王群猛，陳奉瑤，政治大學(xué) 社會(huì)科學(xué)學(xué)院, 臺(tái)灣 臺(tái)北 11605

銀行聚集與不動(dòng)產(chǎn)價(jià)格之關(guān)系
——以臺(tái)北市辦公商圈銀行為例

王群猛，陳奉瑤，政治大學(xué) 社會(huì)科學(xué)學(xué)院, 臺(tái)灣 臺(tái)北 11605

商業(yè)聚集程度是運(yùn)用比較法估計(jì)不動(dòng)產(chǎn)價(jià)格的重要變量，然商業(yè)聚集因缺乏客觀依據(jù)而不易界定，以致估價(jià)結(jié)果易受質(zhì)疑。由于銀行設(shè)立分行的區(qū)位選擇受競(jìng)相爭(zhēng)取市場(chǎng)的影響，其聚集現(xiàn)象相當(dāng)明顯。本文運(yùn)用特征價(jià)格回歸模型，以臺(tái)北市寫(xiě)字樓與住房的事務(wù)數(shù)據(jù)為目標(biāo)，分析銀行距離以及銀行聚集程度對(duì)寫(xiě)字樓與住房?jī)r(jià)格的影響。實(shí)證結(jié)果顯示，與銀行距離越近，寫(xiě)字樓及住房等不動(dòng)產(chǎn)的價(jià)格越高；銀行聚集度高的區(qū)域，其不動(dòng)產(chǎn)價(jià)格高于銀行聚集度低的區(qū)域。故在某種程度上，銀行的聚集程度能切實(shí)反映商業(yè)活動(dòng)的熱絡(luò)與否，可視為商業(yè)聚集的客觀替代指標(biāo)之一。

特征價(jià)格模型； 銀行聚集； 房?jī)r(jià)； 臺(tái)北市

一、引言

不動(dòng)產(chǎn)估價(jià)一向被質(zhì)疑過(guò)于傾向估價(jià)師的主觀判斷，考慮估價(jià)目標(biāo)所在區(qū)域內(nèi)的商業(yè)聚集程度，是運(yùn)用比較法進(jìn)行不動(dòng)產(chǎn)估價(jià)中重要的一環(huán)。都市中除各式各樣的店鋪外，經(jīng)?？梢?jiàn)銀行的設(shè)立，其提供金融服務(wù)，增加不動(dòng)產(chǎn)的便利性，間接對(duì)寫(xiě)字樓與住房的價(jià)格產(chǎn)生影響；各銀行選擇區(qū)位設(shè)立分行時(shí)，受競(jìng)相爭(zhēng)取市場(chǎng)的影響，銀行明顯聚集于商業(yè)發(fā)達(dá)及生活機(jī)能健全的地區(qū)，因而呈現(xiàn)商業(yè)聚集地區(qū)不動(dòng)產(chǎn)價(jià)格也相對(duì)較高的現(xiàn)象。

特征價(jià)格法經(jīng)常被用以評(píng)估不動(dòng)產(chǎn)價(jià)格，Sirmans et al.[1]1-44梳理住房?jī)r(jià)格的文獻(xiàn)后歸納出美國(guó)最常使用的八大類(lèi)特征價(jià)格變量，包括結(jié)構(gòu)、內(nèi)在特征、外在設(shè)施、自然環(huán)境、區(qū)位環(huán)境、公共服務(wù)環(huán)境、市場(chǎng)條件與財(cái)務(wù)議題，并未涉及銀行聚集之商業(yè)條件；即使與銀行密切相關(guān)的寫(xiě)字樓，其運(yùn)用特征價(jià)格法之相關(guān)文獻(xiàn)亦少論及銀行聚集對(duì)價(jià)格的影響，僅Dermisi and McDonald[2]1-21將寫(xiě)字樓內(nèi)是否有銀行納入價(jià)格模型中，但各模型的實(shí)證結(jié)果并不一致，也未深入探討。銀行與商場(chǎng)、大型超市、捷運(yùn)轉(zhuǎn)運(yùn)站等皆具有商業(yè)聚集的特性，或可藉以觀察商業(yè)熱絡(luò)的程度及其對(duì)價(jià)格的影響，甚且可作為衡量商業(yè)聚集的客觀替代指標(biāo)之一。

