購屋者對住宅不動產成交價格之影響分析 -搜尋、預期及其屬性之探討 - 政大學術集成

全文

(1)國立政治大學地政學系碩士論文私立中國地政研究所. 政治大購屋者對住宅不動產成交價格之影響分析立 ‧. ‧ 國. 學. -搜尋、預期及其屬性之探討 The Impact of Homebuyer on residential housing price : search, expectation and characteristic. n. er. io. sit. y. Nat. al. Ch. engchi. 研究生：. 吳健宇. 指導教授：. 張金鶚. i n U. v. 博士. 江穎慧博士. 中. 華. 民. 國. 一. ○. 三. 年. 七. 月.

(2) 謝誌當我寫下這篇謝誌時，其實距離論文完成後已經經歷過了好多事情，完成了上海復旦的交換學生生涯、上海 Innospace 創業提案競賽、國泰企業實習、昇陽不動產投資精磚獎，也各有成果，此時在回頭看自己的所撰寫的論文又有不同的感覺，就像是回顧自身的成長階段一樣。還記得三年前下定決心辭掉公務員，剛進政大的徬徨不安，面對不熟悉的環境、研究案、meeting 簡直就是手足無措，後來咬著牙奮鬥下，居然因為常駐研究室害的張家被人誤會為「血汗工廠」實在有點啼笑皆非，但也不知不覺培養了自身的能力，才能有往後這樣豐碩的成果，這些都要感謝張家帶給我的磨練! 金. 政治大這過程中要感謝的人太多了，首先當然要感謝金鶚老師每次百忙之中的撥空立. 鶚老師的經典名言:「No pain, no gain.」可以說完全的印證在我身上!. 指導與建議，不論是身體不適或是公務繁忙，老師從來都沒有因此放生過我們，. ‧ 國. 學. 還記得老師眼睛開刀完第二天就來 meeting，那時真是莫名的感動。而穎慧老師帶給我的幫助更是難以言喻，對我來說穎慧學姐就像亦師亦友，不但總給我們這. ‧. 些小屁孩協助，還會關心我的心情，讓我這個放不太開的人可以這麼快速融入、. sit. y. Nat. 開心的學習與分享都是靠穎慧老師，不論是鼓勵的小卡還是紀念品，都讓我感到. io. 謝老師每次的用心鼓勵。. al. er. 窩心，也更充滿動力，當年連會議紀錄都會打錯的我能有這樣的成長，真的很謝. n. v i n Ch 在艱苦的過程中，感謝芳妮學姐給了我很多指導與建議，可愛的力綸、蕙瑩 engchi U 與我一起互相互打氣，還有張家眾多的學長姐與研究室的所有夥伴們，這些都是我這三年來最寶貴的回憶。回顧這三年，有歡笑有淚水、有崩潰有成就，現在回頭看覺得一切都是那麼的不可思議，我做到了，現在我也要離開這理，前往下一個目標。一個選擇是對是錯，我想從一個人如果再來一次，是否會做出相同選擇就知道了，如果有機會再重來一次，我想我還是會選擇政大，也還是會選擇張家，我想這就說明了一切。這段人生，沒有遺憾! 吳健宇 2014 年 9 月於自家宅筆 .

(3) 摘要在不動產交易過程中，成交價格決定於買賣雙方議價結果，除賣方可運用訂價策略提高成交價，買方同時必須是兼具能力與意願的購屋者方能使價格成交。而在購屋議價過程中，影響購屋者議價行為的差異源自於認知與能力，包含價格彈性不同、資訊掌握能力與替代性選擇的差異。因此影響成交價格之因素，除不動產個別屬性外，應加入購屋動機、所得能力等個人屬性對成交價之影響，才能進一步釐清成交價之形成因素。過去探討不動產特徵價格模型，主要考量住宅屬性對價格影響，近年雖亦有研究將賣方訂價策略加入考量，但仍缺乏探討購屋者屬性對成交價的影響。本文. 政治大. 嘗試將購屋者個人屬性加入特徵價格模型，並且將購屋者動機、目的、對房價預期看法等可能影響購屋者行為之因素併入模型，以驗證購屋者行為理論對住宅不動產成交價格之影響。. 立. ‧ 國. 學. 由於不同屬性、負擔能力的購屋者對於產品、價格接受度亦有所差異，故本文將進一步採用分量迴歸估計模型，研究購屋者屬性變數對不同分量成交價格是. ‧. 否有不同程度影響，以期更細緻地對影響成交價格因素進行分析，並比較最小平. sit. y. Nat. 方迴歸與分量迴歸估計的預測模型結果差異，於目前住宅不動產市場價格離散呈. io. 發現。. n. al. er. 現擴大趨勢的時空背景下，期望本研究能對成交價格影響因素有更進一步的探索. Ch. engchi. i n U. 關鍵詞: 不動產成交價格、分量迴歸、購屋者屬性. . v.

(4) Abstract In the previous research, the transaction price model builds on hedonic price theory using housing attributes as variables. But the housing transaction price is determined via the buyers’ and sellers’ negotiation process. The buyers’ motivation, expectation and search behavior also will affect the transaction price. This paper tries to add these variables to the pricing model to improve the bias caused by ignoring the homebuyer’s attributes. Because ordinary least square regression cannot signify the variation caused by different quantile functions of a conditional distribution. This study estimates the housing price by quantile. 政治大 show that homebuyer’s attributes such as investment homebuyers, expected to 立 rise, search number and income do significant affect. In quantile regression regression to improve the problem of M‐type distribution. The empirical results. ‧ 國. 學. results, we found that expected to rise and investment these two homebuyer’s attributes are different on two‐tailed price.. ‧. Nat. y. n. al. er. io. attributes. sit. Key words: housing transaction price, quantile regression , homebuyer’s. . Ch. engchi. i n U. v.

(5) 目錄. 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...................................................................................... 6 第三節研究架構與流程...................................................................................... 8 第二章相關理論與文獻回顧 ......................................... 10 第一節購屋者對成交價格之影響.................................................................... 10 第二節特徵價格理論........................................................................................ 14 第三節分量迴歸理論........................................................................................ 16 第四節小結........................................................................................................ 18 第三章研究設計與樣本資料分析 ..................................... 19 第一節研究設計................................................................................................ 19 第二節實證模型................................................................................................ 20 第三節資料說明與處理.................................................................................... 22 第四節購屋者分析............................................................................................ 29 第四章實證分析 ................................................... 33 第一節特徵價格模型實證結果........................................................................ 33 第二節分量迴歸模型實證結果........................................................................ 37 第三節購屋者對住宅成交價格影響之討論.................................................... 43 第五章結論與建議 ................................................. 46 第一節結論........................................................................................................ 46 第二節建議........................................................................................................ 48 參考文獻 .......................................................... 49 . 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. V . i n U. v.

(6) 表目錄表一住宅特徵價格估計之相關變數定義 ......................................................... 26 表二變數基本統計 ............................................................................................. 28 表三各分量住宅成交價格 ................................................................................. 28 表四投資與消費動機與各因素間的獨立樣本 t 檢定摘要表 .......................... 29 表五收入於各因素之單因子變異數分析資料摘要表 ..................................... 30 表六收入多重比較摘要表 ................................................................................. 31 表七購屋動機與收入之卡方檢定 ..................................................................... 31 表八購屋動機與收入之交叉列聯表結果 ......................................................... 31 表九購屋者特徵對成交價格影響的實證估計結果 ......................................... 35 表十加入購屋者特徵變數對模型一之影響 ..................................................... 36 表十一模型二變數影響力列表 ......................................................................... 36 表十二住宅屬性均數迴歸與分量迴歸 ............................................................. 40 表十三購屋者特徵變數分量間差異檢定 ......................................................... 41 表十四僅以住宅、區位特徵之成交價格計算價格 ......................................... 44 表十五不同購屋者特徵之成交價格計算 ......................................................... 44. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. VI . i n U. v.

