[논문]서울시 아파트 실거래가의 변화패턴 분석

김정희

doi:10.7319/kogsis.2014.22.1.063

서울시 아파트 실거래가의 변화패턴 분석
Analysis of Pattern Change of Real Transaction Price of Apartment in Seoul 원문보기

한국지형공간정보학회지 = Journal of the korean society for geospatial information science, v.22 no.1, 2014년, pp.63 - 70

초록
AI-Helper

본 연구는 국토교통부에서 제공하는 아파트 실거래가자료를 이용하여 2006~2010년까지 5년간의 서울시 아파트실거래가 변화패턴을 시공간적으로 분석하는데 그 목적이 있다. 이를 위해 아파트별 평균 실거래가, 동별 평균 아파트 실거래가 자료를 위치정보자료와 연결하여 GIS데이터로 구축하였다. 분석방법으로는 먼저 공간보간기법 중 크리깅(kriging)을 이용하여 개별 아파트의 시기별/면적별 실거래가의 변화패턴을 분석하였다. 둘째 행정구역(행정동)별 아파트실거래가의 변화패턴을 분석하기 위해 단위 면적별 실거래가의 평균을 계산하여 Moran I 값으로 변환한 후 거래가격의 공간상의 군집도를 분석하였다. 이를 통해 시공간상의 분포패턴을 파악하고, 변화유형까지 유추할 수 있어 주택 및 지역정책에 기초자료로 활용할 수 있다. 시계열 자료를 바탕으로 종적인 변화패턴과 GIS를 이용한 횡적 변화패턴을 분석하기 때문에 아파트가격의 지역 불균형을 한눈에 살펴 볼 수 있다.

Abstract ▼ AI-Helper

This study is to analyze impact of geography and timing on the real transactions prices of apartment complexes in Seoul using data provided by the Ministry of Land, Infrastructure and Transport. The average real transactions and location data of apartment complex was combined into the GIS data. First, the pattern of apartment real transaction price change by period and by area was analyzed by kriging, the one of the spatial interpolation technique. Second, to analyze the pattern of apartment market price change by administrative district(administrative 'Dong' unit), the average of market price per unit area was calculated and converted to Moran I value, which was used to analyze the clustering level of the real transaction price. Through the analysis, spatial-temporal distribution pattern can be found and the type of change can be forecasted. Therefore, this study can be referred as of the base data research for the housing or local policies. Also, the regional unbalanced apartment price can be presented by analyzing the vertical pattern of the change in the time series and the horizontal pattern of the change based on GIS.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

이를 위해 지점별 아파트 실거래가 자료를 공간조인(spatial ioin)하여 구역(polygon)단위 데이터로 변환하여 동별 평균값을 산정한다. Moran I분석을 통해 지가의 형성패턴이 군집화되어 있는지, 또는 무작위 분포나 분산분포를 나타내는지의 여부를 파악하고자 한다.
이러한 현상은 아파트가 공동주택방식으로 인근 아파트의 가격과 상호 영향을 끼치며 공간적 자기상관(spatial autocorrelation)이 발생하기 때문일 것으로 사료된다. 따라서 아파트 실거래가격의 변화패턴을 추정하는데 있어 공간조인(spatial join)을 통해 행정구역별 데이터로 가공처리하여 인접한 지역간에 유사한 패턴을 보이는지의 여부를 파악하고자 공간적 자기상관 방법을 이용하고자 한다.
본 연구는 국토교통부에서 제공하는 아파트 실거래가자료를 이용해 2006~2010년까지 5년간의 서울시 아파트실거래가 변화패턴을 시공간적으로 분석하고자 한다. 이는 세계적인 금융위기가 발발했던 2008년을 전후로 공간상의 분포패턴의 변화를 파악하기 위해 5년간의 데이터를 사용하였다.
본 연구에서는 공간적 자기상관 방법 중 국지적 Moran‘s I 측정 방법을 토대로 인접지역 데이터의 유사성을 분석하고자 한다(Mitchell, A., 2005).
공간보간에 사용되는 방법은 크게 미관측지점의 값을 추정하기 위하여 모든 관측지점의 값을 사용하는 전역적(global) 방법과 인접한 주변지역의 값만을 사용하는 국지적(local)방법으로 구분된다. 본 연구에서는 국지적 보간법 중의 하나인 크리깅(kriging) 기법을 적용하여 변화패턴을 분석하고자 한다. 또한 크리깅 기법 중 주변에 위치한 자료의 적절한 가중 평균으로 고려될 수 있는 정규 크리깅(ordinary kriging)을 사용하여 아파트 실거래가의 시공간적 변화패턴을 모형화하였다.
본 연구에서는 이러한 사실에 근거해 보편화된 주거 유형이라 할 수 있는 서울시 아파트 실거래가 자료를 이용하여 시·공간적 변화패턴을 분석하고자 한다.
본 연구에서는 이러한 사실에 근거해 보편화된 주거 유형이라 할 수 있는 서울시 아파트 실거래가 자료를 이용하여 시·공간적 변화패턴을 분석하고자 한다. 특정 시기의 공간적 분포패턴뿐만 아니라 시간적 변화에 따른 공간과정으로 간주되기도 하는 공간구조의 변화, 즉시계열적 측면에서의 패턴 변화를 파악하고자 한다. 아파트 가격의 시계열적 변화 추이를 통해 미래의 아파트 가격을 예측해 볼 수 있고, 시기별 공간상의 군집성을 측정하여 통계적으로 유의미하게 주택가격이 형성되는 지를 파악 할 수 있다.

