All Issue

2025 Vol.60, Issue 5 Preview Page

Research Article

Analyzing the Determinants of Housing Prices in Busan Using Functionally Weighted Regression

기능가중회귀를 활용한 부산시 주택가격 결정요인 연구

Yonghan Ana
,
Youngho Kimb*
안 용한a
,
김 영호b*
aMA Student, Department of Geography, Korea University
bProfessor, Department of Geography & Geography Education, Korea University
a고려대학교 일반대학원 지리학과 석사과정
b고려대학교 일반대학원 지리학과/사범대학 지리교육과 교수
*Corresponding Author
31 October 2025. pp. 623-637
PDF XML Citation
Abstract

Apartment prices in South Korea have experienced sharp fluctuations in recent years. However, the impact of these housing price changes has not appeared uniformly across the country, as the Seoul metropolitan area and regional cities exhibit distinct housing market structures. Moreover, heterogeneous spatial patterns of apartment prices emerge even within cities, which cannot be fully explained by simple geographic proximity. Therefore, this study employed a Functionally Weighted Regression(FWR) based on a migration-weight matrix instead of geographical proximity to explore the spatial heterogeneity of apartment price determinants in Busan, a major regional city distinct from the Seoul metropolitan area. The comparison with the geographically weighted regression (GWR) model shows that the functionally weighted regression (FWR) model achieved higher explanatory power, improved model accuracy, and resolved spatial autocorrelation of residuals. In addition, the analysis identified discontinuous local variations in apartment price determinants, which appear to reflect housing demand influenced by interregional migration flows. This study suggests the importance of considering functional connectivity between regions in housing policy and indicates that this analytical approach can be widely applied to various subfields of human geography, including studies of economic inequality, residential segregation, and accessibility disparities.

Keywords
apartment prices
functionally weighted regression
geographically weighted regression
migration-weight matrix
housing policy

대한민국의 아파트 가격은 최근 몇 년간 급격한 상승과 하락을 경험하였다. 그러나 이러한 부동산 가격 변동의 영향은 전국적으로 동일하게 나타나지 않았으며, 수도권과 지방 도시는 서로 다른 부동산 시장의 특성을 지닌다. 또한 도시 내에서도 부동산 가격의 이질적인 패턴이 나타나며, 이는 단순한 지리적 인접성만으로 설명하기 어렵다. 따라서 본 연구는 수도권과 구분되는 부산시 아파트 가격의 결정요인의 이질성을 탐색하기 위해, 도시 내부의 지리적 인접성 대신 인구 이동 가중치 행렬을 기반으로 하는 기능가중회귀 모형을 활용하였다. 해당 모형을 지리적 인접성 기반의 지리가중회귀 모형과 비교한 결과, 기능가중회귀 모형이 설명력과 모형 적합도, 잔차의 공간적 자기상관에서 더 향상된 결과를 보였다. 또한 아파트 가격 결정요인의 불연속적인 국지적 변화를 확인하였으며, 이는 인구 이동으로 인한 주거 수요를 반영하는 것으로 보인다. 본 연구는 부동산 정책에서 지역 간 기능적 연결성을 고려할 필요성을 제시하며, 이러한 접근은 경제적 불평등, 거주지 분화, 접근성 격차 등 다양한 인문지리학 연구에서 폭넓게 활용될 것으로 기대한다.

키워드
아파트 가격
기능가중회귀
지리가중회귀
인구 이동 가중치 행렬
부동산 정책
References
1

강길주, 2024, “주택시장 안정화와 부동산 금융규제 정책의 유효성: 수도권과 지방광역시 비교 분석,” 주택금융연구, 8(1), 27-54.

10.52344/hfr.2024.8.1.27
2

강상길, 2019, 부산 부동산 시장에 관한 연구, 석사학위논문, 경희대학교.

3

강창덕, 2010, “GWR 접근법을 활용한 부동산 감정평가 모형 연구: 서울시 아파트를 사례로,” 부동산연구, 20(2), 107-132.

4

공윤경, 2010, “부산 산동네의 도시경관과 장소성에 관한 고찰,” 한국도시지리학회지, 13(2), 129-145.

5

구동회, 2007, “부산권 인구이동의 공간적 패턴에 관한 연구,” 대한지리학회지, 42(6), 930-939.

6

구형모, 2019, “모런 고유벡터 공간 필터링 기반 공간 가변 계수를 이용한 서울시 아파트 가격 결정요인의 공간적 이질성 탐색,” 한국지리학회지, 8(2), 321-335.

