空屋率對房價之影響－以台北市及高雄市為例 - 政大學術集成

全文

(1)國立政治大學社會科學學院行政管理碩士學程第十三屆碩士論文. 空屋率對房價之影響. 政治大. －以台北市及高雄市為例立. ‧ 國. 學. A Study on the Relationship of Housing Prices with. ‧. Vacant Rate in Taipei and Kaohsiung.. n. er. io. sit. y. Nat. al. Ch. 指導教授研究生. engchi. i Un. v. 吳文傑博士林文媛撰. 中華民國一０二年六月.

(2) 誌謝很高興又完成了自己設定的目標之一，在工作了許多年以後，可以再重回學生活，真的是很快樂的事。有人問我，研究所的課程到底與大學的課程有什麼不同，真的有唸研究所的必要嗎？我覺得除了更深入的專業知識外，獨立思考的能力也是研究所課程中重要的一環，論文的寫作也恰可以培養並檢測這一方面的能力，雖然在寫作的過程中，會遇到很多困難，但很開心終於完成了。回顧兩年的求學過程，要感謝的人很多。首先要謝謝吳文傑老師，在. 政治大的協助，順利的解決，論文得以順利完成。立. 論文寫作的過程中，給予了很多的幫助，許多問題都因為能及時得到老師. ‧ 國. 學. 也要感謝我的家人，老爸、老媽謝謝你們一直在我的身後鼓勵我。大弟佳正，總是在我遇到不動產交易相關的問題時，用你專業的知識，耐心. ‧. sit. Nat. 幫我解決所有電腦相關的問題，謝謝你們。. y. 的回答我的問題，花許多時間與我討論。小弟佳勳，在論文寫作的過程中，. er. io. 然後當然是我最親愛的戰友們，秋美、清琴、靜美、志偉、玫瑩、素. n. a 緩，這一路上有你們真好，有問題時可以一起討論，遇到困難心情不好時 iv l C hengchi Un 也可以互鼓勵，因為有你們，在這一路上總是可以更有信心的面對各種挑戰，大家也都一起完成了論文，真的太棒了。要感謝的人好多，無法一一載明，不過真的很謝謝在這兩年間曾給過我幫助的人。謝謝大家！. 林文媛 2013.07.

(3) 摘要依據內政部營建署公布之 101 年第 2 季住宅需求動向調查顯示，台灣六大都會區（台北市、台北縣、桃園縣、新竹縣市、台中縣市、台南縣市及高雄縣市）整體房價所得比高達 8.5 倍，台北市的房價所得比更高達 13.7 倍，由以上數據可知房價已成為欲購屋者沉重之負擔。同時，台灣地區亦存在高空屋率的現象，依行政院主計處民國 99 年最新人口及住宅普查結果台灣地區無人經常居住且未供其他用途之住宅共計住宅共計 1,559,604 宅，佔 19.3％。面對同時呈現高房價及高空屋率. 政治大勢，卻仍持續上漲。究竟空屋率與房價之關係為何？是本研究將探討空屋立的住宅市場，不斷有人提出房價將向下修正的可能性，但觀察房價之趨. ‧ 國. 學. 率對房價之影響。. 本研究以台北市及高雄市為研究之空間範圍，時間範圍則為民國 99. ‧. 及 100 年度，以特徵價格函數建立實證模型，進行實證研究。本研究實證. sit. y. Nat. 結果認為空屋率對房價之影響視區域之不同而有所不同，且就台北市之樣. n. a 關鍵字：空屋率、房價、特徵價格法. er. io. 本資料，解釋力不強，顯示空屋率可能非影響台北市房價之重要因素。. iv l C n hengchi U.

(4) 目. 次. 第一章緒論 …………………………………………………………………… 1 第一節研究動機與目的 ………………………………………………… 1 第二節研究內容與方法 ………………………………………………… 3 第三節研究架構與研究流程 …………………………………………… 4 第二章文獻回顧 …………………………………………………………… 6. 政治大. 第一節影響房價之因素 ………………………………………………… 6. 立. 第二節空屋與房價之關係 ……………………………………………… 13. ‧ 國. 學. 第三節特徵價格理論 …………………………………………………… 15. ‧. 第三章台灣地區及台北市、高雄市房價及空屋概況分析 ………………18. sit. y. Nat. 第一節台灣地區及台北市、高雄市房價概況……………………………18. er. io. 第二節台灣地區及台北市、高雄市空屋概況……………………………22. n. a. v. l C 第四章研究設計 …………………………………………………………… 28 ni. hengchi U. 第一節研究範圍及資料來源 …………………………………………… 28 第二節變數選取及模型建立 …………………………………………… 30 第五章實證結果與分析 …………………………………………………… 35 第一節敘述性統計分析 ………………………………………………… 35 第二節台北市、高雄市各區房價與空屋率關係之實證分析 …………44 第六章結論與建議 ………………………………………………………… 51 第一節研究結論 ………………………………………………………… 51 i.

(5) 第二節研究限制及建議 ………………………………………………… 53 參考文獻 ……………………………………………………………………… 54. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. ii. i Un. v.

(6) 表. 次. 表一：89 至 100 年間房價波動時序表…………………………………………18 表二：99 年度台北市及高雄市各區空屋率及 99、100 年度平均每坪房價 27 表三：變數說明及符號預期……………………………………………………33 表四：台北市、高雄市空屋率與房價關係特徵價格模型迴歸結果表……43 表五：台北市空屋率與房價關係特徵價格模型迴歸結果表 ………………44 表六：高雄市空屋率與房價關係特徵價格模型迴歸結果表 ………………46. 政治大. 立圖. 次. ‧ 國. 學. 圖一：研究流程圖 ……………………………………………………………… 5. ‧. 圖二：台北市各區 99 及 100 年度房屋每坪平均價格………………………20. sit. y. Nat. 圖三：高雄市各區 99 及 100 年度房屋每坪平均價…………………………21. er. io. 圖四：台灣地區 69 年至 99 年度空屋率 ………………………………………22. n. a. v. l C 圖五：89 及 99 年度台北市各區空屋率資料 ……………………………… 23 ni. hengchi U. 圖六：89 及 99 年度高雄市各區空屋率資 …………………………………24 圖七：台北市 99 年度各區空屋率與 99、100 年度房屋平均每坪價格……25 圖八：高雄市 99 年度各區空屋率與 99、100 年度房屋平均每坪價格……26 圖九：台北市 99 及 100 年度各區房屋買賣筆數……………………………35 圖十：高雄市 99 及 100 年度各區房屋買賣筆數……………………………36 圖十一：台北市、高雄市及合併之 99 及 100 年度每坪平均房價…………37 圖十二：99 及 100 年度台北市及高雄市成交房屋屋齡統計表……………39 iii.

(7) 圖十三：99 及 100 年度台北市及高雄市成交房屋用途別統計表…………40 圖十四：99 及 100 年度台北市及高雄市成交房屋臨街關係統計表………42. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. iv. i Un. v.

(8) 第一章第一節. 緒論. 研究動機與目的. 一、研究動機由於「安土重遷」及「有土斯有財」的傳統觀念的影響，房地產無論作為自住或投資之用，均受國人之偏好，許多人的人生規劃中，擁有一間屬於自己的房屋，一直是熱門選項。而為了「成家立業」，將結婚的新人也將有一間屬於自己的房子視為必要。. 治政然而近年內，由於房價的快速飆漲，內政部營建署公布之最新（101 大立年第 2 季）住宅需求動向調查顯示，台灣六大都會區之整體房價所得比高 1. ‧ 國. 學. 達 8.5 倍，台北市的房價所得比更達 13.7 倍之多，由該調查數據可知，房. ‧. 價已成為欲購屋者沉重的負擔。而該調查中，新購置住宅及欲購置住宅者. y. Nat. 對房價合理性的看法項目，認為「非常不合理」及「不合理」者之合計高. er. io. sit. 達 55％。是買不起作為棲身之所的房屋已成為重要的社會議題之一，民眾高喊「居住正義」，也因此政府採取了一系列的相關措施，如特種貨物及勞. al. n. iv n C 務稅條例之實施、豪宅稅的開徵、緊縮房屋貸款成數、興建合宜住宅及最 hengchi U 近上路的不動產交易實價登錄等，意圖透過政策達成穩定房價的目標。. 而另一方面，台灣住宅市場呈現高空屋率的狀況，根據最新行政院主計處民國 99 年最新人口及住宅普查結果，無人經常居住且未供其他用途（含待租、待售、已租及已售）之住宅 1,559,604 宅，佔 19.3％。上一次於民國 89 年之人口及住宅普查結果，無人經常居住且未供其他用途之住宅 1,232,128 宅，佔 17.6. 1. 依行政院主計總處網站（http://www.dgbas.gov.tw/mp.asp?mp=1）所載住宅需求動向調查統計背景資料說明，其調查範圍包含台北市、台北縣、桃園縣、新竹縣市、台中縣市、台南縣市及高雄縣市。 1.