제안 방법

년도별 자료는 월별로 제공되는 실거래가자료를 연단위로 계산된 평균값을 사용하였으며, 평형대별 자료는 전용면적을 기준으로 소형(60㎡이하), 중소형(60㎡초과 85㎡이하), 중대형(85㎡초과 135㎡이하), 대형(135㎡초과)으로 구분하여 만원/㎡을 기본단위로 하여 구축하였다. 구축한 속성데이터는 1:5,000 수치지형도를 기반으로 추출한 아파트 레이어와 결합하여 공간DB로 저장한 후 ArcGIS 10.0의 Geostatistical Analyst 모듈을 이용하여 분석한다.
이러한 자료를 기반으로 연속적인 변화패턴을 파악하기 위해 최소 1년 이상 지속적으로 거래가 이루어졌던 1,832개의 동일물건 아파트를 대상으로 년도별/평형대별로 실거래가를 가공처리하여 사용하고자한다. 년도별 자료는 월별로 제공되는 실거래가자료를 연단위로 계산된 평균값을 사용하였으며, 평형대별 자료는 전용면적을 기준으로 소형(60㎡이하), 중소형(60㎡초과 85㎡이하), 중대형(85㎡초과 135㎡이하), 대형(135㎡초과)으로 구분하여 만원/㎡을 기본단위로 하여 구축하였다. 구축한 속성데이터는 1:5,000 수치지형도를 기반으로 추출한 아파트 레이어와 결합하여 공간DB로 저장한 후 ArcGIS 10.
이는 실거래가격의 특성상 거래가 없는 시기의 아파트에 대한 가격을 예측하기 위함이다. 둘째, 표준화된 자료는 각 시점별로 Moran I 값으로 변환하여 서울시의 년도별 집중화의 정도를 비교하고자 한다. 이를 위해 지점별 아파트 실거래가 자료를 공간조인(spatial ioin)하여 구역(polygon)단위 데이터로 변환하여 동별 평균값을 산정한다.
둘째, 행정구역(행정동)별 아파트실거래가의 변화패턴을 분석하기 위해 단위 면적별 실거래가의 평균을 계산하여 Moran I 값으로 변환한 후 거래가격의 공간상의 군집도를 분석하였다. 시기별로 HH유형은 전체 면적대에서 2006년에 최고치를 기록한 후 60㎡초과 85㎡이하를 제외한 나머지 면적대에서 2008년에 최저치를 찍은 후 점차 상승하는 추세를 보였다.
따라서 본 연구에서는 수치지형도와의 연계를 기반으로 대용량데이터를 처리·분석하는 데에 초점을 두었으며 이를 통한 기대효과를 정리하면 다음과 같다.
본 연구에서는 국지적 보간법 중의 하나인 크리깅(kriging) 기법을 적용하여 변화패턴을 분석하고자 한다. 또한 크리깅 기법 중 주변에 위치한 자료의 적절한 가중 평균으로 고려될 수 있는 정규 크리깅(ordinary kriging)을 사용하여 아파트 실거래가의 시공간적 변화패턴을 모형화하였다. 그 식은 다음과 같다.
본 연구에서는 2006∼2010년까지의 서울시 아파트 실거래가를 이용하여 공간통계기법을 통해 시공간상의 변화패턴을 분석하였다.
이는 세계적인 금융위기가 발발했던 2008년을 전후로 공간상의 분포패턴의 변화를 파악하기 위해 5년간의 데이터를 사용하였다. 이러한 자료를 기반으로 연속적인 변화패턴을 파악하기 위해 최소 1년 이상 지속적으로 거래가 이루어졌던 1,832개의 동일물건 아파트를 대상으로 년도별/평형대별로 실거래가를 가공처리하여 사용하고자한다. 년도별 자료는 월별로 제공되는 실거래가자료를 연단위로 계산된 평균값을 사용하였으며, 평형대별 자료는 전용면적을 기준으로 소형(60㎡이하), 중소형(60㎡초과 85㎡이하), 중대형(85㎡초과 135㎡이하), 대형(135㎡초과)으로 구분하여 만원/㎡을 기본단위로 하여 구축하였다.
또한 대부분의 연구가 행정구역별(동/구 단위) 면(polygon)단위의 평균 가격 자료를 이용하기 때문에 미시적인 분석에는 한계가 있었다. 이를 극복하기 위해 대용량 데이터 처리와 지오코딩이 가능한 GIS와 공간통계기법을 접목하여 아파트 실거래가의 시공간적 변화패턴을 분석하고자 한다.
둘째, 표준화된 자료는 각 시점별로 Moran I 값으로 변환하여 서울시의 년도별 집중화의 정도를 비교하고자 한다. 이를 위해 지점별 아파트 실거래가 자료를 공간조인(spatial ioin)하여 구역(polygon)단위 데이터로 변환하여 동별 평균값을 산정한다. Moran I분석을 통해 지가의 형성패턴이 군집화되어 있는지, 또는 무작위 분포나 분산분포를 나타내는지의 여부를 파악하고자 한다.
첫째, 크리깅(kriging) 보간법을 이용하여 개별아파트의 시기별/면적별 실거래가의 변화패턴을 분석하였다. 아파트 실거래가의 공간적 분포패턴은 중소형 아파트의 경우 서울시 전역에 걸쳐 꾸준히 거래가 이루어졌으나 한강이남의 동남부지역을 중심으로 높은 실거래가가 형성되었다.

