房貸市場數據統整：收入與年齡影響貸款條件、建物以36年老屋與電梯大廈為主、銀行為主要承貸方

聯徵的房貸數據告一段落，與整體房貸市場數據有關的文章如下表：

1. 2024年新增33萬房奴，台灣背房貸人數220萬來到近年新高
2. 房屋貸款鑑估值早在2013年突破千萬大關，核貸成數保底抓7成左右
3. 近年來房貸授信金額及利率變化
4. 房貸市場的關鍵字：高收入、低房齡、電梯大廈、遙遙領先的天龍國

如果是打算進軍台灣房貸市場，像是法拍、一胎、二胎等等的業者，比起新增房貸數據，上述文章攸關到「既存房貸數據」具有較高的直接價值。

其餘更深的探討，可根據上述三大面向，再到各個公部門查詢是否有合適的統計數據，方可探究其樣貌。

Jakub Żerdzicki on Unsplash

房貸市場結論先行

礙於本文篇幅甚於以往，八千多字的單篇文章創個人寫作紀錄，讀者想必也很難一口氣讀完，決定結論先行。

本文探討房貸既存市場，根據聯徵中心資料，並輔以國發會人口數據，得出以下幾點小結：

整體房貸市場

1. 房貸人數長年處於200萬人以上（2024年達220萬人），每年新增房貸人數至少20萬人以上（2024年達33萬人）。
2. 房貸金額平均數與中位數逐步上漲，已從12年的317萬、185萬來到24年底的560萬與400萬。平均數翻了快一倍，中位數更是翻了一倍多。平均數與中位數有一個很明顯的落差，這個Gap從12年的132萬，到24年底時差異已來到160萬。

購屋者：性別、年齡、收入

1. 性別對於授信的影響微乎其微。核貸成數的公式由授信額度除以鑑估值得出，表示男性購買較大坪數／較貴一點的房產，而銀行願意放貸，意味著男性的薪資較高。
2. 總房貸人數占20歲以上人口11%上下浮動，其中各年齡層人數多寡：40–49(20%)＞30–39(17.2%)＞50–59(14%)＞60以上＞20–29。
3. 年收入越高，購買的坪數越大，鑑估值與授信餘額自然也較高。
4. 年收入與貸款利率沒有明顯關聯性，但年收入與核貸成數有正相關，薪資越低可核貸成數越低，但最下限也都壓在70%。尤其是年收入＜100萬的5個級距，在21個所得級距中占據倒數五名。

建物：類別、屋齡、縣市

1. 在建物類別的樣本組成中，電梯大廈長年佔據第一的寶座，至2024年底已佔據五成多比重！其次為透天厝，長年佔據2成比重；公寓則長年佔據10%比重排名第三。光上述三者就長期占據至少八成以上比重！近年比重甚至來到九成，主要是來自於電梯大廈的占比逐年成長。
2. 平均鑑估值排序長年維持不變：樓中樓＞別墅＞電梯大廈＞透天厝＞公寓＞套房。
3. 建物平均坪數不僅數值長年持平，排名也是長年維持：別墅(79坪)＞樓中樓(71坪)＞透天厝(56坪)＞電梯大廈(45坪)＞公寓(30坪)＞套房(13坪)。
4. 套房雖然因為小坪數有著低總價的好處，相對的代價就是貸款成數低、利率明顯高於較其他建物類別，房產價格還不怎麼漲；反觀電梯大廈在貸款成數上，不論是中位數(78%)還是平均數(72%)，都能獲得較高的成數。
5. 從屋齡看，0–12年的新成與新古屋，屋齡越低，越能獲得較高的核貸成數與較低的貸款利息；屋齡＞12年不論是在鑑估值、核貸成數還是利息上，與屋齡沒有一定的規律與正向／反向關聯。
6. 縣市房貸人數與餘額總水位（授信餘額），排名皆相同，為六都＋新竹縣：新北市＞台北市＞台中市＞桃園市＞高雄市＞台南市＞新竹縣。
7. 台北市平均鑑估值不出意外，遙遙領先其他縣市。截至2024年底，第二、三名為新北市與新竹縣糾纏，第四、五名則為台中市與新竹市角逐，第六、七、八名則為桃園市、高雄市與台南市競逐之。
8. 平均每人授信餘額攤下來後，台北市遙遙領先其他縣市，截至2024年底：第二、三名為新北市與新竹縣糾纏，第四、五名則為台中市與新竹市角逐，第六名則為高雄市、第七名桃園市、第八名台南市。
9. 從縣市別看核貸成數中位數，七成為長年底線；反觀平均數看，除了台北市明顯低於其他縣市外，其餘縣市至少都有七成。

