鄰近公園有助提升房價嗎？-大小公園對高低房價影響程度之研究 - 政大學術集成
63
0
0
全文
(2) 謝誌 回想起碩士這兩年，都是美好的片段，大學畢業後直接投入職場，因緣際 會下考進政大地政碩士班，原本只是想當考公職的跳板，殊不知得到的遠比想像 的多太多。首先要謝謝我的指導教授張金鶚老師以及江穎慧老師，他們引領我進 入不動產領域，充實我各種相關知識，並指導我做人做事的道理。張老師雖政務 繁忙，但依舊每個禮拜抽空跟我們討論論文，他為我的論文注入了很好的靈魂， 只要研究方向一有偏差，他就會幫我導正；而江老師則是亦師亦友，所有大大小 小疑難雜症他都會跟著我一起解決，儘管我有時雜事纏身疏於研究，他還是會在. 政 治 大 謝謝老師！再來感謝我的口試委員彭建文老師、林楨家老師及林士淵老師，因為 立. 關鍵時刻拉我一把。沒有兩位老師的指導，我沒有辦法那麼順利的完成本篇論文，. 你們的寶貴意見，讓我的論文更加完整。. ‧ 國. 學. 另外，謝謝伊蘭教練、謝老師及政大校女籃的各位，很高興碩士班還能夠那. ‧. 麼熱血，一起練球、同甘共苦、互相陪伴的日子，我會永遠記得，你們是我心目 中的全國第一。謝謝三隻小猪，大家都說年紀越大越難交到好朋友，所以我格外. y. Nat. sit. 珍惜跟你們的這份情誼，希望畢業後大家還是能繼續連絡。謝謝鴨族的大鴨小鴨. n. al. er. io. 們，很高興能進入這個大家庭，感謝花敬群老師、章定煊老師、林秋瑾老師、陳. i n U. v. 淑美老師、育如、芳妮學姊、小蓉學姊、佩萱學姊、健宇、蕙瑩、伊葦、政諭、. Ch. engchi. 信豪、凱融等，跟你們共事我覺得很開心也學到了很多，未來我會繼續追隨著鴨 老大，希望有朝一日能有所成就壯大鴨族。謝謝碩班研究室的同學們、大仁守護 神及 123 籃球隊的各位，在我研究卡關需要放鬆的時候，給予我無限的支持與鼓 勵。謝謝汀釘跟我一起走過這段，有苦有樂才會印象深刻，希望未來的日子能越 來越順利，一起往目標邁進。最後感謝我的爸爸、媽媽、妹妹還有米慈，有你們 在背後的支持是我最大的原動力，謝謝你們對我的包容與體諒，沒有你們就沒有 現在的我。.
(3) 摘要 公園提供鄰近居民戶外休閒與活動場所，對住宅不動產可增加開放空間及寧 適性，亦具有都市美化、防災避難及環境生態保育等功能，是現代都市不可或缺 的元素；公園對鄰近不動產所提供的服務及景觀等外部效益，透過資本化效果反 應於其價格。近年來國內外關於住宅價格之研究，多數已將公園納入住宅特徵價 格模型內，但僅針對一定距離內有無公園進行探討；然而不同大小的公園對住宅 價格的影響程度及影響範圍應不相同，且過去研究大都係利用普通最小平方法 (OLS)，忽略了住宅樣本可能存在的空間相依性，以及不同分量房價間的異質性，. 政 治 大 本研究使用國內某銀行 2009 年不動產交易資料，以台北市為研究範圍，運 立. 本研究將進一步釐清。. 用特徵價格理論、Spline 迴歸、分量迴歸、空間分量迴歸模型，重新檢視並界定. ‧ 國. 學. 不同類型公園對於房價影響的範圍與程度。實證結果顯示，住宅價格樣本有顯著. ‧. 的空間自相關，故使用空間分量迴歸，發現鄰里公園及大公園對不同住宅價格分 量的影響並不相同，低單價區間內，有鄰近鄰里公園之樣本，房價較高機率較高，. y. Nat. n. al. Ch. engchi. er. io. 機率較高，低單價區間內，則無顯著差異。. sit. 高單價區間內，則無顯著差異；高單價區間內，有鄰近大公園之樣本，房價較高. i n U. v. 關鍵字：公園、特徵價格法、Spline 迴歸、分量迴歸、空間分量迴歸.
(4) Abstract Parks offer outdoor recreation and activities place for nearby residents and can increase open space and quiet comfort for residential real estates; imbued with urban landscaping, disaster prevention, environmental conservation and other functions, parks are indispensable elements of the modern city. The services, landscape and other external benefits provided by parks to the adjacent real estates are reflected on its price through the capitalization effect. In recent years, the majority of research on housing prices at home and abroad has included parks in residential hedonic price model, but only explore whether there are parks in a certain distance. However, parks of different sizes should have different influence extents and influence ranges on housing prices. Past studies mostly used ordinary least squares (OLS), ignoring the spatial dependence that residential samples may exist and heterogeneity among the housing prices of different quantile. This study will further clarify them. This study used the real estate transaction data in 2009 of a domestic bank with Taipei city as the study scope and adopted hedonic price theory, Spline regression, quantile regression and spatial quantile regression model to re-examine and define the impact of different type parks on the scope and extent of housing prices. The empirical results show that housing prices samples have a significant spatial autocorrelation, so it’s found the impacts of neighborhood parks and large parks on different housing prices quantile are not the same through the use of the space quantile regression; among the houses with low price, the samples near parks have higher possibility for higher price, while houses with higher price show no significant difference; among houses with higher price ,the samples near large parks have higher possibility for higher price, while houses with low price show no significant difference.. 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. Keywords: Parks; Hedonic Price Method; Spline Regression; Quantile Regression; Spatial Quantile Regression.
(5) . 目錄 目錄................................................................................................................................ I 圖目錄........................................................................................................................... II 表目錄.......................................................................................................................... III 第一章 緒論................................................................................................................ 1 第一節 研究動機與目的.................................................................................... 1 第二節 研究範圍與方法.................................................................................... 4 第三節 研究架構與流程.................................................................................... 7 第二章 文獻回顧........................................................................................................ 9 第一節 公園相關理論........................................................................................ 9 第二節 公園對住宅價格影響研究.................................................................. 15 第三節 空間相依性文獻回顧.......................................................................... 18 第四節 分量迴歸文獻回顧.............................................................................. 22 第五節 小結...................................................................................................... 24 第三章 研究設計與樣本資料分析.......................................................................... 25 第一節 研究設計.............................................................................................. 25 第二節 模型設計.............................................................................................. 26 第三節 資料說明與分析.................................................................................. 30 第四章 實證結果與分析.......................................................................................... 35 第一節 大小公園對房價影響範圍(Spline 迴歸)............................................ 35 第二節 大小公園影響程度比較(傳統迴歸) ................................................... 39 第三節 大小公園對高低房價影響程度(分量迴歸) ....................................... 43 第四節 空間延遲模型結合分量迴歸.............................................................. 48 第五章 結論與建議.................................................................................................. 51 第一節 結論...................................................................................................... 51 第二節 建議...................................................................................................... 53 參考文獻...................................................................................................................... 54. 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. I . i n U. v.
(6) . 圖目錄 圖 1 研究範圍示意圖................................................................................... 5 圖 2 研究流程圖........................................................................................... 8 圖 3 外部效應的局部性或地方性特性..................................................... 14 圖 4 樣本點至公園距離示意圖................................................................. 17 圖 5 Spline 迴歸模型 .................................................................................. 26 圖 6 公園分佈示意圖................................................................................. 32 圖 7 住宅樣本分佈示意圖......................................................................... 34 圖 8 房屋價格與鄰里公園距離關係-1 ...................................................... 37 圖 9 房屋價格與大公園距離關係.............................................................. 38 圖 10 房屋價格與鄰里公園距離關係-2 .................................................... 38 圖 11「100M 內有無鄰里公園變數」邊際效果 1 ................................... 47 圖 12「500M 內有無大公園變數」邊際效果 1 ....................................... 47 圖 13「100M 內有無鄰里公園變數」邊際效果 2 ................................... 50 圖 14「500M 內有無大公園變數」邊際效果 2 ....................................... 50. 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. II . i n U. v.
(7) . 表目錄 表 1 公園類型與定義................................................................................. 11 表 2 公園分類表......................................................................................... 12 表 3 國內空間自我相關測試相關文獻表................................................. 31 表 4 變數說明............................................................................................. 30 表 5 樣本及公園資料之行政區分布表..................................................... 31 表 6 樣本資料敘述統計............................................................................. 33 表 7 Spline 迴歸模型估計結果 .................................................................. 36 表 8 傳統迴歸模型估計結果..................................................................... 41 表 9 分量迴歸估計分析............................................................................. 45 表 10 分量迴歸係數之跨分量檢定........................................................... 46 表 11 2SLS 分量迴歸估計分析 .................................................................. 49. 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. III . i n U. v.
