探討自動估價系統(AVM)對不動產交易價格估價能力之研究 -以新北市蘆洲區住宅大樓為例- - 政大學術集成
186
0
0
全文
(2) 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i Un. v. DOI:10.6814/NCCU202001085.
(3) 謝誌 在民國 105 年以前，從沒想過自已有機會進入政大地政這個夢幻殿堂，總覺 得有點不可思議，如今可以完成論文，首先最要感謝指導教授林左裕老師，讓我 大膽挑戰，放手一搏，也謝謝口試委員彭建文老師與林哲群老師，在一天九場口 試當中，還是不厭其煩給予學生建議與指正，使論文內容能更加嚴謹，在此致上 萬分謝意。 政大求學路上，系上每個老師都是在專業領域上指標性的學者專家，進來政 大接觸後，卻都如此平易近人，但在教學與研究上的嚴謹態度和清晰的邏輯思維. 政 治 大 領域有所作為的傑出人材，能認識何其有幸，每一位都是值得我學習的對象，讀 立. 及對學術上的執著，實在一輩子受用。同學、學長(姊)之間臥虎藏龍，都是在各. ‧ 國. 學. 政大地政的附加價值遠超乎我想像。. 完成一本論文實屬不易，謝謝同窗好友怡利、怡明、雲振、宏文、彥儒加油. ‧. 鼓勵，我們群組成員全數畢業，我總算沒有脫隊，在工作與學業上能兼顧，首先. y. Nat. sit. 由衷感謝公司老闆與老闆娘，工作上如果沒有給予我這麼大的彈性，論文不知何. n. al. er. io. 時才能完成，還連續二年留停二個月準備估價師考試，謝謝公司二位大家長包容. i Un. v. 我的任性與無理的請求；謝謝同事翰哥貢獻程式讓論文得以順利進行下去、智偉. Ch. engchi. 大師一肩扛起估價案件讓我在工作上無後顧之憂、也謝謝恩冕大師在我晚上留在 公司寫論文的 3 個月無止盡加班陪伴，師父、貞儀的爆吃飯局，也謝謝小賴學長 期初期未評論。 感謝親愛的媽媽還有天上的爸爸，沒有你們栽培養育就沒有今日的我，尤其 媽媽在工作之餘仍要打理家中大小事、讓我在夜歸還有飯菜可吃，家理完全不用 我操心，也謝謝家姊、家弟，沒有你們支持，我應該也無法一圓碩士夢，解鎖自 已心理想達成的願望，也希望我所認識的各位能夠平安、健康，往後日子需要各 位陪伴、成長，互相扶持努力下去。. DOI:10.6814/NCCU202001085.
(4) 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i Un. v. DOI:10.6814/NCCU202001085.
(5) 摘要 自民國 101 年 8 月實價登錄系統建置以來，每筆不動產交易皆有價可尋，也 提供私部門建立自動估價系統(Automated Valuation Model , AVM)良好的資源， 雖自動估價系統是經測試過後才上線，而自動估價系統亦是透過實價登錄交易資 料結合地理資訊系統、人工智慧等大數據分析，快速地讓使用者得到不動產估 值，但鮮少有文獻實際去測試不動產實際成交價格與 AVM 估值是否存有差異。 本研究以民國 103 年第二季至 107 年第四季新北市蘆洲區住宅大樓為例，用 統計 F 檢定測試研究期間內不動產交易價格與 AVM 估值在統計上是否有顯著差. 政 治 大 動產交易價格與 AVM 估值間之差距，但所建構之模型，以平均絕對百分比誤差 立. 異；另一方面，本研究也欲以實價登錄交易資料建立特徵價格模型，期望縮小不. ‧ 國. 學. (MAPE)及命中率(Hit-rate)檢測，本研究之模型雖無法縮小平均絕對百分比誤差 及提高命中率，惟二者其實相距不遠。. ‧. 本研究模型表現雖不如預期，惟過程中排除一樓與四樓所建立之模型，平均. sit. y. Nat. 絕對百分比誤差及命中率之表現是優於 AVM，因此後續研究者如欲以實際成交. n. al. er. io. 價格為中心，建立優於 AVM 估值的特徵價格模型，可以朝一樓與四樓分別建立 特徵價格模型方向嘗試。. Ch. engchi. i Un. v. 關鍵字：特徵價格模型、實價登錄、大量估價、自動估價系統、分離估價. DOI:10.6814/NCCU202001085.
(6) 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i Un. v. DOI:10.6814/NCCU202001085.
(7) Abstract Since the “Actual Transaction Price Registration System” of Real Estate transaction was established in August 2012, the information of each real estate transaction could be found. It provides market participants good resources to establish the Automated Valuation Model (AVM). The AVMs were posted on the internet after being tested, which applies the actual transaction price registration system data of real estate and combines the geographic information system (GIS), artificial intelligence (AI), and other big data analysis to provide users with real estate estimated value. There has been few discussions about the difference between the actual transaction price of real estate and the AVMs estimated value. This study collects the residential buildings on the“Actual Transaction Price. 政 治 大. Registration System” in Luzhou District, New Taipei City from 2014 Q2 to 2018 Q4 as examples and uses the statistical F-test to test if there is a statistically significant difference between the real estate transaction price and the AVM estimated value. Besides, this study aims to use the data from the system to establish the hedonic price model to narrow the gap between the real estate transaction price and the AVM estimated valuation. This study establish a hedonic price model and used the mean absolute percentage error (MAPE) and Hit-rate for testing. Results show that the model of this study can't narrow the MAPE and improve the hit- rate, however, the gap between the real estate transaction price and the AVM estimated valuation is not. 立. ‧. ‧ 國. 學. n. al. er. io. sit. y. Nat. significant.. i Un. v. Though the performance of this study is not as good as expected, however, excluding data of the first floor and fourth floor from the models reduce the MAPE and increase Hit-rate, which is better than AVM. Therefore, future researchers may base on the actual transaction price and build separate valuation models to perfect the AVM estimated valuation.. Ch. engchi. Key words：Hedonic Price Model、Actual Transaction Price Registration System、 Mass Valuation、Automated Valuation Model、Separate Valuation. DOI:10.6814/NCCU202001085.
(8) 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i Un. v. DOI:10.6814/NCCU202001085.
(9) 目錄 第一章 緒論............................................................................................................ 1 第一節 研究動機與目的................................................................................ 1 第二節 研究範圍與內容................................................................................ 5 第三節 研究方法、架構與流程.................................................................... 8 第二章 理論與文獻回顧...................................................................................... 11 第一節 特徵價格理論.................................................................................. 11 第二節 影響住宅大樓價格因素相關文獻.................................................. 13 第三節 自動估價系統.................................................................................. 22 第四節. 小結.................................................................................................. 26. 政 治 大. 第三章 研究設計.................................................................................................. 27 第一節 不動產交易價格與某 AVM 估值檢測 ........................................... 27 第二節 實證模型之建構.............................................................................. 30. 立. ‧ 國. 學. ‧. 第四章 實證結果分析.......................................................................................... 37 第一節 基礎資料之處理.............................................................................. 37 第二節 不動產交易價格與某 AVM 估值之檢定結果 ............................... 39 第三節 特徵價格模型之建立...................................................................... 42. sit. y. Nat. n. al. er. io. 第五章 結論與建議.............................................................................................. 59 第一節 結論.................................................................................................. 59 第二節 建議.................................................................................................. 63. Ch. engchi. i Un. v. 參考文獻. .................................................................................................................. 67. 附錄. .................................................................................................................. 73. I. DOI:10.6814/NCCU202001085.
(10) 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i Un. v. DOI:10.6814/NCCU202001085.
(11) 圖目錄 圖 1-1 圖 1-2. 全國及新北市住宅價格指數趨勢圖 ............................................................ 6 研究流程圖 .................................................................................................. 10. 表目錄 表 2-1 表 3-1 表 4-1. 影響不動產價格因素彙整表 ...................................................................... 19 使用變數說明表 .......................................................................................... 35 實證樣本統計表 .......................................................................................... 39. 表 4-2 表 4-3. F 檢定表(總樣本數) .................................................................................... 40 F 檢定表(商業區) ........................................................................................ 41. 表 表 表 表 表 表 表 表. F 檢定表(住宅區) ........................................................................................ 41 實證樣本連續變數敘述性統計表 .............................................................. 43 實證樣本虛擬變數統計表 .......................................................................... 44 共線性檢定結果表 ...................................................................................... 44 各變數顯著性結果表 .................................................................................. 46 特徵價格模型成果表 .................................................................................. 47 模型變數預測與實證方向表 ...................................................................... 52 平均絕對百分比誤差(MAPE)比較表......................................................... 53. 立. 政 治 大. ‧. ‧ 國. 學. sit. y. Nat. 4-4 4-5 4-6 4-7 4-8 4-9 4-10 4-11. n. al. er. io. 表 4-12 命中率(Hit-rate)比較表 ............................................................................... 53 表 4-13 平均絕對百分比誤差(MAPE)比較表(補充) .............................................. 55 表 4-14 命中率(Hit-rate)比較表(補充) .................................................................... 55. Ch. engchi. i Un. v. DOI:10.6814/NCCU202001085.
(12) 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i Un. v. DOI:10.6814/NCCU202001085.