대상 데이터

본 연구는 국토교통부에서 제공하는 아파트 실거래가자료를 이용해 2006~2010년까지 5년간의 서울시 아파트실거래가 변화패턴을 시공간적으로 분석하고자 한다. 이는 세계적인 금융위기가 발발했던 2008년을 전후로 공간상의 분포패턴의 변화를 파악하기 위해 5년간의 데이터를 사용하였다. 이러한 자료를 기반으로 연속적인 변화패턴을 파악하기 위해 최소 1년 이상 지속적으로 거래가 이루어졌던 1,832개의 동일물건 아파트를 대상으로 년도별/평형대별로 실거래가를 가공처리하여 사용하고자한다.

이론/모형

먼저 구축된 데이터는 시기별 실거래가 데이터가 지리공간상에서 어떠한 형태로 변화하는 지를 모형화하기 위해 지점(point)데이터로 변환 후 크리깅(kriging) 보간법을 사용한다. 크리깅 보간법은 미측정 지점에 대한 아파트가격의 유추를 통해 공간상에 분포패턴을 작성하는데 주로 사용된다.
시공간상에서 아파트실거래가가 어떠한 형태로 변화하는지를 모형화하기 위해 공간보간기법(spatial interpolation method)을 적용하고자 한다. 공간보간기법은 Tobler의 법칙을 기반으로 기존에 알고 있는 위치값 외에 더 많은 정보가 요구되는 위치들에 대하여 그 값을 추정하는 데 사용되는 방법이다.