10.25202/JAKG.8.2.14
7

김경민･이의준･박대권, 2010, “초･중･고등학교 수요가 서울시 구별 아파트 가격에 미치는 영향: 거주이주시기를 중심으로: 거주이주시기를 중심으로,” 국토연구, 65, 99-113.

10.15793/kspr.2010.65..006
8

김구회･김기홍･김재태, 2016, “학군 이주수요가 아파트 가격에 미치는 영향: 서울시 11 개 학군을 대상으로,” 한국정책과학학회보, 20(4), 157-171.

9

김남현･오세준, 2017, “서울시 다세대 주택의 분양가격 결정요인 분석,” 부동산･도시연구, 10(1), 171-187.

10

김도형･우명제, 2019, “기능적 상호작용에 따른 도시권 설정과 성장관계에 대한 연구,” 국토계획, 54(7), 5-23.

10.17208/jkpa.2019.12.54.7.5
11

김리영, 2013, “연령별 인구이동이 주택가격 변화에 미치는 영향 연구,” 국토계획, 48(5), 67-80.

12

김소연･김영호, 2013, “주거지 인문환경의 공간 속성을 고려한 주택 가격 결정 모형: 서울시 아파트를 대상으로,” 한국지도학회지, 13(3), 41-56.

13

김영옥･임은지, 2023, “서울시 다세대주택 임대료 결정요인에 관한 연구,” 부동산･도시연구, 16(1), 113-134.

10.22423/KREUS.2023.16.1.113
14

김홍관, 1996, “고속철도와 역세권개발 고속철도와 부산광역시의 역세권개발,” 도시문제, 31(334), 65-76.

15

배성완･유정석, 2017, “머신러닝을 이용한 공동주택 가격 추정: 서울 강남구 사례를 중심으로,” 부동산분석학회 학술발표논문집, 2017(1), 293-309.

16

변세일･고영화･최진도, 2019, “비수도권 아파트 가격 및 전세가 결정 요인 분석-광주, 대전, 대구, 부산의 사례를 중심으로,” 주거환경, 17(4), 109-126.

17

성수연, 2022, 고령인구 밀집지역의 사회공간적 특성과 계속 거주 영향 요인 분석, 박사학위논문, 서울대학교.

18

안용한･김영호, 2023, 서울시 저소득 독거노인 공간분포에 대한 다층요인분석,” 한국지리학회지, 12(4), 629-643.

10.25202/JAKG.12.4.7
19

양승철, 2014, “분위회귀분석을 적용한 단독주택의 가격형성요인에 관한 연구: 서울시 소재 단독주택을 대상으로,” 대한지리학회지, 49(5), 690-704.

20

오철환･이찬호, 2020, “정부정책이 부동산 투자에 미치는 영향-부산지역 조세정책을 중심으로,” 세무회계연구, 63, 87-116.

21

유무상･구형모, 2024, “서울시 아파트 매매가격 결정요인의 불연속적 공간적 이질성 탐색,” 한국지도학회지, 24 (2), 43-57.

10.16879/jkca.2024.24.2.043
22

유상균･이혁주, 2024, “서울 아파트 가격의 변동 분석,” 부동산연구, 34(2), 57-71.

10.35136/krer.34.2.4
23

윤종원･박세운･정태윤, 2018, “공간적 분위수 회귀분석에 의한 부산 아파트 가격 결정요인 분석,” 경영과 정보연구, 37(1), 155-175.

10.29214/damis.2018.37.1.009
24

이상일･이소영, 2021, “인구이동 플로의 지리적 시각화를 위한 개념적 명료화: 우리나라 2020 년 인구이동에 대한 주제도 제작,” 한국지도학회지, 21(3), 23-42.

10.16879/jkca.2021.21.3.023
25

이옥자･최진배, 2015, “부산지역의 아파트가격 결정요인에 관한 연구: 동․ 서쪽을 중심으로: 동․ 서쪽을 중심으로,” 주거환경, 13(2), 53-66.

26

이우희･전해정, 2023, “서울시 지역별 주택가격 결정요인,” 대한부동산학회지, 41(3), 173-193.

27

이지백, 2024, “텍스트마이닝을 활용한 부산 부동산 시장 인식 변화 연구,” 인문사회과학연구, 32(4), 685-713.

28

전해정, 2016, “GWR 모형과 GIS 를 이용한 주택가격 추정에 관한 연구,” 주거환경, 14(1), 1-11.

29

정대성･박종해, 2022, “부동산 가격의 정보전이효과에 관한 실증분석,” 재무관리연구, 39(6), 217-237.