(7) 圖目錄圖一研究流程圖 ................................................................................................... 9 圖二均數迴歸與分量迴歸 ................................................................................. 42 圖三中古屋指數趨勢圖 2010 下半年至 2012 年第四季 ................................... 45 圖四預售屋、新成屋開價變化趨勢圖(坪/萬元)2010 下半年至 2012 年第四季 ............................................................................................................................... 45. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. VII . 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 Harding,Knight and Sirmans(2003) 認為異質性財貨市場通常較為稀少，且市場價格較難評估，使得最後成交價格受財貨特徵所影響。不動產屬於異質性商品，沒有標準的價格，且對每位需求者所帶來的效用都有所不同，因此在真實市場上可以發現同樣一個不動產，不同的買方可能會願意支付不同的價格，原因在於相同住宅對不同購屋者提供的效用有所不同。由此可知，不動產既沒有標準價格，每個購屋者的動機、目的與認知也都有所不同，因此不動產成交. 政治大. 價格的決定因素除不動產的各項特徵以外，不同「人」應也具有一定的影響力。. 立. 過去對於異質性商品多利用特徵價格法(Hedonic Regression Analysis)進行. ‧ 國. 學. 研究。特徵價格源自於 Lancaster(1966)提出的消費者行為分析，認為在異質性商品的特性下，消費者的效用來自於各項特徵所帶來的功能，因此分析其特徵. ‧. 即可了解消費者對各項特徵的偏好程度。Rosen(1974)結合效用理論發展出特. y. Nat. 徵價格理論，即假設市場若為完全競爭市場，消費者與生產者雙方無法以個人. sit. 力量影響均衡價格，此時價值由「產品」的屬性所決定；將消費者對每一項特. n. al. er. io. 徵願意支付的費用加總，即是其商品的價格。而不同產品的價格不同，源自於. i n U. v. 不同的特徵帶給消費者不同的效用，特徵價格法就是用來評測這些特徵對價格的邊際影響。. Ch. engchi. 過去許多文獻透過特徵價格法對不動產進行研究，Sirmans,Macpherson and Zietz (2005)整理了過去透過特徵價格模型的文獻，整理最常出現的二十個變數，其中最常出現的是住宅與區位的特徵，如面積、屋齡、衛浴數、距離公共設施的距離等變數，但僅透過住宅與區位的特徵無法作為全部對價格影響的解釋；此外，為了使特徵價格模型的適用性更貼近真實市場情形，部分文獻納入買方的定錨效果、搜尋效果、賣方的訂價策略及買賣雙方議價能力的替代變數。而在國內文獻探討不動產價格時，過去也多使用住宅與區位特徵為主的變數(林人和，1991；王秉五，1994；高文津，2000；陳慧潔，2007；蔡仲苓， 2008)。然而，若如前述，不同類型的購屋者願意支付的價格有所不同，那麼以往特徵價格模型僅以住宅與區位特徵建置，而忽略的購屋時不同的購屋者特 1 .

(9) 徵，可能過度的放大住宅與區位特徵對價格的影響。而過去有討論認為，購屋的過程中，買賣雙方皆有一定影響力，但在購屋時，不論賣方為何，目的皆在於利益的最大化，而儘管不是專業的不動產相關人員，也可以在委託仲介的情況下擬訂出適當的訂價策略，因此賣方的目的是相當明確的。相反的，買方在購買不動產時有各種不同的理由與動機，對價格的認知也有所不同，因此願意支付不同的價格。綜合上述，若能在過去以住宅及區位特徵為主的特徵價格模型中加入各類不同的購屋者變數，應可釐清購屋者對於成交價格的影響程度為何，並進一步發現不同的購屋者是否對成交價格有所影響，這成為本文第一個研究動機。. 政治大提供的台北市所有建物平均買賣契約總價統計，以十分位來看，2009 年第一立. 近年來台灣地區房價高漲，根據內政部營建署「不動產價格 e 點通」網站. 季平均總價為 1,218 萬元，第十分位為 465 萬元，第九十分位則為 2,200 萬元，. ‧ 國. 學. 是十分位的 4．73 倍，而到 2011 年的第一季的平均總價是 1,739 萬，第十分位為 583 萬元，第九十分位則為 3300 萬元，差距為 5．66 倍，顯示房市在總. ‧. 價的離散上日益擴大。. Nat. sit. y. 儘管不動產普遍被認為具有昂貴性，但現在的市況下不動產的價格也出現. er. io. 巨大的高低落差，在高低價位的差異下，不動產特徵對其價格的影響力也可能. al. 不同，部分國內文獻(廖仲仁，2006；凃雅珍，2007；張怡文等，2009)將 Koenker. n. v i n Ch and Bassett (1978)所提出的分量迴歸(quantile regression, QR)應用於不動產價 engchi U. 格的研究，在住宅特徵、仲介影響及風水特徵方面均發現在不同分位的成交價格下，各特徵屬性對於房價的影響有明顯的差別。既然如此，購屋者特徵是否在面對不同價位的產品時影響程度亦有所差別?這成為本文第二個研究動機。綜合上述，在過去透過特徵價格法研究不動產成交價格時，大多使用住宅與區位特徵做為變數；而在國內文獻部分亦有許多相關研究，但主要亦以住宅及區位特徵選取相關變數。近年來有文獻於特徵價格模型中加入其他變數以貼近真實市場情形，但較少放入不同購屋者特徵進行討論。分量迴歸部分，國內雖有部分文獻套用以探討各項特徵對不動產價格的影響，但並沒有同時觀察購屋者的特徵。本文的目的在於嘗試將購屋者個人行為、預期與屬性變數加入特徵價格模型，以驗證購屋者對住宅不動產成交價格之影響，目的在於釐清過去 2 .

(10) 特徵價格模型是否可能受到購屋者的屬性影響，同時釐清各項購屋者行為、預期及屬性特徵對於不動產成交價格之影響程度。而現今不動產市場價格高低的離散日趨明顯，故本文將進一步採用分量迴歸估計模型，研究購屋者特徵變數對不同分量成交價格是否有不同程度影響，以期更細緻地對影響成交價格因素進行分析，並比較最小平方迴歸與分量迴歸估計的預測模型結果差異，在目前住宅不動產市場價格差距擴大的背景下，期望本研究能對成交價格影響因素有更進一步的探索發現。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 3 . i n U. v.

(11) 二、研究問題購屋的過程中，決定成交價格的除住宅與區位的特徵之外，還必須購屋者願意支付方能使價格成立，因此不同的購屋者及其屬性理應是影響成交價格的重要因素之一。尚若如此，在特徵價格模型中加入考量購屋者的相關變數，是否可提升模型的配適度?另何種購屋者對成交價格有所影響?影響程度為何?而在現今房市價格分布離散擴大的趨勢下，各項購屋者特徵在不同成交價格的價位下是否會有不同的影響程度? 綜合上述，本研究歸納出以下二點研究問題: (一)加入購屋者特徵變數是否對過去僅以住宅與區位特徵為主的特徵價格模. 政治大. 型配適度有所提升?又各項購屋者特徵對於房價的影響的情形為何?. 立. (二)在不同分位的成交價格下，各項購屋者特徵對於成交價格的影響是否會有. ‧. ‧ 國. 學. 所變化?差異為何?. n. er. io. sit. y. Nat. al. Ch. engchi. 4 . i n U. v.

(12) 三、研究目的過去在探討不動產成交價格時較少同時討論購屋者對成交價格的影響，亦缺乏觀察不同購屋者對價格影響的情形。本研究的目的在於釐清過去以住宅及區位特徵建構的特徵價格模型；是否可能因忽略不同購屋者的特徵，而放大住宅與區位變數對成交價格的影響力。此外，亦希望更加細緻的觀察各項購屋者特徵對成交價格的影響，以分析各種購屋者特徵對成交價格的影響情況。透過上述，本研究歸納出以下兩點研究目的: (一)考量以往對成交價格影響因素之研究多忽略購屋者個別特徵，可能放大住宅與區位特徵對住宅成交價影響的效果，故在特徵價格模型中加入購屋者. 政治大. 特徵變數，進一步比較與僅以建築及區位特徵建構的模型之差異，以期更完整的討論影響成交價格的因素。. 立. (二)探討不同類型購屋者在購買不同成交價格住宅時對成交價格的影響情形，. ‧ 國. 學. 進一步分析其可能造成影響之原因，若能釐清購屋者特徵與成交價格之關係，那麼未來即可幫助購屋者在購屋時檢視自身因素，做出更為何理的判. ‧. 斷，亦可做為政府部門與公私部門擬訂相關政策與策略的基礎。. n. er. io. sit. y. Nat. al. Ch. engchi. 5 . i n U. v.

(13) 第二節研究範圍與方法一、研究範圍本研究所利用的資料為『台灣住宅需求動向季報』之調查資料，此項調查為政府主導之全國性調查，主旨在於提供市場健全的資訊。該調查採取問卷調查方式，由政府推動民間企業協助調查，經台灣房地產研究中心進行整理與分析，並經過政府、產業與學界討論與校正，其資訊具有相當可信程度。其研究調查時間從 2002 年開始至 2013 年，包含購屋者本身之人口統計特徵、購買之住宅類型、價格、面積、地區以及屋齡樓層等資料，資訊十分豐富。其調查內容分為新購置住宅者與欲購置住宅者兩面向，新購置住宅者是由銀行已核貸. 政治大. 客戶填寫問卷，欲購置住宅者則由到仲介公司看屋並由房仲經紀人帶看房屋的顧客填寫問卷，主要系訪問新購置住宅者、欲購置住宅者購置住宅之動機、市. 立. 場類型、住宅類型、面積、價格、房價看法等相關問項。而本文之目的在於探. ‧ 國. 學. 討購屋者屬性對於成交價格之影響，其中新購置住宅者確實有購屋行為，因此可取得成交價格資訊與購置的住宅特徵與區位特徵，而新購置住宅者在實際的. ‧. 購屋過程中所填答的問項內容亦有較高的可信度，因此本文選定以新購置住宅者為研究對象。. er. io. sit. y. Nat. 二、時間範圍. al. 本研究選擇 2010 下半年起、2011、2012 年共十季為研究時間範圍。因『台. n. v i n Ch 灣住宅需求動向季報』問卷內容會不定時進行改進修正，且資料的完整度有所 engchi U 差別，故經評估後選定 2010 下半年起、2011、2012 年度做為研究的時間範圍，以取得研究所需變數資料，並且具備完整性。. 三、空間範圍本研究空間範圍根據『台灣住宅需求動向季報』問卷中填答本次購置住宅所在行政區之問項，以台北市、新北市兩大都會區為研究範圍。主要在考量此兩大都會區樣本數多，另外市場情形較為接近，可避免不同地區次市場因素造成影響。. 四、研究對象本研究目的為購屋者屬性對於成交價格之影響，故研究對象設定為新購置 6 .

