房地产市场之产品定位与产品风险之研究.DOC

1、【 2002 年中華民國住宅學會第十一屆年會論文集 】 - 32 - 場次： A1-3 房地產市場之產品定位與產品風險之研究 台北縣市住宅市場之分析 楊宗憲 * 張金鶚 * 陳明吉 * 摘要 房地產由於都市發展的不同而有地區性的差異，而房地產市場分析的重要性就在於如何依據不同地區的市場需求而對產品類型與產品風險進行規劃與評估。以往建設公司在推出新案前的市場分析，多半僅進行競爭個案或當地環境的調查分析，以藉此進行產品定位 (如面積 )與風險評估，但以平均數及次數分析為主的分析方式對地區住宅的特性與消費者的需求常無法精確掌握，就規劃個案所面臨的風險評估的準確性也相對有限。由於過去欠缺住宅 存量方面

2、的資料，以致無法精確分析小區域的住宅現況，不同地區的住宅代表了該地區的特色，從市場分析的角度來看，新建住宅的特徵與該地區住宅存量的特徵是否會有相關，是本研究首先要探討的。我們也希望藉此進一步探討建設公司在推出新案時，就產品定位與產品風險在市場分析時的意義。 本研究以地政事務所的建物存量資料，在新建住宅都被市場接受的假設前提下，嘗試以平均數與變異數分析方式，找出台北市、縣各地區新建住宅與住宅存量在住宅屬性上的相關性，以瞭解在市場分析的過程中，住宅存量與其屬性的意義，並藉此進一步就新建住宅的產品定位與產 品風險的評估建立準則。 關鍵詞：平均數、變異數、產品定位、產品風險 * 國立政治大學地政系博士

3、候選人 * 國立政治大學地政系教授 * 國立中山大學財務管理系副教授 【 2002 年中華民國住宅學會第十一屆年會論文集 】 - 33 - 一、 前言 住宅由於都市發展的不同而有地區性的差異，因而各地區的住宅市場也有所不同，過去受到資訊不足的限制，各界對於住宅存量與新建住宅屬性的特色及差異所知有限，因此對新建住宅的屬性是否會受到住宅存量的屬性的影響也不清楚；由於住宅屬性會表現出地區的住宅特色，就市場分析來看，購屋者可能會因為各種原因而對不同地區的住宅特色而有不同的住宅需求，例如在鄉村地區，對透天或別墅等大面積類型住宅的需求可能就遠較市區為高； 另一方面，建設公司在推出新案前也會進行 競爭個案或

4、對當地環境的調查分析，以藉此進行產品定位 (如面積 )與風險評估，但以平均數及次數分析為主的分析方式對地區住宅的特性與消費者的需求常無法精確掌握，就規劃個案所面臨的風險評估的準確性也相對有限。以至於建設公司在推出新案時，常常是以競爭個案的產品定位為主要的參考標準，未考慮到個別地區對住宅真正的需求，對產品定位所衍生的風險控管也不夠明確。由於對住宅存量與新建住宅資訊的不足，過去研究常無法瞭解在不同地區適合興建何種住宅，或者是在不同地區興建何種住宅風險較低， 從住宅存量的角度來看，不同地區的現存住宅代表了該 地區的特色，新建住宅的特徵與該地區住宅存量的特徵是否會有相關，是本研究首先要探討的。我們也希

5、望藉此進一步探討建設公司在推出新案時，就產品類型與風險在市場分析時的意義。 二、 背景、理論與文獻回顧、假說 過去國內對於建商產品定位方式之分析基本上是以行銷理論為基礎，以問卷調方式調查消費者之偏好，根據所收集的數據資料運用迴歸分析或多變量分析等統計方法進行分析，或輔以專家訪談之方式補足問卷調查之不足，如蔡菊花(1997)、吳桂陽 (2001)等，近年來尚有運用決策支援系統方法，如洪博殷 (2001)評估建商產品定位之決策因子 ，而朱國明 (1999)則以模糊集群分析法來建構市場區隔，試圖透過購屋者行為之研究，以市場區隔的方式對購屋者需求屬性加以研究，尋求不同組群之差異，以利業者針對其目標市場

