초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

본 연구는 회귀모형을 부정하기보다는 새로운 모형을 도입하여, 회귀모형의 문제점을 극복하고 회귀모형과 상호보완적인 모형을 소개하고자 본 연구를 수행하였다. 현재까지 인공지능 분야에서 널리 이용되어 왔던 신경망모형(Neural Network Model)은 입력변수가 불완전하고 변동폭이 넓은 경우에도 해석이 가능하며, 데이터 수가 적거나 불규칙한 경우라도 사례의 반복학습을 통해 오차를 줄여나가기 때문에, 데이터 수에 민감한 영향을 받는 회귀모형보다 정밀한 산정이 가능하다(박우열, 차정환, 강경인, 2002). 이러한 신경망모형에 아파트 특성들을 도입하여 아파트 가격을 정밀하고 유효하게 예측하는 것은 아파트 가격에 대한 연구 분야에 큰 의미가 있다. 그리고 주택에 관한 기존 연구와 신규 연구에 신경망모형이 활용될 수 있으리라 판단된다.

본 연구는 회귀모형을 부정하기보다는 새로운 모형을 도입하여, 회귀모형의 문제점을 극복하고 회귀모형과 상호보완적인 모형을 소개하고자 본 연구를 수행하였다. 현재까지 인공지능 분야에서 널리 이용되어 왔던 신경망모형(Neural Network Model)은 입력변수가 불완전하고 변동폭이 넓은 경우에도 해석이 가능하며, 데이터 수가 적거나 불규칙한 경우라도 사례의 반복학습을 통해 오차를 줄여나가기 때문에, 데이터 수에 민감한 영향을 받는 회귀모형보다 정밀한 산정이 가능하다(박우열, 차정환, 강경인, 2002). 이러한 신경망모형에 아파트 특성들을 도입하여 아파트 가격을 정밀하고 유효하게 예측하는 것은 아파트 가격에 대한 연구 분야에 큰 의미가 있다. 그리고 주택에 관한 기존 연구와 신규 연구에 신경망모형이 활용될 수 있으리라 판단된다.

AI 본문요약

엑셀 다운로드 AI-Helper

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

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 따라서, 다양한 아파트 특성들에 대하여, 신경망 모형을 이용하여 아파트 가격을 예측하는 것이 본 연구의 주목적이다. 아파트 특성들은 주변에서 쉽게 이용가능한 데이터를 위주로 하였다.
• 그러나 회귀모형은 단점보다 장점이 많은 모형이다. 본 연구는 회귀모형을 부정하기보다는 새로운 모형을 도입하여, 회귀모형의 문제점을 극복하고 회귀모형과 상호보완적인 모형을 소개하고자 본 연구를 수행하였다. 현재까지 인공지능 분야에서 널리 이용되어 왔던 신경망모형 (Neural Network Model) 은 입력변수가 불완전하고 변동폭이 넓은 경우에도 해석이 가능하며, 데이터 수가 적거나 불규칙 한 경우라도 사례의 반복학습을 통해 오차를 줄여나가기 때문에, 데이터 수에 민감한 영향을 받는 회귀모형보다 정밀한 산정이 가능하다 (박우열, 차정환, 강경인, 2002).

가설 설정

• 본 연구는 다음과 같은 한계점을 가진다. 첫째, 주택 및 부동산학에 대한 근본적 이해가 불충분하다. 둘째, 수집 대상 데이터가 두 개의 구에만 한정되어 있다.

제안 방법

• 추가적인 연구를 통해서 모형을 수정하고 새로운 모형을 개발 해야 할 것이다. 둘째, 주택에 관련된 시계열 자료를 이용하여, 가격 예측 모형으로 신경망 모형을 개발하는 것이다. 현재 시계열 자료에 대한 주택 가격 예측 모형으로 ARIMA 모형, VAR 모형 등이 사용되고 있다.
• 본 연구는 아파트 가격을 예측하기 위하여 회귀모형과 신경망모형을 사용하였고, 두 모형을 비교.분석하였다.
• 본 연구에서 적용한 실험 방법은 Ten-fold Cross Validation 방법으로써, 전체 데이터 Set 을 Setl ~ SetlO 의 10개 Set 로 나누어서, 총 10번의 학습이 이루어지도록 하였다. 각 Set는 총 424개의 데이터 중 90%(384 개) 의 Train 데이터와 10%(40개)의 Test 데이터로 구성되었다.
• 2004년 6월 기준으로 서울시 송파구와 도봉구의 아파트 매매가격 들과 12개의 아파트 특성들을 수집하였다. 아파트 매매가격들 (즉, 매매 하한가, 일반 거래가, 매매 상한가) 대신에, 새로운 측정방법을 이용하여 하나의 매매가격으로 추정하였으며, 대표성을 가지도록 하였다.
• 학습률, 모멘텀, 은닉층의 노드수를 결정하기 위해서 다음과 같은 실험을 수행하였다. 학습률을 0.1, 0.3, 0.5 으로, 모멘텀을 0.7, 0.8, 0.9 로, 은닉층의 노드수를 5, 10, 15 가지로 나누어 총 27가지 경우를 학습시킨 후, 모형 을 평가하여 최적 모형을 선택하였다. 학습반 복횟수는 100,000 번으로 설정하였으며, 에러 값 (RMS Error; 즉, 식 (1.

