我們要的是長期效果,不是一次了事
科學治理 × 生態平衡,讓台北成為人、動物、環境都安心的城市。
▲ 數據分析 · 屋齡關聯
屋齡 × 鼠患 · 老房子真的養出更多老鼠嗎?
以內政部「行政區房屋稅籍住宅依屋齡」114Q4(2025Q4)資料,結合見鼠地圖 814 筆台北市鼠蹤通報, 對 12 個行政區做關聯分析,誠實檢驗上方「老舊建築/管線」這條線索。這是相關分析,不是因果。
+0.64
平均屋齡 vs 鼠患/千宅
原始相關 · 方向符合「老屋→鼠患」
+0.85
住宅密度 vs 鼠患/千宅
干擾因子 · 遠強過屋齡
+0.34
屋齡 vs 鼠患(控制密度)
偏相關 · 控制密度後明顯縮水
把每區「住宅平均屋齡」對「鼠患通報/每千宅」作圖,屋齡越老的區、鼠患通報相對越多 (Pearson r=+0.64,p=0.03),方向與本頁上方的「老舊建築/管線」論述一致。 但較穩健、抗離群值的 Spearman 等級相關只有 ρ=+0.51(未達顯著)—— 代表這條正相關有一部分是被大安、萬華等少數高值區拉出來的。
但真正幾乎完美預測鼠患通報的,是住宅密度(每平方公里住宅棟數):與鼠患/千宅 r=+0.85、 與鼠患/km² 更高達 r=+0.96。而且老屋多的區往往也比較密集—— 「老」「密」「鼠患多」三者糾纏在一起。
把住宅密度當控制變項做偏相關,屋齡對鼠患的獨立關聯從 +0.64 掉到 +0.34;≥40 年老屋比例則從 +0.52 掉到 +0.31。 剩下的是弱訊號,在 12 區的樣本下無法宣稱統計顯著。
怎麼解讀 區級資料部分支持「老屋與鼠患同現」,但不足以證明「老舊建築本身」是獨立驅動因子。 更可能的解讀是:鼠患集中在「又老又密的中心城區」這個整體都市型態,而非屋齡單獨作用。 這與本頁的關鍵字發現並不衝突——關鍵字講的是鼠在哪種微棲地被看到(管線、牆縫), 本分析講的是哪種行政區鼠患密度高,兩者尺度不同。
| 行政區 | 平均屋齡 | ≥40老屋% | 鼠患/千宅 | 宅密度 |
|---|---|---|---|---|
| 萬華區 | 42.0 | 67% | 1.06 | 8,087 |
| 士林區 | 41.8 | 66% | 0.57 | 1,484 |
| 松山區 | 41.4 | 63% | 1.36 | 7,145 |
| 大安區 | 41.3 | 62% | 1.23 | 8,659 |
| 信義區 | 40.6 | 60% | 1.38 | 6,900 |
| 大同區 | 40.4 | 59% | 0.99 | 8,201 |
| 中正區 | 39.7 | 57% | 1.39 | 6,985 |
| 北投區 | 38.3 | 58% | 0.44 | 1,504 |
| 中山區 | 37.9 | 54% | 0.93 | 7,074 |
| 文山區 | 35.5 | 48% | 0.52 | 3,010 |
| 南港區 | 34.4 | 50% | 0.65 | 1,891 |
| 內湖區 | 33.4 | 40% | 0.46 | 2,944 |
▲ 方法論限制聲明
- n=12,檢定力低:12 個行政區只能描述性呈現,偏相關的弱訊號無法做統計確認。要分離屋齡效果需更細的空間單元,但里級屋齡資料目前未公開(稅籍最細到區)。
- 相關不是因果:屋齡、密度、鼠患三者共線,本分析無法指認因果方向。
- 通報偏誤:鼠患以通報數計,密集中心區通報本就多;雖以「每千宅」與密度控制部分校正,仍非實際鼠口。
- 時間不完全對齊:屋齡為 2025Q4 稅籍、鼠患為 2026 年 5 月單月(且受平台上線爆量影響)。
- 下一步:若要真正檢驗「老舊建築」,方向是微棲地層級(逐筆通報點的建物屋齡,而非區級平均),或取得里級屋齡後重做。
資料來源:內政部「行政區房屋稅籍住宅類數量依屋齡區分」114Q4 臺北市 · 見鼠地圖 2026/5 台北市鼠蹤通報 · 官方行政區面積。方法:Pearson/Spearman 相關 + 以住宅密度為控制變項之偏相關。