跳到正文
TRIBE
楼层溢价缩了11%。在高楼里它完全没动。

Insights

EN中文

楼层溢价缩了11%。在高楼里它完全没动。

在同一栋楼、同一房型、同一年里,多一层楼在2017至2019年为组屋转售价加上0.70%,在2024至2026年只加0.62%。这个压缩通过了九种设定的检验,而在30层以上的楼里它消失了。

By TRIBE Editorial · 6 October 2026 · 4 min read

9月我们量过高楼层在组屋转售市场里究竟值多少,发现把同一栋楼里的房子互相比较,会把原始的96%差距压缩到每层约0.6%。那回答了水平。它没有回答这个水平有没有移动过。

它移动了。固定住楼栋、房型与日历年份,多一层楼在2017至2019年为转售价加上0.7042%,在2024至2026年加上0.6246%——每层相差8个基点,也就是比过去少买到11.3%,t值为:−9.5。

同一套算式用金额来看则指向相反方向:按2017年的中位价,一层楼值2,691元;按2026年的中位价,值3,838元。两句话都是真的,而两者之间的落差就是本文的发现。买家为高度所付的钱涨了43%。而高度相对于它下面那一层所交付的东西,少了。

−11.3%
多一层楼为组屋转售价所加幅度的变化,2017-19年对比2024-26年
由每层+0.7042%降至+0.6246%,t = −9.5,基于78,703宗成交
3,838元
按2026年中位转售价计算,一层楼在现金上的价值
2017年为2,691元——百分比在降,支票在涨,涨了42.6%
+0.0080
同一溢价在最高层为30层及以上的楼里的变化,单位为每层百分点
t = +0.55——与完全没有变化无法区分

在比较什么

这个估计方法刻意收得很窄。每一宗成交都按楼栋、街道、镇、房型与年份分组,而只有至少三宗成交的组才参与计算。在每一组内,价格与楼层各自减去组内均值之后再作回归,所以被用到的唯一变异就是:同一栋楼里、同一年里、同一房型、处在不同高度。凡是让一栋楼比另一栋贵的东西——镇、离地铁距离、租约、屋龄、单位型号、那一年的市场水平——都被这个组吸收掉了。

楼层以登记档案那个三层区间的中点编码。这些区间在2017年以后的整条序列里都是统一的,由01 TO 03到49 TO 51,共17个,中间没有换过分组规则,而这正是跨九年作比较能够干净的原因。

这不是一个价格水平的主张,也不是一个指数。它只量一件事:在一栋楼内部,价格对高度的斜率,以及这个斜率有没有变过。

逐年来看:

年份每层百分比标准误成交数楼栋单元数
2017+0.65620.011511,7742,782
2018+0.70530.011512,5382,904
2019+0.74810.011512,8112,943
2020+0.69960.010314,1513,105
2021+0.66330.008719,5264,086
2022+0.64060.008716,6303,728
2023+0.64280.008415,6733,500
2024+0.64930.008417,4553,909
2025+0.60650.008014,7553,402
2026(1月至9月)+0.60920.01019,3702,302

高点在2019年,低点在2025年。由高点到现在:0.7481%降至0.6092%,相对下降18.6%。这条序列不是缓慢漂移——它在2020至2022年踩下一级台阶,然后平了四年。

这不是结构变化

最顺手的反驳是:这是楼栋构成在变,而不是高度的价格在变。榜鹅、盛港以及其他2000年以后建成的高楼存量,在整个期间不断成熟进入转售市场,而高楼的楼层溢价本来就比较平。如果这就是全部的原因,那么把比较限制在两个时段都出现过的楼栋,就应该让这个结果消失。

它做的恰好相反。在两个窗口都有成交的12,164个楼栋与房型单元上,溢价由0.7036%降至0.6074%——压缩9.6个基点,比全样本的8.0个更大,t值为−9.69。

同一栋楼、同一房型,相隔九年,为高度付的钱比过去少了。

九种设定

设定2017-192024-26变化(百分点)t
基准:楼栋 × 房型 × 年份+0.7042+0.6246−0.0796−9.54
平衡面板,两期皆有的12,164个单元+0.7036+0.6074−0.0962−9.69
用每平方米价格的对数代替价格对数+0.6935+0.6231−0.0704−9.18
楼栋 × 房型 × 季度+0.6811+0.6168−0.0643−4.71
组内再加入精确面积+0.6973+0.6229−0.0745−8.79
剔除价格最高与最低各0.5%+0.7015+0.6263−0.0752−8.95
完全剔除2026年(2017-19对2024-25)+0.7042+0.6295−0.0746−8.44
剔除最高层达30层及以上的楼+0.7692+0.6716−0.0976−9.99
只取最高层达30层及以上的楼+0.5091+0.5171+0.0080+0.55

