Lasso 알고리즘 적용을 통한 교통환경의 주택가격 영향력 분석 (Impact of Transportation Environment on Housing Prices with Lasso Algorithm)

서지정보

· 발행기관 : SH공사 도시연구원
· 수록지 정보 : 주택도시연구 / 12권 / 3호 / 53 ~ 74페이지
· 저자명 : 채오성, 박진우, 김형주, 김정화

초록

국내 경제 동향을 살펴보면, 1인당 국민 총소득은 5년 동안 약 8% 증가했지만, 서울 아파트 실거래가격 지수는 약 88.6%에서 5년 만에 155%로 약 2배가량 증가했다. 이러한 급격한 상승세가 지속될 경우 소득계층 양극화 및 지역적 불균형, 경제성장의 둔화를 일으킬 수 있기 때문에 주택가격상승요인에 관한 연구와 정책적 방안이 필요한 상황이다. 본 연구는 주택가격에 영향을 미치는 요인들을 특성별로 분류하고 영향력을 수치화하여 교통환경요소와 도시의 특성이 고려된 주택가격모형을 구축하였다. 공간적 범위는 경기도 31개 시ㆍ군 지역을 기준으로 하였으며, 교통환경과 인구특성을 수치화하기 위해 제1차 경기도민 삶의 질 설문조사 자료를 사용하였다. 수집한 데이터에 Lasso 알고리즘 적용을 통해 최적 주택가격모형을 선정하여 주택가격 결정요인을 선정하고, 변수들의 영향력을 비교하였다. 그 결과, 2기 신도시 지역과 그 외 지역 특성 변수가 주택가격에 영향력이 큰 변수로 나타났다. 다양한 교통환경 특성 중 교통안전도만 주택가격에 영향을 미치지 않았는데, 이는 도시지역 거주민들의 안전불감증을 간접적으로 반영한 결과이다. 도심으로 갈수록 교통혼잡도가 높아지기 때문에, 대중교통보다 이용이 불편한 자가용 이용만족도가 주택가격과 반비례하는 경향을 보였다. 편의시설로의 접근성은 좋을수록 주택가격이 상승하였다. 또한, 본 연구에서 구축된 Lasso 모형의 성능이 기존 널리 활용되던 Hedonic 모형보다 약 2배가량 우수함을 검증하였다.

영어초록

Looking at domestic economic trends, per capita gross national income increased by approximately 8% in five years, but the actual transaction price index of Seoul condominiums doubled from approximately 88.6% to 155% for the first time in five years. If such a steep upward trend continues, it may cause the polarization of income groups, regional imbalances, and slowdown of economic growth, so studies and policy proposals on the factors influencing the rise in housing prices are needed. In this study, the factors that impact house prices are classified by characteristics, and their influence is quantified. Additionally, we conducted basic research on the development of a house price model that considers traffic environment factors as well as urban characteristics, in comparison with the results of the Hedonic model, often used as an existing house price determination model. The spatial range in this study is based on the city/county area of 31 Gyeonggi Province, and the first Gyeonggi Province quality of life questionnaire survey material, were used to quantify traffic environment and population characteristics. For geographic information, we collected the administrative area status data of the Prayer Agency (2019), and in the case of housing prices, the housing price data presented by the Ministry of Land, Infrastructure, Transport and Tourism through the public system (2020). From the collected data, the optimal house price model was selected through the turbine principle, the house price determinants were selected, and the influence of the variables were compared. As a result, the second phase new urban area and other regional characteristic variables were revealed as variables that had a major influence on house prices. Of the various traffic environmental characteristics, only traffic safety did not impact house prices. As the traffic congestion increases toward the city center, the satisfaction level for private use, which is more inconvenient than public transportation, tends to be inversely proportional to the house price. The better the accessibility to the facilities, the higher the house price. Finally, as a result of comparing the performance of the Hedonic model and the Lasso model via R, the performance of the Lasso model was approximately twice as good as that of the Hedonic model. However, since this study analyzed the house price determinants only with the house price data of a specific area, additional studies are needed to analyze the house price determinants of a wide range of areas where the limits are clear.

참고자료

· 없음