第三章 研究設計
第二節 銀行聚集之衡量
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第二節 銀行聚集之衡量
銀行聚集之界定
黃幹忠、葉光毅（2000）選定台南市中心商業區內婚紗、書局、
電腦資訊等三個業種的資料，利用業種分佈機率分配為常態分配之假 設，求取出各業種的最近距離，並據以求出各業的聚集狀況。發現店 面寬度超過 12 公尺的商店，大多為百貨、金融機構保險業、旅館大飯 店、婚紗等四個業種。高地價區的業種聚集情況明顯，顯示僅高獲利 性業種可設立於高地價區段，這實證的發現符合 Alonso（1964）競租 理論的預期，是以當銀行的競租能力相當，在都市優良區位供給有限 之下，競租之結果便會傾向聚集。
其提出「最近鄰距離」指標能有效評估特定業種聚集與否，在假 設某業種之商店分佈為隨機分佈時，令商店間之最近鄰距離的機率分 佈函數為 F（d），可表示如下：
FG)H = 1 I expGIMN)H
其中，λ為商店之平均密度，
d
表商店間的最近距離。意義為隨著 距離的擴大，面積會更急速擴大，致商店的聚集密度遞減加快。若此一分佈狀態在顯著水準為α時，令 F（
d
）=α，由上式導出商 店間最近鄰距離為：α = 1 I expGIMN)H
1 I α = expGIMN)H 兩邊同取 Ln ln （1 I α） = IMN)
得到) = PQIln （1 I α） MN⁄ S
將α以 0.05 之顯著水準代入即可求得商店在隨機分佈下的最近距離。倘店 鋪間的實際距離小於
d
值，表示店鋪間最近距離重疊，有聚集的現象。由 圖 3-1 的示意，更易於了解利用最鄰距離d
值來衡量商店是否產生聚集的 意義。‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
資料來源：黃幹忠、葉光毅（2000：236）
圖 3-1 商店聚集示意圖
而將商店聚集的關係中，以銀行取代商店，並加入觀察的不動產標的便於 地理空間形成不動產鄰近銀行聚集的關係，如圖 3-2。
道路
A銀行 B銀行
道路
A銀行 B銀行
道路
A銀行 B銀行
道路
A銀行 B銀行
C銀行 標的
標的
標的
標的
銀行影響範圍 銀行影響範圍
銀行影響範圍
銀行影響範圍 銀行影響範圍
銀行影響範圍
銀行服務影響距離d
影響圈內無銀行 影響圈內有2家銀行聚集
影響圈內有1家銀行 影響圈內有多家銀行聚集
圖 3-2 銀行聚集示意圖
‧
如：WMS、WFS…等)及各種功能。參見 http://www.qgis.org/en/site/index.html 15 Batchgeo 公司所提供之服務，請參見其官網 https://batchgeo.com/16 KML 全稱：Keyhole Markup Language，是基於 XML(eXtensible Markup Language, 可擴展標記語言)語法標準的一種標記語言（markup language），採用標記結構，
含有嵌套的元素和屬性。由 Google(谷歌)旗下的 Keyhole 公司發展並維護，用來表
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 3-3 台北市辦公商圈-銀行與辦公大樓分佈圖
本研究蒐集的不動產成交樣本與銀行於地理空間之分佈如圖 3-4 及圖 3-5，可以發現無論是辦公用不動產或是住宅用不動產，皆有許多銀行分佈 其間，為求取不動產鄰近銀行之聚集資料，以地理資訊系統之距離矩陣輸 出 20 筆最近距離資料，分別得到鄰近辦公室 20 家銀行資料 4,680 筆，鄰 近住宅 20 家銀行資料 135,360 筆，再篩選研究所設定銀行服務影響範圍之 距離（25 公尺、100 公尺），得到成交案例樣本設定距離內的銀行家數，用 以計算銀行聚集程度。
致於本研究之主要研究變數─距銀行距離（DBank），則參考前述之「最 近鄰距離」指標的作法，先將台北市本國銀行的分佈設為隨機分佈，定出 最近鄰距離的隨機分佈函數 F（d），再以研究範圍內的行政區為劃分，計算 出實際銀行分佈的密度λ，在顯著水準α=0.05 下代入函數
) = PQIln （1 I α） MN⁄ S
計算出銀行在各行政區內最近鄰距離的隨機分佈距離（如表 3-1）。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
表 3-1 研究範圍內銀行隨機分佈下之近鄰距離
區 別 面 積（平方公尺） 銀行數 分佈密度（λ） d（α=0.05）
松 山 9,287,800 128 1.37815E-05 34 信 義 11,207,700 86 7.6733E-06 46 大 安 11,361,400 179 1.57551E-05 32 中 山 13,682,100 176 1.28635E-05 36 內 湖 31,578,700 84 2.66002E-06 78 大 同 5,681,500 60 1.05606E-05 39 萬 華 8,852,200 32 3.61492E-06 67 中 正 7,607,100 103 1.354E-05 35 合計 99,258,500 848 8.54335E-06 44
從行政區來看，大安區銀行密度最高，在隨機分佈假設下之銀行間近 鄰距離僅 32 公尺，而分散最遠的則是內湖區，近鄰距離為 67 公尺，以總 面積而言，有 848 家本國銀行分佈其間，銀行間的近鄰距離為 44 公尺。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 3-4 台北市辦公商圈辦公大樓 2007Q1~2012Q3 成交案例與本國銀行分佈圖
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 3-5 台北市辦公商圈住宅 2007Q1~2012Q3 成交案例與本國銀行分佈圖