房地產市場之產品定位與產品風險之研究
－台北縣市住宅市場之分析
楊宗憲
*張金鶚
**陳明吉
***摘要
房地產由於都市發展的不同而有地區性的差異，而房地產市場分析的重要 性就在於如何依據不同地區的市場需求而對產品類型與產品風險進行規劃與評 估。以往建設公司在推出新案前的市場分析，多半僅進行競爭個案或當地環境的 調查分析，以藉此進行產品定位(如面積)與風險評估，但以平均數及次數分析 為主的分析方式對地區住宅的特性與消費者的需求常無法精確掌握，就規劃個 案所面臨的風險評估的準確性也相對有限。由於過去欠缺住宅存量方面的資料， 以致無法精確分析小區域的住宅現況，不同地區的住宅代表了該地區的特色， 從市場分析的角度來看，新建住宅的特徵與該地區住宅存量的特徵是否會有相 關，是本研究首先要探討的。我們也希望藉此進一步探討建設公司在推出新案時 就產品定位與產品風險在市場分析時的意義。 本研究以地政事務所的建物存量資料，在新建住宅都被市場接受的假設前 提下，嘗試以平均數與變異數分析方式，找出台北市、縣各地區新建住宅與住宅 存量在住宅屬性上的相關性，以瞭解在市場分析的過程中，住宅存量與其屬性 的意義，並藉此進一步就新建住宅的產品定位與產品風險的評估建立準則。 關鍵詞：平均數、變異數、產品定位、產品風險 * 國立政治大學地政系博士候選人 ** 國立政治大學地政系教授 *** 國立中山大學財務管理系副教授一、
前言
住宅由於都市發展的不同而有地區性的差異，因而各地區的住宅市場也有 所不同，過去受到資訊不足的限制，各界對於住宅存量與新建住宅屬性的特色 及差異所知有限，因此對新建住宅的屬性是否會受到住宅存量的屬性的影響也 不清楚；由於住宅屬性會表現出地區的住宅特色，就市場分析來看，購屋者可 能會因為各種原因而對不同地區的住宅特色而有不同的住宅需求，例如在鄉村 地區，對透天或別墅等大面積類型住宅的需求可能就遠較市區為高； 另一方面，建設公司在推出新案前也會進行競爭個案或對當地環境的調查 分析，以藉此進行產品定位(如面積)與風險評估，但以平均數及次數分析為主 的分析方式對地區住宅的特性與消費者的需求常無法精確掌握，就規劃個案所 面臨的風險評估的準確性也相對有限。以至於建設公司在推出新案時，常常是以 競爭個案的產品定位為主要的參考標準，未考慮到個別地區對住宅真正的需求， 對產品定位所衍生的風險控管也不夠明確。由於對住宅存量與新建住宅資訊的不 足，過去研究常無法瞭解在不同地區適合興建何種住宅，或者是在不同地區興 建何種住宅風險較低， 從住宅存量的角度來看，不同地區的現存住宅代表了該地區的特色，新建 住宅的特徵與該地區住宅存量的特徵是否會有相關，是本研究首先要探討的。我 們也希望藉此進一步探討建設公司在推出新案時，就產品類型與風險在市場分 析時的意義。二、
背景、理論與文獻回顧、假說
過去國內對於建商產品定位方式之分析基本上是以行銷理論為基礎，以問 卷調方式調查消費者之偏好，根據所收集的數據資料運用迴歸分析或多變量分 析等統計方法進行分析，或輔以專家訪談之方式補足問卷調查之不足，如蔡菊 花(1997)、吳桂陽(2001)等，近年來尚有運用決策支援系統方法，如洪博殷 (2001)評估建商產品定位之決策因子，而朱國明 (1999)則以模糊集群分析法 來建構市場區隔，試圖透過購屋者行為之研究，以市場區隔的方式對購屋者需 求屬性加以研究，尋求不同組群之差異，以利業者針對其目標市場，擬定差異 化的行銷策略。此外尚有以歷史分析與實證調查的方法來探討台灣住宅建築開發 歷史過程中，開發者「開發觀念」與居住者「使用態度」之間的影響關係，如董鑑 霆(2001)。綜觀過去文獻基本上只是在使用分析技術的不同，但其分析基礎仍 無法脫離較實務性的一般行銷理論。 而國外之文獻早期也是以行銷理論為基礎進行實地的調查分析，但也有相當多是經濟理論的運用，譬如Singer (1967)之分析方法為事先建立市場範圍， 而後透過市場區隔將需求者之偏好、所得與權屬分類，並分析及預測住宅需求數 量。Fanning & Winslow (1988)則認為房地產市場分析應視不同形態規模之 房地產而調整其分析內容與項目。