Journal of the Korea Academia-Industrial cooperation Society Vol. 17, No. 3 pp. 518-527, 2016 http://dx.doi.org/10.5762/kais.2016.17.3.518 ISSN 1975-4701 / eissn 2288-4688 주택시장변동의지역간인과성비교분석 김경훈 1*, 장호면 2 1 한국건설기술연구원건설정책연구소, 2 세명대학교보건안전학과 Comparative Analysis of the Causal Relationship between Regions of Fluctuations in the Housing Market Kyong-hoon Kim 1*, Ho-myun Jang 2 1 Division of Construction Policy Research, KICT 2 Division of Occupational Health & Safety Engineering, Semyung University 요약주택시장은장소와시간에따라지속적으로변화하고있으며이러한주택시장의변화는다양한분야에걸쳐파급효과를미친다. 한편, 지역에서소비되는주택의양은가격이동의중심원인으로작용하기도한다. 또한, 주택시장의변동원인은주택수요자의특성에따라분리될수있으며, 그소비자의개별적인특성은지역에따라다르게나타난다. 이에따라주택시장의지역적인과성에관한연구가진행되고있다. 하지만기존문헌의경우, 국내주택매매시장중심으로연구가진행됨에따라주택전세시장까지고려하는데한계를가지고있었다. 이에본논문에서는서울강남, 강북지역및경기지역의주택시장지역적인과성을매매시장과전세시장으로세분화하여벡터오차수정모형을통해실증분석하였다. 이를위해본논문에서는서울시강남, 강북및경기지역의주택매매와주택전세가격을분석변수로정의하였으며, 시계열자료는 2003 년 6 월부터 2015 년 11 월까지의월별자료이다. 분석결과주택매매시장의경우강남지역주택가격변동이주변지역주택가격변동에주요한영향력을미치는것으로나타났다. 또한주택전세시장의경우도마찬가지로, 강남지역주택전세가격이주변지역전세가격에매우큰영향을미치는것으로나타났다. Abstract The housing market is changing continuously according to the place and time and these changes have a ripple effect across various fields. On the other hand, the amount of housing that is consumed in the region also acts as a central cause of price movement. Moreover, the cause of variations in the housing market can be separated according to the characteristics of the housing consumer. In addition, the individual characteristics of the consumer varies according to the region. As a result, a study on the regional causal relationship of the housing market is underway. Although significant research has been done on the domestic home sales market, there has been limited research on the housing charter market. Therefore, in this paper, regional causal relationship of the housing market in the Gangnam and Gangbuk area in Seoul and Gyeonggi Province was analyzed using the vector error correction model, and is segmented by housing sale market and housing jeonse market. In addition, housing sale and housing jeonse of Gangam, Ganbuk and Gyeonggi province are defined as analysis variables, and time series data is the monthly material of June 2003 to November 2015. The results of the analysis, in the case of the housing sale market, showed that fluctuations in house prices in Gangnam area have a major influence