[논문]아파트 프로젝트의 초기 분양률 예측 회귀모델

손승현; 김도영; 김선국

doi:10.5345/jkibc.2019.19.5.439

아파트 프로젝트의 초기 분양률 예측 회귀모델
A Regression Model for Forecasting the Initial Sales Ratio of Apartment Building Projects 원문보기

한국건축시공학회지 = Journal of the Korea Institute of Building Construction, v.19 no.5, 2019년, pp.439 - 448

손승현 (Department of Architectural Engineering, Kyung Hee University) , 김도영 (Department of Architectural Engineering, Kyung Hee University) , 김선국 (Department of Architectural Engineering, Kyung Hee University)

초록
AI-Helper

아파트 프로젝트는 사업성패에 영향을 미치는 요인은 매우 다양하다. 그러나 분양단가가 결정되고, 분양이 시작된 이후에는 사업에 가장 큰 영향을 미치는 요인은 분양 후 1개월간의 초기분양률이다. 일반적으로 사업주체는 경제상황, 주택시장의 동향, 사업지 인근의 주택가격 등 다양한 자료에 의해 초기분양률을 예측한다. 그러나 이러한 요인들을 초기분양률과 연계하여 정량적으로 계산하는 것은 매우 어렵다. 따라서 본 연구는 실제 수행된 아파트 프로젝트의 분양결과 자료를 이용하여 초기분양률 예측 회귀모델을 제안하는 것을 목적으로 한다. 본 연구를 위해 기존 분양실적자료 수집, 영향요인들의 상관관계 분석, 초기분양률 예측 회귀모델 작성을 진행한다. 본 연구의 결과는 아파트 프로젝트의 사업성 분석 시 초기 분양률 예측을 위한 기초자료로 활용되며, 사업 리스크 모델 개발의 핵심 자료로 활용된다.

Abstract ▼ AI-Helper

There are various factors affecting the success and failure of an apartment building project. However, after the unit sale price has been determined and the sale has started, the most important factor affecting on the project is the initial sales ratio for one month after the sale. Generally, developers predict an initial sales ratio by various data such as economic situation, the trend of the housing market, and the house price near the business place. However, it is very difficult for these factors to be calculated quantitatively in connection with the initial sales ratio. Therefore, the purpose of this study is to develop a regression model for forecasting the initial sales ratio of apartment building projects. For this study, pre-sales data collection, correlation analysis between influencing factors, and regression model development are performed sequentially. The results of this study are used as basic data for predicting the initial sales ratio in the feasibility analysis of apartment building projects and are used as key data for the development of the risk management model.

주제어

표/그림 (20)

그림 Figure 1. Methodology
표 Table 1. Independent variables
그림 Figure 2. Research model
그림 Figure 3. Normality test
표 Table 2. Survey area distribution
표 Table 3. Demographics
그림 Figure 4. Y vs X₁
그림 Figure 5. Y vs X₂
표 Table 4. Normality test result
그림 Figure 6. Y vs X₃
그림 Figure 7. Y vs X₄
그림 Figure 8. Y vs X₅
표 Table 5. Entered / removed variables
표 Table 6. Model summary
표 Table 7. ANOVA
표 Table 8. Coefficients
그림 Figure 9. Histogram and P-P plot
그림 Figure 10. Predicted value vs actual value
표 Table 9. Actual data
표 Table 10. Predicted data

