豪宅對鄰近地區住宅價格之影響-以台北市為例

全文

(1)國立屏東商業技術學院不動產經營系(所) 碩士論文. 豪宅對鄰近地區住宅價格之影響-以台北市為例 The Impact of Luxury Housing on Neighborhood Housing Prices in Taipei City. 指導教授：李春長、董呈煌研究生：呂毓堅. 中華民國一 0 三年七月.

(2) The Impact of Luxury Housing on Neighborhood Housing Prices in Taipei City Advisor：Dr. Chun-Chang Lee Dr. Cheng-Huang Tung. By：Yu-Jian Lu. A Thesis Submitted to the Graduate Program of Real Estate Management In Partial Fulfillment of the Requirements For the Degree of Master of Business Administration National Pingtung Institute of Commerce. Pingtung, Taiwan, R.O.C.. July, 2014.

(3) 豪宅對鄰近地區住宅價格之影響-以台北市為例. 摘要本研究探討豪宅決定興建後，能否有助於其鄰近地區之住宅價格的提升。其次，豪宅座落地點對於不同距離範圍之鄰近地區住宅價格的影響。並討論豪宅決定興建後，位在其鄰近地區與非鄰近地區的住宅價格影響程度是如何。本研究應用差異中之差異法分析並考量住宅內部屬性與以地理資訊系統所測量的外部屬性後建立住宅價格模型，採用 2008 年至 2011 年住宅實際成交資料分析。實證結果顯示，豪宅取得建造執照前豪宅鄰近地區與非鄰近地區之住宅價格相差約 149 萬元。豪宅取得建造執照後鄰近地區與非鄰近地區之住宅價格差異約為 305 萬元，扣除鄰近地區與非鄰近地區共同的成長趨勢，實際上是因為豪宅所造成住宅價格真正的住宅價格差異為 156 萬元，表示豪宅對於鄰近地區具有價格外溢效果將有助於提升鄰近地區的住宅價格。關鍵字：豪宅(luxury housing)、差異中之差異法(difference-in-difference method)、住宅價格(housing price)、外溢效果(spillover effects)、地理資訊系統(geographic information system). I.

(4) The Impact of Luxury Housing on Neighborhood Housing Prices in Taipei City. Abstract This study investigated whether or not the decision to construct luxury housing raised the price of neighboring homes. The impact of the location of luxury housing on housing prices in neighboring and non-neighboring areas of differing distances was also examined. Finally, this study discussed the extent of influence on housing price the decision to construct luxury housing had on houses in neighboring and non-neighboring areas of differing distances. The difference-in-difference method was used to create a housing price model after analysis and consideration of housing internal characteristics and external characteristics measured by a geographic information system. Successful housing transaction data from 2008 to 2011 was analyzed. Results showed before luxury housing was licensed, housing in neighboring and non-neighboring areas varied NT$1.49 million, at distances of 500 meters, respectively. After luxury housing was licensed, housing in neighboring and non-neighboring areas over the same distances varied NT$3.05 million. Removing similar growth trends shared between neighboring and non-neighboring areas, the actual differences in housing prices due to luxury housing over the same distances varied NT$1.56 million,. This shows that luxury housing has a pricing spillover effect in neighboring areas. Key words: luxury housing, difference-in-difference method, housing price, spillover effects, geographic information system. II.

(5) 誌謝就是這天，在現在之前我完全不知道什麼叫做畢業，什麼叫論文完成?一年來常常改到沒日沒夜。沒想過在這個學校居然會一待就是六年，一切都太不可思議，真的太誇張了。在屏商六年首先呢要感謝我的指導教授李春長老師，從大學時期的專題就在李老師的引領下，讓我有想趁現在還年輕就多學一點知識的想法。雖然說老師在研究所所教授的教科書內容與學術知識或許與大學時期差異不大，但老師的授課方式卻迥然不同，從邏輯思考判斷、獨立完成專案報告等，都學習到在大學時都不一定能學到知識與體驗。李老師在論文上的指導更是嚴格，論文改了多少次老師就看了多少次，還要想我們這樣做哪裡有問題，標點符號、中英文字體、空格、文句表達通不通順、邏輯有無問題等一堆問題，老師依然是那麼認真的指導，真是辛苦您啦。感謝董呈煌老師，在董老師的指導下，每當論文在資料處理卡關時，董老師總是能給予最精闢且明確的說明與指導，真的是很強大的技術指導。在兩位老師的指導下，除了學業，就連日常生活中從老師們的身上看見了做人處事與態度，做就要做到好，不打模糊仗含糊做事，認真之餘又不失談笑風聲，除了是師生關係其實老師們更像是朋友一樣啊。此外，也要謝謝梁志民老師與林素菁老師，對我論文精闢的見解與提供學生所忽略的問題，給予最佳的建議。也很感謝身兼同學、研究室夥伴更是好朋友的家妤與豐文，生活中大小事有他們的陪伴，在做研究時又總能在危急的時刻鼎力相助與共患難，渡過難熬的非常時期和超級撞牆期，有你們在一旁的陪伴、加油與努力，讓研究所生活更加豐富與回味。此外也要謝謝秀英媽媽、永賢哥、梅香姐、旅遊達人兼 PRO 級英文老師志碩、超級巨星哲民、柏澔、高雄很罩哥柏棠、祥傑、淑名、士玹、家禎、乙筑，和你們相處總是能笑聲不斷，並且給予最真誠的建議與鼓勵。謝謝湘琦學姐、新雅學姐、雪鈴學姐與俊麟學長在論文上的幫忙；也謝謝育衡哥、東東哥、建政小寶貝，在 meeting 時的即時救援與日常的照顧。也謝謝雅荒、小芭三不五時的喇賽排解研究生的苦悶啊，還有帥氣運動型男ㄚ威與氣質美女妃妃、很常灌倒學妹的喇叭濱，每次跟妳們聊天或出遊都超棒的啊。以及啟晉兄在 GIS 部分的協助，又朝 GIS 大師之路邁進。最後，我要感謝我的家人，在求學階段家人們總是給我最大支持鼓勵，讓我沒有後顧之憂，可以專心一致的完成學業，真的很謝謝你們。特別的是這段時間每個人都在瘋 2014 世足賽，當然我們研究生也不能錯過，反正每天都沒日沒夜了，根本沒有差幾個小時，去看就對了！終於讓我看我德國拿冠軍，超爽的，去慶祝啦。毓堅 2014.07. III.

(6) 目錄一、前言 ....................................................................................................................... 1 (一) 研究動機與目的 .......................................................................................... 1 (二) 研究內容與範圍 .......................................................................................... 4 (三) 研究流程 ...................................................................................................... 5 二、文獻回顧 ............................................................................................................... 7 三、實證模型建構 ..................................................................................................... 13 (一) 差異中之差異法 ........................................................................................ 13 (二) 實證模型設定 ............................................................................................ 14 (三) 變數選取說明 ............................................................................................ 19 (四) 空間資料處理 ............................................................................................ 29 四、豪宅發展現況 ..................................................................................................... 30 (一) 豪宅定義 .................................................................................................... 30 (二) 豪宅發展現況 ............................................................................................ 31 五、資料來源說明與樣本描述統計量 ..................................................................... 34 (一) 資料來源說明 ............................................................................................ 34 (二) 樣本描述統計量與母體平均數檢定 ........................................................ 39 六、實證結果與分析 ................................................................................................. 42 七、討論 ..................................................................................................................... 49 八、結論與建議 ......................................................................................................... 56 (一) 理論意涵 .................................................................................................... 56 (二) 實務意涵 .................................................................................................... 57 (三) 研究限制與後續研究建議 ........................................................................ 59 參考文獻 ..................................................................................................................... 60 中文部分 ............................................................................................................. 60 英文部分 ............................................................................................................. 60 附錄 ............................................................................................................................. 68. IV.

(7) 表目錄表 1 差異中之差異法算式表 .................................................................................... 17 表2 表3 表4 表5. 變數說明 ............................................................................................................ 27 豪宅案例表 ........................................................................................................ 37 描述性統計量(N=8,871) ................................................................................... 40 獨立樣本 T 檢定 ............................................................................................... 41. 表 6 OLS 實證分析結果 ............................................................................................ 46 表 7 GLS 實證分析結果 ............................................................................................ 47 表 8 log-liner 函數型態換算 ...................................................................................... 55 表 9 差異中之差異法估計之價格差異表 ................................................................ 55. V.

(8) 圖目錄圖 1 研究流程圖 .......................................................................................................... 6 圖 2 差異中之差異估計說明 .................................................................................... 17 圖 3 豪宅周遭環境現況 ............................................................................................ 33 圖 4 2008 年至 2011 年台北市住宅成交位置 .......................................................... 35 圖 5 豪宅案例位置 .................................................................................................... 38 圖 6 差異中之差異估計結果 .................................................................................... 54. VI.

