大眾捷運系統對房價影響效果之再檢視 · 論與車站遠近皆相同，且間斷距離原則未有明確標準，影響效果隨不同間斷區間劃分呈現不一致結論，故本文嘗試以連續性距離估計方式重新檢視。

世界華人不動產學會 2012年會

1

大眾捷運系統對房價影響效果之再檢視

戴國正

政治大學地政學系碩士生

江穎慧 *

政治大學地政學系助理教授

張金鶚

政治大學地政學系教授

* 聯絡作者，政治大學地政學系助理教授，E-mail:[email protected]，連絡電話：

886-2-29393091*51641。


2

大眾捷運系統對房價影響效果之再檢視

摘要

大眾捷運系統所帶來之快捷與便利，使其已成為許多都會區民眾依賴之交

通工具。捷運系統對鄰近不動產交通可及性提升，所伴隨之便利性將透過資本

化效果反映於其價格之上，進而帶動周邊不動產價格上漲，過去不論國內外關

於捷運對周邊房價影響之研究，實證結果亦多支持捷運對於房價有正面影響，

且該影響隨著與捷運車站距離增加而遞減。然而過去研究缺乏考量空間相依因

素，於分析捷運影響效果時未控制空間相依性，且對於捷運系統影響不動產價

格變化之非線性關係，與不同區位(市中心、市郊、郊區)捷運車站影響效果是

否存有差異，以往文獻對此部分尚未進行較完整探討。

本文使用國內某銀行 2007、2008 年間不動產交易資料，以台北都會區內

台北捷運紅、藍、棕三線所行經行政區為研究範圍，應用特徵價格模型與

Spline 迴歸模型，檢視捷運系統對周邊房價之影響效果。實證結果顯示，就

整體樣本而言捷運對房價確有正向影響，且該影響隨距離增加呈先增後減趨勢，

而後趨於穩定；而捷運車站之房價效果隨區位不同而有差異，愈趨市郊捷運車

站對房價影響之效果愈大。

關鍵詞：捷運系統、空間相依性、住宅價格、Spline迴歸


3

The Reexamination of the Impact of Mass Rapid Transportation

On Residential Housing in Taipei Metropolitan

Kuo- Cheng Tai1 Ying-Hui Chiang2 Chin-Oh Chang3

Abstract

Many previous studies have showed that MRT system has a positive

impact on the property prices due to its availability and the effect

should decline as distance increases. While the pattern of the change

and its difference between stations located in different locations has

yet not been fully discussed. In addition, most of the studies usually

ignored spatial interdependence among regions.

This paper uses spatial econometrics to estimate a residential

prices model that includes cross-region interdependence. The empirical

results find the price effect of MRT distance is nonlinearity. The

effect of MRT stations tends to get stronger in certain distance

intervals. Also, the difference in the effect of MRT stations between

urban and suburban areas does exist. The closer the property lies within

to the suburban area the greater the effect is.

Key words: MRT system, nonlinearity, housing prices, Spline

regression

1 Graduate Student, Department of Land Economics, National Chengchi University. Address: NO.64,

Sec.2, ZhiNan Rd., Wenshan District, Taipei City 11605, Taiwan(R.O.C). E-Mail: [email protected]

2 Assistant Professor, Department of Land Economics, National Chengchi University. Address: NO.64, Sec.2, ZhiNan Rd., Wenshan District, Taipei City 11605, Taiwan(R.O.C). E-Mail: [email protected]

3 Professor, Department of Land Economics, National Chengchi University. Address: NO.64, Sec.2, ZhiNan Rd., Wenshan District, Taipei City 11605, Taiwan(R.O.C). E-Mail: [email protected]


