大量估價運用於公部門不動產稅率評估以及不動產相關交易市場之價格推估及貸款鑑價，利用統計方法建構不動產估價模型，可以有效降低個別估價所需耗費之人力及時間等估價成本，獲得系統性且客觀之合理預估價格。
在建構估價模型中最重要的即是資料來源及模型估價之準確度，本研究使用內政部實價登錄之不動產交易資訊取得不動產交易價格及其特徵項目，並由政府相關資料公開平台、國家災害防救科技中心與台北市統計資料查詢系統等公開資料集，收集相關區位特徵、災害特徵、社會特徵及總體特徵數據，評估其對不動產交易價格之影響；此外，國內外文獻大多透過單一估價方式進行模型建立，本研究除了使用複迴歸模型及類神經網路建立估價模型外，進一步透過兩個單一估價模型建構兩種二階段整合模型，以期提升大量估價之準確度。
台北市近年不斷提出東西軸線翻轉之議題，普遍認為東西區發展不均，不動產平均交易價格亦有所差異；另外，內政部近期積極推動都市危險及老舊建築物重建之政策，本研究藉由實價登錄取得台北市東西兩區在2016 年5 月至2018 年3 月之不動產交易資料，並以台北市住宅類型占比率最高達47.08%的最不易都更之公寓類型不動產作為研究對象，探討東西區不動產交易價格是否確實有差異，以及影響交易價格之特徵是否因區位而有所不同，並透過不動產特徵建構估價模型，以期提供未來公寓不動產重建估價之參考。
實證結果顯示，台北市東西兩區公寓類型交易價格無顯著差異，且影響公寓交易價格之重要因素皆以土地持分移轉面積、建物移轉總面積及壯年人口比例為影響程度最高。此外，透過平均絕對百分比誤差(MAPE)及命中率(hit-rate)量化指標評估四種模型之估價能力，四種估價模型之MAPE 皆介於20~50%之間，具有良好之估價能力。

Mass appraisals are adopted by the public sector for real property tax ratings as
well as the pricing and loan appraisal in the real estate market. The human and time costs of certain appraisals are expected to be reduced by utilizing etatistical methods to build a real property valuation model, which can produce a systematic, subjective estimated price in line with the realities of the market.
The source of data and the accuracy of valuation are two most important aspects
in terms of designing a valuation model, hence this study gains property transaction prices and characteristic items from the information platform for actual prices provided by the Department of Land Administration. The Government Open Database, the National Science and Technology Center for Disaster Reduction
Database, the Taipei City Statistical Data Search Engine and other open data
platforms were used to collect data, including location, disaster, social and general characteristics whose influences over real property prices are analyzed. The domestically and internationally produced studies adopted a single valuation method in its model design, in contrast, this study not only uses Linear Regression Model and Multilayer Perceptron to build valuation models, moreover, it constructs two types of second-stage integrated models based on the two single models, an approach which will increase the accuracy of mass appraisals.
In recent years the issue of unbalanced development in the eastern and western
parts of the city of Taipei city has been widely discussed, so has the difference of average real property transaction prices in the two districts. Therefore, this study utilizes the real property transaction data from May 2016 to March 2018 in the eastern and western districts of Taipei as recorded faithfully on the platform to study the apartment buildings which account for 47.08 % of housing in Taipei in an effort to explore whether price variation actually exists in the districts, and to understand whether the influencing factors work differently over transaction prices in different locations, as well as to construct a valuation model based on real property characteristics.
It can be concluded from the results that there is no significant variation in the apartment transaction prices in the two districts of Taipei, and among the important factors affecting apartment transaction prices, the area of shared land transferred, the total area of building transferred and working population ratio are ranked as the most influential. Moreover, the valuation capability of the four models is analyzed by using Mean Absolute Percentage Error (MAPE) and hit-rate and other quantitative indices. The MAPE of the four models are between 20%~50%, showing good accuracy of valuation.