6、，擬定差異化的行銷策略。此外尚有以歷史分析與實證調查的方法來探討台灣住宅建築開發歷史過程中，開發者開發觀念與居住者使用態度之間的影響關係，如董鑑霆 (2001)。綜觀過去文獻基本上只是在使用分析技術的不同，但其分析基礎仍無法脫離較實務性的一般行銷理論。 而國外之文獻早期也是以行銷理論為基礎進行實地的調查分析，但也有相【 2002 年中華民國住宅學會第十一屆年會論文集 】 - 34 - 當多是經濟理論的運用 ，譬如 Singer (1967)之分析方法為事先建立市場範圍，而後透過市場區隔將需求者之偏好、所得與權屬分類，並分析及預測住宅需求數量。 Fanning & Winslow (1988)則

7、認為房地產市場分析應視不同形態規模之房地產而調整其分析內容與項目。其並提出四種不同的市場分析水準，每一種分析水準均強調區位、供給、需求、市場能力分析（即均衡分析 ( equilibrium analysis)），以及最高與最佳使用等項目，各分析項目內容隨不同的分析水準由簡單而逐漸複雜且精細。而小規模房地產如公寓，以致大規模社區 或商業中心其市場分析所包含內容應有所不同。 然而卻有學者從投資學角度提出以流動性觀點分析產品流動性問題。 Haurin (1988)提出了以典型與非典型偏離的程度來衡量住宅的流動性，其流動性在實務上之意義則在於產品的定位，而 Haurin 所提出理論更大之貢獻則是可而進

8、一步分析產品定位之風險問題。 Haurin 將典型住宅定義為各種住宅屬性的平均值所組成的住宅。而任何住宅存在屬性偏離典型住宅者，皆成為非典型住宅，而其非典型的程度可以用偏離的大小來加以衡量。其中典型住宅因為為該地區普遍之類型，也就是該地區所接受的，因此 流動性較高，因此假如建商可掌握地區典型住宅，進行有效率的推案，即可藉此降低建商投資的風險 根據 Haurin 之觀點，建商推案之銷售狀況受到其所推出住宅是否符合該地區典型住宅的影響，而與典型住宅之差異程度可視為流動性的大小，差異或稱流動性則隱含產品之風險問題。因為假如差異性大則流動性低，產品可能要需要較長時間才能銷售出去。 Haurin 一文的

9、典型住宅亦可視為平均住宅，而平均住宅之意，則可以其住宅本身之屬性來檢視，譬如面積的平均或屋齡的平均等。接近平均住宅則是符合 Haurin 典型住宅之意。在 Haurin 論文中對於典 型住宅有明確之定義，因為我們必須界定如何接近平均住宅才是典型住宅。依據 Haurin 之觀點，本文之理論根據是以平均數與變異數的方式分析建商產品定位問題 1，在分析典型住宅我們從其住宅屬性上著手，建商推出其住宅產品，若接近當地平均住宅即是接近典型住宅，與平均住宅之差異則可視為其流動性之問題，亦即差距大則流動性低，差距小則流動性強。 在投資學中，我們計算預期投資報酬率 (Expected rate of retur

10、n)以機率分配(Probability Distribution)之觀點，其報酬率之期望值是所有可能 發生的報酬與可能發生機率的乘積，據此我們以可能發生之報酬與預期報酬之離散程度來計算其標準差 (Standard error)或變異數 (Variance)，此標準差或變異數則代表風險之大小。然而標準差所衡量的是單一資產的風險，若決策者面臨不只一項投資選擇時，我們必須將各資產之風險標準化才能作比較，因此我們使用變異係數 (Coefficient of Variance)，亦即標準差除以平均數作為比較，此便可衡量單位預期報酬所承擔之風險。運用此投資學的概念，我們可分析平均住宅與其流動性問題，以瞭解

11、建商1 本文運用 Haurin 之觀點，但並使用 Haurin 對典型住宅之統計定義方式。 【 2002 年中華民國住宅學會第十一屆年會論文集 】 - 35 - 產品定位之風險問 題。 因此歸納過去國內對於建商產品定位方式之分析多是以消費者偏好之角度，以市場調查所收集之數據資料進行統計分析，其缺失可能產生於問卷調查的準確性外，所根據乃是一般行銷理論，而行銷理論對於產品定位之風險則無法著墨。雖然以行銷理論之分析方式較接近於實務，然而此實務性的調查分析背後所缺乏的是經濟與投資理論基礎。而本文則試圖以此補足過去文獻之缺憾。 本研究依據以上 Haurin 之理論與投資學的概念，提出以下兩個假設： 1.