(13) 第一章. 緒論. 第一章 緒論 本章共分為三節，第一節為研究動機與目的，概述自動估價系統之發展與功 能、實價登錄系統使用上之不便所引發本研究之動機及欲達成之研究目的。第二 節為研究範圍與內容，簡述本研究之空間範圍與內容，及資料蒐集和研究上之限 制。第三節為研究方法、架構與流程，簡述本研究所採用之方法、章節架構與研 究流程。. 第一節 研究動機與目的. 政 治 大 內政部鑒於國內不動產市場成交資訊因無法公開透明取得，影響不動產交易 立. 一、 研究動機. ‧ 國. 學. 價格之合理性，進而促使房價不斷飆漲，形成民眾購屋自住之沉重壓力。遂於民 國 101 年 8 月開發建置「不動產交易實價查詢服務網」(下稱實價登錄)，讓每筆. ‧. 不動產交易均有價可尋，提供社會大眾公開、透明化之不動產價格。然而，實價. sit. y. Nat. 登錄系統因考量保護隱私之原則下，各筆成交資訊均採區段化、去識別化方式公. n. al. er. io. 開，導致查詢者無法知悉該不動產確切位置，另考量不動產的異質性，即便是相. i Un. v. 鄰地區相同類型之不動產，其市場價格未必趨於一致。又實價登錄網站上公開之. Ch. engchi. 不動產成交案件，土地、建物門牌均以區段化方式呈現而未被明確揭露，一如地 政士或不動產估價師等地政相關領域之專業人士，亦須花費金錢與時間調閱並比 對資料後始能確認不動產標示或門牌號碼，更遑論一般社會大眾對於成交資訊之 判讀。相較於實價登錄系統公開資訊之不足，坊間已有民間機構自行架設不動產 交易資訊網站(如樂居網、實價登錄比價王等網站)提供實價登錄上住宅大樓交易 資料之詳細門牌號碼，提供成交資訊查詢另一管道。 一般社會大眾欲瞭解不動產行情時，不外乎洽詢不動產經紀業、查詢實價登 錄網站、詢問親朋好友等免付費途徑，而自動估價網站1的推出，讓民眾在尋求 1. 如 House+好時價(https://www.houseplus.tw/)、Good 價網(http://realestate.nptu.edu.tw/)、 -1-. DOI:10.6814/NCCU202001085.
(14) 探討自動估價系統(AVM)對不動產交易價格估價能力之研究-以新北市蘆洲區住宅大樓為例. 不動產價格時，除上述方式外，增添一個具參考性的免付費管道。經實際測試目 前線上各個自動估價網站操作介面，在查詢房價過程中，提供使用者輸入之不動 產變數選項相當稀少，而不動產價格之形成係基於市場供需、景氣、區位、鄰里 環境等各種條件複雜組成，因此使用自動估價網站得到的估值與實際成交價格可 能存有很大的落差。 不動產自動估價系統(Automated Valuation Model , AVM)自 1970 年代發展迄 今，已有相當一段時間，自動估價系統的主要功能是客觀衡量不動產特徵的市場 預測價值，隱含在系統背後目的是提供公平的稅基評價，所以自動估價系統應符. 政 治 大 念是在蒐集不動產的交易資料後，根據交易標的取得該不動產的各種條件，自動 立 合效率、公平、公眾可接受的準則(Carbone et al.,1977)。然而自動估價系統的概. ‧ 國. 學. 評估不動產的價格，即使不動產具有異質性且價格不易掌握，隨著電腦資訊技術 不斷創新，經由建置大量不動產資訊資料庫，輔以大數據分析、類神經網路、人. sit. y. Nat. 到不動產價格。. ‧. 工智慧、地理資訊系統及統計軟體結合，目前已可經由電腦自動估價模型快速得. n. al. er. io. 利用實價登錄資料研究不動產價格相關議題之期刊、論文不勝枚舉，如梁宏. i Un. v. 富與陳奉瑤(2016)、谷元(2018)等，而坊間自動估價系統皆為測試後達一定準確. Ch. engchi. 度(命中率)才上線供民眾免費使用，但亦有新聞報導此種提供自動估價系統之網 站或平台所提供之不動產價格估值有誤導大眾之疑慮，若要以自動估價系統去針 對個案性不動產進行估價，其準確度有待商榷。 自動估價系統準確性的檢測標準，通常是以平均絕對百分比誤差(MAPE)2及. 2. 中國信託銀行試算工具(https://ctbc-mortgage.com/tool/cal12.html)等自動估價平台。 平均絕對百分比誤差(MAPE)為大量個案估價之平均誤差值，計算方式為衡量估計值（自動估 價系統之估值）與評估值（實際成交價）間之差異程度後，取其絕對誤差絕對值後的計算結果， 因此即使高低估的幅度相等，其誤差項也不會被彼此抵銷，而 MAPE 數值愈小表示模型估計 效果愈精準，其計算式如下： ，其中 et = ŷ -yt.。. -2-. DOI:10.6814/NCCU202001085.
(15) 第一章. 緒論. 命中率(Hit-rate)3作為判定模型好壞的評估指標，惟目前對於自動估價系統的準確 性須達到多少才符合建立標準，尚未有統一規定。花敬群(2010)指出自動估價系 統評估標準的經驗值，相關研究及實務上對理想模型精確度之要求標準，採用 MAPE 者多以低於 20%為標準；至於命中率要求標準，多以誤差在 10%範圍內 之命中率應超過五成、誤差在 20%範圍內應超過八成為基準。惟目前鮮少有相關 文獻討論、實測各個自動估價網站之命中率。更遑論以實價登錄交易門牌號碼的 建物條件輸入自動估價系統4所得出之估值，與實際成交金額差異之討論仍付之 闕如，此為本研究的第一個動機。. 政 治 大 valuation)，係依據影響不動產價值之各種資料，判定對象不動產之經濟價值，並 立. 林 英 彥 (2006) 提 到 「 所 謂 不 動 產 估 價 (real estate appraisal ， real estate. ‧ 國. 學. 以貨幣額表示之。換言之，是在社會上一連串價格秩序中，指出估價對象不動產 之價格或租金額之行為。」，而不動產價格為一區間，因此便產生價格準確度(命. ‧. 中率)之問題，如谷元(2018)針對社區大樓價格離散之因素分析且兼論買貴買便宜. sit. y. Nat. 之現象、陳信豪(2015)以特徵價格理論為基礎，利用實價登錄資料建立大量估價. io. er. 模型，衡量估價準確性、林哲民(2014)則是利用台灣地區不動產交易中心成交公. al. iv n C hengchi U 效應、許億捷(2013)採用實價登錄資料研究捷運站對不同類型房價的影響、楊彩 n. 報及實價登錄資料研究實價登錄制度實施前後住宅交易價格的定錨效果及分散. 秀(2013)透過實價登錄資料以特徵價格法建立不動產估價模型探討正面及負面. 3. 4. 命中率(Hit-rate)係指估計值落在特定誤差區間內之機率，通常以 5%、10%、20%為標準，命中 率越高代表模型表現越好，意即估計值越貼近市場價值，其計算式如下： y-y(α) ≤ ŷ ≤ y+y(α)；而 ŷ 為估計價格、y 為實際成交價格、y(α)代表誤差價格。 例如 House+好時價可輸入個案資料分成四大類，(1)所在位置<含城市/行政區、社區、地址>、 (2)不動產類型<含建物類型、屋齡、總樓層數與在所樓層，另可勾選有無管理>、(3)不動產內 部配置<含坪數、房間數、衛浴間數>、(4)停車位<含平面車位數、機械車位數>，其中在建物 類型可選擇套房、公寓<5 層含以下無電梯>、華廈<10 層含以下有電梯>、住宅大樓<11 層含以 上有電梯>、透天厝。 Good 價網可輸入個案資料分為(1)建物類型、(2)建物權狀登記面積、(3)地上總樓層、(4)屋齡、 (5)地址，其中在建物類型可選擇公寓、大樓、套房。 中國信託銀行試算工具可輸入個案資料分為(1)位置或地址、(2)進階查詢<含建物類型、屋齡、 總樓層、所在樓層、坪數>，其中在建物類型可選擇公寓<無電梯>、華廈大樓<有電梯> 以上資料查詢自各網站，查詢日期為 108 年 3 月 1 日。 -3-. DOI:10.6814/NCCU202001085.
(16) 探討自動估價系統(AVM)對不動產交易價格估價能力之研究-以新北市蘆洲區住宅大樓為例. 影響房價之因子、李宗霖(2016)則使用類神經網路模式探討影響住宅房價因子之 影響程度，等等文獻多是利用實價登錄資料利用不同方法拆解價格，但少有文獻 同時針對實價登錄之交易價格與自動估價系統估值，探討二者估值是否具有統計 上之差異，此為本研究的第二個動機。 不動產是異質性極高的產品，將相同類型的不動產放在不同區位，價格也將 有所不同，以實價登錄成交案件為例，同為住宅大樓且地理位置等各方面條件相 近之前提下，其成交價格之單價可能卻相差數成。Detweiler(1999)研究電腦輔助 估價系統，實證發現不同地區由於資料庫不同，模型會有差異，影響模型之變數. 政 治 大 錄特殊交易情形 後所保留的資料，再輔以樂居網揭露的門牌資訊，應是目前可 立. 也有所不同，且自動估價系統的建立需要大量且高品質的資料庫。而排除實價登 5. ‧ 國. 建立影響住宅房價變數相對良好的資料庫。. er. io. sit. Nat. 根據上述研究動機，本研究目的如下：. y. ‧. 二、 研究目的. (一)檢測差異. 學. 公開取得，用來測試自動估價系統估值與實際成交價格是否具有統計上之差異與. al. n. iv n C 透過統計檢定，檢測不動產實際交易價格與自動估價系統之估值，在統計上 hengchi U. 是否有顯著差異。 (二)提升準確率 藉由實價登錄所揭露住宅大樓之資料，建立地區型之特徵價格模型迴歸式， 以平均絕對百分比誤差(MAPE)及命中率(Hit-rate)與不動產自動估價系統比較， 冀望本研究之模型在研究範圍能更精準的預測成交價格，縮小成交價格與估值的 差距。. 5. 實價登錄揭露資料之備註欄位有加註資訊，如海砂屋、輻射屋、風俗民情之交易、土地增值稅 由買方負擔、包含增建之交易、包含公共設施保留地之交易或者是不動產估價技術規則第 23 條所列之情事等等不一而足。 -4-. DOI:10.6814/NCCU202001085.
