국토연구제 89 권 (2016. 6): pp.3~13 http://dx.doi.org/10.15793/kspr.2016.89..001 소비자심리와아파트실거래가격간관계분석 : 인터넷검색량및국토연구원주택매매시장소비심리지수를중심으로 * A Relationship between Sales Prices of APT and Consumer Sentiment 노민지 Noh Minji **, 유선종 Yoo Seonjong *** Abstract Since Katona s research on consumer sentiment in 1968, many articles have demonstrated that consumer psychology index is one of the key factors in decision making. In general, internet is the main source of people s pre-purchase information gathering. By using search engines such as Naver, researchers concluded that online search data provide an accurate but simple way to predict present and future activities. We analyzed how consumer sentiment affects on housing market trends by using data from Naver Trends, online search statistics, and KRIHS consumer sentiment index. Through our analysis, we can understand relation between consumer sentiment and house prices. Estimation results show that the Naver Trends, online search statistics, has positive influence on house prices in the short-run and KRIHS consumer sentiment index has positive influence on house prices in three months. These results would help consumers, executives and policy makers to make effective decisions on timing of housing policy. Keywords: Consumer Sentiment, Online Search, House Prices, Panel Model I. 서론 1. 연구의배경및목적시장참여자들의심리가시장에영향을줄수있다는다양한연구가진행되고있다. 이러한연구들은심리요인이경제분석에활용될수있음을시사한다. 소비자심리는주택시장에서도작동된다. 앞으로주택가 격이오르지않을것이라는수요자의심리가주택가격의하락이라는결과로반영되기도한다. 그러나소비자심리는객관적수치로계량화하기어렵다는한계가있다. 이에기존연구들은공신력있는기관의설문조사에기초하여작성하는국토연구원의부동산시장소비심리지수 1), 한국은행의부동산전망지수 (Business Survey Index Real Estate: BSIRE) 2), 소비자심리지수 (Composite Consumer Survey Index: CCSI) 3) 등 * 본논문은국토연구원이주최하는 2015 국토연구원부동산시장연구논문공모전 의수상작으로선정된논문을수정 보완한것임. ** 건국대학교부동산학과박사과정 ( 제1저자 ) Ph.D. Candidate, Dept. of Real Estate, Konkuk Univ. Primary Author minji0710@naver.com *** 건국대학교부동산학과교수 ( 교신저자 ) Prof., Dept. of Real Estate, Konkuk Univ. Corresponding Author yoosj@konkuk.ac.kr 소비자심리와아파트실거래가격간관계분석 3
