台灣地區自然空屋率之再估計

行政院國家科學委員會專題研究計畫 成果報告

台灣地區自然空屋率之再估計

計畫類別： 個別型計畫 計畫編號： NSC91-2415-H-004-022- 執行期間： 91 年 08 月 01 日至 92 年 07 月 31 日 執行單位： 國立政治大學經濟學系 計畫主持人： 林祖嘉 計畫參與人員： 林建志 報告類型： 精簡報告 處理方式： 本計畫可公開查詢

中 華 民 國 92 年 10 月 27 日

台灣地區自然空屋率之再估計

*

An Estimative of the Natural Vacancy Rate of Taiwan: A Revisit

林祖嘉** 彭建文*** 2003.10.20

摘 要

國內在 1980 年、1990 年兩次住宅普查時的空屋率已明顯偏高，但房價並未 因為高空屋率而明顯下降。林祖嘉等(1994)認為可能在於國內自然空屋率較高所 致，因為實際空屋率與自然空屋率間之差異才是影響房價調整的關鍵因素，但該 文推算 1981-1989 年間各縣市的平均自然空屋率僅有 4.59%，與國外相較並未明 顯偏高。自 1990 年以來，國內經濟發展、金融市場、以及房地產市場本身均有 相當大的結構性改變，尤其是在 2000 年住宅普查時，國內空屋數已暴增至 123 萬戶，空屋率攀升至 17.6%的高水準，房價與空屋率之間的動態調整關係是否發 生改變？自然空屋率是否因房地產市場的結構性改變而明顯上升？實有必要重 新加以檢視。本文重新修正林祖嘉等(1994)所建立的房價與空屋率聯立調整模 型，並推算 1980 年至 2002 年台灣地區各縣市的自然空屋率，結果發現房價與空 屋率之間具有顯著的反向關係，重新估算的平均自然空屋率高達 10.88%，約是 林祖嘉等(1994)估計結果的兩倍，但各縣市的自然空屋率並未較 1990 年之前為 高。本文認為 1990 年以後國內住宅市場的結構性改變使得實際空屋率大幅上 升，但自然空屋率卻呈現穩定，兩者差距的逐漸擴大，可能是造成國內住宅市場 長期不景氣，房價開始有較明顯下跌趨勢的主要原因。 關鍵詞：自然空屋率、空屋率、房價 JEL classification:R31 * 本文為初稿，預計於 2003 年台灣經濟學會年會發表。作者感謝國科會研究計畫(NSC91-2415–H- 004-022)之財務協助。 ** 國立政治大學經濟系教授，地址:臺北市文山區指南路二段 64 號，電話:(02)2938-7462， E-mail:[email protected]。 *** 國立台北大學地政系助理教授，地址:臺北市中山區民生東路三段 67 號，電話:(02)2500-9151， E-mail:[email protected]。

壹、前言

由於住宅具有異質性與不可移動性，加以住宅資訊的不充足，導致交易雙 方均必須花費相當的時間與成本方能尋得適當的住宅，故住宅市場中有相當數量 的空屋存在可說是一常態。Struyk(1988)指出在市場資訊不完全的情況下，為維 持住宅市場的正常運作，減少人們因住宅需求改變而遷徙時所必須支出之搜尋與 換屋等交易成本，住宅市場中有適當比例的空屋存在不但不是浪費，而是合理、 必須且有效率的。此種為因應住宅市場「交易」與「遷徙」等摩擦性需求

(frictional demand)所準備的空屋比例，稱之為自然空屋率(natural vacancy rate)。 然而，以一般已開發國家住宅市場 5%的合理空屋率來看，國內在 1980 年、 1990 年兩次住宅普查時的空屋水準已明顯偏高到 13.0%左右，不過此段期間空屋 率之變化幅度仍維持在一穩定的狀態，高空屋率並未造成房地產市場的嚴重不景 氣，尤其國內最大規模的房地產景氣還出現 1987 到 1990 年之間，房價並未因為 高空屋率而有明顯下降趨勢。林祖嘉等(1994)認為此可能是國內自然空屋率較高 所造成，因為影響房價的因素不僅有實際空屋率而已，更重要的是實際空屋率與 自然空屋率間之差異，但該文所推算國內在 1981-1989 年間的平均自然空屋率僅 有 4.59%，1 並未較一般以開發國家的合理空屋水準為高，故該文預測國內房價未 來仍有相當大的調整空間。 從目前的時間點來看，國內房地產市場在 1990 年的景氣高峰後，確實緩慢 進入不景氣階段，而房價也有相當程度的下滑，尤其是在 1997 年亞洲金融風暴 之後的跌幅更是顯著。但令本文所疑惑的是，究竟是林祖嘉等(1994)所估算的自 然空屋率偏低？還是國內住宅市場中空屋率與房價的調整關係在時間上有相當 程度的延遲現象？此外，從 1990 年至今已有十三年，此段期間國內經濟發展、 金融市場、以及房地產市場本身均有相當大的結構性改變，房價與空屋率之間的 動態調整關係是否發生改變？自然空屋率是否因房地產市場的結構性變遷 (structure change)而有所不同？2 尤其是在 2000 年住宅普查時，國內空屋數為 123 萬戶，空屋率為 17.6%，3 平均空屋率在最近十年間已由以往平均 13%的水準 1 陳樹衡等(1995)曾應用人工智慧領域的遺傳規畫法重新估計國內自然空屋率，結果發現其估計 值與林祖嘉等(1994)一文相近，但是自然空屋率高峰期的出現則有所不同，該文建議未來在估 計自然空屋率時，必須非常注意結構性變遷之問題。 2 彭建文、張金鶚(2000)實證發現，國內房地產市場自 1986-1990 年這一波房地產景氣後，已產 生結構性的變遷，在考量結構變遷下，預售屋房價與建照面積間之關係已發生改變，空屋數對 於預售屋房價的影響彈性相對大於貨幣供給以及建照面積的影響，顯示要解決房地產市場長期 不景氣必須從消化空餘屋著手。 3 1980 年時國內住宅存量為 368 萬戶，空屋數 47 萬戶，空屋率為 13.1%，1990 年時住宅存量為 509 萬戶，空屋數 68 萬戶，空屋率為 13.3%。

