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

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

跟我一樣有購屋計畫的族群，這篇文章的參考性較高。

企業如果打算投入新增房貸市場，每年的新增房貸人數相當於市場規模，初步鎖定的TA就可以根據年齡劃分，並收集細部資訊，擬定並實施行銷策略；倘若是鎖定在2C或消費市場的企業，就必須考量到這群TA的購買力有一大部分被房貸制約，總經環境的波動，容易對這群人造成減少消費的情況。

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

若想觀看整體房貸市場的近年變化，可以參閱《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》，對整體房市的整體輪廓與框架會有更全面的了解。

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。

房貸授信新增人數

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

以性別來看，男女比將近1比1，男性略多於女性1萬人左右：

房貸新增授信人數 性別分布

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：30–39＞40–49＞50–59≒20–29＞60以上。

房貸新增授信人數 年齡分布

由此可見，房貸市場的主力30–39歲，其次為40–49歲。

比較特別的是，50–59與20–29這兩個年齡段竟旗鼓相當，20–29歲買房的人少，這還好理解，就是錢還沒存夠，必須存到30歲以上才夠頭期款；反觀50–59歲，除了換房、幫下一代買房、投資外，我不確定是否還有其他進場因素，不明所以，就不多贅述。

最後，展開房貸新增授信於性別與各年齡層的分布狀況：

房貸新增授信分布

男女比大約落在52：48。年齡層來看，就如前面圖示，買房主要族群落在30–49歲，50–59與20–29相當。

整體新增房貸授信概況

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＿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。

先來看樣本組成（2022Q4沒有年收入＞400萬之數據）：

新增房貸人數＿年收入分布組成

可以發現年收入0–160萬占了樣本數近八成，光是40–100萬就占了近半比重。

接著來看平均鑑估值（2022Q4沒有年收入＞400萬之數據）：

新增房貸＿平均鑑估值（年收入）

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。

接著看平均核貸成數（2022Q4沒有年收入＞400萬之數據）：

新增房貸＿平均核貸成數（年收入）

發現全部糾纏在一起且部分收入區間波動大，看不出端宜。

改看核貸成數中位數（2022Q4沒有年收入＞400萬之數據）：

新增房貸＿核貸成數中位數（年收入）

發現從2020年開始，許多核貸成數中位數都在上限值80%波動！不過年收入落在0–60萬似乎較不受待見，成數明顯低於其他級距。

接著來看平均貸款利率（2022Q4沒有年收入＞400萬之數據）：

新增房貸＿平均貸款利率（年收入）

看不出平均貸款利率與年收入的關聯性，至2025年Q1，平均利率都落在2.4%上下浮動。

最後來看平均建物坪數（2022Q4沒有年收入＞400萬之數據）：

新增房貸＿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越大，整體房價自然就越高。這也間接證明平均鑑估值與坪數大小有所關連。

新增房貸＿年齡層

房貸新增授信人數_年齡分布

各年齡層的人數多寡依序為：30–39＞40–49＞50–59≒20–29＞60以上。

接著來看各年齡層的新增房貸總水位（授信餘額）：

各年齡層_房貸新增授信餘額[仟元]

各年齡層的新增授信餘額多寡依序為：30–39＞40–49＞50–59≒20–29＞60以上。

有意思的是，授信餘額的線型波動，幾乎與人數波動一致，讓我比對了很久，確認數據沒有放錯，也沒有重複取數的情況發生。

將各年齡層的水位除以房貸人數，得出平均新增授信餘額（平均房貸新增餘額）：

各年齡層_平均房貸新增授信餘額[仟元]

可以發現，原先各年齡層的授信餘額落差逐漸糾結，20–29、30–39歲能獲取的授信餘額倒數第一與第二，60歲以上則是波動甚大，大多時間都佔據第一，且能獲得較高的授信額度。

這次去除60歲以上的資料再看一次：

各年齡層（剔除60歲以上）_平均房貸新增授信餘額[仟元]

可以發現原先授信餘額隨著年齡提升而上升。不過這樣的變化，到了2020後逐漸糾結在一起，年齡造成的授信額度差異已經不復以往。

最後來看各年齡層的平均利率：

各年齡層_平均利率

基本上年齡越低，能獲得的利率也較低，只是年齡優勢帶來的利差帶寬已經越來越窄。2012年利率高低差可以差到0.6%（20–29歲1.78%、60歲以上2.38%），24年底整體平均利率為2.36%，利差僅剩0.39%（20–29歲2.17%、60歲以上2.56）。

