초록
이 연구는 공간통계 기법을 이용하여 공시지가에 대한 만족도를 시계열적으로 분석하기 위한 방법을 제시하는데 목적이 있다. 현재 GIS를 이용한 공시지가의 공간적 분포특성을 분석하거나, 공시지가 제도의 개선 방안을 정성적으로 제시하는데 머무르고 있다. 공시지가의 공시가격, 의견가격을 기준으로 이의신청 제기 강도를 그룹화 하여 공시지가에 대한 만족도 GIS DB를 구축하고, 공간밀도분석과 공간 자기상관분석을 통해서 만족도의 시계열적 변화를 비교 분석하였다. 연구 결과 공시가격과 의견가격과의 차이는 개별토지에 따라 다르나 대부분 평균 3배 이하의 상향 또는 하향을 요구하고 있는 것을 알 수 있었으며, 이를 통해 민원인들의 의견가격의 요구를 통계적으로 분석함으로써 민원인의 공시지가에 대한 만족도를 정량적으로 나타낼 수 있음을 알 수 있었다. 공시지가의 만족도를 GIS를 이용하여 분석함으로써 공시지가만이 아닌 의견가격과의 차이를 이용하여 공시지가의 만족도를 분석할 수 있음을 알 수 있었다. 공간 자기상관 분석 및 핫스팟 분석 등의 시계열적 공간통계분석 방법을 통해 공시지가 만족도의 시공간적 변화를 분석할 수 있음을 알 수 있었다. 즉, 연도별 자료를 활용한 시공간 분석을 통하여 지역적으로 양 또는 음의 유의적 관계를 규명할 수 있었다.
This study has the purpose of suggesting the method to analyze the spatiotemporal change of satisfaction concerning the officially assessed land price using geostatistical analysis. Analyzing the spatial distribution characteristic of officially assessed land price using present GIS (Geographic Information System) or is staying at qualitatively suggesting the improvement method of the officially assessed land price system. Grouping the appeal strength based on the official price and opinion price of officially assessed land price, GIS DB (Database) was constructed and the time seriate satisfaction were analyzed and compared through spatial density analysis and spatial autocorrelation analysis. As a result, it was found that the difference between the official price and the applicant's price differed depending on individual land, but most of the respondents requested the increase or the reduction of the average land price, which resulted in a large number of request. Analyzing the satisfaction of the officially assessed land price by using GIS, it was known that satisfaction of officially assessed land price could be analyzed by using the difference of the opinion price and not only the officially assessed land price. Spatiotemporal change of officially assessed land price satisfaction was known to be possible through spatiotemporal pattern analysis method such as spatiotemporal auto-corelation analysis and hotspot analysis etc using GIS. In short, regionally positive or negative significant relationship was investigated through spatiotemporal analysis using annual data.