上升至約 18%的水準，增加幅度為 32.3%，空屋數的增加幅度更高達 81.6%。此 結構性的變化對於國內房地產市場運作的影響，以及衍生對於總體經濟與金融市 場發展的衝擊，實有必要加以深入探討。 本文認為在實際空屋率遠高於自然空屋率下，房價應會迅速調整，空屋率 理論上不應會繼續上升，但國內住宅市場的空屋率持續大幅上升而房價卻調整緩 慢的現象，4 背後確實存在許多值得深入探討的課題。首先，實際空屋率反映的 是市場供過於求的狀況，在供過於求下，房價應會向下調整，除非市場正常運作 所需的自然空屋率非常高。其次，目前有關於自然空屋率的文獻集中在收益性不 動產(出租住宅與辦公室)市場，藉由空屋率與租金的調整關係來推估自然空屋 率，在此所謂的自然空屋率是基於市場均衡概念所推算的一種均衡空屋率 (equilibrium vacancy rate)，並非因應市場正常運作所需的摩擦性空屋率，兩 者可能有相當程度的差異。第三、國內住宅自有率高達 85%，租賃市場所佔比例 僅約 8%，是一以自有為主的住宅市場，此時必須考量並非所有的空屋均在市場 流通，亦即若第二屋或暫時閒置的住宅比例很高，此時房價與空屋率的調整關係 緩慢，就可以獲得較為合理的解釋。 由於目前國內有關空屋率的資訊僅見於住宅普查，為彌補每十年一次普查 所造成的空屋資訊不足，本文中以台電用電不足底度戶數資料推估各縣市歷年的 空屋率，並修正林祖嘉等(1994)所建立的房價與空屋率聯立調整模型，藉以澄清 在歷經房地產市場的結構性變遷後房價與空屋率間的調整關係，以及推算 1980 年至 2002 年台灣地區各縣市的自然空屋率，期能釐清國內住宅市場運作與資源 配置狀況。 以下本文第二節為自然空屋率文獻的回顧，第三節為理論模型建構，第四 節為實證分析，最後為結論與建議。

貳、文獻回顧

過去有關自然空屋率的研究，主要以出租住宅市場與辦公室市場為研究對象。 4

Wang and Zhou(2000)曾以賽局理論分析超額空屋呈現持續性之現象，認為由於空地無法產生 收益，故開發者將傾向掌握任何可能開發機會去開發空地，然而在空地之開發過程中，每一 位開發者均必須面對其他競爭者之競爭，市場總供給量為每一個別開發者供給量之加總，此 種相互競爭之狀況往往造成開發者提供較市場需求為多之供給，而面對未來的不確定性，開 發者通常不願降低租金水準以消化空屋，此使得超額空屋呈現持續性之現象。

Smith(1974)將自然空屋率定義為:「屋主考慮空屋持有成本、搜尋成本、需求變 動、以及換約成本後，無實質誘因去調整住宅租金狀態下的空屋率，此時出租住 宅市場處於一長期均衡狀態，不會有超額需求或超額供給產生。」也就是不會導 致出租市場租金價格變動的均衡空屋率。Rosen and Smith(1983)是最早有系統 探討自然空屋率的文獻，該文以美國 17 個城市於 1969-1980 年的組成資料 (pooling data)進行實證研究，發現空屋率及營運成本變動率對租金調整有相當 顯著的負向影響，且不同城市的自然空屋率差異非常大，其中以 Cleveland 5.6% 為最低，Milwaukee 23.2%為最高，平均自然空屋率為 11.45%。

自從 Rosen and Smith(1983)一文發表後，有關自然空屋率的探討就廣受重 視。Gabriel and Nothaft(1988)利用普查資料推估 1981-85 年間美國 16 個城市 的自然空屋率，發現空屋率會顯著影響租金調整，但營運成本的係數則未如 Rosen and Smith(1983)般顯著，各城市中以 Seattle 的 3.9%為最低，Houston 的 12.1%為最高，外生、內生平均自然空屋率分別為 7.57%、9.51%。5

Reece(1988) 利用斷電電錶戶數作為空屋替代資料，並以名目物價變動率取代名目成本變動 率，結果證實空屋率對租金調整有顯著影響，但以電錶資料所得之自然空屋率較 低6

