人口老化對房價影響之研究-以臺北市與臺中市為例 - 政大學術集成

全文

(1)國立政治大學地政學系碩士在職專班碩士學位論文. 人口老化對房價影響之研究-以臺北市與臺政治. 立. 大. 中市為例. ‧ 國. 學. ‧. The Study of The Impact of Population Aging on Housing Prices. er. io. sit. y. Nat. al. n. iv n C 究 h 生e ： n g c柯h i U秀環. 研. 指導教授：林左裕博士. 中. 華. 民. 國. 一. ○. 九. 年. 六. 月. DOI:10.6814/NCCU202001041.

(2) 謝. 辭. 自民國一○六年九月進入政大地政學系碩士在職專班就讀以來，歷經三年時光，對於非本科生的我來說，有許多的科目實屬陌生，因此本身就必須付出更多的心力在課業上，但這些都不是最艱難的，更難以面對的是三年學習當中每年親人的變故，就如同西天取經一般要遭逢九九八十一難，才能完成難巨的任務。所幸三年就讀過程期間承蒙林左裕教授不吝指導、論文評論人新北市估價師公會副理事長莊濰銓、期初期末報告時期吳秀明老師、林子欽老師、江穎慧老師、邊泰明老師、劉小蘭老師、孫振義老師的建議、導師賴宗裕老. 政治大論文的誕生，在此致上無限謝意，僅以此謝辭致敬。立. 師的提醒、論文口試委員彭建文教授以及林哲群教授的指點，才能有此篇. 本篇論文尚有待著墨之處，藉由本篇論文希望能拋磚引玉，期盼未來. ‧ 國. 學. 能有更多的人員研究人口老化這個議題，並提出更臻成熟之看法與結論。. ‧. 感謝我先生的大力支持，三年風雨無阻的往來接送；孩子的體貼讓我可以無後顧之憂地專心學習；同班的同學、上下屆的學長、學姐們的協助，. y. Nat. sit. 讓我在研習的道路上始終有志同道合的人一起成長。一個人走，固然走得. n. al. er. io. 快些；然而相同志趣的人一起走，卻可以走得長遠些。. i n C U hengchi 成的學業，如今終將逐步完成。. v. 父母恩重難報，最後謹以遲來的論文獻給在天上的雙親，當年未能完. 誌於 2020.06.30. DOI:10.6814/NCCU202001041.

(3) 摘. 要. 近年來老年化問題為主要的人口結構研究議題，而臺北市與臺中市的人口結構屬於聯合國衛生組織定義的「高齡化社會」逐漸轉變為「高齡社會」。然而，依據過去文獻表示，人口結構的變化會對於房地產市場帶來結構性的變化，並且影響程度高於景氣波動和經濟成長所產生之衝擊。本研究以臺北市與臺中市作為研究對象，以共整合檢定和向量誤差修正模型為研究方法；立基於「都市化經濟」的理論基礎，嘗試了解臺北市與臺中市人口結構高齡化趨勢對其房價的影響，同時考量：勞保投保人數、公共設施面積占比、營業人家數、交通運輸、利率、物價指數、股價指數以及貨幣供給. 政治大口占比愈高，則會減弱該地區的房價指數。其他變數方面，勞保投保人數、立 M2 成長率等變數影響。研究結果發現，無論是臺北市或臺中市，當老年人. ‧ 國. 學. 營業人家數、物價指數、股價指數、以及貨幣供給 M2 成長率都對於臺北市與臺中市的房價指數帶來正面影響；利率則對於這兩地區的房價指數帶來. ‧. 負面影響；而公共設施用地面積占比愈高，以及交通運輸愈便利，只會對於臺北市房價指數帶來正面的影響效果。. y. Nat. n. al. er. io. sit. 關鍵字：人口結構、高齡社會、房價指數、共整合分析、時間序列. Ch. engchi. i Un. v. DOI:10.6814/NCCU202001041.

(4) Abstract In recent years, the issue of aging has been the main research topic of population structure, and the population structure of Taipei and Taichung City has gradually turned into the "senior society" as defined by the United Nations Health Organization. However, according to past literature, changes in the population structure will bring structural changes to the real estate market, and the impact will be higher than that on the economic development. This study selects Taipei City and Taichung City as the research objects, and applies the co-integration test and vector error correction model as the research method. Based on the theoretical basis of the "urban economics", this study intends to explore the impact of the. 政治大. aging trend of the population structure on the house prices in Taipei City and Taichung City. Other independent variables includes labor participation rate, area. 立. of public facilities, price level, number of labor insurance insurers, number of. ‧ 國. 學. business groups, interest rates, money supply, transportation system, and stock prices, etc. Empirical results from this study indicate that, for both Taipei and. ‧. Taichung City, the higher the proportion of the elderly population, the lower the housing price index in the region. As for other variables, the number of labor. Nat. sit. y. insurance insurers, the number of business households, the price level, the stock. al. er. io. price index, and the growth rate of the money supply all have positive impacts on. n. the housing price index in Taipei and Taichung. As expected, interest rates have. Ch. i Un. v. negative impacts on the housing price index in these two cities. This study also. engchi. finds that the proportion of public facilities and the convenient transportation system have a positive impact on the Taipei housing price index. Keywords: Demographic structure, Senior society, House price index, Cointegration analysis, Time series.. DOI:10.6814/NCCU202001041.

(5) 目. 錄. 第一章緒論 .................................................. 1 第一節研究背景與動機 ...................................... 1 第二節研究目的 ............................................ 9 第三節研究架構與流程 ..................................... 10 第四節研究範圍與限制 ..................................... 12 第二章理論探討與文獻回顧 ................................... 17 第一節房價影響因素分析 ................................... 17 第二節高齡化與結構性改變影響因素 ......................... 27. 政治大第三章現況分析 ............................................. 35 立第一節房價指數趨勢 ....................................... 35 第三節高齡化人口結構與房價時間趨勢 ....................... 31. ‧ 國. 學. 第二節房價指數與人口老化比率趨勢 ......................... 38 第三節房價指數與人口淨流入趨勢 ........................... 43. ‧. 第四章研究方法 ............................................. 45. Nat. sit. y. 第一節資料選取與定義 ..................................... 45. al. er. io. 第二節實證估計模型與研究假設 ............................. 47. iv n C 時間序列資料估計與檢定 51 h e n g c............................. hi U n. 第三節實證分析流程與架構 ................................. 49 第四節. 第五章實證分析 ............................................. 55 第一節敘述性統計 ......................................... 55 第二節單根檢定 ........................................... 63 第三節共整合檢定 ......................................... 66 第四節人口老化對於房價影響實證估計結果 ................... 68 第六章結論與建議 ........................................... 73 第一節結論 ............................................... 73 第二節建議 ............................................... 76 參考文獻 .................................................... 79 附錄：公司登記家數－按行業別及縣市別分 ...................... 86. DOI:10.6814/NCCU202001041.

(6) 圖目錄圖 1-1 人口老化、買房關鍵詞 Google 趨勢熱門程度 ............... 3 圖 1-2 人口老化關鍵詞 Google 趨勢熱門程度 ..................... 4 圖 1-3 人口老化對房價影響之研究架構 ......................... 10 圖 1-4 人口老化對房價影響之研究流程 ......................... 11 圖 1-5 房價趨勢分數 ......................................... 13 圖 1-6 消費者物價指數全年漲跌率 ............................. 13 圖 1-7 GDP 平減指數 .......................................... 14 圖 2-1 六大都會區房價指數圖 .................................. 23. 政治大圖 3-2 臺北市與臺中市房價指數成長率趨勢圖 ................... 37 立圖 3-1 臺北市與臺中市房價房價趨勢分數圖 ..................... 36. 圖 3-3 臺北市與臺中市 65 歲以上人口占比時間趨勢圖 ............ 40. ‧ 國. 學. 圖 3-4 臺北市房價指數與 65 歲以上人口占比趨勢圖 .............. 41. ‧. 圖 3-5 臺中市房價指數與 65 歲以上人口占比趨勢圖 .............. 42 圖 3-6 臺北市與臺中市人口淨流入趨勢圖 ....................... 43. y. Nat. sit. 圖 3-7 臺北市房價指數、人口老化比率與人口淨流入趨勢圖 ....... 44. n. al. er. io. 圖 3-8 臺中市房價指數、人口老化比率與人口淨流入趨勢圖 ....... 44. i Un. v. 圖 4-1 實證分析流程與架構 ................................... 50. Ch. engchi. DOI:10.6814/NCCU202001041.

(7) 表目錄. 表 1-1 公司登記家數異動─按縣市別分 .......................... 5 表 1-2 國內六個直轄市人口淨流入 .............................. 6 表 1-3 國內六個直轄市人口老化比率(年資料) .................... 7 表 2-1 六大都會區房價指數 .................................... 20 表 2-2 房價影響因素分析相關文獻彙整 ......................... 24 表 2-3 高齡化與結構性改變影響因素相關文獻彙整 ............... 29 表 2-4 高齡化人口結構與房價時間趨勢影響顯著彙整 ............. 33. 政治大表 3-1 臺北市與臺中市房價指數及老年人口占比 ................. 38 立表 2-5 高齡化人口結構與房價時間趨勢影響不顯著彙整 ........... 34. 表 4-1 研究資料變數定義與來源 ............................... 48. ‧ 國. 學. 表 5-1 臺北市研究資料變數 ................................... 55. ‧. 表 5-2 臺中市研究資料變數 ................................... 57 表 5-3 臺北市勞動參與率與勞保投保人數相關係數 ............... 60. y. Nat. sit. 表 5-4 臺中市勞動參與率與勞保投保人數相關係數 ............... 60. al. er. io. 表 5-5 臺北市研究變數敘述統計表 ............................. 61. n. iv n C h e n g c h........................... 總體經濟研究變數敘述統計表 62 i U. 表 5-6 臺中市研究變數敘述統計表 ............................. 62 表 5-7. 表 5-8 研究變數單根檢定表 ................................... 64 表 5-9 Johansen and Juselius 共整合檢定 ......................... 67 表 5-10 房價影響因素實證分析結果 ............................ 69 表 5-11 房價影響因素顯著結果 ................................ 72. DOI:10.6814/NCCU202001041.

