從新個案推案量、銷售量看房價─ 以台灣地區、台北市、新北市為例 - 政大學術集成

全文

(1)國立政治大學財務管理研究所碩士論文. 從新個案推案量、銷售量看房價─. 政治大以台灣地區、台北市、新北市為例. 立. Observe Housing Price by New Housing. ‧ 國. 學. Construction Cases’ Volume and Sale. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 指導教授：岳夢蘭博士研究生：林君澤. 撰. 中華民國一百零四年一月.

(2) 謝辭呼！居然也到了寫謝辭的時候，兩年前空著手空著腦袋從軍營回到了有點近鄉情怯也有點人事已非的指南山下。再次回到校園學習，再加上實習、考試、上街頭的熱血，兩年過去，我將這豐富充實的喜怒哀樂酸甜苦辣與歡笑淚水都裝進背包，繼續踏上新的旅程。這篇論文能夠完成，首先要感謝我的指導教授岳夢蘭老師，感謝老師這一年來辛苦地給予協助與指導，使我在漫長的摸索中找到方向，也向老師學習到許多，學生心中非常感激。同時也要謝謝口試委員詹佳縈老師與賴弘能老師，有你們的. 政治大. 建議與指導使這份論文更臻完善。同時也要謝謝林左裕老師與張元晨老師在論文. 立. 寫作過程中的幫助。. ‧ 國. 學. 在蒐集資料方面，感謝崔媽媽基金會與政大商學院信義不動產研究中心所給予的諸多協助。同時也要謝謝欣樺、黃斐、耀宗在這段時間給予我的幫助並提供. ‧. 你們的想法，你們的一小步協助是我論文進展的一大步。也要感謝同門的彥廷、. sit. y. Nat. 宇軒、卉亭，一路上的扶持與幫助。. al. er. io. 也很高興認識彥廷、毓明、宗諺、宇軒、晉委、玲儀、胤馨等好友，還有許. v. n. 多從以前到現在關心我的朋友，除了在論文跟課業各方面的照顧，一同玩耍喇賽. Ch. engchi. i n U. 更是排解了許多研究所的苦悶與無趣，能夠遇到氣味相投的人實在是人生一大樂事啊，也謝謝你們不矯情，不說一些言不由衷的話，不做一些言行不一的事。也謝謝所有財管所 101 級的好同學們，有幸能與這麼多優秀的同學共度兩年的學生時光。感謝我的家人，謝謝你們永遠是我最強的後盾，永遠的避風港，謝謝你們。最後，謝謝所有我周遭的人們，沒有你們就不會有今天的我。. I.

(3) 摘要本研究利用 1997 年第一季到 2013 第四季的新個案推案量、銷售量觀察台灣地區、台北市、新北市的房價變化。延續過往的文獻，本研究首先利用單根檢定之方式檢定台灣地區、台北市、新北市之中古屋房價租金比，實證結果發現樣本期間裡三個地區皆存在房地產泡沫，並且印證了貨幣供給量經由房貸信用擴張的管道推升房價的假設。接著以租金、所得、消費者房貸三者觀察房價，發現新北市由於政府近年投入大量重大建設使房屋區位外在環境大幅改善，但居民所得並未隨之提升使所得. 政治大. 與房價兩者出現脫鉤。台北市則因為身為全國的發展重心，高所得的家戶與活絡. 立. 的金融活動支撐了高房價。. ‧ 國. 學. 而從新個案推案量、銷售量觀察房價變化，由於台北市發展完善及地理環境使土地供給受限，新個案推案量並非觀察房價的有效指標，但台北市房地產交易. ‧. 卻是觀察房價景氣的良好指標。新北市、台灣地區則因為建商跟隨政府重大建設. y. sit. n. al. er. io. 氣波動。. Nat. 在各大重劃區推案而帶動周邊房價，但新北市的市場交易並未完全隨著房價的景. Ch. engchi. 關鍵字：房價、租金、所得、推案量、銷售量. II. i n U. v.

(4) Abstract This study uses new housing construction cases’ volume and sale to observe the change of housing price. Following the studies in housing bubble, by testing the price rent ratio, the evidence shows that housing bubble exists in Taiwan, Taipei City, and New Taipei City in the sample period. Evidence shows that loosing monetary policy push up housing price by the channel of mortgage credit supply. In New Taipei City, housing price rises due to government’s highly investment in infrastructure; however, the trend between housing price and income detached since. 政治大 is supported by high-income 立household and active financial activity.. the income of household remains in the same level. In Taipei City, high housing price. ‧ 國. 學. In the perspective of new construction’s cases, the volume of Taipei City is limited due to lacking in land supply; however, the sale of new cases is a great. ‧. indicator in housing propensity. In Taiwan and New Taipei City, construction. sit. y. Nat. companies follow government’s urban plan and infrastructure investment, releasing. n. al. er. io. new cases and then affecting the housing price in the surrounding area. However, the. i n U. v. transaction in New Taipei City is not active as the housing price soaring.. Ch. engchi. Key words: Housing price, rental, income, volume, sale. III.

(5) 目錄第一章. 緒論............................................................................................................ 1. 第一節. 研究動機與目的 ................................................................................. 1. 第二節. 不動產之特性與價格影響因素 ......................................................... 4. 第三節. 研究架構與流程 ................................................................................. 6. 第二章. 文獻回顧.................................................................................................... 7. 第一節. 房價泡沫化的相關文獻 ..................................................................... 7. 第二節. 總體經濟因素與不動產價格關係之文獻 ....................................... 10. 第三節. 貨幣供給、貸款餘額與不動產價格關係之文獻 ........................... 12. 第四節. 研究假說 ........................................................................................... 13. 立. 研究方法.................................................................................................. 15. 第二節. 可支配所得與消費貸款對於中古屋/新成屋的解釋能力 .............. 17 租金、所得、房貸、推案量、銷售量與中古屋房價之關係 ....... 18. ‧. 第三節. 房價泡沫化的檢驗 ........................................................................... 15. 學. 第一節. ‧ 國. 第三章. 政治大. 第四章實證結果與分析.......................................................................................... 20. y. Nat. 第二節. 房價泡沫化的檢驗 ........................................................................... 30. 第三節. 可支配所得與消費貸款對於中古屋/新個案房價的解釋能力 ...... 31. 第四節. 租金、所得、貸款、推案量、銷售量與中古屋房價之關係 ....... 36. 第五節. 台灣地區、台北市、新北市的綜合比較 ....................................... 41. er. al. n. 第五章. sit. 資料來源與變數說明........................................................................ 20. io. 第一節. Ch. engchi. i n U. v. 結論與建議.............................................................................................. 44. 第一節. 結論 ................................................................................................... 44. 第二節. 決策涵義 ........................................................................................... 46. 第三節. 研究限制與後續建議 ....................................................................... 48. IV.

(6) 圖目錄圖一. 台灣地區中古屋房價指數圖 ................................................................. 21. 圖二台北市、新北市中古屋每坪平均單價 ................................................. 21 圖三台灣地區、台北市、新北市新個案每坪平均可能成交單價 ............. 22 圖四台灣地區租金價格指數變化圖 ............................................................. 23 圖五台北市、新北市每坪租金變化圖 ......................................................... 23 圖六台灣地區、台北市、新北市平均可支配所得 ..................................... 24 圖七台灣地區、台北市、新北市每季推案量 ............................................. 25. 政治大消費者房屋貸款餘額立 ............................................................................. 27. 圖八台灣地區、台北市、新北市每季成交量 ............................................. 26 圖九. ‧ 國. 學. 圖十貨幣供給量(M2) ..................................................................................... 28 圖十一消費者貸款餘額殘差-台灣地區 ........................................................ 33. ‧. 圖十二消費貸款餘額殘差-台北市 ................................................................ 33. n. al. er. io. sit. y. Nat. 圖十三消費貸款餘額殘差-新北市 ................................................................ 34. Ch. engchi. V. i n U. v.

(7) 表目錄表一. 變數資料來源與代號整理...................................................................... 20. 表二台灣地區資料敘述統計彙整.................................................................. 28 表三台北市資料敘述統計彙整...................................................................... 29 表四新北市資料敘述統計彙整...................................................................... 29 表五定態時間序列迴歸分析.......................................................................... 31 表六各地區可支配所得與消費房貸餘額之迴歸分析.................................. 32 表七各地區所得、房貸餘額殘差與中古屋、新個案房價迴歸分析.......... 35. 政治大租金、所得、房貸殘差、推案量、銷售量對中古屋房價迴歸分析.. 38 立. 表八各地區新個案推案量、銷售量對中古屋房價迴歸分析...................... 37. 各地區所得、貸款餘額對於中古屋、新個案房價之解釋力............ 42. 學. 表十. ‧ 國. 表九. 表十一各地區各項變數對中古屋房價顯著水準比較.................................. 42. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. VI. i n U. v.

(8) 第一章. 緒論. 第一節研究動機與目的 2014 年 4 月，美國顧問業者 Demographia 的調查資料統計(2014 demographia housing affordability survey)的全球房價所得比，香港為 14.9 倍，而內政部以「實價登錄」及財稅資料計算人民購屋負擔，其中台北市的房價所得比為 15.01 倍，. 政治大. 新北市所得比為 12.67 倍，台北市的房價所得比比眾所皆知寸土寸金的香港還要. 立. 高。. ‧ 國. 學. 而根據全球房地產指南(Global Property Guide)調查報告指出，從房價租金比來看，台灣地區高達 64 倍，遠高於鄰近的亞洲地區，如日本 18 倍、香港 33 倍、. ‧. 新加坡 41 倍，房價迅速上漲而租金成長卻遲遲落後，意味著房地產泡沫的可能. sit. y. Nat. 性。. al. er. io. 台灣的房地產自 1970 年以來，歷經三次大規模的景氣循環，前兩次為 1973. v. n. ~1974、1979~1980，一般認為這兩次的波動源自國際上第一次與第二次石油危機，. Ch. engchi. i n U. 國際石油危機帶動通貨膨漲，而當時台灣房屋供給量稀少，導致投資需求大增、房地產價格飆漲。到了 1980 年代初政府祭出空地限建照價收買、限制房地產投資與融資，使房地產景氣逐漸冷卻。然而 1980 年代台灣經濟快速發展，國民所得持續並快速成長，1986 年台銀貸款利率從 8.2%下調至 7.5%，股票市場蓬勃發展與新台幣大幅升值讓社會的游資大增，再次推升房地產價格，1989 年因而出現知名的無殻蝸牛運動。到了 1990 年代，政府利用貸款限縮、大幅調高土地公告現值打壓房市，台灣的房地產市場陷入空頭。然當台灣房地產市場出現「七年一循環」之說並逐漸要邁向復甦之際，卻在 1996 年爆發了著名的台海危機，台灣的政治環境出現極大的不穩定因素，大大了打擊民眾、企業置產的意願。而 1.

