[통계학] 인천아파트가격의 시계열분석

소개글

인천지역의 지난 10년간의 아파트가격에 대한 시계열 모형 적합과정과 분석내용을 담고 있습니다.

목차

1. 서 론

2. 본 론
2.1 실제 데이터의 관찰
2.2 (자기)회귀 모형
2.2.1. 회귀분석 과정
2.2.2. 자기회귀 오차모형
2.2.3. 다음 12개 데이터의 예측치
2.2.4. 결과 분석
2.3 ARIMA 모형
2.3.1. ARIMA모형 적합
2.3.2. 모형 적합 Identifying var=house(12)
2.3.3. 모형 적합 Identifying var=house(1,12)
2.3.4. 모형 적합 Identifying var=house(1,12) (Seasonal ARIMA)
2.3.5. 다음 12개 DATA(Year 1997)의 예측치
2.4 평활법을 사용한 예측 모형
2.4.1. 결과(Winters 가법모형)
2.4.2. 다음 12개 DATA(Year 1997)의 예측치

3. 결론 및 토의
3.1 예측치의 결과와 표준 제곱 오차들의 비
3.2. 예측치 결과 비교 및 의미 고찰
3.3. 집 값 예측의 한계

본문내용

1. 서론
시계열 분석(time series data analysis)에서 다루고자 하는 자료들은 국민 총생산고, 물가지수, 상품의 판매량, 종합주가지수, 강우량, 태양의 흑점 수 등등 시간의 흐름에 따라 순서대로 관측되는 자료들이다. 시계열 자료들은 생성되는 특성에 따라 연속적으로 생성되는 연속 시계열(continuous time series)과 이산적 시점에서 생성되는 이산 시계열(discrete time series)의 두 경우로 나누어 생각할 수 있다. 많은 시계열들이 실제로는 연속적으로 생성되고 있으나, 일정한 시간간격을 두고 관측되므로 이산 시계열자료의 형태를 지니고 있는 경우가 많다.
시계열자료를 분석하는 목적은 크게 보아 두 가지로 나눌 수 있는데, 그 첫째는 과거 시계열 자료의 패턴이 미래에도 지속적으로 유지된다는 가정 하에서, 현재까지 수집된 자료들을 분석하여 미래에 대한 예측을 하는 것이다. 예를 들면, 과거부터 수집되어온 어떤 상품의 판매고의 자료를 분석하면 미래의 판매고를 예측할 수가 있을 것이다. 둘째로는 시계열 자료가 생성된 시스템 또는 확률과정을 모형화 하여 시스템 또는 확률과정을 이해하고 제어할 수 있도록 하는 것이다. 예를 들어, 원료가 투입되어 제품이 생산되는 시스템을 모형화 할 수 있으면 제품의 목표 값을 달성하기 위해 원료를 어떻게 입력시키는 것이 가장 최적인지를 알아낼 수 있을 것이다.
본 논문에서는 1985년부터 1995년까지의 인천광역시의 월별 집값 지수를 시계열분석의 대상 자료로 삼고 있다. 대표적인 3가지 시계열 분석이론을 적용해서 다음 1년(1996년)에 해당하는 자료를 가장 잘 예측하는 통계적 모형을 찾는 것이 본 논문의 목적이다. 이는 집값자료가 생성된 사회적 경제적 시스템을 보다 잘 이해하고 나아가서 집값 안정 정책 등 사회 시스템을 제어하는 데 도움이 될 수 있다는 데 연구 의의가 있다.
특히 최근의 자료를 다루지 않고 다소 과거의 자료를 다루고 있는 이유는 IMF라는 커다란 사회적 사건이 모든 경제관련 지표에 미친 영향때문이다. IMF를 전후해서 시계열 자료의 패턴이 급격히 변하고 있어서 자료분석에 요구 되어지는 이론이 학부수준을 넘기 때문에 본 논문에서는 IMF 전까지의 10년 간의 자료를 분석 대상으로 삼고 있음을 미리 밝혀 두는 바이다.

참고 자료

이상열 (2001). 『시계열 분석의 원리』, 자유아카데미, 서울.
조신섭, 손영숙 (2002). 『SAS/ETS를 이용한 시계열 분석』, 율곡출판사, 서울.
조신섭, 이정형 (1997). 『SAS/ETS를 이용한 시계열 분석』, 자유아카데미, 서울.
최기헌, 이종협 (1994). 『SAS/ETS를 이용한 시계열 분석과 그 응용』, 자유아카데미, 서울.