(8) 第一章緒論本章分為四個部份，第一節研究背景與動機，探討研究的起源，及說明研究的動機；第二節研究目的，將其研究目的加以說明；第三節研究的架構與研究的流程，介紹本論文研究的架構與研究的流程；第四節研究範圍與限制，闡述本論文研究的空間、時間及樣本取得的範圍及其研究的限制原因為何。. 第一節研究背景與動機. 政治大老化與少子化，人口總量大幅減少未來對於房子沒有需求，因此未來房價立近些年來時常耳聞報章雜誌、電視名嘴及媒體網紅，時常論述著人口. 將呈現長期空頭現象，總讓有居住需求的民眾再等等，稍安勿燥，莫急、莫. ‧ 國. 學. 慌、莫害怕將來買不到便宜的好房子。邇來，觀察房價及最近發表的房價指. 疑惑。. ‧. 數卻不跌反漲，此種言論與實際悖離情況，常常令人感到無所適從又心生. y. Nat. sit. 經濟學指出勞動力為生產要素之一，勞動工資率由勞動市場供需所決. n. al. er. io. 定，而勞動力的移動方向取決於邊際工資，只要存在邊際工資利益，就會導. i Un. v. 致勞動力的移動、遷徙及重分配。然人口的流動形成聚集，聚集產生效應，. Ch. engchi. 此效應會再度吸引人口更加聚攏，從而加深聚集效應，最後形成都市化經濟。經濟活動往往伴隨著人口結構的變遷，此主題為都市經濟學者常常討 1. 論之研究範疇。此類型的研究在於考慮某地區的人口結構，其因為經濟活動2，人們逐漸往該地區挪動，使得該地區形成「都市化經濟」，因而在該地區有了用地的需求，然而該地區人口組成的改變，對於該地區又會造成用地需求的改變。短期而言該地區用地供給是固定的，長期來說用地供給是可以調整的，而供給與需求決定其價格。. 1. 著名的文獻有: Fujita and Thisse (2003）; Scott (2006）、等。. 2. 經濟活動有：前往該地區任職工作、經營生產單位、從事商業交易、等。. 1 DOI:10.6814/NCCU202001041.

(9) 邊泰明(2018)指出都市化經濟的利益在於都市內能夠供應較大規模的勞力市場，從而使都市內的廠商在生產過程中進而節省生產成本，提高其產品的競爭優勢。Krugman(1997)稱此人口結構與經濟規模關係之研究為都市化經濟行為。因而本文以「都市化經濟」為主軸，佐以新成長理論(New Growth Theory)與新經濟地理學(New Economic Geography)為發想，輔以商業活絡程度為中心，搭配我國人原有的傳統「有土斯有財」固有觀念，探討人口結構高齡化造成需求的改變產生對於房產價格的影響。. 一、本研究透過以下七個標準，篩選我國兩個直轄市來做為本研究的空間範圍： (一)網路搜尋我國六個直轄市中民眾對於「買房」、「人口老化」以及. 政治大. 「六都」最感興趣之都市。據林左裕(2018b)研究，使用 Google Trends 搜. 立. 尋趨勢觀察「人口老化」與「房價」之社會大眾關切程度，藉此獲得本文的. ‧ 國. 學. 研究目的，以及鎖定需要觀察的樣本資料範圍；該系統是將特定時間內，社會大眾使用 Google 搜尋相關主題之關鍵詞，並且按照該關鍵詞的熱門搜尋. ‧. 程度，給予「0」至「100」之數值，數值愈大代表大眾搜尋熱門程度愈高；. sit. y. Nat. 因此，本研究透過大數據觀察 2004 年 1 月 1 日至 2019 年 12 月 31 日，「人. io. er. 口老化」、「買房」等關鍵詞於社會大眾的關切程度。. 如圖 1-1 所示，以「人口老化」、「買房」、為關鍵詞，使用 Google Trends. n. al. Ch. i Un. v. 搜尋趨勢觀察 2004 年 1 月 1 日至 2019 年 12 月 31 日的趨勢，發現臺中市. engchi. 為排序第一、臺北市第二、新北市第三，代表臺中市、臺北市和新北市為近十五年來網友們對於人口老化及買房等議題，討論熱度最高的三個都市。. 2 DOI:10.6814/NCCU202001041.

(10) 政治大. 立. ‧. ‧ 國. 學. 註：1.資料來源：Google 趨勢搜尋系統。2.資料時間 2004 年 1 月 1 日至 2019 年 12 月 31 日。3.Google Trends 趨勢搜尋日期起始日為 2004 年至今。. y. Nat. al. er. io. sit. 圖 1-1 人口老化、買房關鍵詞 Google 趨勢熱門程度. n. 觀察圖 1-2 所示，僅以「人口老化」為關鍵詞，使用 Google Trends 搜. Ch. i Un. v. 尋趨勢觀察 2004 年 1 月 1 日至 2019 年 12 月 31 日的趨勢，發現熱門搜索. engchi. 排序臺北市為第一其熱門搜尋程度，給予「100」之數值；臺中市為第二其熱門搜尋程度，給予「94」之數值；新北市為第三其熱門搜尋程度，給予「86」之數值，表示臺北市、臺中市和新北市三個都會區的人口老化程度是網路上最受關注的子題。. 3 DOI:10.6814/NCCU202001041.

(11) 立. 政治大. ‧. ‧ 國. 學. 註：1.資料來源：Google 趨勢搜尋系統。2.資料時間 2004 年 1 月 1 日至 2019 年 12 月 31 日。3.Google Trends 趨勢搜尋日期起始日為 2004 年至今。. y. Nat. er. io. sit. 圖 1-2 人口老化關鍵詞 Google 趨勢熱門程度. 依據 Google Trends 搜尋趨勢熱門程度的整理，如圖 1-1 所示，「人口. n. al. Ch. i Un. v. 老化」、「買房」最受臺中市、臺北市的社會大眾所關注；圖 1-2，「人口老. engchi. 化」則是最受臺北市、臺中市的社會大眾所重視；因此本文透過 Google Trends，找出特定時期、特定字眼易受網絡媒體關心的事項來探討，期盼透過現象看事物的本質，以觀察樣本資料、空間及時間範圍，並進一步的獲取本文的研究目的，不但可以深入了解時事，也關心周遭環境的變遷，同時可以做為未來投資行動策略的預測，以免持有資產價值縮水而無力負擔將來老年的生活支出。 (二)觀察六個直轄市中「都市化經濟」程度最深的都市。經濟發展活絡產生用地需求進而帶動該地區房價，游適銘(2012)認為就業機會等經濟因素會影響房價，曾永明(2018)發現勞動人口對於工資有顯著正相關。彭建文與張金鶚(2000)指出某地區的總體經濟景氣表現為房地產之成交價格的 4 DOI:10.6814/NCCU202001041.

(12) 領先指標，也就是說當某地區的經濟表現良好，則會拉抬該地區的房價水準。而王大信(2016)認為由於房地產同時具備投資財與消費財之特性，並且在我國人「有土斯有財」，固有傳統觀念與長期持有土地稅制優惠鼓勵誘因下，房地產成為資產投資標的主要工具；因此，房產價格水準在該地區的經濟規模中具有重要角色。觀察我國各縣市公司登記家數，如表 1-1，臺北市、新北市、以及臺中市為公司登記家數最多的前三縣市，代表臺北市、新北市、以及臺中市商業行為發展活絡形成都市化經濟會帶來更多的就業機會，在六個直轄市中比其他三都的高雄市、桃園市、以及臺南市經濟發展來得更活躍，並創造更多就業機會吸引更多的勞動力前往該地區，進一步帶動該區域房價的成長。. 政治大. 表 1-1 公司登記家數異動─按縣市別分 2015. 2016. 2017. 2018. 2019. 620,401. 637,556. 656,333. 675,273. 695,693. 705,234. 705,554. 604,437. 619,377. 636,418. 655,091. 673,938. 694,260. 703,762. 704,033. 118,183. 119,417. 121,949. 124,205. 126,991. 129,777. 133,019. 134,856. 133,847. 2. 159,800. 161,467. 164,603. 168,441. 172,436. 175,517. 178,711. 179,519. 179,653. 1. 77,672. 79,225. 81,684. 85,159. 88,381. 92,069. 96,174. 98,980. 101,419. 3. 29,710. 30,620. 31,800. 32,731. 33,851. 35,187. 36,536. 37,358. 38,290. 6. 75,078. 76,597. 78,017. 79,793. 81,762. 83,777. 86,144. 86,610. 81,752. 4. 48,514. 50,323. 52,155. 54,207. 56,472. 58,770. 60,087. 61,029. 5. 4,973. 5,156. 5,340. 5,596. 5,840. 6,059. 6,074. 6,141. 10,090. 10,665. 11,205. 11,741. 12,357. 12,736. 13,160. 9,560. er. 9,158. io. 5,024. ‧. 47,839. Nat. 5,790. a l6,451 6,653 6,868 7,097 i7,288 v 23,693 24,318 25,023 25,790 n26,643 C U 5,357 4,585 4,721 h4,845 5,016 i5,205 e h n c g 5,883 6,039 6,195 6,413 6,694 6,982. 3,872. 3,957. 4,093. 4,241. 4,404. 4,553. 4,703. 4,774. 4,834. 5,432. 5,631. 5,817. 6,059. 6,386. 6,789. 7,175. 7,351. 7,463. 1,026. 1,053. 1,116. 1,170. 1,254. 1,316. 1,408. 1,434. 1,453. 3,281. 3,226. 3,309. 3,446. 3,614. 3,705. 3,762. 3,664. 3,608. n. 新北市臺北市臺中市臺南市高雄市桃園市宜蘭縣新竹縣苗栗縣彰化縣南投縣雲林縣嘉義縣屏東縣臺東縣花蓮縣澎湖縣基隆市新竹市嘉義市. 2014. 605,365. y. 臺灣地區 595,738. 公司登記家數異動─按縣市別分. 2013. sit. 596,574. 總計. 立. ‧ 國. 2012. 學. 2011. 6,300. 6,376. 22,832. 23,286. 4,494. 7,323. 7,424. 27,074. 27,328. 5,371. 5,413. 7,157. 7,338. 568. 585. 588. 623. 665. 735. 794. 827. 845. 5,451. 5,393. 5,424. 5,536. 5,649. 5,788. 5,895. 5,957. 5,962. 10,324. 10,104. 10,387. 10,621. 10,977. 11,319. 11,749. 11,811. 11,990. 3,904. 3,985. 4,117. 4,222. 4,393. 4,567. 4,734. 4,799. 4,889. 金馬地區. 836. 928. 1,024. 1,138. 1,242. 1,335. 1,433. 1,472. 1,520. 金門縣連江縣. 727. 808. 895. 1,002. 1,093. 1,170. 1,255. 1,284. 1,315. 109. 120. 129. 136. 149. 165. 178. 188. 205. 排名. 註：資料來源：經濟部統計處、全國商工行政服務入口網公司登記統計資料。. 我國公司登記統計資料除了依縣市別區分外，同時也以一級產業的農林漁牧業；二級產業包含礦業土石採取業、電力燃氣供應業、用水供應、污 5 DOI:10.6814/NCCU202001041.

