第三章 研究設計
第二節 資料處理與分析
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
36
表 3-2 明星國中名單
明星國中 1(額滿學校) 明星國中 2(高升學率學校)
學校名稱 學區位屬行政區 交易案例 學校名稱 學區位屬行政區 交易案例
中山國中 中山區、松山區 204 中正國中 大安區、中正區 177
中正國中 大安區、中正區 177 仁愛國中 大安區、信義區 355
興雅國中 信義區、大安區 263 金華國中 大安區、中正區 250
金華國中 大安區、中正區 250 敦化國中 松山區 191
龍門國中 大安區 159 介壽國中 松山區 136
敦化國中 松山區 191 天母國中 士林區 404
石牌國中 北投區 541 石牌國中 北投區 541
麗山國中 內湖區 438 麗山國中 內湖區 438
明湖國中 內湖區 302 龍門國中 大安區 159
中崙高中國中部 松山區 233 弘道國中 中正區 88
師大附中國中部 大安區 62 景興國中 文山區 142
成淵高中國中部 大同區 167 大安國中 大安區 357
大同高中國中部 中山區 222 民生國中 松山區 225
政大附中國中部 文山區 37 師大附中國中部 大安區 62
陽明高中國中部 士林區、北投區 271 政大附中國中部 文山區 37
南港高中國中部 南港區 61
總計 3,578 總計 3,562
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
37
圖 3-3 明星學校分布圖
(2) 與最近國中的距離、與明星國中 1 距離、與明星國中 2 距離
部分研究指出隨著與學校的距離增加，學校帶來的溢價表現亦將隨之下 降，推測原因為對學校的可及性差異(Gibbons and Machin, 2006；Kane et al., 2006)，惟亦有論者認為隨著與明星學校距離增加，未來有較大的機會會被排除 在原本的學區外，進而導致價格下跌(Zheng et al, 2016)。故本研究除了將樣本 與鄰近國中的距離納入變數外，亦加入樣本與明星國中 1 或明星國中 2 距離之 變數，以探討我國是否也存在著同樣的現象。預期影響符號為負。
(3) 行政區
考量公共服務範圍多以行政區劃分為主，且住宅價格易受所在區位影響，
故以虛擬變數設定之，樣本位於該行政區者為 1；其他為 0。其中，以萬華區的 平均住宅價格最低，故本文行政區之虛擬變數以萬華區作為基準組。
(4) 交易年期
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
38
由於每個樣本的交易時間點不同，亦會受到不同的總體趨勢影響，故本文 以各樣本交易年期為單位作為時間變數之劃分，並以虛擬變數設定之，於該年 度交易者為 1；其他為 0。而虛擬變數之基準組為本研究之時間範圍的第一年 (民國 101 年)。預期變數會隨著不動產市場之景氣波動而有正負影響。
(5) 住宅類型
住宅類型分為住宅大樓、華廈、公寓、套房、透天等四類型，惟考量套 房、透天等產品之型態較為特殊，故本研究住宅交易樣本排除套房與透天，僅 保留住宅大樓、華廈、公寓等三類型，並以住宅價格相對較低之公寓類型作為 虛擬變數之基準組，預期華廈與住宅大樓係數值符號為正。
(6) 移轉樓層
考量高樓層會因為景觀、通風、採光等住宅寧適性條件較佳而有較高的價 格，故須納入討論。預期符號為正。
(7) 總樓層數
總樓層數較高，其造價成本通常亦較高，故預期符號為正。
(8) 頂樓移轉
一般而言，位於頂樓者其景觀及住宅寧適性條件較佳，進而使消費者偏好 程度較高，故預期對價格會有正面之影響。
(9) 屋齡
以物理性折舊而言，屋齡愈高的住宅其折舊情形愈嚴重，價格也較低，故 預期屋齡係數值符號為負。
(10) 移轉面積
通常住宅的移轉面積愈大，價格應會愈高，惟亦有文獻指出移轉面積對於 單價模型有負面影響，甚至未達統計顯著標準(黃美娟，2008)，故預期移轉面 積係數值符號正、負均有可能。
