Loading...
|
Please use this identifier to cite or link to this item:
https://nccur.lib.nccu.edu.tw/handle/140.119/124921
|
| Title: | 以網路搜尋點擊次數分析臺北市租屋市場之租金
Analyzing the rents of rental market in Taipei by the number of visits on the website platform |
| Authors: | 劉敏
Liu, Min |
| Contributors: | 林左裕
劉敏
Liu, Min |
| Keywords: | 平均點擊次數
租金
搜尋行為
網路大數據
Average visiting numbers
Rent
Searching behavior
Big data |
| Date: | 2019 |
| Issue Date: | 2019-08-07 16:45:09 (UTC+8) |
| Abstract: | 不動產市場與國民的生活息息相關，然而過去研究主要著重於房價之探討與預測，對租金市場之討論較為缺乏，惟現今台灣租屋市場規模已不容忽視，需要社會之關注。此外，過去在進行不動產市場分析時，一般多依據過去落後之統計資訊分析經濟活動，該類資料通常缺乏即時性，無法完全反映不動產市場趨勢。惟現今全世界邁入網路世代，人們進行消費決策前經常會透過網路進行市場資訊之搜尋，且過去便已經有文獻指出透過在模型中納入網路搜尋指標能夠增進對房屋交易價格與成交量的預測能力。故本研究欲探討平均點擊次數與租金之關聯，以及平均點擊資料是否能夠作為租金之領先指標。
本研究之資料為臺北市十二個行政區自2013年至2017年四種租屋類型的租金與租屋網平均點擊次數資料，共960筆資料，採用追蹤資料固定效果模型進行分析。研究結果顯示平均點擊次數與租金有正向顯著的關係，且平均點擊次數可以作為租金之領先指標。另外，實證結果亦顯示，平均點擊次數所建立之搜尋指標領先程度在整層住家與套房有所不同。綜上所述，納入搜尋指標之租金模型能使政府透過觀察平均點擊次數的變化，提前發現租金之潛在變動趨勢，使政府能夠更有效率的監控租金市場潛在動向、因應租屋市場的變化。
Real estate market is closely related to people’s life. In the past, previous research was mainly focused on the discussion and forecast of housing prices, only a few papers paid attention to the rental market. However, the scale of the rental housing market in Taiwan has gradually expanded over time, which needed the attention from the society. In addition, researchers usually use outdated statistical data while conducting research related to real estate economic activities in the past. However, with the worldwide progress of technology, consumers often search for information through the Internet before making decisions. In addition, there have been reports pointed out that by adding in online searching indicators in the model can improve the ability to predict housing price and the amount of transaction in the real estate market. Therefore, this study is to discuss the relationship between the average visiting numbers of the rental housing platform and the rent, and whether the average visiting numbers could be used as a leading indicator of the rent.
By using the average visiting numbers data of Taipei City’s 12 administrative districts from 2013 to 2017 to analyze housing rent with fixed effect model. The result shows that the average visiting numbers have a positive relationship with the rent, and the average visiting numbers can be used as a leading indicator of the rent. In addition, the empirical results also demonstrate that the searching period’s difference between common residence and suite. In conclusion, by adding online searching indicator in the model can improve the ability of forecasting the trend of housing rent, and enable the government to monitor the rental housing market and also react faster to the change of the rental housing market. |
| Reference: | 一、中文文獻
