電梯大廈與低屋齡能獲得較好的核貸成數與利率、六都與新竹縣市為購屋熱點、台北房價仍是最遙遠的那一塊

聯徵的房貸數據告一段落，與新增房貸市場數據有關的文章如下：

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. 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
4. 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

先前文章《收入決定授信金額與核貸成數、年齡則決定利率高低、30–39歲為購屋主力、房貸承辦以銀行為主》探討完新增房貸市場於「購屋者、金融機構」面向的統計數據，本篇接續探討與「建物」相關之數據。

Photo by Jakub Żerdzicki on Unsplash

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。

這些資料除了代表台灣既存房貸的市場規模外，涵蓋最粗略的市場樣貌，包括「購屋者、建物、金融機構」三個面向的產業輪廓。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。

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。

新增房貸近年概況

發現近年的人數都維持在20萬以上，房市旺的時候甚至來到30萬以上，尤其是2024年，更是來到33萬人的近年新高：

房貸授信新增人數

從整體平均授信狀況來看（包含平均授信額度、平均鑑估值以及平均核貸成數）：

新增房貸＿整體平均授信狀況

可以發現不論是授信額度還是鑑估值都是逐年緩步向上，至2024年底平均鑑估值已經來到1400萬，平均授信額度1000萬，換算下來的平均核貸成數約為71%。

如果看核貸成數的中位數，最低也不低過70%：

新增房貸＿核貸成數-中位數

平均利率至2024年底來到有統計數據來的新高2.36%：

新增房貸＿平均貸款利率

最後來看整體的平均建物坪數：

新增房貸＿建物平均坪數

可以發現坪數高峰落在2015年，之後震盪向下，截至2025 Q1，平均坪數42坪已經來到有統計來新低。

從整體數據可以發現，近來年坪數持續下降，但鑑估值卻逐漸攀升，意味著整體每坪價格持續上漲。

花得更多，買得更小，核貸成數雖然較高，相對負擔的房貸利率來到新高。

新增房貸＿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：

新增房貸樣本＿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，從2009年的近5成提升至2025年Q1近7成。其次為透天厝，從原先2成比重縮至1成左右。

光上述二者就長期占據至少7成以上比重！近年比重甚至來到8成，主要來自於電梯大廈的強勁成長。

接著來看各建物類別的平均鑑估值：

新增房貸＿建物類別平均鑑估值 (千元)

從上圖發現，別墅與樓中樓時常爭奪一、二名寶座，在不考慮「其他」類別的情況下，第三、四名分別為透天厝與電梯大廈，第五名為公寓，套房則敬陪末座。

接著來看平均核貸成數：

新增房貸＿平均核貸成數（建物類別）

可以發現樓中樓波動最大，別墅則在22年Q4有短暫大波動。可以發現電梯大廈（墨綠色）的平均核貸成數大多時候都是偏上緣，反觀套房則大多數都落在下緣，意味著可核貸成數相對較其他建物類別低。

接著來看核貸成數中位數：

新增房貸＿核貸成數中位數（建物類別）

從2020年開始，核貸成數在低都會落在至少70%，且電梯大廈穩定落在上限值80%浮動。

別墅與樓中樓波動大；套房大多數時候都偏離群體，都在下方遊走。

接著來看平均貸款利率：

新增房貸＿平均貸款利率（建物類別）

套房長年平均貸款利率都是建物類別中最高，直到2024年才被樓中樓反超，別墅則以第三高的姿態緊追在後。反觀電梯大廈近年的利息都較其他類別低穩定的落在下緣。

最後來看平均建物坪數：

新增房貸＿平均建物坪數（建物類別）

在不考慮「其他」類別的情況下，發現別墅坪數大多數時候＞樓中樓，其餘不論是排名還是坪數面居都是長年維持：透天厝＞電梯大廈＞公寓＞套房。

新增房貸＿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：

新增房貸樣本＿屋齡分布

發現0–3年新屋長年占樣本組成最多比重，再少也有至少2成占比。此外，屋齡＞36年的老屋占比也逐漸攀升，近年來已經成為第二大。

接著來看各屋齡的平均鑑估值：

新增房貸＿各屋齡平均鑑估值 (千元)

房價鑑估值震盪向上，近期已來到至少800萬的門檻。且屋齡與平均鑑估值沒有絕對關係，可能與建物類別、坪數其影響有關。

接著來看平均授信額度(千元)：

新增房貸＿平均核貸成數（屋齡）

隨著時間推進，整個曲線越加發散，沒有一定的規律。唯有0–3年新屋一枝獨秀，大多時候能獲得較高的平均核貸成數；3–6年屋本中間有一段跟著0–3年屋走，後續跟著走落。

接著來看核貸成數中位數：

新增房貸＿核貸成數中位數（屋齡）

能貸到接近上限八成的唯有0–3年屋，3–9年屋本也能貸到近八成，後續跟著其他屋齡一同跌落。其他屋齡沒有一定規律性，就不再贅述。

有趣的是，不論屋齡，可以發現70%幾乎就是地板，成數再下去也有限。

接著來看各屋齡的平均利率：

新增房貸＿平均貸款利率（屋齡）

可以發現除了0–3年屋齡的利率明顯低於其他屋齡，其餘趨近一致。不過改用色溫圖看，還是能看出微幅的利率差異：

新增房貸＿平均貸款利率（屋齡）

屋齡與利率還是有微幅的正相關，屋齡越高利率越高，只是影響有限。以2025年Q1為例，撇除0–3年屋的2.2%，6–9年屋的利率為2.44%，屋齡＞33的利息則為2.56%，屋齡所影響的利率差異只在±0.12%之間增減。