성능/효과

1,000만원/㎡이상의 높은 실거래가를 보이고 있는 지역은 강남구 압구정동·도곡동·개포동, 서초구 서초동, 송파구 잠실동, 용산구 이촌동, 영등포구 여의도동, 양천구 목동에 소재하는 아파트를 중심으로 나타났다.
시기별로 살펴보면 중소형, 중대형 아파트의 경우 평균값이 소폭 상승하는 추세를 보였으나, 대형아파트의 경우 2007년을 정점으로 점차 하락하는 추세를 보였다. 또한 2008년을 기점으로 실거래가의 편차가 줄어들다가 2010년에 상승하는 패턴을 보이는 것으로 나타났으며, 아파트 실거래가의 최소치와 최대치의 편차가 평균적으로 10배의 차이가 나 지역별 양극화현상이 여전히 존재하는 것으로 분석되었다.
중소형아파트의 경우 높은 실거래가를 보이는 지역은 주로 역세권에 해당하는 대단위 아파트로 주변 학군이 좋고, 상업시설이 집중해 있는 특징을 가지고 있다. 또한 재건축단지일지라도 집값상승 기대감이 높아 투자가치가 확실해 보이는 아파트에 가격 쏠림현상이 일어나는 것으로 분석되었다.
둘째, 행정구역(행정동)별 아파트실거래가의 변화패턴을 분석하기 위해 단위 면적별 실거래가의 평균을 계산하여 Moran I 값으로 변환한 후 거래가격의 공간상의 군집도를 분석하였다. 시기별로 HH유형은 전체 면적대에서 2006년에 최고치를 기록한 후 60㎡초과 85㎡이하를 제외한 나머지 면적대에서 2008년에 최저치를 찍은 후 점차 상승하는 추세를 보였다. 이는 개별 아파트를 대상으로 한 분석결과와 유사한 패턴이 행정구역단위별로도 나타나는 것이며 외부의 부동산관련 이슈 및 정책과 밀접한 연관성이 있는 것으로 사료된다.
위에서 살펴본바와 같이 중소형 아파트의 실거래가는 특정 지역을 중심으로 높은 실거래가가 형성되거나 낮은 실거래가가 형성되는 군집도가 뚜렷하게 나타나는 반면, 대형 아파트의 실거래가는 높은 실거래가가 형성되는 군집 성향만이 존재하는 것으로 나타났다.
이상에서 살펴본바와 같이 소형/중소형 아파트의 평균 실거래가격은 점차 증가하는 추세를 보였다. 소형아파트의 경우 2008년에 주변 아파트 실거래가격과의 편차가 적은 것으로 나타났으며, 이와는 반대로 중소형아파트는 2009년과 2010년에 걸쳐 실거래가의 상/하위 지역이 극명하게 대비되는 것으로 분석되었다.

