房仲服務聚集對周遭房價之影響 - 政大學術集成

全文

(1)國立政治大學地政學系碩士論文私立中國地政研究所. 立. 政治大. 房仲服務聚集對周遭房價之影響. ‧ 國. 學. The Impact of Cluster of Real Estate Agents on Nearby Housing Price. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. 研究生：蕭士傑指導教授：張金鶚. 中. 華. 民. 國. 一. 零. i n U. v. 江穎慧. 七. 博士. 年. 五. 月. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(2) 謝誌這篇論文能夠完成，首先要感謝我的指導教授張金鶚老師及江穎慧老師，儘管老師事務繁忙，依舊每個禮拜抽空與我們討論論文進度，雖然這個頻率常讓我胃部翻攪，但是多虧了老師的用心才能讓怠惰的我如期完成。同時，也感謝我的口試委員彭建文老師、章定煊老師及彭蒂菁老師，因為你們寶貴的意見，使我的論文更加完整。在政大的最後一年很高興有機會可以進入夢寐以求的校桌大家庭，謝謝朱昌勇教練及政大校桌的各位，到了這個年紀還可以與各位一起在球場上拼搏，拋開. 政治大夥伴，雖然研究是條孤獨的路，但那些煎熬的日子裡，幸好有你們可以一起抱怨立. 課業煩躁，再次感受那青春熱血。謝謝哲源、芳瑋、博宇、楊樺、谷元研究室好. ‧ 國. 學. 苦悶。最後要感謝我的父母，給予我一個遮風避雨的家以及無憂無慮的環境，可以專心面對學業，雖然常常講話口氣很差，也不太會表達，但我還是偷偷的在這. ‧. 片小天地間留下愛你們的記號。. sit. y. Nat. 兩年的時間一下就過去，感覺才剛踏進政大校園，現在卻已經準備要離開，. al. n. 努力不懈。. er. io. 頓時充滿了不捨，祈願自己在未來即使少了他人鞭策，依舊可以堅定目標，持續. Ch. engchi. i n U. v. 蕭士傑 2018.07.04. I. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(3) 摘要由於資訊不透明而每人願付的搜尋成本不同造成價格分散，即同樣質量的商品常常以不同的價格出售，造成一價法則(law of one price)不成立，而價格分散的存在誘發買賣雙方進行訊息搜尋行為，透過搜尋以獲得潛在利得。房仲是主要的資訊來源，目的在於促成交易，協助買賣雙方間尋找均衡價格，當房仲店面聚集，區域內的消費者可以獲得更多商品訊息，同時也伴隨著業者間的競爭關係，由於買方與賣方皆是房仲的服務對象，但買方希望能找到較低價格的賣方，而賣方卻希望找到願意出高價格的買方，在競爭影響下價格資訊是否會受到干擾。與. 政治大同，本文討論重點將著重在房仲聚集，資訊更加流通時對周遭房屋價格造成的影立. 過去從效用理論角度討論設施對於住宅，因為效用增加或減少而影響價格有所不. ‧ 國. 學. 響。. 本文選取台北市 2012 年至 2016 年之不動產實價登錄交易資料，以台北市備. ‧. 查房仲經紀業為研究對象，並運用特徵價格理論結合地理資訊系統，建立迴歸模. sit. y. Nat. 型，對房價影響效果進行分析。實證結果顯示，房仲聚集對於房價為正向影響，. al. n. 低價格的住宅會有不同程度的影響效果。. Ch. engchi. er. io. 且隨聚集程度增加及聚集類型不同也對房價有正向影響，最後，房仲聚集對於高. i n U. v. 關鍵字: 房仲、資訊搜尋、競爭、房價. II. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(4) Abstract Because of information asymmetry and different search costs that each person is willing to pay, the price is scattered. It means that law of one price doesn’t exist, because the homogeneous goods aren’t sold in the same price. The existence of price dispersion induces buyers and sellers to conduct information search behaviors and seek potential gains through searching. Brokers aim to match transactions and help buyers and sellers find the equilibrium price. When the store is gathered, the consumers in the area can get more product. 政治大 and the seller are the target 立 of brokers, the buyer hopes to find a seller with a. information, and also the competition between the stores. Since both the buyer. ‧ 國. 學. lower price, and the seller wants to find a buyer who is willing to pay a higher price, and the price information will be disturbed under the influence of the. ‧. competition. The focus of this paper will be the accumulation of stores. The. sit. y. Nat. impact of more information on the surrounding housing prices.. al. er. io. This study used hedonic price theory OLS and quantile regression as model,. v. n. and selected the sale price of real estate and the real estate agency data in Taipei. Ch. engchi. i n U. City from 2012 to 2016 as sample. The empirical results show that store gathering has a positive impact on housing prices, and it has a positive impact on housing prices as the degree of aggregation increases and the type of aggregation differs. Finally, store gathering will have different effects on high and low housing price.. Keywords: Broker; Information Searching; Competition; Housing Price. III. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(5) 目錄第一章緒論 ...................................................... 1 第一節第二節第三節. 研究動機與目的............................................ 1 研究內容與方法............................................ 4 研究架構與流程............................................ 6. 第二章相關理論與文獻回顧 ........................................ 8 第一節. 購買價格的形成............................................ 8. 第二節第三節第四節第五節. 房仲功能.................................................. 9 房仲對價格影響........................................... 11 聚集對價格影響........................................... 14 小結..................................................... 16. 第二節第三節. 實證模型................................................. 20 資料說明與處理........................................... 23. 治政大第三章資料說明與研究設計 ....................................... 18 立第一節研究設計................................................. 18 ‧ 國. 學. 房仲聚集有無對周邊房價之影響效果......................... 38 房仲聚集程度與聚集類型對房價之影響效果................... 39 房仲聚集程度與聚集類型對高低房價之影響................... 40. er. io. sit. y. Nat. 第一節第二節第三節. ‧. 第四章實證結果與分析 ........................................... 38. al. 第五章結論與建議 ............................................... 44. n. v i n Ch 結論..................................................... 44 U i e h n gc 建議..................................................... 45. 