4

一、前言

大眾捷運系統所帶來之快捷與便利，使其已成為許多都會區民眾倚重之交

通工具。捷運對其周邊不動產可及性之提升，其便利性將透過資本化效果反映

於不動產上，進而帶動價格上漲，故捷運對其鄰近不動產價格有正面影響，與

捷運車站愈近者可及性愈高，捷運對房價的正向影響也愈大；當逐漸遠離車站、

可及性下降，該影響則隨之遞減，此為過去國內外許多研究所支持（Bajic，

1983；Voith，1991；Coffman 與 Gregson，1998；Craig 等人，1998；Bowes

與 Ihlanfeldt，2001；McMillen與 McDonald，2004；馮正民等人，1994；洪

得洋與林祖嘉，1999）。在衡量捷運的價格效果與距離間關係，常見處理方式

是先劃分影響範圍區（馮正民等人，1994；彭建文等人，2009），以樣本點是

否落於影響區內決定捷運車站對其價格有無影響。如前所述，捷運的影響隨距

離之增加應逐漸遞減，但此作法所估計之價格效果，在同一車站距離尺度內不

論與車站遠近皆相同，且間斷距離原則未有明確標準，影響效果隨不同間斷區

間劃分呈現不一致結論，故本文嘗試以連續性距離估計方式重新檢視。

連續性距離估計，可得房屋價格隨距離捷運車站遠近，而有逐漸消長效果，

然而當逐漸遠離捷運車站時，可及性降低造成的價格效果是否呈現等比例線性

遞減效果？Waddell等人（1993）即認為未於模型中考量交通運輸設施所帶來

之負面外部性，如噪音、空氣污染，交通壅塞與視覺上不快，使得在極短之距

離內該可及性對房屋價格反而有負面影響，捷運的房價效果隨距離變化應非簡

單線性，過去文獻對交通運輸設施之非線性效果有加以討論（Waddell et al.，

1993；Kilpatrick et al.，2007；Chernobai et al.，2011）；而國內研究洪

得洋與林祖嘉（1991）雖有以捷運車站距離與其平方項衡量距離與房屋價格之

非線性關係，然對於車站距離差異對房價影響的非線性效果變化仍缺乏相關探

討。

捷運車站因坐落區位不同，所處地區大眾交通運輸發展程度與生活機能完

整性不一，區內居民之交通習慣可能不同，對捷運車站交通可及需求亦不相同。

換言之，不同區位之捷運車站其重要程度理應不同，對房價影響效果亦應有異，

捷運車站可及性改善的重要，將反映於其周邊不動產價格上，該效果在不同區

位間應有差異。此外，在分析捷運對房價影響效果時，傳統特徵價格模型因空

間自相關（spatial autocorrelation）之影響，殘差存有非獨立隨機之空間

關聯現象，違反最小平方法之假設，過去研究對空間自相關問題多未考量，導

致過去研究可能存有估計偏誤問題，皆是引發本研究愈重新釐清捷運系統對房

價影響效果之動機。

因此，本文利用國內某銀行不動產交易擔保品資料，以台北都會區內台北

捷運紅、藍、棕三路線等所行經路線周邊為研究範圍，自 2007、2008 年間共

取得 14,270筆樣本，應用 Spline迴歸模型與空間迴歸模型，並控制空間自相

關因素，重新檢視捷運系統對周邊房價影響效果，試圖釐清捷運車站對整體都


5

會區房價之距離效果，以及不同區位之捷運車站影響效果差異此兩項課題。本

文共分為五節，除本節前言外，第二節為文獻回顧；第三節為資料與實證模型；

第四部分為實證分析，最後為結論與建議。

二、文獻回顧

捷運系統可提升周邊不動產之可及性，減少通勤時間與成本之花費，並紓

解鄰近地區交通之壅塞情形，其效益將資本化於不動產之價格中，而過去文獻

不論國內外，實證結果多顯示捷運系統對不動產價格有正向之影響（Bajic，

1983；Voith，1991；Coffman與 Gregson，1998；Craig et al.，1998；Bowes

與 Ihlanfeldt，2001；McMillen與 McDonald，2004；馮正民等，1994；洪得

洋與林祖嘉，1999）。

由於各國社經環境不同，有部份國外文獻持不同看法，指出捷運系統未必

對周邊房價有明顯正面影響。蓋除了可及性改善之正面效益外，捷運系統亦可

能同時為附近之不動產帶來噪音、景觀惡化，甚至犯罪等負面影響，當此類負

面外部性與交通改善之正面效益競合時，捷運系統並不一定會對周遭房價有正

向影響效果。如 Gatzlaff 與 Smith 以重複銷售指數與特徵價格法檢視邁阿密

地鐵系統對周邊住宅價格之影響，均得到相同之結果，發現該地鐵系統之興建

對房價僅有微弱影響；持同樣看法如 Nelson與 McCleskey（1990）。此外，更

有少數文獻實證結果為負面之影響（Dornbusch，1975；Burkhardt，1976）。

由於距捷運系統車站較近之不動產，相對其他不動產而言更為便捷，擁有

更佳之可及性，消費者所願意支付價格較高，捷運系統的正面資本化效果也較

高；以往文獻亦普遍驗證不動產價格將隨著與捷運車站距離的增加而遞減

（Dewees，1976；Damm，1980；Benjamin 與 Sirmans，1996；Armstrong 與

Rodriguez，2006；馮正民等人，1994；洪得洋與林祖嘉，1999）；同樣地，有

少數文獻有不同之實證結果（Debrezion et al.，2007）。無論為不動產與捷

運站距離遠近的價格變化，或捷運站本身與市中心距離遠近對不動產價格影響

的變化，皆不應是一簡單線性關係可描述，因捷運站負面外部性（噪音、污染、

出入人口複雜等）多產生於極短之距離，而隨距離逐漸增加該負面影響便逐漸

消失，與可及性之正面效果的總和將變為正向（Chernobai et al.，2011）。

因此，許多文獻透過間斷距離等方法，以呈現出該非線性影響之距離效果

（Chernobai et al.，2011；Kilpatrick et al.，2007；Debrezion et al.，

2007；Waddell et al.，1993）。

而捷運車站對於不動產價格之影響，是否會因其於都市中不同區位、捷運

系統整體中位階不同，例如距市中心遠近之差異而有不同。McDonald 與 Osuji

發現當捷運站與市中心距離每增加一英里時，將使該站周邊半英里之不動產價

格上升 1.9％；彭建文等人發現位於不同區位（市中心、市區、市郊）之捷運


6

車站，對不動產價格之影響範圍有所不同，愈趨往郊區影響範圍愈大，其認為

係捷運系統對於都會區不同區位之邊際可及性改善幅度不同所造成。

由上述文獻回顧可發現，捷運系統對周邊不動產價格有正面影響，於國內

外文獻對此多持肯定看法；而對於捷運系統對不動產價格影響變化之非線性關

係，國內研究則缺乏討論；關於區位差異之討論，因各捷運車站座落地區發展

條件不同，對於房價之影響亦應當有所差異，無論在車站周邊定義範圍或房價

區間劃設均應有所差異。因此，本文擬就過去文獻缺乏討論之課題加以釐清。

三、資料範圍與模型設定

(一) 資料範圍

為分析台北都會區大眾捷運系統對其周邊不動產價格影響效果，本文利用

國內某金融機構 2007、2008 兩年間住宅擔保品鑑估資料，以台北捷運在該期

間已正式營運通車之紅（淡水區、新店區、中和區）、藍（板橋區、南港區）、

棕（木柵區）三線為研究對象，選取各路線沿線車站一公里 4

為控制整體都會區模型區位效果，及觀察不同區位捷運車站對房價影響效

果有何不同，在區位劃分部份，過去國內研究多將整體研究範圍劃分為市中心、

市區、郊區三區：馮正民等（1994）、林楨家與黃志豪（2003）依捷運車站距

市中心距離將車站位置劃分為市中心、市區邊緣及郊區三類；彭建文等（2009）

將大安、中正與中山區定為市中心，士林、文山與大同區定為市郊，北投、淡

水與新店定為郊區。本文利用群落分析，並參考過去國內研究與資料各行政區

房價水準，重新定義中正區、大安區為市中心，中山區、士林區劃為市區，大

同區、北投區、文山區劃為市郊。樣本其空間與時間分佈與基本敘述統計分別

如表 1與表 2。

範圍內住宅用不

動產共 14,270筆。

表 1 樣本時空資料分布年度全體樣本市中心市區市郊

2007 7815 2445 2167 3203

(31.29%) (27.73%) (40.99%)