을분석에이용해왔다 ( 정의철 2010; 조태진 2014). 그러나설문조사를통하여시장참여자들의심리를파악하는방법은자료를수집하고정리, 분석하는데많은시간과비용이소요된다는단점이있다. 1)2)3) 소비자심리를파악하는또다른방법으로인터넷검색어를활용할수있다. 시장참여자들은그들이소유하고자하는재화의정보를얻기위해인터넷검색을활용한다. 이런인터넷검색은경제주체의구입의사가포함된활동으로사람들이무엇을생각하고있는지파악하는데유용한정보를제공한다. 게다가검색서비스를제공하는업체의데이터베이스에검색기록이저장되기때문에실시간으로자료를가공하고활용할수있다는장점이있다. 김대원, 유정석 (2014) 은인터넷포털사이트네이버가제공하는검색량통계인네이버트렌드자료를이용하여인터넷검색활동과주택가격은양 (+) 의관계가있음을밝혔다. 본논문은주택시장의수요와공급등주택시장의기본적인작동원리와함께소비자심리가주택가격의움직임을설명하는데도움을줄수있는지알아보고자한다. 본논문에서활용하는심리변수는국가승인통계로작성 공표하고있는국토연구원의주택매매시장소비심리지수와빅데이터의일종인네이버트렌드지수 ( 온라인검색량통계 ) 다. 국토연구원의부동산시장소비심리지수중주택매매시장소비심리지수는국가승인통계이지만이를가공하는데시간과비용이소요 된다. 반면, 네이버트렌드지수 ( 온라인검색량통계 ) 는실시간으로자료의이용이가능하지만모집단이불분명하고검색어키워드에따라추출되는자료의결과가달라진다는단점이있다. 본논문의목적은서로성격이다른심리변수를이용하여소비자심리가주택가격의움직임을설명하는데도움을줄수있는지알아보고양자가주택시장에미치는영향을비교하는데있다. 본논문의구성은다음과같다. 2장에서는소비자심리와주택시장과의관계에대한선행연구를고찰하고본논문의차별성을밝힌다. 3장에서는주택가격결정에대한이론적논의를고찰한다. 4장에서는 3장의논의를토대로실증분석모델을구축하고실증분석결과를분석한다. 5장에서는분석결과를요약하고연구의한계를제시한다. 2. 연구의범위및방법본논문의연구범위는 2011년 3분기 2014년 2분기의서울특별시및 6대광역시다. 자료의시계열이짧다고할수있으나본논문에서는패널분석을사용하여샘플의크기를확보하고자한다. 연구방법은회귀분석을통해소비자심리지수가주택가격의움직임을설명하는데도움을줄수있는지알아보고소비자심리지수와주택가격의관계를검정한다. 이를위해소비자심리지수를고려하지않 1) 국토연구원의부동산시장소비심리지수는부동산시장소비자의행태변화및인지수준등을설문조사를통해파악하기위해주택및토지매도 매수동향, 주택임차 임대동향, 주택및토지매매가격동향, 주택및토지거래동향등을조사함. 2) 기업경기실사지수 (Business Suwey Indes: BSI) 의하위조사항목이며, 업종별업황, 매출, 채산성, 인력사정등을전망한지수로구성됨. 그러나기업경기실사지수는법인기업을대상으로조사하여소비자심리지수와성격이동일하지않기때문에본논문에서는고려하지않았음. 3) 소비자심리지수 (CCSI) 는소비자동향지수 (Consumer Sentimeut Index: CSI) 중 6개주요지수를이용하여산출한심리지표로주택에관한심리지수가아니기때문에본논문에서는이를사용하지않았음. 또한 CSI 의하위조사항목중부동산과관련된항목은주택 상가가치전망 CSI(2008년 7월 ~2012년 12월 ), 주택가격전망 CSI(2013년 1월 ~2015 년 11월 ) 가존재하나, 주택 상가가치전망 CSI의조사내용은현재와비교한향후 6개월후의자산가치이고, 주택가격전망 CSI의조사내용은현재와비교한 1년후의주택가격전망임. 즉, 주택 상가가치전망 CSI와주택가격전망 CSI는조사내용및전망기간이다르기때문에이를통합할수없다고판단하여본논문에서는한국은행자료를사용하지않았음. 4 국토연구제 89 권 (2016. 6)
고주택가격의기본수급요인만을고려한모델1을추정한뒤, 모델 1에 0분기, 1분기시차를둔심리지수를추가하여회귀분석을진행하였다. II. 선행연구검토소비자심리지수가경제활동에영향을미친다는것을실증적으로입증한선구적연구는 Katona(1968) 다. Katona(1968) 는가구의 구입능력 과 구입의사 를구분하면서, 전통적경제이론에서중시하는 능력 뿐아니라 의사 도소비자의의사결정에중요한영향요인임을주장하였다. 주택시장에소비자심리지수를사용한주요연구는다음과같다. 정의철 (2010) 은한국은행의부동산구매계획 CSI를이용하여오차수정모델을통해소비자심리가장기주택가격뿐만아니라단기주택가격변동에도영향이미친다고분석하였다. 김대원, 유정석 (2013) 은국토연구원의주택소비심리지수를이용하여패널 FDL 모델을통해소비자심리가주택거래량에 0개월, 1개월, 2개월, 3개월의시차모두에서유의한양 (+) 의영향을미친다고분석하였다. 이후김대원, 유정석 (2014) 은 Arellano-Bond 동적패널모델을사용하여인터넷검색활동도일정기간을두고주택가격및거래량에유의미한양 (+) 의영향이있음을확인하였다. 이연구는인터넷포털사이트네이버가제공하는온라인검색량통계인네이버트렌드를사용하여주택시장을분석하였다는데연구의의의가있다. 그러나주택가격에영향을미치는주요변수를제외하고, 단순히주택가격과검색량간상관관계만을분석하였다는점에서한계가있다. 한편조태진 (2014) 은한국은행의경제심리지수, 소비자심리지수, 시장경기동향지수, 부동산전망지수 등다양한심리지수를이용하여패널회귀분석을시행하였다. 