머신러닝을 적용한 주택가격 추정모형

• 영문명: Prediction of Housing Price using Machine Learning: Focusing on MARS
• 발행기관: 한국주택학회
• 저자명: 오지훈(Jihun Oh) 김정섭(Jeongseob Kim)
• 간행물 정보: 『한국주택학회 학술대회 발표논문집』2017년 하반기학술대회 자료집, 153~171쪽, 전체 19쪽
• 주제분류: 경제경영 > 경제학
• 파일형태: PDF
• 발행일자: 2017.12.15

국문 초록

헤도닉 모형은 재화에 내재되어 있는 특성을 통해 가격을 추정하는 모형으로 주택시장분석에 널리 사용되어 왔다. 그러나 헤도닉 모형을 사용한 많은 연구들이 선형회귀분석을 추정기법으로 활용하면서 선형적합이 가지는 여러 한계점이 나타났다. 대표적으로 설명변수의 영향력이 비선형적으로 나타나는 경우, 선형회귀모형 상에서는 이러한 비선형적 관계를 포착하기 어렵다. 이에 따라 설명변수를 조작하는 방식으로 변수들의 비선형적 영향력을 통제하고 선형적합에 따른 편의성을 줄이고자 하는 노력들이 이어졌다. 그러나 이러한 방식은 데이터 자체에 기반한 방식이라기보다는 경험적 사실에 더 중점을 두고 있다는 점에서 한계가 있다. 따라서 본 연구에서는 머신러닝 기법 중 하나인 MARS(Multivariate Adaptive Regression Spline)를 활용하여 주택 특성들이 가격에 반영되는 양상을 보다 객관적으로 분석할 수 있는 헤도닉 모형을 제시하고자 한다. MARS는 관측치의 분포에 따라 비선형적으로 회귀식을 추정하는 기법으로, 주택가격 결정요인들의 변곡점(inflection point)을 포착할 수 있다는 점이 장점이다. 분석은 2014~2016년 사이 서울시에서 거래된 개별 아파트 자료를 대상으로 한다. 종속변수는 아파트 실거래가를, 독립변수는 아파트의 물리적 특성을 위주로 구축하였다. 분석 결과, MARS는 기존의 선형회귀분석 기반의 주택가격 추정모형과 비교하여 설명력이 보다 우수한 것으로 나타났다. 또한 아파트 물리적 특성 변수들의 비선형적 영향력이 나타나는 지점, 대표적으로 경과년도의 경우 시간이 지나면서 가격이 감소하다가 재건축 수요로 인해 가격이 다시 증가하는 지점을 변곡점을 통해 발견할 수 있었다.

목차

<요약>

I. 연구의 배경 및 목적

II. 선행연구 검토

III. 연구의 범위 및 방법

IV. 실증 분석

V. 결론

참고문헌

키워드

헤도닉 모형 변곡점 MARS Hedonic Model Multivariate Adaptive Regression Spline Inflection Point