Page 26 - MFB22JudyOK

表 11: OOB 混淆矩陣結果
實際結果 預測為-1 預測為 0 預測為 1 錯誤率%
-1 10 1 3 0.28571

0 1 14 7 0.36364
1 5 5 53 0.15873

表 12: 解釋變數重要性排序
變數名稱 重要性
上一期房屋成交量月增率 13.0166
上一期 M1B 月增率 12.4830

上一期大盤指數月報酬率 10.5480
上一期 TONE 指數 8.7353
上一期 PN 指數 6.6015

果顯示以決策森林來進行樣本外預測時，該模型有一定的正確率。接
著表 12 為各解釋變數的重要性 (importance)，再依此來建構一個

CART 模型，用以預測次九個月房價指數漲跌的情形；CART 的分
3
析結果如圖 8。

從圖中可以看出，當上一期房屋成交量月增率小於 -0.29 時，模

型會預測次九個月的房價為持平的情況，其成長率介於 0.1 ~ -0.1%

之間 (即 Z t 9  0)。主因為該群組的樣本中有 67% 為 Z t 9  0，33%

為 Z t 9  1；在多數決準則下，模型會判斷為 Z t 9  0。同班，當上一

期房屋成交量月增率大於 -0.29 且上一期 Tone 指數小於 -69

時，模型會預測次九個月的房價指數為下跌的情況 (即 Z t 9   1)，因

為在該群組的樣本中有 56% 為 Z t 9   1。最後，我們以圖 8 的

CART 模型及隨機森林模型進行樣本外 (資料期間 2021 年 1 月~9

月) 的預測，預測結果如下表 13、14，僅有一期結果不符，顯示模

型具有一定之預測能力。

3
台北市、新北市、桃園市、台中市、台南市、高雄市之結果置於附錄圖 9~14。
24