Ⅰ. 서론우리나라의주택시장은빠른경제성장속도에미치지못한주택투자로인하여만성적인주택부족난을겪으면서부침을거듭하여왔다. 특히, 1997년말외환위기이후부동산경기가회복되면서투기로인한사회적논란이거세지는한편, 서민들의주거불안은계속되어왔다. 또참여정부는급등하는부동산가격을안정시키기위하여수

Size: px

Start display at page:

Download "Ⅰ. 서론우리나라의주택시장은빠른경제성장속도에미치지못한주택투자로인하여만성적인주택부족난을겪으면서부침을거듭하여왔다. 특히, 1997년말외환위기이후부동산경기가회복되면서투기로인한사회적논란이거세지는한편, 서민들의주거불안은계속되어왔다. 또참여정부는급등하는부동산가격을안정시키기위하여수"

해수 빈
6 years ago
Views:

1 Journal of Real Estate Analysis 제2 권제1 호 pp.67~82 소지역단위의주택시장불안정진원지파악에관한연구 * Identifying Spatial Origins of Housing Market Unstability based on the Small Spatial Unit 1) 구본일 ** 김재익 *** Gu, Bon Il Kim Jae Ik Abstract Fundamental purpose of this paper is to identify spatial origins of housing market unstability based on the small spatial unit. The hot-spot and cold-spot areas derived from spatial statistical techniques were considered as the origin of market unstability. For this purpose, market price data of Seoul was collected and analyzed using real transaction data. The main findings are follows. First, it was proved that the current statistical unit is too large to identify origin areas of market unstability because it contains different market price trends in the same unit of analysis. Therefore, a smaller unit of statistical area, such as the primary administration unit, is necessary to identify more accurate market trend. Second, through kernel density estimation and hotspot analysis, it was able to find the origins of market unstability in the region where transactions occur intensively. Based on these findings, this paper recommends some policy directions to utilize the market price data more effectively. Key Words : housing market, real transaction price, kernel density estimation, hotspot analysis, spatial weight matrix *** 본논문은 2014 년도제 1 회부동산통계활용및발전을위한대학 ( 원 ) 생논문공모전수상작 ( 장려상 ) 을수정 보완한논문임. *** 계명대학교도시계획및교통공학과박사과정 ( 주저자, leadergu@kmu.ac.kr) *** 계명대학교도시계획학과교수 ( 교신저자, kji@kmu.ac.kr)

2 Ⅰ. 서론우리나라의주택시장은빠른경제성장속도에미치지못한주택투자로인하여만성적인주택부족난을겪으면서부침을거듭하여왔다. 특히, 1997년말외환위기이후부동산경기가회복되면서투기로인한사회적논란이거세지는한편, 서민들의주거불안은계속되어왔다. 또참여정부는급등하는부동산가격을안정시키기위하여수요관리에중점을두면서종합부동산세, 양도소득세중과등의정책을실시하였지만주택가격은오히려크게상승하였다. 반면이명박정부와현정부에이르기까지수도권의주택시장침체를활성화하기위하여다시조세감면, LTV, DTI 규제완화와재건축규제완화등, 온갖정부의노력에도불구하고주택시장의활성화는일부지역에서는효과를거두었으나전국적인성과는거두지못한채, 지역별주택시장의이질성이심화되고있다. 이러한주택시장의상황을판단하는가장중요한기준은주택가격지수이다. 주택가격은지수로표현되며이지수를기준으로전반적인주택시장의흐름을판단하고투기과열지구나주택거래신고지역의지정 해제등정책결정에활용되고있다. 주택가격지수는시세자료를활용한지수, 실거래에기반을둔시세지수, 아파트실거래가지수로크게나뉘며시 군 구단위혹은보다큰공간단위로공표하고있다. 이러한대지역단위의주택가격지수는중앙정부의전국적혹은대지역별아파트가격추 이를파악할수있다. 그러나주택시장은생활권혹은통근권을단위로구분되는하위시장으로구성되는특징이있다. 따라서주택시장은시군구보다더좁은공간단위로변동할수있으며, 또주택수요자는광역자치단체단위의주택가격변동보다법정동단위와같이국지적인주택가격변화에더민감하게반응한다. 이러한점에서현행의주택가격지수는현실적요구를충족시키기에부족함이있다. 또한주택시장동향은버블세븐등과같이하위시장들이군집을이루면서급등과급락의진원지가되기도한다. 실제가격변동을선도하는지역들이주변지역으로가격변동의영향을미치면서주택시장의불안정성이가중되어왔던과거의경험이있다. 손학기외 2인 (2008) 은서울특별시의서초구, 강남구, 송파구등강남 3구를대상으로핫스팟과콜드스팟분석을이용하여짧은기간임에도불구하고가격변동이심한지역을주택시장불안정지역 1) 이라고판단한바있다. 실제로버블세븐지역등에서도법정동단위로상승, 보합, 그리고하락지역이혼재되기도한다. 그러므로주택시장가격변동의진원지를소단위지역으로파악할수있는기법을개발하는것은주택시장안정화를도모하는데필수적선결과제가된다. 이처럼소지역단위주택가격지수생산의필요성과현행지수의부족함을누구나인지하고있으나아래와같은현실적인문제로작성되고있지않다. 먼저시세에기반한지수는시 군 구단위공표에적합하게설계된표본 1) 본연구에서도가격변동을주도한지역을핫스팟 콜드스팟지역으로구분하여주택시장불안정진원지로간주한다. 68 부동산분석제 2 권제 1 호 ( )