(9) 一、前言 (一) 研究動機與目的台灣房地產歷經 2003 年 SARS 衝擊的景氣谷底過後，2004 年在政府政策的推行介入房地產市場下，如土地增值稅減半徵收延期一年，政策性推出優惠購屋貸款利率等激勵政策，使台灣房地產價格回升且漸趨穩定(Hung, 2012)。隨著國人對生活品質越來越講究，且在「食、衣、住、行」四大民生需求等方面皆有追求高品質、高水準、高知名度且高價位的現象。其中又以「住」所佔之比例最高，根據行政院主計處公告之 2012 年家庭收支調查報告中，其中住宅類佔家庭消費支出的比例為 24.4%，為比例最高之項目。此外，民眾對於住宅品質的要求與日俱增，住宅不再只是單純提供居住之功能，選擇住宅時除考量所得所能負擔的條件來選擇住宅外，亦會考量環境品質、座落區位、交通運輸方便性與生活機能等諸多能以提供多元的生活機能等屬性。住宅產品具有多樣化的型態，包括套房、公寓、透天厝以及電梯大廈等，然近幾年來房地產市場上逐漸形成一種以高價位住宅產品為主的市場，高價位住宅標榜擁有頂級建材、頂級設備、頂級區位、超大坪數、良好完善的規劃與管理等。加上近年來國人生活水平提高需求改變，對於居住環境及生活品質的要求提高，且在房屋銷售市場的激烈競爭下，豪宅開發的推案一波接著一波，其中具有指標性的豪宅更成為各方關注的焦點。針對這一類的高價位住宅台北市稅捐稽徵處將成交總價在八千萬至上億元的認定為高級住宅，或俗稱為豪宅(luxury housing)。又 Lin and Jou (2005)認為豪宅通常指佔有景觀、區位等稀有空間資源、高總價、高坪數、高設施、高知名度的住宅。 Almatarneh (2013)研究表示，房地產開發商會透過廣告區別豪宅與一般住宅的差異性，如設計、規劃和建築理念皆有別於一般的住宅，進而強化豪宅在民眾心中的地位。且各家銀行近年來所推行的低利率房屋貸款、高貸款成數等貸款策略刺激下提升了民眾購屋的需求，使國人對豪宅的需求提升，豪宅儼然成為整體住宅消費市場的重要指標，豪宅所擁有的獨特性及不可替代性對房地產市場具有相當重要的影響。. 1.

(10) 國內探討豪宅對於鄰近之住宅價格影響的研究並不多見，大多是針對影響豪宅的形成因素或市場定位之分析及豪宅產品生產背景之演進及購買決策等做為探討個案，如張晉銓(2005)、吳怡瑩(2008)、何晏鳳(2011)、潘睿彬(2013)等，皆是以豪宅為研究之對象，但皆未進一步說明，豪宅的出現是否會因為本身高價的特性而產生外溢影響其周遭區域的不動產價值，忽略了豪宅對於住宅市場所產生的影響。國內建築開發商所推出的豪宅規劃設計大多是以集合住宅大樓社區的形式呈現，其規劃設計除建築內部規劃外通常亦會對建築外觀及建築外的開放空間(如外牆、人行道造景等)做周圍環境的美化，滿足其建築規劃設計的一致性，以達到豪宅擁有優於一般住宅在視覺上的建築景觀、建築的豪華感及吸引力。選擇良好的居住環境不僅取決住宅本身的特徵，也取決於鄰里住宅環境的特徵。DiPasqual and Wheaton (1996)認為當住宅外觀變得更為美觀，使鄰近地區的生活品質變得更具吸引力，亦會對鄰近的住宅價格產生正向的外溢效果。Bourssa, Hoesli and Sun (2004) 研究認為具有吸引力的建築會增加周邊鄰里的不動產價值，且具吸引力的豪宅可能也會吸引更多居民，譬如像高所得、政商名流等具社經地位的人入住在該地區。且人們在選擇住宅地點時可能會藉由拉近自己與高所得、政商名流等具有社會經濟地位者的關聯，以維持其在他人心中的評價與自我形象(Cialdini, 1976)。此外，Ooi and Le (2013)認為新開發的建築可能對其鄰近住宅產生正向或負向的外部效果(external effects) 或是外溢效果(spillover-effects)，而豪宅對於鄰近住宅亦具有正向或負向的外部效果或外溢效果，例如，興建完工後，豪宅美化其周圍環境並以其區位、規劃、建材等的建築理念打造獨特性再加上高銷售價格與入住的高所得民眾，可能使鄰近的地區因較大型建物開發的出現而整體居住環境變得更佳，對鄰近地區的住宅價格產生正向的外部性 (Pavlov and Blazenko, 2005)。又豪宅的建築風格通常有別於一般住宅，其設計上除外觀新穎、氣派外，為有更佳的視野，豪宅的建築高度通常也高過於鄰近住宅，但更高的建築可能也會妨礙到鄰近住宅的視野，對鄰近住宅帶來負向的外溢效果。因此，豪宅的開發對其鄰近地區所產生的正向或負向的外溢效果主要是取決於其對鄰近地區. 2.

(11) 整體的影響，豪宅可能會透過美化其鄰近地區環境，以及其高價的特性而對鄰近地區產生價格外溢，進而影響鄰近的住宅價格。Ooi and Le (2013)探討新加坡填入式開發 (infill developments)1對地方住宅價格的外溢效果，研究顯示填入式開發對當地的住宅價格具有正向的外溢效果。亦認為填入式開發會主要會透過寧適性效果(amenity effect) 及供給效果(supply effect)兩種方式影響鄰里的住宅價格2。藉由鄰里環境美化的寧適性效果探討豪宅如何影響其鄰近地區的住宅價格。由於豪宅建築外觀氣派具有現代感的設計與整體居住環境的規劃，不僅對豪宅本身產生居住環境品質的優異性，其所帶來的整潔與具規劃設計過的街景等好處也讓鄰近地區的環境變得更有吸引力，為其鄰近地區帶來正向的效益。本研究試圖將豪宅以除了本身所具有的高價位特性外，對於其所座落地區的鄰近的住宅價格而言，亦為一項重要的指標，進而將豪宅視為影響鄰近區域住宅價格的影響因素。本研究主要探討台北市住宅價格，是否會因豪宅出現的關係而產生外溢效果，進而影響其鄰近地區中古屋市場的住宅價格，並結合地理資訊系統(geographic information system，GIS)的空間功能蒐集房屋外部屬性的資料及分析功能，以評估鄰近環境與公共設施對住宅價格的影響，探討台北市的豪宅從決定興建後，對其興建所在地區周遭的鄰近住宅價格之影響。並且以差異中之差異法(difference in difference method，DD)分析豪宅在取得建造執照前後，對鄰近地區之住宅價格的影響。本研究目的共分為三個部分，1. 探討豪宅決定興建前後，豪宅能否有助於住宅價格的提升。 2. 探討豪宅決定興建後又位在鄰近地區，與豪宅決定興建前又位在非鄰近地區之住. 1. 填入式開發(infill development)是指促進市區或郊區廢棄的建築物或未利用及未充分利用的土地開發方式，將其再開發或重新設計，使環境與社會可以持續發展並以更佳的方式利用土地。查閱日期： 2013 年 11 月 12 日。網址如下：http://www.opr.ca.gov/s_infilldevelopment.php。 2 寧適性效果(amenity effect)，是指新開發將重新整理鄰里環境並新建築在設計上更具吸引力的建築物，以增加鄰里的整體吸引力的，有助於鄰里住宅價格的提升。例如 Ellen, Schill, Susin and Schwartz (2001)認為新的開發會重新整理鄰里環境，並藉由拆除不具視覺吸引力的廢棄建築或雜亂的空地，而降低在鄰里的犯罪活動。供給效果(supply effect)，是因新建築投入住宅市場以致住宅存量增加，而使現有的住宅價格下降。例如 Grenadier (1996)與 Newell (2010)研究表示，現有的住宅會因新住宅開發的加入而競爭增加，因為新開發的住宅通常具有更好的設計，比現有住宅更具吸引力，所以對現有住宅而言是不利的。. 3.

(12) 宅，其住宅價格會因為豪宅的關係而產生的差異。3. 豪宅決定興建後，豪宅鄰近地區範圍內住宅之住宅價格是否會因與距離豪宅的遠近而造成不同的影響。本研究貢獻分為二部分，一為應用差異中之差異法分析豪宅對住宅價格的影響，此方法提供了較準確估計單一事件對於兩群體間所造成的影響，並可排除實驗組與控制組共同成長的趨勢及其他未觀察到影響因素，能有效估計豪宅對住宅價格所造成的真正影響。二為進行實證分析，以鄰近地區為實驗組非鄰近地區為控制組，並比較豪宅取得建造執照之前與之後鄰近地區與非鄰近地區的住宅價格變動，探討豪宅的價格外溢效果對其鄰近地區之住宅價格影響程度會大於非鄰近地區的住宅價格。最後可得知，豪宅對鄰近地區住宅價格會隨著與豪宅的距離增加而逐漸減少，表示豪宅的外溢效果會隨著與豪宅距離增加而降低其對於鄰近地區的影響程度。 (二) 研究內容與範圍 1. 研究內容本研究除第一部分為前言外，共分為八個部分。第二部分為文獻回顧，首先探討豪宅影響住宅價格之因素，探討國內外以差異中之差異法分析影響住宅價格因素之相關研究。第三部分為實證模型建構，說明差異中之差異法之應用時機、各變數之定義與模型之設定。第四部分為豪宅發展現況。第五部分為資料來源說明與樣本描述統計量，主要說明本研究所使用的資料來源與處理方式並描述其樣本統計量。第六部分為實證結果與分析，以差異中之差異法分析不同距離範圍之模型。第七部分為討論。最後為結論與建議。 2. 研究範圍為探討豪宅取得建造執照前後，對鄰近地區的住宅價格所產生的影響，本研究蒐集的豪宅取得建造執照時間為 2010 年 7 月到 12 月之間，所取得建造執照之豪宅為本研究所探討之案例。另外，本研究選取之時間範圍為 2008 年 1 月 1 日到 2011 年 12 月 31 日之實際住宅交易價格資料。住宅交易資料來源為，台灣不動產交易中心吉家. 4.

