• 沒有找到結果。

第一節 住宅選擇模式之建立

N/A
N/A
Protected

Academic year: 2022

Share "第一節 住宅選擇模式之建立 "

Copied!
27
0
0

加載中.... (立即查看全文)

全文

(1)

本章將各風險認知群之科技人員進行實證分析,首先敘述本研究住宅 選擇模式之建構過程並說明變數如何選取。其次,在分別說明各模式之適 合度、各風險群下各影響變數與住宅區位選擇之關係。最後,利用已建立 高、中、低風險認知群之住宅選擇模式直接予以比較,透過各變數與住宅 區位選擇之明顯變化,來比較各風險認知群間之差異。

第一節 住宅選擇模式之建立

ㄧ、基本假設

本文先建立一個科技人員家戶單位效用極大化模型,其中同時考慮住 宅的不可分割性與租買選擇,並利用個體行為理論說明家戶單位如何在住 宅區位的特性組合下與其他消費財貨之間作最佳選擇,並估計租買選擇之 間的替代性。因此,本文採取McFadden(1981)提出的巢式 Logit 模型,

此模型基本上是導源於隨機效用的概念,認為在理性的經濟選擇行為下,

家戶選擇各式住宅的替選方案時,必然會選擇使其效用最大化的替選方 案。換句話說,家戶選擇該住宅替選方案之機率取決被選擇的住宅所帶給 該家戶效用的大小;當住宅對該家戶的效用越大,則該家戶選擇此住宅的 機率即越大,此為最基本的假設前提。此外,有關住宅市場及住宅的相關 假設如下所示

6

1. 每一住宅單元皆由住宅區位和相關鄰里特質所構成的一種多屬性商 品。依據Lancaster's 之消費者理論(1966),他假設各家戶的偏好是直 接對這些屬性需求而定;也就是說,家戶對住宅的偏好、需求,都是源 自對住宅屬性的需求。又每一住宅都是一組無法分割屬性之集合,家戶 只能藉由改變其對住宅的選擇來替換所需不同層級的屬性。

2. 一都市區域內可以區隔分為數個不同的住宅次市場,每一住宅只屬於其 中一個住宅次市場,同一住宅次市場裡的住宅群在某些特質上是完全相 同的,但並不需要在其他的屬性特質上亦完全相同;而一家戶只屬於一 個具有相似社經特質的家戶群體,該家戶群內之家戶在某些特質上是完

(2)

租買選擇(r)

住宅區位(j)

台北 縣市

桃園 縣市

新竹 縣市

苗栗 縣市 台北

縣市 桃園 縣市

新竹 縣市

苗栗 縣市

家戶(科技人員)

圖 5-1 科技人員住宅選擇之程序圖

全相同的,但並不需要在其他的屬性特質上亦完全相同。

3. 家戶在選擇時其效用最大化時,家戶將考慮住宅市場上所有替選方案之 集合,即每一家戶可選的市場中所有的替選方案都包括在集合內。

4. 家戶隨時可得完全且充分的住宅市場之資訊以幫助選擇住宅單元,雖然 如此,但家戶在選擇時只會考慮到目前可獲得的資訊以助其決定。

本研究根據上述各種假設條件,對影響家戶之住宅選擇因素作基本之 分析,同時針對不同風險認知群進行分析比較。

二、實証模式建構

本文先建立一個科技人員家戶單位效用極大化模型,其中同時考慮住 宅的不可分割性與租買選擇,並利用個體行為理論說明家戶單位如何在住 宅區位的特性組合下與其他消費財貨之間作最佳選擇,並估計租買選擇之 間的替代性。因此,本文採取McFadden(1981)提出的巢式 Logit 模型,

其優點不但可以直接估計租買選擇的替代性,也可以同時避免一般Logit 模型所隱含的假設,即無關選擇的獨立性(Independence from Irrelevant Alternatives, IIA)。

根據陳彥仲(1997)指出,家戶在住宅選擇時有一定的程序,如先選 租或買之後再選擇區位,而沈道剛(2000)發現科技人員居住地點以分佈 於台北、桃園、新竹、苗栗縣市居多。因此本文分析結構假設為家戶先考 慮租買行為之後再選擇住宅區位,利用此模式結構,討論影響各住宅次市 場之最終選擇行為因素架構。首先,本研究假設科技人員家戶對住宅次市 場之選擇包括:對住宅權屬又可區分為租、買次市場;而權屬次市場下又 可各自區分出四個子市場:台北縣市、桃園縣市、新竹縣市、苗栗縣市。

如圖5-1 所示:

(3)

由上圖得知,每一家戶將面臨八個住宅之替選方案,分別為購買於台 北縣市、購買於桃園縣市、購買於新竹縣市、購買於苗栗縣市、租賃於台 北縣市、租賃於桃園縣市、租賃於新竹縣市、租賃於苗栗縣市,而科技人 員將於八個替選方案中,挑選滿足其效用最大之住宅替選方案。

因此在建構住宅選擇模型時,先假設科技人員(i)選擇住宅的決策程 序是先決定租購行為(r),再決定住宅區位(j)。其結構如圖 5-1 所示,

此時,其消費者選擇之效用函數如下列(5-1)式所示:

ε ε

ir ijr

i jr i

j i r i

jr

V V V

U

= + + + + (5-1)

其中,

V

ir代表上巢層各方案之效用,用以衡量房屋租購所帶給消費者

(i)之可衡量效用;

V

ij

V

ijr表示下巢層各住宅區位所帶來給消費者(i)

之可衡量效用。

ε

ir

ε

ijr分別表示上、下巢層之隨機效用。若假設

δ

ir

δ

ijr

均為相同且獨立之第一型態極端值分配,而上巢層之離散參數為

δ

1,下

巢層之離散參數為

δ

2,則住宅租購及住宅區位之聯合選擇機率

( ) P

ijr可以計 算如下:

P P

P

ijr = ir× ijr (5-2)

其中,

P

ir稱為選擇住宅租購之邊際機率(marginal probability),而

P

ijr

稱為選擇住宅區位之條件機率(conditional probability)。兩項機率之計算 式分別為:

( )

[ V V ] ( ) I

P

ijr

= exp δ

2 ij

+

ijr

exp

ir (5-3)

( )

( ) 

  +

= ∑

n

A

r

i nr i n i

r

V V

I ln exp δ

2 (5-4)

( )

[ ]

( )

[ ]

+

= +

m

i m i

m

i r i

i r

r

V I

I P δ δ V δ δ δ δ

2 1 1

2 1 2

exp

exp

(5-5)

(4)