3 조사로서소지역단위공표시표본확대등에따른예산, 인력등의현실적인한계에부딪힌다. 실거래기반의지수는 부동산거래신고등에관한법률 에따라거래신고정보가자동적으로수집되기때문에부동산시세지수와조사예산등과문제는없다. 그러나소지역단위로세분화할경우, 해당지역에실거래자료가없어지수를작성할수없거나실거래자료가있더라도거래빈도가많지않아지수의변동성이커지는문제가발생하게된다 ( 박헌수, 2014). 이와같은문제로하위지역을세분화하여작성할수없는한계를지니고있다. 한편, 실거래자료를활용한하위지역별가격지수생산의한계는아파트실거래가지수생산에국한된문제이기도하다. 지수생산시에는전체거래중에서동일주택가정을통해맺어진거래쌍만사용하기때문이다. 그러나실거래자료는매월약 50,000 건이수집되고거래정보에는주소, 신고금액, 계약연월등의시공간적정보와주택면적, 주택연령, 세대수등다양한주택특성정보가포함되어있다. 이러한많은자료는공간정보화과정을거쳐보다다양한기초통계를생산하고공간통계기법을통해국지적인주택시장분석이가능할것으로판단된다. 예를들어아파트거래건의공간정보화로소지역단위의아파트가격변동을파악할수있을뿐아니라최근발달된공간통계기법을활용하면주택가격기준의동질지역군을파악할수있다. 또한이정보는기존주택가격지수와 같이주택정책에따른수혜지역구분, 주택거래신고지역지정 해제등판단기준을보다정확히제시해주며, 나아가주택임대및매매당사자에게주택시장의동향에대한보다세분화된정보를제공할수있을것이다. 이에본연구는아파트실거래자료를활용하여법정동별 ( 소단위지역 ) 의주택가격변화를통해하위시장별주택시장의이질성을입증해보고, 공간통계기법을통하여소지역단위의주택시장의불안정진원지파악과국지적주택시장의특성을분석할수있는방법을모색해보고자한다. 나아가실거래가격자료의활용성을높이기위하여부동산실거래분석시스템의개발가능성및연계방안을제시하고자한다. Ⅱ. 선행연구공간적현상은해당지역에국한되지않고주변지역과연관성을가진다는사실은일찍부터연구의대상이되어왔다 년대초부터많은지리학자들이공간데이터가갖고있는공간적자기상관성 2) 을인지하고그효과를분석하여왔다 (Anselin, 1988). 특히소지역단위의공간특성과국지적인공간패턴을탐지하기위한연구들이산업의입지, 부동산가격분포, 인구이동등다양한분야에서이루어져왔다. 우리나라에서도최근들어이분야의연구가활발하게진행되었다. 국내연구중방법론과 2) 공간적자기상관성이란공간상의한위치에서발생하는사건과그주변지역에서발생하는사건과는높은상관관계를가지며, 자료의집계로인해서발생하거나또는공간상에인접함으로서나타나는파급효과이다 ( 이희연 심재헌, 2013). 소지역단위의주택시장불안정진원지파악에관한연구 구본일 김재익 69

4 사용자료의측면에서본연구와직접적인관련이있는연구들을간략하게살펴보면다음과같다. 전해정 (2015) 은서울특별시의주택가격을공간계량모형으로분석한결과, 공간상관계수가유의한것으로나타나한지역에서의주택가격의변화가다른지역에도영향을미친다고결론지었다. 이희연 (2005) 은서울지역의인터넷업체들의공간적집적수준을파악하기위하여, 업체들의주소를지오코딩하여 kernel density함수로집적도를추정한뒤 Hotspot 방법중하나인 STAC 를이용하여집적지를추출한바있다. 오윤경 강정규 (2015) 는부산시를대상으로핫스팟분석을통하여주택하위시장을세분화하고각시장의특성을분석한바있다. 손학기 박기호 (2008) 는핫스팟을탐색하는방법을개발하고 1997개 KB시세자료 (point data) 를이용하여공간클러스터탐색, Local Moran s I 지수를통해공간연관성을평가하였으며, 개발된방법을사례지역에적용하여투기과열지구와핫스팟지역을비교한바있다. 또한정지은 전명진 (2013) 은집계구단위로노인인구의공간적분포를확인하고, Getis- Ord s Gi* 지수를이용하여노령인구의핫스팟지역을분석하여서울도심주변지역과수도권외곽지역으로이원화되어있는노인인구의분포의특성을파악하였다. 한편공간기법과관련된연구는공간가중치 (spatial weight matrix) 를어떻게적용하는가에따라그결과가크게달라지므로적절한공간가중치를파악하는연구도많다. 김감영 (2010) 과이상일외 3인 (2010) 은국지적공간연관성지표 (LISA; local indicators of spatial association) 를활용하여지리적공간클러스터경계를설정하는수정AMOEBA 기법을개발하고, 주택및인구이동현상에적용하였다. 또한김명진 (2014) 은지식기반산업의입지를법정동별로군집여부를 Getis-Ord s Gi* 방법으로분석하였다. 이때, 역거리가중치 (Inverse distance) 로계산하였으며, 지식기반산업별로공간집적지가다름을파악하였다. 여창환 서윤희 (2014) 는공간가중치와핫스팟분석을동시에수행하였다. 그들은고령화의시공간적확산을 Getis-Ord s Gi* 와 Local Moran s I 두가지방법으로읍 면 동별공간패턴을분석하였다. 이때, 적합한공간가중치선정을위해 4가지방법모두검토한결과, Getis- Ord s Gi* 는 8-nearest neighbor 의방법으로, Local Moran s I는 inverse distance 방법이핫스팟과콜드스팟지역이가장적절하게탐지된다고결론지었다. 이러한분석방법을이용하여주택시장을분석한연구중본연구와관련이깊은것은김정희 (2014) 의연구이다. 김정희 (2014) 는 2006 ~2010년까지 5년간서울특별시아파트실거래가자료를이용하여개별아파트의시기별 / 면적별실거래가의변화패턴을크리깅 (kriging) 방법을이용하여분석하였다. 그리고단위면적당실거래가의평균을계산하여 Moran s I 분석한결과, 유사한패턴이행정동별로나타남을분석하였다. 윤종주 최민섭 (2014) 은서울특별시강남구와주변지역을중심으로거래량의장 단기선도성및지역간동조화가존재하는지분석한결과, 단기적으로강남구의거래량이다른지역의거래량에선행하였지만장 70 부동산분석제 2 권제 1 호 ( )