。此外，Jud and Frew(1990)透過個別公寓的租金抽樣資料，印證住宅愈具 有非典型屬性(atypicality)時自然空屋率也會愈高的觀點，並發現租金調整與 前期空屋率呈反向變動，平均自然空屋率為 6.5%。 上 述 文 獻 大 多 以 簡 單 的 單 一 迴 歸 模 型 來 估 計 自 然 空 屋 率 ， Tse and MacGregor(1999)認為傳統的租金調整方式最大的問題在於均衡的租金與空屋率 無 法 同 時 調 整 ， 故 依 據 適 應 性 預 期 重 新 建 立 租 金 調 整 的 模 型 ， 並 以 香 港 1980-1996 年出租住宅資料進行實證，結果發現前期空屋率與前期租金變動率對 於當期租金變動率有顯著影響，但通貨膨脹率與利率對於實質租金調整率之影響 呈現中性(neutral)，所估計的自然空屋率在 4.35%到 5.04%之間。Gabriel and Nothaft(2001)則認為必須考量空屋發生頻率與空屋期間對於租金的影響，該文 使用 1987-1996 年美國主要都會區之組成資料，實證發現租金變動率會受到實質

空屋發生頻率、實質空屋期間與兩者均衡水準差額的影響，7

所估計出的自然空 屋率在 4%至 4.5%之間。

除住宅出租市場自然空屋率的研究外，Wheaton and Torto(1988)首先將自 然空屋率理論運用於辦公室出租市場的研究，並實證發現超額空屋率每增加 1% 則實質租金將下降 2.3%，將近是 Reece(1988)及 Gabriel and Nothaft(1988)對

5

該文的特色是將自然空屋率分內生及外生兩種模型，但缺點是未清楚說明內生與外生模型間之 關係為何？對於兩者結果相差 1.94%也未提出合理的解釋。

6

就洛杉磯為例，Rosen and Smith 推估值為 7.6%，Reece 推估值為 5.2%。

7

該文亦發現空屋期間會因不同都會區之居住成本與住宅存量之異質性而有所不同，空屋發生頻 率會隨都會區間人口遷移率、國宅多寡、以及人口成長率之不同而有差異。

出租住宅研究結果的二倍。另外，該文與前述文獻最大不同處在於，前述文獻均 假設自然空屋率在推估期間保持固定，僅隨地區而有所不同，而於此文中認為自 然空屋率會隨時間呈線性變化。Voith and Crone(1988)認為辦公室的自然空屋 率除受不同地區與不同時間的影響外，亦應將總體經濟變數變動所產生之衝擊加 以考量，8 實證發現發展較快速之地區其自然空屋率也較高，發展較緩慢之地區 其自然空屋率則較低，但實質空屋率與自然空屋率之間並沒有明顯的關係存在。 9 另外， Sivitanides(1997)亦針對傳統不變的自然空屋率假設加以改進與延 伸，其實證結果發現改進後的模型確實有較佳的解釋效果，自然空屋率會因時間 與市場本質的不同而有明顯差異，所估計的自然空屋率在-6.03%到 25.16%之間。 由上述國外空屋相關文獻可知，空屋率對租金調整之影響顯著與否頗受爭 議，據此推算之自然空屋率亦因模型之設定及資料不同而有差距，而且均偏向出 租住宅市場或辦公室出租市場的研究，對於自有住宅市場則未探討。其次，現有 文獻大多僅考慮到實質空屋率與自然空屋率間差額對租金之影響，並未考慮到租 金與空屋率間之相互影響，實際上應將兩者聯合估計較為正確，而房價與空屋率 間之關係是否如同租金與空屋率間之關係亦應加以檢視。此外，除從價格均衡之 角度分析自然空屋率外，對於住宅市場運作所需的合理、必要空屋率亦應加以探 討。

參、住宅市場均衡模型

有鑑於傳統模型未能同時考量空屋率與價格間之相互影響，故本文修正林祖 嘉等(1994)的住宅市場均衡模型來分析兩者間之關係，並以此推估臺灣地區各縣 市的自然空屋率。 首先，住宅需求( d t Q )由住宅價格(P )、家計單位所得(_t Y )、和家計單位數_t 量(N )、預期增值(t E )、租金(t R )所決定，即 t t t t t d t a a P a Y a N a E a R Q = ₀ + ₁ + ₂ + ₃ + ₄ + ₅ ， a₁ <0,a₂,a₃,a₄,a₅ >0 (1) 影響供給的因素包括住宅價格及前期空屋變化(VCt−1) 10 ，即 8 _{所謂總體經濟變數主要是指失業率與利率變動，該文發現推估期間自然空屋率上升約 7%，且} 2/3 的漲幅集中於在 1981-1982 年之間，推論可能與 1981 年所頒佈之稅法有關。 9 該文最大之特點除考慮非預期總體變數變動之影響外，並未用一般自然空屋率理論以價格變動 求取自然空屋率，僅以空屋率與時間虛擬變數利用自我迴歸方式求取自然空屋率。 10 事實上，影響住宅供給的因素尚包括生產要素價格，例如土地成本、營建成本等因素，但由 於資料之限制，目前僅能將該因素忽略。

