http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : Changro Lee(이창로) (검색결과 5 건)
- 무료
- 기관 내 무료
- 유료
-
이창로 ( Lee Changro ) 한국지방행정연구원 2020 地方行政硏究 Vol.34 No.2
지금까지 과세표준에 대한 품질을 검토하거나, 납세자 신고가액의 성실도를 파악함에 있어 신고가액을 조정하여 보고하려는 납세자 행태에 크게 관심을 갖지 않았다. 본 연구는 경기도를 사례지역으로 하여 취득세 신고가액에 나타난 납세자들의 보고 행태를 검토하였다. 분석 결과, 비주거용 부동산을 제외한 나머지 과세대상에서 과세표준 대비 신고가액 비율 1.0인 부근에서 집군(集群) 현상이 발견되었다. 집군의 정도는 차량과 주택에서 높은 수준으로 측정된 반면, 토지는 약한 수준으로 측정되었다. 세무조사를 통한 적발 가능성, 납세자들의 과표 정보에 대한 접근성과 같은 조정비용으로 인해 과세대상에 따라 집군의 정도가 상이하게 나타난 것으로 풀이할 수 있다. Little attention has been paid to the taxpayer’s behavioral response when reviewing the quality of assessed value or monitoring tax compliance: one of the typical response is adjusting price or income when the taxpayer files a tax return. Gyunggi Province was chosen for the analysis, and the taxpayer's price reported for the purpose of property acquisition tax was investigated. The results indicated that the bunching was observed in most property types except the non-residential property, and the location of the bunching point was around 1.0, which is the ratio of reported price over assessed value. The degree of the bunching mass was higher for vehicles and houses than for lands. It is interpreted that the varying levels of the bunching mass for different property types have derived from the adjustment cost related to the behavioral response, and the cost includes the detection probability through a tax audit and the taxpayer’s accessibility to assessed value.
-
Estimating Housing Prices through a Spatial GAMLSS Modeling Approach
Changro Lee(이창로),Keyho Park(박기호) 대한지리학회 2019 대한지리학회지 Vol.54 No.2
과세평가, 담보평가 등 주택가격의 추정은 사회 여러 분야에서 중요한 의미를 갖는다. 아파트에 비해 상품표준화 정도가 낮은 다세대주택의 경우 최근 자동평가모형의 적용 대상으로 부상하고 있다. 이러한 추세를 따라 주택가격 추정에 광범위하게 사용되는 헤도닉 모형을 적용하여 서울 소재 다세대주택의 가격을 추정하였다. 함수형태의 이론적 근거 부재, 설명변수와 종속변수 관계의 선형성 가정, 공간적 자기상관성의 미고려 등 전통적 헤도닉 모형이 갖는 한계를 극복하기 위해 본 연구에서는 공간 GAMLSS 모형을 제안하였다. 본 연구를 통해 주택가격은 정규분포 이외의 분포를 가정하는 것이 보다 적절할 수 있고, 설명변수와 종속변수는 비선형 관계의 형태로 설계함이 타당하며, 마지막으로 주택의 지리적 위치에 따른 공간적 자기상관성 고려가 필수적임을 보였다. 공간 GAMLSS 모형 활용을 통해 과세평가나 담보평가에 있어 주택가격 추정의 정확성이 제고되기를 기대한다. Estimation of housing prices is of great importance in various sectors, including property tax assessment and collateral valuation. The multi-household house (MHH) is an emerging property type for the application of the automated valuation method in South Korea. Thus we choose Seoul, the capital of South Korea, as our study area, and apply the hedonic price model to MHH, a common tool in property valuation. We suggest an alternative approach to estimate housing prices – generalized additive models for location, scale, and shape (GAMLSS) - in order to overcome the limitations inherent in the traditional hedonic price model, those limitations being: lack of theoretical background for a functional form, assumption of a linear relationship between the explanatory and response variables, and little account of spatial autocorrelation in model building. We employ the GAMLSS with the spatial autocorrelation of the data being taken into account. We show that a non-normal distribution could give a better fit for house prices and illustrate nonlinear effects of the explanatory variables, as well as the spatial effect of house locations on the price of MHH. We hope that the spatial GAMLSS modeling approach in this study will lead to better property tax assessment and collateral valuation.
