首先,我们将资料依购买年排列,再依据Lin(1993)一文中估计特徵性方式的变数选择,估计台湾地区房价函数的变数.而将变数定义叙述如下:
LFLSP:坪数取自然对数.
LHAGE:屋龄取自然对数.
CONST:住宅结构,若CONST=1,则为钢筋(骨)混凝土结构;反之,CONST=0.
HSPUR:住宅主要用途,若HSPUR=1,则为纯住家专用住宅;反之HSPUR=0.
HSTYPED1:若住宅型态为5F以下之公寓,HSTYPED1=0;反之,HSTYPED1=1.
HSTYPED2:若住宅型态为透天厝或独院式,则HSTYPED2=1;反之,HSTYPED2=0.
HSTYPED3:若住宅型态为独院式,则HSTYPED3=1;反之,HSTYPED3=0.
KITCH:若为自有厨房,则KITCH=1;反之,KITCH=0.
BATH:若为自有浴室,则BATH=1;反之,BATH=0.
REST:若为自有厕所,则REST=1;反之,REST=0.
FUEL:若为自有天然气,则FUEL=1;反之,FUEL=0.
GOOD:若对目前居住状况还算满意,则GOOD=1;反之,GOOD=0.
另外,由於某些邻近县市别之间差异性不一定很明显,故我们在实证分析处理上,再将区分为北、中、南、东四大地区.其中,北区包括台北县市、桃园县、新竹县市、基隆市;中区包括苗栗县、台中县市、云林县、彰化县、南投县;南区包括嘉义县市、台南县市、高雄县市、屏东县;东区则包括宜兰县、花莲县、台东县、澎湖县.
我们将23个县市别与4大区域的主要结果列於[表1].在[表1]中我们发现,若以23个县市别来区分,包括坪数、住宅类型、卫浴设备数目、与对住宅满意度之系数会随时间或区域之改变而变化.换句话说,在坪数方面,家计单位在购屋时,对於坪数大小的选择,可能会随时间的改变而变化;而在各县市别之间,坪数对房价的影响亦是不同的,一般而言,都会区的坪数较乡村为小.
在住宅类型方面,透天厝或独院式的住宅型态随著时间的改变亦有变化,在各县市别之间亦有显著的差异.此一结果与我们一般的直觉相符合,在过去台湾的住宅状况均以低矮平房或独栋透天厝为主,但随著经济的发展,城乡之间的住宅型态已有显著的差异,在寸土寸金的都市里,高楼大厦早已代替了原有独栋式的住宅.另外,是否有自有浴室与目前居住状况满意与否,亦会随时间或县市别而有所不同.
若再以北、中、南、东四大地区来看,受地区与时间影响系数会改变的变数则包括住宅结构、住宅类型、是否有自有浴室、与对住宅满意度等.在住宅结构方面,住宅是否为钢筋混凝土建造,住宅型态为5楼以下公寓或独栋透天厝等变数,会随著时间或作落在北、中、南、东部等因素而对房价有所变化.而是否有自有浴室与目前居住状况满意与否,亦会随时间或地区别而有所不同.
由以上的分析可知,若我们利用特徵性函数估计房价时,若忽略了时间或地区变数因素,直接以所有的资料作回归估计,是必然会造成相当的偏误.
四、结论
房价的估计一直是大家所关心的问题,在过去的文献中,已有许多文献利用不同的方法来估计房价,最常使用的方式便是以特徵性房价函数作为估计方法,但除了考虑品质控制外,系数稳定性意识不可忽略的重要因素.
因此,本文主要在探讨在特徵性房价函数中,究竟有哪些变数之估计系数,会随时间或地区变化而改变.实证结果显示,若以23县市别区分,坪数、住宅类型、是否有自有浴室、与对目前住宅状况满意度之系数会随时间或区域之改变而变化:若以北、中、南、东四区来看,受地区与时间影响系数会改变的变数包括住宅结构、住宅类型、是否有自有浴室、与目前对住宅状况满意度等.
在此,我们只简略的列出在同时考虑时间与区域变数作随机系数之主要分析结果.在往后的研究中,我们希望能区分出哪些变数是随时间因素改变,哪些因素是随区域因素而变动,相信对决策者的行为会更有帮助.
参考文献
Bailey, M.J., R.F. Muth and H.O. Nourse(1963), "A Regression Method for Real Estate Price Index Construction," Journal of the American Statistical Association, 58, 933-942.
Belsley, D.A., Huh, E. and Welsch, R.E.(1980), Regression Diagonstics: Identifying Influential Data and Source of Collinearity, John Wiley and Sons: NY.

上一页下一页