자동가치산정모형(AVM) 추정가치와 감정평가액 간 격차율의 영향 요인 분석^*

AVM 도입 초기 활용 실태와 쟁점, 시사점 등을 정리하고 향후 정책적 과제를 도출하는 제도중심의 연구와 AVM 추정가치의 적정성을 평가한 방법 중심의 연구로 나눌 수 있다.

우선 제도중심의 연구에서 안지희(2021)는 미국과 유럽 등 해외 사례를 검토하여 AVM 제도 및 활용실태를 분석하고, 국내 도입을 위한 정책적 시사점을 도출하였다. 해당 연구는 감정평가업계, 금융업계, 프롭테크업계 및 정부 간 협력을 바탕으로 AVM 활용 기준과 표준 마련의 필요성을 강조하였다. 정주희(2022)는 금융기관의 탁상자문과 AVM 활용을 중심으로 개념을 정립하고 쟁점을 분석하여 단기적으로는 업무 효율성 제고 수단으로 활용 가능성을, 중장기적으로는 AVM 서비스 고도화 및 관리·감독 체계 구축 필요성을 제시하였다.

방법 중심의 연구는 AVM 추정가치의 정확성과 적용 가능성을 실증적으로 검토하는 데 초점을 둔다. 이훈(2022)은 프롭테크 업체의 AVM 추정가치를 감정평가액 및 시장가격과 비교하여 적정성을 분석한 결과, 일부 표본에서는 시세를 비교적 잘 반영하였으나 상당수는 일정 수준 이상의 격차가 발생하는 것으로 나타났으며. 그 원인으로 개별 부동산 특성 반영 한계, 알고리즘 차이, 현장조사 정보의 부재 등이 제시하였다. 구강모·임동준(2024)은 중앙값 절대비율 오차(median absolute percentage error, MdAPE)와 예측오차율(prediction percentage error, PPE) 10% 등 통계적 지표를 활용하여 국내 AVM 기업들의 추정치를 비교한 결과, 전체적으로는 양호한 정확도를 보이면서도 지역별·유형별로 오차 수준이 상이하게 나타남을 확인하였다. 동일한 AVM이라도 적용 환경에 따라 정확도가 달라질 수 있으며, 일률적인 정확성 기준이 아닌 세분화된 검증 기준이 필요함을 시사하였다. 이선구(2025)는 XGBoost(eXtreme Gradient Boosting) 회귀모형을 통해 AVM을 구축하고 은평구 다세대주택 실거래 자료를 활용하여 예측 성능을 분석한 결과, 평균절대백분율오차(mean absolute percentage error, MAPE) 약 13% 수준과 결정계수(R²) 약 0.7 이상의 설명력을 확보하여 수준 이상의 예측 정확도를 확인하였다. 이는 감정평가 실무, 금융기관 대출심사, 정책적 모니터링 등 다양한 분야에서 보조적인 수단으로 AVM 활용 가능성을 보여주었다.

해외에서는 일찍부터 AVM의 정확성과 제도적 활용에 관한 논의가 축적되어 왔다. Kok et al.(2017)은 미국 멀티패밀리 자산 자료에 빅데이터 기반 자동가치산정모형을 적용하여, 자동화된 모형의 오차 수준이 전통적 감정평가보다 낮을 수 있음을 실증하며 수작업 감정평가에서 자동평가로의 전환 가능성을 제시하였다. Matysiak (2017)은 유럽의 AVM 활용 현황과 과제를 검토하여 AVM의 적용 가능성과 한계를 종합적으로 조망하였다.