) ( _{1 2} 2 1 0 + + − − − = _{t t t} s t b b P b V V Q ， b₁ > b0, ₂ <0 (2) 空屋與房價的關係受到自然空屋( n t V )、家戶所得(Y )、以及前期空屋變化_t (VCt−1)的影響，即 ) ( _{1 2} 3 2 1 + + − − − + = n _{t t t t} t t V c P c Y c V V V (3) 其中自然空屋對當期空屋的影響是直接的，所以設定其係數為 1。c₁ <0， 表示當期價格與空屋量是反向關係，c₂ >0表示家戶所得愈高，持有第二屋或閒 置住宅的可能性愈高。c3 >0,表示前期空屋變化對當期空屋有正面的影響。 本文將自然空屋率定義限於住宅市場中為因應" 遷徙 "及" 交易搜尋 "所 需要的市場摩擦性空屋水準，也就是正常住宅市場合理運作之必要空屋率。因 此，設定自然空屋率受到遷徙率(M )及房價分散程度(t D )的影響，即 t n _{t t} t d d M d D V = ₀ + ₁ + ₂ (4) 其中 d₁ >0，表示當遷徙率愈高，不確定需求也會增加，市場上所需要的 空屋摩擦水準愈高。d₂ >0，表示當價格分散程度愈大，顯示市場資訊愈不健全， 此時住宅交易雙方的預期搜尋利得也愈高，交易雙方願意花更多時間去搜尋，如 此將導致空屋期間增加，自然空屋率也會提高。 最後是市場均衡條件，即 d _t t s t Q V Q = + (5) 上述市場均衡模型中共計有五條方程式，而有五個內生變 n _{t t} t s t d t Q V V P Q , , , , ， 只要函數之間不出現線性重合，即可以完整的對五個內生變數求解。

肆、聯立計量模型與資料說明

為能釐清房價與空屋率間的調整關係，並估計自然空屋率，我們將上述住宅 市場均衡模型予以簡化以利實證分析之進行。首先，為取得價格函數，可將(1),(2) 兩式代入(5)式，並加以整理得到下列(6)式， 1 1 1 2 1 1 5 1 1 4 1 1 3 1 1 2 1 1 1 1 1 0 0 − − − − + − + − + − + − + − − = t t t t t t t VC a b b R a b a E a b a N a b a Y a b a V a b a a b b a P (6)

為求得空屋函數，可將(4)式代入(3)式，得 V_t =d₀ +d₁M_t +d₂D_t+c₁P_t +c₂Y_t +c₃VC_t−1 (7) 簡化後的(6),(7)兩式中，只剩兩個內生變數P , _t V ，所以模型仍可求_t 解。然後,在估計得到各項係數後，可將之帶入(1)、(5)式，所有的結構方程式 (structure form)之係數均可求得。 為估計(6),(7) 式，可將此兩式改寫成可估計的計量模式(8),(9)式，並將 其係數符號與(6),(7)式相比較，以確定符號方向。 t t t t t t t t V Y N R E VC P =α₀ +α₁ +α₂ +α₃ +α₄ +α₅ +α_{6 −1}+ε₁ (8) t t t t t t t P M D Y VC V =β₀ +β₁ +β₂ +β₃ +β₄ +β_{5 −1}+ε₂ (9) 其中 , 0, 0 1 1 2 2 1 1 1 1 1 1 0 0 0 > − = < − = − − = a b a a b a a b b a _{α α} α , 0 , 0 , 0 , 0 1 1 2 6 1 1 5 5 1 1 4 4 1 1 3 3 > − − = > − = > − = > − = a b b a b a a b a a b a _{α α α} α 0 , 0 , 0 , 0 , 0 , 1 1 2 1 3 2 4 2 5 3 0 0 =d β =c < β =d > β =d > β =c > β =c > β 在(8),(9)兩式聯立方程式中，位階條件(rank condition)及次數條件 (order condition) 都滿足，所以兩條函數均可被認定(identified)。

本文以 1980 年到 2002 年台灣地區 22 縣市為實證範圍，11 所需資料包括房 價、空屋率、遷徙率、家戶所得、家戶數、房價分散程度等。在資料來源方面， 空屋率資料乃依據彭建文、張金鶚(1995)之方法，利用台電用電不足底度戶數資 料加以推估。在住宅價格資料部分，由於目前國內仍缺乏一長期的房價資料，本 文中 1980 到 1992 年的房價採用行政院主計處住宅抽樣調查資料，至於 1992 年 以後部分則採取內政部所出版的房地產交易價格簡訊為準，而為避免極值可能造 成的偏差，本文中各縣市的房價均為單價中位數。家戶數與家戶可支配所得資料 來自於中華民國家庭收支調查報告，遷徙率採主計處人口遷徙專案調查之遷徙率 為準。房價分散程度以各縣市住宅總價的標準差替代。 各變數的平均值與標準差列於表一與表二，由於我們同時使用 22 縣市 1980 到 2002 年的資料，故我們可分別列出以年度區分與以縣市區分的平均值與標準 差。在表一中我們可發現各縣市的空屋率、房價、價格分散程度、家戶數長期來 看，大致呈現增加的趨勢，而遷徙率則呈現略減的趨勢。不過，除人口與所得呈 11 由於澎湖縣在 1989 年以後的房價資料無法取得，故將其排除於實證分析之外。

