近年來由於房價高漲，一般民眾無法負擔市區的房價，而轉往鄰近新開發的地區購屋，因此，本研究利用內政部不動產交易實價登錄系統的資料，來配適與分析新北市淡海新市鎮的房價資料，希望找出一個淡海新市鎮交易房價與其重要的解釋變數之間的函數關係，以提供欲購買此地房屋者在衡量合理房價的參考。我們除了使用實價登錄裡原有的資料做為解釋變數外，另外計算了交易房屋與淡海新市鎮家樂福的距離作為新變數放入模型中，以增加模型的解釋力。在此研究中，我們除了使用了最小平方法的線性迴歸模型、加權最小平方法的線性迴歸模型外，也考慮交易房屋之間具有地理相關性的空間自我相關模型與誤差項含空間自相關的迴歸模型等四種方法來配飾淡海新市鎮房價資料，最後使用決定係數與AIC值來比較不同模型間的解釋力。

In recent years, because of extravagant housing prices, many people can not afford buying houses in downtown. Hence, they change their targets to the houses in nearby developing areas. Therefore, we study and analyze the house prices of Danhai new town in New Taipei city from the actual price registration system of real estate of the Ministry of the Interior. The relationship between the house prices and a set of representative explanatory variables is found to provide the purchasers some useful information for measuring reasonable housing prices. Besides the explanatory variables selected from the data of the actual price registration system of real estate, the distance between the house and the Carrefour in Danhai new town is considered to be a new explanatory variable to improve our model. In this study, the least-squares linear regression model, weighted least-squares linear regression model, spatial autoregressive model, and linear regression model with spatially autocorrelated error terms for considering the dependence of housing prices due to the spatial correlation between neighbouring areas are used to describe the relationship between the house prices and explanatory variables. Finally, coefficient of determination and Akaike information criterion are used to compare these models.

第一章	諸論	                        1
  1.1	前言與文獻探討	                1
  1.2	研究動機與目的	                3
第二章	方法	                        5
  2.1模型介紹	                        5
     2.1.1 最小平方法的線性迴歸模型	5
     2.1.2 加權最小平方法的線性迴歸模型	6
     2.1.3 空間自我相關模型 (Spatial autoregressive model)	                    
                                         7
     2.1.4 誤差項含空間自相關的迴歸模型 (Regression with spatially autocorrelated error terms)	9
  2.2模型檢驗及比較方法	                10
第三章 結果比較	                        13
  3.1資料與說明	                        13
  3.2資料的基本分析	                18
  3.3年度配適結果	                20
     3.3.1 102年配適結果	                20
     3.3.2 103年配適結果	                23
  3.4月份資料配適結果	                25
     3.4.1 102年月份配適結果	        25
     3.4.2 103年月份配適結果	        26
  3.5 年資料與月資料的模型差異	        27
  3.6 模型檢驗與解釋力比較	        27
  3.7 模型預測能力比較	                29
第四章 結論與未來研究	                30
參考文獻	                                32
附表	                                35
附圖	                                58

表目錄
表 一：內政部實價登錄資料(部份)	14
表 二：模型係數預期符號表	15
表 三：解釋變數與單位分類	20
表 四：102年模型係數估計結果與預期符號	21
表 五：103年模型係數估計結果與預期符號	23

表 A. 1 102年各變數基本統計資料表	35
表 A. 2 103年各變數基本統計資料表	36
表 A. 3 102年度資料模型配適結果 (*代表解釋變數為顯著變數)	37
表 A. 4 103年度資料模型配適結果 (*代表解釋變數為顯著變數)	38
表 A. 5 102年各月份最小平方法的迴歸模型配適結果 (*代表解釋變數為顯著變數)	39
表 A. 6 102年各月份加權最小平方法的迴歸模型配適結果 (*代表解釋變數為顯著變數)	40
表 A. 7 102年各月份空間自我相關模型配適結果 (*代表解釋變數為顯著變數)	41
表 A. 8 102年各月份誤差項含空間自相關的迴歸模型配適結果 (*代表解釋變數為顯著變數)	42
表 A. 9 103年各月份最小平方法的迴歸模型配適結果 (*代表解釋變數為顯著變數)	43
表 A. 10 103年各月份加權最小平方法的迴歸模型配適結果 (*代表解釋變數為顯著變數)	44
表 A. 11 103年各月份空間自我相關模型配適結果 (*代表解釋變數為顯著變數)	45
表 A. 12 103年各月份誤差項含空間自相關的迴歸模型配適結果 (*代表解釋變數為顯著變數)	46
表 A. 13 102年各月份最小平方法迴歸模型的檢驗結果	47
表 A. 14 103年各月份最小平方法迴歸模型的檢驗結果	48
表 A. 15 102年各月份加權最小平方法迴歸模型的檢驗結果	49
表 A. 16 103年各月份加權最小平方法回歸模型的檢驗結果	50
表 A. 17 102年各月份空間自我相關模型的檢驗結果	51
表 A. 18 103年各月份空間自我相關模型的檢驗結果	52
表 A. 19 102年各月份誤差項含空間自相關迴歸模型的檢驗結果	53
表 A. 20 103年各月份誤差項含空間自相關迴歸模型的檢驗結果	54
表 A. 21 102年房價資料各模型的檢驗結果	55
表 A. 22 103年房價資料各模型的檢驗結果	55
表 A. 23 102年各模型預測誤差MAPE值交叉驗證結果	56
表 A. 24 103年各模型預測誤差MAPE值交叉驗證結果	57
 