(14) 住宅者做為本次購屋之成交價格。. 五、研究限制受限於『台灣住宅需求動向季報』資料的連續性，本研究選定 2010 下半年起至 2012 年第四季作為時間範圍。此時期皆屬於房地產景氣上漲階段，於此時觀察購屋者行為對房價的影響，可能因無法同時橫跨景氣榮枯階段，難以評估景氣對於購屋者屋者行為影響之區別。另外，由於『台灣住宅需求動向季報』問卷內容系透過新購置住宅者填答，可能因為個人的認知或是其他因素造成填答內容與實際情形有所出入，本研究於研究範圍內已盡量排除並進行控制，但仍可能有部分填答不實之情形，因此若干樣本的內容有可能受到填答者認知或是其他因素影響之情形。. 六、研究方法. 立. 政治大. ‧ 國. 學. 本文利用實證分析，探討購屋者對住宅成交價格之影響，並且釐清其關係。本研究首先將住宅、區位特徵與購屋者特徵劃分，透過住宅及區位特徵建立特. ‧. 徵價格模型，比較加入購屋者變數及未加入時兩者結果之差別，並且接續利用分量迴歸模型，檢視在不同分位下購屋者特徵對房價影響效果之差異，並透過. Nat. n. al. er. io. sit. y. 文獻釐清結果之可能原因。. Ch. engchi. 7 . i n U. v.

(15) 第三節研究架構與流程一、研究架構本研究共分為五章，第一章為「緒論」，包括研究動機與目的，研究問題、研究範圍與方法、研究架構與流程等。第二章為「相關理論與文獻回顧」，包括購屋者搜尋、預期及其屬性特徵對住宅成交價格影響、國內外特徵價格理論與分量迴歸等相關文獻探討。第三章為「研究設計與樣本資料分析」，此部分包含研究設計、模型設定、模型適合度判斷、實證資料說明與初步之敘述統計分析，觀察住宅、區位與購屋者行為、屬性等變數特徵之資料情況。第四章為「實證結果」，其內容主要針對模型實證結果，討論購屋者特徵對成交價格之. 政治大. 影響，釐清各項變數與成交價格之關係，及不同價格分位下之情形。第五章為「結論與建議」，包括研究問題回應、政策建議與研究限制。. 立. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 8 . i n U. v.

(16) 二、研究流程研究動機與目的. 文獻回顧. 購屋者對成交價格之影響. 特徵價格理論. 立. 分量迴歸理論. 研究設計治政大資料整理與分析. ‧ 國. 學模型建立. ‧. Nat. n. al. 結論與建議. Ch. engchi. i n U. 圖一研究流程圖. 9 . er. io. sit. y. 實證結果與分析. v.

(17) 第二章相關理論與文獻回顧第一節購屋者對成交價格之影響一、購屋者搜尋行為在不動產市場中，由於產品具有異質性，買方無法確實掌握市場況，因此為降低購買錯誤造成的風險，勢必會進行搜尋的行為，而消費者的搜尋行為受到搜尋成本與效益的影響。在購屋者為理性的假設下，購屋者會持續搜尋，直到邊際效益等於邊際成本為止(Wilde,1980、Nelson, 1970、Stigler, 1961，轉引自周美玲、張金鶚，2004)。. 政治大. 購屋者搜尋過程中，亦可透過搜尋建立對價格的敏感度與認知，方能具體. 立. 進行購屋決策。因此若購屋者願意投入更多成本進行搜尋，除有機會找到更適. ‧ 國. 學. 合的住宅外，也可以在議價過程中提出更有利於自己的條件(林祖嘉，1994)。而在搜尋的過程中，購屋者亦可建立對住宅價格的敏感度，因此處於資訊地位. ‧. 越有力的購屋者，其議價能力也會高於資訊地位較差的購屋者(廖仲仁、張金鶚，2004)。換句話說，投入越多搜尋成本的購屋者照理說可以在資訊蒐集的. y. Nat. sit. 過程中擁有更高的價格敏感度，進而提升議價的能力、取得更有利的價格。. al. n. 量搜尋行為以反映出購屋者的搜尋策略。. Ch. engchi. er. io. Haurin(1988)也認為在特徵價格模型中，除考量住宅屬性的數量外，也應該考. i n U. v. 過去討論搜尋行為時多著重在搜尋對於價格上的影響，但不動產兼具投資及消費的雙重特性，在購屋者為理性經濟人的假設下，自住型購屋者追求的是房屋總體服務水準最大，為長期持有，期待房屋符合個別家戶所有成員共同需求，以及在持有期間租金的節省(周美玲、張金鶚，2004)。投資型購屋者追求的則是資本利得最大，為短期持有，期待房屋符合市場可接受之普遍需求，且不需就家戶所有成員之需求加以協商，僅期待在持有與轉手之間獲取價差(張金鶚，1992)。在周美伶、張金鶚(2004)研究中也發現，自住型購屋者之搜尋期間較投資型購屋者長，搜尋期間為投資型購屋者的 1.0679 倍，原因在於自住型購屋者因為購屋是供所有家戶成員長期使用，購屋決策的正確性影響層面與成員較廣，因此必須更加積極、多元的搜尋適合的產品。此外，歸納 Betty &Smith(1987)、 10 .

(18) Nelson(1970)的實證結果，年齡越大、所得越高的消費者其搜尋行為會減少，教育程度越高的消費者搜尋行為將增加，而當價格分散程度大或是品質差異越大，會增加搜尋之預期效益，消費者會增加其搜尋行為。. 二、購屋者預期購屋者對於未來市場的預期亦可能影響其價格認知與支付意願，其中投資型購屋者追求的則是資本利得最大，為短期持有，期待房屋符合市場可接受之普遍需求(張金鶚，1992)，因此若預期未來房價仍有上漲空間，對價格將有較高的接受度。而購屋者對房價的預期以往被認為可能在某些層面是使房價高漲的原因之一（Malpezzi & Watchter,2005），因為在購預期房價上漲情況下，會. 政治大. 使購屋者更價積極的進場，並提高對價格的接受度，在交易轉手過程中不斷累積加價。而為使利潤最大化，市場參與者通常會依據過去市場的表現與本身的. 立. 經驗對未來景氣作判斷，彭建文、張金鶚(2000) 透過租金、房價與新建數量. ‧ 國. 學. 三者的聯立方程式，分別以 2SLS 與 3SLS 進行實證分析，實證結果顯示當預期資本利得愈高時，會使房價上漲，但租金卻會減少，因為屋主願意以相對較. ‧. 低的租金將房屋出租，並由長期的資本利得中獲得補償。. sit. y. Nat. Rouwendal & Longhi (2008)探討購屋者預期對於荷蘭住宅市場的影響，並以荷蘭政府所發布的消費者信心指數作為購屋者的對市場預期情形，並分析此. io. n. al. er. 信心指數對於住宅市場景氣與價格的影響，其實證結果顯示當消費者信心指數. i n U. v. 升高時，則對於房價上漲有正向的影響。而 Taltavull & McGreal (2009)利用西. Ch. engchi. 班牙住宅市場約 190 萬筆的房價資料分析售屋者所認知的預期上漲價格在售屋開價中所扮演的角色，並探討此部分的預期價格對於房價上漲趨勢的影響。其實證結果顯示，屋主預期房價上漲將使其房屋開價增加 8%，而且此部分之預期價格隨著房地產市場景氣變化，對於房價上漲有顯著的影響。在國內研究部分，林佑儒、張金鶚. (2010)探討購屋者在台北市與台北縣兩個不同房價水. 準都會區，對於房價合不合理的看法以及影響因素，其實證結果發現台北縣市購屋者對於房價預期有一致的看法，故而推論認為房價不合理者可能偏向理性預期者，對於近期房價趨勢看漲之購屋者則越認為房價不合理。此外實證結果顯示購屋者選擇在房價高漲時進場購屋的原因可能在於購屋者偏向理性預期，對於近期房價看漲有共識，因此怕目前不進場購屋，未來的購屋負擔則會更重。 11 .

