本研究聚焦於台灣租屋市場的租金指數建置與應用,目的是透過實價登錄資料建立一套具公信力的租金指數系統,提升租屋市場資訊透明度,並為租屋者、房東及政府提供科學化參考依據。台灣目前約有87.6萬戶租屋家庭,但市場上缺乏統一且精確的租金指數來反映不同區域及時期的市場變化。本研究以實價登錄的租金資料為基礎,考量地區特性、房屋類型、交通便利性等因素,運用數據分析與統計模型,設計出能夠即時反映市場動態的月及季度指數。
本研究建議租金指數以隔月或隔季15日發布,以平衡即時性與數據穩定性。研究結果顯示,租金指數不僅可用於市場趨勢分析,亦可協助政府制定租金補貼、監管政策,並提升租賃市場運作效率。未來,租金指數還可結合大數據技術與智慧平台,實現市場預測與更精準的租賃匹配服務。本研究的貢獻在於填補了台灣租金資訊不透明的空白,由享家不動產顧問有限公司提供部分研究經費,建立公平、高效的「住宅租金指數」,並提供市場提供理論與實務基礎。
目前國內唯一租金統計為主計總處消費者物價房租類指數,其計算方式是以消費者物價指數的漲跌幅與月租金進行加權,而調查樣本數全國只採樣1,200個,其中人口最多的六都僅各120個,合計僅720個樣本,且根據主計總處人口及住宅普查報告,全台租屋人口約300萬人,租屋戶數為87.6萬,故專家及各界業者普遍認為嚴重失真,實務上參考價值低,由此可見,亟須要建置一套可真實反映租屋行情的租金指數。
台灣的租屋市場相較於其他國家的租屋比例雖然較低,但仍有約87.6萬戶的租屋家庭,顯示出租屋需求的廣泛性與多樣性。隨著房價不斷攀升,許多家庭選擇以租代購,租屋市場的規模及重要性也隨之提升。然而,目前台灣在租金統計上的相關指數或報告,大多僅以抽樣調查為基礎,缺乏更為全面、精確且具公信力的數據,難以充分反映市場變化,也難以成為政府決策或租屋者參考的有力工具。因此,建置一套更為細緻且科學化的租金指數,成為解決租屋市場資訊不對稱問題的當務之急。
考量到租金指數的建置需要具備高公信力與客觀性,本研究將主要採用實價登錄的租金價格資料作為數據基礎。實價登錄制度自推行以來,為房地產市場帶來了更多透明化資訊,其涵蓋範圍與數據品質使其成為建構指數的理想來源。通過實價登錄數據,我們可以更精準地掌握租屋市場的價格走勢、區域分布特性以及市場需求的變化趨勢。同時,這也能有效避免因抽樣偏差所造成的分析誤差,讓指數更具代表性與可靠性。
在指數的建構過程中,需考慮多項影響租金水平的關鍵因素,如地區特性、房屋類型、房齡、交通便利性、生活機能、周邊學區與商圈等。透過建立細緻的模型,分析這些因素與租金之間的關聯性,進一步提取出具有解釋力的指標,用以反映租屋市場的真實狀態。此外,指數的時間序列分析也相當重要,這將有助於揭示租屋市場的動態變化,為租屋者及房東提供更多決策參考依據。
租金指數的推出將對租屋市場帶來多方面的正面影響。對政府而言,它是一項有力的政策工具,可用於監控市場穩定性,避免租金過度波動,甚至成為租金補貼或相關政策的基準參考;對租屋者而言,透明的租金指數提供了一個公平的議價參考標準,降低資訊不對稱所造成的租金不合理現象;對房東而言,指數有助於合理訂定租金水準,提升市場競爭力,避免租屋空置率上升。
此外,隨著高齡化社會的來臨與少子化趨勢的加劇,租屋市場的結構亦將面臨調整。年輕人因資金壓力選擇租屋,老年人因為退休後居住需求的轉變也可能成為租屋市場的重要力量。因此,租金指數不僅需反映當下的市場趨勢,亦需具備一定的前瞻性,針對不同族群的需求進行更具體的分析,提供更個性化的資訊服務。例如,可以透過分齡或分族群的租金數據分析,幫助不同年齡層的租屋者更有效地找到適合的房屋選項。
在未來的應用場景中,租金指數還可以結合大數據分析與人工智慧技術,實現更智慧化的市場監測。例如,透過即時數據更新與機器學習模型,可預測某區域未來的租金走勢,協助政府預警可能的市場問題,並提前制定應對措施。此外,租金指數也可應用於智慧租賃平台,為租屋雙方提供更透明、精準的資訊交流環境,促進租賃市場的健康發展。
