.45 151.72 2009Q1 164.68 154.71 157.60 126.93 151.43 116.60 152.80
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
2009Q2 177.92 163.60 167.92 134.36 164.51 107.28 161.83 2009Q3 190.25 173.42 173.06 138.92 176.27 137.64 172.47 2009Q4 201.97 181.58 176.06 143.34 183.28 128.60 178.51 2010Q1 209.79 183.96 184.83 145.13 188.65 131.55 184.81 2010Q2 217.66 194.83 182.24 139.80 191.10 137.25 191.07 2010Q3 223.02 200.70 186.02 147.07 203.86 139.59 195.97 2010Q4 236.59 210.56 192.87 149.58 199.32 150.59 206.76 2011Q1 240.76 222.51 203.21 160.80 212.90 165.78 215.94 2011Q2 246.12 226.37 213.26 153.86 212.42 155.67 218.72 2011Q3 245.73 234.05 226.08 165.72 226.60 173.07 224.95 2011Q4 251.68 235.58 233.41 163.26 226.00 168.83 226.94 2012Q1 254.19 239.49 229.55 168.24 239.34 179.11 231.10 2012Q2 262.70 252.20 241.89 178.26 237.24 181.00 241.27 2012Q3 268.28 248.27 251.42 187.35 252.49 193.82 244.19 2012Q4 269.15 255.19 269.65 179.08 264.33 194.53 248.95 2013Q1 284.55 265.26 277.24 185.53 259.09 213.41 259.20 2013Q2 292.94 289.82 292.23 200.70 280.63 228.67 278.51 2013Q3 294.89 297.67 302.87 195.88 287.55 226.26 280.87 2013Q4 304.85 296.37 308.01 199.10 288.63 231.48 286.53 2014Q1 298.50 310.75 311.34 206.61 292.42 240.54 290.73 2014Q2 310.20 312.28 310.59 207.51 293.24 235.24 297.78
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
2014Q3 297.45 311.43 305.81 210.11 296.94 249.14 294.88 2014Q4 294.26 306.49 310.61 208.79 294.17 245.43 292.60 2015Q1 302.06 306.38 304.01 210.86 300.44 247.00 291.84 2015Q2 289.60 308.01 303.30 211.69 296.95 256.89 289.30 2015Q3 286.22 294.91 293.46 211.13 289.13 257.68 285.43 2015Q4 273.98 293.38 293.63 213.62 294.58 250.18 280.63 2016Q1 271.36 287.21 284.99 207.29 278.05 248.06 274.20 2016Q2 276.76 295.40 289.39 210.73 287.58 250.48 279.74 2016Q3 269.52 296.60 286.65 211.03 287.54 257.10 278.97 2016Q4 270.97 290.09 292.91 212.24 287.65 241.37 277.06 2017Q1 274.44 289.02 287.25 211.64 284.83 254.26 278.24 2017Q2 273.97 292.73 297.29 216.66 293.45 261.37 282.36 2017Q3 271.57 292.00 295.56 211.59 294.08 257.42 279.62 2017Q4 267.73 295.62 295.10 212.18 302.74 257.14 281.96 2018Q1 276.30 296.10 301.02 220.50 295.58 256.22 283.34 2018Q2 275.93 298.37 307.39 221.39 309.57 257.60 285.55 2018Q3 278.04 296.99 304.77 221.34 307.51 258.53 283.98 2018Q4 279.76 296.11 304.28 230.09 311.92 261.98 287.20 2019Q1 280.45 300.04 311.48 225.57 311.05 270.11 289.33 2019Q2 284.13 307.63 301.12 228.43 321.45 263.65 294.46 2019Q3 281.66 301.71 313.13 231.35 321.69 259.95 293.35
