住宅社區大樓價格離散之分析─兼論買貴買便宜與價格離散關係 - 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. 立. 政治大. ‧ 國. 學. 住宅社區大樓價格離散之分析─. ‧. 兼論買貴買便宜與價格離散關係. sit. y. Nat. Analysis the Price Dispersion of Residential. er. io. Communities and Dicussing the Relationship between. al. n. v i n Price Disprersion High or Low C h and Buying engchi U 研究生：谷元指導教授：張金鶚. 中. 華. 民. 國. 一. 零. 七. 江穎慧. 博士. 年. 月. 五. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(2) 謝誌在政大待了六年，從歷史系到地政系、文學院到社會科學學院，其實我並沒想過真的能準時在第二年就可以完成自己的碩士論文而畢業，現在想想真得覺得很不可思議，從完全不會統計學到完成一篇需要量化分析的論文，我想真的需要感謝太多人的幫助了。首先我非常感謝我的兩位指導教授─張金鶚博士以及江穎慧博士的細心指導，雖然跟其他同儕相比我在地政領域上所應具備的知識相差甚遠，但二位教授都能一次一次透過 meeting 指導我一步一步完成這篇論文，其中張老師甚至在假日時仍撥空處理並一起思考該如何完成這篇論文，而江老師則常於課堂休憩時不辭辛勞耐心地指導，點點滴滴了然於心中，對於能夠完成這篇論文，真的是非常感謝老師們的指導。另外也非常謝謝老師的辦公室助理育如，對於 meeting 的安排、一些會議或者活動的幫助都使我們在執行案子或者寫作論文上較無後顧之憂，只是也希望老師們以及育如不要太操勞，身體健康更重要，因此也很期待下次的鴨族旅遊時我的腳能夠完全康復，和老師出遠門。. 立. 政治大. ‧. ‧ 國. 學. 在同儕上，非常感謝同家的同學們：哲源、士傑、博宇、楊樺以及芳瑋，尤其是有相當多的事務都是勞煩哲源以及博宇，像是平常聯絡以及在寄信給口委時都是他們居中溝通及聯繫，而其他同學們在各個案子的進行時互相幫助，使對於地政領域並不熟悉的我能夠熟嫻其中，我想真的很慶幸能夠跟他們成為同學；另外同家的上屆學長姐們：怡潔學姊、佩慈學姊、麟雅學姊、昱至學長以及智揚學長，學長姐們在案子的銜接上除了細心指導我們外，也在平常時會關心論文以及學業上之狀況，像是昱至學長便也和我討論如何寫作論文以及對於文獻該如何運用以及閱讀，雖然我不一定能得其要領但也收益無窮；智揚學長除了是我的大學同系學長外，在研究所仍為同家之學長，在案子以及平常生活中幫助甚多，真的非常感謝學長也感謝能讓我有機會有這段緣。除此外，也非常謝謝靖儒在碩般的出遊時不斷地付出，對於能夠規劃那麼好玩的行程真的是辛苦他以及萬能的室長哲源；而常常一起打球的芳清以及士涵也希望之後能夠繼續打球外，對於碩士的學業也希望能盡快達成；而長期的飯友申教授，雖然相處的時間只有一年，但每次中午時都會問我說吃飯嗎，並且還會常跟我聊天，真的很謝謝能夠認識教授，也很謝謝教授在我的期末報告時能夠撥空擔任我的評論人，真的只有深深的感謝並希望之後能到韓國去找您。雖然我待在研究室的時間不長，但是非常謝謝能夠進到新的領域並且認識這麼多人，對於還有些人尚未提到，只能因篇幅不希望過多就暫且不提，但是我仍非常感謝能夠有這樣的緣分。. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 在後續的路途上，除了希望在工作成果上能夠盡快有所斬獲外，也希望未來能夠往博士地學涯邁進，在研究中由於領域的不同以及題目並非相當容易上受挫甚深，因此未來若有機會朝向教職發展時，我希望能夠秉持老師當時待我之方式細心指導，以求培養後進並使社會受益這是我希望能夠完成的目標；最後，我也. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(3) 非常謝謝讓我待了六年的政治大學，雖然常常下大雨，地處偏避，但是我認為這六年的學涯相當有收穫，對於從大學開始就常常超修學分而言，真的很感謝學校有這樣的資源，雖然跟其他大學比似乎又差了一截，但這樣的環境還是能讓我在知識上有更多元的方式汲取；在資料庫以及藏書上，即使不如其他學校豐富但還是能夠使學習更有效率，因此在要離開時希望能表達深深的謝意，像是在打這篇謝誌時我便是在政大的電腦室裡完成的，雖然鍵盤打起來怪怪的但還是很感謝我能用較便宜的費用享有這樣的資源。對於家人，我也非常感謝他們能夠支持我的決定，但我想在還沒有完成一件值得受到讚賞的事情時，再多的感謝也都是空話，因此希望我在未來時真的能有光耀門楣之舉，到時再表達我的謝意也不遲。對於一切的一切，是否理所當然地認為自己應擁有抑或是認為一切都是緣分所致，我想我會選擇後者，感謝從 2012 年開始的緣分，從歷史系的同學們到一起修課一起做報告的同學到地政所的同學們，我想這並非是理所當然，而要感謝我能擁有這樣的緣分，我希望未來數十載我都能夠保存擁有這樣的緣分的感謝，畢竟一切得來不易，在國中時國文的有一篇選文為陳之藩先生的謝天，我想我也是這麼認為的：「要感謝的人太多了，那就謝天吧！」. 立. 政治大. ‧ 國. 學. ‧. 谷元 2018.7.31. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(4) 摘要受限於房地產之高異質性，對於房地產市場的價格分散狀況的討論一向多集中在消費者的搜尋狀況，而對於房地產特徵與價格分散的討論則較為少見。然而，若房地產趨於相同產品，倘若其仍有較大的價格離散程度，那麼該房地產具有何種特徵及其發生機率為何？這兩個問題是本文所要分析探討的。. 在資料處理上，本研究先將房地產交易實例對應至社區，進行產品品質控制. 政治大項羅吉特迴歸分析(Multiple Logit Regression)，分析何種社區特徵較容易有價格立. 後，再以社區為標的計算變異係數並依照大小進行分組；在資料分析上，採用多. 離散程度大之現象。本研究發現價位水準越高或者是政府機關所建之社區越不容. ‧ 國. 學. 易有較大的價格離散；相對地，價位水準越低、屋齡越大或者產品坐落在規劃為. Nat. y. ‧. 超過 50 坪之社區較容易有價格離散大之趨勢。. er. io. sit. 價格離散程度大之原因可能源自缺乏調整、無法調整的特徵以及個人議價能力所致；本研究盡力調整後，因此認為個人議價能力影響價格離散程度較大，隱. al. n. v i n 含買貴買便宜之可能性較高，故以好時價之估值為基準，區分價格為買貴與買便 Ch engchi U 宜並討論與價格離散之關係。本研究發現，較大的價格離散之社區有 32.8%與買. 貴買便宜情形有關，而較小價格離散程度的社區則有 70%為既不買貴亦不買便宜，可見價格離散程度大小與買貴或者買便宜的關聯性。本文研究提出上述成果以期予以消費者能有更多的資訊作為決策參考，並使房地產研究更趨多元。. 關鍵字：住宅社區、價格離散、多項羅吉特迴歸、買貴買便宜. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(5) Abstract. When it comes to the price dispersion of real estate, most discussions, limited by the high heterogeneity of real estate, focused only on the process during which consumers hunt houses. Few paid attention to the relationship between the features of the real estate itself and its price dispersion. What if real estate is classified into the same product and a high level of price dispersion still occurs? The features of the real estate and the probability of the occurrence are what this study is devoted to investigating.. 立. 政治大. ‧ 國. 學. In dealing with records, this study will firstly link the transaction cases to the communities to which they belong, and then, after controlling the quality of the. ‧. products, group them according to numerical value of variable coefficient that. sit. y. Nat. objected by communities. Multiple Logit Regression will be applied in analyzing the. n. al. er. io. data to identify which characteristic of communities tends to lead to high degree of. i n U. v. price dispersion. This study reveals the fact that the degree of price dispersion is small. Ch. engchi. if an estate have a higher price level or it was built by the government. By contrast, if the estate is an aged construction, has a lower price level, or is located in the community planned to be 50 pyeongs or above, the extent of price dispersion is large.. The degree of dispersion might result from the absence of adjustments, unchangeable features, and personal negotiation skills. With adjustments made as many as possible, personal negotiation skills are considered to be the key factor that affects the price dispersion and makes a transaction at a reasonable price. With Houseplus evaluation as the standard to estimate the. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(6) transaction price and discuss its relation to the price dispersion, this study has observed that in communities with a high degree of price dispersion occurs 32.8% of the transactions at an unreasonable price, and that in those with a low degree of price dispersion occurs 70% of the transactions at a price unrelated to reasonability. The percentages clearly indicate the connection of unreasonable prices to price dispersion—combining which with the features pointed out aforesaid, this study was carried out in the hope of providing a useful reference for consumers on the one hand and an alternative perspective on the study of real estate on the other hand.. 立. 政治大. Key words: residential community, price dispersion, MNL, buy high or low. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(7) 目錄第一章、緒論 ................................................................ 1 第一節研究動機與目的...................................................................................... 1 第二節研究範圍及方法...................................................................................... 9 第三節研究架構與流程.................................................................................... 12. 第二章、相關文獻回顧 .............................................. 15 第一節傳統特徵價格討論................................................................................ 15 第二節價格分散................................................................................................ 18 第三節大量估價................................................................................................ 22. 第三章、資料處理與研究設計政治.................................. 25. 大. 立. 資料說明................................................................................................ 25 資料處理................................................................................................ 26 研究設計................................................................................................ 39 變數選取與模型建立............................................................................ 41. ‧ 國. 學. 第一節第二節第三節第四節. ‧. 第四章、實證結果與分析 .......................................... 51. er. io. sit. y. Nat. 第一節價格離散程度與各房地產特徵之討論................................................ 51 第二節買貴買便宜與房地產特徵.................................................................... 57 第三節價格離散與買貴買便宜之關係............................................................ 65. n. a l .................................................. 第五章、結論與建議 71 iv n U engchi 參考文獻 ...................................................................... 77. Ch. I. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(8) 表目錄表 1-1 兩社區對比 ........................................................................................................ 5 表 3-1 採用社區之行政區統計 .................................................................................. 26 表 3-2 所採用之相同社區各行政區筆數統計 ......................................................... 29 表 3-3 所採用之社區各交易量筆數統計 ................................................................. 29 表 3-4 屋齡統計 ......................................................................................................... 30 表 3-5 建物型態統計 ................................................................................................. 30 表 3-6 社區總戶數統計 ............................................................................................. 31 表 3-7 社區價位統計 ................................................................................................. 31 表 3-8 各區位敘述統計 ............................................................................................. 32 表 3-9 調整前與調整後之變異係數對照 .................................................................. 37 表 3-10 價格離散三組及相關敘述統計 .................................................................... 40 表 3-11 各變數預期影響 ............................................................................................ 46. 政治大表 4-1 價格離散程度與各房地產特徵之討論實證結果 ......................................... 