綜上所述,台灣龐大的租屋市場迫切需要一套以實價登錄為基礎的租金指數,透過精確數據與科學模型的建構,提供市場參與者與政策制定者更具價值的參考資訊。不僅可以填補現行數據體系的缺口,更能提升租屋市場的效率與公平性,為未來的居住政策與市場規劃奠定堅實基礎。另外,考量實價登錄的租金資料尚在起步階段,雖然已有許多租金資料登錄,但仍需檢核本租金指數的準確性,故輔以591租屋網的租金價格資料作為建置指數檢核依據,並可進行差異分析,與地區性特殊議題或特殊事件對租金變化影響的探討,最後完成「指數」研究,由於本研究經費來源由享家不動產顧問有限公司贊助,故暫時命名為具有學術舊價值的「享家住宅租金指數」。
(一)特徵價格法常用迴歸模型及指數公式設計
由於特徵價格函數反映的是供給與需求的縮減式,且在特徵價格理論上並未說明應以何種函數來建立特徵模型最為適合(陳相如,2005),故要使用何種函數型態的來進行特徵價格之估計,研究者可端視交易資料結構的特性,一般常見特徵函數型式為線性模型、半對數模型、逆半對數模型、雙對數模型等,關於特徵價格法常用之迴歸模型及公式整理說明如下。
(1)線性模型(Reciprocal Model):
𝑌𝑖=𝐵0+𝐵1𝑋𝑖+𝐵2𝑋𝑖+⋯+𝐵𝑛𝑋𝑖+𝜀𝑖
(2)半對數模型(Semilogarithmic Model):
𝑙𝑛𝑌𝑖=𝐵0+𝐵1𝑋𝑖+𝐵2𝑋𝑖+⋯+𝐵𝑛𝑋𝑖+𝜀𝑖
(3)反半對數模型(Inverse semilogarithmic Model):
𝑌𝑖=𝐵0+𝐵1𝑙𝑛𝑋𝑖+𝐵2𝑙𝑛𝑋𝑖+⋯+𝐵𝑛𝑙𝑛𝑋𝑖+𝜀𝑖
(4)雙對數模型(Logarithmic or double logarithmic Model):
𝑙𝑛𝑌𝑖=𝐵0+𝐵1𝑙𝑛𝑋𝑖+𝐵2𝑙𝑛𝑋𝑖+⋯+𝐵𝑛𝑙𝑛𝑋𝑖+𝜀𝑖
一般係以特徵價格函數型態作為實證模型,利用文獻回顧所整理之變數,考量各直轄市不動產特性,探討各項特徵價格對於六都不動產租賃價格之影響。其特徵價格基本模型設定公式如下:
關於特徵價格模型選擇,參考林祖嘉、林素菁(1993)、張金鶚、劉秀玲(1993)、林秋瑾、楊宗憲、張金鶚(1996)、黃佳鈴、張金鶚(2005)、陳奉瑤、揚依蓁(2007)等研究指出,依台灣不動產價格特性較適用於以半對數迴歸模型(Semilogarithmic Model)。本研究亦認為住宅價格資料,其離群資料比例通常較高,或平均值常不具代表性,故較適合以總價取自然對數去除偏態,本研究亦參考以半對數迴歸模型分析不動產租賃與特徵價格之影響。
關於租金指數編製方法,一般常見權數計算有「拉氏指數(Laspeyres Index)」、「斐氏指數(Paasche Index )」等兩種公式。前者是以基期的購買值為權數,
拉氏指數由於是以維持基期量值所計算的指數,因此任意兩年的拉氏指數相比,可得以前一年為基期的拉氏物價指數,例如:
例如
斐氏物價指數是在維持當期(
基於上述,本研究目的在於編製桃園市住宅價格指數,旨於觀察住宅價格趨勢變化,據以達到強化不動產住宅市場資訊之目標,以提供房價變動趨勢,提供產官學界參考應用,並考量內政部之住宅價格指數及民間相關房價指數皆採拉氏指數。因此,本研究針對桃園市住宅價格指數公式設計,係選以「拉氏指數(Laspeyres index)」作為編製方式,其住宅租賃價格查估對象為特徵價格法計算之結果。
(一)發布頻率與類型
租金指數的發布頻率是影響市場參與者能否及時獲取資訊的重要因素,因此本研究建議以月度與季度指數的方式進行發布,確保指數既具有時效性,又能兼顧數據的穩定性和精確度。月指數將於每月15日發布,季度指數則於每季結束後的次月15日發布,為市場提供既短期又長期的趨勢參考。
指數的設計旨在快速反映租屋市場的短期波動,為租屋者、房東及政府政策單位提供即時資訊。例如,租屋旺季如新學期前的8月或春節後的1月,租金波動可能較大,月指數的發布可即時捕捉這些變化,幫助市場參與者做出更精準的決策。另一方面,季度指數更強調數據的平滑化與趨勢性分析,適合用於評估市場的長期走向,幫助政府監測租金水平是否出現異常波動,並為制定宏觀政策提供參考。