이외 Wu and Brynjolfsson(2009) 은고정효과모델과 AR모델을사용하여구글트렌드 (Google Trends) 에서발표하는검색량지수를기반으로미래의주택수요량과주택가격을예측하였다. 이연구는인터넷검색량이주택시장에영향을미친다는것을입증하고이를통해미래주택시장의수요량과가격을구체적인수치로제시했다. 이처럼다양한선행연구들은한국은행, 국토연구원, 온라인검색량통계인구글트렌드및네이버트렌드자료등을이용하여소비자심리와주택시장간관계를분석하였다. 그러나심리지수의성격에따라주택시장에미치는영향이어떻게다른지비교한연구는존재하지않는다. 또한일부연구에서는심리지수와주택가격또는거래량의관계만을분석모델에고려하여변수누락등의문제가존재한다. 이에본논문은주택시장의기본적인작동원리와함께소비자심리지수가주택가격의움직임을설명하는데도움을줄수있는지알아보고자한다. 본논문은주택시장에대한소비자심리변수와주택시장이론에근거한수급요인변수를모델에충분히반영하고, 서로다른성격의심리지수가주택가격에미치는영향을비교하는데기존연구와차별성이존재한다. III. 주택가격결정이론주택가격은수요와공급및경제성장률, 금리변동등거시경제요인, 정부의주택정책, 수요자의기대심리등다양한요인에영향을받는다. 주택가격결정에영향을미치는모든요인을분석모델에반영하기는불가능할것이나일반적으로주택의수요와공급에미치는기본요인을바탕으로현실의복잡한현상을단순화하여주택가격결정모형을구축할수있다. 4) 4) 이하내용은정의철 (2010) 참조. 소비자심리와아파트실거래가격간관계분석 5
가구의주택수요에는주택이창출하는서비스수요와주택자산에대한투자수요가복합적으로작용한다. 개별가구는예산제약조건및가구특성등에기초하여효용을극대화하는주택수요량과기타재화의수량을결정하는데이러한개별가구수요의합이경제전체의주택수요를결정한다. 특정시점 t에서경제전체의주택수요는 < 식 1> 과같이나타낼수있다. < 식 1> 는 t시점에서의주택수요량, 는가구소득, 는주택단위당임대료, 는가구수를나타낸다. < 식 1> 의주택수요를주택스톡수요로변환할수있는데이를위해주택단위당임대료를주택스톡한단위당가격으로변환할필요가있다. 이는자산시장의균형조건을통하여도출할수있다. 자산시장이균형을이루기위해서는주택스톡의사전적투자수익률이기타자산의투자수익률과동일해야한다. 주택스톡의사전적투자수익률은임대료, 재산세, 주택투자의자본이득으로구성되며기타자산에대한투자수익률은금리이다. 이러한관계를통해서주택을소유할경우주택단위당임대료와주택스톡단위당가격의관계를 < 식 2> 와같이도출할수있다. 한편주택스톡의공급은주택의신규공급과재고주택의공급으로구성된다. 신규주택의공급은주택건설업체가주택가격과주택생산비용을비교하는이윤극대화과정을통하여이루어진다. 재고주택에서의공급은기존주택보유자를통해이루어진다. 기존주택보유자는보유주택을구입할때의매매가격과현재의매매가격차이인자본이득과거래비용을감안하여보유주택을시장에공급할것이다. 또한특정시점에서기존주택보유자가시장에내놓은공급량은해당시점에서존재하는경제전체의주택재고량에영향을미친다. 따라서주택공급함수는 < 식 4> 와같이나타낼수있다. < 식 4> 여기서 는신규주택건설에이용되는생산요소단위당가격벡터를의미하는데본연구에서는신규주택건설비용중가장큰비중을차지하는택지비용을고려하였다. 는주택재고량을의미한다. < 식 3> 과 < 식 4> 를이용하여주택시장의균형상태 ( ) 에서주택가격을구하면 < 식 5> 와같다. < 식 5> < 식 2> 여기서 는 t시점에서의한계소득세율, 는금리, 는보유세실효세율, 는주택가격기대상승률이다. < 식 1> 과 < 식 2> 를이용하여최종주택스톡수요함수는 < 식 3> 과같이표현된다. < 식 3> IV. 실증분석소비자심리가주택가격의움직임을설명하는데도움을줄수있는지알아보기위해주택가격결정이론에따라설정된변수를이용하여회귀분석을시행하였다. 이후주택가격결정이론에따라설정된독립변수에소비자심리변수를추가하여소비자심리변수가추가로설명력을갖는지살펴보았다. 다음으로서로성격이다른심리지수가주택시장에서어떤시차를두고반응하는지분석하였다. 6 국토연구제 89 권 (2016. 6)
1. 실증분석모델 2. 변수및자료 본논문에서는 7개도시의패널자료를이용한회귀분석을통해소비자심리와아파트매매가격의관계를분석하였다. 시간에따라변하지않는패널개체의특성을나타내는 u와시간과패널개체에따라변하는 를활용한다면기존선행연구들이다루지못한지역간이질성과시간적변화를동시에고려할수있다. 본연구의패널개체는서울특별시를비롯한 6대광역시로 X는도시마다다르며시간에따라변하는주택수급변수들을표현한다. Z는거시경제및금융관련변수와같이시간에따라변하면서모든도시에동일하게적용되는변수들을나타낸다. u는도시마다다르지만시간에따라변하지않는특성을반영하며, 는시간과도시에따라달라지는요인을반영하는오차항이다 ( 이준용, 손재영 2013, 73). < 식 6> : 상수항 : 추정계수 : 패널개체및시간에따른변화요인 : 시간에따른변화요인 : 시간에따라불변인패널개체의특성 : 시간과패널개체에따른특성 : 1, 2, 3,, ( 개체수 ) : 1, 2, 3,, ( 데이터관측기간 ) 본논문의실증분석에이용된변수는 <Table 1> 과같다. 