生活需求包含了食、衣、住、行、育、樂，「住宅」所占生活需求花費最大比例項目，因為住宅和民生直接相關，住宅市場之供需及價格對受到一般民眾更大之關切。台中市近幾年房地產的住宅價格逐漸爬升；住宅價格議題勢必會出現台中都會區，由於位於西屯區的新市政府大樓及大都會歌劇院陸續完工，帶動此附近地區生活、文化機能，再加上中部科學園區的效益，西屯區未來的住宅價格備受各界矚目。
因此，本研究針對台中市西屯區的住宅價格進行空間分析，藉由回顧昔日研究此領域之相關文獻，建構住宅屬性資料庫，接著運用傳統的特徵價格分析與地理加權迴歸分析來對住宅價格進行分析；並且比較特徵價格法與地理加權迴歸分析方法的結果。利用GIS軟體分析並匯出圖形呈現之分析結果，說明住宅屬性與區位特性影響住宅價格在空間上的變動情形，並針對住宅價格成交樣本的空間分佈給予解釋。
研究結果發現，傳統迴歸與地理加權迴歸於模型解釋能力方面，皆有不錯的表現。不論在傳統迴歸或是地理加權迴歸中，住宅價格會顯著的受到「樓地板面積」、「屋齡」、「是否位於新市政中心區」等因素影響，且係數正負關係也符合預期，而地理加權迴歸分析中，「所在樓層」、「與最近交流道距離」、「地上總樓層數」、「面臨道路寬度」、「與最近國中小距離」、「與最近公園距離」等變數，其係數符號不一致，正、負號皆有，可以知道係數於空間上具有差異性，對於台中市西屯區內的住宅價格的變動情形，可以瞭解到空間中解釋變數對於住宅價格會隨著「區位」因素，而有不同的影響程度與分佈情況。

第一章 緒論
第一節 研究動機與目的1
第二節 研究範圍與內容3
第三節 研究流程5
第二章 相關理論與文獻
第一節 特徵價格法6
第二節 空間影響相關理論11
第三節 地理加權迴歸17
第三章 研究方法
第一節 研究資料來源說明34
第二節 研究變數選取說明35
第三節 資料處理與轉換說明37
第四節 資料分析方法42
第四章 實證分析
第一節 基本統計分析47
第二節 迴歸分析56
第三節 研究發現80
第五章 結論與建議
第一節 結論-84
第二節 後續研究建議85
參考文獻86

【中文文獻】
一、專書論文部分
1.朱思潔，2007，台南市透天法拍屋價格空間自我迴歸分析，長榮大學土地與開發研究所碩士論文。
2.朱健銘，2000，土地利用空間型態之研究，國立臺灣大學地理學研究所碩士論文。
3.艾兆蕾，2006，影響住宅區地價因素之空間分析─以鄉鎮與縣市為例，世新大學經濟研究所碩士論文。
4.吳名秋，2002，台灣地區稅賦競爭與規定地價問題之研究，中國文化大學建築及 都市計畫研究所碩士論文。
5.吳秋霞，2007，以特徵價格法探討航空噪音對於大園鄉房地產之影響，國立中央大學產業經濟研究所碩士論文。
6.李怡婷，2003，大眾運輸導向發展策略對捷運站區房地產價格之影響分析，國立成奶j學都市計劃研究所碩士論文。
7.李家豪，2004，洪災對住宅價格之影響-特徵價格法的應用，國立臺北大學都市計劃研究所碩士論文。
8.李家豪，2004，洪災對住宅價格之影響-特徵價格法的應用，國立臺北大學都市計劃研究所碩士論文。
9.周天穎、葉美伶、洪正民、吳政庭，2009，輕輕鬆鬆學Arc GIS 9，儒林圖書有限公司。
10.林尚德，2003，以反應空間不穩定性為基礎之土地估價模型建立，國立成奶j學都市計劃研究所碩士論文。
11.林炎欣，2008，房價特徵模型之空間自我相關問題分析，國立成奶j學都市計劃研究所碩士論文。
12.林惠玲、陳正倉，2010，統計學-方法與應用 四版，雙葉書廊。
13.邱皓政，2010，量化研究與統計分析:SPSS(PASW)資料分析範例 五版，五南文化事業。
14.紀凱婷，2008，台北市新推個案訂價之時間與空間相依性分析，國立政治大學地政研究所碩士論文。
15.范垂爐，1991，房地產真實交易價格之研究，國立中興大學法商學院都市計畫研究所碩士論文。
16.翁淑貞，1992，台北都會區空氣污染對住宅價格影響之研究-應用特徵價格法，國立中興大學法商學院都市計畫研究所碩士論文。
17.袁慧琳，2009，公園對地價影響之研究-以羅東鎮為例，中國文化大學建築及都市計畫研究所碩士論文。
18.高文津，2000，住宅屬性與房價關係之研究-以嘉義市蘭潭地區為例，國立中正大學國際經濟研究所碩士論文。
