高雄氣爆事件對鄰近房價的影響—以差異中之差異法與分量迴歸模型之分析
74
0
0
全文
(2)
(3) 誌謝. 許瑞盛 謹誌於 國立屏東大學不動產經營學系(所) 中華民國 107 年 7 月. I.
(4) 摘要 2014 年 7 月 31 日深夜，高雄市前鎮區及苓雅區因地下石化管線發生易燃 氣體外洩未能及時處理，釀成慘重災情。民眾對地下管線的風險意識瞬時提高， 且由於購屋者對災區重建資訊的過濾與分析有相當落差，氣爆區內房價遂出現 正反兩種見解：一為公布既有工業管線查詢系統將會衝擊房屋市場，造成管線 經過路段房價下跌並導致成交量萎縮；另一則為考量透過災區重建的積極作為 與管線資訊透明化後的適當管理，認為既有地下管線與氣爆事件對於房價影響 有限。本研究為探討氣爆事件對氣爆區內住宅價格之影響，以差異中之差異法 與分量迴歸模型，依據高雄市政府公布之氣爆災害交通管制範圍內外分別設定 為實驗組與控制組以進行實證分析。OLS 估計結果顯示，氣爆後氣爆區內住宅 價格減少 0.2%，但未達顯著水準，表示氣爆區內房價未明顯受氣爆事件之影響。 分量迴歸結果顯示，氣爆後氣爆區內，在 0.1 分量住宅價格減少 6.4%，未達顯 著水準；在 0.25 分量住宅價格減少 5.7%，達顯著水準；在 0.5 分量住宅價格減 少 4.3%，達顯著水準；在 0.75 分量住宅價格增加 0.2%，未達顯著水準；在 0.9 分量住宅價格減少 4.7%，未達顯著水準。顯示氣爆事件造成氣爆區內中低價位 與中價位房價下跌。 關鍵字：房價、差異中之差異法、傾向分數配對、分量迴歸、高雄市八一石化氣 爆事件。. II.
(5) Abstract In the middle of the night of July 31, 2014, Kaohsiung City's Cianjhen District and Lingya District failed to deal with the leakage of flammable gas in underground petrochemical pipelines in a timely manner, causing heavy disasters. The public's awareness of the risk of underground pipelines has increased instantaneously, and because of the considerable gap between the purchasers' filtering and analysis of the reconstruction information in the disaster areas, there are two positive and negative views on the housing price in the gas explosion area: one is to announce the existing industrial pipeline inquiry system. Impact on the housing market, causing the pipeline to fall through the road section and causing the volume to shrink; the other is to consider the positive management through the reconstruction of the disaster area and the appropriate management after the pipeline information is transparent, and believe that both underground pipelines and gas explosions have limited impact on housing prices. In order to investigate the impact of gas explosion events on residential prices in gas explosion areas, this paper uses the difference method and component regression model in the difference. According to the traffic control scope of the gas explosion disaster announced by the Kaohsiung Municipal Government, it is set as the experimental group and the control group respectively. conduct empirical research. The OLS estimates show that the residential price in the gas explosion area decreased by 0.2% after the gas explosion, but it did not reach a significant level, indicating that the price in the gas explosion area was not significantly affected by the gas explosion incident. The results of component regression showed that in the gas explosion area after gas explosion, the price of 0.1-component house decreased by 6.4%, which did not reach a significant level; the house price of 0.25 component decreased by 5.7%, reaching a significant level; the house price of 0.5 component decreased by 4.3%. III.
(6) Significant level; residential price increased by 0.2% at 0.75, which did not reach significant level; residential price decreased by 4.7% at 0.9%, which did not reach a significant level. It shows that the gas explosion incident caused the price drop in the middle and low price and the middle price in the gas explosion zone.. Keywords: Housing Prices, difference-in-differences, propensity score matching, quantile regression, Kaohsiung petrochemical gas explosion。. IV.
(7) 目錄 誌謝 .................................................................................................................................... I 摘要 ................................................................................................................................... II 目錄 ................................................................................................................................... V 表目錄............................................................................................................................ VII 圖目錄........................................................................................................................... VIII 第一章、前言 ................................................................................................................... 1 第一節、研究動機與目的 .......................................................................................... 1 第二節、研究範圍與限制 .......................................................................................... 3 第三節、研究流程 ...................................................................................................... 6. 第二章、文獻回顧 ........................................................................................................... 8 第三章、台灣氣爆災害現況與應變............................................................................ 12 第四章、研究方法 ......................................................................................................... 20 第一節、差異中之差異法 ........................................................................................ 20 第二節、傾向分數配對 ............................................................................................ 23 第三節、分量迴歸 .................................................................................................... 25 第四節、實證模型設定 ............................................................................................ 26 第五節、變數選取說明 ............................................................................................ 27. 第五章、資料蒐集與描述統計量 ................................................................................ 32 第一節、資料蒐集 .................................................................................................... 32 第二節、資料處理 .................................................................................................... 32 第三節、樣本統計量描述 ........................................................................................ 34. 第六章、實證結果分析 ................................................................................................ 38 第七章、討論 ................................................................................................................. 50. V.
(8) 第八章、結論與建議..................................................................................................... 53 第一節、結論 ............................................................................................................ 53 第二節、後續研究建議 ............................................................................................ 54. 參考文獻 ......................................................................................................................... 56 附錄 .................................................................................................................................. 60 附表 1 實驗組與控制組配對前與配對後樣本卡方差異檢定 ............................... 61 附表 2 OLS 與分量迴歸估計結果-氣爆發生後之時間分 4 段 ............................. 62 附表 3 高雄市政府都市發展局授權公文 ............................................................... 64. VI.
(9) 表目錄 表 1 近年類似氣爆事件傷亡人數統計表 .................................................................. 12 表 2 變數說明表 ............................................................................................................ 29 表 3 傾向分數配對前後之實驗組與控制組樣本平均數差異 ................................. 33 表 4 傾向分數配對後描述性統計量表(N=2826) ....................................................... 35 表 5 傾向分數配對後實驗組與控制組之描述統計量(N=2826) .............................. 36 表 6 各樣本與各分量房價分配表 ............................................................................... 37 表 7 OLS 與分量迴歸估計結果(N=2826) ................................................................... 41 表 8 分量迴歸之區間分量 ........................................................................................... 43 表 9 OLS 與分量迴歸估計結果-氣爆發生後之時間分段 ........................................ 46 表 10 分量迴歸之區間分量—氣爆發生後之時間分段............................................ 48. VII.
(10) 圖目錄 圖 1 氣爆區管制範圍 ...................................................................................................... 4 圖 2 建築立面整建範圍 ................................................................................................. 5 圖 3 研究流程圖 .............................................................................................................. 7 圖 4 氣爆區示意圖 ........................................................................................................ 18 圖 5 重建前後對照示意圖 ........................................................................................... 19 圖 6 氣爆事件差異中之差異法估計圖 ...................................................................... 23 圖 7 傾向分數配對前後標準差分布圖 ...................................................................... 34 圖 8 OLS 與分量迴歸係數在 95%信賴區間之估計值關係圖 ................................. 42 圖 9 OLS 與分量迴歸係數在 95%信賴區間之估計值關係圖—氣爆後時間分段 48. VIII.
(11) 第一章、前言 第一節、研究動機與目的 高雄市八一石化氣爆事件讓地下管線長期隱藏的危險瞬間爆發。12014 年 7 月 31 日至 8 月 1 日凌晨間因大量液態丙烯汽化，凱旋三路、二聖路、三多一路一帶 發生連環氣爆，範圍達 6 公里，其中約 4.4 公里的市區道路被嚴重摧毀，造成 30 人死亡、310 人受傷。2 高雄市近年在「國際宜居城市獎」屢獲佳績。3然而氣爆事件卻讓高雄市努力 形塑之宜居城市形象蒙上陰影。4氣爆災區及地下管線周邊住宅房價難免遭受波及。 在不動產市場缺乏自我調整的機制下，讓市場自由運作無法將氣爆陰霾之衝擊降 至最低。市政府為解決市民心理層面的問題，結合補助政策配套，營造街區風貌(高 雄市八一石化氣爆道路復建路段建築景觀改善實施計畫即通稱的建築挽面計畫)， 5. 以期加速恢復受創災區整體街區風貌與榮景，並健全房市體質。為此次氣爆事件. 1. 工業管線經過路段通常由多條管線組成一管束，例如由林園工業區至大林煉油廠之管束有 20 條. 管線(中油、台合)、高雄煉油廠至前鎮石化儲槽區之管束有 8 條(中油、中石化、榮化，其中 3 條 重建區已斷管)。資料來源:高雄市政府經濟發展局工業管線查詢系統。資料查詢網址: http://ops.kcg.gov.tw/khpipe/default_c.aspx。最後查詢日期:2018-05-26。 2. 資料來源：維基百科 2014 年高雄氣爆事故。資料查詢網址：. https://zh.wikipedia.org/wiki/2014%E5%B9%B4%E9%AB%98%E9%9B%84%E6%B0%A3%E7%88% 86%E4%BA%8B%E6%95%85。最後查詢日期:2017-05-26。 3. 資料來源：蘋果日報 。資料查詢網址：. http://www.appledaily.com.tw/appledaily/article/headline/20131204/35482525/。最後查詢日期:201705-26。 4. 資料來源：環境資訊中心。資料查詢網址：http://e-info.org.tw/node/110845。最後查詢日期:2017-. 05-26。 5. 資料來源：高雄市政府都市發展局 105 年 8 月發行 2016 攜手向前‧迎向新貌 : 高雄市八一石. 化氣爆區建築景觀改善紀錄 ISPN 9789860496277。 1.