第(5-4)式所計算之

I

ir 即為第r 種租購類型之包容值(inclusive value)。其中,A

r

代表第r 種租購類型內之住宅區位替選方案的集合。將

(5-4)式代入(5-3)式即可看出下巢層內之住宅區位選擇皆為多項 Logit 模型。其中包容值的係數為(δ

1

2

),一般合理的巢層結構假設是,當包容 值的係數介於0 與 1 之間時,表示該所有替選方案集合內之替選方案的確 是存在相關性的,此時則應用適用巢式多項Logit 以解決相關替選方案之 非獨立性問題方才適當。

本文利用Limdep 軟體,對三組不同風險認知群之科技人員,分別以 二步驟最大概似估計法(sequential maximnm likehood method)進行參數估 計。於是在實際估計時先估計巢型結構的下層,採(5-3)式。得到估計之 係數後,代入參數估計值於(5-4)式以計算該層之包容值(IV),最後再 以包容值代入(5-5)式,並以之估計巢層結構之上層,其結果分述如下節。

在分析結果之前,必須先說明如何解釋所估計到的變數,根據Logit 模型之特性,所估計出來之係數是不可認定的(unidentified),必須找一組 選擇(choice)作為標準化(normalized)的基礎。因此本文建構住宅區位 選擇模式時,在下巢層對住宅區位作估計時,是以新竹縣市這個方案作為 標準組,故其他三組估計出來之係數應該解釋成選擇該縣市與新竹縣市之 差異,也就是說假設台北縣市估計出之係數絕對值大於苗栗縣市時,表示 台北縣市與新竹縣市之差異應該會比苗栗縣市與新竹縣市之差異大。同樣 地,在上巢層對住宅權屬、作估計時我們是以租賃房屋者為標準,故估計 之係數乃購買房屋者與租賃房屋者之差異。

(5)

本研究參考國內外影響家戶選擇住宅區位變數之研究,及為了避免自變數 之間可能產生線性相依的關係,經由簡單相關分析過程選取相關係數小於 0.5 的變數計有家戶之社經變數與住宅區位屬性變數共計 11 個。另外,針 對住宅權屬及住宅區位之次市場結構,將社經變數與住宅區位因素重視度 變數分別使用於上巢層與下巢層替選方案討論,上層之各變數也就是指家 戶屬性之四個衡量項目;下層之各變數也就是指住宅區位變數之七個衡量 項目,因此各變數之說明如表5-1 所示。

表5-1 模式變數選取說明表

解釋變數 屬性項目 定義 單位

年齡(AGE) 受訪科技人員之年齡

學歷(EDU) 分成碩士、大學與專科以下

工作年資(SEN) 服務於園區工作內的年資計算

家庭年收(INC) 受訪者之家庭年收入 萬元

都市及區域環境 (TOWN)

以行政區域位階、公共設施水準、都市交通品質等

三項衡量指標的加總平均分數為主 數值

閭鄰與社區環境

(COUN)

以地區的人口密度、噪音污染、空氣污染、水污染、

土壤污染等五項衡量指標加總平均為主 數值

交通運輸

(TRAF)

以到市中心距離、工作地點距離、交通設施(公車

站)距離等三項衡量指標的加總平均為主 數值

公共設施

(PUBL)

以到學校(國小、國中)、菜市場、鄰里公園距離等

三項衡量指標的加總平均為主 數值

嫌惡設施

(NIMB)

以居住附近有無變電所、高壓電塔、殯葬設施、污

水處理或垃圾處理設施等四項指標的加總平均為主 數值

經濟因素

(ECON)

以房價的高低、銀行利率、貸款期限等三項指標的

加總平均為主 數值

房屋屬性

(HOUS)

以屋齡、衛浴設備數、住戶面積、房間數、住戶樓

層位置、室內格局、廳數(客廳、餐廳)、建築的型

態、房屋附屬設施(停車位、電梯)等九項指標的 加總平均為主

數值

資料來源:本研究整理

(6)

第二節 各風險認知群之住宅選擇模式實証分析

本節根據上述所建立之住宅區位選擇模式,並利用前章節所區隔出對 科學園區具有高、中、低風險認知之科技人員加以實証,分別探討影響科 技人員選擇購買、租賃的情況與租買次市場下的住宅區位因素之影響程 度。

高風險認知群之科技人員共計80 位,其中選擇購買、租賃之住宅次 市場分別為52、28 位;中風險認知群之科技人員共計 102 位,其中選擇 購買、租賃之住宅次市場分別為63、39 位;低風險認知群之科技人員共 計72 位,其中選擇購買、租賃之住宅次市場分別為 38、34 位。

本文所建立之住宅區位選擇模式中,上巢層為住宅權屬市場,下巢層 為住宅區位次市場,而各巢層所代入的變數乃經過相關分析小於0.5 所挑 選出來具有影響力的變數。下巢層中,所選取的變數有:都市及區域環境 重視度、閭鄰與社區環境重視度、交通運輸重視度、公共設施重視度、嫌 惡設施重視度、經濟因素重視度與房屋屬性重視度共七項;上巢層中,所 選取的變數有:年齡、學歷、工作年資、家庭年收入與下巢層所估得得包 容值共五項。本文在分析部分,分別從「模型的適合度」、「各影響變數與 住宅選擇方案之關係」兩個向度來探討,各說明如下。

一、模式之適合性

(一)購買房屋者下住宅區位之選擇模式

購買住宅市場下,可選擇之區位方案共計四類,由於一組當作標準 組,因此校估係數只剩三組,分別為台北縣市、桃園縣市、苗栗縣市。由 表5-2、5-3、5-4 得知,高、中、低風險認知群的整體模式概似比指標(ρ

2

)分別為 0.0562、0.0653、0.0762,顯示模式與數據之配合力不高,這是 本研究急須改善地方。此外,本研究由預測成功率(即判中率)之計算以 評估測定模式是否能反應選擇行為,可作為另一項模式優劣之判斷指標,

結果發現高、中、低風險認知群的整體模式預測成功率為63.1%、69.2%、

65.9%,各群成功率均超過 60%,表示此模式能準確預測 60%以上購買住 宅者下選擇住宅區位之行為。綜合來看,顯示各風險認知群之住宅區位選 擇模式仍具有相當解釋能力。

(7)

(二)租賃房屋者下住宅區位之選擇模式

租賃住宅市場下,可選擇之區位方案共計四類,由於一組當作標準 組,因此校估係數只剩三組,分別為分別為台北縣市、桃園縣市、苗栗縣 市。由表5-2、5-3、5-4 得知,高、中、低風險認知群的整體模式概似比 指標(ρ

2

)分別為0.0544、0.0589、0.0724,顯示模式與數據之配合力不 高,這是本研究急須改善地方。此外,本研究由預測成功率(即判中率)