此外,發布日期設定在隔季或隔月的15日,為了保留充分的數據處理與分析時間,確保指數的精度與完整性。同時,這一固定時間點的選擇也有助於市場形成預期,便於各方規劃應用。例如,租屋平台可以在指數發布後更新價格參考標準,政府則可同步調整相關政策,如租金補貼或市場監管措施。月與季指數的結合不僅能平衡即時性與穩定性,也能更全面地反映租屋市場的動態與長期趨勢,為市場的透明化與有效運行提供強有力的支持。
(二)研究範圍與指數公式
研究範圍以六都(台北市、新北市、桃園市、台中市、台南市、高雄市)為範圍計算及發布租金指數。指數類型選以「拉氏公式」計算指數,可以有助於觀察長期指數趨勢,且各季指數之間可以相互比較,也是目前主流使用的指數類型,較具參考價值。
(三)編製方法
係以不動產價格分析常用之「特徵價格法」進行租金價格的分離計算,且可透過敘述統計分析,以了解六都地區的租屋市場特性,可明確建立租金「標準住宅」特徵因素,台北市、新北市設定以套房及2房類型作為主要特徵,桃園市、台中市、台南市、高雄市設定套房、3房與透天厝,以上特徵經由敘述統計分析即可明確分類及定義,最後經由特徵價格法來分離出特徵樣本的租金價格,據以編製租金指數。
一般訪間常用的方式是以「平均價格」計算來觀察租金行情,但此種方式極容易把套房與2房以上平均計算混為一談,且由於不動產是由眾多不同的特徵所組成,所以運用「特徵價格法」可以更明確的顯示出當地實際的租金行情,以此充分反映出地方差異。實際特徵設定須視租金價格資料庫統計後劃分及定義分類,經特徵分析推估計算後,即可得到各城市地區的標準宅租金價格,再計算租金指數。
(四)建置租金價格資料庫
資料來源係抓取實價登錄租金價格資料,以每坪租金單價(元/坪)計算,經初步檢視目前各大城市租金資料都在500-1,000筆上下,且在逐漸增加中,樣本數足夠編製指數,另輔以撈取591租屋網之租金價格建立檢核機制,以此進行資料清理以「住宅用途」作為對象,排除車位、零售使用、工業用、店鋪等非住家型態,並建置每一期租金價格資料庫,作為建置指數的依據。樣本數以各地區租金資料總筆數的20%且至少500筆以上(視各地區實際租金資料建置),預計總樣本數為3,000筆以上,完成建置租金價格資料庫。
1.資料庫特徵項目
(1)每坪租金單價(元/坪)
(2)總面積(坪)
(3)屋齡
(4)住宅型態(如套房、2房、3房、4房或以上、透天厝等特徵)
(5)主要用途(住家使用)
(6)有無附設傢俱
(7)有無管理組織
(五)資料清理與選取
由於考量租金價格具個案差異性,例如豪宅產品、品牌等,因此為了讓指數趨勢可以貼近大眾認知,因此資料清理時將設計為剔除租金價格的最大值(前10%)與最小值(後10%),此時偏遠地區租金過低或者豪宅品牌租金過高等較不具參考性的樣本,即可被排除,讓租金指數可以貼近於各界認知。據以完成清理後的資料庫作為分析樣本,並剔除非住宅用途之樣本,以提升價格資料的準確性。
(六)建置租金指數及檢核機制,驗證準確性
本指數成果應具備可供各界查驗及驗證之準確性,因此在指數發布前,將以檢核機制通過後,方才確認發布租金指數。因此,當租金指數建置完成後,輔以591租屋網的租金價格資料及指數進行檢核,分析2種資料庫的指數是否具一致性,以確保可以準確反映租屋市場價格,並以隨機抽樣的方式,比對所建置之資料庫樣本是否與591租屋網的租金價格具相同趨勢,每個縣市地區抽樣至少100筆以上樣本,並設計電腦自動檢核方式,以計算誤差率,誤差須在20%以內,檢核機制透過趨勢比較與誤差率分析,方可通過檢核發布指數。
租金指數與檢核機制,如下:
