본 연구는 공동주택 가격추정에 있어 가격형성요인으로 전세특성을 고려하여 과연 어떤 요인들이 공동주택 매매가격에 영향을 미치는지를 회귀분석과 기계학습 기법을 통해 살펴보고, 그에 대한 분석 및 결과를 바탕으로 정책적 대안을 제시하는 데 목적을 두고 있다. 본 연구는 대전광역시 유성구 노은지구의 아파트 35개 단지를 대상으로 실거래가격 및 전세가격 분석을 통해 진행하였다. 분석 결과, 공동주택 가격형성요인에서 전세특성 변수인 전세거래량과 전세금액이 모두 매매가격에 정(+)의 영향력을 미치는 것으로 나타났다. 각 모형별 예측 정확도는 기계학습 기법인 랜덤포레스트 모형이 가장 높게 나왔고 그 다음으로 딥러닝딥러닝 모형, 회귀분석 모형 순으로 예측 정확도가 높게 나왔다. 각 모형에서 전세특성을 고려한 경우, 전세특성을 고려하지 않은 경우에 비해 예측 정확도가 모두 상승하여 전세특성이 가격 예측에 있어 중요한 요인으로 작용함이 입증되었다. 가격형성요인 중요도 분석 결과 랜덤포레스트와 회귀분석에서 전세특성 중 전세가격이 가장 중요한 요인으로 도출되었으며 딥러닝 모형에서도 상대적으로 중요한 요인으로 도출되었다. 본 연구는 공동주택 가격형성요인에 대한 올바른 이해를 바탕으로 전세시장과 매매시장을 연계한 주택 안정화 정책 수립에 시사점을 제공한다. 그리고 효율적인 주택 정책 운영을 위하여 부동산 관련 데이터를 종합적으로 고려할 수 있는 기계학습 모형의 가능성을 확인한다.
The purposes of this study are to figure out which factors, including ‘Jeonse’ factors, determine the apartment prices and offer political advice. The study was conducted by analyzing housing prices and ‘Jeonse’ prices of 35 apartment complexes in Noen district of Daejeon city. From the results of the analysis, ‘Jeonse’ determinants on apartment prices has a positive effect(+) to the apartment prices and the result showed prediction accuracy of apartments prices are in the order of random forest model and MLP model as machine learning model and Hedonic model. Also, the prediction accuracy of apartments prices in all three models was increased by adding the ‘Jeonse’ factors. Permutation feature importance showed that the most important factors in determinations of apartment price was ‘Jeonse’ price factor. From this study, it is intended to enable market participants and real estate-related stakeholders to have a correct understanding of the determinants on apartment prices by expanding the concept of price-forming factors with ‘Jeonse’ market. Besides, we can make sure that machine learning is able to consider large amout of data comprehensively to efficient implement housing policies.