(17) 第一章. 緒論. 第二節 研究範圍與內容 一、 研究範圍 (一)空間範圍 承前研究動機所述，不同地區之模型與影響變數間同樣存有差異，因此，茲 就本研究資料空間範圍限縮於新北市蘆洲區，資料樣態則以住宅大樓為例。並自 民國 101 年 8 月實價登錄系統上線迄今，新北市蘆洲區之住宅大樓共有 3,396 筆 交易紀錄。. 政 治 大 考量景氣波動亦為不動產價格影響因子之一，經參考內政部不動產資訊平台 立. (二)時間範圍. ‧ 國. 學. 所公開住宅價格指數趨勢圖所示，國內不動產交易價格於 103 年達高峰後開始趨 緩，並向下微幅修正；而新北市之住宅價格亦從 103 年第二季後開始呈現平緩下. ‧. 跌之趨勢。為避免因不動產市場價格面臨結構性轉變，導致取得資料造成研究有. Nat. sit. y. 所偏誤，兼以考量本文僅針對住宅大樓作為研究對象，因此，本研究資料蒐集時. n. al. er. io. 間範圍為 103 年第二季~107 年第 4 季為止6，在研究範圍內之新北市蘆洲區住宅. i Un. v. 大樓交易筆數共有 2,399 筆，排除特殊交易案例後之案例有 1,821 筆7。. 6. 7. Ch. engchi. 於取用日期內政部不動產資訊平台所公布之趨勢圖僅到 107 年 Q2，然至 107 年 Q4 止，緩跌趨 勢仍未改變，因此本研究時間範圍，從 107 年 Q2 擴大至 107 年 Q4。 本段為查詢實價登錄網站民國 101 年 8 月至 108 年 3 月及 103 年 4 月至 107 年 12 月新北市蘆 洲區住宅區與商業區的住宅大樓交易之總筆數，查詢日期：108 年 3 月 1 日。 (網址：https://e-land.land.ntpc.gov.tw/NTPCELand/trade/index.aspx。) -5-. DOI:10.6814/NCCU202001085.
(18) 探討自動估價系統(AVM)對不動產交易價格估價能力之研究-以新北市蘆洲區住宅大樓為例. 圖 1-1. 全國及新北市住宅價格指數趨勢圖. 資料來源：內政部不動產資訊平台，2019，住宅統計→住宅價格指數。 網址：http://pip.moi.gov.tw/V2/E/SCRE0106.aspx，取用日期：108 年 3 月 1 日。 (三)案例範圍. 立. 政 治 大. 本研究係以實價登錄之住宅大樓(11 樓以上有電梯)為樣本型態，而住宅大樓. ‧ 國. 學. 之交易常包含車位，故選取之交易案例如包含車位者，將針對其成交資訊以扣除 車位面積與價格方式調整之，惟交易資訊內如未揭露該車位之成交單價，將以研. ‧. 究時間範圍內之交易車位均價作為該車位面積與價格扣除依據。此外，本研究將. y. Nat. er. io. (四)案例來源. sit. 排除備註欄位有加註資料之案例。. al. n. iv n C 本研究探討之重點在住宅大樓之不動產實際成交價格與自動估價系統估值 hengchi U. 在統計上是否有顯著差異，因此不動產實際成交價格取自實價登錄，而自動估價 系統估值係由眾多自動估價網站中選取一個自動估價系統(下稱某 AVM)做為本 研究自動估價系統估值之來源8，而在某 AVM 輸入之門牌資訊，係經比對樂居 網揭露資訊與實價登錄成交資訊相吻合之結果。. 二、 研究限制 由於實價登錄成交資訊採區段化與去識別化，導致使用者無法直接得知確切. 8. 因囿於人力、金錢、時間，實無法對各自動估價系統之估值研究，故僅挑選一個，並非其他自 動估價系統較差或不適用。 -6-. DOI:10.6814/NCCU202001085.
(19) 第一章. 緒論. 之門牌號碼，雖可從 HiNet 地政服務電傳服務系統付費查詢以確認門牌號碼，然 其查詢費用龐大且曠日廢時，在經費與時間限制之考量下，本研究確認實價登錄 住宅大樓門牌號之方式，係經由比對實價登錄交易資訊(如交易總價、交易年月… 等)與樂居網揭露資料相吻合後，即以樂居網揭露之門牌號做為實價登錄與輸入 某 AVM 之門牌號9。 Fisher(2002)提到自動估價模型存在著系統風險，當模型建立所用資料無法 反映市場情況時，可能會偏離市場價值。彭建文、楊宗憲(2007)提到以 AVMs 與 迴歸模型進行估價常被稱為黑箱作業主要是 AVMs 僅回應勘估標的不動產價. 政 治 大 並不會主動回應差異發生原因，導致估價結果可信度受到質疑，這是 AVMs 或 立 格，當估價結果與實際交易價格或不動產估價師之評估結果差異甚大時，AVMs. ‧ 國. 學. 迴歸模型常被批評為“black box”的主要理由。. 本文係以某 AVM 估值進行研究，而該系統亦經其研發團隊檢測符合前述標. ‧. 準後始公開使用，因此本文不去探討(或合理化)所選用自動估價系統會被質疑為. n. al. er. io. sit. y. Nat. 黑箱作業之原因。. 9. Ch. engchi. i Un. v. 此外，本研究係自樂居網取用研究時間範圍內排除特殊交易後全部住宅大樓資料，但樂居網仍 有少數交易資料未揭露門牌者，仍將其排除在選取案例之外。 -7-. DOI:10.6814/NCCU202001085.
(20) 探討自動估價系統(AVM)對不動產交易價格估價能力之研究-以新北市蘆洲區住宅大樓為例. 第三節 研究方法、架構與流程 一、 研究方法 本文第一部分為檢測不動產交易價格與某 AVM 估值，在統計上是否有顯著 差異，因此以統計學之 F 檢定檢測。 第二部分為建立特徵價格模型，為達成研究目的，本文首先回顧特徵價格相 關文獻，歸納與整理住宅大樓的影響因素和價格形成主要因素，以建立本研究迴 歸式，期能縮小住宅大樓實際成交價格與估值之差距。. 政 治 大. (一)F 檢定. 立. F 檢定係用來檢定兩個統計量10是否估計相等的變異數。F 值較大者表示分. ‧ 國. 學. 子的統計量可能估計較大的變異數，而 F 檢定亦稱為變異數比例檢定。. 和. 應趨近相等，要是比值. sit. io. n. al. er. 就認為兩個樣本可能來自不同的母體。 (二)實證分析. 不接近 1，. y. Nat. 母體變異數的兩個估計值. ‧. 舉例而言，兩樣本大小分別為 n1、n2 的兩組樣本取自同一個常態分佈，則此. Ch. engchi. i Un. v. 本文先以樂居網所揭露新北市蘆洲區住宅大樓，並以此資料透過交易價 格、交易面積、交易年月、門牌地址、建築完工日期、樓層數、屋齡等相關資 訊，作為比對實價登錄資料之依據，在完全吻合之情況下始納入研究案例。而 在某 AVM 估值，係在樂居網比對門牌後，輸入建物類型、建物權狀面積、地上 總樓層、屋齡、門牌號等資訊，產生之估值，藉以檢視新北市蘆洲區住宅大樓 之交易價格與某 AVM 估值在統計上有無顯著差異。 本研究第一部分係要檢測不動產交易價格與某 AVM 住宅大樓估值的差異， 係由樣本資料所形成用來描述樣本特徵的函數，稱為統計量(statistic)，統計量為一個總體參數 的點估計量，統計量的函數本身可以用於計算全體數據，統計量僅僅統計抽出來的樣本，可以 用於對於統計參數進行估計。. 10. -8-. DOI:10.6814/NCCU202001085.
(21) 第一章. 緒論. 其樣本數相等，如果二者數值沒有顯著差異，其變異數應趨近相等且比值近似於 1。因此，選取統計學上的 F 檢定做為本研究第一部分的檢測方法。 (三)特徵價格模型 本研究將利用新北市蘆洲區住宅大樓交易實例，以特徵價格方程式建立房 價模型，並於文獻回顧中找到變數，一般對於不動產價格之研究多應用 Rosen(1974)所提出的特徵價格理論，建立特徵價格模型後，以複迴歸方式進行 分析。. 二、 研究架構. 政 治 大. 本研究分為五章，第一章「緒論」，包括研究動機、研究目的、研究方法、. 立. 研究架構、研究流程、研究範圍、研究限制等。第二章「理論與文獻回顧」，為. ‧ 國. 學. 相關理論與文獻整理，包括自動估價系統的發展、影響住宅大樓價格的因素、 特徵價格模型建立變數的選取等。第三章「研究設計」，根據統計學上 F 檢定之. ‧. 內容設立虛無假設與對立假設，藉以檢定不動產交易價格與某 AVM 估值是否存. y. Nat. io. sit. 有差異，並依文獻選取變數建立特徵價格方程式，以選取之變數做為後續實證之. n. al. er. 基礎。第四章「實證結果分析」，呈現本研究實證成果，看是否某 AVM 估值與. Ch. i Un. v. 實際成交價格是否存有統計上之差異，並建立特徵價格模型，期望本研究所建立. engchi. 地區形之迴歸式能較 AVM 預測能更準確。第五章「結論與建議」，綜整實證分 析結果，期望提出具體建議以供參考。. -9-. DOI:10.6814/NCCU202001085.
