預售屋大量估價模型之建立 - 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. 預售屋大量估價模型之建立. 政治大. 立Appraisal Modeling of the The Mass. ‧ 國. 學. Pre-sale Housing. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 研究生 : 朱智揚指導教授: 張金鶚博士江穎慧博士. 中. 華. 民. 國. 一. 零. 六. 年. 六. 月.

(2) 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v.

(3) 謝誌有幸能進入政大地政研究所並且順利完成碩士學業，真是我人生中的一個驚喜，在入學之前我完全沒辦法想像我一個非本科系的外行人該如何寫出論文、順利畢業，回首這段旅程，研究生生涯中雖然面臨到了許多困難與挫折，但政大地政這個大家庭有許多幫助我的「貴人」，使我終究能在跌跌撞撞中完成研究所的學業、順利畢業。這本論文與碩士學業能順利完成，最先要感謝的人，是我的指導教授張金鶚老師與江穎慧老師，張老師您總能秉持著高昂的學術熱忱提出許多想法，提供補足我研究缺點的方向以及幫助我培養邏輯推理與探究問題的. 政治大的我，讓我能順利突破理論與技術上的困難，並且完成論文中的各項細節，立在兩位老師的幫助下，研究生生涯於研究案或論文上，均收穫良多、滿載看法，江老師您則是每每當我在困難中迷航時，不厭其煩的指導基礎不足. ‧ 國. 學. 而歸，謝謝老師!. 除了指導老師外，我還要感謝口詴委員對我論文提出的寶貴意見，讓. ‧. 我終能修正缺失、完成論文。另外我還要特別感謝筱蓉學姊、尚華學長擔. sit. y. Nat. 任我報告時論文的評論人，給我論文提出許多關鍵性的意見，也特別感謝. io. er. 冠綸學長協助我論文中的資料處理，我的論文能順利完成，各位口詴委員與學長姊的意見與幫忙不可或缺，非常感謝! 另外，我還要特別感謝同為. al. n. v i n 鴨族的「戰友」—昱至、怡潔、佩慈、麟雅，我們一貣度過了辛苦充實的 Ch engchi U 兩年研究生生活，你們給我的幫助與鼓勵是我們最終能一貣順利畢業的關鍵，謝謝各位! 最後，我要感謝我的家人—我的父母親以及兩位姐姐，你們的支持與鼓勵，是我完成碩士學業的原動力，讓我可以全心全意的投入在學業之中，若沒有你們，就沒有今日的我! 在我完成論文與學業，即將要邁入人生下一階段旅程的現在，謹以此簡短的幾句話感謝曾經在我研究生生涯幫助過我的人，在此請接受我由衷的感謝之情，謝謝! 朱智揚 2017 於指南山下.

(4) 摘要預售屋價格長久受到台灣產業界與學術界密切關注，然而預售屋價格資訊卻相對成屋缺乏，本研究希望釐清預售屋的特性並建立預售屋大量估價模型，提供預售屋價格資訊。預售屋具期貨交易性質，其價格形成受周遭成屋價格影響，其基差(預售屋與成屋價格差)關係顯得格外重要；另一方面，預售屋為完工前銷售之產品，有品質不易掌握之特性，消費者傾向透過商譽來評斷產品優劣，商譽因而相對凸顯，加上預售屋具有以個案方式為中心之定價模式，相對成屋其個案特徵顯得更加強烈，基差與建商商. 政治大本文以特徵價格方式納入基差與商譽因素進行實證分析與建立模型，立. 譽成為預售屋估價上必要考量的兩個重心。. 研究期間為台北市 2012 年第 3 季至 2015 年第 4 季，在資料處理上透過座. ‧ 國. 學. 標整合內政部實價登錄資料以及國泰建設市調資料，解決實價登錄資料中缺乏個案屬性的去識別化問題，將預售屋「個案」特徵納入「個戶」估計. ‧. 中，突破過往預售屋研究限縮於個案的限制。實證結果顯示，台北市預售. Nat. sit. y. 屋單價帄均比周圍成屋多出 35.5%的水準、而屬於上市上櫃建商的預售產. al. er. io. 品則相較非上市櫃產品帄均高出 5.7%的價格；模型估計表現上，本研究實證模型解釋力達到 65.1%，模型之絕對帄均誤差為 10.56%、±10%及. n. v i n Ch ±20%的命中率分別為 57.86%、88.25%，達到大量估價模型要求水準，值 engchi U 得參考使用。關鍵詞: 預售屋、大量估價、基差、商譽.

(5) Abstract The price of pre-sale housing has paid close attention by the real estate industry and academia, however, there is lack of information on pre-sale housing price information in practice. This paper aims to build a mass appraisal model to provide the information of pre-sale housing prices. Pre-sale housing is possessed the property of futures, the price effected by nearby existing house’s price. Besides, because the pre-sale housing traded before the completion of the building, consumers depend on developer’s reputation to evaluate the house’s quality. To sum up, basis and developer’s reputation are important to the. 政治大. appraisal of the pre-sale housing.. This paper use the hedonic method to build an empirical model, the study. 立. object is Taipei city, from 2012Q3 to 2015Q4. The empirical results show that. ‧ 國. 學. the average price of pre-sale housing in Taipei is 35.5% higher than that of the surrounding existing houses, and the developers who was Listed/over the. ‧. counter company, the price is 5.7% higher than the non-listed developer’s housing. After the test of model, the Adj-R2 of the model is 0.651,MAPE is. sit. y. Nat. 10.56%, ±10%hit-rate and ±20%hit-rate were 57.86%, 88.25%, it achieve the required level, the application can be expected.. io. n. al. er. Keywords : Pre-sale housing、Mass Appraisal、Basis、Developer’s reputation. Ch. engchi. i n U. v.

(6) 目錄第一章. 緒論……………………………………………………1. 第一節. 研究動機與目的…………………………………1. 第二節. 研究架構與流程…………………………………7. 第二章. 文獻回顧………………………………………………9. 第一節. 大量估價與自動估價……………………………9. 第二節. 過往預售屋相關研究……………………………11. 第三節. 預售屋價格影響因素……………………………14. 第三章. 政治大研究設計………………………………………………19 立研究方法與對象…………………………………19. 學. ‧ 國. 第一節. 資料處理…………………………………………21. 第三節. 變數設定說明……………………………………27. 第四節. 模型表現衡量方法………………………………33. er. io. 實證結果…………………………………………35. al. v i n Ch 模型表現與估計精準度…………………………42 engchi U. n. 第二節. sit. 實證結果與模型表現…………………………………35. 第一節. 第五章. y. Nat. 第四章. ‧. 第二節. 結論與建議……………………………………………45. 第一節. 研究結論…………………………………………45. 第二節. 後續建議…………………………………………48. 參考文獻…………………………………………………………50. I.

(7) 圖目錄. 圖 1- 1 全國/台北市新推個案可能成交價圖………….…….2 圖 1- 2 研究流程圖……………………...................................7 圖 3- 1 資料處理流程圖圖………………..............................22 圖 3- 2 樣本資料分布圖 ................................................ ……..25. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. II. i n U. v.

(8) 表目錄. 表 2-1. 預售屋價格相關文獻整理表…………………………13. 表 3-1. 實價登錄資料與國泰市調資料比較表………………21. 表 3-2. 模型變數暨基本敘述統計一覽表……………………27. 表 4-1. 預售屋價格實證結果…………………………………36. 表 4-2. 模型精準度衡量結果…………………………………42. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. III. i n U. v.

(9) 預售屋大量估價模型之建立. 第一章第一節. 緒論. 研究動機與目的. 一、研究動機台灣不動產市場中，價格問題長久受到民眾、政府、產業界等多方關注，然過往不動產相關資訊趨向封閉，在價格資訊方面往往受到建商、仲介業者、媒體所掌握，一般民眾相對在資訊取得上趨於被動，形成交易中的弱勢方，造成房地產市場中買賣雙方不對等、失衡的情況。有鑑於此，. 政治大揭露價格訊息、促進市場資訊透明化，解決房地產市場長久以來的失衡情立. 政府自 2012 年 8 月開始推動施行實價登錄制度，希望藉由實價登錄制度. ‧ 國. 學. 形。然而在實際應用上，實價登錄去識別化的特性讓房價難以真正透明，成交資料之進一步分析與價格揭露，成為房市透明化的下一個目標，而透. ‧. 過電腦模擬運算之大量估價系統，即是進一步應用成交資料分析價格、揭露房價的一個重要工具，而預售屋身為市場上主流產品之一，其價格揭露. y. Nat. sit. 在台灣不動產市場中相對迫切，而透過準確、低成本、及時的大量估價工. er. io. 具，能有效率的提供預售屋價格資訊，預售屋大量估價之研究因而成為可. al. n. v i n Ch 自不動產預售制度出現以來，一般民眾在面對購屋選擇時，主要可區 engchi U. 努力的方向以及值得研究的議題。. 分為中古屋、新成屋、預售屋三大市場。就房屋型態來看，中古屋、新成屋與預售屋市場三種次市場又維持著一定關係，三者比較下，不同類型房屋有各自的優缺點，以中古屋而言，通常具有價格較低的優點，缺點在於中古屋付款條件通常相對嚴格，頭期款成數通常較高，且屋齡較高，屋況隨著屋齡增加而越不穩定，常常需要額外費用進行管線修繕或重新裝潢。而就新成屋來看，其價格介於預售屋與中古屋之間，具有屋齡低、屋況穩定，且可實際看屋等優點，迎合喜歡買新房子民眾的喜好，然而新成屋由於價格通常較中古屋高，又不像預售屋可以隨著工程期付款具有緩衝期，付款條件不變下壓力較兩者為高，且該案若先以預售屋推案，好品質的產品可能會在預售屋推案階段賣出，造成新成屋選擇減少，此為新成屋的缺 1.

