RISS 학술연구정보서비스

검색
다국어 입력

http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.

변환된 중국어를 복사하여 사용하시면 됩니다.

예시)
  • 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
  • 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
닫기
    인기검색어 순위 펼치기

    RISS 인기검색어

      부동산소비심리지수와 인터넷 검색어가 아파트 시장에 미치는 영향 = Real Estate Consumer Sentiment Index and Internet search terms Impact on the apartment market

      한글로보기

      https://www.riss.kr/link?id=T16782342

      • 0

        상세조회
      • 0

        다운로드
      서지정보 열기
      • 내보내기
      • 내책장담기
      • 공유하기
      • 오류접수

      부가정보

      국문 초록 (Abstract) kakao i 다국어 번역

      최근 디지털 경제의 급속한 확산으로 우리 주변에는 규모를 가늠할 수 없을 정도로 많은 정보와 데이터가 생산되는 '빅데이터(Big Data)' 환경이 도래하고 있다. 빅데이터 기술의 발전은 기존의 정형데이터로 시장을 예측해왔던 분석 방법에 새로운 패러다임의 변화 가능성을 제시하고 있다. 대한민국 가계 자산의 대부분은 부동산으로 대표되는 실물자산으로 구성되어 있고, 주택이 큰 비중을 차지하고 있다. 부동산시장에서 소비심리는 미래 부동산시장에 대한 기대를 반영하여 형성되기도 하지만, 현재 부동산시장 상황에 즉각적인 영향을 받기도 한다는 사실에 주목해야 한다. 이에 본 연구는 인터넷 검색 활동의 흔적을 추적하게 되면 사람들의 의도를 분석, 더 빠르고 정확한 통계를 확보할 수 있다는 판단에 부동산 관련 검색어와 부동산시장과의 관계에 주목하였다.
      본 연구는 정형데이터인 부동산시장 소비심리지수와 비정형데이터인 검색어가 아파트 가격과 거래량에 미치는 영향을 비교·분석하였다. 연구 기간은 2016년 1월부터 2022년 12월까지 총 84개월이며, 서울, 경기 지역을 대상으로 합동 회귀분석(Pooled Ordinary Least Squares)을 시행하였다. 아파트 가격으로는 한국부동산원의 서울/경기 아파트매매 가격지수, 서울/경기 아파트 전세 가격지수, 서울/경기 아파트 거래량을 이용하였으며, 경제변수는 ECOS 한국은행의 주택담보대출 금리-예금은행을 이용하였다. 주요 변수인 정형데이터 부동산시장 소비심리지수는 국토연구원의 자료를 이용하였으며, 비정형데이터 검색어는 4단계를 거쳐 선정된 검색어 4개(모델하우스, 아파트, 아파트실거래가조회, 다방)를 네이버 데이터 랩을 사용하여 각각 독립변수로 이용하였다. 분석 결과 부동산시장 소비심리지수는 경기 아파트 거래량을 제외하고 서울아파트 거래량과 서울/경기아파트 매매 가격과 함께 서울,/경기아파트 전세 가격에도 정(+)의 영향을 미쳤다. 즉, 가격이 오를 것이라는 기대심리가 아파트 가격 및 거래량을 상승시킨다는 결과이다. 반면, 4개의 독립변수 검색어는 아파트 가격 및 거래량에 상이 한 영향을 미쳤다. 설명력이 가장 높은 검색어 ‘아파트실거래가조회’는 서울/경기 아파트 가격에 부(-)의 영향인 반면, 다음 설명력이 높은 검색어 ‘아파트’는 정(+)의 영향으로 나타났다. 즉 검색어 성향에 따라 아파트 가격 및 거래에 미치는 영향이 다르며, 결정 계수 크기 결과 정형데이터인 부동산시장 소비심리지수 보다 비정형데이터 검색어가 설명력이 더 높아 주택시장의 주체인 소비자의 심리와 이후 의사결정 및 행동을 미리 알려주는 중요한 변수임을 밝힌 데 본 연구의 의의가 있다.
      번역하기

      최근 디지털 경제의 급속한 확산으로 우리 주변에는 규모를 가늠할 수 없을 정도로 많은 정보와 데이터가 생산되는 '빅데이터(Big Data)' 환경이 도래하고 있다. 빅데이터 기술의 발전은 기존...