이후 머신러닝 기법을 대량 평가에 적용한 연구가 본격적으로 확산되었는데, Antipov and Pokryshevskaya(2012)는 주거용 아파트 대량평가에 랜덤 포레스트를 도입하여 다중회귀분석·인공신경망 등 기존 기법보다 우수한 성능을 보였으며, 과소·과대추정 구간을 자동 탐지하는 CART(classification and regression trees) 기반 진단기법을 제시하였다. Lee et al.(2024)은 합성곱 신경망(convolutional neural network, CNN)을 활용하여 수치형, 범주형 속성 정보를 결합한 가치평가 모델을 제안하고, 시드니 주택시장 자료를 통해 기존 모형보다 높은 예측력을 확인하였다. Tapia et al.(2025)은 칠레 산티아고 수도권을 대상으로 머신러닝 기법(light gradient boosting model, LightGBM)과 공간조정 헤도닉 모형(spatial autoregressive model, SAR)을 비교하면서, 합성곱 신경망으로 주택 이미지에서 추출한 시각정보를 결합할 경우 평가 오차가 상당히 감소함을 확인하였다. Kim and Hong (2024)은 제주도 주거용 부동산 거래자료(2012~ 2021)를 활용하여 Stacked Ensemble 모형을 제안하고, 단일 알고리즘보다 안정적이고 일관된 예측 성능을 입증하는 한편, 단지 규모가 작고 노후한 주택일수록 예측 정확도가 떨어진다는 한계 조건을 함께 제시하였다.

이 연구는 연립·다세대·도시형 생활주택을 대상으로 하므로 AVM 추정가치와 감정평가액 간 격차 발생 요인을 분석하기 위해 선행연구들에서 제시된 주거용 구분건물의 가격결정요인을 검토할 필요가 있다.

김진명·이춘원(2023)은 성남시 재개발 구역을 대상으로 헤도닉 모형을 적용한 결과, 전용면적, 대지권 면적, 공시지가는 정(+)의 영향을, 경과 연수는 부(–)의 영향을 미치는 것으로 분석하였다. 손가영·홍성조(2021)는 도시형 생활주택을 유형별로 분석한 결과, 전용면적과 주차대수는 정(+)의 영향을, 건폐율은 부(–)의 영향을 미치는 것으로 분석하였으며, 주거 유형에 따라 선호 요인이 상이함을 확인하였다. 김남현·오세준(2017), 김웅희(2015), 송선주·황정수(2015) 등은 다세대주택 가격이 입지 접근성, 생활편의시설, 도로 여건과 같은 외부요인뿐 아니라 세대수, 주차장, 승강기 등 건물 특성에 의해 영향을 받는다는 점을 공통적으로 제시하였다.

한편 특정 요인의 영향에 초점을 둔 연구도 수행되었다. 최민정 외(2025)는 서비스 면적이 가격에 정(+)의 영향을 미치며 소형 주택일수록 그 효과가 크다고 분석하였다. 정진영(2023)은 반지하 주택의 경우 입지요인보다 경과 연수 등 개별특성이 더 큰 영향을 미치며, 매매시장과 임대시장이 상이한 구조를 가진다고 지적하였다. 양희진(2019)은 주차공간의 양뿐 아니라 질적 수준 역시 임대료에 유의한 영향을 미친다고 분석하였다. 또한 한준희(2016)는 경과 연수가 오래된 경우에도 잠재개발력에 따라 가격에 정(+)의 영향을 미칠 수 있음을 제시하였다.

이와 같이 선행연구를 종합하면, 주거용 부동산의 가격은 지역 및 입지요인, 건물 특성, 개별 호수 특성으로 구분되는 다양한 요인의 영향을 받으며, 특히 연립·다세대·도시형 생활주택의 경우 개별적 특성에 따른 영향이 크게 나타나는 것으로 확인된다. 따라서 이러한 특성을 고려하여 서비스 면적, 반지하 여부, 주차장 특성, 노후도 등을 개별요인으로 포함하여 분석할 필요가 있다.

AVM에 대한 선행연구와 주거용 구분건물의 가격결정요인에 관한 선행연구를 종합적으로 검토하여 볼 때, 다음과 같은 차별성을 갖는다.

첫째, 기존 방법 중심 연구들이 AVM 자체의 예측 정확성을 평가하는 데 초점을 둔 것과 달리, AVM 추정가치를 공신력 있는 기준인 감정평가액과 비교하여 그 차이를 분석하였다는 점에서 차별성을 가진다. 기존 연구는 실거래가격 또는 통계적 지표를 기준으로 AVM의 적정성을 검증하는 데 그쳤으나, 이 연구는 감정평가액과의 비교를 통해 실무적 관점에서 AVM의 활용 가능성과 한계를 보다 직접적으로 검토하였다.