온라인검색량통계인네이버트렌드와국토연구원주택매매시장소비심리지수, 지역내수요 공급변수들의이용가능한시계열 5) 을고려하여연구의시간적범위를 2011년 3분기 2014년 2분기로설정하였다. 선정된변수들의변화가아파트매매가격의변화에미치는영향을분석하기위해모든변수는전분기대비변동률을이용하였다. 분기데이터를사용하는이유는국토연구원의부동산시장소비심리지수가분기단위로주택시장의상황에대해설문하는내용을바탕으로작성되기때문이다. 연도별로제공되는자료는특정연도값을 X t 라하고다음연도값을 X t +4라할때 t+1분기의 X t 는 X t (X t /X t +4)1/4 를이용하여계산하였다. 종속변수인아파트매매가격변수는한국감정원의지역별아파트실거래가격지수를이용하였다. 월별자료는분기말에해당되는월의지수를이용하였으며, 해당분기의지역소비자물가지수로나누어실질아파트매매가격지수로환산하여이용하였다. 수요요인변수인소득변수는통계청에서발표하는 2010년기준지역내총생산 (GRDP) 을해당분기의소비자물가지수로나누어실질소득으로환산하였다. 지역내총생산은 2013년이마지막자료다. 따라서 2013 년 1분기에서 2014년 2분기까지의소득은 2011~2013 년동안의지역내총생산연평균변화율을분기별변화율로환산한후, 매분기과거분기만큼변한다고가정한뒤추정하였다. 주택보유비용은한국은행에서 5) 인터넷검색량통계인네이버트렌드는 2007 년 1 월부터주단위로검색량을제공하며, 국토연구원의소비심리지수는 2011 년 7 월부터월단위로자료를제공함. 또한지역내가구의소득변수로사용한지역내총생산은 2013 년이최신자료이기때문에이후의값은추정치를사용할수밖에없었음. 그러나한개연도이상의추정치를분석에이용하는것은무리가있다고판단하여연구의시간적범위는네이버트렌드와국토연구원소비자심리지수의공통된시간적범위인 2011 년 3 분기부터 2014 년 2 분기까지로한정하였음. 소비자심리와아파트실거래가격간관계분석 7
Table 1 _ Variables Used in Regression Analysis Variables Difinition Source of Data Dependent Variable ln(apt Sales Price) Change in Transaction-based Real APT Sales Price Index Korea Appraisal Board ln(income) Change in Real Gross Regional Domestic Product Korea Statistics ln(households) Change in the Number of Households Korea Statistics ln(housing Cost) Change in 3 Year Return of Corporate Bond The Bank of Korea Independent Variables Housing Market Fundamentals ln(expected APT Sales Price) ln(land Cost) Average Change in Transaction-based Real APT Sales Price Index for 2 Years Change in Real Land Price Index Korea Appraisal Board Ministry of Land, Infrastructure and Transport ln(housing Units) Change in the Housing Units Divided by the Number of Households Korea Statistics Consumer Sentiment Index ln(krihs CS) Change in KRIHS Consumer Sentiment Index Korea Research Institute for Human Settlements ln(online Search Statistics) Change in Naver Trends Index Naver 발표하는분기별 3년만기회사채수익률 ( 장외, AA- 등급 ) 을이용하였다. 주택보유비용은한계소득세율, 금리, 보유세실효세율로구성되지만본논문에서는자료확보가가능한금리만을모델에포함했다. 아파트매매가격기대상승률은정의철 (2010) 의연구를참고하여과거 2년동안의연평균변화율을이용하였다. 공급요인변수인택지비용은국토교통부가제공하는지역별지가지수를해당분기의지역소비자물가지수로나누어실질지가지수로환산하였다. 주택재고는지역의총가구대비총주택비율을사용 하였다. 