壹前言一研究動機根據 10 月 7 號公共電視, 看見心觀點的報導, 在二十五年前的 8 月 26 日, 就已經有民眾發起無殼蝸牛運動, 號召了大約五萬人夜宿忠孝東路, 抗議高房價 ; 二十五年後的今日, 實質薪資倒退了 16 年, 房價較二十五年錢平均上漲了 3.3 倍, 台北市的房價所

Size: px

Start display at page:

Download "壹前言一研究動機根據 10 月 7 號公共電視, 看見心觀點的報導, 在二十五年前的 8 月 26 日, 就已經有民眾發起無殼蝸牛運動, 號召了大約五萬人夜宿忠孝東路, 抗議高房價 ; 二十五年後的今日, 實質薪資倒退了 16 年, 房價較二十五年錢平均上漲了 3.3 倍, 台北市的房價所"

警臧
7 years ago
Views:

1 投稿類別 : 史地類篇名 : 地區人口密度與區域房價變化趨勢分析以台灣與上海為例作者 : 宋威運成功高中高三 7 班陳庭毅成功高中高三 7 班指導老師 : 鄭忍嬌老師

2 壹前言一研究動機根據 10 月 7 號公共電視, 看見心觀點的報導, 在二十五年前的 8 月 26 日, 就已經有民眾發起無殼蝸牛運動, 號召了大約五萬人夜宿忠孝東路, 抗議高房價 ; 二十五年後的今日, 實質薪資倒退了 16 年, 房價較二十五年錢平均上漲了 3.3 倍, 台北市的房價所得比更高達 14.6 倍, 想要擁有一間房子卻得不吃不喝 15 年無怪乎在 2014 年 10 月 4 日, 又有公民團體聯合發起了巢運, 提出五大訴求, 佔據仁愛路三段, 帝寶前的廣場, 夜宿帝寶以表示抗議隨著 10 月 6 號即將到來的世界人居日, 更凸顯了此次運動的價值及訴求從上述報導可以知道, 高房價, 低所得, 是現在社會大眾時常討論的熱門話題, 有人民團體上街抗議也是常有的事居住是我們往後生活所必須面對的最大筆的開銷, 房價議題與未來的我們切身相關, 因此也引起我們的興趣, 使我們想去探求房價上漲究竟是和什麼有關聯性就供需法則的角度來說, 一樣物品的需求量增加, 它的價格也會跟著上升, 這個概念可以用來解釋以下兩個現象 : 第一是假設社會增加率不變的情況下, 由於現代醫療技術進步, 死亡率大幅下降, 出生率卻僅僅是緩緩的減少, 生活空間勢必日漸擁擠, 想要在這進步的都市裡有個舒適溫暖的住處, 勢必日漸困難好比環境負載力, 一個區域面積所能負擔的人口數量必然有其上限人口數量無限制的增加而土地面積卻有其限制, 伴隨而來的即是人與人之間生活處所的競爭, 而這競爭的媒介便是依賴金錢, 也就導致房價的成長第二是假設自然增加率不變的情況下, 人為了追求更為便利舒適的生活環境, 必然會藉由遷徙來滿足自己物質生活的渴求, 最能說明這種現象的例子就好比中國大陸的盲流, 抑或是像早期台灣, 由鄉村移往都市的過程這種現象會導致某一地區社會增加率驟然上升, 居住空間也隨之被壓縮, 而房價就在這種狀況之下理所當然的逐年增加有了這樣的想法以及概念之後, 我們決定由最為單純的市場機制切入, 探討房價變化與人口密度之間的相關聯性而我們之所以選擇台北和上海, 是因為台北是台灣的首都, 且台北從 19 世紀, 清領後期就開始有了工業革命之後的交通工具和設備, 經歷了日治時期的進 1