之計算以評估測定模式是否能反應選擇行為,可作為另一項模式優劣之判 斷指標,結果發現高、中、低風險認知群的整體模式預測成功率為60.3%、

67.4%、62.5%,各群成功率均超過 60%,表示此模式能準確預測 60%以 上租賃住宅者下選擇住宅區位之行為。綜合來看,顯示各風險認知群之住 宅區位選擇模式也具有相當解釋能力,但似乎沒有購買房屋者下之模式具 解釋力。

(三)租、購住宅之選擇模式

租、購住宅之選擇模式是以各風險認知群中全部樣本為分析對象,可 替選方案有二個,為購屋形式與租屋形式,即一般文獻中所探討之租買選 擇,又由於一組須當作標準組,因此校估係數只剩一組,即為購屋模式。

由表5-5 得知在模式適合度上,高、中、低風險認知群的整體模式概似比 指標(ρ

2

)分別為0.0503、0.0572、0.0632,顯示模式與數據之配合力不 高,這是本研究急須改善地方。另外,整體模式預測成功率為61.7%、67.3

%、65.1%,各群成功率均超過 60%,表示此模式能準確預測租買選擇之 行為;此外,此模式之包容值分別為0.396、0.265、0.357,三群包容值均 介於0∼1 間,但三群包容值均不顯著,顯示本模式之巢層結構設定雖是 合理但不一定正確的。

由上述模式適合度檢定可知,各風險認知群所建立之科技人員住宅選 擇模式大致上合理且具有一定解釋能力,不過概似比指標(ρ

2

)值均不高,

也就是模式與數據之配合力不高,或許是本研究樣本數不夠多之緣故,這 是本研究急須改善地方。然而,本研究進一步探討社經變數與住宅區位變 數是如何影響住宅選擇模式,並比較各風險認知群之間的差異。

(8)

表 5-2 下層結構:高風險認知群住宅選擇模式 被解釋變數:區域

附註:有 * 者,分別表示在 5 %之顯著水準下,該係數顯著的異於 0。

購買房屋者 租賃房屋者

解釋變數 台北縣市 桃園縣市 苗栗縣市 台北縣市 桃園縣市 苗栗縣市

常數項 -2.376 -1.6647 -5.248 5.377 -3.719 4.312

都市環境 0.7914 0.5920 -1.0584 0.1667 0.1210 -0.1842

閭鄰環境 0.1396 0.1940 0.2423 0.1732 0.0846 0.1148

交通運輸 -0.6387 -0.2058 -0.1768 -0.1089 -0.0948 -0.0416

公共設施 0.2139 0.1568 -0.0865 0.0109 0.0120 -0.0617

嫌惡設施 0.2314 0.1651 0.0297 0.0283 0.0289 0.0221

經濟因素 -0.2132 0.1418 0.4766 -0.1901 0.1918 0.1597

房屋屬性 -0.0996 0.1272 0.1404 0.0687 -0.0658 0.0566

觀察值 52 28

自由度 7 7

Ln

L

(0) -21.693 -11.410

Ln

L

( )αˆk -20.474 -10.789

ρ

2 0.0562 0.0544

預測

成功率 63.1 % 60.3 %

(9)

表 5-3 下層結構:中風險認知群住宅選擇模式 被解釋變數:區域

附註:有 * 者,分別表示在 5 %之顯著水準下,該係數顯著的異於 0。

購買房屋者 租賃房屋者

解釋變數 台北縣市 桃園縣市 苗栗縣市 台北縣市 桃園縣市 苗栗縣市

常數項 -2.376 -1.664 -5.248 5.377 -3.719 4.312

都市環境 2.0789 0.4681 -0.9323 0.7535 7.5150 -4.3439

閭鄰環境 0.2675 -0.1687 0.0162 0.2024 -0.1864 0.0105

交通運輸 -0.6881 -0.0644 -0.0135 -0.5438 -0.1013 -0.2499

公共設施 0.2409 -0.0169 -0.0975 0.1665 0.0782 -0.0830

嫌惡設施 0.8259 2.8830 0.3517 5.2280 8.9873 8.4317

經濟因素 -0.1902 0.0641 0.0422 -0.3274 0.4931 0.1824

房屋屬性 0.4106 0.0245 0.1860 0.5686 0.1414 0.3939

觀察值 63 39

自由度 7 7

Ln

L

(0) -12.155 -11.455

Ln

L

( )αˆk -11.362 -10.781

ρ

2 0.0653 0.0589

預測

成功率 69.2 % 67.4 %

(10)

表 5-4 下層結構:低風險認知群住宅選擇模式 被解釋變數:區域

購買房屋者 租賃房屋者

解釋變數 台北縣市 桃園縣市 苗栗縣市 台北縣市 桃園縣市 苗栗縣市

常數項 -4.266 -1.376 -1.576 -1.865 2.576 -1.268

都市環境 0.2038 0.2527 -0.0981 0.3611 0.3700 -0.2875

閭鄰環境 0.1494 -0.0793 0.1443 0.2846 -1.4402 0.9160

交通運輸 -0.3257 -0.1810 -0.1652 -0.4318 -0.3602 -0.2937

公共設施 0.2398 -0.4181 -0.1314 0.0311 -0.0758 -0.0299

嫌惡設施 0.5403 -0.9583 1.0115 0.1254 -1.0176 0.1099

經濟因素 -0.7495 -0.6277 0.3489 -0.1164 -0.0651 0.0286

房屋屬性 -0.1096 -0.9489 -0.4186 -0.3671 -1.4776 -0.4265

觀察值 38 34

自由度 7 7

Ln

L

(0) -10.201 -11.526

Ln

L

( )αˆk -9.424 -10.692

ρ

2 0.0762 0.0724

預測

成功率 65.9 ﹪ 62.5 ﹪ 附註:有 * 者,分別表示在 5 %之顯著水準下,該係數顯著的異於 0。

(11)

表 5-5 上層結構:各風險認知群住宅選擇模式 被解釋變數:權屬(購屋)

解釋變數 高風險認知群 中風險認知群 低風險認知群 常數項 4.283 1.432 -3.683

年齡 0.1267 0.1267 0.0797

學歷 -0.1250 0.2962 0.9599 年資 0.2099 0.3199 0.7146 年收入 0.2714 0.3204 0.3451

包容值 0.396 0.265 0.357 觀察值 80 102 72

自由度 5 5 5

Ln

L

(0) -43.242 -46.530 -40.325 Ln

L

( )αˆk -41.067 -43.868 -37.776

ρ

2 0.0503 0.0572 0.0632 預測成功率 61.7 ﹪ 67.3 ﹪ 65.1 ﹪

附註:有 * 者,分別表示在 5 %之顯著水準下,該係數顯著的異於 0。

(12)