九种里有八种在方向上一致,数值落在6至10个基点之间。第九种就是那个定义了整个结果的例外。

溢价集中在底部

高度的定价从来不是线性的,过去也不是。按房子在楼里所处的位置拆分:

楼层区间2017-192024-26变化(百分点)t
1至9层+1.1685+0.9858−0.1827−5.97
7至15层+0.5136+0.4606−0.0529−1.61
13至24层+0.4839+0.4425−0.0414−0.89
22层以上+0.4333+0.3370−0.0963−2.26

在两个时段里,离开最低那三层,每一层的价值大约是在十几层之间往上爬的两倍。买家付钱买的,大部分是脱离地面,而不是抵达顶楼——而压缩也大部分发生在同一个低层区间,那里2024至2026年的溢价比过去薄了18个基点。

它在哪里没有发生

按楼栋内观察到的最高楼层分组:

楼栋高度2017-192024-26变化(百分点)t
12层及以下+0.8888+0.7205−0.1684−6.02
13至18层+0.8250+0.7177−0.1073−8.01
19至29层+0.6592+0.5996−0.0596−4.13
30层及以上+0.5091+0.5171+0.0080+0.55

压缩随楼栋高度单调递减,到顶端归零。高楼一开始就有最平的溢价——每层略高于半个百分点,对比低层楼的接近九成个百分点——而它把这个溢价原封不动地保留了下来。

所以诚实的标题要比那个全国数字更窄:楼层溢价在低层与中层组屋存量里压缩了,在高楼存量里没有动。在一栋40层的楼里,2026年为高度定价的方式,与2017年完全一样。

25个镇里的22个

在两个窗口各至少有200宗合格成交的25个镇里,22个压缩,三个扩大。

压缩最多的:实龙岗−0.2424个百分点、巴西立−0.2000、榜鹅−0.1836、义顺−0.1693、后港−0.1656、裕廊东−0.1588、兀兰−0.1551。

扩大的三个:中区+0.0756个百分点、武吉巴督+0.0697、三巴旺+0.0529。碧山为−0.0013,取到小数点后三位是平的。

中区扩大与楼栋高度那个结果是一致的,而不是相反:它在两个时段里都是所有镇中溢价最平的(由+0.3992%升至+0.4749%),也是最以高楼为主的,所以它该归到高楼那一边,而不是实龙岗那一边。

按房型来看,楼栋与年份仍然固定:

房型2017-192024-26变化(百分点)t
两房式+0.5641+0.5412−0.0229−0.39
三房式+0.7040+0.5724−0.1315−5.88
四房式+0.6962+0.6348−0.0614−5.73
五房式+0.7049+0.6572−0.0477−3.27
改进型+0.8479+0.7242−0.1237−2.89

三房式失去的楼层溢价,是四房式的两倍。两房式在2,161宗成交上是一个零结果。

这些数字在哪里不成立

有三个失败之处,而第三个最重要。

在成交活跃的楼栋里,这个结果消失了。把每个楼栋单元所要求的最低成交数往上调,样本会缩小,效应也会缩小,而过了12之后它就没有了:

每单元最低成交数2017-192024-26变化(百分点)t
2+0.7128+0.6285−0.0843−11.07
3(基准)+0.7042+0.6246−0.0796−9.54
5+0.6742+0.6175−0.0567−5.21
8+0.6676+0.6255−0.0421−2.78
10+0.6701+0.6152−0.0548−3.02
12+0.6184+0.6198+0.0014+0.06
20+0.6806+0.6687−0.0119−0.27
25+0.7159+0.7213+0.0054+0.07

样本量会崩塌——最低成交数取12时为1,664与2,630宗,而基准下是37,123与41,580宗——所以其中有一部分是检验力流失。但点估计本身,也在标准误膨胀之前就由−0.084稳步衰减到零,而那不是纯噪声该有的样子。站得住的读法是:这是一个发生在成交稀薄至中等的楼栋里的广泛市场现象,而在最活跃的那些楼栋里并不存在。只抽取高换手楼栋的人,不会找到它。

金额上那个数字过不了平衡面板。在全样本上,每层现金由2017年的2,691元升至2026年的3,838元,涨42.6%。在那12,164个平衡单元上,它到2022年升至3,508元,然后就停了:2023年3,505元,2024年3,578元,2025年3,518元,2026年3,644元——四年里涨3.9%,而同一批单元的中位价涨了20.5%,由502,000元升至605,000元。全样本那个42.6%里有相当一部分是结构变化,是更新更贵的住宅区进入转售池。站得住的说法是:「以现金计自2022年起持平,因此在实际与相对意义上都在下降」,而不是涨42.6%。

季度那一种设定是九种里最弱的。把组收紧到楼栋×房型×季度,可用样本降至10,858与12,827宗,t值降至−4.71。它在方向与量级上仍然一致,但如果有人要质疑,这是第一行该被追问的。