3 步國民政府遷台, 到現在 21 世紀, 現代化歷史悠久, 已經是一個頗具規模的大都市另外, 為了增加國際視野, 我們又選擇了另外一個非台灣的都市做為比較上海是我們認為不錯的例子, 因為上海也是一個在 18 世紀就對外開放, 接受西化的城市兩者都同樣在發展上經歷繁榮與挫折, 而且同屬中華文化的代表性都市因此我們認為台北和上海, 在文化背景經濟發展情況, 差異性並不大, 是個很好用來做比較的例子二研究目的在過去的文獻中, 可以發現有不少是在探討台灣的人口分布變遷, 也有不少的文獻是在探討房價成長的因素, 而並無兩者相互對照的相關資料所以我們想藉由這些人口數據探討歸納出房價與人口之間是否存在著關聯性三研究方法廣泛閱讀書籍以及網路資料從中汲取必要的資訊, 找出通則貳正文一台北市人口資訊 ( 人口數戶數人口密度 ) ( 一 ) 松山區 ( 面積 : 平方公里 )( 詳見表一 ) 由表一中得知, 松山區在 95 年的人口密度為 22,491, 戶數為 75,405, 房價為 50.2 萬 / 坪 99 年的人口密度為 22,410, 戶數為 77,646, 房價為 87.0 萬 / 坪 103 年的人口密度為 22,672, 戶數為 79,838, 但是我們暫時無法得知同一年的房價情形, 因此以 101 年的 89.5 萬 / 坪代替可見, 人口密度上升而房價也上升另外也可以觀察到戶數的上升表一 : 松山區人口資訊人口數 ( 人 ) 205, , , ,578 戶數 ( 戶 ) 71,339 75,405 77,646 79,838 人口密度 22,093 22,491 22,410 22,672 房價 ( 萬元 / 坪 ) X (101 年 ) ( 二 ) 信義區 ( 面積 : 平方公里 ) ( 詳見表二 ) 2

4 由表二中得知, 信義區在 95 年的人口密度為 20,609, 戶數為 84,656, 房價為 58.1 萬 / 坪 99 年的人口密度為 20,017, 戶數為 85,516, 房價為 95.1 萬 / 坪 103 年的人口密度為 20,402, 戶數為 88,485, 但是我們暫時無法得知同一年的房價情形, 因此以 101 年的萬 / 坪代替可見, 人口密度有緩降也有緩升, 房價卻漲得很不科學而戶數持續上升表二 : 信義區人口資訊人口數 ( 人 ) 237, , , ,662 戶數 ( 戶 ) 83,232 84,656 85,516 88,485 人口密度 21,178 20,609 20,017 20,402 房價 ( 萬元 / 坪 ) X (101 年 ) ( 三 ) 大安區 ( 面積 : 平方公里 ) ( 詳見表三 ) 由表三中得知, 大安區在 95 年的人口密度為 27,647, 戶數為 113,417, 房價為 63.3 萬 / 坪 99 年的人口密度為 27,609, 戶數為 116,365, 房價為萬 / 坪 103 年的人口密度為 27,372, 戶數為 119,491, 但是我們暫時無法得知同一年的房價情形, 因此以 101 年的萬 / 坪代替可見, 人口密度緩降, 房價卻漲得很不科學而戶數持續上升表三 : 大安區人口資訊人口數 ( 人 ) 315, , , ,992 戶數 ( 戶 ) 111, , , ,491 人口密度 27,805 27,647 27,609 27,372 房價 ( 萬元 / 坪 ) X (101 年 ) ( 四 ) 中山區 ( 面積 : 平方公里 ) ( 詳見表四 ) 由表四中得知, 中山區在 95 年的人口密度為 15,949, 戶數為 86,216, 房價為 50.2 萬 / 坪 99 年的人口密度為 15,971, 戶數為 90,999, 房價為 75.0 萬 / 坪 103 年的人口密度為 16,733, 戶數為 97,290, 但是我們暫時無法得知同一年的房價情形, 因此以 101 年的 82.6 萬 / 坪代替可見, 人口密度逐年上升, 房價亦如此而戶數持續上升表四 : 中山區人口資訊 3