台灣勞工陣線，2018，「六都基本工資租屋能力及居住環境調查」
平安，2016，「華人地區不動產稅制與房價關係分析-以臺北、香港、新加坡、上海為例」，國立臺北大學不動產與城鄉環境學系研究所學位論文。
李馨平與劉代洋，1999，「租賃住宅市場租金之影響因素」，『中華管理評論』，2（1）：1-6。
林祖嘉，1989，「美國房租與房價關係之實證研究」，『政治大學學報』，60： 137-153。
林左裕，2019，「應用網路搜尋行為預測房地產市場」，『應用經濟論叢』，已接受。
林左裕與程于方，2014，「影響不動產市場之從眾行為與總體經濟因素之研究」，『應用經濟論叢』，95：61-99。
林建甫，2010，「總體經濟計量模型的建立與應用」，『經濟論文叢刊』，38:1，1-64。
林筱真，2016，「新聞媒體情緒對於房價之影響」，國立政治大學地政學系研究所學位論文。
周美伶與張金鶚，2005，「購屋搜尋期間影響因素之研究」，『管理評論』，24（1）：133-150。
周美伶，2005，「先前租買經驗對自住者購屋搜尋行為之影響－存活分析之應用」，『住宅學報』，14（1）：21-39。
吳森田，1994，「所得、貨幣與房價－近二十年臺北地區的觀察」，『住宅學報』，2： 49-65。
陳健彬，2013，「亞洲地區房價與租金關係之研究」，國立高雄師範大學事業經營學系研究所學位論文。
陳立文、張濤、崔偉偉，2016，「公租房租金定價影響因素的評價研究」，『價格月刊』，6： 7-11。
黃智聰、梁儀盈（合譯），2013，計量經濟學（原作者：Carter Hill, R., Griffiths W. E., Lim G. C.），臺北市：雙葉書廊有限公司。（原著出版年：2011）
張金鶚、陳明吉、鄧筱蓉、楊智元，2009，「臺北市房價泡沫知多少？—房價vs.租金、房價vs.所得」，『住宅學報』，18（2）： 1-22。
張誌文，2011，「影響房地產價格之總體因素分析」，國立臺灣大學經濟學研究所學位論文。
張紹勳，2016，「Panel-data迴歸模型- Stata在廣義時間序列的應用」，五南圖書出版股份有限公司。
曾建穎、張金鶚、花敬群，2005，「不同空間、時間住宅租金與其房價關聯性之研究－臺北地區之實證現象分析」，『住宅學報』，14（2）： 27-49。
彭建文與張金鶚，2000，「預期景氣與宣告效果對房地產景氣影響之研究」，『管理學報』，17（2）：343-368。
彭建文，2004，「台灣出租住宅市場與自有住宅市場價格調整關係之研究」，『都市與計劃』，31（4） 391-412。
廖則俊、陶蓓麗、陳志成，2005，「網路資訊搜尋行為之整合模式：以心理動機、資訊處理及資訊經濟理論為基礎之研究」，『資訊管理學報』，12（3）： 223-245。
鄭敏珠，2004，「我國地方稅欠稅問題之實證研究」，逢甲大學會計與財稅研究所學位論文。
鄭娟爾，2009，「基于Panel Data 模型的土地供應量對房價的影響研究」，『中國土地科學』，23（4）： 28-33。
簡嘉嫺，2018，「住宅租屋市場預警系統之研究」，國立政治大學地政學系研究所學位論文。
盧方元與魯敏，2009，「中國農村居民消費结購的Panel Data模型分析」，『數理統計與管理』，28（1）： 122-127。
譚術魁與李雅楠，2013，「基于Panel Data模型的中國土地市場發育區域差異及其對房價的影響」，『中國土地科學』，27（2）： 9-15。
二、英文文獻
Althouse, B. M., Ng, Y. Y. and Cummings, D. A. T., 2011, "Prediction of Dengue Incidence Using Search Query Surveillance", PLoS Negl Trop Dis 5（8）： e1258.
Aoki, K., Proudman, J. and Vlieghe, G., 2004, "House Prices, Consumption, and Monetary Policy： a Financial Accelerator Approach", Journal of Financial Intermediation, 13（4）：414–435.
Babalola, S. J., Umar, A.I. and Sulaiman, L. A., 2013, "An Economic Analysis of Determinants of House Rents in the University Environment", European Scientific Journal, 9（19）： 99–111.
Baltagi, B, H. , 2005, "Econometric Analysis of Panel Data",3rd ed., John Wiley & Sons Inc, p.1-9
Beatty, S. E. and Smith, S. M., 1987, "External Search Effort： An Investigation Across Several Product Categories", Journal of Consumer Research, 14（1）： 83-95.
Beltratti, A. and Morana, C., 2010, " International House Prices and Macroeconomic Fluctuations", Journal of Banking and Finance,34（3）：533-545.
Campos, J., Ericsson N. R., and Hendry D. F., 2005, " General-to-specific Modeling: An Overview and Selected Bibliography", FRB International Finance Discussion Paper, 838.
Cornin, F. J., 1982, "The Efficiency of Housing Search", Southern Economic Journal, 48（4）： 1016-1030.
Choi, H. and Varian, H., 2012, "Predicting the Present with Google Trends", The Economic Record, 88（S1）： 2-9.
