第三章、 資料處理與研究設計
第二節 資料處理
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第三章 資料處理與研究設計
料做配對，由於實價登錄為近五年才行使之制度，倘若有社區在五年前交易則不 會有交易之資料，因此大部分的社區是沒有交易實例的。由於本文目的為透過社 區交易資料所形成之變異係數來分析價格離散程度，交易量若小於 3 筆的社區在 標準差的計算上會有偏誤之疑慮，因此僅留下交易量大於等於 4 筆以上之社區，
再者考量有些社區即使經過調整但其變異係數仍過大，為避免影響研究，因此刪 除調整後之變異係數平均數加上六個標準差之社區，最終共計有 1274 個社區為 本研究所採用之樣本。
圖 3-1 資料結合步驟圖 公寓大廈組織報備資料
使用執照查詢
地址與建築完工日期 實價登錄資料資料
地址與建築完工日期
社區與實價登錄資料結合
‧
‧
‧
‧
756,046 533,159 504,784 233,394 140,777 103,590 720,791 519,134 500,126 前)與成交價(搜尋後)之價格分散狀況，而 Lueng 等(2013)亦採行此方式以探討價 格分散然並未有較好的實證結果；另一方面，Hui 等(2010)則藉由特徵價格法，
將每一筆資料之細項，包括位於社區的何棟幾樓幾室等資料，以此求出大樓中每 一戶的大量估價，並達到相當高的準確率。雖特徵價格的確能控制產品品質更加 全面，然受限於資料之去識別化，本研究並無法針對更細項進行控制，同時本文 已透過將交易實例對應至社區上使資料趨於同質，在無法做到更精確的品質控制
‧
台，衡量自動估價系統之準確性之指標為 MAPE(平均絕對誤差百分比)以及 10%&20%hit rate(命 中率)這兩個指標，目前好時價在前者達到 10.27%而後者則分別達到 62%以及 88%的水準，相較 一般實務研究上是相當良好的水準6，其所計算之房價指數也應值得信賴。好時價相關資訊可參 考好時價官方網站，網址為：http://www.houseplus.tw/
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第三章 資料處理與研究設計
或者較低所致，因此使用房價指數調整將所有的交易價格之調整至民國 106 年 6 月的價格，在同一基礎比較才會較為合理。然而，社區本身會因樓層高低、面積 大小、方位等而有一些價差存在，倘若屬於此類之價差所致，也難以說明是否有 價格分散程度較大之情況發生，而較明顯的價差便是樓層所形成的垂直價差以及 同層但面積不同的面積價差，在此仍使用好時價之模型的樓層與面積係數，並按 照半對數模型解釋下，當樓層上升一單位時，價格會提升 1%；而當面積(取對數) 上升一單位時，價格則會下降 4%。
在樓層以及面積的調整上，首先在每個社區會先找出一筆交易資料做為調整 的基準，選取方法為該社區內之有採用之交易資料的樓層中位數，倘若該社區之 交易樓層中位數並不存在7，則會直接以下一樓層為基準，另外若中位數有數筆 資料時則以最新交易的筆數作為基準，此係因交易時間越近，其越可能接近此社 區之交易現況，而面積之調整基準則以樓層選定之基準為基準，換言之，每一個 社區的交易資料中會有一筆資料是僅調整過交易時間，剩下的交易資料則依據基 準的樓層與面積進行調整。在調整上，樓層以及面積的調整方式如下：
調整後個交易價格=時間調整後交易價格+樓層調整值+面積調整值
樓層調整值=(交易資料樓層-基準樓層)*調整值(基準樓層*1%)
面積調整值=(基準面積-交易資料面積)*調整值(基準面積*4%)
7 若有社區共計 4 筆交易，4 筆交易的樓層分別為 3、4、8、8，中位數為 6，但此社區並沒有 6 樓的交易，因此其樓層中位數交易是不存在的
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 3-2 價格調整圖