(13) 染整治、製造、營造等業別；三級產業有批發及零售、運輸及倉儲、住宿及餐飲、資訊及通訊傳播、金融及保險、不動產、專業科學及技術服務、支援服務、公共行政及國防強制性社會安全、教育服務、醫療保健及社會工作服務、藝術娛樂及休閒服務、其他服務尚包括了無法歸屬的其他未分類來區分，本文未以產業結構探討其商業活絡行為，其理由為各直轄市有其各自法規解釋命令限制其營業項目登記，其法令違規使用，民眾也有其因應之道而無法全面呈現其產業結構分佈，從而分析恐有偏誤，且違規使用並不在本文討論範圍之內，而按行業別及縣市別區分時也不影響其排序，因此本文排除使用按行業別及縣市別區分。 (三)分析新成長理論與新經濟地理學中因商業活絡而吸引人口聚集，. 政治大市分析比較其 2011 年至立 2019 年人口淨流入，可以看出桃園市及臺中市近改變人口密度形成用地需求產生變化之城市。若觀察表 1-2，我國六個直轄. ‧ 國. 學. 九年來，一直都是人口移入正成長的都市，若以年平均排名如次為桃園市、臺中市分別位居前二名，桃園市、臺中市隨著人口大量移入疑似會有居住. 臺南市臺北市高雄市. al. 2015. y. 2014 8,799 7,948. Ch. 2016. 2017. sit. 2013 8,077 7,351 455 796 2,959. n. 新北市. 排名 36,668 30,834 29,518 23,110 18,522 18,620 1 14,367 14,060 12,397 11,268 7,482 9,881 2 (4,780) (10,312) (2,511) (605) 4,030 19,664 1,418 3 40 (181) 1,028 1,712 125 704 881 4 23,052 3,952 (9,386) (19,116) (20,022) (19,632) (26,973) (6,203) 5 (1,579) (1,829) (1,131) (3,123) (2,035) 61 (1,351) (1,990) 2,039 (1,215) 6. io. 臺中市. 2012 7,967 7,192 2,287 804 9,339. 表 1-2 國內六個直轄市人口淨流入. 2018. 2019. 年平均. er. 桃園市. 2011 4,082 6,863 4,535 2,899. Nat. 淨流入. ‧. 用地需求，並存在可能進一步推升該地區之房屋價格。. engchi. i Un. v. 註:資料來源:內政部戶政司。. (四)剖析人口老化比重最高的都市。近年來老年化問題為主要的人口結構研究議題，根據聯合國世界衛生組織的界說，若 65 歲以上老年人占全國總人口比重達到 7%時，稱之為「高齡化社會(ageing society)」，比重達到 14%時，稱之為「高齡社會(aged society)」，假使老年人比重達到 20%時，則稱之為「超高齡社會(superaged society)」。在表 1-3 中列出六個直轄市的人口老化比率之數值。整體而言，臺灣已邁入「高齡化社會」，2018 年正式成為「高齡社會」。分析 2019 年數據，臺北市為六個直轄市中人口老化程度最高的都市為 18.07%、高雄市為 15.81%、臺南市為 15.73%、新北市為 14.40%， 6 DOI:10.6814/NCCU202001041.

(14) 四個直轄市皆為「高齡社會」；臺中市 12.87%；桃園市 12.11%為「高齡化社會」。以平均數而言，臺北市 15.04% 已逾 14% 可能存在人口老化結構波及房產價格的效應。表 1-3 國內六個直轄市人口老化比率(年資料) 年別. 2011. 2012. 2013. 老年人口比率(65歲以上) 2014 2015 2016. 2017. 2018. 2019. 平均數. 臺北市. 12.76. 13.04. 13.50. 14.08. 14.76. 15.55. 16.37. 17.19. 18.07. 15.04. 新北市臺中市. 8.54 8.83. 8.97 9.06. 9.48 9.39. 10.10 9.79. 10.81 10.29. 11.71 10.91. 12.60 11.50. 13.51 12.16. 14.40 12.87. 11.12 10.53. 臺南市高雄市桃園市. 11.65 10.50 8.37. 11.85 10.87 8.58. 12.20 11.38 8.90. 12.62 11.95 9.31. 13.09 12.61 9.67. 13.77 13.44 10.22. 14.38 14.22 10.79. 15.04 15.01 11.40. 15.73 15.81 12.11. 13.37 12.87 9.93. 總計. 10.89. 11.15. 11.53. 11.99. 12.51. 13.20. 13.86. 14.56. 15.28. 12.77. 註:1.資料來源:內政部戶政司。2.2011 年無資料。3.人口老化比率計算方式:該地區 65 歲以上人口/該地區總人口數。. 政治大 (五)排除樣本資料取得困難或經採用其他替代程序仍無法達成研究目立. 的之都市。臺南市公司登記家數相對於其他五個直轄市少，代表商業行為. ‧ 國. 學. 多以獨立經營為主並未能創造並提供更多就業供給，又信義房屋房價指數將臺南市併入臺灣地區並未單獨列出，因而無法分析得知其人口老化程度. ‧. 對臺南市房屋價格的干擾幅度，故無法納入研究範圍。. y. Nat. sit. (六)排除樣本數量小於 30 的都市。桃園市雖為近九年來人口淨流入熱. n. al. er. io. 門地區，主要原因來自於房屋價格相對臺北市與新北市便宜，兼臺鐵有各. i Un. v. 種列車接駁加上機場捷運線通車，但桃園市於 2014 年 12 月 25 日縣市合併. Ch. engchi. 改制為直轄市至今五年，其年資料或季資料均不符合樣本數至少 30 個定義，因此本文無法將桃園市列入空間範圍。 (七)排除高度同質性的都市。國發會國土空間發展策略計畫中規劃三大城市區域為北部、中部及南部，其中北部涵蓋臺北市及新北市為主要核心城市，故而經常被稱為大臺北地區、雙北市或雙北都會區；又地理位置較為相近，人口流動頻繁、經濟發展、區域文化與人文特色也較為相近，兩者實屬同一個生活圈且在居住、交通、生活、就學、就業、工商登記方面具有選擇替代原則，新北市故而不在本文的研究範疇。. 二、本文研究背景與動機綜合小結：. 7 DOI:10.6814/NCCU202001041.

(15) (一)網路搜尋熱門程度擇出臺中市與臺北市。(二)都市化經濟標出臺北市與新北市。(三)新成長理論與新經濟地理學人口聚集列出桃園市與臺中市。(四)人口老化為臺北市與臺南市。(五)排除樣本資料取得困難的臺南市。(六)排除樣本數量小於 30 的桃園市。(七)摒除高度同質性的新北市。篩選後得出臺北市及臺中市，細究其兩都市存在明顯差異：臺北市人口老化嚴重且人口正處於大量移出階段但房價指數卻未因此大幅下跌；而臺中市人口老化不深且人口每年都是正成長因此造就其每年房價指數上漲自有其原由，這也正是本文感到其有趣之所在，進而觸發本文研究樣本資料來源的動機。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i Un. v. 8 DOI:10.6814/NCCU202001041.

(16) 第二節研究目的邊泰明(2018)認為都市化經濟利益、Krugman(1997)指出都市化經濟行為、游適銘(2012)說明就業機會、曾永明(2018)觀察勞動人口、新成長理論(New Growth Theory)與新經濟地理學(New Economic Geography)得出人民聚集活動，均為購屋需求之增加進而影響房產價格，Börsch-Supan (2003) 採用德國經濟社會狀況為例進行實證分析，指出人口老化影響「勞動參與率」，從而給予本研究變數之啟發，引申出本文研究的變數：勞動參與率、營業人家數。彭建文與張金鶚(2000)研究指出，總體經濟景氣，帶給本文研究變數. 政治大. 之發想：物價指數、利率、股價指數、貨幣供給 M2 成長率。. 立. Morrison and Schwartz(1996)與 Holtz-Eakin and Lovely(2017)的研究發. ‧ 國. 學. 現某地區的「公共建設」狀況會影響當地的經濟表現，游適銘(2012)則認為公共建設會影響房屋價格，因此本文將臺北市與臺中市的「公共設施用地. ‧. 面積」資料列入研究變數。. sit. y. Nat. Krugman(1997)和 Fujita and Thisse(2003)研究的看法指出，一個地區. io. er. 的「交通便利」狀況會影響當地的經濟結構；以及林左裕(2018a) 認為良好的住宅除了居住的功能應該要兼具行的功能，意即要有便利的聯外交通，. n. al. Ch. i Un. v. 因此本研究將「交通運輸」資料列入研究變數。臺北市交通主要仰賴捷運，. engchi. 因此本文以特定時間的捷運搭乘人數計算之；臺中市捷運系統尚在施工階段，所以本文是以搭乘公車人數計算之，以此做為「交通便利」變數應更為恰當。依照以上背景與動機，本研究列出以下三則研究目的：一、探討人口結構高齡化趨勢對於房價的影響。二、除了人口結構高齡化因素外，探討其他影響房價之關鍵因素。三、探討不同地區影響房價的因素是否存在差異性。. 9 DOI:10.6814/NCCU202001041.

