在资料的选取上,由於国内房价的资料收集不易,因此大多的实证研究之资料来源集中於主计处「住宅状况调查」资料库,或是以仲介业的成交资料或预售屋的表列价格等估计房价.
在模型选择方面,经常以Box and Cox(1964)的转换函数来选取适当的函数形式,或是以Dubin and Sung(1990)的non-nested test来选取较为适合的模型.而在函数形式方面,Edmonds(1984)认为早期以线性函数(linear form)为主,在1970年后则以非线性(non-linear form)为主.除此之外,辜炳珍(1989)以linear-linear的函数形式估计房价,Case(1991)则采用log-log form,而最常被采用的还是log-linear的函数形式,如Nelson(1978),Blackley, Follain, and Lee(1986),Thibodeaus(1989),Lin(1993),林祖嘉(1990, 1992, 1994),张金鹗、范垂炉(1993),张金鹗、刘秀玲(1993),张丽姬(1994)、林祖嘉、林素菁(1994, 1995),林秋瑾、杨宗宪、张金鹗(1996),Lin and Lin(1999)等等.
另一方面,在特徵性函数估计上,有些学者也做了一些修正,如林祖嘉(1994)曾以主计处「住宅状况调查」资料,依Heckman的二阶段估计法,估计台湾地区租买选择之间的替代性,并在特徵性函数中,加入租买二次市场互相影响的效果项作为解释变数.林秋瑾、杨宗宪、张金鹗(1996)曾以民国77-82年,台北市太平洋房屋成屋与预售屋之成交价估计房价函数,并参考林秋瑾(1996)一文,对资料做异常点筛选,以避免因资料本身的问题造成估计的误差.
除此之外,随时间或地区的不同,房价函数的估计系数不一致性(vary parameters)的问题,却一直被忽略.换句话说,若以特徵性函数方式估计房价,某些变数之估计系数可能会随著地区的特性与时间的发展而有所变动,若以相同的系数来分析长期各地区的房价,必会有估计的偏误发生.Wolverton and Senteza(2000)曾以美国1986-1992年NAR(National Association of Realtors)的资料估计房价,文中已证实在忽略区域变数的情况下,纵使住宅品质已固定,仍会产生估计上的偏误.
以台湾情况来看,例如房屋类型变数,随著时间的改变,早期全台湾地区多低矮公寓平房,当经济发展至某一阶段后,高楼大厦开始林立,特别在大都会地区此一状况更为明显.另外,公共设施的可及性(accessibility)亦会随著都市发展而有所改变,如快速道路的建立,捷运的兴起,甚至是将来高速铁路的架设完成,相信对都会地区的房价都会有相当大的影响.若再以北、中、南、东部等区域来区分,大台北高雄等都会地区多高楼大厦,中南部郊区多透天厝,坪数亦较都会地区为大,而西半部地区的交通建设始终比东半部发展迅速,北部的发展亦较中南部为优先,在台北都会区愈来愈拥挤的今天,都会区周边卫星城镇的发展速度,相信议会对都会区房价带来冲击.
长久以来,有关探讨台湾地区各区域间房价的关系之文献相当少,在林祖嘉、林素菁、谢文盛(1998)一文中,曾讨论台北市、高雄市、以及台湾省之间房价的因果关系,文中证实台北市房价的确具有领先的地位,其敏感程度最为明显,但在该文中却未提及不同地区房价之间估计系数的变化,以及区域间房价之替代性.
因此,本研究的主要目的,便是希望能从实际住宅成交资料中,找出在影响房价的变数中,何者之估计系数会随著时间或地区的不同而有所变化,继而修正房价函数.相信这对了解长期间台湾地区房价变化,与各地区之间的房价影响关系有相当重要的助益.
二、理论模型
由於本文的主要目的在於找出在估计特徵性房价函数时,哪些变数的估计系数,可能会随著时间或地区的不同而有所变化,因此同时会有时间序列资料与横断面资料的组成资料(panel data).在计量模型的选取上,我们利用随机效果模型(random effect model),检定特徵性系数不一致的问题.
, (1)
其中i = 1,…,N表示地区或县市别,t=1, …,T表示时间序列,LHP表示房价取自然对数,X则表示特徵性变数,如坪数、屋龄、住宅结构、住宅用途、住宅型态、是否有厨房及卫浴设备、以及对现有住宅状况是否满意等等,表截距项系数,为特徵性变数之系数.在本文中,我们主要便是检定系数的稳定性,这些特徵性变数是否会因时间或地区而改变.
三、实证分析
在实证分析方面,本文利用行政院主计处「住宅状况调查」中之房价资料来估计房价函数系数是否一致的问题.在时间序列资料上,为民国60年至82年之房价资料,横断面资料则有23个县市别,总计有529个样本.

上一页下一页