(8) . 第一章. 緒論. 第一節 研究動機與目的 一、 研究動機 都市公園有許多不同的用途，包括改善城市環境、防止災害以及提供休 憩、溝通的場域與機會。Jacobs 於 1961 年出版的《偉大城市的誕生與衰亡》. 政 治 大. 著作中，已確認都市公園為城市規劃的重要因素之一。一般來說大多數對公. 立. 園的研究，都注重在城市規劃及環境汙染成本的議題上，忽略了公園對週遭. ‧ 國. 學. 房地產價值提升的影響(Liu and Hite ,2013)。而事實上，公園已成為消費 者決定在哪裡居住的主要考量之一，其對鄰近不動產所提供的服務及景觀等. ‧. 外部效益，將透過資本化效果反應於其價格上。. y. Nat. Rosen 在 1974 年提出了特徵價格理論，住宅價格是由各類隱含的特徵. io. sit. 所建構之集合。公園提供綠色開放空間及休憩設施，有助於鄰近房地產價值. n. al. er. 的提升，常被納入住宅特徵價格模型內，袁慧琳,2008、黃萬翔(1994)、彭. i n U. v. 宴玲(2004)等國內學者研究，皆以 500 公尺內有無公園進行探討。而公園與. Ch. engchi. 住宅樣本之距離對價格的影響程度及影響範圍，過去文獻鮮少有研究；又因 公園面積大小不同，其內涵及所提供的服務範圍也不盡相同。較小型的鄰里 公園，附有遊憩設施並提供居民休憩空間；而大型公園不僅有前述特性，更 有大規模的樹木及寬闊的場域，提供較隱私的環境，並有景觀、調節氣候、 改善空氣品質、控制雨水徑流等功能。 過去有關公園規模大小對於住宅價格影響的實證結果，出現許多分歧而 不一致的現象。Morancho(2003)實證結果指出，公園的面積大小對於價格影 響沒有明顯差異；Hoshino and Kuriyama(2010)研究指出公園規模的大小， 可影響不動產價格；而 Netusil(2005)認為不同類型的公園可能有正面或負 面的價值影響。本文認為相關文獻在實證結果上的差異，部分可能來自估計 1 .
(9) . 模型的限制。上述文獻都是以普通最小平方法(OLS)來估計不同面積大小的 公園對房價的影響，但普通最小平方法估計式指的是自變數與因變數對因變 數的平均邊際效果，忽略不同價格族群間有異質性和變異數不齊一等問題。 「物近必有相關，距離越近者相關越大」(Tobler,1970)，空間資料存 在著空間相依性的特性。空間相依性意味著樣本點間距離越近在同一屬性上 有越相似的傾向，而距離越遠則越不相似。普通最小平方法(OLS)具有 i.i.d. 假設(identical independent distribution)，假設其誤差值的期望值為零、 誤差間彼此獨立、變異數齊一，如此其估計值才具不偏及有效性；不過此假 設就空間資料而言，經常無法遵守。若忽略鄰近空間自相關效應的影響，會. 治 政 性檢定過於樂觀，因此喪失有效性。 大 立. 因為遺漏重要變數而喪失不偏性；或迴歸的誤差有空間自相關，會造成顯著. ‧ 國. 學. 過去國內文獻因為公園的規模大小不同對房價的影響效果不確定，或宥. 於樣本較少，多將公園全都視為同一種(袁慧琳，2008；黃雋智，2010)，或. ‧. 僅針對鄰里公園進行研究(解鴻年、胡太山、邵澤恩，2000；王大立，2006)， 較少對不同類型的公園做分類討論。不同面積大小的公園對住宅價格的影響. Nat. sit. y. 程度及影響範圍應不相同，若將之視為同一種公園或僅以討論鄰里公園，會. er. io. 造成偏誤。再者，以往的相關研究大都是利用普通最小平方法(OLS)，忽略. al. 了住宅樣本可能存在的空間相依性，以及不同分量房價間的異質性。故本研. n. v i n Ch 究將台北市公園依其規模大小進行分類，界定房價影響範圍，進而以空間延 engchi U 遲模型結合分量迴歸，解決空間自相關可能造成的偏誤，並檢視自變數的邊 際效果在條件分配區間展現的異質性。. 二、研究問題與研究目的 過去國內文獻對於公園的規模大小不同對房價的影響效果不確定，較少 對不同類型的公園做分類討論。不同面積大小的公園對住宅價格的影響程度 及影響範圍應不相同，若將之視為同一種公園或僅以討論鄰里公園，會造成 偏誤。物近必有相關，現今 GIS 技術興起，空間方面的處理變得容易許多， 透過空間迴歸模型，可消除空間自相關所造成的誤差。再者，過去有關公園 2 .
(10) . 規模大小對於住宅價格影響的實證結果，出現許多分歧而不一致的現象。本 研究認為相關文獻在實證結果上的差異，可能係因為以往的研究大都是利用 普通最小平方法(OLS)，忽略了空間相依的問題及不同分量房價間的異質性。 歸結本文之研究問題與研究目的如下： (一) 研究問題 1.. 不同面積大小公園對住宅價格之影響範圍分別為何？對住宅價格 的影響程度是否一致？. 2.. 樣本資料是否具空間自相關？消除空間自相關前後，不同面積大小 公園對不同分量房價的影響程度為何？. (二) 研究目的. 立. 過去國內不管研究或估價實務中，判別住宅是否可及公園都是將所. 學. ‧ 國. 1.. 政 治 大. 有公園視為同一種，且統一以 500 公尺(內有無)為距離區間，本文 將重新檢視並界定不同面積大小的公園對於房價影響的範圍與程. ‧. 度。. 以空間延遲模型結合分量迴歸檢視不同面積大小的公園對不同分. sit. y. Nat. 2.. io. er. 量房價的影響，除消除空間自相關造成的偏誤，並突破過去僅以平 均數概念來推測的結果。. n. al. Ch. engchi. 3 . i n U. v.
(11) . 第二節 研究範圍與方法 一、 研究範圍 本研究利用國內某民營銀行所提供之 2009 年不動產交易資料。 (一) 時間範圍 本研究之時間範圍為 2009 年。 (二) 空間範圍. 政 治 大. 本研究之空間範圍為台北市 12 個行政區之住宅交易資料。. 立. (三) 研究對象. ‧ 國. 學. 本研究要觀察鄰近公園對住宅價格的影響，故本文以台北市已開闢之公 園用地座標、圖層資料結合地理資訊系統，探究其與台北市住宅之間的距離、. ‧. 空間關係，作為研究之依據。. n. er. io. sit. y. Nat. al. Ch. engchi. 4 . i n U. v.
(12) . 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 已開闢公園用地 住宅樣本點 0. 圖 1 研究範圍示意圖 5 . 1. 2. 4 Miles.
(13) . 二、 研究方法 (一) 相關理論之文獻回顧 蒐集公園相關理論、分類方式及其對住宅價格影響之研究，比較並探討 過去文獻對於公園影響房價的研究過程及實證結果，以作為本研究方法制定 之參考。另外，為消除住宅價格樣本的空間自相關，以及普通最小平方法(OLS) 常忽略不同價格族群間有異質性和變異數不齊一等問題，將進行空間相依性 和分量迴歸相關之文獻回顧。 (二) 實證分析. 政 治 大. 本研究利用特徵價格法、Spline 迴歸、分量迴歸與空間延遲模型結合. 立. 分量迴歸，觀察不同面積大小公園的價格影響範圍，釐清空間自相關的問題，. ‧ 國. 學. 並檢視不同面積大小的公園對不同房價的影響程度，試圖對鄰近公園屬性做 進一步的了解，突破舊有對公園屬性僅以 500 公尺內有無來探討的情形。. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. 6 . i n U. v.
(14) . 第三節 研究架構與流程 一、 研究架構 本研究共分五章，首章為「緒論」，包括研究動機與目的、研究範圍與 方法、研究架構與流程等；第二章則為「文獻回顧」，包含與本研究相關之 文獻探討；第三章為「研究設計和樣本資料分析」，闡述模型設計、樣本資 料情形、特徵屬性和空間分布狀況；第四章為「實證結果與分析」，針對 spline 迴歸、傳統迴歸、分量迴歸與空間延遲模型結合分量迴歸的結果，. 政 治 大. 進行探討與分析；最末第五章則為「結論與建議」，回應研究問題、研究限. 立. 制與建議。. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 7 . i n U. v.
(15) . 二、 研究流程. 研究動機與目的. 研究範圍與方法. 文獻回顧. 相關研究. 研究設計. n. al. er. io. sit. y. Nat. 資料說明與分析. C h模型建立 engchi. i n U. 實證結果與分析. 結論與建議. 圖 2 研究流程圖. 8 . 分量迴歸 文獻回顧. ‧. ‧ 國. 治 政 公園對住宅 空間相依 大 立 文獻回顧 價格影響之. 學. 公園 相關 理論. v.
(16) . 第二章 文獻回顧 本章共分五節，第一節討論公園相關理論及分類方式；第二節探討公園 對住宅價格影響的相關研究；第三節及第四節分別對空間相依性及分量迴歸 進行文獻回顧；第五節為小結。. 第一節 公園相關理論 公園為都市中重要的公共設施之一，乃政府為促進都市美觀、國民健康、. 政 治 大 達到以上各種目的，公園依其面積大小及內涵有不同的分類與功能，並對周 立. 防災及避難等功效而負責規劃、投資與開闢之綠化園地(黃淑姿，1982)。為. 遭住宅產生外部性。以下將針對各類型公園定義與分類，以及其可能產生的. ‧ 國. 學. 外部效果等兩部分進行探討。. ‧. 一、各類型公園定義與分類. y. Nat. io. sit. 台北市工務局公園路燈管理處規定，將公園系統區分為自然公園、綜合. n. al. er. 公園、鄰里公園三大類，其中自然公園的基地環境具有完整之自然資源，其. i n U. v. 設計係以保存自然資源為優先，僅設置步道、座椅、解說牌等基本設施，不. Ch. engchi. 僅能提供都市市民就近享受富生態性之遊憩體驗，亦可發揮保存動、植物資 源之功能；綜合公園區位適中、交通便利、面積較廣，其服務對象為全市市 民，故提供最多元化的設施，如活動中心、球場、游泳池等，俾滿足遊客多 樣性的遊憩需求，另為都市防災避難所需，尚規劃避難草皮、緊急供水系統， 並儲備救急物資，以供不時之需；鄰里公園指面積 1 公頃以下，位於社區鄰 里巷弄中，主要設計目標為滿足當地居民需求，以發揮促進市民互動並凝聚 社區意識之功能。 賴哲三(1976)就戶外休閒活動與遊憩資源之關係，將遊憩資源分為資源 依賴型、中間型及非資源依賴型等三類。資源依賴型係指具有優越之資源條 件，其設施之地點與使用者之距離無太大關係，如國家公園、自然保護區等； 9 .