(12) 所波及之當地不動產市場，帶來健全發展的轉機。 Slovic (1987)指出一般購屋者的風險認知主要是基於情緒或直覺，而不是由專 家進行對實際風險的複雜分析。從災後住宅零星交易及推案經常被用來做為比價 指標，6可以看出民眾對氣爆的風險認知反應在業界之間，因此，災後氣爆陰霾已 然造成不動產市場產生結構性變化。市場要能健全發展，除法規制度外，政府短期 重點式行政措施要能適時介入，以加速穩定市場。氣爆災害問題本身涉及認知風險 心理因素，認知風險可能發生在財務，健康，社會或環境進而影響消費者的購買意 願。關於不動產，許多研究表示，購屋者認為環境風險對住宅銷售價格產生不利影 響。住家越靠近環境危害因子，即認知風險越高，則銷售價格越低(例如，Carroll, Clauretie, Jensen, and Waddoups, 1996; Boxall, Chan, and McMillan, 2005; Case, Colwell,Leishman, and Watkins, 2006; Hansen, Benson, and Hagen, 2006)。 本研究探討氣爆區內外交易是否受重建、封管…等降低氣爆對房價衝擊之利 多消息而抑制房價之下跌；抑或受媒體災情報導而強化環境危險認知之利空影響 而使房價下跌，其實際對災區房價產生之影響程度為何？本研究以差異中之差異 法(difference-in-differences)及分量迴歸模型(quantile regression)估計氣爆區內、外住 宅價格之差異情形。 國內關於氣爆災害，少有研究採用差異中之差異法探討氣爆災區內外及氣爆 時間前後的差異。亦鮮有以分量迴歸來衡量不同房價分布情形在氣爆災害影響下 的異質性。本研究應用差異中之差異法比較組別的事件前後差值，以解決內生性 (endogeneity)問題求取實驗的淨效果。以住宅交易個案，分為氣爆前、氣爆後兩部 分探討氣爆受損路段對周邊房價的影響。將氣爆發生後的時間再分為二段，研究氣. 6. 資料來源：新新聞 【財經事】高雄氣爆吹熄房市買氣 。資料查詢網址：. https://www.new7.com.tw/NewsView.aspx?i=TXT20140910172507AGC。最後查詢日期：2017-0526。 2.
(13) 爆災區住宅價格隨時間變動情形。並以分量迴歸探討高中低等不同價位住宅之間 價格變動情形。可以進一步了解氣爆後氣爆區內不同價位房價實際的影響程度。 本研究之研究目的包括：(1)以氣爆發生範圍所在之苓雅區及前鎮區之住宅交 易資料，分為氣爆區內之實驗組與氣爆區外之控制組兩部分，運用差異中之差異 法，探討住宅價格之變化。(2)交易資料經傾向分數配對(propensity score matching) 後，以分量迴歸模型探討氣爆事件對低、中低、中、中高、高價位等五種住宅價格 的實際影響程度。 第二節、研究範圍與限制 本研究主要針對高雄市八一石化氣爆事件災區，以禁止進入範圍及建議改道 動線之交通管制區為氣爆影響區域範圍(如圖 1 之藍色框內設為實驗組，藍色框外 設為控制組，以下稱氣爆區內外)，7蒐集前鎮區及苓雅區 2014 年 8 月 1 日前後各 約 2 年左右之住宅實際成交案例作為研究資料，8探討氣爆區內外交易是否受重建 (如圖 2 建築立面整建範圍)、封管、9都更10及拉皮11…等降低氣爆對房價衝擊之利 多消息而抑制房價下跌，甚或產生房價上漲；抑或受媒體災情報導而強化環境危險 認知之利空影響而使房價下跌。以上相關舉措是否造成氣爆區內、外住宅價格之差 異？. 7. 地下管線爆炸影響範圍，國外大多以一英哩為研究範圍(Hansen, Benson, and Hagen, 2006；. Freybote and Fruits, 2015)，以其為有效之救災疏散距離並足以捕獲鄰近效應(Tu and Eppli, 2001)。 本研究參考其採用目的與精神以交通管制區域為氣爆影響範圍。 8. 事件前後各約需 2 年以上期間之資料，參考採用 Wooldridge (2006)之研究。. 9. 資料來源：中時電子報 氣爆區中油中石化榮化遭強制封管。資料查詢網址：. http://www.chinatimes.com/newspapers/20140820000419-260106。最後查詢日期：2017-05-26。 10. 資料來源：公視 "都市更新會"成立 啟氣爆區都更首例。資料查詢網址：. https://news.pts.org.tw/article/302623?NEENO=302623。最後查詢時間：2018-05-26。 11. 資料來源：中時電子報 高雄氣爆災區重建 都更、拉皮兩路並進。資料查詢網址：. http://www.chinatimes.com/newspapers/20141120000198-260204。最後查詢時間：2018-05-26。 3.
(14) 氣爆區. 圖 1 氣爆區管制範圍 資料來源:高雄市政府提供. 4.
(15) 圖 2 建築立面整建範圍 資料來源:高雄市政府提供. 為實際了解住宅價格變動之影響程度，本研究使用差異中之差異法及分量迴 歸模型，採用內政部不動產交易查詢服務網實價登錄之房屋成交資訊為研究範圍。 以 2012 年 1 月至 2017 年 4 月之房屋成交資訊為實證研究分析之資料，因資料識 5.
(16) 別化受限，且直接受災戶交易個案獲取不易，對於資料處理及揭露的部分易受到限 制。且對氣爆區鄰近之公共設施如衛武營都會公園、輕軌等產生之外溢效果未納入 評估。 本研究除首章為前言外，第二章為文獻回顧，說明災害與房價關係之文獻。第 三章為說明台灣氣爆災害現況與應變。第四章為研究方法，採差異中之差異法及分 量迴歸模型設定、各變數選取及定義說明。第五章為資料蒐集與描述統計量，主要 說明資料來源及處理方式，並描述其樣本統計量。第六章為實證結果分析，以差異 中之差異法分為實驗組與控制組，並分析氣爆事件發生後房價的變化情形。第七章 為討論。最後一章為結論與建議。 第三節、研究流程 本研究流程如圖 3 所示，先釐清研究動機與目的，確立研究範圍與對象，回 顧相關文獻，了解差異中之差異法與分量迴歸應用理論基礎，分析歷年災害影響房 價之狀況，並蒐集相關資料後建構實證模型，再以實證結果判斷各變數對住宅價格 的影響，並討論實證分析結果，最後則為結論與建議。. 6.
(17) 研究動機與目的. 研究範圍與對象. 相關理論與文獻回顧. 台灣氣爆災害現況與應變. 研究方法. 分量迴歸. 差異中之差異法. 實證模型設定. 資料來源與處理. 描述統計量. 實證分析. 討論. 結論與建議 圖 3 研究流程圖 7.
(18) 第二章、文獻回顧. 依據災害防救法第二條規定災害指風災、水災、震災(含土壤液化)、旱災、寒 害、土石流災害、火山災害等天然災害火災、爆炸、公用氣體與油料管線、輸電線 路災害、礦災、空難、海難、陸上交通事故、森林火災、毒性化學物質災害、生物 病原災害、動植物疫災、輻射災害、工業管線災害、懸浮微粒物質災害等災害所造 成之禍害。 有關國內外重大災害對房價的影響，彭建文、張金鶚(2000)針對 921 大地震對 房地產市場的衝擊進行分析，探討地震災害產生對國內住宅市場的消費者需求行 為與建商供給面的不動產市場變動分析，地震發生前已面臨嚴重不景氣的房地產 市場，地震後投資性需求更為減少，造成預售屋推案量大幅減少，多數廠商退出市 場。在對震災後的不動產景氣動向分析中，明顯反映 921 大地震的衝擊，對處於不 景氣階段的不動產市場而言，衝擊可謂最為直接、嚴重。李泳龍(2000)採用 921 集 集大地震災後東勢鎮之買賣交易實例資料，以特徵價格模型分析顯示，地震造成東 勢鎮地價明顯下跌。邱文志(2000)研究 921 大地震後災區住宅價格之變動，研究結 果顯示 921 大地震影響民眾購屋需求，短期內的住宅市場因民眾財務能力及心理 預期因素影響，導致市場機制產生暫時性(或短期性)失靈。地震災害確實可能造成 南投縣住宅價格的下滑。從南投縣整體住宅分析，該研究預測地震可能造成南投縣 住宅價格約兩成左右的跌幅。 在國外研究文獻發現，資產(properties)、市場價值(market value)、售價(sales piece)及評定價值(assessed price)等，會受到災害風險的影響。風險越高影響住宅價 格越嚴重。部分研究則認為災害對不動產市場無顯著正向影響直接關聯。 如 Muckleston (1983)對美國奧勒岡州(Oregon)23 年期間的土地估價中，研究 1964 年主要洪災和 1971 年開始執行的洪氾區管制規定造成的影響。洪災對臨水土 8.
(19) 地價格產生 19%至 26%的抑制效應，對非淹水區產生 3%的抑制效應並且持續了 5 到 8 年。洪氾區管制規定對住宅區土地價值並未產生抑制效應，管制區土地的平均 價值增值速度比非管制區土地要快。洪氾區對不動產市場價值的影響，利用特徵價 格理論模型，經過實證購屋者對洪氾區內的房屋的購買價格平均調整幅度在 12% 左右，因此洪氾區管制規定對市場價格的影響程度是不確定的。MacDonald, Murdoch, and White (1987)以價值反應消費者對風險的排斥態度做研究，探討特徵 價格房價差異是否比保險費差異來得大。用 Monroe, Louisiana 市場資料來做案例 研究，結果顯示水災對房價之影響在不同社區有不同效果，座落在水災區之房屋售 價比災區外者為低，水災預期會使房價減少約 2.8%到 2.9%的價值、顯然保險並未 能完全抑制水災地區之房價減少。 Graham, Edward, and William(2001)研究颱風與住宅市場活動及沿岸不動產的 關係，觀察 Wilmington 區域之住宅市場在 Fran, Bonnie 與 Floyd 等三次颱風中房 屋價值的變動情形。顯示多次的颱風會產生累積效應對房價造成顯著影響，單是 Floyd 的影響造成 Wilmington 區域平均交易金額減少 10,000 美金。Dei-Tutu and Bin (2002)研究 Floyd 颱風所引發的洪水對於房價的影響，位於淹水區內與位於淹 水區外的住宅價格相比，住宅價格相差 5,000 美元到 11,000 美元之間。 地產商 Ashleymehr (2016)研究洪水對於約克郡(York)塞爾比鎮(Selby)住宅價 格之影響時，指出在 2000 年 11 月、2007 年 6 月和 2012 年 9 月爆發的洪水，對發 生當時一年內的不動產交易市場並未造成顯著的影響，住宅價格價基本維持不變 甚至反而出現上升的現象，顯示住宅價格未明顯受到洪水的影響，主要原因為短暫 之損害不大且住宅保險轉嫁容易，更可透過住宅保險轉換投保公司取得優惠保費。 12. 12. 資料來源：Yorkshire Everyday。資料查詢網址：. http://yorkshireeveryday.com/news/2016/1/27/impact-of-floods-on-york-selby-property-market-by-localproperty-expert-ashley-mehr。最後查詢時間：2018-05-26。 9.