둘째, 연립·다세대·도시형 생활주택과 같이 개별성이 큰 주택 유형에 AVM 분석을 적용하였다는 점에서 차별화된다. 기존 연구에서도 일부 비아파트 유형을 대상으로 한 실증분석이 수행된 바 있으나, 이 연구는 다양한 주거유형 중 개별특성이 가격에 미치는 영향이 상대적으로 큰 주택 유형을 중심으로 분석 범위를 설정하였다는 점에서 의의를 가진다.

셋째, AVM 추정가치와 감정평가액 간의 격차를 발생시키는 요인을 규명함으로써 단순한 정확성 검증을 넘어 AVM의 개선방향을 제시하였다는 점에서 차별성을 갖는다. 기존 연립·다세대·도시형 생활주택 관련 연구들은 매매가격이나 임대료의 결정요인을 분석하는 데 중점을 두었으나, 이 연구는 가격 간 격차에 주목하여 AVM이 시장 상황을 얼마나 정확히 반영하고 있는지를 분석하였다. 이를 통해 AVM 추정가치와 감정평가액 간의 간극이 어떤 요인에서 발생하는지를 실증적으로 규명하고, AVM의 보완 및 활용 기준 설정에 기여하고자 한다.

이와 같이 감정평가와 AVM 간의 상호보완 관계를 실증적으로 밝힘으로써, 향후 AVM 활용의 기준 설정 및 제도적 도입 논의에 실증적 근거를 제공하고자 한다. 나아가 다양한 개별특성이 가격 격차에 어떻게 반영되는지를 분석하여 감정평가업계와 프롭테크 산업 간의 협업을 위한 실질적 시사점을 도출하는 데 기여한다는 점에서 기존 연구와의 차별성을 갖는다.

이 연구는 AVM 추정가치와 감정평가액 간 격차율 발생 요인을 분석하기 위해 다중 선형회귀분석(multiple linear regression analysis)을 활용하였다. 일반적인 모형은 (식 1)과 같다.

여기서 Y는 종속변수인 격차율, X는 독립변수, β는 회귀계수, ε는 오차항을 의미한다. 다중회귀분석은 다른 변수의 영향을 통제한 상태에서 각 독립변수가 종속변수에 미치는 영향을 추정할 수 있어, 복수 요인이 동시에 작용하는 부동산 가격 격차 분석에 적합하다.

종속변수는 AVM 추정가치와 감정평가액 간의 차이를 나타내는 ‘격차율의 평균(%)’을 기준으로 하였다. 이는 금액 단위의 차이가 아니라 비율 단위의 격차율을 평균한 값으로, 먼저 하나의 물건에 대하여 감정평가액과 각 프롭테크 업체의 AVM 추정가치를 대응시켜, 업체별로 개별 격차율을 산정하였다. 이때 격차율은 절댓값으로 산정하여, 추정가치가 감정평가액보다 높은 경우(과대추정)와 낮은 경우(과소추정)를 구분하지 않고 격차의 크기만을 반영하도록 하였다.

다음으로 업체별로 산정된 3개의 격차율을 평균하여 해당 물건의 종속변수로 설정하였다. 즉 종속변수는 ‘하나의 물건에 대한 3개 업체 격차율의 평균(%)’을 의미한다.

이러한 방식은 예측값과 실제값 간의 오차를 절댓값으로 평균하는 평균절대오차(mean absolute error, MAE)의 개념을 차용한 것으로 모델의 예측 정확도를 직관적으로 나타내는 통계적 지표이며, (식 2)로 정의된다.

여기서 y_i는 실제 관측값, ŷ_i는 예측값, n은 관측치의 수를 의미한다. MAE는 예측값이 실제값보다 높거나 낮은 경우 모두 동일한 비중으로 평가할 수 있어 오차의 방향성과 상관없이 전체적인 예측 정확도를 파악하는 데 적합하며, 실제 오차의 평균값을 나타내므로 해석이 용이하고, 원래 데이터와 동일한 단위를 유지하므로 해석이 간편하다. 또한 제곱을 사용하지 않기 때문에 MSE (mean squared error)나 RMSE(root mean squared error)에 비해 이상값(outlier)에 덜 민감하다.