(17) . 中間型係指設施地點位於適當距離內，如區域公園、湖濱公園等；非資源依 賴型則指一般日常利用頻度甚高之都市中型至小型公園。 翁瓊珍(1989)將公園分為以下七類，認為公園在進行分類時，可及性、 其本身的內涵及使用客群為重要的考慮因素。 (一)幼兒遊戲場(The play lot)：供學齡前兒童使用，除非是大尺度住 宅計畫，否則很少單獨提供，常位於街廓內或鄰里遊戲場之一角。 (二)鄰里遊戲場(The neighborhood play ground)：鄰里居民主要的戶 外遊戲中心。. 政 治 大. (三)鄰里運動場(The playfield)：提供鄰里居民遊憩活動，通常四個 鄰里設置一處。. 立. ‧ 國. 學. (四)大公園(The large park)：提供都市居民遠離噪音及交通汙染問題， 享受自然之樂。. ‧. (五)保護區(The reservation)：一大塊土地保持其原始自然狀態，由. y. Nat. 於面積較大，常位於都市外圍，允許在基地內從事徒步旅行、露營、野餐、. er. io. sit. 自然生態學習及水上活動等，以不破壞其原始自然狀態為原則。. al. (六)特殊遊憩區(Special recreation areas)：提供設施作特殊活動的. n. v i n 地區，如高爾夫球場、海水浴場、游泳池、運動場或有看台的大型運動場、 Ch engchi U 露營場等。. (七)其他市政財產(Other municipal properties)：包括廣場、林園大 道等。 成其琳(1991)認為一個完善的都市公園系統，必須將遊憩設施與市民之 休閒生活作密切之配合，其內容應包括各類性質的公園，以供應各種不同年 齡層、不同階層人士的遊憩機會與需求，使大眾能平等、平均的享受該資源， 因此一個理想的公園系統應包含下列各等級公園： (一)市鎮公園：供應全市鎮居民星期例假、運動、遊憩觀光之用，面積 及服務半徑則以該市鎮規模之大小而定。 10 .
(18) . (二)社區公園：供社區居民平日遊憩之場所，公園內應盡量保持自然的 氣息，每處面積不得小於 4 公頃。 (三)鄰里公園：供鄰里居民日常遊憩之場所，且能讓使用者以徒步到達 為原則。 (四)特殊公園：包括動物園、植物園、交通公園、盲人公園、長青公園、 民俗公園、運動公園等。 從上述公園定義及分類可看出，公園依其面積大小、內涵、設施、功能、 使用客群等不同，大致可分鄰里公園、大公園及特殊公園等三種類型。鄰里 公園尺度較小、設施較少，為滿足當地居民需求為目的，散落於鄰里巷弄之. 政 治 大. 間，主要提供居民日常遊憩使用，以能讓使用者徒步到達為原則；大公園擁. 立. 有較大尺度、較多設施，以服務都市居民為目的，位於交通便利、區位適中. ‧ 國. 學. 的位置，主要提供民眾休憩娛樂、自然生態體驗、景觀及防災避難所需；特 殊公園則依其劃設目的，有不同的尺度、設施與區位，例如：陽明山國家公. 設施. 較少. sit. 較小. 大公園. n. al. 特殊公園. er. 尺度. io. 鄰里公園. y. 表 1 公園類型與定義. Nat. 公園類型. ‧. 園、動物園、植物園等。. 較大. iv. 較多 n C U 提供居民日常遊憩 h提供民眾休憩娛樂、自然生 engchi. 功能. 使用. 依劃設目的而定 依劃設目的而定 依劃設目的而定. 態體驗、景觀及防災避難所 需. 坐落位置. 散落於鄰里巷弄中. 交通便利、區位適中的位置. 依劃設目的而定. 使用客群. 鄰里居民. 都市居民. 依劃設目的而定. 資料來源：本研究整理 特殊公園因其設置目的、位置、大小、設施等皆難以界定，故本研究僅 將都市公園分為鄰里公園與大公園兩類進行討論。內政部營建署於 1999 年 發行的「公園綠地管理及設施維護手冊」中，依照公園面積大小來界定公園 類型，面積在 20-100 公頃之間者定義為都會型大型公園；面積界於 2-20 公頃之間者為地區型社區公園；而面積在 2 公頃以下屬於鄰里型小型公園。 11 .
(19) . 蔡百祿(1983)、陳肇琦(1991)認為鄰里公園與非鄰里公園的界限大約界於 2 公頃；而鄭明仁(1987)、郭瑞坤(1995)、許澤群(1996)、賴哲三(1976)則認 為鄰里公園與非鄰里公園的分界約為 1 公頃。 表 2 公園分類表 作者. 公園分類. 規模定義. 服務半徑. 都市公園 內政部營建 社區公園 署，1999 鄰里公園. 20~100 公頃 2~20 公頃 2 公頃以下. -. 蔡佰祿，1983 鄰里公園. 面積約 2 公頃. 800 公尺. 鄭明仁，1987 鄰里公園. 1 公頃. 600 公尺為標準，不超過 800 公尺. 1 公頃 2 公頃 10 公頃 30 公頃以上. 800 公尺 1000 公尺 3000 公尺 20 公里. 陳肇琦，1991 鄰里公園 郭瑞坤，1995 鄰里公園. y. Nat. n. al. er. io. sit. 資料來源：本研究整理. Ch. engchi. 12 . ‧. 鄰里公園 社區公園 賴哲三，1976 市鎮公園 區域公園. 學. ‧ 國. 許澤群，1996 鄰里公園. 面積約 2 公頃 治800 公尺 政 大 1 公頃以下 800 公尺 立1 公頃以下 -. i n U. v.
(20) . 二、公園的外部性 張清溪等(2004)定義外部性為：人們的經濟行為有一部分的利益不能歸 自己所有，而使周圍的人受惠，或有部分成本不必自行負擔，而使周圍的人 受害。當自己不能享受生產所產生的所有利益時(部分利益外溢到鄰里)，那 一 部 分 外 溢 的 利 益 稱 為 外 部 經 濟 (external economies) 或 外 部 效 益 (external benefits)；當自己不需負擔生產所必需支付的全部成本時(部分 成 本 外 溢 到 鄰 里 ) ， 那 一 部 分 外 溢 的 成 本 稱 為 外 部 不 經 濟 (external diseconomies)或外部成本(external costs)。 解鴻年等(2000)認為公園提供了活動、服務與景觀，創造人們使用及觀. 政 治 大. 賞的外部效益，其外部效果提供予隨機使用者及附近居民。公園內的使用者，. 立. 可享受清新空氣、美麗的景色及公園提供的設施，進而使身心獲得調劑；非. ‧ 國. 學. 使用者亦可享有賞心悅目的景致，公園所產生的利益外溢，不必置身於公園 內就能獲得滿足。但公園效益對於隨機使用者而言是短暫性、有時段性的，. ‧. 僅在使用者置身於公園之中或經過公園時才會獲得；而居住在鄰近公園的居. y. Nat. 民則不一樣，其獲得的效益是經常性的。居住於公園服務半徑內的居民可方. n. al. Ch. er. io. 公園優美的景色，是公園效益最大的收益者。. sit. 便使用公園設施、享有舒適的環境、新鮮的空氣，甚至不需出門也能夠看到. i n U. v. 外部性在空間上通常具有「局部性或地方性」的特質，意謂外部性的強. engchi. 度呈現距離衰減的現象。中國「全國科學技術名詞審訂委員會」(2007)將距 離衰減定義為事物或現象的作用力隨著地理距離的增加而逐漸減少或變弱 的規律。劉漢奎等(2012)利用特徵價格函數，觀察台中市都市公園綠地之外 部性，實證結果發現確有外部效益，且其在空間上有一定範圍的局部性。圖 3 顯示公園綠地的外部效益將隨著距離加大而逐漸減小，直到一定距離，其 外部效益才會完全消除。 由上述文獻回顧可得知，都市公園具有外部性，鄰近公園的住宅(居民) 為最大獲益者，其效益將透過資本化效果反應於房價上。而外部性在空間上 一定範圍的局部性或地方性，表示都市公園對周圍住宅具有外部效益，越接 近者效益越大，隨著距離公園的距離增加效益遞減，直到某個距離外其效益 13 .
(21) . 趨近於零，意謂著公園對附近住宅房價存有一影響範圍。. 立. ‧ 國. 學. 圖 3 外部效應的局部性或地方性特性. ‧. 三、小結. 政 治 大. y. Nat. sit. 本研究參考前述文獻及政府資訊對公園類型的定義，決定以面積大小為. n. al. er. io. 依據，將公園分為鄰里公園以及大公園兩類。又因本文研究範圍為台北市，. i n U. v. 故採台北市工務局公園路燈管理處定義，將鄰里公園定義為面積 1 公頃以下，. Ch. engchi. 大公園則為面積超過 1 公頃，依此為分類依據進行實證研究。 公園對使用者產生外部效益，尤其以鄰近公園住宅(居民)為最大受益者， 其效益將透過資本化效果反應於房價上。又因外部性在空間上具一定範圍的 局部性或地方性，故公園對附近住宅房價存有一影響範圍。. 14 .