現較穩定的成長趨勢外，空屋率、房價、價格分散程度則有明顯的上下波動。 表一 各變數基本統計：依年度區分 t V (%) P_t (萬元) M_t(%) D_t(萬元) Y_t (萬元) N_t (千戶) 1980 12.65(2.91) 2.46(0.73) 13.24(4.61) 60.09(17.59) 21.49(3.61) 182.75(130.05) 1981 14.59(3.47) 2.68(0.86) 11.47(4.03) 67.03(25.63) 24.42(3.75) 190.37(138.54) 1982 15.81(4.17) 2.74(0.91) 12.07(3.95) 65.65(25.41) 25.47(3.68) 179.31(146.66) 1983 15.39(4.02) 2.76(0.93) 11.20(3.70) 70.90(21.24) 27.18(4.50) 185.60(154.13) 1984 15.52(4.03) 2.88(1.0) 11.31(3.51) 59.67(27.25) 29.50(4.26) 189.88(158.06) 1985 15.45(4.28) 2.95(0.94) 11.22(3.56) 61.07(27.37) 30.25(4.48) 193.93(161.84) 1986 15.15(4.24) 3.11(0.96) 11.57(4.20) 83.20(40.19) 32.19(4.97) 200.24(170.82) 1987 14.18(3.86) 3.51(1.10) 11.41(3.58) 93.92(39.20) 34.55(5.81) 206.93(180.43) 1988 12.96(3.64) 4.10(1.30) 11.36(3.12) 106.25(37.68) 38.16(6.43) 214.24(189.70) 1989 13.12(3.88) 5.61(1.85) 10.84(2.53) 159.09(59.13) 43.64(7.50) 221.54(197.65) 1990 13.16(4.13) 7.19(2.44) 10.92(2.68) 187.95(82.99) 48.50(8.13) 227.45(203.75) 1991 13.43(3.95) 9.24(2.50) 9.94(2.29) 281.40(90.45) 54.78(8.92) 233.50(209.79) 1992 13.67(3.94) 11.71(2.67) 10.35(2.40) 335.08(109.31) 59.93(9.75) 239.28(214.07) 1993 13.32(3.76) 12.01(3.19) 10.61(2.51) 354.52(142.24) 68.30(10.62) 245.24(218.25) 1994 16.65(4.60) 12.39(3.18) 10.83(2.57) 383.77(184.12) 71.77(12.25) 251.96(222.82) 1995 18.07(5.15) 12.55(2.54) 10.87(2.65) 359.88(145.83) 77.08(12.65) 259.37(228.31) 1996 17.82(4.53) 12.36(2.62) 10.42(2.40) 376.61(164.53) 77.58(12.07) 267.41(234.23) 1997 17.92(4.61) 12.21(2.83) 10.83(2.57) 369.45(159.97) 80.89(13.11) 276.29(242.51) 1998 18.35(4.20) 11.73(3.01) 10.87(2.70) 396.41(197.35) 81.22(14.66) 283.94(249.44) 1999 18.31(4.27) 11.33(3.01) 9.37(2.07) 300.74(109.96) 83.18(14.37) 290.71(255.73) 2000 18.19(3.56) 10.93(3.20) 8.91(1.75) 318.08(114.04) 83.90(14.58) 298.24(262.97) 2001 18.24(3.73) 9.99(2.90) 9.67(2.44) 274.21(92.93) 80.84(15.84) 298.45(274.60) 由於住宅市場具有強烈的地域性，在表二中我們可發現，各縣市間的空屋 率、房價、遷徙率、所得、家戶數均有明顯的差異，我們大致可看出都市化程度 較高的縣市，家戶可支配所得較高、人口遷徙較多、價格分散程度較大，空屋率

也較高。此外，我們亦已發現各變數在同一年度不同縣市的差異較同一縣市不同 年度的變化來得大，此主要是因為住宅的異質性與不可移動性，使得各縣市的住 宅市場明顯展現不同特性。 表二 各變數基本統計：依縣市區分 t V (%) P_t (萬元) M_t(%) D_t(萬元) Y_t (萬元) N_t (千戶) 台北市 11.47(2.01) 13.99(7.81) 15.01(3.85) 315.05(233.49) 76.11(35.74) 759.78(109.37) 高雄市 16.24(1.50) 7.11(3.0) 14.77(2.31) 293.33(215.25) 60.39(27.07) 377.99(71.71) 基隆市 20.98(3.58) 6.93(3.80) 12.71(1.41) 170.56(142.75) 57.06(23.69) 958.93(17.83) 新竹市 18.55(2.53) 8.79(5.43) 12.19(0.88) 259.82(200.73) 63.30(28.08) 83.29(16.84) 台中市 21.86(3.21) 6.51(2.58) 14.60(1.31) 222.87(106.55) 64.12(27.02) 210.60(56.63) 嘉義市 19.12(1.84) 7.93(4.43) 12.76(1.01) 294.0(213.22) 54.19(23.97) 65.59(9.27) 台南市 18.43(1.53) 8.89(5.02) 15.49(2.38) 276.80(182.29) 54.08(22.41) 176.84(34.24) 宜蘭縣 19.07(2.27) 6.88(4.35) 9.08(0.75) 205.30(166.66) 50.55(23.25) 105.06(15.86) 台北縣 18.29(2.56) 8.75(4.91) 14.47(2.98) 197.61(138.25) 58.83(23.61) 808.20(19.86) 桃園縣 20.22(4.08) 8.34(5.70) 12.08(1.56) 279.47(215.59) 58.43(27.79) 340.89(92.62) 新竹縣 11.04(2.54) 6.48(4.12) 8.37(1.15) 147.24(95.61) 58.34(28.37) 90.07(19.24) 苗栗縣 10.51(3.15) 6.59(4.22) 7.68(0.73) 175.81(122.14) 52.45(22.68) 118.09(16.63) 台中縣 15.74(2.40) 7.02(4.04) 9.74(1.08) 190.99(137.60) 53.90(23.36) 294.49(65.28) 南投縣 14.26(2.16) 7.03(4.71) 8.18(0.46) 174.79(106.78) 49.18(21.26) 118.44(27.38) 彰化縣 15.95(1.57) 6.86(4.10) 7.71(0.76) 276.31(255.15) 49.28(20.64) 264.13(34.65) 雲林縣 10.63(2.71) 6.54(4.42) 7.20(0.55) 223.79(170.91) 42.0(19.81) 173.55(16.19) 嘉義縣 13.14(1.38) 5.62(3.64) 7.43(0.78) 137.14(99.39) 41.14(17.69) 134.70(15.9) 台南縣 11.96(1.54) 6.15(3.57) 8.88(0.64) 166.28(104.17) 45.37(20.16) 255.08(44.17) 高雄縣 12.88(1.69) 6.98(4.42) 10.92(0.97) 150.65(95.63) 47.19(19.61) 282.93(57.93) 屏東縣 10.90(2.66) 5.95(3.88) 8.21(0.49) 147.69(106.46) 48.59(22.54) 208.53(26.16) 台東縣 12.25(3.55) 5.28(3.23) 10.41(0.82) 115.98(73.60) 41.46(16.58) 63.96(4.98) 花蓮縣 18.48(3.83) 6.64(3.86) 11.43(0.94) 187.12(114.54) 48.84(22.15) 88.15(10.90)