考量初期主要於檢驗樣本的適用性,以及確保樣本充足的情況下,故本研究目前尚未對樣本資料採嚴格篩選機制,但由於本研究係採「半對數模型(Semilogarithmic Model)」,即以房屋「總價」取自然對數計算,主要係考量台灣不動產租賃特性,其租金價格資料之離群比例通常較高,或平均值常不具代表性,故以總價取自然對數可有效去除偏態,即不易受單位價格之最大值與最小值的差異影響,可更有助於觀察交易樣本資料及各項住宅特徵的影響關係,相關變數說明如下表1所示。
表1變數說明
變數 |
變數名稱 |
預期符號 |
單位 |
說明 |
應變數 |
單位價格 |
|
元/坪 |
取自然對數 |
自 變 數 |
屋齡 |
- |
年 |
連續變數 |
建物租賃面積 |
+ |
坪 |
連續變數 |
|
建築現況格局 |
+ |
房 |
類別變數 |
|
有無管理組織 |
+ / - |
1=有、0=無 |
虛擬變數 |
|
有無附設傢俱 |
+ / - |
1=有、0=無 |
虛擬變數 |
資料來源:本研究整理。
(一)台北市
首先,針對台北市(10,023筆)標準住宅之不動產租賃進行資料結構分析(標準住宅包含:公寓、住宅大樓、套房、華廈)。實價登錄資料為13,521筆(資料區間為基期至本期),經欄位及異常價格篩選、極端值篩選後,得10,023筆標準住宅之不動產租賃資料;台北市標準住宅租賃之單位價格最小值約為191元,最大值約為6509元,平均數約為1,433元,以此類推,台北市標準住宅租賃樣本之資料結構,整理如下表2所示。
表2台北市標準住宅之敘述統計表
自變數 |
個數 |
最小值 |
最大值 |
平均數 |
標準差 |
單位價格 |
10023 |
191 |
6509 |
1433.94 |
614.937 |
屋齡 |
10023 |
1 |
67 |
34.16 |
15.799 |
建物租賃面積 |
10023 |
2 |
112 |
25.30 |
16.749 |
建物現況格局 |
10023 |
0 |
10 |
2.27 |
1.346 |
有無管理組織 |
10023 |
0 |
1 |
.55 |
.497 |
有無附設傢俱 |
10023 |
0 |
1 |
.74 |
.440 |
從台北市標準住宅之資料結構觀察,多數附有傢俱,且過半數有設立管理組織,據此可了解台北市標準住宅之特徵資料結構分布情形。
再者,針對台北市(279筆)透天厝之不動產租賃進行資料結構分析。實價登錄資料為403筆(資料區間為基期至本期),經欄位及異常價格篩選、極端值篩選後,得279筆透天厝之不動產租賃資料;台北市透天厝租賃之單位價格最小值約為150元,最大值約為17,692元,平均數約為1,924元,以此類推,台北市透天厝租賃樣本之資料結構,整理如下表3所示。
表3台北市透天厝之敘述統計表
自變數 |
個數 |
最小值 |
最大值 |
平均數 |
標準差 |
單位價格 |
279 |
150 |
17692 |
1924.97 |
1188.440 |
屋齡 |
279 |
13 |
68 |
49.95 |
11.588 |
建物租賃面積 |
279 |
2 |
107 |
17.49 |
19.014 |
建物現況格局 |
279 |
0 |
10 |
5.06 |
3.285 |
有無管理組織 |
279 |
0 |
1 |
.04 |
.186 |
有無附設傢俱 |
279 |
0 |
1 |
.80 |
.401 |
資料來源:本研究整理。
從台北市透天厝之資料結構觀察,多設仍有附設傢俱,惟管理組織則較少設立情形,據此可了解台北市透天厝租賃之特徵資料結構分布情形。
(二)新北市
首先,針對新北市(17,444筆)標準住宅之不動產租賃進行資料結構分析(標準住宅包含:公寓、住宅大樓、套房、華廈)。實價登錄資料為20,302筆(資料區間為基期至本期),經欄位及異常價格篩選、極端值篩選後,得17,444筆標準住宅之不動產租賃資料;新北市標準住宅租賃之單位價格最小值約為94元,最大值約為5,021元,平均數約為849元,以此類推,新北市標準住宅租賃樣本之資料結構,整理如下表4所示。