(13) 網有限公司所發行之「台灣不動產成交行情公報」第十二期到十九期之成交資料。吉家網有限公司自 2004 年開始，結合太平洋房屋、中信房屋、住商不動產與信義房屋等連鎖仲介公司，及其他單獨經營小型仲介公司所提供之成交資料，並每半年定期彙編出版。本研究為探討台北市豪宅對鄰近住宅價格的影響程度，及影響住宅價格的各特徵屬性，故使用不動產成交行情公報所載列之住宅項目，包括成交價、權狀總登記 (坪)、格局(房、廳、衛)、樓別、屋齡、住宅類型等，作為住宅基本屬性變數，並以台北市 12 個行政區為主要研究範圍。 (三) 研究流程本研究流程首先，先確認研究動機與目的，接著再蒐集並回顧相關之文獻，以相關文獻為基礎，進而了解使用差異中之差異法的理論基礎與應用時機。依據研究目的，並參考相關的理論與文獻資料，建立不同距離之價格模型，並分析豪宅發展之現況，再以各距離模型之實證結果，判斷各變數對於住宅價格的影響，並討論實證分析結果，最後為結論與建議。本研究流程如圖 1-1。. 5.

(14) 研究動機與目的. 價格外溢效果. 鄰里景觀對住宅影響. 差異中之差異法相關分析. 實證模型建構. 模型設定. 變數說明. 豪宅發展現況. 資料來源說明與樣本描述統計量. 實證結果與分析. 討論. 結論與建議. 圖 1 研究流程圖. 6.

(15) 二、文獻回顧首先，豪宅對於鄰近住宅價格之影響，可由外溢效果與寧適性效果說明。良好的居住環境品質不僅取決於住宅本身的特徵，也取決於鄰近住宅環境的特徵。Boyle and Kiel (2001)提出環境的外部性像是鄰近地區的空氣品質、水質及不受歡迎的土地使用都可能對住宅價格產生影響。DiPasqual and Wheaton (1996)認為當住宅外觀變得更美觀，將使鄰近地區的生活品質變得更具吸引力，亦會對鄰近的住宅價格產生正向的外溢效果。Des Rosiers, Theriault, Kestens and Villeneuve (2002) 研究顯示美化街道景觀 (landscaped curbs)將增加鄰近不動產價格約 4.4%。Bourssa et al. (2004)認為具有吸引力的建築能增加鄰近地區約 37%的不動產價格，並認為鄰近周圍具有特別有吸引力的改良物平均能再增加鄰近不動產價格約 27%。而鄰近環境品質較差的不動產其價格反而會減少約 51%。鄰近豪宅的住宅，其價格被豪宅所影響，也可能是來自於人會受到比本身價值更高的事物所吸引，並與其保持關聯或是追隨，會因與其有共通點而感到榮耀，Cialdini (1976)將該效果稱做沾光效果(basking in reflected glory effect, BIRGing) 其認為人會藉由拉近自己與成功者的關聯性使他人對其產生正向的評價與自我形象。Tesser (1988)研究指出當人在親近表現傑出或優於本身的人時，會感到與有榮焉並且自我評價會提升。豪宅亦會吸引具社會經濟地位者進入擁有優良鄰里環境品質的地區，形成鄰里品質較佳的區域，藉由此方式吸引潛在的市場需求，並可能使居住在該地區的住戶因豪宅與其比鄰而更認同該地區與正向的自我評價。由上述各環境品質與鄰里景觀對住宅價格影響的相關研究可知，住宅價格與其鄰近地區的環境品質與鄰里景觀具有正向的關係，透過改善鄰里環境使鄰里變得更具有吸引力，進而使該地區的住宅價格提升。亦可能吸引更多潛在的客群並產生與豪宅比鄰而感到自我價值提升，願意以較高的成本住在該區域。 Bourassa, Hoesli and Sun (2005)探討 1986 年到 1996 年紐西蘭的三大城市，分別為奧克蘭、基督城、威靈頓，美觀外部性(aesthetic externalities)對住宅價格的影響，. 7.

(16) 將資料分類為具有水岸景觀(the presence of a water view)、鄰近有改善外觀之改良物 (the appearance of nearby improvements)及鄰近具有景觀美化(the quality of landscaping in the neighborhood)為主軸，並以地理資訊系統計算距離商業區(central business district，CBD)、最近海岸線及副都心的距離，研究結果顯示美觀外部性的隱含價格會受到房地產週期的影響而變動，及美觀外部性的實際價格會隨著需求變動而變動，這是因為不動產供給彈性相對有限，當具有景觀的住宅出現在市場上，需求可能隨之增加，而景觀住宅供給卻無法在短時間出現在市場，所以景觀住宅價格會隨著需求增加而增加。 Ooi and Le (2013)探討新加坡填入式開發(infill developments)對地方住宅價格的外溢效果，填充式開發(infill development)主要是以在市區中閒置或未充分利用的土地針對當地的需求進行開發。該研究以差異中之差異法分析 275 個新開發樣本和 55,887 筆房屋銷售交易資料，研究顯示填入式開發對當地的住宅價格具有正向的外溢效果。亦認為填入式開發會透過，寧適性效果(amenity effect)和供給效果(supply effect)兩個管道影響鄰里住宅的價格，即填入式開發會移除廢棄的建築物或整理雜亂的空地以重新整理鄰里環境，美化後對鄰里住宅帶來正向的影響；新開發會有更多的住宅投入使住宅供給增加，新住宅與現有的住宅競爭將會使現有的住宅價格下跌。以美化、規劃方式與興建具有特色的建築及新住宅開發等方式，以達到鄰里環境品質的提升，可增加鄰里環境的吸引力與寧適性。當住宅的外觀或鄰里環境變得更為美觀、鄰近住宅的生活品質也會變得更吸引人，對鄰近住宅的住宅價格也產生了外溢效果使整體住宅價格提升，亦稱為鄰里效應(DiPasqual and Wheaton, 1996; O’Sullivan, 2000)。當鄰里環境品質提升，則吸引更多會選擇具有鄰里寧適性的人居住於該地區。此外，鄰里環境品質提升，其效果對於鄰里住宅價格影響範圍仍然有限制，這種鄰里環境變好的效果通常侷限於某特定區域，可能僅限於對幾百公尺以內的鄰近住宅產生外溢效果(O’Sullivan, 2000)。過去對於鄰里環境品質提升的估計通常採用特徵價格法 (hedonic price method)，然而，若是因為某特定事件的發生，而使特定範圍的鄰里環. 8.

(17) 境品質提升而影響鄰近地區的住宅價格，則近年來逐漸採用差異中之差異法 (difference in difference method，DD)估計。其好處在於可以檢視一項政策的宣告或興建某特定建物後，對於其鄰近地區的影響程度。其次，就實證估計方法之文獻回顧方面，國內外以差異中之差異法分析政策或事件對於鄰近住宅價格影響之相關研究有，蘇衍綾(2011)以台中市捷運站據點規劃對住市場之研究中，以差異中之差異法探討台中市發佈興建捷運站據點前後，並以普通最小平方法(ordinary least squares, OLS)估計位於車站服務範圍內的住宅價格之變化情形。輔以地理資訊系，求得住宅與公共建設之地理空間相關屬性資料，研究結果指出，以半對數迴歸模型(semi-logarithmic regression model)對於住宅價格有良好的解釋能力。其中集合式住宅的屬性以建坪、土地、房間數、廳堂數、衛浴數、總樓高、屋齡、車位、體育場、市政府、新市政中心、七期重劃區與鐵路兩側為影響房價之重要因素。獨立式住宅屬性以建坪、土地、屋齡、停車場與捷運站為影響房價之重要因素。差異中之差異法之估計結果顯示，捷運站據點發佈後且在捷運站據點 600 公尺內之集合式住宅與住宅價格，呈現負向的顯著關係。而捷運站據點發佈後且在捷運站據點 600 公尺內之獨立式住宅與住宅價格，亦呈現負向關係，但未達顯著水準。鄭景育(2009)探討桃園縣房地產與地價關聯性之研究，文中以差異中之差異法為基礎，探討台灣在宣佈「土地增值稅減半徵收」、「金融業全面實施新巴賽爾協定」兩房地產政策實施前和後對地價及城鄉間地價差距影響。結果顯示，使用普通最小平方法估計時，並以 F 統計值及 LM 統計(Largrange multiplier statistic)檢定迴歸模型，檢定證實迴歸模型存有異質性問題，再以一般最小平方法(generalized least squares，GLS) 估計得到，土地面積、地形、主要聯外道路寬度、臨街條件等內在因素條件變數與土地價格呈正向顯著關係。又央行基本放款利率、提高都市計劃程度、土地座落於縣轄市等對於提高地價亦有顯著影響。差異中之差異法估計結果顯示，在實施土地增值稅減半徵收政策後使建地地價提高，有助於桃園縣地區房地產市場的活絡；國內金融業實施新巴賽爾協定對於房地產融資放款授信的緊縮，對於房地產市場有負向的效果，. 9.