伍、實證分析與自然空屋率之估計

本文同時採用 2SLS 及 3SLS 方法對上述(8)、(9) 兩式進行聯立體系的迴 歸估計，並比較他們可能之差異。從表三的實證結果可發現，不論在價格或空屋 率函數中,各變數之係數符號均符合原先的預期，而且每一係數都在 90%以上的 信心水準下顯著的異於 0，房價函數的 2 R 為 0.845，空屋率函數的R 為 0.3794，2 聯立體系之加權 2 R 為 0.7314，此結果較林祖嘉等(1994)的模式略低，主要是因 為我們在空屋率函數中捨棄前期空屋率此一變數，由林祖嘉等(1994)一文中可發 現前期空屋率對當期空屋率的影響係數高達 0.9，此結果固然可使我們瞭解空屋 率的調整速度緩慢，但卻不易觀察到影響空屋率變化的因素，進而造成自然空屋 率的值偏低。由於本文中各項模型的檢定值均達到顯著水準，故模型的配適程度 大致良好。 在價格函數方面，在 2SLS 中除家戶數(N )的係數(0.0051)未達顯著水準t 外，空屋率V (-0.0714)對房價的影響為負向，達到 10%的顯著水準，所得(_t Y )、_t 預期增值(E )、租金(t R )等變數不但符合預期符號，對房價有正向影響，且均t 達到 1%以上的顯著水準。而在 3SLS 中，空屋率V (-0.0797)達到 5%的顯著水準，_t 家戶數(N )的係數影響如同所得(t Y )、預期增值(t E )、租金(t R )等變數一樣，t 都顯著的異於 0。 在空屋率函數方面，不論是 2SLS 或 3SLS，各變數的符號均符合預期，且除 房價分散程度(M )在 3SLS 中達到 90%的顯著水準外，其他各變數均達到 99%的_t 顯著水準。其中房價對於空屋率的影響為負，顯示房價愈高,持有房屋的成本(包 含稅負及機會成本)亦增加，屋主會提高對房屋的利用，故空屋率會降低。其他 變數如遷徙率(M )與房價分散程度(_t D )、家戶所得(_t Y )、前期空屋變化_t (VC_t−1)等變數對空屋率則有正向之影響。 本文將自然空屋率定義限於,住宅市場中為因應"遷徙"以及"交易搜尋"所需 要的市場摩擦性空屋水準,也就是正常住宅市場合理運作之必要空屋率。我們可 依據價格及空屋率函數的係數，分別求得結構方程式中可以被認定之係數，並將 各縣市的遷徙率與價格分散程度代入估計到的自然空屋率結構方程式中，如此可 求得臺灣地區各縣市 1980-2002 年的自然空屋率。

表三 結構方程式之迴歸估計 2SLS 3SLS 解釋變數 Pt Vt Pt Vt 常數項 -1.3133** (-2.37) 3.2743*** (3.86) -1.2702** (-2.33) 2.5639*** (3.04) t V -0.0714* (-1.84) - -0.0797** (-2.07) - t P - -1.6616*** (-8.18) - -1.4883*** (-7.36) t R 0.499*** (6.64) 0.3660*** (5.60) - t M - 0.6593*** (10.61) - 0.6853*** (11.04) t D - 0.0142*** (5.73) - 0.004* (1.81) t Y 0.1378*** (20.4) 0.2705*** (9.75) 0.1451*** (22.81) 0.2953*** (10.7) t N 0.0051 (0.94) - 0.0165*** (3.52) - t E 3.6214*** (7.13) - 3.5012*** (7.69) - 1 − t VC 0.2889*** (4.27) 0.8126*** (5.84) 0.3001*** (4.44) 0.8157*** (5.86) Adj 2 R 84.5 37.94 - - F Value 399.84*** 54.67** - - 系統加權R2 - 0.7314 觀察值數目 439 439 由表四各縣市平均自然空屋率結果可發現,2SLS 的結果略高於 3SLS 的結 果，以下本文將主要採用 3SLS 所推估之結果進行解釋。首先，就各縣市平均自 然空屋率而言，除台北市的平均自然空屋率(14.16%)略高於平均實際空屋率 (11.47%)外，所推估的各縣市平均自然空屋率(8.22%到 14.23%之間）均較實際 空屋率(10.51%到 21.86%之間)為低。若按平均自然空屋率高低來劃分,以台南市