52 立表 4-2 房地產與買貴買便宜之實證結果 .................................................................. 59 ‧. ‧ 國. 學. 表 4-3 各研究結果之變數發生機率 ......................................................................... 69. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. II. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(9) 圖目錄圖 1-1 研究流程圖 ..................................................................................................... 13 圖 3-1 資料結合步驟圖 .............................................................................................. 28 圖 3-2 價格調整圖 ...................................................................................................... 35 圖 4-1 社區樣本分布 .................................................................................................. 68. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. III. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(10) 台北市社區大樓價格離散之分析─兼論買貴買便宜與價格離散關係. 第一章、緒論. 第一節研究動機與目的. 一、研究動機. 在經濟學上存在一弔詭之事，乃所謂的一價法則(Law of one price，亦稱 LOP). 政治大在相近的時間點及相近的市場類型下，其價格亦應當相同，然而價格分散則衡量立. 與價格分散(price dispersion)之爭。依照一價法則，相同的產品(抑或是品質相同). ‧ 國. 學. 了相同產品的價格間距之程度，也因此價格分散也常用於評斷市場的效率及運作程度是否良好。(Leung 等，2006). ‧ sit. y. Nat. 於房地產市場探討價格分散是值得注意之事。首先，不同於其他之商品可能. al. er. io. 存在著於供給面上有壟斷之疑慮，房地產市場的供給者不僅來自於建商的供給，. v. n. 大部分供給來自於二手，大部分來自換屋族，同時個人於此市場上既為供給者亦. Ch. engchi. i n U. 為需求者，壟斷狀況在房地產市場上較難以形成。不過，由於房地產乃一具異質性之商品，故有著「難以找到另一完全相同之房屋」之語，在此現況下討論房地產之價格分散亦較困難，此乃異質性造成房地產難以套用相同品質之商品之故。. 有趣的是，假若房地產難以討論價格分散之狀況，然於現實狀況下，社會討論「此屋價格不划算抑或是這個標的買貴或買便宜了」是否較為稀少？吾人認為這類的討論反而相當豐富，尤其是於 2012 年 8 月開始實施的實價登錄制度，不但使房地產的價格資訊透明化，社會大眾也能查詢現今市場上的各筆交易，更有甚者開始衡量自己所買到的價格是否合理，尤其是若與同一社區的交易價格相比之下，此隱含之意在於藉由類似的商品互相比較，以此得出較為合理的價格區間， 1. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(11) 第一章緒論. 如同一價法則與價格分散之狀況。. 實價登錄使各筆交易資料在去識別化後讓人民可查閱，除了可辨別市場上建商或者仲介所提之開價與實際成交價是否有落差外 1，也會開始關心是否買到的房子比較貴，在一些社群網站或者網路新聞便有民眾訴苦買到比他人還要貴的房屋 2；另外一種隱含買貴買便宜的概念是房屋的不合理價差所致，所謂的合理價差係來自樓層高低抑或是面積大小等因素而產生，而這也與人們心中的既有認知有所關連，然而若有些個案之價差不合常理或者差距較大時，也會使人們去懷疑. 政治大之房屋特性，像是位於大安區的明日博、中山區的西華富邦以及士林區的華固天立這個價格合不合理，買貴或者買便宜了呢？以新聞而言，樓層價差為最常受矚目. ‧ 國. 學. 鑄便出現此情況，甚至在一些新聞標題上便直接點名是否買貴或者誰慘賠了，從此可見不合理的價差也是一種買貴買便宜之討論。 3然其最主要之狀況在於，房. ‧. 地產市場之價格分散情形相當嚴重。. sit. y. Nat. al. er. io. 價格分散的形成原因主要有三，一為個別廠商之生產成本不同，二為各消費. v. n. 者的搜尋成本不同所致，三為商品的異質性所致。在過往價格分散於房地產市場. Ch. engchi. i n U. 的討論上主要集中在搜尋成本上，林祖嘉(1994)與廖仲仁(2008)多著墨於仲介的 1. 例如「北市信義區豪宅膨風! 開價比實價高 33％」這則新聞便提到信義區的開價與成交價相比高了 1/3，在此顯見若未有實價登錄之施行，消費者便不易了解此區之概況，很有可能買到較高的價格；而學者張金鶚教授也在投書中提到實價登錄的實行可使建商的開價或者市場交易開價便得理性一些。資料來源：http://www.chinatimes.com/newspapers/20140825000142-260204、 http://blog.xuite.net/bigu88/blog/64479117 2 此類的狀況不勝枚舉，但知道自己買貴的狀況通常是在同一棟大樓或者社區比較後發現的。像是「全社區都知我買貴！鄰居竊竊私語…快崩潰」以及「半年前買房「破盤價」如今氣「鄰居買更便宜」」這二則新聞。資料來源：https://news.housefun.com.tw/news/article/172579143894.html https://news.housefun.com.tw/news/article/734257154033.html 3 此類的新聞相當多元，並不僅有上述之社區，雖說新聞並不能完全表現人民所關心，但有新聞便可能吸引他人注意而使人了解這類的不合理價差。資料來源： https://house.udn.com/house/story/11137/2698676「名導也買貴？明日博頂樓揭露重跌千萬」 http://www.chinatimes.com/newspapers/20170718000123-260204「西華富邦天鑄樓層單價差很大」 http://www.chinatimes.com/realtimenews/20131216004267-260410「文心 AIT 內湖樓王」. 2. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(12) 台北市社區大樓價格離散之分析─兼論買貴買便宜與價格離散關係. 介入與否對於房地產的價格分散狀況有無改善，前者以仲介公司所提供的訂價 (定義為搜尋前)以及成交價(定義為搜尋後)來分析，後者則以台灣住宅需求動向調查之資料分析使用仲介是否能改善訂價與成交價之價格分散狀況。許淑媛等 (2011)則以房地產的異質性著手，透過國泰建設公司的新推個案調查之資料探討房價水準、景氣時機以及區位與價格分散之關係。上述研究顯示歸因於房地產的高異質性，主要研究仍以搜尋理論著手；然以上研究亦顯示價格分散於房地產市場上的確受到重視，且於方法上則求以將房地產趨於同質性，一方面高的價格分散的確使消費者須再審慎評估而增加搜尋次數，同時趨於同質的房地產若仍有高. 政治大. 的價格離散狀況，其是否隱含此受到個人因素所致，而有買貴或者買便宜之情形影響。. 立. ‧ 國. 學. 房地產市場的價格分散為眾人所重視，然房地產之價格水準係由眾多交易實. ‧. 例所形成，並非訂價前後抑或是個案推案價格一言以蔽之，在此仍須考量房地產. y. Nat. 本身極具異質性，若不使其具同質化之性質便也難以探討價格分散，本研究透過. er. io. sit. 將眾多的交易實例，對應至其所屬之社區，由於社區代表其在包含在內之產品享有一些共同之性質，像是同樣的建商及建材，隱含其產品性質應當類似甚至相同，. al. n. v i n 而在一些常被述及的特徵像是屋齡或者有無管理組織也共享其性質，故以社區之 Ch engchi U 形式探討其價格分散程度是較為合適的。將房地產之品質趨於相同，理論上價格分散程度應當不致過大，但現實上仍有這樣的情形存在。較大的價格離散程度可能使消費者在參考過去成交價時產生錯誤的判斷，若錯誤的判斷產生定錨，長期而言對於市場是一大傷害，此乃經濟學上重視價格分散程度及形成原因之故；再者，傳統房地產的討論著重在價格與特徵之間的關係，此隱含消費者對何者特徵之重視程度與否，同時以特徵作為描述主軸對於消費者而言較為熟知；因此結合特徵與價格分散，對於有較大價格離散程度之社區，是因為具有何種社區特徵且. 其發生機率為何，乃本文之核心研究問題。延續此討論下，本文以多項羅吉特迴歸模型探討何種房屋特徵會對價格離散程度產生影響，並同時找出在何種社區特 3. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(13) 第一章緒論. 徵下較容易使價格離散程度大此情形之發生機率增加。控制品質後的房地產若仍有較大的價格分散程度，其情形來自於品質控制不好外，亦可能因為無法進行調整的特徵影響，不過最大的原因在於個人的議價能力所致，在此以好時價之估價作為基準，判定何者為買貴以及買便宜後，分析買貴買便宜與價格離散之關係，是否離散程度大較容易有買貴買便宜之情形抑或是偏向何者，此為本文第二個分析。總上所言，一方面提供消費者較大價格離散程度容易發生在何種社區，同時對價格離散與買貴買便宜加以分析，以此做為參考依據，使消費者能有更充足之資訊。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 4. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(14) 台北市社區大樓價格離散之分析─兼論買貴買便宜與價格離散關係. 二、研究問題. 綜上所述，價格分散之形成原因有三類，而在現行全球經濟與區域經濟並行下則又可能受到關稅等外在因素的不同而產生價格分散，惟房地產常被認為不具所謂的可交易性而並不討論其他因素所致的價格分散，較多的探討係從搜尋行為出發；然而，房地產為一極具異質性之商品，因此較多的房地產討論係從其特徵與價格之關係，因此若能透過特徵來呈現可使消費者更加熟悉，同時亦能補足現有研究之不足；循此角度下，房地產之價格離散程度是否也能透過房屋特徵來解. 政治大如何？以位於萬華區的 JR 捷座與 W 為例，兩個社區在屋齡上相當接 ‧HOUSE 立釋？再者，何種特徵下的社區，其價格分散的程度是否有所不同？其發生機率有. 近，若參考雙方近年來的交易筆數以及戶數的比例，兩個社區並無相差甚多，但. ‧ 國. 學. 是從實價登錄資料中來看，然而雙方在價差上卻明顯不同，JR 捷座的變異係數卻高達 15%，換言之若買 W ‧HOUSE. ‧. 大約為 10%，然而 W. 社區之房 ‧HOUSE. y. Nat. 屋，價差很有可能高達 30%，對比雙方其實在價位上是差不多的，這是否合理？. er. io. sit. 而又是可能從何者特徵中可看出端倪？再者若僅直接使用實價登錄資料來看待社區之價差亦是否合理？此乃本文最主要的研究問題。. n. al. 表 1-1 兩社區對比社區名稱行政區 JR捷座萬華區 W‧HOUSE 萬華區. Ch. i n U. engchi. 交易筆數實價平均實價標準差變異係數-實屋齡 9.65% 12 586,510 56,612 52 599,351 90,498 15.10%. v. 戶數 6 5. 總樓層 62 133. 開發者營造者使用分區 13 私人建設偉詮營造商 15 宏普建設瑞助營造商 4. 由於將房地產對應至社區中，再透過調整一些主要產生價差的因素後，理因此社區的價格分散程度應當較小，若社區的價格離散程度依然相當高，除了可從社區特徵中辨別外，究其原因，無非出自於在調整時對於產品品質控制不好抑或是無法從交易資料中進行調整的特徵，像是方位以及室內裝潢為原因之一，然而最主要的原因仍可能受到個人議價能力之影響，換言之不合理的價格差距其實較 5. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(15) 第一章緒論. 多來自於人為的買貴買便宜之影響；基於此，若在透過設定比較基準後，以此判定何者價格為買貴以及買便宜，再透過分析每筆房地產交易何者較容易有買貴還是買便宜之情形，並結合離散程度之分析，探討房地產價格離散之形成原因是否與買貴買便宜有相關聯，此為本文第二個研究問題。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 6. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(16) 台北市社區大樓價格離散之分析─兼論買貴買便宜與價格離散關係. 三、研究目的. 自實價登錄實施以來，隨著房地產資訊越來越多且透明，再加上以社區為形式的建案也較為普遍下，相關網站為此不斷投入心力於其中，像是各大房仲公司均有各社區之相關房地產交易資訊，並整理實價登錄以及自家公司所擁有之表價或成交價，並形成一行政區甚至一社區之房價指數等 4；另也有一些房地產相關網站像是屋比或者樂居也以提供更透明的資訊給與消費者，前者能即時提供目前降價之標的，而後者則以社區形式提供消費者社區以及交易個案之資訊，足可見. 政治大究或資料提供而言，目前的網站多提供平均數做為分析主要標的，而消費者在看立對於房地產而言，使用社區作為房價分析之標的乃越稀鬆平常之事。然以現行研. 待以社區為標的之交易資料則多採取以最低價做為參考，此是否為正確使用房價. ‧ 國. 學. 資料之方式仍有待商榷；再者，消費者所關心之核心在於是否所購買之房屋是否. ‧. 有買貴買便宜之情形，抑或是何者社區較具此風險，此才為消費者為何重視此類. sit. y. Nat. 資料之提供，因此本文希冀能達到此目的：. n. al. er. io. (一)運用社區與實價登錄資料之結合並分析，透過多項羅吉特迴歸分析社區特徵. i n U. v. 與價格離散程度大小之關聯，找出具有何者特徵之社區其價格離散程度較大之機率較高。. Ch. engchi. (二)藉由自動估價平台「好時價」之估值與成交價相減後，將房地產分成既不買貴也不買便宜、買貴以及買便宜三組，並藉由多項羅吉特迴歸分析探討具有何種社區特徵的房地產較容易有買貴抑或是買便宜之情形，並藉此分析與價格離散程度之關聯，探討是否較大的離散程度之社區是否有買貴或者買便宜之情形，而離散程度較小的社區則較不易有買貴買便宜之狀況發生。. 4. 舉凡 591、台灣房屋、信義房屋以及永慶房屋等，均有此資訊可供消費者參考。 7. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(17) 第一章緒論. 本研究之目的在於使研究房地產之方式更加多元，突破以往研究成交價或者平均數之概念，使消費者在房地產資訊的使用上有不同之應用，並且能因更細緻之資訊做為參考而不會做出不合理的決策。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 8. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(18) 台北市社區大樓價格離散之分析─兼論買貴買便宜與價格離散關係. 第二節研究範圍及方法. 一、研究範圍及方法 (一)空間範圍本文主要有兩種資料群，一組資料為台北市有關社區大樓的資料，其來源為台北市建管處之公寓大廈組織報備資料，另一組則為內政部實價登錄平台之資料。在. 政治大. 空間選取上以台北市做為本研究之分析範圍。. 立. (二)時間範圍. ‧ 國. 學. 在社區資料上，所使用的資料為台北市公寓大廈組織報備資料，起訖從 1971. ‧. 年至 2017 年 6 月有報備的社區，此資料亦給予各社區之使用執照以供連結實價. y. sit. io. al. n. (三)研究限制. er. 資料。. Nat. 登錄資料；實價登錄資料則為民國 101 年 7 月至民國 106 年 6 月止之台北市交易. Ch. engchi. i n U. v. 在社區資料上，由於使用為管理組織之報備資料，倘若為有社區管理委員會但未報備者抑或是尚未有管理委員會成立者像是新興社區或者預售建案並未納入本文研究中；另一方面在實際影響房價之產品屬性相當多元，但在實價登錄資料上並未記載像是方位、採光以及室內裝潢等，房屋在產品調整上仍有未盡之處，使價差仍存在；此外大部分房價研究並不以探討特徵與房價分散程度為主要探討目的，因此對於房屋特徵與變異係數甚至是買貴或者買便宜之關聯少有文獻佐證，此為本研究中最大之限制。. 另一方面，本文在選取社區上並非採用所有有交易紀錄之社區，在交易量到 9. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(19) 第一章緒論. 達一定的量才會將此社區納入研究範圍；再者採用的實價登錄資料僅為近五年之交易資料，使有些社區雖為較新的社區(十年內之社區)但是卻可能在近五年交易較少(交易實例多為預售屋)而不被納入研究，此亦為本研究可能面臨之狀況。. 二、研究方法 (一)相關理論與文獻回顧本文首先回顧有關價格分散在研究上之方法以及形成原因，了解價格分散在. 政治大討論上之基礎；再者，藉由回顧目前房地產市場上有關價格分散之討論以及研究，立目前研究上多採以何種分析方式以及形成原因，作為分析價格分散在房地產市場. ‧ 國. 學. 了解目前研究上之重點以及所缺乏之處；由於本文希望透過房地產的特徵與價格分散程度以及買貴或者買便宜等之關係，故回顧目前傳統不動產價格與房屋特徵. ‧. 之文獻上，探討何者特徵在相關研究下是否有矛盾之處，此基於變異係數之大小. sit. y. Nat. 存於特徵對價格的影響應當為正負向影響同時存在，故以傳統特徵與價格之相關. n. al. er. io. 文獻回顧以作為本研究之變數設立之基礎。 (二)實證分析. Ch. engchi. i n U. v. 本文先以台北市公寓大廈組織報備資料中查找社區，並以此資料與社區之使用執照結合，透過社區之地址、建築完工日期及相關資訊，作為配對實價登錄資料之依據，使實價登錄資料與社區結合。在實價登錄價格調整上，採用公益性估價平台「好時價」所提供之房價指數以及樓層與面積之模型係數作為時間與產品調整之依據，對各社區之價格進行調整以控制其品質，得出各社區之變異係數，將社區依照變異係數之大小分成三組，並採用多項羅吉特迴歸模型為本文之實證方法，首先分析社區特徵與價格離散程度關聯，由於本文力求房地產趨於同質性，故房地產若仍存在較大之價格離散，此較可能與個人議價能力，即與買貴買便宜 10. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(20) 台北市社區大樓價格離散之分析─兼論買貴買便宜與價格離散關係. 有關，為了解社區買賣狀況是買貴抑或是買便宜，因此透過自動估價平台「好時價」之估值為基礎，藉此分析社區特徵與各房地產特徵較容易有買貴或者買便宜之情形發生，並與前者價格離散程度結果結合討論二者之關聯性，以此探討買貴買便宜(個人議價能力)是否為房地產價格離散形成之主要原因。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 11. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(21) 第一章緒論. 第三節研究架構與流程一、研究架構. 本文共分為五章，第一章為緒論，此章為探討為何探討房地產之價格分散相當重要以及如何進行分析等研究動機、研究目的、研究範圍及其方法。第二章為相關理論與回顧，除回顧價格分散在目前研究上之探討以及房地產市場上之討論外，亦同時回顧現階段探討房地產市場上價格分散之狀況；由於本研究為探討特. 政治大房地產之關聯進行回顧，並且著重在相同特徵卻有不同的價格符號；最後則透過立. 