(9) 1997 年亞洲金融風暴，1998 年國揚、擎碧等大型建商發生跳票，1999 年 921 大地震等重大事件更讓台灣的房地產市場持續低迷。2002 年開始政府對房地產實施減稅以及市場利率調降，房地產市場出現復甦現象，2003 年 SARS 曾短暫影響逐漸復甦的房地產市場，但之後房地產市場一路走揚，直至 2008 年末發生金融海嘯，房地產市場的榮景被打斷，但在 2009 年中就恢復並且大幅上漲，直至 2013 年底，房價飆漲之趨勢才漸有趨緩的現象。而在此波的房地產上漲中，台灣政府對於房價的波動也採取了一些手段因應。中央銀行將房市進行三波的選擇性信用管制(Selective Credit Control)，對特定地. 政治大內移轉之不動產課徵特種貨物及勞務銷售稅以抑制投機性的買賣行為。金管會則立. 區購置住宅貸款和土地抵押貸款降低貸款成數並提高貸款利率。而財政部對兩年. 分別對存款性的金融機構及非存款性的金融機構執行選擇性信用管制，亦即金管. ‧ 國. 學. 會要求國內金融機構對於不動產的貸款措施必須符合金管會的規定，對於非存款. ‧. 性的金融機構(如：保險公司)等的資金運用，則以「新八條」控管壽險業購買不. y. Nat. 動產。而內政部為使不動產交易資訊透明化，根據不動產經紀業管理條例、地政. er. io. sit. 士法及平均地權條例要求不動產買賣雙方、地政士，或不動產經紀業者均需登錄不動產實際交易價格於內政部所屬的地政機關網站，亦即實價登錄。而台北市政. al. n. v i n 府按房價與漲幅實施分區課稅，如將大安、信義、中正及松山等一級重稅區的售 Ch engchi U 屋所得稅率從 42%調升為 48%。然而也許是還有其他政策同步推行的影響，以. 上的政策並未達到預期的打房效果，而日益高漲的房價便成為社會大眾經常關注的議題。而除了租金、所得、政府政策(包含貨幣、房貸、稅制等政策)，房地產市場的活絡程度亦常被做為是探討房價中重要的指標。如建物買賣移轉棟數被做為是反映各地區消費者的房地產交易活動是否活絡，而各建商對於建築物建築執照、建築物使用執照的申請件數則被作為是反映建商對於未來房地產市場的預期。除此之外，各地區房地產市場中新建案數據亦是常被作為討論的指標，新個. 2.

(10) 案的成交單價或總價、推案量、銷售量、議價空間等，都是反映各地區房地產市場的重要指標，而早期由於台灣的經濟、社會環境，使台灣的房地產市場有著名「329 檔期」、「928 檔期」，市場多以此做為當年度房地產是否繁榮的重要指標，並試圖以此與中古屋市場的繁榮程度作連結。而建商、購屋民眾分別作為房地產市場的供給者和需求者，也常以此指標作為投資、消費決策決定的參考。此外，政府作為房地產市場的監管單位，亦會觀察新個案市場的榮枯程度，以適當政府政策作為因應。然而，關於房價的推升，文獻的研究方向從貨幣出發到信用供給，卻鮮少討. 政治大幣之間的連結，並由此討論所得、信用供給對於中古屋、新個案房價的推升效果。立論信用供給乃是必須以所得作為依據，因此本研究將利用信用供給作為所得、貨. 除此之外，住宅統計或住宅相關報導中常報導建商推案量、銷售量對於該地. ‧ 國. 學. 區房價的影響，這也是本研究欲進行探討的議題。在不動產住宅市場中，新個案. ‧. 的推案量、銷售量常被視為是觀察不動產市場活動是否活絡的指標，然而推案量. y. Nat. 增加，可能表示建商對於未來的房地產市場為多頭的預期，但同時市場供給也增. er. io. sit. 加，因此本研究也將探討樣本期間內新個案/新成屋的推案量、銷售量對於中古屋市場是否會造成影響。. al. n. v i n 綜合以上所述，近年來房價高漲， C h 、房價泡沫化常常是社會大眾所關注的議題 engchi U. 而政府也曾先後透過各種手段與政策試圖打壓房價，而衡量房價泡沫化是否存在的指標大多採用房價租金比以及房價所得比做為依據，而對於房價泡沫之成因，. 文獻大多從貨幣供給量(M1B, M2)探討，並以此與政府政策連結。然而貨幣供給牽涉層面過於寬廣，因此本研究從更攸關不動產市場的經濟變數著手，如新個案推案量、房貸貸款餘額等數據。除了使用租金、所得等變數，再加入消費性房屋貸款以及各地區新個案的推案量與銷售量，探討其對於房價推升的效果與關係，並以此推論對於政府(管理者)、建商(供給者)、購屋民眾(消費者)三者在房屋決策的參考。. 3.

(11) 第二節不動產之特性與價格影響因素本研究參考陳奉瑤、章倩儀(2006)以及賴碧瑩(2009)著作後，歸納出不動產之特性以及影響不動產價格之因素。. 一、不動產之特性不動產相較於其他資產，有其特殊性和不可替代性，從其在經濟及法律上之特徵看，大致可歸類為以下七點. 政治大動。造成消費在購買不動產時會考慮其區位、交通和生活便利性等因素。立. 1. 不可移動性：由於土地資源不可移動，依附其上的不動產建物也因此無法移. 2. 異質性：影響不動產之因素眾多，如區域、樓層、面積、方位、建築形式、. ‧ 國. 學. 臨路和鄰里條件等，亦即沒有任何不動產可以擁有完全相同的條件，. ‧. 3. 稀少性：台灣地區因為山多平原少，適宜居住的土地資源有限，且土地資源. y. Nat. 總量受先天環境限制，無法經由投入人力、物力加以生產，造成台灣地區人. er. io. sit. 口密集，都會區可做為開發之土地更相對稀少。. 4. 耐久性：不動產的使用年限長，一般評估建物約為 50~60 年，土地的使用年. n. al. 限則沒有限制。. Ch. engchi. i n U. v. 5. 昂貴性：由於不動產價格高昂，一般家庭在購買時通常需要仔細評估和考量，期也會受到總體環境(如：利率)等因素影響。而民眾購買不動產時多半將其視為重大決策，態度較購買其他商品或資本財更是謹慎，考慮的因素也較多。 6. 投資與消費之雙重特性：不動產同時具有投資和消費的雙重特性，故評估其需求時，須將投資需求與消費(住宅之使用)需求一併納入考量。 7. 所有權之可分割性：不動產可透過法律、契約之方式，分割變更成其他較複雜形式的所有權。. 4.

(12) 二、影響不動產價格之因素影響不動產價格之因素大致可成一般因素、區域因素、個別因素三大面向觀察，茲分述如下： (一). 一般因素一般因素包含社會、經濟、政策與政治因素。社會因素包含人口的成長與分. 布、社會增加率與自然增加率、家戶數及其區為分布、以及居住環境的面積與水準。經濟因素包含國民所得和經濟成長、物價水準、利率水準、貨幣供給、以及國內總體經濟情況和金融局勢。政策因素包含住宅政策、不動產法令變動，甚至. 政治大. 是重要人物對於不動產政策的分析與說明。政治因素包含國內政治的安定與否以及國際政治的情勢。 (二). 立. 區域因素. ‧ 國. 學. 區域因素包含區域之概況、土地利用、建物利用、與該區域不動產市場的發. ‧. 展情況。區域概況包含重大公共建設、公共設施(如：學校、文化中心、焚化爐、. y. Nat. 墓地等)、交通運輸等設施之距離。土地利用包含都市計畫概況、土地使用分區. er. io. sit. 分布、土地利用情況和發展強度等。建物利用包含建物型態、樓層概況、屋齡分布以及建築物的使用情形。不動產市場發展包含市場的供給與需求、市場產品型. n. al. Ch. 態、市場價格以及未來的發展趨勢。 (三). 個別因素. engchi. i n U. v. 個別因素包含該不動產之特定土地物理條件、土地使用管制、土地利用現況以及建物個別條件。土地物理條件包含臨路狀況、道路寬度、基地規模等。土地使用管制包含如使用分區、建蔽率、容積率等一般性管制，以及如航管限制、禁限建等特殊管制。土地利用現況包含是否出租或自用甚或被占用，以及附近有無高壓電塔等嫌惡設施，該土地是否遭受汙染等個別因素。建物個別條件包含建物面積與使用現況(如：登記用途、結構、樓層、格局、屋齡、座向、建材設備、公設比等諸多個別狀況)。. 5.

(13) 綜合以上所述，由於不動產具有極高的異質性，若欲進行區域分析須排除個別案件在條件上的不同，因此本研究進行多以平均價格作為衡量依據，亦排除不動產是特定個別因素。而在一般因素中以貨幣供給與房貸餘額代表國內總體經濟情況及政府政策，在區域因素中以新個案市場的供給量與銷售量作為反映不動產市場景氣的依據。. 第三節研究架構與流程. 政治大理有關房價泡沫化的相關文獻，第二節整理總體經濟因素與不動產價格關係的相立本研究第一章為緒論，說明研究動機與目的；第二章為文獻回顧，第一節整. 關文獻，第三節整理貨幣供給與貸款餘額與不動產價格關係之文獻，第四節為研. ‧ 國. 學. 究假說；第三章為研究方法，第一節以林素菁(1997)之模型為基礎用單根檢定的. ‧. 方式檢驗房價泡沫化，第二節探討可支配所得、消費者房屋貸款餘額與中古屋、. y. Nat. 新個案房價之關係，第三節加入新個案推案量與新個案銷售量兩個變數，綜合探. er. io. sit. 討租金、可支配所得、消費者房屋貸款餘額、新個案推案量銷售量等變數與中古屋房價之關聯；第四章為實證結果，分別觀察台灣地區、台北市、新北市的現象. al. n. v i n 並做綜合比較，第五章為結論與建議，第一節為研究結論，第二節為政府、建商、 Ch engchi U 購屋民眾之決策含意，第三章為研究限制與後續研究建議。. 6.