2008 6455 1991 1694 2823

(30.84%) (26.24%) (43.73%)

4捷運車站之服務半徑或影響範圍主要考量在於可忍受之步行時間距離（洪得洋與林祖嘉，1999），本文考量與捷運車站相距一公里以上為步行較不可及範圍，且若有其他負面影響亦應不顯著，此

外，為避免估計偏誤，排除已明顯超出捷運影響範圍，卻因環境獨特房價反而居高之天母地區。


7

表 2 樣本基本敘述統計 5

行政區

全體樣本市中心市區市郊

樣本數 14270 4436 3861 5973 單價 28.42 40.57 27.45 20.01

(12.83) (13.73) (8.22) (4.76)

樓層 5.43 5.22 4.62 5.86

(4.42) (3.80) (3.30) (4.76)

屋齡 21.54 24.49 22.41 18.83

(10.19) (9.50) (10.12) (9.96)

土地持分 0.09 0.08 0.08 0.09

(0.20) (0.17) (0.10) (0.26)

主要道路寬 18.67 22.49 18.45 15.96

(15.64) (20.26.) (13.87) (11.70)

基地面臨路寬 9.39 10.50 8.74 8.99

(11.25) (14.97) (9.05) (9.03)

捷運車站距離 533.94 499.78 537.47 557.02

(231.70) (240.38) (229.88) (223.15)

大廈 56.42% 64.56% 48.95% 55.20% 套房 1.80% 1.83% 2.51% 1.32% 一樓 9.71% 8.72% 11.01% 9.59%

