Airbnb 與住宅價格關係之探討

共分為三大部分，第一節先以特徵價格模型探討 Airbnb 列表(listing)與住宅不動 產價格間關係；第二節先以一般多元迴歸模型探討 Airbnb 列表(listing)是否對觀 光型旅館收益產生排擠；第三節更進一步以分量迴歸模型分析 Airbnb 列表(listing) 對高低收益觀光型旅館排擠規模之差異。 數等變數，其中面積取對數降低變異性。根據 Sirmans et al.,(2005)，半對數模型 可透過特徵係數值說明每一單位特徵的改變、百分比之變動並可以最小化異質變 產交易點位為圓心半徑 1000 公尺以內範圍，每增加一個 Airbnb 列表(listing)，住 宅不動產交易價格上漲 0.05%，此結果與本研究預期相同。根據 Udell(2016)之分

‧

析，Airbnb 有兩種可能影響住宅價格的方式。在此種情況下，表示 Airbnb 對於 住宅不動產價格之正向影響力大過於負面的影響力。Airbnb 使住宅可以作為一種 資產，預期未來處分有潛在投機的資本增值及出租期間所產生之租金收入，進而

Airbnb 活動密度變數 (Airbnb)

0.0005*** 住宅大樓(D01buytype) 0.006***

(2.65)

4.82 華廈(D02buytype) 0.009*** 3.5

‧

(LOCA01)

0.122***

(48.57)

1.77 大同區

(LOCA02)

0.067***

(19.33)

1.33 大安區

(LOCA03)

0.286***

(104.36)

1.82 中山區

(LOCA04)

0.135***

(58.99)

2.43 中正區

(LOCA05)

0.199***

(62.85)

1.42 內湖區

(LOCA06)

0.077***

(34.97)

2.11 北投區

(LOCA08)

0.009***

(3.59)

1.89 松山區

(LOCA09)

0.245***

(89.4)

1.64 信義區

(LOCA10)

0.198***

(68.78)

1.51 南港區

(LOCA11)

0.071***

(24.56)

1.48 萬華區

(LOCA12)

0.019***

‧

透過表 4-2，模型二 F 值達 1%顯著水準，調整後 R-square 為 0.75，模型配 適度良好，且各解釋變數之變異數膨脹因子(VIF)皆小於 10，顯示各個解釋變數 之間不至於造成線性重合的問題，且解釋變數皆達 1%顯著水準，除了 Airbnb 列 表(listing)數量變數為負向顯著，其餘解釋變數皆為正向顯著，符合預期。Airbnb 列表(listing)數量變數在 99%信心水準下，拒絕 Airbnb 列表(listing)數量變數對平 均觀光型旅館收益沒有影響之虛無假設，其係數值為-5023495，表示每增加 1%Airbnb 列表(listing)，平均觀光型旅館收益減少 50234.95 元，Airbnb 會排擠到 觀光型旅館之收益。平均訂房價格在 99%信心水準下，拒絕平均訂房價格對於平 均觀光型旅館收益沒有影響之虛無假設，其係數值為每增加一單位的平均訂房價 格，會使平均觀光型旅館收益增加 21503.85 元，符合楊鎮謙(2010)、林豐政等人 (2015)等實證結果，旅館訂房價格越高，影響旅客的再住宿意願越高，對於旅館 的營運也會有所提升。平均雇用員工數在 99%信心水準下，拒絕平均雇用員工數 對於平均觀光型旅觀收益沒有影響之虛無假設，其係數值表示每增加一單位的平 均雇員員工數，平均觀光型旅館收益會增加 185159 元，符合陳崑雄(2003)、張 瀞文(2011)等認為員工人數越多，相對旅館經營效率較佳，旅館經營績效越好。

平均遊客數在 99%信心水準下，拒絕平均遊客數對於平均觀光型旅館之收益沒有 影響之虛無假設，其係數值表示每增加一單位平均遊客數，平均觀光型旅館收益