第一節第二節. 參考文獻 ......................................................... 46 附錄 ............................................................. 49. IV. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(6) 圖目錄圖 1-1 研究流程圖............................................ 7 圖 3-1 實證分析架構圖....................................... 19 圖 3-2 住宅交易樣本周圍計算房仲店數示意圖................... 24 圖 3-1 住宅交易樣本與房仲店分布示意圖....................... 25 圖 3-4 2012 年房仲競爭有無分布圖............................ 33 圖 3-5 2015 年房仲競爭有無分布圖............................ 33 圖 3-6 2012 年房仲競爭程度分布圖............................ 33 圖 3-7 2015 年房仲競爭程度分布圖............................ 33 圖 3-8 房仲店家數與房價散布圖............................... 34 圖 3-9 房仲店高聚集地區與房價散布圖......................... 34 圖 4-1 競爭種類分量迴歸圖................................... 42 圖 4-2 競爭程度分量迴歸圖................................... 42. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. V. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(7) 表目錄表 3-1 變數說明表........................................... 30 表 3-2 房仲競爭有無模型變數敘述統計表....................... 35 表 3-3 房仲不同競爭程度與類型模型變數敘述統計表............. 36 表 3-4 樣本及房仲店資料分布表............................... 37 表 4-1 迴歸估計結果表....................................... 43. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. VI. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(8) 房仲服務聚集對周遭房價之影響. 第一章第一節一、. 緒論. 研究動機與目的研究動機. 過去幾年房地產市場火熱，促使不動產仲介經紀業擴大徵才、增設據點，台北市處處可見房仲公司的招牌，甚至有些地區房仲店比便利商店還要密集。由於不動產經紀業管理條例對於產業進入門檻低，廠商容易進入與退出，不動產市場景氣熱絡時更帶動了房仲業者增加，2016 年底台北市經紀業備查中，市場存有. 政治大需求動向調查，台北市地區除了自行上網搜尋、透過親友介紹等方式，以房仲為立. 859 家經營不動產房仲經紀業務廠商，產業間競爭激烈。根據 2016 下半年住宅. 主要購置住宅管道的購屋者高達 72.8%，除了證明購屋時大部分的消費者主要向. ‧ 國. 學. 房仲尋求幫助，也表示房仲為消費者資訊的主要來源，因此房仲對於買賣交易之. ‧. 影響，值得進一步討論。. y. Nat. 一般認為，貨比三家不吃虧，民眾可以透過造訪多家商家比價蒐集資訊，資. er. io. sit. 訊更豐富情況下可以較便宜價格買到相同商品，然而，不動產買賣與一般商品買賣有所不同，不動產具異質性，每個不動產產品都是獨一無二的且具有多重特徵，. al. n. v i n 因此消費者在衡量價格時不容易相互比較。根據 Stigler(1961)的不完全訊息觀 Ch engchi U 點，由於住宅市場資訊不透明、搜尋成本高的特性，消費者無法掌握每個商店內同質商品的價格分布，需要藉由搜尋相關的資訊輔助其消費決策，而由於不動產資訊龐雜搜尋不易，雖然搜尋可以提高成交機會，但主動搜尋的一方須付出較大成本搜尋房屋需求者或是供給者，因此導致搜尋意願降低，這樣的無效率市場使得中間人角色出現，衍生出專門從事資訊蒐集的房仲業，藉由重複使用所搜集的資訊達到規模經濟，協助買賣雙方減少交易成本，增加經濟效率(Yavas,1994)。過去房仲相關研究討論到房仲對價格影響，廖仲仁、張金鶚(2004)發現透過房仲服務，買家可以獲得相關資訊以較低價格購買房屋，後續研究也發現買家對. 1. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(9) 房仲服務聚集對周遭房價之影響. 於價格越高的住宅，會搜集更多相關資訊以獲取較低價格，因而房價溢價程度越來越低，而對於以總價比例收取佣金的房仲而言，並不是全部房屋都採取相同的銷售模式，提高價格可以增加佣金收入，卻也會拉長銷售時間，甚至失去成交機會，因此，對高價格房屋會以折價方式加速銷售速度，低價格房屋則提高搜尋努力程度，尋找願意出高價格的買家以增加佣金收入(廖仲仁、張金鶚，2006)。李春長(2002)則針對經營型態對價格影響進行討論，發現服務年數或是市場資訊越多者，越容易有違反職業倫理行為，也就是相對於執業經驗較少的直營品牌人員，加盟品牌人員較會為了成交而以較低價格出售，產生損害賣方利益的行為。. 政治大賣方想賣高價格，買方想買低價格，房仲身為買方與賣方之間的交易平台，功能立. 根據上述，房地產價格決定須經過議價過程，一般會透過房仲負責搓合交易，. 則是在買方與賣方各自保留價格間尋求成交價格(Yavas,1994)，由於資訊不對稱，. ‧ 國. 學. 房仲掌握較豐富資訊，因此房仲能對價格產生影響，然而當房仲聚集時除了消費. ‧. 者的資訊更加流通，同時也伴隨著業者間的競爭關係，由於買方與賣方皆是房仲. y. Nat. 的服務對象，但買方希望能找到較低價格的賣方，而賣方卻希望找到願意出高價. er. io. sit. 格的買方，在競爭影響下價格資訊是否會受到干擾?本文選取 2012 年 7 月至 2016 年 6 月內政部不動產交易實價登錄中台北市的資料為研究樣本，以台北市. al. n. v i n 不動產經紀業備查之房仲店為研究對象，建立房仲店聚集對周遭房價分析迴歸模 Ch engchi U 型討論影響效果。. 2. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(10) 房仲服務聚集對周遭房價之影響. 二、. 研究問題. 本文就上述研究動機，歸納下列研究問題 (一)房仲業間聚集有無對於周圍住宅之價格是否有影響，其影響程度為何? (二)房仲業間聚集程度增加以及直營與非直營品牌聚集類型的不同對於周遭房價又會造成什麼影響，其影響程度為何? (三)房仲業間聚集對於高低房價住宅影響程度是否有差異？. 三、. 研究目的. 房仲與不動產買賣交易息息相關，也是民眾最主要的資訊管道，擔任買方與. 政治大. 賣方間的溝通平台傳遞訊息，當市場上存在許多房仲業者，一般經驗會認為資訊. 立. 能更加流通，買方可以透過搜尋更多產品資訊以較便宜的價格購得相同商品，然. ‧ 國. 學. 而房仲與一般商業不同，並不是販售自己的財貨，而是一個買賣雙方的交易平台，買方與賣方都希望爭取對自己有利的價格，因此房仲產業間的聚集是否會對價格. ‧. 產生相同影響效果，本文欲以實證分析進行討論。. y. Nat. sit. 此外，由於除了有無聚集應該會有不同程度的聚集情況發生，有些地方聚集. n. al. er. io. 程度較激烈，有些地區較平緩，此外，由於薪資方式不同可能也會有不同的價格. i n U. v. 影響效果，直營品牌主要採取高底薪低獎金薪資方式，而加盟品牌是低底薪高獎. Ch. engchi. 金薪資方式，因此，本研究將進一步討論房仲聚集程度以及聚集類型的不同對於周遭房價的影響，最終探討這些房仲聚集效果對高低房價住宅之影響程度是否有差異。除了受到本身建築特徵、區位等影響外，並期望透過房仲聚集相關變數的討論，對於房價組成有更清楚地認識，供不動產交易的參與者，無論是買賣雙方或是房仲業者參考。. 3. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(11) 房仲服務聚集對周遭房價之影響. 第二節. 研究內容與方法. 一、研究內容 (一)研究對象本研究以台北市地政局不動產經紀業備查中的房仲店為研究對象，並結合內政部不動產交易實價登錄台北市的資料，探討房仲店聚集對於周遭房價之影響。 (二)時間範圍本研究用以檢驗房仲店聚集對周遭房價影響效果之住宅交易樣本資料，取自內政部不動產交易實價登錄資料，始於 2012 年 7 月至 2016 年 6 月止，為研究之時間範圍。. 立. (三)空間範圍. 政治大. ‧ 國. 學. 本研究以位於台北市之不動產仲介經紀業，及台北市不動產交易實價登錄住宅交易樣本為實證對象，即台北市為地理空間範圍。. ‧. (四)研究限制. y. Nat. sit. 本研究欲討論房仲店聚集是否對於交易價格有影響，而店面式的房仲主要以. n. al. er. io. 地方商圈精耕方式經營，深入掌握地方訊息，並積極參與附近社區活動，提升品. i n U. v. 牌印象，而民眾在收集不動產相關資訊時，會在交易點週遭房仲店進行搜尋，因. Ch. engchi. 此本研究假設每筆交易價格會受到周圍房仲店聚集關係影響，且只針對店面式的房仲店為研究對象。此外，由於資料限制，房價資料僅有 2012 年至 2016 年間，而 2012 年至 2015 年間主要是買方市場，2016 年才開始有轉為賣方市場的跡象，本研究僅能就這段期間分析變動情況。. 4. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(12) 房仲服務聚集對周遭房價之影響. 