‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
盜對房價影響之因果關係，此階段除了處理住宅竊盜與房價存在內生性課題導致 估值偏誤的情形外，同時檢驗政府「公布」住宅竊盜地圖之行為是否衝擊房價，
若測試住宅竊盜資訊公開後，房價未因鄰近住宅竊盜而有負向影響者，則認定住 宅竊盜未對房價造成影響，亦不進行後續討論。
‧
平方法（Ordinary Least Squares, OLS）釐清住宅竊盜對房價的影響效果，考量住 宅價格因地理位置相近能分享許多相似特徵而存在空間自相關情形，而最小平方 法無法處理空間上變異易產生無效率的係數估計與模型解釋力不佳的情況，為解 決上述問題，本文將以Moran’s I 值檢定住宅價格是否存在空間相依性，若有即 使用空間延遲模型（Spatial Lag Model）與空間誤差模型（Spatial Error Model）進行估計比較後，選出最適的空間迴歸模型進行後續實證分析。
因此 Rosen（1974）以 Lancaster(1966)的新消費者理論為基礎，結合效用與競價 理論，提出不動產特徵價格理論，分析消費者和生產者在市場均衡下，每增加一 價分布較為常態（Sirmans, Macpherson and Zietz, 2005）且降低異質變異問題，故
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
本研究採半對數模型估計係數，其解釋為一單位屬性變化，影響住宅價格的百分 比變動效果，其模型如下：
𝐿𝑁(𝑃𝑖) = 𝛼 + ∑ 𝛽𝑗𝑋𝑗+
𝑘
𝑗=1
∑ 𝛾𝑚𝐷𝑚+
𝑞
𝑚=1
𝜑
其中，LN(𝑃𝑖)為第 i 筆樣本的成交價格取自然對數；α為截距項；𝛽𝑗為第 j 筆 連續變數資料的估計係數；𝑋𝑗第 j 筆連續變數特徵屬性（所在樓層、建物面積等）； 𝛾𝑚為第 m 個虛擬變數的估計係數；𝐷𝑚為第 m 個虛擬變數；𝜑為誤差項。
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
空間延遲模型（Spatial Lag Model；SLM）
空間延遲模型矩陣公式如下：
𝑃 = 𝛼 + 𝜌𝑊𝑃 + 𝛽𝛸 + 𝜀
𝑃表示住宅價格；𝛼為截距項； 𝑊為空間鄰近矩陣；𝜌為空間延遲係數；𝛽為 住宅特徵變數係數值；𝛸為住宅特徵變數；𝜀為殘差項。若空間延遲係數𝜌達到統 計顯著水準，則表示在控制住宅特徵之後，樣本空間與鄰近區域確實存有空間相 關，而空間延遲模型（SLM）多控制了鄰近區域的影響，使誤差彼此不再空間自 相關。
空間迴歸模型檢定
拉氏乘數檢定（Lagrange Multiplier Test）是針對傳統迴歸模型進行檢定，檢 驗模型是否存在空間延遲及空間誤差情況，拉氏乘數檢定按 LM-Lag 與 LM-Error 檢定結果判定模型的空間相依性屬空間延遲或空間誤差相依，若 LM-Lag 顯著而 LM-Error 不顯著，建立空間延遲模型；反之則使用空間誤差模型；若 LM-Lag 與 LM-Error 結果皆達顯著水準，進一步比較 Robust LM-Lag 與 Robust LM-Error 值
（Anselin, 2005），前者顯著則應使用空間延遲模型，後者顯著則應使用空間誤 差模型，若兩者亦顯著，則進一步比較模型配適度11；若 LM-Lag 與 LM-Error 檢 定皆不顯著表示使用傳統迴歸模型即可。
11 模型檢定結果，LIK 值愈大，AIC 值愈小模型配適度愈好。
‧
Robust LM-Lag顯著情形
空間誤差模型 空間延遲模型
最小平方法
‧
少有五種模式（Tita et al., 2006），包含：一、高級住宅區對罪犯而言往往具較高 的預期報酬，因而引來犯罪；二、犯罪數據來自於民眾的報警，對於民眾未報警（Single Family House）型態的建築，擁有落地窗與靜謐庭院易引誘罪犯侵入，
而臺北市地狹人稠對於土地高度利用度，建物型態以四層樓以上之公寓、華廈、