500 公尺內有公園 60.27% 84.29% 80.68% 29.25% 500 公尺內有學校 56.33% 60.71% 62.03% 49.39%

500 公尺內有其他交通設施 3.29% 8.12% 2.77% 0.03% 500 公尺內有鄰避設施 18.75% 11.72% 19.48% 23.49%

捷運車站為雙路線交會站 10.46% 22.52% 4.30% 5.47% 捷運車站地下化 66.21% 60.23% 32.45% 92.47%

5 表中數字為平均數，括號內數字為標準差


8

(二) 實證模型

1. Spline 迴歸

自 Rosen（1974）提出特徵價格理論以來，特徵價格迴歸模型已成為研究

房價與其特徵屬性間關係最為廣泛使用之工具。一般而言，房屋價格與其特徵

屬性間關係可以下式表示：

Pi = α + X′iβ + εi ……………………（1）

其中 P為房屋價格，X為房屋之特徵屬性，ε為殘差項。

而為衡量捷運車站對於其周邊房價影響效果隨距離增減之變化，本文參考

Suits 等人（1979）、Marsh and Cormier（2001）之 Spline 迴歸方法，於迴

歸模型中建構 Spline 變數以觀察捷運車站對房價影響效果變化情形。Spline

迴歸模型基本上與一般迴歸模型無異，為一分段式（piece-wise）迴歸方法，

惟其透過對於欲分析之自變數加以限制條件，使得迴歸係數在各個連接各區段

之結點（knots）上得以變化，使各個區段間不間斷，避免估計跳躍式的變化。

以往以虛擬變數迴歸與 Spline 迴歸結果比較如圖 1 所示，過去研究多以虛擬

變數劃設分區相比，由於捷運影響效果應是隨著距離增減而逐漸變化，Spline

迴歸方法可改變以往估計效果在同一距離尺度內不論遠近皆為相同，或不同尺

度之間有跳躍式變化情形。因此，Spline 迴歸在估計捷運對房價影響之波及

效果，應為一較佳方法，故本文利用樣本資料之捷運距離變數建立 Spline 變

數。

圖 1 虛擬變數迴歸與 Spline迴歸比較示意圖

進一步舉例說明此方法，若樣本資料分佈如圖 2，很明顯地嘗試以非線性方

式解釋兩變數關係較線性方式適合，而利用以下 Spline 迴歸方程式，配合其限制

式，迴歸線斜率分別在 X1、X2、X3 三處之結點可變化而不中斷，進而得出在三

個不同區間時之估計值。

應變數

自變數

虛擬變數迴歸

應變數

自變數

Spline 迴歸


9

圖 2 Spline 迴歸模型

Y = α0 + β0(X − 0)D0 + β1(X − X1)D1 + β2(X − X2)D2 …………（2）

其中Di為虛擬變數，當X大於Xi時為 1，反之為 0。

於該方法應用上，Strawczynski（1998）利用 Spline 迴歸模型針對不同

所得階層估計最適所得稅率；Speyer 與 Ragas（1991）使用 Spline 迴歸探討

房屋淹水機率增加或減少時對其價格之影響。而在衡量距離效果方面，

Chernobai 等利用 Spline 迴歸分析 Los Angeles 都會區內一高速公路自預計

興建、正式動工、完工通車期間，對其周邊房屋價格時空之非線性影響效果。

使用此類分段式之迴歸須先決定各區間之間距，一般而言較小之間距可捕

捉之影響效果變化理應更為細微準確；然而，間距過於細分除可能造成各區間

樣本數不足，模型自由度低落、估計結果不具代表性外，各區間彼此斜率變化

亦將不明顯使得 Spline 變數不顯著。過去國內研究在捷運影響範圍劃設上，

大多以 100至 200公尺為距離尺度；本文經實際測試，決定將樣本點與捷運車

站距離每 100公尺劃分為一區間，第一區間為 0至 100公尺；第二區間為 100

至 200公尺；…至第十區間 900至 1000公尺，共分十個區間。

本文欲使用 Spline迴歸並透過將捷運車站距離切分為 10個級距，以觀察

各區間隨著與車站距離增減時，捷運影響效果之變化情形。建立 Spline 迴歸

變數前，首先需就各區段間共 9 個結點設定 9 個虛擬變數 D1i、D2i、…、D9i，

當捷運距離大於 100 公尺時，D1i＝1，反之則為 0；當捷運距離大於 200 公尺

時，D2i＝1，反之則為 0，依此類推至 D9i。利用上述虛擬變數，再建立各區間

相對應之 Spline變數 M2i、M3i、M4i、…M10i，其中 M2i＝D1i(捷運距離－100)，而

因 D1i小於等於 100時為 0，故 M2數值不為負；M3i＝D2i(捷運距離－200)，依此

類推至 M10i。

如此由上述求得之 Spline變數可得下式：

X3 X2 X1 0

Y

X


10

Pi = α + β1捷運距離i

+ β2M2i + β3M3i ⋯+ β9M9i + β10M10i + X′iβ +

εi …（3）

其中 X為房屋除捷運距離以外之特徵屬性。而此 Spline變數之係數β1、…、

β10為迴歸之斜率係數，則代表該區間捷運之影響相對前一區間之增減。將式

（3）帶入各區間限制條件整理後，可分別得到下列迴歸方程式：

0至 100公尺：


+ εi ……………………（4）

100公尺至 200公尺：


+ β2（捷運距離i− 100） + εi

Pi = （α − 100β2） + (β1 + β2)捷運距離i

+ εi …………（5）

200公尺至 300公尺：


+ β2（捷運距離i− 100） + β3（捷運距離

i− 200） + εi

= （α − 100β2 − 200β3） + (β1 + β2 + β3)捷運距離i

+ εi…（6）

300公尺至 400公尺：

Pi = (α − 100β2 − 200β3 − 300β4)

+(β1 + β2 + β3 + β4)捷運距離i

+ εi …………（7）

依此類推至 900公尺至 1000公尺：

Pi = (α − 100β2 − 200β3 − 300β4 − 400β5 − 500β6 − 600β7 − 700β8− 800β9 − 900β10)

