도시 네트워크 기반 상호작용 지수가 주택가격에 미치는 영향분석 : 서울대도시권을 중심으로 :The Effect of Urban Network-based Interaction Indices on Housing Price -Focused on the Seoul Metropolitan Area

김선정

추천

검색

자료유형: 학위논문

저자정보: 김선정 (서울시립대학교, 서울시립대학교 일반대학원)

지도교수: 남진

발행연도: 2022

저작권: 서울시립대학교 논문은 저작권에 의해 보호받습니다.

이용수46

이 논문의 연구 히스토리 (2)

2022

도시 네트워크 기반 상호작용의 정도가 주택가격에 미치는 영향분석 : 서울대도시권을 중심으로

김선정 , 남진 국토계획 2022.10 학술저널

도시 네트워크 기반 상호작용 지수가 주택가격에 미치는 영향분석 : 서울대도시권을 중심으로

김선정 스마트시티 2022.01 학위논문

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

초록· 키워드

오류제보하기

주택가격의 변화는 거시경제 전반에 큰 파급효과를 미치고, 주택가격의 급락은 대출 규모의 축소, 소비의 둔화, 경제성장률의 하락, 실업률의 상승 등으로 이어져 주택가격 안정화를 위한 실효성 있는 정책 수립이 필요하다. 그러나 정부의 조세·금융·주택시장 전반에 대한 수요억제정책과 공급확장정책을 발표 등의 노력에도 불구하고 주택가격 상승세는 지속되고 있어 실효성 있는 주택정책 수립을 위한 새로운 관점 제시가 필요한 시점이다.
최근 서울대도시권은 GTX 개발 계획 등 교통의 발달, 3기 신도시 개발, 지식기반산업의 발달로 주변 지역과의 연계성이 강화되고, 도시 간 흐름 속에서 발생하는 상호작용이 도시에 긍정적 효과를 주는 데 중요한 요소가 되고 있다. 이 연구는 서울대도시권 내에서 발생하는 상호작용의 중요성을 언급하며 아파트 주택가격에 도시의 상호협력적 활동의 크기가 미치는 영향에 대하여 실증분석을 수행하였다. 이를 위해 도시의 상호협력적 활동의 크기를 파악할 수 있는 상호작용 지수를 산출하고, 불균등하게 발생하는 도시 흐름의 크기와 방향을 파악하여 계층 구조를 구분하였다. 또한, 다중회귀분석을 통해 상호작용 지수가 주택가격에 영향을 미치는지에 대하여 규명하였다.
상호작용 지수는 Limtanakool(2009)이 개발한 상호작용 지표 중 하나인 비방향지배력지수(DIT)를 활용하여 산출하였다. 해당 지수는 평균 1을 기준으로 높은 지숫값을 나타낼수록 다른 지역보다 더 큰 지배력을 가지고 있음을 의미한다. 이러한 상호작용 지수를 통해 파악한 도시 네트워크 계층 구조를 살펴보면, 서울대도시권에서 서울시가 가장 높은 지배력을 가지고 있으며 경기도, 인천광역시 순으로 나타났다. 높은 지배력을 가지는 지역들은 주요 고용중심지 이거나, 특정한 기능을 확보한 지역으로 잠재력과 지리적 접근성이 높은 지역임을 확인하였다. 또한, 상관관계 분석 결과를 토대로 높은 지배력을 가진 지역들은 유입량과 유출량 모두 높은 양적 흐름을 가지고 있어, 양방향성 상호보완이 이루어지는 지역으로 해석할 수 있다. 아울러 네트워크 도시이론에 근거하여 인구 차원에서 작은 규모라 할지라도 큰 지숫값을 가질 수 있음을 확인하였다.
이러한 상호작용 지수가 주택가격에 미치는 영향을 분석하기 위해 다중회귀분석을 시행하였으며, 분석 결과 읍면동별 상호작용 지수가 주택가격에 유의한 영향을 미치는 것으로 나타났다. 즉, 상호작용 지수가 증가할수록 아파트 주택가격도 상승하는 것으로 분석되었다.
따라서 도시 네트워크 기반의 상호작용 지수가 주택가격에 영향을 미치는 주요 요인임에 따라 주택공급 정책 수립 시, 연구에서 산출한 상호작용 지수를 통해 상호보완적 흐름이 강한 지역을 고려한 주택공급 확대는 주택가격 안정화를 도모하는 데 더욱 중요할 수 있다고 판단된다.