(18) 造成建地價格下跌。 Kiel and McClain (1995)探討垃圾焚化廠之設立對北安多佛(North Andover)地區住宅價格之影響，1978 年開始傳聞焚化廠會設立在北安多佛，並於 1981 年正式開始興建焚化廠，最後在 1985 年正式完工營運。作者以 1978 年及 1981 北安多佛的住宅銷售做為分析資料，以 1979 至 1980 年為焚化廠設立的劃設時間點，並比較 1978 年與 1981 年住宅價格的變動。以距離焚化廠 3 英哩外地區的住宅為控制組，距離焚化廠 3 英哩內地區的住宅為實驗組，分析焚化廠設立後對北安多佛地區住宅價格的影響。研究結果顯示，距離焚化廠 3 英哩內的實驗組與距離焚化廠 3 英哩外的控制組，其差異中之差異價格為 11,863.9 美元。 Kavetsos (2012)分析倫敦舉辦奧運對住宅價格之研究，2005 年 7 月 6 日在新加坡宣布倫敦為 2012 奧運主辦城市後，對於倫敦地區的住宅價格有正向的影響。文中應用差異中之差異法，並使用普通最小平方法估計，以倫敦五個舉辦賽事的地區為實驗組，倫敦其他未舉辦賽事的地區為控制組，分析宣佈奧運前後對倫敦地區住宅價格的影響，並以房間數、屋齡、新建築、是否鄰近地鐵站等變數為解釋變數，其研究結果顯示，差異中之差異法估計的五個行政區(Greenwich, Hackney, Newham, Tower Hamlets, and Waltham Forest.) 宣佈舉辦奧運會後之住宅價格較宣佈舉辦奧運前高出 2.1%至 3.3%。此外，以奧運主場體育館為中心劃設距離 3 英哩以內、3 英哩到 6 英哩、6 英哩到 9 英哩，至距離主場體育館 15 英哩的半徑圈，分析結果顯示，距離奧運主場體育館 3 英哩內之住宅因宣佈舉辦奧運，其住宅價格提高約 5%且達 1%的顯著水準，3 英哩到 6 英哩住宅價格提高約 2%且達 10%顯著水準，6 英哩到 9 英哩之住宅價格提高約 2.2%且達 5%顯著水準。 Dehring, Depken and Ward (2007)探討達拉斯沃斯堡(Dallas-Fort Worth)地區在公告(announcement)將興建新體育場館後，對於當地住宅價格之影響。樣本資料來自於 Multiple Listing Service，包括達拉斯(Dallas)及阿靈頓(Arlington)兩地區從 2004 年 1 月到 2005 年 3 月的住宅銷售資料，並以差異中之差異估計法分析 5 次公告興建體育. 10.

(19) 場館對當地住宅價格的影響，其中公告 1 與公告 2 位在達拉斯，公告 3、公告 4 與公告 5 在阿靈頓3。研究指出，5 次公告後平均使新體育場館該地區的住宅價格，相較於體育場公告前減少 1.5%，因為興建體育場館需提高當地的稅收以補貼新體育場館的興建，在短期上造成當地住宅價格下降。而該研究僅使用一年之成交資料，並無法得知體育場館興建完成後對周遭帶來的效益，僅能得知興建新體育場館的公告後對於該地區住宅價格的影響。 Dube, Rosiers, Theriault and Dib (2011)探討加拿大城市公車運輸服務之供給變動對經濟之影響，使用差異中之差異法估計，評估魁北克市之快速公車運輸(rapid bus transit)對於住宅銷售價格之影響。研究結果顯示，住宅銷售價格並無顯著改變。可能是因為魁北克市的範圍廣闊，公共交通運輸工具的可及性較自行開車來的低，因此該設施的效果並不如預期明顯。 Heintzelman (2010) 以差異中之差異法分析美國麻州社區實行社區保護法 (community preservation act，CPA)對當地不動產價格的影響，並使用普通最小平方法估計，以實施社區保護的社區為實驗組，未實施社區保護法的社區為控制組，估計結果顯示，實施社區保護法後，使當地不動產價格較社區保護法實施前，平均減少約 1.5%。 Gibbons and Machin (2005)亦以差異中之差異法分析新車站對不動產價格的影響，此方法亦可用於探討住宅補貼、住宅投資及鄰近學校對住宅價格的影響，相關研究例如，Ellen et al. (2001)探討紐約市在實施鄰里復甦的建設補貼政策後，該補貼政策對於鄰里的住宅價格之影響。Field (2005)探討產權和投資對於都市貧民窟的住宅價格影響。此外，Bogart and Cromwell (2000)；Falch, Lujala and Strom (2013)研究鄰里. 3. 達拉斯興建新體育場館公告五次公告，其中公告 1 與公告 2 位在達拉斯：2004/04/30 公告 1 提議在達拉斯興建 Fair Park 體育場，但需提高該地區稅收以補貼新體育場館的興建。2004/06/09 公告 2 因達拉斯無法支付稅額所以取消興建體育場館的提議。而公告 3、公告 4 與公告 5 位在阿靈頓：2004/07/17 公告 3 阿靈頓市長與達拉斯牛仔隊球團協議興建新的體育場館，並以公共稅收補貼方式。2004/08/17 公告 4 阿靈頓市議會核准以 3.25 億美元興建新體育場館，並提議由民眾投票決定是否採取公共補貼方式。2004/11/03 公告 5 阿靈頓投票通過採取公共補貼方式興建體育場館。. 11.

(20) 學校對住宅價值的影響及地區通勤時間與教育程度對於高中學生如期畢業或輟學的傾向所產生的影響。從上述以外溢效果、舒適性、鄰里外部性與使用差異中之差異法探討對住宅價格影響之國內外相關文獻，可以發現具有吸引力且美觀、美化鄰近地區並增加鄰里舒適性的新開發建設，會因為其本身的效益擴散到鄰近地區進而對其鄰近地區的住宅價格會有正向的影響。再者，透過差異中之差異法將時間的差異及組間差異相互對照，而非只單看豪宅鄰近地區前後的變化。相較於過去許多的研究方法，如特徵價格法，此方法之優點在於可排除無法觀察到的因素對住宅價格可能造成的干擾以避免產生估計的偏誤，進而顯示鄰近地區所造成的真正影響。如果單純只探討鄰近地區前後住宅價格的變化，並未以控制組作為對照，將無法排除迴歸式中，其他無法觀察的因素對住宅價格產生的影響，透過實驗組與控制組的相互對照方式，則可排除上述問題。差異中之差異法應用在探討不同主題對於住宅價格的相關議題，雖然因研究主題不同而使用之特徵變數也不全然相同，但基本上仍包括建物本身的特徵(如建物面積、土地面積、屋齡、房間數、廳堂數與衛浴數等)、鄰里變數(如有無鄰近交通設施與學校等公共設施)，該如何挑選合適之變數，必須依照研究的主題而設定，本研究參考上述探討住宅價格文獻，選取適合本研究之特徵變數。. 12.

(21) 三、實證模型建構本章主要在說明如何建構住宅價格模型，本研究將運用差異中之差異法及一般化最小平方法(generalized least squares，GLS)估計迴歸模型，探討豪宅決定興建前後是否對於其鄰近住宅市場存有價格的外溢效果，進而影響豪宅鄰近地區之住宅價格。住宅特徵除建物本身之內部特性屬性，亦包括住宅的鄰里外部特徵屬性在外部特徵屬性變數測量，本研究運用地理資訊系統(geographic information system，GIS)，計算各住宅到與其最靠近之豪宅距離及最靠近之公共設施之距離，作為外部的鄰里環境屬性。本章首先介紹差異中之差異法，其次說明實證模型設定，其三為變數選取說明，最後為空間資料之處理。 (一)、差異中之差異法差異中之差異法，簡稱 D-in-D, DD, or DID。是目前廣泛應用於個體經濟學領域之研究方法。該方法假設實驗組(treatment group)與控制組(control group)分別為政策改變前後的相互對找組別，實驗組為受政策改變而影響的組別，控制組為不受政策改變而影響的組別，並檢驗實驗組相較於控制組，因為政策的改變而造成實驗組變動的差異。差異中之差異法主要是使用在合併跨期的橫斷面(pooling cross section across time) 資料，通常用於評估特定事件發生的前後或政策實施前後，兩時期資料的變化，可用於判斷事件發生前後所產生的變化差異，並可解決被解釋變數與解釋變數間因果關係的差異。其目的在於進行政策之影響評估，藉由時間的劃分，即，須確認事件或政策宣告(announcement)的一段時期時間，與劃分控制組與實驗組的變動差異相互對照，藉由檢測控制組與實驗組兩群組並經由統計方法驗證後，判斷兩群體間之差異。此外，Wooldridge (2009)認為要控制實驗組與控制組之間的系統性差異(systematic differences)，須將資料依時間前後分為兩組別，一為政策宣告改變之前，二為政策宣告改變之後。因此，可將樣本細分為四組，分別為一政策宣告前控制組，其次為政策宣告後控制組，再者為政策宣告前實驗組，最後為政策宣告後實驗組。. 13.

