지가공시제도 개선방안에 관한 연구 : 시가정보를 활용한 토지가격비준표 개선을 중심으로

시가정보를 활용한 토지가격비준표 개선으로 지가공시제도 개선방안을 연구했다.

본 연구는 시가정보를 활용한 토지가격비준표 작성 방법에 관한 개선 연구를 통해 지가공시제도 개선방안에 관한 시사점을 도출하였다. 대상지역은 공시지가의 공시 대상이 전국 토지이므로, 전국적인 표준지 분포, 지역적 특성, 자료 구득의 한계 등을 고려하여 서울시 등 7개 지역으로 한정하였고, 해당 지역 내 위치한 표준지의 시가정보와 토지 특성을 대상으로 다중회귀분석을 실시하여 작성된 토지가격비준표의 유용성을 검증하여 지가공시제도 개선에 관한 시사점을 제시하였다. 본 연구의 분석 방법은 표준지의 시가정보를 종속변수로, 형상과 도로접면을 독립변수로 설정하고 4개의 모형으로 다중회귀분석을 하였다. 모형 1은 위치지수를 활용하여 표준지의 위치 특성을 같게 보정한 후, 토지 특성과 시가정보에 대하여 회귀분석을 하였다. 모형 2는 모형 1의 방법에 공시지가의 현실화율을 고려하여 위치지수에 1.3배를 반영한 후, 회귀분석을 하였다. 모형 3은 모형 2의 방법에 GIS를 활용하여 도출한 형상등급을 적용하여 분석하는 방법이다. 모형 4는 모형 3의 방법에 추가하여 분석군을 인접한 유사지역까지 층화추출을 통해 대상지역을 확대하고 독립변수로 지역변수를 추가하되, 유사 이용상황까지 포함하여 회귀분석을 하였다.

분석 결과, 기존 공시모형, 모형 1, 2, 3, 4의 전체 미유효 p-value 개수는 120개, 110개, 106개, 74개, 63개이었으며, 기존 공시모형, 모형 1보다 모형 4의 조정된 모형설명력이 높아진 분석군의 개수가 각각 15개, 16개로서 전반적인 설명력은 상향되어 모형 4가 가장 양호한 것으로 해석되었다. 분석 결과를 토대로 도출된 시사점은 다음과 같다. 첫 번째, 토지가격비준표의 작성단위구역을 행정구역(읍・면・동)/용도지역/이용상황 순으로 층화추출에 따라 작성하는 방법의 유용성이 확인되어 향후 지가공시제도를 개선할 때 이를 반영할 필요가 있다. 두 번째, 토지가격비준표 작성 시 종속변수를 표준지의 시가정보를 적용하고 부동산의 공간적 위치에 따른 가격 격차를 반영할 필요가 있다. 세 번째, 토지가격비준표 작성할 때 회귀분석 결과 변수의 p-value가 낮은 토지 특성인 형상을 삭제하고 GIS를 활용하여 측정하여 적용한 형상등급을 적용할 필요가 있다고 판단되었다. 네 번째, 토지가격비준표의 작성단위구역을 대상지역과 유사한 동일수급권내 유사지역까지 지역의 범위를 확대하여 비준율을 작성할 필요가 있다는 것을 확인하였다.

다섯 번째, 기존 공시모형, 모형 1 ~ 모형 4에서 작성된 비준율과 기존 비준율을 비교한 결과, 비준율의 순위가 역전된 지역과 도로접면 중 각지의 통계적 유의성이 낮은 지역이 확인되어 향후 개선이 필요하다. 여섯 번째, 도로접면 중 각지의 유의성이 낮아 비준율을 조정할 필요가 있으며, 기존 물리적 특성 이외에 사회적 및 경제적 요인 등 새로운 변수를 추가하여 지가공시제도 개선에 적극적으로 반영할 필요가 있다. 마지막으로 지가공시제도의 신뢰도 제고를 위해 토지 특성에 대한 통계적 수치를 검토하는 등 보다 발전적으로 제도 개선을 추진하고, 공시지가의 활용성을 고려하여 여러 조건을 반영한 시범사업을 시행하되, 그 결과를 공시지가의 연도별 균형성 차원에서 단계적으로 반영할 필요가 있다. 다만, 본 연구가 독립변수를 형상과 도로접면으로 한정하고, 기존의 비준율이 여러 변수까지 포함한 점, 회귀모형 분석 결과 모든 변수의 p-value 값이 유의하지 않고, GWR 모형, 다층신경망 모형 미적용 등의 한계가 있으므로, 향후 이러한 조건을 보완한 분석모형의 연구를 기대한다.

This study focused on improving the Standard Comparison Table of Land Prices using market price information and explored ways to enhance the Land Price Public Announcement System. The study was conducted in seven specific regions, including Seoul, taking into account nationwide distribution of reference lots, regional characteristics, and data acquisition limitations. Regression analysis was performed on market price information and land characteristics of the reference lots in the selected regions to compile the Standard Comparison Table of Land Prices and validate its utility, providing insights into improving the Land Price Public Announcement System.

The analysis methods involved four models of multiple regression analysis with the market price information of the reference lots as the dependent variable and the shape and adjacent road information as independent variables. Model 1 used the location index to adjust the location characteristics of reference lots equally, followed by a regression analysis on land characteristics and market price information. Model 2 considered the realization rate of publicly announced land prices in Model 1, multiplying the location index by 1.3 before conducting regression analysis. Model 3 applied the shape rankings derived using GIS in Model 2.

Model 4 expanded the analysis sets to adjacent homogeneous areas by using stratified sampling and included regional variables and similar utilization situations as independent variables in the regression analysis. The analysis results indicated that the number of non-significant p-values for Models 1, 2, 3, and 4 was 110, 106, 74, and 63, respectively. Model 4 exhibited a higher adjusted R2 value compared to Model 1, showing an overall improvement in explanatory effectiveness and, thus, being considered the most suitable model. Based on these findings, the following insights were derived: 1.

Stratified sampling for creating the Standard Comparison Table of Land Prices in administrative units (eup/ myeon/ dong), specific-use districts, and utilization situations was verified to be useful and should be considered in future improvements to the Land Price Public Announcement System. 2. Using market price information instead of publicly announced land prices as the dependent variable in the Standard Comparison Table of Land Prices, along with adjusting for price variations based on the spatial location of real estate using the location index, was a viable analysis model. 3.

Shape, a land characteristic with low p-values in regression analysis results, should be removed when creating the Standard Comparison Table of Land Prices, while shape rankings measured using GIS should be incorporated. 4. Expanding the range of the geographic unit for creating the Standard Comparison Table of Land Prices to encompass homogeneous areas within identical supply-demand regions, is necessary. 5.

A comparison of the price multiplier coefficient for shape, shape ranking, and adjacent road between Models 1 to 4 and the existing Standard Comparison Table of Land Prices revealed regions with reversed price rankings and areas with low statistical significance in the variable of being adjacent with two roads, among adjacent road variables, indicating the need for future improvements to the Standard Comparison Table of Land Prices. 6. Last, for non-urban areas such as agricultural and forest land, physical characteristics alone may not sufficiently explain the price formation process.

Therefore, it is necessary to expand the scope of stratified sampling for green areas, control areas, and agricultural and forest areas in small and medium sized cities or add new price-determining factors as variables for non-urban areas. However, it should be noted that this study had limitations, as it focused on land characteristic variables related to shape and adjacent roads, and the existing Standard Comparison Table of Land Prices includes data that consider variables beyond shape and adjacent road characteristics. Future research is expected to address these conditions in the development of improved analysis models.