表4新北市標準住宅之敘述統計表
自變數 |
個數 |
最小值 |
最大值 |
平均數 |
標準差 |
|
單位價格 |
17444 |
94 |
5051 |
849.09 |
438.549 |
|
屋齡 |
17444 |
1 |
64 |
26.83 |
15.089 |
|
建物租賃面積 |
17444 |
2 |
107 |
27.25 |
13.058 |
|
建物現況格局 |
17444 |
0 |
10 |
2.39 |
1.093 |
|
有無管理組織 |
17444 |
0 |
1 |
.62 |
.486 |
|
有無附設傢俱 |
17444 |
0 |
1 |
.74 |
.441 |
|
資料來源:本研究整理。
從新北市標準住宅之資料結構觀察,多數附有傢俱,且過半數有設立管理組織,據此可了解新北市標準住宅之特徵資料結構分布情形。
再者,針對新北市(231筆)透天厝之不動產租賃進行資料結構分析。實價登錄資料為259筆(資料區間為基期至本期),經欄位及異常價格篩選、極端值篩選後,得231筆透天厝之不動產租賃資料;新北市透天厝租賃之單位價格最小值約為116元,最大值約為4,743元,平均數約為1,318元,以此類推,新北市透天厝租賃樣本之資料結構,整理如下表5所示。
表5新北市透天厝之敘述統計表
自變數 |
個數 |
最小值 |
最大值 |
平均數 |
標準差 |
單位價格 |
231 |
116 |
4743 |
1318.97 |
789.446 |
屋齡 |
231 |
2 |
64 |
46.46 |
11.496 |
建物租賃面積 |
231 |
3 |
86 |
24.61 |
20.840 |
建物現況格局 |
231 |
0 |
10 |
3.87 |
2.518 |
有無管理組織 |
231 |
0 |
1 |
.07 |
.262 |
有無附設傢俱 |
231 |
0 |
1 |
.74 |
.442 |
資料來源:本研究整理。
從新北市透天厝之資料結構觀察,多設仍有附設傢俱,惟管理組織則較少設立情形,據此可了解新北市透天厝租賃之特徵資料結構分布情形。
(三)桃園市
首先,針對桃園市(20,653筆)標準住宅之不動產租賃進行資料結構分析(標準住宅包含:公寓、住宅大樓、套房、華廈)。實價登錄資料為22,325筆(資料區間為基期至本期),經欄位及異常價格篩選、極端值篩選後,得20,653筆標準住宅之不動產租賃資料;桃園市標準住宅租賃之單位價格最小值約為141元,最大值約為3805元,平均數約為573元,以此類推,桃園市標準住宅租賃樣本之資料結構,整理如下表6所示。
表6桃園市標準住宅之敘述統計表
自變數 |
個數 |
最小值 |
最大值 |
平均數 |
標準差 |
|
單位價格 |
20653 |
141 |
3805 |
573.81 |
257.385 |
|
屋齡 |
20653 |
1 |
58 |
21.41 |
12.681 |
|
建物租賃面積 |
20653 |
3 |
100 |
29.49 |
13.800 |
|
建物現況格局 |
20653 |
0 |
10 |
2.40 |
1.250 |
|
有無管理組織 |
20653 |
0 |
1 |
.82 |
.386 |
|
有無附設傢俱 |
20653 |
0 |
1 |
.84 |
.369 |
|
資料來源:本研究整理。
從桃園市標準住宅之資料結構觀察,多數租屋附設傢俱,且有近八成設立管理組織,據此可了解桃園市標準住宅之特徵資料結構分布情形。再者,針對桃園市 (2,320筆)透天厝之不動產租賃進行資料結構分析。實價登錄資料為2,783筆(資料區間為基期至本期),經欄位及異常價格篩選、極端值篩選後,得2,320筆透天厝之不動產租賃資料;桃園市透天厝租賃之單位價格最小值約為101元,最大值約為5,814元,平均數約為626元,以此類推,桃園市透天厝租賃樣本之資料結構,整理如下表7所示。