徵與價格離散甚至是個人議價能力造成的買貴買便宜，因此亦對傳統討論特徵與. ‧ 國. 學. 回顧近年來大量估價在方法以及技術上的演進使估值更為準確，藉此以探明估價技術的演進已漸能以估值判斷價格合不合理。第三章為資料處理與研究設計，此. ‧. 章為呈現本研究將社區資料與實價登錄資料之結合以及資料概況說明，並說明模. sit. y. Nat. 型變數之選取以及建立，並如何對資料做處理。第四章為實證結果與分析，此章. al. er. io. 為呈現實證結果並分析在何種社區特徵下較容易有價格離散程度高之情況發生，. v. n. 並且以此延伸探討社區角度以及各戶角度下買貴或買便宜何者情形容易發生，並. Ch. engchi. i n U. 與價格離散討論關聯性。第五章為對於本研究之結論以及政策跟後續建議，藉由實證結果所得出之結果做出總結，並說明對於政策上之建言以及後續研究方向的建議。. 12. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(22) 台北市社區大樓價格離散之分析─兼論買貴買便宜與價格離散關係. 二、研究流程研究動機. 研究問題與目的. 研究範圍與方法. 學. ‧ 國. 立. 政治大. 相關理論與方法. 價格分散. 特徵價格. 大量估價. ‧. Nat. n. al. er. io. sit. y. 研究設計與資料處理. 模型設計與實證呈現. Ch. engchi. i n U. v. 實證結果與討論. 結論與建議. 圖 1-1 研究流程圖. 13. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(23) 第一章緒論. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 14. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(24) 台北市社區大樓價格離散之分析─兼論買貴買便宜與價格離散關係. 第二章、相關文獻回顧. 第一節傳統特徵價格討論. 以商品之屬性特徵探討價格起於 Lancaster(1965)與 Rosen(1974)，其認為商品之價格係由商品所包含之各種特徵帶給消費者之效用所組成，因此價格之多寡. 政治大. 代表其所對於消費者所帶來之效用大小，尤其是具異質性之商品，像是房地產便. 立. 常以特徵之效用與價值之相關聯。. ‧ 國. 學. 而傳統在討論房屋特徵與價格(無論是常用於探討的單價抑或是隱含負擔能. ‧. 力的總價)之關聯則可大致分為戶的特徵(內部特徵，例如坪數、衛浴數等)、棟的. y. Nat. sit. 特徵(外部特徵，像是總樓層、建商等)以及鄰里特徵(像是與地方公共設施之遠近. n. al. er. io. 關係)，而 Sirmans 等(2005)則統計目前最常運用在特徵價格模型上的房屋特徵，. i n U. v. 其中在衛浴數以及房間數上其效果為正向顯著；在鄰里環境上， Vania. Ch. engchi. Ceccato(2011)便研究瑞典斯德哥爾摩之犯罪率與房價的關聯，發現越高犯罪率的地方越會使當地民眾想搬離此地並使房屋價值下降；然值得討論之處在於，有許多特徵在討論價格之關係上卻存在著正向與負向並存之狀況。. Cheung 等(2015)探討香港在不同區域的住宅單價與面積之關係為何，其發現若住宅面積越大其住宅單價越高，即使仍會受到不同區位影響而效果各不盡同；然而，范垂爐等(1993)則以太平洋房屋所提供之三年(1988-1990)的房地產真實交易價格發現，面積與價格的確有正向效果，但僅於總價而非單價，且在所有變數中面積的影響性是最小的。 15. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(25) 第二章相關文獻回顧. 林秋瑾等(1996)則指出總樓層越高代表其建造成本越高，故在價格的效果上也通常為正向，不過李泓見等(2005)認為總樓層是否為正向效果端賴於建物型態，倘若為透天住宅則樓層越高並不能增加效用，樓層越高反而為負向效果；Wong 等(2011)也分析香港較高樓層與較低樓層並提出，高樓層代表其居住密度較高，隱含意思為居民生活於此會常感到擁擠並且使居民間之隱私受到迫害，對於高樓與高價格之關聯存在疑惑。. 另一方面若從總戶數而論，林秋瑾等(1996)認為戶數越多可能使生活品質惡. 政治大密度時認為，社區的戶數應當有一定的規模較好，但當到了一定戶數時其對價格立. 化，故預期其為負向效果，另一方面 Tang 等(2010)則在研究香港的房價與居住. ‧ 國. 學. 效果會轉為負，對於較少的戶數效果為負之狀況，可能係因戶數有一定數量才能夠有足夠經費聘請物業管理公司進行管理，而香港在社區管理上大多聘請物業管. ‧. 理公司(朱芳妮、張金鶚，2013)，因此對於戶數較少的社區則只能自行管理否則. al. er. io. sit. y. Nat. 無法負擔有關。. v. n. 景觀視野抑是產生矛盾之處，Cheung 等(2015)以及 Oh 等(2002)分別探討山. Ch. engchi. i n U. 景與海景之視覺所帶來的價格效果，從香港的實證結果來看，海景對於房地產價格有顯著的正向影響，而韓國首爾則在面對山景與河景上，山景的價格正向影響則高於河景；然而 Hui 等(2012)卻認為景觀視野之效果有正有負，且對於不同樓層高度的建物影響也不同，尤其是在對海景的價格影響上反而呈現負向。. 從傳統房地產價格與特徵之關係而論，價格分散的程度與特徵之正負面價格影響均有關，正因某一特徵同時對消費者抑或是市場有價格之正負面影響時才能反映其價格分散程度之大小，然基於此與價格分散相關之特徵卻可能與傳統價格與特徵有所不同，李文傑等(2014)研究指出若房地產本身的坪數較大，其價格泡 16. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(26) 台北市社區大樓價格離散之分析─兼論買貴買便宜與價格離散關係. 沫程度越高，此便與傳統認為面積與房地產單價為正向關係相較，雖在正負向符號雖相同但其意義卻大相逕庭。基此，除總樓層或總戶數等屬於棟的特徵之屬性外，本文亦考量傳統不動產價格之討論，選取同時具正負面性質之特徵作為本文之變數選取。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 17. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(27) 第二章相關文獻回顧. 第二節價格分散. 價格分散常與一價法則(LOP)相提並論，一價法則認為相同的產品在相同的市場及相近的時間點上價格應當一樣，然而價格分散則認為即使為相同之商品價格仍會有所不同，像是 Steiner(1978)便發現即使一些商品在廣告上價格相同，但由於每家店的折扣不同，使價格也有所不同；而 Pratt 等人的研究則發現(1979)，若商品之價格越高，其價格分散之程度也越高。雖說如此，亦有研究認為一定程. 政治大散受到生產的成本以及產品異質性，此狀況在市場上不為短期而為長期存續的立. 度的價格分散也才能使更多商家願意進入市場(Salop 等，1982)，再者，價格分. (Burdett 等，1983)。. ‧ 國. 學 ‧. 價格分散的形成有許多種原因，無論是資訊的充分有無(Deng 等，2012；. y. Nat. Burdett 等，1983)抑或是買賣雙方的議價能力及特質(Harding 等，2003)。不過，. er. io. sit. 通常在討論價格分散主要是採取模型的分析，在實證上則是較為少見，且通常集中在同質性之商品。在相關的實證上，Severin 等(1994)以美國 1986 年第二季的. al. n. v i n 飛機票價為樣本，探討不同的乘客在相同的旅程上的機票之價格分散狀況發現， Ch engchi U 若是這個航線過於競爭抑或是過於冷清時，此時的飛機票價的價格分散程度會增加；另一方面，Ambarish 等(2017)則研究北美的新車市場發現價格分散在一些特定的年齡以及性別上會有正向影響，像是年齡較大者以及性別為女者較容易支付更多的價格貼水使新車市場的價格分散擴大。. 另一方面，價格分散近年則作為分析共同市場的緊密度，Dang 等(2017)以東協各國之貿易清單為樣本，並從中找出一些具交易性之商品分析，發現自 1997 年以來東協各國在同樣商品上之價格分散程度擴大，使原本以共同市場為訴求的 18. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(28) 台北市社區大樓價格離散之分析─兼論買貴買便宜與價格離散關係. 願望漸漸偏離，同樣的狀況也發生在歐洲的咖啡市場，Cerasa 等(2017)以兩種品種的咖啡為樣本，分析其在歐盟區域內國家的零售價格，發現咖啡並不能如歐盟當初所預期的一個市場同一價格的訴求。. 房地產為具異質性之商品，再加上其不具流通性，通常在分析價格分散時並不常以其為標的(Dang 等，2017)，故價格分散於房地產的實證上較為少見。如同一般的價格分散形成之故，房地產的價格分散常受到需求與供給雙方之成本大小 (無論是生產成本抑或是搜尋成本)以及產品的異質性所影響；再者，房地產亦受. 政治大使具此特徵的房地產價格較為昂貴，這類的特質風險(idiosyncratic risk)於一些被立到消費者的性質而有所影響，消費者若對於房地產某些特徵較為偏好，便有可能. 低估的房地產中可發現，並形成高的價格分散(Londerville，1996)。另一方面，. ‧ 國. 學. 類似的狀況也發生在議價能力上，Harding 等(2003)便發現當買賣任一方之議價. ‧. 能力較弱時，有可能使最終的成交價格偏離原本真實成交之價格，而由於每筆交. y. Nat. 易買賣雙方之議價能力均不同，價格便有可能分散。而 Leung 等(2013)也提出價. er. io. sit. 格分散之形成係因買賣雙方各因不同因素所致，買方可能因定錨效果而賣方則因厭惡失去而使價格分散。. n. al. Ch. engchi. i n U. v. 