其並提出四種不同的市場分析水準，每一種分 析水準均強調區位、供給、需求、市場能力分析（即均衡分析( equilibrium analysis)），以及最高與最佳使用等項目，各分析項目內容隨不同的分析水準 由簡單而逐漸複雜且精細。而小規模房地產如公寓，以致大規模社區或商業中心 其市場分析所包含內容應有所不同。 然而卻有學者從投資學角度提出以 流動性觀點分析產品流動性問題 。 Haurin (1988)提出了以典型與非典型偏離的程度來衡量住宅的流動性，其流 動性在實務上之意義則在於產品的定位，而Haurin 所提出理論更大之貢獻則 是可而進一步分析產品定位之風險問題。Haurin 將典型住宅定義為各種住宅屬 性的平均值所組成的住宅。而任何住宅存在屬性偏離典型住宅者，皆成為非典型 住宅，而其非典型的程度可以用偏離的大小來加以衡量。其中典型住宅因為為該 地區普遍之類型，也就是該地區所接受的，因此流動性較高，因此假如建商可 掌握地區典型住宅，進行有效率的推案，即可藉此降低建商投資的風險 根據Haurin 之觀點，建商推案之銷售狀況受到其所推出住宅是否符合該 地區典型住宅的影響，而與典型住宅之差異程度可視為流動性的大小，差異或 稱流動性則隱含產品之風險問題。因為假如差異性大則流動性低，產品可能要需 要較長時間才能銷售出去。Haurin 一文的典型住宅亦可視為平均住宅，而平均 住宅之意，則可以其住宅本身之屬性來檢視，譬如面積的平均或屋齡的平均等。 接近平均住宅則是符合Haurin 典型住宅之意。在 Haurin 論文中對於典型住宅 有明確之定義，因為我們必須界定「如何接近」平均住宅才是典型住宅。依據 Haurin 之觀點，本文之理論根據是以平均數與變異數的方式分析建商產品定位 問題1，在分析典型住宅我們從其住宅屬性上著手，建商推出其住宅產品，若接 近當地平均住宅即是接近典型住宅，與平均住宅之差異則可視為其流動性之問 題，亦即差距大則流動性低，差距小則流動性強。
在投資學中，我們計算預期投資報酬率(Expected rate of return)以機 率分配(Probability Distribution)之觀點，其報酬率之期望值是所有可能發生 的報酬與可能發生機率的乘積，據此我們以可能發生之報酬與預期報酬之離散 程度來計算其標準差(Standard error)或變異數(Variance)，此標準差或變異 數則代表風險之大小。然而標準差所衡量的是單一資產的風險，若決策者面臨不 只一項投資選擇時，我們必須將各資產之風險標準化才能作比較，因此我們使 用變異係數(Coefficient of Variance)，亦即標準差除以平均數作為比較，此 便可衡量單位預期報酬所承擔之風險。運用此投資學的概念，我們可分析平均住 1 本文運用 Haurin 之觀點，但並使用 Haurin 對典型住宅之統計定義方式。
宅與其流動性問題，以瞭解建商產品定位之風險問題。 因此歸納過去國內對於建商產品定位方式之分析多是以消費者偏好之角度， 以市場調查所收集之數據資料進行統計分析，其缺失可能產生於問卷調查的準 確性外，所根據乃是一般行銷理論，而行銷理論對於產品定位之風險則無法著 墨。雖然以行銷理論之分析方式較接近於實務，然而此實務性的調查分析背後所 缺乏的是經濟與投資理論基礎。而本文則試圖以此補足過去文獻之缺憾。 本研究依據以上Haurin 之理論與投資學的概念，提出以下兩個假設： 1. 新建住宅的產品定位與該地住宅存量的屬性有相對應關係，但在不同發展程 度的地區，其相對應關係應會有差異。 2. 新建住宅的產品差異與該地住宅存量屬性的差異有相對應關係，但在不同發 展程度的地區，其相對應關係應會有差異。 由於新建住宅產品類型在不同屬性及相關設施的組合與訴求的變化很大， 實際上受到市場接受的程度也不同，但一般來說，面積在消費需求及產品定位 上是主要的訴求重點，為了突顯研究對象與簡化假設，本研究假設新建住宅都 能順利銷售，也就是說新建住宅都能得到市場的接受，並以新建住宅面積作為 說明產品定位的主要對象，而以新建住宅面積的變異程度，作為分析產品風險 主要工具。以變異數來解釋風險，主要是著眼於面積變異性大的地區，產品定位 的落差也相對較大，在市場分析上比較不容易進行產品定位，相對的產品定位 的風險也較高。