(19) 此外，購屋者的預期是充滿異質性的，隨著個人的經驗與不同的資訊管道，個別購屋者可能出現不同預期結果(陳佳甫、張金鶚、謝博明,2012)，由於個別購屋者對未來房市皆有不同預期，而隨著預期結果的不同，對價格的認知也帶來不同影響。廖仲仁、張金鶚(2004)透過實證發現個別購屋者可能因為先前居住地區的外推性預期而支付較多的價格貼水，即原先居住地區的四年期間平均地價上漲率若提高 1%，購屋者需支付 11.4%的價格貼水，顯示購屋者對於房市的預期可能會影響到其對價格的認知，因此轉而影響對價格接受程度的轉變。而朱芳妮(2004)研究中發現，對短期房價趨勢看法因素對於潛在購屋者決策過程中有所影響。其中，潛在購屋者愈看好未來短期房價趨勢，在選擇實則. 政治大或者因公共設施可及性高、接近行政商業中心、通勤成本較低而有而有利於提立. 愈會偏向位於都會中心而非郊區，推測原因可能與都會中心房價水準相對較高，. ‧ 國. 學. 高行情有關。而研究發現若同樣位於都會郊區，潛在購屋者愈看好未來短期房價趨勢則選擇大廈產品的機率高於公寓產品，期推測原因可能與大廈產品的住宅公共設施及社區管理較公寓為佳，且大廈的租賃對象又較公寓來得廣泛而利. ‧. 於日後投資出租等情形有關。. n. al. er. io. sit. y. Nat. 三、購屋者屬性. i n U. v. 購屋者的屬性過去指購屋者的家戶屬性，連經宇(2003)整理國內外在探討. Ch. engchi. 在探討購屋選擇時經常使用的變數，其中影響家戶購買類型的變數包括家戶所得（含扣除房租的所得）、家戶人數，而國外文獻中較為重視家戶所得、家戶人數、戶長年齡、戶長教育程度。而在住宅消費與所得的關係中，Reid (1962) 首先將 Friedman 的恆常所得假說引入住宅需求中，提出住宅消費應由恆常所得決定，而非當期所得。其後的 Robinson (1979)、Mayo (1981)及 Megbolugbe, et. al. (1991)等人亦均認為家戶住宅消費與臨時所得無關。因此，許多經濟學者皆同意以恆常所得作為家戶住宅需求模型之解釋變數(轉引自連經宇， 2003)。林祖嘉、陳建良(2005)認為由於大多數國家住宅價格相對於所得比都相當的高，因此家戶所得直接影響購屋者最重要的因素之一，而除所得以外，而教育程度、年齡對購屋機率都有正面的影響。教育程度較高代表恆常所得較高， 12 .

(20) 年齡較長者則代表可以累積較多的財富。而朱芳妮(2004)實證結果亦顯示，平均家庭月收入因素於已購屋者及潛在購屋者決策過程中有不同方向及程度的影響。其研究結果發現當所得提高時，大廈相較於公寓被選擇的機率會更高；即所得愈高的家戶或當家戶所得增加時，將有更高機會選擇都會中心及近郊住宅產品，顯示較高所得者或當家戶經濟能力提升時，由於購屋負擔能力較高或提高，為提升住宅所帶來的效用，會追求具有地理區位較佳、具有較完善的住宅設施或管理等條件的住宅。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 13 . i n U. v.

(21) 第二節特徵價格理論特徵價格源自於 Lancaster(1966)提出的消費者行為分析，認為在異質性商品的特性下，消費者的效用來自於各項特徵所帶來的功能，因此分析其特徵即可了解消費者對各項特徵的偏好程度。Rosen(1974)結合效用理論發展出的特徵價格理論指出，將消費者對每一項特徵願意支付的費用加總，即是其商品的價格，而不同產品的價格不同源自於不同的特徵帶來不同的效用特徵價格法就是用來評測這些特徵對價格的邊際影響。特徵價格模型源自於效用理論，長久以來被用以估計不動產的價格，住宅是由許多隱含特徵所組成，而這些特徵是決定住宅價格的重要因素，而影響住宅價格的重要特徵會因不同住宅、地域，甚至買者而不同。. 政治大. 而在房價探討的使用上，Follain and Malpezzi(1980)發現半對數模型相對. 立. 於線性模型有某種程度的優勢，包含允許每個特徵擁有不同的價值、估計係數. ‧ 國. 學. 可以解釋為一單位特徵的變動造成價格變動的百分比、可以降低變異數不齊一的問題等。而在國內文獻上，國內文獻彭建文等人 (2007)、林祖嘉、馬毓駿. ‧. (2007)、張怡文(2007)之房價模型，其應變數皆採用總價模型。. y. Nat. 在變數的選取部分，Sirmans,Macpherson, Zietz (2005)則統計過去特徵價格. io. sit. 模型最常使用的 20 個變數，其中最常出現的是住宅及區位屬性，包括房屋結. n. al. er. 構、內部構造、外部設施、自然環境、鄰里區位、公共服務等。而除住宅與區. i n U. v. 位特徵之外，亦有文獻將表價(list price)與銷售期間(time on the market)等賣方. Ch. engchi. 的因素加入討論，Rutherford，Springer and Yavas(2007)指出賣價和銷售時間呈現正向關係，Knight(2002) 檢驗賣價和銷售時間的關係，結果顯示起初過高的訂價會付出相當的成本，因為通常高表價的價格調整比率比較大，如此不僅銷售時間較長，且最後的賣價卻比平均來得低(Sirmans,Macpherson, Zietz ，2005)。此外，為使特徵價格模型的適用姓更貼近真實市場情形，部分文獻納入買方的定錨效果、搜尋效果、賣方的訂價策略，及買賣雙方議價能力的替代變數。在國內文獻部分，過去探討房價相關多使用建築及區位屬性特徵，林人和 (1991) 透過至公園距離、至市中心距離等可及性特徵、建物屬性(屋齡、樓地板面積等)探討影響台中市西區與北區的價格因素，發現至市中心距離、至主要道路距離、樓地板面積大小和屋齡對房價影響較顯著。 14 .

(22) 高文津(2000)以實質屬性(屋齡、地坪等)、可及性(至市中心距離)、生活機能屬性(人性的設計、人文規劃和科技與健康概念)等做為變數，研究嘉義市蘭潭地區住宅屬性對房價的影響，實證結果顯示地坪為影響透天住宅房價的主要因素之一，而生活機能屬性對房價的影響力最高。陳慧潔(2007)以以高雄市美術館園區及農十六特區新蓋住宅大樓為例，透過單價、樓層、面臨路寬、至捷運站距離、至學校距離、至公園距離、一樓是否經營店面、是否具有停車位等變數，探討影響住宅大樓價格之因素，結果發現所在樓層、臨路寬度、住宅大樓與學校之直線距離、住宅大樓與公園之直線距離、是否為第四樓、是否為第一樓為影響住宅大樓價格之顯著影響要素。. 政治大. 蔡仲苓（2008）以所在樓層、屋齡、建物總樓層、臨地路寬、至學校距離、至公園距離、至內湖科學園區距離、至最近捷運站距離、至焚化爐距離等做為. 立. 變數，探討臺北市內湖區住宅屬性價格與房價之關係，發現其中屋齡、臨地路. ‧ 國. 學. 寬、距內科距離、焚化爐距離與距捷運站距離呈現顯著都呈現顯著影響。而在購屋過程的探討中，彭建文(2006)認為在探討交易行為時，賣方因素. ‧. 除表價與銷售期間外，賣方透過表價與議價空間所擬訂的定價策略對成交價格. sit. y. Nat. 影響相當大，經研究證實表價偏離市價程度對成交價格有顯著正向影響，議價. io. er. 空間則對成交價格有顯著負向影響。. al. 廖仲仁、張金鶚(2004 為探討跨區域購屋者是否受到居住地區所在地的定. n. v i n Ch 錨影響，在特徵價格模型中加入參考地價、平均地價上漲率做為定錨效果屬性， engchi U 另加入跨區域與否、是否透過仲介等變數做為搜尋成本屬性，結果顯示跨區域購屋者可能因為外推性預期而支付更多的價格貼水。綜合前述，過內以往在進行價格研究時，大多使用住宅、區位特徵及距離市中心或是公共設施距離做為變數，而儘管有加入賣方訂價策略進行討論，或是利用跨區域與是否透過仲介做為做為搜尋成本的變數，但並沒有針對購屋者特徵對於住宅成交價格的影響進行討論，可能因此過度的放大某些住宅及區位特徵對於成交價格的影響。. 15 .

(23) 第三節分量迴歸理論自從 Rosen (1974) 發展出特徵價格方程式估計法 (hedonic equation method)，學術界與業界就常以此一方法來估計不動產價值，或將其作為與其他估計方法比較的基本模型。而 Koenker and Bassett (1978)提出分量迴歸的模式，指出若分配存在異質變異數或具有肥尾而非常態時，分量迴歸可以提供變數間較為完整的資訊。Reck (2003)認為以普通最小平方法 (ordinary least square, OLS)作估計的迴歸模型中，描述自變數與應變數關係的參數估計是一個單一的向量，且其假設條件分配不存在異質變異，亦即模型將造成所有價位的不動產其特徵屬性都具有同樣的邊際價格，而 Kuan(2007)提到，最小平方法是在衡量中央趨勢位置，無法提供太多分配尾端的資訊。而最小平方法對於分. 政治大通常是偏誤估計量。另外有學者提出將被解釋變數由小到大的排列，然後劃分立配尾端的離群值相當的敏感，當分配型態不是高斯分配時，所估計的母體參數. ‧ 國. 學. 為若干的區間，估計每個區間的解釋變數的係數，由於這種方法只用到部分樣本的訊息，沒有將所有樣本的信息放入考慮，因此所得到的係數，通常也是有. ‧. 偏誤的。Zietz、Zietz and Sirmans(2007)認為最小平方估計式只是解釋變數「平均」地估計被解釋變數的邊際效果，而分量迴歸估計卻是解釋變數在「特定分. sit. y. Nat. 位數」估計被解釋變數的邊際效果，所以也包括中央趨勢量數，即在 0.5 這. io. er. 個分量時可以估計中位數的行為。換句話說如果最小平方法是一種點估計，則分量迴歸則是將不同分量的點估計連結成一條線的估計(凃雅珍，2007)。. al. n. v i n Ch 在國內文獻部分，廖仲仁、張金鶚 e n g(2006)發現過去有關仲介服務對於交 chi U. 易價格影響的實證結果出現許多分歧而不一致的現象，認為原因在於過去文獻皆以普通最小平方迴歸的方式來估計仲介服務的價格效果，因而忽略住宅價格條件分配的差異。其以分量迴歸估計後發現，仲介服務係數在各價格分量呈現很大的差異且顯著。仲介服務的價格效果，在 0.10 分量約有 4.2%的溢價，而 0.75 分量以上則約有-5.6%的折價現象凃雅珍 (2007)為探討嫌惡風水對於房價之影響，使用分量迴歸進一步探討嫌惡風水對於房價的影響是否會隨著房屋價位而不同，其結果發現隨著房價的分量增加，鄰近高架橋、廟宇或神壇的房子之折價幅度會顯著地增加；而位居四樓嫌惡風水對房價的影響，並不會隨著房價的而有所差別，亦即不管購屋能力高低的消費者，所有民眾對於位居四樓的厭惡程度相同。 16 .

