| 研究課題/領域番号 |
23K01333
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分07030:経済統計関連
|
|---|
| 研究機関 | 横浜国立大学 |
|---|
研究代表者 |
本橋 永至 横浜国立大学, 大学院国際社会科学研究院, 教授 (50707239)
|
|---|
| 研究分担者 |
廣瀬 慧 九州大学, マス・フォア・インダストリ研究所, 教授 (40609806)
|
|---|
| 研究期間 (年度) |
2023-04-01 – 2026-03-31
|
| 研究課題ステータス |
交付 (2024年度)
|
| 配分額 *注記 |
4,810千円 (直接経費: 3,700千円、間接経費: 1,110千円)
2025年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
2024年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
2023年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
|---|
| キーワード | 不動産市場 / 共同住宅 / 空室率 / 住宅政策 / 空き家 / 機械学習 / 不動産 / 空室率予測 / スパース推定 / アンサンブル学習 |
|---|
| 研究開始時の研究の概要 |
本研究の目的は，予測精度と解釈性を両立した共同住宅の空室率を予測する手法を開発し，共同住宅の空室率の要因を明らかにすることである．本研究では，賃貸募集情報から空室率を予測する手法を開発し，スクレイピングによって取得する実データを用いて，提案手法の有効性を検証する．提案手法は不動産投資の空室リスクを定量的に評価することを可能にするとともに，我が国の喫緊の課題である空き家問題にも貢献することが期待できる．
|
| 研究実績の概要 |
令和6年度は，賃貸物件に関する実データを用い，成約までに要する期間の予測モデルを構築し，併せてその決定要因の分析を行った．用いたデータは，賃貸住宅情報サイトから収集した物件属性情報（賃料，専有面積，築年数，間取り，最寄駅からの距離など）に加え，周辺地域の地価，防災指標，教育環境等の地理情報を統合したものである．これらのデータに対して，機械学習手法であるXGBoostやLightGBMなどを適用し，モデルの予測精度を評価するとともに，SHAPを用いて各要因の影響度を可視化した．
分析の結果，成約までの期間には物件個別の属性に加えて，地理的要因や周辺環境が複合的に作用していることが明らかとなった．特に，駅からの距離や築年数，賃料水準などの伝統的な要因に加えて，地価や学区，災害リスクといった周辺地域の特徴も予測において重要な役割を果たすことが確認された．また，予測モデルの精度については，LightGBMが他手法と比較して優れており，かつSHAPによる解釈性にも優れていた．
本年度の成果は，「Predicting and Interpreting Vacancy Duration in Rental Properties Using Geographic Data」と題する論文として国際会議ICDM2024のワークショップに採択され，公表された．これにより，住宅市場における空室リスクの定量的把握に向けた分析手法の有効性と地理情報を取り入れたモデル設計の有用性を学術的に提示することができた．以上のように，本研究は空室に関わる意思決定支援に資する知見の蓄積に貢献している．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
既存研究の整理，物件データおよび地理情報の収集・統合，予測モデルの構築と評価，ならびにSHAPによる要因分析を計画通り実施し，国際会議での研究成果の公表にも至ったため，当初の計画に沿って順調に進展している．
|
| 今後の研究の推進方策 |
令和7年度は，これまでに構築した予測モデルを活用し，推定された空室率と地理情報を統合して，空室率の高低を地図上に視覚化する手法の開発に取り組む予定である．具体的には，GIS（地理情報システム）と連携したマッピング技術を用いて，空室率の予測結果を直感的に把握できる形で表示し，視覚的分析を可能とする．また，行政区や駅周辺エリアごとの分析に加え，空室リスクの高い物件の特性抽出と要因分析を深めることで，政策的示唆や不動産投資判断への応用を目指す．
さらに，令和6年度に得られた地域差の知見を踏まえ，地域ごとのモデル最適化にも取り組む．例えば，都市部と地方部で異なる要因が空室率に影響する可能性があるため，それぞれに特化したモデルの再構築および比較を行う予定である．また，モデルの一般化性能を高めるため，物件属性情報に加え，自治体の空き家データ等の外部データとの連携も視野に入れる．令和7年度末には，研究成果を学会発表および論文として公表し，実務に資する空室率予測支援システムのプロトタイプ開発にも着手する予定である．
|
