빅데이터 기반의 아파트 가격 형성 요인 분석 및 가격 예측을 위한 다중회귀모델 연구 : 대구광역시 법정동 중심으로 :A study on multiple regression models for analyzing factors that influence apartment prices and predicting prices based on big-data : Focusing on legal district(dong), Daegu Metropolitan City

김선현

추천

검색

자료유형: 학위논문

저자정보: 김선현 (경북대학교, 경북대학교 대학원)

지도교수: 추승연

발행연도: 2022

저작권: 경북대학교 논문은 저작권에 의해 보호받습니다.

이용수53

이 논문의 연구 히스토리 (2)

2022

빅데이터 기반의 아파트 가격 형성 요인 분석 및 가격 예측을 위한 다중회귀모델 연구 : 대구광역시 법정동 중심으로

김선현 건축학과 2022.01 학위논문

2021

다중회귀분석을 이용한 대구광역시 아파트 공시가격과 실거래가에 영향을 미치는 요인 분석

김선현 , 김태훈 , 추승연 대한건축학회논문집 2021.11 학술저널

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

In Korea, real estate prices have risen to their highest level in the past five years. Income levels are not supported, but tend to rush to buy apartments through excessive loans. It is necessary to find factors that affect apartment prices for reasonable purchases by consumers. However, previous studies have limited interest in some variable effects or limited analysis of specific regions. In this paper, we investigated all the apartments in legal district(dong), Daegu Metropolitan City. Excluding legal district(dong) where there are no apartments, it was classified into 128 legal district(dong). and we tried to find factors that affect the public price and actual transaction price of apartments through multiple regression analysis. It was found that the error rate of the analysis was high when the number of apartments was one in the legal district(dong). Regression analysis was conducted again except for legal district(dong), which has one apartment building in legal district(dong). As a result, we found six factors that affect apartment prices. Specifically, physical factors such as the exclusive area of apartments, elapsed years, and the number of floors, the number of private academies per household, the number of households per legal district(dong) area, and the park area per person were confirmed. As the park area per person increased, the results were different from those expected to decrease in apartment prices.

#빅데이터 #아파트 #다중회귀분석

제1장 서론 1
1.1. 연구의 배경 및 목적 2
1.2. 연구의 방법 및 범위 7
제2장 다중회귀분석과 아파트 가격에 대한 선행연구 9
2.1. 다중회귀분석의 개념 및 선행연구 분석 10
2.1.1 다중회귀분석에 대한 개념 10
2.1.2 다중회귀분석에 대한 선행연구 분석 13
2.2 아파트 가격 형성 요인 선행연구 분석 17
제3장 가격 형성 요인 빅데이터 수집 및 변수 검증 22
3.1 가격 형성 요인 선정과 빅데이터 수집 23
3.1.1 독립변수 선정 및 빅데이터 수집 23
3.1.2 대구광역시 공시가격 및 실거래가격 빅데이터 수집 27
3.2 데이터 분류 및 변수 검증 28
제4장 아파트 가격 형성 요인 분석 및 가격 예측 31
4.1 공시가격의 요인 분석 및 통계학적 검증 32
4.1.1 공시가격과 독립변수의 상관관계 분석 32
4.1.2 공시가격의 다중회귀분석 및 요인 도출 35
4.2 실거래가격의 요인 분석 및 통계학적 검증 38
4.2.1 실거래가격과 독립변수의 상관관계 분석 38
4.2.2 실거래가격의 다중회귀분석 및 요인 도출 40
4.3 다중회귀모델의 검증 및 가격 예측 44
제5장 결론 52
참고문헌 58
영문초록 60

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)