二、各影響變數與住宅區位選擇之關係

在討論各影響變數對住宅區位選擇之關係前,必須先說明如何解釋所 估計到的變數。首先,是以係數的正負符號之變化分別表示該項變數對模 式之影響力差異;正號”+”表示正向變化,意指考慮同一影響變數時,選 擇該縣市的機率會比選擇標準組新竹縣市來的高;若負號”-”表示反向變 化,意指考慮同一影響變數時,選擇該縣市的機率會比選擇標準組新竹縣 市來的低。再來,若係數值呈現具顯著性即有*者,分別表示在 5%之顯著 水準下,該係數顯著的異於0,也就是說該變數具有較高的解釋能力。最 後,若在同一變數時,假設台北縣市估計出之係數絕對值大於苗栗縣市 時,表示台北縣市與新竹縣市之差異應該會比苗栗縣市與新竹縣市之差異 大。本文將以不同構面來分析各影響變數對住宅區位選擇之關係。

(一)購買房屋者下住宅區位之選擇模式

由表5-2、5-3、5-4 得知各風險認知群中,各影響變數對住宅區位之 間選擇之影響如下所示:

(1)高風險認知群部分

【1】都市及區域環境重視度

由於苗栗縣市的係數值呈現負號,而台北、桃園縣市皆為正號,表示 若消費者愈重視都市及區域環境因素時,其選擇苗栗縣市而不選擇新竹縣 市之機率愈小,而選擇台北、桃園縣市而不選擇新竹縣市之機率愈大。

其表示對高風險群而言,台北、桃園縣市比新竹縣市繁榮,而新竹縣 市又比苗栗縣市繁榮。其中,三個縣市又以台北縣市具顯著性,表示上述 之現象發生在台北縣市時較有說服力,原因可能台北縣市為首都縣市。

【2】閭鄰與社會環境重視度

由於台北、桃園、苗栗三縣市的係數值均呈現正號,表示若消費者愈 重視閭鄰與社會環境時,其選擇台北、桃園、苗栗三縣市而不選擇新竹縣 市之機率愈大。另外,苗栗縣市係數絕對值大於台北、桃園縣市。

其表示對高風險群而言:三縣市之閭鄰與社會環境均比新竹縣市好,

而苗栗縣市又比台北、桃園縣市好,原因可能是苗栗縣市較無工業區等環 境污染。其中,三個縣市均具顯著性,表示上述之現象均具有說服力。

(13)

【3】交通運輸

由於台北、桃園、苗栗三縣市的係數值均呈現負號,表示若消費者愈 重視交通運輸時,其選擇台北、桃園、苗栗三縣市而不選擇新竹縣市之機 率愈小。另外,台北縣市係數絕對值大於桃園、苗栗縣市。

其表示對高風險群而言:三縣市之交通運輸均劣於新竹縣市;台北縣 市之交通運輸又比桃園、苗栗縣市差。 其中,三個縣市又以台北、苗栗 縣市具顯著性,表示上述之現象發生在台北、苗栗縣市時均有說服力,原 因可能是台北、桃園、苗栗三縣市中,台北縣市離科學園區最遠、而苗栗 縣市離科學園區最近,但均無比新竹縣市離科學園區近。

【4】公共設施

由於台北、桃園縣市的係數值均呈現正號,而苗栗縣市為負號,表示 若消費者愈重視公共設施因素時,其選擇台北、桃園縣市而不選擇新竹縣 市之機率愈大,而選擇苗栗縣市而不選擇新竹縣市之機率愈小。另外,台 北縣市係數絕對值大於桃園、苗栗縣市。

其表示對高風險群而言:新竹縣市之公共設施劣於台北、桃園縣市,

但優於苗栗縣市之公共設施,可能在苗栗縣市時去學校、公園等比在新竹 縣市較不方便。但由於三個縣市係數值均不具顯著性,表示上述現象發生 時均較無說服力。

【5】嫌惡設施

由於台北、桃園、苗栗三縣市的係數值均呈現正號,表示若消費者愈 重視嫌惡設施因素時,其選擇台北、桃園、苗栗三縣市而不選擇新竹縣市 之機率愈大。另外,台北縣市係數絕對值大於桃園、苗栗縣市。

其表示對高風險群而言:三縣市之嫌惡設施均優於新竹縣市;台北縣 市之嫌惡設施又比桃園、苗栗縣市好。 其中,三個縣市均具顯著性,表 示上述之現象發生此三縣市時均有說服力,原因可能是台北縣市為首都縣 市其在嫌惡設施規劃上比桃園、苗栗、新竹縣市均較完善。

(14)

【6】經濟因素

由於桃園、苗栗縣市的係數值均呈現正號,而台北縣市為負號,表示 若消費者愈重視經濟因素時,其選擇桃園、苗栗縣市而不選擇新竹縣市之 機率愈大,而選擇台北縣市而不選擇新竹縣市之機率愈小。

其表示對高風險群而言:新竹縣市之房價比桃園、苗栗縣市高,但比 台北縣市低。其中,三個縣市係數值均具顯著性,表示上述之現象發生時 均有說服力,原因可能是台北縣市物價高相對房價也高,而新竹縣市因為 園區吸引大量外移人口,而導致房子供不應求,所以房價也相對提高。

【7】房屋屬性

由於桃園、苗栗縣市的係數值均呈現正號,而台北縣市為負號,表示 若消費者愈重視房屋屬性因素時,其選擇桃園、苗栗縣市而不選擇新竹縣 市之機率愈大,而選擇台北縣市而不選擇新竹縣市之機率愈小。

其表示對高風險群而言:新竹縣市之房屋屬性劣於桃園、苗栗縣市,

但卻比台北縣市好。另外,由桃園、苗栗縣市之係數絕對值得知,苗栗縣 市之房屋屬性又優於桃園縣市。其中,台北、苗栗縣市具顯著性,表示上 述之現象發生在此二個縣市時均有說服力,原因可能是新竹縣市房價低於 台北縣市,卻高於苗栗縣市,因此以同樣房屋價格在三縣市所能購買之房 屋屬性均不同。

(2)中風險認知群部分

【1】都市及區域環境重視度

由於苗栗縣市的係數值呈現負號,而台北、桃園縣市的係數值均為正 號,表示若消費者愈重視都市及區域環境因素時,其選擇苗栗縣市而不選 擇新竹縣市之機率愈小,而選擇台北、桃園縣市而不選擇新竹縣市之機率 愈大。

其表示對中風險群而言:新竹縣市之都市及區域環境劣於台北、桃園 縣市,卻比苗栗縣市好。另外,由台北、桃園縣市之係數絕對值得知,台 北縣市之都市及區域環境比桃園縣市好。其中,桃園、苗栗縣市具顯著性,