(14) 第二章. 文獻回顧. 第一節房價泡沫化的相關文獻 (一) 泡沫的定義、發生原因與檢驗方法房地產泡沫研究的始源為 Stiglitz (1990)，其定義資產泡沫為：若現在資產價格高是源自投資人相信未來的售價高的想法，則泡沫存在，也就是購屋者對於未. 政治大為在理性預期(rational expectation)的假設下，實際資產價格會遵循基礎價格，當立. 來房價上漲有過度的預期，因此產生房地產泡沫。Flood and Hodrick (1990)則認. ‧ 國. 學. 實際價格偏離基礎價格時，即產生泡沫現象。. 而導致泡沫發生的原因，依據 Herring and Wachter (1998)和 Case and Shiller. ‧. (1989)兩篇文章整理主要有以下四項因素：一為強勁實質需求，一開始的房價通. sit. y. Nat. 常是因為基本面強勁所帶動，上漲一段時間後投機客和銀行相關的房貸業者才會. al. er. io. 進一步推升房價。二為投機客參與，投機性需求使價格被炒作而偏離基礎價格，. v. n. 而投機客基於獲利了結的想法會開始出脫手中的房地產，當賣壓夠大且再搭配利. Ch. engchi. i n U. 空事件(如：中央銀行升息)便會使房地產泡沫破裂的機率上升。三為銀行房貸信用擴張，房價上漲使房貸抵押品的價值提高，也降低債務人的違約風險，讓銀行願意承做更多房貸使投資人更容易取得信用進而提高房地產需求。四為銀行管理者的眼光，房地產泡沫發生的頻率和機率較低，且房貸業務是有擔保品的放款，故房貸對銀行而言是風險相對低，又能夠創造出收入的商品。管理者會刻意忽略泡沫發生的前兆而低估發生房地產泡沫的機率，導致無法適時降低房貸業務和信用擴張，使得房地產價格難以迴歸其理論價格。 Case and Shiller (2003)認為促發因素(precipating factor)和放大機制 (amplification mechanisms)是造成住宅投機性泡沫的成因。在繁榮與蕭條(boom 7.

(15) and bust)的循環中，從就業成長(促發因素)開始促使需求增加，而短期住宅供給在短期無彈性而使得價格上升，接著透過放大機制讓購屋者預期更多的利得進一步推升房價因此產生泡沫，一旦價格過頭或是供給適時增加，價格最終會遭到下降的情況。. (二) 從租金、所得檢驗房地產泡沫從實證的角度來看，王景南、葉錦徽與林宗漢 (2011)應用 Phillips and Yu (2011)所提出之遞迴迴歸法(recursive regression)，驗證房屋市場是否存在價格泡. 政治大在 2006 出現房價泡沫的情況，雖然在 2008 年金融海嘯後短暫消失，但隨即在立. 沫。以理性泡沫理論所推出的價格模型為基礎，以改良式單根檢定驗證出台北市. 2009 年又有泡沫出現，而該研究也建立出房價預警系統，及時提供管理當局相. ‧ 國. 學. 關政策的準備以遏止房價飆漲。. ‧. Case and Shiller (2003)認為房價的基要因素由影響住宅價格的總體因素所. y. Nat. 組成(如：就業率、人口、薪資、可支配所得、GDP、股價指數等)，從市場中挑. er. io. sit. 選適當變數作為機要價格因素，將迴歸結果的誤差項作為泡沫價格。影響基礎價格的因素可以用來解釋價格的成長，價格迅速增長可說明是造成泡沫的原因。該. n. al. Ch. 研究使用 Case-Shiller weighted repeat-sales index. engchi. v i n 計算美國各州的房價，將房價和 U. 所得及影響基礎價格的因素做比較。實證結果發現大多數的州在 1985~2002 年平均房價對每人所得的比值相當穩定，顯示所得能解釋相當高百分比的房價變動，而其他因素對房價解釋能力較弱。然而有八個州所得解釋房價變動比例偏低，反而是其他因素對房價變動有較高的解釋能力，若使用過去資料推估未來房價水準，該八州的預測房價大多低於實際房價，顯示泡沫存在。 Smith and Smith (2006)則用淨現值的方法計算基礎價格，並定義泡沫為特定資產的市場價格上升超過來自資產的預期現金流量現值的部分，從購屋者的保留價格(reservation price)與機要價值的差異來計算房價的溢價或折價情況。. 8.

(16) Hui and Yue (2006)以時間序列分析中的共整合檢定，討論香港、北京、上海的房價與總體經濟變數的關係，若房價與總體經濟變數存在長期均衡則房價沒有泡沫化現象，反之則存在泡沫化的威脅，而該研究發現除香港外，上海存在嚴重的泡沫化現象，北京則存在輕微的泡沫化現象。而在各種總體經濟變數中，最常被用來作為房地產泡沫檢驗的總體經濟指標多以租金、所得建立房價的資產現值模型，以此推估檢定房地產泡沫的情況。如林祖嘉、林素菁(1995)利用房價與租金的資產現值模型，在隨機折現因子的假設下建立房價基值，將租金收益還原計算房價基值後，針對房價─後期租金比(房. 政治大泡沫現象，實證結果表示台北市成屋市場在 1987~1993 年間應存在泡沫現象。立. 價租金比)進行單根檢定，以此方法檢驗台灣地區、台北市、高雄市住宅價格的. 林素菁(1997)利用資產市場的現值模型，在隨機折現因子(stochastic discount. ‧ 國. 學. factor)的假設下，以單根檢定(unit root test)方式分析價格泡沫現象。首先設算出. ‧. 房價和房租，並對房價─落後一期租金比作檢定，建立虛無假設。實證結果顯示. y. Nat. 1961~1986 年台灣地區、台北市、高雄市泡沫皆不存在，1987~1993 年台灣地區、. er. io. sit. 台北市、高雄市泡沫存在，如果看長期 30 年的變化，台灣住宅市場長期有效率性，三個地區都不存在泡沫。. al. n. v i n 曾建穎、張金鶚與花敬群(2005)分析租金與房價互相房價的程度，發現房價 Ch engchi U. 變動對租金的影響高於租金對房價的影響，表示房價除了受了租金的影響，其他變動亦佔有重要的影響關係。但針對租金是否落後房價，該研究進一步分析發現. 房價與租金兩者存在長期的均衡關係，卻無明顯的因果關係，與過去認為房價領先租金的說法不同。張金鶚、楊宗憲 (1999)建立總體住宅市場價格變動的線性迴歸模型，估計基值及價格泡沫，實證結果顯示台北成屋市場在 1987 年前不存在價格泡沫，而在景氣復甦的 1989 年價格泡沫達到最高峰。張金鶚、陳明吉、鄧筱蓉、楊智元（2009）以租金收益、家戶可支配所得衡量房屋基值，房價租金比、房價所得比. 9.

(17) 都是衡量泡沫經濟的指標。把可支配所得作為基礎建構出時變現值(time-varying present value)模型估計出基值並與市場價格做比較，得出 1973~2008 台北市新個案房價有泡沫化現象，且在 1988~1990 年房市泡沫化時期，所得與租金推估之泡沫價格分別占市價的 47%和 54%。但價格上升時，租金所推估的泡沫價格上升速度大於所得推估的速度。張金鶚、陳明吉、楊智元(2010)再次由租金收益和家戶所得建立房價基值模型，利用狀態空間模型(state space model)分析 1973Q2~2010Q1 台北市房價泡沫化的現象，並以 2007~2010 的房市擴張期與 1989~1991 的房市擴張期比較，表示若沒有實質面的支撐或所得、租金的大幅上. 政治大之研究，並進一步考慮到人口移動下的情況，並排除低所得族群，該研究針對較立. 漲則泡沫有可能破裂。張書銘(2011)延續張金鶚、陳明吉、鄧筱蓉、楊智元（2009），. 高所得族群與全部族群所得相比，結果認為台北市的高房價是由於富人在此購屋. ‧ 國. 學. 聚集造成的。因此該研究認為，政府的打房政策不應以一般收入人民的角度看待. ‧. 台北市房價是否有過高的情況，而發生奢侈稅打房無效，購屋總價款逆勢上漲的. sit. y. Nat. 事實。Black et al. (2006)以可支配所得為基礎建構出時變現值(time-varying present. io. al. n. 場泡沫價格的比例。. er. value)模型進行機要價值的推估，由基要價格與市場價格的差異計算英國住宅市. Ch. engchi. i n U. v. 第二節總體經濟因素與不動產價格關係之文獻. 從以上的文獻可看出，租金、所得乃是支撐房價相當重要的指標，然而也有文獻提出貨幣政策、信用擴張以及其他總體經濟變數亦是解釋房價相當重要的指標。因此本節整理房價與總體經濟變數(貨幣政策、信用擴張)的關係之相關文獻。. 10.

(18) 林孟靜(2012)以林素菁(1997)的模型為基礎，利用新個案房價、平均每戶可支費所得、貨幣供給量對租金的關係衡量台灣地區與台北市房地產泡沫的情況以及個別影響的程度。實證結果顯示在 2000 年第一季到 2011 年第四季的其間李，台灣地區與台北市皆存在房地產泡沫。並得出高房價來自於所得和貨幣供給的影響，而政府可透過調整重貼現率以及公開市場操作等方法加以刺激或抑制價格的波動。張金鶚、賴碧瑩 (1989)提出可從投資、生產、交易、使用四個面向選取相關指標反映房地產各層面之景氣狀況，投資方面可運用如貨幣供給額變動率、中. 政治大建股股價指數以及台北市建築物移轉件數等七項，生產方面可運用如建造執照面立期放款利率、貸款成數高低、平均每人國民生產毛額變動率、前期住宅投資、營. 積、使用執照面積、房屋建築類指數、房屋建築人數、住宅投資實質水準以及台. ‧ 國. 學. 北市開工面積等六項，交易方面可運用房價變動率、銷售率、契稅件數、台北市. ‧. 建築物買賣移轉登記件數及 CPI 變動率等五項，使用方面可運用空屋率、用電量. y. Nat. 不足基本度數之戶數、自有住宅比例以及每戶住宅面積大小等四項。而張金鶚、. 準、金融貨幣因素、股價指數變動率、物價因素。. al. er. io. sit. 王健安、林秋瑾(1995)則歸納出房地產景氣相關的重要總體經濟指標，如所得水. n. v i n 陳明吉(1989)以總體供需的觀點，探討影響房地產價格個體和總體的影響因 Ch engchi U. 素，以了解個別房地產的價格及整體房地產市場的均衡價格如何形成。實證結果. 發現以長期而言，需求面影響因素的影響力大於供給面影響因素的影響力；以短期而言，需求面影響因素與供給面影響因素影響大小則隨著不同時期而有變化。吳森田 (1994)研究所得、貨幣及其他與住宅供需有關因素之變動與房價變動之間的關係，證實在 1982~1992 年間台灣地區貨幣供給量的變動以及民眾對於預期房價的增值心理乃是台北地區房價飆漲的主要原因。張金鶚、陳明吉、楊智元(2010)由租金收益和家戶所得建立房價基值模型並且在分析台北市房價高漲的情況，認為台北市房價高漲的原因可能與低利率環境有關。陳姿先 (2010)認. 11.

