머신러닝을 활용한 부동산 실거래가 요인 분석

Real Estate Transaction Price Factor Analysis Using Machine Learning

본 연구에서는 사람들의 거주 및 업무 등에 가장 밀접한 요소 중 하나인 부동산 실거래가가 어떠한 요인에 의하여 높아지고 낮아지는지를 파악하고자 하기 위해 토지, 인구, 업종에 대한 데이터들을 활용하여 요인 분석을 진행하였다. 연구를 원활하게 진행하기 위해 공간적 범위는 대구광역시 법정동을 기준으로 설정하였으며, 시간적 범위는 2020년 7월부터 2023년 6월까지의 기간을 설정하였다. 요인 분석을 진행하기 전에 실거래가에 대한 분포가 어떻게 구성되어 있는지 파악하기 위해 KDE plot과 Box plot을 사용하여 기초통계를 확인한 결과 특정 구간에 밀집되어 있으며 오른쪽으로 긴 형태인 Positive skewness 형태가 보였다. 이러한 실거래가의 분포를 활용하여 각각의 독립변수의 영향 정도를 알아보기 위해 실거래가 분포를 기준으로 4개의 Group으로 나눈 후 속도 및 예측력에서 뛰어난 성능을 보이는 머신러닝의 한 종류인 XGBoost를 활용하여 독립변수에 관한 영향도 분석을 진행하였다. 분석 결과 부동산 실거래가에 미치는 영향은 Group별로 상이함을 확인하였고, 공간적 분포에 따라 실거래가 및 독립변수의 두드러진 차이를 확인할 수 있었다. 향후 연구에서는 이러한 구간별 독립변수의 영향력과 공간적 분포를 바탕으로 실거래가를 예측하는데 중요한 정보가 될 수 있을 것으로 예상된다.

In this study, factor analysis was conducted using data on land, population, and industry to understand what factors increase and decrease the actual real estate transaction price, which is one of the most close factors to people's residence and work. In order to facilitate the study, the spatial range was set based on jurisdiction, Daegu, and the temporal range was set from July 2020 to June 2023. The dependent variable of the data used in the analysis is the actual transaction price, and the independent variable consists of a total of 70 columns, including the land category, use area, demographics, and number of businesses. Before conducting factor analysis, basic statistics were checked using KDE plot and Box plot to understand how the distribution of actual transaction prices was structured, and the actual transaction price was concentrated in a specific section and the shape of a positive skewness with a long tail to the right was confirmed. To determine the degree of influence of each independent variable, the actual transaction price was divided into four groups according to the distribution, and the effect on the independent variable was analyzed using XGBoost, a type of machine learning with fast speed and predictive performance. As a result of the analysis, the effect on the real estate transaction price was different for each group, and it was confirmed that the actual transaction price or the value of the independent variable had a significant difference according to the spatial distribution. Future research is expected to be important information for predicting actual transaction prices based on the influence and spatial distribution of independent variables by group.