12、 新建住宅的產品定位與該地住宅存量的屬性有相對應關係，但在不同發展程度的地區，其相對應關係應會有差異。 2. 新建住宅的產品差異與該地住宅存量屬性的差異有相對應關係，但在不同發展程度的地區，其相對應關係應會有差異。 由於新建住宅產品類型在不同屬性及相關設施的組合與訴求的變化很大，實際上受到市場接受的程度也不同，但一般來說，面積在消費需求及產品定位上是主要的訴求重點，為了突顯研究對象與簡化假設，本研究假設新建住宅都能順利銷售，也就是說新建住宅都能得到市場的接受，並以新建住宅面積作為說明產品定位的主要對象，而以新建住宅面積的變異程度，作為分析產品風險主要工具。以變異數來解釋風險，主要是著眼於面積變

13、異性大的地區，產品定 位的落差也相對較大，在市場分析上比較不容易進行產品定位，相對的產品定位的風險也較高。 三、 資料說明 本研究使用資料為台北縣、市的建物登記資料庫，包含建物登記簿中的標示部及所有權部，資料來源為台北縣、市合計共 15 個地政事務所，資料截止時間為民國 88 年 4 月 30 日的建物登記存量資料，這些建物基本屬性分別包括面積、登記日期、完工日期、座落地址、登記使用項目等等。本研究將所有地政事務所的建屋存量資料合併，經過篩選住宅的使用項目 2及面積異常資料的剔除 3，合計二縣市的住宅存量共 1,744,311 筆。 在新屋與住宅存量的界定方 面，由於目前住宅市場存在預售屋與新

14、成屋的2 即登記使用項目為住家用、住商用、住工用、農舍。 3 原始資料中有部分建物登記面積甚低或者過高，使得樣本中面積的變異數過大 (有些區段的面積變異數甚至高於 10000 坪 )，因此本研究經過次數分析 求得樣本中面積的 Q0.5與 Q99.5分別 (第 0.5與 99.5 個百分位數 )為 5.7 坪及 195.5 坪，基於一般新建住宅的面積甚少在此範圍之外，因此將小於 6 坪及大於 200 坪的樣本予以刪除，刪除約 0.56%的樣本數，變異數過大的情形也大幅改善。 【 2002 年中華民國住宅學會第十一屆年會論文集 】 - 36 - 二大主流，考慮到預售屋從銷售時即已完成產品定位，卻未

15、完工的情況下，以資料截止前 3 年內完工者為新屋，因此本研究定義以 85 年 5 月 1 日後完成登記者為新屋，而在此之前完工者則視為住宅存量。 在刪除異常點方面，本研究以土地區段作為實證分析的原始資料，經統計台北縣市有建物的區段共計 1,607 個，但其中有些區段內的建物戶數過低，且某些區段建物屬性差異過大，以致變異數過高 4，在實證分析中易造成偏誤，由於這些區段多地處偏僻地區，且區段內建物戶數極低，從市場分析的角度及本研究範圍的整體性 來看，這些區段可視為異常資料，因此本研究將區段內建物戶數低於 5 筆以及區段建物面積的變異數高於 1,000 坪的區段予以刪除 5，以降低無效樣本區段所造成

16、的偏誤。經過整理後的區段數為 715 個，這些區段所代表的住宅屬性平均數及變異數便是本研究實證分析的原始資料。 6本研究資料處理的數量與流程詳見表一及圖一。 此外，本研究將台北縣市從台北市市中心向外區分為四個等級 7，表二顯示各都市層級住宅的平均數、變異數與變異係數分析的結果，附表一則呈現各行政區住宅的平均數、變異數與變異係數分析的結果。就平均面積來看，除了北縣鄉鎮以外， 新屋的面積普遍較存量為高，而從市區到鄉村，面積呈現遞減狀態；在面積變異數方面，存量之變異係數，越接近市中心或離市中心越遠其變異係數越大，隱含建商產品定位差異或風險越大，若以新屋來看，則以市中心差異較大，北縣轄市最低。 在樓層