本文嘗試以特征價(jià)格模型探討不動(dòng)產(chǎn)距銀行之距離及銀行聚集效果，補(bǔ)充過(guò)去文獻(xiàn)之不足，期望銀行聚集度能成為商業(yè)聚集程度之有效替代指標(biāo)之一。由于寫(xiě)字樓與住房的所有者對(duì)于金融服務(wù)的需求有不同，從而銀行聚集程度與寫(xiě)字樓及住房的價(jià)格應(yīng)有不同程度之關(guān)系，因此本文除前言與文獻(xiàn)回顧外，將先分別就寫(xiě)字樓及住房進(jìn)行實(shí)證分析，最后就實(shí)證結(jié)果提出結(jié)論。

二、文獻(xiàn)回顧

都市中經(jīng)?？梢?jiàn)多家同類(lèi)型的商店相鄰設(shè)，這種情形本文稱(chēng)之為聚集，而產(chǎn)業(yè)之所以聚集，可分別由外部經(jīng)濟(jì)、生產(chǎn)成本遞減、產(chǎn)業(yè)區(qū)位等角度探討其形成與發(fā)展。商業(yè)聚集事實(shí)上是產(chǎn)業(yè)聚集的一個(gè)特例，其經(jīng)濟(jì)利益透過(guò)市場(chǎng)上與消費(fèi)者的交易體現(xiàn)而來(lái)。Pascal et al.[3]383-388認(rèn)為一個(gè)經(jīng)營(yíng)成功的商業(yè)，讓其他人相信該商業(yè)的選址是具有市場(chǎng)潛力的良好區(qū)位，因此在信息不完整的猜測(cè)下，會(huì)導(dǎo)致其他商業(yè)傾向在競(jìng)爭(zhēng)對(duì)手經(jīng)營(yíng)興旺的地點(diǎn)附近選址。這種商業(yè)間的吸引，又增加了此區(qū)域商業(yè)聚集之魅力，吸引更多消費(fèi)者而增加聚集區(qū)內(nèi)的經(jīng)濟(jì)利益，進(jìn)一步強(qiáng)化了商業(yè)聚集的外部經(jīng)濟(jì)誘因，從而再吸引同類(lèi)型商業(yè)在同一區(qū)域內(nèi)設(shè)立。這樣的商業(yè)聚集模式，在銀行業(yè)非常明顯。銀行同業(yè)聚集設(shè)立除競(jìng)爭(zhēng)分食市場(chǎng)大餅外，所形成的金融商圈往往能為鄰近的企業(yè)帶來(lái)更多樣化的金融服務(wù)，從而提升對(duì)金融服務(wù)的需求，進(jìn)一步地創(chuàng)造商機(jī)。

Meyer[4]149-181發(fā)現(xiàn)不僅制造業(yè)有聚集的傾向，在財(cái)務(wù)、金融、保險(xiǎn)及不動(dòng)產(chǎn)等服務(wù)業(yè)亦有向大都市中心聚集的現(xiàn)象；黃名義、張金鶚[5]發(fā)現(xiàn)銀行為了競(jìng)爭(zhēng)營(yíng)業(yè)據(jù)點(diǎn)，會(huì)聚集于人口密集的地區(qū)；更有研究指出借款人與銀行間的距離為借款利率的負(fù)面因素(Petersen and Rajan, Degryse and Ongena, Mistrulli and Casolaro, Agarwal and Hauswald)[6]2533-2570[7]231-266[8][9]2758-2788，故從銀行經(jīng)營(yíng)的角度觀察，為降低利率成本，增加面對(duì)面接觸的機(jī)會(huì)以提高市場(chǎng)競(jìng)爭(zhēng)力，銀行會(huì)為拉近與客戶(hù)間的距離而選擇接近客戶(hù)的區(qū)位設(shè)立據(jù)點(diǎn)。因銀行的選址模式及著重準(zhǔn)則大同小異，以至于各銀行競(jìng)相爭(zhēng)逐市場(chǎng)上符合設(shè)立銀行分支機(jī)構(gòu)的良好區(qū)位，結(jié)果往往是傾向設(shè)立于公司行號(hào)密集、人口密度較高的商業(yè)聚集區(qū)域，而銀行聚集的結(jié)果又使該區(qū)域擁有更便捷、更多樣的金融服務(wù)，提升辦公商圈的機(jī)能而吸引公司行號(hào)進(jìn)駐，形成互相影響的良性循環(huán)，經(jīng)市場(chǎng)機(jī)制之運(yùn)作，引申對(duì)不動(dòng)產(chǎn)的需求而影響價(jià)格(圖1)。