(17) 第三節研究架構與流程基於上述三則研究目的，本文嘗試建構合宜的研究架構，如圖 1-3 所示，其中上方中間方格為本研究之主題，而左上角為研究嘗試採用的 10 個變數項目；由於變數涉及時間性，3因此圖的右上方為本文欲採用的研究模型，本文係採用時間序列模型估計影響房價的關係方程式，並且藉由共整合(Cointegration)檢定與向量誤差修正模型(vector error correction model， VECM)評估資料在長期時，是否符合時間序列模型估計結果。圖的下方三個方格則是在研究主題下的三則研究目的。. 與共整合檢定、向量誤差修正模型. 中市為例. er. n. al. sit. io. 化因素外，探討其. 化趨勢對於房價的. y. ‧. Nat. 除了人口結構高齡. 探討人口結構高齡. 影響。. 時間序列模型估計. 以臺北市與臺. ‧ 國. 立. 人口老化對房治政價影響之研究大. 學. 1.房價指數 2.老年人口占比 3.勞保投保人數 4.公共設施面積占比 5. 營業人家數6.交通運輸 7.利率 8.物價指數 9. 股價指數 10.貨幣供給 M2 成長率. Ch. i Un. 他影響房價之關鍵. e因素。 ngchi. v. 探討不同地區影響房價的因素是否存在差異性。. 圖 1-3 人口老化對房價影響之研究架構本文之研究流程圖於圖 1-4 所示，首先觀察經濟實際現象之歧異後，確立本研究動機與目的；研讀有關的理論與相關的文獻並同時進行現況分析；產生研究架構並擬訂蒐集資料計畫；接續著手進行選擇實證方法及資料蒐集；進一步地判別研究方法與假設建構是否可以解決已設定之研究目的；從而展開統計資料分析；發展出本研究方案接著推演解釋本研究的發. 3. 詳細變數說明於第三章。. 10 DOI:10.6814/NCCU202001041.

(18) 現及模式的驗證；最後撰寫報告與結論，同時也提出本研究的建議方針以及未來策略。確定研究動機與目的 (緒論). 文獻探討現況分析. 治政資料蒐集計畫大學資料蒐集. 選擇實證方法. ‧. ‧ 國. 立. 建立研究架構. sit. y. Nat. n. al. er. io. 研究方法與假設建構. Ch. i Un. 資料整理與分析. engchi. v. 發展方案 (研究發現/模式驗證). 撰寫報告與結論 (結論與建議). 圖 1-4 人口老化對房價影響之研究流程. 11 DOI:10.6814/NCCU202001041.

(19) 第四節研究範圍與限制一、研究範圍有關於本論文研究範圍，分別以空間、時間與樣本範圍，逐項敘述： (一)空間範圍：包含有臺北市和臺中市為研究實證空間。 (二)時間範圍：通常研究人口結構變化多以三十年為基準，分析其人口結構變化的影響程度。然而，陳旭昇(2017)研究指出，通常多數的總體經濟時間序列都具備隨機趨勢(stochastic trend)，除了隨機趨勢之外，另一個導致時間序列不是穩定的原因出自於結構性變動(structure change)，其原因如下說明：. 政治大. 1.是政策上的更迭：2008 年馬英九總統就任後隨即宣布遺產稅的課徵. 立. 稅率降低百分之十，並開始著手擬訂「大陸地區人民在臺灣地區取得設定. ‧ 國. 學. 或移轉不動產物權許可辦法」。於 2011 年 6 月 1 日「特種貨物及勞務稅條例」，也就是俗稱的奢侈稅開始施行。同年 2011 年 12 月 30 日總統公布實. ‧. 價登錄條文，規定自 2012 年 8 月 1 日施行。2016 年 1 月 1 日施行房地合. sit. y. Nat. 一稅。. io. er. 2.是制度上的變更：2010 年 12 月 25 日五個都市升格為直轄市案正式生效，臺中縣市於 2011 年 1 月 1 日正式合併改制成為直轄市，合併前資料. n. al. 亦無從取得。. Ch. engchi. i Un. v. 3.尤為甚者是外生因素的衝擊：1970 年石油危機。1986 年全民炒股、同年 10 月 17 日股價指數來到 1,000 點大關。1987 年臺灣瘋迷六合彩及大家樂。1990 年 2 月 10 日股價指數第一次衝上 12,862 點歷史新高，迫使中央銀行採取緊縮貨幣政策調降存款準備率。1990 年 10 月 1 日股價指數跌到 2,485 點、同年臺北市房產價格由均價每坪 6.72 萬元漲到均價每坪 36.87 萬元。1997 年亞洲金融風暴連基本面良好的臺灣也在傳染效應下無辜被波及。1999 年九二一大地震。2000 年.COM 網路泡沫化。2001 年美國九一一事件。2003 年 SARS 疫情。2008 年次貸風暴引發的世紀金融海嘯等，以上歷史事件都是屬於結構性變動的重要例子。張清溪、許嘉棟與吳聰敏(2016) 指出 2008 年次貸風暴在世界各國戮力合作之下 2010 年終於慢慢平息。 12 DOI:10.6814/NCCU202001041.

(20) 從圖 1-5 房價趨勢分數圖中可以觀得，因 2008 年金融海嘯期間，房價時間趨勢產生轉折，出現低谷現象，且此區間的波動甚大，導致房價趨勢產生重大的結構性變動，故而導致時間序列不是穩定，因此 2007 至 2009 年的數據不適宜用來預測或分析。. 立. 政治大. 學. ‧ 國. 註:資料來源:內政部不動產資訊平台。. 圖 1-5 房價趨勢分數. ‧. 分析圖 1-6 消費者物價指數全年漲跌率圖，觀察其消費者物價指數在. y. Nat. 1970 年至 1980 年的時間趨勢，變動幅度甚大，也是出現重大的結構性變. n. al. er. io. sit. 動，因此 1970 年至 1980 年間的數據依舊不合適用來做預測或分析。. Ch. engchi. i Un. v. 註:資料來源:內政部不動產資訊平台。. 圖 1-6 消費者物價指數全年漲跌率. 13 DOI:10.6814/NCCU202001041.

(21) 因消費者物價指數常為人所垢病者是統計上的謬誤，因此本文再觀察與消費者物價指數同樣可代表一國的物價指數的 GDP Deflator 平減指數來分析，從圖 1-7 GDP 平減指數圖，可以發現 1980 年至 2010 年的時間趨勢同樣產生重大波動的結構性變動，所以 1980 年至 2010 年亦不宜用來觀測。. 立. 政治大. ‧ 國. 學 ‧. 註:資料來源:內政部不動產資訊平台。. y. sit. Nat. 圖 1-7 GDP 平減指數. io. al. er. 如前文，因時間序列常伴著隨機趨勢及結構性變動因素而導致非. n. 平穩數列，只有在具有穩定結構的平穩時間序列，才能使用過去的資. Ch. i Un. v. 料做為預測將來的變化，否則充其量不過只是在做數學方程式的架構，. engchi. 並不具備任何預測實益。再加上最為至要關鍵因素是臺中市與臺中縣合併，於 2010 年 12 月 25 日改制成為直轄市，臺中市改制前交易資料以及未實施實價登錄前資料取得不易且多有缺漏，且經採用其他替代程序後仍無法確認其資料之數量及狀況，因此無法判斷是否須對該等資料做出必要之調整，若強加以三十年資料分析討論，恐造成統計上的偏誤。因此本研究時間範圍自 2011 年的第一季至 2019 年的第四季，合計三十六季進行數據研究分析。 (三)樣本範圍：樣本來源為，如下說明：. 14 DOI:10.6814/NCCU202001041.

(22) 1.房價指數取用信義房屋房價指數；2.65 歲以上老年人口占比依內政部全國人口資料庫統計地圖公告資料；3.勞動參與率採用勞保投保人數依勞動部勞工保險局公告；4.公共設施面積占比依臺北市與臺中市主計處統計資料而來；5.營業人家數為經濟部統計處全國商工行政服務入口網公司登記統計數據進行分析；6.交通運輸依臺北市與臺中市主計處統計資料而來；7.利率參考所得稅法 24-3 規定郵局定存基準利率；8.物價指數採取臺北市與臺中市主計處統計資料；9.股價指數參考來源為臺灣證券交易所； 10.貨幣供給 M2 成長率採用中央銀行發佈貨幣總計數 M2 供給成長率之資料。. 二、研究限制. 政治大. 本文的研究限制，以下分別說明之：. 立. (一)本文研究標的為純粹居住之用途包括公寓、華廈及電梯大樓物業，. ‧ 國. 學. 摒除具有別的特殊應用層面的住宅，同時捨棄預售期房、工業住宅、以及房屋建造已久之成交產品，因此本論文選擇以「信義房屋房價指數」為探討對. ‧. 象。. sit. y. Nat. (二)「內政部不動產交易實價查詢服務網」，在本論文分析空間範圍所. io. 分析的研究範圍。. er. 須要的資料並不是非常完整且數據提供相對落後，因此不是本文主要觀察. al. n. iv n C (三)「信義房屋房價指數」 h e，此數據樣貌是某某地區整體的房價指數， ngchi U. 無法再細分到該地區的各行政區，因此普遍常用的「某地區與市中心距離」、「某地區生活便利性」之變數，本研究也將之排除。. (四)關於「經濟實質產出(GDP)」、「某地區每人於每個月的平均薪資」常用之變數不採用原因，在於主計處的相關資料有缺漏狀況；「勞動力參與率」未採用的原因為勞動力參與率是以該地區有設籍人口求得，並未涵蓋由外縣市移入但未於該地區設籍的人口，恐數值或有錯誤；「產業結構分佈」有其法規限制且違規使用非本文所要探討之目的；因此本文改以勞動部與經濟部公告的「勞保投保人數」與「營業人家數(組織別)」取代之。. 15 DOI:10.6814/NCCU202001041.

(23) (五)某地區的「公共建設」狀況會影響當地的經濟表現，因此本文將臺北市與臺中市的「公共設施用地面積」資料列入研究變數。 (六)某地區的「交通便利」狀況會影響當地的經濟結構，因此本研究將臺北市以特定時間的捷運搭乘人數計算之；臺中市是以搭乘公車人數計算之，以此做為「交通便利」變數更為恰當。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i Un. v. 16 DOI:10.6814/NCCU202001041.