(14.23)%為最高，,其次依序是臺北市(14.16%)、高雄市(13.90%)、臺中市 (13.49%)、台北縣(13.30%)、嘉義市(12.6%)、新竹市(12.08%)、桃園縣(12%)、 基隆市(11.98%)等都市化程度較高的縣市。至於其他縣市中以嘉義縣的 8.22%為 最低。另外，我們亦可發現，除台北市的實際空屋率較低，而自然空屋率偏高， 而宜蘭縣、花蓮縣實際空屋率較高，而自然空屋率卻未較高外，其他自然空屋率 較高的縣市，其實際空屋率也會較高。大致而言，平均自然空屋率在各縣市之間 有相當明顯之差異，但是其差異較實際空屋率之差異為小，而都市化程度較高的 地區，自然空屋率也愈高。臺灣地區平均自然空屋率為 10.88%,較實際平均空屋 率 15.54%為低。 在表四中，我們亦可針對本文所推估的自然空屋率與林祖嘉等(1994)的結果 進行比較，我們可發現雖然本文對於自然空屋率的定義與林祖嘉等(1994)相同， 但所推估的自然空屋率約是其兩倍(10.71%相較於 4.59%)，此可能是因為該文的 空屋率函數中前期空屋率的影響係數高達 0.9，故造成其他變數的影響相當有 限，據此所計算的自然空屋率也會偏低，而該模型對於為何會累計如此龐大的前 期空屋亦無法提供完整的解釋。此外，對於實際空屋率與自然空屋率之間有相當 大的差距，但為何房價卻沒有明顯向下調整亦無法合理解釋。而從本文實證結果 可發現，當期空屋率對於當期房價確實有顯著負面的影響，但是實際空屋率與自 然空屋率的差距則未如林祖嘉等(1994)一文所計算的龐大，此可能才是造成國內 房價調整緩慢、幅度未如預期般大的原因。 本文所計算的平均自然空屋率高達 10.88%，此相較於過去所認知的住宅市 場合理運作空屋率 5%而言，可說明顯偏高，此或許反映出國內住宅市場的運作 效率不佳及住宅產品的差異性極大，故因應遷徙與搜尋的必要空屋率仍舊偏高， 未來應就如何提供住宅市場更有效率的交易撮合制度努力。此外，我們還發現， 1990 年到 2001 年的平均實際空屋率 16.43%相較於 1981 到 1989 年的 14.68%， 上升約兩個百分點，但自然空屋率(10.94%)卻僅較 10.71%小幅上升，並未如預 期般明顯上升，此可能是因為 1990 年以後遷徙率已略微下降，加以住宅市場的 結構性改變對於實際空屋率的影響遠大於對自然空屋率的影響有關。亦即 1990 年以後的實際空屋率上升，但自然空屋率卻未隨之上升，兩者差距逐漸擴大而使 得房地產市場長期不景氣，故房價開始有較明顯的下跌趨勢。

表四 各縣市平均自然空屋率之估計 實際空屋率 自然空屋率 (2SLS) 自然空屋率 (3SLS) 1981-1989 1982-2001 1981-1989 (a) 1981-1989 (b) 1982-2001 1981-1989 (a) 1981-1989 (b) 1982 - 2001 全台灣平均 14.68 15.54 4.30 11.99 13.53 4.59 10.71 10.88 台北市 11.42 11.47 4.30 16.90 17.81 4.59 15.32 14.16 高雄市 15.51 16.24 5.66 15.70 17.32 6.10 14.13 13.90 基隆市 19.45 20.98 4.44 12.70 14.17 4.65 11.68 11.98 新竹市 17.06 18.55 4.77 13.11 15.43 5.10 11.74 12.08 台中市 19.66 21.86 6.26 15.48 16.17 6.76 13.74 13.49 嘉義市 19.32 19.12 4.77 13.66 16.25 5.17 12.21 12.60 台南市 17.82 18.43 5.72 16.18 17.55 6.10 14.80 14.23 宜蘭縣 18.59 19.07 3.61 10.16 12.28 3.85 8.99 9.64 台北縣 19.16 18.29 5.27 15.14 15.72 5.54 14.01 13.30 桃園縣 18.75 20.22 4.81 12.90 15.36 5.09 11.68 12.0 新竹縣 10.03 11.04 3.42 9.64 10.94 3.63 8.54 8.91 苗栗縣 8.49 10.51 8.48 9.32 10.92 3.72 8.07 8.56 台中縣 16.49 15.74 4.12 10.88 12.5 4.42 9.58 10.03 南投縣 13.40 14.26 3.41 9.77 11.23 3.66 8.46 8.89 彰化縣 16.00 15.95 3.42 9.40 12.44 3.78 8.12 9.0 雲林縣 9.83 10.63 3.29 9.06 11.32 3.54 7.82 8.43 嘉義縣 13.01 13.14 3.07 8.94 10.18 3.25 7.88 8.22 台南縣 11.61 11.96 3.76 10.45 11.55 4.06 9.14 9.33 高雄縣 12.38 12.88 3.96 11.51 12.69 4.19 10.39 10.67 屏東縣 9.01 10.90 3.40 9.48 10.86 3.61 8.38 8.80 台東縣 9.91 12.25 3.69 11.30 11.83 3.91 10.21 10.17 花蓮縣 15.56 18.48 4.25 12.36 13.54 4.65 10.96 11.17 附註：(a)代表林祖嘉等(1994)之推估值。(b)代表本研究之推估值。