表示上述之現象發生在此二個縣市時均有說服力,原因可能是桃園縣市距 離台北縣市較近,況且桃園縣市又有國際機場,因此整體都市環境均比新

(15)

【2】閭鄰與社會環境重視度

由於桃園縣市的係數值呈現負號,而台北、苗栗縣市為正號,表示若 消費者愈重視閭鄰與社會環境時,其選擇桃園縣市而不選擇新竹縣市之機 率愈小,而選擇台北、苗栗縣市而不選擇新竹縣市之機率愈大。

其表示對中風險群而言:新竹縣市之閭鄰與社會環境劣於台北、苗栗 縣市,卻比桃園縣市好。另外,由台北、苗栗縣市之係數絕對值得知,台 北縣市之閭鄰與社會環境比苗栗縣市好。其中,三縣市中只有台北縣市具 顯著性,表示上述之現象發生在此縣市時有說服力,原因可能是台北縣市 在閭鄰與社會環境之管制上比新竹縣市好。

【3】交通運輸

由於台北、桃園、苗栗縣市的係數值均呈現負號,表示若消費者愈重 視交通運輸因素時,其選擇台北、桃園、苗栗縣市而不選擇新竹縣市之機 率愈小。

其表示對中風險群而言:三縣市之交通運輸均劣於新竹縣市。另外,

由台北、桃園、苗栗縣市之係數絕對值得知,台北縣市之交通運輸比桃園、

苗栗縣市差。其中,三縣市均具顯著性,表示上述之現象發生在三縣市時 有說服力,原因可能是台北、桃園、苗栗三縣市中,台北縣市離科學園區 最遠、而苗栗縣市離科學園區最近,但均無比新竹縣市離科學園區近。

【4】公共設施

由於桃園、苗栗縣市的係數值均呈現負號,而台北縣市為正號,表示 若消費者愈重視公共設施因素時,其選擇桃園、苗栗縣市而不選擇新竹縣 市之機率愈小,而選擇台北縣市而不選擇新竹縣市之機率愈大。

其表示對中風險群而言:新竹縣市之公共設施優於桃園、苗栗縣市,

但卻比台北縣市差。其中,三縣市中只有苗栗縣市具顯著性,表示上述之 現象發生在此縣市時有說服力,原因可能是苗栗縣市在公共設施之規劃上 比新竹縣市差。

(16)

【5】嫌惡設施

由於台北、桃園、苗栗縣市的係數值均呈現正號,表示其選擇台北、

桃園、苗栗縣市而不選擇新竹縣市之機率愈大。

其表示對中風險群而言:三縣市之嫌惡設施均優於新竹縣市。另外,

由台北、桃園、苗栗縣市之係數絕對值得知,桃園縣市之嫌惡設施比台北、

苗栗縣市好。其中,台北、桃園縣市均具顯著性,表示上述之現象發生在 此二縣市時有說服力,原因可能是桃園縣市之嫌惡設施規劃均比台北、新 竹、苗栗縣市好。

【6】經濟因素

由於台北縣市的係數值呈現負號,而桃園、苗栗縣市為正號,表示若 消費者愈重視經濟因素時,其選擇台北縣市而不選擇新竹縣市之機率愈 小,而選擇桃園、苗栗縣市而不選擇台北縣市之機率愈大。

其表示對中風險群而言:新竹縣市之房價比桃園、苗栗縣市高,但比 台北縣市低。另外,由桃園、苗栗縣市之係數絕對值得知,桃園縣市之房 價比苗栗縣市高。其中,三縣市均具顯著性,表示上述之現象發生在三縣 市時有說服力,原因可能是台北縣市物價高相對房價也高,而新竹縣市因 為園區吸引大量外移人口,而導致房子供不應求,所以房價也相對比桃 園、苗栗縣市高。

【7】房屋屬性

由於台北、桃園、苗栗縣市的係數值均呈現正號,表示若消費者愈重 視房屋屬性因素時,其選擇台北、桃園、苗栗縣市而不選擇新竹縣市之機 率愈大。

其表示對中風險群而言:三縣市之房屋屬性均優於新竹縣市。另外,

由台北、桃園、苗栗縣市之係數絕對值得知,台北縣市之房屋屬性比桃園、

苗栗縣市好。其中,三縣市中只有台北縣市具顯著性,表示上述之現象發 生在此縣市時有說服力,原因可能是台北縣市之住宅規劃上比新竹縣市好 之緣故。

(17)

【1】都市及區域環境重視度

由於台北、桃園縣市的係數值均呈現正號,而苗栗縣市為負號,表示 若消費者愈重視都市及區域環境時,其選擇台北、桃園縣市而不選擇新竹 縣市之機率愈大,而選擇苗栗縣市而不選擇新竹縣市之機率愈小。

其表示對低風險群而言:新竹縣市之都市及區域環境劣於台北、桃園 縣市,卻比苗栗縣市好。另外,由台北、桃園縣市之係數絕對值得知,桃 園縣市之都市及區域環境比台北縣市好。其中,台北、苗栗縣市具顯著性,

表示上述之現象發生在此二個縣市時均有說服力,原因可能是台北縣市為 首都縣市比新竹縣市繁榮。

【2】閭鄰與社會環境重視度

由於台北、苗栗縣市的係數值均呈現正號,而桃園縣市為負號,表示 若消費者愈重視閭鄰與社會環境時,其選擇台北、苗栗縣市而不選擇新竹 縣市之機率愈大,而選擇桃園縣市而不選擇台北縣市之機率愈小。

其表示對低風險群而言:新竹縣市之都市及區域環境劣於台北、苗栗 縣市,卻比桃園縣市好。另外,由台北、苗栗縣市之係數絕對值得知,台 北縣市之閭鄰與社會環境比苗栗縣市好。但由於三個縣市具無顯著性,表 示上述之現象發生時均無說服力。

【3】交通運輸

由於台北、桃園、苗栗縣市的係數值均呈現負號,其選擇台北、桃園、

苗栗縣市而不選擇新竹縣市之機率愈小。

其表示對低風險群而言:三縣市之交通運輸均劣於新竹縣市。另外,

由台北、桃園、苗栗縣市之係數絕對值得知,台北縣市之交通運輸又比桃 園、苗栗縣市差。其中,三縣市中台北、苗栗縣市具顯著性,表示上述之 現象發生在二縣市時有說服力,原因可能是台北、苗栗二縣市中,台北縣 市離科學園區最遠、而苗栗縣市離科學園區最近,但均無比新竹縣市離科 學園區近。

(18)

【4】公共設施

由於桃園、苗栗縣市的係數值均呈現負號,而台北縣市為正號,表示 若消費者愈重視公共設施因素時,其選擇桃園、苗栗縣市而不選擇新竹縣 市之機率愈小,而選擇台北縣市而不選擇新竹縣市之機率愈大。