다만 이 연구의 종속변수는 단일 모델의 예측오차를 평균하는 일반적인 MAE와 달리, 하나의 감정평가액에 대응하는 복수 업체의 격차율을 평균한 값이라는 점에서 차별성을 가진다. 또한 금액의 절대적 차이를 그대로 비교할 경우 물건의 가격 규모에 따라 결과가 왜곡될 수 있으므로, 규모의 영향을 제거하고 격차의 상대적 크기를 비교하기 위해 비율 기반의 격차율을 적용하였다.

자료 조사 기간 동안 수집된 감정평가 선례 중 서초구와 강남구의 다세대·연립·도시형 생활주택의 ‘일반거래, 경·공매’ 목적의 감정평가 선례는 총 208개이다. 이에 대하여 각 업체별로 AVM 추정가치를 조회하였는데, 사이트별로 일부 물건에 대해서는 “가격 추정 불가”, “적정 가격자료가 부족해 산정 불가”, “정밀탁상 혹은 정식감정 필요” 등의 사유로 추정가치 조회가 불가하였다. 3개 사이트에서 모두 AVM 추정가치가 추출된 물건은 111개로 이를 표본으로 적용하였으며 이를 정리하면 <표 3> 및 <표 4>와 같다.

1곳 이상에서 추정가치가 제공되지 않은 97건(약 46.6%)은 분석에서 제외하였는데 그 자체로 AVM의 적용 한계를 보여주는 정보이므로, 제외된 건의 특성을 별도로 분석할 필요가 있다.

분석 결과 주택 유형별로는 <표 5>와 같이 연립주택의 제외율이 72.7%로 가장 높았던 반면, 도시형 생활주택은 14.6%로 가장 낮았다. 노후도별로는 <표 6>과 같이 신축(10년 이하) 주택의 제외율이 14.1%로 가장 낮았던 반면, 성숙(11~20년) 주택이 72.2%, 노후(20년 초과) 주택이 65.2%로 모두 높게 나타났다. 준공 후 10년을 기점으로 AVM 추정 가능성이 뚜렷하게 갈렸으며, 신축을 벗어난 주택일수록 AVM 추정이 어려워지는 경향을 보였다. 전용면적 측면에서도 대형(85m² 초과) 주택의 제외율이 81.1%로 가장 높게 나타났다. 반면 지역별 제외율은 강남구 54.5%, 서초구 42.0%로 두 집단 간 통계적으로 유의한 차이가 없어(p=0.108), 제외가 특정 지역에 편중되어 발생한 것은 아님을 확인하였다.

기존 선행연구는 실거래금액, 분양가, 환산월세 등 가격에 영향을 미치는 요인에 관한 연구가 주를 이루고 있으며, 일반적인 가치형성요인이 격차율에도 영향을 미치는 요인으로 작용하는지 연구할 필요성이 있다.

선행연구들은 주거용 구분건물의 특성을 고려하여 외부, 내부(건물), 개별(호별)로 구분하여 가치형성요인을 검토하고 있으며, 이는 감정평가분야에서 공동주택 가격조사 및 산정 시 적용되는 개별요인 비교표와도 일치된다. 따라서 선행연구와 개별요인비교표를 참고하여 다음과 같이 독립변수를 구분하여 결정하였다.

외부요인 중 독립변수는 행정구, 초등학교와의 거리, 지하철역과의 거리, 대형점포와의 거리 및 녹지와의 거리로 정하였다.

행정구의 경우 구별 더미를 적용하거나(송선주, 2015), 강남4구 여부를 구분(김남현 외, 2017)하여 분석한 연구가 선행된 바 있다. 서초구와 강남구 행정구의 차이가 격차율에 어떠한 영향을 미치는지를 분석할 필요 있으므로 강남구를 1, 서초구를 0으로 하는 더미 변수를 사용하였다.