(24) 第二章理論探討與文獻回顧需求與供給狀態會對於房價產生影響。然而，影響房地產供需的諸多關鍵因素中，本研究嘗試以人口結構高齡化作為立論觀點，討論高齡化對於房地產需求面之影響，觀察房屋價格因素。在本章有三個部份，第一節房價影響因素分析，探究文獻，剖析房產價格因素影響；第二節高齡化與結構性改變影響因素，將其高齡化及如何結構性改變影響因素加以說明；第三節高齡化人口結構與房價時間趨勢，介紹其形式與結構及其基本要求。本章將區分房價、高齡化、以及高齡化對於房產價格影響之分析內容，藉由蒐集相關文獻，討論彼此的影響關係。. 治政大第一節房價影響因素分析立 ‧ 國. 學. 林左裕(2018a)歸納影響不動產需求的因素大致區分如下：經濟金融面向包括資金、利率等因素；社會層面包括人口和家計單位數等因素；市場需. ‧. 求面包括區域人口數量以及區域性產業發展與就業機會等因素；政策影響. sit. y. Nat. 面包括住宅政策、稅制政策、金融政策等因素；其中又以利率與廠商資金成. io. er. 本與民間資金動能至為相關，也是影響房地產以及各種投資標的關鍵因素。. al. 游適銘(2012)指出影響房產價格的因素可以辨別出個別因素、區域因. n. iv n C 素及一般因素。一般因素包括地理位置、土壤地質狀態以及氣候現象等自 hengchi U 然因素；人口結構、教育及社會福利、交易及使用習慣、公共建設等社會因. 素；儲蓄及投資、財政金融、物價指數、利率水準、貨幣政策及就業機會等經濟因素；土地管制、使用分區、住宅政策等政治因素。本文主要討論在不同地區下，一般因素影響房價之關係研究，因此區域因素及個別因素非本文主要研究內容。新經濟地理學(New Economic Geography)理論，假設各企業的就業人口是一樣的，企業的多寡或人口的密度就可以代表該地區的就業數量或人口的密度。受益於新經濟地理學(New Economic Geography)理論中的就業密度，因此某地區聚集的公司數量愈多，就業機會也就愈多；聚集的公司愈多，勞動生產力也就會愈高。所以在新經濟地理學(New Economic Geography) 17 DOI:10.6814/NCCU202001041.

(25) 理論基礎下，以就業密度來研究市場潛力、工資報酬率、經濟成長率是妥適的。曾永明(2018)研究聚集之所以重要是因為聚集會帶來溢出效應，因為聚集可以減少交易成本、創造好的就業環境、也可以提供優質的融資條件。新成長理論(New Growth Theory)認為人口或勞動力為經濟成長的要素之一；新經濟地理學(New Economic Geography)則認為產業聚集和人口聚集推動了經濟成長；王銘正(2014)指出人口為經濟成長的要素是無庸置疑地。當人民聚集在特定區域，對於當地的經濟環境會產生經濟變化，民眾在居住上或者工作上的需求，會於當地的房屋出現買賣行為，進而影響房屋價格。另一方面，某地區的人口結構產生變化，例如老年人口增加，排擠青壯年就業人口，對於當地的生產力出現變革。. 政治大. 陳心蘋與曹書豪(2013)一文指出，經濟活動會改變某地區的經濟特徵，. 立. 例如，生產單位(舉凡企業、廠商、商店) 與人民，為了節省交通成本之因. ‧ 國. 學. 素，選擇移居於特定地區，使得該地區生活成本逐漸增加，形成聚集經濟效果。舉例而言，原本居住於桃園的某位人士，為了賺錢，寧可居住於人口較. ‧. 多的臺北市，以節省每天桃園到臺北的通勤成本(交通成本)。. sit. y. Nat. 為了掌握房產價格之影響關係，本研究嘗試彙整過去相關研究文獻，. io. er. 討論影響房屋價格之相關因素。Li and Chu(2017)透過實證分析，辨別出總體經濟變數對於房產價格的干擾，存在相當的影響效果，因此提出建議，當. n. al. Ch. i Un. v. 研究者觀察房地產價格影響趨勢時，必須考量總體經濟因素之變化。Dehesh. engchi. and Pugh(2000)證實房價的時間趨勢影響會受到國內與國際總體經濟變數的影響，而這些總體經濟因素包含了經濟成長、利率、以及國際局勢等因素。林秋瑾、王健安與張金鶚(1996)深入討論房地產價格的時間趨勢會與總體經濟景氣波動呈現落後或領先關係，該文認為總體經濟景氣為房地產價格的領先指標。 Roulac(1996)認為在房地產價格的趨勢分析中，若只是根據房屋價格的歷史資料，找出影響規則以衡量未來走向，則此分析結果所制定的未來房產價格政策決策可能是存在高度風險的，或者只是次佳策略。因此，該文建議，除了根據過去房價趨勢來判定外，另須要對干擾房地產景氣的原因予以檢定，區分出短期衝擊(shock)和結構性變動，才能有效降低錯誤判斷。 18 DOI:10.6814/NCCU202001041.

(26) 所謂的短期衝擊，例如金融風暴期間產生的消費與投資需求下降，一旦危機解除，則經濟體系恢復長期波動趨勢；而所謂的結構性變動，例如人口結構步入老人化，造成整體經濟結構出現變化，促使經濟體系長期波動趨勢出現改變。以下列舉相關文獻論述之。在短期衝擊因素中，陳隆麒與李文雄(1998)討論利率與股價的短期波動對於房屋價格的影響效果，該文採用 1985 年 1 月至 1997 年 10 月的臺北市與高雄市房屋價格、臺灣的利率與股價加權指數資料，透過時間序列實證研究，結果發現股價加權指數與房屋價格彼此呈現正面的顯著因果關連且相互回饋，在利率上漲後對於房價帶來正面的衝擊持續一年以上。陳尚珉(2012)該文研究指出，臺中地區因科學園區設立，大量人口移. 政治大. 入，在聚集經濟下，其周邊房屋價格因此升高。. 立. 林左裕(2018a)研究發現，利率上升對債券、股票以及不動產等投資通. ‧ 國. 學. 常是負面影響，原因是投資的成本會增加，對投資是較為不利的。林左裕與程于芳(2014)研究影響不動產市場之從眾行為與總體經濟因素之關係時發. ‧. 現，如住宅存在從眾行為時，則與購屋貸款利率呈現反向變動。. sit. y. Nat. 2007 年底至 2008 年期間發生的美國次級房貸問題，延伸出全世界的. io. er. 金融風暴現象，對於我國房價市場造成嚴重的短期衝擊，郭秋榮(2009)指出，臺灣住宅用的房價市場受到美國房市持續惡化和全球性的金融風暴衝. n. al. Ch. i Un. v. 擊，造成國內房價面臨持續下修之風險。金融風暴期間的臺灣房地產市場. engchi. 交易狀況，2008 年第二季起法院拍賣數量大增，特別是大臺北縣市，如此說明了房地產貸款違約情況劇增。後續的第二季與第三季行情亦呈現下跌之態勢。房地產受挫的影響過程，該文認為主要是透過兩種力道之影響，其一，為金融風暴造成國內民眾所得減少所產生的財富效應，在此效果下無法持續支付房屋貸款，紛紛釋出房屋持有造成供給面的大幅度增加，房價有下修之壓力；其二，為金融風暴所帶來的住宅金融惡化，原因在於該期間的金融產業資產銳減，促使金融業加強風險控管，因而減少金融機構房貸比率，如此緊縮了房屋市場需求，房價出現下挫之結果。. 19 DOI:10.6814/NCCU202001041.

(27) 金融風暴短期衝擊影響，表 2-1 都會區季指數 2005 年至 2019 年房價指數的 2008 年出現的房產價格指數下跌現象，一旦金融風暴結束，房屋價格則恢復成長趨勢。. 臺北. 新北. 桃園. 新竹. 臺中. 高雄. 臺灣. 2005Q1. 122.14. 127.89. 131.79. 108.74. 122.49. 107.22. 123.47. 2005Q2. 126.58. 129.44. 134.09. 107.27. 130.22. 120.20. 126.39. 2005Q3. 129.17. 133.53. 138.65. 108.72. 129.53. 118.45. 128.72. 2005Q4. 133.40. 136.34. 111.40. 132.04. 2006Q1. 134.34. 137.22. 138.30 111.42 137.59 政治大 136.20 113.55 133.30. 132.58. 132.67. 2006Q2. 144.77. 143.92. 145.91. 126.30. 139.81. 116.07. 139.09. 2006Q3. 150.95. 146.09. 153.05. 120.58. 142.69. 124.92. 141.12. 2006Q4. 153.18. 151.55. 143.60. 121.95. 146.64. 115.22. 147.14. 2007Q1. 162.39. 154.51. 151.86. 125.54. 153.10. 2007Q2. 166.45. 157.72. 153.24. 130.58. 2007Q3. 165.66. 155.73. 147.70. 2007Q4. 164.87. 156.15. 2008Q1. 176.30. 2008Q2. ‧. sit. Nat. y. 立. 學. 季別. ‧ 國. 表 2-1 六大都會區房價指數. 155.12. v. 114.41. 156.39. 131.06. 159.49. 120.76. 155.03. 149.98. 126.30. 156.29. 115.88. 152.61. 159.88. 156.44. 126.32. 166.47. 115.79. 160.48. 179.91. 164.12. 161.21. 128.61. 173.03. 125.56. 163.75. 2008Q3. 173.60. 161.97. 159.96. 135.23. 162.03. 132.03. 159.65. 2008Q4. 163.46. 154.87. 155.08. 133.92. 153.50. 119.45. 151.72. 2009Q1. 164.68. 154.71. 157.60. 126.93. 151.43. 116.60. 152.80. n. al. er. 152.14. io. 111.53. Ch. engchi. i Un. 20 DOI:10.6814/NCCU202001041.