(9) ％，十年間增加 327,476 宅，增加比率高達 26.6％。其中以北部地區增加 177,620 宅最多，佔全部增加數的 54.2％，增幅高達 31.5%。為了因應住宅市場交易及人口的遷移等需要，住宅市場中將存在有一部分的空屋，該比率在一般已開發國家中約為 4%－5%，稱之為自然空屋率。林祖嘉（1994）以臺灣 23 個縣市 1981 至 1989 年資料所做估計，台灣地區的自然空屋率約為 4.59％。以上的資料顯示，台灣實際的空屋率不但遠高於國外正常空屋率，亦過去學者實證研究所估計之台灣應有自然空屋率為高。面對同時呈現高房價及高空屋率的住宅市場，不斷有人提出房價將向. 治政下修正的可能性，但觀察房價之趨勢，卻仍持續上漲。在簡單的供需理論大立下，當某物的供給量上升時，在其他條件不變下，應使得該物的價格下降， ‧ 國. 學. 空屋率的上升表示市場有可供出售的房屋增加，而為什麼台灣的房價與空. ‧. 屋率的關係似不符合供需理論。是本研究欲探討空屋與房價間究竟呈現何. sit. n. al. er. io. 二、研究目的. y. Nat. 種關係，又台灣不同地區間，空屋率與房價間之關係是否有所不同。. i Un. Ch. v. engchi 基於以上的研究動機，本研究將以台北市及高雄市為研究標的，蒐集相關資料，深入探討二個都市區房價與空屋之間的關係，是本研究之研究目的可區分為四部分：（一）了解房價與空屋之間的關係。（二）探討在台灣不同都會區之空屋率與房價的關係是否有所不同。（三）藉由研究結果探討若空屋率持續上升，是否將使房價向下修正，以做為欲購屋者決策時及解讀空屋資訊時之參考。. 2.

(10) 第二節. 研究內容與方法. 一、研究內容本研究將以民國 99 年主計處最新人口及住宅普查結果所得到之空屋 2. 資料及同期（民國 99 年度）和後一期（民國 100 年度）臺北市及高雄市之房屋成交價格作實證分析，以釐清房價與空屋之關係，並進一步了解房價與空屋間之關係，是否因為地區的不同而有所差異。. 二、研究方法. 立. 政治大. 依據本研究之研究動機及目的，將使用以下研究方法：. ‧ 國. 學. （一）文獻回顧法. 本研究為釐清房價與空屋間之闗係，將回顧房價與空屋關係相. ‧. 關之文獻，以了解過往之研究成果並歸納整理。又為本研究之後實. y. Nat. sit. 證分析所需，亦將蒐集探討房價影響因素之相關文獻，整理歸納出. n. al. er. io. 影響房價之相關因素，以利後續之實證分析變數選擇之參考依據。（二）迴歸分析法. Ch. en. hi. i Un. v. gc 以民國 99 年之人口及住宅普查之空屋資料及 99 至 100 年間台北市及高雄市之房價資料建構迴歸模型，以探討房價與空屋率之間關係，並比較不同地區間房價與空屋率關係之差異。. 2. 考量分析資料一致，行政區域之劃分將採 2010 年中華民國縣市改制直轄市（五都改制）前之行政區域劃分。 3.

(11) 第三節. 研究架構與研究流程. 一、研究架構本研究主要為探討空屋率與房價之間的關係，研究架構將分為以下五章，第一章為「緒論」，內容包含研究動機、目的、內容、方法、架構及流程，將本文研究之內容予以初步呈現。第二章為文獻回顧，將就房價之相關因素及空屋與房價相關之文獻整理回顧，並以所得相關內容做為本研究實證分析之基礎。第三章為台灣地區及台北市及高雄市住宅市場及空屋概. 政治大台北市及高雄市之情形分別說明及分析，並將相關數據資料呈現於此章。立況分析，將先就台灣地區整體之住宅市場及空屋狀況作一說明，再分別就. ‧ 國. 學. 第四章為實證研究與分析，將使用迴歸分析方法，將取得之數據資料做分析，並呈現迴歸分析後之結果。第五章為結論與建議，將就房價與空屋率. ‧. 關係之量化研究結果做出結論，並對有購屋需求者提出決策之相關建議。. n. er. io. sit. y. Nat. al. Ch. engchi. 4. i Un. v.

(12) 二、研究流程根據本研究之研究動機、目的及研究方法繪製本研究之研究流程如下：. 研究動機與目的. 確定研究問題及研究方法. 立. 政治大文獻回顧. ‧. ‧ 國. 學. 影響房價之因素. 房價與空屋關係之可能性. n. er. io. sit. y. Nat. al. i Un. v. 台灣地區及台北市、高雄市房價及空屋概況分析. Ch. engchi 研究設計. 實證分析. 結論與建議 5. 圖一. 研究流程圖. 特徵價格理論.

(13) 第二章第一節. 文獻回顧. 影響房價之因素. 一、不動產、房地產定義及其特性依據民法第六十六條規定：「稱不動產者，謂土地及其定著物。」；依不動產經紀業管理條例第四條第一項就其條例用辭所作之定義，其中第一款就不動產所作之定義為：「不動產：指土地、土地定著物或房屋及其可移轉之權利；房屋指成屋、預售屋及其可移轉之權利。」，而第二款就. 治政成屋所作之定義為：「成屋︰指領有使用執照，或於實施建築管理前建造大立完成之建築物。」，第三款就預售屋所作之定義為：「預售屋︰指領有建 ‧ 國. 學. 造執照尚未建造完成而以將來完成之建築物為交易標的之物。」。是若依. ‧. 以上之定義，不動產包括之範圍較廣，除了房屋外，其他定著於土地上之. y. Nat. 物皆包含在內。然而，一般在日常生活中，談到不動產時，一般係指「房. er. io. sit. 地產」，即房屋、土地及財產權屬，是房地產係屬於不動產之一部分內容。依據以上對不動產及房地產之定義，可知其具有別於其他商品之特. al. n. iv n C 性。卓輝華（1992）提出不動產具有的特性為數量有限性、位置固定性、 hengchi U 用途多樣性、價值永續性。張金鶚（2003）提出房地產之特性為不可移動性－區位決定價格與未來發展潛力、異質性－價格不易統一，認清品質差異是關鍵、不可分割性－房地產、公共設施、鄰里環境品質整體購買、長久性－投資折舊低並影響市場的存量與流量、昂貴性－交易金額大且交易次數少、投資宜慎重及投資與消費雙重性－使用價值與投資價值不易區分。. 二、影響房價之因素. 6.

(14) 因房地產特性中的不可移動性、長久性及昂貴性，房地產交易為一般人之重大決定，也因此過去研究者對影響房價之因素亦抱持有高度的興趣，對此頗有著墨。卓耀華（1992）提出影響不動產價格因素可分類為社會因素、經濟因素、行政因素、區域因素及個別因素。張金鶚（1997）則依據特徵價格理論提出影響房地產價格的因素有戶的特徵、棟的特徵、鄰里小環境特徵、鄰里大環境特徵、縣市環境特徵、總體環境特徵及其他個體特徵。綜合兩者之論述，影響房地產價格的主要因素大致可分類為外在因素及房地產本身的因素兩類。本研究將就以往之相關文獻予以分類並回顧。（一）外在因素 1.經濟因素. 立. 政治大. ‧ 國. 學. 經濟因素如利率、貨幣供給、物價水準、股價。。。等，. ‧. 均對房價有影響。Fortura 及 Kushner（1986）以迴歸分析方式. y. Nat. 就加拿大的房屋價格做實證研究，其結果顯示預期通貨膨脹透. er. io. sit. 過物價水準及利率的影響，將使得房價上漲。Darrat 及 Glasock （1993）以美國芝加哥地區之房地產市場為研究範圍，以自我. al. n. iv n C 迴歸整合移動平均模式（Autoregressive hengchi U. Integrated Moving. Average, ARIMA）做實證研究，實證結果顯示貨幣供給額及利率等變數之變動會領先房地產價格，且有顯著之相關。吳森田（1994）就台北市之房價以迴歸分析做實證研究，其研究結果顯示，貨幣供給、預期增值對房價有正面影響，認為房價之變動與整體金融情勢之變動具有密切的關連。彭建文及張金鶚（2000）以共積檢定及誤差修正模型檢視總體經濟變數對台北市及台北縣預售屋房價，實證結果顯示台北市及台北縣之預售屋房價與貨幣供給、空屋數及建造面積具有長期均衡關係存 7.

(15) 在，此表示房地產景氣會因總體經濟變數與房地產市場本身供需變化而調整。彭建文、林秋瑾及楊雅婷（2004）以誤差修正模型及衝擊反應分析對台北市及台北縣預售屋房價做實證分析，其研究結果顯示股價是導致房價結構性改變的最直接因素，貨幣供給則為間接因素。洪淑娟及雷立芬（2010）以因果關係檢定、共整合檢定及估計向量誤差修正模型比較總體經濟 3. 變數對中古屋、新成屋／預售屋房價影響之差異，其實證結果顯示，總體經濟變數對中古屋、新成屋／預售屋市場之影響確有差異。其中貨幣供給額及儲蓄率對中古屋房價及預售屋／新. 治政成屋房價皆有影響；物價及利率則僅對中古屋房價有顯著影大立響；平均每人 GDP 則僅對預售屋／新成屋有顯著影響；股價與 ‧ 國. 學. 中古屋房價及預售屋／新成屋房價均存在單向因果關係，其係. y. Nat. 領先於股價。. ‧. 為股價領先於中古屋房價指數，預售屋／新成屋之房價指數又. er. io. sit. 2.社會因素. 人口結構、失業率、人口遷徒、犯罪率、都市化的程度甚. al. n. iv n C 或是結婚率等，均為影響房價變動之社會因素。吳森田（1993） hengchi U 以大台北地區房價4做實證研究，其研究預期家戶增加數應對房價有正向之影響，惟其研究結果與預期不符，家戶增加數對房價之影響為負向。吳紫誼（2010）以台灣之預售屋及成屋市場與總體經濟因素之互動做實證研究，其結果顯示失業率與預售屋房價存在雙向回饋關係。黃佳惠（2011）則將台灣地區區分為北部、中部及南部地區，並以最小平方法（OLS）及固定效果. 3 4. 該研究以信義房價指數代表中古屋之價格，國泰房價指數則代表預售屋／新成屋之價格。房價數據係採用楊忠欽（1992）依太聯企管顧問公司出版之「房屋市場月刊」中所列大台北地區之２樓以上預售屋單價計算之指數。 8.