(22) . 第二節 公園對住宅價格影響研究 相當多的研究都將都市公園、森林及開放空間等屬性，納入特徵價格法 的變數中，估算其對於不動產價格之影響。Acharya and Bennett(2001)發 現在其他因素不變下，附近開放空間的百分比對於住宅價格有明顯的影響， 且當指定距離房子的半徑不同時，開放空間的百分比係數也會不同，結論為 開放空間對於住宅價格有正面的影響，且於鄰里規模時更為明顯。 DesRosiers et al.(2002)發現植被有稀缺效應(scarcity effect)，也就是 不動產價格隨著鄰近樹木的比例增加而增加，而這種作用在退休人員的社區 更為明顯。從上述文獻可看出，鄰近開放空間對於不動產價值有正面的影響，. 政 治 大. 且其影響範圍在鄰里規模時較為明顯。. 立. 接著學者們進一步針對不動產距離都市公園的直線距離以及一定範圍. ‧ 國. 學. 內擁有公園的面積進行實證分析。Morancho (2003)發現房屋價值隨著距離 最近的公園的距離增加而下降，且公園的面積大小對於價格影響沒有明顯差. ‧. 異。基於這個結果，Morancho 認為有許多小公園遍布的都市，可能比有幾. sit. y. Nat. 個大型公園更有利。黃萬翔(1994)發現台中市住宅價格與距公園的距離呈現. io. er. 負相關，而與附近 500 公尺範圍內公園的面積為正相關。彭宴玲(2004)指出， 台北市住宅距離火車站、公園的直線距離越近，住宅價格越高，且於住宅. n. al. Ch. i n U. v. 500 公尺範圍內綠覆率增加，住宅價格隨之增加。袁慧琳(2008)發現宜蘭縣. engchi. 羅東鎮內，距離 500 公尺內涵蓋有公園面積的土地，對其地價有顯著的影響， 且涵蓋公園面積越多地價越高。但該研究中七座公園僅一座公園對地價呈現 顯著，其餘則不顯著，袁慧琳認為可能係因為呈現不顯著的六座公園距離市 中心較遠，週遭土地使用分區有農業區或保護區存在，導致這些公園對於附 近土地的價格沒有顯著的影響。Hoshino and Kuriyama(2010)探討鄰里公園 設施對於不動產價格之影響，研究指出距離公園的遠近及公園規模的大小， 可影響不動產價格。從上述文獻可看出，不動產價值受到與公園距離的遠近、 公園的面積規模以及一定範圍內擁有的公園面積影響。 有別於傳統公園，學者們開始針對其他類型的開放空間對於不動產的影 響進行實證分析。Nicholls and Crompton (2005)特別注意都市綠帶、沿河 15 .
(23) . 道或鐵路的線型開放空間。他們發現當綠帶位於非常陡峭的地形且沒有鄰接 不動產，其對於不動產價格沒有明顯的影響，即綠帶是否相鄰且能否到達使 用為關鍵因素。Tyrvainen (1997)發現芬蘭的一個小城市，其住宅小區中有 森林面積，對於不動產價格有顯著的影響。其中接近大型森林區對於不動產 價值有正面的影響，但與預期相反的，接近小型森林公園對於不動產價值卻 產生負面的影響。Tyrvainen (1997)提出幾點可能的解釋，一個可能是涉及 到距離的變量缺乏變化，因為大多數的不動產在 100 公尺內都有小型森林公 園；另一種可能是，在這樣的高緯度地區陽光稀少，因此居民也許對於附近 的樹木(往往是茂密的針葉林)，具有的遮陽效果，產生負面的看法。Netusil (2005)在波特蘭的研究中，發現開放空間可能有正面或負面的價值影響。且. 政 治 大. 發現距離不動產 200 英呎到 1/2 英里的城市公園(50%以上為修剪、美化後的. 立. 場域或設施)對於不動產的影響為負向的；自然公園(50%以上為自然的植被. ‧ 國. 學. 保存完好)除了距離 1/4 至 1/2 英里之間的影響為負向的，其於距離影響不 顯著；而步道、線型公園等，於 0 至 1/4 英里之間的影響是負向的，但於. ‧. 1/4 至 1/2 英里之間該影響轉變成正向的，Netusil(2005)認為可能是因為 太靠近帶來噪音和其他外部性因素導致。從上述文獻可看出，不同類型的開. y. Nat. sit. 放空間對於不動產價值的影響不盡相同，且有外部性的問題，使其可能具有. n. al. er. io. 正面或負面的價值影響。. i n U. v. 綜合以上文獻回顧，可看出公園對鄰近不動產價格有提升的效果，該效. Ch. engchi. 果於某範圍內呈現顯著，且依距離公園的距離增加而遞減，不同面積規模的 公園對住宅價格影響的實證結果呈現不一致。但國內研究常將所有公園視為 同一種(袁慧琳，2008；黃雋智，2010)，或僅針對鄰里公園作討論(解鴻年、 湖太山、邵澤恩，2000；王大立，2006)，且多統一以公園的服務半徑 500 公尺(步行 10 分鐘內)，做為公園影響價格的範圍，然而鄰里公園與大公園 所提供的服務及內涵並不相同，應針對不同面積大小公園檢視其對住宅價格 的影響範圍。 過去研究住宅樣本點至公園距離，多取樣本點至公園中心點直線距離 (袁慧琳,2008、黃萬翔(1994)、彭宴玲(2004)等)，而當公園面積大小不同 時，公園半徑會被納入距離中造成誤差。如圖 4 所示，當計算樣本點至公園 16 .
(24) . 中心點直線距離時(點到點)，會受到半徑的影響，尤其以公園面積較大、半 徑較長時最為嚴重。本研究住宅樣本點至公園距離，取樣本點至公園之直線 距離(點到面)，剔除公園半徑可能產生的誤差。 樣本點. 樣本點. 公園 公園中心點. 點到點. 立. 政 治 大. 點到面. 圖 4 樣本點至公園距離示意圖. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 17 . i n U. v.
(25) . 第三節 空間相依性文獻回顧 地理學第一定律「物近必有相關，距離越近者相關越大」(Tobler,1970)， 空間資料存在著空間相依性的特性。空間相依性意味著樣本點間距離越近在 同一屬性上有越相似的傾向，而距離越遠則越不相似。空間相依性概念可透 過檢視空間自相關的程度展現，在統計上，分析不同觀察對象的同一屬性變 數是否存在相關性，稱之為「自相關」(autocorrelation)。而空間自相關 (spatial autocorrelation)即是就某空間單元與其鄰近單元間的同一屬性 值，以統計方法計算其自相關的程度(陳慈仁，2001)。簡單來說，空間自相 關分析是為了描述近似屬性的空間單元是否有聚在一起的傾向。. 政 治 大 計算空間自相關指標中，主要可分為兩部份，分別為全域型空間自相關 立. (gobal spatial autocorrelation) 指 標 以 及 地 域 型 空 間 自 相 關 (local. ‧ 國. 學. spatial autocorrelation)指標。全域型指標通常係在描述某現象的整體分 佈狀況，當統計值有顯著的正相關值，即表示鄰近的單元在整個研究區域內. ‧. 有相似的屬性值，具顯著的空間相依特性；反之，當統計值呈現顯著的負相. sit. y. Nat. 關，表示不存在空間交互作用，樣本之觀察值不受其鄰近的數值所影響。地. io. er. 域型指標則是可以明確推算出聚集地(spatial hot spot)的範圍，藉由統計 顯著性檢定，觀察聚集空間單元相對於整體研究範圍，其空間自相關是否足. n. al. Ch. i n U. v. 夠顯著，若顯著性大，即為某現象空間聚集的區域。從過去文獻中得知，全. engchi. 域型空間自相關檢測方法 Moran’s I，以及地域性空間自相關檢驗方法 LISA 值受到廣泛的使用，相關文獻整理如表 3 所示。本研究將利用 Moran’s I 檢 測方法來判斷住宅價格在空間上的聚集程度，Moran’s I 的係數值介於-1 至 1 之間，其值越大表示鄰近區域的正相關性越強，具空間聚集；接近 0 表示 鄰近區域獨立無相關，呈現隨機的分佈；若小於 0，則表示鄰近區域為負相 關，呈現對比的關係(Anselin,1995)。. 18 .
(26) . 表 3 國內空間自我相關測試相關文獻表 研究者. 研究時間. 測試方法. 研究內容. 朱建銘. 2000. Moran＇s I. 詳 細 介 紹 Moran＇s I 測 試 方 法 及 LISA 值測試方法. 鄒克萬. Moran＇s I. 2000. 測試雲林縣之土地利用之空間分佈特 性，並分析水產養殖土地利用空間聚 集強度和空間變遷. 張秀玲. 謝純瑩. 2001. 2002. 2004. 艾兆蕾. 2005. 劃分台南市東區、中區與西區估價分. LISA. 區. Moran＇s I. 以台灣中部地區進行人口老化空間分. LISA. 佈型態變遷之實證研究. 對台南市東區之住宅價格進行空間自 治 政 我相關測試 LISA 大 Moran＇s I 以台灣地區各鄉鎮間之變數，探討住 Moran＇s I. 立. LISA. 宅區地價在空間上是否存在自我相關. 學. ‧ 國. 黃紹東. Moran＇s I. 資料來源：引自黃紹東(2004)與本研究整理. ‧. 過去有關不動產相關研究的實證模型中，通常會假設誤差項必須要彼此. sit. y. Nat. 獨立，否則參數的估計將會無效率，並且信賴水準亦會不正確。然而實際上. io. er. 觀察值可能受到鄰里環境、道路沿線以及鄰里設施等因素而產生聚集，因此 儘管已放入區位效果於模型中，觀察值殘差仍會顯是存在空間相依性，如此. n. al. Ch. i n U. v. 在最小平方法(OLS)內容中有關獨立的假設是不可能被接受的。舉例來說，. engchi. Basu and Thibodeau(1998)認為空間相依性會存在是因為鄰近的不動產通常 會有相似的結構特性(通常為同一時間開發)，並且擁有相似的區位環境。 為彌補傳統 OLS 迴歸在處理空間議題上的不足，必須借助空間迴歸模型。 空間迴歸模型係將間空間鄰近的概念帶入傳統計量模型中，藉以了解社會現 象的空間意涵，主要可分為兩種測量模型，一為加上空間延遲依變數的空間 延遲模型(spatial lag model, SLM)，另一種為處理誤差項問題的空間誤差 模型(spatial error model, SEM)。這兩種方法皆是為了補充傳統計量模型 在 處 理 空 間 議 題 上 的 不 足 ， 普 通 最 小 平 方 法 (OLS) 具 有 i.i.d. 假 設 (identical independent distribution)，假設其誤差值的期望值為零、誤 差間彼此獨立、變異數齊一，如此其估計值才具不偏及有效性；不過此假設 19 .