二、研究方法 (一)相關理論與文獻回顧本研究首先由房仲與價格關係切入，瞭解房仲是否會影響房價，接著進一步探討商店聚集對於價格的影響效果，作為後續討論房仲聚集對價格影響之依據。 (二)實證分析本研究利用空間地理資訊系統(Geographic Information System, GIS)繪製房仲業位置分布圖，並計算其與住宅交易樣本相關空間資訊。運用特徵價格理論最小平方法建構實證模型，透過聚集有無、聚集程度、聚集類型變數，分析房仲. 政治大研究同時採用分量迴歸方法，觀察其變化情形。立. 聚集對於房價的影響。而為了觀察房仲聚集對於高低價住宅之影響效果差異，本. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 5. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(13) 房仲服務聚集對周遭房價之影響. 第三節. 研究架構與流程. 一、研究架構本研究共分為五章，首先為第一章「緒論」，說明探討房仲聚集對於周遭房價影響之研究動機與目的、研究內容與方法、研究架構與流程等三個小節。第二章為「相關理論與文獻回顧」，首先針對購買價格的形成以及房仲功能進行了解，其次，討論房仲對價格影響，了解房仲是否會對價格有影響能力，最後針對聚集對價格影響進行回顧，了解一般商品的競爭對策以及房仲間的競爭對策，以此討論房仲聚集對於價格的可能影響。第三章為「資料. 政治大. 說明與研究設計」，說明實證資料來源、變數選取、敘述統計及實證模型。. 立. 第四章為「實證結果與分析」，呈現實證結果並說明房仲聚集對周圍房價、. ‧ 國. 學. 房仲聚集程度與聚集類型對周圍房價之影響效果，以及房仲聚集程度與聚集類型對周圍高低房價之影響效果。第五章為「結論與後續研究」，整合本研. ‧. 究實證結果，說明研究發現與貢獻，並提供後續研究建議。. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 6. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(14) 房仲服務聚集對周遭房價之影響. 二、研究流程. 研究動機與目的研究內容與方法. 相關理論與文獻回顧. 政治大房仲功能房仲對價格影響立. 聚集對價格影響. 學. ‧ 國. 研究設計. ‧. io. n. al. 模型建立與檢定. Ch. engchi. 實證結果與分析. sit. y. Nat. 資料說明與處理. er. 購買價格形成. i n U. v. 結論與建議. 圖 1-1 研究流程圖. 7. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(15) 房仲服務聚集對周遭房價之影響. 第二章第一節. 相關理論與文獻回顧. 購買價格形成. 消費者在考量購物時，其購買意願會受到知覺價值以及搜尋成本所影響。知覺價值可以分為兩部分，第一部分知覺交易價值，為內部參考價格(internal reference price)減去實際支付價格，在金錢部分所得到的滿足感，若內部參考價格越高，而實際支付價格越低，則知覺交易價值越高; 第二部分知覺獲得價值，指來自產品本身所獲得的利益，此利益通常來自產品的功能、品質或是品牌，隨著知覺價值增加購買意願上升(Grewal D.,Kent B.Monroe and R.Krishnan,1998)。. 政治大. 此外，由於市場價格離散，即使是相同質量的產品由於時間、空間的不同，價格. 立. 也會出現差異，因此需要進行搜尋的行為。然而搜尋是需要成本的，對於搜尋者. ‧ 國. 學. 而言它所面臨的問題是停止或是繼續搜尋，然而隨著搜尋次數增加邊際利益遞減，當搜尋的邊際利益等於邊際成本時，將停止搜尋行為，因此購買意願也會受限於. ‧. 搜尋成本。. y. Nat. sit. 當消費者接觸產品訊息時，參考價格(reference price)為其所聯想到的任. n. al. er. io. 何相關價格訊息，可能是一個特定數字或是一個範圍(Biswas and Blair ,1991)。. i n U. v. 參考價格可區分為二類，一為內部參考價格，一為外部參考價格(external. Ch. engchi. reference price)。內部參考價格的產生主要來自於消費者過去經驗中所接觸的價格，是以記憶作為基礎並以此作為判斷價格的參考點，會受到過去售價、市價、促銷價格等影響;外部參考價格則是透過廣告或型錄方式向消費者傳遞商品訊息 (張重昭、謝千之，2000)。消費者利用外部參考價格建立內部參考價格進行價格判斷，進而從事購買行為，然而與一般商品不同，不動產具異質性，每個產品都是獨一無二的，且具有多重特徵，因此消費者在衡量價格時不容易相互比較。價格搜尋過程比一般商品更需要龐大相關資訊，由於市場資訊分散，因此產生了專門收集市場資訊的不動產仲介業，提供買方與賣方相關資訊來源。 8. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(16) 房仲服務聚集對周遭房價之影響. 第二節. 房仲功能. 不動產交易市場中由於存在價格分散，誘發買賣雙方進行搜尋行動，以獲得潛在利得，根據 Stigler(1961)的不完全訊息觀點，消費者無法掌握每個商店內同質商品的價格分布，需要藉由搜尋相關的資訊輔助其消費決策(Solomon,1997)，然而搜尋需要時間、貨幣成本，當搜尋越多，利益也將逐漸減少。因此出現專門蒐集市場訊息的不動房仲經紀業，透過規模經濟效果，增加資訊效益分攤成本，並且降低資訊不對稱，改善交易效率(Turnbull and Sirmans,1993)。由於不動產交易金額龐大，過程中更涉及個人私密文件的交付保管，房仲屬. 政治大其他服務業相同，本身並不從事生產產品，主要作為買賣雙方交易平台，在購屋立. 於高度信賴的服務產業，對於整體不動產市場的運作更是扮演關鍵重要角色。與. ‧ 國. 學. 過程中，房仲負責的是最前端作業，主要服務內容為接受賣方委託，協助賣方訂價、製作不動產說明書、提供資訊傳遞及交換之功能等等，主要目的是搓合買賣. ‧. 雙方完成交易。買方想要降低價格，賣方想要拉高價格，房仲業扮演著交易雙方. sit. y. Nat. 諮詢與協商角色，協助買家與賣家在各自保留價格間尋求成交價格(Yavas,1994)。. al. er. io. 面對住宅這類集多項特徵的產品，價格除受到搜尋成本影響外，也會受到自身的. v. n. 知覺價值影響，因此每個人對於同樣產品的願付價格會有不同(廖仲仁、張金鶚，. Ch. engchi. i n U. 2004)，最佳情況是房仲能配對保留價格相同的買賣雙方，買賣雙方都沒有損失地完成交易。房仲業服務內容從委託買賣、簽約、用印、完稅到交屋一條龍服務，其中房仲主要服務內容可以分為三階段，委託、價格協商、售後服務。委託階段提供法令稅務諮詢、產權說明、物件情報、價格資訊。價格協商階段，若買方有購買意願可透過要約書或斡旋金來傳達，交易成功後，斡旋金即轉成為定金，成為買賣價金的一部分。售後服務包括貸款服務、代辦代書過戶、履約保證、漏水保固等。. 9. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(17) 房仲服務聚集對周遭房價之影響. 綜合以上，在不動產交易過程中，房仲業包辦了所有事務，而房仲最主要的功能在於配對買賣雙方，在交易過程中扮演著諮詢與協商角色。由於消費者無法掌握不動產市場資訊，且交易過程中又涉及許多個人資料，需要透過房仲提供服務，保障交易安全並增進交易效率，因此房仲與不動產交易息息相關。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 10. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(18) 房仲服務聚集對周遭房價之影響. 第三節. 房仲對價格影響. 本文針對房仲對價格影響將從資訊不對稱、經營型態以及經濟誘因三方面分別進行討論。首先，由於房地產市場屬於資訊不對稱狀況，房仲擁有比消費者更多市場資訊與房屋狀況資料，因此容易產生代理問題，當發生利益衝突時，房仲會以個人利益為首要追求目標，這也將會損害賣方利益。一般會以契約規定以及佣金百分比的報酬方式，確保房仲能為賣方謀求最大利益，防止代理問題發生，並提供誘因激勵房仲，成交金額越高，房仲也能得到更多利益，藉此增加其努力程度(Jensen & Meckling,1976；Arnold,1992)。然而不動產相關法制規範，如. 政治大內容過少，因此透過不實陳述、不揭露等不符合職業倫理行為，房仲依舊對價格立公平交易法、不動產經紀業管理條例等仍有不足，法定規範房仲必須揭露的訊息. ‧ 國. 學. 有影響能力，容易造成消費者的利益損失 (何彥陞，2011)。其次，過去對於職業倫理行為有許多討論，Miller(1999)提出國外幾項房仲. ‧. 在交易過程中消費者所抱怨的行為，首先，為獲得賣方委託，房仲會先迎合賣方. sit. y. Nat. 偏好，誇大其市場價格，在交易過程中再說服賣方降低價格，此外，為了促成交. al. er. io. 易，在協商過程中房仲會透漏買方願意接受的最高價格或賣方願意接受的最低價. v. n. 格相關訊息。國內的討論，李春長、尤靖雅(2007)認為房仲行為受到倫理規範所. Ch. engchi. i n U. 影響，倫理判斷來自於個人主觀判斷及企業倫理規範，因此，為避免從業人員藉由違反倫理行為達成買賣交易，企業倫理規範的引導同樣具有影響能力，可以作為一個手段，也就是企業的管理制度會決定其從業人員的行為表現。而李春長 (2002)透過問卷研究，發現直營品牌由於制度較完善，也較注重品牌及公共形象，對於從業人員約束力較強，因此從業人員較有職業倫理，服務品質較容易控管，對於買賣交易雙方較具有保障，從經濟層面，由於直營品牌多採取高底薪低業績獎金的薪資方式，業績與薪資較無太大關連，從業人員欺瞞賣方的誘因較低，而加盟品牌服務品質較良莠不齊，主要採取高業績獎金薪資方式，因此業績與薪資關聯大，且對於市場資訊也相對直營品牌的職場新人更加豐富，在經濟誘因以及 11. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(19) 房仲服務聚集對周遭房價之影響. 能力上皆具有欺瞞賣方的可能。研究中也發現經營型態有別於經濟誘因，表示直營體系除了因為經濟誘因的不同，對於品牌和公共形象等企業倫理教育也極為重視。