1. 毛麗琴(2009)，房屋價格預測模型分析—以高雄市區為例，商業現代化學刊，
5 卷1 期，31- 42。
2. 王日楠(2015)，台灣人口特性與住宅地價之關係，逢甲大學土地管理學系碩
士論文。
3. 王俊仁(2008)，特徵價格法在住宅價格之應用探討，台灣科技大學營建工程
系碩士論文。
4. 王聖元(2017)，探討土壤液化土壤液化對於房屋買賣成交價格之影響–以臺
北市為例，中央大學產業經濟研究所在職專班碩士論文。
5. 艾兆蕾(2005)， 影響住宅區地價因素之空間分析—以鄉鎮與縣市為例，世新
大學經濟學研究所碩士論文
6. 吳瑞(2012)，以多層次的觀點探討地區人口屬性對住宅價格之影響－以臺中
市中古屋市場為例，逢甲大學土地管理所碩士論文。
7. 宋育瑋(2012)，影響彰化市房屋價格之因素-應用特徵價格法，明道大學產業
創新與經營學系碩士論文。
8. 李佳璋(2004)，重劃區住宅價格之調查研究—以台南市虎尾寮及鄭子寮為例，
長榮大學土地管理與開發研究所碩士論文。
9. 李春長、童作君(2010)，住宅特徵價格模型之多層次分析，台灣大學經濟學
系經濟論文叢刊，6 月，38(2)，289-325。
10. 李家豪(2003)，洪災對住宅價格之影響：特徵價格法之應用，國立臺北大學
都市計劃研究所碩士論文。
11. 林佩勳(2014)，多重災害潛勢對房地產交易價格影響-以台中都會區為例，成
功大學都市計畫研究所碩士論文。
12. 林俊全(2011)，台北盆地的地形、地質與災害，地景保育通訊 ； 33 期，P11
- 17。
13. 林建亨(2008)，南科對房地產價格之影響－特徵價格法之應用，成功大學都
市計畫研究所碩士論文。
14. 林秋瑾、楊宗憲、張金鶚(1996)，住宅價格指數之研究─以台北市為例，《住
宅學報》，第 4 期，pp1-30。
15. 林祖嘉、林素菁(1993)，台灣地區環境品質與公共設施對房價與房租影響之
分析，住宅學報，1，21-45。
16. 林惠敏(2016)，不動產實價登錄資料結合複迴歸分析法的台灣房價估算模型
之研究，實踐大學資訊科技與管理學系碩士論文。
17. 花敬群(2010)，電腦大量估價模型於實務應用之探討，金融聯合徵信雙月刊，
第12 期，27-36。
83
18. 邵曰仁、黃志勝、黃麟翔、林彥廷、郭騰隆(2007)，整合二階段類神經網路
建模之應用研究-以體脂肪為例，輔仁大學統計資訊學系畢業專題。
19. 孫珮齊(2015)，住宅價格分量與住宅特徵關係之研究─以臺中市透天市場為
例，逢甲大學土地管理研究所碩士論文。
20. 翁千喻(2011)，捷運運輸系統對台北市房屋價格的影響，淡江大學碩士論文。
21. 袁慧琳(2009)，公園對地價影響之研究-以羅東鎮為例，中國文化大學都市計
畫研究所碩士論文。
22. 高明志(1997)，類神經網路應用於房地產估價之研究，國立政治大學地政研
究所碩士論文。
23. 康哲維(2012)，台灣南北房市發展與區域發展不均之探討，中山財管所碩士
論文。
24. 張金鶚(1996)，房地產投資與決策分析－理論與實務，華泰書局。
25. 張金鶚(2001)，台北市合理房價—需求面分析，行政院國家科學委員會研究
計畫。
26. 張金鶚、林秋瑾、楊宗憲(1995)，台灣地區住宅價格指數之研究，經建會研
究計劃。
27. 許文昌(2005)，不動產估價實務，高點文化事業有限公司。
28. 陳乃維(2017)，土壤液化對於房地產價格之影響－以高雄市為例，國立中山
大學國際經營管理碩士論文。
29. 陳力維(2001)，台灣房地產價格變動因素之研究，淡江大學財務金融研究所
碩士論文。
30. 陳佳文(2008)，洪災風險對不動產價格的影響-應用條件價格法，國立臺北大
學不動產與城鄉環境學系碩士論文。
31. 陳尚珉(20112)，應用特徵價格法探討中部科學園區對周邊住宅價格之影響，
東海大學經濟系碩士論文。
32. 陳幸宜(2004)，都市房價變動影響因素之系統動態模擬—台北市之實證研究，
國立成功大學都市計劃學系碩博士班論文。
33. 陳明吉(1989)，房地產價格變動因素及影響之研究，國立政治大學地政研究
所碩士論文。
34. 陳姿甄(2013)，高雄捷運系統與住宅屬性對住宅房屋價格影響之研究，南華
大學財務金融學系財務管理碩士論文。
35. 陳銘鴻(2002)，土壤液化成因、災害與復建，臺灣之活動斷層與地震災害研
討會，第107－123 頁。
36. 彭建文、蔡怡純(2013)，人口結構變遷對房價影響分析，行政院國家科學委
員會研究計畫。
37. 黃于祐(2008)，台北市房價影響因素之空間分析-地理加權迴歸方法之應用，
台北大學都市計畫研究所碩士論文。
84
38. 黃得殷(2011)，房價影響因子之研究－以新板橋車站特定專用區為例，逢甲
大學都市計畫所碩士論文。
39. 黃瓊如(2007)，台南市不動產價格因素之研究—特徵價格法之應用，屏東科