三、
資料說明
本研究使用資料為台北縣、市的建物登記資料庫，包含建物登記簿中的標 示部及所有權部，資料來源為台北縣、市合計共15 個地政事務所，資料截止時 間為民國88 年 4 月 30 日的建物登記存量資料，這些建物基本屬性分別包括面 積、登記日期、完工日期、座落地址、登記使用項目等等。本研究將所有地政事務 所的建屋存量資料合併，經過篩選住宅的使用項目2及面積異常資料的剔除3， 合計二縣市的住宅存量共1,744,311 筆。 在新屋與住宅存量的界定方面，由於目前住宅市場存在預售屋與新成屋的 二大主流，考慮到預售屋從銷售時即已完成產品定位，卻未完工的情況下，以 資料截止前3 年內完工者為新屋，因此本研究定義以 85 年 5 月 1 日後完成登 2 即登記使用項目為住家用、住商用、住工用、農舍。 3 原始資料中有部分建物登記面積甚低或者過高，使得樣本中面積的變異數過大(有些區段的面 積變異數甚至高於10000 坪)，因此本研究經過次數分析求得樣本中面積的 Q0.5與Q99.5分別 (第 0.5 與 99.5 個百分位數)為 5.7 坪及 195.5 坪，基於一般新建住宅的面積甚少在此範圍之 外，因此將小於6 坪及大於 200 坪的樣本予以刪除，刪除約 0.56%的樣本數，變異數過大的 情形也大幅改善。記者為新屋，而在此之前完工者則視為住宅存量。 在刪除異常點方面，本研究以土地區段作為實證分析的原始資料，經統計 台北縣市有建物的區段共計1,607 個，但其中有些區段內的建物戶數過低，且 某些區段建物屬性差異過大，以致變異數過高4，在實證分析中易造成偏誤，由 於這些區段多地處偏僻地區，且區段內建物戶數極低，從市場分析的角度及本 研究範圍的整體性來看，這些區段可視為異常資料，因此本研究將區段內建物 戶數低於5 筆以及區段建物面積的變異數高於 1,000 坪的區段予以刪除5，以降 低無效樣本區段所造成的偏誤。經過整理後的區段數為715 個，這些區段所代 表的住宅屬性平均數及變異數便是本研究實證分析的原始資料。6本研究資料處 理的數量與流程詳見表一及圖一。 此外，本研究將台北縣市從台北市市中心向外區分為四個等級7，表二顯示 各都市層級住宅的平均數、變異數與變異係數分析的結果，附表一則呈現各行政 區住宅的平均數、變異數與變異係數分析的結果。就平均面積來看，除了北縣鄉 鎮以外，新屋的面積普遍較存量為高，而從市區到鄉村，面積呈現遞減狀態； 在面積變異數方面，存量之變異係數，越接近市中心或離市中心越遠其變異係 數越大，隱含建商產品定位差異或風險越大，若以新屋來看，則以市中心差異 較大，北縣轄市最低。 在樓層方面，新屋樓層普遍較存量高，但從變異係數來看，越接近市中心 或離市中心越遠，非新建住宅存量之變異係數越大，隱含建商產品定位差異或 風險越大；若以新屋來看，似乎離市中心越遠，變異係數越大，也就是建商產 品定位差異或風險越大。 在屋齡方面，市中心的屋齡較高，變異係數較低，顯示郊區的住宅其新舊 混雜的程度遠較市中心為高。整體來看，非新建住宅存量之面積與樓層越往市中 心或越往外圍地區，似乎差異較大；但若以新屋來看，面積的差異是市中心最 高，而樓層之差異卻是北縣較大。而以屋齡來看，則市中心屋齡差異最小。所以 由以上分析，存量與新屋屬性的差異度不完全一致，似乎隱含建商在推案時， 存量屬性狀態非建商所考量，因此新屋推案地區的差異性是不與存量一致的。但 從變異程度所衍生的風險來看，是否在市中心或郊區推出新案的風險較低？稍 4 區段內建物的平均數為 1,114 筆，但少數區段內建物比數低於 10 筆，造成這類區段的變異 數普遍過高；此外，有些區段內的建物屬性差異過大也造成變異數偏高，如部分區段內建物的 面積變異數高達1,000 坪以上。 5 本研究曾計算區段內建物戶數在 5、10、20、50、100 戶的面積變異數分布，發現在 5 戶的標 準下，已經出現相對較多變異數高於全體台北縣市變異數的區段，因此決定以5 筆建物戶數作 為標準；此外，從全部建物面積的算數平均數約為30 坪的條件來看，本研究採用面積變異數 1,000 坪作為標準。 6 經過異常資料篩選後，住宅存量分布在 1,303 個區段中，新屋則分布在 743 個區段中，基於 實證分析上的需要，選擇其中具有交集的715 個區段，以各區段的住宅屬性平均數為實證分析 原始資料。 7 分別為台北市市中心，包含大同、大安、中山、中正、松山、萬華等六個行政區；台北市市郊， 即上述以外的六個行政區；台北縣縣轄市與台北縣各鄉鎮等四個不同範圍的都市層級。