(24) 張怡文、江穎慧、張金鶚(2009)認為由於分量迴歸模型的參數估計，極小化所有誤差項絕對值的總和，較普通最小平方迴歸的估計式對於離群值 (outliers)更具穩健性(robustness)，而不動產具有高異質性，即使在同一時點，也會因為類型不同、特徵不同、或地理區位差異而產生不同的價格差異。而高低價位的差異，不動產特徵對其價格的影響也可能不同，為探討不動產特徵對高低價格的影響，遂將分量迴歸用於大量估價模型。其研究結果顯示，發現影響高價位和低價位住宅的因素有差異，雖然影響係數差異有限，但預測精確度確實有提升，而最小平方迴歸模型估計相較於分量迴歸，對於一樓、頂樓、車位、區位等變數有高估或低估的情形。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 17 . i n U. v.

(25) 第四節小結從過去文獻可以發現購屋者的搜尋行為、預期及其屬性可能影響購屋時的決策與購屋者對成交價格的接受度，對其購屋時的住宅成交價格可能有所影響。而過去使用特徵價格模型的國內文獻，在變數的選取上多以住宅特徵、區位特徵、距離公共設施距離等做為主要變數，並較少同時將購屋者搜尋行為、預期及其屬性加入討論，可能因此過度的放大住宅、區位特徵對價格的影響。除此之外，傳統的特徵價格以普通最小平方法的方式估計是一種「平均」的估計，可能會在頭尾的部分造成偏誤，現今的不動產除具有異質性外，價格也有巨大落差，若僅以傳統的最小平方法進行估計，恐無法確實的反應各項特. 政治大. 徵對價格的影響，在國內文獻的實證結果也發現部分特徵在不同分位時對成交價格的影響程度有所不同，亦可透過分量迴歸釐清過去文獻產生不同結果之原. 立. 因。. ‧ 國. 學. 綜合上述，若特徵價格模型僅以建築及區位屬性做為變數，缺乏同時討論不同購屋者在購屋時可能對成交價格造成的影響，那麼對成交價格形成原因的. ‧. 探討可能會有所偏誤；而傳統最小平方的估計亦可能在頭尾的部分造成偏誤以. sit. y. Nat. 致於無法確實釐清影響不動產成交價格之因素，因此在特徵價格模型中加入購屋者特徵並且觀察不同分位時各變數影響的變化程度，可以進一步釐清住宅成. io. n. al. er. 交價格的影響因素，亦可增加模型於現實中的適用性。. Ch. engchi. 18 . i n U. v.

(26) 第三章研究設計與樣本資料分析第一節研究設計本研究的目的在於證實購屋者搜尋、預期及其屬性對於住宅不動產成交價格有所影響，並釐清購屋者搜尋、預期及其屬性對於住宅成交價格的影響程度，並觀察在不同價位的產品時，各項購屋者特徵對價格影響之變化。過去建立特徵價格模型時可能受限於購屋者資料取得困難，未能將購屋者特徵加以考量，可能造成實證結果的偏誤，因此研究透過以宅與區位屬性為主的特徵價格模型中加入購屋者搜尋、預期及其屬性變數，藉此比較購屋者特徵對特徵價格模型結果的影響；另外透過分量迴歸的方式，觀察在不同價位時各. 政治大模型，之後再建立加入購屋者搜尋、預期及屬性變數的特徵價格模型，將前述立項特徵對價格的影響。本文的實證邏輯首先會以住宅及區位特徵建立特徵價格. 兩者進行比較，以釐清在模型配適度、變數影響力變化的情況。確定購屋者特. ‧ 國. 學. 徵變數對特徵價格模型的影響後，再建立分量迴歸的模型進一步釐清在不同價位下各項特徵對住宅成交價格的影響程度。. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. 19 . i n U. v.

(27) 第二節實證模型一、特徵價格迴歸模型本研究目的為探討購屋者對成交價格的影響，根據 Sirmans, Macpherson, and Zietz (2005)研究指出特徵價格模型中半對數模型可透過特徵係數值說明每一單位特徵的改變、百分比的變動並可以最小化異質變異的問題，因此本研究決定以成交總價為應變數的半對數模型進行測試，自變數方面除考量一般住宅與區位變數外，亦考量購屋者預期上漲、購屋搜尋宅數與購屋者收入等變數。為印證加入購屋者行為、屬性變數可提高原先僅以住宅及區位特徵建置之特徵價格模型的配適度，因此本研究先以住宅及區位特徵建置特徵價格模型，接下. 政治大. 來再建置除原先特徵之外另加入購屋者行為、屬性變數的特徵價格模型，以比較結果之不同。. 立. 為能比較考量購屋者屬性與未考量購屋者屬性對於住宅成交價格的影響，. ‧ 國. 學. 先以傳統住宅及區位特徵作為特徵價格的估計變數，建置模型一如 (3-1) 式： α X ＋μ. (3-1). ‧. ln(price ) ＝ α0＋∑. y. Nat. 其中price 為第 i 筆資料成交總價，α0 為常數項，α X 為第 i 筆資料的第 j 個傳. er. io. sit. 統建物特徵屬性，μ 為 i 筆資料的殘差項。. 其次，以模型一為基礎，加入選定的購屋者行為與屬性變數，並設定為模. al. n. 型二，如 (3-2) 式：. Ch. ln(price ) ＝ β0＋∑. engchi. i n U. β X ＋β buyer＋γ. v. (3-2). 其中price 為第 i 筆資料成交總價，β0 為常數項，β X 為第 i 筆資料的第 j 個傳統建物特徵屬性，β buyer 為購屋者行為與屬性相關變數係數，γ 為殘差項。. 二、分量迴歸模型依據 Kuan(2003)文獻所提，分量迴歸的模型架構為 =. (3-3). 其中θ表示分量，範圍介於 0、1 之間；為向量參數； 20 . 表示對應誤差。.

(28) ;. ∑. |. :. |. ∑. 1. :. (3-4)為線性模型，其中，代表被解釋數，. |. |. (3-4). 代表解釋變數的向量，T. 是樣本個數。給定權重θ(0<θ<1)，以加權的平均絕對誤差估計出第θ個分量迴歸的目標函數。若θ等於 0.5，正負誤差權數相等，估計出迴歸模型即為第 0.5 分量之迴歸(亦即中位數迴歸)；而若 θ 小(大)於 0.5，目標函數正誤差的權數將較小(大)，而負誤差的權數將較大(小)，故此分量乃位於分配的左方(右方)。為釐清各項特徵在不同成交價格分位時對成交價格影響之情形，分別由模型二進行延伸，以分量迴歸模式建置模型三如下(3-5)式: ;. ln(price ). ＝ β ＋∑. β X ＋β buyer＋γ. (3-5). 政治大. 其中price 為第 i 筆資料成交總價，其中θ表示分量，範圍介於 0、1 之間，. 立. β 為對應的常數項，β X 為第 i 筆資料的第 j 個傳統建物特徵屬性於θ 分位時，. ‧. ‧ 國. 學. β buyer 為購屋者行為與屬性相關變數係數於θ 分位時，γ 為殘差項。. n. er. io. sit. y. Nat. al. Ch. engchi. 21 . i n U. v.