金融機構

1. 長年維持八成以上的房貸者選擇與銀行借貸，相較於其他金融機構，銀行可獲得較高的房貸金額與較低的利率。
2. 郵局利率雖低，但承貸水位也低，僅兩百多萬；反觀銀行則是授信餘額不斷創新高，卻仍願意提供較低的利率。只能說兩類型的金融機構，看待收益風險的角度與思路滿特別的。
3. 不論從購屋者還是房產的角度來看，平均利率的最高與最低差，帶寬大幅收窄，表示金融機構占有主導優勢。即便承貸人有比較好的財力與信用，房產地段也相對保值，當今能談到的利率低點也回不到2012年的水準。

從上述三大項重點數量可發現，影響房貸條件的關鍵因素在於「建物」，偏偏影響鑑價的原因又很多，從建物類別、屋齡、坪數、縣市別都是可變因子，很難歸因誰是影響鑑估值、授信額度、核貸成數與利率的關鍵少數。

重點結論就說到這，想繼續看數據的讀者，有勞你們自己找章節翻閱。

購置住宅貸款統計資訊定義

相關名詞定義皆來自財團法人金融聯合徵信中心。

房貸：擷取授信戶「融資業務分類」為「購買住宅貸款（非自用）」、「購買住宅貸款（自用）」及「購買住宅貸款（其他）」者，統稱為「房貸」。

流量（房貸XX新增XX的統計數據）：指某一段時間內（例如2015年1月至3月，以2015Q1表示）新增之房貸，相關資訊包括平均授信餘額、平均授信額度、平均鑑估值、平均核貸成數、平均利率、平均建物面積等。並以貸款者之特徵變數（性別、年齡、年收入、學歷）及建築物之特徵變數（所在之行政區、屋齡或建物類別、地區路段別）分別列之。

存量（房貸XXXX）：指某一特定時間點（例如2014年12月，以201412表示）之房貸，相關資訊包括平均授信餘額、平均授信額度、平均鑑估值、平均核貸成數、平均利率、平均建物面積等。並以貸款者之特徵變數（性別、年齡、年收入、學歷）及建築物之特徵變數（所在之行政區、屋齡或建物類別、地區路段別）分別列之。

整體房貸授信概況

近年房貸人數穩定在兩百萬人左右，房貸人數從2019年起谷底反彈，走揚至24年底已達221萬人。

近年房貸授信人數

近年房貸金額的平均數與中位數（平均數：房貸總金額除以持有房貸人數）：

近年房貸金額平均數與中位數

從上圖可以發現，房貸金額逐步上漲，房貸金額平均數與中位數，已從12年的317萬、185萬來到24年底的560萬與400萬。平均數翻了快一倍，中位數更是翻了一倍多。

以外，平均數與中位數有一個很明顯的落差，這個Gap從12年的132萬，到24年底時差異已來到160萬。

房貸授信＿性別

以性別來看，男女比將近1比1，男性略多於女性10萬人左右：

房貸授信人數 性別分布

核貸成數的組成，主要由銀行鑑價，並根據財務評估以及物件價值決定授信額度。以下從性別的角度分別看平均鑑價與平均授信額度：

近年房貸平均鑑價與平均授信額度_性別

從20年開始，平均鑑估值來到千萬大關，直到24年底仍持續攀升，估值甚至突破1100萬，往1200萬邁進；平均授信額度則是在24年底來到800萬的近年新高。

不論是鑑估值還是授信額度，原先兩性的差異不大，直到近年差異逐漸拉大，至24年底的兩性差異分別來到50萬與37萬左右。

接著看核貸成數的差異：

近年房貸核貸成數中位數與平均數_性別

平均數與中位數落差不大，男女差異也不多，接落在七成上下。中位數從73%拉高到75%、平均數則從70%提高到71%。

最後來看兩性在平均利率的差異：

兩性_平均利率

性別在利率上，幾乎是貼齊著走，無明顯差異。

性別對於核貸成數與平均利率的影響微乎其微。至於在鑑估值與授信額度的微小差異，只能說應是收入導致，畢竟核貸成數的公式組成本來就來至授信額度除以鑑估值得出，表示男性購買較大坪數／較貴一點的房產，而銀行願意放貸，意味著男性的薪資較高。