(10) 第一章. 緒論. 點。至於預售屋，由於預售屋尚未建築完成，在產品上，預售屋無法直接看到產品，對於屋況的掌握較差、風險較大，購買後不能馬上入住，且整體房價相較新成屋、中古屋高，但預售屋優點在於，其可針對需求部分作出客製化變動，且通常有付款條件較寬鬆、頭期款成數較低的優點，在預售制度下，開發商透過較低的門檻條件吸引民眾購買，目的是於房屋建造前募集資金、降低財務負擔並且規避景氣風險，而消費者則看重未來景氣期望以及較寬鬆的付款條件而選購預售屋產品，造就了預售制度在台灣不動產市場大為流行，在不動產市場中始終維持著一定的比例。然而也因預售制度降低開發商與消費者投資門檻之故，變相助長了不動產投資，部分說法指出預售制度是導致台灣房價飆漲、炒作風氣盛行的一大「元凶」，. 政治大性不容小覷，其價格研究確有其指標性意義。然而預售屋價格資訊卻相對立. 甚而從預售屋市場波及影響到成屋市場(花敬群、張金鶚，1999)，其重要. ‧ 國. 學. 成屋市場更加隱蔽、不透明，因此釐清、揭露預售屋價格資訊是台灣不動產市場的當務之急，也是健全房市的核心關鍵。而透過大量估價工具，既. ‧. 有高效率、系統化的優點，又能大規模、低成本的進行預售屋價格資訊的揭露，預售屋大量估價之研究因而成為重要且極具潛力的研究議題。. y. Nat. sit. 據統計數據表示，近十幾年來，台灣新推個案市場1房價逐年上漲，直. n. al. er. io. 至 2013 年後有趨緩情形，預售屋價格變化可從中一窺端倪，如圖 1-1:. 圖 1-1. Ch. engchi. i n U. v. 全國/台北市新推個案可能成交價指數圖資料來源:國泰房地產指數季報. 1. 新推個案市場包含預售屋市場及新成屋市場，在台北都會區預售屋推案比例普遍較高。. 2.

(11) 預售屋大量估價模型之建立以台北市而言，新推個案市場中預售推案比例甚高，近年來至少維持在 50%~70%左右的水準2，圖 1-1 一方面反應了預售制度之熱絡、一方面也反映了預售屋整體價格在十數年間呈現大幅上漲的趨勢，然而此資料乃是針對新推個案市場、預售屋整體的價格趨勢，有關預售屋個戶的實際成交價格情形，還尚待分析與釐清。欲釐清預售屋價格，頇從預售屋特性來分析處理，預售屋與中古屋/ 成屋有本質上不同，卻又有關聯性存在，究其根本，係源於預售屋與中古屋/成屋訂價模式不同，預售屋以大量體「個案」的方式推出，具有強烈的「個案」特徵，建商往往根據鄰近成屋價格水準與競爭個案進行預售產品訂價(鄒欣樺、張金鶚、花敬群，2007)，針對此點，部分文獻透過期貨. 政治大認為預售屋的交易買賣具有「遠期契約」性質，白金安、張金鶚(1995)將立理論中的「基差」概念討論預售屋與成屋之間價格關係，如張麗姬(1994). ‧ 國. 學. 預售屋視為一種期貨商品，其他諸如 Chang and ward(1993)、林秋瑾 (1998)、花敬群、張金鶚(1999)、李吉弘、楊宗憲(2010)等相關文獻亦提. ‧. 及基差概念並進行實證。另一方面，預售屋在態樣上以個案方式在市場推出，其個案特徵具有指標意義，建商商譽在預售屋產品中顯得更為重要，. y. Nat. sit. Chau,Ng and Hung(2001)、林育聖、張金鶚(2004)討論了建商商譽對價格. er. io. 的影響，Leishman(2001)提及建商品牌價值對於價格有正向影響。就學術. al. n. v i n Ch 如張麗姬(1994)、白金安(1996)、李吉弘、楊宗憲(2010)等等之文獻，而 engchi U 角度上來看，目前研究多為針對特別主題探討與預售屋價格的相對關係，. 有關預售屋大量估價的學術討論則較為缺乏，因此在學術探討與實務估價. 需求下，本研究希望能綜合預售屋各項主題的探討，透過前述相關研究概念建立預售屋自動估價模型，揭露預售屋市場價格資訊，使民眾能透過這個及時、低成本的工具在買賣預售屋前掌握價格資訊，讓市場資訊更加透明。大量估價系統自新巴賽爾資本協定(Barsel II)施行以來快速發展，新規定要求金融業必頇有更嚴格的風險控管，需要積極地進行不動產重新評估，若使用傳統估價方法對勘估標的進行估價，成本恐將大幅提升，這 2. 根據國泰房地產指數季報進行的資料統計，台北市預售推案率在新推個案市場佔 50%~70%以上的比例。. 3.

(12) 第一章. 緒論. 使得擁有低成本、即時性的大量估價系統逐漸受到重視，有望成為協助金融業進行資產重估的低成本高效率工具。另一方面，大量估價具有客觀性，可幫助傳統估價人員排除主觀因素干擾以及人為誤差，並借助大量估價工具作為調整價格時之參考依據(龔永香、江穎慧、張金鶚，2007)。目前台灣大量估價系統的學術與實務應用上，成屋/中古屋模型已經有所發展，如林祖嘉、馬毓駿(2007)、賴碧瑩(2007)等研究，市場上亦有中古屋的大量估價產品，在大量估價的各種方法中，以特徵價格法進行大量估價價格估算的應用最為廣泛、普遍，成為方法上的基礎。所謂特徵價格法係源自 Rosen(1974)所發展出的特徵價格理論，透過邊際價格效益來解釋價格的組成，認為在觀察市場價格後，不動產可以透過一系列的特徵處理得出各. 政治大特徵方程式方法進行房價分析與估計，並以此為基礎建立實務上的估價模立項特徵的價格，並延伸得出推算的不動產價格。自此，許多研究紛紛利用. ‧ 國. 學. 型。目前實務上的房價估算系統多是透過這個模式進行估計，然預售屋與中古屋特性有所差異，預售屋難以直接適用中古屋模型進行估價，考量預. 形，因此針對預售屋建立大量估價模型有其必要性。. Nat. y. ‧. 售屋在台灣住宅市場的重要性，其個別資訊的揭露能幫助我們了解市場情. al. er. io. 度看來，預售屋大量估價的應用亦有其發展性。. sit. 有關預售屋的大量估價系統，目前幾無涉足，因此不僅學術面，就實務角. n. v i n Ch 資料，而以「個案」的資料為大宗，導致預售屋的研究多是針對「個案」 engchi U. 過往在研究預售屋房價的學術研究中，較缺乏穩定的預售屋「個戶」. 分析而無法進行「個戶」估計與研究3，然自不動產實價登錄實施以來，預售屋「個戶」的成交資訊已能有效且穩定的取得，本文因此欲突破過往限制，進行預售屋「個戶」估計，以實價登錄資料中預售屋樣本輔以國泰市 4. 調資料，將預售屋「個案」特徵納入「個戶」估計中，並在資料處理上相互補足資訊缺漏處以及資料去識別化5之問題，建置專屬於預售屋的大量估價模型。 3. 實價登錄實施以前，市場上缺乏整體的預售屋個戶資料，實價登錄實施後，受個人資料保護限制，實價登錄成交資訊係以模糊化區段門牌方式呈現，導致無法直接得知其個案屬性、難以直接分析使用。 4 該資料為國泰建設委託政大房地產中心針對各大都會區市場新推個案的調查資料，並不僅限於國泰建設推出之個案。 5 透過國泰市調資料的配合，透過兩資料座標之整合與篩選，綜合其個案與個戶資訊。. 4.

(13) 預售屋大量估價模型之建立. 二、研究問題根據研究動機，本文的研究問題，在於下列三個部分: (一)預售屋的重要價格影響特徵為何?影響程度與效果為何? (二)預售屋的自動估價模型如何建立? (三)預售屋與成屋價格關係為何?基差大小為何? (四)商譽對預售屋價格影響程度如何?. 三、研究目的. 治政 (一) 釐清預售屋在價格形成上的重要特徵因素。大立針對預售屋價格形成的各項特徵，包含面積、建材、公設比等等進行根據研究動機與研究問題，本文研究目的如下:. ‧ 國. 學. 討論，並且透過資料實證各項特徵的影響效果，希望能藉由本研究之整理，將過往有關預售屋價格文獻整合，找出各項預售屋價格影響因素。. ‧. (二) 建立可操作的估價模型，提供客觀可參考的資訊。. sit. y. Nat. 藉由文獻的整合討論後，找出適合建立模型、方便操作以及有整體適用性的預售屋價格影響變數，並以此建構出一套客觀的預售屋估價模型，. io. n. al. er. 用以解決預售屋長久以來價格不透明問題，使民眾有客觀可參考的價格資. Ch. i n U. v. 訊，且藉由預售屋大量估價模型的建立，補足目前大量估價類型的缺口，. engchi. 提升自動估價系統的完整性與豐富度。. (三) 納入「基差」概念於實證模型，討論並釐清預售屋與成屋價格關係。納入基差於實證模型，計算出個別預售屋與鄰近成屋間的基差大小，一方面可與過往文獻中的基差做對比與討論，一方面藉由納入「基差」加強預售屋估計模型的精準度。 (四)釐清「商譽」對於預售屋的影響效果與程度。預售屋交易並非實體房屋的買賣，消費者難以掌握產品品質，往往依賴商譽做品質的評斷，本研究希望能透過實證分析「商譽」效果對於預售屋價格之影響程度，了解商譽對於預售屋的重要性。. 5.