30

정준호, 2022, “문재인 정부 시기 아파트매매가격 급등의 원인과 효과,” 경제와 사회, 135, 70-117.

10.18207/criso.2022..135.70
31

조대헌, 2020, “중소도시의 내부 인구이동과 주택시장 간의 연관성 분석: 강릉시 사례 연구,” 한국지도학회지, 20(2), 71-85.

10.16879/jkca.2020.20.2.071
32

최필성･현동우, 2021, “도보거리를 활용한 신도시 내 광역버스 정류장과의 접근성이 주택가격에 미치는 영향-동탄 2 신도시 사례,” 부동산분석, 7(3), 99-118.

10.30902/jrea.2021.7.3.99
33

하유정･이현석, 2020, “교육환경이 아파트 가격에 미치는 영향 - 부산시를 중심으로,” 부동산･도시연구, 13(1), 47-61.

34

하유정･장호관･이현석, 2021, “랜드마크 특성이 초고층 공동주택 가격에 미치는 영향-부산시를 중심으로,” 부동산･도시연구, 14(1), 5-24.

35

한국은행, 2023, 금융안정보고서, 서울.

36

황지용･김지현, 2024, “부산광역시 지하철 역세권 유형분류및 관리 방안 연구,” 국토계획, 59(1), 18-30.

10.17208/jkpa.2024.02.59.1.18
37

An, Y., 2025, Exploring Spatial Heterogeneity of Apartment Prices in Seoul Using Functionally Weighted Regression, Master Thesis, Korea University.

38

Anselin, L., 1998, GIS research infrastructure for spatial analysis of real estate markets, Journal of Housing Research, 9(1), 113-133.

10.1080/10835547.1998.12091930
39

Bitter, C., Mulligan, G. F. and Dall’erba, S., 2007, Incorporating spatial variation in housing attribute prices: a comparison of geographically weighted regression and the spatial expansion method, Journal of Geographical Systems, 9, 7-27.

10.1007/s10109-006-0028-7
40

Brown, L. A., Odland, J. and Golledge, R. G., 1970, Migration, functional distance, and the urban hierarchy, Economic Geography, 46(3), 472-485.

10.2307/143383
41

Brunsdon, C., Fotheringham, S. and Charlton, M, 1998, Geographically weighted regression, Journal of the Royal Statistical Society: Series D(The Statistician), 47(3), 431-443.

10.1111/1467-9884.00145
42

Cao, K., Diao, M. and Wu, B., 2019, A big data-based geographically weighted regression model for public housing prices: A case study in Singapore, Annals of the American Association of Geographers, 109(1), 173-186.

10.1080/24694452.2018.1470925
43

Choi, Y., Jeung, I. and Park, J., 2021, Comparative analysis of spatial impact of living social overhead capital on housing price by residential type, KSCE Journal of Civil Engineering, 25(3), 1056-1065.

10.1007/s12205-021-1250-z
44

Currie, M., 2022, Time-space compression: the long view, in Evans, J.(ed.), Globalization and Literary Studies, Cambridge University Press, Cambridge.

10.1017/9781108887915.012
45

Debrezion, G., Pels, E. and Rietveld, P., 2007, The impact of railway stations on residential and commercial property value: a meta-analysis, The Journal of Real Estate Finance and Economics, 35, 161-180.

10.1007/s11146-007-9032-z
46

Fotheringham, A. S. and Park, B., 2018, Localized spatiotemporal effects in the determinants of property prices: A case study of Seoul, Applied Spatial Analysis and Policy, 11, 581-598.

10.1007/s12061-017-9232-8
47

Fotheringham, A. S., Brunsdon, C. and Charlton, M., 2002, Geographically Weighted Regression: The Analysis of Spatially Varying Relationships, Wiley, Chichester.

48

Frame, D., 2007, Regional migration and house price appreciation, International Real Estate Review, 11, 96-112.

10.53383/100092
49

Frank, A. U., 1992, Qualitative spatial reasoning about distances and directions in geographic space, Journal of Visual Languages & Computing, 3(4), 343-371.

10.1016/1045-926X(92)90007-9
50

Goodman, A. C. and Thibodeau, T. G., 1998, Housing market segmentation, Journal of Housing Economics, 7(2), 121-143.

10.1006/jhec.1998.0229
51

Halás, M., 2024, Temporality in the delimitation of functional regions: the use of mobile phone location data, Regional Studies, 58(11), 2175-2187.

10.1080/00343404.2024.2325612
52

Han, S., 2022, Spatial stratification and socio-spatial inequalities: the case of Seoul and Busan in South Korea, Humanities and Social Sciences Communications, 9(1), 1-14.