因為本篇的重點在探討房市數據，薪資數據的部分，可以參考先前文章《不過是想找份薪資達到中位數的工作》以及各縣市全年總薪資中位數，各縣市男女薪資中位數一目了然，女性薪資中位數確實就是低男性一些。

房貸授信＿年齡

以年齡分布來看（不分性別），會發現各年齡層的人數多寡依序為：40–49＞30–39＞50–59＞60以上＞20–29。

房貸授信人數 年齡分布

根據國發會人口推估查詢系統的資料，將聯徵的性別與年齡層資料整理後，得出房貸人數占人口多少比重：

房貸人數占人口比重

可以發現不論男女，整體比重都落在10~12%，差異不大。反之，從年齡層看（不分性別），發現各年齡層背房貸的比重差異甚大！

整體占比在10%~11%上下浮動（不分年齡層），其中20–29、60以上這兩個年齡段的房貸人數僅占該年齡段4%人口，顯著低於30–59歲；40–49歲則有兩成人口背負房貸，次高族群則為30–39，24年已來到17.2%。

接著來看各年齡層的房貸總水位（授信餘額）：

各年齡層_房貸授信餘額[仟元]

從上圖發現，40–50歲(40–49歲)的水位最高，24年底已來到4.3兆，其次為30–40歲(30–39歲)的3.7兆，第三的則是50–60歲(50–59歲)2.3兆。

將各年齡層的水位除以房貸人數，得出平均授信餘額（平均房貸餘額）：

各年齡層_平均房貸餘額[仟元]

可以發現平均授信額度，隨著年齡漸長而下降，表示20–30歲剛買房貸款下來，幾乎還沒開始還房貸，所以授信金額長年站居榜首，房貸餘額隨著每年持續還款而下降。

這間接回答了先前文章《2024年新增33萬房奴，台灣背房貸人數220萬來到近年新高》筆者提到的假設：

雖然沒有進一步的數據證明，但個人認為60以上與20–29歲這兩個年齡段
的低人數，兩者在數據解讀上會有很大的落差。

前者是已經繳完房貸，所以人數與50–59相比，少了將近一半人；
反觀20–29歲還在努力存頭期款，大多數人則是在30–39歲才開始背房貸。

20–29歲以及60歲以上的人數與總房貸餘額都低，但數據背後代表的意涵差異甚大：前者是還在存錢準備進入房市、後者已是無債一身輕。

最後來看平均利率：

各年齡層_平均利率

從上表可以發現，利率高低與年齡成反比，年紀越低越容易拿到較好的利率。

宏觀利率的趨勢曲線，是央行升降息的影響；微觀利率的微幅變化，主要受年齡影響。尤其是20~40歲，這段年齡層能拿到的利率是最有競爭力的。

不過年齡優勢下的利差帶寬已經越來越窄，2012年利率高低差可以差到0.4%（20–29歲2%、60歲以上2.4%），24年底整體平均利率為2.3%，20–29歲2.19%、60歲以上2.44%，利差僅剩0.25%。

房貸授信＿年收入

礙於聯徵中心將年收入細切成21個級距(年收入0–400萬以上，每20萬一個級距)，部分圖表塞不下，會改以數據表格並佐以顏色呈現。

平均鑑估值：

房貸年收入平均鑑估值 (千元)

基本上年收入與鑑估值成正比，收入越高的房產價格也越高。

各年收入的平均核貸成數：

房貸平均核貸成數（年收入）

基本上核貸成數也是與年收入成正比，且大多數都落在70%上下，只是年收入在排序上沒有與鑑估值整齊。

如果改看核貸成數的中位數：

房貸核貸成數中位數（年收入）

可以發現薪資越低，核貸成數也較低，但最下限也都壓在70%。

年收入0–40萬明顯落後其他級距，近年來連40–60萬也明顯降低，來到倒數第三的位置。其餘有逐漸脫離主要群體趨勢的還有60–80萬、80–100萬，各自佔據倒數第四與第五。