5 人口數 ( 人 ) 216, , , ,947 戶數 ( 戶 ) 81,470 86,216 90,999 97,290 人口密度 15,849 15,949 15,971 16,733 房價 ( 萬元 / 坪 ) X (101 年 ) ( 五 ) 中正區 ( 面積 : 平方公里 ) ( 詳見表五 ) 由表五中得知, 中正區在 95 年的人口密度為 20,849, 戶數為 59,302, 房價為 52.1 萬 / 坪 99 年的人口密度為 20,908, 戶數為 61,918, 房價為 90.1 萬 / 坪 103 年的人口密度為 21,487, 戶數為 64,692, 但是我們暫時無法得知同一年的房價情形, 因此以 101 年的 92.1 萬 / 坪代替可見, 人口密度有上升也有下降, 房價卻不斷上漲而戶數持續上升表五 : 中正區人口資訊人口數 ( 人 ) 162, , , ,457 戶數 ( 戶 ) 58,425 59,302 61,918 64,692 人口密度 21,304 20,849 20,908 21,487 房價 ( 萬元 / 坪 ) X (101 年 ) ( 六 ) 大同區 ( 面積 : 平方公里 ) ( 詳見表六 ) 由表六中得知, 大同區在 95 年的人口密度為 22,354, 戶數為 45,215, 房價為 35.7 萬 / 坪 99 年的人口密度為 21,756, 戶數為 46,893, 房價為 55.6 萬 / 坪 103 年的人口密度為 22,907, 戶數為 50,657, 但是我們暫時無法得知同一年的房價情形, 因此以 101 年的 57.5 萬 / 坪代替可見, 人口密度有上升也有下降, 房價卻不斷上漲而戶數持續上升表六 : 大同區人口資訊人口數 ( 人 ) 131, , , ,149 戶數 ( 戶 ) 43,682 45,215 46,893 50,657 人口密度 23,098 22,354 21,756 22,907 房價 ( 萬元 / 坪 ) X (101 年 ) ( 七 ) 萬華區 ( 面積 : 平方公里 ) ( 詳見表七 ) 4

6 由表七中得知, 萬華區在 95 年的人口密度為 21,950, 戶數為 71,877, 房價為 37.1 萬 / 坪 99 年的人口密度為 21,185, 戶數為 73,557, 房價為萬 / 坪 103 年的人口密度為 21,849, 戶數為 77,291, 但是我們暫時無法得知同一年的房價情形, 因此以 101 年的 54.3 萬 / 坪代替可見, 人口密度逐年下降直到 99 年, 房價則是逐年上升直至 101 年而戶數持續增加表七 : 萬華區人口資訊人口數 ( 人 ) 203, , , ,416 戶數 ( 戶 ) 70,679 71,877 73,557 77,291 人口密度 22,968 21,950 21,185 21,849 房價 ( 萬元 / 坪 ) X (101 年 ) ( 八 ) 文山區 ( 面積 : 平方公里 ) ( 詳見表八 ) 由表八中得知, 文山區在 95 年的人口密度為 8,262, 戶數為 92,553, 房價為 33.1 萬 / 坪 99 年的人口密度為 8,276, 戶數為 96,372, 房價為 46.4 萬 / 坪 103 年的人口密度為 8,628, 戶數為 102,059, 但是我們暫時無法得知同一年的房價情形, 因此以 101 年的 52.0 萬 / 坪代替可見, 人口密度逐年上升, 房價也隨之上升也可以觀察到戶數持續的上升表八 : 文山區人口資訊人口數 ( 人 ) 255, , , ,876 戶數 ( 戶 ) 87,884 92,553 96, ,059 人口密度 8,104 8,262 8,276 8,628 房價 ( 萬元 / 坪 ) X (101 年 ) ( 九 ) 南港區 ( 面積 : 平方公里 )( 詳見表九 ) 由表九中得知, 南港區在 95 年的人口密度為 5,211, 戶數為 37,005, 房價為 32.2 萬 / 坪 99 年的人口密度為 5,174, 戶數為 41,331, 房價為 63.4 萬 / 坪 103 年的人口密度為 5,497, 戶數為 45,152, 但是我們暫時無法得知同一年的房價情形, 因此以 101 年的 63.3 萬 / 坪代替可見, 人口密度有上升有下降, 房價則是逐年上升而戶數持續上升表九 : 南港區人口資訊 5