(19) 為美國房地產市場泡沫形成原因是由於美國政府鼓吹居者有其屋政策、聯準會未即時調整寬鬆貨幣政策、房貸市場信用過度擴張。洪淑娟、雷立芬(2010) 探討中古屋房價、新個案/新成屋房價與總體經濟變數(如：貨幣供給額、儲蓄率、物價、利率、個人所得、股價等)之互動關係。實證結果，總體經濟變數對中古屋市場與新個案/新成屋市場的影響確實存在差異性，其中貨幣供給對中古屋的解釋能力較佳，該研究提出若政府要能有效引導房地產價格，則必須依據產品之不同採用適當而合宜的措施。而 Taylor (2007)也認為貨幣政策對房地產價格確有影響，該研究認為美國在. 政治大產市場過度繁榮。林左裕 (2012)、黎佳貞 (2011) 以 Taylor’s Rule 作為貨幣政策立 2001~2006 年採行低利率政策促使許多民眾嫁入房地產市場投資，導致美國房地. 指標，從貨幣政策看房價變動趨勢，檢視台灣 1991-2010 年間的貨幣政策之鬆緊. ‧ 國. 學. 程度與房價間之關係，探討台灣自 2000 年起的寬鬆貨幣政策是否導致房價高漲，. ‧. 實證結果發現貨幣政策與房價間存在長期的均衡關係，且兩者會相互影響，並發. y. Nat. 現雖然台灣的貨幣政策在 2001~2005 年過度寬鬆使得台灣房地產景氣自 2003 年. n. al. er. io. sit. 開始復甦，但持續的低利率政策則為導致台灣房價不斷攀升之原因。. i n U. C. v. hengchi 第三節貨幣供給、貸款餘額與不動產價格關係之文獻張金鶚 (2003)指出，貨幣政策的變動將影響銀行的存放款利率進而對於房地產市場產生影響。 Calza et al. (2013)認為貸款利率及代表著資金成本，將影響房地產市場的資金鬆緊程度，如放貸成數會影響房地產交易數量，並透過消費及住宅投資的貸款利率結構反映出來。該研究發現貨幣政策對房地產投資及房價的影響方式主要是透過消費及住宅投資的貸款利率結構反映，當貨幣政策有所改變時，房地產投資的變動將會比私人消費的變動更快且更大，此時房價亦因房地產投資的變動而受. 12.

(20) 到影響。Giuliodori (2005)也認為銀行的貸款利率可能受到貨幣政策的影響，進而對於房地產市場景氣產生激勵或抑制的作用。該研究認為貨幣政策透過貸款利率影響房價，當央行利率價低時由於風險傳遞的結構，各家銀行將隨之調降貸款利率使貸款的成本減低並因而吸引更多投資人購買房地產，加以房地產的短期供給有限，需求增加而供給不變的情況下，房價將隨之上漲。不過 Bernanke (2010) 的研究卻認為，房地產市場的繁榮與貨幣政策無關，該研究認為因應房價泡沫化的方式應從法令管制面著手而非金融面。 Goodhart and Hofmann (2008)則提出貨幣、信用供給與房價存在顯著的連結，貨. 政治大 (2012)則提出常規貸款限制(conforming loan limit, CLL)是一種成本較低的融資工立. 幣供給的成長會顯著的影響信用供給，而信用供給顯著的影響房價。Adelino, et al.. 具，其將造成了較原先寬鬆的信用供給，進而對房價產生顯著的影響。該研究發. ‧ 國. 學. 現，有資格取得常規貸款的房屋比沒有資格取得常規貸款的房屋，平均而言價差. ‧. 為每平方英吋 1.16 美元(約每坪 41.62 美元)。Favara and Imbs (2010)則認為美國. y. Nat. 自 1994 以來的分行設立自由化顯著的推升房貸信用的供給，並最終推升了房價。. 地理因素而使建築形式受到限制的都會區更為明顯。. al. er. io. sit. 該研究實證結果發現房價伴隨著分行設立自由化而上漲，而此現象在由於地形、. n. v i n 除此之外，針對新個案推案量，卻較少有文獻提出。 C h、銷售量對於房價的影響 engchi U. 本研究根據前述文獻彙整並提出本研究之研究假說。. 第四節研究假說本研究第一部分沿用林素菁(1997)之單根檢定方法檢定台灣地區、台北市、新北市三個地區房價泡沫化的狀況。第二部分討論所得、消費貸款對於中古屋房價、新個案房價的解釋能力，第三部份針對新提出的新個案推案量、交易量兩變數，綜合討論各變數對於中古屋房價的影響效果。綜合以上文獻探討並針對各變. 13.

(21) 數與房價之間之關係，以及總體經濟變數之間之關係，本研究假設如下： 1. 租金、所得與房價呈正向關係租金相對於房價是一種投資報酬，或是使用房屋的成本，平均可支配所得是衡量民眾購買力的基礎，也是負擔房價能力的重要指標，租金、所得兩者與房價兩者應該呈現正向關係。. 2. 貨幣供給透過房貸信用供給影響房價貨幣政策的寬鬆程度會影響銀行對於房貸信用供給(消費者房屋貸款)資金. 政治大. 鬆緊程度，而房貸信用供給與房價應該存在正向關係。. 立. 3. 房貸供給與所得存在正向關係. ‧ 國. 學. 銀行在給予房貸信用時，除了考慮擔保品(房屋)之價值外，也會考量借款者. 4. 新個案推案量對於房價影響效果不確定. al. er. io. sit. y. Nat. 正向關係. ‧. 的可支配所得是否有足夠的能力清償貸款，因此本研究假設房貸供給與所得存在. n. v i n 新個案推案量是建商新投入的房地產市場供給，在供需均衡的經濟原理下， Ch engchi U. 供給增加會造成價格下跌，然而，建商大量推案，也可能是反映房地產市場的榮景；反之亦然，因此推案量的多寡對於房價影響的效果是不確定的。. 5. 新個案銷售量對於房價影響效果應為正向銷售量表示房地產市場交易的活絡程度，而房地產同時具有投資與消費的功能，從投資的角度而言，消費者預期未來房地產市場的繁榮所以先購買房地產，期望未來從房地產的增值中獲取利益，而從消費的角度而言，消費者會購買，因此消費者在房地產市場的活絡程度與房價應該是正向的關係。. 14.

(22) 第三章. 研究方法. 本研究的研究時間範圍為 1997Q1~2013Q4，共 68 季，研究地區為台灣地區、台北市、新北市。本研究先以中古屋的房價租金比檢驗台灣地區、台北市、新北市房地產泡沫化之情形，接著以可支配所得與消費者房屋貸款餘額檢視其分別對於各地區中古屋、新個案房價的推升效果。最後加入新個案的推案量以及銷售量兩項變數，綜合探討比較各地區租金、所得、貸款、推案量、銷售量與中古屋房價的關係。. 第一節房價泡沫化的檢驗. 立. 政治大. ‧ 國. 學. 租金(Rental)相對於房價是一種投資報酬，以房價租金比作為基礎判斷房地. ‧. 產泡沫是否存在。本節以林素菁(1997)、林孟靜(2013)之模型為基礎，並參酌. sit. y. Nat. Campbell and Shiller (1988)檢定資產市場現值模型之方法應用於住宅市場中。以. al. er. io. 中古屋房價(P_old)表示資產價格，將租金視為未來報酬，在隨機折現因子假設下，. v. n. 以中古屋房價租金比進行單根檢定探討 1997 第一季到 2013 第四季台灣地區、台. Ch. engchi. 北市、新北市中古屋住宅市場的泡沫化現象。. i n U. 建立房價租金比的模型並做泡沫之檢驗根據林孟靜(2013)與林素菁(1997)之理論基礎，在理性預期均衡條件之下，實際的資產價格等於基礎價格加上泡沫，因此，在住宅市場中，加總未來預期租金折現值就是基礎價格，而實際房屋價格和基礎價格之間的差異就是所謂房地產的泡沫。假設在沒有泡沫及折現因子等外在衝擊干擾下，單純的房價─租金比是一個恆定的序列；反之，若房價或租金的時間序列含有外在衝擊因素時，原始序列則無法呈現恆定的狀態。而在理性預期假設下的模型，基礎價格─租金比為一 15.

(23) 恆定序列，也就是說，若沒有理性泡沫存在，則房價─租金比(the housing price-rent ratio)，也應是一個恆定的序列。而在住宅市場中，租金的變動由於合約並無法隨時調整，租金的調整對於房價有落後的現象，因此在實證分析中，以房價─後期租金比(𝑃_𝑜𝑙𝑑𝑖 ) ⁄ (𝑅𝑒𝑛𝑡𝑖+1 ) 是否為一恆定序列作單根檢定。使用單根檢定的方法判斷房地產泡沫是否存在。利用實際市場中古屋房屋價值𝑃_𝑜𝑙𝑑𝑖 對落後一期租金比𝑅𝑒𝑛𝑡𝑎𝑙𝑖+1 的一階自我相關迴歸模型，衡量其泡沫程度。一階自我相關迴歸模型： 𝑃_𝑜𝑙𝑑𝑖 𝑃_𝑜𝑙𝑑𝑖−1 = 𝛼1 + 𝛼2 𝑇 + 𝜌1 + 𝑢1𝑖 𝑅𝑒𝑛𝑡𝑎𝑙𝑖+1 𝑅𝑒𝑛𝑡𝑎𝑙𝑖. 政治大 𝛼 為常數項，T 為時間趨勢，i 立為時間. (1). 𝐻0 :. 𝑃_𝑜𝑙𝑑𝑖 存在單根 𝑅𝑒𝑛𝑡𝑎𝑙𝑖+1. (2). 學. ‧ 國. 1. 若不拒絕(2)式的虛無假設，則此為非定態的時間序列，表示應變數必須取. ‧. 一階差分才會達到恆定狀態 I(1)，亦即房地產泡沫存在。反之若拒絕(2)式的虛無. y. Nat. n. al. er. io. sit. 假設，則表示應變數本身是一恆定序列，亦即房地產泡沫不存在。. i n U. v. 若此序列非定態，則透過一階差分後排除泡沫等外在衝擊的影響，如(3)式所示：. Ch. engchi. 𝑃_𝑜𝑙𝑑𝑖 𝑃_𝑜𝑙𝑑𝑖−1 ∆ = 𝛼1 + 𝛼2 𝑇 + 𝛼3 ∆ + 𝑢1𝑖 𝑅𝑒𝑛𝑡𝑎𝑙𝑖+1 𝑅𝑒𝑛𝑡𝑎𝑙𝑖. (3). ∆為一階差分，𝛼2 、𝛼3 為估計參數，𝑢1𝑖 為白噪音(white noise)，當作誤差項(error term)。 𝐻0 : 𝛼3 = 0 𝐻1 : 𝛼3 < 0. (4). 若此序列非定態，透過一階差分後排除泡沫等外在衝擊的影響，理論上(3) 式迴歸分析中應拒絕(4)式的虛無假設，表示一階差分後成為定態序列。. 經濟變數可分為定態與非定態時間序列兩種。若外來的衝擊對於時間序列只. 16.