圖1 銀行設(shè)立選址與辦公商圈機(jī)能之相互影響

回顧特征價(jià)格法的相關(guān)文獻(xiàn)，影響寫(xiě)字樓價(jià)格的因素一般包括：寫(xiě)字樓等級(jí)(Glascock et al.,)[10]105-119、面積(Glascock et al.,；黃名義、張金鶚,； Tu et al.,)[10][11]77-93[12]297-328、屋齡(Colwell et al.,；Nappi‐Choulet et al.,；曾翊偉、黃名義、張金鶚)[13]83-106[14]241-263[15]481-500、總樓層數(shù)(Munneke and Slade)[16]45-64、結(jié)構(gòu)(Downs and Slade)[17]95-104、是否全棟成交(Nappi-Choule et al.,2007)[18]241-263等，但缺乏銀行聚集變量，僅Dermisi and McDonald(2010)[2]將辦公大樓內(nèi)是否有金融服務(wù)(Banking in Building)置入模型中，但其影響于各模型中并不一致，因而未進(jìn)一步分析其影響。

圖2 銀行與住房之區(qū)域環(huán)境關(guān)系

至于銀行與住房不動(dòng)產(chǎn)的關(guān)系，基于住房交易案例與銀行間于空間上的分布，不像寫(xiě)字樓與銀行間分布緊密，且住房使用者及寫(xiě)字樓使用者對(duì)銀行金融服務(wù)的需求有所差異，因而筆者認(rèn)為住房使用者對(duì)于銀行的選擇應(yīng)會(huì)著重在鄰里環(huán)境內(nèi)有無(wú)金融服務(wù)設(shè)施而非著重于對(duì)金融機(jī)構(gòu)的可及性，換言之，其系透過(guò)鄰里環(huán)境反映于價(jià)格上(圖2)。過(guò)去相關(guān)研究中，楊謙柔[19]發(fā)現(xiàn)400公尺范圍內(nèi)對(duì)住屋價(jià)格有正面的影響，增值性最高為8%；李馨蘋(píng)、劉代洋[20]表示租屋者從事租屋選擇時(shí)會(huì)考慮租賃房至金融機(jī)構(gòu)的距離，以節(jié)省未來(lái)處理閑置資金的通勤時(shí)間，因此住房至銀行距離越遠(yuǎn)租金越低。該類(lèi)研究皆以距離變量為之，同樣缺乏銀行聚集的影響。

三、研究設(shè)計(jì)

(一)實(shí)證模型與變量

本文依循過(guò)去多數(shù)文獻(xiàn)采用特征價(jià)格模型探討臺(tái)北市主要辦公商圈內(nèi)，影響不動(dòng)產(chǎn)價(jià)格因素中鄰近銀行的距離和銀行聚集度與不動(dòng)產(chǎn)價(jià)格間之關(guān)系。在函數(shù)形態(tài)上，半對(duì)數(shù)模型除可表達(dá)每一特征價(jià)格的變化量外，并可減少數(shù)據(jù)的異質(zhì)性(Lipscomb and Farmer；Sirmans et al.,； Zietz et al., 2008)[21]791-810[22]1-44[23]317-333，因此，本文采用半對(duì)數(shù)特征價(jià)格模型：

