All Issue

2024 Vol.24, Issue 2 Preview Page

Research Article

31 August 2024. pp. 43~57
Abstract
House prices are closely related to their locations, and their determinants also involve spatial heterogeneity, which refers to the variations in their effects between global and local models. Recently, spatial heterogeneity has been expanded to differentiate between continuous and discontinuous spatial heterogeneity based on patterns of spatial variation. This study explores the spatial heterogeneity of apartment sales price determinants in Seoul from both continuous and discontinuous perspectives. Specifically, the study implements both geographically weighted regression (GWR) and regionally geographically weighted regression (RGWR) models, with the latter incorporating regional constraints into the GWR. The study mainly examines the spatial variation of local regression coefficients both within and between regions, and further compares the two models based on prediction accuracy and the spatial autocorrelation of residuals. The analysis results show that determinants such as the year of construction highlight the discontinuities between regions in the RGWR without obscuring the spatial variations within a region, providing better explanations from the perspective of discontinuous spatial heterogeneity. The study also confirms that the perspective of continuous spatial heterogeneity remains valid for determinants such as the neighborhood park distance, which maintain continuity both between and within regions. Finally, the RGWR model empirically demonstrates improved results over the GWR model, with higher prediction accuracy and lower positive spatial autocorrelation in the residuals. This study is expected to extend the understanding of spatial heterogeneity, particularly in housing price determinants, and serve as a foundational study for categorizing spatial heterogeneity.
주택의 가격은 주택이 위치하고 있는 지역과 밀접한 관계가 있으며, 더불어 주택가격 결정요인은 전역적 수준과 하위지역 간 효과의 편차를 보이는 공간적 이질성을 내포하고 있다. 최근 공간적 이질성 역시 편차의 변화양상에 따라 연속적과 불연속적으로 구분하는 관점으로 확장되고 있다. 이에 본 연구는 서울시 아파트 매매가격 결정요인의 공간적 이질성을 연속적 및 불연속적 관점에서 탐색하고자 한다. 이를 위하여 각각 지리가중회귀모형과 공간 경계를 지역 제약으로 하는 확장 모형인 지역-지리가중회귀모형을 사용하여, 자치구 내와 자치구 사이의 국지적 회귀계수의 공간적 변동 양상을 탐색하였다. 나아가 두 모형을 설명력과 잔차의 공간적 자기상관을 기준으로 비교・평가하였다. 본 연구 결과에서는 건축 연도와 같이 지역-지리가중회귀모형에서 자치구 간의 불연속성이 강조되고, 자치구 내의 불연속성의 상쇄가 발생하지 않는 결정요인을 불연속적 공간적 이질성 관점으로 설명하였다. 하지만 여전히 근린공원 거리와 같이 자치구 간에서의 연속성이 유지되는 것이 적합한 변수들이 존재하여 연속적 공간적 이질성의 관점이 유효함 역시 확인하였다. 마지막으로 서울의 경우 모형의 설명력과 잔차의 공간적 자기상관 관점에서는 지역-지리가중회귀모형이 기존 지리가중회귀모형보다 향상된 결과를 보였다. 본 연구는 주택가격 결정요인에 있어 공간적 이질성의 변동 양상에 대한 인식을 확장하고, 나아가 공간적 이질성의 유형화에 대한 기초 연구로 활용될 수 있을 것으로 기대한다.
