부동산경영, Vol.24 (2021)
pp.223~243
- 기계적 학습을 이용한 주택가격 예측 -
본 연구는 기계적 학습을 이용한 주택가격 예측에 관한 연구로 선형회귀모형과 빅데이 터분석방법론인 그래디언트 부스팅과 서포트 벡터 머신의 예측력을 비교 분석하고자 한 다. 본 연구의 종속변수는 주택매매가격이고 독립변수는 주택전세가격, 소비자물가지수, 금리와 건축물착공현황으로 설정하였으며 시간적 범위는 2006년 1월부터 2020년 7월까지 로 하였다. 공간적 범위는 전국, 수도권, 지방과 서울로 하였다. 실증분석결과, 모든 지역에 서 그래디언트 부스팅모형이 평균제곱오차(MSE)값이 가장 낮은 것으로 나타나 예측력이 가장 뛰어난 것으로 나타났다. 그래디언트 부스팅 모형의 변수들의 영향력을 살펴보면, 서 울과 수도권은 주택전세가격의 영향력이 가장 높은 반면 전국과 지방에서는 소비자물가지 수의 영향력이 주택전세가격보다 높은 것으로 나타났다. 조건부 효과를 살펴보면, 지역별 로 차이는 있으나 대부분의 지역에서 주택매매가격에 대해 소비자물가지수와 주택전세가 격은 정(+)의 영향을 미치는 것으로 나타났고 건축물착공현황의 영향이 아주 미미한 것으 로 나타났다. 또한, 금리는 주택매매가격에 부(-)의 영향을 미치는 것으로 나타났다.
A Study on Housing Price Prediction Using Machine Learning
This study compares the predictive power of a linear regression model, a big data analysis methodology, gradient boosting, and a support vector machine. The dependent variable was the housing price, and the independent variables were the housing Jeonse price, consumer price index, interest rate and the status of the building start. The time range was from January 2006 to July 2020. The spatial scope was the whole country, the metropolitan area, provinces and Seoul. As a result of empirical analysis, the gradient boosting model showed the lowest mean square error (MSE) value in all regions, indicating that it has the best predictive power. Looking at the influence of the variables of the gradient boosting model, it was found that the influence of the Jeonse price was the highest in Seoul and the metropolitan area, while the influence of the Consumer Price Index was higher than the Jeonse price in the nation and provinces. Looking at the conditional effect, although there are regional differences, in most regions, the consumer price index and the housing jeonse price showed a positive (+) effect on the housing sale price, and the effect of the construction start status was very insignificant. Also, interest rates were found to have a negative (-) effect on the housing sale price.