(22) 探討自動估價系統(AVM)對不動產交易價格估價能力之研究-以新北市蘆洲區住宅大樓為例. 三、 研究流程. 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 圖 1-2. i Un. v. 研究流程圖. -10-. DOI:10.6814/NCCU202001085.
(23) 第二章. 理論與文獻回顧. 第二章 理論與文獻回顧 本章分為三節，第一節為特徵價格理論，說明消費者在消費特定財貨時，會 根據各項特徵而決定願意負擔的價格，商品價格是由不同特徵的隱含價格加總而 成的。第二節為影響住宅大樓價格因素之相關文獻。第三節為自動估價系統，將 說明其優缺點與發展之歷程與困境。. 第一節 特徵價格理論 早期傳統的消費者需求理論，是假設住宅為均質產品且為全完競爭市場並認. 政 治 大. 為住宅價格，並認為住宅價格的差距，主要受到市中心距離的遠近所導致。. 立. Lancaster(1966)則提出新的消費者理論，認為消費者會依其偏好來選擇住宅的. ‧ 國. 學. 屬性，因此住宅價格的決定並不只是傳統需求理論中距市中心的遠近。. ‧. 由於商品係由各種不同特徵所組成，商品價格亦由各種特徵屬性組合而決. sit. y. Nat. 定，Rosen(1974)結合新消費者理論、效用理論與競價理論，確立特徵價格理論. io. er. (Hedonic Price Theory)，並建立特徵價格模型，認為商品是由所有特徵組合帶. al. iv n C hengchi U 數進行迴歸分析，求出各影響變數所隱含的邊際價格，可解釋各變數與價格間的 n. 給人們的效用決定，由各特徵的組合方式與影響不同，因此以影響住宅價格的變. 因果關係。 Rosen 將 Lancaster 的新消費者理論結合效用理論與競爭理論，運用在異質 產品市場上，提出了住宅價格的形成是多種特徵屬性的組合，並指出在公開交易 的情形下，消費者與生產者都是為追求效用及利潤最大。而當消費者與生產者的 價格達到一致時，即為市場的均衡價格，而此一價格也是消費者與生產者對住宅 特徵屬性的隱含價格(紀凱婷，2008)。 在自由競爭市場，透過生產者要價與消費者競價，當一不動產供需均衡時的 價格，其價格即是該不動產各項屬性特徵隱含價格所組成，顯示消費者願對該不 -11-. DOI:10.6814/NCCU202001085.
(24) 探討自動估價系統(AVM)對不動產交易價格估價能力之研究-以新北市蘆洲區住宅大樓為例. 動產每一屬性特徵所願意支付價格。市場龐大同質性不動產交易資料建立大量估 價模型，應用於不動產大量估價場合，只要得知消費者對於特定類型不動產每一 屬性特徵願意支付隱含價格，建立數學迴歸方程式，在不動產大量估價時，就對 象不動產勘估標的屬性特徵輸入數學迴歸方程式，即可得對象標的不動產價格 (賴永城，2014)。 特徵價格理論發展至今，常被用來做為不動產自動估價系統的理論基礎，而 複迴歸模型是最普遍被應用於大量估價模型，其是將不動產各種屬性資料帶進複 迴歸式，藉由軟體計算出各種屬性特徵之係數值，用以判定各種特徵對於不動產. 政 治 大 Ibrahim et al.(2005)、Detweiler(1999)、吳孟璇、梁仁旭(2016)、梁仁旭 立 價值之貢獻。先前國內外研究不動產價格以複迴歸模型的有 Moore(2005)、. ‧ 國. 學. (2012)、林袓嘉、馬毓駿(2007)、陳奉瑤、楊依蓁(2007)等。 承前所述，特徵價格理論最大的優點在於簡單且易於解釋，而其潛在的問題. ‧. 為不動產有高度異質的特性，加上購屋者的效用函數並不相同，致使相同的房屋. Nat. sit. y. 特徵對不同購屋者會有不同的評價，且特徵價格模型在建立時建構住宅特徵屬性. n. al. er. io. 與價格間的關係過於簡化，並且各特徵屬性間可能存在非線性關係且不動產的獨. i Un. v. 特性，也增添了特徵價格模型在估計不動產價格上的困難度。. Ch. engchi. -12-. DOI:10.6814/NCCU202001085.
(25) 第二章. 理論與文獻回顧. 第二節 影響住宅大樓價格因素相關文獻 住宅商品具有高度異質性，影響不動產價格的因素相當多元且複雜，承前特 徵價格理論，價格係由各個住宅商品特徵組合而成，諸如區位、景氣、總體經濟、 政策、利率、交通便利性、樓層、結構、建物本身特徵等等因素，皆交互影響著 不動產價格，因此本節就影響住宅大樓價格之因素回顧相關文獻，做為後續實證 分析建立特徵價格模型之基礎。 不動產估價技術規則將影響不動產價格之因素分為一般因素、區域因素與個. 政 治 大 的一般因素、不動產所在地區的區域因素及不動產個別特徵之個別因素等三個層 立. 別因素，而梁仁旭、陳奉瑤(2018)在不動產估價一書中提到，一般劃分為大環境. ‧ 國. 學. 次，愈高層次所影響範圍愈廣，且通常對不動產價值會產生全面性的影響，但對 個別不動產之間差異較不明顯；相對地，愈低層次的因素對於不動產價值產生的. y. sit. n. al. er. io. 一、 一般因素. Nat. 別進行文獻回顧。. ‧. 個別性影響，則相對較明顯。而本研究將以這三種影響不動產價格之因素11，分. i Un. v. 一般因素係指社會整體的特性，對於經濟及社會乃至不動產狀態及價格水準. Ch. engchi. 普遍影響之因素，臺灣過去 50 年來房市經歷了四次明顯的景氣循環，價格高峰 分別發生在 1973~1974 年、1979~1980 年、1987~1989 年、2013~2014 年，前兩 波之房地產價格大漲係起因於國際間之石油危機，原油價格飆漲帶動通貨膨脹， 建材成本的上漲及受到通貨膨脹的預期心理，導致不動產價格節節攀升達到高 峰，第三波景氣高峰係新臺幣持續升值，國外熱錢湧入，股價屢創新高，導致游 資紛紛轉投入不動產市場，使不動產價格再締造高峰，而第四波是從 2003 年. 依不動產估價技術規則第 2 條第 1 項第 14~16 款所定義，一般因素：「指對於不動產市場及其 價格水準發生全面影響之自然、政治、社會、經濟等共同因素。」、區域因素：「指影響近鄰 地區不動產價格水準之因素。」、個別因素：「指不動產因受本身條件之影響，而產生價格差 異之因素。」。. 11. -13-. DOI:10.6814/NCCU202001085.
(26) 探討自動估價系統(AVM)對不動產交易價格估價能力之研究-以新北市蘆洲區住宅大樓為例. SARS 過後，房市逐漸復甦，其中 2008 年全球金融危機曾經小幅下跌，嗣後因 貨幣寬鬆政策加上低利率環境，推動不動產價格明顯上揚，房價至 2014 年上漲 至最高點，由於此時房價明顯偏高不合理，透過市場機制發揮力量，加上政府推 動房市稅制改革，方使不動產價格向下盤整緩跌。 李春長、游淑滿、張維倫(2012)分析大台北地區住宅價格，係從不動產景氣 之面向探討對住宅價格之影響，並討論不動產景氣對於住宅價格的調節效果。彭 建文(1997)指出不動產市場終究會受到總體經濟的影響，因為對商業、居住等空 間需要會創造不動產之需求，要瞭解經濟及不動產市場的最新狀況是切入不動產. 政 治 大 程，但非為完整對稱上下波動的趨勢，隨著經濟、社會及市場本身的變革，必需 立. 市場景氣重心的基礎。張金鶚、彭建文(1997)指出房地產景氣雖有循環性的過. ‧ 國. 學. 將經濟面、社會面的「結構性變遷」因素加以考量。. 林左裕(2018)提到長期支撐房市穩健成長的最重要因素就是基本面的「收. ‧. 益」及「購買能力」，否則就可能產生泡沫(bubble)現象。而國民所得就是未來. Nat. er. io. sit. y. 家戶及個人的購買能力。因此當人均國民所得越高，對不動產的購買能力應越強。 洪淑娟、雷立芬(2010)則選取貨幣供給額、儲蓄率、物價、利率、個人所得、. n. al. Ch. i Un. v. 股價為總體經濟變數，研究中古屋、預售屋/新成屋之房價與總體經濟變數間之 12. engchi. 互動關係 ，實證結果顯示貨幣供給額對中古屋及預售屋/新成屋房價有著正向影 響；儲蓄率對中古屋及預售屋/新成屋房價均具有負向影響；而股價上漲有助於 剌激價位相對較低的中古屋市場，在預售屋/新成屋市場較不具顯著效果；在中 古屋房價對物價與利率有著單向因果關係，而其研究指出中古屋房價不易受到所 得影響；而預售屋/新成屋房價在物價與利率上不存在因果關係，以及在其文章. 該文章係探討國內住宅類房價與總體經濟變數的互動關係，而中古屋與預售屋訂價上存在差異 性，因而視為不同產品，而文章內計算預售屋房價過程使用國泰房價指數，由於國泰房價指數 包含預售屋及新成屋資料，故該文章將預售屋房價稱為預售屋/新成屋房價，與中古屋房價作 區隔。. 12. -14-. DOI:10.6814/NCCU202001085.