후속연구

이를 통해 시공간상의 분포패턴을 파악하고, 변화유형까지 유추할 수 있어 주택 및 지역정책에 기초자료로 활용할 수 있다. 둘째, 공간상의 분포패턴을 지도상에 직관적으로 표현하기 때문에 의사결정에도 도움이 될 것으로 사료 된다. 셋째, 시계열 자료를 바탕으로 종적인 변화패턴과 GIS를 이용한 횡적 변화패턴을 분석하기 때문에 아파트가격의 지역 불균형을 한눈에 살펴 볼 수 있다.
주거유형을 대표하는 아파트 가격에 따른 공간의 불균형은 계층구조나 주변 환경의 영향에 따라 발생되는 경우가 대부분으로 이에 대한 연관성분석에도 도움이 될 것으로 사료된다. 이를 통해 공간상의 불균형을 해소하기 위한 대안을 모색하고, 거시적·미시적 차원에서의 공간 변화패턴을 파악하는데 활용할 수 있을 것이라 예상된다
아파트 가격의 시계열적 변화 추이를 통해 미래의 아파트 가격을 예측해 볼 수 있고, 시기별 공간상의 군집성을 측정하여 통계적으로 유의미하게 주택가격이 형성되는 지를 파악 할 수 있다. 이를 통해 도시 및 주택정책 수립을 위한 기초자료로 활용할 수 있을 것으로 사료된다.
먼저, 대용량 공간데이터를 처리할 수 있는 GIS와 공간통계기법을 접목하여 많은 양의 아파트 실거래가 자료를 효율적으로 가공하여 처리할 수 있다. 이를 통해 시공간상의 분포패턴을 파악하고, 변화유형까지 유추할 수 있어 주택 및 지역정책에 기초자료로 활용할 수 있다. 둘째, 공간상의 분포패턴을 지도상에 직관적으로 표현하기 때문에 의사결정에도 도움이 될 것으로 사료 된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	주택난을 해결하고자 일어난 붐은?	우리나라의 경우 1960년대 이후 대도시로의 인구집중이 가속화되자 주택난이 심화되었고, 이를 해결하기 위한 방법으로 아파트 건설이 붐을 이루었다. 서울시의 경우 2012년의 주택건설 현황을 살펴보면 총 89,414호가 건설되었고, 그 중 아파트(43,063호), 다세대주택(39,695호), 다가구주택(4,121호), 연립주택(1,668호), 단독주택(867호)순으로 건설되는 것으로 나타났다.
	다양한 주택유형 중 거래비중이 가장 높은 것은?	9% 순으로 나타났다. 다양한 주택유형 중 아파트는 대표적인 주거형태이며 이에 따라 거래비중도 가장 높다. 따라서 아파트는 부동산 가격안정과 관련된 정책 수립 시 핵심적인 고려대상이 되었다.
	우리나라에 주택난이 심화된 이유는?	우리나라의 경우 1960년대 이후 대도시로의 인구집중이 가속화되자 주택난이 심화되었고, 이를 해결하기 위한 방법으로 아파트 건설이 붐을 이루었다. 서울시의 경우 2012년의 주택건설 현황을 살펴보면 총 89,414호가 건설되었고, 그 중 아파트(43,063호), 다세대주택(39,695호), 다가구주택(4,121호), 연립주택(1,668호), 단독주택(867호)순으로 건설되는 것으로 나타났다.

참고문헌 (12)

Anselin, L., 1995, Local indicator of spatial association-LISA, Geographical Analysis, Vol. 27, No. 2, pp. 93-184.
Bang, C. S., 2007, A study on the housing sub-markets in Seoul, Master's Thesis, Dankook University.
Getis, A., Mur, J. and Zoller, G. H.(eds.), 2004, Spatial Econometrics and Spatial Statistics, Palgrave Macmillan, New York.
Jung, G. S., 2012, Busan housing market dynamics analysis with ESDA using MATLAB application, Journal of the Korea Contents Association, The Korea Contents Association, Vol. 12, No. 2, pp. 461-471.

원문보기 상세보기
Kang, C. D., 2011, A study on spatial and temporal structure of land price in Seoul(1996-2007) with land price function and spatial statistics, Korea Real Estate Review, Korea Real Estate Research Institute, Vol. 21, No. 3, pp.9-29.
Kim, H. K., 2006, Changes of Spatial Structure in Busan Metropolitan using GIS - with Special Reference to Population, Employment and Land Prices -, Journal of the Korean Association of Geographic Information Studies, The Korean Association of Geographic Information Studies, Vol. 9, No. 4, pp. 204-214.
Kim, J. H., 2012, An analysis on the change pattern of spatio-temporal land price in Gongju City using the geostatistical methods, Journal of the Korea Society For GeospatIal Information System, The Korea Society For GeospatIal Information System, Vol. 20, No. 1, pp. 93-99.

원문보기 상세보기
Koo, D. H., 2010, The spatial distribution of land values in Busan, Korea, The Geographical Journal of Korea, The Korean Association of Professional Geographers, Vol. 44, No. 2, pp.199-212.
Mitchell, A., 2005, GIS Analysis Volume 2: Spatial Measurements & Statistics, ESRI Press, New York.
Sohn, H. G. and Park, K. H., 2008, A spatial statistical method for exploring hotspots of House price volatility, Journal of the Korean Geographic Society, The Korean Geographic Society, Vol. 43, No. 3 pp. 392-411.
http://rt.moct.go.kr
http://www.onnara.go.kr/ep/statistics2

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증