7 人口數 ( 人 ) 113, , , ,076 戶數 ( 戶 ) 37,005 38,698 41,331 45,152 人口密度 5,211 5,160 5,174 5,497 房價 ( 萬元 / 坪 ) X (101 年 ) ( 十 ) 內湖區 ( 面積 : 平方公里 )( 詳見表十 ) 由表十中得知, 內湖區在 95 年的人口密度為 8,346, 戶數為 89,487, 房價為 37.2 萬 / 坪 99 年的人口密度為 8,490, 戶數為 95,814, 房價為 56.9 萬 / 坪 103 年的人口密度為 8,977, 戶數為 104,110, 但是我們暫時無法得知同一年的房價情形, 因此以 101 年的 60.3 萬 / 坪代替可見, 人口密度上升而房價也持續上升另外, 戶數也持續上升表十 : 內湖區人口資訊人口數 ( 人 ) 256, , , ,510 戶數 ( 戶 ) 84,261 89,487 95, ,110 人口密度 8,132 8,346 8,490 8,977 房價 ( 萬元 / 坪 ) X (101 年 ) ( 十一 ) 士林區 ( 面積 : 平方公里 )( 詳見表十一 ) 由表十一中得知, 在士林區 95 年的人口密度為 4,617, 戶數為 96,381, 房價為 49.8 萬 / 坪 99 年的人口密度為 4,542, 戶數為 100,154, 房價為 69.9 萬 / 坪 103 年的人口密度為 4,648, 戶數為 104,888, 但是我們暫時無法得知同一年的房價情形, 因此以 101 年的 78.0 萬 / 坪代替可見, 人口密度起先逐漸下滑, 後來又上升, 而房價則是年年上升而戶數持續上升表十一 : 士林區人口資訊人口數 ( 人 ) 291, , , ,932 戶數 ( 戶 ) 92,580 96, , ,888 人口密度 4,676 4,617 4,542 4,648 房價 ( 萬元 / 坪 ) X (101 年 ) ( 十二 ) 北投區 ( 面積 : 平方公里 )( 詳見表十二 ) 6

8 由表十二中得知, 在北投區 95 年的人口密度為 4,713, 戶數為 84,658, 房價為 39.5 萬 / 坪 99 年的人口密度為 4,692, 戶數為 89,104, 房價為 47.6 萬 / 坪 103 年的人口密度為 4,845, 戶數為 94,301, 但是我們暫時無法得知同一年的房價情形, 因此以 101 年的 56.5 萬 / 坪代替可見, 人口密度看來並沒有太大的變化, 戶數卻以 4 年 4000 戶的速度向上成長, 我們可以推測是建商以溫泉作為噱頭蓋了許多溫泉社區導致戶數上升, 然而房價與人口密度增長並無太大關聯表十二 : 北投區人口資訊人口數 ( 人 ) 248, , , ,942 戶數 ( 戶 ) 80,499 84,658 89,104 94,031 人口密度 4,705 4,713 4,692 4,845 房價 ( 萬元 / 坪 ) X (101 年 ) ( 十三 ) 台北市整體 ( 面積 : 平方公里 )( 詳見表十三 ) 由表十三中得知, 台北市整體在 95 年的人口密度為 9,806, 平均房價為 40.7 萬 / 坪 99 年的人口密度為 9,740, 平均房價為 61.4 萬 / 坪 103 年的人口密度為 10,037, 但是我們暫時無法得知同一年的房價情形, 因此以 101 年的 72.9 萬 / 坪代替可見,95 年至 99 年的人口密度變化為負成長, 但房價仍然上漲, 與 99 年至 103 年的數據相反然而大時間範圍的 95 年至 103 年, 房價從 40.7 上升至 72.9, 人口密度則是從 9,806 上升至 10,037 表十三 : 台北市整體人口資訊人口數 ( 人 ) 2,638,142 2,625,757 2,608,052 2,687,537 戶數 ( 戶 ) 902, , ,669 1,027,984 人口密度 9,853 9,806 9,740 10,037 房價 ( 萬元 / 坪 ) X (101 年 ) ( 十四 ) 台北市各區房價與人口密度及戶數的關係綜上所述, 房價與人口密度呈現正相關的行政區有 : 松山區中山區文山區南港區內湖區房價與人口密度不太相關的行政區有 : 信義區中正區大同區士林區北投區房價與人口密度呈現負相關的行政區有 : 大安區萬華區房價與戶數呈現正相關的行政區有 : 松山區中山區文山區南港區內 7