(22) (二)、實證模型設定本研究所建立之差異中之差異住宅特徵函數模型，是使用不動產成交行情公報之各項住宅特徵為內部屬性變數，以及以地理資訊系統測量各住宅到各鄰里公共設施的實際距離為住宅外部屬性變數，並建立實證迴歸模型。差異中之差異法估計，係透過建立迴歸模型來估計各住宅內、外部屬性變數及鄰近豪宅變數對於住宅價格的影響。函數型態區分為 linear-linear、log-linear、linear-log 及 log-log。其中一般常使用 log-linear 形態，運用於估計住宅價格，國內外相關文獻如，如 Lin and Lin (2001)、Cohen and Coughlin (2008)、Baranzini and Schaerer (2011)、Kavetsos (2012)，皆是以 log-linear 的形式估計影響住宅價格之因素。又許多研究如 Sirmans, Macpherson and Zietz (2005)、Lipscomb and Farmer (2005)、Zient, Zient and Sirmans (2008)認為將依變數價格取對數，證實可以減少資料的異質性，將可避免使用分量迴歸(quantile regression approach)來估計。Log-linear 函數型態的優點除了可以減少資料異質性之外，若函數型態為非線性，依變數經過對數轉換之後，若估計之斜率為負，表示符合邊際報酬遞減法則，如 So, Tse and Ganesan. (1997)指出 log-linear 函數型態是合理且適用於評估非線性模型的最佳選擇。本研究將採用 log-liner 函數型態為迴歸模型。此外，差異中之差異法分析可有效控制潛在選擇偏誤(selection bias)的系統性差異。本研究對於豪宅外溢效果的估計亦可從事件發生後，即豪宅取得建造執照後，並比較控制組與實驗組的住宅價格之間的差異。一般來說，不動產開發商須於建築取得建造執照後方可開始合法銷售，可在建築工程竣工前以預售的方式銷售，即預售屋4，此種銷售方法在亞洲地區是很常見的方式，Lai, Wang and Zhou (2004), Munneke, Ooi, Sirmans and Turnbull (2011)即是以取得建造執照之時間為劃分依據。因此本研究亦使用豪宅正式取得建造執照(簡稱建照)之日期作為豪宅決定興建之劃分時間點依據。實. 4. 公寓大廈管理條例第五十八條第一項規定：「公寓大廈起造人或建築業者，非經領得建造執照，不得辦理銷售」。不動產經紀業管理條例第四條第三款規定：「預售屋：指領有建造執照尚未建造完成而以將來完成之建築物為交易標的之物」。. 14.

(23) 驗組與控制組之間，距離劃設的相關研究如，Schwartz, Ellen, Voicu and Schill (2006)、梁仁旭(2009)、Dempsey and Plantinga (2013)的研究皆是以半徑 500 公尺劃分研究地區與對照地區之距離；Voicu and Been (2008)比較研究地區半徑 500 英呎至 1000 英呎(約 150~300 公尺)內外住宅價格之差異。依據上述探討空間距離範圍內外差異之文獻，本研究將豪宅鄰近地區之空間距離範圍劃定為 500 公尺以內作為實驗組，500 公尺範圍外視為控制組。以探討豪宅範圍內外對於住宅價格的差異，實證模型設定如式(1)： n. ln Pit = β 1 + β 2 TIMEt + β 3TREATi + δ (TIMEt × TREATi ) + ∑ γ j X jit + eit ,. (1). j =1. 其中， ln Pit ：表示第 i 住宅於 t 時間的住宅成交價格並取自然對數。. β1 ：截距項。 TIMEt ：豪宅正式取得建造執照之時間 t 。 TREATi ：第 i 住宅是位於豪宅鄰近地區或非鄰近地區。 X jit ：其他各項影響住宅價格之解釋變數，包括住宅基本屬性及鄰里環境屬性。. β 2 ：豪宅正式取得建造執照之時間 t 前後之係數。 β 3 ：第 i 住宅位於豪宅鄰近地區或非鄰近地區之係數。 δ ：差異中之差異之估計係數。. γ i ：其他解釋變數之估計係數。 eit ：誤差項，符合常態性分配，平均數為 0。本研究著重於交互變數 (TIMEt × TREATi ) 對住宅成交價格所產生的影響，其估計係數 δˆ 之計算式，如式(2)所示：. [. (. )] [(. ). δˆ = ( βˆ1 + βˆ 2 + βˆ3 + δˆ ) − βˆ1 + βˆ3 − βˆ1 + βˆ 2 − βˆ1. ]. = (PTreatment , After − PControl , After ) − (PTreatment , Before − PControl , Before ). (2). 其中， δˆ 表示差異中之差異估計係數，即為取得豪宅建造執照之後，其鄰近地區與非. 15.

(24) 鄰近地區之價格的差異。 (PTreatment , After − PControl , After ) 為豪宅取得建造執照後位於豪宅一定範圍內之實驗組與豪宅一定範圍外控制組之差異。(PTreatment , Before − PControl , Before ) 為豪宅取得建造執照前位於豪宅一定範圍內之實驗組與豪宅一定範圍外控制組之差異，可由圖 2 說明。橫坐標為時間 t ，縱座標為住宅價格 p 。 AE 及 BC 為控制組與實驗組，控制組為不受豪宅影響的組別，相對的，實驗組則為受到豪宅影響的組別，控制組與實驗組有相同的時間趨勢，使住宅價格上升，控制組的住宅價格 p = A 上升至 p = E ，與實驗組的住宅價格 p = B 上升至 p = D ，並非豪宅所造成，即使沒有豪宅的出現，控制組與實驗組依然會以相同的幅度上升，這是共同的時間趨勢所造成的價格上升。在豪宅取得建照執照前，實驗組的住宅價格 p = B ，並在豪宅取得建照執照後，實驗組的住宅價格 p = C 。實驗組與控制組在豪宅取得建造執照前，兩組之間的住宅價格差異為 ( B − A) ，豪宅取得建造執照後兩組的差異變為 (C − E ) 。然而為了估算豪宅鄰近地區因豪宅所造成的變動影響 δ ，可以豪宅取得建造執照後，實驗組與控制組之住宅價格差異 (C − E ) ，扣除豪宅取得建造執照前，實驗組與控制組之住宅價格差異 ( B − A) ，即，δ = (C − E ) − ( B − A) 估算出最後之差異，為豪宅鄰近地區因豪宅所造成. 的住宅價格差異 δ ，即為差異中之差異。針對豪宅取得建造執照前後，對於豪宅範圍內鄰近地區之住宅價格是否存在顯著影響，係採用差異中之差異法分析，以位在豪宅範圍內鄰近地區之住宅為實驗組，豪宅範圍外非鄰近地區之住宅為控制組，差異中之差異之計算請參見表 1。. 16.

(25) p C 實驗組. 實驗組差異效果 = δ D 實驗組未觀察到 E. 的成長趨勢. B A. 控制組. t 之前. 之後. 圖 2 差異中之差異估計說明資料來源：Hill, Griffiths and Lim (2011). 表 1 差異中之差異法算式表取得豪宅建照前. 取得豪宅建照後. 取得豪宅建照之前後差異. 控制組 (鄰近豪宅範圍外). β1. β1 + β 2. β2. 實驗組 (鄰近豪宅範圍內). β1 + β 3. β1 + β 2 + β 3 + δ. β2 + δ. 控制組與實驗組之差異. β3. β3 + δ. δ 參考自 Wooldridge (2009). 17.

(26) 本研究以差異中之差異法的估計方式，先以 OLS 估計住宅特徵屬性變數對於住宅價格影響，考量相關住宅內部的住宅基本屬性與住宅外部的鄰里環境屬性，對於住宅價格影響。本研究將鄰近地區距離範圍 500 公尺。並加入住宅內部屬性及外部屬性，內部屬性包括住宅面積、屋齡、屋齡平方、房間數、廳堂數、衛浴數、居住樓層與住宅類型。外部屬性包括至捷運站距離、至火車站距離、至國小距離與至國中距離等變數，並建立迴歸模型，如式(3)所示：. ln Pit = β 1 + β 2 TIME t + β 3 TREAT i + δ (TIME t × TREAT i ) + γ 1 AREA i + γ 2 AGE i + γ 3 AGE 2 i + γ 4 ROOM. i. + γ 5 LIVROOM. i. + γ 6 BATH. i. + γ 7 FLOOR 1i. (3). + γ 8 FLOOR 4 i + γ 9 TYPE i + γ 10 MRT i + γ 11 TRAIN. i. + γ 12 PRIM. + γ 13 JUNI i + e it ,. i. δ 為交互項之迴歸係數； γ 1 、 γ 2 、 γ 3 … γ 13 表示自變數之迴歸係數； eit 為誤差項。上述式(3)中， TIME t 是以各豪宅實際取得建造執照之日期，作為劃分前後之依據。 TREATi 為以地理資訊系統測量，住宅到豪宅之實際距離後，並以設定虛擬變數方式，劃分距離範圍內外之變數，範圍內為實驗組，範圍外為控制組。本研究也將實驗組內之地區在將其距離劃分為 100 公尺以內、100 公尺到 300 公尺、300 公尺到 500 公尺，分析實驗組內的住宅價格是否會因為距離豪宅的遠近距離不同而有不同的差異。如式(4)： ln Pit = β 1 + β 2 TIME. t. + τ 1 TREAT i ( i , j ) + τ 2 TIME t × TREAT i ( i , j ). + γ 1 AREA i + γ 2 AGE i + γ 3 AGE 2 i + γ 4 ROOM. i. + γ 5 LIVROOM. + γ 8 FLOOR 4 i + γ 9 TYPE + γ 11 TRAIN. i. + γ 12 PRIM. i i. i. + γ 6 BATH. + γ 10 MRT. i. + γ 13 JUNI. i. i. + γ 7 FLOOR 1i. (4). + e it ,. 其中， τ 1 為將實驗組範圍再劃分為，100 公尺以內、100 公尺到 300 公尺、300 公尺到 500 公尺的三距離。τ 2 為豪宅取得建造執照後與實驗組各距離範圍之交互項，表示實驗組住宅價格是否會與豪宅的距離不同而產生差異， eit 為誤差項，屬於常態分配。此外，本研究所使用之住宅成交資料為橫斷面資料，且在大樣本下，通常存有異. 18.

