第四章 實證結果
第一節 都市更新對房價的影響程度
一、穩健迴歸(robust regression)結果
本文就都市更新案例為中心點向外劃分 500 公尺範圍之不動產之交易 案例，以不動產價值以房價指數平減後取自然對數為應變數，以核定日期 為主要自變數，發布核定前設 0，發布核定後設 1，以及其他自變數，建立 價格迴歸模型，首先使用最小平方法(OLS 方法)，但其估計出的迴歸比較 容易受離群值影響而會偏移，導致錯誤的結果，因此本研究最後採用穩健 迴歸模型(robust regression model)，迴歸分析結果如表 4-1-1 所示。
依實證結果顯示，各自變數之迴歸係數值均達顯著水準；500 公尺範
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
屋齡係數值為負向且顯著，因房屋使用越久遠對房屋的價值減損越多，
因此符合預期，屋齡越老對不動產價值產生負面影響，變數屋齡平方為正 向且顯著，與屋齡一致皆為負向且顯著符合預期，代表老舊公寓自身會期 待都市更新的發生，且較老舊的房屋例如:35 年以上的公寓等較容易獲得都 更機會使房屋價值折舊速度與一般情形相反，使老舊公寓的價值有提升的 效果，產生非線性的變化。
Moran’sI 值皆為顯著正值，顯示此樣本價格具有顯著空間正相關效果，
鄰近的住宅樣本點價格趨向一致，同等價格住宅應該有空間聚集的現象，
若是只以普通最小平方迴歸估計將會可能產生無效率的參數估計及標準誤 的偏誤。因此需要再進行其他的檢測方法來決定接下來使用的空間迴歸模 型，將空間因素的關係納進來一同考慮。
在實證模型結果與本研究預期的結果大致相同，驗證了都市更新有正 的外部性，會帶動周圍房價上漲，基地面積範圍大小與周圍房價的關係，
與預期相同，大規模都更會使周圍地區住宅價格有提升的效果，在進一步 檢驗Moran’sI 值發現該傳統迴歸存在空間相依性，因此可以透過空間迴歸 模型再做討論，更確實地分析都更實施前後與規模大小與周圍地區房價的 關係。
二、空間迴歸模型結果
特徵價格模型估計如表4-1-1所示，模型配適度為 0.8463，Jarque-Bera 檢定顯著異於零，表示特徵價格模型的誤差項非常態，在 LM 檢定中，
LM-Lag 及 LM-Error 皆顯著異於零的情況，按照圖 3-2-1 所進行之步驟，
將進一步檢驗 Robust LM-Lag 及 Robust LM-Error 結果也呈現顯著異於零 的狀態，表示資料中具有空間關係存在，使用空間迴歸模型會比特徵價格 模型更適合，進一步比較空間延遲模型及空間誤差模型估計結果。
(一) 空間延遲模型
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
都市更新會造成周圍地區住宅價格上漲嗎?
在距離都市更新案例周圍 500 公尺內的不動產交易價格，相互具有正向的 空間關係，與傳統迴歸 OLS 的實證結果全部呈現一致的變動情形。
(二) 空間誤差模型
整體模型配適度為 0.8952，空間誤差係數為 0.6459，代表誤差項中確 實具有干擾因子造成空間自相關。與傳統迴歸 OLS 的實證結果大致相同，
包括主要變數核定日期與基地面積一致相同。
進一步觀察 2 個空間模型之 Likelihood Ratio 檢定，皆顯著異於零，代 表使用空間迴歸模型估計可以解決空間自相關問題。最後，2 個空間模型 的 LIK 值皆大於特徵價格法，AIC 值皆小於特徵價格格法，表示使用空間 迴歸模型的估計配適度優於特徵價格法，且空間誤差模型在配適度上優於 空間延遲模型，LIK 值皆大於空間延遲模型，AIC 值皆小於空間延遲模型，
解釋能力最佳。
因此經由上述步驟，本研究最後選用空間誤差模型為最適合之估計模 型，主要變數都市更新核定日期，在控制空間相關因素之後，對周圍不動 產價值的影響與傳統 OLS 一致，皆為正向且顯著。
‧
LM(lag) 1470.8728***
LM (error) 3644.2693***
表 4-1-2實證模型結果
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
都市更新會造成周圍地區住宅價格上漲嗎?
註： ***、**、*分別代表在 1%、5%與 10%顯著水準下，該係數顯著異於零
LIK 7871.75 8532.77 9185.56
AIC -15697.5 -17017.5 -18325.1
LR 檢定 1322.03*** 2627.64***
` 8986 8986 8986