除此之外还有两个方法上的限制。楼层用的是区间中点,所以真实楼层在三层之内是观察不到的;这会把斜率在两个时段里都朝零方向衰减,因而大体上不影响那个差值,但会使本文每一个水平数字都成为下限。另外,标准误是常规标准误,不是按楼栋聚类的——聚类会让它们变宽,而在t = −9.5的基准上,它能容得下一个相当宽松的膨胀系数,但季度那一种设定以及最低成交数取八及以上的那些行会变得脆弱。

这些数字该怎么用

如果你正在为一个高楼层加价,除了高楼之外,你被报出的那个溢价在每一种楼里都比2019年要薄。在低层与中层存量里,同一房型的三楼单位与十楼单位之间的差距,占价格的比重比过去小,而现金金额自2022年起就是静止的。

如果你在卖一间低楼层的房子,这个压缩对你有利,而且它正集中在你所在的位置:1至9层那个区间每层失去18个基点,比任何其他区间都多。靠近地面的折让,比你自己楼里2017至2019年那些成交所暗示的要窄。

如果你的楼有30层或更高,以上这些都不适用。那里为高度定价的方式与九年前一样,大约每层半个百分点,而全国的趋势并不构成在任何方向上重估高楼里某个高楼层单位的理由。

如果你在用一条经验法则,每层0.6%是目前的全国数字,而它是一条急剧非线性曲线上的平均值:最底下九层接近每层1%,第十三层以上不足半个百分点。把一个数字套在一栋40层的楼上,会把顶部定得过高,把底部定得过低。

方法

所有数字均从data.gov.sg上的建屋局转售成交完整登记档案计算,共242,032笔,涵盖2017年1月至2026年10月,于2026年10月6日经该数据集的datastore_search端点抓取,并与已公布的总行数核对一致。抓取时2026年10月只有326笔登记,已从所有数字中剔除,剩下完整月份的241,706行;2026年9月有2,246笔登记,处于2026年的月度均值,予以保留。估计方法是转售价格对数对楼层的组内普通最小二乘斜率,组为楼栋、街道名、镇、房型与年份的唯一组合,且只有至少三宗成交的组参与计算;所报系数乘以100,读作每层占价格的百分比。楼层为登记档案storey_range区间的中点,编码为区间下界加一;登记档案使用17个统一的三层区间,由01 TO 03至49 TO 51,整个期间没有换过规则。标准误为常规组内标准误,由残差方差除以楼层组内离均差平方和求得,并未按楼栋聚类;聚类标准误会更宽。两个对比窗口为2017至2019年与2024至2026年,其中2026年为九个月。平衡面板把两个窗口都限制在各期均有观察的12,164个楼栋与房型单元上。金额数字是把各年所估斜率套在该年中位成交价上,属同一系数的另一种呈现,不是另一个独立估计。楼栋高度为该楼栋与房型在整个期间内观察到的最大楼层区间中点,因此它是真实楼高的下限,而顶层从未成交过的楼栋其高度是观察不到的。镇、房型、楼层区间与门槛各项拆分,都是在所述子样本上重新估计同一设定;楼层区间的拆分刻意重叠,以使每个区间内都有足够的同楼栋高度变异来估计斜率。任一窗口合格成交少于200宗的镇已剔除,剩下25个。登记档案不含装修、朝向、景观、电梯楼层或单位格局的数据,这些只在同一楼栋与房型内保持不变的程度上被吸收;本文任何内容都没有把高度的价值与楼内任何与高度相关的因素的价值分开。month字段是登记日期而不是成交日期,近月数字会随补登记落地而向上修订。所公布的面积包含内凹空间与加建项目所增面积。本文所依据的9月那篇《一层楼值0.6%。原始数字说96%。》,是在一个更窄的四房式样本上估计水平;本文估计的是跨所有房型随时间的变化,两者的系数不能直接比较。所有集中趋势一律用中位数,绝不用平均数。本文属关于转售登记档案的一般资讯,不构成针对任何个别买卖的建议;做任何决定前,请向建屋局与公积金局核实估值、津贴资格与贷款条件。

Know what you can afford

Loan, stamp duty, CPF, and monthly repayments — work out your real budget before you commit. No registration required.

Plan my purchase →Prefer a personal read on your situation? Arrange a consultation →
Silas Tan

TRIBE Editorial · Reviewed by Silas Tan

Co-Founder, TRIBE · District Director, Huttons Asia · Ex-Mortgage Banker (AVP) · >1,000 families advised · CEA R000303I

TRIBE 的评分与核查方法

发现错误,或数据在发布后已有变动? 告诉我们,我们会更正。

This article is for informational purposes only and does not constitute financial or investment advice.