其表示對低風險群而言:新竹縣市之公共設施優於桃園、苗栗縣市,

但卻比台北縣市差。另外,由桃園、苗栗縣市之係數絕對值得知,苗栗縣 市之公共設施比桃園縣市好。其中,三縣市中只有台北縣市具顯著性,表 示上述之現象發生在此縣市時有說服力,原因可能是台北縣市在都市之公 共設施規劃上比新竹縣市好。

【5】嫌惡設施

由於桃園縣市的係數值呈現負號,而台北、苗栗縣市為正號,表示若 消費者愈重視嫌惡設施因素時,其選擇桃園縣市而不選擇新竹縣市之機率 愈小,而選擇台北、苗栗縣市而不選擇新竹縣市之機率愈大。

其表示對低風險群而言:新竹縣市之嫌惡設施優於桃園縣市,但卻比 台北、苗栗縣市差。另外,由台北、苗栗縣市之係數絕對值得知,苗栗縣 市之嫌惡設施又比台北縣市好。但由於三個縣市均無顯著性,表示上述之 現象發生時均無說服力。

【6】經濟因素

由於台北、桃園縣市的係數值呈現負號,而苗栗縣市為正號,表示若 消費者愈重視經濟因素時,其選擇台北、桃園縣市而不選擇新竹縣市之機 率愈小,而選擇苗栗縣市而不選擇新竹縣市之機率愈大。

其表示對低風險群而言:新竹縣市之房價比苗栗縣市高,但比台北、

桃園縣市低。另外,由台北、桃園縣市之係數絕對值得知,台北縣市之房 價比桃園縣市高。其中,三縣市中台北、桃園縣市具顯著性,表示上述之 現象發生在此二縣市時有說服力,原因可能是台北、桃園縣市物價高相對 房價也高。

(19)

由於台北、桃園、苗栗三縣市的係數值均呈現負號,表示若消費者愈 重視房屋屬性因素時,其選擇台北、桃園、苗栗縣市而不選擇新竹縣市之 機率愈小。

其表示對低風險群而言:三縣市之房屋屬性均劣於新竹縣市。另外,

由台北、桃園、苗栗縣市之係數絕對值得知,台北縣市之房屋屬性比桃園、

苗栗縣市好。其中,三縣市中只有台北、桃園縣市具顯著性,表示上述之 現象發生在此二縣市時有說服力。

(二)租賃房屋者下住宅區位之選擇模式

由表5-2、5-3、5-4 得知各風險認知群中,各影響變數對住宅區位之 間選擇之影響如下所示:

(1)高風險認知群部分

【1】都市及區域環境重視度

由於苗栗縣市的係數值呈現負號,而台北、桃園縣市均為正號,表示 若消費者愈重視都市及區域環境因素時,其選擇苗栗縣市而不選擇新竹縣 市之機率愈小,而選擇台北、桃園縣市而不選擇新竹縣市之機率愈大。

其表示對高風險群而言:新竹縣市之都市及區域環境劣於台北、桃園 縣市,卻比苗栗縣市好。另外,由台北、桃園縣市之係數絕對值得知,台 北縣市之都市及區域環境比桃園縣市好。其中,三縣市中只有台北縣市具 顯著性,表示上述之現象發生在此縣市時具有說服力,原因可能是台北縣 市為首都縣市。

【2】閭鄰與社會環境重視度

由於台北、桃園、苗栗三縣市的係數值均呈現正號,表示若消費者愈 重視閭鄰與社會環境時,其選擇台北、桃園、苗栗三縣市而不選擇新竹縣 市之機率愈大。另外,台北縣市係數絕對值大於桃園、苗栗縣市。

其表示對高風險群而言:三個縣市之閭鄰與社會環境均優於新竹縣 市。另外,由台北、桃園、苗栗縣市之係數絕對值得知,台北縣市之閭鄰

(20)

表示上述之現象發生在此縣市時具有說服力,原因可能是台北縣市為首都 縣市,其在整體閭鄰環境上比較重視。

【3】交通運輸

由於台北、桃園、苗栗三縣市的係數值均呈現負號,表示若消費者愈 重視交通運輸時,其選擇台北、桃園、苗栗三縣市而不選擇新竹縣市之機 率愈小。另外,台北縣市係數絕對值大於桃園、苗栗縣市。

其表示對高風險群而言:三縣市之交通運輸均劣於新竹縣市;台北縣 市之交通運輸又比桃園、苗栗縣市差。 其中,三個縣市又以台北縣市具 顯著性,表示上述之現象發生在台北縣市時較有說服力,原因可能是台 北、桃園、苗栗三縣市中,台北縣市離科學園區最遠、而苗栗縣市離科學 園區最近,但均無比新竹縣市離科學園區近。

【4】公共設施

由於台北、桃園縣市的係數值均呈現正號,而苗栗縣市為負號,表示 若消費者愈重視公共設施因素時,其選擇台北、桃園縣市而不選擇新竹縣 市之機率愈大,而選擇苗栗縣市而不選擇新竹縣市之機率愈小。另外,台 北縣市係數絕對值大於桃園、苗栗縣市。

其表示對高風險群而言:新竹縣市之公共設施劣於台北、桃園縣市,

但優於苗栗縣市之公共設施,可能在苗栗縣市時去學校、公園等比在新竹 縣市較不方便。但由於三個縣市係數值均不具顯著性,表示上述現象發生 時均較無說服力。

【5】嫌惡設施

由於台北、桃園、苗栗三縣市的係數值均呈現正號,表示若消費者愈 重視嫌惡設施因素時,其選擇台北、桃園、苗栗三縣市而不選擇新竹縣市 之機率愈大。

其表示對高風險群而言:三縣市之嫌惡設施均優於新竹縣市。另外,

由台北、桃園、苗栗縣市之係數絕對值得知,由桃園縣市之嫌惡設施又比 台北、苗栗縣市好。其中,三個縣市中台北、苗栗縣市具顯著性,表示上

(21)

都縣市其在都市規劃上比苗栗、新竹縣市均較完善。

【6】經濟因素

由於桃園、苗栗縣市的係數值均呈現正號,而台北縣市為負號,表示 若消費者愈重視經濟因素時,其選擇桃園、苗栗縣市而不選擇新竹縣市之 機率愈大,而選擇台北縣市而不選擇新竹縣市之機率愈小。