19.張秀玲，2001，整合空間統計技術之土地大量估價方法之研究，國立成奶j學都市計畫研究所碩士論文。
20.陳慈仁，2001，台北市資訊軟體業與網際網路服務業區位分佈之研究，國立臺灣大學建築與城鄉研究所碩士論文。
21.陳錦嫣、黃國展，2007，GIS與空間決策分析(Arc GIS入門與進階)，新文京出版社。
22.彭宴玲，2005，台北市綠地效益之評價-特徵價格法之應用，中國文化大學景觀學研究所碩士論文。
23.黃于祐，2008，台北房價之空間分析-地理加權迴歸之應用，國立臺北大學都市計劃研究所碩士論文。
24.黃紹東，2004，台南市東區住宅價格之空間自我迴歸分析，國立成奶j學都市計劃研究所碩士論文。
25.蕭代基、鄭蕙燕、吳佩瑛、錢玉蘭、溫麗琪，2003，環境保護之成本效益分析 : 理論、方法與應用，俊傑書局。
26.謝純瑩，2002，應用空自相關分析於人口老化時空變遷之研究，國立彰化師範大學地理研究所碩士論文。
27.蘇京皓，2003，特徵價格法與地理資訊系統之應用-以輸變電設施對住宅價格影響為例，國立台北大學地政學系碩士班碩士論文。
二、期刊文章部分
1.林秋瑾、楊宗憲、張金鵬，1996，住宅價格指標之研究－以台北市為例，住宅學報，第四期，1-30。
2.林啟淵、高文津，2001，住宅屬性與房價關係之研究，台灣經濟金融月刊，第三十七卷，第九期，100-107。
3.洪得洋、林祖嘉，1999，台北市捷運系統與道路寬度對房屋價格影響之研究，住宅學報，第八期，47-67。
4.胡立諄、賴進貴，2006，臺灣女性癌症的空間分析，台灣地理資訊學刊，第四期，39-55。
5.張齡方、古建廷、林俊男，2006，以地理加權迴歸分析建立灌溉率與各影響因子之關係，農業工程學報，第五十二卷，第二期，73-82。
6.郭迺鋒、梁益誠、王暐婷，2008，台灣總統大選政黨得票率之空間分析－地理加權迴歸方法之應用，地理資訊系統季刊，第二卷，第四期，26-37。
7.黃信誠，2000，空間統計簡介，自然科學簡訊第十二卷第三期，101-104
8.賴美蓉、李政樺，2008，豪宅：住宅市場之活水或泡沫？，2008年中華民國都市計劃學會、區域科學學會、住宅學會、地區發展學會聯合年會暨論文研討會論文集。
【英文文獻】
1.Anselin, L. (1995). Local Indicator of Spatial Association-LISA. Geographical Analysis, 27, 93-115.
2.Anselin, L., Rey, S. J. (1991). Properties of tests for spatial dependence in linear regression models. Geographical Analysis, 23(1), 12-31.
3.Benson, T., Chamberlin, J. and Rhinehart, I. (2005). An Investigation of the Spatial Determinants of the Local Prevalence of Poverty in Rural Malawi. Food Policy, 30(5-6), 532-550.
4.Bitter, C., Mulligan, G. F. and Dall’erba, S. (2007). Incorporating Spatial Variation in Housing Attribute Prices: A Comparison of Geographically Weighted Regression and the Spatial Expansion Method. Journal of Geographic System, 9, 7-27.
5.Clement, F., Orange, D., Williams, M., Mulley, C., Epprecht, M. (2009). Drivers of afforestation in Northern Vietnam: Assessing local variations using geographically weighted regression. Applied Geography 29, 561–576.