on the fluctuations in house prices in the surrounding region. Similarly, in the case of the housing jeonse market, it was found that the jeonse price of Gangnam area has a significant impact on the jeonse price of housing in the surrounding area. Keywords : Housing Transaction Market, Housing Jeonse Market, Spatial Casulity, Vector Error Correction Model 1. 서론 1.1 연구의배경및목적 주택은오랜기간동안주거서비스 (Housing Services) 의흐름을발생시키는자산 (Assets) 의중요한한가지형태이다. 따라서주택과관련하여형성되는시장의형태 * Corresponding Author : Ho-myun Jang(Semyung Univ.) Tel: +82-10-5290-7507 email: jhm560103@naver.com Received January 12, 2016 Revised March 2, 2016 Accepted March 3, 2016 Published March 31, 2016 518
주택시장변동의지역간인과성비교분석 도자산의소유권전체가거래되는소유권시장과일정기간동안발생하는주거서비스의사용권이거래되는주택임대차시장으로나누어진다 [1]. 특히우리나라주택시장은전세제도라는독특한주택임대차시장구조를가지고있으며, 이러한전세시장과매매시장은시대적상황과시간 장소에따라지속적으로변화하고있다 [2]. 특히주택시장은공간시장으로서지역간어느정도대체성을가지고있다. 한지역의공간시장에변화가생기면수요대체효과에의해다른지역의공간시장에도영향을미친다 [3]. 따라서공간시장은지역간대체성과파급효과가존재하기때문에주택가격은시 공간적으로상당부분연관성이있을수있다 [4]. 이러한주택시장의특징은최근서울및수도권지역주택시장흐름을통해서도확인할수있다. 즉, 최근전세가격급등에의해서울시수요자들이점차수도권으로이동함에따라전출입인구에도두드러진변화가발생하고있는것이다. 이를종합하면주택시장의경우, 매매시장과전세시장의상호연관성과더불어양시장간의관계에따른지역간주택시장인과성이동시에발현되는것으로판단된다. 하지만지역간주택시장인과성을분석한기존문헌의경우, 대부분주택매매가격을중심으로연구가진행되었다. 즉주택은인간의삶을영위하는데있어서필수적이며, 일반국민의주거안정을위해서주택매매시장뿐만아니라전세시장까지도종합적으로고려하는것이필요함에도불구하고주택시장의지역적인과성을분석하는데있어서한계를가지고있었다. 이에본논문에서는서울강남, 강북지역및경기지역의주택매매시장과전세시장의지역적인과성을실증분석하는것을목적으로한다. 1.2 연구의방법및절차본논문은서울시를중심으로주택시장변동의지역간인과성을분석하는것을목적으로한다. 이를위해본논문에서는공간적분석범위를서울시의경우강남및강북지역으로구분하고, 수도권인경기지역까지포함하여분석을수행하였다. 이때강남지역은강남구, 강동구, 강서구, 관악구, 구로구, 금천구, 동작구, 서초구, 송파구, 양천구, 영등포구등 11개구를의미하며강북지역은강북구, 광진구, 노원구, 도봉구, 동대문구, 마포구, 서대문구, 성동구, 성북구, 용산구, 은평구, 종로구, 중구, 중랑구등 14개구를의미한다. 또한주택시장의경우아파트시장을중심으로주택매매시장과주택전세시장으로세분화하여분석변수로정의하였다. 이에따라본논문에서는분석변수로강남지역, 강북지역, 경기지역의아파트매매가격지수와전세가격지수를활용하였다. 해당변수의시계열데이터는국민은행통계자료를통해획득하였다. 강남및강북지역데이터는 86년부터정리되어있으나, 경기지역아파트매매및전세가격지수의경우, 2003년 6월부터자료가정리되어있음에따라분석변수의시계열자료를 2003년 6월부터 2015년 11월까지월별자료로결정하였다. 먼저각분석변수들의안정성여부를판단하기위하여단위근검정을수행한후그랜져인과관계검정을통해모형내변수들의배열순서를결정하였다. 또한적정시차검정을수행하여분석모형의시차를결정하였으며수준변수간의공적분관계성립여부를확인하기위하여 Johansen 검정법을수행하였다. 실제로공적분검정결과공적분이확인함에따라본논문에서는벡터오차수정모형 (VECM) 을구성하여충격반응분석을실시하였다. 본논문에서는분석을위하여 Eviews-8 통계소프트웨어를활용하였다. 2. 이론적고찰 2.1 지역간주택시장상호연관성개요일반적으로주택시장의공간적상관성은다음그림 1 과같이주택의수요공급관점에서크게 2가지측면에서살펴볼수있다 [5]. 첫째, 일반적인시장논리측면에서는특정지역의주택수요가증가하면장기적으로공급량이증가하고시장균형가격이하락하게된다. 공급량이정부의정책변화, 주택대지부족등의이유로제한된다면주택공급이이루어지지않아특정지역의수요가줄지않는이상주택가격은지속적으로상승하게된다. 이러한경우주택가격은지속적으로상승할것이라는기대감을형성하게되고특정지역의지속적인가격상승에의한시장의기대감형성으로인해주변지역의주택가격도같이상승할수있다. 둘째, 특정지역 A로수요가증가할경우, 공급이제한된지역에서는수요곡선이 (D D') 로이동하게되고주택가격은 (P 0 P 1) 로이동하게된다. 따라서특정지역의수요량은 P 1 주택가격을지불할수있는수요로한 519