李春長、楊宗憲、游淑滿、邱鈺娟(2011)研究發現，大型直營房仲業者為提升顧客忠誠度與品牌形象，以永續經營為目標，不局限於單次買賣交易，開始重視服務品質與顧客滿意度，隨時注意追蹤消費者回饋並進行改善。彭建文(2003) 透過房仲經營型態與經營績效的討論，發現由於房仲是基於高度信賴所形成的服務業，從交易安全與服務品質觀點來看，民眾對於品質良好的品牌較為信任，在交易時會更願意選擇形象較好的直營品牌，因此對經營績效造成影響。理論上經. 政治大是由總公司統一標準，因此形象、品質各方面能夠達到相同水準；而加盟品牌最立營型態的不同應該會有不同的效果，直營品牌較注重員工素質訓練，決策方面也. 大的決策者並不是總公司而是各店東，當加盟品牌與各店東間有摩擦，還有其他. ‧ 國. 學. 加盟品牌可以選擇，因此公司決策較不容易貫徹，對加盟店品質控制能力差，而. ‧. 由上述討論也證實，市場上消費者對於直營品牌的信賴程度較高，因此績效較高. y. Nat. 的情況發生，而品牌形象與消費者願付價格之間，Grewal, Krishnan, Baker, and. er. io. sit. Borin(1998)認為有正向關係，過去的研究並未對房仲品牌與價格關係有討論，但直營品牌由於上述優點，消費者可能願意多增加預算換取交易安全與服務品. n. al. 質。. Ch. engchi. i n U. v. 最後，從經濟誘因討論房仲對價格的影響，房仲行為會受到佣金效果與成交效果兩者互相影響，拉升價格雖能提升房仲佣金，卻有降低買家購買意願風險，較不容易成交；當價格較低時，為了增加佣金報酬，房仲會提高蒐尋密度尋找願意出更高價格的買家(Yavas and Colwell,1995)，廖仲仁、張金鶚(2006)發現房仲對於高低價格住宅具有不對稱的價格效果，隨房價增加，甚至採取折價方式銷售。對於房仲而言，成交效果會隨價格上升逐漸大於推升價格所增加的佣金效果，因為推升價格不僅降低配對機會，與房仲店主報酬分配過程中，實際到手的報酬金額也不高，所以房仲最關心的是成交機會。然而不同的經營型態薪資方式不同，. 12. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(20) 房仲服務聚集對周遭房價之影響. 相較而言，高獎金的加盟品牌由於可獲得較高比例佣金分配，因此相對低獎金的直營品牌更在意成交效果，而非一味推升價格，對於賣方而言較有違背賣高價格的可能。綜合以上，由於不動產市場的資訊不對稱，因此房仲是奠基於互相信賴而形成的行業，然而服務人員素質無法如同商品一樣達到標準化，而透過不同經營型態的企業倫理管理，以及獎金與底薪經濟誘因的不同分配，不同經營型態的房仲對於價格具有不同的影響效果，直營品牌相對加盟品牌應有正向的價格關係存在。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 13. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(21) 房仲服務聚集對周遭房價之影響. 第四節. 聚集對價格影響. 一般認為若商品不具獨占市場力量，隨著賣方數量增加時，商家間會為了交易成功，而進行價格競爭，導致平均價格下降。台灣婚紗攝影產業即有產業聚集現象，業者間主要競爭策略採取價格競爭，當競爭對手提出優惠方案時，其他競爭者亦會跟進(陳建興、簡靖芸、趙映晴，2014)。伴隨網際網路的發展，資料收集不受限於時間、地點，大幅減低消費者搜尋產品資訊的成本(Bakos,1997)，由於消費者的搜尋成本減低，更容易蒐集相關資訊，因此會減低賣家的獨佔力量，使得價格競爭更加激烈。因此在網路書店市場中，隨著競爭者增加，書籍相關產. 政治大況下，為避免落入價格競爭的犧牲者立，有些廠商會透過提升服務品質、服務內容、. 品也出現價格競爭的情況(Pan, Ratchford, and Shanka,2002)。在產業競爭情. ‧ 國. 學. 品牌建立等方式，給予消費者不同感受，增加商品的異質性，賣方能提升價格決定力量，提升商品價格(Satterthwaite,1979；陳建興等人，2014)。. ‧. 而在房仲面向，房仲業者在設立營業據點時，為避免競爭會考慮與其他同業. sit. y. Nat. 間的距離，然而當各品牌紛紛擴增營業據點時，彼此的交易商圈會重疊，產業聚. al. er. io. 集隨之而來的競爭是必須面對的問題。根據收費方式，佣金報酬只屬於完成交易. v. n. 的房仲，意指若沒有談成交易，之前所做的努力全將白費，這使得房仲間彼此產. Ch. engchi. i n U. 生競爭，隨產業聚集競爭程度加劇。若房仲業者希望從市場中脫穎而出，必須先著手建立與其他競爭者有差異的服務策略，由於房仲業時常是面對面與客戶接觸，因此服務品質是轉變的關鍵要素(郭幸萍，2009)。雖然房仲業者服務內容不斷推陳出新，例如履約保證、漏水保固服務、交易安全等，然而由於這些服務項目並不具有過高技術門檻，容易被競爭者快速模仿學習，造成產業間服務內容並無太大差異，然而服務品質根據不同品牌的企業規範，產生不同的企業品牌形象，凸顯出差異。服務品質的提升會影響顧客滿意度，顧客滿意度的提升再影響顧客忠誠度，服務品質與顧客忠誠度間雖不是直接影響，卻也是有影響效果 (李春長、楊宗憲、 14. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(22) 房仲服務聚集對周遭房價之影響. 游淑滿、邱鈺娟，2011)。而由於成交時買方所需支付的佣金比例較少，而賣方需要負擔較大比例費用，對於買賣雙方而言應該有不同的顧客忠誠度，且根據內政部報酬計收標準，仲介業收取報酬總額合計不得超過該不動產實際成交價金百分之六，佣金比例具有調整空間，因此若其他的房仲表示可以折讓佣金，賣方與其他房仲交易的機會將增加，導致賣方對於房仲的忠誠度相對不高。綜合以上，當房仲聚集時，各品牌會根據企業規範針對不同面向提升服務品質，增加消費者的顧客忠誠度，買方可以蒐集到更多商品資訊找到較低價格，佣金比例也有更多的議價空間降低總價，但賣方同樣也有更多的選擇，希望找出願. 政治大. 意出最高價格的買方，因此，房仲的聚集可能對價格產生下降或上升影響。. 立. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 15. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(23) 房仲服務聚集對周遭房價之影響. 第五節. 小結. 綜合前述的概念，由於資訊不對稱、經營型態以及經濟誘因，房仲對於房價有影響，而過往房仲對於房價的影響討論，缺乏考量到房仲間的聚集。一般商品買賣，當商家聚集時會因為商品資訊更豐富，消費者可以更便宜的價格購得相同的產品，商家間也容易進入價格競爭方式銷售。然而，不動產買賣與一般商品買賣不同，首先，不動產具異質性，每個不動產產品都是獨一無二的，且具有多重特徵，因此消費者在衡量價格時不容易相互比較，其次，房仲為一種雙邊市場型態，並非商品的生產者，市場需求來自買賣雙方，透過一個平台增進資訊流通，. 政治大方各自保留價格間尋求成交價格，缺少任一方，交易就無法成立，即買方不買或立. 負責搓合交易，賣方想賣高價格，買方想買低價格時，房仲功能則是在買方與賣. ‧ 國. 學. 賣方不賣交易將會破局，房仲無法成交案子。. 當房仲聚集時，儘管服務內容大同小異，但各品牌會根據企業規範針對不同. ‧. 面向提升服務品質，增加消費者的顧客忠誠度，此外，佣金比例也有更多的議價. sit. y. Nat. 空間。對於房仲聚集對價格的影響，過去鮮少討論，而本研究透過上述相關理論. al. er. io. 整理，認為在房仲競爭的情況下，有以下兩種可能情況，一是由於資訊更透明，. v. n. 買方可以透過詢問其他房仲獲得更多價格資訊，而房仲也可能採取降價方式與其. Ch. engchi. i n U. 他仲介競爭吸引買家購買；另一方面，由於賣方對於房仲的選擇增加，一味的壓低價格的銷售方式賣方可能會選擇其他房仲而失去委賣機會，房仲業不容易單方面採取價格競爭的銷售策略，此外，由於服務品質的提高服務成本增加，當房仲提升服務品質所升高的成本超過房仲負擔，會增加房仲推升價格的意願。隨著不動產價格上升，房仲可以收取到更多的佣金報酬，然而過去研究發現，對於越高價格的房屋，由於只要有成交都是一筆相當可觀的收入，因此甚至會有折價加速成交的銷售方式，而基於相同的理由，房仲間的聚集對於不同價格的住宅應該也會有不同影響。. 16. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(24) 房仲服務聚集對周遭房價之影響. 基於上述觀點，本文將分別以實證模型進行分析，除討論房仲間聚集的有無對於房價影響情形，以及不同聚集程度與聚集類型對於房價影響，也將進一步針對房仲聚集，不同聚集程度與聚集類型對於高低不同房價影響進行討論。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 17. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(25) 房仲服務聚集對周遭房價之影響. 第三章第一節. 資料說明與研究設計. 研究設計. 與過往從效用理論，設施因為效用增加，對價格產生正向影響；效用減少而對價格產生負向影響(楊宗憲、蘇倖慧，2011；Chiang, Peng, & Chang, 2015) 的角度所進行設施對房價影響的討論不同，本文討論重點將著重在房仲聚集，房仲店是一般消費者了解房地產相關資訊媒介，一地區房仲店越多代表消費者能探訪不同店家獲得更加豐富的資訊，同時房仲間的競爭程度也會增加，本文目的在於透過實證分析一筆不動產交易價格，除了受到本身建築特徵、區位等影響外，是否會受到周遭房仲間聚集影響。. 立. 政治大. 本研究以台北市不動產交易實價登錄資料作為房價觀察樣本，利用地理資訊. ‧ 國. 學. 系統計算其與不動產仲介經紀業空間資訊，建立相關變數，以特徵價格理論為基礎架構，並以傳統迴歸模型最小平方法觀察房仲聚集有無對周圍房價影響效果，. ‧. 討論當一個住宅交易樣本在進行交易時有房仲聚集時，是否會對價格產生影響?. y. Nat. sit. 確認有影響效果後，進一步刪除無聚集的交易樣本，僅針對有聚集交易樣本，討. n. al. er. io. 論房仲聚集程度以及不同聚集類型對周圍價格影響效果，再透過分量迴歸模型針. i n U. v. 對房仲聚集程度以及不同聚集類型檢視其影響效果是否隨房價增加而有變化，如圖 3-1 所示。. Ch. engchi. 18. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(26) 房仲服務聚集對周遭房價之影響. 住宅交易樣本共 19,653筆. 300公尺內房仲聚集有無，對房價之影響效果. 無. 排除無仲介聚集之住宅交易樣本共11,749筆. 有. 政治300公尺房仲聚集程度與大聚集類型，對高低價住宅. 300公尺房仲聚集程度與聚集類型，對住宅價格之影響效果. 立. 之影響效果. ‧ 國. 學圖 3-1 實證分析架構圖. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 19. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(27) 房仲服務聚集對周遭房價之影響. 第二節. 實證模型. 一、特徵價格理論 Rosen 自 1974 年提出特徵價格理論，指出產品價格可由產品各項特徵所組成，在國內外不動產價格相關研究中被廣泛運用，且皆有不錯估計成果。不動產價值為各高度異質性且無法單獨出售之特徵所組成。在追求效用最大化原則下，消費者衡量各項特徵之邊際願付價格所形成隱含價格，各種特徵隱含價格之集合則形成不動產總價。大致可將不動產特徵分類為房屋屬性、區位屬性、總體經濟環境，通常得到良好解釋效果(林祖嘉、馬毓駿，2007)。房屋價格與房屋特徵關係由下列方程式表示：. 政治大. 立𝑃 = 𝛼 + Σ𝛽𝑋 + Σ𝛾D + 𝜀. ‧ 國. 學. 其中𝑃為房價；𝑋為住宅特徵之連續變數，𝛽為連續變數係數值；D 為住宅特. ‧. 徵之虛擬變數，𝛾為虛擬變數係數值；𝛼為截距項，𝜀為殘差項。特徵價格模型可. y. Nat. 分為直線型(linear)、半對數型(semi-log)及雙數型(log-log)，由於半對數模. er. io. sit. 型將應變數取自然對數，可降低變數不齊一問題，且可以客觀地以百分比方式衡量每變動一單位特徵的房價的變動情形（Malpezzi,2003）。綜合以上，本研究將. al. n. v i n 建立半對數特徵價格模型進行實證分析，房價與房屋屬性間的關係如下所示： Ch engchi U Ln(Pi ) = α + ∑Xi βj + ∑Di γ𝑗 + ε𝑖. 其中 Pi 為房價，X i 為第𝑖筆樣本之住宅特徵連續變數，βj 為第 j 個特徵之連續變數係數值，Di 為第𝑖筆樣本之住宅特徵之虛擬變數，γ𝑗 為第 j 個特徵之虛擬變數係數值，α 為截距項，ε𝑖 為殘差項。. 20. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(28) 房仲服務聚集對周遭房價之影響. 二、分量迴歸模型特徵價格模型是最常被作為估計不動產價值之方法，基本模型是以最小平方法進行參數估計，然而最小平方法模型是建立在應變數條件分配的平均數，這樣的估計方法僅能以平均影響效果解釋自變數對應變數的影響，對於不動產價格，是假設不動產的特徵屬性對於不同價位的影響都是相同一致的，然而資料若非呈現常態分布，模型結果可能會產生誤差，Koenker and Bassett (1978)提出分量迴歸方法(Quantile Regression)，可估計自變數對應變數於特定百分比的邊際效果，在最小平方法中，不同分量的應變數的邊際效果皆相同，而分量迴歸可針. 政治大自變數整個分配特性得以更清楚描繪。立. 對應變數的特定分位數，估計出自變數對應變數於不同分量下的邊際效果，對於. ‧ 國. 學. 在不動產價格領域研究中，過去已有許多相關討論，廖仲仁、張金鶚(2006) 以分量迴歸方法建立價格模型討論仲介服務對價格之影響，實證研究發現仲介對. ‧. 於高低價格住宅具有不對稱的價格效果，此外，黃怡潔、江穎慧、張金鶚(2007). sit. y. Nat. 使用分量迴歸討論臺北市公共住宅對周圍房價影響，實證研究發現由於公共住宅. al. er. io. 在規劃設計時會考量當地的公共空間需求，而隨房價越高，其本身即具有較完善. v. n. 的生活環境，因此對於低價位住宅有較強正外部性，對高價位住宅有較小正外部. Ch. engchi. i n U. 性，Chiang, Peng & Chang(2015)討論便利商店與房價關係，發現低價區居民偏好居住在便利商店附近，呈現正向影響，而高價區居民較重視居住安寧，便利商店人潮往來以及開門音效都會形成噪音，因此高價區呈現負向影響。綜上所述，由於分量迴歸模型具有分析自變數對應變數於特定百分比的邊際效果，且房價又具高度異質性，相較最小平方法，分量迴歸模型能得出較精準結果，並進行更細緻探討內容，因此本研究將利用分量迴歸模型，測試聚集程度及聚集類型對不同價位住宅的影響效果。. 21. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(29) 房仲服務聚集對周遭房價之影響. 估計式如下所示：. Ln(Pi ) = αθ + ∑Xi βθ + ∑Di γθ + εθ 其中Pi 為第𝑖筆樣本之房價，𝜃表示為分量(0<𝜃 <1)，X 𝑖 為第𝑖筆樣本住宅特徵之連續變數，β𝜃 為連續變數參數向量，D𝑖 為第𝑖筆樣本住宅特徵之虛擬變數，γ𝜃 為虛擬變數參數向量，αθ 為截距項，εθ 為殘差項。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 22. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(30) 房仲服務聚集對周遭房價之影響. 第三節. 資料說明與處理. 一、住宅樣本資料本研究實證分析所採用之住宅交易樣本取自內政部不動產交易實價登錄台北市的資料，時間範圍為 2012 年 7 月至 2016 年 6 月，資料內容包含不動產交易單價、總價、交易日期、建物型態、交易車位價格、模糊化地址、座標等欄 1. 2. 位，經剔除欄位資料不全、非住宅、含備註欄、一樓交易、透天產品、具異常值等資料，為將資料更貼近為透過房仲買賣交易樣本，將屋齡小於一年，可能為新成屋之資料一併排除後，共計 19,653 筆。. 二、房仲店資料. 立. 政治大. 房仲店資料來自 2012 年至 2016 年台北市地政局不動產經紀業備查，資料內. ‧ 國. 學. 容包括地址、是否經營仲介業務，時間以年為單位。房仲業設店位置可分為二種. ‧. 型態：樓面式，指為減少經營成本設在二樓以上，辦公室租金相對較低的公司，. y. Nat. 較無商圈經營模式；店面式，指在一樓的經營，採取商圈精耕策略的廠商，意涵. er. io. sit. 其主要服務範圍是對周遭住宅，鎖定固定的區域與當地的鄰里居民建立良好的關係，以尋求業務的機會，對於地段的行情及學區、市場、交通、地理環境等掌握. n. al. 度高，提升交易成功機率。. Ch. engchi. i n U. v. 本研究欲討論房仲業聚集對周遭價格影響，由於店面式房仲店在一樓經營，招牌能見度較高，為一般民眾搜尋不動產相關資訊的主要場所，因此以台北市房仲店資料進行分析並以台北市不動產經紀業備查中經營不動產房仲經紀業且位於一樓的廠商為基礎，然而由於不動產經紀業備查中台北市直營品牌，信義房屋及永慶房屋在備查資料中僅有一家店為代表，但該品牌店數眾多，因此本研究透過其官方網站所公布之分店地址，擴充房仲店資料。. 1. 2. 實價登錄資料備註欄內容大多為親友間交易、價格包含增建等價格影響因素，造成該筆交易價格可能與市值有較大落差，故予以刪除。由於台灣土地使用採住商混合方式，一樓大多為商家、店鋪使用，非本研究欲討論之標的。 23. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(31) 房仲服務聚集對周遭房價之影響. 三、住宅樣本與房仲資料結合為了將房仲店地址與住宅交易案例結合，透過輸入地址轉換經緯度方式，將房仲店資料匯入地理資訊系統，透過環域分析(Buffer Analysis)劃設影響範圍，並估算範圍內房仲店數量並檢視其與住宅交易樣本的空間關係。如圖 3-2 所示，以黑色點住宅交易樣本為中心劃設半徑 300 公尺的藍色圓圈，其餘紅色圖形則為房仲店分布位置，利用地理資訊系統計算圓圈內房仲店數量，圖中住宅交易樣本 A 的房仲店數為 4 家。圖 3-3 為住宅交易樣本與房仲店分布示意圖，紅色點代表房仲店位置，黑色. 政治大圍區域只有零星幾個地區較為密集，然而這樣的分布情形可能是受到台北市盆地立點代表實價登錄交易位置，分布情形可以發現兩者皆於台北市中心特別密集，外. ‧ 國. 學. 地形阻隔所影響，由於中心平坦，四周環山的地理特質，決定了適合開發建築區域，因此大部分的交易位置集中在市中心區域。從圖中可以觀察到市中心房仲店. ‧. 數量較多且其主要分布趨勢是依附著交易樣本。. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. A. 圖 3-2 住宅交易樣本周圍計算房仲店數示意圖. 24. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(32) 房仲服務聚集對周遭房價之影響. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 3-3 住宅交易樣本與房仲店分布示意圖. 25. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(33) 房仲服務聚集對周遭房價之影響. 三、變數選取本研究實證模型的變數除了考量住宅本身條件、區位屬性、總體經濟外，亦加入聚集有無、聚集程度、聚集類型等變數，為本研究重要之解釋變數，以下將分別說明所使用之變數設定。 (一)應變數根據特徵價格理論，不動產總價是由各個不動產特徵對於價格的貢獻所組成，具有不可分割性。為控制極端值影響，且估計係數可以百分比解釋變動程度而不受單位影響(Malpezzi,2003)，故本研究以不動產總價 3取對數為實證分析之應變數。. 立. (二)自變數. 政治大. ‧ 國. 學. 由於民眾購買不動產時會在交易點周圍蒐集不動產相關資訊，而台北市房仲店分布密集，本研究測試了 300~500 公尺範圍，發現 300 公尺範圍內有無房仲店. ‧. 比例為 1.44:1，400 公尺範圍為 3.07:1，500 公尺範圍為 5.41:1，隨範圍增加. y. sit. al. er. io. 1.聚集有無. Nat. 比例更加懸殊。因此本研究以樣本分布較平均的 300 公尺為範圍進行討論。. v. n. 本研究除討論資訊提供量外也考量房仲彼此間競爭關係對於資訊消息提供. Ch. engchi. i n U. 