5 기적관점에서는선도성이존재하지않는다는결론을내린바있다. 이상과같은선행연구의공통점은법정동또는소지역단위에서발생하는사회적현상은일정한공간적군집화가발견되는것으로나타났으며, 공간적자기상관을측정하기위해서는공간통계기법과공간가중치에따라분석결과가상이한것으로나타나적합한통계기법의선정이중요하다고강조하고있다. 본연구에서는선행연구를토대로아파트실거래자료를사용하여법정동별주택시장의이질성검증과소단위지역의기초통계생산의가능성을검토해보고, 공간통계기법을활용하여국지적인주택시장특성분석과불안정진원지를파악하고자한다. 이과정에서본연구는첫째, 법정동별소단위공간단위 ( 법정동 ) 별로기초통계생산가능성을검토한점, 둘째, 거래집중지역의거래특성분석과개별아파트가격변동을계산하여불안정진원지를파악하는차별성을갖는다. 나아가서이러한차별성을기반으로실거래자료의다양한활용방안을제시하고자한다. Ⅲ. 자료및접근방법 1. 자료본연구의대상지는서울특별시전역이다. 서울특별시는실거래자료확보가용이하고, 주택정책에따른시장변화, 투기과열의가능성과주택가격변동이비교적크기때문에선정되었다. 분석에사용된아파트실거래가격자료는아래와같은자료정제과정을거친뒤사용하였다. 아파트실거래자료는거래신고시에발생하는입력오류, 비정상적인거래신고자료도포함되어있기때문에정제과정이필요하다. 즉, 입력오류제거, 비정상적인거래신고자료를 1차적으로제외하고, BOX-PLOT 방법을적용하여신고된거래가격의상한선, 하한선을초과하는자료를 2차로제외하였다. 법정동 ( 소지역 ) 단위의주택시장이질성검증에서는표본의편이성 (sample bias) 문제를극복하기위하여 3개월 ( 분기 ) 단위로자료를취합함으로서충분한거래사례를확보하였다. 분석기간은주택가격급등기인 2006년 9월 ~ 2007년 8월사이와급락기인 2011년 9월 ~ 2012 년 8월의전후 3개월동안의자료를이용하였다 년을전후한자료는 2008 년미국발글로벌금융위기의영향을크게받기때문에제외하였다. 다음으로소지역단위의주택시장불안정진원지탐색과주택시장의동향을파악하기위해커널밀도함수추정과 Getis-Ord s Gi* 핫스팟분석을실시하였다. 분석시기는주택가격의상승과하락이반복되며주택시장의불확실성이대두되는 2014 년 1분기 (1 ~ 3월 ), 2분기 (4 ~ 6월 ) 를대상으로분석하였다. 핫스팟분석에서사용하는변수는개별아파트가격변동률로아파트실거래가지수에서쓰이는동일주택가정을통해맺어진거래쌍의신고금액의변동률로계산하였다. 동일주택가정은실제동일한주택이 2번이상반복거래되어신고되기까지장기간이소요되기때문에 소지역단위의주택시장불안정진원지파악에관한연구 구본일 김재익 71

아파트의특성상동일단지의동일규모 ( 면적 ) 라면동과층에따라가격수준이유사하게거래된다는점을고려한것이다. 이에따라같은아파트단지 규모 ( 면적 ) 동이같으면서 1 + 2층 / 중간층 / 최상층으로군집된아파트를동일주택으로간주하였다. 이외의공간자료는서울특별시연속지적도, 법정동경계지도를사용하였으며, 자료의구축및분석을위하여 ArcGIS 10.1 및 SAS 9.

