[1001] 두 번째 회의록 #4
Replies: 4 comments
-
📈 데이터
아파트와 지하철 역의 직선 거리만 보기에는 정보가 부족하다? 📉추세 살펴보기
-> 거래량과 deposit의 correaltion : 0.47
🔗 다음에 해볼만한 것
|
Beta Was this translation helpful? Give feedback.
-
건물 나이와 부동산 가격의 관계https://brunch.co.kr/@realvision7/115 완공 후 ~5년 : 주변에 새 아파트가 없다면 희소성의 증가로 가격이 많이 오른다. 5년 ~ 10년 : 가격의 상승폭은 줄었지만 여전히 다른 구축 아파트에 비해 상승폭이 큰 편이다. 10년 ~ 15년 : 상승폭은 거의 평균과 비슷하다. 15년 ~ 20년 : 가격은 정체 되어있는 수준 20년 ~ 25년 : 15년차부터 리모델링이 가능하지만 20년차가 넘어서면서 진행되는 경우가 많다. 하지만 리모델링을 통한 성공 사례가 많지는 않고 가격대는 15~20과 비슷하다. 25년이상 : 30년부터 재건축이 가능해져서 25년차부터 30년차가 될때까지 가격이 상승하는 모습을 보인다. 건물 층수와 부동산 가격의 관계1층 : 타 층수보다 상대적으로 저렴한 편 중간층 : 수요와 공급이 제일 많으며 상대적으로 비싼 편 전체적으로 층수가 올라갈 수록 가격은 비싸진다. 아파트는 저층과 중간층, 탑층으로 나뉩니다. 꼭대기 아래층까지를 보통 로얄층이라고 합니다. 아파트 2/3 지점 혹은 70% 이상의 층이라고 보시면 됩니다. https://realty.chosun.com/site/data/html_dir/2019/04/11/2019041103099.html 금리와 부동산 가격의 관계결론 : 금리가 오르면 집 값이 떨어지고 내리면 집 값이 올라간다. 집을 사려는 사람들은 대부분 대출을 받아서 집을 사는데, 금리는 이러한 부분에 영향을 준다. 금리가 오르면 이자 때문에 대출을 받기 꺼려하고 이러한 이유로 투자 심리가 줄어들게 된다. 수요와 공급의 불균형으로 공급이 많은 집 값이 싸지는 듯
학교 위치와 부동산 가격의 관계결론 : 학교가 가까우면 집 값이 오른다. 자녀를 가진 부모 입장에서는 초등학교를 품고있는 아파트에 대한 수요가 높다. 찻길을 건너지 않고 안전하게 등하교할 수 있기 때문이다. 근처에 학교가 있으면 자연스럽게 수요가 늘고 이러한 부분으로 집 값이 비싸진다.
지하철 위치와 부동산 가격의 관계결론 : 이유도 필요 없이 지하철역 주변의 집 값은 시세에 비해 높다.
공원 위치와 부동산 가격의 관계결론 : 공원의 존재가 꼭 집 값을 오르게 한다고 보기는 어렵다. 선호가 높은 공원 종류가 있고, 선호도가 떨어지는 공원 종류가 있는 듯 하다. https://www.ejrea.org/archive/view_article?pid=jrea-9-3-95 논문 요약 대전을 대상으로 공원과 집 값에 대한 상관 관계를 분석한 글 첫 번째, 공원 내 운동시설은 아파트 가격에 통계적으로 유의미한 음(‒)의 영향을 미친다. 이는인근 공원에 운동시설이 있으면, 아파트 가격이 감소하는 것을 의미하며, 이들 시설에 대한 주민들의 비선호가 존재함을 의미한다. → 우리가 가진 정보로 볼 때 공원 면적이 넓으면 운동 시설이 있을 것이라 가정해도 되지않을까? 두 번째, 공원 내 유희시설과 교양시설은 아파트 시세가격에 유의미한 양(+)의 영향을 미친다. 이는 인근 공원에 유희시설과 교양시설이 있을 경우 아파트 시세가격이 상승하는 것을 의미하며, 유희시설과 교양시설이 주변 지역민의 선호 시설 → 유희 시설 : 놀이터, 교양 시설 : 도서관, 야외음악당, 생태교육 학습센터 등 세 번째, 일반적인 공원시설이라고 할 수 있는 편익시설은 주택가격에 유의미한 영향을 미치지 않았다. 이는 차별화된 시설이 부족한 일반적인 공원은 주변지역에 미치는 영향이 상대적으로 작은 것으로 생각할 수 있다. 다만, 이는 본 연구의 결론적으로 우리 데이터로 볼 때, 공원 내 시설을 알기 힘드므로 공원들 중 집 값에 각각 공원이 어떤 영향을 주고 있는지 분석 해보는게 좋을 듯 지하철 역을 기준으로 클러스터링 하는 아이디어 |
Beta Was this translation helpful? Give feedback.