10.1057/s41599-022-01035-5
53

Harris, R., Dong, G. and Zhang, W., 2013, Using contextualized geographically weighted regression to model the spatial heterogeneity of land price in Beijing, China, Transactions in GIS, 17(6), 901-919.

10.1111/tgis.12020
54

Harvey, D., 1991, The Condition of Postmodernity: An Enquiry Into the Origins of Cultural Change, Blackwell, Oxford.

55

Hastie, T., Tibshirani, R., Friedman, J. H. and Friedman, J. H., 2009, The Elements of Statistical Learning: Data Mining, Inference and Prediction(Vol. 2), Springer, New York.

56

Im, C. and Kim, Y., 2021, Local characteristics related to SARS-CoV-2 transmissions in the Seoul metropolitan area, South Korea, International Journal of Envrionmental Research and Public Health, 18(23), 12595.

10.3390/ijerph18231259534886318PMC8656497
57

Kim, H. and Kim, D., 2022, Changes in urban growth patterns in Busan metropolitan city, Korea: population and urbanized areas, Land, 11(8), 1319.

10.3390/land11081319
58

Kitchin, R., 2009, Space II, International Encyclopedia of Human Geography, Elsevier, Oxford.

10.1016/B978-008044910-4.01126-3
59

Kuhn, M. and Johnson, K., 2013, Applied Predictive Modeling(Vol. 26), Springer, New York.

10.1007/978-1-4614-6849-3
60

Lessani, M. N. and Li, Z., 2024. SGWR: similarity and geographically weighted regression, International Journal of Geographical Information Science, 38(7), 1232- 1255.

10.1080/13658816.2024.2342319
61

Lu, B., Charlton, M. and Fotheringhama, A. S., 2011, Geographically weighted regression using a non-Euclidean distance metric with a study on London house price data, Procedia Environmental Sciences, 7, 92-97.

10.1016/j.proenv.2011.07.017
62

Lu, B., Charlton, M., Brunsdon, C. and Harris, P., 2016, The Minkowski approach for choosing the distance metric in geographically weighted regression, International Journal of Geographical Information Science, 30(2), 351-368.

10.1080/13658816.2015.1087001
63

Lu, B., Charlton, M., Harris, P. and Fotheringham, A. S., 2014, Geographically weighted regression with a non- Euclidean distance metric: a case study using hedonic house price data, International Journal of Geographical Information Science, 28(4), 660-681.

10.1080/13658816.2013.865739
64

Oh, J., Li, M. and Jung, J., 2024, Response to shrinking cities: cultural urban regeneration, Cities, 155, 105447.

10.1016/j.cities.2024.105447
65

Wang, Z., Zhang, F. and Zhao, Y., 2023, Exploring the spatial discrete heterogeneity of housing prices in Beijing, China, based on regionally geographically weighted regression affected by education, Land, 12(1), 167.

10.3390/land12010167
66

Wang, Z., Zhao, Y. and Zhang, F., 2022, Simulating the spatial heterogeneity of housing prices in Wuhan, China, by regionally geographically weighted regression, ISPRS International Journal of Geo-Information, 11(2), 129.

10.3390/ijgi11020129
67

Wen, H., Xiao, Y., Hui, E. C. M. and Zhang, L., 2018, Education quality, accessibility, and housing price: does spatial heterogeneity exist in education capitalization? Habitat International, 78, 68-82.

10.1016/j.habitatint.2018.05.012
68

Wu, Y., Wei, Y. D. and Li, H., 2020, Analyzing spatial heterogeneity of housing prices using large datasets, Applied Spatial Analysis and Policy, 13(1), 223-256.

10.1007/s12061-019-09301-x
Information
  • Publisher :The Korean Geographical Society
  • Publisher(Ko) :대한지리학회
  • Journal Title :Journal of the Korean Geographical Society
  • Journal Title(Ko) :대한지리학회지
  • Volume : 60
  • No :5
  • Pages :623-637
  • Received Date : 2025-10-12
  • Revised Date : 2025-10-20
  • Accepted Date : 2025-10-24
  • DOI :https://doi.org/10.22776/kgs.2025.60.5.623
Journal Informaiton Journal of the Korean Geographical Society Journal of the Korean Geographical Society
online submission
  • NRF
  • KISTI Current Status
  • KISTI Cited-by
  • KCI 문헌 유사도 검사
  • orcid
  • open access
  • ccl
Journal Informaiton Journal Informaiton - close