(16) 模型（Fixed Effect Model）就影響區域房價之因素做實證分析，其研究結果顯示就台灣整體住宅市場而言，人口密度、結婚率、家戶人口數及家戶數對住宅房價影響顯著，北部地區房價則顯著受人口密度及家戶數影響；中部地區房價受人口密度及結婚率影響；南部地區房價受家戶人口數、家戶數及失業率影響。丁安正（2011）以 PANEL DATA 的分析方式就台北市之房價做實證分析，其研究結果顯示台北市十二個行政區域的人口變化多寡，十年來與房屋價格沒有顯著的因果關係，並認為都市人口集中的地方不必然與房屋價格的變化有所關聯。吳瑞. 治政（2012）以人口做為地區特性之一，代表一個地區對房地產的大立需求，利用階層線性模型，以台中市中古屋市場為研究範圍， ‧ 國. 學. 其研究結果顯示，地區人口屬性對住宅價格之解釋能力高於房. ‧. 屋特徵之解釋能力，地區人口屬性與房屋特徵之交互作用，對. y. Nat. 房價有顯著之影響。在針對國外的研究部分，余世傑（2011）. er. io. sit. 以美國為研究範圍，使用 G. Donald Jud and Daniel T. Winkler （2002）所建立的模型做實證研究，其研究結果顯示人口變數. al. n. iv n C 中 20 歲到 30 歲人口對房價的影響不顯著 h e n g c h i U ，31 歲到 64 歲人口對房價的影響為顯著正相關，64 歲以上人口對房價影響則為顯著負相關，而其中又以 31 歲到 64 歲人口對房價的影響最大。林書儀（2012）以美國的大都會區為研究範圍，其研究結果顯示，總人口數、老年人口比例、亞洲人口比例、家戶中位數所得、租金所得比率對房價有正向影響，而暴力犯罪率、法拍屋率、空屋率或固定抵押貸款利率對房價有負向影響。 3.政治及政策因素政府政策無論是針對房地產市場的，如：特種貨物及勞務 9.

(17) 稅條例、豪宅稅、緊縮房屋貸款成數、不動產交易實價登錄。。。等；或整體性的政策，如：貨幣供給、利率、物價控制。。。等，皆會對房地產市場有一定的影響。彭建文、吳森田及吳祥華（2006）以台北市大同區及內湖區為研究範圍，研究不動產有效稅率對房價之影響，其結果顯示，不動產有效稅率提高將使房價降低，且不動產有效稅率每增加一個百分點，房價將降低 2.02％。之研究顯示，林正平（2008）以改變供給、貸款貼補、購屋補助做情境模擬，使用系統動態學模擬交易住宅時對房價造成的影響，在民國九十年至九十五年間，我國房地產市. 治政場在人口成長趨緩和家戶所得支出拉近下，房價仍持續上漲，大立在模擬利率由高轉低的情況觀察房價變化情形後，推論房價的 ‧ 國. 學. 上漲為受優惠房貸政策影響所致。方婉容（2009）以兩岸三通. ‧. 對台北市房價的影響以迴歸分析的方式做實證研究，其研究結. y. Nat. 果顯示，台北市人口總數對於房價變動的影響為負向影響，兩. er. io. sit. 岸三通則對台北市房價有顯著之正向影響。李元媛（2009）以桃園、中壢都會區、新竹次都會區、台中、彰化大都會區、嘉. al. n. iv n C 義次都會區及台南都會區為實證範圍，以特徵價格函數建構迴 hengchi U. 歸模式，實證重大交通建設（高速鐵路）對房價之影響，其研究結果顯示高速鐵路對於桃園中壢都會區、新竹次都會區、台中、彰化都會區及嘉義次都會區房價有顯著之影響，對台南都會區的房價顯響則不顯著，另高鐵區位的設立會影響使用率，對各都會區也會有不同的影響程度。黃翊綸（2011）以台北市為研究範圍，研究優惠房貸與土地增值稅減半徵收對房價之影響，其研究結果顯示，優惠房貸政策對房價之影響有短期的顯著性；土地增值稅減半徵收則有助於房市交易的活絡。鄭嵐鴻 10.

(18) （2012）以 2011 年 6 月 1 日實施的特種貨物及勞務稅條例對房價的影響為研究內容，以台北市信義區、大安區、中正區、萬 5. 華區及大同區為研究範圍，實證結果顯示，特種貨物及勞務稅對高房價地區如：信義區、大安區、中正區之房價僅有一季之效果，對房價較低的地區如：萬華區及大同區之房價，則因本非奢侈稅針對之區域，是無顯著效果。（二）房地產本身因素房地產具有異質性，是各房地產擁有其獨有的特質，即使同一建商所建造的同一建案，也會因為其座向、樓層、房間數. 治政量。。。等原因而在房價上有所差異。房地產本身特性可分為大立建物物理特徵及宗地條件兩種。建物物理特徵含：房屋屋齡、 ‧ 國. 學. 建物面積、建物構造、房間數量、客廳數量、廚房數量、衛浴. ‧. 數量、樓層數、是否有停車位、鄰街關係、特殊樓層、轉移土. y. Nat. 地面積及轉移房屋面積；宗地條件則含：面臨路寬（柳環瑜，. er. io. sit. 2012）6。黃瓊如（2008）以台南市為研究範圍，研究影響不動產價格之因素，其研究結果顯示，建坪、地坪、路寬、所得、. al. n. iv n C 臨街關係、總樓層數及土地使用分區與房價為正相關；屋齡及 hengchi U. 用途類別則與房價為負相關。黃漢欽（2011）以台北市、新北市及桃園縣為研究範圍，研究影響該等地區公寓及大廈房價之因素，其研究結果顯示，中古屋之公寓及大廈之屋齡及所在樓層對其房價有顯著之反向影響，而總樓層數則顯著正向影響其房價。宋育瑋（2011）以彰化市為研究範圍，研究影響房價之. 5. 6. 該研究係將研究區域分為二組，其中房價較高的信義區、大安區及中正區作為主測試組，房價較低的萬華區及大同區則作為對照組。柳環瑜(2012)將特徵價格法應用於房地產價格影響相關研究的模型所採用之變數作一分類整理，其分類之大類含：房屋基本屬性、鄰里環境屬性、區域環境屬性及混合使用屬性。 11.

(19) 因素，以建坪、地坪、路寬、屋齡、用途類別、建造種類、總樓層數、土地使用分區、區位與車站距離為變數，其研究結果顯示，影響房屋價格最重要的因素為路寬，第二為用途類別及居住空間，第三則為交通不便性。而中國民俗中的風水因素，亦會成為影響房價的因素之一，鄭秀蓁（2009）以松山區的住宅大樓為研究對象，探討風水因子對不動產價格的影響程度，其研究結果顯示，一般購屋者認為方位會影響其購屋意願及房屋價格。此外，住商混合的程度，亦會影響房價，國外研究如 Cao 及 Cory（1981）的研究顯示，若有小型的商業活動毗鄰，. 治政則對房價將有正向的影響。而在國內的研究部分，柳環瑜（2012）大立年以臺中市西屯區為研究範圍進行實證研究，其研究結果顯 ‧ 國. 學. 示，若住商混合現象是位於同一棟建築物，則對房價有負向的. ‧. 影響，而若住商混合的情形係發生於同街廓或相鄰街廓，則對. y. Nat. 房價有正向的影響。此一結果表示，購屋者想要得到較佳的商. er. io. sit. 業便利性及可及性，但不想失去過多的環境寧適度，是該研究結論為相鄰街廓住商混合為最理想之混合方式，而同街廓混合. al. n. iv n C 為次佳的混合方式，均對房價有正向影響，而同棟混合則反而 hengchi U 對房價有負向影響。. 12.