9 湖區信義區中正區大同區士林區北投區大安區萬華區並沒有房價與戶數不太相關的行政區也沒有房價與戶數呈現負相關的行政區二上海市人口房價資訊 ( 一 ) 人口 ( 詳見表十四 ) 由表十四中得知,91 年的人口密度為 2,702, 遷入為萬人, 遷出為 4.38 萬人 95 年的人口密度為 3,098, 遷入為萬人, 遷出為 3.50 萬人 99 年的人口密度為 3,632, 遷入為萬人, 遷出為 4.97 萬人 101 年的人口密度為 3,702, 遷入為萬人, 遷出為 5.89 萬人表十四 : 上海市整體遷入遷出及人口密度 91 年 95 年 99 年 101 年遷入 ( 萬人 ) 遷出 ( 萬人 ) 人口密度 ( 人 / 平方公里 ) 2,702 3,098 3,632 3,702 ( 二 ) 房價指數 ( 詳見表十五 ) 由表十五中得知, 此數據均是以 89 年做為基準 91 年相對於 89 年的房價指數為年相對於 89 年的房價指數為年相對於 89 年的房價指數為年相對於 89 年的房價指數為逐年上升表十五 : 上海市房價指數 91 年 95 年 99 年 101 年均以 89 年為基準 ( 三 ) 上海市遷入遷出與房價指數的關係由上述表格十四可以發現上海市遷入人口大於遷出, 代表人口密度增加, 再與表格十五互相對照, 可以發現上海市的人口密度上升, 房價指數也跟著逐年增加參結論本研究旨在藉由供需法則討論人口密度及房價之相關聯性從台北市各區的人口密度和房價之間的比較來看, 有些地區如松山區中山區文山區南港區 8

10 內湖區, 人口密度愈高而房價也愈高, 這是符合我們所期待的 ; 然而有些地區例如信義區大同區中正區士林區北投區, 人口密度變化並不大, 房價卻仍然持續上升 ; 也有些區域如大安區及萬華區, 則是人口密度下降, 房價卻上升這個現象代表人口密度與房價並無全然的正相關或負相關, 而是應該還有其他不同的原因影響房價的變化例如 Potepan(1994) 認為房價亦受到當地就業機會環境寧適性變數的影響 ( 薛立敏曾喜鵬陳雅君 2002) 但是我們發現, 若是擴大時間及空間尺度, 以台北市整體的角度來看, 人口密度上升的同時, 房價也是增加的此外, 我們又將上海市歷年來的人口密度變化及房價指數變化與台北市整體做對照, 發現兩個大都市皆有人口密度上升, 而房價增加的情況因此, 我們認為從比較大的時空間範圍去做探究, 人口密度及房價變化會有的正相關的現象綜上所述, 若要詳細到討論台北市各個行政區的人口密度與房價趨勢變化, 各區之間有差異性, 並無共同的趨勢表現但從整體的數據去討論此類代表性都市的大範圍情況, 人口密度及房價是有正相關的趨勢的然而我們還是希望能在一個都市內的各個行政區, 找尋與房價變化為正相關的原因 : 無論當我們細看十二個行政區, 或是綜觀整個台北市, 可以發現, 在人口數沒有明顯變化的情形下, 這些行政區的戶數都有不斷上升的趨勢, 因此我們就此情形推測, 或許戶數與房價是有正相關的都會區的就業機會多工資水準高, 使得遷移者選擇遷入該區域的意願亦高 ( 薛立敏曾喜鵬陳雅君 2002) 戶數的增加, 有可能是建商預期市民想居住在便於通勤和購物的台北市中心區域, 因此不斷的建造房屋投資客也預期房屋的上漲而購入所導致而投資客的購入也代表著需求的上升, 然而他們當然不願意賠本賣出, 一旦賣出, 那必定是高於買入的價格, 否則他們不會轉手時間久了, 社會大眾慢慢的接受這樣高的房價, 房價自然不會下跌或有可能是一些財力豐厚的家庭, 能夠負擔得起在台北市購入兩間或甚至以上的房屋, 在未來能夠直接贈予他們的子女, 不讓他們承受房貸的壓力, 使得現階段房屋戶數不斷上升此外, 我們也推測交通與房價的關連性較大 : 可以在 95 年房價數據中發現在很早完工的板南線沿線, 例如松山區信義區中正區大安區, 因為交通在以前就已經很方便, 因此房價較其他地區為高但中心都市的高額住宅價格對遷入者而言即代表較高的居住成本 (housing cost), 因此即使遷徙者決定遷入該都會區, 通常亦會選擇都會邊緣像堆中心都市房價較 9