(20) Murdoch et al. (1993)以 DRMAR Corporation 提供 1988 年 1 月到 1990 年 11 月 之住宅交易資料，以特徵價格法分析 1989 年美國加州舊金山之 Loma Prieta 地震 對加州地區之住宅價格之影響。結果顯示災區住宅價格下跌約 2%。座落於 SSZ (special study zones)地區以外的房屋，其價值相較於 SSZ 地區的房屋價值增加 3.7% 以上。Murdoch et al. (1997)分析 1989 年加州 Loma Prieta 地震後消費者對災害風險 認知問題，結果顯示房價因地震災害而下降，消費者接收的地震風險資訊不完整， 基本上認為該地區不可能因發生地震而受災，因此震災後房價普遍下降。 Morita(2012)採用特徵價格模型研究日本福島第一核電廠事故對於鄰近房價的 影響。比較 2009、2010 和 2011 年福島市(福島縣)和盛岡市(岩手縣)的土地價格變 影響程度。研究顯示，岩手縣於 2010 至 2011 年的房價下跌 0.5%、福島縣房價下 跌 4.11%。Bauer, Braun, and Kvasnicka (2013)研究德國能源政策變化肇因於 2011 年 3 月日本的所造成的巨大事故，導致德國立即關閉近一半的核電廠。作者利用德國 最大的房地產互聯網平台數據，採用差異中之差異法分析，顯示核電廠附近的住宅 價格降低 4.9%，關閉之核電廠附近的住宅價格甚至下降了 9.8%。研究結果顯示， 在德國住宅市場上，核電廠關閉的負面經濟影響主導著當地住宅價格的潛在變化。 Bauer et al. (2013)側重於一個不相關的事件如何影響環境的認知風險。作者表 示，2011 年日本福島核電廠事故等遙遠事件影響了德國核電廠附近的住宅價格。 在福島事故發生後，德國核電廠附近的銷售價格下降，顯示遠程事故對德國購屋者 的風險認知產生了影響。對高雄氣爆事件而言，位處地下石化管線經過路段，雖非 有立即爆炸危險，然卻增強了民眾的風險認知。 Hansen, Benson, and Hagen (2006)研究汽油管道爆炸對財產價值的影響，結果 顯示關於媒體對事故的報導可能會增加屋主的風險認知意識，因為在發生管道死 亡事故之媒體報導前，靠近管道的住宅價值並沒有顯著影響，而在發生管道死亡事 故之媒體報導後，靠近管道的住宅價值受到顯著影響。 10.
(21) Slovic (1987)認為，在影響即時性和未知風險方面，一般人認為液化天然氣的 運輸和儲存對於產生災難性和致命性的爆炸機率非常高。因此，假設購屋者的風險 意識受到地下管道存在的影響，不論地下管道爆炸的實際可能性或其非感官特徵 如何，都將影響靠近地下管道住宅的銷售價格。以往的研究集中於購屋者的風險認 知，因為它涉及永久或暫時的環境危害，例如垃圾掩埋場、變電所或核電廠，這些 鄰避設施的環境危害往往會透過噪音，氣味或令人厭惡的方式對住宅產生感官好 惡影響。然而，一般認為即使是低風險的環境危害，比如地下石化管道等不易察覺 的感官影響或事故，也會影響購屋者的風險認知，進而影響房屋銷售價格(Freybote and Fruits, 2015)。. 11.
(22) 第三章、台灣氣爆災害現況與應變. 台灣近年受重大災難影響，如 2009 年莫拉克颱風造成八八風災超大雨量使台 灣地區遭受重大災害，是台灣有記錄以來第一大降雨規模颱風。132010 年 919 高雄 水災亦因大雨驟降，造成南台灣一夕間變成水鄉澤國。而人為氣爆災害造成重大死 傷與極端氣候變遷造成之災害一樣，對於國內相關產業均造成相當程度的衝擊。由 於不動產屬於實質資產(real asset)，不動產相關行業受到的衝擊，可以說是最直接 也最嚴重。本研究高雄市八一石化氣爆事件造成 30 人死亡、310 人受傷，為台灣 近百年以來災情最慘重的氣爆事件之一。14近年類似氣爆事件傷亡人數請參見表 1。. 表 1 近年類似氣爆事件傷亡人數統計表 年代 1937. 事件 美國德州新. 死傷人數 300 人死亡. 參考文獻/資料來源 資料來源：國家地理雜誌 史上重大氣爆事件資料. 倫敦市「倫. 最後查詢時間：2018-05-26 資料查詢網址：. 敦中小學」. http://www.natgeomedia.com/news/ngnews/7276. 天然氣外洩 導致氣爆 1944. 1963. 美國克里夫. 130 人死亡. 資料來源：國家地理雜誌 史上重大氣爆事件資料. 蘭天然氣外. 最後查詢時間：2018-05-26 資料查詢網址：. 洩氣爆. http://www.natgeomedia.com/news/ngnews/7276. 美國印第安. 74 人死亡，. 資料來源：國家地理雜誌 史上重大氣爆事件資料. 納州印第安. 400 人受傷. 最後查詢時間：2018-05-26 資料查詢網址：. 納波利斯體. http://www.natgeomedia.com/news/ngnews/7276. 育館丙烷外. 13. 資料來源：Dr. Hong-yuan Lee (李鴻源) at TEDxTaipei 2011 最後查詢時間：2018-05-26 資料查. 詢網址：https://www.youtube.com/watch?v=-c_iwk1pca0 14. 資料來源：國家地理雜誌 史上重大氣爆事件 最後查詢時間：2018-05-26 資料查詢網址：. http://www.natgeomedia.com/news/ngnews/7276 12.
(23) 年代. 事件. 死傷人數. 參考文獻/資料來源. 氣爆 1963. 日本東京深. 6 人死亡、21. 資料來源：維基百科 深川家用瓦斯氣爆事故 最. 川瓦斯氣爆. 人受傷. 後查詢時間：2018-05-26 資料查詢網址：. 事故. https://zh.wikipedia.org/wiki/%E6%B7%B1%E5%B7 %9D%E5%AE%B6%E7%94%A8%E7%93%A6%E 6%96%AF%E6%B0%A3%E7%88%86%E4%BA%8 B%E6%95%85. 1965. 加拿大魁北. 28 人死亡，. 資料來源：國家地理雜誌 史上重大氣爆事件資料. 克瓦斯氣爆. 39 人受傷. 最後查詢時間：2018-05-26 資料查詢網址： http://www.natgeomedia.com/news/ngnews/7276. 1970. 日本大阪府. 79 人死亡、. 資料來源：維基百科 天六瓦斯氣爆事故 最後查. 天六瓦斯氣. 420 人受傷. 詢時間：2018-05-26 資料查詢網址：. 爆事故. https://zh.wikipedia.org/wiki/%E5%A4%A9%E5%85 %AD%E7%93%A6%E6%96%AF%E6%B0%A3%E 7%88%86%E4%BA%8B%E6%95%85. 1971. 蘇格蘭格拉. 21 人死亡，. 資料來源：國家地理雜誌 史上重大氣爆事件資料. 斯哥瓦斯管. 100 人受傷. 最後查詢時間：2018-05-26 資料查詢網址. 線外洩爆炸 1978. http://www.natgeomedia.com/news/ngnews/7276. 西班牙聖卡. 217 人死亡、. 資料來源：維基百科 1978 年西班牙聖卡羅迪拉. 羅迪拉丙烯. 200 人受傷. 丙烯槽車爆炸事故 最後查詢時間：2018-05-26 資. 槽車爆炸. 料查詢網址： https://zh.wikipedia.org/wiki/1978%E5%B9%B4%E8 %A5%BF%E7%8F%AD%E7%89%99%E8%81%96 %E5%8D%A1%E7%BE%85%E8%BF%AA%E6%8 B%89%E4%B8%99%E7%83%AF%E6%A7%BD% E8%BB%8A%E7%88%86%E7%82%B8%E4%BA% 8B%E6%95%85. 1986. 高雄港大仁. 16 人死亡、. 資料來源：維基百科 大仁宮廢船爆炸事件 最後查. 宮廢船爆炸. 107 人受傷. 詢 時 間 ： 2018-05-26. 事件. 資 料 查 詢 網 址 ：. https://zh.wikipedia.org/wiki/%E5%A4%A7%E4%B B%81%E5%AE%AE%E5%BB%A2%E8%88%B9% E7%88%86%E7%82%B8%E4%BA%8B%E4%BB% B6. 1989. 蘇聯烏法市. 575 人死亡，. 資料來源：國家地理雜誌 史上重大氣爆事件資料. （Ufa）50. 800 人受傷. 最後查詢時間：2018-05-26 資料查詢網址. 公里處火車. http://www.natgeomedia.com/news/ngnews/7276 13.