6 아파트의특성상동일단지의동일규모 ( 면적 ) 라면동과층에따라가격수준이유사하게거래된다는점을고려한것이다. 이에따라같은아파트단지 규모 ( 면적 ) 동이같으면서 1 + 2층 / 중간층 / 최상층으로군집된아파트를동일주택으로간주하였다. 이외의공간자료는서울특별시연속지적도, 법정동경계지도를사용하였으며, 자료의구축및분석을위하여 ArcGIS 10.1 및 SAS 9.3 프로그램을사용하였다. 2. 분석방법 1) 거래집중지역의파악과분석가격과거래량통계가발달되어있는금융시장에서는이미오래전부터가격과거래량을이용한다양한시장분석지표가집계 생산되고있다. 일반적으로가격과거래량과의관계는매우밀접한상관관계를가지고있으며, 거래량이가격변동에있어선행하는것으로알려져있다. 또한, 추세전환시기를예측하거나과열권, 침체권을판단하는기준이되기도한다. 부동산의가격과거래량과의관계도마찬가지이다. 일반적으로가격과거래량의상관관계를고려할때거래량의집중지역을파악하는것은국지적가격변동에선행적인지표의역할을할수있다. 이에따라본연구에서는거래가집중적으로발생한지역의특성을분석하고자하므로먼저거래집중지역을파악하였다. 거래집중지역은식 (1) 에표시된커널밀도함수를통하여파악한다. 커널 (Kernel) 분석은대상지역의점개체의분포를토대로하여대상지역전체에걸친 공간밀도를추정하는것이다. 식 (1) 여기서 커널확률밀도함수 이며, r 은강도를추정하기위한탐색반경 (bandwith), 그리고 는가장자리보정 요소이다. 함수를구성하는기호에대한구체적인설 명은교과서와선행연구에서쉽게찾을수있 으므로중복을피하고자생략하기로한다. 커 널밀도함수는특정격자로부터일정한크기의 대역폭 (bandwith) 을설정하고, 해당대역폭 내에포함된점개체들을기준으로하여격자 들의밀도를조정한다. 즉, 커널밀도의추정 자체가점개체가발생하는점과의거리에따른 가중치가고려되기때문에거리에따른조락 현상이나타나게된다 ( 이희연 심재헌, 2013). 또한, 점데이터의분포패턴을시각화하는데 널리활용되고있다 ( 이희연, 2005). 본연구는 < 그림 1> 거래집중지역및실거래분포 72 부동산분석제 2 권제 1 호 ( )

7 < 그림 1> 에녹색으로표시된법정동별거래량자료를바탕으로커널밀도함수로추정된거래밀도가 200이상인지역을거래집중지역 ( 적색부분 ) 으로판단하고그분포를 < 그림 1> 에표시하였다. 2) 공간적자기상관의파악국지적공간패턴의탐지는공간적자기상관유무의판단과직결된다. 많은학자들에의해개발된다양한지표중에서국지적공간적자기상관통계량 (LISA) 을대표하는것은 Local Moran s I, Local Geary s ci, 그리고 Getis- Ord s Gi* 등이다 ( 이상일외 3인, 2010). 이중국지적인핫스팟의탐색은 Getis-Ord s Gi* 가가장효과적인것으로알려져있고또널리사용되고있다 (Lee, 2001). Local Moran s I는이례지역 (outlier) 을찾아내는데탁월한것으로평가된다 ( 김명진, 2014). 그러나 Moran s I지수는공간적군집과특성을확인하는것에는유용하지만, 군집확인에있어서계산된통계량으로는높은값들로둘러싸인군집인핫스팟과낮은값들로둘러싸인군집인콜드스팟을구분할수없다는한계를가진다. 더구나 Local Moran s I에의해탐지된핫스팟은때때로중심셀이나주변셀중일부셀이매우높은값을가지게되면통상핫스팟으로탐지되기도하는단점을내포하고있다 ( 김감영, 2010; 이상일등, 2010). 이와같은다양성과장단점에의해정확한공간집적지역을찾기위해서는다각적인방법을적용할필요가있다. 본연구에서는선행연구들의결과를토대로가격상승지역이군집 하여분포하고있는핫스팟과콜드스팟을탐지하고자하므로 Getis-Ord s Gi* 의방법을적용하기로한다. 수식은식 (2) 와같다. 식 (2) 여기서 = j지역의가격변동률, = 거래건수, 그리고 = i에서 j까지의거리공간가중치를나타낸다. Getis-Ord s Gi* 의분석방법은기준공간단위와주변공간단위가전체에서차지하는비중에대해통계량을산출하고그통계적인유의성검증을통해핫스팟과콜드스팟으로구분하는과학적인접근방법이다. 국지적값을나타내는 Gi* 는이값자체가 Z-score( 표준화점수 ) 가된다. Z-score 가 1.96 이상인경우 95% 신뢰수준에서해당 zone과주변 zone의주택가격변동이높은지역 (hotspot) 을의미하고, 반대로 Z-score 가 이하인경우에는 95% 신뢰수준에서해당 zone과주변 zone의주택가격변동이낮은지역 (coldspot) 을의미한다. 3) 공간가중치의선정공간적자기상관을측정할때공간가중치는 소지역단위의주택시장불안정진원지파악에관한연구 구본일 김재익 73

개체 (feature) 간인근 (neighbors) 을어떻게정의하느냐에따라다양하게적용될수있으며, 공간가중치의차이는분석결과의차이로직결되어적절한가중치의적용이중요하다 (Anselin, 1988; Getis and Ord, 1992). 공간가중치는일반적으로 Queen s case, Inverse distance, K-nearest neighbor 등이활용된다.