References
  1. 강수진・서원석, 2016, “지하철 노선 및 역사특성이 아파트 매매가격에 미치는 영향 분석,” 국토연구, 89, 149-162. http://dx.doi.org/10.15793/kspr.2016.89..009 10.15793/kspr.2016.89..009
  2. 강현모・이상경, 2018, “지리가중회귀분석을 이용한 고객특성별 골목상권 매출액 영향 연구,” 한국측량학회지, 36(6), 611-620. https://doi.org/10.7848/ksgpc.2018.36.6.611 10.7848/ksgpc.2018.36.6.611
  3. 공영은・김은정, 2022, “보행친화적 근린환경이 주택가격에 미치는 영향-아파트와 연립다세대 주택의 비교를 중심으로,” 부동산분석, 8(1), 85-107. https://doi.org/10.30902/jrea.2022.8.1.85 10.30902/jrea.2022.8.1.85
  4. 구형모, 2019, “모런 고유벡터 공간 필터링 기반 공간 가변 계수를 이용한 서울시 아파트 가격 결정요인의 공간적 이질성 탐색,” 한국지리학회지, 8(2), 321-335. https://doi.org/10.25202/JAKG.8.2.14 10.25202/JAKG.8.2.14
  5. 구형모・유무상・서현일・박성재, 2024, “공간 데이터와 기계학습 기법의 결합을 위한 공간적 입력변수 유용성 탐색,” 한국측량학회지, 42(1), 1-13. https://doi.org/10.7848/ksgpc.2024.42.1.1 10.7848/ksgpc.2024.42.1.1
  6. 김감영, 2016, “주택시장지역 구획을 위한 공간 최적화 모형,” 한국지도학회지, 16(1), 53-65. https://doi.org/10.16879/jkca.2016.16.1.053 10.16879/jkca.2016.16.1.053
  7. 김명진・서원석, 2023, “코로나19에 따른 유형별 소매유통시설의 아파트 가격 영향: 전역적・국지적 시계열 효과를 중심으로,” 토지주택연구, 14(3), 37-53. http://doi.org/10.5804/LHIJ.2023.14.3.37 10.5804/LHIJ.2023.14.3.37
  8. 김소연・김영호, 2013, “주거지 인문환경의 공간 속성을 고려한 주택 가격 결정 모형: 서울시 아파트를 대상으로,” 한국지도학회지, 13(3), 41-56.
  9. 김연미, 2008, “서울시 아파트가격 불균등에 관한 공간통계적 분석,” 지리학농촌, 52, 17-47.
  10. 김익회, 2005, “GWR을 이용한 지가설명함수의 공간적 이질성(Spatial heterogeneity)탐색: 서울시 서초구・강남구・송파구를 사례로,” 서울대학교 석사학위논문.
  11. 김일수・서동민・하재현・이수기, 2019, “지리가중회귀모형을 활용한 서울시 주택하위시장 도출에 관한 연구,” 국토계획, 54(7), 114-130. https://doi.org/10.17208/jkpa.2019.12.54.7.114 10.17208/jkpa.2019.12.54.7.114
  12. 김태범・장희순, 2020, “도시지역의 녹지공간이 공동주택가격에 미치는 영향-서울시 근린공원을 중심으로,” 주택도시연구, 10(2), 87-107. https://doi.org/10.26700/shuri.2020.8.10.2.87 10.26700/shuri.2020.8.10.2.87
  13. 박세희・김민수・백장선, 2017, “지리시간가중 회귀모형을 이용한 주택가격 영향요인 분석,” 한국데이터정보과학회지, 28(1), 173-183. http://dx.doi.org/10.7465/jkdi.2017.28.1.173 10.7465/jkdi.2017.28.1.173
  14. 박운선・임병준, 2012, “지역 및 가격대별 아파트가격결정요인의 차이 분석,” 주거환경, 10(1), 91-113.
  15. 심준석・김호용・남광우・이성호, 2013, “지리가중회귀모델을 이용한 역세권 공간구조 특성 분석,” 한국지리정보학회지, 16(1), 67-79. https://doi.org/10.11108/kagis.2013.16.1.067 10.11108/kagis.2013.16.1.067
  16. 이건학・김감영, 2013, “개별공시지가와 주택실거래가의 공간적 불일치에 관한 연구: 공간 단위 임의성 문제(MAUP)의 스케일 효과 탐색,” 대한지리학회지, 48(6), 879-896.
  17. 이소영・주뢰・조대헌, 2017, “국회의원 선거 득표율의 시공간적 변화 패턴과 요인,” 한국지역지리학회지, 23(4), 751-711. https://10.26863/JKARG.2017.11.23.4.751 10.26863/JKARG.2017.11.23.4.751
  18. 이소영・김명연・김은정, 2020, “아파트 가격에 영향을 미치는 근린환경 요인 분석-서울시 강남구와 대구시 수성구를 대상으로,” 부동산분석, 6(1), 19-37. https://doi.org/10.30902/jrea.2020.6.1.19 10.30902/jrea.2020.6.1.19
  19. 임준홍・홍성효, 2015, “교육성취의 아파트가격에 대한 영향: 서울시 사례분석,” 부동산학연구, 21(1), 75-89.