價格分散亦可因觀察範圍而有所不同，Nieuwerburgh 等(2010)發現美國從 1975 年至 2007 年這段時間的房價變異係數之上升明顯高於薪資的變異係數，其認為這與勞工隨著城市的發展潛力而移動有關，此使移入地以及移出地的房價產生雙向發展而使房價變異係數擴大，故以總體而論，房地產的價格分散除亦受到國家角度的區位以及建造成本所影響，尤其是各城市生產力不同導致價格分散擴大，然一國本身地域環境以及政策使然之發展均有可能至此，故從總體面而論似乎可視為其所當然。然而，此並非代表從總體面來看高的價格分散是不需注意的。倘若價格分散過大，換言之房價越有可能偏離了原本的基本價值，沈中華等(2014). 19. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(29) 第二章相關文獻回顧. 發現若房價偏離的比率越大，銀行的道德風險也會提高並對銀行的績效產生影響。再者於市場上，過高的價格分散形成較高的預期移轉價格。(Deng 等，2012). Yiu 等(2009)則在分析香港的當期市場與預售市場發現，交易量對於兩者有不同之影響，對於當期市場而言，交易量較多則可使交易參考更多減少雜訊(noise) 影響，並使價格分散收斂，而預售屋市場則可能因交易量增加反而造成更多雜訊 (noise)而使價格分散程度增加。. 政治大減少房地產之價格分散上之實證尤為重要。在研究價格分散程度降低上，林祖嘉立. 由於價格分散之程度可做為衡量此市場是否有效率(Leung 等，2006)，如何. ‧ 國. 學. (1994)為早期研究價格分散於房地產市場上之應用，由於房地產市場並非為獨佔市場，市場上的個人均可能為需求者以及供給者，在此情形下若考量消費者進行. ‧. 搜尋後對於價格分散之觀察乃可行，故其利用太平洋房屋之交易樣本分析訂價. sit. y. Nat. (搜尋前)以及成交價(搜尋後)之對照，發現搜尋對於房地產在價格分散上是有負. al. er. io. 面影響，成交價與訂價之價格分散程度相比是較小的，無論於何種型態的市場上；. v. n. 接續其後，廖仲仁等(2004，2008)首先指出仲介能夠降低消費者的價格貼水，並. Ch. engchi. i n U. 且發現仲介服務的使用可使價格分散之狀況有一定程度的縮小。此類狀況亦可從租屋市場而論，Read(1991)認為租屋市場之價格分散受到當地市場的平均租金以及空置率所影響，同時供給者與租屋者的搜尋成本以及租屋的最佳策略亦會影響，為減少搜尋成本以增加市場的競爭力以及減少空置率，因此媒合屋主跟承租人的管道是可考量的，可見在搜尋上透過使用仲介，一方面降低需求與供給方之搜尋成本，另一面亦可降低價格分散。. 房地產本身亦可能因原本訂價所致而產生價格分散。許淑媛等(2011)以國泰房地產公司的新推個案價格調查為基礎，分析在不同價格水準、景氣以及區位條 20. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(30) 台北市社區大樓價格離散之分析─兼論買貴買便宜與價格離散關係. 件下價格分散程度之變化。研究指出，位於區位較佳之住宅個案其因具有價格僵固性，其價格分散程度也較小，若區位較不佳之社區則為使需求者能青睞，因此透過多元的訂價策略以吸引顧客，然亦因此擴大的價格分散，另外若此社區個案的坪數設計越多元，此社區個案的價格分散程度也較大。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 21. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(31) 第二章相關文獻回顧. 第三節大量估價. 最早大量估價的發展是在於地籍資料，其主要源於土地課稅所需，而開始採用迴歸分析在早期的大量估價作業則是始自 1920 年代，到了 1950 年代則開始藉由電腦的輔助，隨著第三代電腦的興起，CAMA(電腦輔助大量估價)開始盛行，大約在 1966 年多元迴歸分析便使用於大量估價中，到了 1990 年代為了處理貸款業務上可能產生的金融風險，較沒有人為風險的 AVM 便出現。(Robert，2011). 政治大加以評估之行為，其原則主要在省時、省力及節省成本三者考量；一般而言，政立. 國內學者梁仁旭、陳奉瑤(2014)則定義大量估價為在短時間內就大量不動產價格. 府部門公告土地現值與公告地價的查估便採用此方法。大量估價在使用上多以計. ‧ 國. 學. 量模型分析為主，其主要是採用特徵價格模型，在模型解釋上亦有線性、雙對數. ‧. 以及半對數三種，在變數上則需要考量何者變數納入或排除會造成過度解釋或者. y. Nat. 解釋不足以致影響模型解釋力。在應用上，AVM 便為大量估價之一種，AVM 最. er. io. sit. 早在美、加地區發展，其最大特點在於並不為其估值相當精準，而在於其成本低廉、並且能夠相當迅速估出價格，現今的 AVM 系統主要可分成指數型以及特徵. al. n. v i n 價格模式，其中在特徵價格模式又有區分成複迴歸、類神經網路等模式。(張欣 Ch engchi U. 民、陳奉瑤，2003)通常衡量 AVM 模型是否具備良好的預測能力以及精準度在於使用 MAPE 以及 10%20%hit rate 這兩個指標，Loans(1990)在測試時 10%以及. 20%hit rate 分別達到 30%以及 67%，而 Matysiak and Wang(1995)則測試達到 30% 以及 70%，另外 Goodman and Thibodeau(2003)則認為在合理情況下 10% hit rate 則要達到 50%才可。. 國內研究中，張欣民、陳奉瑤(2003)認為較佳 AVM 模型在命中率上應當落在 81.7%，惟其並未說明是 10%還是 20% hit rate。在 AVM 模型的改良上，賴碧 22. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(32) 台北市社區大樓價格離散之分析─兼論買貴買便宜與價格離散關係. 瑩(2007)主要研究類神經網路中的倒傳遞模型與特徵價格法在預測能力上何者較佳，在使用高雄市的樣本後發現，若以總樣本為分析標的時則類神經網路模型之預測能力較佳，反之若將樣本分成 90%樣本以預測 10%樣本時則為特徵價格法較佳，因此認為可以交互使用此二種方法以求出最適當之估價模型；而沈育生、林秋瑾(2012)則研究人工神經網路模式以及多元迴歸在如何準確估算不動產時的指標比較，在人工神經網路分析中除了傳統常用的倒傳遞神經網路(BPN)外，另加入幅狀基底函數網路(RBFN)以及多層函數連結網路模式(MFLN)比較，研究結果發現多元迴歸分析之 MAPE、Hit rate10%&20%分別達到預期之水準，其中. 政治大經網路模式而言，加入對數化與指數化輸入單元的 MFLN 其準確度更高，其在立又以 2008 年之結果較佳，相較其他人工神經網路其準確度較低，而在個人工神. 分析 2008 年時各項數據分別達到 10.15%、63.3%以及 93.33%，足可見在資料數. ‧ 國. 學. 量較多下人工神經網路之估價準度更為精確，然而人工神經網路無法得知內部計. Nat. y. ‧. 算過程，對於了解各變數之貢獻度需要其他分析而得。. er. io. sit. 在模型改良上，林祖嘉、馬毓駿(2007)認為一個完整而精確的大量估價模型可以協助金融機構迅速正確且花費較少成本的花費完成估價，同時也能用來評估. al. n. v i n 未來不動產市場的變化趨勢，從研究結果的 MAPE 以及 hit rate 來看時間因素對 Ch engchi U 於模型的預測能力有決定性之影響，若要對未來的市場預測仍有其問題存在；楊. 宗憲、蘇倖慧(2011)則在研究迎毗設施與鄰避設施對住宅價格之影響中發現而在加入此類設施於模型後發現迎毗設施中學校對於房價的影響最大，而鄰避設施則以殯儀館影響最大；此外本研究亦發現，加入此類設施的估價模型，相較於未加入的 10、20%hit rate 以及 MAPE(平均絕對百分比誤差)34.87%、65.13%、17.88% 而言，加入這些設施的估價模型在以上評判之數值上分別為 35.2%、66.78%以及 16.99%，足可見加入這些變數會使估價模型的準確度更甚以往。. 23. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(33) 第二章相關文獻回顧. 彭建文、楊宗憲(2007) 針對目前對 AVM 此類的大量估價系統的看法之整理以及不動產估價師對自動估價系統的看法，雖然 AVM 在目前應用上對於估價師目前所能執行的業務而言能夠取代的較少，在 22 項業務中僅金融機構對不動產抵押擔保物以及法院民事執行處拍賣之案例可大致上游 AVM 所取代，然而若有聽過自動估價的估價師仍會因此感到受到衝擊；再者，作者亦整理目前 AVM 受到估價師的質疑之處，像是 AVM 即使在某些狀況已達到相當高之命中率，但是對於估價師而言沒有估價目的的估價是不受認同的，而且 AVM 相對於估價報告而言是相對於黑箱的，這也使 AVM 雖然從 1970 年代開始發展後不斷精進，但. 政治大算惟一種估價的結果，然立 AVM 除了做為輔助不動產估價師之工具外，亦可在某. 仍無法受到估價師青睞。雖然相對而言，不動產估價界仍普遍不認為 AVM 的運. ‧. ‧ 國. 學. 種程度上算是估價的一種。(張欣民、陳奉瑤，2003). n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 24. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(34) 台北市社區大樓價格離散之分析─兼論買貴買便宜與價格離散關係. 第三章、資料處理與研究設計. 第一節資料說明. 在社區在定義上有狹義與廣義之別，若為廣義上則可能基於歷史因素、地理環境等情況而劃分，而狹義之社區則通常係以一定地理範圍內，並藉由建築物或. 政治大房地產異質性，若採用廣義之社區定義則無法達成；在此所指之社區為朱芳妮、立建築群所形成之社會體系(Hillery，1955)。本文以社區作為分析標的其意在降低. 張金鶚(2013)之研究選取，為一棟或者數棟之建物所形成之狹義社區，且為有成. ‧ 國. 學. 立公寓大廈管理委員會之社區為樣本，若為預售屋或者新興社區則可能因尚未成. ‧. 