(27) 第二章. 理論與文獻回顧. 中提到所得領先於預售屋/新成屋房價13。 台灣房價居高不下，造成年輕人不敢買也買不起房，因此政府有責任根據總 體經濟之狀況，適度調節房價，而鄭湘妍(2016)以台北市房價、國內生產毛額、 消費者物價指數、房貸利率、就業率五個總體經濟指數，探討相互之關聯性，其 實證結果顯示，房價與國內生產毛額和就業率有著正向關係，國內生產毛額增 加，會刺激民眾買房意願；就業率提升代表更多人有工作，將有更多人買的起房， 房屋價格勢必提升；而房價與消費者物價指數和房貸利率呈現反向關係，代表利 息低，民眾較有意願買房。. 政 治 大. 許智淵(2012)總體環境因素中，可分為社會、行政、經濟因素。社會因素指. 立. 於該環境中房地產可能潛在之需求量，主要是由人口因素所決定。行政因素則是. ‧ 國. 學. 指土地利用計劃等管制狀態，與房地產稅制及相關住宅政策之行政措施改革，對 房地產價格之影響。經濟因素則是指如通貨膨脹、利率及相關之金融變數等，均. ‧. 可能會影響房地產價格。. y. Nat. er. io. sit. 黎佳貞(2012)以貨幣政策看房價變動趨勢的實證研究中發現，貨幣政策與房 價間存在長期均衡之關係且會相互影響，由於利率在不動產市場中扮演重要的角. n. al. Ch. i Un. v. 色，利率的變動影響著不動產投資成本，進而影響不動產市場景氣，自 2000 年. engchi. 以來，台灣實行低利率政策，過低的利率提供不動產市場有利的投資環境，亦為 不動產價格不斷攀升之原因。同樣地，蔡雅琪(2014)探討房價與貸款利率的關聯 性，在實證模型發現貸款利率變動影響房價走勢，當貸款利率處於低點時，房貸 持有成本低廉而不斷投資，導致房價上漲，而從租金指數觀察台灣房價不合理的 上漲，有泡沫化的傾向。 Dorsey et al.(2010)以洛杉磯和聖地牙哥自 2000 年來景氣之波動循環，實證. 該文章係以 Granger 因果關係檢定確認總體經濟變數與房地產價格之間的領先與落後關係，而 依 Granger 對因果關係的定義，是利用不同訊息集合下，增加另一變數，看能否降低預測誤差， 來進行因果關係的檢定，而其因果關係為領先落後之關係。. 13. -15-. DOI:10.6814/NCCU202001085.
(28) 探討自動估價系統(AVM)對不動產交易價格估價能力之研究-以新北市蘆洲區住宅大樓為例. 指出景氣除具有區域性影響外，對特徵房價指數及重複銷售房價指數模式兩種不 同房價評估模式，有不同之結果，而對影響房價之因素，總體經濟的影響力不亞 於其他因素。 二、 區域因素 區域因素係指依地區特性，影響一定範圍不動產價格之因素，不動產所在的 地區條件，將對該範圍的不動產價格產生影響。 洪得洋、林祖嘉(1999)研究指出房屋之交通便利性與否為影響房屋價格之重 要因素之一，以往國內相關研究並未實際估計出房屋面臨道路寬度或者房屋至捷. 政 治 大. 運車站之實際距離對於房屋價格之影響程度，而研究發現房屋所面臨之道路寬度. 立. 對於房屋價格確有正面且顯著之影響，以及在捷運車站影的範圍內，房屋至捷運. ‧ 國. 學. 站之距離對價格之影響有著負向關係，並隨著距離增加，其負向影響有趨緩之現 象。彭建文、楊宗憲、楊詩韻(2009)研究亦指出不動產價格隨著與捷運場站的距. ‧. 離增加而遞減。Hess & Almeida(2007)實證研究亦指出捷運系統對不動產價格有. y. Nat. n. al. Ch. er. io. 性高，通勤時間較短，故對房價有正面影響。. sit. 正面影響。Chua et al.(2001)亦指出離市中心越近，運輸成本越低，交通工具可及. i Un. v. 影響住宅大樓價格之因素除了本身條件外，其周遭生活環境、機能、公共設. engchi. 施等外在條件，亦扮演著購屋者願付多少價金關鍵的角色。潘宗誠(2016)以臺北 市之捷運站、額滿國小、鄰里公園與焚化爐四種公共設施，對建物交易價格做實 證研究，其結果顯示四種公共設施以捷運站與額滿國小對交易價格有顯著之影 響。李春長、游淑滿、張維倫(2012)在分析大台北地區住宅價格的同時，亦有從 公共設施、環境品質之角度探討其對住宅價格之重要性，尤其是現在民眾對於追 求生活品質之提升，已由住宅有其屋之階段，進階至住者適其屋之境界，透過良 好的公共設施及環境品質，有助於提升不動產之價值。Hoshino & Kuriyama(2010) 亦指出距離公園的遠近及公園規模大小，亦可能影響不動產價格。. -16-. DOI:10.6814/NCCU202001085.
(29) 第二章. 理論與文獻回顧. 林祖嘉、馬毓駿(2007)提到估計不動產價格時，將建物特徵分成四大類，為 住宅屬性、鄰里環境、城市屬性與經濟環境，而在鄰里環境方面，包括道路寬度、 公園、學校、市場、醫院與捷運等。 楊宗憲、蘇倖慧(2011)指出迎毗設施與鄰避設施一直以來對住宅價格存有一 定程度的影響，由於都會區中迎毗設施與鄰避設施14都是必要的，在某些生活圈 範圍內就可能同時存在，其研究結果顯示，在迎毗設施中，學校對房價的影響最 大，其次是大型公園、百貨公司、捷運站及大型體育場館；而在鄰避設施方面， 殯儀館對房價的影響較大，其次是污水處理廠、寺廟、變電塔、垃圾焚化廠。而. 政 治 大 品質與鄰近公共設施也同時具有影響力。 立. 林祖嘉、林素菁(1993)指出影響房價的因素中，除房屋本身的特性外，住宅環境. ‧ 國. 學. 三、 個別因素. 個別因素係指個別不動產之特徵，影響其價格之因素，研究不動產價格者，. ‧. 屋齡常被選做為不動產價格模型之變數(如董呈煌、李春長、陳俊麟、吳韻玲，. y. Nat. sit. 2016；林祖嘉、馬毓駿，2007；陳奉瑤、楊依蓁，2007 等)，屋齡係指對象建物. n. al. er. io. 完工之日至房屋交易日所經歷年數，屋齡越大折舊情形越嚴重，也代表建物結構. i Un. v. 與內部耗損越大，房屋價值減損也越高，然可透過外牆翻新、內部裝修而使房屋. Ch. engchi. 增值，亦有研究討論不動產價值在建物耐用年數期間呈現價值先降後升的逆折舊 現象，係起因於不動產使用價值與土地再開發價值的交互作用，故呈現先降後升 之現象，如梁仁旭(2012)。 林祖嘉、馬毓駿(2007)之住宅屬性包括坪數、樓層、建材、格局、房間數、 車庫、土地持分等。李春長、童作君(2010)在建築技術固定情況下，建物面積越 大相對其建築成本越高，且坪數越大則其基本房、廳、衛相對會越齊全，實用性 及便利性越高，居家生活亦較舒適，所以預期建物面積與住宅價格呈正向關係。. 14. 該文章說明，不同環境設施充斥在我們生活四週，有受歡迎者，稱為迎毗設施(yes in my backyard，YIMBY)；亦有不受歡迎者，稱為鄰避設施(not in my backyard，NIMBY)。 -17-. DOI:10.6814/NCCU202001085.
(30) 探討自動估價系統(AVM)對不動產交易價格估價能力之研究-以新北市蘆洲區住宅大樓為例. Sirmans et al.(2005)則統計出最常運用在特徵價格模型上之房屋特徵，而衛浴數 及房間數之效果為正向且顯著。而 Martins-Filho and Bin(2005)、毛麗琴 (2010)、林秋瑾、楊宗憲、張金鶚(1996)亦指出建物面積對價格有顯著影響。 李文傑、甯方壐、黃雅祺(2014)以台中集合式住宅研究房價泡沫的影響，將 住宅特徵分為住宅「建築內部」及周邊的「教育」、「休閒」、「生活機能」、 「區位」、「交通」、「安全」、「鄰避設施」八大類，其中在建築內部的特徵 上有格局(房廳衛數)、建坪、地坪、所屬樓層、用途、屋齡、住宅類型、建材、 樓高、設備、停車場。. 政 治 大. 不動產估價技術規則第 98 條第 1 項15：「區分所有建物之估價，應就專有部. 立. 分、共用部分之比例及基地權利合併估價，並考量其與比較標的之樓層別效用比. ‧ 國. 學. 及位置差異作適當之調整。」。住宅大樓每層售價不盡相同，樓層價差係受到樓 層高度所影響，通常越高樓層者售價越高，林雅瑩(2010)以實證研究建立樓層別. ‧. 效用比率表，藉以推估高樓住宅不同樓層之價格。. y. Nat. 研究後續特徵價格模型變數選取之參考。. n. al. 15. Ch. engchi. er. io. sit. 承前所述，下表整理第一、二節所提到相關文獻研究主題之變數，以做為本. i Un. v. 不動產估價技術規則 102 年 12 月 20 日發布實施之版本。 -18-. DOI:10.6814/NCCU202001085.