(24) 年代. 事件. 死傷人數. 參考文獻/資料來源. 交會時火花 點燃天然氣 管線造成氣 爆 1992. 墨西哥瓜達. 252 人死亡、. 資料來源：維基百科 1992 年瓜達拉哈拉大爆炸. 拉哈拉氣體. 超過 500 人受. 最後查詢時間：2018-05-26 資料查詢網址：. 大爆炸. 傷. https://zh.wikipedia.org/wiki/1992%E5%B9%B4%E7 %93%9C%E9%81%94%E6%8B%89%E5%93%88% E6%8B%89%E5%A4%A7%E7%88%86%E7%82% B8. 1995. 南韓大邱市. 101 人死亡，. 資料來源：維基百科大邱上仁洞氣爆事故 最後查. 地鐵瓦斯外. 202 人受傷. 詢時間：2018-05-26 資料查詢網址：. 洩氣爆. https://zh.wikipedia.org/wiki/%E5%A4%A7%E9%82 %B1%E4%B8%8A%E4%BB%81%E6%B4%9E%E 6%B0%A3%E7%88%86%E4%BA%8B%E6%95%8 5. 1996. 美屬波多黎. 33 人死亡，. 資料來源：國家地理雜誌 史上重大氣爆事件資料. 各鞋店發生. 69 人受傷. 最後查詢時間：2018-05-26 資料查詢網址：. 氣爆 1998. 奈及利亞尼. http://www.natgeomedia.com/news/ngnews/7276 逾 700 人死亡. 資料來源：History 1998 Pipeline explosions kills. 日河三角洲. 700 in Nigeria 最後查詢時間：2018-05-26 資料查. 油管爆炸. 詢網址：https://www.history.com/this-day-inhistory/pipeline-explosions-kills-700-in-nigeria. 2004. 2004. 英國蘇格蘭. 9 人死亡，37. 資料來源：BBC NEWS Timeline: Stockline factory. 格拉斯哥塑. 人受傷. blast 最後查詢時間：2018-05-26 資料查詢網址：. 膠工廠煤氣. http://news.bbc.co.uk/2/hi/uk_news/scotland/6948593. 鍋爐爆炸. .stm. 比利時阿特. 15 人死亡，. 資料來源：BBC NEWS Fifteen die in Belgium gas. (Ath )鎮瓦斯. 120 人受傷. blast 最後查詢時間：2018-05-26 資料查詢網址：. 爆炸 2004. 俄羅斯阿爾. http://news.bbc.co.uk/2/hi/europe/3939087.stm 58 人死亡. 資料來源：Fox News 最後查詢時間：2018-05-26. 漢格爾斯克. 資料查詢網址：. （Arkhangels. http://www.foxnews.com/story/2004/03/17/gas-. k）公寓瓦斯. explosion-death-toll-rises-to-50-in-russia.html. 氣爆 2010. 義大利維亞. 33 人死亡，. 資料來源：The Telegraph 14. Italy train explosion: 15.
(25) 年代. 事件 勒久可燃氣. 死傷人數 50 人受傷. 參考文獻/資料來源 dead in gas blast after derailment 最後查詢時間：. 列車脫軌爆. 2018-05-26 資料查詢網址：. 炸. https://www.telegraph.co.uk/news/worldnews/europe/ italy/5696031/Italy-train-explosion-15-dead-in-gasblast-after-derailment.html. 2010. 美國加州聖. 8 人死亡，30. 資料來源：ABC News San Bruno 'Needs Answers'. 布魯諾瓦斯. 人受傷. After Gas Pipeline Explosion 最後查詢時間：2018-. 氣爆. 05-26 資料查詢網址： http://abcnews.go.com/US/san-bruno-answers-gaspipeline-explosion/story?id=11611757. 2010. 南京. 13 人死亡、. 資料來源：中國經濟時報 南京“７·２８”爆炸事. 「7•28」丙. 120 人受傷. 件調查 最後查詢時間：2018-05-26 資料查詢網. 烯爆炸事故. 址： https://web.archive.org/web/20100829011342/http:// www.cet.com.cn/20100730/a2.htm. 2013. 阿根廷羅薩. 19 人死亡、. 資料來源：The Guardian. 里奧煤氣爆. 60 人受傷. apartment block in Argentina 最後查詢時間：2018-. 炸. Gas explosion destroys. 05-26 資料查詢網址： https://www.theguardian.com/world/2013/aug/07/gasexplosion-collapses-apartment-block. 2013. 青島輸油管. 62 人死亡、. 資料來源：鳳凰網 青島輸油管道爆炸 最後查詢. 道爆炸事故. 136 人受傷. 時間：2018-05-26 資料查詢網址： http://news.ifeng.com/mainland/special/qingdaobaozh a/. 2014. 江蘇崑山中. 146 人死亡，. 資料來源：維基百科 崑山中榮工廠爆炸事故 最. 榮工廠爆炸. 114 人受傷. 後查詢時間：2018-05-26 資料查詢網址：. 事故. https://zh.wikipedia.org/wiki/%E6%98%86%E5%B1 %B1%E4%B8%AD%E8%8D%A3%E5%B7%A5%E 5%8E%82%E7%88%86%E7%82%B8%E4%BA%8 B%E6%95%85. 2014. 新北新店天. 3 人死亡、12. 資料來源：維基百科 2014 年新北新店氣爆事故. 然氣氣爆事. 人受傷. 最後查詢時間：2018-05-26 資料查詢網址：. 故. https://zh.wikipedia.org/wiki/2014%E5%B9%B4%E6 %96%B0%E5%8C%97%E6%96%B0%E5%BA%97 %E6%B0%A3%E7%88%86%E4%BA%8B%E6%95 %85 15.
(26) 年代 2014. 事件. 死傷人數. 參考文獻/資料來源. 紐約市曼哈. 8 人死亡，70. 資料來源：國家地理雜誌 史上重大氣爆事件資料. 頓東哈林區. 人受傷. 最後查詢時間：2018-05-26 資料查詢網址：. 天然氣外洩. http://www.natgeomedia.com/news/ngnews/7276. 氣爆 2014. 高雄石化氣. 30 人死亡、. 資料來源：內政部消防署 0731 高雄氣爆最後查詢. 爆事件. 310 人受傷. 時 間 ： 2018-05-26. 資 料 查 詢 網 址 ：. http://eoc.nfa.gov.tw/eoc/List.aspx?ID=37andMenuI D=955andListID=2519 2015. 天津港危化. 165 人死亡、. 資料來源：維基百科 2015 年天津港危化品倉庫. 品倉庫爆炸. 8 人失蹤，. 爆炸事故 最後查詢時間：2018-05-26 資料查詢網. 事故. 798 人受傷. 址： https://zh.wikipedia.org/wiki/2015%E5%B9%B4%E5% A4%A9%E6%B4%A5%E6%B8%AF%E5%8D%B1%E 5%8C%96%E5%93%81%E5%80%89%E5%BA%AB% E7%88%86%E7%82%B8%E4%BA%8B%E6%95%85. 2018. 巴基斯坦西. 23 人死、11. 南部俾路支. 人受傷. 省兩處煤礦 甲烷氣爆. 資料來源：中央通訊社巴基斯坦兩煤礦氣爆 共 23 死 11 傷 最後查詢時間：2018-05-26 資料查詢 網址： http://www.cna.com.tw/news/aopl/2018050601201.aspx. 資料來源：本研究整理 在遭遇重大災難事件時，容易造成各級政府第一時間協調不及，地方政府無法 掌握有效資源可立即投入災害管控與搶救。民眾對此次氣爆事件與相關法規表示 不滿，爰有 2016 年 4 月 13 日總統華總一義字第 10500030011 號令修正公布災害 防救法第 2、3、7、41、44、47-1、52 條條文；並增訂第 44-1～44-10 條條文；除 第 44-1～44-10 條條文自一百零四年八月六日施行外，自公布日施行。 依據災害防救法第二條規定略以：「…災害指下列災難所造成之禍害：風災、 水災、震災(含土壤液化)、旱災、寒害、土石流災害等天然災害；火災、爆炸、公 用氣體與油料管線、輸電線路災害、礦災、空難、海難、陸上交通事故、森林火災、 毒性化學物質災害、生物病原災害、動植物疫災、輻射災害、工業管線災害等災. 16.
(27) 害。」 台灣對重大災害而言，目前並未明確規範重大災害認定標準，僅依據「中央災 害應變中心作業要點」訂定震災、重大火災及爆炸災害、水災、旱害、寒害、土石 流災害、空難、海灘、陸上交通事故、毒性化學物質等應變中心開設時機與分級。 我國災害防救工作從中央至地方建置中央、縣(市)及鄉(鎮、市、區)三級防災 會報，災時各級政府視災害範圍及嚴重性分別設立應變中心，而各業務單位則成立 緊急應變小組，配合中央防救(處理)中心及其他災害防救單位，實施災害防救工作。 以高雄氣爆事件為例，救災的跨域整合不足，在高雄氣爆前線出生入死的毒災應變 隊是由非正式的約聘僱人員組成。 毒災應變隊下轄於環保署，依據《災害防救法》和《毒性化學物質管理法》而 成立。這次進行勘測而發生意外的南部應變隊便是由高雄第一科技大學支援成立， 而在事件中受傷的五位隊員為學校聘任的專任助理或在職碩士。基於毒災風險與 處置時效性，必須全年無休二十四小時應變待命，且必須在一小時內到達事故現 場。隊員由高雄第一科技大學以「專案工程師」名義聘僱，以「執行環保局和環保 署之工作計畫案」 。其月薪約在三、四萬之間，不具公務員身分。一年出勤上百次， 在不穩定的就業環境下，專業人員流動率高，經驗難以傳承。15 且就氣爆事件而言，消防員養成以建築物救火為主，毒災化災之訓練專業及整 合能力不強，對地下管線之處置陌生。且丙烯非環保署列管的化學物質，毒災應變 小組檢測出石化原料，依程序層報中央災害應變指揮中心及經濟部判定並追蹤源 頭，面對可能之複合型災害束手無策，四線車道瞬間隆起再塌下，未及採取撤退行 動以致發生不幸。16氣爆範圍詳見圖 4。. 15. 資料來源：獨立評論@天下雜誌 陳宗延：比毒災更殘酷氣爆事件中的「應變隊」與公部門非. 典勞動，資料查詢網址：https://opinion.cw.com.tw/blog/profile/119/article/1753。最後查詢時間： 2018-05-26。 16. 資料來源：民報，毒災應變隊被誤批檢測遲到-妾身未明陷困境，資料查詢網址： 17.