立管理委員會並報備而不在此研究範圍內，此亦為本研究之限制。. y. Nat. er. io. sit. 在本研究中之資料有兩組，一組為台北市社區相關的資料，另一組則為台北市的實價登錄之資料。台北市的社區資料為先透過台北市公寓大廈組織報備資料. al. n. v i n 中所得，時間起於民國 60 年至民國 C h 106 年 6 月止，此資料除包含社區名稱外， engchi U. 尚包含社區之門牌地址以及此社區之使用執照。. 25. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(35) 第三章資料處理與研究設計. 第二節資料處理一、社區資料與實價登錄資料結合及處理透過台北市的執照查詢系統查找此社區的建築完工日期，藉由此日期以及地址再去配對符合此二條件之實價登錄資料並歸類於此社區，基本上此二步驟已可正確對應大部分得實價登錄資料至社區中，另外亦可透過使用執照所記載之總樓層等資訊做為資料對應錯誤與否之篩選條件。在公寓大廈組織報備資料中由仍一. 政治大在社區對應上便會使同一筆實價登錄資料卻對應至兩個社區，造成分析有所偏誤，立些特殊因素，像是原本同一社區但成立兩個管理委員會並在之後撤銷其中一個，. ‧ 國. 學. 因此便需扣除這些重複報備的社區資料，最中整理下台北市目前有 6997 個社區，同時也是本文之社區樣本。下表為依照行政區分類之社區數目統計，可看出市中. ‧. 心的社區數目較多，像是大安區以及中山區均超過 1000 個社區，而台北市早期. sit. y. Nat. 開發之區域以及較新發展之行政區的社區數則較少，較新發展之社區可能新社區. al. er. io. 較多但還未報備管理組織，而早期開發之區域則因管理組織之形成較晚，早期樣. v. n. 態之建築並無條件形成之，像是萬華區僅有 266 個社區，而信義區則有 431 個社區。. Ch. engchi. i n U. 表 3-1 採用社區之行政區統計行政區. 社區數. 行政區. 社區數. 士林區. 587. 文山區. 664. 大同區. 330. 北投區. 578. 大安區. 1109. 松山區. 443. 中山區. 1084. 信義區. 431. 中正區. 603. 南港區. 228. 內湖區. 674. 萬華區. 266. 26. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(36) 台北市社區大樓價格離散之分析─兼論買貴買便宜與價格離散關係. 由於本研究所論之社區價格係以住宅為標的，一些交易非住宅抑或是無法判定為住宅，或者交易狀況會使價格產生偏誤，影響買貴買便宜討論者，即使有對應至社區中但仍會予以汰除。在汰除資料之實價登錄項目上，計有交易標的、面積、移轉樓層、建物型態以及備註欄這幾個項目。. 在交易標的上實價登錄共有房屋+土地以及房屋+土地+車位這二項，倘若交易標的包含車位但車位的資料(包括車位種類、車位面積以及車位總價三項)有殘缺，由於車位面積與總價有無會對房地產本身的總價與單價有相當大的影響，若. 政治大. 對車位價格或面積做調整可能不符合此交易原本內容，在不容易調整情況下因此. 立. 剔除這些資料；面積上，過小的面積並不適宜居住，同時也可能隱含此並非作為. ‧ 國. 學. 居住買賣之途，即使這些資料雖在備註欄上並未註明但仍可推測應當非正常交易，因此若交易面積小於 16.52 平方公尺(面積小於 5 坪之交易)的資料也會剔除 5。. ‧ y. Nat. sit. 在移轉樓層上，若為複數樓之移轉則考量可能有其他價格效果之存在而不列. n. al. er. io. 入社區價格計算，再者若為一樓之交易資料則考量到在傳統利用上與其他樓層相. i n U. v. 比較為廣泛，做為居住或者店面等均有可能，在無法判定其真正使用用途上予以. Ch. engchi. 捨棄避免造成偏誤；在建物形態上僅保留為公寓、華廈、套房、住宅大樓以及其他這五個型態，其他部分像是辦公商業大樓、店鋪、廠辦、工廠、倉庫等由於本身並非作為居住用途，在價格上也與一般住宅不同故捨棄這些資料；最後在備註欄上則是剔除有備註欄之資料，以避免資料因為其他因素像是增建而使研究受到影響。. 在剔除上述之狀況的實價登錄資料後依據地址以及建築完成日期與社區資. 5. 通常面積小於 16.52 平方公尺之交易案例可能為一般所認為之出租套房甚至為雅房，其並不構成社區中之一戶，僅能為其中一部分，雖於備註欄上並未敘明，但在合理推論上其不應當計入交易案例中，在此予以剔除。. 27. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(37) 第三章資料處理與研究設計. 料做配對，由於實價登錄為近五年才行使之制度，倘若有社區在五年前交易則不會有交易之資料，因此大部分的社區是沒有交易實例的。由於本文目的為透過社區交易資料所形成之變異係數來分析價格離散程度，交易量若小於 3 筆的社區在標準差的計算上會有偏誤之疑慮，因此僅留下交易量大於等於 4 筆以上之社區，再者考量有些社區即使經過調整但其變異係數仍過大，為避免影響研究，因此刪除調整後之變異係數平均數加上六個標準差之社區，最終共計有 1274 個社區為本研究所採用之樣本。. 政治大. 立. 實價登錄資料資料. ‧. ‧ 國. 學. 公寓大廈組織報備資料. 使用執照查詢. er. io. sit. y. Nat. al. 地址與建築完工日期. n. 地址與建築完工日期. Ch. engchi. i n U. v. 社區與實價登錄資料結合. 圖 3-1 資料結合步驟圖. 28. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(38) 台北市社區大樓價格離散之分析─兼論買貴買便宜與價格離散關係. 在 1274 個社區的行政區分布上，一些原本為台北市的主要發展區像是中山區、大安區等的筆數較多，相對而言，較晚發展的內湖區以及南港區的社區數目較少，這除了與原本的發展脈絡有關外，也與原本存在於此行政區之社區數有關 (見表 3-2)；再從交易量的統計上來看，由於僅有近五年之交易實例，若非為近幾年的新推個案外，屋齡超過 10 年以上的社區之交易量也難以反映，在此情況下交易量落在 4 筆至 10 筆的社區數是最多的，不過交易筆數超過 30 筆之社區亦不在少數(見表 3-3)。. 政治大. 表 3-2 所採用之相同社區各行政區筆數統計. 立. 萬華區. 北投區內湖區. y. 126 80. al. 82. n. 士林區. io. 信義區. 110. Nat. 大安區. 276. sit. 松山區. 65. ‧. 中山區. 88. Ch. 69. e n g110c h i. er. 大同區. ‧ 國. 中正區. 筆數. 學. 行政區. i n U. v. 87. 南港區. 54. 文山區. 127. 表 3-3 所採用之社區各交易量筆數統計交易量. 筆數. 4-10 筆. 784. 11-20 筆. 280. 21-29 筆. 99. 30 筆以上. 111 29. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(39) 第三章資料處理與研究設計. 從屋齡分布來看，各時間之分布相當平均，而屋齡小於五年的社區並未相當多在於此時間段之社區大多為預售屋抑或是都市更新而無交易資訊，再者近幾年之新屋之房地產市場並未相當景氣，故五年以下之社區之採用筆數並未相當多可能基於上述，此亦代表房地產市場上建商所能供給的數量並非最多，房地產的二手市場為供給之大宗，對於探討價格分散而言可謂相當適合。另一方面，屋齡高於 30 年之社區的採用筆數較多可能受制於近年飆漲的房地產價格，使資金不足者僅能選擇單價較低但屋齡較大之社區房屋有關。(見表 3-4). 表 3-4 屋齡統計. 立. 239 323. 18.2% 18.1% 18.8%. y. 230. Nat. 30 年以上. 232. 25.3%. io. sit. 21-30 年. 19.6%. ‧. 11-20 年. 250. 比例. er. 6-10 年. ‧ 國. <5 年. 筆數. 學. 屋齡. 政治大. al. 在建物型態上則以住宅大樓為最，此可能原因在於總樓層與總戶數應當為一. n. v i n Ch 定程度上的正比，此使住宅大樓的交易量更高於其他類型的住宅；另一方面，住 engchi U. 宅大樓亦最可能成立公寓大廈管理組織並進行報備，而公寓一般而言較為各人自掃門前雪之局面，難以形成管理組織，因此在建物型態的社區分布上較為集中。 (見表 3-5) 表 3-5 建物型態統計. 建物型態. 筆數. 比例. 公寓(五樓以下). 64. 5%. 華廈(六樓至十樓). 455. 35.7%. 住宅大樓(十一樓以上). 755. 59.3%. 30. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(40) 台北市社區大樓價格離散之分析─兼論買貴買便宜與價格離散關係. 從總戶數來看，100 戶以內的社區是較多的，此可能因台北市的地價過於昂貴，在開發面積無法較大之情形下，推出 100 戶以下之社區較為可行，另一層面亦可能為開發商為求銷售率，故興建戶數較少以避免囤房而受到沉重的資金壓力所致，再者此亦可能為開發商為迎合顧客所需所致，此與開發密度相當龐大之香港有所不同；相對而言，200 戶以上之社區亦不在少數，通常此類社區為國民住宅抑或是由其他公家機關所建，其當初興建之目的為使大多數民眾能購置房屋，故其考量為興建大戶數但為較單一化之產品以求工期較短。(見表 3-6) 表 3-6 社區總戶數統計總戶數. 立. 101-150 戶 201 戶以上. 369. 29%. 372. 29%. 234. 18%. 109. 9%. 190. ‧. 150-200 戶. 比例. 學. 51-100 戶. ‧ 國. 50 戶以下. 治政筆數大. 15%. y. Nat. io. sit. 在價位分布上，價位在 40 至 70 萬之社區為最多，其次則為 70 至 100 萬這. n. al. er. 段的價位，超過 100 萬以上之社區以及低於 40 萬以下之社區則最少。(見表 3-7) 表 3-7 社區價位統計. Ch. engchi. i n U. v. 價位. 筆數. 比例. 40 萬以下. 102. 