미시자료를 활용한주택 양도소득세 추계 방법 연구

주택 미시자료를 활용해 양도소득세 세수를 추계·예측하는 방법을 연구했다.

This study aims to develop a micro-econometric estimation and prediction method for housing capital gains tax revenue. Our methodology consists of two primary steps. First, we employ discrete choice models to estimate coefficients for individual-level and regional-level covariates to calculate the probability of selling houses by simulation. To predict the probability of selling for the target year (t), estimation is performed based on data up to time (t-1). Second, with these probabilities, we compute the expected capital gains tax for each house, then we average these values for regions.

Representative taxes for regions are aggregated with sampling weights as their weights and scaled up to the market size. The accuracy of our model is assessed by comparing the estimated capital gains tax with actual tax figures. Throughout the analysis period, the prediction errors of housing capital gains tax revenue remain below 10%, except for 2019. Additionally, the prediction errors of real estate capital gains tax revenue is approximately 12%. 본 연구는 주택 양도소득세수에 대한 미시적 추정 및 예측 방법의 개발을 목적으로 하며, 이는 크게 두 단계로 구성된다. 먼저, 개별 주택 및 지역 단위로 공변량의 계수를 추정하는 이산 선택 모형(discrete choice model)을 설계하고, 시뮬레이션을 통해 주택 매도 확률을 산출한다. 이 때 이번 기(t)의 주택 매도 확률을 예측하기 위해 직전 기(t-1)까지의 자료를 이용하였다.

다음으로 이 확률들을 이용하여 각 주택에 대한 기대양도세액을 산출하고 지역별로 집계한다. 자료의 대표성 문제를 보완하기 위해 팽창계수(sampling weights)를 가중치로 하여 추정된 양도소득세를 실제 규모에 부합하도록 조정하였다. 마지막으로 모형의 정확도를 확인하기 위해 추정된 양도소득세와 실제 양도소득세를 비교하였다. 그 결과 주택 양도소득세의 오차율은 2019년을 제외한 나머지 기간 동안 10% 미만으로 나타났으며, 부동산 양도소득세의 오차율 또한 최대 약 12% 수준이었다.