AI 본문요약
AI-Helper

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

문제 정의

따라서 본 연구에서는 이들의 연구를 참고하여 초기 분양률에 영향을 미치는 요인들을 채택한다. 그리고 실제 수행된 아파트 프로젝트의 분양결과 자료를 수집하여 최종적으로 초기분양률 예측 회귀모델을 개발하고자 한다.
따라서 본 연구는 실제 수행된 아파트 프로젝트의 분양 결과 자료를 이용하여 초기 분양률 예측 회귀모델을 제안하는 것을 목적으로 한다. 본 연구를 위해 기존 분양 실적자료를 수집하고, 영향요인들의 상관관계를 분석한다.
이와 같이 아파트 개발사업의 사업성 및 리스크 관리에 대한 정량적 솔루션(AHP, 시계열, 회귀분석 등)을 제안한 많은 연구들은 경제상황이 분양단가, 분양률, 토지비, 공사비, 금융비용에 반영된다고 하였다[12-18]. 따라서 본 연구에서는 이들의 연구를 참고하여 초기 분양률에 영향을 미치는 요인들을 채택한다. 그리고 실제 수행된 아파트 프로젝트의 분양결과 자료를 수집하여 최종적으로 초기분양률 예측 회귀모델을 개발하고자 한다.
본 연구는 아파트 프로젝트의 초기 분양률 예측을 위한 회귀모델을 개발하였다. 이를 위해 2013년부터 2019년 상반기까지 수행된 15개 아파트 프로젝트의 실제 분양결과 데이터를 수집한 후 회귀분석을 실시하였다.
본 연구에서는 수립된 가설을 검증하기 위해 각 영향요인과 초기 분양률간의 상관관계를 분석하고, 그 결과를 기반으로 다중회귀분석을 통한 초기 분양률 예측 모델을 작성한다.
본 연구의 목적은 아파트 프로젝트의 초기 분양률 예측을 위한 회귀 모델을 제안하는 것이다. 이때, 본 연구는 분양 시작 후 1개월 동안의 분양률을 초기 분양률로 정의한다.
본 연구에서는 표 2와 같이 투기지역과 투기과열지구를 제외한 전국을 대상으로 데이터를 수집하였다. 이를 통해 종속변수와 독립변수간의 관계를 정량적으로 일반화시키는 회귀모델을 작성하고자 하였다.

가설 설정

가설1) 분양단가와 주변시세와의 차이가 클수록 초기분양률에 영향을 미친다. 예를 들면, 분양단가가 주변시세보다 지나치게 크면 분양률은 떨어진다.
가설2) 분양규모(연면적, 세대수, 평균분양면적)와 평균분양단가도 분양률에 영향을 미친다.

제안 방법

본 연구를 위해 기존 분양 실적자료를 수집하고, 영향요인들의 상관관계를 분석한다. 그리고 다중 회귀 분석을 통해 초기 분양률 예측 회귀모델을 개발한다. 본 연구의 결과는 아파트 프로젝트의 사업성 분석 시 초기 분양률 예측을 위한 기초자료로 활용되며, 사업리스크 모델 개발의 핵심 자료로 사용될 것이다.
셋째, SPSS 소프트웨어를 활용하여 통계분석을 실시하고, 초기 분양률과 개별 영향요인 간의 상관관계를 분석한다. 넷째, 초기 분양률과 강한 상관관계를 가지는 요인들로 다중 회귀 분석을 수행하고, 초기분양률 예측 회귀모델을 작성한다. 다섯째, 사례현장을 선정하여 제안된 모델을 검증한다.
넷째, 초기 분양률과 강한 상관관계를 가지는 요인들로 다중 회귀 분석을 수행하고, 초기분양률 예측 회귀모델을 작성한다. 다섯째, 사례현장을 선정하여 제안된 모델을 검증한다. 마지막으로 본 연구의 결과와 시사점을 정리한다.
둘째, 각 현장별 분양결과(분양률, 분양단가 등)를 수집하고, 인근 아파트의 실거래가(주변시세)를 조사한다. 본연구는 총 15개 국내 아파트 공사현장을 대상으로 데이터를 수집하였으며, 각 현장의 실제 분양결과를 확보하였다.
둘째, 도출된 3개의 영향인자(X₁, X₂, X₃)와 초기 분양률(Y)간의 다중회귀분석을 수행하여 초기분양률 예측 회귀모델을 개발하였다. 회귀모델의 설명력을 나타내는 수정된결정계수(R²)는 0.
따라서 본 연구는 실제 수행된 아파트 프로젝트의 분양 결과 자료를 이용하여 초기 분양률 예측 회귀모델을 제안하는 것을 목적으로 한다. 본 연구를 위해 기존 분양 실적자료를 수집하고, 영향요인들의 상관관계를 분석한다. 그리고 다중 회귀 분석을 통해 초기 분양률 예측 회귀모델을 개발한다.
본 연구에서는 앞서 2.1절에서 설명한 바와 같이 분양규모(연면적, 세대수 등), 분양가격, 인근 아파트 실거래가(주변시세)를 초기분양률에 영향을 미치는 요인으로 채택하고 이를 기반으로 Table 1과 같이 독립변수를 선정하였다.
본 연구의 종속변수는 초기 분양률이다. 초기 분양률은 분양 시작 후 1개월간의 분양률을 의미한다.
본 장에서는 초기 분양률(Y)과 높은 상관관계를 가지는 3가지 요인(X₁, X₂, X₃)간에 다중회귀분석을 수행하여 아파트 프로젝트 초기 분양률 예측 회귀모델을 구축하고자 한다. 우선, 다중회귀분석 수행 시 진입과 제거된 변수를 살펴보면 Table 5와 같다.
본 연구의 절차는 Figure 1과 같다. 첫째, 선행연구를 고찰하여 초기 분양률에 영향을 미치는 요인들을 선정한다.