其表示對高風險群而言:新竹縣市之房租比桃園、苗栗縣市高,但比 台北縣市低。其中,但由於三個縣市係數值均不具顯著性,表示上述之現 象發生時均沒有說服力。

【7】房屋屬性

由於台北、苗栗縣市的係數值均呈現正號,而桃園縣市為負號,表示 若消費者愈重視房屋屬性因素時,其選擇台北、苗栗縣市而不選擇新竹縣 市之機率愈大,而選擇桃園縣市而不選擇新竹縣市之機率愈小。

其表示對高風險群而言:新竹縣市之房屋屬性劣於台北、苗栗縣市,

但卻比桃園縣市好。另外,由台北、苗栗縣市之係數絕對值得知,台北縣 市之房屋屬性又優於苗栗縣市。其中,三縣市中只有桃園縣市具顯著性,

表示上述之現象發生在此縣市時均有說服力。

(2)中風險認知群部分:

【1】都市及區域環境重視度

由於苗栗縣市的係數值呈現負號,而台北、桃園縣市為正號,表示若 消費者愈重視都市及區域環境因素時,其選擇苗栗縣市而不選擇新竹縣市 之機率愈小,而選擇台北、桃園縣市而不選擇新竹縣市之機率愈大。

其表示對中風險群而言:新竹縣市之都市及區域環境劣於台北、桃園 縣市,卻比苗栗縣市好。另外,由台北、桃園縣市之係數絕對值得知,桃 園縣市之都市及區域環境比台北縣市差。其中,桃園縣市具顯著性,表示 上述之現象發生在此縣市時具說服力,原因可能是桃園縣市距離台北縣市 較近,況且桃園縣市又有國際機場,因此整體都市環境均比新竹縣市繁榮。

(22)

【2】閭鄰與社會環境重視度

由於桃園縣市的係數值呈現負號,而台北、苗栗縣市為正號,表示若 消費者愈重視閭鄰與社會環境時,其選擇桃園縣市而不選擇新竹縣市之機 率愈小,而選擇台北、苗栗縣市而不選擇新竹縣市之機率愈大。

其表示對中風險群而言:新竹縣市之閭鄰與社會環境劣於台北、苗栗 縣市,卻比桃園縣市好。另外,由台北、苗栗縣市之係數絕對值得知,台 北縣市之閭鄰與社會環境比苗栗縣市好。其中,三縣市中只有台北縣市具 顯著性,表示上述之現象發生在此縣市時有說服力,原因可能是台北縣市 在閭鄰與社會環境之管制上比新竹縣市好。

【3】交通運輸

由於台北、桃園、苗栗縣市的係數值均呈現負號,表示若消費者愈重 視交通運輸因素時,其選擇台北、桃園、苗栗縣市而不選擇新竹縣市之機 率愈小。

其表示對中風險群而言:三縣市之交通運輸均劣於新竹縣市。另外,

由台北、桃園、苗栗縣市之係數絕對值得知,台北縣市之交通運輸比桃園、

苗栗縣市差。其中,三縣市中以台北縣市具顯著性,表示上述之現象發生 在台北縣市時有說服力,原因可能是台北縣市離科學園區最遠,但均無比 新竹縣市離科學園區近。

【4】公共設施

由於苗栗縣市的係數值均呈現負號,而台北、桃園縣市為正號,表示 若消費者愈重視公共設施因素時,其選擇苗栗縣市而不選擇新竹縣市之機 率愈小,而選擇台北、桃園縣市而不選擇新竹縣市之機率愈大。

其表示對中風險群而言:新竹縣市之公共設施優於苗栗縣市,但卻比 台北、桃園縣市差。其中,三縣市中只有苗栗縣市具顯著性,表示上述之 現象發生在此縣市時有說服力,原因可能是苗栗縣市在公共設施之規劃上 比新竹縣市差。

(23)

由於台北、桃園、苗栗縣市的係數值均呈現正號,表示其選擇台北、

桃園、苗栗縣市而不選擇新竹縣市之機率愈大。

其表示對中風險群而言:三縣市之嫌惡設施均優於新竹縣市。另外,

由台北、桃園、苗栗縣市之係數絕對值得知,桃園縣市之嫌惡設施比台北、

苗栗縣市好。其中,只有桃園縣市具顯著性,表示上述之現象發生在此縣 市時較有說服力,原因可能是桃園縣市之嫌惡設施規劃均比台北、新竹、

苗栗縣市好。

【6】經濟因素

由於台北縣市的係數值呈現負號,而桃園、苗栗縣市為正號,表示若 消費者愈重視經濟因素時,其選擇台北縣市而不選擇新竹縣市之機率愈 小,而選擇桃園、苗栗縣市而不選擇台北縣市之機率愈大。

其表示對中風險群而言:新竹縣市之房租比桃園、苗栗縣市高,但比 台北縣市低。另外,由桃園、苗栗縣市之係數絕對值得知,桃園縣市之房 租比苗栗縣市高。但由於三縣市均不具顯著性,表示上述之現象發生在三 縣市時均沒有說服力。

【7】房屋屬性

由於台北、桃園、苗栗縣市的係數值均呈現正號,表示若消費者愈重 視房屋屬性因素時,其選擇台北、桃園、苗栗縣市而不選擇新竹縣市之機 率愈大。

其表示對中風險群而言:三縣市之房屋屬性均優於新竹縣市。另外,

由台北、桃園、苗栗縣市之係數絕對值得知,台北縣市之房屋屬性比桃園、

苗栗縣市好。其中,三縣市中只有台北縣市具顯著性,表示上述之現象發 生在此縣市時有說服力,原因可能是台北縣市之住宅規劃上比新竹縣市好 之緣故。

(24)

(3)低風險認知群部分:

【1】都市及區域環境重視度

由於台北、桃園縣市的係數值均呈現正號,而苗栗縣市為負號,表示 若消費者愈重視都市及區域環境時,其選擇台北、桃園縣市而不選擇新竹 縣市之機率愈大,而選擇苗栗縣市而不選擇新竹縣市之機率愈小。

其表示對低風險群而言:新竹縣市之都市及區域環境劣於台北、桃園 縣市,卻比苗栗縣市好。另外,由台北、桃園縣市之係數絕對值得知,桃 園縣市之都市及區域環境比台北縣市好。其中,只有苗栗縣市具顯著性,

表示上述之現象發生在此縣市時較有說服力,原因可能是苗栗縣市沒有比 新竹縣市繁榮。

【2】閭鄰與社會環境重視度

由於台北、苗栗縣市的係數值均呈現正號,而桃園縣市為負號,表示 若消費者愈重視閭鄰與社會環境時,其選擇台北、苗栗縣市而不選擇新竹 縣市之機率愈大,而選擇桃園縣市而不選擇台北縣市之機率愈小。