(28) 圖 4 氣爆區示意圖 資料來源:本研究整理 台灣現行制度防災隸屬各部會，如風災、震災、火災、爆炸災為內政部，淹水 和工業災屬經濟部，伊波拉疫情屬衛福部，毒化物災屬環保署，長隧道爆炸屬交通 部，但一旦面對複合型災害單一部會即無處理能力，無標準作業程序可資遵循。 自莫拉克風災至高雄氣爆均屬複合型災害，我國救災部門往往疲於奔命。前內 政部長李鴻源(2014)建議成立類似美國聯邦緊急事務管理署(Federal Emergency Management Agency，簡稱 FEMA)的「防災總署」，俾以整合各部會救災資源。學 者吳杰穎 (2014)也認為現行法源不清，消防署負責救災但無法跨部會指揮，是災 害管理的根本問題。17 李鴻源表示，每個災害都是複合式災害，每個災害都會有連動，必須去學習跟 災害相處。認為現行《災害防救法》設計錯誤，將不同類型災害歸屬不同部門主管，. http://www.peoplenews.tw/news/b8052090-583e-4838-949d-1b5ece4e8312。最後查詢時間：2018-0526。 17. 資料來源：台灣醒報 複合災害威脅催生防災總署。資料查詢網址：. https://anntw.com/articles/20140817-xuAu 。最後查詢時間：2018-05-26。 18.
(29) 將無法因應複合式災害的救災工作。因此建議成立國家級防災總署，才有能力整合 各部會資源。18 高雄氣爆造成重大傷亡，氣爆區內外交易是否受重建、封管…等降低氣爆對房 價衝擊之利多消息而產生房價上漲；抑或受媒體災情報導而強化環境危險認知之 利空影響而使房價下跌，政府投入之資源與民間善款之運用，在重建成果(請參考 圖 5)方面對災區實際房價產生之影響程度為何？為本研究探討之重點。. 圖 5 重建前後對照示意圖 資料來源:高雄市政府提供. 18. 資料來源：Dr. Hong-yuan Lee (李鴻源) at TEDxTaipei 2011。資料查詢網址：. https://www.youtube.com/watch?v=-c_iwk1pca0。最後查詢時間：2018-05-26。 19.
(30) 第四章、研究方法. 本章節說明研究方法，本研究是以氣爆發生個案為主軸，以 OLS 迴歸模型為 基礎，結合差異中之差異法建構分量迴歸實證模型，分析氣爆發生後對鄰近住宅價 格之影響。 第一節、差異中之差異法 部分學者使用差異中之差異法，將住宅價格成交案件以事件發生後，受事件影 響之距離或特定範圍將住宅區分為控制組及實驗組，如 Kiel and McClain (1995)以 差異中之差異法探討北安多佛(North Andover)地區垃圾焚化廠設立對住宅價格之 影響。作者以 1978 年及 1981 年的住宅銷售價格做分析，以 1979 至 1980 年為焚 化廠之設立期間劃設時間點，並比較 1978 年與 1981 年住宅價格的變動。以距離 焚化廠 3 英哩外的住宅為控制組，距離焚化廠 3 英哩內的住宅為實驗組，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，其住宅價格之差異為 11,863.9 美元。 Been and Voicu (2006) 使用差異中之差異法估計新的社區花園 (community gardens)對鄰近住宅價格之影響。以 1000 英呎作為劃分距離，將距離花園 1000 英 呎內之住宅劃為實驗組，距離花園 1000 英尺外之住宅劃為控制組。分析社區花園 開放之後是否會對住宅價格產生影響。研究結果顯示，社區花園開放之後會對距離 花園 1000 英呎內之住宅價格產生正向顯著之影響。 Kavetsos (2012)以差異中之差異法將倫敦奧運事件前後，區分控制組及實驗 組，實證結果顯示，奧運事件後距倫敦奧運場館 9 英里內的住宅價格會隨著距離 奧運場館越近住宅價格上漲幅度越高。 Alíz, Áron, and János (2013)研究能源工程對住宅價格的影響，實證結果顯示在 提升能源效率後，住宅價格有顯著上漲，由此可知在實驗組中，增加能源使用效率 20.
(31) 會影響住宅價格上漲。 Felix, Ahlfeldt, and Maennig (2014)研究德國柏林的 22 行政區住宅價格，以差 異中之差異法設定距離城市市中心(CBD) 2 公里內為實驗組，2 公里外為控制組， 實證估計市中心(CBD) 2 公里內住宅價格在 20 年期間內上漲 50%。 Sunak and Madlener (2014)以差異中之差異法，結合空間距離因素劃分出不同 區域，調查德國北萊茵-威斯特法倫州(North Rhine-Westphalia, Germany)的四個風電 場，蒐集 2,141 筆房屋成交資料。一般民眾普遍認為大規模風電場的接近程度會貶 低周邊的房地產價格，且新建風力渦輪機的平均輪轂高度和轉子直徑在過去幾年 中大幅增加，導致受影響地區的景觀發生重大變化。另一方面，地區景觀的變化可 能會進一步對風電場建設附近房屋景觀產生可見度鄰避效果，從而對房屋價值產 生負向影響。因能見度遠近與視野景觀因素等，以距離度量作為可見性指標，實證 結果顯示，靠近風電場地區住宅價格 1 公里範圍內的影響約為-9％(在 10％的顯著 水準)。在 2 公里範圍內未達顯著水準。在 3 公里範圍內約為-11％(在 1％顯著水準) 的負向影響。Wooldridge (2006)指出： 當一些外在事件(通常是政府政策的變化)改變了個人、家庭、企業或城市所處的環境所發生之 變化，其影響稱為發生自然實驗或稱為準實驗(natural experiments or a quasi-experiment)。一個 自然實驗總是有一個不受政策變化影響的控制組(control group)，一個被認為是受政策變化影 響的實驗組(treatment group)。與真正的實驗不同的是，實驗和對照組是隨機明確選擇的，自 然實驗中的對照和實驗組來自特定的政策變化。為了控制對照組和實驗組之間的系統性差異， 通常需要兩年的數據，一個在政策變化之前，一個在變化之後(Wooldridge, 2006)。. 本研究運用差異中之差異法透過設定控制組及實驗組，比較突發事件或政策 效果產生兩者間之差異，採用 Wooldridge (2006)提出之看法，蒐集事件發生前後各 約兩年之交易資料加以分析，可以了解高雄八一石化氣爆事件對住宅價格產生之 變動情形。 差異中之差異法可以了解氣爆發生時間前後對住宅價格的影響。為了解氣爆 21.
(32) 所造成結果之差異，本研究將影響範圍依劃分成將其分為兩個群體，受氣爆影響之 群體為實驗組(treatment group)，未受氣爆影響之群體為控制組(control group)，又 可將該兩群體細分為：(1)氣爆時間前之實驗組；(2)氣爆時間後之實驗組；(3)氣爆 時 間 前之 控制 組； (4)氣 爆 時間 後之 控制 組， 分 析其 中差 異。 模型 表 示 參 考 Wooldridge (2006)作法如(1)式及(2)式： lnPit β1 β2 ZONEi β3TIMEt δ(ZONE i TIMEt ) Σλi X it + εit. (1). δˆ = (βˆ1 βˆ2 βˆ3 δˆ) (βˆ1 βˆ3 ) (βˆ1 βˆ2 ) βˆ1 . lnP. it TREATMENT, AFTER. . lnP it CONTROL, AFTER lnPit. TREATMENT, BEFORE. lnPit. CONTROL, BEFORE. 以住宅總價取對數( ln Pit )為依變數， ZONE i 為第 i 個住宅成交案件位於氣爆範 圍內外，設定為虛擬變數，位於氣爆範圍內之住宅成交案件設定為 1，其他設為 0； TIME t 表示劃定為氣爆發生之時間 t 之前後，設為虛擬變數，發生時間之後設為 1，. 發生時間之前設為 0。 ZONEi TIMEt 表示第 i 個住宅成交案件位於氣爆範圍內外與 氣爆發生時間前後兩者相乘之互動變數， 為差異中之差異之係數。 X it 為影響住 宅成交價格之其他變數(包含住宅結構屬性，如屋齡、面積、房、廳、衛、車位… 等)， i 為其他變數之係數向量， it 為誤差項，屬於常態分配。 本研究主要驗證互動變數 ZONEi TIMEt 對住宅成交案件價格的影響，其估計 係數 ˆ 解釋如(2)式，氣爆時間前為 BEFORE，氣爆時間後為 AFTER；控制組為 CONTROL，實驗組為 TREATMENT。氣爆事件差異中之差異法估計圖詳圖 6 所 示。. 22. . (2).
(33) 控制組, 氣爆後, 14.508 實驗組原趨勢線, 實驗組, 氣爆後,氣爆後, 14.424 14.4控制組. 控制組, 氣爆前, 14.373. 實驗組原趨勢線 實驗組. 實驗組原趨勢線, 實驗組, 氣爆前, 氣爆前, 14.289 14.289. 圖 6 氣爆事件差異中之差異法估計圖 資料來源：Hill, Griffiths, and Lim (2011) B 第二節、傾向分數配對. C ED. 迴歸分析法在方法論會產生基準線差異以及個體自我選擇的偏誤，為讓觀測 數據盡可能地接近隨機實驗數據，本研究採用 Heckman et al. (1997)提出之結合無 母 數 迴 歸 (nonparametric regreesion) 的 傾 向 分 配 分 數 配 對 模 型 (propensity score matching, PSM)，解決對於控制實驗組與對照組屬性之間的差異。傾向分數配對使 用傾向得分作為距離函數進行匹配，經過再抽樣(resampling)以減少觀測數據的偏 差。 19 其建立在反事實推論(the counterfactual account of casality)分析的理論之下 (Morgan and Winship, 2007)，透過計算實驗組(參與者)的平均處理效果(average treatment effects on the treated, ATT)、控制組(非參與者)的平均處理效果(average treatment effects on the untreated, ATU)以及母體的平均處理效果(average treatment 19. 採 k 近鄰匹配(k-nearest neighbor matching)，k=1 為 1 對 1 匹配。參考陳強(2014)高級計量經濟. 學， 第二版，p.544。 23.