8 개체 (feature) 간인근 (neighbors) 을어떻게정의하느냐에따라다양하게적용될수있으며, 공간가중치의차이는분석결과의차이로직결되어적절한가중치의적용이중요하다 (Anselin, 1988; Getis and Ord, 1992). 공간가중치는일반적으로 Queen s case, Inverse distance, K-nearest neighbor 등이활용된다. 공간가중치의선정시공간자료의형태도고려해야한다. 국지적공간자기상관분석에있어서래스터 (raster) 자료와같이공간형태가일정한격자로되어있는경우, rock s case, queen s case 공간가중치를적용한다. 반면센서스트랙, 행정구역과같이공간형태가불규칙한벡터 (vector) 자료는개체간인접성 (contiguity) 과거리를함께고려하여공간가중치를적용해야한다 (Getis, 2010). 본연구에서사용하는자료는불규칙한벡터 (vector) 자료이므로 Inverse distance, Fixed distance 등의방식을사용하여이중신뢰도및객관성을제고할수있는방식을선정하기로한다. IV. 공간통계기법을활용한실거래자료분석 1. 하위주택시장의이질성본연구에서는공간통계기법을적용하기앞서시군구보다적은소지역 ( 법정동 ) 단위의분석이필요한이유를입증하고기초통계생산의가능성에대해살펴보기로한다. 먼저, < 그림 2> 를통해서울특별시아파트실거래가격지수추이를살펴보면, 2008 년금융위기이전서울특별시아파트가격은짧은시간동안급격하게상승하는것으로나타난반면, 금융위기이후에는등락을거듭하다 2011 년 9월이후에주택가격이빠르게하락하는것을알수있다. 주택가격변동이급변하는시점에는하위시장도대부분같은방향성을보일것으로판단되나그렇지않을수도있다. 이를입증하기위해비교시점은상승기인 2006년 9월부터 < 그림 2> 서울특별시아파트실거래가지수와변동률추이 74 부동산분석제 2 권제 1 호 ( )

9 2007년 8월까지로보았으며하락기는 2011년 9월부터 2012 년 8월까지로각각 1년간자료를수집하여법정동별평균가격과변화를비교하였다. 이때법정동내아파트가없는지역이거나거래가없는지역은제외되었으며, 표본의편이성을극복할거래건수의확보를위해 3개월단위로거래건수를취합하고법정동별자료를구축하여단위면적당평균가격을계산하였다. 집계결과, 서울특별시전체분기별거래건수는상승기인 2006년 6~9월에는 46,328 개, 2007 년 5~8월에는 13,757 개, 하락기인 2011 년 6~9월은 10,292 개, 2012년 5~8월에는 6,068 개가분석에사용되었다. 비교시점별서울특별시전체단위면적당평균가격을살펴보면상승기인 2006년 9월에는 464.7만원 / m2, 2007년 8월은 552.8만원 / m2으로약 88만원상승하였으며하락기에는 2011 년 9월에는 만원 / m2, 2012 년 8월에는 만원 / m2으로 2007년가격수준까지하락 하였다. < 표 1> 을참조하면서동단위로보다자세하게보면, 강남, 송파등평균가격이높았던법정동은가격수준이하락한반면, 상대적으로주택가격이낮은성북구등에서는전반적으로가격이상승하였다. 다음, 분기별로구축된법정동별단위면적당평균가격자료를활용하여가격변동률을계산한결과, 상승기와하락기의변동률이확연한차이를보였다 (< 그림 3> 참조 ). 상승기인 2006년 9월에서 2007년 8월사이에도서울특별시동북, 서남, 서북권은가격이상승한반면, 강남, 서초, 송파구의아파트가격은하락하였다. 하락기의경우도전반적으로하락하는모습을보이나일부지역에서상승한것으로나타났다. 이는주택가격상승기및하락기에도하위시장별이질성이존재하고있다는것을입증하였으며소지역단위의기초통계로서의미있는결과를도출한것으로판단된다. < 표 1> 법정동별단위면적당평균가격변화 (3개월평균 ) 상위 5개동 2007년 5~8월 2012년 5~8월시군구법정동평균가격 ( 만원 ) 시군구법정동평균가격 ( 만원 ) 1 강남구 압구정동 강남구 개포동 강남구 개포동 서초구 반포동 송파구 잠실동 강남구 압구정동 강동구 고덕동 강남구 대치동 송파구 신천동 송파구 잠실동 하위 5개동 1 종로구 동숭동 성북구 안암동3가 종로구 행촌동 성동구 홍익동 성북구 안암동4가 구로구 가리봉동 성북구 안암동3가 은평구 갈현동 구로구 가리봉동 동대문구 용두동 소지역단위의주택시장불안정진원지파악에관한연구 구본일 김재익 75

단위면적당아파트평균가격변동률 (2006 년 9 월 ~2007 년 8 월 ) 단위면적당아파트평균가격변동률 (2011 년 9 월 ~2012 년 8 월 ) < 그림 3> 단위면적당평균가격변동추이 2. 거래집중지역의주택특성분석본연구에서는주택시장의불안전진원지를탐색하기이전에선행지표의역할을할수있는거래집중지역을파악해보고, 거래특성을분석하여주택시장의동향을살펴본다.