+(β1 + β2 + β3 + β4 + β5 + β6 + β7 + β8 + β9 + β10)捷運距離i

+

εi ………（8）

由上述方程式可知，在不同距離區間下可估計出不同的捷運距離係數值，

即在不同距離區間下捷運對房價有不同的邊際影響。以下本文首先以未加入

Spline 變數之迴歸模型，觀察台北都會區樣本與各區位（市中心、市區、市


11

郊）房價整體、平均隨捷運距離變化情形，再以 Spline 迴歸觀察該距離效果

之非線性變化情形。

模型變數部份，由於本文資料不動產價格為銀行估價人員之鑑估價格，推

測因不動產單價於估價時較易掌握，資料中總價係由單價還原而得。因此，選

取不動產單價為模型應變數，其餘變數選取說明如表 3。

表 3 變數說明

變數名稱單位說明

行政區虛擬變數以淡水區為基準區位虛擬變數市中心、市區、市郊三區，以市郊為基準

房屋類型虛擬變數若為大廈為 1，反之為 0 套房虛擬變數小坪數套房住宅通常價格較低

所在樓層樓層樣本點所在樓層一樓虛擬變數考量位於一樓可能有商業使用，其價格通常較高屋齡年建築物完成之日至案例交易日期之年數

屋齡平方 -- -- 土地持分 -- 土地持分之比例

主要道路寬公尺樣本點臨路主要道路寬度基地面臨路寬公尺樣本點基地面臨寬度

捷運距離公尺樣本點至鄰近捷運站之直線距離鄰近學校虛擬變數 500 公尺內若有為 1，反之為 0 鄰近公園虛擬變數 500 公尺內若有為 1，反之為 0

鄰近其他交通設施虛擬變數 500 公尺內若有為 1，反之為 0 鄰近鄰避設施虛擬變數 500 公尺內若有為 1，反之為 0

交易年度虛擬變數以 2007 年為基準年


12

四、實證分析

（一）捷運車站距離差異房價效果

1. 傳統迴歸模型

表 4為以往國內文獻在估計捷運車站距離房價效果時，常見對距離變數之

處理，各模型變數除「是否鄰近公園」變數不顯著外，皆達 1％顯著水準且符

號與預期方向相符，調整後 R2均約 0.7。在連續變數設定方面，與捷運車站距

離 MRTD 為顯著負值（-0.0014），顯示當房屋至捷運車站距離增加時，對其價

格確有顯著負向影響，平均而言，距離每增加一百公尺時，每坪單價將下降

1,400 元；虛擬變數設定部份，500 公尺（內有無捷運車站）為過去國內不論

研究或估價實務，判別房屋是否捷運可及時最常使用之距離區間，其變數

MRTD500則呈正向且顯著，即房屋距離捷運站 500公尺內時，對其價格有顯著

正向影響，平均而言，落於捷運車站周遭 500公尺內之房屋單價每坪會較範圍

外之房屋高約 4,300元，以上結果與過去國內研究大致相符。

參考馮正民等（1994）與彭建文等（2009）將捷運車站距離以更為細緻方

式劃分，分為 0-100公尺、100-300 公尺、300公尺以上與 0-150公尺、150-300

公尺、300 公尺以上兩種，值得注意的是，兩種距離劃分方式所得估計結果有

明顯之差異。將距離劃分為0-100公尺、100-300公尺、300公尺以上時，MRTD100

與 MRTD300 皆為負向但並不顯著，顯示距離捷運站 100 至 300 公尺內與 300

公尺以上之房屋價格並無明顯低於 100公尺內。而將距離劃分為 0-150公尺、

150-300 公尺、300 公尺以上時，兩區間變數（MRTD150、MRTD300）則顯著為

負，距離捷運車站 150 至 300 公尺與 300 公尺以上之房屋平均每坪單價低於

150公尺內之房屋，此價差約 6,900與 7,700元。前述估計結果與以往研究結

果有些許不同，本文推論應係時空背景差異所造成。

由以往研究作法估計結果可發現，在細分捷運車站距離時，第一區間的取

決將嚴重影響迴歸估計結果（由-0.0218增為-0.6927且顯著），亦可發現捷運

的房價效果確實在不同距離時有很大差異，該差異亦非簡單線性關係，而若仍

以過去研究方法實未能確實反映。


13

表 4 傳統迴歸模型估計結果 6

模型 1 模型 2 模型 3 模型 4

估計係數估計係數估計係數估計係數

Intercept 24.5377 *** 23.5792 *** 23.9330 *** 24.4189 ***

中正區 21.0442 *** 20.9990 *** 21.0355 *** 21.0440 ***

大同區 7.5622 *** 7.4903 *** 7.5222 *** 7.5303 ***

中山區 16.1486 *** 16.0721 *** 16.0695 *** 16.0922 ***

松山區 21.8396 *** 21.7553 *** 21.7901 *** 21.8118 ***

大安區 28.4128 *** 28.3996 *** 28.4713 *** 28.4903 ***

萬華區 5.3310 *** 5.3012 *** 5.3081 *** 5.3413 ***

信義區 21.4715 *** 21.4366 *** 21.4839 *** 21.5155 ***

士林區 17.5185 *** 17.4439 *** 17.4385 *** 17.4439 ***

北投區 12.2223 *** 12.2351 *** 12.3251 *** 12.3422 ***

南港區 9.0800 *** 9.0016 *** 9.0146 *** 9.0160 ***

文山區 9.5914 *** 9.5788 *** 9.6206 *** 9.6378 ***

板橋區 2.9183 *** 2.8361 *** 2.8292 *** 2.8444 ***

新店區 3.7836 *** 3.7781 *** 3.8524 *** 3.8718 ***

永和區 4.9997 *** 4.9555 *** 4.9510 *** 4.9721 ***

中和區 1.6757 *** 1.6334 *** 1.6910 *** 1.7155 ***

土城區 -1.7818 *** -1.8235 *** -1.7956 *** -1.7664 ***

捷運距離 -0.0014 ***

MRTD100

-0.0218

MRTD150

-0.6927 **

MRTD300

-0.2657

-0.7661 ***

MRTD500

0.4287 ***

屋齡 -1.1349 *** -1.1329 *** -1.1325 *** -1.1318

屋齡平方 0.0181 *** 0.0181 *** 0.0181 *** 0.0181

土地持分 0.7881 ** 0.7897 *** 0.7953 ** 0.8010 **

主要道路寬 0.0220 *** 0.0228 *** 0.0232 *** 0.0235 ***

基地面臨路寬 0.0660 *** 0.0654 *** 0.0649 *** 0.0644 ***

所在樓層 0.1537 *** 0.1547 *** 0.1553 *** 0.1544 ***

房屋類型 2.0795 ** 2.1179 *** 2.1273 *** 2.1256 ***

套房 -1.5851 *** -1.5529 *** -1.5582 *** -1.5792 ***

一樓 7.1739 *** 7.1668 *** 7.1525 *** 7.1517 ***

6模型 2 將捷運車站距離分為 0-500 公尺（MRTD500）與 500 公尺以上（比較基準）二區間；模

型 3 將捷運車站距離分為 0-100 公尺（MRTD100）、100-300 公尺（MRTD300）、300 公尺以上（比

較基準）三區間；將捷運車站距離分為 0-150 公尺（MRT100）、150-300 公尺（MRTD300）、300公尺以上（比較基準）三區間


14

鄰近公園 -0.1550

-0.1420

-0.1330

-0.1311