연립·다세대·도시형 생활주택의 경우 아파트와 달리 단지가 조성되어 있지 않아 학교, 대중교통, 편의시설, 공원의 위치가 가치에 매우 큰 영향을 미친다. 선행연구에서도 지역특성과 입지특성이 다세대 주택 분양가격에 영향을 확인한 바 있다(김남현 외, 2017). 따라서 대표적인 기반시설인 초등학교, 지하철역, 대형점포, 녹지와의 거리를 변수로 설정하였으며 GIS 기반으로 추출된 거리를 변수에 반영하였다.

건물요인 중 독립변수는 경과 연수, 세대수, 승강기 여부 및 옥내외 주차가능 여부로 정하였다. 다수의 선행연구에서 위와 같은 독립변수로 가격결정요인을 분석한 바 있다(김웅희, 2015; 손가영 외, 2021).

우선 경과 연수의 경우 신축은 분양비용이 거래금액에 포함될 가능성이 있고 소형 신축의 경우 가구나 집기 등 옵션 가격이 포함되어 거래될 수 있다. 이는 부동산의 가치에 화체되는 비용으로 볼 수 없어 제외되어야 하는데, 신고된 거래사례 금액에 대한 분석 없이 그대로 적용할 경우 시장가치와 격차가 발생할 수 있어 이에 대한 검토가 필요하므로 “신축” 더미를 별도로 적용하였다. 노후된 주택의 경우 재개발·재건축의 가능성에 따른 잠재개발력이 가격에 유의미한 영향을 미친다고 선행연구에서 확인된 바 있다(한준희, 2016). 개발 가능성이 있는 경우 동일한 규모와 노후도의 건물이라도 대지권 비율에 따라 가치가 증가될 수 있으며, AVM 추정가치가 개발의 단계, 개발 가능성을 어느 정도까지 반영하는지 파악할 필요가 있으므로 “노후” 더미를 적용하였다. 노후도 기준은 한국부동산원 부동산정보통계시스템(R- ONE)에서 분류하는 체계에 따라 10년 이하를 “신축”, 20년 초과를 “노후”로 구분하였다.

세대수가 많은 단지의 경우 거래 빈도가 높아 자료축적이 많고 평가대상과 층수, 구조 등에서 비교 가능성이 높은 사례가 포착될 확률이 커지므로 AVM 추정가치와 감정평가액 간의 격차를 줄이는 요인이 될 수 있어 독립변수로 설정하였으며 건축물대장 정보를 기초로 하였다.

연립·다세대·도시형 생활주택은 승강기가 관리비뿐만 아니라 실수요에 영향을 미치게 된다. 3, 4층에 소재하는 물건의 경우 승강기 유무에 따른 이용 편의도에 차이가 커 가격에 큰 영향을 미친다. 따라서 승강기가 AVM 추정가치에 반영이 되는지 살펴볼 필요가 있으므로 승강기가 있는 경우에는 1, 그렇지 않은 경우는 0의 더미 변수를 설정하였으며 건축물대장 정보를 기초로 하였다.

주차장의 경우 주차공간의 질적 개선이 주거 임대료에 유의미하게 영향을 미치는 것으로 확인된 바 있다(양희진, 2019). 연립·다세대·도시형 생활주택의 경우 주차 가능 여부, 주차 가능 대수뿐만 아니라 주차 공간의 위치, 주차 방식도 거래가격에 크게 영향을 준다. 따라서 주차장이 있는 물건의 경우 이러한 주차공간의 편의성과 방식을 AVM 추정가치에서 반영하는지 살펴볼 필요가 있어 옥내외 주차가 가능한 경우는 1, 그렇지 않은 경우를 0으로 더미 변수를 설정하였으며 건축물대장 정보를 기초로 하였다.

개별요인 중 독립변수는 물건의 해당 층수, 전용면적 및 건물의 용도로 결정하였으며, 선행 연구에서도 내부요인 또는 주호 특성으로 분류하여 가격에 미치는 영향을 분석한 바 있다(김남현 외, 2017; 김진명 외, 2023).