10 단위면적당아파트평균가격변동률 (2006 년 9 월 ~2007 년 8 월 ) 단위면적당아파트평균가격변동률 (2011 년 9 월 ~2012 년 8 월 ) < 그림 3> 단위면적당평균가격변동추이 2. 거래집중지역의주택특성분석본연구에서는주택시장의불안전진원지를탐색하기이전에선행지표의역할을할수있는거래집중지역을파악해보고, 거래특성을분석하여주택시장의동향을살펴본다. 분석시기는 2014 년 1분기, 2분기이며 2014 년 1분기의아파트매매거래건수는 19,975 개, 2 분기는 12,303 개로집계되었다. < 그림 4> 는개별아파트거래건수를지오코딩 (geocording) 과정을거쳐커널밀도분석을실시한그림으로붉은색이짙어질수록거래가집중되었다는 커널밀도함수추정결과 (2014 년 1 분기 ) 커널밀도함수추정결과 (2014 년 2 분기 ) < 그림 4> 커널밀도함수의추정결과 76 부동산분석제 2 권제 1 호 ( )

11 것을의미한다. 분기별로살펴보면두분기모두노원구, 성북구, 도봉구일대에서거래량이집중적으로발생한것을알수있으며, 2분기에는강남, 송파, 서초구와용산, 영등포, 양천 강서지역의거래량이눈에띄게감소한것을알수있다. 다음으로밀도추정치가 200이상인지역의경계를추출하였고, 해당지역에거래가집중적으로일어난지역의주택특성은 < 표 2> 와같다. 2014년 1분기거래집중지역을법정동별로분석한결과, 거래건수가가장많은노원구상계동의경우평균면적 54.7 m2, 평균주택연령은 24.7년, 평균단가가 만원 / m2으로나타나비교적노후화되고가격이저렴한소형아파트가집중적으로거래된것으로분석되었다. 이는저금리등에따른실수요자의매매수요증가로상대적가격수준이낮은노후아파트에거래가집중된것으로판단된다. 한편송파구가락동의경우에는 2014년의재건축규제완화등에따라주택가격의수준은높지만주택연령이높고층수가낮아재건축이가능한단지를중심으로투자수요가증가한것으로보여진다. 이와같이거래집중지역의주택특성분석은 향후, 주택가격의불안정의진원지가될가능성이큰지역이므로주택시장과정책변화에따른주택거래동향의변화를파악하여집중적인원인분석을할수있다. 3. 핫스팟 콜드스팟지역탐색앞서분석한거래집중지역의파악으로주택거래특성에대해서는파악할수있지만주택가격의변동성을파악할수는없다. 따라서 Getis-Ord s Gi* Hotspot Analysis을통해주택가격변동의진원지를파악하였다. 핫스팟분석은 2014년 1월부터 6월까지신고된거래자료를분기별로각각분류한뒤, 동일주택으로가정을통해거래쌍으로맺어진두시점간신고금액의변동률로계산하였다. 또한, 앞서설명한바와같이적절한공간가중치선정이선행되어야한다. 공간가중치는역거리가중방식 (Inverse Distance) 등여러가지가있지만시행착오를거쳐가장적합하다고판단되는거리고정방식 (Fixed Distance) 을사용하였다. 분석의결과는어느지역에높은값이군집되어있는지혹은낮은값이군집되어있는지 < 표 2> 2014 년 1 분기거래집중지역의주택특성 시군구 법정동명 거래건수 평균면적 ( m2 ) 표준편차 평균층수 표준편차 평균주택연령 표준편차 평균가격 ( 만원 / m2 ) 표준편차 노원구 상계동 노원구 중계동 송파구 잠실동 강서구 염창동 송파구 가락동 소지역단위의주택시장불안정진원지파악에관한연구 구본일 김재익 77

를 Z-score 와 P-value 값을통해나타낸다. 즉 Z-score 값의크고작음을통해그지역에가격변동이얼마만큼군집되어있음을파악할수있으며, 이때 p-value 값은통계적유의성을나타낸다. 즉, 귀무가설은 공간적자기상관성이존재하지않는다 이며일반적으로 10%, 5%, 1% 기각역보다 P값이작으면귀무가설을기각할수있다.