(29) 第三節資料說明與處理一、資料來源本研究所利用的資料為『台灣住宅需求動向季報』之調查資料，此項調查為政府主導之全國性調查，主旨在於提供市場健全的資訊。該調查採取問卷調查方式，由政府推動民間企業協助調查，經台灣房地產研究中心進行整理與分析，並經過政府、產業與學界討論與校正，其資訊具有相當可信程度。其研究調查時間從 2002 年開始至 2013 年，包含購屋者本身之人口統計特徵、購買之住宅類型、價格、面積、地區以及屋齡樓層等資料，資訊十分豐富。本文選取 2010 年下半年起1至 2012 年第四季的調查資料，資料期間共跨. 政治大偏誤，決定將研究地區鎖定為台北市、新北市兩個性質較為相近的都會區，故立十季。由於不動產有次市場特性，不同地區影響價格的因素都所不同，為避免. 將其他地區予以刪除以簡化地區次市場間之差異。另外，為避免偏誤，除人工. ‧ 國. 學. 判斷刪除不合理之樣本外，亦刪除樣本 5%以下與 95%以上部分。經篩選後，本文總共選取 2,512 筆樣本。. ‧. 二、變數選取. y. Nat. er. io. sit. (一)應變數:不動產交易總價. 不動產成交總價乃由建物面積乘上單價，而建物面積因為建築物型態不同，. n. al. Ch. i n U. v. 其面積是否包含車位、公設等不易區分，如果採用單價模型可能會有偏誤，故. engchi. 本文應變數採用不動產成交總價。國內文獻彭建文等人 (2007)、林祖嘉、馬毓駿 (2007)、張怡文等人(2009)之房價模型，其應變數皆採用總價模型。 (二)自變數根據文獻回顧選取傳統特徵價格模型使用之住宅與區位特徵變數，並且配合本文欲探討主題，參考文獻選取購屋者特徵變數，以分析將購屋者屬性加入傳統特徵價格模型之影響；因此變數方面除考量一般建築屬性與區位變數外，亦包含購屋者預期、購屋前搜尋宅數、購屋者年齡、購屋者學歷、購屋者家庭收入等變數。茲將選取變數說明如下：                                                         1. 住宅需求動向調查於 2010 年時，以上半年、下半年的方式發表。由於每季問卷問項接有些許改變，因此取問項連續的 2010 下半年至 2012 年第 4 季做為研究的期間。 22 .

(30) 1.住宅構面樓高(T) 建築越高通常代表建築投入更多的建材成本與技術，因此樓高越高對不動產價格應有正面的影響。一般六樓及以下樓層數者為公寓住宅，六樓以上樓層者表示電梯住宅大廈，也就是樓層愈高，建築成本愈多，價格亦愈高 ( 李月華， 1997) ，故地上樓層總數對成交價格應為正向關係，預期符號為正。屋齡(Y) 不動產建物會隨著時間產生折舊的現象，因此屋齡越高對房價應有負面影響，屋齡愈大，表示住宅本身結構與設備相對上耗損愈多，耐用年限減少，所. 政治大. 需支付經營維修成本增加 ( 林祖嘉、林素菁，1994、張金鶚，1995 ) ，故本. 立. 文預期屋齡對於成交價格影響預期符號為負。. ‧ 國. 學. 坪數(P). 衛浴數(B). ‧. 坪數越多將會使不動產的總價越高，預期符號為正。. sit. y. Nat. io. 與居住品質的提升，預期符號為正 (張金鶚，1995)。. n. al. 一樓(F). Ch. engchi. er. 衛浴數量與居住品質關係密切，另外衛浴設備套數愈多，隱含建築成本的增加. i n U. v. 過去對於樓層的討論認為一樓與頂樓對於購屋者可以帶來更高的效用，而四樓則是受到傳統觀念不吉利影響導效用的減少(張金鶚，1995)。但隨著時空變遷，現今住宅形式不同以往以公寓為主，且頂樓現今亦無法加建使用，而四樓不吉利的觀念也日漸式微，因此本文僅將樓層變數分為一樓與非一樓，以虛擬變數處理，預期符號為正。 2.區位構面我國人口集中，在都市土地稀少的情況下，區位因素更能左右房地產價格的高低(張金鶚、范垂爐，1993)。過去對於區位變數多使用市區、郊區的方式設置虛擬變數，本文考量到各行政區次市場的因素可能對房價有所影響，故參 23 .

(31) 考《國泰房地產指數季報》，設定台北市中心(TCC)2、台北市市區(TC)、台北市郊區(TS)、新北市中心(NCC)3、新北市市區(NC)做為虛擬變數。 3.購屋者行為構面搜尋宅數(S) 搜尋宅數即代表購屋者在購買第 i 筆不動產前的看屋數，如果賣方願意投入更多成本去搜尋，除可能找到更好的房屋外，對於正在議價中的房屋也可以提出更有利於自己的條件(林祖嘉，1994)，預期符號為負。過去文獻不少以搜尋期間做為衡量，但本研究資料係以問卷方式取得，其中購屋者對搜尋期間認知差異較大，故填答結果較為混亂，本研究經測試後決定以搜尋宅數做為搜尋行為的替代變數。. 立. 預期看漲4(R). 政治大. ‧ 國. 學. 指新購置住宅者預期未來三個月不動產市場為上漲。由於預期未來房價上漲，購屋者可能因此增加對價格的接受度，或是因為本身經驗推演而支付更多. ‧. 的價格貼水(廖仲仁、張金鶚，2004)，因此預期符號為正。. sit. y. Nat. 4.購屋者屬性構面. n. al. er. io. 購屋者教育程度5 (E). i n U. v. 購屋者教育程度高者通常恆常所得較高(林祖嘉、陳建良，2005)，預期符號為正。. Ch. engchi. 購屋者年齡(O)6 購屋者的年齡較長代表可能累積較多的財富(林祖嘉、陳建良，2005)，並且擁有較豐富的居住經驗，預期符號為正。                                                         2. 台北市中心為中山、松山、大安、信義，市區為中正、士林、內湖、南港，其餘為郊區。新北市中心為板橋、新店、永和，市區為中和、汐止、土城、三重、新莊、蘆洲、淡水，其餘為郊區。 4 台灣住宅需求動向季報問卷的問項詢問對未來房價的看法，問項為大幅下跌、小幅下跌、持平、小幅上漲、大幅上漲等五個問項，本文將小幅上漲、大幅上漲歸類為預期看漲。 5 台灣住宅需求動向季報問卷的問項將購屋者學歷分為小學以下、國中、高中/職(含五專前三年) 、大學(專)、研究所以上等 5 個問項，本文以連續變數表示。 6 台灣住宅需求動向季報問卷的問項包含購屋者出生年與購買年分，本文以購買年分減去出生年求得購屋者年齡。 24 3.

(32) 收入收入代表購屋者的負擔能力，收入越低者負擔能力越低，對價格上限的底線應越強硬以避免超過其負擔能力，本文以較高收入7(HI)、中等收入(MI)為虛擬變數，預期符號為正。 5.購屋時間(T)8 不動產成交價格也受到當時市場的景氣影響，本文資料期間為民國 99 年下半年至 101 年第四季，故取民國 101 年、民國 100 年、民國 99 年做為虛擬變數。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v.                                                        . 7. 台灣住宅需求動向季報問卷月收入部分級距分為 3 萬以下、3~6 萬、6~9 萬、9~12 萬、12~15 萬、15 萬以上，本文將 3 萬以下、3~6 萬歸類為較低收入，6~9 萬、9~12 萬、12~15 萬歸類為中等收入，15 萬以上為高收入。 8 台灣住宅需求動向季報問卷的問項包含購屋者出生年與購買年分，本文用購買年分減去出生年求得購屋者年齡。 25 .

(33) 表一住宅特徵價格估計之相關變數定義變數名稱(代號). 說明. 符號. 被解釋變數第 i 筆住宅之成交總價 ( 萬元 )取半對數. 成交總價(LnP) 解釋變數樓高(T). 第 i 筆住宅所在之總樓層數 ( 層 ). 住. 屋齡(Y). 第 i 筆住宅的屋齡 ( 年 ). 宅. 坪數(P). 第 i 筆住宅的登記總面積 ( 坪 ). 衛浴數(B). 第 i 筆住宅的衛浴設備套數 ( 套 ). 一樓(F). 若第 i 筆住宅位於一樓，則 F＝1 ，否則 F＝0. 台北市中心(TCC). 若第 i 筆住宅位於台北市中心，則 TCC＝1 ，否則 TCC＝0. 台北市市區(TC). 若第 i 筆住宅位於台北市市區，則 TC＝1 ，否則 TC＝0. 區. 台北市郊區(TS). 若第 i 筆住宅位於台北市郊區，則 TS＝1 ，否則 TS＝0. 位. 新北市中心(NCC). 政治大若第 i 筆住宅位於新北市中心，則 NCC＝1 ，否則 NCC＝0 立若第 i 筆住宅位於新北市市區，則 NC＝1 ，否則 NC＝0. 搜尋宅數(S). Base，若第 i 筆住宅位於新北市郊區. 學. 新北市郊區. ‧ 國. 新北市市區(NC). 第 i 筆住宅購屋者購屋前看屋數( 戶 ). 購屋者年齡(O). 第 i 筆住宅購屋者年齡( 歲 ). 購屋者教育程度(E). 第 i 筆住宅購屋者教育程度. 屬. 較高收入(HI). 若第 i 筆住宅購屋者為較高收入，則 HI＝1 ，否則 HI＝0. 性. 中等收入(MI). y. sit. er. io. 若第 i 筆住宅購屋者為中等收入，則 MI＝1 ，否則 MI＝0. al. + + + + + +. 101 年購屋(Q101). +. 100 年購屋(Q100). 若第 i 筆住宅於民國 100 年購買，則 Q100＝1，否則 Q100＝. +. Base，若第 i 筆住宅購屋者為較低收入. n. 間. 0 99 年購屋. Base，若第 i 筆住宅於民國 99 年購買. 26 . + + +. v i n 若第 iC 筆住宅於民國 101 年購買，則 Q101＝1，否則 Q101＝ hengchi U 0. 較低收入時. ‧. 第 i 筆住宅購屋者預期未來上漲，則 R＝1 ，否則 R＝0. Nat. 購屋者預期看漲(R). + + + +.

