第三章 研究設計與資料說明
第二節 資料說明與變數選取
‧
‧
透過半對數模型進行研究，如：Follain and Malpezzi(1980)便曾指出半對數模型可 以透過自變數之係數反映出其對應變數之影響的百分比，且半對數模型可以降低‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
分類，故亦不採用台灣租屋網之租金資訊。另外，好房網之租屋行情資料僅能取 得查詢當時之租屋行情，不符合本研究之需求；崔媽媽基金會之房屋租金行情則 自 2008 年後便未繼續更新，故無法使用。
綜合上述，本研究採用 591 租屋網對於臺北市租金之統計資料，其租金係依 據住宅類型以及使用進行統計，與本研究之租屋網點擊指標相同，分為公寓類型 整層住家、公寓類型獨立套房、電梯大樓型整層住家、電梯大樓型獨立套房四大 類型，符合本研究之需求。因此本研究將以該平台之租金資料取自然對數後作為 本研究之應變數。而本研究期間之租金變化圖依上述不同之租屋類型分類呈現後 如圖 3-1~圖 3-4 所示：
圖 3- 1 台北市各行政區整層住家公寓租金圖
資料來源：591 租屋網
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第三章 研究設計與資料說明
圖 3- 2 台北市各行政區整層住家電梯大樓租金圖
資料來源：591 租屋網
圖 3- 3 台北市各行政區獨立套房公寓租金圖
資料來源：591 租屋網
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 3- 4 台北市各行政區獨立套房電梯大樓租金圖
資料來源：591 租屋網
2.標準住宅總價（House Price）
依據前述文獻回顧可知，租金係房價之基本面，且房價對於租金有正向的影 響。同時，購屋與租屋行為間具有一定程度之替代性，當房價上升時，有居住需 求者可能會選擇轉變為租屋者，進而直接影響租金。因此本研究擬納入房價指標 作為直接影響租金之控制變數。
目前國內編制臺北市住宅價格指數之平台頗多，包括信義房價指數、國泰房 價指數、好時價房價指數、臺北市政府地政局編列之住宅價格指數等。惟本研究 之資料分為臺北市 12 個行政區，故需要各行政區間可互相比較之房價指標資料。
然而信義房價指數與國泰房價指數係針對整體臺北市所編製之房價指數；好時價 房價指數雖分為各行政區進行編制，但各行政區之指數係獨立編製，無法互相比 較，因此本研究最後選擇臺北市地政局所計算之臺北市標準住宅總價作為房價指 標，雖該指標僅將臺北市 12 個行政區分為四個次分區，但該資料提供了編製房 價指數之標準房屋總價原始資料，使本研究能夠比較各區之間的差異性。臺北市 地政局所計算之標準住宅總價係由地政局依據實價登錄所揭露之住宅買賣案件
‧
102Q1 102Q2 102Q3 102Q4 103Q1 103Q2 103Q3 103Q4 104Q1 104Q2 104Q3 104Q4 105Q1 105Q2 105Q3 105Q4 106Q1 106Q2 106Q3 106Q4
標準房屋總價
松山中山南港 信義大安中正 大同內湖士林 萬華文山北投
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
4.工作機會（Job opportunity）
本研究之資料來源為臺北市主計處，搜尋各行政區之商業登記現有家數24、 公司登記現有家數25以及工廠登記現有家數26資料，再將三者相加作為代表一地可 能之工作機會的變數。
由於人們在選擇租屋地點時，一般多會考慮其本身之需求後決定，而花敬群 等（2003）便曾提出除了因為不願購屋、無力購屋的長期需求者外，許多租屋群 體之租屋動機來自工作、就學27等其他需求。因此可知一地工作機會的多寡對於 租屋需求應具有直接的影響，進而直接影響一地之租金水準。本研究因此擬納入 可代表工作機會之變數作為控制變數，並預期此變數對於租金應有正向影響。
24 依商業法登記之商業行號現有家數
25 依公司法登記之公司現有家數
26 依工廠管理輔導法登記之工廠現有家數
27 惟求學所帶來之租屋需求一部分會被學校宿舍吸收，且若學校數並無太大變動，學生所帶來