其表示對低風險群而言:新竹縣市之都市及區域環境劣於台北、苗栗 縣市,卻比桃園縣市好。另外,由台北、苗栗縣市之係數絕對值得知,苗 栗縣市之閭鄰與社會環境比台北縣市好。但由於三個縣市具無顯著性,表 示上述之現象發生時均無說服力。

【3】交通運輸

由於台北、桃園、苗栗縣市的係數值均呈現負號,其選擇台北、桃園、

苗栗縣市而不選擇新竹縣市之機率愈小。

其表示對低風險群而言:三縣市之交通運輸均劣於新竹縣市。另外,

由台北、桃園、苗栗縣市之係數絕對值得知,台北縣市之交通運輸又比桃 園、苗栗縣市差。其中,三縣市中以台北、桃園縣市具顯著性,表示上述 之現象發生在二縣市時有說服力,原因可能是台北、桃園二縣市中,台北 縣市離科學園區最遠、其次為桃園縣市,其均無比新竹縣市離科學園區近。

(25)

由於桃園、苗栗縣市的係數值均呈現負號,而台北縣市為正號,表示 若消費者愈重視公共設施因素時,其選擇桃園、苗栗縣市而不選擇新竹縣 市之機率愈小,而選擇台北縣市而不選擇新竹縣市之機率愈大。

其表示對低風險群而言:新竹縣市之公共設施優於桃園、苗栗縣市,

但卻比台北縣市差。另外,由桃園、苗栗縣市之係數絕對值得知,苗栗縣 市之公共設施比桃園縣市好。其中,三縣市中只有苗栗縣市具顯著性,表 示上述之現象發生在此縣市時有說服力,原因可能是苗栗縣市在都市之公 共設施規劃上比新竹縣市差。

【5】嫌惡設施

由於桃園縣市的係數值呈現負號,而台北、苗栗縣市為正號,表示若 消費者愈重視嫌惡設施因素時,其選擇桃園縣市而不選擇新竹縣市之機率 愈小,而選擇台北、苗栗縣市而不選擇新竹縣市之機率愈大。

其表示對低風險群而言:新竹縣市之嫌惡設施優於桃園縣市,但卻比 台北、苗栗縣市差。另外,由台北、苗栗縣市之係數絕對值得知,苗栗縣 市之嫌惡設施又比台北縣市好。但由於三個縣市均無顯著性,表示上述之 現象發生時均無說服力。

【6】經濟因素

由於台北、桃園縣市的係數值呈現負號,而苗栗縣市為正號,表示若 消費者愈重視經濟因素時,其選擇台北、桃園縣市而不選擇新竹縣市之機 率愈小,而選擇苗栗縣市而不選擇新竹縣市之機率愈大。

其表示對低風險群而言:新竹縣市之房租比苗栗縣市高,但比台北、

桃園縣市低。另外,由台北、桃園縣市之係數絕對值得知,台北縣市之房 價比桃園縣市高。其中,三縣市中台北、桃園縣市具顯著性,表示上述之 現象發生在此二縣市時有說服力,原因可能是台北、桃園縣市物價高相對 房租也高。

(26)

【7】房屋屬性

由於台北、桃園、苗栗三縣市的係數值均呈現負號,表示若消費者愈 重視房屋屬性因素時,其選擇台北、桃園、苗栗縣市而不選擇新竹縣市之 機率愈小。

其表示對低風險群而言:三縣市之房屋屬性均劣於新竹縣市。另外,

由台北、桃園、苗栗縣市之係數絕對值得知,台北縣市之房屋屬性比桃園、

苗栗縣市好。其中,三縣市中只有桃園縣市具顯著性,表示上述之現象發 生在此縣市時較有說服力。

(三)租、買房屋者之住宅選擇模式

由表5-5 得知各風險認知群中,各影響變數對住宅選擇之影響如下:

(1)高風險認知群部分

由於年齡、年資、年收入、包容值的係數值均呈現正號,而學歷為負 號,表示若消費者年齡、年資、年收入愈高時,其選擇購屋而不選擇租屋 之機率愈大,而學歷愈高時,其選擇購屋而不選擇租屋之機率愈小,但由 於4 個變數中只有年齡、家庭年收入具有顯著性,表示上述之現象發生在 此二變數時有說服力。其原因可能為年紀愈大不管在工作經驗、收入均愈 豐富而有能力購屋,但以目前之趨勢學歷愈高較有自己想法而不一定會選 擇購屋。其中,學歷變數不具有顯著性,表示上述之現象發生在學歷變數 時較無說服力。

(2)中風險認知群部分

由於年齡、學歷、年資、年收入、包容值的係數值均呈現正號,表示 若消費者年齡、學歷、年資、年收入愈高時,其選擇購屋而不選擇租屋之 機率愈大。但由於4 個變數中只有年齡、家庭年收入具有顯著性,表示上 述之現象發生在此二變數時有說服力。其原因可能為年紀愈大或學歷愈 高,在工作經驗、收入均愈豐富而有愈能力購屋。

(27)

由於年齡、學歷、年資、年收入、包容值的係數值均呈現正號,表示 若消費者年齡、學歷、年資、年收入愈高時,其選擇購屋而不選擇租屋之 機率愈大。但由於4 個變數中只有年齡、家庭年收入具有顯著性,表示上 述之現象發生在此二變數時有說服力。其原因可能為年紀愈大或學歷愈 高,在工作經驗、收入均愈豐富而愈有能力購屋。

參考文獻

相關文件

在數位系統中,若有一個以上通道的數位信號需要輸往單一的接收端,數位系統通常會使用到一種可提供選擇資料的裝置,透過選擇線上的編碼可以決定輸入端

多年以來,我們發現同學針對交換生或訪問學生的規劃有幾種類 型:(1) 選擇未來行將深造的國家與學校; (2) 選擇一個可以累積壯遊行 旅的大陸; (3)

比較不同 文化、藝 術家、時 代的形式 選擇與表 現角度的 關係 辨識不同. 文化、藝 術家、時 代的形式 選擇有何

是當舖業的生存利基所在。典當人的信用借貸選擇,在一般效用

值得一提的是,Add-in 在 Inventor 運行時會自動加載的特性是一個非常實用的功 能。使用者可以在執行 Inventor 前選擇所需要加載的 Add-in,而沒有選擇的

住宅選擇模型一般較長應用 Probit 和多項 Logit 兩種模型來估計,其中以 後者最常被使用,因其理論完善且模型參數之估計較為簡便。不過,多項

則巢式 Logit 模型可簡化為多項 Logit 模型。在分析時,巢式 Logit 模型及 多項 Logit 模型皆可以分析多方案指標之聯合選擇,唯巢式 Logit

McFadden, D., Structural analysis of discrete data with econometric applications Cambridge, Mass: MIT Press, (1981).. Quigley, J.M., Consumer Choice of Dwelling, Neighborhood