(24) 存在暫時的影響，隨時間經過衝擊的效果將逐漸消失，使該時間序列重新回到長期的平均水準，則稱此序列為定態時間序列。若經時間經過，過去對於現在的影響依然存在，表示該時間序列具有記憶性，則稱此序列為非定態時間序列。因此，若不拒絕(2)式之虛無假設，則表示此為非定態時間序列，即房地產泡沫存在，應變數必須取一階差分才會達到恆定狀態 I(1)；反之若拒絕(2)式之虛無假設，則表示此為定態時間序列，即房地產泡沫不存在。而若此序列非定態，將此序列進行一階差分排除泡沫等外在衝擊影響，(3)式迴歸分析中應拒絕(4)式的虛無假設，表示一階差分後成為定態序列。. 立. 政治大. 第二節可支配所得與消費貸款對於中古屋/新成屋的解釋能力. ‧ 國. 學 ‧. 林孟靜(2013)以房價租金比檢視台灣地區與台北市房地產存在泡沫化，而該. y. Nat. 研究認為貨幣供給對房價推升亦有顯著的影響，而有文獻指出寬鬆的貨幣政策會. er. io. sit. 使房貸信用供給有顯著的增長，進而推升房價(Alessandro et al., 2009 , Giuliodori 2005)。因此本節將先以消費房貸(Loan)餘額為被解釋變數，M2(Money)為解釋變. n. al. Ch. 數，進行簡單迴歸分析探討兩者之關聯。. engchi. i n U. v. 𝐿𝑜𝑎𝑛𝑖 =∝ +𝛽1 ∗ 𝑀𝑜𝑛𝑒𝑦𝑖 + 𝜀𝑖 從上述迴歸式可看出貨幣供給與消費貸款餘額是否存在相關性，若相關性存在，則可推論貨幣供給透過房貸信用而對房價產生影響，並且在接下來的迴歸分析中，以貸款餘額取代貨幣供給作為研究對象。. 而房貸餘額與所得(Income)有相當程度的關聯，銀行核定房貸除了首要考慮不動產的價值，同時也要考慮借款人的償債能力，因此本研究假設所得與房貸餘額有相關，房貸餘額為被解釋變數，各地區可支配所得為解釋變數做簡單迴歸分. 17.

(25) 析，分析兩者的關聯。 𝐿𝑜𝑎𝑛𝑖 =∝ +𝛽1 ∗ 𝐼𝑛𝑐𝑜𝑚𝑒𝑖 + 𝜀𝑖 由此迴歸模型可得出兩者之關聯，而為避免房貸餘額與所得之間的共線性問題，本研究將上式的迴歸分析結果計算殘差，得出房貸餘額的殘差𝜀𝑖 (以 err_loan 表示)，此殘差表示房貸餘額無法被可支配所得解釋的部分，亦即模型中同時放入所得、貸款之變數時，以房貸餘額的殘差表示貸款。分別以中古屋房價(P_old)、新個案房價(P_new)作為被解釋變數，所得 (Income)、房貸餘額殘差(err_loan)作為解釋變數，以多元迴歸分析觀察各地區中. 政治大 (𝑃_𝑛𝑒𝑤 ) =∝ +𝛽 ∗ 𝐼𝑛𝑐𝑜𝑚𝑒 + 𝛽 ∗ 𝑒𝑟𝑟_𝑙𝑜𝑎𝑛 + 𝜀 立. 古屋、新個案房價與所得、房貸餘額之關係。 1. 𝑖. 2. 𝑖. 𝑖. 學. 第三節. 𝑖. ‧ 國. 𝑃_𝑜𝑙𝑑𝑖. 租金、所得、房貸、推案量、銷售量與中古屋房價之關係. ‧ y. Nat. er. io. sit. 此部分綜合前兩節所提及之租金、所得、消費房貸餘額殘差，再分別加入建商新個案推案量(Volume)與新個案銷售量(Sale)，利用複迴歸模型分別探討各地. al. n. v i n 區新個案推案量、銷售量對於中古屋房價是否存在相關性以及其相關程度。 Ch engchi U. 由於新個案推案量與新個案銷售案為本研究新提出之變出，因此，本研究先. 分別台灣地區、台北市、新北市觀察中古屋房價分別與新個案推案量與新個案銷售量之間關係 𝑃_𝑜𝑙𝑑𝑖 =∝ +𝛽1 ∗ 𝑉𝑜𝑙𝑢𝑚𝑒𝑖 + 𝜀𝑖 𝑃_𝑜𝑙𝑑𝑖 =∝ +𝛽1 ∗ 𝑆𝑎𝑙𝑒𝑖 + 𝜀𝑖 接下來分別加入租金、所得、房貸餘額殘差，綜合觀察其對於中古屋房價的解釋能力，由於租金與房價存在調整的落差，因此在本迴歸分析中，租金與房價的對應為落後一期。. 18.

(26) 𝑃_𝑜𝑙𝑑𝑖 =∝ +𝛽1 ∗ 𝑅𝑒𝑛𝑡𝑎𝑙𝑖−1 + 𝛽2 ∗ 𝐼𝑛𝑐𝑜𝑚𝑒𝑖 + 𝛽3 ∗ 𝑒𝑟𝑟𝑙𝑜𝑎𝑛 𝑖 + 𝛽4 ∗ 𝑉𝑜𝑙𝑢𝑚𝑒𝑖 + 𝜀𝑖 𝑃_𝑜𝑙𝑑𝑖 =∝ +𝛽1 ∗ 𝑅𝑒𝑛𝑡𝑎𝑙𝑖−1 + 𝛽2 ∗ 𝐼𝑛𝑐𝑜𝑚𝑒𝑖 + 𝛽3 ∗ 𝑒𝑟𝑟_𝑙𝑜𝑎𝑛𝑖 + 𝛽4 ∗ 𝑆𝑎𝑙𝑒𝑖 + 𝜀𝑖. 而根據本研究之研究假說，各變數與房價之間關係的預期結果如下： (1) 租金與房價存在正向關係 (2) 所得與房價存在正向關係 (3) 房貸餘額殘差項與房價存在正向關係 (4) 推案量與房價的影響效果不確定. 政治大下章為實證分析，分別對於台灣地區、台北市、新北市三個地區進行實證結立. (5) 銷售量與房價為正向. 果分析並進行綜合比較。. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 19. i n U. v.

(27) 第四章. 實證結果與分析. 第一節資料來源與變數說明. 本研究變數有中古屋房價、租金、所得、新個案之房價/推案量/銷售量、貨幣供給量與消費貸款餘額，資料來源整理與各地區敘述統計整理如下：表一. 變數資料來源與代號整理. 資料期間: 1997Q1~2013Q4, 季資料，範圍：台灣地區、台北市、新北市. 政治資料來源大. 內容. 中古屋房價. 房價指數/住宅每坪單價. 信義不動產年鑑. 租金指數/住家每坪單價. 崔媽媽基金會. Rental. 家戶平均可支配所得. 主計處. Income. 建商當季新個案推案量. 國泰房地產季報. 新個案房價. io. 貨幣供給量. M2. 消費貸款餘額消費貸款餘額殘差. 新推案住宅每坪房價. n. al. Ch. y. 推案量*30 天銷售率. P_old. Volume. 國泰房地產季報. Sale. 國泰房地產季報. P_new. sit. Nat. 新個案銷售量. ‧. 新個案推案量. er. 所得. ‧ 國. 租金. 立. 代號. 學. 變數說明. i n U. v. 中央銀行. Money. 消費+修繕貸款. 中央銀行. Loan. 消除所得對房貸之影響. 本研究計算. err_loan. engchi. 各變數詳細定義與資料來源分述如下. 1. 中古屋房價(P_old) 台灣地區的中古屋房價為信義房屋公佈的信義房價指數，以 2001 年第一季為基期(2001Q1=100)。台北市與新北市的每坪中古屋價格單價則根據信義房屋自 1996 年出版的信義不動產年鑑，以每坪單價表示。 20.

(28) y. 2000Q4. 2000Q1. 1999Q2. 1998Q3. 1997Q4. 1997Q1. al. 50 2003Q1. 2002Q2. 2001Q3. 政治大. Ch. 21. engchi i n U. 台北市、新北市中古屋每坪平均單價. 30. 20. 10. 0 2013Q3. 2012Q4. 2012Q1. 2011Q2. 2010Q3. 2009Q4. 2009Q1. 2008Q2. 2007Q3. 2006Q4. 2006Q1. 2005Q2. 2004Q3. 2003Q4. 台灣地區中古屋房價指數圖. ‧. sit. 學. n. 40. io. 50. Nat. 60. 立. er. 圖二. ‧ 國. 70. 1997Q1 1997Q4 1998Q3 1999Q2 2000Q1 2000Q4 2001Q3 2002Q2 2003Q1 2003Q4 2004Q3 2005Q2 2006Q1 2006Q4 2007Q3 2008Q2 2009Q1 2009Q4 2010Q3 2011Q2 2012Q1 2012Q4 2013Q3. 圖一 (基期 2001Q1=100). 300. 250. 200. 150. 100. 單位：萬元. v 台北市. 新北市.

(29) 2. 新個案房價(P_new) 新個案房價資料來自國泰房地產指數季報所發布的每坪可能成交價。自 1997 年第一季開始首季發布，涵蓋範圍包括台灣地區、台北市、台北縣(今新北市)、台中都會區、台南高雄都會區，本研究以台灣地區、台北市、新北市為樣本資料。. 圖三台灣地區、台北市、新北市新個案每坪平均可能成交單價. 單位：萬元. 90 80 70. 立. 60. y. sit. n. al. er. io. 1997Q1 1997Q4 1998Q3 1999Q2 2000Q1 2000Q4 2001Q3 2002Q2 2003Q1 2003Q4 2004Q3 2005Q2 2006Q1 2006Q4 2007Q3 2008Q2 2009Q1 2009Q4 2010Q3 2011Q2 2012Q1 2012Q4 2013Q3. 10. 台北市新北市. Nat. 20. 台灣地區. ‧. 30. ‧ 國. 40. 學. 50. 政治大. Ch. engchi. i n U. v. 從 1997Q1 開始，台灣地區、台北市、新北市的房價上下小幅震盪但趨勢向下，在 2002~2003 逐漸達到最低點，由於 1997 正時值亞洲金融風暴，全台經濟情勢低迷，而 1999 年 921 大地震使台灣房地產市場持續低迷，而 2002 年開始政府對房地產實施減稅以及市場利率調降，使房地產市場逐漸復甦，但直到 2003 年 SARS 疫情停止以後，房地產市場交易重新活絡才出現全面性的復甦，而其中又以台北市的漲幅最為明顯，漲勢直到 2008 下半年金融海嘯才出現了小幅下跌的情況，然而在 2009 下半年開始即停止下跌，並且在 2010、2011 出現大幅上漲的情況，直到 2013 年底漲勢才逐漸減緩。 22.