意味著21個年收入級距中，只要年收入＜100萬，核貸成數隨著年收入下降而減少。

接著來看平均貸款利率：

房貸平均貸款利率（年收入）

平均貸款利率還滿集中的，至2024年底，平均利率都落在2.3%上下浮動。

最後來看平均建物坪數：

房貸平均建物坪數（年收入）

基本上年收入與購買坪數成正比，收入越高購買的坪數也越大，價格也越高。這也間接證明平均鑑估值與坪數大小有所關連。

房貸建物類別

建物類別共分成七個項目，分別是：公寓、別墅、電梯大廈、透天厝、樓中樓、套房與其他。首先看樣本組成：

房貸存量樣本＿建物類別百分比

電梯大廈長年佔據第一的寶座，且比重還逐年成長，至2024年底已佔據五成多比重！其次為透天厝，長年佔據2成比重；公寓則長年佔據10%比重排名第三。

光上述三者就長期占據至少八成以上比重！近年比重甚至來到九成，主要來自於電梯大廈的成長。

接著來看各建物類別的平均鑑估值：

物類別平均鑑估值 (千元)

除了其他類的鑑估值突然驟升外，其他建物類別的排序長年維持不變。

滿意外的，我以為別墅或透天厝會長年第一，想不到竟是樓中樓長年佔據第一，後續排名為別墅＞電梯大廈＞透天厝＞公寓＞套房。（「其他」忽略不計）

接著來看平均核貸成數：

平均核貸成數（建物類別）

從2009年的發散，到2024年趨於集中。除了電梯大廈逼近72%外，其他建物類別落在69–70%。

接著來看核貸成數中位數：

核貸成數中位數（建物類別）

從上表發現，中位數下限落在68%。至2024年底，電梯大廈來到了78%，最低的套房落在70%。

接著來看平均貸款利率：

平均貸款利率（建物類別）

套房明顯長年都高於其他建物類別，其他都糾纏在一起。

最後來看平均建物坪數：

平均建物坪數（建物類別）

平均坪數幾乎都長年持平，排名也是長年維持：別墅(79坪)＞樓中樓(71坪)＞透天厝(56坪)＞電梯大廈(45坪)＞公寓(30坪)＞套房(13坪)。

房貸屋齡

礙於聯徵中心將屋齡細切成13個級距(屋齡0–36年以上，每3年一個級距)，部分圖表塞不下，會改以數據表格並佐以顏色呈現。

首先看樣本組成（因為沒有明顯多數，就不用累積百分比長條圖表示）：

屋齡分布

明顯從麻花繩中竄出頭的是36年以上老宅，截至2024年底，0–3年新房則是微微冒出頭來。

接著來看各屋齡的平均鑑估值：

各屋齡平均鑑估值 (千元)

因各年齡層像麻花繩一樣糾纏，除了房價越來越高外，看不出太明顯的端宜。改以色溫圖呈現：

各屋齡平均鑑估值 (千元)

接著來看平均授信額度(千元)：

各屋齡平均鑑估值 (千元)

同屋齡鑑估值狀況，糾結的麻花繩，除了看到房價緩升外，沒有特別的觀點可以分享給讀者。

接著來看平均核貸成數：

平均核貸成數（屋齡）

從上表可以發現，貸款成數的地板落在66%，除了0–9年屋明顯脫離麻花繩，以及9–12年屋微幅排名第四外，其餘屋齡沒有明確影響平均核貸成數。

接著來看核貸成數中位數：

核貸成數中位數（屋齡）

可以發現只有0–9年的新成屋與新古屋冒出頭，且0–6年屋幾乎可以貸到近八成，6–9年則緩緩升到78%，第四名的9–12年微微脫離糾纏一塊的麻花繩，約可貸到75%。

其他屋齡沒有一定排序，就不再贅述。有趣的是，不論屋齡，可以發現70%幾乎就是地板，跌不下去。

接著來看各屋齡的平均利率：

平均貸款利率（屋齡）

各屋齡差異不大，唯一有微微與其他屋齡脫離的就是0–3年屋。

平均貸款利率（屋齡）

用色溫圖看，發現利率變化雖不大，屋齡還是有微幅的影響。屋齡越高利率越高，其中0–12年屋利差排序較穩定，屋齡越大則與利率關係沒這麼一定。

尤其是屋齡＞36的利率並不是最高的，反而是屋齡24–30利率較高。

最後來看各屋齡平均建物坪數：

平均建物坪數（屋齡）

坪數再低也低不過30坪，且除了>36年屋明顯低於其他屋齡外，其餘幾乎是麻花捲。畢竟影響建物坪數的關鍵因素是在「建物類別」而非屋齡。

房貸擔保品所在縣市

由於涉及22個縣市+1個跨縣市，圖表塞不下個圖示，只得割捨一些人數較少的縣市。

首先來看各縣市授信人數：

房貸授信人數_房貸擔保品所在縣市

前六名無懸念的，就是人口占近七成的六都所佔據：新北長年處於第一，台中、桃園伯仲之間，持續在二、三名之間糾纏不清，高雄則長年處於第四、台北第五、台南第六，第七名則是微出頭的新竹縣。