층수는 지하층을 별도 변수로 설정하였는데, 지하층의 경우 개별적 특성과 지역변수에 따라 매매시장과 임대시장에 미치는 영향이 다르다(정진영, 2023). 실제 거주자와 투자자의 고려요소가 다르다는 의미이며 공부상 지하층이더라도 창문의 개수에 따른 채광, 구조, 진입위치, 현황 1층 여부 등에 따라 다양한 가격 격차가 발생할 수 있다. 따라서 지하층의 개별적인 특성이 AVM 추정가치에도 반영되는지 살펴볼 필요가 있어 지하층을 1, 지상층을 0으로 하여 더미 변수를 설정하였다.

전용면적과 관련된 선행연구에서는 실거래 가격에 긍정적인 영향을 미치는 것으로 나타났다(김진명 외, 2023). 이에 이 연구에서는 전용면적이 AVM 추정가치와 감정평가액 간 격차율에도 유사한 영향을 미치는지를 검토할 필요가 있다. 특히, 연립·다세대·도시형 생활주택의 경우 발코니 확장이 빈번하게 이루어지고 있으므로, 이러한 요소가 시장가치에 미치는 영향을 함께 분석하는 데 의의가 있다.

용도의 경우 ‘다세대’ 더미와 ‘연립’ 더미를 각각 설정하였는데, 이는 주택 유형에 따라 시장에서 가치 형성 방식이 상이할 수 있기 때문이다. 특히 동일한 지역 내에서도 다세대주택과 연립주택은 구조적 특성이나 거래 관행에 있어 차이를 보이며, 이는 AVM 추정가치와 감정평가액 간의 격차에 영향을 줄 수 있다(<표 7>).

분석 결과는 <표 9>와 같으며 지역별 감정평가액을 살펴보면 전체 표본 111건 중 서초구는 76건, 강남구는 35건이다. 평균 감정평가액은 강남구가 약 10.7억 원으로 서초구의 약 6.0억 원보다 높게 나타났으며, 표준편차 역시 강남구가 훨씬 크게 나타났다. 이는 강남구 표본에 신사동, 청담동, 논현동 등 고가주택 사례가 포함되어 있기 때문으로 해석된다. 반면 서초구는 상대적으로 중간 가격대에 표본이 집중되어 있어 분포가 보다 안정적인 것으로 나타났다.

용도별 감정평가액은 다세대주택이 67건으로 가장 많았고, 도시형 생활주택 35건, 연립주택 9건 순으로 나타났다. 연립주택은 평균 약 26.8억 원, 최대 47억 원으로 다른 유형에 비해 현저히 높은 가격 수준을 보였으며, 표준편차도 크게 나타났다. 반면 다세대주택과 도시형 생활주택은 각각 평균 약 5.8억 원 수준으로 유사한 가격대를 형성하였다. 이는 연립주택이 상대적으로 고가 물건 위주로 구성되어 있음을 시사한다.

면적은 40m² 이하 소형, 40m² 초과 60m² 이하 중소형, 60m² 초과 85m² 이하 중형, 85m² 초과 대형으로 구분⁵⁾하였다. 소형이 59건으로 가장 많아 표본 내 비중이 가장 컸다. 감정평가액은 면적이 증가할수록 대체로 상승하는 경향을 보였으며, 대형의 평균 감정평가액이 약 31.9억 원으로 가장 높았다. 반면 소형은 평균 약 4.7억 원, 표준편차 약 1.3억 원으로 비교적 안정적인 분포를 보였다. 이는 표본이 주로 소형·중소형 주택에 집중되어 있으면서도 일부 대형 고가주택이 전체 분포를 확장시키고 있음을 보여준다.

노후도는 10년 이하를 신축, 10년 초과 20년 이하를 성숙, 20년 초과를 노후 주택으로 구분하였다. 신축이 69건으로 가장 많았으며, 노후 주택은 31건, 성숙 주택은 11건이었다. 평균 감정평가액은 노후 주택이 약 11.9억 원으로 가장 높았고, 표준편차 역시 가장 크게 나타났다. 이는 노후주택 표본에 고가·대형 주택이 포함되어 있고, 일부는 잠재개발력이 반영된 결과로 해석할 수 있다. 반면 신축 주택은 중저가 구간에 집중되어 상대적으로 안정적인 분포를 보였다.