대상 데이터

데이터 확보를 위해 2013년부터 2019년 상반기까지 수행된 15개 아파트 프로젝트의 현장데이터(분양규모, 분양단가 등)를 수집하였으며, 해당 프로젝트의 반경 1km이내의 인근 아파트 실거래가(주변시세)를 조사하였다. 이때,동일 상권, 학군 및 역세권 형성은 도보 10분 거리(1km) 내에 형성되는 걸 감안하여 조사 범위를 해당 프로젝트의 반경 1km로 제한하였다[19].
초기 분양률은 분양 시작 후 1개월간의 분양률을 의미한다. 데이터 확보를 위해 2013년부터 2019년 상반기까지 실제 수행된 국내 15개 아파트 프로젝트의 분양결과 자료를 수집하였다.
본 연구에서는 국내 건설 도급순위 10위 이내의 대형건설사 4곳을 대상으로 2013년부터 2019년 상반기까지 분양된 15개 아파트단지에 대하여 현장데이터(분양규모,분양단가 등)와 분양결과 자료를 수집하였다. 이때, 정부에서 지정한 투기지역과 투기과열지구는 조사대상에서 제외하였다.
이러한 지역은 비정상적으로 수요가 많은 지역으로 공급으로 수요문제를 해결할 수 없다고 판단한 곳이다[22]. 본 연구에서는 표 2와 같이 투기지역과 투기과열지구를 제외한 전국을 대상으로 데이터를 수집하였다. 이를 통해 종속변수와 독립변수간의 관계를 정량적으로 일반화시키는 회귀모델을 작성하고자 하였다.
둘째, 각 현장별 분양결과(분양률, 분양단가 등)를 수집하고, 인근 아파트의 실거래가(주변시세)를 조사한다. 본연구는 총 15개 국내 아파트 공사현장을 대상으로 데이터를 수집하였으며, 각 현장의 실제 분양결과를 확보하였다.
)는 최소 17천원에서 최대 1,252천원까지이며, 평균 654천원으로 나타났다. 이때, 연구에 사용된 주변시세 자료는 해당 프로젝트의 반경 1 km 이내로 한정하여 KB부동산, 부동산114, 국토교통부 아파트 실거래가 등을 통해 조사하였다. 일부자료는 분양대행사를 통하여 제공받았다.

데이터처리

다음 장에서 Table 1과 같이 선정된 독립변수와 초기분양률간의 상관관계를 확인하기 위해 회귀분석을 수행하고자 한다.
Figure 3의 히스토그램과 Q-Q 도표에서 나타나듯이 종속변수의 표준화 잔차는 정규분포를 따른다는 것을 알 수 있다. 따라서 본 연구에서는 종속변수인 초기 분양률을 활용하여 회귀분석을 실시한다.
본 연구에서 개발된 초기분양률 예측 회귀모델의 검증을 위하여 식(1)의 회귀모델로 산정된 예측값과 실제 조사된 초기분양률과의 차이를 비교하였다. 우선, 실제 조사된 현장의 평균 분양단가와 주변시세와의 차이(X₁), 연면적(X₂), 세대수(X₃)는 Table 9와 같다.
셋째, SPSS 소프트웨어를 활용하여 통계분석을 실시하고, 초기 분양률과 개별 영향요인 간의 상관관계를 분석한다. 넷째, 초기 분양률과 강한 상관관계를 가지는 요인들로 다중 회귀 분석을 수행하고, 초기분양률 예측 회귀모델을 작성한다.
본 연구는 아파트 프로젝트의 초기 분양률 예측을 위한 회귀모델을 개발하였다. 이를 위해 2013년부터 2019년 상반기까지 수행된 15개 아파트 프로젝트의 실제 분양결과 데이터를 수집한 후 회귀분석을 실시하였다.