(28) 177.92. 163.60. 167.92. 134.36. 164.51. 107.28. 161.83. 2009Q3. 190.25. 173.42. 173.06. 138.92. 176.27. 137.64. 172.47. 2009Q4. 201.97. 181.58. 176.06. 143.34. 183.28. 128.60. 178.51. 2010Q1. 209.79. 183.96. 184.83. 145.13. 188.65. 131.55. 184.81. 2010Q2. 217.66. 194.83. 182.24. 139.80. 191.10. 137.25. 191.07. 2010Q3. 223.02. 200.70. 186.02. 147.07. 203.86. 139.59. 195.97. 2010Q4. 236.59. 210.56. 192.87. 149.58. 199.32. 150.59. 206.76. 2011Q1. 240.76. 222.51. 203.21 治 160.80 212.90 政大. 165.78. 215.94. 2011Q2. 246.12. 226.37. 213.26. 153.86. 212.42. 155.67. 218.72. 2011Q3. 245.73. 234.05. 226.08. 165.72. 226.60. 173.07. 224.95. 2011Q4. 251.68. 235.58. 233.41. 163.26. 226.00. 168.83. 226.94. 2012Q1. 254.19. 239.49. 229.55. 168.24. 239.34. 179.11. y. 231.10. 2012Q2. 262.70. 252.20. 241.89. 178.26. 237.24. 181.00. sit. 241.27. 2012Q3. 268.28. 248.27. 193.82. 244.19. 2012Q4. 269.15. v ni C h251.42 187.35U 252.49 engchi. 255.19. 269.65. 179.08. 264.33. 194.53. 248.95. 2013Q1. 284.55. 265.26. 277.24. 185.53. 259.09. 213.41. 259.20. 2013Q2. 292.94. 289.82. 292.23. 200.70. 280.63. 228.67. 278.51. 2013Q3. 294.89. 297.67. 302.87. 195.88. 287.55. 226.26. 280.87. 2013Q4. 304.85. 296.37. 308.01. 199.10. 288.63. 231.48. 286.53. 2014Q1. 298.50. 310.75. 311.34. 206.61. 292.42. 240.54. 290.73. 2014Q2. 310.20. 312.28. 310.59. 207.51. 293.24. 235.24. 297.78. io. n. er. Nat. al. ‧. ‧ 國. 立. 學. 2009Q2. 21 DOI:10.6814/NCCU202001041.

(29) 297.45. 311.43. 305.81. 210.11. 296.94. 249.14. 294.88. 2014Q4. 294.26. 306.49. 310.61. 208.79. 294.17. 245.43. 292.60. 2015Q1. 302.06. 306.38. 304.01. 210.86. 300.44. 247.00. 291.84. 2015Q2. 289.60. 308.01. 303.30. 211.69. 296.95. 256.89. 289.30. 2015Q3. 286.22. 294.91. 293.46. 211.13. 289.13. 257.68. 285.43. 2015Q4. 273.98. 293.38. 293.63. 213.62. 294.58. 250.18. 280.63. 2016Q1. 271.36. 287.21. 284.99. 207.29. 278.05. 248.06. 274.20. 2016Q2. 276.76. 295.40. 289.39 治 210.73 287.58 政大. 250.48. 279.74. 2016Q3. 269.52. 296.60. 286.65. 211.03. 287.54. 257.10. 278.97. 2016Q4. 270.97. 290.09. 292.91. 212.24. 287.65. 241.37. 277.06. 2017Q1. 274.44. 289.02. 287.25. 211.64. 284.83. 254.26. 278.24. 2017Q2. 273.97. 292.73. 297.29. 216.66. 293.45. 261.37. y. 282.36. 2017Q3. 271.57. 292.00. 295.56. 211.59. 294.08. 257.42. sit. 279.62. 2017Q4. 267.73. 295.62. 257.14. 281.96. 2018Q1. 276.30. v ni C h295.10 212.18U 302.74 engchi. 296.10. 301.02. 220.50. 295.58. 256.22. 283.34. 2018Q2. 275.93. 298.37. 307.39. 221.39. 309.57. 257.60. 285.55. 2018Q3. 278.04. 296.99. 304.77. 221.34. 307.51. 258.53. 283.98. 2018Q4. 279.76. 296.11. 304.28. 230.09. 311.92. 261.98. 287.20. 2019Q1. 280.45. 300.04. 311.48. 225.57. 311.05. 270.11. 289.33. 2019Q2. 284.13. 307.63. 301.12. 228.43. 321.45. 263.65. 294.46. 2019Q3. 281.66. 301.71. 313.13. 231.35. 321.69. 259.95. 293.35. io. n. er. Nat. al. ‧. ‧ 國. 立. 學. 2014Q3. 22 DOI:10.6814/NCCU202001041.

(30) 2019Q4. 281.12. 305.56. 312.58. 235.78. 327.73. 277.13. 296.48. 註:1.資料來源:信義房屋房價指數資料庫。2.底線:房價指數下跌。. 如將上表的資料轉換為圖 2-1 中六大都會區房價指數圖，更明顯看出短期衝擊只是一時效果長期仍會回到均衡狀態。. 立. 政治大. Nat. sit. 圖 2-1 六大都會區房價指數圖. y. ‧. ‧ 國. 學. 註:資料來源:信義房屋房價指數資料庫。. n. al. er. io. 另一方面，所謂的結構性改變對於房產價格所帶來的衝擊，彭建文、林. i Un. v. 秋瑾與楊雅婷(2004)討論國家的貨幣政策、建照面積規範法令的修改、以. Ch. engchi. 及經濟產業結構變動所帶來的股價指數長期性的波動，這些因素對於臺北市的房屋價格的影響，其中產業結構改變的股價指數波動對於房價結構改變最為直接，貨幣政策則為間接影響因素，而建照面積規範法令的修改對於房產價格影響效果在該文中則不顯著。而在近期，我國政府為了抑制高房價採用奢侈稅與實價登錄制度，在林玉婷(2014)研究中也顯示，對於我國房價市場帶來結構性的改變，造成房價成長率趨緩。藉由以上的文獻整理，本文彙整後得出，影響房屋價格因素可以區分為政策性包括土地管制、使用分區、住宅政策、稅制政策、金融政策等因素；經濟性包括資金、利率、儲蓄及投資、財政金融、物價指數、利率水準、 23 DOI:10.6814/NCCU202001041.

(31) 貨幣政策等總體經濟因素；社會性包括人口結構、教育及社會福利、交易及使用習慣、公共建設等因素；地域性包括區域人口數量、區域性產業發展、產業聚集提供的就業機會、人口聚集形成就業密度；衝擊性包括短期衝擊與結構性變動。茲將房價影響因素分析有關文獻統整於表 2-2。表 2-2 房價影響因素分析相關文獻彙整研究者. 研究內容對本研究變數. 研究內容與本研究變數. (年份). 之影響. 之關聯. 建議根據過去房價趨勢來. 總體經濟. Roulac(1996). 判定，另須要對干擾房地. 林秋瑾、王健安與張金鶚. 政治大認為總體經濟景氣為房地. (1996). 產價格的領先指標。. 產景氣的因素加以檢定。. 陳隆麒與李文雄(1998). 利率與股價的短期波動對於房價的影響效果呈現正. ‧. n. 彭建文、林秋瑾與楊雅婷. y. sit. 會受到國內與國際總體經. i n C濟變數的影響。 U hengchi 產業結構改變的股價指數波動對於房價結構改變最. 總體經濟. er. 證實房價的時間趨勢影響. io. Nat. 回饋。. al. 利率股價指數. 面的顯著因果關連且相互. Dehesh and Pugh(2000). (2004). 總體經濟. 學. ‧ 國. 立. v. 股價指數貨幣供給 M2 成長率. 為直接；貨幣政策則為間接影響因素；而建照面積規範法令的修改對於房價影響效果在該文中則不顯著。郭秋榮(2009). 臺灣住宅用的房價市場受. 總體經濟. 到美國房市持續惡化和球全球性的金融風暴衝擊，造成國內房價面臨持續下. 24 DOI:10.6814/NCCU202001041.

(32) 修之風險。陳尚珉(2012). 研究指出臺中地區因科學. 勞動參與率. 園區設立大量人口移入在聚集經濟下其與周邊房價因此升高。游適銘(2012). 影響房產價格的因素區分. 老年人口. 為人口結構、公共建設、. 公共設施用地面積. 儲蓄及投資、財政金融、. 物價指數. 物價指數、利率水準、貨利率. 幣政策及就業機會等因. 貨幣供給 M2 成長率. 素。. 立. ‧ 國. 經濟特徵形成聚集經濟效. 勞動參與率. 指出人民聚集在特定區域. 勞動參與率. Nat. 生經濟變化進而影響房屋. n. er. io. sit. y. 對於當地的經濟環境會產. al. 營業人家數. ‧. 果。. 王銘正(2014). 林玉婷(2014). 經濟活動會改變某地區的. 營業人家數. 學. 陳心蘋與曹書豪(2013). 政治大. 價格。. i n C研究顯示房價市場帶來結 U hengchi 構性的改變會造成房價成. v. 總體經濟. 長率趨緩。林左裕與程于芳(2014). 研究影響不動產市場之從. 總體經濟. 眾行為與總體經濟因素時. 利率. 發現，如住宅存在從眾行為時則與購屋貸款利率呈現反向變動。 Li and Chu(2017). 驗證出總體經濟變數對於. 總體經濟. 房地產價格的干擾存在相當的影響效果。林左裕(2018a). 經濟金融面向包括資金、. 貨幣供給 M2 成長率. 25 DOI:10.6814/NCCU202001041.

(33) 利率等因素；社會層面包. 勞動參與率. 括人口和家計單位數等因. 營業人家數. 素；市場需求面包括區域. 利率. 人口數量以及區域性產業發展與就業機會等因素；政策影響面包括住宅政策、稅制政策、金融政策等因素；其中又以利率與廠商資金成本與民間資金動能至為相關，也是影響房地產以及各種投資標的關鍵因素。曾永明(2018). 資有顯著正相關。. 新經濟地理學(New Eco-. 某地區的就業數量或人口. nomic Geography). 的密度代表聚集的公司數. ‧. Nat. y. 多；聚集的公司愈多，勞. n. 註：文獻依年份排序。. 成長的要素之一。. Ch. engchi. er. io. al. sit. 動生產力也就會愈高。認為人口或勞動力為經濟. 營業人家數勞動參與率. 量愈多，就業機會也就愈. 新成長理論(New Growth Theory). 勞動參與率. 學. ‧ 國. 立. 政治大. 勞動人口聚集效應對於工. i Un. 勞動參與率. v. 26 DOI:10.6814/NCCU202001041.