表7桃園市透天厝之敘述統計表
自變數 |
個數 |
最小值 |
最大值 |
平均數 |
標準差 |
單位價格 |
2320 |
101 |
5814 |
626.44 |
450.309 |
屋齡 |
2320 |
1 |
64 |
36.71 |
12.731 |
建物租賃面積 |
2320 |
2 |
114 |
35.78 |
21.438 |
建物現況格局 |
2320 |
0 |
10 |
3.71 |
1.739 |
有無管理組織 |
2320 |
0 |
1 |
.12 |
.324 |
有無附設傢俱 |
2320 |
0 |
1 |
.75 |
.433 |
資料來源:本研究整理。
從桃園市透天厝之資料結構觀察,多設仍有附設傢俱,惟管理組織則較少設立情形,據此可了解桃園市透天厝租賃之特徵資料結構分布情形。
(四)台中市
首先,針對台中市(10,956筆)標準住宅之不動產租賃進行資料結構分析(標準住宅包含:公寓、住宅大樓、套房、華廈)。實價登錄資料為13,468筆(資料區間為基期至本期),經欄位及異常價格篩選、極端值篩選後,得10,956筆標準住宅之不動產租賃資料;台中市標準住宅租賃之單位價格最小值約為143元,最大值約為9,675元,平均數約為693元,以此類推,台中市標準住宅租賃樣本之資料結構,整理如下表8所示。
表8台中市標準住宅之敘述統計表
自變數 |
個數 |
最小值 |
最大值 |
平均數 |
標準差 |
單位價格 |
10956 |
143 |
9675 |
693.73 |
325.347 |
屋齡 |
10956 |
1 |
57 |
23.67 |
13.145 |
建物租賃面積 |
10956 |
2 |
111 |
25.14 |
14.800 |
建物現況格局 |
10956 |
0 |
10 |
2.08 |
1.177 |
有無管理組織 |
10956 |
0 |
1 |
.80 |
.400 |
有無附設傢俱 |
10956 |
0 |
1 |
.90 |
.303 |
資料來源:本研究整理。
從台中市標準住宅之資料結構觀察,多數附有傢俱,且八成有設立管理組織,據此可了解台中市標準住宅之特徵資料結構分布情形。再者,針對台中市 (1,316筆)透天厝之不動產租賃進行資料結構分析。實價登錄資料為1,526筆(資料區間為基期至本期),經欄位及異常價格篩選、極端值篩選後,得1,316筆透天厝之不動產租賃資料;台中市透天厝租賃之單位價格最小值約為158元,最大值約為8,128元,平均數約為798元,以此類推,台中市透天厝租賃樣本之資料結構,整理如下表9所示
表9台中市透天厝之敘述統計表
自變數 |
個數 |
最小值 |
最大值 |
平均數 |
標準差 |
單位價格 |
1316 |
158 |
8128 |
798.23 |
685.017 |
屋齡 |
1316 |
1 |
68 |
33.22 |
15.904 |
建物租賃面積 |
1316 |
2 |
107 |
35.70 |
22.063 |
建物現況格局 |
1316 |
0 |
10 |
3.58 |
2.095 |
有無管理組織 |
1316 |
0 |
1 |
.07 |
.258 |
有無附設傢俱 |
1316 |
0 |
1 |
.66 |
.474 |
資料來源:本研究整理。
從台中市透天厝之資料結構觀察,多設仍有附設傢俱,惟管理組織設立情形不足一成,據此可了解台中市透天厝租賃之特徵資料結構分布情形。
(五)台南市
首先,針對台南市(5,058筆)標準住宅之不動產租賃進行資料結構分析(標準住宅包含:公寓、住宅大樓、套房、華廈)。實價登錄資料為6,327筆(資料區間為基期至本期),經欄位及異常價格篩選、極端值篩選後,得5,058筆標準住宅之不動產租賃資料;台南市標準住宅租賃之單位價格最小值約為111元,最大值約為6851元,平均數約為617元,以此類推,台南市標準住宅租賃樣本之資料結構,整理如下表10所示。