      최근 디지털 경제의 급속한 확산으로 우리 주변에는 규모를 가늠할 수 없을 정도로 많은 정보와 데이터가 생산되는 '빅데이터(Big Data)' 환경이 도래하고 있다. 빅데이터 기술의 발전은 기존의 정형데이터로 시장을 예측해왔던 분석 방법에 새로운 패러다임의 변화 가능성을 제시하고 있다. 대한민국 가계 자산의 대부분은 부동산으로 대표되는 실물자산으로 구성되어 있고, 주택이 큰 비중을 차지하고 있다. 부동산시장에서 소비심리는 미래 부동산시장에 대한 기대를 반영하여 형성되기도 하지만, 현재 부동산시장 상황에 즉각적인 영향을 받기도 한다는 사실에 주목해야 한다. 이에 본 연구는 인터넷 검색 활동의 흔적을 추적하게 되면 사람들의 의도를 분석, 더 빠르고 정확한 통계를 확보할 수 있다는 판단에 부동산 관련 검색어와 부동산시장과의 관계에 주목하였다.
      본 연구는 정형데이터인 부동산시장 소비심리지수와 비정형데이터인 검색어가 아파트 가격과 거래량에 미치는 영향을 비교·분석하였다. 연구 기간은 2016년 1월부터 2022년 12월까지 총 84개월이며, 서울, 경기 지역을 대상으로 합동 회귀분석(Pooled Ordinary Least Squares)을 시행하였다. 아파트 가격으로는 한국부동산원의 서울/경기 아파트매매 가격지수, 서울/경기 아파트 전세 가격지수, 서울/경기 아파트 거래량을 이용하였으며, 경제변수는 ECOS 한국은행의 주택담보대출 금리-예금은행을 이용하였다. 주요 변수인 정형데이터 부동산시장 소비심리지수는 국토연구원의 자료를 이용하였으며, 비정형데이터 검색어는 4단계를 거쳐 선정된 검색어 4개(모델하우스, 아파트, 아파트실거래가조회, 다방)를 네이버 데이터 랩을 사용하여 각각 독립변수로 이용하였다. 분석 결과 부동산시장 소비심리지수는 경기 아파트 거래량을 제외하고 서울아파트 거래량과 서울/경기아파트 매매 가격과 함께 서울,/경기아파트 전세 가격에도 정(+)의 영향을 미쳤다. 즉, 가격이 오를 것이라는 기대심리가 아파트 가격 및 거래량을 상승시킨다는 결과이다. 반면, 4개의 독립변수 검색어는 아파트 가격 및 거래량에 상이 한 영향을 미쳤다. 설명력이 가장 높은 검색어 ‘아파트실거래가조회’는 서울/경기 아파트 가격에 부(-)의 영향인 반면, 다음 설명력이 높은 검색어 ‘아파트’는 정(+)의 영향으로 나타났다. 즉 검색어 성향에 따라 아파트 가격 및 거래에 미치는 영향이 다르며, 결정 계수 크기 결과 정형데이터인 부동산시장 소비심리지수 보다 비정형데이터 검색어가 설명력이 더 높아 주택시장의 주체인 소비자의 심리와 이후 의사결정 및 행동을 미리 알려주는 중요한 변수임을 밝힌 데 본 연구의 의의가 있다.

      더보기

      목차 (Table of Contents)

      • 제1장 서 론 1
      • 제1절 연구의 배경 및 목적 1
      • 제2절 연구의 범위 및 방법 3
      • 1. 연구의 범위 3
      • 2. 연구의 방법 4
      • 제1장 서 론 1
      • 제1절 연구의 배경 및 목적 1
      • 제2절 연구의 범위 및 방법 3
      • 1. 연구의 범위 3
      • 2. 연구의 방법 4
      • 제2장 이론적 고찰 6
      • 제1절 소비심리와 부동산 시장 6
      • 1. 소비심리와 부동산 시장의 관계 6
      • 2. 부동산 시장 소비심리지수 7
      • 3. 소비심리와 주택 시장에 관한 선행연구 9
      • 제2절 검색어와 부동산 시장 16
      • 1. 빅데이터와 인터넷 검색어 16
      • 2. 인터넷 검색어와 주택 시장에 관한 연구 19
      • 제3절 기존 연구와의 차별성 25
      • 제3장 자료와 분석모형 27
      • 제1절 검색어 선정 27
      • 1. 1단계 : 선행연구 검색어 28
      • 2. 2단계 : VIEW 누적 발행량과 최초 등록일 29
      • 3. 3단계 : 검색어 성향 분석 32
      • 4. 4단계 : 네이버 검색어 트렌드 34
      • 제2절 분석모형과 자료 35
      • 1. 회귀분석 모형 35
      • 2. 변수와 자료 37
      • 제4장 실증 분석 결과 40
      • 제1절 기초통계 40
      • 제2절 회귀분석 결과 42
      • 1. 종속변수 회귀분석 결과 42
      • (1) 종속변수 : 로그_아파트 거래량 _서울/경기 42
      • (2) 종속변수 : 아파트 매매 가격지수_서울/경기 45
      • (3) 종속변수 : 아파트 전세 가격지수-서울/경기 49
      • 2. 부동산소비심리지수와 검색어 비교·분석 52
      • 제5장 결 론 56
      • 제1절 연구의 요약 및 시사점 56
      • 제2절 연구의 한계 및 방향 58
      • 참고문헌 60
      • Abstract 64
      더보기

      분석정보

      View

      상세정보조회

      0

      Usage

      원문다운로드

      0

      대출신청

      0

      복사신청

      0

      EDDS신청

      0

      동일 주제 내 활용도 TOP

      더보기

      주제

      연도별 연구동향

      연도별 활용동향

      연관논문

      연구자 네트워크맵

      공동연구자 (7)

      유사연구자 (20) 활용도상위20명

      이 자료와 함께 이용한 RISS 자료

      나만을 위한 추천자료

      해외이동버튼