後以小區域的實證分析可以提供更多的訊息。 表一 實證資料處理區段與筆數分配表 項目 戶數 區段數 原始建物存量 2,23,456 1,747 住宅存量(刪除面積異常資料) 1,744,311 1,607 近三年新建住宅 193,024 743 非新建住宅存量 1,554,600 1,303 本研究樣本(刪除變異數過大 及區段內住宅戶數過低區段) 近三年新建住宅 183,815 715 非新建住宅存量 1,370,042 資料來源：本研究 表二 台北縣市各層級區域住宅屬性基本統計分析 非新屋存量 新屋 非新屋存量 新屋 非新屋存量 新屋 北市中心 29.68 31.79 218.63 383.82 49.8% 61.6% 北市市郊 29.55 31.54 164.32 310.03 43.4% 55.8% 北縣轄市 28.37 30.22 148.16 188.78 42.9% 45.5% 北縣鄉鎮 30.82 27.64 274.53 229.30 53.8% 54.8% 非新屋存量 新屋 非新屋存量 新屋 非新屋存量 新屋 北市中心 4.37 9.86 8.42 20.54 66.4% 46.0% 北市市郊 3.98 9.00 3.61 25.77 47.7% 56.4% 北縣轄市 3.87 8.41 4.12 32.00 52.4% 67.3% 北縣鄉鎮 2.74 6.44 3.63 16.15 69.5% 62.4% 平均屋齡 屋齡變異數 屋齡變異係數 北市中心 18.10 54.25 40.7% 北市市郊 17.07 79.51 52.2% 北縣轄市 13.86 85.72 66.8% 北縣鄉鎮 12.62 154.54 98.5% 都市等級 都市等級 都市等級 非新屋存量 平均面積 面積變異數 平均樓層 樓層變異數 面積變異係數 樓層變異係數 資料來源：本研究
台北縣市建物登記資料
(2,226,410 1,747
，
區段
)
台北縣市所有住宅存量
(1,744,311
戶，
1607
區段
)
1.刪除面積異常的建物
2.保留住宅類使用的建物
台北縣市各區段新建
住宅屬性的平均數
(183,815
戶，
715
區段
)
整理各區段內
住宅屬性的平均數
各區段新建住宅
(85.5.1 88.4.30
～
193,024
戶，
743
區段
)
各區段非新建住宅存量
(85.4.30
前登記
1,554,600
戶，
1303
區段
)
台北縣市各區段非新建
住宅存量屬性的平均數
(1,370,042
戶，
715
區段
)
刪除樣本過低或
變異數過大的區段
圖一 研究資料整理說明四、
模型與實證
(一) 實證模式及變數選取 為了解釋新建住宅與住宅存量的屬性是否相關，本研究建立如下的線性複 迴歸模式： i S i S i S i S i S i S i N i M A M Y M F V A V Y V F A M( ) 01 ( ) 2 ( ) 3 ( ) 4 ( ) 5 ( ) 6 ( ) i S i S i S i S i S i S i N i M A M Y M F V A V Y V F A V( ) 01 ( ) 2 ( ) 3 ( ) 4 ( ) 5 ( ) 6 ( ) 其中， N i A M( ) 及 N i A V( ) 分別代表第i 個區段內各新建住宅面積(Area)的算數 平均數(Mean)與變異數(Variance)，N(New)代表新建住宅，S(Stock)代表非 新建住宅存量；自變數分別為第i 個區段內各非新建住宅的面積、屋齡(Year)及地上樓層數(Floor)的算數平均數與變異數。
(二) 實證結果說明
表三及表四分別代表台北縣市新建住宅與住宅存量的屬性在平均數與變異數
方面的迴歸係數，部分迴歸模式經過異常點篩選8，將台北縣市全體及區分四個
都市層級各別建立迴歸模式。