(20) 第二節. 空屋與房價之關係. 為了因應市場交易及人口遷徙需要，房屋交易市場中存在有一定之空屋比率，該比率稱之為「自然空屋率」，就以台灣地區為研究範圍的研究結果顯示，就台灣地區的自然空屋率所做的推估有林祖嘉（1994）以臺灣 23 個縣市 1981 至 1989 年資料所做估計，台灣地區的自然空屋率約為 4.59％。惟依行政院主計處民國 99 年最新人口及住宅普查結果，台灣地區之空屋率高達 19.3%，該比率遠高於應有之自然空屋率。一個地區的空屋率與自然空屋率之間的差異稱之為空屋隙（vacancy gap），為一住宅市場中超額需. 治政求與超額供給的差異，因此，當住宅市場存在正的空屋隙時，表示市場上大立空屋過多，對售屋者而言，應調降房屋售價；若住宅市場存在負的空屋隙 ‧ 國. 學. 時，售屋者則將提高房屋售價。. ‧. 花敬群（2001）以 1982 年至 1998 年間台北市、高雄市及台灣省為研. y. Nat. 究範圍，研究自有率、空屋數量與住宅市場之調整，其研究結果顯示，住. er. io. sit. 宅自有率、空屋數與住宅價格間具有顯著的結構性關係，其中住宅自有率的變動對房價的影響尤為明顯，其係數高達 2.19；空屋數量的變動對房價. al. n. iv n C 的影響卻僅-0.05，表示在自有率持續上升的情況下，雖空屋數量也同時增 hengchi U. 加，但房價會呈現穩定甚或上漲的情況，與國內市場的情況相吻合。並認為此種情形發生的主因，則是因為自有率的增加使得市場上的一般售屋者的比例增加，而此類供給者可能導致自然空屋率的上升，是造成空屋數量上升及抑制空屋對價格的下跌壓力。彭建文（2005）以 1980 年至 2001 年間台北市及台北縣之資料估算使房價變動為零的均衡空屋率。其實證結果發現，空屋率及房價變動率間有顯著的負向關係。台北市以當期空屋率對實質住宅單價變動率影響較顯著，而台北縣則以前期空屋率對名目住宅總價變動率的影響較顯著。其估 13.

(21) 計結果台北市的均衡空屋率在 12.61%至 14.03%；台北縣的均衡空屋率在 20.56%至 22.72%，兩地區的均衡空屋率均明顯偏高，可能為造成該兩地區長期房價漲多跌少，調整較慢的原因。邱妙如（2010）以 1993 年至 2009 年間台灣地區之資料研究房價與空屋、餘屋之關係。其研究結果顯示，空屋數對房價之影響未達顯著水準，是認為雖然空屋數為住宅市場供給是否過多的指標，但因大都數空屋不屬於市場上的空屋，故對於房價僅有潛在影響，造成國內房價不因為過多空屋的存在而下跌。另一方面，餘屋為市場上之空屋，所以和房價有雙向影響，是當餘屋數量過多時，房價將會下跌，故建議欲衡量市場供給是否適. 治政當，應以餘屋數作為指標，而非以空屋數作為指標。大立台灣地區的住宅市場呈現高空屋率與高房價並存的狀況確引發許多 ‧ 國. 學. 相關研究，但於房價部分，因取得困難，是多使用替代指標如：信義房價. ‧. 指數、國泰房價指數…等，較少以空屋率對各別房價產生之影響之研究，. y. Nat. 另已有之研究空屋率資料多以縣市或台灣全區為主，本研究擬將空屋資料. 及高雄市實證研究結果作一比較分析。. n. al. Ch. engchi. 14. er. io. sit. 細化至台北市及高雄市各區，探討空屋率對各別房價之影響，並就台北市. i Un. v.

(22) 第三節. 特徵價格理論. 一、特徵價格理論效用理論說明消費者從財貨及勞務的消費中將會得到主觀的滿足感，其指標稱之為效用，而消費用的行為以追求效用極大為準則。另一方面供需理論則說明財貨及勞務的市場均衡價格是由該財貨及勞務的供給與需求所決定，然而某一財貨及勞務帶給消費者的效用究竟是多少，某些無形的特徵對財貨及勞務提供予消費者的效用影響有多大，而消費者願為一. 政治大. 尚未上市的財貨與勞務支付多少價格，這些問題造成了商品價格分析的困. 立. 難。. ‧ 國. 學. Lancaster 在 1965 年提出了消費者行為分析法（consumption activity analysis），認為每一種商品其實是由許多不同的屬性所組成，. ‧. 消費者在做抉擇時，是以商品屬性組合帶給其之效用而定，亦即消費者其. sit. y. Nat. 實是在選擇可帶給自己最大效用的屬性組合，而同一種商品，因為其屬性. er. io. 組合的不同，會對消費者帶來不同的效用。如：不同顏色的同款車型、不. n. a 同樓層的房屋……等。因此市場上商品的價格，代表的是該商品整體屬性 iv l C hengchi Un 的綜合指標，不能反映各個不同屬性帶給消費者的效用。. Sherwin Rosen 在 1974 年將 Lancaster 等人的理論進一步的發展，認為商品是其本身多種屬性組合而成，故商品的價格是由其屬性所決定，故各種商品將因其屬性不同而有不同的價格，稱之為差異性財貨（differentiated goods）。並透過效用理論及競價理論假設消費者及生產者均追求效用極大化，在決策的過程中，消費者對某一商品增加一單位某一屬性後，願意多支付的價格，即為該屬性的特徵價格。並使用差異性財貨的市場價格建立特徵價價格方程式，用來引導出商品隱含屬性的價格，再進一步用引導出的特徵價格函數來探討商品之屬性對其價格之影響。 15.

(23) Sherwin Rosen 所提出的特徵價格法在應用上，有以下假設：（一）完全競爭市場，亦即所有消費者及生產者皆為價格接受者（price taker），沒有任何消費者及生產者有影響市場價格的能力。假設消費者對每一個特徵有相同的評價，且無法影響商品的市場價格，但可透過購買不同的數量來影響特徵的邊際隱含價格。（二）商品的各項屬性（attribute）可以被量化，商品的價值由其屬性對其效用的貢獻決定，亦即其屬性組合（attributes）決定商品價格。. 治政（三）消費者及生產者皆為理性，亦即極大化假設，消費者以追求效大立用極大的原則作決策，生產者則以追求利潤極大的原則作決 ‧ 國. 學. 策，市場均衡則決定於消費者與生產者的價格與數量決策一致. ‧. 時。. y. Nat. （四）商品的屬性組合是無法拆分的，消費者及生產者不能改變現存. er. io. sit. 商品的屬性，另因商品的屬性組合有所差異，市場上存在有大量差異性商品，是消費者及生產者可有連續性不同的商品組合。. al. n. iv n C （五）商品不能轉售，即假設無二手市場（second-hand market），即 hengchi U 所有商品皆作為單純消費，以簡化問題，避免折舊、估價…… 等考量。. 二、特徵價格模型根據 Lancaster 所提出的消費者行為分析法，商品是由許多不同的屬性所組成，而消費者則按商品屬性組合帶來的效用作決策，以追求效用極大化，因此，一商品的市場價格將是其屬性組合的函數。Sherwin Rosen 特徵價格法之數學基本通式如下： 16.

(24) Ｐi＝ƒ（Xi1,……,Xij）. （2-1）. Ｐi：商品價格 X ：屬性向量 j :屬性個數. 特徵價格法在實證上常使用的模式則有以下幾種：（一）線性模式 j. Pi ＝     0. j 1. j. X. 政治大. （二）半對數模式 j. 立. ln Pi      j 1. j. X. （三）逆半對數模式 j. ０. j. j 1. ln X ij. ‧. P ＝ ＋  i. （2-3）. ij. 學. ‧ 國. 0. （2-2）. ij. y. j. sit. Nat. （四）雙邊對數模式 ln Pi＝  ＋  ln X ij j. j 1. （五）非線性模式 a. n. iv l C n hengchi U    P X j. i. j. （2-5）. er. io. ０. （2-4）. ij. 17. （2-4）.

(25) 第三章. 台灣地區及台北市、高雄市房價及空屋概況分析. 第一節. 台灣地區及台北市、高雄市房價概況 7. 以信義房價指數來觀察台灣地區民國 89 年至 100 年間的房價變動，可以發現國內房價隨著國內外重大事件之影響，發生幾次的波動。民國 89 年間因網路全球網路泡沫破滅，導致全球股市下跌，並造成房價下跌，此次房價下跌一路持續到 91 年間 SARS 疫情發生時到達最低點，其後房價開. 政治大. 始回漲，此波漲勢則持續到 97 年至 98 年間因金融海嘯發生，房價才出現. 立. 短暫的下修，至 98 年第一季金融海嘯影響漸弱後房價開始上漲至今。若單. ‧ 國. 學. 獨觀察台北市及高雄市的信義房價指數變動，其變動雖與台灣地區整體信義房價指數之變動在時間上略有差異，但大致相同。. ‧ 89 至 100 年間房價波動時序表. n. er. io. al. sit. y. Nat 表一. 重大事件. 地區. Ch. 波動期間. i v信義房價指數變動 n U. 台灣地區. engchi 89 年第 1 季. 88.25→81.91. 台北市. ∣. 117.22→104.27. 高雄市. 90 年第 3 季. 103.73→72.83. 台灣地區. 92 年第 2 季. 92.47→143.03. 台北市. ∣. 105.21→196.12. 高雄市. 97 年第 1 季. 67.12→107.49. 網路泡沫房價下跌. SARS 後房價飆漲. 7. 信義房價指數樣本分區區分為台北市、台北縣、台中地區、高雄市及台灣地區 5 項，其中台灣地區包括全台灣各地區樣本。 18.