본논문의핵심변수인소비자심리지수는국토연구원에서제공하는주택매매시장소비심리지수와인터넷포털사이트네이버 6) 가제공하는온라인검색량네이버트렌드자료다. 온라인검색량지수를만들기위해네이버트렌드에서 ** 구아파트 에대한검색량을추출하였다. 다만, 행정구의이름이동일한경우 ** 시 + ** 구아파트 를검색어로하였다. 이후추출된주단위의검색량은분기단위로합산하고, 각분기의최대검색량을 100으로환산하여지수로변환하였다. 7) 6) 국내외검색엔진분석전문기업인비즈스프링의데이터집계에따르면 2010년 1월부터현재까지포털사이트점유율은네이버 72.68%, 다음 18.72% 구글 4.35% 이며, 최근 1년간점유율은네이버 82.33%, 다음 14.28%, 구글 1.8% 로우리나라에서검색엔진으로서네이버의점유율이높아지고있는추세라고볼수있음. 7) 분기별주간지수합계 /Max( 분기별주간지수합계 ) 100. 8 국토연구제 89 권 (2016. 6)
Tabel 2 _ Descriptive Statistics for Major Variables Metropolitan ln(apt Sales Price) (n=11) ln(households) (n=11) City Mean Maximum Minimum Std. Dev. Mean Maximum Minimum Std. Dev. Seoul -0.009 0.013-0.038 0.017 0.003 0.003 0.003 0.00002 Busan -0.004 0.007-0.027 0.013 0.003 0.003 0.003 0.00003 Daegu 0.021 0.039 0.004 0.012 0.003 0.003 0.003 0.00001 Incheon -0.008 0.012-0.034 0.016 0.006 0.006 0.006 0.00005 Gwangju 0.009 0.028-0.006 0.012 0.006 0.006 0.006 0.00005 Daejeon -0.005 0.009-0.031 0.014 0.006 0.006 0.006 0.00010 Ulsan 0.009 0.034-0.017 0.016 0.005 0.005 0.005 0.00005 Metropolitan ln(land Cost) (n=11) ln(housing Units) (n=11) City Mean Maximum Minimum Std. Dev. Mean Maximum Minimum Std. Dev. Seoul -0.0014 0.0073-0.0134 0.0069 0.0007 0.0009 0.0006 0.0002 Busan 0.0005 0.0097-0.0067 0.0065 0.0028 0.0030 0.0026 0.0002 Daegu 0.0005 0.0078-0.0083 0.0060 0.0012 0.0015 0.0002 0.0005 Incheon -0.0016 0.0056-0.0092 0.0050-0.0027 0.0012-0.0046 0.0021 Gwangju -0.0010 0.0082-0.0102 0.0067 0.0015 0.0021-0.0007 0.0011 Daejeon -0.0001 0.0080-0.0078 0.0057-0.0005 0.0007-0.0021 0.0013 Ulsan 0.0000 0.0093-0.0078 0.0064 0.0038 0.0041 0.0030 0.0004 Metropolitan ln(online Search Statistics) (n=11) ln(krihs CS) (n=11) City Mean Maximum Minimum Std. Dev. Mean Maximum Minimum Std. Dev. Seoul 0.08 0.73-0.19 0.28 0.002 0.20-0.12 0.10 Busan 0.27 1.94-0.17 0.60-0.007 0.15-0.21 0.11 Daegu 0.29 2.05-0.24 0.63-0.003 0.18-0.13 0.01 Incheon 0.15 1.14-0.20 0.40 0.01 0.21-0.14 0.13 Gwangju 0.84 5.93-1.00 2.35-0.01 0.15-0.17 0.01 Daejeon 0.16 1.20-0.21 0.40-0.01 0.12-0.22 0.09 Ulsan 0.24 1.46-0.20 0.47-0.008 0.12-0.17 0.09 3. 분석결과 1) 기초통계본연구에사용된자료의기간은 2011년 3분기부터 2014년 2분기까지총 12개분기이며, 지역은 7개의지역 ( 서울특별시및 6개광역시 ) 이다. 본논문은지역단위로균형패널을구성하였다. 이에따라전체샘플 의기초통계량을보는대신지역별기초통계량을살펴보았으며, 주요변수의지역별기초통계량은 <Table 2> 에보고되어있다. 아파트실거래가격지수의변동은서울과부산, 인천, 대전은음 (-) 의변화를보인반면대구, 광주, 울산지역은양 (+) 의변화를보였다. 이는지역간주택시장변화양상이상이하다는것을보여준다. 소비자심리와아파트실거래가격간관계분석 9