(27) . 就空間資料而言，經常無法遵守。若忽略鄰近空間自相關效應的影響，會因 為遺漏重要變數而喪失不偏性；或迴歸的誤差有空間自相關，會造成顯著性 檢定過於樂觀，因此喪失有效性。 空間延遲模型(spatial lag model, SLM)矩陣表示如下： Y = ρWY + Xβ+ε 與傳統 OLS 迴歸的差別為增加解釋變數 WY，稱為空間延遲變數，代表 鄰近地區的影響，Y 為被解釋變數，X 為自變數，β為自變數的迴歸係數， 誤差ε預期為空間隨機。W 為一 n×n 空間鄰近矩陣，ρ 為空間自迴歸係數 (Spatial Autoregressive Coefficient)，當 ρ 達到統計顯住水準，表示. 政 治 大. 在控制其他因素後，鄰近地區的表現具影響力，得以證明鄰近效應的存在。. 立. 意謂 SLM 相對於傳統 OLS 模型多控制了一個自變數：鄰近地區的影響(鄰近. ‧ 國. 學. 效應)，使得誤差彼此不再有空間自相關。但因多了該自變數，產生內生變 數的問題，以傳統最小平方法估計，會喪失有效性及不偏性，一般用最大概. ‧. 似法估計過工具變數估計，可得到較可靠的結果(Anselin,1988)，本研究使 用 Geoda 軟體以最大概似法估計。. sit. y. Nat. io. al. er. 空間誤差模型(spatial error model, SEM)矩陣表示如下. n. Y = Xβ+ε；ε=λWε+ u. Ch. engchi. i n U. v. 與空間延遲模型(SLM)不同，空間誤差模型(SEM)的鄰近效應出現在誤差 項，加入空間變數 Wε後，誤差 u 為空間隨機。SEM 進行誤差的空間校正後， 誤差 i.i.d.，如此可獲得較正確的係數估計。相較於空間延遲模型(SLM)， 空間誤差模型(SEM)雖可改善模型的妥適性，卻無法得知到底是什麼變數產 生影響，只能說有某個隱藏的變數存在，如果不予考慮，會使得誤差不是空 間隨機。本研究為觀察鄰近效應的影響，解決空間相依可能產生的誤差，將 選用空間延遲模型(SLM)為實證方法。 綜合以上文獻回顧，可發現空間統計方法已廣泛運用在不動產價格估計 上，以最小平方法(OLS)迴歸係數估計住宅價格，會忽略鄰近住宅價格所具 有的空間自我相關問題。本研究透過住宅本身及其區位特徵建立特徵價格迴 20 .
(28) . 歸模型，檢視面積大小公園對鄰近住宅價格的影響程度，特徵價格法屬最小 平方法(OLS)的應用，忽略空間相依的問題，故後續將進行空間自相關檢定， 以有考慮鄰近效應的空間延遲模型(SLM)為進行實證。. 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 21 . i n U. v.
(29) . 第四節 分量迴歸文獻回顧 Koenker and Bassett (1978)提出分量迴歸(Quantile Regression,QR)研究方法， 其不對母體做任何的分配假設，估計的參數由原始樣本分布情況決定，可呈現資 料特性。透過分量迴歸的方式可估計自變數對因變數的某個「特定百分比」的邊 際效果，描繪因變數的分配特性，而不是僅以平均數概念來推測兩尾可能的不對 稱情形。 普通最小平方迴歸是建立在迴歸因變數條件分配的平均數上，此方法隱含著 假定自變數的影響對於因變數條件分配的可能差異並不重要；不過若自變數會影. 政 治 大 件均數的結果具有代表性，普通最小平方迴歸和分量迴歸的估計結果是一致的； 立. 響到因變數條件分配時，就會使估計結果產生誤差。所以當樣本分配不偏時，條. 但當樣本為不對稱時，普通最小平方迴歸和分量迴歸的估計結果並不一致，此時. ‧ 國. 學. 分量迴歸結果對不同分量的邊際效果解釋較為合理。. ‧. Maplezzi, Ozanne and Thibodeau(1980)認為住宅屬性的特徵價格，會因為不同 價位的住宅而有所不同。即於不同住宅價格區間的條件下，相同住宅屬性應該擁. y. Nat. sit. 有不同的特徵價格，在高價位住宅增加一個房間與在低價位住宅增加一個房間，. n. al. er. io. 兩者的特徵價格應該有所不同。張怡文(2007)研究發現，分量迴歸模型能夠更為. i n U. v. 明確的表達出在不同價位的住宅下，相同屬性的特徵對住宅價格的不同影響程 度。. Ch. engchi. 分量迴歸近年來廣泛運用於各學術領域，包括證卷發行報酬率(李建興， 2008)、工資函數(陳建良、管中閔，2006)、醫學等。張怡文、江穎慧、張 金鶚(2009)認為不動產具有高度異質性，因此將分量迴歸運用於大量估價模 型，分析不動產價格的影響因素差異，實證結果發現分量迴歸模型對於兩側 (高價位及低價位)的樣本，相較於最小平方法(OLS)迴歸均數的估價模型， 有較佳的預測能力。 綜合以上文獻回顧，可發現普通最小平方迴歸是建立在因變數條件分配 的平均數上，而分量迴歸可對不同分量的邊際效果分別解釋；當自變數會影 響到因變數條件分配時，普通最小平方迴歸即可能產生誤差。不動產具有高 22 .
(30) . 度異質性，不同分量價格之物件，其相同特徵屬性可能擁有不同的特徵價格， 分量迴歸相較於普通最小平方迴歸可更為精準的表達其差異，因此本研究後 續亦將運用分量迴歸，觀察面積大小公園對於鄰近住宅價格的影響程度。. 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 23 . i n U. v.
(31) . 第五節 小結 公園具有外部性，鄰近公園住宅(居民)為最大受益者，其效益透過資本 化效果反應於房價上。相關實證結果亦顯示，公園對鄰近不動產價格有提升 的效果，該效果於某範圍內呈現顯著，且依距離公園的距離增加而遞減，不 同面積規模的公園對住宅價格影響的實證結果呈現並不一致。但國內研究常 將所有公園視為同一種，或僅針對鄰里公園作討論，且多以公園的服務半徑 500 公尺，做為公園影響價格的範圍。但面積大小公園所提供的服務及內涵 並不相同，應針對不同公園特性檢視其對住宅價格的影響範圍。. 政 治 大 鄰里公園(面積 1 公頃以下)以及大公園(面積超過 1 公頃)兩類。首先找出面 立 本研究參考過去文獻及政府資訊對公園類型的定義，將台北市公園分為. 積大小公園分別之住宅價格影響範圍，再利用特徵價格法，觀察其對鄰近住. ‧ 國. 學. 宅的影響程度。其中特徵價格法為普通最小平方法之應用，可能忽略鄰近住 宅價格所具有的空間自我相關問題，以及當自變數會影響到因變數條件分配. ‧. 時可能產生的誤差，故透過空間自我相關檢定，以空間延遲模型與分量迴歸. n. al. er. io. sit. y. Nat. 模型，檢視面積大小公園對於鄰近高低住宅價格的影響程度。. Ch. engchi. 24 . i n U. v.
(32) . 第三章. 研究設計與樣本資料分析 第一節 研究設計. 本研究首先利用 Spline 迴歸觀察住宅價格與距大小公園距離之分段關 係，藉此找出影響價格的房價影響範圍；針對公園不分類型及分類型(鄰里 公園、大公園)，比較鄰近大小公園對住宅價格的影響差異，並以 Moran’s I 檢定檢驗樣本價格是否具有空間自相關；接著用分量迴歸，觀察鄰近公園對 不同分量住宅價格的影響情形；最後透過空間延遲模型結合分量迴歸，檢視. 政 治 大. 去除空間自相關效果後，鄰近公園對不同分量住宅價格的影響程度。. 立. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 25 . i n U. v.
(33) . 第二節 模型設計 一、Spline 迴歸 自 Rosen(1974)提出特徵價格理論，特徵價格迴歸模型成為研究房價與其特 徵屬性間關係最為廣泛使用的工具。一般而言，房屋價格與其特徵屬性間關係可 以下式表示： P =α. Xβ. ε. ……………… (1). 其中 P 為房屋價格，X 為房屋之特徵屬性，ε 為殘差值。. 政 治 大. 而 Spline 迴歸模型與一般特徵價格迴歸模型差異在於，其為一種分段式. 立. (piece-wise)迴歸方法，透過對於欲分析之自變數加以限制條件，使迴歸係數在各. ‧ 國. 學. 個結點(knots)上得以變化，並使各區段間不間斷，避免估計值跳躍式的變化。該 方法通常用於自變數在不同尺度之間有不同變化(斜率)時。舉例來說，若樣本資. ‧. 料分佈如圖 5，很明顯的用 Spline 迴歸比用一般迴歸方式合適，利用以下 Spline 迴歸方程式，配合其限制式，斜率可分別在X 、X 、X 三處節點變化而不中斷，. y. Nat. n. er. io. al. sit. 進而得出在三個不同區間之估計值。. Ch. engchi. i n U. v. 圖 5 Spline 迴歸模型. Y=α +β (X－0) D. β (X－X ) D +β (X－X ) D 26. . …………(2).