圖 3-2 為整體資料的調整步驟，將交易實例對應至所屬之社區後，先進行第 一次的品質控制，使房地產趨於相同；然而房地產本身異質性相當高，即使同屬 一社區仍受到不同特徵影響而產生價差，因此再進行第二次的品質控制，在此使 用好時價所提供之房價指數以及係數進行調整，透過房價指數使社區的各交易實 例並不會受到景氣高低以及社區交易時間早晚點的影響而產生價格分散；另一方 面，樓層所代表的垂直價差以及坪數大小所形成的面積價差亦不干擾，並藉由選 取各社區其中一交易案例使調整不致過大，避免過度調整之疑慮，使社區的交易 實例間之歧異處降低。
以位於中山區的 APPLE 社區為例，此社區為屋齡 10 年、總戶數 28 戶，總 原始交易價格
時 間 調 整 後
交易價格 房價指數調整
產品與時間調整後價格 面積調整值 (產品調整) 選定各社區基準
樓層調整值 (產品調整)
係數調整
好時價
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第三章 資料處理與研究設計
樓層高度為 8 層的華廈，其在近年來的交易筆數共有 6 筆，其交易的時間分別為 2012 年 11 月、2013 年 2 月、2013 年 3 月、2013 年 6 月、2013 年 7 月以及 2016 年 5 月，由於各交易時間均不同，倘若比較兩兩交易實例之單價時會產生誤差，
因此為使各交易實例基準相同，故使用好時價的房地產指數將所有交易實例的價 格都調整至 2017 年 6 月；再者為控制產品品質以避免社區價差係因既有的垂直 價差以及面積價差所影響，將會針對各筆資料進行調整，然而若將所有資料都調 整至某一樓層或者某一面積，容易有調整過度之狀況，因此在調整上會挑選一筆 資料作為社區的基準，而各筆資料則依據與基準資料面積與樓層的差別而進行價 格調整，以此社區而言，在六筆交易資料中的樓層中位數為 5，分別為 2012 年 11 月以及 2013 年 7 月的資料，而考量 2013 年的資料較新，因為指數產生的誤 差也可能較小，因此挑選 2013 年 7 月交易的資料作為基準進行產品品質控制，
此方法在於使調整的幅度不致過大，尤其是在樓層方面，由於面積上扣除一些特 例，同一社區的產品較類似，不致在設計上有過大差距之可能，即使有在面積調 整也較小，因此樓層價差在調整上容易產生過度或過小調整之狀況，若選取樓層 中位數進行調整便可使調整的值不致過大，此一方面也基於在既有研究上並未針 對房地產品質做相當細部的控制，本文為避免過度調整而採取此方法，倘若某一 社區的交易資料極為偏重高樓層或者低樓層時，亦有可能產生調整所產生的誤差，
本文在此已盡量避免此問題。
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第三章 資料處理與研究設計
然而受限於資料之侷限，像是方位、採光或者室內裝修等被認為也可能產生 價差之因素但無法進行調整，使調整過後的變異係數仍有一定程度，另一因素可 能在於買賣雙方不同的議價能力所在，Harding 等(2003)便認為成交價亦會受到 買賣雙方之議價能力影響而可能偏離真實價值，而 Leung 等(2013)也認為買方可 能因定錨效果而賣方則因厭惡失去之影響而使價格分散，雙方之討論均在強調成 交價受到人為因素影響相當大。通常房地產之價格分散受到人為因素較大，在控 制大部分所能控制的特徵後，其所能夠產生價格分散之原因僅剩無法調整之特徵 以及人為狀況，在此以價格離散做為探討基礎，探討何種社區特徵與價格離散有 所關聯外，亦因調整後之價差之成因更受到人為的買貴買便宜之情形有關，本研 究試圖再以社區角度分析何種特徵為容易有買貴或者買便宜之情形發生，最終則 從各交易資料同時分析社區特徵以及不動產各項特徵與價格離散之關係。本文除 探討價格分散與房屋特徵之關係外，亦希冀探討何種特徵較有可能有較大的價格 分散出現，參照調整後之敘述統計，以變異係數小於 10%做為參照組，同時亦為 價格分散較小的組別，分別比對變異係數介於 10-15%(價格分散中等)以及變異係 數超過 15%(價格分散大)之組別。