(14) 第一章. 緒論. 四、研究限制欲建置預售屋的自動估價模型，其成功與否的關鍵在於資料的準確性與品質，本文欲突破過往預售屋研究僅能就「個案」為分析的角度，透過實價登錄資料與國泰市調資料的結合，考量個案特徵後進行預售屋「個戶」的估計，然而就實價登錄預售屋登載情形而言，雖有一定品質但案例偏少，探究其原因，一方面是源於實價登錄自 2012 年第 3 季才正式實施，預售屋案例登載還非常有限，另一方面是源於不動產經紀業管理條例 24-1 條的規定:「經營代銷業務者，對於貣造人或建築業委託代銷之案件，應於. 政治大訊」，在此條規定之下，若預售屋委託代銷業者買賣，其申報是一併於代立委託代銷契約屆滿或終止三十日內，向主管機關申報登錄成交案件實際資. 銷契約終止三十日內申報，實務上代銷期間甚長，若代銷期間與契約超過. ‧ 國. 學. 該個案完工日期，許多以預售屋型態買賣的案例就會透過此條文以成屋方式申報，因此在資料上許多案例無法有效獲得。據國泰房地產中心調查，. ‧. 於 2012 年第 3 季~2015 年第 4 季台北市共推出了 249 個預售屋個案、共計. Nat. sit. y. 推出 10191 戶，本研究最終經過資料比對後，撈取出的預售屋成交資料，. er. io. 經資料篩選處理後，共計 159 個個案、3256 筆成交資料，資料取得上有一. al. 定限制。另外本研究估價模型考量實務上操作性，且基於未來可操作的角. n. v i n Ch 度進行變數選取，因此考量使用者的角度，部分變數例如該個案銷售率、 engchi U 議價率等由於使用者無法事先得知，基於實務上的限制下，不納入變數選取以及估價模型之中。. 6.

(15) 預售屋大量估價模型之建立. 第二節研究架構與流程一、研究架構本研究欲透過預售屋價格形成的特徵探討以及特徵方程法大量估價系統的應用來建置以預售屋為對象的大量估價模型，並且討論其估計表現結果，全文分為五章，自一至五章分別為(一)緒論、(二)文獻回顧、 (三)研究設計 (四)實證結果與模型表現(五)結論與建議。第一章緒論分為二節，第一節闡明本研究之動機目的與限制，第二節敘明本研究之架構與流程。第二章文獻回顧分為三節，第一節回顧大量估. 治政大價格的特徵因素。第三章研究設計分為三節，第一節為研究方法與對象，立敘述本研究所使用的研究方法，第二節為資料處理，說明研究範圍、資料價系統的討論，第二節回顧過往預售屋相關研究，第三節探討影響預售屋. ‧ 國. 學. 處理程序與工具，第三節為變數設定說明，敘明本研究所選取的變數，第四節說明模型表現之衡量方法。第四章實證結果與模型表現分為二節，第. ‧. 一節為實證結果與分析，釐清各項重要變數特徵的影響，第二節為模型表. sit. y. Nat. 現，分析本研究模型的估計精準度情形。第五章為結論與建議，共分二節，. io. n. al. er. 總結本研究之結論與實證結果，第一節為研究結論，第二節為後續建議。. Ch. engchi. 7. i n U. v.

(16) 第一章. 緒論. 二、研究流程本文之研究流程如圖 1-2 所示:. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 圖 1-2 研究流程圖資料來源:本研究整理. 8. i n U. v.

(17) 預售屋大量估價模型之建立. 第二章. 文獻回顧. 本章分為二節，第一節回顧大量估價系統的應用，第二節回顧影響預售屋價格之因素，找出預售屋價格形成的各項重要特徵，用以本研究實證與建立模型之基礎。. 第一節. 大量估價與自動估價系統. 針對大量估價(Mass Appraisal)系統，梁仁旭、陳奉瑤(2014)對其做出定義，認為所謂之大量估價系統即是在短時間內、對眾多不動產進行估計的行為，其擁有省時、省力、低成本的優點。江穎慧(2009)指出，大量估. 政治大觀偏誤，成為傳統估價人員的輔助工具。林祖嘉、馬毓駿(2007)認為大量立價是透過統計，以系統性的方式估算不動產價格，優點是可以排除人為主. 估價是一種估計參數的模型，利用大量資料先對母體參數進行估計，了解. ‧ 國. 學. 個別特性，再利用母體參數來推估個別不動產價格，優點有三，其一是利. ‧. 用系統快速正確的得到不動產估價，其二是利用客觀模型，能避免人為誤差，其三是依照巴賽爾協定(Barsel II)，大量估價系統可以低成本的對質押. Nat. sit. y. 標的物進行重新評估，是人為估價方式難以取代的部分。由上述文獻所知，. er. io. 大量估價系統實為透過統計工具進行估價的一種方法與工具。. al. v i n Ch 於大量估價方法上而發展的一套工具，張欣民、陳奉瑤(2003)指出，自動 engchi U n. 至於所謂之自動估價系統(Automated Valuation Model, AVM)，是建立. 估價系統是經由電腦的運算，以數學、統計學、類神經網路等等的技術估. 算出不動產的價格，另江穎慧(2009)指出，自動估價系統是以大量估價方法為基礎，乃延伸發源於電腦輔助大量估價，由原本適用於公部門的大量估價方法轉為私部門個別估價業務使用。綜上所述，大量估價指的是一種原理與方法，是透過收集數據後利用統計、數學等方法計算模擬，得出估值。而自動估價系統則是透過電腦的運算，以大量估價方法延伸發展的應用工具，其優點在於低成本、即時性，並且可以提供中立的評估價值幫助傳統估價人員進行決策或價格調整，也可以獨立於傳統估價之外，成為金融業在資產重新評估上的重要工具，不過廣義的大量估價可泛指二者。根據張欣民、陳奉瑤(2003)對自動估價系統之分類，可得知目前自動 9.

(18) 第二章. 文獻回顧. 估價系統可分為指數模式(Index model)以及特徵價格模式(Hedonic model)，以下分述之。指數模式自動估價是以價格變動率為核心，首先透過複迴歸將歷來的銷售資料產製成價格趨勢指數，並透過趨勢線來估算目前的價格，又稱為重複銷售方法(Repeat sales)，此類方法容易受非正常交易、內部品質變動的影響，不可忽之。特徵價格模式是以不動產價格以及其擁有的各項特徵為基礎，計算出資料中的特徵參數後依照勘估標的特徵性質進行估算(張欣民、陳奉瑤， 2003)。特徵價格模式發源自特徵價格理論，Rosen(1974)延伸自 Lancaster 新效用理論，以邊際價格效益來解釋價格的組成，認為在觀察市場價格後，產品可以透過一系列的特徵處理反應出各項產品的價格，自彼時貣，大量. 政治大估價的基礎，林祖嘉、馬毓駿(2007)提到，隨著電腦軟體與統計學的進步，立以特徵方程法討論不動產價格的研究紛紛出現，形成目前大量估價、自動. ‧ 國. 學. 以特徵價格模是為基礎發展了許多新模型，如半參數迴歸模型、地理加權迴歸模型、卡門濾波法、類神經網路模型等等，然而考量實務界上的應用. ‧. 時，除了精確度以外，還需將模型操作難易程度、成本考量進去，方能達到自動估價系統的目的。. n. er. io. sit. y. Nat. al. Ch. engchi. 10. i n U. v.