이론/모형

Park[14]은 시장가격과 구매강도를 반영하여아파트 프로젝트의 적정 분양가 산정모델 구축에 관한 연구를 수행하였다. 이때, 적정 분양가 산정을 위하여 아파트 실거래가격과 주택가격지수(KHPI, Korea Housing Price Index)를 이용하여 시장가격지수 모형을 개발하였다. 또한, Son[15], Park[16], Won[17], Shin[18]은 아파트 프로젝트의 사업성 및 리스크 관리 모델에 관한 연구를 수행하였다.

성능/효과

평균 분양면적(X₄)은 최소 75m²에서 최대 132m²이며, 평균 90m²로 나타났다. 마지막으로 평균 분양단가(X₅)은 최소 2,517천원에서 최대 6,683천원이며, 평균 3,693천원으로나타났다.
셋째, 사례에 적용한 결과, 초기 분양률 예측값이 최소 70%, 최대 99%, 평균 84%로 나타났으며, 실측값과의 표본오차(Se)는 6.229로 도출되었다. 이와 같이 본 연구의 모델은 잔차가 크지 않고, 수정된 결정계수(R²)가 약 77.
이와 같이 Figure 4부터 Figure 9와 같이 선정된 5가지 요인과 초기분양률 간에 단순회귀분석을 수행한 결과, 평균분양단가와 주변시세와의 차이(X₁)가 작을수록, 연면적(X₂)과 세대수(X₃)가 클수록 초기분양률(Y)은 증가하는 것으로 나타났다. 이와 달리 평균분양면적(X₄)과 평균분양단가(X₅)는 초기분양률과 관계가 없는 것으로 나타났다.
229로 도출되었다. 이와 같이 본 연구의 모델은 잔차가 크지 않고, 수정된 결정계수(R²)가 약 77.6%로 나타나 비교적 현상을 잘 설명하고 있는 것으로 확인된다
이와 같이 본 연구의 초기분양률 예측 회귀모델은 다중 회귀분석 결과, 잔차가 크지 않고, 수정된 결정계수(adjusted R²)가 약 77.6% 정도로 나타났으므로 비교적 현상을 잘 설명하고 있는 것으로 확인된다.
수집된 자료를 구성하는 주요변수들의 기술통계량은 표3과 같다. 종속변수인 분양 시작 후 1개월간의 초기 분양률(Y)은 최소 68%에서 최대 100%까지이며, 평균 83%로 나타났다.
첫째, 국내 15개 아파트 프로젝트의 실제 분양결과 데이터를 이용하여 회귀분석을 수행한 결과, 종속변수인 초기분양률(Y)과 평균 분양단가와 주변시세와의 차이(X₁), 연면적(X₂), 세대수(X₃)는 각각 결정계수(R²)가 0.646,0.543, 0.576으로 도출되었다. 즉, 64.
분양단지의 총 세대수(X₃)를 살펴보면, 최소 260세대부터 최대 2,400세대까지 다양하게 나타났으며, 평균 1,110세대로 나타났다. 평균 분양면적(X₄)은 최소 75m²에서 최대 132m²이며, 평균 90m²로 나타났다. 마지막으로 평균 분양단가(X₅)은 최소 2,517천원에서 최대 6,683천원이며, 평균 3,693천원으로나타났다.