之租屋需求應無明顯變動，故本研究並未納入學校相關變數
‧
（average hit）
臺北市各行政區不同類型之
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
2. 變數敘述性統計
本研究變數之敘述性統計如表 3-3 所示
表 3- 3 變數敘述性統計
變 數 名 稱 （ 代 號）
單位 平均數 標準差 最小值 最大值
租金（Rent） 元/坪 1,294.2 307.1 644 2,023
平 均 點 擊 次 數
（average hit）
次 1,133.7 499.6 272.6 3,183.3
標 準 住 宅 總 價
（Hp）
萬元 1,462.9 326.4 1,019.3 2,146.3
每 人 平 均 可 支
配 所 得
（Income）
元 422,050 49,842 336,763 539,617
工作機會（Job opportunity）
家數 18,090 11,124 6,499 44,264
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第三章 研究設計與資料說明
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y 第四章 實證結果分析
本文欲探究臺北市地區租屋網之平均點擊次數與住宅不動產租金價格之關 聯，以及平均點擊次數是否可以作為租金之領先指標。並且探討若平均點擊次數 可以作為租金之領先指標，則不同租屋住宅類型上的搜尋期間（搜尋指標領先程 度）是否有所差異。因此，本研究先以原始資料之租金變動率與平均點擊次數繪 製兩者之關係圖，用以初步觀察租金與平均點擊次數之關聯，茲舉文山區與信義 區兩行政區四種租屋類型之租金變動率與平均點擊次數關係圖羅列於圖 4-1~圖 4-8 如下。
圖 4- 1 文山區整層住家公寓租金變動率與平均點擊次數關係圖
資料來源：591 租屋網
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第四章 實證結果分析
圖 4- 2 文山區整層住家電梯大樓租金變動率與平均點擊次數關係圖
資料來源：591 租屋網
圖 4- 3 文山區獨立套房公寓租金變動率與平均點擊次數關係圖
資料來源：591 租屋網
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 4- 4 文山區獨立套房電梯大樓租金變動率與平均點擊次數關係圖
資料來源：591 租屋網
圖 4- 5 信義區整層住家公寓租金變動率與平均點擊次數關係圖
資料來源：591 租屋網
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第四章 實證結果分析
圖 4- 6 信義區整層住家電梯大樓租金變動率與平均點擊次數關係圖
資料來源：591 租屋網
圖 4- 7 信義區獨立套房公寓租金變動率與平均點擊次數關係圖
資料來源：591 租屋網
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 4- 8 信義區獨立套房電梯大樓租金變動率與平均點擊次數關係圖
資料來源：591 租屋網
從上述圖 4-1~圖 4-8 可看出，平均點擊次數之變化與租金變動率大致呈現 類似之軌跡，與本研究之假設相同，而後續本章節之實證研究將進一步以模型之 建立來了解租金與平均點擊次數間之關聯。本章節分為兩部分，第一部分將針對 各行政區所有類型之租金與租屋網搜尋指標探討兩者之關係以及該指標使否可 作為領先指標；第二部分則將整層住家類型與獨立套房類型之租金資料與租屋網 搜尋指標分別建置模型，觀察在不同租屋類型中租金與搜尋指標之關聯以及領先 程度是否不同。
第一節 租屋網搜尋指標與租金關係之探討
本論文以臺北市各行政區不同租屋類型的租金取對數作為被解釋變數，並以 租屋網搜尋指標、標準房屋價格、每人平均可支配所得與工作機會作為解釋變數 建立固定效果模型。
一、 決定租屋網搜尋指標落後期數
由於現今統計資訊中，並未有文獻或統計資料提供租屋搜尋期間之資訊，僅 少量網路論壇發文者分享自身租屋經驗時，提出自身搜索租屋資訊之期間，故本