的影響，而根據公平交易法第四條:「本法所稱競爭，指二以上事業在市場上以較有利之價格、數量、品質、服務或其他條件，爭取交易機會之行為。」本研究將 300 公尺內 0 與 1 家房仲店定義為無競爭設為 0，反之為 1。有聚集除了有更多房仲可以提供相關資訊，卻也會受到彼此間競爭的影響效果，買方可以透過詢問其他房仲獲得更多價格資訊，以便宜價格購買，房仲也可能提供降價的訊息與其他仲介競爭吸引買家，加速成交速度；另一方面，賣方希望找到願意出較高價格的買方，有聚集代表有其他的房仲可以選擇，如果房仲價格低於賣方預期將失去委賣機會，其提供的價格資訊為較偏向賣方意願的價格，也可能因為服務品質. 3. 本文依不同車位類型重新計算其價格與面積，總價為扣除車位後價格。 26. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(34) 房仲服務聚集對周遭房價之影響. 的提高，房仲有意推升不動產總價以收取更多佣金報酬，使得價格下降或上升，實際結果為何有待實證。 2.聚集程度將聚集程度分類為高、低聚集地區，根據有房仲聚集之住宅樣本，平均房仲店家數為 4.53 家，代表平均每筆交易樣本周遭有 4.53 家房仲店，中位數是 4 家房仲店，代表有一半的樣本是小於與大於中位數，為一個分界標準。本文以 4 作為衡量標準，超過數量 4 家房仲店的交易樣本即為房仲業高聚集地區，代表其較平均每筆交易樣本周遭有更多家房仲店，同時也大於中位數，屬於數量較多的. 政治大會加劇，實際結果為何有待實證。立. 等級，並以低聚集地區作為參照組。表示當聚集程度增加時，影響價格程度是否. 3.聚集類型. ‧ 國. 學. 直營品牌與非直營品牌的薪資規範及佣金比例議價空間不同，直營品牌是採. ‧. 取高底薪低獎金，佣金比例較固定方式，非直營品牌採取低底薪高獎金，佣金比. y. Nat. 例較具彈性方式，因此對於價格影響應該有不同，將房仲店分類為直營與非直營. er. io. sit. 二類，本文以直營店數除以總房仲店數表示聚集類型。由於直營品牌效果，品質較穩定，薪水制度使直營品牌從業人員較不會為了促使成交而壓低價格侵害賣方. al. n. v i n 權益，以及佣金比例較固定缺乏折價空間，因此提供的價格資訊相對較高，預期 Ch engchi U 係數值符號為正。 4.行政區房價受到區位影響極大，本實證研究分析住宅交易樣本中，萬華區平均價格較低，故行政區虛擬變數以萬華區作為參照組，預期行政區係數值符號為正。 5.交易年不動產價格會受到總體經濟、交易時間等影響波動，因為房仲資料以年為單. 位，本實證研究分析不動產價格資料以年為單位劃分，並以時間範圍中第一年 2012 年為參照組。. 27. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(35) 房仲服務聚集對周遭房價之影響. 6.住宅類型考量透天類型具有特殊性質，計算價值方式較不同，本實證研究僅討論公寓、華廈、大樓三類型，而大樓與華廈相對公寓軟硬體設施較為完善，例如：電梯、公共設施，故本文以房價相對較低的公寓作為參照組，預期係數值符號為正。 7.所在樓層位於較高樓層會因為採光、景觀、通風等因素，提升交易價格，且樣本中不包含一樓交易樣本，不會受到一樓商業價值所影響，故預期所在樓層係數值符號為正。. 政治大建築物造價成本隨總樓層數越高越貴，價格因此也越高越貴，故預期總樓層立. 8.總樓層. 係數值符號為正。. ‧ 國. 學. 9.房屋格局. ‧. 房屋格局包含房間數量、客餐廳數量和衛浴數量，數量越多代表住宅的可使. io. 10.屋齡、屋齡平方. er. 格呈現正向關係，故預期房屋格局係數值符號皆為正。. sit. y. Nat. 用空間增加，張怡文、江穎慧、張金鶚(2009)研究結果指出房間、衛浴數量與價. al. n. v i n 隨時間增加，房屋將產生物理性折舊，楊宗憲、蘇倖慧（2011）認為台北市 Ch engchi U. 的屋齡應存在非線性折舊，因此加入二次項來衡量折舊，故預期屋齡係數值符號為負、屋齡平方係數值符號為正。 11.面積、面積平方. 隨建物面積增加，表示住戶可使用之空間愈多，相對提升居住品質，對房價應有正向影響，廖仲仁、張金鶚（2006）指出面積具報酬遞減現象，故加入平方項。故預期面積係數值符號為正，面積平方係數值符號為負。. 28. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(36) 房仲服務聚集對周遭房價之影響. 12.是否臨近捷運站迎毗公共設施帶來的交通可及性、生活方便性將為住宅提升價值，過去研究顯示以 500 公尺為影響範圍，捷運站對不動產價格有正向影響(楊宗憲、蘇倖慧， 2011)，本研究以住宅交易樣本周遭 500 公尺為影響範圍，設虛擬變數，有捷運站設為 1，無則設為 0，預期係數值符號為正。 13.距市中心距離本研究以 Local G-statistic 中的 Getis-Ord G* 進行熱區分析，捷運忠孝復興站為台北市重要商圈與轉運站之一，且為價格最高聚集處，因此設為市中心。. 政治大益將隨距離增加而下降，因此愈靠近市中心的不動產價格愈高，本文以忠孝復興立. 由於交通路網完善且周邊基礎設施開發程度高，生活機能十分完備，而其相關效. 捷運站當作市中心，計算住宅交易樣本與其距離，預期符號為負。. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 29. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(37) 房仲服務聚集對周遭房價之影響表 3-1 變數說明表. 應變數. 單位. 住宅交易總價. 萬. 自變數. 變數性質. 行政區. 虛擬變數. 交易年. 虛擬變數. 建物類型. 虛擬變數. 是否鄰近捷運站. 虛擬變數. 聚集有無. 虛擬變數. 不含車位之總價取自然對數變數說明. 預期符號. 12 個行政區，以平均房價最低之萬＋華區為基準區 2012 年至 2016 年，共 5 年，以資＋ / －料第一年 2012 年為基準分為住宅大樓、華廈、公寓等 3 類，＋以公寓為基準周邊 500 公尺以內是否有捷運站＋周邊 300 公尺以內是否有超過數量＋ / － 1 家的房仲業周邊 300 公尺以內是否有超過數量 4 家的房仲業，超過 4 家為高聚集＋ / －地區，其他為低聚集地區周邊 300 公尺以內的直營店數除以＋總房仲店數的直營比例. y. sit. －. i n U. ＋＋. n. al. Ch. 屋齡平方房屋格局. -房/廳/衛. 距市中心距離. 公尺. ＋＋＋－. 建築完成日期至交易日期經歷年數. er. 年. 住宅所在樓層建物總樓層數建物移轉面積 --. ‧. ‧ 國. 學. 樓層樓層平方公尺 --. io. 屋齡. --. Nat. 所在樓層總樓層面積面積平方. 預期符號. 政治大虛擬變數立. 聚集程度. 聚集類型. 變數說明. v. -房間數、梯廳數和衛浴數住宅交易樣本距市中心（捷運忠孝. engchi. 復興站）之距離. －. 30. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(38) 房仲服務聚集對周遭房價之影響. 四、敘述統計由於本研究實證模型分兩部分進行討論，第一部分討論房仲聚集有無是否對價格有影響，而為進一步討論當聚集程度增強時，相較於相似特徵住宅交易樣本，價格影響程度是否會加劇，因此排除房仲無聚集之住宅交易樣本建立第二種價格模型。圖 3-4、圖 3-5 分別為房仲聚集有無模型 2012 年與 2015 年的空間樣本分布，紅色點代表有房仲聚集交易樣本，灰色點代表無房仲聚集交易樣本，相比較之下，兩者的空間分布情形相似，表示分布情況穩定。圖 3-6、圖 3-7 分別為房仲不同聚集程度與類型模型 2012 年與 2015 年的空間樣本分布，紅色點代表房仲. 政治大形也十分相似。由於受到地形所影響，市中心地區交易樣本分布多，而市中心地立高聚集地區交易樣本，灰色點代表房仲低聚集地區交易樣本，兩者的空間分布情. ‧ 國. 學. 區屬於高聚集地區樣本較多，可能是由於交易樣本多也可能是房仲店數多且分散分布導致，而因為市中心屬於高聚集地區的樣本是四處散布而非僅集中在某一區. ‧. 域，因此是房仲店數多且分散分布所導致的。. sit. y. Nat. 圖 3-8 為房仲店家數與房價散布圖，房價前幾高的交易點周圍房仲店數皆小. al. er. io. 於 8 家，而房仲店數前幾多的交易點房價皆小於 5 千萬元，顯示隨著房價升高周. v. n. 圍的房仲店數並未隨之增加。圖 3-9 為房仲店高聚集地區與房價散布圖，顯示各. Ch. engchi. i n U. 種價格的房屋皆有可能位於房仲店高聚集與低聚集地區，房價對於房仲店數量的影響並不十分明顯。表 3-2 為房仲聚集有無模型敘述統計，共計 19,653 筆資料，住宅平均成交總價為 1,985 萬元，建築類型中住宅大樓佔 40.33%，華廈佔 31.88%，公寓佔 28.29%。表 3-3 房仲不同聚集程度與類型模型敘述統計，共計 11,749 筆資料，住宅平均成交總價為 2,188 萬元，建築類型中住宅大樓佔 46.78%，華廈佔 29.47%，公寓佔 23.76%。可以發現除去無房仲聚集交易樣本後，住宅大樓的比例上升許多，華廈與公寓類型皆下降，尤其是公寓下降最明顯，顯示大部分的房仲店分布較靠近住宅大樓，公寓類型周遭房仲店較不如住宅大樓周遭密集。 31. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(39) 房仲服務聚集對周遭房價之影響. 由於住宅平均成交總價有升高的現象，透過表 3-4 樣本及房仲店資料分布，整理 2012 到 2016 各年間不同模型樣本的平均交易總價與房仲店總數，以及台北市各個行政區不同模型樣本的平均交易總價與平均房仲店數，更深入觀察價格與房仲店數的關係。2012 年到 2016 年間有房仲聚集樣本平均價格皆高於一般樣本，兩樣本的平均價格在 2015 年前皆呈現持續上升現象，自 2016 年價格開始下降，而房仲店家數 2012 年至 2014 年皆維持平穩，自 2015 年開始已出現減少趨勢，市場上的價格高點雖然出現在 2015 年，然而當時市場景氣已經開始向下，對於依賴成交賺取佣金的房仲有感於市場交易量減少，因此房仲店家數在 2015 年開. 政治大各行政區間比較部分，各個行政區的平均價格、房仲店家數大不相同。整體立. 始減少。. 