-
금리와 전세가 관계 활용
Clustering 활용지하철 역을 기준으로 클러스터링지하철역을 기준으로 주변 위도, 경도 데이터를 클러스터링 하고, 각각의 그룹마다 다른 가중치를 부여 전체 위도 경도를 클러스터링기준 없이 위도, 경도를 기반으로 클러스터링 후, 그룹화하여 가중치 부여 생각해볼 것
|
Beta Was this translation helpful? Give feedback.
-
공원의 크기와 집값이 비례할까?지하철이나 학교 근처는 집값이 비쌀거같긴 한데 공원도 과연 비례할까? 해서 대충 몇개 눌러서 공원의 사진들을 흝어보았는데 공원이 내 생각보다 작은 곳이 많았다. 정자하나가 있는 곳도 있고 놀이터가 있는 곳도 모두 parkinfo라고 묶여있는 것 같았다. 정확한 기준은 모르겠다. 나중에 찾아봐야 할듯 그래서 모든 공원을 집값에 영향을 미친다는 건 해봐야 알겠지만 틀린 말일듯. 서울이 경기인천보다 집값이 비싼것에 대해서(안 읽어도 댐, 중요하지 않음)그리고 피어세션하면서 알게된 건데 train data에도 위도 경도가 있었다. 난 당연히 없는 줄 알았는데 근데 다시 생각해보니 없으면 너무 어려울 것 같기도 하고. 근데 내가 처음에 데이터를 자세히 안 보고 없을 거라고 생각한 게 있으면 이게 어차피 수도권 데이터고, 그럼 서울 경기 인천 이쪽인데 위도 경도가 있다는 건 위치를 짐작 할 수 있다는 거고, 그러면 그냥 서울가까운 위도 경도에 더 높은 값을 부여하면 되는거 아닌가? 라는 의문이 있었다. 당연히 안되는 말이지만 결국에 나중에 실험하면서 주장과 근거를 끼워맞추기하기 편하지않나.. 라는 그런 생각이 들었다. 예를 들면 어딘지 모르는 A라는 지역의 집값이 올라야 하는 요인들을 대거 관측했다면 그걸 위주로 실험을 하겠지만 과연 '경기'라는 지역의 집값이 올라야 하는 요인들을 대거 관측해도 우린 이미 알잖아? 이쪽은 결국에 집값이 서울쪽보다 낮다는걸? 그러면 나는 이 결과를 알고도 열의를 갖고 실험을 할까? 솔직히 안 할거 같은데. 아니면 B쪽 데이터가 생각보다 MAE가 너무 다르게 예측되네? 너무 높게 예측했나? 낮게 예측했나? 에서 B가 강남쪽이라면 아, 너무 낮게 예측했나(물론 아닐 확률도 많음)으로 무의식에 생각을 해버리지 않을까 라는 그런 생각. 도걸이형이 가장 좋은 해결방법을 제시해주긴 했다. 지도를 머리속에 지워버리라는 거였다. 혹은 나는 한국지리를 모르는 외국인이라고 가정하거나. 물론 그러면 가장 좋다. 위도 경도가 나와있어도 어디가 비싼지 모른다는걸 전제로 프로젝트를 진행하는 거니까. 근데 걱정되는건 50명 모두가 그럴 수 있을까 라는 걱정. 아 너무 N인가. |
Beta Was this translation helpful? Give feedback.
-
📕회의 요약
📗회의 내용
💬 외부 데이터 사용 금지 : 서울 처음 온 사람처럼 생각하기(강남이 뭔데...)
📘할 일 정리
Beta Was this translation helpful? Give feedback.
All reactions