-
-
이창로(Lee Changro),김세형(Kim Se Hyong) 한국지역개발학회 2018 韓國地域開發學會誌 Vol.30 No.4
부동산 가격평가를 위한 전통적 접근은 선형회귀모형을 활용하는 것으로서, 이러한 접근은 설명변수와 종속변수(주택 가격)간 선형의 관계를 가정한다는 한계가 있다. 본 연구는 이러한 한계를 극복하고자 딥러닝 방식, 즉 다층신경망 모형(multilayer neural net model)을 활용하였다. 다층신경망 모형이 전통적 회귀모형보다 주택 가격 예측 성능이 일관되게 탁월함을 4개 사례지역(서울 강남구, 경남 김해시, 전주 덕진구, 전남 해남군) 모두에서 확인하였다. 이러한 성능 향상의 주원인은 다층신경망 모형이 설명변수와 종속변수 간 비선형 관계를 효율적으로 포착할 수 있기 때문인 것으로 해석된다. 설명변수 중 하나인 지리좌표(X, Y)값과 주택 가격 간의 관계를 효율적으로 모델링한 것을 비선형 관계 포착의 예로 들 수 있다. 또 다른 특이점은 사례지역의 이질성이 강해질수록 두 모형 간 성능 격차가 커지는 것을 발견할 수 있었다. 즉, 사례지역에 소재하는 주택의 이질성이 심한 경우, 전통적 모형은 가격 예측의 정확성이 상당히 감소하였으나 다층신경망 모형은 상대적으로 강건한 예측 성능을 보여주었다.
-
An Ensemble Machine Learning from Spatio-temporal Kriging for Imputation of PM10 in Seoul, Korea
Insang Song(송인상),Changro Lee(이창로),Key-Ho Park(박기호) 대한지리학회 2018 대한지리학회지 Vol.53 No.3
시공간 데이터의 결측치는 그 자체로 데이터의 결함으로서 시공간 분석 결과를 왜곡시킬 수 있다. 그러나 시공간 데이터에 내재된 시공간 의존성을 이용한 결측대치 방법은 덜 주목받아 왔다. 이에 본 연구에서는 서울특별시 및 근방의 54개 측정소로부터 2010년부터 2014년까지 5년간 측정된 시간별 미세먼지(PM10) 데이터의 결측치를 대치하기 위하여 앙상블 시공간 크리깅 모형에 기초한 결측대치 모형을 제안하였다. 기존 연구들을 검토한 결과, 본 연구에서 이용된 접근법의 필요성이 발견되었다. 본 연구가 제안하는 앙상블 결측대치 모형은 단기간의 시공간 데이터에서 재표집(resampling)된 하위 데이터셋으로 복수의 시공간 크리깅 모형들을 적합하고, 이들을 앙상블하여 결측대치 정확도를 높이고자 한다. 향상 여부를 실증하기 위하여 측정 데이터에 대해 결측대치 실험을 실시하였다. 실험에서는 재표집 횟수, 시공간 크리깅 적합 시 이웃 비율, 결측 생성 비율 등 3요소에 대해 서로 다른 조건들을 적용하였다. 실험 결과, 제안된 앙상블 모형은 단일 시행 시공간 크리깅 모형(1.32~11.36%)과, 선형 앙상블 모형(평균 52%)보다 높은 정확도로 결측치를 대치하였다. 본 결과는 제한된 환경에서 시공간 크리깅 모형 앙상블이 결측 대치 정확도를 높이는 데 효과가 있음을 입증한다. 다만 제안된 알고리즘의 정확성은 머신러닝 기반의 결측대치 알고리즘에 비해서 덜 우수했는데, 이 결과는 머신러닝 알고리즘에서 시공간 의존성 효과가 어떻게 나타나는지에 대한 추가 연구 필요성을 제기한다. Missing values in spatio-temporal data presumably cause defects, such that contaminate the results of spatio-temporal analyses. However, imputation methods for spatio-temporal data considering the inherent nature of spatio-temporal dependence have been neglected. We suggest an imputation algorithm based on ensemble spatio-temporal kriging for particulate matter measurement data for the period 2010-2014 at 54 monitoring stations near the metropolitan city of Seoul, Korea. We review previous studies on imputation methods for spatio-temporal data, then shed light on the necessity of our approach. Our approach implements resampling techniques on limited spatio-temporal data for a short-term period, then aims to enhance the imputation accuracy by taking the ensemble of the imputation results of resampled sub datasets. To examine such enhancement, we apply different conditions in experiments, including the number of resampling, neighborhood ratios, and ratios of artificially generated missing values. Results show that our approach outperforms both spatio-temporal kriging with the whole dataset (1.32~11.36%) and the linear regression-based imputation algorithm (52% in average). Our results show that the learning approach by resampling is still effective in spatiotemporal kriging in a limited environment as well as the spatio-temporal algorithm considering the inherent dependence among the data. But the considerable underperformance compared to the accuracy of the machine learning-based algorithm indicates the necessity of further examination of the effect of spatio-temporal dependence in such an algorithm.
KCI
KISS연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