最後來看各屋齡平均建物坪數：

新增房貸＿平均建物坪數（屋齡）

除了>36年屋明顯低於其他屋齡外，其餘幾乎是麻花捲，數值變化沒有一定的規律，坪數再低也就在30坪上下浮動。

新增房貸擔保品所在縣市

礙於圖表塞不下22個縣市+1個跨縣市的圖示，只得割捨一些人數較少的縣市以外，須注意桃園縣轉桃園市，所以圖表會有數據切換的情形。

首先看各縣市房貸新增授信人數：

房貸新增授信人數_房貸擔保品所在縣市

人數以新北市常居榜首，其餘第二至六名大多為五都輪替：桃園市、台中市、高雄市、台南市、台北市，新竹縣偶爾會冒出頭來。

接著來看各縣市鑑估值（去除連江縣）：

新增房貸＿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2025年Q1為止，第二至四名則為新北市與新竹縣市糾結，第五、六名則為桃園市與台中縣競逐之。

接著看各縣市房貸新增授信餘額總水位（授信餘額）：

房貸擔保品所在縣市_房貸新增授信餘額[仟元]

同樣由六都站榜，新北市常居第一外，其餘名次主要由五都輪替包辦。

接著將各縣市的授信總水位除以房貸人數，得出平均新增授信餘額（平均房貸新增餘額）：

房貸擔保品所在縣市_平均房貸新增授信餘額[仟元]

平均下來的新增授信餘額，台北市毫無懸念、遙遙領先其他縣市，也是唯一長年授信餘額維持在一千多萬的水準。

如果將台北去除，看其餘縣市的平均新增授信餘額：

房貸擔保品所在縣市（剔除台北市）_平均房貸新增授信餘額[仟元]

沒有哪個縣市獨佔鰲頭，僅能免強看出新北市、新竹縣、台中市、新竹市、高雄市與台南市佔據較高的名次。

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（去除連江縣）：

新增房貸＿平均核貸成數（縣市別）

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大多時候為最高，台北市與金門縣則是主要縣市中成數較低的。

接著來看核貸成數中位數（去除連江縣）：

新增房貸＿核貸成數中位數（縣市別）

很亂，但部分縣市的中位數能達到近上限的8成。

接著看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，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，本文就不再多著墨。

最後來看平均建物坪數：

新增房貸＿平均建物坪數（縣市別）

大部分縣市的坪數都有長年緩步下降的趨勢，目前大多約落在40–50坪的區間中，澎湖縣與金門縣則波動較大。

新增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。

語帶保留的部分

同先前文章提及，聯徵提供的各項數據都只有單一維度的資料，無法更進一步探究自己正處於哪個象限，實在可惜。

對於新增房貸市場的統計數據，個人覺得最難理解的是屋齡＞36年的數據，屋齡＞36年的數據有屋齡跨幅差距過大的問題，因此參考性不高。（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）

結論

本文探討新增房貸市場，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：

1. 承貸的建物類別以電梯大廈長年佔據第一的寶座（從5成逐年成長至7成），其次為透天（從原先2成比重縮至1成左右），光上述二者就長期占據至少7成以上比重，近年比重甚至來到8成，主要來自於電梯大廈的強勁成長。
2. 電梯大廈能獲取較好的平均核貸成數，在核貸成數中位數唯一能來到上限80%，且能獲得較低的利率；反觀套房不論是在核貸成數的平均數還是中位數上，經常敬佩末座，且平均貸款利率大多時候都明顯高出其他建物類別一截。
3. 在不考慮「其他」類別的情況下，鑑估值時常是別墅與樓中樓爭奪一、二名，第三、四名分別為透天厝與電梯大廈，第五名為公寓，套房則敬陪末座；從平均坪數來看，別墅坪數大多數時候＞樓中樓，其餘不論是排名還是坪數面居都是長年維持：透天厝＞電梯大廈＞公寓＞套房。
4. 從屋齡來看，0–3年屋不論是核貸成數還是利率，比其他屋齡有明顯優勢許多，也是唯一在核貸成數中位數能接近8成上限的屋齡級距；3–9年屋則次之，其餘屋齡則對授信的影響性／關聯性不大。（屋齡與利率有微幅的正相關，屋齡越高利率越高，只是影響有限）
5. 每年房貸新增授信人數，以新北市常居榜首，其餘第二至六名大多為五都輪替：桃園市、台中市、高雄市、台南市、台北市，新竹縣偶爾冒出頭。
6. 台北市不論是平均鑑估值還是授信額度，長年遙遙領先其他縣市。其餘名次主要由其餘五都與新竹縣市競逐之。
7. 房產所在縣市不是影響利率的關鍵因素；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大多時候為最高，反觀台北市與金門縣則是成數較低。
8. 大部分縣市的坪數都有長年緩步下降的趨勢，目前大多約落在40–50坪的區間中。

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。

隨著本篇抒寫至此，意味著筆者已經將手邊與聯徵中心有關的房貸統計數據清完一次，包括房貸市場（存量）與新增房貸市場（流量）的統計數據。

由於自己也是計畫購屋的族群之一，在統整與梳理完聯徵房貸數據後，發現與購屋族有直接關聯的數據皆在新增房貸市場（流量），後續將整合這些數據，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)

延伸閱讀

1. 收入決定授信金額與核貸成數、年齡則決定利率高低、30–39歲為購屋主力、房貸承辦以銀行為主
2. 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
3. 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
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
5. 史上最嚴限貸令－第七次信用管制
6. 2020年來實施七次信用管制的重點摘要
7. 2024年新增33萬房奴，台灣背房貸人數220萬來到近年新高
8. 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
9. 近年來房貸授信金額及利率變化
10. 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