(31) 第二章. 表 2-1. 2016. 2016. 作者. 影響不動產價格因素彙整表. 研究主題. 變數. 董呈煌、李春 長、陳俊麟、吳 韻玲. SVR 與 OLS 在住宅價格預 註 測正確率的比較. 住宅價格、住宅面積、土地持份面積、屋齡、 房間數、客廳數、衛浴數、總樓層數、所在樓 層、車位、公園數、醫院數、診所數、國小數、 國中數、高中(職)數、大學數、金融機構數、 傳統市場數、圖書館數、警察局數、距捷運站 距離. 潘宗誠. 公共設施對建物特徵交易 價格之干擾效果以臺北市 捷運站、國小、鄰里公園 與焚化廠為例. 屋齡、所在樓層、總樓層、建物現況格局-房、 廳、衛、建物移轉總面積、單價(元/平方公尺)、 總價、捷運站、額滿國小、鄰里公園、焚化爐。. 蔡雅琪. ‧ 國. 2015. 立. 台灣新成屋房價決定之因 素. sit. io. 集合式住宅房價泡沫形成 之研究-以台中市為例. al. n. 李文傑、甯方 壐、黃雅祺. 樓高、所在樓層、用途、總地坪、平均每層坪 數、購買總層數、平均每層房數、屋齡、國中、 博物館、美術館、展演用地、公園、廣場、綠 園道、體育場、大型休閒遊樂場所、連銷餐飲、 私人診所、書局、便利超商、停車場、郵局、 銀行、大型連鎖購物中心、大型百貨公司、旅 館、國宅、古蹟文物、火車站、交流道、加油 站、警消、工廠、寺廟、喪葬 面積、屋齡、屋齡平方、居住樓層、總樓層數、 北市市區、北市郊區、北縣郊區、內部環境、 居住安全、環境品質、生活便利性、休閒及運 動、景氣、景氣與面積相乘、景氣與屋齡相乘、 景氣與屋齡平方相乘、景氣與北市市區相乘、 景氣與北市郊區相乘、景氣與北縣郊區相乘 屋齡、樓高比、衛房比、坪數、地坪、門前道 路寬、經濟成長率、物價指數、股價指數、購 屋貸款利率、GDP、M2 年增率、市場、公園、 綠資源、醫院、汽車停車位數、機車停車位數、 學校數、機場、加油站、觀光商圈及夜市、嫌 惡設施、停車位有無、增建有無、區位、公寓、 華廈 再開發價值、鋼筋結構、一樓移轉、頂樓移轉、 ln 土地移轉、ln 建物移轉、容積率、道路路寬、. y. Nat. 2014. 利率、租金、貨幣供給額、國內生產毛額、消 費者物價指數、人均所得. ‧. 吳孟璇、梁仁旭. 政 治 大. 台北市高房價成因剖析以租價關係、總體因素與 預期因素探討. 學. 2016. 2006~2011 各年度、除萬華區外台北市各行政 區、道路路寬、容積率、宗地形狀、鋼筋結構、 Ln 移轉面積、與捷運站反距、與大專反距、與 國中小反距、與購物中心反距、與公園反距、 與傳統市場反距、與嫌惡設施反距、Ln 屋齡、 Ln 設算租金、預期房價成長率、預期租金成長 率、國民所得成長率、物價波動、放款利率波 動. Ch. engchi. 2012. 李春長、游淑 滿、張維倫. 公共設施、環境品質與不 動產景氣對住宅價格影響 之研究-兼論不動產景氣 之調節效果. 2012. 許智淵. 類神經網路技術與特徵價 格法於台北市房價預測結 果之比較研究. 2012. 梁仁旭. 不動產價值逆折舊之探討. er. 年度. 理論與文獻回顧. i Un. v. -19-. DOI:10.6814/NCCU202001085.
(32) 探討自動估價系統(AVM)對不動產交易價格估價能力之研究-以新北市蘆洲區住宅大樓為例. 研究主題. 變數. 2012. 黎佳貞. 從貨幣政策看房價變動之 趨勢-以臺北市為例. 2011. 楊宗憲、蘇倖慧. 迎毗設施與鄰避設施對住 宅價格影響之研究. 2010. Dorsey et al.. 特徵價格理論與重複銷售 房價指數用於衡量景氣繁 榮-蕭條週期. n. al. Ch. y. 林雅瑩. ‧ 國. 2010. 房屋價格之特性分析-以 高雄市區為例 大廈住宅樓層別效用比之 估價-兼論屋齡對於樓層 別效用比之影響 中古屋、預售屋/新成屋房 價與總體經濟變數互動關 係之研究 捷運系統對不同區位房價 影響分析-以營運階段為 例. ‧. 毛麗琴. 屋齡、ln 步行至最近火車站的時間、面積 (㎡)、最近的車站為 Denen-toshi 線的車站、 ln 納稅人口平均課稅額、每公頃企業數量、距 澀谷車站距離、日間人口與夜間人口比率、ln 半徑 450 公尺範圍內公園面積總和、ln 半徑 1000 公尺範圍內公園面積總和 每坪成交單價、建物總建坪、屋齡、車位、區 域、房屋類型 土地面積、建物面積、相對樓高、屋齡、行政 區、所在樓層為一樓、二樓、三樓、五樓、六 樓、交易年期. 學. 2010. 衡量鄰里公園設施的好 處：空間特徵方法的應用 和比較. io. Hoshino & Kuriyama. 政 治 屋齡、居住面積、臥房數、衛浴數、lot size、 大 平均不動產稅率、買家貸款比率. Nat. 2010. 立. 與火車站最短路距、與捷運站反距、與公車站 反距、與中小反距、與大專反距、與傳統市場 反距、與購物中心反距、與嫌惡設施反距、屋 齡離差、屋齡離差平方、ln 屋齡 利率、通貨膨脹率、產出缺口、通膨缺口、實 質均衡利率、房價 建物面積(坪)、所有樓層(層)、總樓層(層)、 屋齡(年)、至最近捷運站距離(公尺)、至最近 大型公園距離(公尺)、至最近百貨公司距離(公 尺)、至最近學校距離(公尺)、至最近大型體育 場館距離(公尺)、至最近垃圾焚化廠距離(公 尺)、至最近變電塔距離(公尺)、至最近殯儀館 距離(公尺)、至最近寺廟距離(公尺)、至最近 污水處理廠距離(公尺)、建物類型為大樓或套 房比例、具有車位的比例. sit. 作者. er. 年度. iv n e n g c貨幣供給額、儲蓄率、物價、利率、個人所得、 hi U 股價. 2010. 洪淑娟、雷立芬. 2009. 彭建文、楊宗 憲、楊詩韻. 2007. Hess & Almeida. 靠近輕軌車站對區域不動 產價值的影響以紐約布法 羅為例. 2007. 林袓嘉、馬毓駿. 特徵方程式大量估價法在 台灣不動產市場之應用. 面積、面積平方、屋齡、屋齡平方、路寬、住 宅型式、樓層變數、使用分區(住宅區為基礎)、 區位(市中心為基礎)、捷運距離、成交年期 面積、屋齡、臥房數、衛浴數、為單戶住宅、 壁爐數、距市中心距離、距最近公園距離、距 Delaware 公園距離、位於東邊、不動產犯罪 率、暴力犯罪率、收入中位數、空屋率變數、 人口成長率 持份面積、路寬、屋齡、路寬平方、屋齡平方、 1 樓(不含全棟)、頂樓、地下室、全棟、樓層 變數、樓層變數平方、擁有車位、符合三項的 嫌惡設施、公告市價、地坪、公共設施比率、 住宅種類、工業建築種類、商宅種類、透天厝 種類、鋼筋混凝土、加強磚造、鋼骨構造、鋼 骨鋼筋混凝土、住宅區、住商、商業區、住家. -20-. DOI:10.6814/NCCU202001085.
(33) 第二章. 研究主題. 變數. 2007. 陳奉瑤、楊依蓁. 個別估價與大量估價. 2005. Ibrahim et al.. 自動估價模型：新加坡公 共住宅轉售市場的應用. 2005. Martins-Filho and Bin. 特徵價格函數的估計透過 加性非參數迴歸. 2001. Chua et al.. 政 治 大. 開發商的善意對公寓價格 的影響. 1996. 林秋瑾、楊宗 憲、張金鶚. 住宅價格指數之研究-以 台北市為例. 林祖嘉、林素菁. 台灣地區環境品質與公共 設施對房價與房租影響之 分析. io. al. n. 1993. 至捷運站距離(公尺) 、道路寬度(公尺)、主建 物比率(%)、離嫌惡設施一公里內、住宅大廈、 辦公大廈、商店、逶天厝、別墅、套房、車位、 一樓、頂樓、地下樓、外牆、內牆、房間數、 廳數、衛浴數、屋齡(月)、交易時間(月) 登記總面積、所在樓層、所在樓層平方、衛浴 設備套數、屋齡、地上總樓層數、區位(是否為 舊市區)、等候交易天數、季節調整因素(第一 季-第四季、第二季-第四季、第三季-第四季) 交通便利程度、噪音干擾程度、空氣污濁程度、 五年內曾淹水、飲水衛生、住宅滿意程度、房 間數、大廳數、面積坪數、房屋年齡、住宅結 構、學區內國小距離、學區內國中距離、菜市 場距離、休閒場所距離、醫院診所距離、郵局 距離. sit. Nat. 洪得洋、林祖嘉. 所在樓層、面積、有無海景、屋齡、是否為 A 開發商所興建. ‧. 台北市捷運系統與道路寬 度對房屋價格影響之研究. 1999. 學. ‧ 國. 立. 用途、工業用途、商、店用途、國宅用途、戶 數、人口流出、人口流入、建照、使用執照、 房價指數變動率、房屋建築業生產指數變動 率、購屋貸款利率、加權指數(月底)變動率、 領先指指標變動率、所得成長率 區位、土地使用分區、國內生產毛額、貨幣總 供給量、消費者物價指數、營造業者員工平均 薪資、移轉地上樓層、移轉地下樓層、土地移 轉面積、建物移轉面積、宗地形狀、宗地寬度、 宗地深、臨街關係、建物類別、構造種類、路 寬、屋齡、地上總樓層數、地下總樓層數、總 樓層數 面積、屋齡、移轉樓層、距市中心距離、距地 鐵站距離 衛浴數、臥房數、住宅區、土地面積、於 1994 年時的屋齡、距最近湖泊的距離、距最近濕地 的距離、距最近公園的距離、海拔高度、距最 近工業區的距離、距最近商業區的距離、距市 中心的距離. y. 作者. Ch. engchi. er. 年度. 理論與文獻回顧. i Un. v. 備註：(1)SVR(support vector regression)為支撐向量機中的支撐向量迴歸，OLS(Ordinary Least Squares)為統計學上之最小平方法。 (2)資料來源：本研究整理. -21-. DOI:10.6814/NCCU202001085.