(34) . 其中D 為虛擬變數，當 X 大於X 時為 1，反之為 0。 本文欲使用 Spline 迴歸並透過與公園的距離每 100 公尺劃分為一區間，第一 區間為 0 至 100 公尺；第二區間為 100 至 200 公尺；…至第十區間 900 至 1000 公尺，共分為十個區間。透過觀察各區間隨著與公園距離增減時，公園影響效果 之變化情形，找尋公園影響住宅價格的影響範圍。建立 Spline 迴歸變數前，先就 各區間共 9 個節點設 9 個虛擬變數D 、D 、…、D ，當公園距離大於 100 公尺 時，D =1，反之則為 0；當公園距離大於 200 公尺時，D =1，反之則為 0，依 此類推至D 。利用上述虛擬變數，再建立各區間相對應之 Spline 變數M 、M 、 M 、…、M ，其中M. D. 公園距離. 故M 數值不為負；M. D. 公園距離. Spline 變數可得下式：. 立. β 公園距離. β M. ‧ 國. α. 200 ，依此類推至M 政 治 大 β M. ⋯. β M. β M. 學. P. 100 ，而因D 小於等於 100 時為 0， 。如此求得之. Xβ. ε …(3). 其中 X 為房屋除公園距離以外之特徵屬性。而β 、β 、…、β 為迴歸之斜. ‧. 率，代表該區間公園之影響相對前一區間之增減。故在不同距離區間下可估計出. Nat. sit. y. 不同的公園距離係數值，即在不同距離區間下公園對房價有不同的邊際影響，累. n. al. er. io. 加每區間的邊際影響，藉此觀察公園對房價的影響範圍。. Ch. engchi. 27 . i n U. v.
(35) . 二、空間迴歸模型 物近必有相關，相鄰的住宅樣本點可能分享許多相同或相似的特徵，其中有 一些是無法觀察的，利用空間迴歸模型可解決空間相依所產生的偏誤。空間相依 係指住宅樣本價格因地理位置接近而互相影響，當樣本有空間相依，以普通最小 平方迴歸(OLS)估計將會產生無效率的參數估計及標準誤的偏誤，故有必要使用 空間迴歸模型。本研究將使用空間迴歸模型中的空間延遲模型(spatial-lag model) 進行實證，有關空間延遲模型說明如下： P = ρW P + Xβ + ε. ……………… (4). 治 政 大 將鄰近樣本點的價格視為解釋變數納入迴歸式中。空間延遲指兩樣本點之間的空 立 間分佈落差，其不包含樣本點 i 本身的價格(P )，而是考量鄰近樣本 j 價格(P )的. 空間延遲模型係考慮解釋變數的空間延遲效果，測試鄰近區域上的空間關係，. 學. ‧ 國. 加權平均1。其中 P 為住宅樣本價格、ρ 為空間延遲係數、W 為 n×n 空間加權矩 陣(Spatial weight matrix)、ε 為誤差項。空間加權矩陣(W )用於反應鄰近空間互動 1，表示樣本點 i 與樣本點 j 為鄰近關係；. o，則表示樣本點 i 與樣本點 j 不具鄰近關係2。因此可將公式(4)寫成： …. W1n Pn + Xβ + ε. io. sit. W13 P3. ……………… (5). er. Pi =α+ρ(W12 P2. y. Nat. 當Wij. ‧. 關係，其為正向且非零矩陣，當W. al. v i n C hρ 大於 0，表示有空間正相關效果，表示鄰近的 動關係。ρ 介於-1 至 1 之間，當 engchi U n. 透過檢定空間延遲係數 ρ 是否顯著異於零，可推斷鄰近區域是否具有空間互. 住宅樣本點價格趨向一致，同等價格住宅有空間聚集的現象；而當 ρ 小於 0，表 示有空間負相關效果，鄰近的住宅樣本點價格會趨向不一致。. 1. 假設樣本點 i 的價格為$10,000,000，鄰近三樣本 j 的價格分別為$10,650,000、$11,570,000、 $9,780,000，空間延遲為(1/3)* $10,650,000+(1/3)* $11,570,000+(1/3)* $9,780,000=$10,666,667。 2. 兩樣本點之間的最大影響距離，本研究參考 GeoDaSpace 軟體之計算值，設定為 1384.986 公尺， 即兩樣本點之間在 1384.986 公尺範圍內具有鄰近關係。 28. .
(36) . 三、分量迴歸 Koenker and Bassett (1978)提出分量迴歸(Quantile Regression,QR)研究方法， 其不對母體做任何的分配假設，估計的參數由原始樣本分布情況決定，可呈現資 料特性。透過分量迴歸的方式可估計自變數對因變數的某個「特定百分比」的邊 際效果，描繪因變數的分配特性，而不是僅以平均數概念來推測兩尾可能的不對 稱情形。 本研究為同時解決樣本之間的空間相依及不同分量房價間的異質性，將分量 迴歸納入空間延遲模型中，進行兩階段的分量迴歸，迴歸式如下列所示： W P = α. W Xβ+ ε. 立. Pi = ρq Wij P + Xβq + εq. ……………… (6) 政 治 大 ……………… (7). ‧ 國. 學. 其中 P 為房屋價格，下標 q 表示對應的分量位數，ρq 及βq 是要被估計的係數。 此估計方法涉及兩階迴歸，第一階段跑空間延遲模型，空間延遲內生變數 WP 是. ‧. 由空間延遲外生變數 WX 迴歸而得，產生出預測值WP，該值取代原空間延遲模. sit. y. Nat. 型中的 WP 變數，以消除空間上延遲所造成變量之間的相關性和誤差項。第二階. n. al. er. io. 段進行分量迴歸，估算出各分量的ρq 及βq 。. Ch. engchi. 29 . i n U. v.
(37) . 第三節 資料說明與分析 一、 資料來源 本研究利用國內某民營銀行所提供之 2009 年不動產交易資料，空間範 圍為台北市 12 個行政區，刪除缺漏資料後，總共 6,204 筆住宅交易樣本。. 二、 變數選取與定義 模型變數部分，本研究使用國內某銀行 2009 年不動產交易資料，經測. 政 治 大 認為半對數模型可降低變異數不一致的問題；Malpezzi and Ozanne and 立. 試單價及總價模型後，單價模型效果較好。又 Follain and Malpezzi(1980). ‧ 國. 學. Thibodeau (1980)研究發現住宅屬性的特徵價格會因不同價位的住宅有所 不同，因此半對數函數是較適合的模型；Soderberg(2001)用同資料比較線. ‧. 性及半對數模型，結果顯示半對數模型較符合現況且較穩定。因此，本文以 不動產單價取 log 為模型應變數，其餘變數選取說明如表 4。. y. 以萬華區為基準 樣本點所在樓層 住宅總樓層 位於一樓為 1；反之為 0 1=大廈；公寓=0 500 公尺內若有為 1，反之為 0 500 公尺內若有為 1，反之為 0 500 公尺內若有為 1，反之為 0 建築物完成之日至交易日期之年數3 500 公尺內若有為 1，反之為 0 距住宅樣本最近之公園距離. al. Ch. engchi. 建築物完成之日至交易日期之年數，不滿一年以一年計。 30. . sit. 虛擬變數 連續變數 連續變數 虛擬變數 虛擬變數 虛擬變數 虛擬變數 虛擬變數 連續變數 虛擬變數 連續變數. er. 說明. n. 3. 變數性質. io. 行政區 所在樓層 總樓層 一樓 住宅種類 鄰近捷運 鄰近學校 鄰近鄰避設施 屋齡 鄰近公園 與公園距離. Nat. 變數名稱. 表 4 變數說明. i n U. v.
(38) . 三、 樣本敘述統計分析 本研究之住宅樣本及公園資料之行政區分佈如表 5，樣本之敘述統計如 表 6，公園分佈情況如圖 6，樣本分佈情況如圖 7 所示。住宅平均成交單價 為 37.02 萬元；平均屋齡 22.24 年；平均距鄰里公園的距離為 212.44 公尺； 平均距大公園的距離為 446.03 公尺；樣本位於一樓佔 12.77%；鄰近捷運佔 20.48%；鄰近學校佔 59.51%；鄰近鄰避設施佔 20.33%。公園係取台北市政 府劃定的公園用地為依據，去除尚未興建的資料，總計有 550 座公園。依面 積大小分為鄰里公園(1 公頃以下)454 座、大公園(超過 1 公頃)96 座，其平 均面積分別為 2463.27 ㎡及 45292.70 ㎡。鄰里公園分布狀況，以大安區 65. 政 治 大. 座為最多，佔總鄰里公園面積的 10.63%；大公園則以士林區 22 座，佔總大. 立. 4. 100%. Ch. 2.09% 3.34% 10.35% 8.53% 10.63% 3.53% 8.44% 8.41% 8.41% 16.78% 7.14% 12.35%. engchi. 454. i n U. 100%. 6 2 8 5 3 2 4 22 17 14 4 9. v. 96. 面積百分比(%) 12.02% 0.71% 12.78% 2.04% 10.60% 5.99% 3.89% 20.78% 8.16% 12.45% 6.27% 4.31% 100%. 面積百分比為該行政區內鄰里公園(大公園)面積佔所有鄰里公園(大公園)面積的百分比。 31. . 座數. y. 面積百分比(%). sit. 6204. al. 座數 14 15 53 39 65 24 41 25 24 64 32 58. 大公園. 4. er. 總計. 5.38% 2.60% 10.69% 7.29% 15.81% 3.95% 9.69% 12.73% 8.70% 11.81% 3.35% 7.99%. 鄰里公園. ‧. 334 161 663 452 981 245 601 790 540 733 208 496. n. 中正區 大同區 中山區 松山區 大安區 萬華區 信義區 士林區 北投區 內湖區 南港區 文山區. 百分比(%). io. 樣本數. 表 5 樣本及公園資料之行政區分布表. Nat. 行政區. 學. ‧ 國. 公園面積的 20.78%為最多。.
(39) . 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 0. 圖 6 公園分佈示意圖 32 . 1. 2. 4 Miles.