就台北縣市整體來看，從表三及表四的M(A)S、V(A)S、V(Y)S都相當顯著，
可知在住宅存量的平均面積、面積的變異性及住宅新舊混雜的程度是影響新屋產 品定位的主要因素。在平均面積越高、面積變異及住宅新舊混雜程度越低的區段
推出的新屋平均面積也較高；而由於表三的M(A)S<1、V(A)S及V(Y)S的絕對值
都遠低於0.1 的結果看來，住宅在面積的產品定位上從整個台北縣市的範圍來
看，受到存量的影響程度不大；表四的M(A)S>1、V(A)S及V(Y)S的絕對值都大
於0.1，顯示區段住宅的屬性影響面積的變異程度較高，這也說明住宅類型多 樣的現況與新建住宅在產品定位的風險是存在的。 就台北市市中心區來看，表三的平均數分析中只有平均面積一項顯著，且係 數接近1，顯示在產品定位上，市中心區住宅還是隨著各區段現有住宅的規模 為主；但在表四的變異數分析中，面積的平均數及變異數對新屋面積的影響都 較台北縣市整體為高，而V(Y)S遠大於1 顯示在住宅新舊程度差異較大區段， 新屋面積的變異也較高，相對的產品定位風險也較高。 就台北市市郊區來看，表三的平均數分析中顯示非新建住宅的平均面積、屋 齡與樓層高度對新屋面積的影響是顯著的，且平均面積的係數大於1，樓層高 度的係數更大於3，表示現有住宅的屬性對新屋面積的影響程度較多；在表四 的變異數分析中，非新建住宅存量的平均面積(M(A)S)及新舊程度的差異 (V(Y)S)對新屋面積的變異呈現顯著關係，特別是平均面積的係數高達 16，顯 示在台北市郊區平均面積越大的區段，新屋產品定位的風險也越高；相對的， 平均面積越小的區段品，產品定位的集中度較高，新屋推案的風險也相對較低。 就台北縣縣轄市來看，表三的平均數分析中顯示非新建住宅存量的平均面積、 平均樓層高度、屋齡的變異程度與新建住宅的面積都有顯著相關，非新建住宅平 均面積越高、樓層越低、屋齡越新，相對新建住宅的平均面積會較大，平均樓層 的係數為負，顯示台北縣轄市受到都市外圍較低密度住宅的影響，越低密度的 住宅類型，相對在產品定位上會朝向大面積的方向；在表四的變異數分析中， 非新建住宅存量的平均面積、平均屋齡及其變異程度對新屋產品定位的風險都有 顯著影響，M(Y)S>1 及 V(Y)S<0 表示在老舊社區的新屋產品定位風險會相對 較大。 8 藉由 DIFFITS 指標來進行迴歸過程中異常點篩選的工作，若刪除異常點後整體解釋力有提升、 自變數的解釋力增加且符號無異常變化，則就視此異常點刪除有助提升迴規模行的解釋能力。 在有進行異常點刪除的模式中，刪除的區段數約佔全部實證區段的5％～9％左右。
就台北縣鄉鎮地區來看，表三的平均數分析中顯示非新建住宅存量的平均屋 齡(M(Y)S)、樓層高度(M(F)S)與面積(V(A)S)、屋齡的變異程度(V(Y)S)都有顯著關
係，但特別的是非新建住宅存量的平均面積(M(A)S)並不顯著，顯示在鄉鎮地區 的市場分析中，現有住宅的面積並非主要影響因素，相對的，現有住宅的屋齡 及其變異性越低、樓層高度也低的區段，新屋的產品定位會朝向大面積方向發展 也就是說，在新開發的鄉鎮、或都市最外圍的地區，新屋的規劃坪數會較大，當 地現有的住宅類型反而不是市場分析的重點，區位或景觀可能是產品定位的重 要因素；在表四的變異數分析來看，只有面積與屋齡的變異程度呈現顯著影響， 當非新建住宅存量的面積變異越大、屋齡的變異越小的區段，新屋面積的變異也 越大，由於一般住宅的面積規劃在超過一定坪數，或者定位為透天或別墅型住 宅時，住宅面積的變異性也會相對變大，因此意味者區段越偏僻，規劃的面積 可能落差會更大，相對的風險也增高。 就不同範圍的地區來比較，以產品定位(面積)來看，除了鄉鎮地區，其他地 區現有住宅的面積對新屋都有正向的影響；而越往都市外圍地區，低樓層與大 面積住宅的趨勢越明顯，也就是說，休閒性的住宅產品(如透天、別墅)是產品定 位的主要考慮因素。以產品風險來看，不同地區的現存住宅對新屋產品定位的風 險是呈現非線性關係，其中以北市市郊在現有住宅面積對新屋產品定位風險的 影響程度最高，北市中心與北縣轄市的影響程度相對較小；而不同地區現有住 宅的屋齡對新建住宅產品定位風險則呈現線性關係，在市中心區，屋齡的差異 性大意味著該區段可能存在舊市區更新的住宅，這類區段相對產品定位的風險 較高；到鄉鎮地區，屋齡的差異性低意味該區段是人煙稀少的鄉村區，此時， 產品的定位也會因為朝向休閒性住宅的方向而有較大的變化，風險自然也較高。