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
𝑃𝑖 = 𝛽0 + 𝛽1𝐴𝑓𝑡𝑒𝑟 + 𝛽2𝑇𝑟𝑒𝑎𝑡 + 𝛽3𝑇𝑟𝑒𝑎𝑡 ∗ 𝐴𝑓𝑡𝑒𝑟 + ∑ 𝛽4𝑋 + 𝜀
其中，𝑃𝑖為住宅價格；𝛽0為政策公布前控制組數值（即𝛽1、𝛽2、𝛽3皆為 0）；
After 為時間點是否為政府公布住宅竊盜地圖之虛擬變數，若為公布前，即時間 介於 104 年 1 月至 104 年 10 月者，設為 0；公布後為時間介於 104 年 11 月至 105 年 8 月者，設為 1，𝛽1表示控制組隨時間受到的影響；Treat 為實驗組虛擬變 數，位在住宅竊盜影響範圍內之住宅為實驗組設為 1，否則為 0，𝛽2為政策公布 前實驗組與控制組間差距；𝑇𝑟𝑒𝑎𝑡 ∗ 𝐴𝑓𝑡𝑒𝑟為政府公布住宅竊盜與實驗組的交乘項，
𝛽3為政府公布住宅竊盜地圖對房價的影響效果；∑ β4X為其他影響房價因素；𝜀為 誤差項。
表 3-1 整理上述迴歸係數值代表的意涵，並於圖 3-3 差異中之差異法示意圖 上表現。
表 3-1 差異中之差異迴歸係數表
係數 計算值 意涵描述
𝛽0 B 政策公布前控制組數值
𝛽1 D-B 控制組隨時間受到的影響
𝛽2 A-B 政策公布前實驗組與控制組間差距 𝛽3 （C-A）-（D-B） 政策公布效果
- 圖 3-3 差異中之差異法圖示
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 3-3 為差異中之差異法圖示，縱軸為結果，表示政策介入前後實驗組、控 制組的量化成果；橫軸為時間，依政策介入時點區分政策介入前、後。其中𝐵𝐷̅̅̅̅為 控制組於政策介入前後的時間變化情形；𝐴𝐶̅̅̅̅為實驗組於政策介入前後的時間變 化，兩者皆為可觀測的事實，而𝐴𝐸̅̅̅̅為假設政策未介入下實驗組隨時間變化的情 況，其為不可觀測的虛擬事實（Counterfactual），用於衡量政策介入前後的效果 即（C-E）=𝛽3。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
資料說明與處理
為探討臺北市政府公布住宅竊盜地圖是否影響房價，本研究所需資料包含住 宅竊盜資訊與住宅交易資料，本節將依序說明資料來源、資料處理過程與變數選 取。
一、
住宅竊盜地圖
住宅竊盜地圖為臺北市政府於 104 年 10 月 13 日起公布於臺北市政府開放 資料平臺13，公布的訊息包含：住宅竊盜案發生日期、時段與區段化地址，其為 逐月更新14資料。如表 3-2 所示，民國 104 年 10 月 13 日為首次公布時點，公布 內容為當年 1-9 月的住宅竊盜資訊，共計 442 筆（圖 3-3），考量公布後每月更 新的時點不一致，推斷更新資料下個月的住宅交易對於政府公布之資訊為可得而 知的，例如，104 年 10 月公布的犯罪資訊為 11 月交易的買賣雙方可搜尋到的15。 因此，隨著時間積累已公布之住宅竊盜數將逐月增加，至 105 年 7 月止，已公布 之住宅竊盜點位已累積至 905 筆（圖 3-4）。
為了將竊盜地圖與住宅交易案例結合，本文運用輸入地址批次轉換經緯度網 站16將 住 宅 竊 盜 的 地 址資 料 轉 換 成 經 緯 度 後 匯 入 地 理 資 訊 系 統 (Geographic Information System, GIS)，檢視住宅竊盜案與住宅樣本的空間關係。
13 參考網址：http://data.taipei/
14 有例外，例如 104 年 11 月未更新資料。
15 由於 104 年 11 月政府未更新資料，故實際情況為 11、12 月交易的民眾對犯罪資訊的了解為 104 年 10 月公布的內容。
16 參考網址：http://gps.uhooamber.com/address-to-lat-lng.html
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
表 3-2 住宅竊盜地圖更新進度與住宅交易關係