후속연구

이러한 측면에서 본 연구에서 개발된 회귀모델은 아파트 개발사업 추진 시 관련 영향요인들을 입력하여 보다 정량적으로 초기분양률을 예측할 수 있을 것이며,사업성과인 수익(profit)을 보다 정확하게 예측할 수 있을 것이다. 그러나 현재 한정된 시간과 자료 확보의 어려움으로 15개 아파트 프로젝트를 대상으로 진행하였지만 향후보다 많은 현장 데이터를 확보한다면 회귀 모델의 신뢰도를 높일 수 있을 것이다.
그리고 다중 회귀 분석을 통해 초기 분양률 예측 회귀모델을 개발한다. 본 연구의 결과는 아파트 프로젝트의 사업성 분석 시 초기 분양률 예측을 위한 기초자료로 활용되며, 사업리스크 모델 개발의 핵심 자료로 사용될 것이다.
현재 한정된 시간과 자료 확보의 어려움으로 인해 15개 아파트 프로젝트를 대상으로 진행하였지만, 향후 보다 많은 현장을 대상으로 데이터를 확보한다면 모델의 신뢰도를 높일 수 있을 것 이다. 본 연구의 모델은 아파트 프로젝트의 사업성 분석 시 초기 분양률 예측을 위한 기초자료로 활용되며, 사업 리스크 모델 개발의 핵심 자료로 활용 될 것이다.
본 연구의 목적인 아파트 프로젝트의 초기분양률 예측 회귀 모델을 개발하기 위해서는 종속변수인 초기분양률에 관한 정규성 검정이 필요하다. Figure 3, Table 4와 같이 초기분양률에 관한 표준화 잔차의 정규성 검정을 수행하였다.
만일 예측한 분양률을 달성하지 못한다면 자금순환의 예측이 어렵고 금융비용을 상환하지 못하는 상태로 가져가 사업실패의 중요원인이 된다. 이러한 측면에서 본 연구에서 개발된 회귀모델은 아파트 개발사업 추진 시 관련 영향요인들을 입력하여 보다 정량적으로 초기분양률을 예측할 수 있을 것이며,사업성과인 수익(profit)을 보다 정확하게 예측할 수 있을 것이다. 그러나 현재 한정된 시간과 자료 확보의 어려움으로 15개 아파트 프로젝트를 대상으로 진행하였지만 향후보다 많은 현장 데이터를 확보한다면 회귀 모델의 신뢰도를 높일 수 있을 것이다.
현재 한정된 시간과 자료 확보의 어려움으로 인해 15개 아파트 프로젝트를 대상으로 진행하였지만, 향후 보다 많은 현장을 대상으로 데이터를 확보한다면 모델의 신뢰도를 높일 수 있을 것 이다. 본 연구의 모델은 아파트 프로젝트의 사업성 분석 시 초기 분양률 예측을 위한 기초자료로 활용되며, 사업 리스크 모델 개발의 핵심 자료로 활용 될 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	초기분양률을 예측하는 일반적 방법은?	따라서 아파트 프로젝트의 사업성 분석 시 초기 분양률의 예측은 매우 중요하다. 일반적으로 사업 주체(developer)는 경제상황, 주택시장의 동향, 사업지 인근의 주택가격 등 다양한 자료에 의해 초기분양률을 예측한다[7-9]. 그러나 이러한 요인들을 초기분양률과 연계하여 정량적으로 계산하는 것은 매우 어렵다.
	초기 분양률의 예측이 중요한 이유는?	그러나 분양단가가 결정되고, 분양이 시작된 이후에는 사업에 가장 큰 영향을 미치는 요인은 분양 후 1개월간의 초기분양률이다[4]. 만일, 계획한 대로 초기 분양률이 나온다면 사업 진행 시 원활한 자금 확보가 가능하여 계획대로 사업금융(project loan)을 상환할 수있으며, 금융비용이 증가하는 것을 방지하여 예측된 수익을 확보할 수 있다[5]. 그렇지 않으면 적정 현금흐름(cashflow)이 이루어지지 않고 금융비용이 증가하여 사업실패로 귀결될 수 있다[6].
	초기 분양률이란 무엇인가?	본 연구의 종속변수는 초기 분양률이다. 초기 분양률은 분양 시작 후 1개월간의 분양률을 의미한다. 데이터 확보를 위해 2013년부터 2019년 상반기까지 실제 수행된 국내 15개 아파트 프로젝트의 분양결과 자료를 수집하였다.