(30) n. al Ch. 23. engchi. 台北市、新北市每坪租金變化圖. sit. i n U. y. 600. 550. 500. 450. 2013Q3. 2012Q4. 2012Q1. 2011Q2. 2010Q3. 2009Q4. 2009Q1. 2008Q2. 2007Q3. 2006Q4. 2006Q1. 2005Q2. 2004Q3. 立. 2003Q4. 101.0. 2003Q1. 2002Q2. 100.0. 2001Q3. 100.5. 2000Q4. 101.5. ‧. 圖五 2000Q1. 1999Q2. 台灣地區租金價格指數變化圖. er. 98.5 1998Q3. 99.0. ‧ 國. 99.5. io. 750 1997Q4. 1997Q1. 圖四. 學. Nat. 800. 1997Q1 1997Q4 1998Q3 1999Q2 2000Q1 2000Q4 2001Q3 2002Q2 2003Q1 2003Q4 2004Q3 2005Q2 2006Q1 2006Q4 2007Q3 2008Q2 2009Q1 2009Q4 2010Q3 2011Q2 2012Q1 2012Q4 2013Q3. 3. 租金(Rental) 台灣地區的租金資料來自行政院主計處公布的消費者物價房租類指數。台北. 市、新北市租金資料來自崔媽媽基金會所公布之租金統計，而由於房價資料之來源為住家形式之房屋，因此為求資料的完整性與研究的一致性，本研究採用住家. 形式的住宅之每坪租金單價作為資料來源。. (基期 2008Q3=100). 102.0. 政治大. 單位：元. v. 700. 650. 台北市. 新北市.

(31) 4. 所得(Income) 本研究之所得資料採用平均家庭每戶可支配所得，由於所得是家計單位購買房屋的購買力基礎，因此以可支配所得作為所得依據對於房價進行研究。而台灣地區、台北市、新北市平均每戶可支配所得年資料來源為中華民國行政院主計處每年度公布之家庭收支調查，季資料之平均每戶可支配所得則以差分方式求得。. 圖六. 台灣地區、台北市、新北市平均可支配所得. 單位：萬元. 135 130 125. 立. 120. 85. ‧ 國. y. sit. al. n. 90. io. 95. 新北市. er. 100. 台灣地區台北市. Nat. 105. ‧. 110. 學. 115. 政治大. Ch. engchi. i n U. v. 1997Q1 1997Q4 1998Q3 1999Q2 2000Q1 2000Q4 2001Q3 2002Q2 2003Q1 2003Q4 2004Q3 2005Q2 2006Q1 2006Q4 2007Q3 2008Q2 2009Q1 2009Q4 2010Q3 2011Q2 2012Q1 2012Q4 2013Q3. 80. 從上圖可明顯看出，台北市作為全國的首善之區，集合了最活絡的金融活動以及最繁榮的社會與經濟，也聚集了最多高所得的家計單位，台北市的所得歷年資料均遠超過其他地區。而新北市與台灣地區的所得變化情形則亦步亦趨。. 24.

(32) 5. 新個案推案量(Volume) 新個案推案量資料來自國泰房地產指數季報每季所發布的各地區推案量總金額，表示建商在各地區的房屋供給規模. 圖七. 台灣地區、台北市、新北市每季推案量. 單位：億元. 4500 4000 3500 3000. 立. 2500. ‧ 國. y. sit. n. al. er. io. 500. Ch. engchi. i n U. v. 1997Q1 1997Q4 1998Q3 1999Q2 2000Q1 2000Q4 2001Q3 2002Q2 2003Q1 2003Q4 2004Q3 2005Q2 2006Q1 2006Q4 2007Q3 2008Q2 2009Q1 2009Q4 2010Q3 2011Q2 2012Q1 2012Q4 2013Q3. 0. 台北市新北市. Nat. 1000. 台灣地區. ‧. 1500. 學. 2000. 政治大. 從 1997 到 2002 年，整體推案量為震盪下滑，顯示建商在當時對於台灣的房地產市場偏向觀望，而 2003 年後推案量迅速飆升，而 2007 年受到美國次級房貸影響，建商態度趨於保守，2008 下半年的金融海嘯更加劇了使建商推案供給更加保守，但在 2009 上半年後，景氣逐漸好轉，建商推案量便恢復了以往的水準並且不斷走高。. 25.

(33) 6. 新個案交易量(Sale) 新個案交易量根據國泰房地產季報所發布的各地區三十天銷售率，乘上推案量總金額，以當季 30 天新個案市場成交金額代表交易量。. 圖八台灣地區、台北市、新北市每季成交量. 單位：億元. 800 750 700 650 600 550. 立. 500. ‧ 國. 學. 450. 政治大. 400 350. al. n. 100. sit. io. 150. er. 200. 50. Ch. engchi. i n U. v. 1997Q1 1997Q4 1998Q3 1999Q2 2000Q1 2000Q4 2001Q3 2002Q2 2003Q1 2003Q4 2004Q3 2005Q2 2006Q1 2006Q4 2007Q3 2008Q2 2009Q1 2009Q4 2010Q3 2011Q2 2012Q1 2012Q4 2013Q3. 0. 新北市. y. Nat. 250. 台北市. ‧. 300. 台灣地區. 新個案交易量各地區的震盪情形不一，但大致而言 1997 至 2003 為下降的趨勢，隨後震盪向上，在金融海嘯期間出現明顯下滑，而 2009 年景氣復甦後明顯上升。. 26.

(34) 7. 消費者房屋貸款餘額(Loan) 消費者貸款餘額統計資料來源為中央銀行金融統計。其中消費貸款又分為購置住宅貸款、房屋修繕貸款、汽車貸款、機關團體職工福利貸款、其他個人消費性貸款等五個項目。購置住宅貸款指個人貸款用途為購置住宅者，含政府優惠房屋貸款及不同銀行間轉貸其原始用途為購置住宅者。房屋修繕貸款指個人貸款用途為住宅用建物之裝潢或修繕者。本研究旨在研究消費貸款對住宅價格的推升效果，而購買住宅後仍需進行修繕、裝潢方可使住宅達到可居住之狀態。因此本研究之消費者房屋貸款餘額為購置住宅貸款與房屋修繕貸款相加。圖九. 立. 6.0. 單位：兆元政治大. 消費者房屋貸款餘額. 5.5. ‧ 國. y. sit. io. al. n. 3.0. er. 3.5. Nat. 4.0. ‧. 4.5. 學. 5.0. Ch. engchi. i n U. v. 1997Q1 1997Q4 1998Q3 1999Q2 2000Q1 2000Q4 2001Q3 2002Q2 2003Q1 2003Q4 2004Q3 2005Q2 2006Q1 2006Q4 2007Q3 2008Q2 2009Q1 2009Q4 2010Q3 2011Q2 2012Q1 2012Q4 2013Q3. 2.5. 消費者房屋貸款餘額從 1997 年開始此數據穩定上升，然而在 2000 到 2003 年之間，由於 1999 年發生 921 大地震，導致全台灣房地產市場低迷，而爾後又發生了如網路泡沬化、SARS 疫情等經濟、社會事件影響，民眾購屋意願低落，房貸餘額增長速度停滯，然而隨著政府在 2002 年陸續推動各種優惠房貸政策下，從 2003 年開始房貸餘額迅速攀高，直到 2008 下半年金融海嘯才出現下降，而隨後緩慢上升至今。. 27.

(35) 8. 貨幣供給量(Money) 貨幣供給量資料來自中央銀行金融統計，以 M2 作為貨幣供給量依據圖十. 貨幣供給量(M2). 單位：兆元. 40 35 30 25 20 15. 政治大. 1997Q1 1997Q4 1998Q3 1999Q2 2000Q1 2000Q4 2001Q3 2002Q2 2003Q1 2003Q4 2004Q3 2005Q2 2006Q1 2006Q4 2007Q3 2008Q2 2009Q1 2009Q4 2010Q3 2011Q2 2012Q1 2012Q4 2013Q3. 10. 立. y 新個案. 單位. 2001Q1=100. 平均數. 149.26. 17.92. 標準差. 53.51. 中位數. 可支配所得. n. a房價 l C 萬元/坪 h. 租金. iv. n 萬元 U engchi 2008Q3=100. 新個案. 新個案. 推案量. 銷售量. 億元. 億元. sit. io. 房價. 台灣地區資料敘述統計彙整. er. Nat. 中古屋. 表二. ‧. ‧ 國. 學. 以下為台灣地區、台北市、新北市之資料敘述統計彙整. 100.12. 89.36. 1662.3. 273.8. 4.32. 0.96. 2.21. 958.7. 179.9. 127.55. 16.94. 99.88. 89.05. 1715.3. 259.4. 最大值. 286.53. 29.76. 101.80. 94.96. 4015.0. 783.7. 季別. 2013Q4. 2013Q4. 2000Q4. 2013Q4. 2013Q4. 2013Q4. 最小值. 96.39. 12.10. 98.75. 83.56. 196.2. 35.4. 季別. 2001Q4. 2003Q3. 2004Q3. 1997Q1. 2002Q1. 2002Q1. 28.