(34) 三、基本敘述統計 (一)變數敘述統計表二為前述所挑選取的變數之基本敘述統計，經篩選後樣本數共計 2512 筆。在住宅特徵的連續變數部份，樣本的平均樓高為 10.78 層，屋齡平均為 12.85 年，坪數平均為 33.38 坪，衛浴平均為 1.64 套。在虛擬變數部分，一樓占樣本的比例較低，僅有 2%。區位部分台北市中心占樣本數新 8.24%，台北市市區占 7.21%，台北市郊區占 9.71%，新北市中心占 20.82%，新北市市區比例占 43.51%。. 治政數為 3.95 級，接近第 4 級的「大學畢業」程度。購屋前的搜尋宅數平均數為大立 10.71 戶。在收入部分，較高收入與較中等收入分別占 11.19%與 52.11%。預期購屋者行為變數部分，購屋者年齡平均為 38.15 歲。教育程度部分，平均. ‧ 國. 學. 未來房價上漲的購屋者則占 44.43%。. 在樣本的購買住宅時間上，於民國 99 年購買者占 21.54%，於民國 100 年. ‧. 購買者占 40.53%、於民國 101 購買者占 37.94%。. y. Nat. io. sit. (二)成交價格分布情形. n. al. er. 觀察表二，本次樣本的住宅成交價格平均數為 1096 萬元，最小值為 256. i n U. v. 萬元，最大值為 10000 萬元。表三為各分位成交價的數值，0.1 分量為 550 萬. Ch. engchi. 元、0.25 分量為 699 萬元、0.5 分量為 910 萬元、0.75 分量為 1274 萬元、0.9 分量為 1737 萬元。. 27 .

(35) 表二變數基本統計單位. 變數名稱(代號). 平. 均. 數. ( Mean ). 標準差. 最. 小. 值. 最. 大. ( Std Dev ). ( Minimum ). ( Maximum ). 萬元. 1096.60. 701.47. 256. 10000. 坪數(P). 坪. 33.38. 11.88. 8.34. 120. 樓高(T). 層. 10.78. 5.74. 1. 43. 屋齡(Y). 年. 12.85. 11.54. 0. 45. 衛浴數(B). 套. 1.64. 0.54. 1. 5. 購屋者年齡(O). 歲. 38.15. 8.61. 23. 71. 搜尋宅數(S). 戶. 10.71. 9.84. 1. 50. 購屋者教育程度(E). 級. 3.95. 0.61. 1. 5. 成交總價(Price). 佔樣本比例 2.00%. 一樓(F) 台北市中心(TCC). 立. 台北市市區(TC). 政治大 8.24% 7.21%. 以虛擬變數處理. 9.71%. 以虛擬變數處理. 以虛擬變數處理以虛擬變數處理. 學. ‧ 國. 台北市郊區(TS). 20.82%. 新北市市區(NC). 43.51%. 購屋者預期看漲(R). 44.43%. 以虛擬變數處理. 較高收入(HI). 11.19%. 以虛擬變數處理. 52.11%. 以虛擬變數處理. 21.54%. 以虛擬變數處理. al. 2512. 總樣本數. y. sit. 40.53%. 以虛擬變數處理. 37.94%. n. 民國 101 年購屋. 以虛擬變數處理. er. io. 民國 100 年購屋. 以虛擬變數處理. ‧. 民國 99 年購屋. Nat. 新北市中心(NCC). 中等收入(MI). Ch. engchi U. v ni. 以虛擬變數處理. 表三各分量住宅成交價格分位. 0.1. 成交總價 550 萬. 0.25. 0.5. 0.75. 0.9. 699 萬. 910 萬. 1274 萬. 1737 萬. 28 . 值.

(36) 第四節購屋者分析為準確分析購屋者的搜尋、預期以及屬性對成交價格的影響，本研究針對購屋者各項變數進行交叉分析，以釐清各群體之間的關係與情形。主要將購屋者分為動機與負擔能力兩個面向進行分析，購屋的目的可以分為投資目的與消費目的，能力的部分則以購屋者家庭收入的高低作為衡量。動機與負擔能力與之有關的購屋者行為與特徵變數包含年齡、搜尋程度、教育程度，此外也將購買的房屋總價加入討論。而預期為個人主觀的預測，與動機及負擔能力較無關聯。以下以 T 檢定、單因子變異數分析與卡方檢定釐清購屋者動機、能力對行為及特徵之關係。. 一、購屋者動機之 T 檢定. 立. 政治大. 購屋的動機可以分為消費目的與投資目的，消費型購屋者的目的為自行居. ‧ 國. 學. 住，購屋時必須考量家庭的需要與生活上的限制，在選屋上更加重視居住帶來的效用。投資型購屋者則以投資為目的，並非為本身或家庭居住，在購屋上彈. ‧. 性較大，選擇上較不受限，此外更重視不動產增產保值的空間與價格上獲利的機會。表四為 T 檢定的結果，可以發現投資者與消費者在年齡、搜尋宅數、. Nat. sit. y. 教育程度與購屋總價上皆有顯著的差異。再從平均數比較，投資型購屋者的平. al. er. io. 均年齡較消費型購屋者大，搜尋宅數則較少，教育程度較低且購買的房屋總價. n. 平均高於消費型購屋者。. Ch. engchi. i n U. v. 表四投資與消費動機與各因素間的獨立樣本 t 檢定摘要表因素. 購屋動機. 樣本數. 平均數. T值. P值. 購屋者年齡. 投資者. 440. 42.02. 10.044. 0.000. 消費者. 2072. 37.33. 投資者. 440. 8.97. -4.457. 0.000. 消費者. 2072. 11.08. 投資者. 440. 3.80. -5.293. 0.000. 消費者. 2072. 3.98. 投資者. 440. 1205.68. 3.030. 0.003. 消費者. 2072. 1073.43. 購屋者搜尋宅數. 購屋者教育程度. 房屋總價. 29 .

(37) 二、不同收入之單因子變異數分析家庭收入反應部分購屋者購買住宅的負擔能力，收入越高的購屋者在購屋時對房價應有越高的容受空間，在標的價格的選擇上有較高的接受度。而收入較低者由於負擔能力較低，房價若過高將會排擠其他生活品質，因此對於價格必須更加堅持。表五為單因子變異數分析之結果，可以發現不同收入的購屋者在年齡、搜尋宅數、教育程度與購屋總價上皆有顯著的差異。從表六進一步比較，年齡方面，高收入與中收入、低收入，中收入與低收入皆有顯著差異。搜尋宅數方面，除低收入與中收入間沒有顯著差異外，其餘皆呈顯著差異。教育程度方面，僅有中收入與低收入有顯著差異，其餘皆不顯著。在購買的房屋總價部分，高、中、低收入之間皆呈現顯著的差異。. 政治大. 表五收入於各因素之單因子變異數分析資料摘要表. io. 38.42. 高收入. 44.49. 低收入. 11.217. 中收入. 10.982. 高收入. 7.774. 低收入. 3.92. 中收入. 3.98. n. a高收入 l C 低收入 h. 房屋總價. 3.90. 中收入. e n899.83 gchi. 高收入. 1894.09. 1063.99. 30 . 121.216. 14.399. 0.0000. 0.0000. y. 中收入. sit. ‧ 國 Nat. 購屋者教育程度. 35.83. P值. ‧. 購屋者搜尋宅數. 低收入. F值. 學. 購屋者年齡. 平均數. 3.567. er. 立. 因素. i n U. v. 265.477. 0.0284. 0.0000.

(38) 表六收入多重比較摘要表 (I)高、中、低收入. 因素. (J)高、中、低收入平均數差異 (I-J). 低收入. 中收入. -2.598*. 低收入中收入. 高收入高收入. -8.668* -6.071*. 購屋者搜尋宅數. 低收入低收入中收入. 中收入高收入高收入. 0.2350 3.4434* 3.2084*. 購屋者教育程度. 低收入低收入中收入. 中收入高收入高收入. -0.061* 0.0126 0.0739. 房屋總價. 低收入低收入中收入. 中收入治政高收入大高收入. 購屋者年齡. 立. ‧ 國. 學. 三、購屋動機與收入之卡方檢定. -164.1588721* -994.2542535* -830.0953814*. 為釐清購屋者動機與能力的關係，進一步透過卡方檢定進行購屋動機與收. ‧. 入高低之間的獨立性分析。根據表七顯示，購屋者動機與收入的關係呈極顯著，. sit. y. Nat. 顯示購屋動機與收入高低有極明顯的關係存在。藉由交叉列聯表的方式分析其. io. al. n. 高。. er. 特徵得知，當購屋者收入偏高時，投資目的在購屋動機中所佔的比例也相對偏. i n Ch 表七購屋動機與收入之卡方檢定 U i e h n c g 卡方值 P值顯著性 129.102a. 0.000. v. ***. 表八購屋動機與收入之交叉列聯表結果購屋目的為投資或消費消費. 購屋者收入. 總和. 投資. 樣本數. 低收入. 86.77%. 800 13.23%. 122. 922. 中收入. 84.64% 1108 15.36%. 201. 1309. 高收入. 58.36%. 164 41.64%. 117. 281. 82.48% 2072 17.52%. 440. 2512. 31 . 總和.