其中，P為不動(dòng)產(chǎn)單價(jià)，在臺(tái)灣無(wú)論是市場(chǎng)交易習(xí)慣或是不動(dòng)產(chǎn)價(jià)格評(píng)估，多以單價(jià)為導(dǎo)向，因此本文以單價(jià)作為應(yīng)變量；α與ε分別為截距項(xiàng)與誤差項(xiàng)；β為各變數(shù)之系數(shù)；X為影響不動(dòng)產(chǎn)價(jià)格之變量，透過(guò)文獻(xiàn)歸納并考慮搜集資料之可能性加以選取。為能精確掌握地理空間分布與價(jià)格之關(guān)系，本文利用地理信息系統(tǒng)擴(kuò)展交易案例與各項(xiàng)設(shè)施之距離變數(shù)。

本文于寫(xiě)字樓和住房采用之自變量如下：

交易年度、面積、屋齡、臨路寬度及各項(xiàng)迎毗設(shè)施或鄰避設(shè)施之距離皆會(huì)同時(shí)影響寫(xiě)字樓及住宅價(jià)格。整體而言，研究期間內(nèi)臺(tái)北市不動(dòng)產(chǎn)價(jià)格呈現(xiàn)上漲的趨勢(shì)。本文以2007年為基期，預(yù)期5個(gè)年期變數(shù)均為正值；面積越大，于使用效率及彈性較佳，具有較高的效用，預(yù)期其對(duì)成交單價(jià)為正向影響。屋齡反映不動(dòng)產(chǎn)設(shè)備、質(zhì)量、與物理結(jié)構(gòu)之折舊，同時(shí)也可能反映設(shè)計(jì)上的功能性折舊，使得價(jià)格水平受到影響，預(yù)期其對(duì)成交單價(jià)為負(fù)向影響；臨路寬度越寬，可容納的交通流量越高，交通機(jī)能越強(qiáng)，區(qū)位越便利，預(yù)期符號(hào)為正；此外，離迎毗設(shè)施近，不動(dòng)產(chǎn)效用提升，例如越接近捷運(yùn)站代表交通越便利，生活機(jī)能越好，預(yù)期符號(hào)為正；與鄰避設(shè)施近則效用下降，例如變電所對(duì)心理上及生活上造成的不適，預(yù)期符號(hào)為負(fù)。

臺(tái)灣商仲業(yè)者依區(qū)位、建物條件、管理維護(hù)、租戶(hù)組成及租金水平等，將寫(xiě)字樓加以分級(jí)，雖然級(jí)別定義有所差異，但等級(jí)越高，肯定大樓內(nèi)外部條件、租戶(hù)結(jié)構(gòu)及租金收益越佳，預(yù)期對(duì)成交單價(jià)有正向影響；由成本觀點(diǎn)，總樓層數(shù)越高，造價(jià)成本越高，因而出租者會(huì)收取較高租金以彌補(bǔ)成本支出；位于高樓層的寫(xiě)字樓，易形成名望及地標(biāo)特征，預(yù)期符號(hào)為正；鋼骨構(gòu)造之建筑物耐震效果較鋼筋混凝土造好，且建筑成本相對(duì)較高，預(yù)期鋼骨結(jié)構(gòu)價(jià)格高于鋼筋混凝土結(jié)構(gòu)的價(jià)格；全棟成交之寫(xiě)字樓產(chǎn)權(quán)單一，易于管理，以往研究認(rèn)為其與價(jià)格呈正向關(guān)系；若交易案例透過(guò)公開(kāi)標(biāo)售方式銷(xiāo)售，會(huì)因競(jìng)標(biāo)人數(shù)而有較高的成交價(jià)格，預(yù)期采標(biāo)售方式對(duì)價(jià)格有正面影響。

本文研究重點(diǎn)——與銀行之距離，因銀行是提供公司行號(hào)工商活動(dòng)時(shí)必要之金融服務(wù)，距離越近方便性越高，預(yù)期符號(hào)為正。