한국산학기술학회논문지제 17 권제 3 호, 2016 정되며 P 1 의주택가격을지불할수없는수요는다른지역 B로이동하게될것이다. 이처럼다른지역으로의수요이동은주변지역 B에서수요곡선 (D D') 이동을가져오며, 이는곧이지역의주택가격상승을유발하게된다. 또한이러한주택시장의지역간상호연관성은단지주택매매시장뿐만아니라전세시장에서도유사한형태로나타난다. 하지만이러한지역간상호연관성과더불어국내주택시장의경우매매시장과전세시장의상호연관성까지복합적으로발생한다는특징을가지고있다. (a) Area of Restricted Supply (b) Area of Able Supply Fig. 1. Housing Supply and Demand Function of a Specific area 2.2 선행연구고찰주택경기의안정적인움직임은서민주거안정을위한필수적인요소이다. 즉주택매매시장및주택전세시장의급격한수급변화는주거불안정을야기하고, 결국타지역으로새로운주거공간을확보하기위한움직임을발생시킨다. 이에따라지역간주택시장상호연관성은정책적, 사회적, 경제적관점에서매우중요할것으로판단된다. 장병기 [6] 의연구에서는부동산시장을보다입체적으로이해하기위하여주택시장에서지역별연계성과차별성을분석하였으며, 박세운 [7] 은비정상성을가진다이내믹시스템안에서가격충격의공간적, 시간적전이모형을이용하여아파트가격의공간적ㆍ시간적가격전이효과를분석하였다. 정주희 [4] 는수도권을대상으로주택가격과거래량의지역간인과관계및시 공간적파급효과를실증적으로분석하였으며, 정산연 [8] 은아파트가격변동이지역간영향을미치는경로를이해하고, 특정지역의아파트가격변동이다른지역의아파트가격에미치는영향및시차를파악하였다. 박성준 [9] 은서울시와수도권의세분화된주택시장가격변동의지역적인과관계를분석하여가격변동의중심지역을찾고, 특정지역에서의가격변동이다른지역에어느정도의영향을주며얼마간의시차로주는지에대한시간적, 공간적파급 효과를분석하였다. 기존문헌들을살펴보면대부분서울시주택시장, 특히강남지역에초점을맞추고있었다. 과거버블세븐의주요시발점으로지목된강남지역은정책적인관점에서주요주택가격관리대상이었기때문에관련문헌이다수발표된것으로사료된다. 하지만국내주택시장은주택매매시장과더불어매우독특한임대차시장인전세시장이존재함에도불구하고이에대한고려가미흡한것으로나타났다. 즉서민주거안정에주요한역할을담당하는전세시장에대한고려보다일반적인주택매매시장을중심으로대부분의연구가진행된것으로확인되었다. 이에따라본논문에서는이러한기존문헌의한계를극복하고자강남지역, 강북지역, 경기지역주택시장지역적인과성을분석함과동시에주택시장을주택매매시장과전세시장으로세분화하여심층적인분석을수행함으로서, 유의미한시사점을도출하고자한다. 2.3 벡터자기회귀모형 (VARM) 개요벡터자기회귀모형 (Vector AutoRegression Model ; VARM) 은경제이론에의한선험적판단을배제한상태에서거시경제시계열변수들간의상호작용을파악하기위해미네소타연방준비은행의심즈와리터만에의해개발된다변량시계열모형이다. 벡터자기회귀모형 (VARM) 은기존의구조방정식과시계열분석방법을결합한형태로서각변수들간의동태적관계분석에적합하다는장점때문에경제예측에많이활용되고있다. 이러한벡터자기회귀모형 (VARM) 은보통시계열자료의과거변수간의동적움직임을분석하거나변수간의특별한시계열적움직임을가정하는이론을검증하는데주로사용된다 [10]. 벡터자기회귀모형 (VARM) 은 n개의선형회귀방정식으로구성되는데, 각방정식은서로인과관계가있는각변수들의현재관측치를종속변수로하고자신과여타변수들의과거관측치들을설명변수로설정한다. 일반적으로 N 1 (vector) 인거시경제변수들 Y t 에대해시차 p인벡터자기회귀모형 (VARM) 은다음과같은회귀방정식으로표현할수있다. 520
주택시장변동의지역간인과성비교분석 여기서 Y t 는거시경제변수들의 N 1 (vector), α i 는계수행렬, e t 는확률적오차항, L은시차연산자로 L 1Y t Y t-1, L 2Y t Y t-1,, A(L) A 1L 1 + A 2L 2 + A 3L 3 + 을나타낸다 [11]. 하지만만약불안정한시계열이공적분관계를가지게된다면시계열변수들간에장기균형관계를가지게되며이경우벡터오차수정모형 (VECM) 을이용하여동적구조관계를검정하여야한다 [12]. 본논문에서는공적분검정을수행한결과변수들간공적분이존재하였기때문에벡터오차수정모형 (VECM : Vector Error Correction Model) 을통해실증분석을수행하였다. 3. 분석변수의기본적검정논문에서는주택시장변동의지역간인과성을분석하기위하여서울시와수도권지역을중심으로연구를진행하였다. 