表三 台北縣市新建住宅面積與住宅存量相關屬性迴歸估計(平均數) Dependent Var. M(A)N 參數估計 台北縣市 北市中心 北市市郊 北縣轄市 北縣鄉鎮 INTERCEP 10.0416 (3.46)*** -1.00 (-0.11) -28.437 (-2.63)*** 18.483 (4.87)*** 45.005 (7.11)*** M(A)S 0.7811 (10.26)* ** 0.9294 (5.28)*** 1.4145 (5.14)*** 0.5967 (7.24)*** -0.0489 (-0.41) M(Y) S 0.0591 (0.88) -0.0441 (-0.13) 0.5517 (2.69)*** 0.1447 (1.41) -0.3552 (-2.25)** M(F) S -0.2473 (-0.66) 0.6301 (0.55) 3.0399 (1.98)** -1.1763 (-2.06)** -2.3059 (-1.93)* V(A) S -0.0082 (-2.82)*** 0.0031 (0.42) -0.0151 (-1.37) -0.0069 (-1.52) 0.0091 (1.76)* V(Y) S -0.0145 (-2.37)** 0.0337 (0.61) -0.0198 (-0.67) -0.0199 (-2.89)*** -0.0295 (-2.84)*** V(F) S -0.0785 (-1.51) -0.1179 (-1.09) -0.3267 (-0.93) 0.0442 (0.656) 0.1718 (0.84) Samples 676 145 171 309 90 Adj R-sq 0.17 0.24 0.23 0.21 0.25 Collinearity 2.72 3.59 3.59 3.26 3.19 D-W 1.45 1.83 1.71 1.51 1.85 異常點刪除比例 5.45％ 0％ 0％ 0％ 0％ ***：P<0.001，**：P<0.01，*：P<0.1
表四 台北縣市新建住宅面積與住宅存量相關屬性迴歸估計(變異數) Dependent Var. V(A)N 參數估計 台北縣市 北市中心 北市市郊 北縣轄市 北縣鄉鎮 INTERCEP 4.3421 (0.08) -252.22 (-1.24) -357.58 (-2.41)** -79.229 (-1.25) 265.53 (1.51) M(A)S 3.5434 (2.82)*** 5.866 (1.75)* 16.313 (4.79)*** 4.1296 (2.51)** -1.8786 (-0.57) M(Y) S 2.2434 (1.65)* 2.5243 (0.35) -2.6774 (-0.87) 4.5033 (2.99)*** 0.8081 (0.18) M(F) S 3.2094 (0.39) 23.161 (1.06) 8.9609 (0.47) 8.3845 (1.18) -15.669 (-0.47) V(A) S 0.3007 (5.11)*** 0.3511 (2.29)** 0.0654 (0.45) 0.1132 (1.61) 0.4043 (2.83)*** V(Y) S -0.4436 (-3.98)*** 1.9536 (1.82)* 0.8036 (2.16)** -0.2345 (-2.69)*** -0.7016 (-2.43)** V(F) S -0.0427 (-0.04) -1.091 (-0.56) -1.4879 (-0.35) -0.5801 (-0.42) 1.8273 (0.32) Samples 715 132 156 285 90 Adj R-sq 0.10 0.16 0.28 0.08 0.15 Collinearity 2.86 3.71 3.09 2.99 3.19 D-W 1.87 1.91 1.77 1.91 2.16 異常點刪除比例 0％ 8.96％ 8.77％ 7.76％ 0％ ***：P<0.001，**：P<0.01，*：P<0.1