Changes in housing prices have a large ripple effect on the overall macro economy, and a sharp decline in housing prices leads to a decrease in loan size, slowing consumption, a decrease in economic growth rate, and an increase in the unemployment rate, making it difficult to establish effective policies for housing price stabilization. necessary. However, despite the government''s efforts to curb demand across the financial, tax, and housing markets and announce supply expansion policies, housing prices continue to rise, so it is time to present a new perspective for establishing effective housing policies.
Recently, the Seoul metropolitan area has strengthened connectivity with surrounding areas due to the development of transportation such as the GTX development plan, the development of the 3rd new town, and the development of knowledge-based industries, and the interaction that occurs in the flow of the city is important to have a positive effect on the city. becoming a factor. Therefore, this study empirically analyzed the effect of the size of the city''s cooperative activities on the apartment housing price by referring to the importance of the interaction that occurs in the flow between cities within the Seoul metropolitan area. To this end, the interaction index was calculated to determine the size of the city''s cooperative activities, and the hierarchical structure was divided by identifying the size and direction of the unevenly occurring urban flow. In addition, it was investigated whether the interaction index affects house prices through multiple regression analysis.
The interaction index was calculated using the non-directional dominance index (DIT), one of the interaction indexes developed by Limtanakool (2009). The higher the index value based on the average of 1, the greater the dominance of the index compared to other regions. Looking at the city network hierarchical structure identified through this interaction index, Seoul has the highest dominance in the Seoul metropolitan area, followed by Gyeonggi-do and Incheon Metropolitan City. Areas with high dominance were identified as areas with high potential and geographical accessibility as major employment centers or areas with specific functions. In addition, based on the correlation analysis results, regions with high dominance have high quantitative flows for both inflow and outflow, which can be interpreted as regions where two-way complementarity takes place. In addition, based on the network city theory, it is confirmed that even a small scale can have a large exponential value in terms of population.
Multiple regression analysis was performed to analyze the effect of these interaction indexes on house prices. As a result of the analysis, it was found that the interaction index by eup, myeon and dong had a significant effect on house price. In other words, it was analyzed that the higher the interaction index, the higher the apartment house price.
Therefore, as the interaction index based on the city network is a major factor influencing housing prices, when establishing housing supply policies, the expansion of housing supply considering regions with strong complementary flows through the interaction index calculated in the study is suggest that it may be more important in promoting stabilization.

#도시 네트워크 #상호작용 지수 #비방향지배력지수 #아파트 주택가격 #다중회귀분석

제1장 서론 1
제1절 연구의 배경 및 목적 1
제2절 연구의 범위 및 흐름 4
1. 연구의 범위 4
2. 연구의 흐름 6
제2장 이론 및 선행연구 고찰 8
제1절 이론검토 8
1. 네트워크 도시이론(Network city theory) 8
2. 도시 네트워크와 주택가격과의 연관성 10
제2절 주택가격에 영향을 미치는 요인에 관한 선행연구 검토 11
제3절 연구의 차별성 15
제3장 서울대도시권 네트워크 현황분석 16
제1절 도시 네트워크 기반 상호작용 지수 산출 16
1. 상호작용 지수 산출을 위한 활용 지표 16
2. 상호작용 지수 산출 과정 18
3. 상호작용 지수 방향성 검토 19
제2절 서울대도시권 네트워크 특성분석 22
1. 서울대도시권 도시 네트워크의 구조적 현황 22
2. 상호작용 지수를 활용한 네트워크 계층 구조별 특성분석 24
3. 소결 36
제4장 상호작용 지수가 주택가격에 미치는 영향분석 37
제1절 분석방법 37
제2절 자료구성 및 변수 선정 38
제3절 상호작용 지수가 주택가격에 미치는 영향분석 결과 42
1. 분석 모형의 정합성 42
2. 다중회귀분석 결과 42
제5장 결론 및 시사점 46
▣ 참고문헌 56
▣ ABSTRACT 60
<표 차례>
[표 1] 선행연구 정리 14
[표 2] 지역별 유입·유출량 비교 20
[표 3] 상관관계 분석 결과 20
[표 4] 비방향지배력지수(DIT) 기초통계량 22
[표 5] 비방향지배력지수(DIT)가 평균 1 이상인 지역 비율 23
[표 6] 비방향지배력지수(DIT)를 활용한 도시 계층 구조 26
[표 7] 서울시 비방향지배력지수(DIT)가 평균 1 이상인 지역 29
[표 8] 서울시 비방향지배력지수(DIT)가 평균 1 이하인 지역 30
[표 9] 경기도 비방향지배력지수(DIT)가 평균 1 이상인 지역 32
[표 10] 경기도 비방향지배력지수(DIT)가 평균 1 이하인 지역 32
[표 11] 인천광역시 비방향지배력지수(DIT)가 평균 1 이상인 지역 34
[표 12] 인천광역시 비방향지배력지수(DIT)가 평균 1 이하인 지역 35
[표 13] 다중회귀분석을 위한 변수 40
[표 14] 분석 변수 기초통계량 41
[표 15] 주택가격에 영향을 미치는 요인 분석 결과 45
<그림 차례>
[그림 1] 연구의 공간적 범위 5
[그림 2] 연구의 흐름 7
[그림 3] 지배력 지수 유형 17
[그림 4] 비방향지배력지수(DIT)를 활용한 도시 계층 구조 25
[그림 5] 서울시 비방향지배력지수(DIT) 계층 구조 30
[그림 6] 경기도 비방향지배력지수(DIT) 계층 구조 33
[그림 7] 인천광역시 비방향지배력지수(DIT) 계층 구조 35

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)