(34) effects, ATE)，可以定義個體在參與實驗處理和未參與實驗處理之後的反應差異 (Morgan and Harding, 2006; Morgan and Winship, 2007; 關秉寅、李敦義，2010；陳 清檳、鄭博文、賴慧敏、蕭錫錡，2015)。在實務上，傾向分數配對法最常被應用 在評估方案或政策實施成效的效果值(李敦義，2011)。在符合使用 PSM 統計假定 的前提下，針對氣爆事件住宅交易資料進行配對分析以讓觀測數據盡可能地接近 隨機實驗數據。 關秉寅、李敦義(2008)進行臺灣國三學生參與數學補習是否有效及效用多大的 研究，運用台灣教育長期追蹤資料庫(Taiwan education panel survey, TEPS)的資料和 傾向分數配對法，以控制不同群體在各類背景上的差異，意即控制基準線上的差異 (baseline differences)，並假定以此方法可有效控制未觀察到的因素。研究顯示國三 學生參與數學補習雖有正面的效用，但平均效果值並不大。關秉寅、李敦義(2010) 進一步使用 TEPS 於 2001、2003 及 2005 年蒐集並提供公共使用的長期追蹤樣 本資料，控制補習效果在不同群體在基準線上的差異，以及補習效果異質性的問 題。採用 PSM 統計方法來評估補習的效果量，而補習的效果並未隨著補習時期的 增長而增加。 陳清檳、鄭博文、賴慧敏、蕭錫錡(2015)以傾向分數配對法研究大學畢業生取 得證照與薪資所得在有無證照之樣本下，控制其他變數(相等或接近)以降低或避免 樣本的選擇誤差。研究顯示，擁有與無證照的大學畢業生，其影響薪資所得之個體 基準條件具有差異性，當控制了影響薪資所得的個體基準線差異性之後，證照對於 薪資所得的提昇僅微小的影響且證照張數對於薪資所得累積效果影響有限。 廖錦文、鄭博文、江耀宗、俞錚蓉、石宜正(2016)研究以傾向分數配對法估算 平均處理效果值(average treatment effect on the treated, ATT)，控制學生個體條件進 行配對分析，進行偏遠與一般地區國中生數學表現之差異比較，研究結果顯示，未 控制個體基準線條件之差異情形時，偏遠地區國中生與一般地區國中生在數學表 現有明顯之差異現象，以傾向分數配對法控制個體基準線之差異性，就數學表現之 24.
(35) 整體平均效果值來看，與一般地區國中生比較，偏遠地區國中生數學表現並無太大 差異。 毛治文、吳文傑(2016)依據多個國家特性變數，推估出該國選擇實施雙元稅制 度的機率，利用傾向分數完成配對後，雖兩群國家雖實施不同的稅制政策，卻具有 類似的國家特性，在此前提下得以檢驗雙元所得稅制度對經濟成長的影響，因兩者 間經濟成長的差異可完全歸因於稅制政策差異，而非源於國家特性的不同。 莊惟凱、鄭致道、蔡玉真、林麗真、林依萍、鄭鴻鈞(2016)利用全國性癌登資 料以傾向分數配對排除組間差異，篩選出接受乳房全切除術後的 N1 術後病理期(1 到 3 顆淋巴結移轉)病人，探討放射治療是否能夠從中得到益處，研究結果顯示 N1 病人接受全乳切除手術後之放射治療，有接受放射治療的病人有較佳之整體存活 率及無病存活率。 第三節、分量迴歸 通常對依變數與自變數之間的函數關係，傳統上線性迴歸採用最小平方法。透 過平均的概念去解釋因果 關係，因不可觀測之遺漏變數 (unobservable omitted variable)所導致的選擇性偏差(selection bias)，進而可能影響到模型效果，對於出現 離群值(outlier)、殘差不符常態分配，甚或出現應變數的條件平均數分配無法代表 整個模型的條件平均數分配之時，上開方法所求得的估計式將可能會產生巨大的 偏誤。(林祖嘉、黃麗蓉，2014) Koenker and Bassett (1978)提出分量迴歸(quantile regression, QR)的分析概念。 採用誤差絕對值加總極小化的極小化絕對離差法(least absolute deviation, LAD)，在 統計分析上採估計自變數對某一指定百分位依變數的邊際效果，亦即位於指定百 分位的依變數在不同自變數的影響程度可以被個別計算出來。利用此方法將可明 瞭各分位分量迴歸的分配情形，針對誤差項為非常態分配，如離群值產生不對稱的 尾端分配問題，分量迴歸可以做為良好的解釋工具。因此考量氣爆區房價條件分配 25.
(36) 的差異以及取得完整的迴歸分配情形，本研究以分量迴歸方法來作為分析工具。對 個別不同分量分析整個條件分配區間，以期較符合實際狀況及得到較佳穩健性的 統計推論，提供事件影響程度的完整描述。 第四節、實證模型設定 本研究以氣爆影響區域範圍(建議改道動線之交通管制區)內作為實驗組，以氣 爆影響範圍外作為控制組，分析影響範圍內外住宅價格之變動，其中包括住宅結構 屬性變數及差異中之差異法變數，如氣爆範圍內外(ZONE)、氣爆時間前後(TIME) 及氣爆事件範圍內外×氣爆時間前後，設定如(3)式：(詳細變數定義請參見表 2) lnPi t 1 2 AREA 3 AGE 4 AGES 5 ROOM 6 LROOM 7 BROOM 8TYPE 9 PARKING 10 FLOOR 1 11 ZONE 12TIME t ( ZONE TIME t） e i t. (3). (3)式中，以住宅總價取對數 ln Pit 為依變數， 1 為截距項， 2 ~ 10 為住宅結構屬 性之係數， 11 則是氣爆範圍內外之係數，設定為虛擬變數， 12 為氣爆時間前後變 數之係數，設定為虛擬變數，及 為互動變數之係數，誤差項為 e i t 。 依據(3)式，將分量係數θ加入模型中，分量迴歸模型如下式： lnPi t 1 ( ) 2 ( )AREA 3 ( )AGE 4 ( )AGES 5 ( )ROOM 6 ( ) LROOM 7 ( )BROOM 8 ( )TYPE 9 ( )PARKING 10 ( ) FLOOR1 11 ( ) ZONE 12 ( )TIME ( )( ZONE TIME i ） it. 本研究採用 STATA15.0 統計軟體以分量迴歸(quantile regression)進行估計。分為 左右尾分量 2 個分量點(0.10 及 0.90)、四分位數三個分量點(0.25、0.50、0.75)， 估算在不同分量點自變數對應變數的影響程度。 另外，本研究採自助抽樣法(bootstrap method, bootstrapping)，以隨機重複抽樣 後再放回抽樣之方式取得樣本與估計標準誤(standard errors)，因其抽樣放回重複次 數之多寡不影響係數值，但增加抽樣次數會使標準誤較小、信賴區間更加收斂。本 26. (4).
(37) 研究設定為 300 次。在使用分量迴歸取得各分量資料後，再以跨區間分量(interquantile regression)比較分析不同分量群組間之房價差異。 第五節、變數選取說明 為使整體住宅價格模型有效地呈現觀察資料，使價格分布較為常態並減少異 質性具備線性分析的優點(Zietz, Zietz, and Sirmans, 2008)，本研究亦參考李春長、 游淑滿、張維倫(2012)使用不動產交易總價取對數( lnPit )作為依變數。 本研究將選取住宅結構屬性(面積、屋齡、屋齡平方等)、及差異中之差異法之 屬性(氣爆範圍內外、氣爆發生時間前後、兩者之互動變數)作為本研究之自變數。 住宅結構部分，不動產建物面積對住宅價格之影響將反應在市場總價上。Quan (2002)、Frew and Jud (2003)提出居住面積對於住宅價格有顯著影響。在樓地板面積 對房價的影響，依據張金鶚、劉秀玲(1993)、林秋瑾等(1996)提出建物樓地板面積 對住宅價格具有顯著正向影響。本研究預期住宅面積對住宅價格具有正向之影響， 預期係數符號為正。 屋齡以住宅完工年起計算至銷售成交期間之年數，以年為單位。Dotzour et al. (1998)、Frew and Jud (2003)等研究顯示，房屋折舊會使住宅價格隨著時間的增加而 減少。預期屋齡對住宅價格具有顯著負向影響。 Malpezzi et al. (1987)與 Smith (2004)採用屋齡平方變數來觀察折舊的非線性變 化。屋齡平方表示，住宅價格變化隨屋齡增加而遞減(Wilhelmsson, 2008)。本研究 加入屋齡平方估計兩者間之非線性關係，並預期屋齡平方對住宅價格具有顯著正 向影響。 房間數量與住宅價格呈現正相關，房間數越多住宅價格越高(Sirmans et al. 2005)，為連續性變數，預期房間數對住宅價格具有顯著正向的影響。 廳堂數為住宅內部格局，以間為單位，客廳數越多，表示建物之成本越高，相 對住宅價格亦較高(董呈煌、李春長、陳俊麟、吳韻玲，2016)，廳堂數對於住宅格 27.