五、
結論
過去在房地產的市場分析中，從住宅存量的角度多半只應用平均數或次數分 析，甚少進行以變異數分析，本研究舊台北縣市的住宅市場，首次以存量資料 在不同都市範圍同時進行平均數與變異數分析，以釐清在不同地區進行市場分 析時，針對當地住宅特色所應該考量的因素，並評估可能存在的風險。 實證結果顯示，台北縣市新建住宅的產品定位(面積)除了鄉鎮地區，其他地 區現有住宅的面積對新屋都有正向的影響；而越往都市外圍地區，低樓層與大 面積住宅的趨勢越明顯，也就是說，休閒性的住宅產品(如透天、別墅)是產品定 位的主要考慮因素，因此假說一在這部分是存在的。 以產品風險來看，不同地區的現存住宅對新屋產品定位的風險是呈現非線性 關係，其中以北市市郊在現有住宅面積對新屋產品定位風險的影響程度最高， 北市中心與北縣轄市的影響程度相對較小；而不同地區現有住宅的屋齡對新建 住宅產品定位風險則呈現線性關係，在市中心區，屋齡的差異性大意味著該區 段可能存在舊市區更新的住宅，這類區段相對產品定位的風險較高；到鄉鎮地 區，屋齡的差異性低意味該區段是人煙稀少的鄉村區，此時，產品的定位也會 因為朝向休閒性住宅的方向而有較大的變化，風險自然也較高。這部分也可驗證 假說二的存在。 本研究對於新建住宅接被市場接受的假設確有過強，未來後續研究將針對新 建住宅區分有成交與餘屋分別進行討論，以期從存量與流量的角度，建立市場 分析中產品定位與產品風險的評估準則。附表一 台北縣市各行政區非新建住宅存量屬性基本統計 鄉鎮市 區 平均面積 平均屋齡 平均樓層 面積變異數 屋齡變異數 樓層變異數 面積變異係數 屋齡變異係數 樓層變異係數 大同區 26.68 19.49 3.51 241.81 44.89 4.71 58.28 34.37 61.84 大安區 34.35 17.91 5.08 204.34 39.97 13.06 41.61 35.30 71.10 中山區 27.93 18.86 4.51 226.15 44.29 7.37 53.85 35.29 60.25 中正區 28.86 18.60 4.57 230.44 49.10 9.70 52.60 37.67 68.17 松山區 32.13 19.09 4.78 164.94 44.09 7.36 39.97 34.78 56.80 萬華區 22.66 19.79 3.76 123.75 45.93 5.83 49.08 34.24 64.22 士林區 32.26 20.93 3.78 242.03 73.34 2.36 48.22 40.92 40.66 內湖區 29.92 14.57 4.24 108.40 42.95 3.04 34.80 44.99 41.14 文山區 26.47 16.16 4.36 93.50 52.04 5.47 36.53 44.63 53.63 北投區 29.70 20.38 3.56 174.39 77.62 2.43 44.47 43.23 43.74 信義區 28.72 18.83 4.28 104.82 46.96 4.56 35.65 36.40 49.86 南港區 26.70 18.86 3.57 94.10 53.37 2.26 36.33 38.73 42.04 三重市 24.26 18.83 3.72 115.56 75.07 2.21 44.31 46.01 40.00 土城市 28.86 10.95 4.14 143.76 39.52 5.36 41.55 57.39 55.93 中和市 27.31 17.42 4.09 88.70 47.41 2.40 34.49 39.53 37.88 永和市 28.08 19.36 4.23 109.98 52.47 3.18 37.34 37.41 42.19 汐止市 31.91 12.56 3.34 251.44 86.85 8.47 49.69 74.23 87.06 板橋市 27.01 18.14 3.85 114.64 