(27) 質性(heteroskedasticity)問題，本研究使用 Breusch-Pagan 檢定方法，檢定本研究所建構之各迴歸模型是否存有異質性問題。迴歸模型存有異質性問題時，本研究均採用一般化最小平方法(generalized least squares，GLS)以修正異質性問題。 (三)變數選取說明從過去文獻得知，影響住宅價格的特徵變數很多，大致可歸納為兩類，一為住宅內部結構屬性，代表著消費者所購買的住宅本身的實質條件(例如，屋齡、面積、房間數、廳堂數、衛浴數等)；其次為住宅的外部環境屬性，代表著住宅所在區位及周遭鄰里環境屬性等條件(例如，環境品質、公共交通設施等可及性因素)。Ihlanfeldt (2006)；Matthews and Turnbull (2007)、Andersson, Shyr and Fu (2010)將住宅屬性區分為基本屬性，包括以戶、棟為單位的特徵價格變數，以及住宅周圍鄰里的環境屬性，包括環境因素、公共交通設施的可及性因素。本研究將住宅基本特徵屬性作為住宅的內部屬性，其次，以地理資訊系統測量，各住宅到周圍公共設施(捷運站、火車站、國小、國中)之最近距離，作為住宅外部屬性。其三，差異中之差異屬性，第一，豪宅取得建築執照日期，係以台北市政府都市發展局所核發之建築執照上所載列之發照日期為豪宅取得建築執照日期，作為劃分決定興建前後之依據；第二，豪宅鄰近地區，其測量係使用地理資訊系統測量，各住宅到距離其最近豪宅之實際距離，並以距離豪宅 500 公尺內之鄰近地區，設為虛擬變數，作為豪宅範圍內鄰近地區之特徵屬性變數；第三，為豪宅取得建築執照日期與豪宅鄰近地區之交互項，並將樣本資料劃分為四組，分別為一、豪宅取得建造執照前且位在豪宅鄰近地區內之住宅，二、豪宅取得建造執照前且位在非豪宅鄰近地區之住宅，三、豪宅取得建造執照後且位在豪宅鄰近地區內之住宅，四、豪宅取得建造執照後且位在非豪宅鄰近地區之住宅。以此三個變數作為鄰近豪宅之變數。另又分析豪宅實驗組內之住宅價格是否會與豪宅的距離不同而產生差異。本研究建立之差異中之差異價格模型依變數為住宅交易總價取自然對數，自變數. 19.

(28) 區分為住宅基本屬性與鄰里環境屬性，住宅基本屬性包括住宅面積( AREA )、屋齡 ( AGE )、屋齡平方( AGE 2 )、房間數( ROOM )、廳堂數( LIVEROOM )、衛浴數( BATH )、居住樓層一樓( FLOOR1 )及四樓( FLOOR 4 )、住宅類型( TYPE )；鄰里環境屬性包括至捷運站距離( MRT )、至火車站距離( TRAIN )、至國小距離( PRIM )、至國中距離 ( JUNI )；以及差異中之差異屬性包括，豪宅取得建造執照時間( TIME )、鄰近豪宅地區( TREAT )、取得建造執照時間與鄰近豪宅地區之交互變數( TIME × TREAT )、豪宅鄰近地區劃分距離( TREAT (i, j ) )與取得建造執照時間與豪宅鄰近地區劃分距離的交互項( TIME × TREAT (i, j ) )。各變數之定義說明分別如下，請參照表 2。 1. 依變數(dependent variables) 本研究以住宅交易總價取自然對數為依變數( ln PRICE )，住宅交易總價取自於不動產成交行情公報所載列之住宅實際交易價格。以住宅交易總價為依變數，在反應住宅價格較具有完整的經濟意義。且對依變數取自然對數據過去研究證實可以減少資料的異質性，可避免使用分量迴歸來估計(Sirmans et al., 2005; Lipscomb and Farmer, 2005; Zient et al., 2008)。以交易總價並取自然對數為依變數之相關文獻，如，Dehring et al. (2007)、Cohen and Coughlin (2008)、Kavetsos (2012)、Gibbons, Machin and Sliva (2013)，皆是以住宅成交總價取對數為依變數。 2. 自變數(independent variables) 住宅基本屬性方面包括： (1) 住宅面積( AREA ) 為該住宅標的在地政機關實際登記之權狀坪數，為連續性變數。一般住宅在相同假設條件下面積愈大，住宅價格則愈高。McMillen and Redfearn (2010)、Landry, Jahan-Parvar (2011)、Abbott and Klaiber (2011)等人之研究皆顯示住宅面積對住宅價格具有正向的影響。本研究預期住宅面積對住宅價格具有正向的影響。 (2) 屋齡( AGE ). 20.

(29) 為該住宅標的建築完工年期起算至銷售成交期間之年數，以(年)為單位，為連續性變數。此變數直接反映了該住宅的折舊與重置成本，住宅在相同的假設條件下屋齡愈高，則表示該住宅完工年度距離銷售年度間隔愈長，住宅本身的設備和建材將會隨著時間而耗損，促使住宅價格下降。Raymond (2002)、Osland (2010)、Carrillo (2012)、 Bin and Landry (2013)等研究皆認為屋齡與住宅價格呈現負向關係。本研究預期屋齡對住宅價格具有負向的影響。 (3) 屋齡平方( AGE 2 ) 為該住宅標的建築完工年期起算至銷售成交期間之年數加以平方，為連續性變數。過去研究發現，屋齡折舊並非僵固的線性模式其初期折舊程度會大於後期，若迴歸模型只採用屋齡變數，只能觀察屋齡的線性變化。因此，加入屋齡平方是為觀察折舊的非線性變化。Kadish and Netusil (2012)、Bin and Landry (2013)研究認為屋齡平方與住宅價格呈現正向關係。本研究預期屋齡平方對住宅價格之影響為正。 (4) 房間數( ROOM ) 為該住宅標的內部之格局，以(間)為單位，為連續性變數。假設住宅面積不變的情況下，房間數愈多表示愈能充分使用住宅的內部空間，Sirmans et al. (2005)、Hansen, Benson and Hagen (2006)、McMillen and Redfearm (2010)、Araya and Rivera (2013)研究皆顯示房間數與住宅價格會呈現正向相關。本研究預期房間數對住宅價格具有正向的影響。 (5) 廳堂數( LIVEROOM ) 為該住宅標的內部之格局，以(間)為單位，為連續性變數。當廳堂數愈多即表示該住宅所需包含的坪數也就愈大，則該住宅的交易價格也將會提高，該屬性也將會直接反映在購屋成本上。Hong and Lin (1999)、Huang, Wu and Barry (2010)研究顯示住宅的廳數愈多，其住宅價格愈高，表示廳數與住宅價格呈現正向相關。本研究預期廳堂數該變數對住宅價格具有正向的影響。 (6) 衛浴數( BATH ). 21.

(30) 為該住宅標的內部之格局，以(套)為單位，為連續性變數。Sirmans et al. (2005) 回顧過去相關特徵價格模型研究，指出衛浴數對於住宅價格為正向影響。Anselin and Lozano-Gracia (2008)、McMillen and Redfearm (2010)、Baltagi and Bresson (2011)研究亦均認為衛浴數的多寡與住宅價格會呈現正向相關。本研究預期衛浴套數對住宅價格具有正向的影響。 (7) 居住樓層( FLOOR1 、 FLOOR 4 ) 為該住宅標的所在居住樓層，分為一樓、四樓與其他，並設為虛擬變數。其中 FLOOR1 為住宅位於一樓則設為 1、其他樓層設為 0；其次， FLOOR 4 為住宅位於四. 樓則設為 1、其他樓層設定為 0。住宅位於 1 樓通常可兼營店鋪或其他商業使用，具有提高房價的效果，因此預期住宅位於 1 樓者對住宅價格具有正向的影響。再者，住宅位於四樓，由於國人普遍受傳統習慣影響，數字四為中文字「死」之諧音，為一般人所避諱的數字，對於四樓的居住意願也較其他樓層來得低，所以四樓的樓層別效用比(utility ratio for each floor)通常相較其他樓層的來得低(Yang and Su, 2011)。Lin, Lee and Chen (2011)認為四樓對不動產價格具有負向的影響。本研究預期居住樓層若為四樓，則對住宅價格具有負向影響。 (8) 住宅類型( TYPE ) 住宅類型，設為虛擬變數，其中公寓設為 0、大廈設為 1，表示大廈與公寓為台灣常見的集合式住宅型態，近幾年興建的大廈多以鋼骨建材為結構，而公寓則無採用鋼骨結構，且公寓之樓層多為四至五樓，大廈為六樓以上並設有電梯，所以大廈之建築成本會較公寓高(Lin and Ma, 2012)，因此預期大廈價格高於公寓價格。本研究所使用之住宅樣本資料，僅選取大廈與公寓，一般來說，六樓(含)以上且設有電梯者為大廈，五樓(含)以下無設立電梯者則為公寓5。. 5. 依據現行建築技術規則設計施工編第 55 條規定：一、六層以上之建築物，至少應設置一座以上之昇降機通達避難層。建築物高度超過十層樓，依本編第一百零六條規定，設置可供緊急用之昇降機。二、機廂之面積超過一平方公尺或其淨高超過一點二公尺之昇降機，均依本規則之規定。但臨時用昇降機經主管建築機關認為其構造與安全無礙時，不在此限。三、昇降機到之構造英一下列規定：. 22.