(40) . 表 6 樣本資料敘述統計 連續變數. 平均數. 最小值. 最大值. 虛擬變數. 37.02 15.97 4.88 3.57 8.23 4.54 22.24 11.43 212.44 166.52 446.03 321.46 2463.27 1956.38 45292.70 56126.77 百分比. 12.50 1 2 1 0.24 0.68 49.36 10025.07 最小值. 165.00 26 28 53 1794.75 1608.16 9994.66 259975.4 最大值. 一樓 住宅種類 鄰近捷運 鄰近學校 鄰近鄰避設施. 12.77% 57.53% 20.48% 59.51% 20.33%. 0 0 0 0 0. 1 1 1 1 1. 單價(萬元) 所在樓層 總樓層 屋齡 與鄰里公園距離(公尺) 與大公園距離(公尺) 鄰里公園面積 大公園面積. 立. 標準差. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 33 . i n U. v.
(41) . 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 0. 圖 7 住宅樣本分佈示意圖. 34 . 1. 2. 4 Miles.
(42) . 第四章. 實證結果與分析. 第一節 大小公園對房價影響範圍(Spline 迴歸) 透過上述文獻回顧，本文將台北市政府劃定的公園用地，依面積劃分為 鄰 里 公 園 ( 一 公 頃 以 下 ) 及 大 公 園 ( 超 過 一 公 頃 ) 兩 種 類 型 。 Hoshino & Kuriyama. (2010)認為，鄰里公園服務特定鄰里內的居民，而大公園通常內. 含較多設施，服務的居民範圍較為廣泛，兩者影響住宅價格的影響範圍應不 相同。惟過去研究中處理是否鄰近公園，皆以 500 公尺(內有無公園)為依據，. 政 治 大 線性效果，本研究將以截斷式迴歸（Spline regression）選取節點(knot) 立 分段，觀察不同類型公園距離住宅的價格變動情況，藉此界定影響住宅價格 少有討論公園影響住宅價格的範圍界定。基於公園對住宅價格影響可能為非. ‧ 國. 學. 的範圍。. ‧. 首先以一公里為範圍並以 100 公尺為節點分段，分別觀察此一公里內， 住宅價格與大小公園距離之關係，Spline 迴歸模型結果如表 7。由模型 1、. y. Nat. sit. 2 結果可發現，與公園距離的區間變數呈現正負效果不一的情形，將各分段. er. io. 係數累加後並加以平滑，繪製各分段係數值平滑趨勢線，圖 8 為模型 1 鄰里. al. v i n Ch 越遠，係數值越小(趨勢線一路往下)，表示距鄰里公園越遠對住宅價格的提 engchi U n. 公園模型結果，圖 9 為大公園模型結果。觀察圖 8 可發現距鄰里公園的距離. 升效果越好(鄰避設施)，不符合預期。故將鄰里公園距離 100 公尺每 10 公. 尺劃分一區間，觀察 100 公尺內的變化，如表 7 及圖 10 所示，從趨勢線可 看出 0-40 公尺係數值為正，並依距鄰里公園距離增加而遞減，40-90 公尺 係數值為負，其係數值依距離先遞減後遞增，直至 90 公尺以後係數值轉為 正值。由此可推斷鄰里公園的住宅價格影響範圍約為 90 至 100 公尺之間， 取 100 公尺為基準。大公園部分，觀察圖 9 的趨勢線可看出，0-500 公尺係 數值為負值，且依距大公園的距離增加而遞增，符合預期及文獻回顧結果， 故推斷大公園的住宅價格影響範圍為 500 公尺。. 35 .
(43) . 表 7 Spline 迴歸模型估計結果 模型 1 鄰里公園(一公里). 模型 2 模型 3 大公園(一公里) 鄰里公園(100 公尺). 估計係數. 估計係數. 估計係數. 常數項. 5.3950***. 5.4306***. 5.3884***. 中正區. 0.2428***. 0.2410***. 0.2432***. 大同區. 0.0185*. 0.0184*. 0.0191*. 中山區. 0.1653***. 0.1618***. 0.1644***. 松山區. 0.2155***. 0.2134***. 0.2133***. 大安區. 0.2973***. 0.2956***. 0.2949***. 信義區. 0.2024***. 士林區. 0.1447***. 北投區 內湖區. 0.038984***. 0.0485***. 0.0808***. 0.0753***. 0.0800***. 0.0735***. 0.0718***. 0.0487***. 0.0451***. 0.0005. 0.0007. 立. ‧ 國. 0.0474***. Nat. 0.1197***. 0.1216***. 0.1204***. 住宅類型. 0.0306***. 0.0317***. 鄰近捷運. 0.0242***. 鄰近學校. 0.0185***. 鄰近鄰避設 施 屋齡. -0.0190***. -0.0205***. -0.0191***. -0.0049***. -0.0049***. -0.0049***. 與公園距離. 2.64E-05. -0.0003**. 0.0017. M2. -0.0003**. 0.0002. -0.0011. M3. 0.0005***. 0.0001. -0.0035. M4. -0.0004***. -0.0004**. 0.0031. M5. 0.0002. 0.0006***. 0.0017. M6. -0.0004. -0.0003. -0.0009. M7. 0.0003. -0.0001. -0.0025. M8. 0.0002. 0.0003. 0.0009. 一樓. n. al. Ch. er. 0.0066***. io. 0.0064***. y. 0.0005. 0.0066***. 總樓層. n U e n g c0.0188*** hi 0.0266***. 36 . 0.0735***. sit. 所在樓層. 0.0496***. 0.1457***. ‧. 文山區. 0.2010***. 學. 南港區. 0.2002*** 政 治 0.1336*** 大. iv. 0.0315*** 0.0253*** 0.0185***.
(44) . 續表 7 Spline 迴歸模型估計結果 模型 1 鄰里公園(一公里). 模型 2 大公園(一公里). 模型 3 鄰里公園(100 公尺). 估計係數. 估計係數. 估計係數. M9. -0.0013**. -0.0002. 0.0011. M10. 0.0012***. 0.0001. -0.0005. Adj R2. 0.6221. 0.6232. 0.6197. F value. 353.17***. 354.72***. 349.50***. 樣本數. 6204. 6204. 6204. 註： ***、**、*分別代表在 1%、5%與 10%顯著水準下，該係數顯著異於零。. 0.0004. 立. 6. al. n. ‐0.001 ‐0.0012. 7. 8. 9. y. 係數值. 5. sit. io. ‐0.0008. 4. Nat. ‐0.0006. 3. Ch. engchi. i n U. v. 公園距離(百公尺). 圖 8 房屋價格與鄰里公園距離關係-1. 37 . 10. ‧. ‐0.0004. 2. er. 1. ‐0.0002. 學. 0. ‧ 國. 0.0002. 政 治 大.
(45) . 0.0003 0.0002. 係數值. 0.0001 0 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. ‐0.0001 ‐0.0002 ‐0.0003 ‐0.0004. 公園距離(百 公尺) 政 治 大. 立. 圖 9 房屋價格與大公園距離關係. ‧ 國. sit. a3l. 4. 5. Ch. 6. 7. engchi U. er. 係數值. ‐0.002. 2. n. 1. io. 0. y. Nat. 0.001. ‐0.001. ‧. 0.002. 學. 0.003. 8. v ni. 9. ‐0.003 ‐0.004. 公園距離(十公尺). 圖 10 房屋價格與鄰里公園距離關係-2. 38 . 10.
(46) . 第二節 大小公園影響程度比較(傳統迴歸) 本文以一般文獻中估算公園對房價影響時，最常見的變數「是否鄰近公 園」及「與公園距離」進行實證。表 8 結果顯示各模型變數除「大同區」及 「所在樓層」不顯著外，其餘變數皆達 1%顯著水準且符號與預期方向相符， 調整後 R2 均約 0.62。在模型 4 虛擬變數設定方面，500 公尺(內有無公園) 為過去國內不論研究或估價實務，判別住宅是否可及公園最常使用之距離區 間，其變數「鄰近公園」呈現顯著正值(0.0395)，即住宅位於公園 500 公尺 內之每坪單價會較範圍外之住宅低約 3.95 個百分點；模型 5 連續變數設定 方面，「與公園距離」為顯著負值(-0.00008)，顯示當住宅至公園距離增加. 政 治 大. 時，對其價格確有顯著負向影響，平均而言，距離每增加一百公尺時，每坪. 立. 單價將下降 0.8 個百分點，以上結果與過去研究大致相符。. ‧ 國. 學. 模型 6 係將公園分類為鄰里公園與大公園，透過 Spline 分析結果，鄰 里公園取 100 公尺為其住宅價格影響範圍，大公園則取 500 公尺，檢視不同. ‧. 類型公園對住宅價格是否有不同的影響程度。其中「距鄰里公園 100m 內」. sit. y. Nat. 呈現顯著正值(0.0192)，即住宅位於鄰里公園 100 公尺內之每坪單價會較範. io. er. 圍外之住宅高約 1.92 個百分點；「距大公園 500m 內」亦呈現顯著正值 (0.0071)，表示住宅位於大公園 500 公尺內之每坪單價會較範圍外之住宅高. n. al. Ch. i n U. v. 約 0.71 個百分點。從實證結果可看出鄰里公園與大公園對房價的影響並不. engchi. 一致，且 100 公尺內有鄰里公園比 500 公尺內有大公園對住宅的價格提升效 果要好。 空間自我相關檢定部分，模型 4、模型 5 與模型 6 之 Moran’s I 值皆為 顯著正值，表示 OLS 迴歸殘差並非無自相關，違反 OLS 線性迴歸中，殘差無 自相關的假設。Moran’s I 值皆為顯著正值，顯示此樣本價格具有顯著空間 正相關效果，鄰近的住宅樣本點價格趨向一致，同等價格住宅有空間聚集的 現象。Lagrange multiplier(LM)檢定的虛無假設分別為加入 spatial lag tern 以及加入 spatial error tern 無影響，而從 LM lag 和 LM err 皆達 1% 以下的顯著水準，雙雙拒絕須無假設，進入下一道檢定。Robust Lagrange multiplier(RLM)檢定的虛無假設分別為去除 spatial lag tern 以及去除 39 .