(34) 探討自動估價系統(AVM)對不動產交易價格估價能力之研究-以新北市蘆洲區住宅大樓為例. 第三節 自動估價系統 自動估價乃源自美國於 1960 年代利用電腦輔助公部門為不動產課稅所發展 出的估價方式，意即利用統計分析與標準化的程序評估不動產價值。林元興(2017) 指出資訊時代須以「大數據」的結論為準，較能達到效率與精準的境界，這是今 後政府施政應改革的方向。先進國家對不動產課稅估價多採「大量估價法」(mass appraisal)，又稱自動評價模式(AVM)或電腦輔助大量估價法(computer assistant mass appraisal , CAMA)，因須在同一時間內評估許多不動產的價格，故須採用「大 數據」，並根據統計模式(例如複迴歸)或地理資訊系統(GIS)，具有一定的程序。. 政 治 大 國際不動產評價協會(International Association of Assessing Officers，IAAO) 立. ‧ 國. 學. 對於大量估價與電腦輔助大量估價分別做了解釋，所謂大量估價係短時間內，對 特定資料利用標準化的步驟與統計上的檢定測試，對多筆不動產進行系統性的估. ‧. 價。而電腦輔助大量估價乃是利用電腦輔助提供一個標準化的程序以進行大量的. sit. y. Nat. 不動產估價。二者之概念，皆是在短時間評估眾多不動產價格之行為，因此需在. io. n. al. er. 節省人力、時間、金錢之原則下，掌握不動產價格相對高低之合理性。. i Un. v. 美 國 估 價 學 會 頒 布 的 專 業 估 價 作 業 統 一 準 則 (Uniform Standards of. Ch. engchi. Professional Appraisal An International Review，USPAP)提到，AVM 能經由迴歸、 類神經網路、專家系統或是人工智慧系統，透過電腦計算出不動產價值，根據自 動估價模型準則(Standard on Automated Valuation Models)，將自動估價模型定義 為基於電腦軟體以數學統計的方式，以事前、個別的資料蒐集，根據位置、市場 狀況和不動產特徵加以分析，估計不動產的市場價值。自動估價模型的特點是透 過數學統計模型產生市場價格。而自動估價模型之可信度取決於所蒐集資料的品 質和模型建構技術，自動估價系統之開發應藉由的市場分析人員 (例如：估價 師)，他們應基於統計方法分析數據，並從先前蒐集的資料中選擇最佳的市場活 動模擬，分析位置、市場條件和不動產特徵。也因此，標準化之程序、統計方法. -22-. DOI:10.6814/NCCU202001085.
(35) 第二章. 理論與文獻回顧. 及最適模型的建構與測試，乃是進行自動估價(或大量估價)前之關鍵程序。 林祖嘉、馬毓駿(2007)提到大量估價法的主要優點有三：第一是可以讓估價 人員利用系統，迅速而正確的得到不動產的估價，因此可以使估價的行政成本降 低許多。其次，大量估價法是以系統的方式進行估計，所以比較不容易出現人為 的誤差，當然也不會造成估價人員在估價上的道德危險16，而且由於大量估價法 的成本很低，所以大量估價法可以作為傳統估價法的輔助工具，來測試傳統人為 估價結果是否適當。第三，其實最重要的是，依巴賽爾協定的規定，所有金融機 構在進行不動產放款之後一定期限內，必須對其放款質押標的物進行重新估價，. 政 治 大 式對放款質押標的物全面進行重估，從成本面來說是不可能的事，此時，大量估 立 由於這些累積的放款案件動輒數萬件以上，如果要求銀行放款人員以傳統人為方. ‧ 國. 學. 價法就可以有系統的方式，對質押標的物進行重新估價。所以這種快速且低成本 的重新估價方式，可以作為傳統估價法的輔助工具，而且也有獨立存在的價值。. ‧. 自動估價雖有前述之優點，而相較於傳統估價，自動估價系統也有其缺點，. Nat. sit. y. 江穎慧(2009)提到傳統個別估價作業程序需到現場實地勘查的確認程序，依估價. n. al. er. io. 目的進行評估，其與自動估價系統適用於快速、大量的估價需求，對於估值的精. i Un. v. 準度要求較低，未針對估價目的不同而有差異的作業方式。而自動估價模型準則. Ch. engchi. 亦說明了，傳統估價方法估價人員需親自現場勘察不動產狀況，估價人員依其經 驗、判斷與分析資料，估算不動產的市場價值，而自動估價模型係以數學統計為 基礎，提供客觀、一致性而有效率的估價結果。 張欣民、陳奉瑤(2003)提到自動估價系統在美加地區已經發展有很長一段的 時間，儘管自動估價系統在單一住宅個案之貸款估價業務上廣受各大金融機構所 接受，而且它在本身的估價技術上也不斷的改進、創新，以提升他的準確度與可 信度，但是迄今仍然得不到主流估價界的認同，甚至對其評價(valuation)過程及 估價結果也不視為是一項真正的估價。而文中亦提及美國自動估價系統是從房貸 也稱道德危機，係指參與合同的一方所面臨的對方可能改變行為而損害到本方利益的風險。. 16. -23-. DOI:10.6814/NCCU202001085.
(36) 探討自動估價系統(AVM)對不動產交易價格估價能力之研究-以新北市蘆洲區住宅大樓為例. 估價市場中衍生出來的，其特色與台灣房貸市場一樣，搶速度、要便宜，也不需 估價師親自出馬，撰寫電腦程式之技術問題是好解決的，最困難的點在於資料的 取得。然而，Kinnard(2001)提到未來不動產估價領域的重點是對大量數據進行快 速和有系統的分析，一旦有可靠的售價、租金可用，即可越來越準確地反映適當 的成果，而電腦技術的發展就可以考慮更複雜的關係及更多的變數，建立和優化 模型使其更接近現實。 國內執行不動產估價業務者，須有不動產估價師執照，出具之報告書亦須有 不動產估價師簽章，始稱完成一份鑑價報告，所耗費之時間與精力，短則一、二. 政 治 大 等)，而中華民國不動產估價師公會全國聯合會所公布 22 項不動產估價師業務範 立 天(如法拍案件)，長則數星期(如土地重劃前後地價查估、都市更新權利變換估價. ‧ 國. 學. 圍17，假如自動估價系統能取代不動產估價師部分業務，則估價業之競爭應會越 顯激烈。彭建文、楊宗憲(2007)發現資料的數量與品質是國內在自動估價系統開. ‧. 發過程中的一大限制，而就估價師公會所列的 22 項業務，僅金融機構不動產擔. sit. y. Nat. 保品估價與法院拍賣不動產估價屬於自動估價系統替代性較高的業務，以其發放. io. er. 之問卷結果來看，有高達 55.6%的估價師認為自動估價系統會減少現有業務，也. al. iv n C hengchi U 價由於二者的特性不同，市場的需求者對於二者的需求也有差異，因此不易直接 n. 推估出自動估價系統最高可能造成估價師業務減少 37.6%。而自動估價與個別估. 全面進行比較。而 Waller(1999)認為自動估價系統已經使用多年，它比估價師更 為快速且便宜，應可取代估價師較為例行的業務，如房貸、再融資等，但並非所 中華民國不動產估價師公會全國聯合會所公布不動產估價師業務計有 22 項，分別為：(1)金融 機構不動產抵押擔保物之估價。(2)公開發行公司不動產買賣交易之估價。(3)法院民事執行處 拍賣不動產之估價。(4)法院民事糾紛有關土地分割、合併等之估價。(5)都市更新權利變換前 後不動產價值之估價。(6)聯合開發有關政府、地主、投資者之權益價值估價。(7)土地開發合 建分配之權益價值估價。(8)土地重劃前後地主權益價值估價。(9)區段徵收地主分配抵價地估 價。(10)政府公共工程徵收地上改良物之估價。(11)政府公共工程徵收農作改良物之估價。(12) 政府公共工程土地徵收之估價。(13)不動產證券化之不動產開發價值之估價。(14)各項工程造 價或鄰房損害之不動產價值減損之估價。(15)土地使用分區變更前後之價值差異估價。(16)會 計作業對不動產以最近日期重新估價。(17)企業購併對不動產價值之估價。(18)企業投資以不 動產作價入股之估價。(19)各級政府公有不動產標售、買賣之估價。(20)移民國外有關之不動 產價值之估價。(21)不動產權利（地上權、抵押權等）之估價。(22)其他土地、建築改良物、 農作改良物及其權利之估價。. 17. -24-. DOI:10.6814/NCCU202001085.