鄰近學校 0.8439 *** 0.8292 *** 0.8258 *** 0.8305 ***

鄰近鄰避設施 -0.4924 *** -0.5225 *** -0.5344 *** -0.5348 ***

鄰近其他交通設施 2.7369 *** 2.5345 *** 2.3573 *** 2.3566 ***

捷運車站為雙路

線交會站 1.9272 *** 1.9349 *** 1.9398 *** 1.9321 ***

捷運車站地下化 2.1702 *** 2.1682 *** 2.1723 *** 2.1678 ***

交易年度 1.8928 *** 1.8867 *** 1.8856 *** 1.8872 ***

Adj R2 0.6924 0.6922 0.6919 0.6920

F value 974.53 973.18 943.60 944.03

樣本數 14270 14270 14270 14270

註：***、**、*分別代表在 1%、5%與 10%顯著水準下，該變數顯著異於零。

2. Spline迴歸模型

將捷運車站距離一公里每 100公尺劃分一間隔，觀察在此一公里內，

房屋價格與捷運車站距離之關係，Spline迴歸模型與空間迴歸模型修正之估計

結果如表 5。其中OLS Spline模型調整後R2有些微增加改進，顯示該模型的確

捕捉到部份非線性之距離效果。而由迴歸結果可發現，於車站距離 0 至 300

公尺時，各區間捷運係數變化頗大，以OLS模型為例， 0-100公尺區間變數MRTD

顯著為正，位於距捷運車站 100公尺之房屋平均而言每坪單價高於捷運車站旁

之房屋 3.8萬元 7；而 100-200公尺區間變數M2為顯著負向（-0.0573），顯示

捷運車站可及性之正面效益開始突顯，距捷運車站愈遠價格愈低，車站距離為

200 公尺之房屋平均每坪單價低於捷運車站旁者 3.86 萬元 8

在傳統 OLS模型與空間迴歸模型比較方面，因 Breusch-Pagan與 Lagrange

Multiplier Lag 及 Lagrange Multiplier Error 檢定皆顯著，拒絕模型中無

空間自相關與殘差項無異質性差異之假設，故以空間落遲模型與空間誤差模型

修正應會得到較好之估計結果。無論為空間落遲係數ρ或空間誤差係數λ皆

於 1％水準下顯著，分別為 0.6385 與 0.7476，顯示不動產單價確與鄰近不動

產單價有關，該模型中有空間自相關情形且該關係為正向；Likelihood Ratio

檢定亦顯著，空間落遲模型與空間誤差模型相較 OLS會得到較佳之估計結果。

，若以面積為 30

坪之房屋來看，此距離差將造成房屋總價約 116萬之價差。300公尺以上之區

間變數皆不顯著，顯示車站距離的非線性效果在超過 300公尺時逐漸消失。

在選取空間落遲模型或空間誤差模型上，雖 Robust Lagrange Multiplier

檢定兩者皆顯著，但 Robust Lagrange Multiplier Error 檢定相較 Lag 更為

7 0.038×100＝3.8 8 （0.038－0.0573）×200＝－3.86


15

顯著，且在模型配適度上 AIC 與 SC 值空間誤差模型皆較小，故空間誤差模型

應為最適合之估計模型。

表 5 Spline迴歸模型估計結果

OLS Spatial Lag Model Spatial Error Model

估計係數估計係數估計係數

Intercept 21.4672 *** 8.1307 *** 23.8075 ***

中正區 21.2199 *** 9.0845 *** 21.5012 ***

大同區 7.7572 *** 4.1014 *** 8.8246 ***

中山區 16.2592 *** 7.7565 *** 16.4967 ***

松山區 21.9974 *** 9.6197 *** 19.7371 ***

大安區 28.5730 *** 11.8321 *** 26.9824 ***

萬華區 5.4379 *** 3.8382 *** 8.6589 ***

信義區 21.6671 *** 9.2558 *** 21.6707 ***

士林區 17.6403 *** 8.0153 *** 15.8504 ***

北投區 12.3583 *** 6.0279 *** 11.4484 ***

南港區 9.2480 *** 3.8816 *** 11.5738 ***

文山區 9.7371 *** 4.5022 *** 9.4755 ***

板橋區 3.0731 *** 2.3456 *** 2.6586 **

新店區 3.8851 *** 2.0858 *** 3.4917 ***

永和區 5.1035 *** 3.0974 *** 5.1549 ***

中和區 1.8101 *** 1.4193 *** 1.6108

土城區 -1.6423 *** 0.2457

-1.2793

捷運距離 0.0380 ** 0.0198 * 0.0219

M2 -0.0573 *** -0.0254 * -0.0242

M3 0.0237 *** 0.0070

-0.0014

M4 -0.0006

0.0001

0.0043

M5 -0.0060

-0.0050

-0.0069

M6 0.0056

0.0058

0.0118 *

M7 -0.0136 ** -0.0076

-0.0116 *

M8 0.0103

0.0056

0.0064

M9 -0.0041

-0.0019

-0.0073

M10 -0.0001

0.0018

0.0059

屋齡 -1.1391 *** -0.7194 *** -1.0639 ***

屋齡平方 0.0182 *** 0.0109 *** 0.0164 ***

土地持分 0.7566 * 0.7530 *** 0.3602

主要道路寬 0.0222 *** 0.0148 *** 0.0140 ***

基地面臨路寬 0.0661 *** 0.0424 *** 0.0456 ***

所在樓層 0.1511 *** 0.0933 *** 0.1685 ***


16

房屋類型 2.0610 *** 1.4663 *** 1.3494

套房 -1.5697 *** -0.1824

0.0116

一樓 7.1490 *** 6.6933

7.0167 ***

鄰近公園 -0.1772

-0.0078

-0.2011

鄰近學校 0.8181 *** 0.4356 *** 0.3642 *

鄰近鄰避設施 -0.4918 ** -0.1991

-0.2530

鄰近其他交通設施 2.8891 *** 1.3349 *** 2.6794 ***

捷運車站為雙路線交

會站 1.9518 *** 0.7767 *** 1.3969 ***

捷運車站地下化 2.1663 *** 0.8520 *** 1.2967 ***

交易年度 1.8971 *** 1.8316 *** 1.8736 ***

空間落遲係數 ρ

0.6385 ***

空間誤差係數 λ

0.7476 ***

Adj R2 0.6939 0.8219 0.8412

Breusch-Pagan test 16104.86 *** 13487.26 *** 16079.2 ***

LM test (lag) 8999.25 *** --

--

LM test (error) 11337.84 *** --

--

Robust LM test (lag) 105.66 *** --

--

Robust LM test (error) 2444.26 *** --

--

AIC --

90038.8

89004.0

SC

90371.7 *** 89329.3 ***

Breusch-Pagan test

13487.26 *** 16079.20 ***