(36) 表三. 台北市資料敘述統計彙整新個案. 可支配. 新個案. 新個案. 房價. 房價. 所得. 推案量. 銷售量. 單位. 萬元/坪. 萬元/坪. 元/坪. 萬元. 億元. 億元. 平均數. 32.1. 47.9. 724.1. 124.5. 418.6. 60.0. 標準差. 13.9. 14.9. 36.0. 3.0. 231.4. 35.4. 中位數. 25.9. 42.0. 717.5. 123.5. 392.5. 55.0. 最大值. 63.8. 86.4. 788.1. 131.4. 1017.0. 179.0. 季別. 2013Q4. 2013Q2. 2012Q2. 2012Q2. 最小值. 17.5. 38.1. 2.3. 季別. 2001Q3. 2002Q1. 2001Q4. 治 2013Q4 政 2007Q4 大 29.3 676.0 119.1 2001Q4. 新北市資料敘述統計彙整. Nat. 房價. 房價. io. 單位. 萬元/坪. 平均數. 17.4. 標準差. 6.3. 8.2. 中位數. 14.8. 最大值. 可支配所得. 萬元/坪. 元/坪. n. al. 租金. 新個案. y. 新個案. 萬元. v. 新個案. 推案量. 銷售量. 億元. 億元. 511.1. 116.7. sit. 中古屋. ‧. 表四. 2003Q4 1997Q1. er. 立. 租金. 學. ‧ 國. 中古屋. 507.0. i n U. 35.2. 2.2. 331.3. 99.5. 17.5. 488.4. 91.1. 460.5. 85.5. 33.8. 42.4. 590.9. 97.2. 1364.0. 392.8. 最大值季別. 2013Q3. 2013Q1. 2013Q4. 2008Q4. 2013Q3 2011Q1. 最小值. 11.0. 14.0. 468.4. 86.9. 28.3. 最小值季別. 2001Q4. 2003Q1. 2003Q4. 1997Q1. 2001Q1 2001Q1. Ch. 21.4. engchi. 29. 91.1. 2.4.

(37) 第二節. 房價泡沫化的檢驗. 為判斷房地產市場是否有泡沫存在，將房價資料與租金資料帶入(1)式的一階自我相關迴歸模型中，並用單根檢定判斷是否為定態。台灣地區帶入房價指數及租金指數，台北市、新北市則帶入每坪中古屋房價及每坪租金價格。. 𝑃_𝑜𝑙𝑑ℎ 以原始值進行單根檢定，台灣地區、台北市、新北市的 t 值為-0.1720、 𝑅𝑒𝑛𝑡ℎ+1. 政治大. -1.0627、-0.7015，無法拒絕(2)式之虛無假設，表示此為非定態序列，亦即房地. 立 𝐻0 :. 𝑃_𝑜𝑙𝑑𝑖 存在單根 𝑅𝑒𝑛𝑡𝑎𝑙𝑖+1. (2). 學 ‧. ‧ 國. 產泡沫可能存在。. 而若不拒絕(2)式的虛無假設，則此為非定態的時間序列，若房地產泡沫存. y. Nat. sit. 在，則表示該序列應變數取一階差分會達到恆定狀態。故接著將此非定態序列做. al. n. 以差分值∆. er. io. 一階差分後，再做單根檢定。 𝑃_𝑜𝑙𝑑𝑖. 𝑅𝑒𝑛𝑡𝑎𝑙𝑖+1. Ch. i n U. v. 進行單根檢定，台灣地區、台北市、新北市的 t 值分. engchi. 別為-6.7923、-7.2558、-7.0781。三個地區落後項的係數值均在 1%的顯著水準下顯著拒絕𝛼3 = 0之虛無假設，表示為 I(1)之定態序列。. 而此一定態的時間序列藉由(3)式進行迴歸分析，得出三個地區的結果如下表 ∆. 𝑃_𝑜𝑙𝑑𝑖 𝑃_𝑜𝑙𝑑𝑖−1 = 𝛼1 + 𝛼2 𝑇 + 𝛼3 ∆ + 𝑢1𝑖 𝑅𝑒𝑛𝑡𝑎𝑙𝑖+1 𝑅𝑒𝑛𝑡𝑎𝑙𝑖. 30. (3).

(38) 表五. 定態時間序列迴歸分析台灣地區. Variable. Coefficient. Std. Error. t-Statistic. Prob.. 𝛼3. -0.8371. 0.1232. -6.7923. 0.0000. 𝛼1. -0.0202. 0.0095. -2.1135. 0.0385. 𝛼2. 0.0012. 0.0003. 4.1414. 0.0001. 台北市 Variable. Coefficient. Std. Error. t-Statistic. Prob.. 𝛼3. -0.9055. 0.1248. -7.2558. 0.0000. 𝛼1. -4.6837. 3.7053. -1.2640. 0.2109. 𝛼2. 0.3388. 0.1026. 3.3014. 0.0016. Variable. Coefficient. Std. Error. t-Statistic. Prob.. 𝛼3. -0.9149. 0.1292. -7.0781. 0.0000. -4.8787. 2.8077. -1.7376. 0.0872. 0.2517. 0.0785. 3.2069. 0.0021. ‧. ‧ 國. 𝛼2. 學. 𝛼1. 立. 政新北市治大. sit. y. Nat. 其中落後項的係數值顯著拒絕𝛼3 = 0(t 值分別為-6.7923、-7.2558、-7.0781). er. io. 的虛無假設，表示在一階差分後的房價與租金比為一恆定序列，台灣地區、台北. al. v i n Ch 且在一階差分後的自我迴歸分析中排除了泡沫的存在，因此間接推定原始房價與 engchi U n. 市、新北市原始房價與租金比存在泡沫，並非恆定序列，在一階差分後呈現定態，. 租金存在泡沫。. 第三節可支配所得與消費貸款對於中古屋/新個案房價的解釋能力. 本節首先先以消費房貸(Loan)餘額為被解釋變數，M2(Money)為解釋變數，進行簡單迴歸以探討兩者之關聯 31.

(39) 𝐿𝑜𝑎𝑛𝑖 =∝ +𝛽1 ∗ 𝑀𝑜𝑛𝑒𝑦𝑖 + 𝜀𝑖 coefficient. t-stat. R2. 𝛽1. 0.169***. (31.77). 0.939. ∝. 0.379**. (2.87). Loan. adj. R2 0.938. t statistics in parentheses *. p < 0.05, ** p < 0.01, *** p < 0.001. 從上述迴歸式可看出貨幣供給與消費貸款餘額存在高度相關性，則可推論貨幣供給透過房貸信用而對房價產生影響，故本研究將針對消費者房貸餘額進行研究而非總體貨幣供給(M2)。. 政治大. 而根據本研究之假設，各地區的可支配所得與消費者房貸餘額之間應存在正. 立. 向關係，因此以消費者房貸餘額為被解釋變數，台灣地區、台北市、新北市各地. ‧ 國. 學. 區之可支配所得為解釋變數做簡單迴歸分析，迴歸結果如下表。. al. 0.392***. (11.39). n. -30.61. ***. Ch. e台北市 ngchi U (-9.94). sit. t-stat. R2. adj. R2. 0.6626. v ni. 0.6575. er. io. coefficient. 𝛽1 ∝. 台灣地區. y. 各地區可支配所得與消費房貸餘額之迴歸分析表. Nat. Loan. ‧. 表六. 𝐿𝑜𝑎𝑛𝑖 =∝ +𝛽1 ∗ 𝐼𝑛𝑐𝑜𝑚𝑒𝑖 + 𝜀𝑖. Loan. coefficient. t-stat. R2. adj. R2. 𝛽1. 0.318***. (17.00). 0.8140. 0.8112. ∝. ***. (-15.08). -35.10. 新北市 Loan. coefficient. t-stat. R2. adj. R2. 𝛽1. 0.353***. (8.68). 0.5328. 0.5257. ∝. -27.67***. (-7.47). N=68 t statistics in parentheses *. p < 0.05, ** p < 0.01, *** p < 0.001. 32.

(40) 從上式迴歸式可看出所得與消費貸款餘額之間的確存在顯著的關係，分別觀察三個地區，當台灣地區的家戶平均可支配所得增加一萬元時，消費貸款餘額的放貸會增加 3920 億。而當台北市的家戶平均可支配所得增加一萬元時，消費貸款餘額的放貸會增加 3180 億。當新北市的家戶平均可支配所得增加一萬元時，消費貸款餘額的放貸會增加 3530 億。根據上述迴歸式計算出每季消費貸款餘額殘差(err_loan)，以此表示以此殘差表示房貸餘額無法被可支配所得解釋的部分。圖十一. 消費者貸款餘額殘差-台灣地區. 政治大. 1.5. 立. 1.0. 2013Q3. 2012Q4. 2012Q1. 2011Q2. y 2009Q4 2010Q3. sit. n. al. er. io 圖十二. 2009Q1. 2008Q2. 2007Q3. 2006Q4. 2006Q1. 2005Q2. 2004Q3. 2003Q4. 2003Q1. 2002Q2. 2001Q3. 2000Q4. ‧ 國. 2000Q1. 1999Q2. 1998Q3. 1997Q4. Nat. -1.0. ‧. 1997Q1. 0.0 -0.5. 學. 0.5. 單位：兆元. Ch. engchi. i n U. 消費貸款餘額殘差-台北市. v. 單位：兆元. 1.5. 1.0. 0.5. -1.0. 33. 2013Q3. 2012Q4. 2012Q1. 2011Q2. 2010Q3. 2009Q4. 2009Q1. 2008Q2. 2007Q3. 2006Q4. 2006Q1. 2005Q2. 2004Q3. 2003Q4. 2003Q1. 2002Q2. 2001Q3. 2000Q4. 2000Q1. 1999Q2. 1998Q3. 1997Q4. -0.5. 1997Q1. 0.0.

(41) 圖十三. 消費貸款餘額殘差-新北市. 單位：兆元. 2.0 1.5 1.0 0.5. -1.0. 立. -1.5. 2013Q3. 2012Q4. 2012Q1. 2011Q2. 2010Q3. 2009Q4. 2009Q1. 2008Q2. 2007Q3. 2006Q4. 2006Q1. 2005Q2. 2004Q3. 2003Q4. 2003Q1. 2002Q2. 2001Q3. 2000Q4. 2000Q1. 1999Q2. 1998Q3. 1997Q4. -0.5. 1997Q1. 0.0. 政治大. ‧ 國. 學. 各地區排除了所得影響後的消費者房貸餘額變化情形不一，反映的是如整體. ‧. 政府貨幣政策以及地區性對於房地產貸款管制不一互動之下的結果。此數據. sit. y. Nat. (err_loan)以台灣地區而言，1997 至 2000 年間下滑，2000 至 2002 年上升，2002. al. er. io. 至 2008 年區間震盪，爾後迅速攀升直到 2011 年，2011 年後又迅速下降。而台. v. n. 北市在 2000 年以前也呈現下降，隨後趨勢起伏各一年，2002 至 2006 年整體上. Ch. engchi. i n U. 升，2008 年後起伏明顯，而 2011 年後明顯下降。新北市在 2006 年前整體趨勢下降但穩定，2006 至 2007 年上升，2008 急降但 2009 急升至 2010，近期則震盪下滑。. 接下來分別以中古屋房價、新個案房價作為被解釋變數，將可支配所得、消費者房貸餘額殘差作為解釋變數，以多元迴歸分析分別觀察各地區分別在中古屋、新個案房價與所得、房貸餘額之關係。. 34.