17、方面，新屋樓層普遍較存量高，但從變異係數來看，越接近市中心或離市中心越遠，非新建住宅存量之變異係數越大，隱含建商產品定位差異或風險越大；若以新屋來看，似乎離市中心越遠，變異係數越大，也就是建商產品定位差異或風險越大。 在屋齡方面，市中心的屋齡較高，變異係數較低，顯示郊區的住宅其新舊混雜的 程度遠較市中心為高。整體來看，非新建住宅存量之面積與樓層越往市中心或越往外圍地區，似乎差異較大；但若以新屋來看，面積的差異是市中心最高，而樓層之差異卻是北縣較大。而以屋齡來看，則市中心屋齡差異最小。所以由以4 區段內建物的平均數為 1,114 筆，但少數區段內建物比數低於 10 筆，造成這類區段的變異數普遍過

18、高；此外，有些區段內的建物屬性差異過大也造成變異數偏高，如部分區段內建物的面積變異數高達 1,000 坪以上。 5 本研究曾計算區段內建物戶數在 5、 10、 20、 50、 100 戶的面積變 異數分布，發現在 5 戶的標準下，已經出現相對較多變異數高於全體台北縣市變異數的區段，因此決定以 5 筆建物戶數作為標準；此外，從全部建物面積的算數平均數約為 30坪的條件來看，本研究採用面積變異數 1,000坪作為標準。 6 經過異常資料篩選後，住宅存量分布在 1,303 個區段中，新屋則分布在 743 個區段中，基於實證分析上的需要，選擇其中具有交集的 715 個區段，以各區段的住宅屬性平均數為實

19、證分析原始資料。 7 分別為台北市市中心，包含大同、大安、中山、中正、松山、萬華等六個行政區；台北市市郊，即上述以外的六個行政區；台 北縣縣轄市與台北縣各鄉鎮等四個不同範圍的都市層級。 【 2002 年中華民國住宅學會第十一屆年會論文集 】 - 37 - 上分析，存量與新屋屬性的差異度不完全一致，似乎隱含建商在推案時，存量屬性狀態非建商所考量，因此新屋推案地區的差異性是不與存量一致的。但從變異程度所衍生的風險來看，是否在市中心或郊區推出新案的風險較低？稍後以小區域的實證分析可以提供更多的訊息。 表一 實證資料處理區段與筆數分配表 項目 戶數 區段數 原始 建物存量 2,23,456 1,747

20、 住宅存量 (刪除面積異常資料 ) 1,744,311 1,607 近三年新建住宅 193,024 743 非新建住宅存量 1,554,600 1,303 本研究樣本 (刪除變異數過大及區段內住宅戶數過低區段 ) 近三年新建住宅 183,815 715 非新建住宅存量 1,370,042 資料來源：本研究 表二 台北縣市各層級區域住宅屬性基本統計分析 非新屋存量 新屋 非新屋存量 新屋 非新屋存量 新屋北市中心 29.68 31.79 218.63 383.82 49.8% 61.6%北市市郊 29.55 31.54 164.32 310.03 43.4% 55.8%北縣轄市 28.37 30

21、.22 148.16 188.78 42.9% 45.5%北縣鄉鎮 30.82 27.64 274.53 229.30 53.8% 54.8%非新屋存量 新屋 非新屋存量 新屋 非新屋存量 新屋北市中心 4.37 9.86 8.42 20.54 66.4% 46.0%北市市郊 3.98 9.00 3.61 25.77 47.7% 56.4%北縣轄市 3.87 8.41 4.12 32.00 52.4% 67.3%北縣鄉鎮 2.74 6.44 3.63 16.15 69.5% 62.4%平均屋齡 屋齡變異數 屋齡變異係數北市中心 18.10 54.25 40.7%北市市郊 17.07 79.51

22、 52.2%北縣轄市 13.86 85.72 66.8%北縣鄉鎮 12.62 154.54 98.5%都市等級都市等級都市等級非新屋存量平均面積 面積變異數平均樓層 樓層變異數面積變異係數樓層變異係數資料來源：本研究 【 2002 年中華民國住宅學會第十一屆年會論文集 】 - 38 - 台北縣市建物登記資料(2,226,410，1,747區段)台北縣市所有住宅存量(1,744,311戶，1607區段)1.刪除面積異常的建物2.保留住宅類使用的建物台北縣市各區段新建住宅屬性的平均數(183,815戶，715區段)整理各區段內住宅屬性的平均數各區段新建住宅(85.5.188.4.30193,024