2) 회귀분석결과표본의자료가모집단으로부터무작위로도출되었을때확률효과모델이적합하지만, 본논문은표본이아닌모집단개념의자료이기때문에고정효과모델을최종모델로적용하였다 ( 이준용, 손재영 2013, 77). 다만고정효과모델을최종모델로선정하고모델을추정하기전에, 하우스만검정을통해교정효과존재유무를검정하였다. 검정결과검정통계량의 P값이 0.01 보다작아 1% 유의수준에서확률효과가효율적이라는귀무가설을기각하고, 고정효과모델이더효율적이라는대립가설이채택되었다. 패널개체인개별주택시장의고정효과를통제하고시간에따라변하는변수의변화를포착하기위한 1요인고정효과모델을추정한결과는 <Table 3> 과같다. <Table 3> 의모델 1은소비자심리지수를고려하지않고주택가격의기본수급요인만을고려하여추정한결과다. 모델의설명력은 0.5603이며, 가구변동률및주택보유비용변동률은유의수준 1% 에서아파트매매가격변동에양 (+) 의영향을미치고, 주택재고량은유의수준 10% 에서음 (-) 의영향을미치는것으로나타났다. Table 3 _ Regression Results 1 Model 1 Variables Coeff. t-stat ln(income) -0.134-0.25 ln(households) 124.880*** 3.56 ln(expected APT Sales Price) 0.25 1.17 ln(land Cost) -0.492-0.96 ln(housing Units) -2.796* -1.66 ln(housing Cost) 0.087*** 3.43 Constant -0.319*** -3.5 Adj R-squared = 0.5603 Note: * p<0.1, ** p<0.05, *** p<0.01 <Table 4> 의모델 1-1과모델 1-3은온라인검색량통계인네이버트렌드지수를주택시장의소비자심리지수로반영한모델이고, 모델 1-2와모델 1-4 는국토연구원주택매매시장소비심리지수를주택시장의소비자심리지수로반영한모델이다. 온라인검색량통계인네이버트렌드지수와국토연구원의심리지수는 0분기, 1분기시차를두고회귀분석을진행하였다. 각심리지수에시차를둔이유는사람들의구매심리는일정한시간이지난뒤에실제구매행위로진행되기때문이다. 분석결과는다음과같다. 먼저 <Table 1> 의모델 1 에비해 <Table 4> 의모델 1-2 및모델 1-4의설명력은 0.04 0.06 높아지는것으로나타났다. 이는국토연구원의주택매매시장소비심리지수가주택가격을설명하는데추가적인설명력을가지는것을보여준다. 한편온라인검색량통계인네이버트렌드지수변동률을반영한 <Table 4> 의모델 1-1 및모델 1-3의설명력은 <Table 3> 의모델 1에비해설명력이크게변하지않는것으로나타났다. <Table 4> 의추정계수를살펴보면온라인검색량인네이버트렌드지수변동률은시차를주지않았을때유의한결과 ( 모델 1-1) 를보이는반면, 1분기의시차를두었을때는유의한결과를보이지않는것으로나타났다 ( 모델 1-3). 이러한결과는인터넷검색량변화가단기적으로아파트매매가격변화에영향을미친다는것을보여준다. 또한모델 1-1, 모델 1-3 모두에서가구변동률은유의수준 5% 에서, 주택보유비용변동률은유의수준 1% 에서아파트매매가격변동과양 (+) 의관계가있는것으로나타났다. 모델 1-2, 모델 1-4의경우에는국토연구원주택매매시장소비심리지수변동률변수가시차를주지않았을때 ( 모델 1-2) 와 3개월의시차를두었을때 ( 모델 1-4) 유의한결과를보이는것으로나타났다. 이는한 10 국토연구제 89 권 (2016. 6)
Model 1-1 Model 1-2 Variables Coeff. t-stat Variables Coeff. t-stat ln(income) 0.135 0.24 ln(income) 0.151 0.29 ln(households) 84.608** 2.07 ln(households) 98.965*** 2.94 ln(expected APT Sales Price) 0.287 1.36 ln(expected APT Sales Price) 0.370* 1.82 ln(land Cost) -0.589-1.16 ln(land Cost) -0.033-0.07 ln(housing Units) -2.45-1.47 ln(housing Units) -1.33-0.81 ln(housing Cost) 0.085*** 3.45 ln(housing Cost) 0.067*** 2.77 ln(online Search Statistics) 0.00019* 1.83 ln(krihs