참고문헌 (23)

Kwon HS, Bang DW. A study on the cause of difference between new apartment subscription rate and initial pre-sale contract rate. Housing Studies Review. 2015 Aug;23(3):111-43.
Michael B, Vicky S. Michael S. Residential real estate prices: a room with a view. Journal of Real Estate Research. 2002 Mar;23(1-2):129-38. https://doi.org/10.5555/rees.23.1-2.m2252681kl24h0th
Woo KT, Kim YS, Chin SY. A study on the sale price estimation model for multistory apartment units through comparison of factors influencing the sale price. Journal of the Architectural Institute of Korea Structure & Construction, 2003 Feb;19(2):141-8.
Park MS, Chu YS, Lee HS, Kim WY. Evaluation methods for construction projects. Journal of Civil Engineering and Management. 2009 Aug;15(4):349-59. http://dx.doi.org/10.3846/1392-3730.2009.15.349-359

상세보기
Shi MY, Chee HC. Obstruction of view and its impact on residential apartment prices. Pacific Rim Property Research Journal. 2015 Mar;11(3):299-315. https://doi.org/10.1080/14445921.2005.11104189

상세보기
Huh YK, Hwang BG, Lee JS. Feasibility analysis model for developer-proposed housing projects in the republic of Korea. Journal of Civil Engineering and Management. 2012 Jun;18(3):345-55. https://doi.org/10.3846/13923730.2012.698911

상세보기
Yang OH, Kim MS, Hwang US, Kim YS. The analysis of importance ratio factors of sales price for apartment building construction projects. Korean Journal of Construction Engineering and Management, 2011 Sep;12(5):127-36. https://doi.org/10.6106/KJCEM.2011.12.5.127

원문보기 상세보기
Lee CW, Min GS. A study on determinant of new apartment lotting-out. Journal of Korea Real Estate Society. 2015 Dec; 33(2):45-64.
Park JB, Kwon KB, Cho Y, Paek, JH. Feasibility analysis model study of realestate development-focused on construction project development of apartment and stores. Journal of the Architectural Institute of Korea. 2008 Sep;24(3):179-86.
Kim HK. The macroeconomic effect on the ratio of unsold condominium [master's thesis]. [Seoul (Korea)]: Konkuk University; 2005. 43 p.
Seo JH. Analysis on the factors that affect the initial sales of apartment units [master's thesis]. [Busan (Korea)]: Busan University; 2009. 60 p.
Kim CS. A study on determinants of new apartment selling rate [master's thesis]. [Seoul (Korea)]: Konkuk University; 2003. 70 p.
Baik MS, Shin JC. A study on the determinants of initial sales rate for new apartment housing. Journal of Korean Urban Management Association. 2011 Mar;24(1):213-37.
Park HS. A feasible sale price assessment model of apartment housing units considering market price and buying power [dissertation]. [Suwon (Korea)]: Kyung Hee University; 2015. 113 p.
Son SH. A simulation model for feasibility analysis of apartment building projects using system dynamics [master's thesis]. [Suwon (Korea)]: Kyung Hee University; 2018. 68 p.
Park JY. A system development for risk management of apartment building projects using system dynamics [dissertation]. [Suwon (Korea)]: Kyung Hee University; 2018. 126 p.
Won IW. An investment risk management model of apartment building projects using system dynamics technique [dissertation]. [Suwon (Korea)]: Kyung Hee University; 2014. 133 p.
Shin DH. A risk analysis model for apartment building Project [dissertation]. [Suwon (Korea)]: Kyung Hee University; 2012. 155 p.
Jung JY, Yoon TK. A study on the equilibrium-pricing mechanism of apartment. Journal of the Korea Institute of Building Construction, 2008 Dec;8(6):65-74.

원문보기 상세보기
Park HS, Sun SL, Kim JJ. A study of the influential factors on customer-based apartment brand equity. Journal of the Architectural Institute of Korea. 2006 Jul;22(7):83-90.
Shin HW, Kim DW, Kim GH, Kang KI. The research on the preference factors of apartment brand. Journal of the Korea Institute of Building Construction. 2008 Feb;8(1):77-82.

원문보기 상세보기
Song SJ, Shin JC. A study on the influencing factors on resale premium of pre-completion apartment ownership. Journal of the Korean Urban Management Association, 2017 Dec;30(4):151-73.
Yu YJ, Son KY, Kim TH, Kim JM. A risk quantification study for accident causes on building construction site by applying probabilistic forecast concept. Journal of the Korea Institute of Building Construction. 2017 Jun;17(3):287-94. https://doi.org/10.5345/JKIBC.2017.17.3.287

원문보기 상세보기

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