Likelihood Ratio test

6479.343 *** 7512.154 ***

樣本數 14270 14270 14270


以空間誤差模型與OLS模型相比，可發現兩者估計結果有些許差異但大致

接近，不過在Spline變數顯著性上有弱化情形，但整體趨勢仍相同。將其以標

準住宅屬性 9

9 本文使用之標準住宅定義為屋齡 20 年、土地持分 0.08、主要道路寬 18 公尺、基地臨路寬 8 公

尺、所在樓層 5 樓、鄰近學校與地下化捷運車站之大廈非套房類型住宅，依樣本各行政區與年度

分佈比例計算其標準住宅屬性。

帶入後，可得不同捷運車站距離下之房屋單價。


17

圖 3 房屋價格與捷運車站距離關係

（二）捷運車站區位差異房價效果

不同區位捷運車站房價效果估計結果如表 6，傳統 OLS模型與空間迴

歸模型比較，同樣因 Breusch-Pagan與 Lagrange Multiplier Lag及 Lagrange

Multiplier Error 檢定皆顯著，拒絕模型中無空間自相關與殘差項無異質性

差異之假設，故以空間落遲模型與空間誤差模型修正應得到較佳之估計結果。

無論為空間落遲係數 ρ 或空間誤差係數 λ 皆於 1％水準下顯著，分別為

0.6831 與 0.7819，顯示不動產單價確與鄰近不動產單價有關，模型中有空間

自相關情形且該關係為正相關；Likelihood Ratio 檢定亦顯著，空間落遲模

型與空間誤差模型相較 OLS會得到較佳之估計結果。至於空間落遲模型或空間

誤差模型選取上，Robust Lagrange Multiplier 檢定兩者皆顯著，但 Robust

Lagrange Multiplier Error 檢定相較 Lag 更為顯著，且在模型配適度上 AIC

與 SC值空間誤差模型皆較小，因此空間誤差模型為最適合之估計模型。

表 6 區位差異捷運房價效果不同迴歸模型估計結果

OLS Spatial Lag Model Spatial Error Model

估計係數估計係數估計係數

Intercept 28.4831 *** 10.8790 *** 30.3808 ***

市中心 16.7266 *** 6.0842 *** 16.5562 ***

市區 7.4437 *** 2.7550 *** 9.6895 ***

捷運距離 -0.0045 *** -0.0017 *** -0.0038 **

市中心×捷運距離 0.0080 *** 0.0019 *** 0.0064 ***

市區×捷運距離 0.0024 *** 0.0008 * -0.0005

屋齡 -1.0879 *** -0.6602 *** -1.0509 ***

0

5

10

15

20

25

30

35

0 1 2 3 4 5 6 7 8 9 10

每坪單價（萬元）

捷運車站距離（百公尺）


18

屋齡平方 0.0188 *** 0.0104 *** 0.0163 ***

土地持分 0.5058

0.6842 *** 0.3624

主要道路寬 0.0339 *** 0.0190 *** 0.0146 ***

基地面臨路寬 0.0635 *** 0.0393 *** 0.0443 ***

所在樓層 0.1638 *** 0.0888 *** 0.1716 ***

房屋類型 3.0311 *** 1.7705 *** 1.4397 ***

套房 -0.6780

0.3662

0.1535

一樓 7.0153 *** 6.5698

7.0000 ***

鄰近公園 0.2953 ** 0.2547 ** -0.0191

鄰近學校 0.6641 *** 0.4045 *** 0.3042 *

鄰近鄰避設施 -1.7713 ** -0.6892 *** -0.6009 **

鄰近其他交通設施 1.8941 *** 1.0181 *** 2.4724 ***

捷運車站為雙路線交

會站 2.8161 *** 0.9773 *** 2.0369 ***

捷運車站地下化 0.6329 *** 0.2940 ** 0.6629

交易年度 1.7849 *** 1.7822 *** 1.8590 ***

空間落遲係數 ρ

0.6831 ***

空間誤差係數 λ

0.7819 ***

Adj R2 0.6488 0.8219 0.8412

Breusch-Pagan test 13236.01 *** 13487.26 *** 16079.2 ***

LM test (lag) 10996.21 *** --

--

LM test (error) 13773.39 *** --

--

Robust LM test (lag) 62.53 *** --

--

Robust LM test (error) 2839.71 *** --

--

AIC --

90618.0 *** 89287.1 ***

SC

90792.0 *** 89453.6 ***

Breusch-Pagan test

12073.55 *** 14910.85 ***

Likelihood Ratio test

7823.335 *** 9152.24 ***

樣本數 14270 14270 14270


空間誤差模型估計結果，於區位與捷運車站距離交乘項方面，僅市中心與

捷運距離交乘顯著，顯示捷運車站距離的房價效果，市中心與市郊有顯著不同，

而市區與市郊則無明顯差異。其中「是否為市中心」與距離交乘變數符號為正，

由於捷運車站距離變數之預期符號為負，因此市中心的捷運效果相較市郊而言

應為負向，亦即捷運在市中心對房價之影響明顯低於市郊，可能原因為該地區

為台北都會區之精華地區，原有大眾運輸系統相對於市郊已相當完善，加上此

區已為主要工作、娛樂等場所聚集之處，市中心居民對捷運可及性的需求不如

市郊大，且區內多有兩條以上（包括已營運通車或動工興建）捷運路線，捷運

可及之稀少性亦相對低，捷運對房屋價格的影響也相對不大。而市區與車站距


19

離交乘變數在考量空間自相關因素時並不顯著，顯示市區與市郊的捷運房價效

果並無明顯差異。綜合言之，台北都會區大眾捷運的房價影響區位差異僅存於

市中心與市郊，兩區原有之大眾交通運輸成熟程度不同，與區內發展條件之差

別，造成對捷運可及之依賴程度不同，推測應為該影響效果差異的主要原因。

五、結論與建議

本文以台北都會區不動產之交易資料進行實證，以一般迴歸模型與

Spline 迴歸模型重新檢驗捷運對於周邊不動產價格之影響。以台北都會區內

台北捷運紅、藍、棕三路線沿線車站一公里範圍內住宅，測試 2007、2008 年

間共 14,270筆樣本，應用 Spline迴歸模型與空間迴歸模型，並控制空間自相

關因素。實證結果顯示，就整體樣本而言捷運對房價確有正向影響，與捷運車

站較短距離（約 300公尺內）時，捷運車站之非線性效果明顯，過去研究作法

估計所得之平均效果並未能有效捕捉此效果。而各分區呈現之結果，顯現出捷

運的房價影響區位差異僅存於市中心與市郊，兩區原有之大眾交通運輸成熟程

度不同，與區內發展條件之差別，造成對捷運可及之依賴程度不同，應為該影

響效果差異的主要原因。


20

參考文獻

1. 馮正民、曾平毅、王冠斐，（1994），捷運系統對車站地區房價之影響，

「都市與計劃」，第二十一卷，第一期，頁 25-45。 2. 洪得洋、林祖嘉，（1999），臺北市捷運系統與道路寬度對房屋價格影

響之研究，「住宅學報」，第八期，民國八十八年，頁 47-67。 3. 林楨家、黃志豪，（2003），台北捷運營運前後沿線房地屬性特徵價格

之變化，「運輸計劃季刊」，第三十二卷，第四期，頁 777-800。 4. 楊詩韻、彭建文、楊宗憲，（2009），捷運系統對不同區位房價影響分

析─以營運階段為例，「運輸計劃季刊」，第三十八卷，第三期，頁