圖目錄
圖 一：淡海新市鎮範圍圖	13

圖3. 1 102年模型係數折線圖	22
圖3. 2 103年模型係數折線圖	24

圖 B. 1 103年車位類別duncan法多重比較	58
圖 B. 2 102年變數相關圖	59
圖 B. 3 103年變數相關圖	60
圖 B. 4 102年各月份解釋變數土地面積的係數圖	61
圖 B. 5 102年各月份解釋變數建物面積的係數圖	61
圖 B. 6 102年各月份解釋變數車位類別的係數圖	61
圖 B. 7 102年各月份解釋變數交易層次的係數圖	62
圖 B. 8 102年各月份解釋變數房間數的係數圖	62
圖 B. 9 102年各月份解釋變數屋齡的係數圖	62
圖 B. 10 102年各月份解釋變數距離的係數圖	63
圖 B. 11 102年各月份交互作用-建物面積與車位類別的係數圖	63
圖 B. 12 103年各月份解釋變數土地面積的係數圖	64
圖 B. 13 103年各月份解釋變數建物面積的係數圖	64
圖 B. 14 103年各月份解釋變數車位類別的係數圖	64
圖 B. 15 103年各月份解釋變數交易層次的係數圖	65
圖 B. 16 103年各月份解釋變數房間數的係數圖	65
圖 B. 17 103年各月份解釋變數屋齡的係數圖	65
圖 B. 18 103年各月份解釋變數距離的係數圖	66
圖 B. 19 103年各月份交互作用-建物面積與車位類別的係數圖	66

張金鶚,林秋瑾,楊宗憲, (1996). “住宅價格指數之研究-以台北巿為例”. 住宅學報, Vol.4, pp. 1-30.
張金鶚,高國峰,林秋瑾, (2001). “台北市合理房價-需求面分析”. 住宅學報, Vol.10, pp.51-66.
張金鶚,龔永香,江穎慧,(2007). “客觀標準化不動產估價之可行性分析-市場比較法應用於大量估價”. 住宅學報, Vol.16, pp.23~42.
Andersson, D. E., Shyr, O. F., and Fu, J. (2010). “Does high-speed rail accessibility influence residential property prices? hedonic estimates from southern Taiwan”. Journal of Transport Geography, 18, pp. 166-174.
Anglin, P.M., Rutherford, R., and Springer, T.M. (2003). “The trade-off between the selling price of residential properties and time-on-the-market: the impact of price setting”. Journal of Real Estate Finance and Economics, 26, pp. 95-111.
Basu, S., and Thibodeau T. G. (1998). “Analysis of spatial autocorrelation in house prices”. Journal of Real Estate Finance and Economics, 17, pp. 61-85.
Bille, A. G., Benedetti, R., and Postiglione, P. (2015). “Spatial heterogeneity in house price models: an iterative locally weighted regression approach”. European Regional Science Association Congress, 55, pp. 25-28.
Breusch, T. S., Pagan, A. R. (1979). "A simple test for heteroskedasticity and random coefficient variation". Econometrica, 47, pp. 1287–1294.
Burnham, K. P., Anderson, D. R. (2002). Model selection and multimodel inference: a practical information-theoretic approach, 2nd ed., New York, Springer-Verlag.
Chen, M. C., Tsai, I. C., and Chang, C. O. (2007). “House prices and household income: do they move apart? evidence from Taiwan”. Habitat International, 31, pp. 243-256.
Crone, T. M., and Voith, R. P. (1992). “Estimating house price appreciation: a comparison ofmethods”. Journal of Housing Economics, 2, pp. 324-338.
Darrat, A. F., and Glasock, J. L. (1993). “On the real estate market efficiency”. Journal of Real Finance Economics, 7, pp. 55-72.
Diewert, W. E., Haan, J. D., and Hendriks, R. (2015). “Hedonic regressions and the decomposition of a house price index into land and structure components”. Econometric Reviews, 34, pp. 106-126.
Dubin, A. R. (1988). “Estimation of regression coefficients in the presence of spatially autocorrelated error terms”. The Review of Economics and Statistics, 70, pp. 466-474.
Durbin, J., and Watson, G. S. (1950). "Testing for serial correlation in least squares regression, I". Biometrika. 37, pp. 409-428.
Goodman, A. C., and Thibodeau T. G. (2007). "The spatial proximity of metropolitan area housing submarkets". Real Estate Economics. 35, pp. 209-232.
Haurin, D. (1988). “The duration and marketing time of residential housing”. Journal of the American Real Estate and Urban Economics Association, 16, pp. 397-410.
Kang, H. B. and Gardner, M. J. (1989). “Selling price and marketing time in residential real estate market”. The Journal of Real Estate Research, 4, pp. 21-35.
Keith O. (1975). “Estimation methods for models of spatial interaction”. Journal of the American Statistical Association, 70, pp. 120-126.
Lewis, C.D. (1982). Industrial and business forecasting methods, London,
Butterworth scientific.
Liao, W. C., and Wang, X. (2012). “Hedonic house prices and spatial quantile regression”. Journal of House Economics, 21, pp. 16-27.
Lu, B. B., Charlton, M., and Fotheringham, A. S. (2011). “Geographically weighted regression using a non-euclidean distance metric with a study on London house price data”. Procedia Environmental Sciences, 7, pp. 92-97. 
Miller, N. G. (1978). “Time on the market and selling price”. Journal of the American Real Estate and Urban Econometric Association, 6, pp. 164-174.
Nguyen, N., and Cripps, A. (2001). “Predicting housing value : a comparison of multiple regression analysis and artificial neural networks”. Journal of Real Estate, 22, pp. 313-336. 
Shapiro, S. S., and Wilk, M. B. (1965). "An analysis of variance test for normality (complete samples)". Biometrika, 52, pp. 591–611.