(31) 鄰里環境屬性方面：鄰近不動產的公共設施扮演決定房價的重要角色。本研究依據 Matthews and Trunbull (2007)之研究以住宅到各公共服務設施、交通設施之可及性變數為鄰里環境屬性變數。本研究對於鄰里環境屬性之測量方法，利用 Arc GIS 軟體 10.1，計算各住宅到各鄰里環境屬性之最近距離，以估計各住宅到各公共服務設施及交通設施之差異效果。 (1) 至捷運站距離( MRT ) 以地理資訊系統測量之實際距離，為連續性變數。本研究所選定之捷運站為台北市全區之捷運站。捷運通車後減少了通勤的時間成本並提高了鄰近地區的可及性，使都市生活更佳便捷，對於住宅價格可能產生顯著的影響。Ahlfeldt and Maennig (2010) 研究顯示住宅離捷運站距離增加，會降低住宅價格。本研究預期住宅至捷運站最近距離該變數對住宅價格具有負向的影響。 (2) 至火車站距離( TRAIN ) 以地理資訊系統測量之實際距離，為連續性變數。本研究所選定之火車站包括，台北火車站、萬華火車站、松山火車站及南港火車站。火車站為交通之節點，能帶動週遭商業活動的發展，靠近火車站生活機能更為方便，Gibbons, Mourato and Resende (2014)研究顯示距車站距離與住宅價格會有距離遞減之關係，即愈靠近車站住宅價格愈高。本研究預期住宅至火車站最近距離該變數對住宅價格具有負向的影響。 (3) 至學校距離( PRIM 、 JUIN ) 以地理資訊系統測量之實際距離，為連續性變數。其中學校包括國小與國中。由於學校提供居民生活、休閒空間，且家中有學童之家庭為就學方便與安全性，亦會考量其住宅與學校的距離，住宅與學校距離常為購屋者選擇住宅之主要考量因素之一。. (一)昇降機到之出入口，周圍牆壁或其圍護物應以不燃材料建燥，並應使機道外之人、物無法與機廂或平衡錘相接觸。(二)機廂再每一樓層之出入口，不得超過二處。(三)出入口之樓地板面邊緣與機廂地板邊緣應齊平，其水平距離在四公分以內。四、其他設備及構造，應依建築設備編之規定。. 23.

(32) Gibbons et al. (2014)研究顯示住宅距離學校之距離愈近其價格就愈高，兩者間具有負向的關係。本研究預期住宅至學校最近距離變數對於住宅價格具有負向影響。行政區屬性方面 Sirmans, Macpherson and Zietz (2005)認為住宅特徵價格因不同區域有所差異。台北市總計有十二個行政區。每一行政區有其各自區位條件而形成各次市場，故對於住宅價格的影響並不確定。本研究認為住宅位於不同行政區將會有不同影響，將以萬華區做為參考基準，進行行政區間對於住宅價格比較。差異中之差異屬性方面：以差異中之差異分析豪宅鄰近地區，需設定劃分時間組別的指標變數及區分空間組別的指標變數。即以豪宅取得建造執照時間為宣告時間劃分發生前後。另以地理資訊系統計算豪宅各範圍內之鄰近地區住宅，以劃分控制組及實驗組。變數之詳細說明如下： (1) 豪宅取得建造執照時間( TIME ) 本研究所選定之各豪宅案例，本研究樣本資料期間為 2008 年 1 月 1 日至 2011 年 12 月 31 日。以取得建造執照之時間 2010 年 7 月至 12 月為基準將樣本資料劃分為豪宅取得建造執照前與取得建造執照後，設為虛擬變數。將 2008 年 1 月 1 日至 2010 年 6 月 30 日取得建造執照前設為 0、2011 年 1 月 1 日至 12 月 31 日取得建造執照後設為 1。豪宅建築外觀較一般住宅美觀且美化其住宅周遭環境，提升了鄰里環境品質讓鄰里變得更有吸引力(DiPasqual and Wheaton, 1966; O’Sullivan, 2000 )，可能吸引具社會經濟地位者進駐該地區，讓一般民眾與投資客以名人為指標與其居住於鄰近地區或選擇投資該地區。鄰近於豪宅居住可能也使一般民眾認為與高價的豪宅比鄰會增加其自我的評價(Cialdini, 1976; Tesser, 1988)，有利於該地區的住宅價格。本研究預期取得建造執照後對於住宅價格有正向的影響。 (2)豪宅鄰近地區( TREAT ). 24.

(33) 為各豪宅半徑範圍內鄰近地區之實際成交住宅，設為虛擬變數。豪宅半徑範圍內 (實驗組)設為 1，半徑外(控制組)設為 0。本研究欲探討距離豪宅 500 公尺半徑範圍之鄰近地區內及半徑範圍外住宅價格之差異。豪宅的開發可能對鄰近住宅帶來正向或負向的外溢效果，例如 Bourssa et al. (2004)認為具有吸引力的建築能增加鄰近地區的住宅價格，藉由鄰里環境的美化，增加鄰近地區的寧適性，對鄰近地區之住宅價格產生正向的影響。此外，Ooi and Le (2013)認為新開發的住宅大樓高度通常高於現有住宅，阻礙了現有住宅的視野景觀，對鄰近地區之住宅價格產生負向的影響。基於華人社會的特質，喜歡炫耀鄰近的人與事與沾光的心理，本研究預期鄰近豪宅地區對於住宅價格具有正向的影響。 (3)取得建造執照時間×豪宅鄰近地區( TIME × TREAT ) 為取得建造執照時間與鄰近豪宅地區之互動變數。取得建造執照後且位在豪宅鄰近地區之住宅，由於豪宅的出現，美化其鄰近地區的環境，使得其鄰近地區的環境品質提升，又豪宅本身的建築設計，使其鄰近地區的住宅景觀變佳，為鄰近地區帶來正向的影響。Ooi and Le (2013)探討新開發對鄰近住宅價格的影響，及 Kavetsos (2012) 探討新建築倫敦奧運場館對鄰近住宅價格之影響，皆運用差異中之差異法，預期新開發或新建築等對地區具有正向影響的建築，對鄰近住宅價格具有正向的影響，其估計結果亦符合預期，互動變數(差異中之差異)之係數為正向顯著影響住宅價格。本研究預期取得建造執照時間×豪宅鄰近地區，對於住宅價格的影響為正向。 (4)豪宅鄰近地區劃分距離( TREAT (i, j ) ) 將豪宅實驗組內之住宅再劃分為三種不同的距離，分別為 100 公尺以內、100 公尺到 300 公尺與 300 公尺到 500 公尺。藉由將實驗組之距離劃分，分析實驗組內住宅價格與豪宅距離之變化，Kavetsos (2012)亦是運用此種方式進行分析實驗組住宅與奧運體育場館之價格關係。 (5) 取得建造執照時間×豪宅鄰近地區劃分距離( TIME × TREAT (i, j ) ) 取得建造執照時間與豪宅鄰近地區劃分距離之交互項，取得建造執照後且位在豪. 25.

(34) 宅鄰近地區內三種不同距離，其住宅價格與豪宅的距離不同所產生的差異。預期新開發或新建築等對地區具有正向影響的建築，對鄰近住宅價格具有正向的影響。. 26.

(35) 表 2 變數說明變數名稱. 變數代號. 變數定義說明. 預期符號. 依變數：住宅價格. ln PRICE. 住宅交易總價(包含車位)取自然對數。(原始住宅價格單位：新台幣萬元). AREA. 該標的為建物在地政機關實際登記該建物之所有登記坪數之住宅面積(包含主建物、附屬建物，公共設施)，以坪為單位。. 住宅基本屬性：住宅面積. 屋齡屋齡平方. 房間數廳堂數. AGE. 以建物自建築完成並領有使用執照日起至交. AGE 2. 易年為止，以年為單位。由過去研究發現，屋齡折舊並非僵固的線性模式，且初期折舊程度大於後期，若迴歸模. ROOM. FLOOR 4. 建物的廳堂數，以間為單位建物的衛浴設備數，以套為單位設為虛擬變數，該住宅標的所在樓層，住宅位於一樓則設為 1、其他樓層設為 0 設為虛擬變數，該住宅標的所在樓層，住宅. TYPE. 位於四樓則設為 1、其他樓層設為 0。設為虛擬變數，公寓設為 0、大廈設為 1。. LIVEROOM. 衛浴數居住樓層. BATH FLOOR1. 住宅類型. 型只採用屋齡變數，只能觀察屋齡的線性變化。因此，將納入屋齡平方變數，觀察折舊的非線性變化。即屋齡平方變數預期符號為正。建物的房間數，以間為單位. ＋. －. ＋. ＋＋＋＋－＋. 鄰里環境屬性：至捷運站距離至火車站距離至國小距離至國中距. MRT TRAIN PRIM JUNI. 離. 連續性變數，以 GIS 測量住宅至捷運站之最近距離。單位：公尺。連續性變數，以 GIS 測量住宅至火車站之最近距離。單位：公尺連續性變數，以 GIS 測量住宅至國小之最近距離。單位：公尺連續性變數，以 GIS 測量住宅至國中之最近距離。單位：公尺. －－－－. 行政區屬性： REG (1 ~ 11). 設為虛擬變數，台北市共有 12 個行政區，本＋/－. 27.