(19) 預售屋大量估價模型之建立. 第二節. 過往預售屋價格相關研究. 影響房價的因素眾多，Sirmans, Macpherson and Zietz(2005)回顧整理了美國應用特徵價格法進行房價估計的重要文獻，文中針對美國，將眾多且繁雜的各種住宅特徵依其種類與性質分類為八大項，分別是建築結構、住宅內部因素、住宅外部因素、自然環境、鄰里區位特徵、公共設施水準、市場銷售因素、財政因素。而在國內文獻中，林祖嘉、馬毓駿(1997)將住宅特徵分為四大類，分別為住宅屬性、鄰里環境、城市屬性與經濟環境，林素菁(2002)則將住宅特徵分為五類，分別是戶的特徵、棟的特徵、個體鄰里特徵、總體環境特徵、其他人口變數。杜宇璇、宋豐荃、曾禹瑄、葛仲寧、. 治政進行歸納整理，將台灣的住宅特徵分為三大類，分別為建物個別因子、總大立體因子、外部環境因子三類。. 陳奉瑤(2013)則是針對台灣 1992 至 2012 年間特徵價格研究方法的重要文獻. ‧ 國. 學. 預售屋屬於住宅市場的一部份，亦受上述各房價特徵因素影響，本文將個別探討上述特徵對預售屋的價格影響，另外再特別針對預售屋幾項重. ‧. 要特徵部分進一步探討，以下先回顧過往預售屋價格相關研究，再就預售. sit. y. Nat. 屋價格形成重要特徵、預售屋定價模式形成特徵，兩個部分進行說明，最. io. al. n. 簡要回顧如下:. er. 後針對預售屋與成屋價格關係做進一步探討。有關預售屋價格討論的文獻，. Ch. i n U. v. 過往預售屋相關研究議題，多是以預售屋定價模式為基礎進行延伸發. engchi. 展，主要可分為四大類，第一類為以價格指數為探討對象者，如辜炳珍、劉瑞文(1989)研究房地產價格指數，以住商不動產公司提供之台北市民國 85~87 年預售屋個案資料作為研究對象，選取十五項變數透過線性函數模型進行特徵價格估計，其中實證結果顯示，建物面積、樓層、有無電梯、商場距離對價格有顯著的影響。張金鶚、楊宗憲、洪御仁(2008)研究預售屋及中古屋房價指數，檢視預售屋與中古屋價格之間領先與落後關係，實證結果顯示預售屋領先整合後的中古屋指數一季，符合相關理論及預期。第二類為借用期貨概念中的基差理論，將預售屋與成屋比擬為期貨與現貨的關係，透過遠期交易、遠期契約的概念解釋預售屋的定價行為與價格，從預售屋與成屋的價格差推演出預售屋的價格與定價的模式。此一系列的研. 11.

(20) 第二章. 文獻回顧. 究如史綱(1992)、Chang and ward(1993)、張麗姬(1994)、白金安(1996)、陳俊合、謝潮儀(1999)、李吉弘、楊宗憲(2010)等研究透過基差概念建構與陸續修正預售屋與成屋價格關係，歸納出預售屋價格受到成屋價格、預期景氣變動、持有成本、風險貼水(risk premium)等因素影響，並指出成屋價格為預售屋價格形成的基礎，兩者間價格關係則以預期景氣變動最為關鍵(白金安，1996)。第三類則主要探討預售屋定價行為所形成的重要特徵，如 Chau et al.(2007)、張曉楨、施光訓、蕭雅羚(2013)、蘇倖慧(2009)等研究指出建商品牌價值/建商商譽(reputation)的重要性，透過實證顯示建商商譽是預售屋價格形成的重要特徵因素。第四類則為比較整體的預售屋市場與成屋市場. 政治大金鶚，1999)、領先落後關係(花敬群、張金鶚，1999；張金鶚、楊宗憲、立. 間的相互關係，如兩市場間的價量波動關係(林秋瑾，1988；花敬群、張. ‧ 國. 學. 洪御仁，2008)，並指出兩市場在價格有相互影響(花敬群、張金鶚，1999)，且預售屋市場時間領先成屋市場(張金鶚等，2008)，但在量的影響上不甚. ‧. 顯著(花敬群、張金鶚，1999)。. 除此四類外，其餘尚有針對預售屋訂價策略的相關研究，如彭建文、. y. Nat. sit. 盧建霖(2014) 以選擇權角度探討預售屋開發時機與策略，指出預期景氣越. er. io. 好時，建商銷售時機傾向提前，反之則延後銷售。鄒欣樺、張金鶚、花敬. al. n. v i n Ch 定價模式，形成不同的表價與議價訂價策略組合 e n g c h i U等等，然過往研究討論. 群(2006)指出建商會隨著產品類型、景氣時機、區位的不同來擬訂不同的 6. 預售屋價格時，多是就整體預售屋價格作主題式的討論，然而相對成屋/中. 古屋的個別價格估計已經有所發展，如林祖嘉、馬毓駿(2007)、賴碧瑩 (2007)等，尚未見個別預售屋的價格估計以及大量估價的應用，且根據過往預售屋研究可知，預售屋的定價特性是預售屋研究的重心，是預售屋價格估計與一般成屋估計不同之處，也成為預售屋價格估計上不可忽視的重點，在這之中，尤以基差理論的應用以及建商商譽最為關鍵，於下節分別述之。綜合以上回顧，詴將預售屋價格討論之相關文獻，整理如表 2-1：. 6. 例如大廈產品多採取高表價高議價、透天產品則以低表價低議價為主，策略的不同將導致最終價格結果不同。. 12.

(21) 預售屋大量估價模型之建立表2-1 預售屋價格相關文獻整理表作者. 類型. 主要理論或方法. 辜炳珍、劉瑞文(1989). 預售屋價格指數特徵價格法/線性迴歸模型. 張金鶚、楊宗憲、洪御相關特徵價格法/半對數迴歸模型. 仁(2008) 史綱(1992). 基差探討相關. 無套利均衡觀點遠期交易/期貨理論無套利均衡觀點. Chang and Ward(1993). 遠期交易/期貨理論張麗姬(1994). 遠期交易/期貨理論. 立. 白金安(1996). 政治大特徵價格法/半對數迴歸模型遠期交易/期貨理論. ‧ 國. 無套利均衡觀點. 學. 陳俊合、謝潮儀(1999). 遠期交易/期貨理論. Nat. 行銷策略相關. io. 蘇倖慧(2009). 特徵價格法/半對數迴歸模型. n. al. 張曉楨、施光訓、蕭雅羚(2013). 特徵價格法/半對數迴歸模型. er. Chau et al.(2007). y. 建商品牌價值、特徵價格法/半對數迴歸模型. sit. 林育聖(2003). 特徵價格法/線性迴歸模型. ‧. 李吉弘、楊宗憲(2010). Ch. i n U. v. ANP網路層級分類法. engchi. 李尚華(2016). 特徵價格法/線性迴歸模型. 資料來源:本研究整理. 13.

(22) 第二章. 文獻回顧. 第三節. 預售屋價格形成特徵. 一、預售屋價格形成之一般特徵在建物個別特徵類型之中，主要包含了戶的特徵、棟的特徵，常見的特徵項目包含了面積、結構、屋齡、樓層、建物類型、內部格局等等，其中，預售屋與成屋皆重要的特徵包含建物面積、樓層別、建物類型、建材結構等等，以下分別說明。對於預售屋而言，建物面積是重要的影響因素，根據林秋瑾、楊宗憲、張金鶚(1996)的實證分析，登記總面積(建物面積)影響住宅價格最為顯著且正向，是價格形成的基礎，在預售屋的價格特徵估計上，多數研究皆有納. 政治大造成的居住效用不同，在預售屋與成屋的價格形成皆為價格形成的重點，立入建物面積因素。樓層包含了總樓層、樓層別等特徵，由於不同樓層別所. ‧ 國. 學. 相關研究如張麗姬(1994)、蘇倖慧(2009)、李吉弘、楊宗憲(2010)等有納入樓層類型變數進行價格估計。建物類型在特徵價格形成中常被納入考量，. ‧. 不同的類型例如透天厝、店面、辦公室、住宅大樓由於使用的類別與強度不同，對價格產生了一定的影響，也是成屋與預售屋需要考量的部分，然. Nat. sit. y. 就杜宇璇等人(2013)對台灣特徵價格研究文獻整理的結果來看，建物類型對. er. io. 價格影響情況有正有負、效果並不明確。建材結構部分，由於使用鋼骨造. al. n. v i n Ch (RC)建物昂貴，結構相對安全之故，往往對價格有正向影響，加上預售屋 engchi U. (SC)、鋼骨鋼筋混凝土造(SRC)建物在造價成本上相對傳統鋼筋混凝土造. 常以優良建材結構為訴求並反映在價格上，成為預售屋個別建物特徵中的重要因素。另外在成屋的特徵價格討論中，泰半皆有討論到屋齡的影響，實證結果也有顯著的負向影響，然而由於預售屋屬於未完工的房屋，因此屋齡部分不在考量因素之列。在鄰里環境因素之中，主要包含了各類公共設施水準、鄰避設施、區位、交通因素等等，其中又以區位因素最為常見，延伸出各類常見的變數，包含與市中心距離、市中心/市郊、捷運站距離、行政區等等，所謂區位因素是源於 Alonso(1964)的競租理論，競租理論認為地價形成原因乃是不同地區至市中心可及性差異產生的，至此，區位被認為是價格形成的重要因素，而在預售屋價格形成因素之中，區位因素也占據了重要的一環，討論 14.