CS) 0.061*** 3.25 Constant -0.225** -2.19 Constant -0.258*** -2.96 Adj R-squared = 0.5826 Adj R-squared = 0.6234 Model 1-3 Model 1-4 Variables Coeff. t-stat Variables Coeff. t-stat ln(income) -0.089-0.16 ln(income) -0.264-0.47 ln(households) 108.133** 2.42 ln(households) 32.143 0.74 ln(expected APT Sales Price) 0.255 1.18 ln(expected APT Sales Price) 0.428* 1.95 ln(land Cost) -0.587-1.09 ln(land Cost) -1.066* -1.84 ln(housing Units) -2.692-1.58 ln(housing Units) -1.816-0.96 ln(housing Cost) 0.090*** 3.47 ln(housing Cost) 0.108*** 4.56 ln(online Search Statistics)(-1) 0.000067 0.61 ln(krihs CS)(-1) 0.065*** 2.82 Constant -0.279** -2.46 Constant -0.079-0.7 Adj R-squared = 0.5628 Adj R-squared = 0.6032 Notes: 1) (-1) denotes the one quarter lag. 2) * p<0.1, **p<0.05, *** p<0.01. Table 4 _ Regression Results 2 국은행의심리지수를이용한정의철 (2010) 의연구와같은결과로국토연구원주택매매시장소비심리지수가단기적, 중기적으로주택시장을예측하는데활용될수있을것으로생각된다. 또한이같은결과를통해과거및미래의분기주택시장에대해설문한결과를토대로작성되는국토연구원의주택매매시장소비심리지수가설문조사의결과를잘반영하고있음을알수있다. 심리지수이외아파트매매가격기대상승률은유의수준 10% 에서종속변수와양 (+) 의관계 ( 모델 1-2, 모델 1-4) 가있고, 주택보유비용변동률은 <Table 4> 의모든모델에유의수준 1% 에서종속변수와양 (+) 의관계가있는것으로나타났다. 한편, 소득변동률변수는시차가없는모델 ( 모델 1-1, 모델 1-2) 에서는종속변수와양 (+) 의관계가있고 3개월의시차가있는모델 ( 모델 1-3, 모델 1-4) 에서는종속변수와음 (-) 의관계가있는것으로분석되었는데소득변동률추정계수의절댓값이유사하게나타나고있다는점을고려하면소득변화가아파트매매가격변화에영향을주지않는것으로판단할수있다. 실제로이들변수는통계적 소비자심리와아파트실거래가격간관계분석 11
으로유의하지않은것으로나타났다. 본논문의실증분석결과는소비자심리지수변화가아파트매매가격변화에영향을미치고있음을보여준다. 온라인검색량통계인네이버트렌드지수의변화는단기적이고, 즉각적으로소비자의심리를반영하며, 국토연구원주택매매시장소비심리지수변화는 0개월및 3개월의시차를두고주택가격에영향을미치는것을확인하였다. 또한소비자심리지수변수가추가되면모델의설명력이증가하는것을확인할수있었다. V. 결론본논문은소비자심리가주택시장과밀접하게연계되어있다는사실에주목하여수요- 공급요인과함께소비자심리와주택가격의관계를설명하고자하였다. 즉, 본논문은소비자심리가주택가격의움직임을설명하는데도움을줄수있는지알아보고서로성격이다른소비자심리지수를이용하여주택시장분석에다양한심리지수가이용될수있음을밝히고자하였다. 이를위해본논문은두가지의소비자심리지수를이용하였다. 분석에이용된주택시장의소비자심리지수는국가승인통계로작성 공표되고있는국토연구원의주택매매시장소비심리지수와빅데이터의일종인인터넷키워드검색량네이버트렌드지수다. 우리나라의대표적인인터넷포털사이트네이버가제공하는온라인검색량통계인네이버트렌드지수와국토연구원의주택매매시장소비심리지수를이용하여실증분석한결과는다음과같다. 우선온라인검색량통계인네이버트렌드지수변동률은시차없이아파트매매가격변동률과유의한양 (+) 의영향관계를갖는것으로나타났다. 이를통해인터넷검색량은단기적이고즉각적으로소비자의 심리를반영하는것으로사료된다. 반면국토연구원의주택매매시장소비심리지수변동률은 0시차및 3 개월의시차에서아파트매매가격변동률과유의한양 (+) 의영향관계를갖는것으로나타났다. 이는과거및미래의분기주택시장에대해설문하는국토연구원주택매매시장소비심리지수가시장을잘반영하고있으며, 네이버트렌드지수와달리다음분기의주택시장을예측하는데이용될수있을것으로사료된다. 즉, 국토연구원의소비심리지수는단기적으로활용될수있는인터넷검색량에비해중단기적인주택가격예측시에도적합한것으로생각된다. 