觀察，有房仲聚集樣本平均價格幾乎高於一般樣本，僅有大同區、中山區有房仲. ‧ 國. 學. 聚集樣本微幅小於一般樣本平均價格，此外，有些區域房仲店家數相近，價格會. ‧. 有不同，例如，中山區為 1,709 萬元，平均店數 91 家，佔整體 12.5%；內湖區. y. Nat. 為 2,148 萬元，平均店數 90 家，佔整體 12.4%；萬華區為 1,746 萬元，平均店. er. io. sit. 數 30 家，佔整體 4.2%。中山區與內湖區平均店數相近，然而平均價格相差約 450 萬元，中山區與萬華區平均價格相近，然而平均店數相差約 60 家。顯示不同行. al. n. v i n 政區中，交易樣本周遭有房仲聚集現象存在的價格幾乎較高，然而房仲店數量的 Ch engchi U 分布並不一定與價格直接相關，可能受到交易量等或其他區位因素效果影響。然. 而，有房仲聚集地區成交總價會較高尚不能代表相似特徵的交易樣本也是如此，後續將透過模型對此做更詳細討論。. 32. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(40) 房仲服務聚集對周遭房價之影響. 政治大. 學. ‧ 國. 立圖 3-4 2012 年房仲聚集有無分布圖. 圖 3-5 2015 年房仲聚集有無分布圖. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. 圖 3-6 2012 年房仲聚集程度分布圖. i n U. v. 圖 3-7 2015 年房仲聚集程度分布圖. 33. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(41) 房仲服務聚集對周遭房價之影響. 房仲店家數與房價散布圖. 房仲店家數(家) 18 16 14 12 10 8 6 4 2 0. 0. 5. 10. 15. 20. 25. 房價(千萬). 政治大. 立. 30. 圖 3-8 房仲店家數與房價散布圖. ‧ 國. 房仲店高聚集地區與房價散布圖. ‧. 1. 學. 是否位於高聚集地區 1.2. sit. al. n. 0.4. er. io. 0.6. y. Nat. 0.8. 0.2 0 0. 5. Ch 10. engchi 15. i n U. v. 20. 25. 30 房價(千萬). 圖 3-9 房仲店高聚集地區與房價散布圖. 34. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(42) 房仲服務聚集對周遭房價之影響表 3-2 房仲聚集有無模型變數敘述統計表. 連續變數. 最小值. 住宅交易總價(萬元) 面積屋齡(年) 市中心距離(公尺) 樓層總樓層房. 160 16.59 1.00 62.50 2 2 1. 廳衛浴. 1 1. 5 5. 1.66 1.54. 虛擬變數. 變數內容. 次數. 百分比. 建物類型. 住宅大樓華廈. ‧ 國. 標準差. 25,696 1,985 1,622 551.13 104.07 54.27 55.28 21.59 13.07 12814.68 4899.75 2804.68 29 5.76 3.52 33 9.39 4.58 9 2.50 1.02 0.50 0.58. 7,926 40.33 政治 6,167 31.38 大公寓 5,560 28.29 有無有. 10,064 9,589 11,749. 51.21 48.79 59.78. 無. 7,904. 40.22. ‧. io. sit. y. Nat. n. al. er. 聚集. 立. 平均數. 學. 500 公尺內是否鄰近捷運站 300 公尺內有無房仲業. 最大值. Ch. engchi. i n U. v. 35. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(43) 房仲服務聚集對周遭房價之影響表 3-3 房仲不同聚集程度與類型模型變數敘述統計表. 連續變數. 最小值. 住宅交易總價(萬元) 面積屋齡(年) 市中心距離(公尺) 樓層總樓層房. 200 17.05 1.00 70.69 2 2 1. 廳衛浴聚集類型房仲家數. 1 1 0 2. 標準差. 25,696 2,188 551.13 105.09 49.91 21.12 12424.14 4423.42 29 6.14 33 10.01 9 2.47. 1,762 57.27 13.15 2714.37 3.72 4.73 1.04. 5 5 1 17. 1.65 1.54 0.39 4.53. 華廈公寓有. 3,462 2,791 7,572. 29.47 23.76 64.45. 無高聚集低聚集. 4,177 4,851 6,898. 35.55 41.29 58.71. 0.50 0.58 0.27 2.34. 變數內容. ‧. n. al. er. io. sit. Nat. y. 500 公尺內是否鄰近. 學. ‧ 國. 建物類型. 聚集程度. 平均數. 政治次數大百分比 5,496 46.78 立住宅大樓. 虛擬變數. 捷運站. 最大值. Ch. engchi. i n U. v. 36. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(44) 房仲服務聚集對周遭房價之影響表 3-4 樣本及房仲店資料分布表. 交易總價(萬元) 時間. 房仲店. 房仲聚集有無房仲不同聚集程度模型與類型模型. 2012 年 2013 年 2014 年 2015 年 2016 年. 1,798 1,916 2,062 2,159 2,059. 店數(家). 1,869 2,095 2,302 2,396 2,288. 748 750 745 716 659. 交易總價(萬元) 行政區. 房仲聚集有無房仲不同聚集程度模型與類型模型. 9.3 3.7. 112 91 31 90. 15.5 12.5 4.3 12.4. 1,683 1,562 2,400 2,740 2,595 1,746. 57 56 60 67 35 30. 7.8 7.8 8.3 9.3 4.9 4.2. y. 1,560 1,379 2,313 2,495 2,339 1,378. sit. 1,763 2,533 1,935. 3,181 1,709 2,559 2,148. ‧. ‧ 國. 67 27. 政治2,376 1,533 大. al. n. 百分比 (%). 學. io. 平均. 立3,078. Nat. 文山區北投區松山區信義區南港區萬華區. 2,075 1,543. 平均店數 (家). er. 士林區大同區大安區中山區中正區內湖區. 房仲店. i n C 1,985h e n g c2,188 hi U. v. 60. 37. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(45) 房仲服務聚集對周遭房價之影響. 第四章. 實證結果與分析. 本文首先定義以 300 公尺為依據，以住宅樣本為中心，使用 GIS 劃設半徑 300 公尺的圓，計算圓圈內的房仲店數量，若範圍內有超過 1 家房仲店視為聚集情況。模型以住宅成交總價取對數作為應變數，自變數包含房仲聚集有無、聚集程度、聚集類型、面積、面積平方、屋齡、屋齡平方、是否鄰近捷運站、離市中心距離、樓層、總樓層、格局、交易年、建物型態、行政區等屬性，先後以最小平方法與分量迴歸進行估計。. 第一節. 房仲聚集有無對周邊房價之影響效果. 政治大. 房仲聚集有無模型是以最小平方法 OLS 探討在交易住宅樣本周圍 300 公尺範. 立. 圍內，房仲有無聚集對於房價影響效果，實際估計結果如表 4-1 所示，調整後. ‧ 國. 學. R²達 0.90，模型解釋能力佳，且變異數膨脹因子(VIF)檢定值，僅有屋齡、屋齡平方及面積、面積平方大於 10，其餘皆小於 10，表示各自變數間並未存在明顯. ‧. 共線性問題。. y. Nat. sit. 模型結果顯示，300 公尺內有房仲業聚集係數為 0.092，達 1%顯著水準。當. n. al. er. io. 周圍 300 公尺內有超過(不包含)1 家房仲店形成聚集時，相較於無房仲店聚集之. i n U. v. 住宅，其價格將增加 9.7%。根據模型實證結果，民眾在進行不動產買賣交易時，. Ch. engchi. 會進行相關資訊搜尋，若周遭有房仲聚集情況時，可能因為服務品質的提高，房仲有意提升不動產總價以收取更多佣金報酬，可能因為對於房仲而言最重要的是成交，壓低價格的競爭方式會面臨賣方更換委賣人的壓力，失去委賣機會，因此賣方對於價格的決定力量大於買方，使得買方所獲得的價格資訊是偏向賣方的價格，兩者交互影響造成價格相對上升。. 38. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(46) 房仲服務聚集對周遭房價之影響. 第二節. 房仲聚集程度與聚集類型對房價之影響效果. 房仲聚集有無模型證實房仲聚集對價格確實有影響效果，因此進一步將無房仲聚集之住宅交易樣本排除，以最小平方法 OLS 測試在住宅交易樣本周圍 300 公尺範圍內聚集程度與聚集類型對於房價影響效果，估計結果如表 4-1 所示，調整後 R²達 0.91，模型解釋能力佳，且變異數膨脹因子(VIF)檢定值，僅有屋齡、屋齡平方及面積、面積平方大於 10，其餘皆小於 10，表示各自變數間並未存在明顯共線性問題。房仲不同聚集程度與類型模型結果顯示，房仲業高聚集地區係數為 0.063，. 政治大增加 6.5%，而當周圍 300 公尺內每增加 1 單位的直營店比例，其價格將增加 6.1%。立聚集類型係數為 0.059，皆達 1%顯著水準，相較於房仲業低聚集地區，其價格將. ‧ 國. 學. 顯示對於有房仲聚集的住宅交易樣本，縱使買方可以獲得更多資訊，但房仲對於價格的影響能力大於買家搜尋資訊的折價效果，聚集對於價格的影響會隨聚集程. ‧. 度增加更加劇烈。而聚集類型係數與過去研究結果相符合，由於直營品牌較注重. sit. y. Nat. 品牌形象，服務品質嚴格控管以及薪資規範與佣金收取比例的影響，較無欺瞞賣. al. n. 品牌相較於非直營品牌的所傳遞的價格資訊更高。. Ch. engchi. er. io. 方降低售價的情況，且加盟品牌由於佣金率相對較有向下調整的彈性，因此直營. i n U. v. 39. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(47) 房仲服務聚集對周遭房價之影響. 