6.Erdogan, S. (2010). Modelling the spatial distribution of DEM error with geographically weighted regression: An experimental study. Computers & Geosciences, 36(1), 34-43.
7.Farrow, A.; Larrea, C.; Hyman, G. and Lema, G. (2005). Exploring the Spatial Variation of Food Poverty in Ecuador. Food Policy 30, 510–531.
8.Fortherinham, A. S., Charlton M. E. and Brunsdon, C. (2000). Quantitative Geography, London: Sage.
9.Fortherinham, A. S., Charlton, M. E. and Brunsdon, C. (1999). Some Notes On Parametric Significance Tests for Geographically Weighted Regression, Jounal of Regional Science, 39(3), 497-524.
10.Fortherinham, A. S., Charlton, M. E. and Brunsdon, C. (2002). Geographically Weighted Regression: The Analysis of Spatially Varying Relationship, Chichester: Wiley.
11.Fotheringham, A. S, Brunsdon, C. (1998). Geographically weighted regression: a natural evolution of the expansion method for spatial data analysis. Environment and Planning A, 30(11), 1905-1927.
12.Gao, J. Li, S. (2010). Detecting spatially non-stationary and scale-dependent relationships between urban landscape fragmentation and related factors using Geographically Weighted Regression. Applied Geography, 31(1), 292-302.
13.Gao, X., Asami, Y. (2006). Influence of lot size and shape on redevelopment projects. Land Use Policy, 24, 212-222.
14.Hadayeghi, A., Shalaby, A. and Persaud, B. (2009). Development of Planning Level Transportation Safety Tools Using Geographically Weighted Poisson Regression. Accident Analysis & Prevention, 42(2), 676-688.
15.Harris, P., Brunsdon, C. (2010). Exploring spatial variation and spatial relationships in a freshwater acidification critical load data set for Great Britain using geographically weighted summary statistics. Computers & Geosciences, 36, 54-70.
16.Kamarianakis, Y., Feidas, H., Kokolatos, G., Chrysoulakis, N. and Karatzias, V. (2008). Evaluating remotely sensed rainfall estimates using nonlinear mixed models and geographically weighted regression. Environmental Modelling and Software, 23(12), 1438-1447.
17.Lancaster, K., (1966). A New Approach to Consumer Theory. Journal of Political Economy, 74, 132-157.
18.Li, S., Zhao, Z., Xie, M. and Wang, Y. (2010). Investigating spatial non-stationary and scale-dependent relationships between urban surface temperature and environmental factors using geographically weighted regression. Environmental Modelling & Software, 25(12), 1789-1800.
19.Lloyd, C. D. (2010). Analysing population characteristics using geographically weighted principal components analysis: a case study of Northern Ireland in 2001. Computers, Environment and Urban Systems, 34(5), 389–399.
20.Mennis, J. (2006). Mapping the results of geographically weighted regression. Cartographic Journal, 43(2), 171-179.
21.Noel Bonfilio Pineda Jaimes, Joaquín Bosque Sendra, Montserrat Gómez Delgado and Roberto Franco Plata (2010). Exploring the driving forces behind deforestation in the state of Mexico (Mexico) using geographically weighted regression. Applied Geography, 30(4), 576-591.
22.Ogneva-Himmelberger, Y., Pearsall, H. and Rakshit, R. (2009) Concrete evidence & geographically weighted regression: A regional analysis of wealth and the land cover in Massachusetts. Applied Geography 29, 478-487.
23.Rosen, S. (1974). Hedonic Price and Implicit Markets: Product Differentiation in Pure Competition. Journal of Political Economy, 82, 34-55.
24.Tobler, W. R. (1970). A computer movie simulating urban growth in the Detroit region. Economic Geography, 46, 234–40.
25.Tu, J, Xia, Z. G. (2008). Examining Spatially Varying Relationships between Land Use and Water Quality Using Geographically Weighted Regression I: Model Design and Evaluation. Science of the Total Environment, 407(1) 358-378.
26.Wang, Y., Wang, X. (2010). Anticipating Land Use Change Using Geographically Weighted Regression. the 90th Annual Meeting of the Transportation Research Board and under review for publication in Transportation Research Record.
【網路資料】
1.台中市政府網站
http://www.tccg.gov.tw/
2.台灣不動產交易中心網站
http://www.gigahouse.com.tw