表1 研究范圍內(nèi)銀行隨機(jī)分布下之近鄰距離

應(yīng)用于住房特征價(jià)格模型之變量，除面積、屋齡、所在樓層、住宅類(lèi)型、臨路寬度、與百貨公司距離、與公園距離、與學(xué)校距離、與捷運(yùn)站距離、與鄰避設(shè)施距離等為一般常用變量外，基于住房使用者及寫(xiě)字樓使用者對(duì)銀行金融服務(wù)的需求有所差異，因而本文取200公尺作為探討銀行距離與住房?jī)r(jià)格關(guān)系之距離。另外，本文將銀行聚集與住房?jī)r(jià)格的關(guān)系以足以涵蓋研究范圍內(nèi)大部分的街廓，將銀行距離變量置換為銀行聚集程度之虛擬變量：100公尺1家銀行、100公尺多家銀行。

(二)實(shí)證資料說(shuō)明

本文之空間范圍以臺(tái)北市主要辦公商圈為主，如圖3所示，以發(fā)展的時(shí)間軸觀察，依序分別為西區(qū)、南京松江、南京復(fù)興、南京四五段、民生敦北、敦化南路、信義區(qū)、內(nèi)湖科技園區(qū)與南港經(jīng)貿(mào)園區(qū)，其中南港經(jīng)貿(mào)園區(qū)因?qū)懽謽窍涤晒俜街I(yè)局出租為主而予以排除。研究之時(shí)間范圍為2007年第1季至2012年第3季。寫(xiě)字樓信息搜集不易，致樣本數(shù)量較少，計(jì)有234個(gè)樣本，住房則有6 768個(gè)樣本，其敘述統(tǒng)計(jì)見(jiàn)表2至表5。寫(xiě)字樓的每坪平均單價(jià)約為新臺(tái)幣51.9萬(wàn)元、住房的每坪平均單價(jià)約為新臺(tái)幣40.4萬(wàn)元；至于寫(xiě)字樓與銀行的距離，除50公尺以外的樣本，平均寫(xiě)字樓與銀行的距離約28.56公尺(50公尺之平均反距為21.44公尺)；而住房與銀行的距離，除200公尺以外的樣本，平均住房與銀行的距離約193.47公尺(50公尺之平均反距為6.53公尺)。

圖3 臺(tái)北市主要辦公商圈

表2 寫(xiě)字樓之連續(xù)變量敘述統(tǒng)計(jì)

表3 寫(xiě)字樓之虛擬變數(shù)敘述統(tǒng)計(jì)

表4 住房之連續(xù)變量敘述統(tǒng)計(jì)

表5 住房之虛擬變數(shù)敘述統(tǒng)計(jì)

四、實(shí)證結(jié)果分析

(一)寫(xiě)字樓價(jià)格與銀行距離之關(guān)系

觀察表6之實(shí)證結(jié)果，可發(fā)現(xiàn)在時(shí)間變量上，符合近年房?jī)r(jià)逐年上漲之趨勢(shì)；臨路寬度，每增加1公尺，單價(jià)增加0.13%；大樓等級(jí)系以A級(jí)大樓為基準(zhǔn)，B級(jí)大樓單價(jià)較之減少12.32%，C級(jí)大樓則減少17.91%；而捷運(yùn)站距離、大型展場(chǎng)或會(huì)議中心，皆得到極顯著之水平，遠(yuǎn)離捷運(yùn)站1公尺單價(jià)減少0.01%；與大型展場(chǎng)或會(huì)議中心之距離，每增加1公尺則價(jià)格減少0.02%；至于寫(xiě)字樓價(jià)格與銀行距離間的關(guān)系，在50公尺便利性的影響范圍下，每接近1公尺，價(jià)格增加0.46%。易言之，在其他條件相同下，離銀行較近的寫(xiě)字樓價(jià)格會(huì)高于離銀行較遠(yuǎn)的目標(biāo)。