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
2019Q4 281.12 305.56 312.58 235.78 327.73 277.13 296.48 註:1.資料來源:信義房屋房價指數資料庫。2.底線:房價指數下跌。
如將上表的資料轉換為圖 2-1 中六大都會區房價指數圖，更明顯看出 短期衝擊只是一時效果長期仍會回到均衡狀態。
註:資料來源:信義房屋房價指數資料庫。
圖 2-1 六大都會區房價指數圖
另一方面，所謂的結構性改變對於房產價格所帶來的衝擊，彭建文、林 秋瑾與楊雅婷(2004)討論國家的貨幣政策、建照面積規範法令的修改、以 及經濟產業結構變動所帶來的股價指數長期性的波動，這些因素對於臺北 市的房屋價格的影響，其中產業結構改變的股價指數波動對於房價結構改 變最為直接，貨幣政策則為間接影響因素，而建照面積規範法令的修改對 於房產價格影響效果在該文中則不顯著。
而在近期，我國政府為了抑制高房價採用奢侈稅與實價登錄制度，在 林玉婷(2014)研究中也顯示，對於我國房價市場帶來結構性的改變，造成 房價成長率趨緩。
藉由以上的文獻整理，本文彙整後得出，影響房屋價格因素可以區分 為政策性包括土地管制、使用分區、住宅政策、稅制政策、金融政策等因 素；經濟性包括資金、利率、儲蓄及投資、財政金融、物價指數、利率水準、
‧
Roulac(1996) 建議根據過去房價趨勢來 判定，另須要對干擾房地
Dehesh and Pugh(2000) 證實房價的時間趨勢影響 會受到國內與國際總體經
‧
‧
Eco-nomic Geography)某地區的就業數量或人口
新成長理論(New Growth Theory)
認為人口或勞動力為經濟 成長的要素之一。
勞動參與率
註：文獻依年份排序。
‧
‧
貼與補助作為所得來源，此現象下 Gokhale and Raffelhuschen(2000)認為高 齡化的社會，老年人口比例提高將使政府增加消費支出，原因來自於老年Casamatta et al.(2001)提出高齡化社會對於政府的退休金制度之破壞，
造成退休金無法支應之狀況，如此政府必須提出延遲退休年齡、或者以增 加課稅的方式來彌補。Gust and McDonald(2001)是以日本與澳大利亞人口 老化現象當作研討主題，以實證分析的方式，討論對社會最適儲蓄，該文認 為近 30 年來日、澳人口有明顯的高齡化趨勢，於是人們在年少時會加強自
‧
Gokhale and Raf-felhuschen(2000)
‧
Gust and McDonald(2001) 為因應將來支出會排擠當期消費，造成消費市場陷
Börsch-Supan(2003) 研究結果顯示人口老化將 降低勞動參與率。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第三節 高齡化人口結構與房價時間趨勢
依據上述分析結果，人口結構高齡化會造成經濟體系諸多面向的影響，
而房產價格與總體經濟各項因素又呈現交互影響關係。因此本研究以人口 結構高齡化與房屋價格之影響關係為分析之主軸。
人口組成結構變化之於房地產市場的干擾，以至於影響房價走勢之研 究，Mankiw and Weil(1989)觀察美國人口組成結構變遷之於房產價格市場 的效應，提出戰後嬰兒潮世代大批湧入房地產市場購房，頓時促成房地產 市場需求大增是引起 1970 年代房產價格上漲的主要起因。而到了嬰兒潮 世代衰退後，這個現象預期 1990 年代由於較少房地產需求，將造成爾後 二十年的房屋價格大幅下跌。
Rappaport(2013)認為經濟景氣與貨幣緊縮政策只能對於房地產市場帶 來短期衝擊，至於人口高齡化因素將對房地產市場帶來長期性的結構性改 變。該文指出美國人口高齡化現象將使房地產中的獨棟住宅需求減少，公 寓型住宅則增多，原因來自於高齡者對於公寓型住宅的需求偏好較高。
Carter et al.(2013)討論特定區域居民年齡組成結構之於房產價格之效 應，分析指出高齡者相對於年輕擁房者，因剩餘壽命較為有數，無法逐年等 待，因此對於個人權益的虧損較為敏銳，並且多數高齡者將住宅視為奢侈 財貨，因此高齡者對於經濟市場的不確定性較為敏感，稍微的風吹草動，則 傾向不擁屋，如此狀況下，特定地區的高齡化現象愈高，則會降低該地區的 房屋價值。
國內有關各項資產在需求面的文獻實驗證明中，鄭惠如(2006)討論我 國高齡化與房地產之間關係之探討分析，其蒐集 1991 至 2005 年房地產價 格指數與人口數據。其研究實證得出，人口高齡化與少子化的景象之於房
國內有關各項資產在需求面的文獻實驗證明中，鄭惠如(2006)討論我 國高齡化與房地產之間關係之探討分析，其蒐集 1991 至 2005 年房地產價 格指數與人口數據。其研究實證得出，人口高齡化與少子化的景象之於房