(26) 台灣地區. 97 年第 2 季. 135.82→127.25. 台北市. ∣. 195.95→180.77. 高雄市. 98 年第 1 季. 135.70→123.89. 台灣地區. 98 年第 2 季. 139.52→155.74. 台北市. ∣. 195.79→274.08. 高雄市. 100 年第 4 季. 117.89→202.30. 金融海嘯房價下跌. 金融海嘯後房價回升資料來源：本研究自行整理、信義房屋網站. 政治大若以信義房價指數的變動幅度而言，SARS 後房價上漲幅度以台北市最立. 高，其信義房價指數由 105.21 點上漲至 196.12 點，共上漲 90.91 點；金. ‧ 國. 學. 融海嘯後的房價的上漲幅度則以高雄市最高，其信義房價指數由 117.89 點. ‧. 上漲至 202.30 點，共上漲 84.41 點。而在下跌幅度部分，網路泡沫後房價. y. sit. Nat. 下跌幅度以高雄市為最高，其信義房價指數由 103.73 點下跌至 72.83 點，. io. er. 共下跌 30.9 點；金融海嘯後房價下跌幅度則以台北市為最高，其信義房價指數由 195.95 點下跌至a180.77 點，共下跌 15.18 點。. n. iv l C n 為配合行政院主計處民國h e 99 年最新人口及住宅普查結果之空屋資 ngchi U. 料，本研究之研究時間範圍將限制在民國 99 年至 100 年間，將此期間內政部地政司所公布的台北市及高雄市各區房地產交易價格 8 做一整理可發現，台北市房屋每坪平均價格以大安區最高，99 年度房價平均每坪為 62.37 萬元；100 年度房價平均每坪為 72.3 萬元，最低者為北投區，99 年度房價平均每坪為 31.44 萬元；100 年度房價平均每坪為 35.45 萬元；高雄市房. 8. 內政部地政司所公布之房地產交易價格，其房屋用途類別包含公寓、透天住宅、店面（店鋪）、辦公商業大樓、住宅大樓、華廈、套房、工廠、廠辦、農舍、倉庫，惟本研究以空屋率對住宅房價之影響為主要研究內容，是平均價格之計算已剔除店面（店鋪）、辦公商業大樓、工廠、廠辦、農舍及倉庫等項。 19.

(27) 屋每坪平均價格則以前金區為最高，99 年度房價平均每坪為 13.79 萬元； 100 年度房價平均每坪為 13.35 萬元，最低者為小港區，99 年度房價平均每坪為 8.86 萬元，100 年度房價平均每坪為 9.21 萬元。由以上房屋每坪平均價格可發現房價的區域差異極大，台北市與高雄市兩地平均每坪房價最高價地區大安區及前金區 99 年度及 100 年度之價差達 4 至五倍之多，而台北市本身平均每坪房價最高價地區大安區及最低價地區北投區 99 年度及 100 年度之價差亦達 1 至 2 倍，高雄地區則價差略小，惟平均每坪房價最高價地區前金區與最低價地區小港區之價超亦超過 0.5 倍。若以 99 年度及 100 年度台北市各區的平均每坪房價相比較，台北市全. 治政區的平均每坪房價均呈現上漲，其中並以信義區的漲幅最大，由平均每坪大立 51.07 萬元上漲至平均每坪 65.83 萬元，平均每坪上漲 14.76 萬元，上漲 ‧ 國. 學. 幅度近 30%。漲幅最小的則是中正區，由平均每坪 58.42 萬元上漲至平均. ‧. 每坪 62.21 萬元，平均每坪上漲 3.79 萬元，上漲幅度約 6%。. n. al. er. sit. 台北市各區 99 及 100 年度房屋每坪平均價格. io. 80. y. Nat. 圖二. 70 60 50. Ch. engchi. i Un. v. 40 30 20 10 0 單位：萬元. 99年度. 士林大同大安中山中正內湖文山北投松山信義南港萬華區區區區區區區區區區區區 42.3. 37. 62.3 41.0 58.4 36.7 33.3 31.4 57.9 51.0 41.9 32.2. 100年度 46.9 44.6 72.3 49.2 62.2 42.6 38.1 35.4 62.1 65.8 46.9 37.8. 資料來源：本研究自行繪製. 20.

(28) 高雄市各區 99 年度與 100 年度平均每坪房價相比較，除了前金區呈現下跌外，其他各區均為上漲。又因高雄市由於平均每坪房價較低，致每坪房價上漲金額並不多，但若以上漲幅度而言，其中漲幅最大的旗津區，由平均每坪 8.86 萬元上漲至平均每坪 11.23 萬元，上漲幅度亦達 26%。. 圖三. 高雄市各區 99 及 100 年度房屋每坪平均價格. 80 70 60 50. 立. 40 30. 政治大. ‧ 國. 學. 20 10. 士林大同大安中山中正內湖文山北投松山信義南港區區區區區區區區區區區 37. 62.37 41.08 58.42 36.72 33.3 31.44 57.99 51.07 41.9. y. Nat. 99年度 42.39. sit. 單位：萬元. ‧. 0. io. v. 資料來源：本研究自行繪製. n. al. er. 100年度 46.94 44.67 72.3 49.24 62.21 42.69 38.1 35.45 62.12 65.83 46.97. Ch. engchi. 21. i Un.

(29) 第二節. 台灣地區及台北市、高雄市空屋概況. 根據最新行政院主計處每十年一次的人口及住宅普查，台灣地區無人居住且未供其他用途的住宅（含待租、待售、已租及已售）在民國 69 年調查時共有 482,321 宅，空屋率為 13.1％；民國 79 年調查時，則有 678,520 宅，空屋率小幅上升至 13.3％，惟至 89 年調查時，台灣地區無人居住且未供其他用途的住宅增加至 1,232,128 宅，空屋率大幅上升佔 17.6％，而最新的 99 年度進行之人口及住宅普查結果，無人經常居住且未供其他用途之住宅共 1,559,604 宅，空屋率已達 19.3％。. 圖四. 台灣地區 69 年至 99 年度空屋率. 學. ‧. ‧ 國. 立. 政治大. n. er. io. sit. y. Nat. al. Ch. engchi. i Un. v. 資料來源：行政院主計處網站、本研究自行繪製. 以 99 年度最新的人口住宅普查，台灣地區空屋率最高的地區為基隆市，其空屋率高達 25.2％，其次則為金門縣，空屋率為 24.0％居次，空屋率最低的地 22.

(30) 區則為臺北市，其空屋率為 13.4％。而若以 89 年度及 99 年度的人口住宅普查結果相較，空屋率上升最快的的地區為嘉義縣，空屋率由 15.3％上升至 20.4％，共增加 5.1%，其次則為新北市，空屋率由 17.4％上升至 22.0 ％，共增加 4.6％。若觀察 89 及 99 年度兩次人口及住宅普查中台北市的空屋率資料，可發現台北市整體之空屋率 89 年度調查結果為 12.2％，99 年度時則上升至 13.4％，而台北市各區空屋率最高者兩次調查結果均為中山區，89 年度調查時空屋率為 19.4％，99 年度調查時則上升至 24.2%。空屋率最低地區兩次調查結果則有所不同，89 年度調查時，空屋率最低地區為內湖區，其空. 治政屋率為 8.9％，99 年度調查結果空屋率最低地區則為松山區，其空屋率為大立 7.6％。另 99 年度調查結果中，台北市大部分地區空屋率較 99 年度增加， ‧ 國. 學. 僅北投區、士林區、大安區及文山區 99 年度調查之空屋率較 89 年度時為. ‧. io. 89 及 99 年度台北市各區空屋率資料. al. n. （％）. sit. y. Nat. 圖五. er. 高。. 30. Ch. engchi. i Un. v. 25 20 15 10 5 0. 中山萬華大同北投士林大安中正松山文山南港信義內湖區區區區區區區區區區區區. 89年 19.4 15.1. 14. 13.6 11.6 11.3. 99年 24.1 17.8 15.4 12.4. 8.6. 11. 11.2 12.7. 10.3 10.3 10.2 7.6. 9.7. 8.9. 10.1 10.7 14.9 12.6. 資料來源：行政院主計處、本研究繪製 23.

(31) 高雄市整體空屋率 89 年度調查時為 16.4％，99 年度調查時則上升為 17.6％，而高雄市各區空屋率最高者 89 年度調查時為新興區，其空屋率為 28.8％，99 年度調查時則為前金區，空屋率為 34.3％。空屋率最低的地區則兩次調查結果均為旗津區，89 年度調查時空屋率為 7.0％，99 年度調查時空屋率上升至 13.6％。另 99 年度調查結果中，高雄市市大部分地區空屋率亦較 99 年度增加，僅左營區 99 年度調查之空屋率較 89 年度時為高。. 圖六. 立. （％）. 政治大. ‧. ‧ 國. 學. io. sit. y. Nat. 前金新興鹽埕左營苓雅三民前鎮小港鼓山楠梓旗津區區區區區區區區區區區. er. 40 35 30 25 20 15 10 5 0. 89 及 99 年度高雄市各區空屋率資料. n. al. 89年 23.8. 28.8. 99年 34.3. 30.9. C h18 17.5 15.4 U14.2n i e n24.2 35.8 16.2 g c h15.6i 16.9 26.2. v. 13.8. 13.7. 12.7. 7. 14.2. 25.4. 14.7. 13.6. 資料來源：行政院主計處、本研究繪製. 表二所列為 99 年度台北市及高雄市各區的空屋率調查結果、99 年度當期及次期 100 年度，以內政部地政司所公布的台北市及高雄市各區房地產交易價格，所計算出之各區房屋每坪平均價格，觀察表列數據可發現，99 年度台北市空屋率最高之地區中山區，其房屋平均每坪房價於當期及次期 24.