12 를 Z-score 와 P-value 값을통해나타낸다. 즉 Z-score 값의크고작음을통해그지역에가격변동이얼마만큼군집되어있음을파악할수있으며, 이때 p-value 값은통계적유의성을나타낸다. 즉, 귀무가설은 공간적자기상관성이존재하지않는다 이며일반적으로 10%, 5%, 1% 기각역보다 P값이작으면귀무가설을기각할수있다. 먼저 < 그림 5> 를통해 2014년 1분기의핫스팟분석결과를자세히살펴보면, Z-Score 값이 1.96( 유의수준 5%) 이상인지역으로서강남구와서초구일부지역에서핫스팟패턴이감지되었다. 강남구의경우개포동일대와대치동일대, 서초구는잠원동일대로나타나, 이들지역의가격변동은타지역에비해서가격상승폭이크고, 개별부동산들의주변부동산들과가격변동의방향이동질적인특성을가진가격변동핫스팟패턴을형성한다고볼수있다. 콜드스팟지역의경우핫스팟지역과반대되는개념으로서강동구성내동일대, 송 파구풍납동, 도봉구창동일대에서탐지되었다. 그러나 2014 년 1분기거래집중지역과비교하면거래집중의강도는노원구, 성북구, 도봉구일대가높았음에도불구하고도봉구일대에서콜드스팟이탐지되었다. 이는주택시장의불확실성에도불구하고, 저금리등에따른실수요자의내집마련수요가증가하였으나저가매물을중심으로거래된것이원인으로판단된다. 한편, 거래집중의강도는낮지만강남구, 서초구일대가핫스팟지역으로탐지되었다. 주택정책에민감하게반응하는강남구일대에서는재건축규제완화등에따른정부정책의영향으로재건축아파트단지의가격이상승한것으로판단된다. 다음 2분기핫스팟지역은강북구미아동, 성북구길음동, 돈암동일대에서, 콜드스팟지역은관악구봉천동일대에서탐지되었다. 두시기를비교해서살펴보면, 핫스팟지역의경우 1분기부터이어져온성북구일대거래집중이 2014 년 1 분기핫스팟분석결과 (Fixed Distance) 2014 년 2 분기핫스팟분석결과 (Fixed Distance) < 그림 5> 핫스팟분석결과비교 78 부동산분석제 2 권제 1 호 ( )

13 2분기에가격상승으로이어진것을알수있으며, 1분기에핫스팟지역으로탐지된강남, 서초구는 2014년 2월말임대주택소득과세방침발표이후투자수요가감소한것으로보이며 2분기에는핫스팟이발견되지않았다. 이를통해거래의집중과가격변동성과의상관관계는반드시일치하지는않지만주택정책과시장변화에따라다른양상을보이는것을알수있다. 이러한분석결과는커널밀도분석을통한거래집중지역의거래특성과함께시시각각변하는주택가격변화의중심지및그주변지를한눈에파악할수있고특히, 점형 (point data) 자료를활용할경우가격급등이발생한핫스팟지역이행정구역내에서작은비중을차지하여가격변동이평활화되는문제로부터벗어날수있는이점이있다. V. 결론본연구에서는주택가격의급상승기와급하락기의법정동별주택가격변화를파악하고, 거래밀도분석을통하여거래집중지역의거래주택특성을개략적으로도출하고, 나아가주택시장의불안정을유발하는진원지로서국지적핫스팟지역과콜드스팟을탐지하였다. 분석결과, 시군구단위의주택가격지수는하위주택시장의특성을평활화하는문제가발견되었으며이를근거로법정동별주택시장의이질성과소규모단위의기초통계생산의필요성을도출할수있었다. 또한거래가집중적으로발생하는지 역을추출하고해당지역의거래특성을분석하여주택유형, 연령, 가격등의수요자의매매특성파악이가능하였으며핫스팟분석결과와연계하여소지역단위의주택시장동향분석이가능하였다. 위의결과를토대로아파트실거래자료를보다유용하게활용할방안도강구될필요성이제기되기도한다. 아파트실거래가격자료가내포하고있는가격정보, 주택특성, 위치정보를공간정보시스템과연계하면다양한분석이가능하기때문이다. 이와같은실거래자료의제공은주택을구입하려고하는수요자에게가장적합한주택을탐색할수있게하고, 주택가격이급상승한지역과주택거래가집중적으로일어난지역을판별하여주택시장의안정에큰도움을줄것으로기대된다. 이에더하여부동산실거래분석시스템과한국감정원이가지고있는토지, 주택, 상가등의가격DB를연계할시에는수요자에게다양한정보를제공하는컨설팅서비스로발전이가능할것으로예상된다. 즉, 한국감정원에서도주택구입예정자또는전월세수요자에게인근의가격정보를비롯하여, 주거환경을구성하는학교, 학원, 공원, 관공서, 유흥가등에대한기초통계를제공하고, 앞서분석한거래집중지역의거래특성, 핫스팟분석등의공간분석결과를통해다양한정보를수요자에게제공할수있다. 그러나향후, 분석범위지역을확대하여서울이외의지역에대한공간통계기법에대한검증이요구되며, 거래집중지역의선정시통계적인접근방법, 핫스팟으로탐지된지역의가 소지역단위의주택시장불안정진원지파악에관한연구 구본일 김재익 79

