경매특성 및 거시경제변수가 낙찰가율에 미치는 영향분석(2015, 이재욱 외 1인)

※ 요약하기 위해 포스팅을 했을 뿐,

개인적인 의견으로는 읽을 가치 없는 논문이므로 맨 마지막 한계 부분만 확인 바람

 

경매특성 및 거시경제변수가 낙찰가율에 미치는 영향분석(2015, 이재욱 외 1인)

• 키워드: 부동산 경매, 낙찰가율 결정요인, 경매특성 및 거시경제변수, 주택시장 순환주기 
• Keywords: real estate auction, the determinants of the auction price ratio, auction characteristics and macroeconomic variables, housing market cycle

---

개요

일반적으로 부동산시장 경기는 실물시장보다 후행하지만 경매시장은 실물시장보다 선행한다고 알려져 있다. 따라서 경매시장은 경매물건 특성과 거시경제 변수들이 상호 영향을 끼치는데 선행연구에서는 거시경제변수 영향을 다루지 않았다. 이에 대한 보완으로, 거시경제변수의 영향을 확인하기 위해 국고채 3년 금리, GDP 변동률, 소비자물가지수 변동률(CPI), 실업률 등의 변수를 경매 낙찰가격에 미치는 영향을 분석하는데 사용하였다. 또한 입찰자들이 주택시장변수에도 민감한지 확인하기 위해 주택가격변동률(HPI), 아파트거래량 변동률 변수를 추가적으로 사용하여 분석하였으며 이외에도 주택시장 순환주기를 이용하여 상승기와 하락기에 낙찰가율에 미치는 요인 분석하였다.

결과적으로, 경매특성변수 중 낙찰가율, 유찰횟수가 낙찰가율에 영향을 미치는 것으로 나타났으며, 경시경제변수 중 금리가 입찰시 중요한 판단요인 생각하는 것으로 분석되었다. 또한 주택가격 상승기와 하락기에 따라 변수들이 다른 영향을 미치는 것으로 분석되었다. 

 

 

목차 

1. 서론
2. 선행연구
3. 연구설계
4. 실증분석 결과
5. 결론 

---

선행연구 검토 

선행연구에서 제시한 경매위험요인

• 정성용(2009) - 대구 원룸주택 중심으로: 경매특성요인(유찰횟수, 건물상태), 시장변동요인(경과년수, 지수변동률, 지역더미), 경매위험비용 상승요인(대항력임차인수, 인도명령자수, 유치권 유무, 인수금액, 인수금액비율)
• 문희명(2012) - 서울 아파트 중심으로: 감정가/낙찰가 대비 채권 금액 

 

 

분석 모형

1. 분석 대상
   • 시기: 2004년 1월 ~ 2013년 12월
   • 분석 범위: 전국 주담대 중 경매처리된 물건 1,724건 (이 중 아파트가 97.04%)
2. 변수 
   • 종속변수: 감정가, 낙찰가, 낙찰가율
   • 설명변수
     • 주택특성변수: 수도권 더비, 전용면적, 1층더미, 재개발더비, 대단지더미, 역세권더미
     • 경매특성변수: 경매기간(평균 7.7개월), 유찰횟수(평균 1.3회), 입찰자수(평균 6명), 임차인 유무, 임차인수(평균 1명)
     • 거시경제변수: 국고채 3년물, GDP 변동률, CPI 변동률, 실업률, 주택가격변동률, 아파트거래량변동률
3. 분석모형
   • 헤도닉 모형(Hedonic model): 가격에 영향을 미치는 모든 특성요인들은 가격에 반영된다는 가정 하에 다중회기분석을 이용 → 이중로그함수를 이용해 종속변수와 독립변수에 자연로그
   • log(낙찰가율) = log(낙찰가/감정가) = log(낙찰가) - log(감정가)
   • 헤도닉 모형에서 발생가능한 문제점:
     1) 변수 누락(OVB, omitted variable bias)
     2) 지역별 이분산 현상(heteroskedasticity)

 

 

실증분석

• 낙찰가율을 종속변수로 한 <표 4> - 모형3 에서 입찰자수, 유찰횟수를 각각 세분화해서 <표 5> - 모형1과 <표5> - 모형2를 추가로 분석함.

변수명	<표 4> - 모형3(%)	<표 5> - 모형1(입찰자수)	<표 5> - 모형2(유찰횟수)
상수항	-	4.601	4.609
[주택특성변수]	5.327	-0.031
수도권더미	0.110	-0.004	-0.002
전용면적	3.978	-0.015	-0.024
1층 더미	0.135	0.008	0.005
재개발 더미	0.163	-0.027	-0.025
대단지 더미	0.738	-0.004	0.004
역세권 더미	0.202	0.011	0.011
[경매특성변수]	94.673	-0.318
경매기간	5.066	0.029	0.030
유찰횟수	77.918	-0.192	-0.206
임차인유무	0.001	-0.001	-0.004
입찰자수	11.689	-
- 입찰자수 1명	-	-0.089
- 입찰자수 2명	-	-0.065
유찰횟수 1회이하	-	-	0.045
수정된 설명력	-	0.656	0.611

* 유의수준 1% 이상인 계수는 빨간색으로 표시

 

 

 

• 분석 결과
  1. 주택특성변수 중 1층더미, 전용면적, 역세권 더미가 낙찰가율에 영향을 미침
  2. 경매특성변수 중 가장 유효한 변수는 3명이상의 유찰자 수 및 유찰횟수, 임차인 유무임.
  3. 실증분석 결과 시중금리를 중요하게 여기나, 대부분의 거시경제변수는 낙찰가에 영향을 미치지 못함.
  4. 상승기와 하락기에 영향을 미치는 변수가 각각 다른 것으로 확인되어 주기별 경매투자기준이 다름을 확인할 수 있었음.

 

 

한계

1. 변수누락(omitted variables) 문제 → 모델 내에서 해결 못 함. 변수가 많고 세분화 됐다고 해서 설명력이 높아졌다고 할 수 없음. 수정된 설명력에 큰 차이가 없음. 심지어 <표 4>-모델3의 설명력은 알 수 없음. 
2. 지역별 이분산(heteroscedasticity) 문제 → 모델 내에서 해결 못 함. 지역별 더미변수를 추가했을 뿐 모델별 분산에 이분산성이 존재하는지 유무도 논문 내에서 파악 안됨.  
3. 다중공선성(Multicollinearity) 문제 → 모델 내에서 해결 못 함. 거시변수는 다른 변수와 상관관계가 크기 때문에 이 중 하나만 사용하더라도 다중공선성을 피해가기 쉽지 않음. 
4. 주택가격 상승기과 하락기의 구분이 선행연구(전국평균 낙찰가율을 참고)에서 제시한 선행기(2006년 말)와 하락기(2017년 후)로 인용했을 뿐 근거 없음. 

 

변수누락, 이분산성, 다중공선성 이 중 하나도 해결하지 못한 모델인데..., 분석해봤자 어떤 의미도, 설명력도 없는 결과를 어디에 활용할지? 

 

최근 부동산 빅데이터 분석이라고 하는 접근법 대부분 이 논문과 동일한 문제점을 가지고 있다.

설명력이 하나도 없는 파편화된 1 variable regression 가지고 부동산 빅데이터 분석이라고 우기는 꼴.