結論

本研究利用特徵價格模型與市場萃取法萃取出歷史的收益資本化率資料，並以階 層線性模型實證分析，試圖釐清具有層級特性的不動產屬性商品，以還原不動產使用 價值所產生的基要價格，使大眾得知現況市場價格與基要價格之差距，以降低投資或 購屋之風險及估價上「流於估價師個人主觀」之譏，並在方法學上提供了一種較為適 當且客觀的分析方法。本研究經由實證分析可獲得四個結論如下：

1. 由零模型估計結果顯示，各行政區間的平均收益資化率存在顯著之差異。

2. 由平均數為結果得知，行政區特徵「百貨公司數量」與「公共設施面積比例」兩 者皆負向顯著影響收益資本化率。

3. 住宅實體屬性「面積」、「所處樓層」與「住宅類型1」負向顯著影響收益資化率；

「總樓層數」、「屋齡」與「住宅類型2」正向顯著影響收益資化率。

4. 行政區特徵「人口密度」對收益資化率具有跨層次的負向顯著影響效果，「商業區 面積比例」對收益資化率具有跨層次的正向顯著影響效果。

本研究為探討行政區特徵與住宅類型對收益資本化率之影響，以階層線性模型 (HLM) 建構模式。在過往的研究中，受限於統計研究方法及技術上之限制，故無法 考慮到資料中之階層性結構，常把屬於不同階層特性之資料視為同一層級資料處 理。若在各層級當中，高低階層之層級影響並無顯著時，則以同一層級處理並不會 發生很大之估計偏差，然而若層級間之資料有差異時，則估計出之參數即有可能會 發生很大之缺失。階層線性模型即是為辨別個人層次及總體層次所發明之統計技 術，可將組間（總體層級）之資訊考慮進來。階層線性模型不同於普通最小平方法 (OLS) 迴歸之基本假設，其不僅可允許隨機誤差在各組之間是互相獨立，並且也可 隨著組別不同而不同。HLM 與 OLS 兩者雖然都是迴歸模式，然而 OLS 將資料視

為同一層級資料分析，因此其截距項及斜率項並不受到高層變數之誤差影響，也就 是僅以固定效果 (fixed effect) 來估計截距項及斜率項。HLM 則是把個體層級迴歸 式中之截距項及斜率項當作總體層級之依變項，因此可考慮總體層級誤差項帶來之 影響，並以隨機效果 (random effect) 估計個體層級之截距項及斜率項，檢視其殘差 之變異數是否顯著，若為顯著則表示個體層級（低階）之截距項及斜率項受總體層 級（高階）變數之階層性影響。

Hsiao (1986)曾證實，不同地區固定品質的特徵性價格指數，會因固定係數的假 設而造成偏誤。同理，收益資本化率是房租與房價之百分比，本研究以階層線性模型 來檢定不同地區特徵與不同住宅類型屬性之收益資本化率，是否會隨著不同地區與不 同住宅類型的不同而有所變化。如同Jones (1991) 所指出，單一層級模型係假設資料 並沒有層級的特性，也就表示隨著時間或空間的變化，所有的相關變異均產生在單一 層級。這樣的模型設定否定了地理與歷史差異，而認為無論何時何地都是相同的。而 多層次模型同時考量個體與總體層次，這種更為接近實際觀念的模型設定，也正反映 著現實生活的層級組織現象(Orford, 2000)。本研究實證結果顯示，不論是在各個行政 區，或是不同住宅類型上，住宅各屬性的價值均會隨不同地區與不同住宅類型而發生 改變。本研究因此認為，在估計收益資本化率時，若忽略不同地區特徵與不同住宅類 型屬性之層級變數因素，直接以OLS迴歸估計，必然會造成相當的偏誤。換句話說，

各行政區層級效果與不同住宅類型屬性效果的確存在於台北地區收益資本化率中。

二、實務意涵

運用收益法進行不動產估價時，存在著許多問題，並且，以不同程度影響了估價 過程的客觀性、科學性和估價結果的精準度，致收益資本化率推估繁雜且不好解釋。

本研究利用階層線性模型探討不同行政區特徵（包括百貨公司數量、商業區面積比 例、人口密度、公共設施面積比例）與住宅之屬性（包括面積、所處樓層、總樓層數、

屋齡、屋齡平方與住宅類型）對收益資本化率之影響程度與方向，提供大眾了解行政

區特徵與住宅屬性對收益資本化率所隱含之影響。主要目的是希望利用不動產交易資 料與租賃案例，來建立一個不動產收益資本化率資料庫，一方面可以供學術界未來進 行學術研究的參考，更重要的是，藉由一個能正確評估不動產收益資本化率的資料 庫，來提供購屋者、投資者、政府機關與估價師等進行不動產估價時的依據與風險之 評估。因為一個完整的收益資本化率資料庫，不但可以讓購屋者、投資者、政府機關 與估價師等能迅速且低成本的進行不動產估價。此外，一個完整的收益資本化率資料 庫可以讓購屋者、投資者、政府機關與估價師等減少投資風險或估價的成本，達到風 險管理與估價的目標。