新增房貸＿借款人性別

首先看兩性房貸新增授信人數：

房貸新增授信人數 性別分布

男性略多於女性一點，大多落差1~2千人。

接著來看兩性的平均鑑價與平均授信額度：

近年新增房貸平均鑑價與平均授信額度_性別

從2013年開始，平均鑑估值就已經來到千萬大關！直到24年底，估值仍在1400萬上下震盪；授信額度則是在23年底達到千萬門檻。

從上圖可以看到，不論是平均鑑價還是授信額度，兩性差異不大，落在50–80萬左右。

接著看兩性在新增核貸成數的中位數與平均數差異：

近年新增房貸核貸成數中位數與平均數_性別

性別導致的差異不大，中位數從73%提高到24年底的79%左右，平均數則從67%震盪至72%上下。

最後來看兩性在平均利率的差異：

性別_平均利率

幾乎是貼齊著走，表示性別不是金融機構決定房貸利率的主要因素。

新增房貸＿金融機構

最後從承辦房貸的金融金構看授信金額及利率。

先從各金融機構的承貸人數看起（因此全體銀行份額最大，特別以條狀圖方式呈現）：

房貸新增授信人數_金融機構類別

承辦的金融機構以銀行占最大宗，長年佔據八成以上，輾壓其他的金融機構。農漁會信用部大多數時間佔據第二名的位置，其次為信用合作社與保險公司，郵局則長年敬陪末座。

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也是銀行居大位，就不特別再展圖。

同樣用新增授信餘額除以房貸人數，得出平均新增授信餘額（平均房貸餘額）：

金融機構類別_平均房貸新增授信餘額[仟元]

可以發現銀行的平均授信餘額多數時間位居第一；保險公司則是波動較大，2024年時迅速竄升，年底時一舉超越銀行的授信金額；至於漁會信用部、信用合作社則是旗鼓相當；郵局仍是長年穩定輸出並持續墊底。

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

從上圖可以發現，信用合作社大多時候的利率皆是最高，郵局則是最低。結至24年底，除了信用合作社外，其他金融機構則是交纏在一起。

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. 每年新增房貸人數至少20萬人以上，2024年更是高達33萬人的新高。
2. 新增房貸的平均鑑估值在2013年就已經來到千萬大關！直到24年底，鑑估值仍在1400萬上下震盪；授信額度則是在23年底達到千萬門檻，新增核貸成數中位數從73%提高到79%左右，平均數則從67%震盪至72%上下。
3. 從整體數據可以發現，近來年購買的坪數持續下降，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。
4. 年收入越高，購買的坪數越大，相對地鑑估價也較高，且核貸成數中位數越能靠近80%的上限值，但年收入與利息關係較薄弱，沒有明顯關聯。
5. 年收入落在0–60萬似乎較不受待見，貸款成數明顯低於其他級距。
6. 背房貸的主要年齡層為30–39歲，其次為40–49歲，接續的50–59、20–29旗鼓相當。（30–39＞40–49＞50–59≒20–29＞60以上）
7. 年齡越低，金融機構願意提供的房貸利率也較低；除了60歲以上的授信餘額來到大關外，其餘年齡層皆落在900萬上下。
8. 不論是核貸成數、平均鑑價、平均授信額度還是利率，兩性差異皆不大，性別不是影響申貸條件的關鍵因素之一。
9. 八成以上的房貸者選擇與銀行借貸。
10. 信用合作社長年以來提供的房貸利率偏高，其他的金融機構，近年來願意提供的利率趨於相近。

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。

50–59與20–29這兩個年齡段旗鼓相當，20–29歲買房的人少，這還好理解，就是錢還沒存夠，必須存到30歲以上才夠頭期款；反觀50–59歲，除了換房、幫下一代買房、投資外，我不確定是否還有其他進場因素，不明所以，就不多贅述。

性別對於核貸成數與平均利率的影響微乎其微，但可以發現男性平均新增授信餘額總是多女性一點，這點與「整體男性薪資＞女性」可能有所關聯。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。

礙於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低男性一些。

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。

探討完新增房貸市場（流量）在購屋者與金融機構的數據，下篇將接續探討與住宅相關的統計數據，包括建物類別、屋齡與縣市別。

當聯徵中心的房貸市場（存量）與新增房貸市場（流量）的統計數據探討完畢後，最終將整合與新增房貸市場（流量）相關數據，變成購屋的參考指南。

後續有時間的話，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. 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
2. 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
3. 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
4. 史上最嚴限貸令－第七次信用管制
5. 2020年來實施七次信用管制的重點摘要
6. 2024年新增33萬房奴，台灣背房貸人數220萬來到近年新高
7. 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
8. 近年來房貸授信金額及利率變化
9. 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