8%. 40-70 萬. 748. 58.7%. 70-100 萬. 337. 26.5%. 100 萬以上. 87. 6.8%. 最後從行政區來看，首先將位在市中心的中山區、大安區、中正區、信義區與松山區歸為市區一組，南港區、士林區、文山區、內湖區以及北投區則為郊區組，最後於歷史脈絡上較早發展的大同區以及萬華區則為舊市區。從此三組織相關敘述統計來看，在屋齡上市區之社區相較另外兩區都較高，在總戶數上三組差 31. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(41) 第三章資料處理與研究設計. 別不大，市區相較略高一些；最後在價位上，市區之社區在平均價位上遠高於其他兩區，但在標準差上也高於其他兩區，代表位在市區的社區之價位分布較為離散，另一方面，郊區與舊市區的價位差距並不大，可見兩區之社區價格應當相近，僅依歷史發展而分成兩區，且舊市區相較郊區其價位標準差也較低。(見表 3-8) 表 3-8 各區位敘述統計. 屋. 齡(平均數) (標準差) (中位數). 市區. 郊區. 舊市區. 20.25. 15.88. 19.40. 12.66. 11.07. 13.75. 20. 總戶數(平均數) (標準差) (中位數). 立172. 價. 114. 135. 160. 84. 87. 80. 756,046. 533,159. 233,394. 140,777. 720,791. 519,134. 504,784 103,590. ‧. 位(平均數) (標準差) (中位數). 17. 學. ‧ 國. 124. 14 政治 122 大. Nat. sit. y. 500,126. n. al. er. io. 二、品質控制(價格調整). Ch. i n U. v. 影響價格分散的因素尚包括商品本身的異質性，而房地產本身為極具異質性. engchi. 之產品，因此本研究採用類似重複交易法之作為，將交易實例對應至社區以減少異質性。此外，亦有一些研究透過特徵價格模型控制房地產的品質，像是林祖嘉 (1994)便藉此將房地產市場依照買賣型態或者使用方式做為區分，探討訂價(搜尋前)與成交價(搜尋後)之價格分散狀況，而 Lueng 等(2013)亦採行此方式以探討價格分散然並未有較好的實證結果；另一方面，Hui 等(2010)則藉由特徵價格法，將每一筆資料之細項，包括位於社區的何棟幾樓幾室等資料，以此求出大樓中每一戶的大量估價，並達到相當高的準確率。雖特徵價格的確能控制產品品質更加全面，然受限於資料之去識別化，本研究並無法針對更細項進行控制，同時本文已透過將交易實例對應至社區上使資料趨於同質，在無法做到更精確的品質控制 32. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(42) 台北市社區大樓價格離散之分析─兼論買貴買便宜與價格離散關係. 下不採取特徵價格法。房孝如(2016)為呈現是否房地產在一社區中是否有不合理的買價，其分別透過控制房地產的交易時間、樓層、面積等狀況以凸顯不合理的交易價格常遍布於房市之中。. 承上所言，交易時間的早晚、樓層高低所產生之價差以及面積大小產生之價差為最常見且最受重視的價差因素，倘若並不針對此做調整而直接使用會產生偏誤，另一方面亦使價格分散之討論受到限制。交易時間的早晚除代表每一社區在不同時間點上的交易價格外，同時也代表著景氣的高低，倘若未進行時間上之調整，便可能受到景氣之影響而難以討論價格分散(許淑媛等，2011)。在時間調整. 政治大. 上，鄒欣樺等(2007)在探討建商推案策略上，使用物價指數調整各推案之價格以. 立. 避免個案因為推出時間不同造成計算偏誤，本文則使用台灣之公益性不動產估價. ‧ 國. 學. 平台─好時價所提供之房價指數來進行調整。 6. ‧. 好時價之房價指數計算方式為使用 2012 年 7 月至 2013 年 7 月的所有實價登. y. Nat. sit. 錄資料，並估算其在不同時間點下之所有價格之平均而得出。本文使用此房價指. n. al. er. io. 數調整各交易實例至 2017 年 6 月以使時間產生之價差減少，調整方式為：(以 2016 年 5 月之交易實例為例). Ch. engchi. i n U. v. 時間調整後之各交易實例成交單價=原始交易實例成交單價*100(以 2017 年 6 月為基期故設定為 100)/102.61(2016 年 5 月之房價指數). 調整時間價差目的為減少社區因為交易時間不同而造成的價差，這種因時間產生的價差一般而言不會被認為是買貴買便宜之情況，其可能因當時的房價較高 6. 好時價為安富財經公司與國立政治大學地政學系特聘教授張金鶚教授共同研究之自動估價平台，衡量自動估價系統之準確性之指標為 MAPE(平均絕對誤差百分比)以及 10%&20%hit rate(命中率)這兩個指標，目前好時價在前者達到 10.27%而後者則分別達到 62%以及 88%的水準，相較一般實務研究上是相當良好的水準6，其所計算之房價指數也應值得信賴。好時價相關資訊可參考好時價官方網站，網址為：http://www.houseplus.tw/. 33. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(43) 第三章資料處理與研究設計. 或者較低所致，因此使用房價指數調整將所有的交易價格之調整至民國 106 年 6 月的價格，在同一基礎比較才會較為合理。然而，社區本身會因樓層高低、面積大小、方位等而有一些價差存在，倘若屬於此類之價差所致，也難以說明是否有價格分散程度較大之情況發生，而較明顯的價差便是樓層所形成的垂直價差以及同層但面積不同的面積價差，在此仍使用好時價之模型的樓層與面積係數，並按照半對數模型解釋下，當樓層上升一單位時，價格會提升 1%；而當面積(取對數) 上升一單位時，價格則會下降 4%。. 政治大的基準，選取方法為該社區內之有採用之交易資料的樓層中位數，倘若該社區之立. 在樓層以及面積的調整上，首先在每個社區會先找出一筆交易資料做為調整. 交易樓層中位數並不存在 7，則會直接以下一樓層為基準，另外若中位數有數筆. ‧ 國. 學. 資料時則以最新交易的筆數作為基準，此係因交易時間越近，其越可能接近此社. ‧. 區之交易現況，而面積之調整基準則以樓層選定之基準為基準，換言之，每一個. y. Nat. 社區的交易資料中會有一筆資料是僅調整過交易時間，剩下的交易資料則依據基. er. io. sit. 準的樓層與面積進行調整。在調整上，樓層以及面積的調整方式如下：. al. n. v i n 調整後個交易價格=時間調整後交易價格+樓層調整值+面積調整值 Ch engchi U 樓層調整值=(交易資料樓層-基準樓層)*調整值(基準樓層*1%). 面積調整值=(基準面積-交易資料面積)*調整值(基準面積*4%). 7. 若有社區共計 4 筆交易，4 筆交易的樓層分別為 3、4、8、8，中位數為 6，但此社區並沒有 6 樓的交易，因此其樓層中位數交易是不存在的. 34. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(44) 台北市社區大樓價格離散之分析─兼論買貴買便宜與價格離散關係. 原始交易價格. 時間調整後交易價格. 房價指數調整. 好時價. 選定各社區基準. 樓層調整值 (產品調整). 政治大. 面積調整值 (產品調整). 立. 係數調整. ‧ 國. 學. Nat. al. er. io. 圖 3-2 價格調整圖. sit. y. ‧. 產品與時間調整後價格. n. v i n 圖 3-2 為整體資料的調整步驟，將交易實例對應至所屬之社區後，先進行第 Ch engchi U. 一次的品質控制，使房地產趨於相同；然而房地產本身異質性相當高，即使同屬一社區仍受到不同特徵影響而產生價差，因此再進行第二次的品質控制，在此使用好時價所提供之房價指數以及係數進行調整，透過房價指數使社區的各交易實例並不會受到景氣高低以及社區交易時間早晚點的影響而產生價格分散；另一方面，樓層所代表的垂直價差以及坪數大小所形成的面積價差亦不干擾，並藉由選取各社區其中一交易案例使調整不致過大，避免過度調整之疑慮，使社區的交易實例間之歧異處降低。. 以位於中山區的 APPLE 社區為例，此社區為屋齡 10 年、總戶數 28 戶，總 35. DOI:10.6814/THE.NCCU.LE.012.2018.A05.

(45) 第三章資料處理與研究設計. 樓層高度為 8 層的華廈，其在近年來的交易筆數共有 6 筆，其交易的時間分別為 2012 年 11 月、2013 年 2 月、2013 年 3 月、2013 年 6 月、2013 年 7 月以及 2016 年 5 月，由於各交易時間均不同，倘若比較兩兩交易實例之單價時會產生誤差，因此為使各交易實例基準相同，故使用好時價的房地產指數將所有交易實例的價格都調整至 2017 年 6 月；再者為控制產品品質以避免社區價差係因既有的垂直價差以及面積價差所影響，將會針對各筆資料進行調整，然而若將所有資料都調整至某一樓層或者某一面積，容易有調整過度之狀況，因此在調整上會挑選一筆資料作為社區的基準，而各筆資料則依據與基準資料面積與樓層的差別而進行價. 政治大 11 月以及 2013 年 7 月的資料，而考量 2013 年的資料較新，因為指數產生的誤立格調整，以此社區而言，在六筆交易資料中的樓層中位數為 5，分別為 2012 年. ‧ 國. 學. 差也可能較小，因此挑選 2013 年 7 月交易的資料作為基準進行產品品質控制，此方法在於使調整的幅度不致過大，尤其是在樓層方面，由於面積上扣除一些特. ‧. 例，同一社區的產品較類似，不致在設計上有過大差距之可能，即使有在面積調. sit. y. Nat. 整也較小，因此樓層價差在調整上容易產生過度或過小調整之狀況，若選取樓層. al. er. io. 中位數進行調整便可使調整的值不致過大，此一方面也基於在既有研究上並未針. v. n. 對房地產品質做相當細部的控制，本文為避免過度調整而採取此方法，倘若某一. Ch. engchi. i n U. 社區的交易資料極為偏重高樓層或者低樓層時，亦有可能產生調整所產生的誤差，本文在此已盡量避免此問題。. 36. DOI:10.6814/THE.NCCU.LE.012.2018.A05.