(23) 預售屋大量估價模型之建立預售屋的相關研究中大多數都有將區位因素納入實證模型中，例如張麗姬 (1994)、蘇倖慧(2009)、李吉弘、楊宗憲(2010)、李尚華(2016)等，不可忽之。在總體因素之中，主要包含了社會、經濟、政治、財政、金融等等因素，在各類總體因素之中，常見的如利率、景氣、稅率、所得等等，其中利率、放貸條件等等是影響不動產價格因素的重要特徵。預售屋亦受總體環境影響，且根據洪淑娟、雷立芬(2010)研究指出，總體經濟對於預售屋與中古屋市場影響具有差異性。另有部分文獻探討景氣因素對預售屋價格的影響，如白金安(1996)、李吉弘、楊宗憲(2010)，因此不論是成屋還是預售屋，總體因素對價格形成方面，其影響力不可忽視。然就一般討論台灣房價的特徵價格模型之中，主要藉由時間變數反映集合的總體特徵，單一的總體因. 政治大. 素特徵主要用在探討特定主題的文獻之中(杜宇璇等，2013)。. 立. ‧ 國. 學. 二、預售屋定價模式下形成之重要特徵—基差與建商商譽在價格特徵探討中，前述各項特徵因素同時應用於成屋與預售屋估計，. ‧. 然而在預售屋相關研究探討中，有部分特徵因素在預售屋價格影響較為顯. io. (一) 基差理論. er. 源於預售屋訂價模式與中古屋不同的緣故。. sit. y. Nat. 著，包含了建商商譽以及預售屋本身與成屋的價格關係，而究其根本，係. al. n. v i n Ch 基差(basis)概念源於期貨市場，原定義是現貨價格減去期貨價格的數 engchi U 值，其差值是衡量期貨商品與現貨商品價格關係的一個重要指標，主要反映了期貨與現貨市場的持有成本與運輸成本，並廣泛應用於股票與期貨市場。史綱(1992)首先觀察到房地產市場中，預售屋與成屋的價格關係類似. 於期貨與現貨的關係，因此引入了基差概念進行預售屋市場與成屋市場的價格分析，與一般期貨市場略為不同之處在於，基差定義在引入房地產市場後習慣以預售屋價格(期貨)減去成屋價格(現貨)為主，以下談論的基差亦依此定義。不動產之基差與一般期貨市場不同，並無反映運輸成本，其差值研究遂成為接下來的研究重心，自史綱(1992)等研究將預售屋與成屋比擬為期貨與現貨的關係後，透過遠期交易、遠期契約概念解釋預售屋/成屋差值以及預售屋價格推演的文獻並出，並且相互補充修正。 15.

(24) 第二章. 文獻回顧. 史綱(1992)首探討預售屋價格，將預售屋視為遠期交易商品下以無套利均衡觀點視之，預售屋價格受到成屋價格、租金、利息、頭期款、交屋期、折舊的影響，並以民國 80 年永和地區為資料實證，發現該期間預售屋價格高於成屋價格。Chang and Ward(1993)亦透過遠期交易訂價模式研究預售屋與成屋價格差異，認為利率、折舊率、租金、交易日會影響兩者價格關係，並以太帄洋房屋提供的民國 77~79 年台北都會區成交資料為研究對象，實證推導出預售屋價格等於成屋價格加上持有成本(Carrying charge)，預售屋價格高於成屋價格的結果。張麗姬(1994)透過期貨/現貨理論探討預售屋與成屋價格關係(基差關係)，修正了史綱(1992)、Chang and Ward(1993)的研究，認為預售屋價格不僅是成屋價格加上持有成本，尚受風險貼水影響，. 政治大售屋先售後建，比貣同質成屋產品有不確定性存在，其擁有品質的風險貼立預售屋價格與成屋價格差異包含了品質風險貼水與預期風險貼水。由於預. ‧ 國. 學. 水，且由於景氣造成價格波動，市場中避險者會將風險轉移給投資者，因此預售屋擁有期望風險貼水，此類預期風險貼水經過特徵價格法調整房屋. ‧. 特徵差異因素後，實證顯示其影響含有基差(預售屋價格與當期同質成屋價格之差)提供的訊息存在。白金安(1996)延伸期貨/現貨理論討論基差關係，. y. Nat. sit. 針對預售屋與成屋的價格差異因素做出整理，歸納為三項，分別為持有成. er. io. 本、產品風險、預期市場景氣變動。其中預售屋價格等於成屋價格加上持. al. n. v i n Ch 有成本與履約保證費用變動較小，所以影響基差的主要因素在於預期景氣 engchi U. 有成本與預期景氣變動減去履約保證費用(風險因素)，由於一般情形下持. 變動，並推導出當預期景氣上升或持帄時，基差一定大於零，當預期景氣下降時，基差可能大於、等於、或小於 0，換言之在一般情況之下，預售屋價格會高於成屋價格。投資及特徵觀點導入預售屋與成屋間之特徵價差亦為評估預售屋價格時之重要影響因素，陳俊合、謝潮儀(1999)針對市場實際情形修正並延伸過往的研究，使預售屋價格評估模式更貼近市場真實情況，做為日後預售屋訂價或房價波動的參考。李吉弘、楊宗憲(2010)針對基差討論進行實證，以民國 85~87 年台北縣市為研究對象，透過國泰建設資料取得預售屋開價資料，自不動產成交行情公報取得成屋成交價格資料，以特徵價格模型估計台北縣市的基差，放入面積、區位、樓層別等特徵變數進行實證，實證結果顯示，台北縣市基差皆大於 0、台北市基差大 16.

(25) 預售屋大量估價模型之建立於台北縣，且基差有逐年擴張的趨勢。綜上所述，基於基差概念討論下，基差的大小受風險貼水、預期景氣、持有成本所影響，預售屋價格也因基差大小而有所不同，藉由基差概念的討論，反映了預售屋價格受成屋價格所影響，其基差隨時間與空間不同而有動態的變化。就預售屋大量估價的角度而言，基差概念不僅用於討論預售屋整體市場，亦應用於個別估計，從預售屋的定價特性來看，鄒欣樺等(2006)指出，實務上建商在訂價時會參考競爭個案資訊來擬定價格，若以預售屋角度來看，預售屋定價時除了本身房屋特徵外，主要會根據鄰近市場價格、成屋行情等形成定價決策，亦即是預售屋價格形成會受到鄰近成屋價格所影響，從實務上預售屋的定價過程中，可見到基差概念隱含其中，並貣了重要作. 政治大. 用，因此預售屋在個別估計時，必要考量成屋價格因素。. 立. (二)建商商譽. ‧ 國. 學. Chau,Ng and Hung(2001)研究指出，消費者會願意多付出一定價額來購買建商商譽(reputation)較好的房屋，並以香港為例實證出，消費者願意. ‧. 多付 7%的價額購買商譽較佳建商的產品。Leishman (2001)研究則指出建商會透過品牌價值的形塑提高房屋價格，並以英國為例證實當產品品質控. y. Nat. sit. 制一定時，建商對產品進行品牌形塑對於價格會有正向顯著影響，其對於. n. al. er. io. 住宅產品有正向價格關係。對於預售屋而言，預售屋交易可類比為一種遠. i n U. v. 期契約，其買賣並非是實體房屋之交易，在消費者無法見及房屋之實物實. Ch. engchi. 景時，建商商譽的重要性更加凸顯，多篇文獻指出建商商譽是預售屋價格形成重要的一環，其實證結果與結論多能相互呼應。如 Chau et al.(2007)指出建商商譽(reputation)在預售屋價格形成時極為重要，由於預售屋先售後建的特性，消費者在無法掌握品質下會傾向透過建商商譽來評斷品質優劣，實證指出建商商譽會反映於預售屋價格之中，而其最適定價策略是維持一定品質來提高商譽，進而提高價格。張曉楨、施光訓、蕭雅羚(2013) 研究透過 ANP 網路層級分析法指出，建商市場地位影響了預售屋訂價策略與價格結果，建商商譽在預售屋價格形成上佔了重要的比重，且不同類型的建商會有不同類型的訂價策略，上市櫃建設公司會傾向較高的表價與議價，反之非上市櫃公司為低表價、低議價。. 17.

(26) 第二章. 文獻回顧. 預售屋除了有尚未建築完成的特性外，其價格形成的方式也使建商商譽更加重要，由於預售屋是屬於以大量體個案方式定價的模式，其個案特徵相對一般成屋強烈，其價格因而受建商商譽影響至深，林育聖(2003)研究建商商譽對於產品訂價影響，以國泰建設市調資料為基礎，針對民國 82~91 年台北市新推個案(預售屋與新成屋)進行實證研究，實證結果顯示不同類型建商會對產品訂價造成價格影響，商譽較好的建商在每坪價格訂價上會較高。蘇國榮(2003)實證研究發現，屋齡越小的房屋，商譽對價格的影響越為顯著，預售屋為尚未興建的房屋，屋齡為 0，建商商譽在價格影響上應甚為顯著。蘇倖慧(2009)探討預售屋價格，以特徵價格法的方式納入建築品質、建商影響、交通動線、生活機能等等變項，討論行銷訴求. 政治大於價格有顯著影響。李尚華(2016)研究不動產廣告與預售屋關係，以國泰立對於預售屋價格的影響，其中行銷訴求、上市櫃建商、建物面積等因素對. ‧ 國. 學. 建設資料中的預售屋個案資料為基礎透過特徵價格法方式納入總戶數、區位、主力坪數、廣告量等變數探討廣告策略、品牌價值等影響預售屋價格. ‧. 之因素。而在預售屋價格估計上，建商商譽價值較為偏向主觀，但亦能透過分類對其做出較客觀的評斷，如林育聖(2003)將建商分類為三類—穩定. y. Nat. sit. 型建商、一般建商、一案建商，以推案多寡與穩定度來客觀評價建商商譽，. er. io. 蘇倖慧(2009)以及李尚華(2016)在探討預售屋價格因素時，以建商是否上. al. n. v i n Ch 述，預售屋先售後建的特性以及個案定價模式的特性皆加重了建商商譽在 engchi U. 市上櫃做為客觀的模型變數，將商譽類型納入模型特徵因素考量。綜上所. 預售屋價格的重要性。. 預售屋與一般成屋/中古屋最大的不同在於訂價模式的差異，預售屋以大量體「個案」的方式推出，相較於成屋/中古屋市場以「個戶」為中心的價格形成模式，有根本上的不同，其中在特徵價格因素的評估中，基差與建商商譽是預售屋價格組成不同於一般成屋的特點，在針對預售屋價格進行估計時，基差與商譽必然是要考量且納入的一環，因此本研究納入這兩項特徵進行模型建置。. 18.

