2023 Fiscal Year Annual Research Report
A study on the time-on-market of rental housing in the Tokyo metropolitan area
Project/Area Number |
23H00810
|
Allocation Type | Single-year Grants |
Research Institution | The University of Tokyo |
Principal Investigator |
浅見 泰司 東京大学, 大学院工学系研究科(工学部), 教授 (10192949)
|
Co-Investigator(Kenkyū-buntansha) |
西 颯人 一橋大学, 大学院ソーシャル・データサイエンス研究科, 特任助教 (10962235)
|
Project Period (FY) |
2023-04-01 – 2028-03-31
|
Keywords | 不動産価格 / 中心駅 / 駅価値 / 非線形性 / 地理的加重回帰分析 / 確率的勾配 / スケーラブル / 東京 |
Outline of Annual Research Achievements |
不動産価格の分析において、中心エリアへのアクセス性は基礎的な要素であり、東京では鉄道が最も重要な公共交通機関となっている。このため、多くの研究者が中心駅までの距離をヘドニック回帰分析のコントロール変数として採用している。しかし、どの駅が適切な中心駅であるかは自明ではない。そこでこの問題を解消するために、距離と価格の関係の非線形性を捉えた、よりよい中心駅を選ぶためのアプローチを提案した。提案手法を用いたデータ分析の結果、東京23区の居住用土地市場の単価を回帰する場合には、渋谷駅を中心駅とすることが示唆された(西・浅見, 2023)。 GWR(地理的加重回帰分析)は空間依存性があるデータ分析で広く受け入れられている回帰手法である。GWRのキャリブレーションは計算量が多いため、キャリブレーションのための効率的な方法がいくつか提案されている。しかし、これらの方法は、大規模な計算環境を必要としたり、カーネル関数のクラスが限定されたりしており、GWRの適用範囲を制限している。本論文では、確率的勾配に基づくGWRの最適化手法であるsgGWR(確率的勾配GWR)を提案した。sgGWRでは,クロスバリデーション誤差を確率的に近似し、勾配に基づく最適化手法を適用する。sgGWRは既存のスケーラブルな手法よりも幅広い種類のカーネルを扱うことができ、高性能な計算機が利用できない場合でもその恩恵を受けることができる。したがって、sgGWRは既存のスケーラブルな手法ではカバーできない問題点を解決できる。シミュレーションにより、sgGWRと既存の手法の性能を検証した。さらに、sgGWRを東京の地価分析に適用した。その結果、時空間版GWRが最も予測性能が高く、回帰係数の時空間的不均一性を捉えることができた(Nishi, Asami, 2024)。
|
Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
査読論文や著書を出版し、研究成果を順調に発表できているため。
|
Strategy for Future Research Activity |
西・浅見(2023)の研究では、中心地と物件最寄り駅との間の距離は物理距離を扱っていたが、既存研究では時間距離も多く使われているため、どのような距離概念が適切と言えるのかの分析を行う。 首都圏の不動産取引データに対して、改良したアルゴリズムを適用して、NAS市場分割を行う。この際に、適切なサブマーケット群を抽出するために、パラメータ調整などを行う必要がある。その上で、該当物件が少ないサブマーケットは排除して、以後の分析に適したサブマーケット群の抽出を行う。この際に、Nishi, Asami, Shimizu (2019)が明らかにした賃貸住宅における住宅特性値が欠落することによる分析バイアスや、Suzuki, Asami, Shimizu (2021)が明らかにした継続家賃が変更しにくいことによる新規家賃のバイアスにも配慮する。
|
Research Products
(4 results)