(32) 均非全台北市最低，而 99 年度台北市空屋率最低之地區，其當期及次期之房屋平均每坪房價，亦均非全台北市最高者，觀察高雄市各區平均每坪房價及空屋率亦有此一現象，空屋率與房價兩者似無必然之關係，依據基本供需法則，供給量若大於需求量，將會使得商品的價格下降，然而此一粗略的觀察結果似乎不符合基本之供需原則，是否房價及空屋率間真的不存在相關性，而購屋者在進行購屋決策時，空屋率的資料是否具有參考價格，本研究將以下章節使用迴歸分析方式來研究分析空屋率與個別房價之關係。. y. sit. io. 80. n. al. er. 100. Nat. 120. ‧. 140. 學. 160. 立. 台北市 99 年度各區空屋率與 99、100 年度房屋平均每坪價格. ‧ 國. 圖七. 政治大. 60 40. Ch. engchi. i Un. v. 20 0 中山區萬華區大同區北投區士林區大安區中正區松山區文山區南港區信義區內湖區 99年空屋率(%). 99年平均每坪房價(萬元). 100年平均每坪房價(萬元). 資料來源：本研究繪製. 25.

(33) 圖八. 高雄市 99 年度各區空屋率與 99、100 年度房屋平均每坪價格. 40 35 30 25 20 15 10 5 0 前金區新興區鹽埕區左營區苓雅區三民區前鎮區小港區鼓山區楠梓區旗津區 99年空屋率(%). 政治大100年平均每坪房價(萬元). 99年平均每坪房價(萬元). 立. ‧. ‧ 國. 學. 資料來源：本研究繪製. n. er. io. sit. y. Nat. al. Ch. engchi. 26. i Un. v.

(34) 表二. 99 年度台北市及高雄市各區空屋率及 99、100 年度平均每坪房價台北市. 區別. 高雄市. 99 年度平 100 年度 99 年度空均每坪房平均每坪屋率房價價. 區別. 99 年度平 100 年度 99 年度空均每坪房平均每坪屋率房價價. 中山區. 24.2. 41.0. 49.2. 前金區. 34.3. 13.79. 13.35. 萬華區. 17.8. 32.2. 37.8. 新興區. 30.9. 11.38. 11.85. 大同區. 15.4. 37.0. 44.6. 鹽埕區. 35.8. 11.18. 12.34. 北投區. 12.4. 31.4. 35.4. 16.2. 12.56. 12.69. 士林區. 8.6. 42.3. 24.2. 11.64. 12.28. 大安區. 11.2. 9.81. 9.87. 中正區. 12.7. 10.03. 10.78. 松山區. 8.86. 9.21. 文山區. 25.4. 12.49. 13.43. 14.7. 10.91. 11.8. 13.6. 8.86. 11.23. 62.3. 72.3. 三民區. 58.4. 62.2. 前鎮區. 16.9. 7.6. 62.1. 小港區. 14.2. 10.1. 33.3. 38.1. 鼓山區. n. Ch. e n g c楠梓區 hi U. 南港區. 10.7. 41.9. 46.9. 信義區. 14.9. 51.0. 65.8. 內湖區. 12.6. 36.7. 42.6. 旗津區. y. sit. io. al. er. 57.9. 15.6. ‧. ‧ 國. 苓雅區. 學. 46.9. Nat. 立. 政治左營區大. v ni. 資料來源：行政院主計處、本研究自行整理. 27.

(35) 第四章第一節. 研究設計. 研究範圍及資料來源. 一、研究範圍（一）時間範圍：主計處最近一次人口住宅普查於民國 99 年實施，本研究之空屋率資料自該普查結果取得，是本研究之時間範圍將限定於 99 年度當期及次期 100 年度。（二）空間範圍：為取得資料之完整性，將選取房屋交易量較大之. 政治大. 區域作為研究標的，本研究選取區域為台北市及高雄市。其中. 立. 高雄市部分乃採取 2010 年中華民國縣市改制直轄市（五都改. ‧ 國. 學. 制）前之行政區域劃分。台北市共十二區，含中山區、萬華區、大同區、松山區、文山區、信義區、大安區、南港區、內湖區、. ‧. 北投區、士林區及中正區；高雄市共十一區，含前鎮區、前金. Nat. n. al. 二、資料來源. Ch. engchi. er. io. 雅區、鹽埕區及左營區。. sit. y. 區、新興區、鼓山區、旗津區、小港區、楠梓區、三民區、苓. i Un. v. （一）房價資料來源：取自內政部地政司全球資訊網之房地產交易價格資料庫，該資料庫的房價資料來源係由各直轄市、縣（市）政府所轄地政事務所就買賣及公地標售案件派員向當事人、經紀人、仲介業、地政士、交易案件四鄰、公有土地管理機關等調查土地及建物之買賣、標售資料。（二）房屋資料來源：取自內政部地政司全球資訊網之房地產交易價格資料庫。該資料庫將成交房屋區分為公寓、透天住宅、 28.

(36) 店面、辦公商業大樓、住宅大樓、華廈、套房、工廠、廠辦、農舍、倉庫等類。（三）空屋資料來源：取自主計處 99 年度人口及住宅普查結果。該普查就住宅部分實施對象為普查標準時刻座落於臺閩地區境內之樣本普查區範圍內所有住宅，包含有人經常居住之住宅、其他房屋、住所及空閒住宅。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 29. i Un. v.

(37) 第二節. 變數選取及模型建立. 一、變數選取本研究係以特徵價格法為理論基礎，以空屋率為個別房屋的屬性之一，探討空屋率及其他房屋屬性對個別房價的影響，是排除總體環境之變數，僅使用張金鶚（1997）影響房地產價格因素分類中屬戶之特徵的移轉土地面積及移轉房屋面積；屬棟之特徵的面臨路寬、臨街關係、用途類別、屋齡；並加入空屋率作為自變數。以下將說明本研究選取之變數及其定義：. 政治大本研究應變數係選自 99 至 100 年度內政部地政司所編製之房地立. （一）應變數. ‧ 國. 學. 產交易價格簡訊中台北市及高雄市之房地產交易價格，且為避免不同坪數造成誤差，故捨房地產交易總價，而以房地產交易. ‧. 之平均每坪房價做為應變數，單位為萬元。本研究乃針對作為. sit. y. Nat. 住宅使用房屋之房價與空屋率之關係，是樣本內容將排除店. io. er. 面、辦公商業大樓、工廠、廠辦、農舍及倉庫之資料。. al. n. iv n C h e n g99c年度人口及住宅普查中台北市報告 1.空屋率：係使用主計處 hi U. （二）自變數. 及高雄市報告之住宅單位數統計表，該統計表將統計之住宅依使用情形分類為有人經常居住、無人經常居住但供其他用途及空閒三種，本研究所採取之空屋率，係以下列方式計算：. 30.

(38) 空屋率高，表示閒置住宅數量多，隱含在房屋交易市場有供給過多情況，是對房價有能有負向之影響，本項變數預期符號為負。 2.屋齡：資料選自 99 至 100 年度內政部地政司所編製之房地產交易價格簡訊台北市及高雄市之房地產交易資料。屋齡係指房屋建造完成後，隨著時間的經過，其結構、外表。。。等將會產生耗損，致房屋的價值發生減損，是屋齡越長，代表折舊數越大，可能對房屋每坪價格有負向的影響。本變數單位為年，預期符號為負。. 治政 3.移轉土地面積：資料選自 99 至 100 大年度內政部地政司所編製立之房地產交易價格簡訊台北市及高雄市之房地產交易資料。 ‧ 國. 學. 係指移轉房屋中所含土地面積，成交房屋所含土地面積越. y. Nat. 響。本變數單位為坪，預期符號為正。. ‧. 大，因土地無折舊之計算，可能對房屋每坪價格有正向之影. er. io. sit. 4.移轉房屋面積：資料選自 99 至 100 年度內政部地政司所編製之房地產交易價格簡訊台北市及高雄市之房地產交易資料。. al. n. iv n C 移轉房屋面積越大，房屋交易的成交的總價越高，但若以每 hengchi U. 坪的單價而言，是否移轉面積越大，每坪單價也越高，或是將持平，是本變數對房屋每坪價格之影響未定。本變數單位為坪，預期符號未知。 5.用途類別：資料選自 99 至 100 年度內政部地政司所編製之房地產交易價格簡訊台北市及高雄市之房地產交易資料。依該資料，其住宅用房屋類型有五類，其認定標準如下：（1）透天住宅：全棟單一門牌之住宅。（2）套房：一房一廳一衛之住宅。 31.

(39) （3）住宅大樓：十一層含以上有電梯之住宅。（4）華廈：十層樓含以下有電梯之住宅。（5）公寓：五層樓含以下無電梯之住宅。透天住宅由於所含之土地面積大，是以價格最高。其次則為套房，因其坪數小，且出租容易，房屋總價平均至每坪的價格較高。其後依其建材、設備、管理、屋齡。。。等因素，其價格依序可能為住宅大樓、華廈及公寓。本項變數為虛擬變數，以公寓為基準。預期各用途類別資料相較於用途類別為公寓者為正。. 治政 6.面臨路寬：資料選自 99 至 100 年度內政部地政司所編製之房大立地產交易價格簡訊台北市及高雄市之房地產交易資料。係指 ‧ 國. 學. 房屋所面臨的路寬，路寬越寬，表示車輛及行人的進出較為. ‧. 順暢，可能對房價有正向的影響。本變數單位為公尺，預期. y. Nat. 符號為正。. er. io. sit. 7.臨街關係：資料選自 99 至 100 年度內政部地政司所編製之房地產交易價格簡訊台北市及高雄市之房地產交易資料。該資. al. n. iv n C 料將房屋所在地與道路之關係區分為四類，其認定標準如下： hengchi U. （1）路角地：指面臨兩條交叉「路」、「街」之土地。. （2）臨街地：指自路角地以外，以「路」、「街」為出入之土地。（3）裡地：係指「路」、「街」以外，以巷、弄出入之土地。（4）袋地：指「路角地」、「臨街地」、「裡地」以外之其餘土地。. 32.