表10台南市標準住宅之敘述統計表
自變數 |
個數 |
最小值 |
最大值 |
平均數 |
標準差 |
單位價格 |
5058 |
111 |
6851 |
617.50 |
259.051 |
屋齡 |
5058 |
1 |
64 |
24.53 |
13.323 |
建物租賃面積 |
5058 |
2 |
107 |
25.69 |
14.304 |
建物現況格局 |
5058 |
0 |
10 |
2.09 |
.996 |
有無管理組織 |
5058 |
0 |
1 |
.82 |
.384 |
有無附設傢俱 |
5058 |
0 |
1 |
.88 |
.330 |
資料來源:本研究整理。
從台南市標準住宅之資料結構觀察,多數附有傢俱,且有八成設立管理組織,據此可了解台南市標準住宅之特徵資料結構分布情形。再者,針對台南市 (1,620筆)透天厝之不動產租賃進行資料結構分析。實價登錄資料為1,857筆(資料區間為基期至本期) ,經欄位及異常價格篩選、極端值篩選後,得1,620筆透天厝之不動產租賃資料;台南市透天厝租賃之單位價格最小值約為74元,最大值約為13,823元,平均數約為651元,以此類推,台南市透天厝租賃樣本之資料結構,整理如下表11所示。
表11台南市透天厝之敘述統計表
自變數 |
個數 |
最小值 |
最大值 |
平均數 |
標準差 |
單位價格 |
1620 |
74 |
13823 |
651.30 |
472.392 |
屋齡 |
1620 |
1 |
67 |
31.64 |
15.698 |
建物租賃面積 |
1620 |
3 |
114 |
35.02 |
21.988 |
建物現況格局 |
1620 |
0 |
10 |
3.75 |
1.969 |
有無管理組織 |
1620 |
0 |
1 |
.03 |
.164 |
有無附設傢俱 |
1620 |
0 |
1 |
.70 |
.458 |
資料來源:本研究整理。
從台南市透天厝之資料結構觀察,多設仍有附設傢俱,惟管理組織則較少設立情形,據此可了解台南市透天厝租賃之特徵資料結構分布形。
(六)高雄市
首先,針對高雄市(10,425筆)標準住宅之不動產租賃進行資料結構分析(標準住宅包含:公寓、住宅大樓、套房、華廈)。實價登錄資料為12,574筆(資料區間為基期至本期),經欄位及異常價格篩選、極端值篩選後,得10,425筆標準住宅之不動產租賃資料;高雄市標準住宅租賃之單位價格最小值約為97元,最大值約為6,052元,平均數約為640元,以此類推,高雄市標準住宅租賃樣本之資料結構,整理如下表12所示。
表12高雄市標準住宅之敘述統計表
自變數 |
個數 |
最小值 |
最大值 |
平均數 |
標準差 |
單位價格 |
10425 |
97 |
6052 |
640.65 |
272.700 |
屋齡 |
10425 |
1 |
67 |
22.55 |
15.168 |
建物租賃面積 |
10425 |
2 |
113 |
28.01 |
15.713 |
建物現況格局 |
10425 |
0 |
10 |
2.24 |
1.114 |
有無管理組織 |
10425 |
0 |
1 |
.77 |
.423 |
有無附設傢俱 |
10425 |
0 |
1 |
.85 |
.353 |
資料來源:本研究整理。
從高雄市標準住宅之資料結構觀察,多數附有傢俱,且過半數有設立管理組織,據此可了解高雄市標準住宅之特徵資料結構分布情形。針對高雄市(1,843筆)透天厝之不動產租賃進行資料結構分析。實價登錄資料為2,347筆(資料區間為基期至本期),經欄位及異常價格篩選、極端值篩選後,得1,843筆透天厝之不動產租賃資料;高雄市透天厝租賃之單位價格最小值約為95元,最大值約為5,544元,平均數約為831元,以此類推,高雄市透天厝租賃樣本之資料結構,整理如下表13所示。