14 중치선정및검증과정이필요할것이다. 그 럼에도불구하고이논문은지리정보시스템을 활용하여실거래자료의다양한분석방법을 적용하고부동산실거래분석시스템의개발가 능성을제시하였다는것에의의가있다. 참고문헌 1. 김감영, 2010, 연령별인구이동특성에대한탐색적공간데이터분석 (ESDA) : 대구시를사례로, 한국지역지리학회지, 제 16 권제 5 호. 2. 김명진, 2014, Getis-Ord s Gi* 와 FLQ 를이용한공간집적분석 : 경기도지식기반산업을대상으로, 한국지도학회지, 14 권 1 호. 3. 김정희, 2014, 서울시아파트실거래가의변화패턴분석, 한국지형공간정보학회지, 제 22 권제 1 호. 4. 박헌수 유은영, 2014, 상태공간모형을활용한부동산실거래가격지수추정에관한연구 : 거래빈도가낮은지역을중심으로, 부동산학연구, 제 20 집제 1 호. 5. 방송희 이용만, 2009, 실거래가격자료를이용한주택거래량과가격간의관계, 한국부동산학회 2009 년추계학술대회자료집. 6. 손학기 박기호, 2008, 부동산가격변동핫스팟탐색을위한공간통계기법, 대한지리학회지, 제 43 권제 3 호. 7. 손학기, 김순태, 박기호, 2008, 실시간자료를이용한국지적부동산시장불안정지역의동태적특성탐색, 국토계획, 제 43 권제 7 호. 8. 여창환 서윤희, 2014, 공간자기상관을활용한농촌지역인구고령화의공간적확산분석, 한국지리정보학회지, 17(3). 9. 오윤경 강정규, 2015, 부산시주택하위시장의세분화및특성에관한연구, 부동산학연구 제 21 집제 3 호. 10. 윤종주 최민섭, 2014, 강남구와주변지역거래량의장 단기동조화에관한연구, 주택연구, 제 22 권제 1 호. 11. 이상일 조대헌 손학기 채미옥, 2010, 공간클러스터의범역설정을위한 GIS- 기반방법론연구, 대한지리학회지, 제 45 권제 4 호. 12. 이용만 이상한, 2008, 국민은행주택가격지수의평활화현상에관한연구, 주택연구, 제 16 권제 4 호. 13. 이희연, 2005, 인터넷산업의입지적특성과공간적집적화, 국토계획, 제 40 권제 2 호. 14. 이희연 심재헌, 2013, GIS 지리정보학, 제 2 판, 법문사. 15. 전해정, 2015, 공간계량경제모형을이용한주택가격의동학적특성에관한연구, 부동산학보, 제 61 집. 16. 정지은 전명진, 2013, 수도권노령인구의공간적분포와집중지역특성분석, 지역연구, 제 29 권제 1 호. 17. Anselin, L., 1988, Spatial Econometrics: Methods and Models. Dordrecht: Kluwer. 18. Getis, A., and K. Ord., 1992, The analysis of spatial association by use of distance statistics, Geographical Analysis, 24: Getis, A., 2010, Constructing the Spatial weight matrix using a local statistics, Geographical Analysis, 36(2): Mitchell, Andy, 2005, The ESRI Guide to GIS Analysis, Volume 2. ESRI Press. 21. Lee, S.L., 2001, Spatial Association Measures for An ESDA-GIS Framework: Developments, Significance Tests, and Applications to Spatial- Temporal Income Dynamics of U.S. Labor Market Areas, , Ph.D. Dissertation, Department of Geography, The Ohio State University. 논문접수일 : 2016 년 4 월 10 일 심사 ( 수정 ) 일 : 1 차 2016 년 5 월 26 일 게재확정일 : 2016 년 5 월 30 일 80 부동산분석제 2 권제 1 호 ( )

15 국문초록 본연구에서는서울특별시를대상으로아파트실거래가자료를활용하여주택가격의급상승기와급하락기의법정동별 ( 소지역단위 ) 주택시장의이질성을파악하고, 거래밀도분석을통하여거래집중지역의거래주택특성을개략적으로도출하였다. 나아가주택시장의불안정을유발하는진원지로서국지적핫스팟지역과콜드스팟을탐지하였다. 분석결과, 시군구단위의주택가격지수는하위주택시장의특성을평활화하는문제가발견되었으며이를근거로법정동별주택시장의이질성과소규모단위의기초통계생산의필요성을도출할수있었다. 또한, 커널밀도추정과핫스팟분석을통해거래가집중적으로발생하고주택가격의불안정을유발하는진원지를파악할수있었다. 더구나두분기별로결과를비교하면주택정책과주택시장상황에따라그진원지가변화하는것으로나타났다. 향후, 분석범위지역을확대하여서울이외의지역에대한공간통계기법에대한검증이요구되며, 거래집중지역의선정시통계적인접근방법, 핫스팟으로탐지된지역의검증과정및집중적인분석이필요할것이다. 이논문은지리정보시스템을활용하여실거래자료의다양한분석방법을적용한의의가있다. 주제어 : 주택시장, 아파트실거래가, 커널밀도추정, 핫스팟분석, 공간가중치 소지역단위의주택시장불안정진원지파악에관한연구 구본일 김재익 81

서울도시연구_13권4호.hwp

서울도시연구_13권4호.hwp ~ An Analysis of Spatial-Temporal Changes in the Longevity Degree and Characteristics of the Long-live Community in Seoul Jae Hun Sim* Seung Cheol Noh** Hee Yeon Lee*** 7)8)9) 요약 주제어 This paper aims to