走在汽車革命的路上論文書籍站
國立政治大學 資訊管理學系 楊建民所指導 高詮惟的 資料探勘應用於捷運房地產分群與預測 （2015），提出先 嗇 宮 房價關鍵因素是什麼，來自於房地產、捷運、資料探勘、決策樹。
先 嗇 宮 房價進入發燒排行的影片
120313中天新北捷運都更民眾憂帶進高房價問題
影片網址→http://youtu.be/jKXw6tnXMts
感謝記者王又正的報導，又正哥最近很紅唷~~只要中天新聞報導關於林書豪的訊息就一定會有他！XD！說真的，我覺得這一則新聞，又正哥做得很有「深度」。
雖然可能會有衍生高房價、炒房的問題帶進新北市，不過姑且還是讓小弟我先說明一下政府的美意吧！......↓
第一：這一切都是為了呼應「居住正義」所做出來的決策之一，目的就是為了要讓「人人買得起房子」，這些地區都是單價、總價偏低的地區，又可以同時享有捷運交通的便利。
第二：台北市人口密度過高，紓解台北市的人口壓力，吸引人口往大台北外圍地區地區移動。
第三：達到縮短「城鄉差距」的目的，幫助大台北外圍地區的發展，合宜住宅、社會住宅等類似這些的「捷運末端宅」，幫助城鄉地區的發展，因為沒有人，就無法發展生活機能，所以人潮要先到位，生活機能才可以跟著發展起來，像是百貨公司、便利商店進駐等等。
除了內政部推的方案，包括台北捷運局目前規畫中的「萬行卡」，這些利多資訊，勢必會推升房價1~2成唷~~。PS:所以，想買新北市的房子投資的人，我想此刻的時機點已經到了吧？至於「炒房」？換個角度想，投資、置產，資產增值？ㄟ~~這樣想是不是心裡舒服多了呢？
以下為中天新聞報導↓
記者王又正：蘆洲線捷運通車帶動周邊商機，現在政府也搭上交通便利性的順風車，計畫在包括蘆洲線在內，新北市的捷運後段站14個區域的周邊，進行都更，希望吸引台北市人口往新北市移動。
包括蘆洲線、新莊線、頭前庄站、先嗇宮站、輔大站等6個區域，板橋土城線、浮洲周邊、中和、新店也都在規劃範圍等14個水案發展軸帶，95年先後納入都更，成為未來吸引新北市居住人潮的最大誘因。
房仲業者陳泰源表示：這些地方一定是低單價、低總價，而且同時又有交通捷運的便利，第二是為了疏散台北市的人口密度。
路人甲：之前因為捷運關係，其實房價炒得很高，那如果有比較低價的房子，來平衡房價，我覺得對一般民眾是有幫助的。
都更名義吸引民間資金，內政部還打算透過容積獎勵回饋，藉由當地低房價打造新一波「合宜住宅」。
房仲業者陳泰源表示：這些利多資訊勢必會推動大台北地區外圍房價，大概1~2成左右。
路人乙：有些投資客或在地人，可能就會趕快去買下來。
記者問：反而擔心政府好意卻助長炒高房價？
路人乙：對對對！
民眾的擔憂，點出政府打出如意算盤的盲點，一旦民間投資，房價漲幅不是官方所能控制，只怕人潮還沒被吸引，這些被炒地皮、高房價的衍生問題，嚇得走溜溜，配套措施完善前，與其急著蓋房子，不如先解決空屋率過高的問題，省的白忙一場，反倒成了房價漲不停的幫兇。
中天新聞網址→http://www.ctitv.com.tw/news_video_c16v75414.html
自由時報新聞網址→http://www.libertytimes.com.tw/2012/new/mar/13/today-e2.htm
部落格網址→http://blog.yam.com/taiyuanchen/article/48116217
資料探勘應用於捷運房地產分群與預測
為了解決先 嗇 宮 房價 的問題，作者高詮惟 這樣論述：
從民國85年捷運開通至今，捷運系統儼然成為台北、新北市民賴以為重的大眾交通運輸工具，捷運系統所經之處對房地產價格有著顯著影響。然而，即使捷運系統的經過確實會提升鄰近700公尺房地產房價有提升，有下列現象：鄰近於同一條捷運線中之各站點的房地產，皆有因為捷運系統經過而有增值漲幅之現象。即使各站點附近之捷運房地產皆有因捷運系統經過而有價格上之顯著變化。但是相同線上之不同站點有的漲幅程度高、有的漲幅程度卻較低。 經由上述現象，本研究以各捷運站點鄰近700公尺之房地產做為研究範圍，以資料探勘-決策樹演算法結合公車數、景點數、捷運轉運站、同線捷運數、捷運出口數、700M學校數、700M百貨公司數、
平均公司資本額、該區人口密度、公司數、刑事案件發生數、該區低收入戶數、該區老化指數、金融機構家數、毒品案件發生數、暴力犯罪案件數、700M醫院/診所數、醫院診所病床數、員警編制人數、派出所數、守望相助巡邏隊數、竊盜案件發生為輸入變數，並分別以近年來新捷運站線中和新蘆線之蘆洲站、三民高中站、徐匯中學站、三和國中站、三重國小站、迴龍站、丹鳳站、輔大站、新莊站、頭前庄站、先嗇宮站、三重站、菜寮站、台北橋站、大橋頭站、中山國小站、行天宮站、松江南京站、東門站之站點資料作為預測資料以作第一階段預測，淡水信義線之大安森林公園站、信義安和站、台北101/世貿站、象山站之站點資料作為預測資料以作第二階段預測，
松山新店線之北門站、台北小巨蛋、南京三民站、松山站之站點資料作為第三階段預測資料，第四階段預測則以所有捷運站點做建模並隨機取30%資料作為測試資料。結果顯示，第一階段預測之結果模型預測準確度以新北地區捷運站點資料預測為81.42%及以台北地區捷運站點資料預測為83.12%，以守望相助隊數作為最重要的屬性分支。第二階段決策樹計算預測之結果模型預測準確度80.77%，以守望相助隊數作為最重要的屬性分支。第三階段決策樹計算預測之結果模型預測準確度84.27%，以守望相助隊數作為最重要的屬性分支。第四階段決策樹計算預測之結果模型預測準確度86.40%，以金融機構數作為最重要的屬性分支，可見安全性與金融
機構數最為重要。