Chia, C. and Lin, S., 1993, "The Relationship Between Rents and Prices of Owner-Occupied Housing in Taiwan", Journal of Real Estate Finance and Economics, 6（1）： 25-54.
Darrat, A. F. and Glasock, J. L., 1993, "On the Real Estate Market Efficiency", Journal of Real Estate Finance and Economics, 7（1）： 55-72.
Demchenko, Y., Grosso, P., De Latt C. and Membrey P., 2013, "Addressing Big Data Issues in Scientific Data Infrastructure",in First International Symposium on Big Data and Data Analytics in Collaboration （BDDAC 2013）. Part of The 2013 Int. Conf. on Collaboration Technologies and Systems （CTS 2013）, May 20-24, 2013, San Diego, California, USA.
Erevelles, S., Fukawa, N. and Swayne L., 2016, " Big Data Consumer Analytics and the Transformation of Marketing", Journal of Business Research, 69 （2）： 897–904.
Ettredge, M., Gerdes, J. and Karuga, G., 2005, " Using Web-based Search Data to Predict Macroeconomic Statistics", Communications of the ACM, 48（11）： 87–92.
Feng, G., Gao, J., Peng, B. and Zhang, X., 2017, " A Varying-coefficient Panel Data Model with Fixed Effects： Theory and an Application to US Commercial Banks", Journal of Econometrics, 196（1）： 68–82.
Follain J.R.& Malpezzi S., 1980, "Dissecting Housing Value and Rent. ", Washington DC: The Urban Institute.
Gallin, J., 2008, " The Long-Run Relationship Between House Prices and Rents", Real Estate Economic, 36 （4）： 635–658.
Goel, S., Hofman, J. M., Lahaie, S., Pennock, D. M. and Watts, D. J., 2010, " Predicting Consumer Behavior with Web Search", PNAS 107（41）.
Goodhart, C. and Hofmann, B., 2008, " House Prices, Money, Credit and the Macroeconomy", Oxford Review of Economic Policy, 24 （1）： 180–205.
Leung, K. M. and Yiu, C. Y., 2018, " Rent determinants of sub‑divided units in Hong Kong", Journal of Housing and the Built Environment.
McLaren, N. and Schanbhogue, R., 2011, " Using Internet Search Data as Economic Indicators", Bank of England Quarterly Bulletin, 51（2）： 134-140.
McCue, T. E. and Kling, J. L., 1994, " Real Estate Returns and the Macroeconomy： Some Empirical Evidence from Real Estate Investment Trust Data, 1972-1991", The Journal of Real Estate Research, 9 （3）： 277-287.
Nelson, P., 1970, " Information and Consumer Behavior", Journal of Political Economy, 78 （2）： 311-329.
Niu, S., Ding, Y., Niu, Y., Li, Y. and Luo, G., 2011, " Economic Growth, Energy Conservation and Emissions Reduction： A Comparative Analysis Based on Panel Data for 8 Asian-Pacific Countries", Energy Policy, 39（4）： 2121-2131.
Potepan, M. J., 1996, " Explaining Intermetropolitan Variation in Housing Prices, Rents and Land Prices", Real Estate Economics, 24 （2）： 219-245.
Rae, A., 2015, " Online Housing Search and the Geography of Submarkets", Housing Studies, 30 （3）： 453-472.
Stigler, G. J., 1961, " The Economics of Information", Journal of Political Economy, 69 （3）： 213-225.
Vosen, S. and Schmidt, T., 2011, " Forecasting Private Consumption： Survey-Based Indicators vs. Google Trends", Journal of Forecasting, 30（6）：565–578.
Wu, L. and Brynjolfsson, E., 2015, " The Future of Prediction： How Google Searches Foreshadow Housing Prices and Sales", Economic Analysis of the Digital Economy,1st ed., National Bureau of Economic Research Conference Report, 89 – 118. |
| Description: | 碩士
國立政治大學
地政學系
106257004 |
| Source URI: | http://thesis.lib.nccu.edu.tw/record/#G0106257004 |
| Data Type: | thesis |
| DOI: | 10.6814/NCCU201900568 |
| Appears in Collections: | [地政學系] 學位論文
|
Files in This Item:
| File |
Size | Format | |
|---|
| 700401.pdf | 1593Kb | Adobe PDF2 | 176 | View/Open |
|
All items in 政大典藏 are protected by copyright, with all rights reserved.
|