陸、結論與建議

在實際空屋率遠高於自然空屋率的情況下，理論上房價應會迅速調整，空 屋率則不應再繼續上升，但國內住宅市場出現空屋率持續大幅上升而房價卻調整 緩慢的現象，背後確實存在許多值得深入探討的課題。 本文認為造成此空屋率與房價調整關係不清處的原因可能是，第二屋或暫 時閒置的住宅比例很高，有許多住宅既不出售也不出租，根本不在市場上流通， 或者是國內住宅市場的自然空屋率未如預期般低。為能釐清這些混淆的問題，本 文重新修正林祖嘉等(1994)所建立的房價與空屋率聯立調整模型，並推算 1980 年至 2002 年台灣地區各縣市的自然空屋率，結果發現房價與空屋率之間具有顯 著的反向關係，所計算的平均自然空屋率為 10.88%，較實際平均空屋率 15.54% 為低，大約是林祖嘉等(1994)估計結果 4.59%的兩倍，亦即實際空屋率與自然空 屋率的差距則未如林祖嘉等(1994)一文所計算的龐大。 就各縣市而言，除台北市的平均自然空屋率(14.16%)略高於平均實際空屋 率(11.47%)外，所推估的各縣市平均自然空屋率(8.22%到 14.23%之間）均較實 際空屋率(10.51%到 21.86%之間)略低。除台北市的實際空屋率較低，而自然空 屋率偏高，而宜蘭縣、花蓮縣實際空屋率較高，而自然空屋率卻未較高外，其他 自然空屋率較高的縣市，其實際空屋率也會較高。平均自然空屋率在各縣市之間 有相當明顯之差異，但是其差異較實際空屋率之差異為小，而都市化程度較高的 地區，自然空屋率也愈高。 此外，我們還發現，1990 年到 2001 年的平均實際空屋率 16.43%相較於 1981 到 1989 年的 14.68%，上升約兩個百分點，但自然空屋率 10.94%卻僅較 10.71% 小幅上升，並未如預期般明顯上升。本文認為 1990 年以後國內住宅市場的結構 性改變使得實際空屋率大幅上升，但自然空屋率卻呈現穩定，兩者差距的逐漸擴 大，可能是造成國內住宅市場長期不景氣，房價開始有較明顯下跌趨勢的原因。

參考文獻

1. 林祖嘉(2002)，＂台灣地區餘屋存量影響因素之分析＂，住宅學報，11 卷 1 期，第 23-34 頁。 2. 林祖嘉、張金鶚、彭建文(1994)，＂台灣地區空屋率與房價調整之均衡分 析＂，八十二年度經濟學門專題計畫研究成果發表會論文選集，第 85-106 頁。 3. 陳樹衡、林祖嘉、葉家炫(1995)，＂空屋率的模型選擇及其穩定性：遺傳 規劃的應用＂，住宅學報，第 3 期，第 73-98 頁。 4. 彭建文、張金鶚(1995)，＂臺灣地區空屋現象與原因分析＂，住宅學報， 第 3 期，第 45-71 頁。 5. 彭建文、張金鶚( 2000)，＂總體經濟對房地產景氣之影響＂國科會人文及 社會科學研究彙刊,第 10 卷第 3 期。第 330-343 頁。

6. Gabriel, S. A., and F. E. Nothaft (1988), Rental Housing Markets and the Natural Vacancy Rate, Journal of the American Real Estate & Urban

Economics Association, Vol. 16 (4), 419-29.

7. Gabriel, S. A., and F. E. Nothaft (2001), Rental Housing Markets,

the Incidence and Duration of Vacancy and the Natural Vacancy Rate,

Journal of Urban Economics, Vol. 49 (1), 121-49.

8. Jud, G. D., and J. R. Frew(1990), Atypicality and the Natural Vacancy

Rate Hypothesis, Journal of the American Real Estate & Urban

Economics Association, Vol. 18 (3), 294-301.

9. Reece, B. F.(1988), The Price-Adjustment Process for Rental Housing: Some Further Evidence, AREUEA Journal, 16, 411-418.

10. Rosen, K.T., and L. B. Smith(1983), The Price-Adjustment Process for Rental Housing and the Natural Vacancy Rate, American Economic

Review, Vol. 73 (4), 779-86.

11. Sivitanides, P. S.(1997), The Rent Adjustment Process and the

Structural Vacancy Rate in the Commercial Real Estate Market,

Journal of Real Estate Research, Vol. 13 (2), 195-209.

12. Smith, L. B.(1974), A Note on the Price Adjustment Mechanism for Rental Housing, American Economic Review, 64,478-481.

13. Struyk, R. J.(1988), Understanding High Housing Vacancy Rates in a

Developing Country: Jordan, Journal of Developing Areas, Vol. 22 (3), 373-80.

14. Tse, R. Y. C., and, B. D. MacGregor(1999), Housing Vacancy and Rental Adjustment: Evidence from Hong Kong, Urban Studies, Vol. 36 (10), 1769-82.

15. Voith, R. and T. Crone (1988), National Vacancy Rates and the Persistence of Shocks in U.S. Office Markets, Journal of the American

Real Estate & Urban Economics Association, Vol. 16 (4), 437-58.

16. Wang, K. and Y. Zhou. (2000) Overbuilding: A Game-Theoretic Approach,

Real Estate Economics, Vol. 28 (3), 493-522.

17. Wheaton, W. C. and R. G. Torto (1988), Vacancy Rates and the Future of Office Rents, Journal of the American Real Estate & Urban