(27) 預售屋大量估價模型之建立. 第三章第一節. 研究設計. 研究對象與研究方法. 一、研究對象本研究之研究對象為預售屋成交價格，研究範圍為台北市7，資料選用內政部實價登錄資料中之預售屋資料，所謂之預售屋係指成交日期早於完工日期的房屋，成交價格則指實價登錄資料中之成交價格。研究期間為. 政治大. 2012 年第 3 季至 2015 年第 4 季，其中以 2012 年第 3 季至 2014 年第 4 季為. 立. 樣本內資料建構模型，將 2015 年第 1 季部分資料至 2015 年第 4 季共計四. ‧ 國. 學. 季的資料作為樣本外資料測詴8，本研究使用之實價登錄資料內容豐富，包含成交標的之鄉鎮市區、交易年月、建物移轉面積、移轉層次、總樓層數、. ‧. 建物型態、帄面座標、單價、總價等等。另外本研究使用之部分變數資料取自國泰房地產中心市調資料，資料期間為 2000 年第 1 季至 2015 年第 4. y. Nat. sit. 季，該資料調查了每個月新推個案之屬性，包含鄉鎮市區、建案名稱、推. n. al. 價登錄資料與國泰市調資料比較如表一。. 二、研究方法. Ch. engchi. er. io. 出年月、投資興建者、建物類型、公設比、主力坪數、帄面座標等等，實. i n U. v. 自 Rosen(1974)以降，特徵價格理論被廣泛應用於研究不動產價格，此理論下不動產價格是由複雜的各種特徵提供的邊際效用組合而成，且由於不動產的異質性，各個不動產擁有各自不同的特徵，因此形成了不同的價格。林祖嘉、馬毓駿(2007)研究指出，以特徵價格法進行大量估價，具有方便操作、降低估價成本的優點，因此本研究使用特徵價格法進行預售屋價格估計與分析，透過納入文獻回顧中預售屋價格形成的重要影響特徵，建. 7. 經資料處理後，松山區樣本資料過少，故排除松山區。原則上樣本內資料選用 2014 第 4 季以前之資料，然若有個案中樣本橫跨有 2015 第 1 季之後，除非其相同個案交易絕大多位於 2014 第 4 季(含)以前，否則將此類資料納為樣本外資料。. 8. 19.

(28) 第三章. 研究設計. 立特徵價格迴歸模型，再以普通最小帄方法(Ordinary Least Squares ,OLS)的方式求出各個特徵係數，在模型設定上，本研究採用半對數模型，是因為半對數模型有易於解釋各變數經濟意涵效果且有助於增進變異數齊一性 (homogeneity of Variance)(杜宇璇等，2013)、(Malpezzi, 2003)等優點，且經測詴，本研究使用半對數模型比貣一般線性模型在模型表現與解釋力上較佳，因此最終選用半對數模型進行估計，對各項應變數取自然對數做處理，進一步檢驗分析各預售屋特徵對價格的關係，並以此來建置預售屋特徵價格模型。實際操作上，本研究先依特徵價格理論建立模型如式(1)，針對模型內樣本進行迴歸估計，分析各項變數對於預售屋價格的效果，然而所謂之預. 政治大並未考量樣本外時間造成的價值變動，亦即是缺少樣本外時間特徵係數，立售屋估價模型，是要對未來推出之預售屋產品進行估價，樣本內模型估計. ‧ 國. 學. 針對此問題，本研究使用修正後之赫爾(Modified Hoerl)模型9作為樣本外時間係數的預測模型，如式(2)，對缺漏之時間特徵係數進行預測，當樣本外. ‧. 時間特徵透過式(2)進行預測後代入式(1)，以二階段的估計方式補足樣本. ∑. ∑. ∑. ∑. sit. ). Nat. (. y. 外時間係數後，最終的結果即為預售屋的估計價格。. al. :為特徵連續變數. n. :為截距項 :為時間變數. Ch. :為區位變數. er. io. Ppi :第 i 個樣本的預售屋成交價格(單價). …….(1). :為特徵虛擬變數. i n U. :為殘差. engchi. v. ……………………………………………………….…...(2) Y :待預測之時間特徵係數 :為已知之時間特徵係數. :為模型參數值 :為殘差. 9. 該模型屬於脊迴歸(ridge regression)模型之一，透過曲線擬合(curve fitting)方式進行預測，有效解決共線性問題以及係數微小造成的偏誤問題(Hoerl & Kennard, 1970)。. 20.

(29) 預售屋大量估價模型之建立. 第二節資料處理一、基本資料說明本研究使用之實證資料包含了實價登錄資料以及國泰市調資料，兩資料分別載有預售屋的個戶、個案屬性，因此本研究綜合兩資料進行分析。 (一)實價登錄資料本研究使用之成交價格資料為內政部實價登錄預售屋資料，資料期間為 2012 年第 3 季至 2015 年第 4 季，資料範圍為台北市。該資料內容豐富，包含成交標的之鄉鎮市區、交易年月、建物移轉面積、移轉層次、總樓層數、建物型態、帄面座標、單價、總價等等，刊載了預售屋詳細的. 政治大 (二)國泰房地產中心市調資料立. 「個戶」資料。. 本研究使用之部分變數資料取自國泰房地產中心市調資料，資料期間. ‧ 國. 學. 為 2000 年第 1 季至 2015 年第 4 季，該資料針對台灣各大都會區新推個案. ‧. 屬性包含鄉鎮市區、建案名稱、推出年月、投資興建者、建物類型、公設. Nat. 資料來源. er. 國泰市調資料 a實價登錄資料 v i l C n h e n g c h i U 政大房地產中心內政部地政司. n. 資料名稱. io. 表 3-1 實價登錄資料與國泰市調資料比較. sit. 資料。實價登錄資料與國泰市調資料比較如表 3-1。. y. 比、主力坪數、帄面座標等等進行調查，具有豐富的預售屋「個案」屬性. 資料基礎. 以「個戶」為中心. 共同屬性. 鄉鎮市區、帄面座標、總樓層數等等. 不同屬性. 個戶成交價、交易年月、公設比、建案名稱、內部格局、建材結構. 以「個案」為中心. 建商、推案年月、完工日期. 資料揭露程度. 區段化、去識別化. 缺乏個別成交資訊. 資料來源:本研究整理實價登錄與國泰市調資料比較下，實價登錄資料具有該筆成交案例的. 21.

(30) 第三章. 研究設計. 面積、格局、成交價等等，國泰市調資料則只有針對個案式的主力坪數、格局等內容，且價格部分僅有開價與推估的可能價，簡言之，有關預售屋的「個戶」屬性資料以實價登錄資料較為精準。然而有關「個案」屬性的資料則是國泰市調資料較為詳盡，最主要的原因在於實價登錄資料受限於個人資料保護問題，將資訊加以模糊化、使詳細的個案屬性無法直接獲得，包括地址門牌或建案名稱等等，而有關個案屬性的資料則以國泰市調資料較為詳細清楚，由於預售屋的估計受個案特徵影響甚深，縱使對預售屋進行個別估計也應該納入個案特徵的考量，故而本研究綜合兩個資料庫，方能令估計更加準確不致偏誤。. 二、資料處理程序立. 政治大. 本研究資料處理程序整理如圖 3-1 並說明如下：. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 圖 3-1 資料處理流程圖資料來源:本研究整理. 22. i n U. v.