대상 데이터

• 아파트 특성들은 주변에서 쉽게 이용가능한 데이터를 위주로 하였다. 2004년 6월 기준으로 서울시 송파구와 도봉구의 아파트 매매가격 들과 12개의 아파트 특성들을 수집하였다. 아파트 매매가격들 (즉, 매매 하한가, 일반 거래가, 매매 상한가) 대신에, 새로운 측정방법을 이용하여 하나의 매매가격으로 추정하였으며, 대표성을 가지도록 하였다.
• 본 연구에서 적용한 실험 방법은 Ten-fold Cross Validation 방법으로써, 전체 데이터 Set 을 Setl ~ SetlO 의 10개 Set 로 나누어서, 총 10번의 학습이 이루어지도록 하였다. 각 Set는 총 424개의 데이터 중 90%(384 개) 의 Train 데이터와 10%(40개)의 Test 데이터로 구성되었다.
• 본 연구에서는 QwikNet(http://qwiknet.ho me.comcast.net/) 신경망 프로그램을 사용하여 구축하였다. 신경망모형을 이용한 아파트 가격 예측 과정은 회귀분석에서와 동일한 입동, 브랜드, 평형, 방수, 욕실수, 세대수, 입주시기, 지하철거리 등 8개의 입력변수와 출력변수인 추정 매매가격간의 관계를 신경망의 구조로 연결하였다.

이론/모형

• 그리고 기업의 마케팅의 전략으로 소비자 행태 분석을 수행한다면, 소비자 인지적정가 격과 소비자 인지수용가격들을 조사하여, 두 모형에서 나오는 결과 비교하여 적정 가격대 를 산출할 수 있도록 도와줄 것이다. 본 연구의 주요한 기여 (Contribution)는 기존의 분양가 산정 모형 (안병욱, 2001) 에 신경망 모형을 도입한 것이다. 또한 주택에 관한 기존 연구와 신규 연구에 신경망모형이 활용될 수 있으리라 판단된다.

성능/효과

• 셋째, 이론적으로 의미 있는 변수들 (예를 들어, 교육적 요인, 환경적 요인 등)을 추가하지 못하였다. 넷째, 회귀모형의 경우 상호작용을 고려하지 못하였다.
• 회귀모형의 잔차는 775만원, 신경망모형은 632만원으로 143만원의 차이가 나타났다. 본 연구의 신경망모형 예측 정확도가 92.7%이고, 평균 에러값이 0.63%로, 전체적인 면에서 회귀모형보다 더 모형을 잘 적합 시키고 있다고 볼 수 있지만, 더 좋다고 판단할 수는 없다. 그러나 본 연구의 이차적인 목적으로써, 특정 모형의 우수성을 소개하는 것도 중요하지만, 상호보완적인 측면을 찾아서 이용하는 것 또한 중요하다.

후속연구

• 이러한 두 모형이 상호 배타적인 관계가 아니라 상호보완적인 측면에서 의사결정지원에 활용된다면, 효과적으로 아파트 가격을 정밀하게 예측할 수 있을 것이다. 그리고 기업의 마케팅의 전략으로 소비자 행태 분석을 수행한다면, 소비자 인지적정가 격과 소비자 인지수용가격들을 조사하여, 두 모형에서 나오는 결과 비교하여 적정 가격대 를 산출할 수 있도록 도와줄 것이다. 본 연구의 주요한 기여 (Contribution)는 기존의 분양가 산정 모형 (안병욱, 2001) 에 신경망 모형을 도입한 것이다.
• 회귀모형은 등분산성, 독립성, 정규성 등의 가정과 다중공선성의 문제, 특이 값에 민감하게 반응하는 문제점 등이 있으며, 또한 선행 연구들 대부분이 모수의 비선형을 고려하여 수행한 연구는 많지 않다. 그리고 회귀모형을 적용함에 있어서 최적의 회귀모형을 선택하였는가에 의문 점이 있을 수도 있고, 다양한 아파트 특성들에 대한 정성적 평가의 문제 제기도 있을 수 있으리라 판단된다.
• 분석하였다. 이러한 두 모형이 상호 배타적인 관계가 아니라 상호보완적인 측면에서 의사결정지원에 활용된다면, 효과적으로 아파트 가격을 정밀하게 예측할 수 있을 것이다. 그리고 기업의 마케팅의 전략으로 소비자 행태 분석을 수행한다면, 소비자 인지적정가 격과 소비자 인지수용가격들을 조사하여, 두 모형에서 나오는 결과 비교하여 적정 가격대 를 산출할 수 있도록 도와줄 것이다.
• 향후 연구 과제는 다음과 같다: 첫째, 모형의 수정과 확대가 필요하다. 추가적인 연구를 통해서 모형을 수정하고 새로운 모형을 개발 해야 할 것이다. 둘째, 주택에 관련된 시계열 자료를 이용하여, 가격 예측 모형으로 신경망 모형을 개발하는 것이다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기