23、戶，743區段)各區段非新建住宅存量(85.4.30前登記1,554,600戶，1303區段)台北縣市各區段非新建住宅存量屬性的平均數(1,370,042戶，715區段)刪除樣本過低或變異數過大的區段圖一 研究資料整理說明 四、 模 型與實證 (一 ) 實證模式及變數選取 為了解釋新建住宅與住宅存量的屬性是否相關，本研究建立如下的線性複迴歸模式： iSiSiSiSiSiSiNi FVYVAVFMYMAMAM )()()()()()()( 6543210iSiSiSiSiSiSiNi FVYVAVFMYMAMAV )()()()()()()( 6543210【 2002 年中華民國住宅學會第十一

24、屆年會論文集 】 - 39 - 其中， NiAM )( 及 NiAV )( 分別代表第 i 個區段內各 新建 住宅面積 (Area)的算數平均數 (Mean)與變異數 (Variance)， N(New)代表新建住宅， S(Stock)代表非新建住宅存量；自變數分別為第 i 個區段內各非新建住宅的面積、屋齡 (Year)及地上樓層數(Floor)的算數平均數與變異數。 (二 ) 實證結果說明 表三及表四分別代表台北縣市新建住宅與住宅存量的屬性在平均數與變異數方面的迴歸係數，部分迴歸模式經過異常點篩選 8，將台北縣市全體及區分四個都市層級各別建立迴歸模式。 就台北縣市整體來看，從表三及表四的 M

25、(A)S、 V(A)S、 V(Y)S都相當顯著，可知在住宅存量的平均面積、面積的變異性及住宅新舊混雜的程度是影響新屋產品定位的主要因素。在平均面積越高、面積變異及住宅新舊混雜程度越低的區段，推出的新屋平均面積也較高；而由於表三的 M(A)S1、 V(A)S及 V(Y)S的絕對值都大於 0.1，顯示區段住宅的屬性影響面積的變異程度較高，這也說明住宅類型多樣的現況與新建住宅在產品定位的風險是存在的。 就台北市市中心區來看，表三的平均數分析中只有平均面積一項顯著，且係數接近 1，顯示在產品定位上，市中心區住宅還是隨著各區段現有住宅的規模為主；但在表四的變異數分析中，面積的平均數及變異數對新屋面積的影

26、響都較台北縣市整體為高，而 V(Y)S遠大於 1 顯示在住宅新舊程度差異較大區段，新屋面積的變異也較高，相對的產品定位風險也較高。 就台北市市郊區來看，表三的平均數分析中顯示非新建住宅的平均面積、屋齡與樓層高度對新屋面積的影響是顯著的，且平均面積的係數大於 1，樓層高度的係數更大於 3，表示現有住宅的屬性對新屋面積的影響程度較多；在表四的變異數分析中，非新建住宅存量的平均面積 (M(A)S)及新舊程度的差異 (V(Y)S)對新屋面積的變異呈現顯著關係，特別是平均面積的係數高達 16，顯示在台北市郊區平均面積越大的區段，新屋產品定位 的風險也越高；相對的，平均面積越小的區段品，產品定位的集中度較

27、高，新屋推案的風險也相對較低。 就台北縣縣轄市來看，表三的平均數分析中顯示非新建住宅存量的平均面積、平均樓層高度、屋齡的變異程度與新建住宅的面積都有顯著相關，非新建住宅平均面積越高、樓層越低、屋齡越新，相對新建住宅的平均面積會較大，平均樓層的係數為負，顯示台北縣轄市受到都市外圍較低密度住宅的影響，越低密度8 藉由 DIFFITS 指標來進行迴歸過程中異常點篩選的工作，若刪除異常點後整體解釋力有提升、自變數的解釋力增加且符號無異常變化，則就視此異常點刪除有助提升迴規模行的解釋能力。在有進行異常點刪除的模式中，刪除的區段數約佔全部實證區段的 5 9左右。 【 2002 年中華民國住宅學會第十一屆年