公布/更新時間 公布內容（累計） 住宅竊盜地圖與住宅交易 已公布竊盜數 104.10.13 10401-10409 104.11、12 月交易雙方可查詢 442 104.12.08 10401-10411 105.01 月交易雙方可查詢 531 105.01.07 10401-10412 105.02 月交易雙方可查詢 600 105.02.18 10401-10501 105.03 月交易雙方可查詢 670 105.03.10 10401-10502 105.04 月交易雙方可查詢 715 105.04.15 10401-10503 105.05 月交易雙方可查詢 758 105.05.10 10401-10504 105.06 月交易雙方可查詢 815 105.06.17 10401-10505 105.07 月交易雙方可查詢 854 105.07.13 10401-10506 105.08 月交易雙方可查詢 905 資料來源：本研究整理
圖 3-3 104 年 10 月公布之住宅竊盜分布圖 圖 3-4 105 年 7 月公布之住宅竊盜分布圖
‧
17 參考網址：http://lvr.land.moi.gov.tw/homePage.action
18 備註欄中有敘明事項者皆剔除之。
19 考量臺灣土地使用採住商混合型態，一樓多作商家、店鋪使用，非本研究欲探討之標的。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 3-5 104 年 11 月住宅交易與已公布之住宅竊盜分布圖 四、
變數選取
為探討住宅竊盜地圖公布對鄰近住宅價格的影響，被解釋變數為不動產價格，
而價格又有總價與單價之分，就特徵價格理論基礎房屋屬一束財貨（A Bundle of Good）具不可分割性且房屋面積亦為不動產特徵之一部，原則上採總價應較適 合，然以總價分析易發生面積類屬性控制大部分的解釋能力（李泓見、張金鶚、
花敬群，2006；黃美娟，2008；戴國正，2011），將難以看出住宅竊盜對房價的 邊際影響，因此本研究採單價計算，考量住宅具高度異質性，本文蒐集學校、捷
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
5. 行政區
區位為影響不動產價值重要因素，各個行政區因其獨特的區位條件差異形成 不同特色的次市場，本文將以臺北市 12 個行政區設定虛擬變數，以萬華區為參 照組，共設定 11 個虛擬變數。
6. 與捷運站距離
Kellekci and Berköz（2006）指出居住環境品質、地區可及性對居住滿意度有 顯著的正向影響，住宅與公共設施的鄰近程度彰顯住宅的環境品質與便利性，與 捷運站離住宅愈近代表交通可及性愈高提升提升生活便利性，對房價有正向影響
（林祖嘉、林素菁，1993），反之距離愈遠者對房價影響為負，預期符號為“負”。
7. 與國中小學距離
本文排除高中、大學，選取具學區性質的國小、國中做為控制變數，凸顯教 育環境需求對房價的影響。一般而言，學校為提供都市或社區居民教育需要的公 共建設屬福利社施，距離愈近對房價具正向影響，反之則為負向影響，預期符號 為“負”。
8. 與商業市中心距離
為良好控制影響房價因素，本文運用空間統計方法－Local G-statistic 之 Getis-Ord 𝐺𝑖*檢驗房價空間群聚現象，如圖 3-6 所示高房價群聚於捷運重點轉乘 車站－忠孝復興捷運站，該區擁有眾多的百貨公司、辦公大樓與商家，為臺北市 最繁榮昂貴之街區之一，故本文選取忠孝復興為商業市中心計算住宅樣本與其距 離，預期符號為“負”。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 3-6 以 Getis-Ord’s Gi*計算住宅價格空間群聚強度分佈圖
9. 季節變數
考量住宅價格將隨交易時間不同，受總體環境波動及趨勢影響，為控制時間 因素造成的價格波動，本文以交易季別為單位劃分住宅樣本。
為忠孝復興捷運站