‧
模方法」（General-to-specific modeling, GETS modeling）來選定適合之落後期。過去林建甫（2010）便曾指出在建立總體計量模型時，因為變數種類繁多且互相 影響，因此要選擇出適當的變數並產生一個好的模型通常需要透過大量的嘗試才 能成功。同時，該文獻也指出由於選擇變數時會依據經濟理論來進行篩選，然而 理論學派的不同也會使在建立方程式時難以選擇適合的變數，因此可以透過建立 回歸方程式時之顯著性進行判別。另外，Campos et al.（2005）則以倫敦經濟學 院所提出的實證模型方法來解釋「通用到特定之建模方法」，其指出該方法之概
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
整體租金市場的資料顯示：租屋網搜尋指標的落後期於兩季時顯著。是故，本研 究討論整體租金市場時所選定之租屋網搜尋指標落後期為兩期。
二、 租屋網搜尋指標與租金之關係實證結果
本模型採用固定效果追蹤資料模型以了解所選擇之變數與租金之影響，以及 租屋網搜尋之搜尋指標是否具有領先於租金之效果，其最終模型如 4.1 式所示：
ln(Rent) = 𝛼0+ ∑𝐽𝑗=1𝛼𝑗𝐷𝑗+ 𝛽1average hit𝑖,𝑡+ 𝛽2average hit𝑖,𝑡−1+ 𝛽3average hit𝑖,𝑡−2+ 𝛽4house price𝑖,𝑡+ 𝛽5income𝑖,𝑡+ 𝛽6job opportunity𝑖,𝑡+ 𝜀𝑖𝑡 （4.1）
其中，i 代表第 i 個個體，而此處之個體所指的是前述 12 個行政區各 4 種不 同租屋類型，共 48 個個體；t 則代表第 t 期時間。𝛼0為基準個體之截距項，∑𝐽𝑗=1𝛼𝑗𝐷𝑗 則為各個個體不隨時間改變之特性，又稱為固定效果。𝛽1~𝛽6為各解釋變數之迴 歸係數，解釋變數依序為：租屋網當期平均點擊次數（average hit𝑖,𝑡）、租屋網 前 一 期 平 均 點 擊 次 數 （ average hit𝑖,𝑡−1） 、 租 屋 網 前 兩 期 平 均 點 擊 次 數
（average hit𝑖,𝑡−2）、標準房屋價格（house price𝑖,𝑡）、每人平均可支配所得
（income𝑖,𝑡）、工作機會（job opportunity𝑖,𝑡）。實證結果如表 4-1 所示：
‧
Adjusted-𝑅2 0.11
F 值 133.76
註一：*表示在 90%信心水準下顯著，**表示在 95%信心水準下顯著，***表示在 99%信心水準 下顯著。
註二：落後期數係依據前述通用到特定之建模方法（General-to-specific modeling）選定，在本模 型中為兩期。
如同 McLaren and Shanbhogue（2011）、Wu and Brynjolfsson（2015）觀察住 宅市場，發現由於人們在購屋前會透過網路搜尋特定關鍵字，如：房仲公司，故
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
工作機會對於租金皆有顯著的正向影響，符合本研究之預期結果。另外，依據前 述落後期數選定方法建置模型後，發現租屋網平均點擊次數對租金之自兩期前即 有正向顯著的影響，代表租屋網之搜尋指標領先租金約兩期，可以作為租金之領 先指標，且其對於租金具正向之影響。此研究結果與過去透過關鍵字搜尋所得出 之結果大致相同。
另外，若以前數將平均點擊次數及其落後期視為租屋搜尋行為的觀點觀之，
可以依據搜尋指標的領先期數推測在不分租屋類型的整體租賃市場中，消費者租 屋的搜尋行為可從兩季前（6 個月）開始。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第四章 實證結果分析
第二節 不同租屋類型之租金與租屋網搜尋指標關係
探討
本節則將前述整體租金市場之資訊依據住宅類型分為兩大類型進行探討，分 別為整層住家以及獨立套房。將前述兩類型分別建模，同樣依據上一節所提過之
本節則將前述整體租金市場之資訊依據住宅類型分為兩大類型進行探討，分 別為整層住家以及獨立套房。將前述兩類型分別建模，同樣依據上一節所提過之