表13高雄市透天厝之敘述統計表
自變數 |
個數 |
最小值 |
最大值 |
平均數 |
標準差 |
單位價格 |
1843 |
95 |
5544 |
831.23 |
591.600 |
屋齡 |
1843 |
1 |
70 |
36.46 |
16.273 |
建物租賃面積 |
1843 |
2 |
107 |
32.66 |
23.240 |
建物現況格局 |
1843 |
0 |
10 |
3.61 |
2.678 |
有無管理組織 |
1843 |
0 |
1 |
.02 |
.127 |
有無附設傢俱 |
1843 |
0 |
1 |
.54 |
.499 |
資料來源:本研究整理。
(一)台北市
本期共參考台北市783筆標準住宅、13筆透天厝之不動產租賃進行資料結構分析,以112年第二季基期為100,計算113年第二季之租金指數。
圖1 台北市標準住宅租金季指數
圖2 台北市透天厝租金季指數
(二)新北市
本期共參考新北市1,735筆標準住宅、28筆透天厝之不動產租賃進行資料結構分析,以112年第二季基期為100,計算113年第二季之租金指數。
圖3 新北市標準住宅租金季指數
圖4 新北市透天厝租金季指數
(三)桃園市
本期共參考桃園市1,913筆標準住宅、230筆透天厝之不動產租賃進行資料結構分析,以112年第二季基期為100,計算113年第二季之租金指數。
圖5 桃園市標準住宅租金季指數
圖6 桃園市透天厝租金季指數
(四)台中市
本期共參考台中市754筆標準住宅、79筆透天厝之不動產租賃進行資料結構分析,以112年第二季基期為100,計算113年第二季之租金指數。
圖7 台中市標準住宅租金季指數
圖8 台中市透天厝租金季指數
(五)台南市
本期共參考台南市415筆標準住宅、107筆透天厝之不動產租賃進行資料結構分析,以112年第二季基期為100,計算113年第二季之租金指數。
圖9 台南市標準住宅租金季指數
圖10 台南市透天厝租金季指數
(六)高雄市
本期共參考高雄市875筆標準住宅、159筆透天厝之不動產租賃進行資料結構分析,以112年第二季基期為100,計算113年第二季之租金指數。
圖11 高雄市標準住宅租金季指數
圖12 高雄市透天厝租金季指數
目前進度為113年第二季租金指數編製成果,本期編製成果,已完成台北市、新北市、桃園市、台中市、台南市、高雄市113年第二季(4-6月)租金指數。從結果趨勢顯示,本期六都指數多呈穩漲趨勢,北部持續維持穩漲,上一期呈下跌狀態的中南部,本期指數皆回穩,首先從上一期(113年第一季)觀察台北市(107.30)、新北市(107.47)、桃園市(109.33)等租金指數,價格與之(112年第四季)相比為上漲趨勢。再從本期(113年第二季)租金指數觀察,則呈現出北部(台北市(109.50)、新北市(118.35)、桃園市 (101.41))指數皆持續上漲,推測為房屋政策 (租金補貼、租金凍結政策),雖減輕了租戶負擔,但未能遏制租金上漲的根本原因。
因此,房東預期未來租金會進一步上漲,提前提高租金。而中南部地區台中市、台南市、高雄市在113年第二季開始回穩,推測為第二季的政策,租賃住宅登記系統和私人部門參與計畫,增加了市場透明度和住房供應預期,房東提高租金以適應新政策的實施;而能否持續穩漲,須待觀察下一期租金指數變化。
後續擬進行社會住宅租賃樣本及一般住宅租賃樣本的取用比例拆分計算,如以7/3或9/1等,以觀察租金指數的變化,並了解社會住宅包租代管對於租賃市場的影響。
持續搜集不動產租賃交易樣本,建置實價登錄不動產租賃資料庫,分析季指數走勢圖漲幅說明,以及分析591租金市場趨勢走勢圖漲幅說明。為配合實價登錄資料公開期限,待下一期(113年第三季)資料公布後,繼續進行指數建置、趨勢分析及租賃案例檢驗。