(42) 𝑃_𝑜𝑙𝑑𝑖 (𝑃_𝑛𝑒𝑤𝑖 ) =∝ +𝛽1 ∗ 𝐼𝑛𝑐𝑜𝑚𝑒𝑖 + 𝛽2 ∗ 𝑒𝑟𝑟_𝑙𝑜𝑎𝑛𝑖 + 𝜀𝑖 表七. 各地區所得、房貸餘額殘差與中古屋、新個案房價迴歸分析表台灣地區 P_old. 𝛽2. 40.72***. 𝛽1. ***. 17.66. ∝. -1429.2. 2. R. 2. adj. R. P_new (7.65) (11.86). ***. (-10.73). 2.297***. (4.68). ***. (10.77). ***. (-9.31). 1.480. -114.3. 0.7540. 0.6798. 0.7464. 0.6700 台北市. P_old 11.51 3.803. ***. 立. adj. R2. 0.7056. 0.8231. 0.6965. 6.845. ***. 1.127. ***. io. ∝. al. P_new (14.11) (7.03). ***. (-5.84). n. -85.23. R2. 0.7926 2. adj. R. ‧. 新北市. Nat. 𝛽1. (-10.69). -440.0. 0.8284. P_old. 𝛽2. (11.86). ***. 3.918. 0.7863. Ch. y. R. (-15.00). ‧ 國. -441.5. 2. (3.88). ***. 學. ∝. (16.10). ***. ***. 8.134***. (9.46). ***. (3.92). sit. 𝛽1. P_new 政(7.40)治大8.453. 1.113. er. 𝛽2. ***. **. iv n0.6175. -79.95. (-3.09). e n g c h i U 0.6057. N=68 t statistics in parentheses *. p < 0.05, ** p < 0.01, *** p < 0.001. 由於台灣地區的中古屋房價採用指數作為根據分析，因此無法看出當所得出現變化時對於中古屋房價有多少的推升效果。新個案的部分，在其他條件不變下，平均家戶可支配所得增加 1 萬時，新個案房價每坪將增加 1.48 萬元；而在其他條件不變下，當房貸餘額殘差增加 1 兆時，新個案房價每坪將增加 2.297 萬元。而所得、貸款兩者對於中古屋、新個案房價都有顯著的影響，且從 R2 發現兩者 35.

(43) 對於中古屋房價的影響程度更甚於新個案。以台北市而言，從中古屋房價對所得、貸款的迴歸式中，可看出所得、貸款兩者對於中古屋房價均有顯著的影響，平均家戶可支配所得增加 1 萬時，中古屋房價每坪將增加 3.8 萬元；而當房貸餘額殘差增加 1 兆時，中古屋房價每坪將增加 11.51 萬元。而所得、貸款兩者對於新個案房價也均有顯著的影響，平均家戶可支配所得增加 1 萬時，新個案房價每坪將增加 3.9 萬元；而當房貸餘額殘差增加 1 兆時，新個案房價每坪將增加 8.45 萬元。且從 R2 發現兩者對於中古屋房價的影響程度更甚於新個案。. 政治大兩者對於中古屋房價均有顯著的影響，平均家戶可支配所得增加 1 萬時，中古屋立以新北市而言，從中古屋房價對所得、貸款的迴歸式中，可看出所得、貸款. 房價每坪將增加 1.13 萬元；而當房貸餘額殘差增加 1 兆時，中古屋房價每坪將. ‧ 國. 學. 增加 6.845 萬元。而所得、貸款兩者對於新個案房價也均有顯著的影響，平均家. ‧. 戶可支配所得增加 1 萬時，新個案房價每坪將增加 1.11 萬元；而當房貸餘額殘. y. Nat. 差增加 1 兆時，新個案房價每坪將增加 8.13 萬元。且從 R2 發現兩者對於中古屋. n. er. io. al. sit. 房價的影響程度更甚於新個案。. 第四節. Ch. engchi. i n U. v. 租金、所得、貸款、推案量、銷售量與中古屋房價之關係. 此部分綜合前兩部分所提及之租金、所得、消費房貸餘額殘差，再分別加入建商新個案推案量(Volume)與新個案銷售量(Sale)，利用複迴歸模型分別探討各地區新個案推案量、銷售量對於中古屋房價是否存在相關性以及其相關程度。首先先觀察各地區中古屋房價分別與新個案推案量與新個案銷售量之間關係，迴歸模式與結果如下表：. 36.

(44) 𝑃_𝑜𝑙𝑑𝑖 =∝ +𝛽1 ∗ 𝑉𝑜𝑙𝑢𝑚𝑒𝑖 + 𝜀𝑖 …(1) 𝑃_𝑜𝑙𝑑𝑖 =∝ +𝛽1 ∗ 𝑆𝑎𝑙𝑒𝑖 + 𝜀𝑖 …(2). 表八. 各地區新個案推案量、銷售量對中古屋房價迴歸分析表台灣地區 (1). Volume. (2). 0.0476. ***. (13.23) 0.223***. Sale 70.20. R2. 0.7261. 立. 2. ∝. 台北市 (1). 0.0368. (6.28). 16.74***. 2. y. 0.3786 新北市. n. al. Ch. engchi. iv n U (2). (11.49). 0.0453***. Sale 2. (6.64). 0.3645. 0.0154***. ∝. 17.47*** 0.3879. (1) Volume. (6.47). 0.3740. io. adj. R. 0.245***. sit. R. (5.99). Nat. 2. 9.526. (11.14). (2) ***. ‧. Sale. 88.18 治政大0.5627 0.5561 (10.19). (9.22). 學. Volume. 0.7220. ‧ 國. adj. R. ***. er. ∝. ***. ***. (11.68). ***. 12.12. R. 0.6666. 0.5194. adj. R2. 0.6616. 0.5121. (8.45) (14.78). N=68 t statistics in parentheses *. p < 0.05, ** p < 0.01, *** p < 0.001. 以台灣地區而言，新個案的推案量與銷售量分別對於中古屋房價皆具有顯著的解釋能力，而推案量的解釋力相對銷售量更為顯著，可能表示在樣本期間的台 37.

(45) 灣房地產市場，建商的推案反映了台灣房地產市場景氣與否，抑或是建商在房地產市場具有主導地位及價格決定的能力。而台北市、新北市新個案的推案量與銷售量分別對於中古屋房價皆具有顯著的解釋能力。. 接下來再加入先前章節討論過的租金、所得、房貸餘額殘差等三項變數，綜合觀察各地區其對於中古屋房價的解釋能力 Model1 𝑃_𝑜𝑙𝑑𝑖 =∝ +𝛽1 ∗ 𝑅𝑒𝑛𝑡𝑎𝑙𝑖−1 + 𝛽2 ∗ 𝐼𝑛𝑐𝑜𝑚𝑒𝑖 + 𝛽3 ∗ 𝑒𝑟𝑟_𝑙𝑜𝑎𝑛𝑖 + 𝛽4 ∗ 𝑉𝑜𝑙𝑢𝑚𝑒𝑖 + 𝜀𝑖 Model2 𝑃_𝑜𝑙𝑑𝑖 =∝ +𝛽1 ∗ 𝑅𝑒𝑛𝑡𝑎𝑙𝑖−1. 立. 政治大 + 𝛽 ∗ 𝐼𝑛𝑐𝑜𝑚𝑒 + 𝛽 ∗ 𝑒𝑟𝑟_𝑙𝑜𝑎𝑛 + 𝛽 ∗ 𝑆𝑎𝑙𝑒 + 𝜀 2. 𝑖. 3. 𝑖. 4. 𝑖. 台灣地區. 0.0343. io. Volume. ***. al. 16.02***. (5.12). 13.16. ***. (10.12). 39.87***. (10.32). y. 36.32***. (9.43). sit. err_loan. 6.778. ***. Nat. Income. 21.14. Model2. er. Rental. ***. ‧. Model1. 學. ‧ 國. 表九租金、所得、房貸殘差、推案量、銷售量對中古屋房價迴歸分析表. 0.9274. adj. R2. 0.9228. 0.9333. n. R. v i n -2664.6 C h (-11.69) e n g c h i U 0.9373. Sale ∝. -2628.8. 2. ***. 0.128***. ***. (8.04) (15.45) (12.40) (11.54) (-12.76). 台北市 Model1 Rental. 0.0192. Model2 (0.54). -0.00425. (-0.13). (8.05). ***. (9.44). ***. (5.85). 3.840. ***. err_loan. 11.97. ***. (6.39). Volume. -0.00447. (-1.00). Income. 3.430 9.198. 0.0886***. Sale ∝. -458.1. R2 2. adj. R. ***. (-10.73). ***. -397.3. 0.8323. 0.8646. 0.8216. 0.8560 38. (4.03) (-12.82). 𝑖.

(46) 新北市 Model1 Rental. 0.0973. Income. -0.0559. err_loan. **. Volume. 2.273. Model2. ***. 0.00517. (5.80). 0.104***. (5.72). (-0.28). 0.0814. (0.38). (3.23). ***. *. -29.35. 2. R. 2. adj. R. (3.70). 0.00901*. (2.18). **. (-3.19). 2.831. (4.11). Sale ∝. ***. (-2.23). -43.42. 0.8911. 0.8716. 0.8842. 0.8634. N=68 t statistics in parentheses *. p < 0.05, ** p < 0.01, *** p < 0.001. 立. 台灣地區. 政治大. ‧ 國. 學. 台灣地區的租金、所得、房貸餘額對於中古屋房價均具有顯著的正向關係，. ‧. 符合本研究之預期。而推案量與銷售量對於中古屋房價也具有顯著的正向關係，顯示在台灣地區，建商提高新個案的供給反映房地產市場的榮景，通常原因為政. y. Nat. io. sit. 府在各地區重劃區、都市重劃規劃的重大公共建設(基礎建設、交通建設)，使建. n. al. er. 商除了有機會大量的土地作為房屋供給的基礎，並且帶動了中古屋市場的房價。. Ch. i n U. v. 另一方面，台灣地區新個案的銷售量對於中古屋房價也是具有顯著的正向關係，. engchi. 符合本研究預期，表示消費者在房地產市場的繁榮之下，市場的交易也隨之活絡。. 台北市同前所述，台北市的所得、房貸餘額對於中古屋房價具有顯著的正向關係，符合本研究之預期。然而租金對於中古屋房價卻無顯著解釋能力，原因可能是因為台北市身為台灣經濟發展的主要重心，所得較高的階層多匯集於台北市，且金融市場的總體操作也以市場最活絡的台北市為主。台北市不論實質所得、資金流量都居於全台之首，所得、信用擴張大幅推升了房價，但租金成長速度卻相對緩 39.