第三節. 房仲聚集程度與聚集類型對高低房價之影響. 本研究更進一步使用分量迴歸模型，採用 0.1、0.25、0.5、0.75、0.9 等五個分量條件進行分析，實證估計結果如表 4-1 所示，Pseudo R²介於 0.69~0.73 之間，整體而言，聚集類型測試結果皆為正向顯著影響，對 0.1 分量低價住宅，房價正向提升 8.8%，對 0.9 分量高價住宅，房價正向提升 2.9%，顯示隨房價升高，聚集類型比例的增加對於價格影響減低，直營與非直營品牌的價格越趨接近。聚集程度係數每個分量的測試結果皆為正向顯著影響，對 0.1 分量低價住宅房價正向提升 6.2%，對 0.9 分量高價住宅房價正向提升 4.7%，隨房價上升影響效果. 政治大透過圖 4-1、4-2，更能清楚地看出最小平方法與分量迴歸估計對於聚集類立. 下降。. ‧ 國. 學. 型與聚集程度價格效果的差異性，圖的 X、Y 軸分別為分量以及變數的係數值，水平線即為最小平方法所估計的係數，上下各有一條虛線表示為 95%信賴區間。. ‧. 另一條上下波動的實線則是由分量迴歸所估計的係數，陰影部分為分量迴歸的. sit. y. Nat. 95%信賴區間，當最小平方法與分量迴歸的信賴區間有高度重疊，表示兩種估計. al. er. io. 方式未有明顯的差異，同時可以避免使用最小平方法兩尾差異相互抵銷的結果。. v. n. 首先，觀察聚集類型分量圖，其呈現左尾高、右尾低的不對稱現象，隨著價格分. Ch. engchi. i n U. 量的提高，其係數明顯逐漸減小，相較之下，在低分量的部分分量迴歸模型係數大於最小平方法係數，高分量部分則小於最小平方法係數，意指若用最小平方法係數進行估計時對於低分量會有低估，高分量則會高估的情況發生；聚集程度分量圖，分量迴歸信賴區間灰色部分與最小平方法有高度重疊，雖然亦會有些許價值高估與低估問題，但相較之下並不嚴重，然而在 0.8 高分量之後陡然向下偏離，顯示對於高價住宅，房仲間的聚集影響效果降低許多，若是用最小平方法進行估計會有較大誤差。由於有能力負擔低價住宅買方眾多，每人的參考價格不同，價格些許提升，也會有人願意購買；而高價住宅部分，房仲若採取平價或溢價策略來銷售，將使 40. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(48) 房仲服務聚集對周遭房價之影響. 得無法成交機率提高，而失去賺取佣金的機會，同時對於房價越高，也會誘使消費者增強搜尋密度以獲取利益，因而溢價程度越來越低，房仲對於高低價住宅會有不對稱的價格影響效果(廖仲仁，張金鶚，2006)。而根據實證結果，聚集類型對於高低價住宅有不對稱效果，且每增加一單位直營比例對於低價住宅影響程度大於對於高價住宅影響，由於品牌形象、薪資規範、佣金收取比例等影響，直營品牌相較於非直營品牌所傳遞的價格資訊更高，係數值皆為正向。隨著價格上升，買家為獲取更便宜的價格會更加努力搜集相關資料; 此外對於房仲，成交重要性會隨房價上升逐漸大於拉升價格的重要性，房仲為了成功出售對於拉升價格的資. 政治大差距減少。而在聚集程度係數中，也由於上述原因，因此造成高價住宅中聚集程立訊影響程度相對下降，因此隨房價上升，直營品牌與非直營品牌的價格影響程度. 度的影響效果下降. ‧ 國. 學. 綜合以上，最小平方法模型與分量迴歸模型的關鍵解釋變數皆呈現正向且顯. ‧. 著影響，表示房仲間的聚集對於價格是有影響，且為正向影響，房仲產業間的聚. y. Nat. 集會使得價格上升，藉由房仲間的聚集關係，相較買家，賣家獲得較多利益，而. n. al. er. io. sit. 直營品牌的影響效果，相較於非直營品牌，對於價格為正向影響，與預期相符。. Ch. engchi. i n U. v. 41. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(49) 房仲服務聚集對周遭房價之影響. 學. ‧ 國. 立. 政治大圖 4-1 聚集類型分量迴歸圖. (說明：1.分量從 0.05 至 0.95，並以每 0.05 分量為一級距。. ‧. 2.陰影部分為分量迴歸線的 95%信賴區間。). n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 4-2 聚集程度分量迴歸圖 (說明：1.分量從 0.05 至 0.95，並以每 0.05 分量為一級距。 2.陰影部分為分量迴歸線的 95%信賴區間。) 42. DOI:10.6814/THE.NCCU.LE.003.2019.A05.

(50) 房仲服務聚集對周遭房價之影響表 4-1 迴歸估計結果. 最小平方模型. 分量迴歸模型. 房仲聚集房仲不同聚集 0.1 分量 0.25 分量 0.50 分量 0.75 分量 0.9 分量程度與類型有無有無聚集 0.092 *** 聚集類型 0.059 *** 聚集程度 0.063 *** 面積 0.015 *** 0.015 *** 面積平方 -0.000 *** -0.000 ***. 0.084 *** 0.068 *** 0.045 *** 0.039 *** 0.029 *** 0.061 *** 0.066 *** 0.065 *** 0.059 *** 0.046 *** 0.018 *** 0.017 *** 0.016 *** 0.015 *** 0.014 *** -0.000 *** -0.000 *** -0.000 *** -0.000 *** -0.000 ***. 屋齡 -0.018 *** -0.017 *** 屋齡平方 0.000 *** 0.000 *** 鄰近捷運站 0.094 *** 0.075 *** 市中心距離 -0.000 *** -0.000 *** 樓層 0.002 *** 0.002 ***. -0.021 *** -0.019 *** -0.019 *** -0.016 *** -0.016 *** 0.000 *** 0.000 *** 0.000 *** 0.000 *** 0.000 *** 0.075 *** 0.073 *** 0.082 *** 0.079 *** 0.078 *** -0.000 *** -0.000 *** -0.000 *** -0.000 *** -0.000 *** 0.001 0.003 *** 0.003 *** 0.002 *** 0.003 ***. 立. 0.005 *** 0.019 *** 0.080 *** 0.001. 2013 年 2014 年 2015 年 2016 年大樓華廈大同區文山區北投區. 0.087 *** 0.085 *** 0.144 *** 0.139 *** 0.129 *** 0.122 *** 0.095 *** 0.080 *** 0.021 *** -0.006 0.043 *** 0.029 *** 0.044 *** -0.010 0.058 *** 0.015 0.264 *** 0.240 ***. 士林區南港區內湖區中正區松山區中山區信義區大安區截距項. 0.364 *** 0.201 *** 0.246 *** 0.326 *** 0.364 *** 0.129 *** 0.346 *** 0.429 *** 5.867 ***. 0.366 *** 0.140 *** 0.194 *** 0.279 *** 0.305 *** 0.072 *** 0.339 *** 0.394 *** 5.968 ***. 0.277 *** 0.139 *** 0.232 *** 0.247 *** 0.277 *** 0.006 0.308 *** 0.354 *** 5.699 ***. 0.398 *** 0.149 *** 0.211 *** 0.265 *** 0.286 *** 0.027 * 0.310 *** 0.360 *** 5.829 ***. 0.408 *** 0.150 *** 0.198 *** 0.279 *** 0.304 *** 0.071 *** 0.309 *** 0.378 *** 5.948 ***. 0.374 *** 0.135 *** 0.171 *** 0.270 *** 0.296 *** 0.108 *** 0.322 *** 0.399 *** 6.111 ***. 0.374 *** 0.147 *** 0.185 *** 0.322 *** 0.323 *** 0.153 *** 0.383 *** 0.438 *** 6.219 ***. 0.899. 0.909. 0.690. 0.702. 0.706. 0.718. 0.733. ***. ***. 0.006 0.009 *** 0.018 *** 0.082 *** 0.077 *** 0.078 *** 0.011 -0.015 *** -0.007. 0.006 *** 0.015 *** 0.060 *** 0.000. 0.003 *** 0.010 *** 0.049 *** 0.009. n. y. sit. er. io. 0.082 *** 0.088 *** 0.077 *** 0.086 *** 0.090 *** 0.147 *** 0.151 *** 0.135 *** 0.135 *** 0.131 *** 0.118 *** 0.120 *** 0.117 *** 0.125 *** 0.120 *** 0.081 *** 0.082 *** 0.075 *** 0.081 *** 0.081 *** 0.011 0.016 0.006 0.027 ** 0.054 *** 0.052 *** 0.052 *** 0.041 *** 0.046 *** 0.052 *** 0.007 -0.015 -0.023 -0.018 -0.001 0.012 0.020 0.025 0.014 0.019 0.248 *** 0.273 *** 0.259 *** 0.227 *** 0.247 ***. ‧. Nat. al. ***. 學. ‧ 國. 總樓層房廳衛浴. Adj/ Pseudo R². 0.006 *** 0.017 *** 0.078 *** 0.005. 政治大 0.006 0.005 0.007. Ch. engchi. i n U. v. 註：***、**、*分別代表在 1%、5%與 10%顯著水準下，該變數顯著異於零。 43. DOI:10.6814/THE.NCCU.LE.003.2019.A05.