(37) 第二章. 理論與文獻回顧. 有的估價案件都能適用自動估價系統，也因此無法完全取代估價師之功能。 不動產估價的費用多由委託人所支付，不動產估價師為爭取更多的業務來 源，有時必需配合委託人之需求進行估價，進而造成故意高估或低估的道德風 險，此時自動估價系統即可發揮客觀估價的功能。 此外，承前所述，巴塞爾協定實施後，資產風險管理與價值的更新受到重視， 由於自動估價系統可以處理龐大繁雜的業務量，因此即時提供估值、大幅降低估 價成本，自動估價系統的建立會是未來估價研究的趨勢，而自實價登錄開始後， 已有數十萬筆資料，各縣市政府也正在進行大量估價的研究與自動估價系統的建 立。. 立. 政 治 大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i Un. v. -25-. DOI:10.6814/NCCU202001085.
(38) 探討自動估價系統(AVM)對不動產交易價格估價能力之研究-以新北市蘆洲區住宅大樓為例. 第四節 小結 本章於第一節首先回顧研究不動產價格最常被使用的特徵價格理論，說明了 住宅價格是由各種不同特徵屬性的組合，當買賣雙方開價與要價達成一致時，即 為市場均衡價格，所支付的價格也反應了住宅各種屬性特徵的隱含價格。 第二節回顧影響住宅大樓價格因素，針對國內外，利用不同方法(主要是特 徵價格理論建構之迴歸方程式)研究住宅大樓價格所選取變數為何，本文將變數 分為三大類，利用相關文獻探討影響住宅價格因素，做為下一章節研究設計建構. 政 治 大. 特徵價格方程式選取變數之依據。. 立. 第三節主要說明了自動估價系統的起源，並有學者指出我國是有發展自動估. ‧ 國. 學. 價系統的潛力，而自動估價系統在技術上，是結合計量、統計模型與電腦資訊系 統，能提供使用者較為科學、客觀、公正、標準一致的評價結果，而此系統在國. ‧. 內應用情形尚處於萌芽階段。而學者指出估價師僅金融機構不動產擔保品估價與. Nat. er. io. sit. y. 法院拍賣不動產估價二項業務可能會被自動估價系統替代性較高18。 因自動估價系統並非完美，如本文第一章所提目前對於自動估價系統之準確. n. al. Ch. i Un. v. 性僅有實務上之要求，並未有統一規定，而在第三節的文獻回顧中有學者提及資. engchi. 料取得、數量與品質是自動估價系統發展過程中之限制，而從實價登錄制度上路 後，形同不動產交易資訊取得限制之鬆綁，提供各界良好研究案例(素材)，本文 後續實證研究也以此素材作為研究分析之基礎。. 不動產估價仍需要真實的眼力及聽力(real eyes and ears)，以因應市場的變化。獨立且專業 的估價師利用主觀判斷，在不動產市場中可以保護買賣雙方，降低詐欺及投機風險，精密的數 量模型反而會限縮主觀判斷的運用。尤其越缺乏資訊及比較案例的情況下，完成估價任務就必 須借助於對市場的敏感度及專業經驗。陳奉瑤，2017，「大量估價和個別估價的差異」，地政 學訊，第 62 期。. 18. -26-. DOI:10.6814/NCCU202001085.
(39) 第三章. 研究設計. 第三章 研究設計 本實證研究分為二部分，第一部分係將新北市蘆洲區住宅大樓之實價登錄交 易價格與某 AVM 估值以統計檢定之方式，測試某 AVM 估值與不動產實際交易 價格在統計上是否存有差異。第二部分係依文獻回顧內容，將影響住宅大樓價格 之因素列出，以做為第四章實證結果分析，建立特徵價格模型之用。. 第一節 不動產交易價格與某 AVM 估值檢測 一、 資料來源範圍. 政 治 大. 本研究係採用實價登錄資料庫交易價格備註欄位無註記資料之交易案例，然. 立. 而在樂居網中尚有未被完整揭露門牌資訊之案例，本研究亦將其排除，剩餘之案. ‧ 國. 學. 例始得做為本研究之交易價格，而自動估價系統之估值，係選取某研究中心建置 之不動產估價系統做為本研究估值之來源。. ‧. 二、 時間與空間範圍. sit. y. Nat. io. 新北市蘆洲區做為本研究之空間範圍。. n. al. 三、 檢測方式. Ch. engchi. er. 本研究時間範圍以民國 103 年第二季至民國 107 年第 4 季之成交案例，並以. i Un. v. 本研究第一部分係在檢測不動產交易價格與某 AVM 估值之差異，而統計上 之 F 檢定係為用來檢定兩個統計量是否估計相等的變異數，因此本研究選擇以 F 檢定作為檢測二者是否存有差異之方式。 (一)F 分配 陳建勝、陳美菁、朱瑞淵、呂明哲(2012)於統計學管理個案分析應用一書之 兩母體變異數比之統計推論提到，要推論兩母體變異數比值 12 / 22 時，可利用兩 獨立樣本變異數的比值 S12 / S22 來進行。由於在不知道兩個母體分配為何的情況 下，樣本變異數比 S12 / S22 的抽樣分配實在無法得知，因此須先假設母體為常態， -27-. DOI:10.6814/NCCU202001085.
(40) 探討自動估價系統(AVM)對不動產交易價格估價能力之研究-以新北市蘆洲區住宅大樓為例. 將樣本變異數的比值 S12 / S22 除以母體變異數的比值 12 / 22 ，則形成一個新的統計 量，稱為 F 統計量(F statistic)。. S12 / 12. S12 / S22 F=. =. 12 / 22. S22 / 22. 此統計量之抽樣分配稱為自由度 n1-1(v1)、n2-1(v2)的 F 分配(F distribution)， 表示為：. S12 / S22 F=. ~ F n1-1, n2-1. 12 / 22. (二)F 檢定. 政 治 大. 兩母體變異數比值的假設檢定本文係採雙尾檢定，因第一部分係在實測不動. 立. 產交易價格(以 12 表示)與某 AVM 估值(以 22 表示)之差異，也因此欲進行假設檢. ‧ 國. 學. 定，其虛無假設與對立假設為. ‧. H0： 12 = 22. sit. y. Nat. H1： 12 ≠ 22. n. al. er. io. 上式兩邊除以 22 後，虛無假設與對立假設的形式變成 H0： 12 / 22 = 1. Ch. engchi. H1： 12 / 22 ≠1. i Un. v. 而本文將會設定顯著水準α，從實價登錄系統排除特殊交易案後案例後之樣 本數 n1 及某 AVM 估值樣本數 n2，分別求得其樣本變異數 S12 與 S22 ，而以檢定統 計量 F1 = S12 / S22，在虛無假設成立下，檢定統計量 F1 = S12 / S22 為自由度 n1-1 及 n2-1 的 F 分配，亦即. S12 F1 =. S22. ~ F n1-1, n2-1. 當 S12 / S22 愈大或愈小，都能支持 12 / 22 ≠1，所以 F1 愈大或愈小，都愈能支 持 H1，而拒絕 H0。因在 H0 為真下，P ( F1＜F n1-1, n2-1,1-α/2 或 F1＞F n1-1, n2-1,α/2)=α，. -28-. DOI:10.6814/NCCU202001085.
(41) 第三章. 研究設計. 是故拒絕域應為： F1 ＜ F n1-1, n2-1,1-α/2 和 F1 ＞ F n1-1, n2-1,α/2 或表示為： F1＜ 故若 F*1 ＜. 1 F n2-1, n1-1,α/2. 1 F n2-1, n1-1,α/2. 和 F1＞F n1-1, n2-1,α/2. 或 F*1 ＞F n1-1, n2-1,α/2，則在顯著水準α下，樣本資料有. 充分證據顯示 H1 為真，因此拒絕虛無假設 H0，代表不動產交易價格與某 AVM 1. 估值在統計上存有差異；反之，若. ≦ F*1 ≦F. n1-1, n2-1,α/2，則在顯著 F n2-1, n1-1,α/2 水準α下，樣本資料沒有充分證據顯示 H1 為真，因此不拒絕虛無假設 H0，代表. 政 治 大 不動產交易價格與某 AVM 估值在統計上未存有差異。 立. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i Un. v. -29-. DOI:10.6814/NCCU202001085.
Outline
相關文件
zero-coupon bond prices, forward rates, or the short rate.. • Bond price and forward rate models are usually non-Markovian
• P u is the price of the i-period zero-coupon bond one period from now if the short rate makes an up move. • P d is the price of the i-period zero-coupon bond one period from now
了⼀一個方案，用以尋找滿足 Calabi 方程的空 間，這些空間現在通稱為 Calabi-Yau 空間。.
2.1.1 The pre-primary educator must have specialised knowledge about the characteristics of child development before they can be responsive to the needs of children, set
Reading Task 6: Genre Structure and Language Features. • Now let’s look at how language features (e.g. sentence patterns) are connected to the structure
• To introduce the use of the LPF as a tool for planning the school English Language curriculum; and
Understanding and inferring information, ideas, feelings and opinions in a range of texts with some degree of complexity, using and integrating a small range of reading
Promote project learning, mathematical modeling, and problem-based learning to strengthen the ability to integrate and apply knowledge and skills, and make. calculated
Now, nearly all of the current flows through wire S since it has a much lower resistance than the light bulb. The light bulb does not glow because the current flowing through it