(47) . spatial error tern 無影響，同 Lagrange multiplier(LM)檢定，兩者皆達 1%以下顯著水準，結果亦皆拒絕須無假設，顯示兩種空間模型皆適用。空間 延遲模型(SLM)，相較傳統回歸模型(OLS)多控制了一個自變數：鄰近地區的 影響(鄰近效應)，使得誤差彼此不再有空間自相關；空間誤差模型(SEM)雖 可改善模型的妥適性，卻無法得知到底是什麼變數產生影響，只能說有某個 隱藏的變數存在，如果不予考慮，會使得誤差不是空間隨機。本研究為觀察 鄰近效應的影響，解決空間相依可能產生的誤差，後續將選用空間延遲模型 (SLM)為實證方法。 由上述實證結果可看出，鄰里公園跟大公園對房價的影響有差異(1.21. 治 政 不符，一般認為較小型的鄰里公園，附有遊憩設施並提供居民休憩空間；而 大 立 大型公園不僅有前述特性，更有寬闊場域、景觀、調節氣候、改善空氣品質、. 個百分點)，而鄰里公園較大公園對住宅的價格提升效果好。此結果與預期. ‧ 國. 學. 控制雨水徑流等功能。因此大公園應該較鄰里公園對住宅價格有更好的提升 效果，惟實證結果卻相反。本文認為可能係因為因變數(住宅價格)會影響自. ‧. 變數(鄰近公園)的條件分配，即因變數於自變數各分量的分配上有兩尾不對. y. Nat. 稱情形，而普通最小平方迴歸僅以平均數概念來推測，忽略了不對稱的可能。. io. sit. 又透過 Moran’s I 檢定，得知本研究之住宅價格樣本有空間自相關的趨勢，. n. al. er. 若以普通最小平方迴歸估計將會產生無效率的參數估計及標準誤的偏誤。以. i n U. v. 下將先以分量迴歸的方式，估計自變數對因變數特定分量的邊際效果，描繪. Ch. engchi. 因變數的分配特性；再以空間延遲模型結合分量迴歸，更細緻的觀察因變數 的分配特性。. 40 .
(48) . 表 8 傳統迴歸模型估計結果. 與公園關係. 模型 4. 模型 5. 模型 6. 500m 內有無. 距離. 不同類型. vif. 估計係數. 估計係數. vif. 估計係數. 5.4028***. vif. 5.3826***. 中正區. 0.2414***. 2.32. 0.2422***. 2.32. 0.2399***. 2.33. 大同區. 0.0192*. 1.65. 0.0167. 1.65. 0.0190*. 1.65. 中山區. 0.1659***. 3.44. 0.1611***. 3.47. 0.1624***. 3.49. 松山區. 0.2151***. 2.76. 0.2126***. 0.2141***. 2.76. 大安區. 0.2969***. 2.76 治 政 0.2939*** 大 4.50 4.52. 0.2958***. 4.51. 信義區. 0.2020***. 0.2009***. 3.17. 士林區. 3.17. 0.1408***. 3.87. 0.1413***. 3.87. 北投區. 0.0474***. 3.03. 0.0467***. 3.02. 內湖區. 0.0817***. 3.60. 0.0779***. 3.62. 南港區. 0.0749***. 1.86. 0.0721***. 1.86. 文山區. 0.0497***. 2.83. 0.0483***. 2.81. 所在樓層. 0.0006. 2.21. 0.0006. 總樓層. 0.0065***. 3.23. e n0.0067*** gchi. 一樓. 0.1209***. 1.24. 住宅類型. 0.0314***. 鄰近捷運 鄰近學校. 0.1382***. 4.01. 0.0440***. 3.09 3.63. 0.0715*** 0.0460***. 2.81. 0.0005. 2.21. 3.24. 0.0067***. 3.26. 0.1206***. 1.24. 0.1203***. 1.25. 2.27. 0.0312***. 2.27. 0.0315***. 2.27. 0.0259***. 1.06. 0.0254***. 1.06. 0.0256***. 1.07. 0.0182***. 1.04. 0.017995*** 1.04. 0.0178***. 1.05. 鄰近鄰避設施 -0.0191***. 1.36. -0.0195*** 1.36. -0.0200***. 1.37. 屋齡. -0.0049***. 1.82. -0.0049*** 1.82. -0.0048***. 1.82. 鄰近公園. -0.0395***. 1.04. n. 與公園距離. al. Ch. -8E-05***. 41 . er. 1.86. io. y. 0.0789***. sit. ‧ 國. 0.1990***. ‧. 立 3.16. 學. 5.3505***. Nat. 常數項. i n U 2.21. 1.07. v.
(49) . 續表 8 傳統迴歸模型估計結果. 與公園關係. 模型 4. 模型 5. 模型 6. 500m 內有無. 距離. 不同類型. vif. 估計係數. vif. 估計係數. 100M 內有無鄰里公. 估計係數. vif. 0.0192***. 1.08. 園. 0.0071**. 500M 內有無大公園. Moran’s I. 0.2191***. LM lag. 5224.99***. RLM. 286.60***. 34937.36***. 33339.57***. 0.6195. 0.6217. 506.03***. 510.72*** 6204. y. 樣本數. 35579.99***. ‧. F value. 33040.82***. 學. Adj R2. 279.78***. Nat. RLM err. 立. 29712.37***. 5344.66***. 6204. 30414.10*** 0.6197. 482.26*** 6204. sit. err. 0.2220***. 5051.70*** 治 政 298.75*** 大. ‧ 國. LM. lag. 0.2139***. n. al. er. io. 註： ***、**、*分別代表在 1%、5%與 10%顯著水準下，該係數顯著異於零。. Ch. engchi. 42 . i n U. v. 1.2.
(50) . 第三節 大小公園對高低房價影響程度(分量迴歸) 本文為深入探討不同分量模型的估計係數差異，選擇 θ=0.1,0.25,0.5, 0.75 及 0.9 五個條件分量迴歸模型加以比較，結果如表 9 所示。此五個特 定條件分量，包含四分位數對應的三個分量(0.25,0.5 和 0.7)，以及左右尾 分量(0.1 和 0.9)，是分配中較具代表性的分量。 2 由表七分量迴歸分析可看出，分量迴歸的 Pseudo R 大致介於 0.35 至. 0.45 之間。「100M 內有無鄰里公園」變數在各分量的係數呈現很大的差異 且顯著程度也不同。在低房價如 0.1 分量時，其係數值呈現顯著正值，而隨. 政 治 大 零且不顯著。由圖 11 亦可明顯看出「100M 內有無鄰里公園」對住宅各分量 立 著分量增加，其係數值逐漸變小，直到 0.75 及 0.9 分量時，係數值接近於. 價格影響效果的差異性，其呈現左尾高、右尾低的不對稱現象，顯示隨著住. ‧ 國. 學. 宅價格分量的提高，其係數明顯由大轉小。結果顯示低單價區間內，有鄰近 鄰里公園之樣本，房價較高機率較高；高單價區間內，則無顯著差異。推測. ‧. 是因為高單價住宅通常擁有公設空間，居住於高單價住宅的住戶，比較不需. io. er. 近鄰里公園，故該特徵於高分量時較不顯著。. sit. y. Nat. 要使用鄰里公園所提供的遊憩設施及休憩空間，所以較不在意其住宅有無鄰. al. n. v i n Ch 呈現不顯著，而隨著分量增加，其係數值逐漸變大且呈現顯著。由圖 12 可 engchi U 「500M 內有無大公園」變數在低房價如 0.1、0.25 分量時，其係數值. 看出「500M 內有無大公園」對住宅各分量價格的影響差異，呈現左尾低、 右尾高的不對稱現象，顯示隨著住宅價格分量的提高，其係數明顯由小轉大。 結果顯示高單價區間內，有鄰近大公園之樣本，房價較高機率較高；低單價 區間內，則無顯著差異。此結果與鄰近鄰里公園恰巧相反，推測是因為大公 園有高單價住宅住戶願意多花錢支付的條件，如大規模的樹木及寬闊的場域、 較隱私的環境、調節氣候、改善空氣品質、控制雨水徑流等，而低單價住宅 住戶可能比較在意公園使用上的價值，所以鄰里公園就足夠了。另外，大公 園場域較大可能具有聚集效應，越多高單價住宅聚集在大公園附近，單價就 越來越高；若較多低單價住宅聚集，則效果相反。. 43 .
相關文件
Due to the increase in housing rent, rising prices in outbound package tours and air tickets during summer holidays, as well as in gasoline that was affected by price increase
Due to upward adjustment of the fuel clause of electricity charges, rising prices in hairdressing and beauty services; fish, shellfish and other seafood, the indices of Rent and
Attributable to increasing rent of housing and expenses of house maintenance, rising prices in summer clothing and footwear, as well as fresh vegetables, the indices of Clothing
Attributable to the upward adjustment of school tuition fees in the new academic year; higher housing rent and expenses of house maintenance; and rising prices in fish and
Due to significant price declines in women’s clothing, rent of housing and electric household appliances, the indices of CLOTHING AND FOOTWEAR, RENT AND HOUSING EXPENSES and
On the other hand, the pre-Lunar New Year Sale on clothing, falling price in fresh pork and a waiver of welfare housing rentals by the Housing Institute for the first quarter of
On the other hand, rising prices in new arrivals of summer clothing, men’s and women’s footwear and the expiry of waiver of welfare housing rentals by the Housing Institute after
“a theme park is an amusement park that has themed attractions, be it food, costumes, entertainment, retail stores and/or rides”.. - International Association of Amusement Parks