42.93 2.44 39.64 36.12 40.51 新店市 30.13 13.81 3.73 149.62 50.40 3.24 40.60 51.40 48.29 新莊市 28.01 15.42 3.79 116.04 66.81 4.07 38.46 53.00 53.16 樹林市 30.34 14.12 3.14 202.24 54.05 2.67 46.87 52.08 52.01 蘆洲市 29.65 12.51 4.38 94.61 50.65 2.47 32.80 56.91 35.93 淡水鎮 29.98 14.36 4.42 324.43 152.51 16.67 60.09 86.03 92.26 八里鄉 27.95 10.95 4.85 164.18 198.93 17.85 45.84 128.81 87.10 三芝鄉 34.77 18.38 2.62 522.71 332.33 3.49 65.76 99.16 71.29 三峽鎮 32.35 10.98 2.79 244.61 47.79 2.45 48.35 62.95 56.07 五股鄉 30.83 12.80 3.39 138.30 74.00 3.12 38.15 67.20 52.15 平溪鄉 21.20 47.28 1.09 179.06 75.87 0.11 63.12 18.42 30.45 石門鄉 31.17 36.99 1.65 432.85 651.12 1.33 66.75 68.99 69.83 石碇鄉 41.85 11.37 2.25 335.37 75.83 4.80 43.76 76.58 97.52 坪林鄉 42.32 19.56 1.70 581.80 79.55 0.59 56.99 45.61 45.17 林口鄉 38.38 12.18 3.07 476.35 104.04 7.32 56.87 83.75 88.13 金山鄉 31.66 18.82 2.24 257.96 252.64 1.77 50.72 84.45 59.51 泰山鄉 29.80 16.67 3.38 183.07 72.47 2.44 45.41 51.05 46.30 烏來鄉 28.59 17.75 3.75 793.47 56.17 4.33 98.54 42.22 55.51 貢寮鄉 25.84 34.88 1.47 284.65 321.67 0.69 65.29 51.42 56.51 深坑鄉 31.40 11.57 3.04 133.23 50.47 2.50 36.76 61.41 51.99 瑞芳鎮 25.47 23.15 2.07 180.11 286.60 1.66 52.69 73.14 62.18 萬里鄉 23.84 20.66 2.55 289.64 120.58 1.97 71.39 53.16 55.08 雙溪鄉 23.86 35.75 1.33 249.23 307.25 0.48 66.18 49.03 52.14 鶯歌鎮 35.27 14.67 2.55 360.43 41.68 1.44 53.83 44.00 47.03 資料來源：本研究
參考文獻
吳桂陽 (2001)，建設公司全面品質管理、產品定位與規劃績效關係之研究，國 立中央大學土木工程研究所博士論文。 洪博殷 (2001)，台中市住宅社區開發決策支援系統評估因子之研究，中華大 學建築與都市計畫學系碩士論文。 董鑑霆 (2001)，台灣住宅建築開發觀念與居住者使用態度演變關係之研究， 中國文化大學建築及都市計畫研究所碩士論文。 朱國明 (1999)，模糊市場定位之研究—以住宅產品為例 ，東吳大學企業管理 學系碩士論文。 蔡菊花 (1997)，休閒式住宅市場購屋與使用行為之研究，國立中興大學都市 計劃研究所碩士論文。 Singer (1967)Fanning & Winslow (1988)
Haurin, D.(1988), The Duration of Marketing Time of Residential Housing, AREUEA Journal, Vol. 16, No.4.