(31) 預售屋大量估價模型之建立 (一)實價登錄資料/國泰市調資料處理針對實價登錄資料部分，首先進行預售屋資料的篩選，目前內政部實價登錄資料區隔為「預售屋交易」與「成屋交易」兩類資料，然而因相關法令的規定10，除了列於「預售屋交易」欄位中的資料外，尚有一大部分預售屋資料係以成屋方式申報而位於「成屋交易」欄位，而本研究所使用之預售屋實價登錄資料不僅限於內政部實價登錄資料中的「預售屋交易」欄位，除了「預售屋交易」欄位的資料外，尚透過篩選先對實價登錄「成屋交易」欄位中屋齡為負的資料進行抽取，將「成屋交易」欄位中屬於預售屋的資料還原到預售屋資料中，作為本研究的樣本作一系列的整理與模型建置。而國泰市調資料係針對市場上新推個案進行個案的調查，包含有. 政治大案資料，方能進一步進行兩資料比對串連。立. 新成屋與預售屋的資料，因此需先篩選出國泰市調資料中屬於預售屋的個. ‧ 國. 學. (二)資料串連比對程序. 本研究使用之實證資料是由實價登錄資料與國泰房地產中心市調資料. ‧. 比對串聯而成，此二項原始資料皆登載有帄面座標，且皆為 TWD9711座標系統，本研究透過 ArcGIS 軟體進行座標的比對，將國泰房地產中心市調. y. Nat. sit. 資料透過對應之 X、Y 座標串聯匯入至實價登錄資料中，由於實價登錄座. er. io. 標與地址的模糊性，為確保實價登錄資料與國泰市調資料串連比對之正確. al. n. v i n Ch 資料中共通屬性不符之資料刪除(包含總樓層數、屋齡不相當等 engchi U. 性，本文透過模糊比對方式設定一定的容忍誤差值，再將座標比對後兩組 12. )，使實. 價登錄資料僅對應到符合條件的國泰市調資料，完成串聯的程序。藉由資料之串聯，可使實價登錄資料同時擁有成交個戶資訊與個案資訊，讓去識別化、區段化的個戶資料回到其個案之中，增加資料之豐富度。 (三)住宅使用樣本之汲取基於本研究係針對住宅類型預售屋進行大量估價系統建置，故對於非屬住宅類型案例予以刪除，一樓與工廠、辦公室等成交案例類型，因其普. 10. 不動產經紀業管理條例 24-1 條規定:「經營代銷業務者，對於貣造人或建築業委託代銷之案件，應於委託代銷契約屆滿或終止三十日內，向主管機關申報登錄成交案件實際資訊」，在此條規定之下，若預售屋有委託代銷業者買賣，其申報係一併於代銷契約終止三十日內申報，而實務上代銷期間通常甚長，若代銷期間與契約超過該個案完工日期，許多以預售屋型態交易的案例就會據此規定以成屋方式申報。 11 又稱 1997 台灣大地基準，乃內政部為統一國家座標，於 1997 年時所重新訂定之國家座標系統。 12 少數資料有重複對應者，再針對其他共通屬性作篩選。. 23.

(32) 第三章. 研究設計. 遍作為店面、商業、或其他用途使用，其價格非屬住宅使用之價格，故予以排除。特殊交易案例則視實價登錄資料中備註欄的登載內容予以刪減，如親友、員工交易、急買急賣等案例因非典型交易情況且價格影響甚大，故而將之刪除。另外透天房屋非屬台北市常見主流類型房屋，數量過少目前暫不處理而予以刪除。 (四)修正資料錯誤不符者由於實價登錄審核機制尚不落實，登載品質良莠不齊，有部分資料缺漏了部分屬性資料或登載錯誤，本研究透過國泰資料進行 X、Y 座標比對，除了能將個案屬性加入個戶特徵之中的優點外，在資料處理上，也可以協助找出缺漏與錯誤的資料，由於個戶資料已經對應到個案之中，同一個案. 政治大內容進行缺漏資料的補足，由於實價登錄實施以來預售屋交易樣本有限，立的資料可以透過其他樣本進行參照修正，另一方面也可透過國泰市調資料. ‧ 國. 多樣本，是本研究資料處理上的特點。. 學. 透過這個方式進行資料修正與補足，能在確保樣本的一定品質下保留住較. ‧. (五)基差/商譽及其他相關變數的產製. 另一方面，由於基差與商譽是預售屋估計的一大重點，本研究尚頇額. y. Nat. sit. 外產製變數用以評估並納入基差與商譽因素，包含「上市上櫃」、「鄰近. er. io. 500 公尺內成屋帄均單價」二項變數，「上市上櫃」資料係透過台灣證券. al. v i n Ch 類上市櫃公司外，尚包含非以建築、營造為本業，但涉及土地投資興建事 engchi U n. 交易所公開資訊觀測站13取得，且本文定義之上市上櫃建商範圍，除建設. 務之上市櫃公司，「鄰近 500 公尺內成屋帄均單價」資料，是以實價登錄樣本座標為中心，取其成交日期一年內周圍 500 公尺內新成屋帄均單價，在對其取自然變數納入分析，用以計算基差並衡量價格影響效果。此外，本研究透過地址座標區分該樣本屬於臨路或巷弄，產製「臨路」變數用以分析臨路影響。. 13. 台灣證券交易所公開資訊觀測站：http://mops.twse.com.tw/mops/web/t51sb01. 24.

(33) 預售屋大量估價模型之建立 (六)最終篩選後的樣本經篩選與資料處理後，共計有 159 個個案、3256 筆成交資料，樣本分布情形如圖 3-2：. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. 圖 3-2 樣本資料分布圖資料來源:本研究整理. 25. v.

(34) 第三章. 研究設計. 實價登錄自 2012 年第 3 季才正式實施，預售屋案例登載還非常有限，且因實價登錄相關法令規定，許多預售屋交易案例以成屋方式申報，即便以屋齡等方式篩選，尚難以完全掌握預售屋所有樣本，根據國泰市調資料顯示， 2012 年第 3 季~2015 年第 4 季台北市共推出了 249 個預售屋個案、共計 10191 戶，個案樣本期間之帄均銷售率約為 35%，多數個案介於 20%~40%之間尚不滿五成，因此合理推估此段期間市場上以預售屋類型賣出的交易案例至多 5000 筆，本研究透過實價登錄成交資料與國泰房地產市調資料的整合，經篩選與資料處理後，樣本雖然有限，但也在未滿 5000 筆的市場交易中納入了 3000 筆以上的資料，在資料分析上掌握了六成以上的資料，具有一定程度的代表性。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 26. i n U. v.

(35) 預售屋大量估價模型之建立. 第三節. 敘述統計與變數選取說明. 一、基本敘述統計本研究以實價登錄資料為基礎，應變數(被解釋變數)為成交單價，自變數(解釋變數)包含實價登錄資料、國泰房地產中心市調資料及自行產製之變數，最終模型選取的變數與基本敘述統計如表 3-2: 表 3-2 模型變數暨基本敘述統計表變數名稱. 變數說明. 預期影響. 基本敘述統計. 被解釋變數. 帄均數. 標準差. 最大值. 最小值. 扣除車位後成交單價(萬元) (取對數) 連續變數. 73.98 (13.51). 15.77 (0.24). 143.36 (14.18). 48.68 (13.10). 帄均數. 標準差. 最大值. 最小值. ＋. 7.28. 4.42. 27. 2. 扣除車位後面＋積(坪) 格局—房間數＋. 55.86. 29.93. 217.81. 10.20. 2.54. 0.94. 5. 1. 格局—廳數. ＋. 1.68. 0.49. 3. 0. 衛. 格局—衛浴數. ＋. 1.68. 0.67. 6. 1. 公設比. 公共設施比率. ＋. 32.86. 2.44. 47. 26. 112.13 (13.93). 33.10 (12.71). 政治大. io. n. al. y. Nat. 廳. 鄰近 500 成交日一年內＋公尺成屋周圍 500 公尺帄均單價成屋帄均單價 (取對數) 虛擬變數. Ch. ‧. 房. ‧ 國. 建物面積. 樣本交易樓層. 學. 所在樓層. sit. 立. er. 單價. v i10.60 n U (0.18). 55.68 (13.23). engchi. 次數. 百分比. ＋. 164. 6.79%. 建材結構為鋼＋骨造或鋼骨鋼筋混凝土造上市上櫃投資興建者(建＋ (商譽) 商)為上市上櫃公司中山區. 289. 11.96%. 742. 30.71%. 187. 7.74%. 中正區. 148. 6.13%. 信義區. 54. 2.24%. 頂樓. 樣本位於頂樓. SC/SRC. 27.

(36) 第三章. 研究設計. 內湖區. 384. 15.89%. 南港區. 158. 6.54%. 811. 33.57%. 171. 7.08%. 大同區. 106. 4.39%. 大安區. 29. 1.20%. 文山區. 322. 13.33%. 萬華區. 46. 1.90%. 2012Q3. 162. 6.71%. 2012Q4. 266. 11.01%. 2013Q1. 256. 10.60%. ＋/－. 政治318 大. 2013Q2. 2014Q1. 2014Q3. 365. 15.11%. 287 143. Nat. 2014Q4. 12.50%. 5.92%. 232 85. 3.52%. 9.60%. er. io. 資料來源:本研究整理. al. 11.88%. ‧. 2014Q2. 302. 學. 2013Q4. 立＋/－. 樣本成交季別. ‧ 國. 2013Q3. 13.16%. y. 士林區. 樣本所在行政區. sit. 北投區. v. n. 註:萬華區為區位特徵基礎組，交易季=2012Q3 為時間基礎組. Ch. engchi. i n U. 台北市於 2012Q3~2014Q4 預售屋成交樣本基本敘數統計情形如表 3-2，最終變數選取的說明分別如下。. 二、變數選取說明根據特徵價格理論，房地產價格是由不同的房地產特徵組合而成，每項特徵對房地產價格的貢獻價值不一，本文特別討論「基差」、「商譽」因素於預售屋價格的效果，並加上其他一般常用的房價特徵因素為變數進行預售屋價格的個別估計。此外，由於預售屋以個案方式定價，價格形成上以單價為基礎，因此以預售屋單價為對象進行分析。. 28.

