미국 주택시장과 수급 가격 (1) 주택 공급량과, 가격 사이 관계 분석

주택 시장에서는 주택 공급과 가격이 서로 영향을 주고받습니다. 주택 공급량과 주택 가격 사이의 관계를 분석하기 위해 데이터 수집, 전처리, 상관관계 분석, 회귀 분석, 해석, 예측, 추가 검토, 결과 보고 등의 절차를 따를 수 있습니다. 이를 통해 주택 시장의 동향과 관계를 파악하고 정책 결정이나 투자 전략에 활용할 수 있습니다.

 

데이터 수집

 

주택 가격과 주택 공급량에 대한 데이터를 수집해야 합니다. 주택 가격 데이터는 *Case-Shiller 지수, *FHFA 지수 또는 전미 부동산 협회의 데이터를 사용할 수 있습니다. 주택 공급량 데이터는 기존 주택 매매 거래 및 새 주택의 매각에 대한 정보를 얻을 수 있는 소스를 활용해야 합니다.

---

 

Case-Shiller 지수: Case-Shiller 지수는 미국 주택 시장의 가격 동향을 추적하기 위해 사용되는 지수입니다. 주택 시장에서 주택 가격의 변동을 측정하고 분석하는 데 사용됩니다. Case-Shiller 지수는 20개 도시와 전국 평균 가격 지수로 구성되어 있으며, 매달 주택 가격 데이터를 수집하여 가중 평균을 계산합니다. 이를 통해 시간에 따른 주택 가격의 추이와 변동을 분석할 수 있습니다.

 

FHFA 지수: FHFA(Federal Housing Finance Agency) 지수는 미국의 주택 금융 시스템과 연방 주택 금융 기관(Fannie Mae와 Freddie Mac)이 보유한 담보 대출에 기반하여 주택 가격 변동을 측정하는 지수입니다. FHFA 지수는 미국 전역의 담보 대출에 기반하여 계산되며, 매월 주택 가격 데이터를 수집하여 가중 평균을 계산합니다. 이를 통해 주택 가격의 변동을 추적하고 지역별, 국가적인 주택 시장 동향을 파악할 수 있습니다.

 

1. 데이터 전처리

 

주택 시장분석을 위해 수집한 데이터를 정리하고 필요한 형식으로 변환해야 합니다. 이를 위해 날짜, 지역, 주택 가격, 공급량 등의 정보를 포함하는 데이터셋을 만들어야 합니다.

 

데이터를 조정하거나 정규화하여 비교 가능한 형태로 변환할 수도 있습니다. 데이터셋은 각 변수가 쉽게 이해되고 분석에 활용될 수 있도록 구성되어야 합니다. 이를 통해 주택 가격과 공급량의 관계를 더욱 정확하게 분석하고 이해할 수 있습니다.

 

2. 상관 관계 분석

 

주택 가격과 주택 공급량 간의 상관관계를 파악하기 위해 Pearson 상관 계수 또는 Spearman 순위 상관 계수를 계산할 수 있습니다. 이를 통해 두 변수 사이의 선형 또는 비선형 관계를 확인할 수 있습니다.

 

Pearson 상관 계수는 두 변수 간의 선형 관계를 파악하며, Spearman 순위 상관 계수는 순위에 기반한 비선형 관계를 파악합니다. 이러한 상관 분석은 주택 시장의 동향과 가격 변동에 대한 공급량의 영향을 평가하는 데 도움이 됩니다.

 

---

Pearson 상관 계수: 두 변수 사이의 선형 관계의 강도와 방향을 측정하는 통계적 지표입니다. -1에서 1 사이의 값을 가지며, 1에 가까울수록 양의 선형 관계, -1에 가까울수록 음의 선형 관계를 나타냅니다. 0은 두 변수 간에 선형 관계가 없음을 의미합니다. Pearson 상관 계수는 변수 간의 직선적인 관계를 파악하는 데 주로 사용됩니다.

 

Spearman 순위 상관 계수: 두 변수 간의 순위 관계의 강도와 방향을 측정하는 비모수적인 통계적 지표입니다. 데이터의 순위를 기반으로 계산되며, 두 변수 간의 비선형 관계를 파악하는 데 사용됩니다. Spearman 순위 상관 계수도 -1에서 1 사이의 값을 가지며, 1에 가까울수록 양의 순위 관계, -1에 가까울수록 음의 순위 관계를 나타냅니다. 0은 두 변수 간에 순위 관계가 없음을 의미합니다.