  20. 전창우・조대헌・주뢰, 2018, “지리가중능형회귀(GWRR)를 이용한 미세먼지(PM10)의 공간적 이질성 탐색,” 한국지도학회지, 18(3), 91-104. https://doi.org/10.16879/jkca.2018.18.3.091 10.16879/jkca.2018.18.3.091
  21. 조대헌, 2018, “주택가격과 인구이동 간의 연관성에 관한 공간 분석: 수도권의 전세가격을 중심으로,” 한국지리학회지, 7(3), 449-462. http://dx.doi.org/10.25202/JAKG.7.3.13 10.25202/JAKG.7.3.13
  22. 최명섭・변세일, 2016, “서울시 주택가격 추정모형의 예측력 비교,” 서울도시연구, 17(3), 75-89.
  23. Anselin, L., 2010, Thirty years of spatial econometrics, Papers in regional science, 89(1), 3-26. https://doi.org/10.1111/j.1435-5957.2010.00279.x 10.1111/j.1435-5957.2010.00279.x
  24. Fotheringham, A.S., Brunsdon, C., and Charlton, M., 2002, Geographically Weighted Regression: the analysis of spatially varying relationships, NJ: Wiley.
  25. Griffith, D.A., 2008, Spatial-filtering-based contributions to a critique of geographically weighted regression (GWR), Environment and Planning A, 40(11), 2751-2769. https://doi.org/10.1068/a38218 10.1068/a38218
  26. Harris, R., Dong, G., and Zhang, W., 2013, Using Contextualized Geographically Weighted Regression to Model the Spatial Heterogeneity of Land Prices in Beijing, China, Transactions in GIS, 17(6), 901-919. https://doi.org/10.1111/tgis.12020 10.1111/tgis.12020
  27. Inoue, R. and Den, K., 2022, Extraction of Continuous and Discrete Spatial Heterogeneities: Fusion Model of Spatially Varying Coefficient Model and Sparse Modelling, ISPRS International Journal of Geo-Information, 11(7), 358. https://doi.org/10.3390/ijgi11070358 10.3390/ijgi11070358
  28. Jiang, B., 2015, Geospatial analysis requires a different way of thinking: the problem of spatial heterogeneity, GeoJournal, 80, 1-13. https://doi.org/10.1007/s10708-014-9537-y 10.1007/s10708-014-9537-y
  29. McMillen, D.P. and Redfearn, C.L., 2010, Estimation and hypothesis testing for nonparametric hedonic house price functions, Journal of Regional Science, 50(3), 712-733. https://doi.org/10.1111/j.1467-9787.2010.00664.x 10.1111/j.1467-9787.2010.00664.x
  30. Peng, Z. and Inoue, R., 2022, Identifying Multiple scales of spatial heterogeneity in housing prices based on eigenvector spatial filtering approaches, ISPRS International Journal of Geo-Information, 11(5), 283. https://doi.org/10.3390/ijgi11050283 10.3390/ijgi11050283
  31. Wang, Z., Zhao, Y., and Zhang, F., 2022, Simulating the spatial heterogeneity of housing prices in Wuhan, China, by regionally geographically weighted regression, ISPRS International Journal of Geo-Information, 11(2), 129. https://doi.org/10.3390/ijgi11020129 10.3390/ijgi11020129
  32. Zhong, Q.W., 2007, The basic theoretics and application research on geographically weighted regression, Unpublished Ph.D. Dissertation, Tongji University.
  33. 건강보험심사평가원, “보건의료빅데이터개방시스템”, https://opendata.hira.or.kr/home.do
  34. 교육부, “학교알리미”, https://www.schoolinfo.go.kr/Main.do
  35. 국토교통부, “레일포털: KRIC”, https://data.kric.go.kr/rips/index.jsp
  36. 국토교통부, “브이월드”, https://www.vworld.kr/v4po_main.do
  37. 국토교통부, “실거래가 공개시스템”, https://rt.molit.go.kr
  38. 국토교통부, “KTDB 국가교통데이터베이스”, https://www.ktdb.go.kr
  39. 서울시, “서울 열린데이터광장”, https://data.seoul.go.kr
  40. 행정안전부, “공공데이터포털”, https://www.data.go.kr/index.do
Information
  • Publisher :The Korean Cartographic Association
  • Publisher(Ko) :한국지도학회
  • Journal Title :Journal of the Korean Cartographic Association
  • Journal Title(Ko) :한국지도학회지
  • Volume : 24
  • No :2
  • Pages :43~57