(38) 價格具有正向之影響效果，預期廳堂數對住宅價格具有顯著正向影響。 衛浴數為連續性變數，以間為單位，衛浴數越多，表示建物之成本越高，相對 住宅價格較高(林素菁 2002；董呈煌、李春長、陳俊麟、吳韻玲，2016)，預期衛浴 數對於住宅格價格具有正向之影響效果。 住宅類型部分，不同的住宅類型會影響住宅價格差異。李春長、游淑滿、張維 倫( 2012)在研究公共設施、環境品質與不動產景氣對住宅價格之影響時以 5 樓以 下為參考基準，分為 6-12 樓及 13 樓以上，研究顯示 6-12 樓及 13 樓以上皆比 5 樓 以下之房價高，且達顯著水準。本研究參採將住宅類型分為公寓、大樓與華廈，住 宅類型設為虛擬變數，以公寓為比較基準，華廈設為 1，其他為 0，大樓設為 1， 其他為 0。住宅類型之係數預期符號為正。 住宅有附帶車位，表示增加使用空間及建築成本，設為虛擬變數，有停車位者 設為 1，沒有停車位者設為 0。本研究參採林素菁(2002)；董呈煌、李春長、陳俊 麟、吳韻玲(2016)等之主張。本研究預期住宅有附帶車位對住宅價格產生顯著正向 影響。 所在樓層為一樓者，因可供商業使用，通常住宅價格較高(李春長、游淑滿、 張維倫，2016)，預期對住宅價格為正向影響。所在樓層設為虛擬變數，以一樓設 為 1，其他設為 0，預期所在樓層對住宅價格有正向之影響。 差異中之差異法屬性部分，氣爆區內外設為虛擬變數(ZONE)，氣爆區內(實驗 組)設為 1，區外(控制組)設為 0，預期係數符號為負；TIMEt 為氣爆發生時間前後， 採用氣爆發生前後約兩年的交易資料，20氣爆後(2014 年 8 月 1 日後)設為 1，氣爆. 20. Wooldridge (2006)指出，當一些外生事件(通常是政府政策的變化)改變了個人，家庭，企業或城. 市的運營環境時，自然實驗就會發生。自然實驗總是有一個不受政策變化影響的對照組和一個被 認為受政策變化影響的治療組(即實驗組)。與真正的實驗不同，治療和對照組隨機而明確地選 擇，自然實驗中的對照和治療組來自特定的政策變化。為了控制對照組和治療組之間的系統性差 異，我們需要兩年的數據，一個在政策變化之前，一個在變化之後。因此，我們的樣本有效地分 28.
(39) 前(2014 年 7 月 31 日前)設為 0，預期係數符號為負；DD 為互動變數(ZONE*TIME) 之係數，參採 Freybote and Fruits (2015)媒體報導管線爆炸案對住宅銷售價格影響 之研究，預期互動變數對於住宅價格之影響為負向(請參見表 2)。. 表 2 變數說明表 變數名稱. 代號. 定義. 預期符號. 依變數： 住宅價格. ln Pit. 即住宅交易案件總價取對數。. 自變數： 住宅結構屬性 面積. AREAit. 面積以建物在地政機關實際登記之面積，. +. 以坪為單位。 屋齡. AGEit. 屋齡，以建物自建築完成並領有使用執照. -. 日起至交易日，以年為單位。。 屋齡平方. AGESit. 住宅價格對屋齡為非線性變動，為了避免. +. 限制屋齡的僵固性，增加屋齡平方變數， 預期係數符號為正。 房間數. ROOM it. 為交易案件中房間數。. +. 廳堂數. LROOM it. 為交易案件中廳堂數。. +. 衛浴數. BROOM it. 為交易案件中衛浴數。. +. 住宅類型. TYPE it. 包括大樓、華廈與公寓，以公寓為比較基. +. 準，設為虛擬變數，大樓(TYPE 1 )設為 1，. 為四組：變化前的對照組，變化後的對照組，變化前的治療組和變化後的治療組。 29.
(40) 變數名稱. 代號. 定義. 預期符號. 其他設為 0、華廈(TYPE 2 )設為 1，其他設 為 0。 車位. PARKING. 車位設為虛擬變數，住宅有附帶車位為 1，. +. 無車位為 0。 所在樓層. FLOOR1. 所在樓層設虛擬變數，住宅所在位置在 1. +. 樓者為 1，其他為 0。 差異中之差異法變數： 氣爆影響. ZONE i. 氣爆影響範圍內外(即氣爆區內外)設為虛擬. -. 變數，於氣爆影響範圍內者設為 1，氣爆影. 範圍內外. 響範圍外為 0。 氣爆發生 時間前後. TIMEt. 以 2014 年 8 月 1 日之氣爆發生時間作為基. -. 準，發生之前(2012 年 1 月 1 日至 2014 年 7 月 31 日)設為 0，發生之後(2014 年 8 月 1 日至 2017 年 4 月 24 日)設為 1。 為進一步釐清不同時間階段對房價之影 響，氣爆後時間再予細分，將 2014 年 8 月 1 日至 2014 年 8 月 1 日為氣爆之後再分為 二段時間如下： 2014 年 8 月 1 日至 2015 年 12 月 31 日設為. T 1 =1，其他為 0。 2016 年 1 月 1 日至 2017 年 4 月 24 日設為. T 2 =1，其他為 0。 氣爆影響. ZONEi TIMEt 氣爆影響範圍內外與氣爆發生時間前後之. 30. -.
(41) 變數名稱. 代號. 定義. 預期符號. 範圍內外. 互動變項。位於氣爆影響範圍內並於氣爆. *氣爆發. 發生時間之後的住宅成交價格之變動，預. 生時間前. 期符號為負。. 後. 另設氣爆影響範圍內外與分段時間之互動 變數如下： ZONE i *T 1 =DD1、 ZONE i *T 2 =DD2。. 31.
(42) 第五章、資料蒐集與描述統計量 第一節、資料蒐集 資料來源根據內政部地政司實價登錄網站所提供之住宅成交資料。氣爆發生 主要位於高雄市前鎮區與苓雅區，住宅交易資料也以此兩區為主。以 2014 年 8 月 1 日氣爆發生日期為基準，採用 2012 年 1 月 1 日到 2017 年 4 月 24 日住宅之交易 資料，前後各約二年半之住宅成交資料進行分析。本研究所蒐集之成交資料，扣除 成交資料之非住宅筆數，包括土地、車位、廠房、辦公室和店面等，並扣除親友間 交易和急買急賣等特殊交易之資料、資料中的遺漏值以及透天交易資料、套房交易 資料，保留住宅大樓、華廈和公寓之交易資料，合計有效資料共計 15,035 筆。 第二節、資料處理 為利資料進行傾向分數配對，將大於 6 房、3 廳、5 衛、屋齡 50 年以上之交易 資料排除，並將面積控制在 15 坪至 150 坪，經排除後交易資料共計 10,502 筆。 為讓觀測數據盡可能地接近隨機實驗數據，降低不可觀測變數所造成估計上 之偏誤，本研究採用 Heckman et al. (1997)提出之結合無母數迴歸(nonparametric regreesion)的傾向分配分數配對法(propensity score matching, PSM)，解決對於控制 實驗組與對照組屬性之間的差異。以 probit 迴歸建立機率估計模型前，先以 nearest neighbor 方法進行配對，計算各樣本之權重，使用傾向得分作為距離函數進行匹配， 經過再抽樣(resampling)以減少觀測數據的偏差。並對連續變數進行 t 檢定、類別變 數進行卡方差異檢定以檢驗配對效果。經傾向分數配對後，筆數為 2,826 筆。 表 3 為連續變數在傾向分數配對前後之實驗組與控制組樣本平均數差異檢定 結果，在配對前連續變數皆達到顯著差異，在配對後皆為不顯著，代表配對後傾向 分數的標準差比配對前的差異小，使得本研究有效減少觀測數據的偏差。傾向分數 配對前後標準差分布圖如圖 7 所示。實驗組與控制組配對前與配對後樣本類別變 32.
(43) 數卡方差異檢定結果詳附表 1。. 表 3 傾向分數配對前後之實驗組與控制組樣本平均數差異 解釋變數. 屋齡. 樣本配對前(N=10,502). 樣本配對後(N=2,826). 實驗組. 控制組. 差距. 實驗組. 控制組. 差距. (N=1,592). (N=8,910). (t 值). (N=1592). (N=1234). (t 值). 20.439. 19.697. -0.742*. 20.439. 21.158. 0.719. (2.14) 面積. 36.806. 41.833. 5.027**. (-1.53) 36.806. 35.865. (-8.82) 房間數. 3.097. 3.023. -0.074**. (1.76) 3.097. 3.069. (3.64) 客廳數. 1.844. 1.809. -0.035**. 1.826. 1.871. 0.045**. 1.844. 1.832. -0.012 (0.91). 1.826. (-2.65). 註：*、**之係數分別代表在 5%與 1%顯著水準下顯著異於零。. 33. -0.028 (1.14). (2.80) 衛浴數. -0.941. 1.800. -0.026 (1.49).
(44) 圖 7 傾向分數配對前後標準差分布圖 第三節、樣本統計量描述 由表 4 描述性統計量表(N=2826)可得知，住宅價格平均為 545.248 萬元，標準 差為 382.609 萬元。住宅面積平均為 36.479 坪，標準差為 15.284 坪。房間數平均 為 3.07 間，標準差為 0.680 間。廳堂數平均為 1.83 間，標準差為 0.396 間。衛浴 數平均為 1.81 間，標準差為 0.529 間。屋齡平均為 20.788 年，標準差為 13.463 年。 住宅類型部分，住宅大樓為 1,396 筆，占總筆數 49.40%。華廈為 276 筆，占 總筆數 9.77%。公寓為 1,154 筆，占總筆數 40.83%。所在樓層部分，住宅所在樓層 位於一樓 234 筆，占總筆數 8.28%，位於非一樓者 2,592 筆，占總 91.72%。附車位 之住宅占 1,011 筆，占總筆數 35.77%，無車位之住宅為 1,815 筆，占總筆數 64.23%。 位於氣爆區內之住宅為 1,592 筆，占總筆數 56.33%，位於氣爆區外之住宅為 1,234 筆，占總筆數 43.67%。氣爆前交易筆數為 1,402 筆，占總筆數 49.61%，氣爆後 T21(20140801-20151231) 交 易 筆 數 為 726 筆 ， 占 總 筆 數 17.90% ， 氣 爆 後 T22(20160101-20170424)交易筆數為 696 筆，占總筆數 19.57%。 34.