 

3. 그래프 작성

 

주택 가격과 주택 공급량의 시계열 그래프를 통해 시간에 따른 추이를 시각적으로 확인할 수 있습니다. 이를 통해 주택 시장의 패턴이나 경향성을 파악할 수 있습니다.

 

그래프를 분석하여 주택 가격과 공급량이 상호 연관되어 있는지, 어떤 주기성이 있는지, 특정 이벤트나 정책 변화에 어떻게 반응하는지 등을 파악할 수 있습니다. 그래프는 데이터의 시각적인 표현으로써 직관적인 이해를 도와주므로, 주택 가격과 공급량의 추이를 파악하는 데 유용한 도구입니다.

 

4. 회귀 분석

 

회귀 분석은 주택 가격과 주택 공급량 사이의 관계를 통계적으로 모델링하는 분석 방법입니다. 종속 변수로 주택 가격을 설정하고 독립 변수로 주택 공급량을 설정하여 모델을 만듭니다.

 

이를 통해 주택 가격의 변동을 주택 공급량의 변화로 설명할 수 있는 회귀 모델을 구축하고, 주택 가격에 영향을 미치는 주택 공급량의 정도를 평가할 수 있습니다. 회귀 분석은 주택 시장에서 정책 결정이나 투자 전략 수립에 유용한 도구로 활용될 수 있습니다.

 

5. 통계적 유의성 분석

 

회귀 분석 결과의 통계적 유의성을 평가하기 위해 회귀 계수의 유의성 검정과 결정 계수 (R-squared)를 확인해야 합니다.

 

회귀 계수의 유의성 검정은 해당 계수가 통계적으로 유의한 지를 판단하는 것으로, 유의 수준에 따라 p-value를 평가합니다. 작은 p-value는 해당 계수의 유의성을 나타내며, 주택 가격과 주택 공급량 간의 관계를 나타냅니다.

 

또한, 결정 계수 (R-squared)는 회귀 모델이 종속 변수의 변동을 얼마나 설명하는지를 나타냅니다. 0과 1 사이의 값을 가지며, 1에 가까울수록 모델이 종속 변수의 변동을 더 잘 설명한다는 것을 의미합니다. 따라서, R-squared 값이 높을수록 주택 가격과 주택 공급량 간의 관계를 더 잘 설명할 수 있습니다.

 

이를 통해 회귀 분석 결과를 해석하고 주택 가격과 주택 공급량 간의 관계에 대한 결론을 도출할 수 있습니다. 회귀 계수의 부호와 유의성을 고려하여 주택 공급량이 주택 가격과 어떤 관련이 있는지 확인할 수 있으며, 양의 회귀 계수는 주택 공급량의 증가가 주택 가격 상승과 관련이 있다는 것을 나타낼 수 있습니다.

 

6. 예측 및 시나리오 분석

 

회귀 모델을 사용하여 주택 가격 예측을 수행하면 주택 공급량과 관련된 향후 주택 가격의 변동을 예측할 수 있습니다. 이를 통해 다양한 시나리오를 분석하고, 주택 시장의 동향에 대한 통찰력을 얻을 수 있습니다.

 

이러한 예측은 정책 결정이나 투자 전략 수립에 도움을 주며, 주택 시장의 변동성을 예측하고 조치를 취하는 데 중요한 도구가 될 수 있습니다.

 

7. 추가 검토 및 개선

 

첫째, 다른 변수를 추가하여 모델에 더 많은 설명 변수를 포함시킬 수 있습니다. 예를 들어, 주택 가격과 주택 공급량 외에도 인구 통계학적 요소, 경기 상황 등의 변수를 고려할 수 있습니다.

 

둘째, 비선형 관계를 고려하여 모델을 개선할 수 있습니다. 선형 회귀 모델 이외에도 다항식 회귀, 로지스틱 회귀 등을 고려할 수 있습니다.

 

8. 결과 보고

 

분석 결과와 결론을 포함한 보고서를 작성해야 합니다. 그래프, 표 및 통계적 결과를 포함하여 명확하고 이해하기 쉬운 형식으로 결과를 전달해야 합니다. 보고서를 통해 주택 가격과 주택 공급량 간의 관계에 대한 인사이트와 결론을 제시하고, 추후 조치나 연구 방향을 제안할 수 있습니다.

 

위의 절차를 따르면 주택 가격과 두 가지 다른 월별 공급량과의 관계를 분석하고 이를 바탕으로 인사이트를 도출할 수 있을 것입니다. 이는 주택 시장에 대한 이해를 높이고 정책 결정이나 투자 전략에 도움을 줄 수 있습니다.