技大學財務金融研究所碩士論文。
40. 楊重信(2008)，洪災防治之效益－以基隆河整治爲例，臺灣經濟預測與政策 ；
39 卷1 期 ， P33 - 67。
41. 蔡育芸(2015)，應用分量迴歸探討人口結構與建物特徵對住宅市場價格之影
響-以臺中市透天成屋市場為例，逢甲大學土地管理學系碩士論文。
42. 魏如龍(2003)，類神經網路於不動產價格預估效果之研究，國立政治大學地
政研究所碩士論文。
43. 羅天一(2001)房價相關因素探討及五大都會區房價差異，台灣地理資訊學會
研討會。
44. 蘇奕銘(2016)，應用MLP、RBF 及DNN 類神經網路方法於中文母音辨識，中興
大學統計學研究所碩士論文。
45. 龔永香、江穎慧、張金鶚(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: 2。
46. 龔恒永(2010)，影響住宅價格因素之探討－以高雄市住宅大樓為例，屏東科
技大學財務金融研究所碩士論文。
47. Di Pasquale, D. & Wheaton, W. C. (1996), Urban Economics and Real
Estate Markets, Englewood Cliffs, NJ: Prentice Hall.
48. Fisher, J. D., Smith, B. C., Stern, J., and Webb, R. B.
(2006),Analysis of economic depreciation for multi-family propty,
Journal of Real Estate Research, 27(4): 1-24.
49. Gao and Asami(2001),The External Effects of Local Attributes on
Living Environment in Detached Residential Blocks in Tokyo, Urban
Studies, vol. 38, issue 3, 487-505
50. Lancaster, K. J. (1966), A new approach to consumer theory,
Journal of Political Economy, 74(2), 132-157.
51. Mankiw, G.N. and Weil, D.N. (1989), The Baby Boom, the Baby Bust
and the Housing Market, Regional Science and Urban Economics, 19,
235-258.
52. Mcgreal.S,Adair.A, Mcburney.D and Patterson.D,(1998),Neural
Network：the prediction of residential values ,Journal of Property
Valuation ＆ Investment , Vol.16 ,No.1 , pp57-70.
53. Morancho(2003), A hedonic valuation of urban green areas.
Landscape Urban Plan", 66, 35-41.
85
54. Rosen, K. T. (1979), A Regional Model of Multi-family Housing
Starts, Journal of the American Real Estate and Urban Economics
Association, 7:1, 63-76.
55. Sirmans, G. S., Macpherson, D. A., and Zietz, E. N. (2005), The
composition of hedonic pricing
models, Journal of Real Estate Literature, 13(1): 3-44.
56. Soderberg, B. (2002),A note on the hedonic model specification for
income properties, In: Real Estate Valuation Theory, Wang, K. and
Wolverton, M. L.(ed.), Boston: Kluwer, 157-180.
57. Stull, W.J.(1970),Community Environment ,Zoning ,and the Market
Value of Single Family Home, Journal of Law and
Economic,18,pp.535-557.