(39) 綜合以上分析，可以觀察到在不同價位的住宅，其購屋者的動機、負擔能力與行為將有所不同。在低價位的房價時，有較大比例的購屋者屬於收入較低的族群，此時購屋者平均年齡較低，大多數的購屋動機以消費為主，並且在購屋前會有較多的搜尋宅數。而購買高價位住宅中投資者的比例可能更高，並且為收入較高的族群，此時搜尋宅數較少，購屋者的平均年齡也較高。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 32 . i n U. v.

(40) 第四章實證分析第一節特徵價格模型實證結果為觀察加入購屋者行為變數對特徵價格模型的影響，本文的實證邏輯即是以房屋成交總價做為被解釋變數，首先住宅、區位特徵建立模型一的特徵價格模型，模型一的被解釋變數為住宅成交總價，被解釋變數為以往特徵價格模型較常使用的住宅及區位變數，包含總樓高、屋齡、坪數、衛浴數、是否為一樓、區位、交易年等變數。之後再由模型一繼續加入其餘購屋者特徵變數建立模型二的特徵價格模型。根據 Sirmans,Macpherson,and Zietz (2005)研究指出特徵價格模型中半對數模型可透過特徵係數值說明每一單位特徵的改變、百分比的變. 政治大. 動並可以最小化異質變異的問題，因此本研究決亦採用半對數模型。除上述透過觀察購屋者特徵變數於模型的影響外，也透過比較模型一與模型二之差異釐. 立. 清僅以住宅、區位特徵建構之模型是否能進一步提升配適度。. ‧ 國. 學. 觀察表九，模型一調整後之 R-square 值為 0.725，整體模型配適度佳，而所有解釋變數皆達到 1%的顯著水準。其中屋齡為負向顯著，其餘解釋變數皆. ‧. 為正向顯著，皆與預期相符。觀察標準化係數，坪數對住宅成交價格影響最大，. sit. y. Nat. 其次依序為台北市中心至新北市市區等區位變數、購買年 2012 至 2011 等時間變數、屋齡、是否為一樓、樓高，其中對成交價格影響最小的變數為衛浴數。. io. n. al. er. 觀察表九，模型一各解釋變數之變異數膨脹因子(VIF)皆小於 10，顯示各解釋變數間不至於造成線性重合問題。. Ch. engchi. i n U. v. 模型二以模型一做為衍伸，除保留原先模型一的解釋變數外，另加入購屋者搜尋、預期及屬性相關變數，包含購屋前搜尋宅數、購屋者年齡、購屋者教育程度、收入、對未來房價預期等變數。觀察表九，模型二調整後之 R-square 值為 0.750，整體模型配適度佳，而所有解釋變數皆達到 1%的顯著水準，加入的購屋者行為與屬性變數皆為正向顯著。其中，購屋者之搜尋宅數為正向顯著，與預期不符，其餘變數皆與預期相符。觀察標準化係數，加入的購屋者行為與屬性變數中，影響成交價最大的為購屋者的收入，其次依序為教育程度、購屋者年齡、搜尋宅數、是否預期看漲。觀察表九，模型二各解釋變數之變異數膨脹因子皆小於 10，亦顯示個解釋變數間不至於造成線性重合問題。比較模型一與模型二，可以發現調整後之 R-square 由模型一的 0.725 上升 33 .

(41) 至模型二的 0.750，模型配適度略為提升，但上升幅度並不大。觀察表十，可以釐清將各購屋者行為與屬性變數加入模型後對調整後之 R-square 之提升程度，另外透過顯著性 F 改變量觀察，額外加入的解釋變數對應變數皆為顯著，顯示額外加入的購屋者行為與屬性變數有顯著的解釋能力。另外，從標準化係數觀察，可以發現雖然區位屬性跟部分住宅特徵對成交價有較大的影響力，但是新加入的購屋者變數中，有部分的變數影響力亦高於傳統經常使用的住宅變數。表十一為模型二中變數影響力的排名，在模型使用的 18 個變數中，排名較前面的分別是坪數與區位變數，但較高收入排名為第 8、中等收入排名為第 11、教育程度排名為第 12、年齡排名為第 14，顯示新加入的購屋者變數仍有一定的影響力，其中部分影響力甚至超越過去經常使用的住宅變數。. 政治大入的變數皆有顯著的解釋能力。若從對房價的影響層面觀察，可以發現部分加立綜合上述，加入購屋者特徵變數對模型的配適度有些許的提升，且額外加. ‧ 國. 學. 入的購屋者特徵變數對房價的影響能力高於原先既有的住宅變數。由實證結果可知，若以成交價格建立特徵價格模型時忽略購屋者搜尋、預期及屬性變數，將有可能過度放大住宅變數對房價的影響力而造成偏誤。. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. 34 . i n U. v.

(42) 表九購屋者特徵對成交價格影響的實證估計結果模型一係數值. 標準化係數. 模型二 VIF. 模型二. 標準化係數. 值 5.462***. 5.903***. (178.75). (97.76). 0.005***. 0.058. 0.004***. 0.053. 1.605. -0.130. 1.686. 0.565. 1.699. 1.445. 0.045. 1.455. 1.032. 0.066. 1.04. 0.486. 1.771. 0.436. 1.685. 0.376. 1.882. 0.378. 2.512. 0.317. 3.07. 0.231. 1.785. 0.122. 1.748. 0.036. 1.052. 0.054. 1.328. 0.083. 1.203. 1.594. (4.35). (4.197). -0.006***. 屋齡(Y). -0.144. -0.005. 1.652. (-10.69). (-10.03). 0.024***. 坪數(P). 0.603. 0.022***. 1.549. (46.37). (43.39). 0.046***. 衛浴數(B). (4.24). 立 (6.26). 0.214***. 台北市中心(TCC). 0.899***. 0.528. 0.826***. 1.686. (38.89). (36.53). 0.860***. 0.475. 0.789***. 1.613. (35.76). (33.63). 0.650***. Nat. 台北市郊區(TS). (6.45). 0.411. 0.594***. 1.817. (27.44). io. 0.469***. al. 0.407. n 2012 年交易(Q2012). Ch. 0.213***. 0.344. 3.029. engchi 0.221. i n U. 1.737. (16.05) 2011 年交易(Q2011). v. (23.88). 0.325*** (18.91). 0.436***. 2.459. (24.83). 新北市市區(NC). sit. (29.18). 新北市中心(NCC). ‧. 台北市市區(TC). 0.039*** 治政 (3.71) 大 0.066 0.212***. 學. ‧ 國. 一樓(F). 0.053. y. 樓高(T). 值. er. 截距項. VIF. 0.12***. 0.299*** (18.12). 0.223*** (17.35). 0.126. (9.17). 1.722. 0.116*** (9.23) 0.002***. 搜尋宅數(S). (3.47) 0.003***. 購屋者年齡(O). (4.65) 0.064***. 購屋者教育程度(O). (7.57) 註: 1.***、**、*分別代表在 1%、5%、10%顯著水準下，該變數顯著異於零。 2.括弧內為 t 值。 35 .

(43) 續表九購屋者屬性對成交價格影響的實證估計結果模型一係數值. 模型二. 標準化係數值. VIF. 模型二. 標準化係. VIF. 數值 0.031***. 預期看漲(R). 0.033. 1.019. 0.13. 1.438. 0.09. 1.259. (3.23) 0.194***. 較高收入(HI). (10.93) 0.085***. 中等收入(MI). (8.08) 2. Adj-R F值樣本數. 0.725. 0.75. 553.97. 418.71. 2512 治政註: 1.***、**、*分別代表在 1%、5%、10%顯著水準下，該變數顯著異於零。大 2.括弧內為 t 值。立表十加入購屋者特徵變數對模型一之影響調過後的 R 平方. io. 購屋者教育程度. 0.727. 553.973. 12. 0.727. 0.002. 16.633. 1. 0.728. 0.001. 11.676. 0.736. 0.007. 69.233. a0.736 l. 0.001. 收入. 2499. 0.000. 2498. 0.000. 1. 2497. 0.001. 1. 2496. 0.000. v1 i 0.750 C Un 2 h e n g0.013c h i67.431. 2495. 0.005. 2493. 0.000. n. 購屋者預期看漲. 顯著性 F 改變. y. 0.725. df2. sit. 搜尋宅數. Nat. 購屋者年齡. df1. 8.074. er. 逐步加入變數. F 改變. ‧. 模型一. R 平方改變量. 學. ‧ 國. 2512. 表十一模型二變數影響力列表房價影響程. 變數. 度排名. 1 2 3 4 5 6 7 8 9. 坪數台北市中心台北市市區新北市中心台北市郊區新北市市區 2012 年交易較高收入屋齡. 標準化係. 房價影響. 數值. 程度排名. 0.5647. 10 11 12 13 14 15 16 17 18. 0.4855 0.4358 0.3779 0.3759 0.3171 0.2315 0.1309 -0.1301. 36 . 變數. 標準化係數值. 2011 年交易中等收入購屋者教育程度一樓購屋者年齡樓高衛浴數搜尋宅數預期看漲. 0.1219 0.0905 0.0829 0.0657 0.0535 0.0531 0.0447 0.0355 0.0325.