(40) 依照以上定義，可發現路角地因臨兩條道路，其交通較為便 9. 利，且房屋室內規劃不易有「暗房」之發生，是價格可能最高，其次則依序為臨街地，裡地及袋地。又因 99 及 100 年度之房屋交易價格資料中，屬袋地之資料僅有一筆，樣本數不足，是本研究將袋地部分資料排除。本項變數為虛擬變數，以裡地為基準，預期其他各臨街關係資料相較於臨街關係為裡地者，預期符號為正。. 綜合以上變數說明，將變數說明及其預期符號表列如下：. 表三. 變數說明及符號預期. 學. ‧ 國. 立. 政治大說明. 空屋率. 99 年度人口及住宅普查空閒住宅佔所有住宅數之比率. －. 屋齡. 房屋建造後至交易時之年數. －. 移轉土地面積. 房屋所含土地面積. ‧. 變數. er. io. sit. y. Nat. al. 移轉房屋面積. 房屋之坪數. n. v ni. 用途類別. C包含公寓、華廈、住宅大樓、套房 hengchi U 及透天住宅等五個變數；虛擬變. 預期符號. ＋？＋. 數，以公寓為基準面臨路寬. 房屋面臨道路之寬度. ＋. 臨街關係. 包含裡地、臨街地、路角地等三個變數；虛擬變數，以裡地為基準. ＋. 資料來源：本研究自行整理. 9. 「暗房」在房地產交易市場係指自然光線無法直接照射之房屋，此類房屋多因無直接對外的門窗造成。 33.

(41) 三、模型建立依據特徵價格模型，房價為個別房屋所具有之屬性的函數，其常用函數型態有線性模式、半對數模式、逆半對數模式、雙變對數模式及非線性模式，過去以特徵價格理論模型探討房價之研究，所使用之模式各自有不同，其中線性模式為常用模式之一。是本研究將亦將使用特徵價格模型中之線性模式來進行實證分析，本研究以特徵價格模型之線性模式之房價模型如下： Pi   0   1VACANTi   2YEARi   3 FLOORi   4 ROADi   5 LANDi. 政治大.   6 LEVELi   7 STREETi   （4  1）. 立. ‧ 國. 學. 其中：. ‧. P：代表房屋每坪價格，單位為萬元. io. n. al. er. YEAR：代表屋齡. sit. Nat. VACANT：代表各行政區的空屋率. y. i：代表每一棟不同的房屋. iv. n FLOOR ：代表用途類別，其分類有公寓、華廈、住宅大樓及透天 C 住宅. hengchi U. ROAD：代表房屋面臨路寬 LADN：代表買賣房屋移轉之土地大小，單位為坪 LEVEL：代表房屋移轉面積，單位為坪 STREET：代表房屋臨街關係，其類別有裡地、臨街地及路角地本研究在之後的章節，將使用前述的房價模型，以迴歸分析的方式進行實證研究，並探討房價與空屋率之間的關係。 34.

(42) 第五章. 實證結果與分析. 第一節. 敘述性統計分析. 一、房屋成交資料本研究之房價及房屋屬性資料係取自內政部地政司所編製之房地產交易價格簡訊中 99 及 100 年度台北市及高雄市之房屋交易資料。台北市 99 年度之房屋交易資料共 4,533 筆、100 年度之房屋交易資料則有 3,964 筆；高雄市 99 年度之房屋交易資料共 2,853 筆、100 年度之房屋交易資料則有 2,384 筆。. 立. 政治大. 其中台北市 99 年成交房屋最多的區域為北投區，共成交 644 筆，成. ‧ 國. 學. 交房屋最少者則為大同區，共成交 291 筆；台北市 100 年度成交房屋最多. ‧. 者為內湖區，共成交 472 筆，成交房屋最少者仍為大同區，共成交 201 筆。. sit. n. al. er. 台北市 99 及 100 年度各區房屋買賣筆數. io 700. y. Nat. 圖九. 600. Ch. 500. engchi. i Un. v. 400 300 200 100 0 單位：筆數 99年度. 士林大同大安中山中正內湖文山北投松山信義南港萬華區區區區區區區區區區區區 548. 291. 309. 287. 287. 473. 559. 644. 286. 286. 278. 285. 100年度 429. 201. 265. 327. 272. 472. 464. 462. 255. 321. 236. 260. 資料來源：內政部地政司、本研究自行整理 35.

(43) 而高雄市 99 年成交房屋最多的區域為三民區，共成交 563 筆，成交房屋最少者則為旗津區，共成交 11 筆；100 年度成交房屋最多者亦為三民區，共成交 563 筆，成交房屋最少者仍為旗津區，僅成交 5 筆。. 圖十. 高雄市 99 及 100 年度各區房屋買賣筆數. 700 600 500 400. 立. 300. 前金區. 前鎮區. 苓雅區. 新興區. 楠梓區. 99年度. 616. 331. 289. 51. 314. 480. 171. 100年度. 563. 222. 55. 233. 260. 137. n. al. Ch. 鹽埕區. 旗津區. 258. 289. 43. 11. 323. 249. 25. 5. er. 312. 鼓山區. y. 左營區. sit. ‧. 小港區. 單位：筆數. Nat. 三民區. io. 0. ‧ 國. 100. 學. 200. 政治大. iv n e 資料來源：內政部地政司、本研究自行整理 ngchi U. 由以上資料可以發現，台北市房屋成交筆數較多的區域皆為外圍地區，這可能是由於市中心的房屋價格較高，且台北市全區公共建設較為完備，即使居住於離市中心較遠之區域，在生活便利性上影響並不大，是購屋者選則在外圍地區購買房屋，使購屋之經濟負擔減輕，又不致於犧牲太多的便利性。而高雄市房屋成交筆數較多的則屬市中心地區，其原因應為市中心地區為最早發展的地區，各項公共建設較為完備，是成交筆數較多， 36.

(44) 而外圍之新興區域雖有各項新的大型公共建設之計劃，惟仍處於建設當中，對生活便利性之影響較大，故外圍區域的成交筆數較少。. 二、房價資料若不予區分區域 99 年度所有房屋交易樣本資料之每坪平均房價為 32.12 元，100 年度每坪平均房價則為 34.69 元。若予以區分區域，則 99 年度台北市平均每坪房價為 41.93 萬元元，高雄市則為 10.84 萬元元；100 年度台北市平均每坪房價為 48.79 萬元，高雄市為 11.25 萬元。由以上資料可以發現，台北市及高雄市每坪平均房價之差異極大，是本研究在進行. 政治大台北市及高雄市之房屋成父資料進行迴歸分析，以比較其差異。立. 實證分析時，除進行不分區所有房屋成交資料之迴歸分析外，亦將單獨就. ‧ 國. 學. 另由各區平均每坪房價資料亦可發現，台北市高房價地區多屬市中心區域，而高雄地區之高房價區域，則包含外圍的新開發地區，究其原因應. ‧. 為新開發地區之新建案多，且有未來發展題材，故使得新興區域之房價反. sit. n. al. er. io 圖十一. y. Nat. 較市中心地區之房價為高。. i Un. v. 台北市、高雄市及合併之 99 及 100 年度每坪平均房價. 60. Ch. engchi. 50 40 30 20 10 0 單位:萬元 99年度 100年度. 台北市. 高雄市. 全區. 41.93. 10.84. 32.12. 48.79. 11.25. 34.69. 資料來源：內政部地政司、本研究自行整理 37.

(45) 三、空屋率資料就整體樣本資料而言，空屋率最高者為高雄市鹽埕區，其空屋率為 35.8 ％，空屋率最低者則為台北市松山區，其空屋率為 7.6％。另外，台北市 99 年度整體的空屋率為 13.4％，高雄市 99 年度整體的空屋率則為 17.6％，均較台灣地區 99 年度整體的空屋率為低。惟台北市 99 年度除中山區以外，其他各區之空屋率皆低於台灣地區 99 年度之空屋率，最高空屋率的區域中山區與最低空屋率的區域松山區，空屋率的差距為 16.6％；而高雄市 99 年度則有 5 個區域的空屋率大於台灣地區 99 年度之空屋率，且最高空屋率. 政治大以發現，台北市各區的空屋率差異性較高雄市各區空屋率的差異性為小。立. 的區域鹽埕區與最低空屋率的區域旗津區，空屋率的差距為 22.2％，是可. ‧ 國. 學. 另外，從資料中亦可發現，高雄市空屋率較高的地區集中於新興的區域（如：鼓山區、新興區。。。等），其原因可能與當地新建案多，且非自. Nat. y. ‧. 住目的而以投資為目標之購屋者較多有關。. er. io. sit. 四、屋齡資料. n. 全部房屋成交樣本資料的平均屋齡為 21.44 年v，而屋齡最高資料為 59 a. i l C n U hengchi 年，屋齡最低資料為 0 年，若以每五年為一區間來分類. 10. ，則成交間數最多. 者為屋齡 0 至 5 年的房屋，共成交 2,434 筆，其次則為屋齡 26 至 30 年的房屋，共成交 2,365 筆，再其次為屋齡 31 至 35 年的房屋，成交筆數為 2,253 筆。由以上資料可以發現，雖然屋齡 0 至 5 年的房屋，由於為新屋，較獲購屋者喜愛，是成交筆數最多。但成交第二高的屋齡區間則為 26 至 30 年的房屋，第三高的則為 31 至 35 年的房屋，成交筆數加總共計 4,618 筆，. 10. 為易於區別，將屋齡未達一年（即標示為 0 年者）之資料併入第一組屋齡資料，即第一組資料含屋齡 0-5 年之資料。 38.