接著來看各縣市鑑估值（去除數量較少之縣市）：

各縣市平均鑑估值 (千元)

台北市平均鑑估值不出意外，遙遙領先其他縣市。截至2024年底，第二、三名為新北市與新竹縣糾纏，第四、五名則為台中市與新竹市角逐，第六、七、八名則為桃園市、高雄市與台南市競逐之。

接著看各縣市房貸餘額總水位（授信餘額）：

房貸擔保品所在縣市_房貸授信餘額[仟元]

同樣由六都站榜，順序排名也與人數相同：新北市＞台北市＞台中市＞桃園市＞高雄市＞台南市＞新竹縣。

將各縣市的房貸餘額除以房貸人數，得出平均授信餘額（平均房貸餘額）：

房貸擔保品所在縣市_平均房貸授信餘額[仟元]

雖然先前數據顯示，不論是房貸人數還是授信餘額，台北都暫居第五，平均每人授信餘額攤下來後，台北市毫無懸念、遙遙領先其他縣市。

截至2024年底，第二、三名為新北市與新竹縣糾纏，第四、五名則為台中市與新竹市角逐，第六名則為高雄市、第七名桃園市、第八名台南市。

礙於篇幅就不再一一列舉，有興趣的讀者可以自行去官網下載統計數據使用。

接著來看平均核貸成數（去除樣本較少之縣市）：

平均核貸成數（縣市別）

截至2024年底，大部分的縣市平均核貸成數都可以貸到7成，可以發現花蓮的平均核貸成數最高，台北市則是主要縣市中最低的。

接著來看核貸成數中位數（去除樣本較少之縣市）：

核貸成數中位數（縣市別）

2009年較為發散，截至2024年的核貸成數中位數落在74~78%之間。

平均利率是否因縣市有所差異：

房貸擔保品所在縣市_平均利率

房貸利率的異動，宏觀同樣是看央行升降息，微觀則是看各房產所在地。

不過不同縣市的利差帶寬已經越來越窄，2012年利率落差可以來到0.23%（最高為2.27%、最低為2.04%），24年底利差僅剩0.11%（最高為2.33%、最低為2.22%），利率空間少了整整一倍！

原先因為房產地點導致的利差，如今「所在地」這個影響因子的重要性也減少許多，特地去區分縣市排名就顯得多餘。

最後來看平均建物坪數：

平均建物坪數（縣市別）

大部分縣市都落在45–55坪，澎湖縣是唯一超過60坪的縣市，落在40坪的四個縣市則是台北市、新北市、基隆市與坪數大幅滑落的金門縣。

房貸擔保品所在鄉鎮市、地區路段別

22個縣市的圖表已經難以呈現，更不論全台368個鄉鎮市，完全塞不下限制225個數列的圖表，因此更不用考慮如何將近18萬條地區路段別的數據呈現，EXCEL沒有崩潰就已經很不錯了。

建議有興趣的讀者，可以自行到財團法人金融聯合徵信中心－購置住宅貸款統計資訊下載檔案，只要透過Excel的篩選功能，就能將指定的縣市、鄉鎮市與路段別的樣本數、鑑估值、平均授信額度、平均核貸成數、核貸成數中位數、平均貸款利率、平均建物坪數拉出來做成圖表參考。

承貸金融機構

最後從承辦房貸的金融金構的角度看授信金額及利率。

先從各金融機構的承貸人數看起：

房貸授信人數_金融機構類別

因為承辦的金融機構以銀行占最大宗，長年維持至少八成以上，近年更是攀升至趨近九成，因此上圖的銀行特別以條狀圖方式呈現。

原先第二、三名的位置分別是保險與農漁會信用部，如兩者位置對調。第四名則為信用合作社，郵局則以長年維持一萬上下浮動的人數敬陪末座。

因為銀行長年為最大宗，且近年趨勢持續不變，整體房貸餘額的圖表肯定也是銀行居大位，因此就不特別展圖。

同樣用房貸餘額除以房貸人數得出平均授信餘額（平均房貸餘額）：

金融機構類別_平均房貸授信餘額[仟元]