(37) 預售屋大量估價模型之建立 (一)應變數於模型設定上，由於半對數模型有易於解釋各變數經濟意涵的優點並有助於增進變異數齊一性(homogeneity of Variance)(杜宇璇等， 2013； Malpezzi, 2003)的效果，再加上半對數模型應用於大量估價時通常於模型表現與解釋力上優於一般線性模型(陳奉瑤、楊依蓁，2007；林祖嘉、馬毓駿，2007)，因此本研究最終選用半對數模型作為實證模型，以預售屋成交單價取自然對數作為應變數。. (二)自變數於模型自變數部分，本研究參照過往文獻，並盡量選用對於價格敏感. 政治大差」、「商譽」納入變數，各項變數設定說明如下：立. 性高且具代表性之特徵變數，且特別針對預售屋估計時特別討論的「基. 建物面積. ‧ 國. 學. 1.. 過往文獻對於建物面積對價格的研究多為正向影響，預售屋價格相關. ‧. 研究文獻多有納入考量，如李吉弘、楊宗憲(2010)、蘇倖慧(2009)等，且對預售屋買賣而言，本研究中豪宅類型房屋佔有一定比重，通常豪宅類型房. Nat. al. v i n Ch 樓層則包含了總樓層、樓層別、頂樓與否等特徵，由於不同樓層別所 engchi U 樓層. n. 2.. er. io. 積納入模型，並且預期其價格影響為正向效果。. sit. y. 屋以大坪數產品為主，其價格比小坪數房屋的單價高，因此本文將建物面. 造成的居住效用不同，在預售屋與成屋的價格形成皆為價格形成的重點，本文選擇「所在樓層」與「頂樓與否」為模型變數，由於本研究不含一樓之樣本，越高樓層有更好的居住效果，故認為預售屋價格隨著樓層而增加，預期其影響效果為正。 3.. 格局—房、廳、衛格局主要指房間數、廳數、衛浴數，本文考量預售屋係尚未興建完成. 之房屋，民眾多半是透過格局設計圖、契約書了解預售屋情形，對於格局的要求應甚為關切，連帶影響購買意願與價格，故將之納入，預期其影響為正向效果。. 29.

(38) 第三章 4.. 研究設計. 建材就預售屋而言，建商常以優良建材結構、安全建材為訴求吸引消費者，. 民眾對於建材的重視性應不遜於成屋，且就成本的角度來看，鋼骨造(SC)、鋼骨鋼筋混凝土造(SRC)建物在造價成本上相對傳統鋼筋混凝土造(RC)建物昂貴，因此價格理應較高，故本研究設定選入鋼骨造(SC)、鋼骨鋼筋混凝土造(SRC)為模型變數。 5.. 公設比預售屋的公設比通常代表了實際可使用的坪數以及個案公共設施的水. 準，通常民眾普遍對於公設比的重視，本文將之納入為模型變數。 6.. 基差. 政治大樺等，2007)，且與成屋形成一定的價格關係(張麗姬，1994；白金安，立. 預售屋於價格形成時會參考競爭個案與臨近成屋價格進行定價(鄒欣. ‧ 國. 學. 1996；李吉弘、楊宗憲，2010)，本研究設定「臨近 500 公尺成屋單價」為模型變數，所謂之臨近 500 公尺成屋單價，是以樣本為中心，於成交日一. ‧. 年內周圍 500 公尺成屋帄均單價取自然對數，選取此變數的理由有三，首先是基於基差理論下成屋與預售屋價格有一定價差關係之故 (張麗姬，. y. Nat. sit. 1994；白金安，1996)，其次，選取鄰近 500 公尺價格亦有補強樣本空間屬. er. io. 性的功能。最後，理論上基差係控制各項因素後，純為預售屋與成屋兩者. al. n. v i n Ch 對基差的實證多是透過縣市為尺度進行估算，本研究透過樣本與鄰近 engchi U. 的價差，當品質越相近、區位/時間差異越小則估算越準確，而過往研究針 500. 公尺成屋價差做實證，能更細緻、精確的個別估算每個樣本的基差，突破過往如白金安(1996)、李吉弘、楊宗憲(2010)之研究，而若以更小的範圍如 300 公尺、100 公尺作估算則會因樣本數不足而有所限制，而以成交日期一年內作為選定也較無時間因素造成的價值差異。因此在考量樣本情形與模型穩定度後決定採用一年內 500 公尺成屋帄均單價作為變數選擇。 7.. 商譽預售屋屬於尚未興建或完工的產品，民眾傾向倚賴建商商譽判定產品. 之優劣，本研究設定「上市上櫃」14為模型變數，選用「上市上櫃」為模 14. 本文定義之上市上櫃建商範圍，除建設類上市櫃公司外，尚包含非以建築、營造為本業，但涉及土地投資興建事務之上市櫃公司. 30.

(39) 預售屋大量估價模型之建立型變數的理由係基於商譽優劣容易流於主觀判斷，然建商上市上櫃與否表示其有一定程度的資本額與穩定性，加上相關研究多以上市上櫃建商為變數，顯示其具有代表性，如林育聖(2003)15、蘇倖慧(2009)、李尚華(2016)，故本文選用「上市上櫃」為模型變數，並預期上市上櫃的建商對於價格有正向效果。 8.. 行政區由於不同行政區具有不同的地理環境、產業條件、公共設施等等，造. 成房價有所差異，本研究即以台北市各行政區為模型變數16，以萬華區為基礎組，預期各行政區對於價格的影響有所差異。 9.. 交易日期. 政治大異則造成房價有所不同，本研究模型樣本為 2012 年 Q3~2014Q4 立. 交易日期反映了不同時段的政策、景氣等總體情況，而總體狀況之差 17. ，以季. ‧ 國. 學. 別為分析對象，基礎組為 2012 年 Q3，預期之價格效果因各季情形不同而有所差異。. ‧. (三)未選入變數說明. sit. y. Nat. 本研究盡量選用對於價格敏感性高且具代表性之特徵變數，並且針對. io. er. 預售屋獨有特性納入變數，如上市上櫃、鄰近 500 公尺成屋帄均單價，另部分特徵價格模型常見之特徵變數，如屋齡、住宅用途、總樓層數、建物. n. al. Ch. i n U. v. 類型、臨路關係等並未納入其中，以下分別說明之。屋齡部分，預售屋特. engchi. 性為交易日期早於完工日期，屋齡因為 0，無屋齡問題與資料，故不納入，住宅用途部分，本研究僅針對住宅使用部分，其他用途已排除在樣本之外。總樓層數與建物類型部分，由於本研究使用之資料，個案間的總樓層數相對集中，其帄均數、中位數、標準差分別為 11.61、10、4.29，差異甚小下對於價格的影響難以凸顯，且經測詴後，測詴結果與常態不符，推測此情形產生是源於資料本身之緣故，資料總樓層數相對集中造成效果不彰18，. 15. 林育聖(2003)將建商以推案量/推案頻率分為三類，但在第一類的穩定型建商中又特別納入上市上櫃建商。 16 松山區因樣本過少，不納入模型變數。 17 另有 2015Q1~2015Q4 之資料為樣本外測詴使用。 18. 建物類型僅有華廈與住宅大樓，其中華廈百分比為 54.82%、住宅大樓百分比為 45.18%，且從資料本身來看，有華廈高於住宅大樓的情形，與總樓層效果一致，故而暫不將總樓層數、建物類型. 31.

(40) 第三章. 研究設計. 故不納入模型，臨街關係部分，常被選入特徵價格變數，臨街關係代表可及性程度，可及性越高通常對於價格呈現正向效果，但臨路也有較吵雜等負向效果，本研究係針對「個戶」進行分析，由於實價登錄資料並未登載每「戶」的臨路情形，故而無納入相關臨路變數。另外本研究估價模型考量實務上操作性，且基於未來可操作的角度進行變數選取，因此考量使用者的角度，部分變數例如該個案銷售率、議價率等由於使用者無法事先得知，基於實務上的限制下，不納入變數選取以及估價模型之中。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 納入模型之中。. 32. i n U. v.

(41) 預售屋大量估價模型之建立. 第四節. 模型表現衡量方法. 模型確立後，進一步將對模型表現進行衡量，包含模型配適度、共線性、估計精準度之檢測。. (一)模型表現衡量準則 1.. 判定係數(Adjusted-R2) 模型配適度與解釋能力通常就判定係數(Adjusted-R2)來衡量，愈高的. 判定係數代表模型的解釋力愈佳、模型表現愈好。 2.. 變異數膨脹係數(Variance Inflation Factor，VIF). 治政模型共線性問題的判斷準則通常透過大變異數膨脹係數 (Variance 立 Inflation Factor，VIF)來衡量，當變異數膨脹係數越大，代表該變數有線 ‧ 國. 學. 性重合的可能性較高，一般認為各項變數間的變異數膨脹係數若小於 10，才較無線性重合問題。. ‧ sit. y. Nat. (二)估計精準度衡量. io. er. 本研究樣本期間為 2012 年第 3 季至 2015 年第 4 季，其中以 2012 年第 3 季至 2014 年第 4 季部分資料為樣本內資料建置模型，簡稱為 in-sample，. n. al. Ch. i n U. v. 共 2416 筆資料。而 2014 年第 4 季部分資料至 2015 年第 4 季的資料作為樣. engchi. 本外資料測詴，為 out-sample，共 840 筆資料，兩者合計共 3256 筆資料。本研究於估計精準度衡量上即以整體、in-sample、out-sample 三個方式進行測詴，而在衡量估計準確度中，最常使用到的指標是帄均絕對百分誤差 (MAPE)以及命中率(Hit-Rate)，如林祖嘉、馬毓駿(2007)的大量估價模型，亦使用帄均絕對百分誤差(MAPE)以及命中率(Hit-Rate)作為衡量準則。. 33.