(46) 佔所有樣本資料的百分之三十以上，是可以發現，屋齡 26 至 35 年的房屋，在市場上佔有的比率可能較高，因此造成這一區間之房屋成交資料較多。. 圖十二. 99 及 100 年度台北市及高雄市成交房屋屋齡統計表. 3000 2500 2000 1500 1000. 立. 500. ‧ 國. 學. 0. 政治大. 0-5 6-10 11- 16- 21- 26- 31- 36- 41- 46- 51- 56年年 15年 20年 25年 30年 35年 40年 45年 50年 55年 60年. ‧. 成交筆數 2434 1094 1257 1392 1163 2365 2253 1095 597. 13. 3. Nat. y. 98. n. al. er. io. sit. 資料來源：內政部地政司、本研究自行整理. Ch. 五、房屋用途類別資料. engchi. i Un. v. 內政部地政司所公布之房地產交易價格簡訊，房屋用途類別區分為十類，包含公寓、透天住宅、店面（店鋪）、辦公商業大樓、住宅大樓、華廈、套房、工廠、廠辦、農舍及倉庫，因本研究主要係為探討住宅與空屋率之關係，係排除非屬住家用之房屋資料後，房屋用途類別僅剩公寓、透天住宅、住宅大樓、華廈及套房五類。而成交房屋之樣本資料中，房屋用途類別以大樓為最多共計 4,286 筆，其次則為公寓共計 4,218 筆，兩者加總達 8,504 筆，已佔全部樣本數的 60％以上。而房屋用途類別屬於套房的 39.

(47) 成交資料則最少僅 34 筆。由此可以發現，在房地產交易市場上，住宅大樓及公寓佔大多數，其原因可能為住宅大樓及公寓之房間數至少為兩房，符合一般家庭所需，用途較具彈性，是較受購屋者青睬。而套房則因使用上多有限制，是成交資料較少，另因本研究採用之資料為台北市及高雄市之房屋成交資料，因都市化程度較深，房價較高，寸土寸金，是透天住宅之資料較少，共計 2,476 筆。. 圖十三. 99 及 100 年度台北市及高雄市成交房屋用途別統計表. 5000. 立. 4500. 0 成交筆數. y. al. n. 500. io. 1000. sit. 1500. Nat. 2000. ‧. 2500. 公寓 4218. er. 3000. ‧ 國. 3500. 學. 4000. 政治大. i C華廈住宅大樓U n hengchi 2720 4286. v. 套房. 透天住宅. 34. 2476. 資料來源：內政部地政司、本研究自行整理. 六、移轉房屋坪數資料內政部地政司所公布之房地產交易價格簡訊中，房屋移轉面積係以坪做為單位，而本研究所有樣本之房屋移轉面積，最大值為 388.55 坪，最小值為 1.88 坪，平均移轉坪數為 36.30 坪。全體樣本資料中，若以每二十坪為一區間分類，房屋移轉面積在 20 坪至 40 坪者佔最多數，共計 6,869 筆， 40.

(48) 已佔全部樣本資料的一半。其次為 40 坪至 60 坪之房屋，共計 2,794 筆，成交筆數佔第三者，則為 20 坪以下之房屋，共計 2,509 筆。由以上資料可以發現，雖若以每二十坪為一區間分類，共可以區分為二十組，但可以發現，成交筆數較高的三組為移轉房屋坪數最低的三組，即為移轉房屋坪數在 60 坪以下之房屋，且成交筆數加總已達 12,172 筆，佔所有樣本資料的 88.62％，是可以發現，房地產市場上交易最多的房屋仍屬中小坪數之房屋，此一情形與除與房價高漲有關，亦與台灣目前少子化、晚婚、不婚之社會現象有關，家庭成員的減少，使得購屋者在預算有限的情況下，即使選擇較小坪數之房屋，亦不致有使用空間不足之問題。. 七、移轉土地面積資料. 立. 政治大. ‧ 國. 學. 內政部地政司所公布之房地產交易價格簡訊中，土地移轉面積與移轉房屋面積相同，係以坪做為單位。觀察所有樣本資料之移轉土地面積平均. ‧. 數為 10.36 坪，遠低於移轉房屋坪數平均數之 36.30 坪。且若與移轉房屋. sit. y. Nat. 坪數相同，以二十坪為一區間分類，則樣本資料中，移轉土地坪數位於第. er. io. 一個分類，即小於 20 坪者，筆數共計 11,879 筆，已達樣本數之 86.49％。. n. a 此一觀察結果是由於目前房屋建築形式，少有平房，是一般而言，移轉土 iv. l C hengchi Un 地坪數均小於移轉房屋坪數，若為住宅大樓類型之房屋，因樓層數多，戶數較多，每間房屋之移轉房屋坪數更將遠低於與移轉土地坪數的。. 八、面臨路寬資料內政部地政司所公布之房地產交易價格簡訊中，房屋面臨路寬係以公尺做為單位，樣本資料房屋面臨路寬之平均值為 13.97 公尺。此一寬度可允許道路兩方來車錯車。另樣本資料中，房屋面臨寬度筆數較多者為 6 公尺、8 公尺、10 公尺及 12 公尺，共計 7,688 筆，佔所有樣本數的 55.97％， 41.

(49) 房屋面臨 6 公尺以下道路的資料，因 6 公尺以下之道路已難以錯車，交通較為不便，是此類資料較少，合計僅 948 筆。. 九、臨街關係資料內政部地政司所公布之房地產交易價格簡訊，99 及 100 年度之台北市及高雄市之資料，臨街關係可分為路角地、臨街地、裡地及袋地，其中屬袋地之資料僅有一筆，是本研究予以刪除，所有樣本資料中，臨街關係屬臨街地者最多，共計 6,633 筆，而路角地則因其定義為兩條街路交叉之土. 政治大共計 1,529 筆，居中者則為臨街關係屬裡地者，共計 5,572 筆。立. 地，在數量上本就較為稀少，是樣本資料中，臨街關係屬路角地者最少，. ‧ 國. 學. 99 及 100 年度台北市及高雄市成交房屋臨街關係統計表. ‧. io. sit. y. Nat. n. al. er. 圖十四. Ch. 裡地, 5572. i Un. v. 臨街地, 6633. engchi. 路角地, 1529. 單位：筆. 資料來源：內政部地政司、本研究自行整理. 42.

(50) 表四單位. 各項變數敘述統計表. 資料筆數. 平均值. 最大值. 最小值. 房價台北市. 萬元. 8,497. 45.1319. 689.38. 9.77. 高雄市. 萬元. 5,237. 11.0331. 85.90. 0.56. 空屋率台北市. ％. 8,497. 13.4. 24.2. 7.6. 高雄市. ％. 5,237. 17.6. 34.3. 13.6. 治政 8,497 22.0039大. 59. 0. 5,237. 59. 0. 屋齡. 年. 高雄市. 年. 面臨路寬 8,497. 14.0084. 公尺. 5,237. 13.9257. 100. 1. 80. 2. 用途類別. al. 4,218. 華廈. 2,720. C筆 h. 住宅大樓. 4,286. 筆. 套房. 34. 透天住宅. 2,476. n. 公寓. 筆. er. io. sit. y. ‧. 公尺. Nat. 高雄市. 20.5404. 學. 台北市. 立. ‧ 國. 台北市. －. －. －. －. －. －. －. －. 筆. －. －. －. 筆. －. －. －. e n g c h－i U. v ni. 臨街關係裡地. 5,572. 筆. －. －. －. 臨街地. 6,633. 筆. －. －. －. 路角地. 1,529. 筆. －. －. －. 43.

(51) 第二節. 台北市、高雄市各區房價與空屋率關係之實. 證分析本節將就樣本資料迴歸分析的結果做討論，本節將分為三個部分，第一部分為全部樣本資料不區分地區的迴歸分析結果，第二部分為屬台北市的樣本資料的迴歸分析結果，第三部分為屬高雄市的樣本資料的迴歸分析結果。. 一、整體樣本資料不分區實證結果政治. 立. 大. 本研究將所有樣本資料共計 13,734 筆，不區分區域別進行特徵價格. Nat. 空屋率. sit. al. 係數. n. 常數. io. 變數. y. 台北市、高雄市空屋率與房價關係特徵價格模型迴歸結果表. Ch. e48.208 ngchi U -122.384. er. 表四. ‧. ‧ 國. 學. 模型迴歸分析，其迴歸結果如下表：. v ni. T-值 62.053*** -40.590***. 戶的特徵變數移轉土地面積. 0.105. 4.404***. 移轉房屋面積. -0.041. -4.387***. 棟的特徵變數屋齡. 0.076. 4.661***. 面臨路寬. 0.337. 17.994***. 用途類別 44.

空屋率對房價之影響 －以台北市及高雄市為例 - 政大學術集成

空屋率對房價之影響－以台北市及高雄市為例 - 政大學術集成