비수도권 아파트 가격 및 전세가 결정 요인 분석 - 광주, 대전, 대구, 부산의 사례를 중심으로 -
An Analysis on Determinant Factor of Apartments Price and Jeonse Price in Gwangju, Daejeon, Daegu, Busan
0
조회
0
다운로드
13
인용
0
참고문헌
키워드
초록
이 연구의 목적은 공간종속성을 고려하는 다앙한 계량분석모형을 활용하여 광주, 대전, 대구, 부산 등 비수도권 소재 아파트단지의 매매가격과 전세가격의 결정 요인을 분석하는데 있다. 이를 위하여 최소자승법(OLS), 공간종속모형, 공간오차모형, 지리적 가중회귀모형, 지리적 가법모형 등 총 5개의 가격 추정 모형을 활용하여 2017년 기준 광주광역시 716개, 대전광역시426개, 대구광역시 844개, 부산광역시 1,116개 아파트 단지별 가격결정요인을 분석하였다. 실증분석 결과, 아파트 평균평수가 크고, 총 동수가 많고, 상위 30위권 내의 시공사가 건설한 아파트일수록 아파트 가격이 높아지는 것을 확인 할 수 있었다. 또한 공원, 도서관, 지하철, 은행, 버스정류장 등 생활편의시설에 가까울수록, 또 교육특구에 속한 아파트일수록 가격이 높아지는 것을 확인할 수 있었다. 그러나 사회복지시설, 여관, 축사, 공동묘지 등과 가까운 아파트의 경우 가격이 낮아지는 것을 확인 할 수 있었다. 분석결과는 지역별로 다소간 차이가 존재하나, 지리적 가법모형인 GGAM과 더불어 공간계량경제모형의 예측력이 OLS모형 보다 높은 것으로 나타났다. 이는 비수도권 소재 아파트단지의 경우에도 가격결정모형을 구축할 때 설명력을 높이기 위해서는 공간적 종속성과 헤도닉함수의 비선형성을 동시에 고려하는 모형을 도입할 필요성이 있음을 의미한다.
Abstract
This study aims to analyse the determinant factor of apartments price and jeonse price in Gwangju, Daejeon, Daegu, Busan using various prediction models which consider spatial dependence among apartments price data. This study employs the dataset of apartment complexes price in Gwangju(716), Daejeon(426), Daegu(844), Busan(1,116) in 2017 for empirical comparison and 5 different prediction models such as Ordinary Least Square, Spatial Lag Model, Spatial Error Model, Geographically Weighted Regression, Geographically Generalized additive model. After empirical analysis, we come to the following conclusions. The larger the average area of building, the higher the total number of apartments, apartments those constructed by the construction company in the top 30, the better the educational environment, the higher the apartment prices. The closer to the convenience facilities such as parks, libraries, subways, banks and bus stops, the higher the apartment prices. The closer to social welfare facilities, inns, forests and cemeteries, the lower the apartment prices. However, the detailed results differed by city. We expect other research related housing price prediction will be considered both spatial dependence and non-linearity of a hedonic function to improve the performance of prediction.
참고문헌 (15)
- 강민석, "가계자산포트폴리오 분석과 변화의 필요성" (2010), 메리츠종금증권 부동산금융연구소
- 김민성, "공간회귀모형을 이용한아파트 가격 결정요인에 관한 연구", 한국산업경제학회 정기학술발표대회, pp.113~132 (2014)
- 김소연, "주거지 인문환경의 공간 속성을 고려한 주택 가격 결정 모형: 서울시 아파트를 대상으로", 한국지도학회지, 13(3), pp.41~56 (2013), 한국지도학회
- 박헌수, "공간계량경제모형을 이용한 아파트가격과 공간효과분석", 국토계획, 38(5), pp.115~125 (2003), 대한국토·도시계획학회
- 변세일, "부동산시장 여건 변화에 대응한 주거지재생 효과분석 시스템 구축(Ⅲ)" (2015), 국토연구원
- 오윤경, "부산시 아파트 매매 가격에 미치는 영향요인에 관한 연구", 주거환경, 15(3), pp.135~145 (2017), 한국주거환경학회[DOI]
- 전해정, "GWR모형과 GIS를 이용한 주택가격 추정에 관한 연구", 주거환경, 14(1), pp.1~12 (2016), 한국주거환경학회
- 최명섭, "공간종속성을 고려한 서울시 아파트 가격의 공간 영향력", 지역연구, 19(3), pp.61~80 (2003), 한국지역학회
- 최명섭, "지역경제 성장의 시 · 공간 효과", 국토계획, 44(2), pp.173~183 (2009), 대한국토·도시계획학회
- 최명섭, "서울시 주택가격 추정모형의 예측력 비교", 서울도시연구, 17(3), pp.75~89 (2016), 서울연구원[DOI]
- Bitter, C, "Incorporating spatial variation in housing attribute prices: a comparison of geographically weighted regression and the spatial expansion method", Journal of Geographical Systems, 9(1), pp.7~27 (2007)
- Gillen, K, "Anisotropic autocorrelation in house prices", The Journal of Real Estate Finance and Economics, 23(1), pp.5~30 (2001)
- Lancaster, K.J, "A New Approach to Consumer Theory", The Journal of Political Economy, 74(2), pp.132~157 (1966)
- Rosen, S, "Hedonic Prices and Implicit Markets: Product Differentiation in Pure Competition", The Journal of Political Economy, 82(1), pp.34~55 (1974)
- Seya, H, "Empirical comparison of the various spatial prediction models: in spatial econometrics, spatial statistics, and semiparametric statistics", Procedia-Social and Behavioral Sciences, 21, pp.120~129 (2011)