28、會論文集 】 - 40 - 的住宅類型，相對在產品定位上會朝向大面積的方向；在表四的變異數分析中，非新建住宅存量的平均面積、平均屋齡及其變異程度對新屋產品定位的風險都有顯著 影響， M(Y)S1 及 V(Y)S0 表示在老舊社區的新屋產品定位風險會相對較大。 就台北縣鄉鎮地區來看，表三的平均數分析中顯示非新建住宅存量的平均屋齡 (M(Y)S)、樓層高度 (M(F)S)與面積 (V(A)S)、屋齡的變異程度 (V(Y)S)都有顯著關係，但特別的是非新建住宅存量的平均面積 (M(A)S)並不顯著，顯示在鄉鎮地區的市場分析中，現有住宅的面積並非主要影響因素，相對的，現有住宅的屋齡及其變異性越低、樓層

29、高度也低的區段，新屋的產品定位會朝向大面積方向發展，也就是說，在新開發的鄉鎮、或都市最外圍的地區，新 屋的規劃坪數會較大，當地現有的住宅類型反而不是市場分析的重點，區位或景觀可能是產品定位的重要因素；在表四的變異數分析來看，只有面積與屋齡的變異程度呈現顯著影響，當非新建住宅存量的面積變異越大、屋齡的變異越小的區段，新屋面積的變異也越大，由於一般住宅的面積規劃在超過一定坪數，或者定位為透天或別墅型住宅時，住宅面積的變異性也會相對變大，因此意味者區段越偏僻，規劃的面積可能落差會更大，相對的風險也增高。 就不同範圍的地區來比較，以產品定位 (面積 )來看，除了鄉鎮地區，其他地區現有住宅的面積對新屋都

30、有正向的影響；而越 往都市外圍地區，低樓層與大面積住宅的趨勢越明顯，也就是說，休閒性的住宅產品 (如透天、別墅 )是產品定位的主要考慮因素。以產品風險來看，不同地區的現存住宅對新屋產品定位的風險是呈現非線性關係，其中以北市市郊在現有住宅面積對新屋產品定位風險的影響程度最高，北市中心與北縣轄市的影響程度相對較小；而不同地區現有住宅的屋齡對新建住宅產品定位風險則呈現線性關係，在市中心區，屋齡的差異性大意味著該區段可能存在舊市區更新的住宅，這類區段相對產品定位的風險較高；到鄉鎮地區，屋齡的差異性低意味該區段是人煙稀少的鄉村區，此時，產品 的定位也會因為朝向休閒性住宅的方向而有較大的變化，風險自然也較

31、高。 【 2002 年中華民國住宅學會第十一屆年會論文集 】 - 41 - 表三 台北縣市新建住宅面積與住宅存量相關屬性迴歸估計 (平均數 ) Dependent Var. M(A)N 參數估計 台北縣市 北市中心 北市市郊 北縣轄市 北縣鄉鎮 INTERCEP 10.0416 (3.46)* -1.00 (-0.11) -28.437 (-2.63)* 18.483 (4.87)* 45.005 (7.11)* M(A)S 0.7811 (10.26)* 0.9294 (5.28)* 1.4145 (5.14)* 0.5967 (7.24)* -0.0489 (-0.41) M(Y) S 0

32、.0591 (0.88) -0.0441 (-0.13) 0.5517 (2.69)* 0.1447 (1.41) -0.3552 (-2.25)* M(F) S -0.2473 (-0.66) 0.6301 (0.55) 3.0399 (1.98)* -1.1763 (-2.06)* -2.3059 (-1.93)* V(A) S -0.0082 (-2.82)* 0.0031 (0.42) -0.0151 (-1.37) -0.0069 (-1.52) 0.0091 (1.76)* V(Y) S -0.0145 (-2.37)* 0.0337 (0.61) -0.0198 (-0.67) -0.0199 (-2.89)* -0.0295 (-2.84)* V(F) S -0.0785 (-1.51) -0.1179 (-1.09) -0.3267 (-0.93) 0.0442 (0.656) 0.1718 (0.84) Samples 676 145 171 309 90 Adj R-sq 0.17 0.24 0.23 0.21 0.25 Collinearity 2.72 3.59 3.59 3.26 3.19 D-W 1.45 1.83 1.71 1.51 1.85 異常點刪除比例 5.45 0 0 0 0 *： P0.001， *： P0.01， *： P0.1