감정평가액과 업체별 AVM 추정가치를 비교한 결과, 전체 111건에서 평균과 중앙값 모두 감정평가액이 가장 높게 나타났고, 세 업체의 AVM 추정가치는 전반적으로 그보다 낮은 수준을 보였다. 이는 프롭테크 업체들이 감정평가액보다 보수적인 가치추정을 수행하는 경향이 있음을 시사한다. 이 중 C 업체는 평균과 중앙값 모두 감정평가액에 상대적으로 근접하였고, B 업체는 일부 고가주택에서 감정평가액을 상회하는 최댓값을 보여 과대추정 사례가 존재할 가능성을 나타냈다. 전반적으로 업체별 추정가치는 유사한 분포를 보였으나, 고가주택 구간에서는 차이가 확대되는 경향이 확인되었다.

기초통계 분석 결과, 강남구와 연립주택, 대형 및 노후주택에서 상대적으로 높은 가격 수준과 큰 분산이 나타났으며, AVM 추정가치는 감정평가액에 비해 전반적으로 보수적인 경향을 보였다. 이는 회귀분석에서 격차 발생 요인을 해석하는 기초자료로 활용된다.

종속변수인 격차율(MAE)은 최솟값 1.26%, 최댓값 81.81%, 평균 18.32%, 표준편차 15.97로 나타나, 일부 표본에서 매우 큰 오차가 발생하는 등 분포의 변동성이 큰 것으로 확인된다.

외부요인을 살펴보면 강남구 더미는 전체 표본의 약 31.5%를 차지한다. 초등학교와의 거리는 평균 388.37m, 지하철과의 거리는 평균 546.22m로 전반적으로 접근성이 양호한 수준이나, 최댓값이 각각 738.93m, 1,387.87m로 나타나 일부 표본에서는 접근성 차이가 크게 나타난다. 대형점포와의 거리는 평균 1,054.80m로 상대적으로 접근성이 낮은 편이며, 녹지와의 거리는 평균 205.18m로 비교적 근접한 것으로 나타났다.

건물요인에서는 경과 연수가 평균 12.78년으로 나타났으며, 신축은 약 62.2%, 노후 주택은 약 27.9%를 차지한다. 세대수는 평균 12.77세대로 소규모 단지가 다수를 이루고 있다. 또한 전체 표본의 약 66%에 승강기가 설치되어 있고, 약 88%는 주차시설을 보유하고 있어 기본적인 주거 편의시설은 대체로 갖추어진 것으로 나타났다.

개별요인을 보면 지하층 더미는 약 2.7%로 매우 낮은 비중을 차지하며, 전용면적은 평균 50.36m²로 소형 주택 중심의 구조를 보인다. 용도별로는 다세대주택이 약 60%, 연립주택이 약 8%를 차지하는 것으로 나타났다(<표 10>).

종합하면, 표본은 소형·중소형 규모의 저층 주택이 중심을 이루고 있으며, 입지 및 시설 접근성은 전반적으로 양호하나 일부 변수에서는 큰 편차가 존재한다. 또한 종속변수의 높은 분산은 개별 특성에 따라 AVM 추정오차가 크게 달라질 가능성을 시사하며, 이는 이후 회귀분석에서 변수별 영향력을 해석하는 데 중요한 자료로 작용한다.

한편 분석에서 제외된 표본을 비교하면, 노후도와 규모 측면에서 뚜렷한 차이가 확인된다. 앞서 연구범위의 <표 5> 및 <표 6>에서 살펴본 바와 같이 제외표본은 연립·노후·대형 등 개별성이 강한 유형에 집중되어 있으며, 제외표본의 평균 경과 연수는 26.0년으로 분석표본의 평균(12.78년)을 크게 상회하였고, 평균 전용면적 역시 77.4m²로 분석표본(50.36m²)보다 현저히 컸다(각각 p<0.01). 이는 AVM이 추정 자체를 수행하지 못한 물건일수록 노후하고 규모가 큰, 개별성이 강한 주택에 해당함을 보여준다.