可以發現銀行的平均授信餘額為最高，旗鼓相當的漁會信用部、信用合作社分別佔據二、三名的位置，第四名為保險公司、郵局以兩百多萬敬陪末座。

最後來看各金融機構類別提供的平均利率水準：

金融機構類別_平均利率

跟先前圖表一樣，利率的談判空間縮小：從原先2012年的0.52%（保險公司2.52%、郵局2%）縮小到24年底僅剩0.29%（信用合作社2.56%、郵局2.27%）。

有趣的是，郵局利率雖低，但承貸水位也低，僅兩百多萬；反觀銀行則是創新高，仍願意提供較低的利率。只能說兩類型的金融機構，看待收益風險的角度與思路滿特別的。

語帶保留的部分

同先前文章提及，聯徵提供的數據只有單一維度的資料，無法更進一步探究，了解自己正處於哪個象限，實在可惜。

其次，統計數據中，個人覺得最難理解的是屋齡＞36年的數據，數據排序時常會在出現在弔詭的地方，個人認為與台灣老屋太多有關，因此與其他屋齡3年為一組的統計區間相比，屋齡＞36年的數據大幅失真，參考性不高（50年、70年老屋通通都放在＞36年的統計數據，屋齡跨幅差距過大）。

另外，對於年收入0–20萬的區間，不論是核貸成數還是利率，並非都是最低的，反觀成數最低、利率最高是落在年收入20–40萬的區間中。

這與先前文章《近年來房貸授信金額及利率變化》在「房貸授信金額及利率＿借款人各年齡層」的章節提到：

60歲以上與20–29歲的低人數，兩者在數據解讀上會有很大的落差。

前者是已經繳完房貸，所以人數與50–59相比，少了將近一半人；
反觀20–29歲還在努力存頭期款，大多數人則是在30–39歲才開始背房貸。

如果年收入0–20萬的組成，是由剛出社會不久的年輕人與60歲以上的老人所組成，那麼年收入最低，但貸款成數與利息並非最低，似乎也合理。

因為退休老人的收入不全然來自工作，而是勞退、勞保、退休金、養老金等等，收入雖下降，但房貸也快還完了。

跟剛成家的年輕人比，年收入0–20萬的區間部分被60歲以上的老人給稀釋，導致樣本數據出現偏差，才會有明明年收入最低，但成數最低、利息最高的偏偏卻是年收入20–40萬的族群發生。

當然，以上純粹是個人推論，具體薪資狀況，恐要專門研究新資方面的數據才會有定論。

房市分析未完待續

整體分析的架構上，量化分析會分成物件（供給）與購房者（需求）：物件會針對新成屋與中古屋，了解數量、坪數、價格等資料；購屋族則是了解收入、支出、房貸利息、貸款成數等資訊。

本篇探討完「購置住宅貸款統計資訊」的整體房貸市場的「存量」統計數據，下篇接著探討購屋族需要密切關注的新增房貸市場的「流量」統計數據。

後續會以手邊聯徵中心的房貸統計數據，根據「存量」與「流量」，統整有明顯相關聯之數據，最終整合這些數據，變成購屋的參考指南。

有時間的話，會再補充一些自認值得分享的統計數據。

質化資料上，先前已經簡單回溯完2020年以來的七波信用管制，後續再評估是否要針對新青安政策（青年安心成家購屋）簡單做個摘要。

參考資料

1. 財團法人金融聯合徵信中心：OpenData專區、購置住宅貸款統計資訊、房貸類統計資訊 (相關研究)
2. 國發會人口推估查詢系統
3. 不過是想找份薪資達到中位數的工作
4. 各縣市全年總薪資中位數

延伸閱讀

1. 收入高的情況下，購買屋齡0－3年的電梯大廈，能獲得最有競爭力的核貸條件
2. 房貸市場的關鍵字：高收入、低房齡、電梯大廈、遙遙領先的天龍國
3. 史上最嚴限貸令－第七次信用管制
4. 2020年來實施七次信用管制的重點摘要
5. 2024年新增33萬房奴，台灣背房貸人數220萬來到近年新高
6. 房屋貸款鑑估值早在2013年突破千萬大關，核貸成數保底抓7成左右
7. 近年來房貸授信金額及利率變化
8. 平均房貸金額來到900萬，而年齡越低，能獲得較低的房貸利率