表6 寫(xiě)字樓之回歸分析結(jié)果

(二)寫(xiě)字樓價(jià)格與銀行聚集度之關(guān)系

銀行影響的50公尺范圍內(nèi)，目標(biāo)與銀行間的距離與價(jià)格呈負(fù)向關(guān)系，說(shuō)明銀行所提供的金融服務(wù)確為周邊寫(xiě)字樓提供了便利性的服務(wù)。雖不能斷言銀行之存在對(duì)寫(xiě)字樓之價(jià)格產(chǎn)生正面影響，但可知悉，銀行選址的行為，確立了銀行設(shè)立的周遭區(qū)域?yàn)檩^佳區(qū)位的事實(shí)。表6銀行聚集度特征價(jià)格模型之實(shí)證結(jié)果顯示，自變量估計(jì)結(jié)果之符號(hào)皆與預(yù)期相同；而寫(xiě)字樓價(jià)格與鄰近銀行聚集度的關(guān)系，半徑25公尺內(nèi)1家銀行的目標(biāo)較25公尺內(nèi)無(wú)銀行的目標(biāo)，價(jià)格增加18.08%，而25公尺內(nèi)多家銀行的目標(biāo)較25公尺內(nèi)無(wú)銀行的目標(biāo)，價(jià)格增加34.47%。換言之，在50公尺的最近鄰距離范圍下，金融服務(wù)之便利性對(duì)于寫(xiě)字樓的價(jià)格有明顯的正向關(guān)系。

(三)住房?jī)r(jià)格與銀行距離之關(guān)系

觀察表7之實(shí)證結(jié)果可發(fā)現(xiàn)，住房之銀行距離價(jià)格模型中，在時(shí)間變量上，符合近年房?jī)r(jià)逐年上漲之趨勢(shì)；而屋齡、臨路寬度、總樓層數(shù)、所在樓層以及與百貨公司距離等變量皆與預(yù)期符號(hào)相同，屋齡每增加1年，單價(jià)下跌0.50%；臨路寬度每增加1公尺，單價(jià)增加0.08%；而與主要公園距離、與距捷運(yùn)之距離則皆達(dá)到非常顯著之水平。

至于住房?jī)r(jià)格與銀行距離的關(guān)系，亦呈負(fù)向關(guān)系，在200公尺銀行便利性的影響范圍下，每接近1公尺價(jià)格增加0.06%。比較銀行距離與寫(xiě)字樓與住房之價(jià)格模型可發(fā)現(xiàn)，寫(xiě)字樓價(jià)格每接近銀行1公尺，價(jià)格為上升4.6%，在50公尺的銀行服務(wù)范圍內(nèi)，價(jià)差達(dá)22.8%；而住房?jī)r(jià)格則是每接近銀行1公尺，價(jià)格上升0.06%，在200公尺的銀行服務(wù)范圍內(nèi)，價(jià)差為12%。換言之，與銀行距離越近，對(duì)寫(xiě)字樓的價(jià)格影響大于對(duì)住房?jī)r(jià)格的影響，此結(jié)論符合住房對(duì)金融服務(wù)的需求低于寫(xiě)字樓對(duì)金融服務(wù)的需求之觀點(diǎn)。

表7 住房之回歸分析結(jié)果

(四)住房?jī)r(jià)格與聚集度之關(guān)系

如表7所示，100公尺內(nèi)1家銀行的目標(biāo)較100公尺內(nèi)無(wú)銀行的目標(biāo)，價(jià)格增加5.44%；而100公尺內(nèi)多家銀行的目標(biāo)較100公尺內(nèi)無(wú)銀行的目標(biāo)，價(jià)格增加7.35%，顯示在半徑100公尺的影響范圍下，金融服務(wù)之便利性對(duì)于住房的價(jià)格確有明顯的正向關(guān)系，惟強(qiáng)度不如寫(xiě)字樓與銀行聚集度之價(jià)格關(guān)系，顯見(jiàn)住房對(duì)于金融服務(wù)便利性之需求較低。

五、結(jié)論

臺(tái)北市為臺(tái)灣首善之區(qū)，銀行分支機(jī)構(gòu)競(jìng)相設(shè)立于辦公商圈集中處，亦即商業(yè)聚集度較高的地方，而銀行聚集的結(jié)果又使該區(qū)域擁有更便捷及多樣的金融服務(wù)，提升辦公商圈的機(jī)能而吸引公司行號(hào)進(jìn)駐，形成互相影響的正循環(huán)，經(jīng)過(guò)實(shí)證分析，銀行與不動(dòng)產(chǎn)價(jià)格確有顯著關(guān)系。