(11) 是否鄰近捷運站、公園
‧
‧
17 住宅價格指數查詢系統 http://210.241.73.227/Residentialprice.aspx
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
42
二、 異常點修正
雖然在中央極限定理的假設下，大樣本在統計上可被視為近似於常態分配 而忽略異常點，但異常點的存在仍可能會影響特徵價格模型之整體解釋能力，
故有必要以統計方法判定異常點並刪除之。林秋瑾(1996)以房屋租金分析探討 特徵價格模型中異常點判定及修正的重要性，其係利用 DFFITS 公式作為異常 點的判斷標準，研究結果顯示，按此方法找出異常點並修正後，不但使整體模 型的解釋能力增加，亦使某些變數的係數由不顯著轉為顯著，進而認為 DFFITS 可有效改善實證分析上異常點的問題。
本研究排除特殊交易、含有停車位等交易案例後，刪除非單層交易、屋齡 為負等資料明顯有誤之交易案例後，餘有 13,581 樣本，再經 DFFITS 修正後，
刪除 646 筆(約 5%)，並以剩下的 12,935 筆作為本研究實證分析使用之樣本。樣 本分布情形如圖 3-4 所示；而各樣本的敘述統計彙整如表 3-5 與表 3-6 所示。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
43
圖 3-4 台北市研究樣本分布圖
表 3-5 顯示，臺北市的住宅交易單價平均為 59.82 萬元、標準差為 19.46 萬 元，其中最小值為 21.10 萬元、最大值則高達 166.51 萬，除了均值逼近 60 萬元 外，高低價差亦十分明顯。而屋齡最高為 53.5 年，經查屋齡較高者多為公寓，
此應與公寓大量建築的年代有關。平均移轉面積為 29.66 坪，為常見之住宅商 品大小。而在與最近國中的距離方面，平均為 573.52 公尺，為走路可抵達之距 離，顯示台北市國中密度高，且鄰近住宅區；而最遠距離則達 2181.60 公尺，
此時可能須搭乘公車或騎乘自行車較為方便，此等對學校可及性的差異即可能 會導致價格上的差異。至於與明星國中 1 或明星國中 2 距離則因明星國中數量 較少，故與樣本距離均較前者遠，平均距離分別為 1333.76 與 1685.85 公尺。
另依表 3-6 虛擬變數之敘述統計表顯示，交易案例以大安、中山、內湖居 多，比率均超過 10%；反之，中正、南港、大同、萬華則均低於 5%，數量較 少。在交易數量方面，民國 103 年後相較於前二年已下降不少，顯示房市買氣 逐漸下滑，然是否有量縮價跌之現象仍需進一步釐清。而明星學區 1 與明星學
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
44
區 2 交易分別占整體臺北市的交易案例的 27.7%及 27.5%，雖非交易之大宗，
但亦已足以進行統計上之分析。此外，500 公尺內具有捷運站者占 50.7%，顯示 台北市明星學區及其周邊學區住宅有半數均位於捷運站附近，交通便捷且公共 運輸系統發達。
表 3-5 研究樣本連續變數敘述統計表
連續變數名稱 最小值 最大值 平均數 標準差 應變數 住宅交易單價(萬) 21.10 166.51 59.82 19.46
房屋特徵 變數
建物移轉面積(坪) 5.13 144 29.66 12.33 移轉樓層 2 25 5.18 3.23 總樓層數 4 29 8.17 4.22 屋齡（年） 0.08 53.50 26.07 12.16
主要變數
與最近國中距離(公尺) 23.17 2181.60 573.52 326.56 與明星國中 1 距離(公尺) 41.94 5002.99 1333.76 848.70 與明星國中 2 距離(公尺) 28.95 6301.59 1685.85 1116.64
總計 12,935
資料來源：整理自內政部不動產實價登錄服務網資料
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
46