본연구의결과는심리지수가주택가격과관계가있으며, 주택시장을분석하는데심리지수들의성격에따라분석목적에맞는심리지수를고려할수있음을보여준다. 다만, 다양한심리지수를주택시장분석에이용하기위해서는네이버트렌드지수와같은빅데이터를구축하고빅데이터의분석방법등을개발할필요가있다. 예를들어인터넷검색량을이용할경우, 어떤검색어를분석에이용할것인지에대한논의가필요할것이다. 또한향후에소비자심리로인터넷검색어를활용할경우다양한검색어를연구에이용할필요가있고, 주택시장에대한소비자심리가어떠한메커니즘을통해형성되는지분석하는연구도수행되어야할것으로판단된다. 본논문은패널형태의데이터로분석을진행하였지만소비자심리가지역주택시장에미치는영향분석은면밀히진행하지못하였다는한계가존재한다. 또한인터넷검색어키워드 (** 구아파트 ) 선택이적절하였는지검증하지못하였다는한계가있다. 12 국토연구제 89 권 (2016. 6)
참고문헌 1. 김대원, 유정석. 2014. 인터넷검색활동과주택가격및거래량간동적관계분석. 부동산연구 24권, 2호 : 125-140. Kim Daiwon and Yu Jungsuk. 2014. A dynamic relationship between internet search activity, housing price, and trading volume. Korea Real Estate Review 24, no.2: 125-140. 2.. 2013. 주택가격에대한심리적태도가주택매매거래량에미치는영향분석. 주택연구 21권, 2호 : 73-92.. 2013. An analysis on how psychological attitudes on the house price affect the trading volume. Housing Studies 21, no.2: 73-92. 3. 이준용, 손재영. 2013. 패널분석을이용한대도시주택가격추이분석. 부동산학연구 19권, 4호 : 71-86. Lee Junyong and Son Jaeyoung. 2013. A panel analysis of house price trends of major largest cities in Korea. The Journal of Korea Real Estate Analysists Association 19, no.4: 71-86. 4. 정의철. 2010. 소비자심리가주택시장에미치는영향분석 : 주택매매가격을중심으로. 부동산학연구 16권, 3호 : 5-20. Chung Euichul. 2010. Consumer sentiment and housing market activities: Impact on sales price of housing. The Journal of Korea Real Estate Analysists Association 16, no.3: 5-20. 5. 조태진. 2014. 심리지수가주택시장에미치는영향에관한연구. 주택연구 22권, 3호 : 25-48. Cho Taejin. 2014. A study on the effect of the sentiment index to the housing market. Housing Studies 22, no.3: 25-48. 6. Katona, G. 1968. Consumer Behavior: Theory and findings on expectations and aspirations. The American Economic Review 58, no.2: 19-30. 7. Wu, Lynn and Brynjolfsson, Erik. 2009. The future of prediction: How google searches foreshadow housing prices and quantities. ICIS 2009 Proceedings 147: 2-24. 논문접수일 : 2016. 1. 7 심사시작일 : 2016. 1. 18 심사완료일 : 2016. 4. 11 요약 주제어 : 소비자심리, 인터넷검색, 주택가격, 패널분석 본논문은소비자심리가주택시장과밀접히연계되어있다는사실에주목하여주택시장의수요- 공급요인과함께소비자심리와주택가격의관계를설명하고자하였다. 우리나라의대표적인인터넷포털사이트네이버가제공하는온라인검색량통계인네이버트렌드지수와국토연구원주택매매시장소비심리지수를이용하여실증분석한결과, 온라인검색량네이버트렌 드지수변동률은단기적이고즉각적으로아파트매매가격변동률에영향을미치고있고, 국토연구원소비자심리지수변동률은 0개월, 3개월의시차를두고아파트매매가격변동률을설명하는것으로나타났다. 본논문의결과는심리지수가주택가격과관계있으며, 주택시장을분석하는데심리지수들의성격에따라분석목적에맞는심리지수를고려할수있음을보여준다. 소비자심리와아파트실거래가격간관계분석 13