以目標(biāo)和銀行的距離觀察，實(shí)證結(jié)果顯示，無(wú)論寫(xiě)字樓或住房，其單價(jià)與銀行距離皆呈顯著負(fù)向關(guān)系，亦即不動(dòng)產(chǎn)離銀行越近，其單價(jià)越高；惟寫(xiě)字樓的單價(jià)增加幅度大于住房，此與一般認(rèn)知寫(xiě)字樓對(duì)金融服務(wù)有較高需求的結(jié)論一致。另就聚集程度而言，實(shí)證結(jié)果顯示，臺(tái)北市寫(xiě)字樓周?chē)?5公尺內(nèi)以及住房目標(biāo)周?chē)?00公尺內(nèi)之銀行聚集程度，與鄰近不動(dòng)產(chǎn)價(jià)格具有顯著的正向關(guān)系，且銀行聚集程度對(duì)寫(xiě)字樓價(jià)格的影響高于對(duì)住房的影響。換言之，銀行密度確能反映區(qū)域價(jià)格的關(guān)系，銀行聚集度高的區(qū)域，其不動(dòng)產(chǎn)價(jià)格顯著高于銀行聚集度低的區(qū)域，顯見(jiàn)一定范圍內(nèi)之銀行數(shù)量可視為商業(yè)聚集的有效客觀指標(biāo)之一，可作為銀行選址時(shí)競(jìng)租/競(jìng)價(jià)之參考，亦可提供估價(jià)師或投資方作為特定區(qū)域內(nèi)商業(yè)發(fā)達(dá)程度的具體衡量指標(biāo)。

[1]SirmansS.,D.MacphersonandE.Zietz,2005. “TheCompositionofHedonicPricingModels”，JournalofRealEstateLiterature, 13(1).

[2]DermisiS.V.andJ.F.McDonald,2010.“SellingPrices/Sq.Ft.ofOfficeBuildingsinDowntownChicago—HowMuchIsItWorthtoBeanOldButClassABuilding?”,JournalofRealEstateResearch, 32(1).

[3]PascalA.,McCallandJ.Pascal,1980. “AgglomerationEconomies,SearchCosts,andIndustrialLocation” ,JournalofUrbanEconomics, 8(3).

[4]MeyerS.P.,2007. “Finance,InsuranceandRealEstateFirmsandTheNatureofAgglomerationAdvantageAcrossCanadaandWithinMetropolitanToronto”,CanadianJournalofUrbanResearch, 16(2).

[5]黃名義、張金鶚：《不同產(chǎn)業(yè)企業(yè)總部寫(xiě)字樓區(qū)位選擇之研究》,載《中華民國(guó)住房學(xué)會(huì)第九屆年會(huì)發(fā)表論文》2000年版。

[6]PetersenM.A.andR.G.Rajan,2002. “DoesDistanceStillMatter?TheInformationRevolutioninSmallBusinessLending”,TheJournalofFinance, 57(6).

[7]DegryseH.andS.Ongena,2005. “Distance,lendingrelationships,andcompetition” ,TheJournalofFinance, 60(1).

[8]MistrulliP.E.andL.Casolaro, 2008. “Distance,lendingtechnologiesandinterestrates”，21thAustralasianFinanceandBankingConference.

[9]AgarwalS.andR.Hauswald,2010. “DistanceandPrivateInformationinLending”,ReviewofFinancialStudies, 23(7).

[10]GlascockJ.L.,S.JahanianandC.F.Sirmans,1990. “Ananalysisofofficemarketrents:someempiricalevidence”,RealEstateEconomics, 18(1).

[11]黃名義、張金鶚：《臺(tái)北市辦公室市場(chǎng)租金之研究》，載《中華民國(guó)住宅學(xué)會(huì)第八屆年會(huì)論文集》1999年版。

[12]TuY.,S.M.YuandH.Sun,2004. “Transaction‐BasedOfficePriceIndexes:ASpatiotemporalModelingApproach” ,RealEstateEconomics, 32(2).