(45) 表 4 傾向分數配對後描述性統計量表(N=2826) 變數名稱 住宅價格(萬) 面積(坪) 房間數 廳堂數 衛浴數 屋齡. 最小值. 最大值. 平均值. 標準差. 50.000 15.131 1 1 1 .001. 3323.000 126.996 6 3 5 46.060. 545.248 36.479 3.07 1.83 1.81 20.788. 382.609 15.284 0.680 0.396 0.529 13.463. 次數. 百分比. 累積百分比. 住宅類型 大樓. 1396. 49.40. 49.40. 華廈 公寓. 276 1154. 9.77 40.83. 59.17 100. 234 2592. 8.28 91.72. 8.28 100. 1011 1815. 35.77 64.23. 35.77 100. 1592 1234. 56.33 43.67. 56.33 100. 1402 1424. 49.61 50.39. 49.61 100. 1402 728 696. 49.61 25.76 24.63. 49.61 75.37 100. 住宅所在樓層 一樓 非一樓 車位有無 有 無 住宅位於氣爆影響範圍內外 氣爆區內(影響範圍內) 氣爆區外(影響範圍外) 氣爆前後交易筆數 氣爆前筆數 氣爆後筆數 氣爆前後時間分段之筆數 T0 (20120101-20140731) T1 (20140801-20151231) T2 (20160101-20170424). 另由表 5 可得知傾向分數配對後實驗組(N=1592)及控制組(N=1234)之描述統 計量，請參酌。. 35.
(46) 表 5 傾向分數配對後實驗組與控制組之描述統計量(N=2826) 實驗組(N=1592). 控制組(N=1234). 變數名稱. 最小值. 最大值. 平均值. 標準差. 最小值. 最大值. 平均值. 標準差. 住宅價格. 51.000. 1930.000. 549.912. 386.866. 50.000. 3323.000. 539.230. 377.117. 面積(坪). 15.131. 96.416. 36.806. 15.519. 15.458. 126.996. 36.055. 14.970. 房間數. 1. 6. 3.10. 0.611. 1. 6. 3.04. 0.760. 廳堂數. 0. 3. 1.84. 0.388. 0. 3. 1.82. 0.406. 衛浴數. 1. 5. 1.83. 0.484. 1. 5. 1.79. 0.582. 屋齡. 0.0107. 45.059. 20.439. 14.789. 0.0011. 46.060. 21.239. 11.651. 次數. 百分比. 累積百分比. 次數. 百分比. 累積百分比. 大樓. 683. 42.9. 42.9. 713. 57.8. 57.8. 華廈. 151. 9.5. 52.4. 125. 10.1. 67.9. 公寓. 758. 47.6. 100. 396. 32.1. 100. 一樓. 155. 9.7. 9.7. 79. 6.4. 6.4. 非一樓. 1437. 92.3. 100. 1155. 93.6. 100. 有. 644. 40.5. 40.5. 367. 29.7. 29.7. 無. 948. 59.5. 100. 867. 70.3. 100. (萬). 住宅類型. 住宅所在樓 層. 車位有無. 氣爆前後交易筆數 氣爆前筆數. 787. 49.4. 49.4. 615. 49.8. 49.8. 氣爆後筆數. 805. 50.6. 100. 619. 50.2. 100. 49.4. 49.4. 615. 49.8. 49.8. 377. 23.7. 73.1. 351. 28.5. 78.3. 428. 26.9. 100. 268. 21.7. 100. 氣爆前後時間 分段之筆數 T0. 787. (2012011220140731) T1 (2014080120151231) T2 (2016010120170424) 36.
(47) 本研究將交易資料區分為 5 個分量點，即 0.10 分量、0.25 分量、0.50 分量、 0.75 分量、0.90 分量，整體樣本在不同分位上的價格由低至高編排如表 6。亦即整 體樣本區分為五種價位區帶，即低價位、中低價位、中價位、中高價位、高價位等。 整體樣本其偏態為 1.45，偏態係數正，代表樣本分布偏右(右偏分配)。峰度為 5.81， 峰度係數大於 0，代表分佈呈高狹峰，本研究資料型態為高狹峰右偏分配。整體樣 本之各分量房價如表 6，由 0.10 至 0.90 分量依序為 100 萬元、260 萬元、430 萬元、 752 萬元與 1,100 萬元。觀察樣本第 0.10 分量值為 100 萬元、第 0.90 分量值為 1100 萬元，由此可觀察出高低分量值在房屋總價上具有顯著的差異性。. 表 6 各樣本與各分量房價分配表 總價. 偏態. 峰度. 0.1 分量. 0.25 分量. 0.5 分量. 0.75 分量. 0.9 分量. 分量值 (萬元). 1.45. 5.81. 100. 260. 430. 752. 1100. 37.
(48) 第六章、實證結果分析. 為探討氣爆對影響區域範圍(氣爆區)住宅價格之影響，運用差異中之差異法進 行分析，並以 OLS 與分量迴歸進行估計。本研究共分為二個部分，首先為氣爆事 件前後之估計結果，其次為將氣爆事件後再區分不同時間段落之迴歸結果。本研究 使用 STATA 15.0 統計軟體進行估計。 由表 7 可明顯看出，影響總價變數在最小平方迴歸與分量迴歸模型中，除房 間數在 0.1 分量未達顯著水準外，其餘均達顯著水準。最小平方法𝑅 2 為 0.8387，F 值為 1357.18，顯示模型解釋能力佳。而 0.1、0.25、0.5、0.75、0.9 五個分量之 PseudoR2 則各為 0.5498、0.6058、0.6490、0.6640 與 0.6530。因為 OLS 是以平均數為中心 所推導出來的方法，其估計得到的 R 2 高於以其他分量為中心所估計的結果。 OLS 估計結果顯示，面積坪數之估計係數為 0.019，達到 1%顯著水準，表示 面積坪數每增加一坪，房價增加 1.9%。屋齡之估計係數為-0.039，達到 1%顯著水 準，表示屋齡每增加一年，房價減少 3.9%。屋齡平方之估計係數為 0.001，達 1% 顯著水準，表示屋齡越高住宅價格越低，但其降低的幅度愈來越小。房間數之估計 係數為 0.025，達 10%顯著水準，表示每增加一間房間，房價增加 2.5%。廳堂數之 估計係數為 0.111，達 1%顯著水準，表示每增加一間廳堂，房價增加 11.1%。衛浴 數之估計係數為 0.059，達 1%顯著水準，表示每增加一間衛浴，房價增加 5.9%。 大樓之估計係數為 0.326，達 1%顯著水準，表示大樓房價比公寓增加 32.6%。 華廈之估計係數為 0.237，達 1%顯著水準，表示華廈房價比公寓增加 23.7%。停車 位之估計係數為 0.095，達 1%顯著水準，表示住宅附停車位會使房價提高 9.5%。 所在樓層之估計係數為 0.559，達 1%顯著水準，表示所在樓層為一樓會使房價提 高 55.9%。 氣爆前後之估計係數為 0.147，達 1%顯著水準，表示氣爆後房價比氣爆前增 38.
(49) 加 14.7%。氣爆區內外之估計係數為-0.81，達 1%顯著水準，表示氣爆區內比氣爆 區外房價減少 8.1%。互動變數位之估計係數為-0.02，未達顯著水準，表示於氣爆 後在氣爆區內之房價減少 0.2%，但統計上不顯著。 表 7 分量迴歸與 OLS 估計結果，各項結構屬性之估計係數正負與是否顯著均 相似。以氣爆發生時間區分，氣爆後房價比氣爆前增加 14.7%(OLS)，氣爆後住宅 價格在各分量皆呈現正向顯著影響，除 0.9 分量(高價位)達 5%顯著水準外其他均 達 1%顯著水準，顯示氣爆發生後，在 0.1 分量(低價位)房價增加 20.5%、0.25 分量 (中低價位)房價增加 21.0%、0.5 分量(中價位)房價增加 15.3%、0.75 分量(中高價 位)房價增加 11.2%、0.9 分量(高價位)房價增加 6.6%。但各區分分量間，0.9 分量 相較於 0.1 分量減少 13.9%，達 1%顯著水準。0.9 分量相較於 0.5 分量減少 8.7%， 達 1%顯著水準。0.5 分量相較於 0.1 分量減少 5.2%且不顯著。0.75 分量相較於 0.25 分量減少 9.8%且達 1%顯著水準。顯示氣爆後住宅價格受災後重建及公共設施外 溢效果影響，各分量價格帶之房價均上漲，民眾對高房價住宅追價意願相對於低房 價住宅明顯降低。 以氣爆影響範圍內外來做區分，氣爆影響區內比氣爆影響區外房價減少 8.1%(OLS)，氣爆影響區內住宅價格除在 0.1 分量(低價位)房價增加 2.5%但不顯著 外，各分量均呈現負向顯著影響，且達 1%顯著水準。0.25 分量(中低價位)房價減 少 5.5%、0.5 分量(中價位)房價減少 5.6%、0.75 分量(中高價位)房價減少 8.4%、0.9 分量(高價位)房價減少 17.6%。但各區分分量間，0.9 分量相較於 0.1 分量減少 20.1% 且達 1%顯著水準。0.9 分量相較於 0.5 分量減少 11.9%且達 1%顯著水準。0.5 分量 相較於 0.1 分量減少 8.1%且達 10%顯著水準。0.75 分量相較於 0.25 分量減少 2.9% 但不顯著。顯示氣爆區內住宅房價越高折價越大。觀察氣爆影響範圍內外各區分分 量間房價減少情形，顯示氣爆影響區內住宅價格受災情影響較劇烈，災後創傷造成 住戶不願續留而低價拋售，因進場承接力道不足，尤其是高房價住宅價格減少幅度 大於低房價住宅，民眾對高房價住宅拋售意願相對於低房價住宅明顯為高。 39.
數據
相關文件