(34) 第二節高齡化與結構性改變影響因素上述討論房屋價格影響因素中的短期波動與結構性改變。由於結構性改變對於房產價格的景氣循環帶來不可預期的長期效果，故此影響效果為本研究嘗試討論之面向。除了上一小節討論的政策因素的結構性因素外，人口結構的改變對於房價景氣影響，為本文主要的討論範疇。相關問題中，陳寬政(2009)認為人口結構主要的議題不只是人口負成長問題，更是要注意國家人口結構趨於「幼兒端」向「老人端」依次發展下的衰微，此情況將產生嚴重的生產、消費與養老等問題。雖然勞動生產力好轉有助於舒緩人口高齡化所帶來的衝擊，卻不能全然抵銷之，更無法解決. 政治大. 高齡人口的社會參與、醫護照顧及勞力需求等疑義，如此重要之經濟結構. 立. 問題為本文立論之方向。. ‧ 國. 學. 當人口結構步入高齡化社會，對於該地區或者國家的經濟狀況必會受到干擾。黃意萍(2002)蒐集人口相關變數的時間序列數據型態，實行共整. ‧. 合檢定與誤差修正模型之辨證判定，觀測高齡化人口組成變數與金融資產及總體經濟之間長期是否存有均衡關係。研究分析指出，經濟系統或人口. y. Nat. io. sit. 組成結構在短期間出現變動時，不必然會一起以特定的速率整理回復到長. n. al. er. 期的均衡數值；然而在長期均衡關聯中，高齡化人口成長下會對於投資率、. i Un. v. 實質國民生產毛額呈現負向關係，這原因來自於高齡化助長年輕人扶老比. Ch. engchi. 率增加，遏止了青壯年財富成長，因此可以發現高齡化對於青壯年財富效果帶來長期性的負面影響。這類型的文獻，如蔡彣涓(2016)之研究，其針對高齡化所引發財政負擔問題進行研究，並且提出老年人口的消費行為與其福祉的變化需要被重視。該文使用行政院主計總處 1996－2006 年的「家庭收支調查」，研究老年人口的購買支出消費舉動，以當年度退休的男性戶長家庭做為實驗組，持續就業的男性戶長家庭做為向前配對的控制組，並且以已退休的男性戶長家庭做為向後配對的控制組。在此鄰近配對法之研究架構下，透過實驗組與兩組控制組家庭進行前後配對，藉此獲得一男性戶長特質(包括教育程度、年齡、健康狀態與投保身份等)與家庭結構相似但卻涵蓋生命週期各個 27 DOI:10.6814/NCCU202001041.

(35) 階段的配對樣本。實證結果顯示退休者驟增與消費能力驟降的結果，損害實驗樣本的家庭效用。如此印證，高齡化不只是單純的人口結構改變，對於其他年齡層的經濟負擔也存在影響力。另一方面，高齡化會透過勞動市場對於經濟成長產生影響。林俊宏、王光正與徐慶柏(2010)討論高齡化人口組成結構問題是一國經濟發展之重要影響因素。該文研究的勞動力在高齡化結構下的未來進展之趨勢，提供深切的分析及預測。研究指出，高齡化問題也將使得人們對於持有財富形式出現變化。實證發現結果，高齡化下，我國他日勞動力呈現縮減的跡象，並且高齡年長勞動者比例將向上調高，導致勞動力均衡歲數增加，同時每單位勞動力負擔扶養的高齡年長者也在遞增。如此將排擠青壯年的勞動參與. 政治大. 率與生產力，造成經濟成長率無法在最有效率的範疇下成長。. 立. Börsch-Supan(2003)採用德國經濟社會狀況為例進行實證分析，研究結. ‧ 國. 學. 果顯示人口老化將降低勞動參與率。然而，不只是勞動參與率的下降，當勞動者退休後透過退休前的儲蓄之存款、保險之年金、以及政府對老人的津. ‧. 貼與補助作為所得來源，此現象下 Gokhale and Raffelhuschen(2000)認為高. y. Nat. 齡化的社會，老年人口比例提高將使政府增加消費支出，原因來自於老年. er. io. sit. 退休金及福利支出，加劇政府財政負擔，赤字問題將會日益嚴重。相同的問題發生在臺灣的高齡化問題，陳寬政、林子瑜、邱毅潔與紀筱. n. al. Ch. i Un. v. 涵(2009)討論此議題，解析高齡化對於醫療費用影響。該文將平均醫療費. engchi. 用區分為人口組成、就醫頻率、就醫日數、與每日費用等項，此架構下意識到高齡化有持續的逐步助長平均醫療費用上漲之效果。其中又以就醫日數提高對於醫療費用影響最大，其次是死亡率持續下跌，同時伴隨著疾病盛行率上漲，如此造成就醫實質需求增加，促使醫療費用飆漲之結果，為國家的財政與整體社會資源帶來一定程度的衝擊。 Casamatta et al.(2001)提出高齡化社會對於政府的退休金制度之破壞，造成退休金無法支應之狀況，如此政府必須提出延遲退休年齡、或者以增加課稅的方式來彌補。Gust and McDonald(2001)是以日本與澳大利亞人口老化現象當作研討主題，以實證分析的方式，討論對社會最適儲蓄，該文認為近 30 年來日、澳人口有明顯的高齡化趨勢，於是人們在年少時會加強自 28 DOI:10.6814/NCCU202001041.

(36) 己的積蓄以因應退休時對消費及康健照護之開支，因而整個社會在人口高齡化前導致社會貯蓄將激增，換句話說，為因應將來支出則會排擠當期消費，造成消費市場陷入不景氣之狀況。張清溪、許嘉棟與吳聰敏(2016)從消費與所得分析，影響民間消費支出的因素有：可支配所得、相對價格、財富及利率。觀察通常家庭的消費行為，其影響消費最重要因素為可支配所得及財富累積。一般可支配所得高的家庭，消費支出也會高於可支配所得低的家庭；另所得與財富的關係相當密切，儲蓄可以積累財富，一般所得低的家庭儲蓄累積財富的速度也會慢於高所得的家庭，當人口結構出現老化現象時，最直接影響為每月的可支配所得，理性的人會量入為出，排擠效應之下因此會減少消費。. 政治大. 根據以上的文獻整理，本文彙整後發現，人口結構造成人口負成長未. 立. 來將造成產出衰退、消費減緩、養老支出增加；高齡化人口持續成長之下投. ‧ 國. 學. 資及實質國民生產毛額為負向關係，從而增加扶老比率遏阻青壯年財富成長；高齡化導致消費能力驟降；高齡化將使勞動力減少經濟成長率無法穩. ‧. 定成長；高齡化還會導致政府支出增加加重財政負擔；高齡化前會刻意提. y. Nat. 早儲蓄因應退休支出從而排擠當期消費使市場陷入不景氣；高齡化社會對. io. sit. 於經濟成長影響的管道，透過勞動市場的高齡化與青壯年之勞動參與率、. n. al. er. 青壯年的扶老比率、醫療資源與國家社會福利支出，而對於整體經濟產出. i Un. v. 發生長期性的結構性衝擊。因此高齡化的人口結構問題為當今重要的研究議題之一。. Ch. engchi. 高齡化與結構性改變影響因素的文獻彙整如表 2-3。表 2-3 高齡化與結構性改變影響因素相關文獻彙整研究者. 研究內容對本研究變數. 研究內容與本研究變數. (年份). 之影響. 之關聯. Gokhale and Raf-. 老年人口比例提高，將使. 老年人口. felhuschen(2000). 政府退休金及福利支出加. 總體經濟. 劇，政府財政負擔赤字問題將會日益嚴重。 Casamatta et al.(2001). 高齡化社會破壞政府的退. 老年人口. 29 DOI:10.6814/NCCU202001041.

(37) 休金制度，政府必須提出. Gust and McDonald(2001). 勞動參與率. 延遲退休年齡或加稅。. 總體經濟. 為因應將來支出會排擠當. 老年人口. 期消費，造成消費市場陷. 總體經濟. 入不景氣之狀況。黃意萍(2002). 高齡化人口成長對於投資. 老年人口. 率、實質國民生產毛額呈. 總體經濟. 現長期負向關係。研究結果顯示人口老化將. Börsch-Supan(2003). 老年人口. 降低勞動參與率。陳寬政(2009). 治政大生嚴重的生產、消費與養人口結構負成長問題將產. 老年人口總體經濟. 老等問題。. 陳寬政、林子瑜、邱毅潔. 高齡化影響醫療費用死亡. 與紀筱涵(2009). 率下跌、疾病盛行率上漲. 學. 老年人口總體經濟. ‧. ‧ 國. 立. 造成就醫實質需求增加帶. y. Nat. 來財政與資源的衝擊。. 的勞動參與率與生產力，. sit. io. n. al. 高齡化問題將排擠青壯年. er. 林俊宏、王光正與徐慶柏 (2010). 勞動參與率. i n C有效率的範疇下成長。 U hengchi 造成經濟成長率無法在最. v. 老年人口勞動參與率總體經濟. 張清溪、許嘉棟與吳聰敏. 當人口結構出現老化現象. 老年人口. (2016). 時直接影響為每月的可支. 總體經濟. 配所得排擠效應之下會減少消費。蔡彣涓(2016). 高齡化不只是人口結構改. 老年人口. 變對於其他年齡層的經濟. 總體經濟. 負擔也存在影響力。. 註：文獻依年份排序。. 30 DOI:10.6814/NCCU202001041.