11 便宜的地區 ( 薛立敏曾喜鵬陳雅君 2002) 據此, 之後遷移進來的人們會傾向於居住在離市中心較遠的行政區, 例如南港區內湖區文山區士林區北投區然而當我們仔細觀察本研究的數據, 可以發現南港區, 內湖區, 文山區士林區及北投區的房價持續上升, 我們推測是捷運文山內湖線和淡水線的啟用, 使得這些區域藉由上述兩條捷運線來縮短與市中心的距離, 讓人們更易於遷入較邊緣的地區和往返市中心, 導致房價的上升肆研究限制與建議在台北市各行政區房價的部分, 由於搜尋不到關於民國 103 年時的區域房價, 故使用民國 101 年時的房價資訊代替, 但使用 101 年的房價與 103 年的人口密度做比較, 房價與人口密度的趨勢可能會有所偏頗而不精確此外, 根據搜尋到的資料, 無法清楚了解上海市各行政區的詳細情況, 僅僅只有整個上海市的遷入及遷出, 無法確實掌握上海市的出生和死亡人口數, 這提升了我們找尋人口密度與房價的關聯性的難度, 所以無法做出台北市內各個分區跟上海市內各個分區的比較希望未來若是有人願意繼續做這個方向的研究, 能夠補上我們現時缺少的一些資訊, 也希望能與上海那邊的當地人士合作, 彼此交換擁有的資料, 做出更加詳盡的比較伍引註資料台北市政府主計處土地人口分布 (2014) 2014 年 6 月 17 日取自台北市政府民政局各年份人口數及戶數 (2014) 2014 年 6 月 17 日取自上海市統計年鑑遷入遷出人數以及房價指數 (2014) 2014 年 6 月 17 日取自薛立敏曾喜鵬陳雅君 ( 民國 91 年 ) 區域人口遷入台北都會區地點選擇之實證研究住宅學報, 第 11 卷, 第 2 期, 公共電視 (2014), 看見心觀點 2014 年 10 月 30 日取自 10

臺北市及死亡率 - 別 ( 續 1)( 修正 ) ( 二 ) 松山區中華民國 105 年單 : 人 ; 人 / 十萬人 ;% 所有 1, 所有所有惡腫瘤 4

臺北市及死亡率 - 別 ( 續 1)( 修正 ) ( 二 ) 松山區中華民國 105 年單 : 人 ; 人 / 十萬人 ;% 所有 1, 所有所有惡腫瘤 4 臺北市及死亡率 - 別 ( 修正 ) ( 一 ) 臺北市中華民國 105 年單 : 人 ; 人 / 十萬人 ;% 所有 18,039 668.05 33.75 100.00 所有 10,369 80.5 44.60 100.00 所有 7,670 544.83 55.48 100.00 1 惡腫瘤 5,19 193.8 105.00 8.93 惡腫瘤,90 5.9 17.78 8.16 惡腫瘤,99