[13]ColwellP.F.,H.J.MunnekeandJ.W.Trefzger,1998. “Chicago'sofficemarket:Priceindices,locationandtime”,RealEstateEconomics, 26(1).

[14]Nappi‐ChouletI.,I.MaleyreandT.P.Maury,2007.“AhedonicmodelofofficepricesinParisanditsimmediatesuburbs”,JournalofPropertyResearch, 24(3).

[15]曾翊瑋、黃名義、張金鶚：《租戶(hù)結(jié)構(gòu)對(duì)辦公大樓租金與空置率之影響》,載《都市與計(jì)劃》2010年第4期。

[16]MunnekeH.J.andB.A.Slade,2000. “AnEmpiricalStudyofSample-SelectionBiasinIndicesofCommercialRealEstate”,JournalofRealEstateFinance&Economics, 21(1).

[17]DownsD.H.andB.A.Slade,1999. “Characteristicsofafull-disclosure,transaction-basedindexofcommercialrealestate” ,JournalofRealEstatePortfolioManagement, 5(1).

[18]Nappi‐ChouletI.,I.MaleyreandT.P.Maury,2007. “AhedonicmodelofofficepricesinParisanditsimmediatesuburbs”,JournalofPropertyResearch, 24(3).

[19]楊謙柔：《都市住環(huán)境設(shè)施評(píng)價(jià)模式之研究》,載《中國(guó)文化大學(xué)建筑及都市計(jì)劃研究所博士論文》2008年版。

[20]李馨蘋(píng)、劉代洋：《租賃住房市場(chǎng)租金之影響因素》，載《中華管理評(píng)論》1999年第1期。

[21]LipscombC.andM.Farmer,2005.“Householddiversityandmarketsegmentationwithinasingleneighborhood”，AnnalsofRegionalScience, 39(4).

[22]SirmansS.,D.MacphersonandE.Zietz,2005.“TheCompositionofHedonicPricingModels”,JournalofRealEstateLiterature, 13(1).

[23]ZietzJ.,E.N.ZietzandG.S.Sirmans,2008. “DeterminantsofHousePrices:AQuantileRegressionApproach”,JournalofRealEstateFinance&Economics, 37(4).

[24]黃干忠、葉光毅：《中心商業(yè)區(qū)業(yè)種聚集現(xiàn)象之研究─ 以臺(tái)南市中心商業(yè)區(qū)為例》,載《建筑與規(guī)劃學(xué)報(bào)》2000年第1期。

責(zé)任編輯 胡章成

The Relationship between Banks Aggregaton and Real Estate Prices-evidence from Business District of Taipei City

WANG Chun-meng, CHEN Fong-yao

(DepartmentofLandEconomics,NationalChengchiUniversity,Taipei11605,China)

The business aggregation is the important variable to estimate the real estate prices in comparison approach. However, the lack of an objective basis and difficulty to define the business aggregation makes the valuation results doubted. The banks aggregation is fairly obvious while banks set up branches. This study adopted Hedonic price regression model to analyze the impact and the extent of the distance from the bank and the banks aggregation for offices and housing prices by the dataset of Taipei office and housing transaction data. The empirical results demonstrate that the closer to the bank, the higher price of the office and house. In addition, the real estate prices in the area with high density of banks are greater than low density one. Therefore, to a certain extent, the degree of banks aggregation should be an appropriate factor to reflect the activities of business and to be one of the objective comparison variables.

hedonic model; banks aggregation; real estate prices; Taipei city

王群猛，第一商業(yè)銀行股份有限公司不動(dòng)產(chǎn)估價(jià)師高級(jí)專(zhuān)員、政治大學(xué)地政學(xué)系碩士在職專(zhuān)班碩士，研究方向?yàn)殂y行區(qū)位、不動(dòng)產(chǎn)估價(jià)；陳奉瑤，政治大學(xué)地政學(xué)系教授，研究方向?yàn)椴粍?dòng)產(chǎn)估價(jià)、不動(dòng)產(chǎn)管理。

2014-10-17

F293.3

A

1671-7023(2015)01-0126-07