(38) 第三節高齡化人口結構與房價時間趨勢依據上述分析結果，人口結構高齡化會造成經濟體系諸多面向的影響，而房產價格與總體經濟各項因素又呈現交互影響關係。因此本研究以人口結構高齡化與房屋價格之影響關係為分析之主軸。人口組成結構變化之於房地產市場的干擾，以至於影響房價走勢之研究，Mankiw and Weil(1989)觀察美國人口組成結構變遷之於房產價格市場的效應，提出戰後嬰兒潮世代大批湧入房地產市場購房，頓時促成房地產市場需求大增是引起 1970 年代房產價格上漲的主要起因。而到了嬰兒潮世代衰退後，這個現象預期 1990 年代由於較少房地產需求，將造成爾後. 政治大. 二十年的房屋價格大幅下跌。. 立. Rappaport(2013)認為經濟景氣與貨幣緊縮政策只能對於房地產市場帶. ‧ 國. 學. 來短期衝擊，至於人口高齡化因素將對房地產市場帶來長期性的結構性改變。該文指出美國人口高齡化現象將使房地產中的獨棟住宅需求減少，公. ‧. 寓型住宅則增多，原因來自於高齡者對於公寓型住宅的需求偏好較高。. sit. y. Nat. Carter et al.(2013)討論特定區域居民年齡組成結構之於房產價格之效. io. er. 應，分析指出高齡者相對於年輕擁房者，因剩餘壽命較為有數，無法逐年等待，因此對於個人權益的虧損較為敏銳，並且多數高齡者將住宅視為奢侈. n. al. Ch. i Un. v. 財貨，因此高齡者對於經濟市場的不確定性較為敏感，稍微的風吹草動，則. engchi. 傾向不擁屋，如此狀況下，特定地區的高齡化現象愈高，則會降低該地區的房屋價值。國內有關各項資產在需求面的文獻實驗證明中，鄭惠如(2006)討論我國高齡化與房地產之間關係之探討分析，其蒐集 1991 至 2005 年房地產價格指數與人口數據。其研究實證得出，人口高齡化與少子化的景象之於房地產市場效應呈負向，無論對於中古屋或者是預售期房市場都是。彭建文與蔡怡純(2017)透過扶養比討論高齡化對於房價之影響。實證結果指出房產價格分別與生育率和扶老率在長期間的整合關聯，房產價格會隨著生育率與扶老率不同，生育率的增添會牽動房產價格的攀升，一旦. 31 DOI:10.6814/NCCU202001041.

(39) 扶老率提高則會抑制房產價格，因而目前逐漸惡化的少子化與高齡化趨向，都將可能會對於未來的房產價格造成負向效應。也有少數文獻認為高齡化與房產的價格並不是顯著相關，如 Engelhardt and Poterba(1991)運用加拿大戰後的人口數據審視之，其研究結果認為人口高齡化對於房產價格的影響關係並不顯著，並且提出房屋價格變動的因素是來自於實質稅後成本與建築成本。 Chen et al.(2012)也發現高齡化與房價並無關係，該文獻採用蘇格蘭 1999~2008 年家戶考察追蹤為根據，結果發現高齡化並非造成房產價格改變的主因。有關房產價格的主要因素，Börsch-Supan(2008)認為高齡化與房價景氣. 政治大. 出現結構性的改變，兩者之間至少有 20 年的時間落差，因此高齡化無法立. 立. 即性的對於房地產價格產生影響。. ‧ 國. 學. 憑靠以上的文獻整理，本文彙整後發覺，人口組成結構的變遷會對於房地產價格產生一定的干擾，如戰後嬰兒潮世代的興起與衰退，造成房地. ‧. 產價格大幅上漲及下跌；高齡化人口結構對於住宅的需求偏好也有所不同，. sit. y. Nat. 如公寓型住宅與獨棟住宅需求的轉變；特定區域居民年齡組成結構的差異. io. al. er. 將會對於房產價格造成效應，如年長者與年輕者相對風險的偏好差異會決. n. 定是否要擁房；雖說也有研究指出高齡化之於房地產價格影響存在著時間. Ch. i Un. v. 上的落差但無法否認仍存在相當程度的干擾效果。. engchi. 32 DOI:10.6814/NCCU202001041.

(40) 人口結構高齡化與房價之影響關係顯著彙整，如表 2-4。表 2-4 高齡化人口結構與房價時間趨勢影響顯著彙整研究者. 研究內容對本研究變數. 研究內容與本研究變數. (年份). 之影響. 之關聯. Mankiw and Weil(1989). 人口結構變化對於房地. 房價指數. 產市場的效果：戰後嬰. 老年人口. 兒潮世代大量需求增加引起 1970 年代房產價格上漲；戰後嬰兒潮世代衰退大量需求減少造成爾後二十年的房價大. 政治大人口高齡化和少子化對. 房價指數. 中古屋或預售期房市場. 老年人口. 幅下跌。. 立. 之影響都是負向。高齡者對於經濟市場的. 房價指數. ‧. Carter et al.(2013). 不確定性較為敏感傾向. 老年人口. y. 不擁屋；特定地區的高齡. Nat. n. al. 地區的房屋價值。. sit. 化現象愈高則會降低該. er. io Rappaport(2013). 學. ‧ 國. 鄭惠如(2006). i n C經濟景氣與貨幣緊縮政 U hengchi 策對於房地產市場帶來. v. 房價指數老年人口. 短期衝擊，人口高齡化因素對房地產市場帶來長期性的結構性改變。彭建文與蔡怡純(2017). 扶老率提高會降低房產. 房價指數. 價格。. 老年人口. 註：文獻依年份排序。. 33 DOI:10.6814/NCCU202001041.

(41) 人口結構高齡化與房價之影響關係並不顯著彙整如表 2-5。表 2-5 高齡化人口結構與房價時間趨勢影響不顯著彙整研究者. 研究內容對本研究變數. 研究內容與本研究變數. (年份). 之影響. 之關聯. Engelhardt and Po-. 認為人口高齡化對於房. 房價指數. terba(1991). 價的影響關係並不顯. 老年人口. 著，並且提出房價變動的因素是來自於實質稅後成本與建築成本。 Börsch-Supan(2008). 立. 高齡化與房價景氣出現. 房價指數. 結構性的改變兩者之間. 老年人口. 治政 20 年的時間落差至少有大因此高齡化無法立即性. ‧ 國. 學. 的對於房地產價格產生影響。. 房價指數. ‧. 高齡化與房價並無關係. Chen et al.(2012). 結果發現高齡化並非是. 老年人口. y. 因。. er. io. sit. Nat. 造成房產價格改變的主. 註：文獻依年份排序。. n. al. Ch. engchi. i Un. v. 34 DOI:10.6814/NCCU202001041.

(42) 第三章現況分析本章分為三個部份，第一節探討房價指數趨勢，說明臺北市與臺中市在房價指數有何不同；第二節分析房價指數與人口老化比率趨勢，將臺北市與臺中市房價指數與人口淨流入趨勢差異加以說明；第三節房價指數與人口淨流入趨勢，觀察臺北市與臺中市房價指數與人口淨流入趨勢之間差距並加以論述。. 第一節房價指數趨勢以臺北市與臺中市房價趨勢4，討論在不同地區下，房屋價格時間趨勢. 政治大. 的變化狀況。本分析以信義房屋房價指數5作為研究資料，此資料的採樣選. 立. 擇為：房屋用途為純粹居住之用途包括公寓、華廈及電梯大樓物業，不包含. ‧ 國. 學. 還具備其他特別用途之住宅，例如：預售期房、工業住宅、以及房屋建造已 6. 久之成交產品。本研究選擇臺北市與臺中市的房價指數，數據時間是 2005. ‧. 年的第一季至 2019 年的第四季，其時間趨勢圖繪製於圖 3-1。觀察圖 3-1. sit. y. Nat. 臺北市與臺中市房價指數趨勢圖，臺北市房價指數在 2013 年第三季之前，. io. er. 除了 2008 年正逢金融風暴期間出現短期衝擊大幅跌勢外，整體而言皆呈現遞增之趨勢。而臺中的房價指數時間趨勢，即使在金融風暴期間亦出現短. n. al. Ch. i Un. v. 期衝擊的房價下跌，但整體而言呈現成長之態勢。意謂短期衝擊只是一時. engchi. 的波動，在長期市場機制會調整為均衡狀態。臺北市與臺中市的房價指數水準在 2011 年至 2013 年期間，整體而言均呈現上昇之趨勢。臺北市在 2013 年至 2017 年開始逐年下滑趨勢，直到 2018 年開始逐年攀升；臺中市，除了在 2016 年有短暫跌幅之外其他都是呈現穩定上揚趨勢。房價指數方面在 2011 年至 2014 年臺北市與臺中市的走. 4. 2010 年第三季之前，本研究將臺中市與臺中縣資料合併處理；2010 年第三季之後，因縣市合. 併關係，資料需考慮臺中市。 5. 此房價指數以 2001 年第一季作為基期。. 6. 在以下的論述中，所提及的房價皆為此計算方式所獲得之數值。. 35 DOI:10.6814/NCCU202001041.

(43) 勢相仿；自 2015 年起臺北市與臺中市的房價指數產生了歧異的走勢，臺中市一路往上成長；而臺北市間有微乎其微的漲跌勢。2015 年至 2016 年間兩都市同時出現跌勢，其原因為 2015 年通過房地合一稅，2017 年又開始出現上漲趨勢。代表短期衝擊造成需求下降對於短期不利，隨著時間經過市場會自動調整，經濟體系則會回復長期波動趨勢。. 立. 政治大. ‧. ‧ 國. 學 y. Nat. 註:資料來源:信義房屋房價指數。. al. er. io. sit. 圖 3-1 臺北市與臺中市房價房價趨勢分數圖. n. 若以成長率觀點視之，如圖 3-2 所示，在金融風暴期間短期衝擊之下，. Ch. i Un. v. 也就是 2008 年第一季，臺北市與臺中市房價指數成長率出現最巨幅的下跌. engchi. 現象。以兩都市的房價指數成長率而言，其他期間中，臺北市房價指數在 2014 年第四季後，其房價指數成長率在“0”處呈現上下震盪，甚至多處時期房價指數成長率呈現負值，然而同一時期，臺中市的房價指數成長率雖然也在“0”處呈現波動，但大多數時間臺中市的房價指數成長的速率還是高於臺北市房價指數成長的速率。. 36 DOI:10.6814/NCCU202001041.