275-296。 5. Armstrong, R. J. and Rodriguez, D. A., (2006), An Evaluation of the

Accessibility Benefits of Commuter Rail in Eastern Massachusetts Using Spatial Hedonic Price Functions, Transportation, Vol. 33, No. 1: pp.21-43.

6. Bajic, V., (1983), The Effect of a New Subway Line on Housing Prices in Metropolitan Toronto, Urban Studies, Vol. 20: pp.147-158.

7. Benjamin, J. D. and Sirmans, G. S., (1996), Mass Transportation, Apartment Rent and Property Values, Journal of Real Estate Research, Vol. 12, No. 1: pp.1-8.

8. Bowes, D. R. and Ihlanfeldt, K. R., (2001), Identifying the Impacts of Rail Transit Stations on Residential Property Values, Journal of Urban Economics, Vol. 50: pp.1-25.

9. Chernobai, E., Reibel M., Carney, M., (2011), Nonlinear Spatial and Temporal Effects of Highway Construction on House Prices, Journal of Real Estate Finance and Economics, Vol.42: pp.348-370.

10. Coffman, C. and Gregson, M. E., (1998), Railroad Development and Land Value, Journal of Real Estate Finance and Economics, Vol. 16, No. 2: pp.191-204.

11. Damm, D., Lerman, S. R., Lerner-Lam, E., and Young, J., (1980), Response of Urban Real Estate Values in Anticipation of the Washington Metro, Journal of Transport Economics and Policy, Vol. 14: pp.315-336.

12. Debrezion, G., Pels, E., and Rietveld, P., (2007), The Impact of Railway Stations on Residential and Commercial Property Value: A Meta-analysis, Journal of Real Estate Finance and Economics, Vol. 35: pp.161-180.

13. Dewees, D. N., (1976), The Effect of a Subway Improvement on Residential Property Values in Toronto, Journal of Urban Economics, Vol. 3: pp.357-369.

14. Hess, D. B. and Almeida, T. A., (2007), Impact of Proximity to Light Rail Rapid Transit on Station-area Property Values in Buffalo, New York, Urban Studies, Vol. 44, No. 5, 2007: pp1041-1068.


21

15. Kilpatrick, J. A., Throupe, R. L., Carruthers, J. I. and Krause, A., (2007), The Impact of Transit Corridors on Residential Property Values”, Journal of Real Estate Research, Vol. 29, No. 3: pp303-320.

16. Marsh and Cormier, (2001), Spline regression models, Sage University Papers Series on Quantitative Application in the Social Sciences, series no. 07-137. Thousand Oaks, CA: Sage.

17. McDonald, J. F. and Osuji, C. I., (1995), The Effect of Anticipated Transportation Improvement on Residential Land Values, Regional Science and Urban Economics, Vol. 25, No. 3: pp.261-278.

18. McMillen, D. P. and McDonald, J., (2004), Reaction of Prices to a New Rapid Transit Line: Chicago’s Midway Line, 1983-1999, Real Estate Economics, Vol. 32, No. 3: pp. 463- 486.

19. Nelson, A. C. and McCleskey S., (1990), Improving the Effects of Elevated Transit Stations on Neighborhoods, Transportation Research Record, 1266, pp.173-180.

20. Suit, D. B., Mason A. and Chan L., (1978), Spline functions fitted by standard regression methods, The Review of Economics and Statistics, Vol. 60, No.1, pp.132-139.

21. Voith, R., (1991), Transportation, Sorting and House Values, Real Estate Economics, Vol. 19, No. 2: pp.117-137.

22. Waddell, P., Berry, B. J. L. and Hoch, I., (1993), Residential Property Values in a Multinodal Urban Area: New Evidence on the Implicit Price of Location, Journal of Real Estate Finance and Economics, Vol. 7, pp117-141.

Documents

大眾捷運系統對房價影響效果之再檢視 · 論與車站遠近皆相同，且間斷距離原則未有明確標準，影響效果隨不同間斷區 間劃分呈現不一致結論，故本文嘗試以連續性距離估計方式重新檢視。

大眾捷運系統對房價影響效果之再檢視 · 論與車站遠近皆相同，且間斷距離原則未有明確標準，影響效果隨不同間斷區間劃分呈現不一致結論，故本文嘗試以連續性距離估計方式重新檢視。