(36) 研究以萬華區為基準，比較其他行政區與萬華區住宅價格之差異。差異中之差異屬性：豪宅取得 TIME 建造執照時間. 豪宅鄰近地區. TREAT. 設為虛擬變數，樣本資料期間為 2008 年 1 月 1 日至 2011 年 12 月 31 日。以 2010 年 7 月至 12 月之間豪宅案例取得建造執照期間為劃分時點，將 2011 年 1 月 1 日至 12 月 31 日為取得建造執照後設為 1，2008 年 1 月 1 日至 2010 年 6 月 30 日取得建造執照前設為 0。設為虛擬變數。為建物是否位於豪宅鄰近地區，其中鄰近豪宅地區分為 300 公尺、500 公尺、800 公尺、1000 公尺與 1500 公尺。若距離為 300 公尺，則 300 公尺範圍內設為 1， 300 公尺範圍外設為 0，其他範圍虛擬變數之設定以此類推。. 豪宅取得建造執照時間×豪宅. TIME × TREAT. 境品質提升與本身的建築設計讓鄰近地區的住宅景觀變佳。所以預期豪宅對鄰近地區住宅價格帶來正向的影響。此變數所得到之係數即為差異中之差異估計係數。豪宅鄰近地區劃分距離. TREAT (i, j ). 豪宅取得建造執照. TIME × TREAT (i, j ). 時間×豪宅鄰近地區劃分距離. ＋. 為豪宅取得建造執照時間與豪宅鄰近地區之互動變數，取得建造執照前後之差異與鄰近地區與非鄰近地區之差異的差異。豪宅會美化其鄰近地區的環境，使得其鄰近地區的環. 鄰近地區. ＋. 設為虛擬變數。為建物是位在豪宅鄰近地區內 100 公尺以內、100 公尺到 300 公尺與 300 公尺到 500 公尺。預期該變數會正向影響住宅價格。設為虛擬變數。為豪宅取得建造執照與豪宅鄰近地區劃分距離之交互項。預期該變數對住宅價格有正向影響。. ＋. ＋. ＋. 本研究自行整理. 28.

(37) (四)空間資料處理為了測量住宅所在位置與公共設施之實際距離，本研究利用地理資訊系統 Arc GIS 10.1 版軟體，將住宅內部與外部屬性資料做連結，並將住宅空間位置的屬性資料與樣本圖層的屬性資料相結合，以建構住宅空間屬性資料庫。本研究依不動產成交行情公報，所取得之各筆住宅地址，並藉由 Google 地圖與地理資訊圖資雲服務平台 (Taiwan Geospatial One Stop，TGOS)，6將所有住宅交易資料轉換為空間資料，將住宅交易空間資料的樣本點位置建立於台北市行政區域圖層上。建構出，研究範圍內每筆住宅交易資料的空間資料庫後，利用美國環境系統研究所公司(Environmental Systems Research Institute, Inc.，ESRI)所開發的地理資訊系統分析軟體 Arc GIS 10.1 版軟體，將住宅交易資料所在位置之圖層與其他相關的公共設施圖層，如捷運站、火車站、學校等，做圖層的套疊，並以分析工具測量各筆已空間化的住宅資料與其最近公共設施的最近距離(詳細操作步驟請參閱附錄)。. 6. Google 地圖，查閱日期 2013 年 12 月 16 日，網址如下： https://www.google.com.tw/maps/preview?hl=zh-TW 地理資訊圖資雲服務平台(Taiwan Geospatial One Stop，TGOS)，查閱日期 2013 年 12 月 16 日，網址如下：http://tgos.nat.gov.tw/tgos/Web/TGOS_Home.aspx. 29.

(38) 四、豪宅發展現況 (一)豪宅定義林潤華(2004)認為都市中的豪宅區對於城市發展是相當具有指標意義。過去對於豪宅在不動產市場的定義，因受到不動產市場變動的影響，所以無法明確的界定清楚豪宅的意義。然普遍對於豪宅的認知大多以獨戶別墅、高總價、建坪大、且位於區域環境品質佳的區位等為基本的特徵條件，但是這樣的條件界定標準尚且模糊不明並無法明確說明豪宅的市場價值。許獻叡(2005)認為形成豪宅市場的基本標準包括地段條件，環境條件，規劃設計，施工水準，社區管理，住戶層次等要項。Lin and Jou (2005) 認為豪宅通常是只佔有特定稀少空間資源、高總價、高坪數、設施豪華、且高知名度的住宅，常被當成房地產市場的指標，且其住宅型式與推案方式也會引領都市住宅商品的產品規格與行銷方式，具市場指標與象徵性意義。Wu (2010)認為高品質的住宅形式是一種身份地位的象徵，具有豪宅的社區呈現的是群聚與炫耀性的住宅商品特性。即使豪宅與一般住宅不動產特質相似，同樣具有耐久、昂貴、異質、消費與投資、區位固定性及市場供需彈性小的特性，但豪宅藉由建材、設備、規劃設計、安全舒適、氣派豪華等層面，創造出豪宅有別於一般住宅的地段稀少性、建築不可重複性、品質極其舒適性，使豪宅受到建築基地的地理與人文環境影響，產生追求建築風格和建材、豪宅住戶素質等，進而形成豪宅與一般住宅最大的差異特質，「尊爵」般的頂級居住空間(許獻叡，2005)。綜上所述，豪宅價格的形成條件除本身所擁有的頂級建材、大坪數、設備豪華、公共設施完善、區位環境品質佳等條件，亦包括豪宅所帶來的獨特性與炫耀性，因此深具市場指標與象徵性，是一種社會經濟身分地位的象徵。隨著高價住宅在不動產市場快速崛起，2012 年政府為遏止不動產投資客炒作房價，台北市稅捐稽徵處自 2012 年 7 月 1 日起實施高級住宅加價課徵房屋稅，7又稱豪. 7. 2011 年 1 月 24 日，臺北市修正「北市 0 三-0 三-三 0 一二臺北市房屋標準價格及房屋現值評定作業要點」，第 15 點，豪宅認定之標準。. 30.

(39) 宅稅。並依台北市不動產評價委員會審議通過之認定標準，8高級住宅係為獨棟建築、外觀豪華、地段絕佳、景觀甚好、每層戶少、戶戶車位、保全嚴密、管理周全等八項指標，另經參考社會各界及專家意見，增訂以下要件：(1)每戶總價 8000 萬元以上。 (2)每坪單價 100 萬元以上或每戶面積 80 坪以上。(3)每棟房屋符合上述要件之戶數達 70%以上者，則整棟列入。另中央銀行對豪宅之定義亦主要參照台北市「豪宅稅」之課徵基準，課徵範圍針對台北市及新北市總價在 8,000 萬元以上的房地產，雙北地區以外的豪宅認定基準以 5,000 萬元為門檻。本研究認定之豪宅標準亦參照台北市稅捐稽徵處發布與中央銀行所定義之豪宅認定標準，即獨棟建築、外觀豪華、地段絕佳、景觀甚好、每層戶少、戶戶車位、保全嚴密、管理周全等八項指標，並以每戶總價新台幣 8000 萬元以上，每坪單價新台幣 100 萬元以上，做為豪宅認定標準。 (二)豪宅發展現況國內從 1960 年住宅逐漸轉向為能被交換的商品形態，隨著住宅商品的與日俱增及建築形式的多元化，為了強化住宅商品及區隔市場，進而出現了頂級住宅又俗稱豪宅的名詞。此外，豪宅市場鎖定客群多是具社會經濟地位者，不過由於地理環境與文化差異，豪宅的定義在各地並無一定的標準。國內以台北市為台灣的政治、經濟中心，商業活動也最為活躍，因此房地產交易相對其他地區更加活絡，而豪宅市場也是相對其他地區更為成熟，台北市所有擁有的豪宅數量為全台最多，且其成交價格亦為全台最高。國人對於豪宅型態的認知亦隨著年代的不同而有不同的認知，國內豪宅的型態主要分為郊區型與都市型，以台北市而言，早期多為位於陽明山之郊區型豪宅，強調擁有自家庭院、佔地廣闊的獨棟住宅也稱做別墅型豪宅。隨著都市的發展與高樓層建築的出現，豪宅逐漸轉變為位在都市且區位優良的獨棟大樓型與多棟電梯大樓組合而成的複合社區型集合式住宅，強調其擁有超大坪數、一層一戶、同時強調建材、設備、. 8. 台北市稅捐稽徵處，對高級住宅之認定標準，查閱日期 2013 年 9 月 12 日，網址如下： http://www.tpctax.taipei.gov.tw/ct.asp?xitem=22189009&CtNode=22084&mp=103011. 31.