즉연구의공간적범위로서울강남지역및강북지역과경기지역을선정하였다. 이는최근매매시장과전세시장변동에의해서울시와주변수도권사이의인구이동양상을반영하기위한것이다. 주택시장의경우아파트를대상으로매매시장과전세시장으로세분화하였다. 본논문에서활용한분석변수는 2003년 6월부터 2015년 11월까지의월별데이터를활용하였으며, 국민은행통계자료를통해획득하였다. 3.1 단위근검정불안정한시계열자료를이용하여전통적인계량분석을시행하면서로상관관계가없음에도불구하고변수들이마치높은상관관계를가지는것처럼보이게되는가성회귀 (Spurious regression) 가발생한다 [13]. 단위근이란불안정한시계열을자기회귀모형 ( ) 으로표현했을때그특성근이 1, 즉단위근을갖는다는사실 ( ) 에근거하여붙여진이름이다. 단위근이존재한다는것은시계열이불안정하다는것으로차분을거쳐서안정적인시계열로변환해야한다. 그러나주어진시계열의특성방정식은선험적으로알수가없으므로일정한검정방법이요구됨에따라단위근검정을실시한다 [14]. 본논문에서는서울강남, 강북및경기지역의매매및전세가격변수에대하여가장널리활용되는 ADF(Augmented Dickey-Fuller) 검정법을통해단위근검정을다음표 1과같이수행하였다. 표 1에서확인할수있듯이수준변수의단위근검정결과 DF-t 통계값이 1%, 5%, 10% 임계값보다크게나옴에따라통계적으로수준변수들이안정적임을증명할수없었다. 이에따라차분하여단위근검정을재수행한결과 DF-t 통계량이대부분임계값보다작게나옴에따라 1차차분변수들은안정적임을확인하였다. Table 1. Unit Root Test Results Classifica Level Variables 1 st differencing Variables tion t-statistic p-value t-statistic p-value GNT 1) -1.901237 0.6489-5.488638 0.0000 GNJ -2.503577 0.3261-5.608322 0.0000 GBT -1.054062 0.9321-6.048378 0.0000 GBJ -3.038873 0.1255-6.640867 0.0000 GGT -1.420427 0.8512-5.867714 0.0000 GGJ -3.069648 0.1176-6.404135 0.0000 Table 2. Model 1 Causality test results Causality Time F-statistic p-value GNJ GNT 1 3.88279 0.0507 GNT GNJ 1 15.3572 0.0001 GNT GGT 1 5.94756 0.0159 GNJ GBT 1 2.86241 0.0928 GBJ GNJ 1 3.922562 0.0494 GNJ GBJ 1 11.8127 0.0008 GBJ GGT 1 3.820284 0.0525 GGJ GNJ 1 3.78778 0.0536 GNJ GGJ 1 11.3873 0.0009 GBJ GBT 1 3.56076 0.0612 GGT GBT 1 29.5311 2.E-07 GBT GGT 1 5.63432 0.0189 GGJ GBT 1 3.43274 0.0659 GBJ GGT 1 3.26324 0.0729 GGJ GGT 1 3.62540 0.0589 GNT GBT 2 9.00008 0.0002 GBJ GNT 2 2.52418 0.0837 GNT GGT 2 2.53629 0.0827 GBJ GNJ 2 9.31433 0.0002 GNJ GBJ 2 5.29809 0.0060 GNJ GGT 2 2.41563 0.0930 GNJ GGJ 2 3.34398 0.0381 GGT GBT 2 16.5320 4.E-07 GGJ GBT 2 2.36331 0.0978 GBJ GGT 2 3.10707 0.0478 GBJ GGJ 2 8.51866 0.0003 GGJ GGT 2 3.75250 0.0258 GNT GBT 3 4.61283 0.0041 GBJ GNJ 3 6.90727 0.0002 GNJ GBJ 3 4.05230 0.0085 GGJ GNJ 3 3.24208 0.0240 GNJ GGJ 3 3.24607 0.0239 GGT GBT 3 9.74923 7.E-06 GGJ GBJ 3 3.99764 0.0091 GBJ GGJ 3 7.22709 0.0002 GGJ GGT 3 2.44739 0.0664 1) Gangnam Transaction( 강남매매 ): GNT, Ganbuk Transaction( 강북매매 ): GBT, Gyeonggi Transaction( 경기매매 ): GGT, Gangnam Jeonse( 강남전세 ): GNJ, Ganbuk Jeongse( 강북전세 ): GBJ, Gyeonggi Jeongse( 경기전세 ): GGJ 521
한국산학기술학회논문지제 17 권제 3 호, 2016 3.2 그랜져인과관계검정벡터자기회귀모형 (VARM) 을설정하기위해서는변수간의인과관계를정확하게살펴볼필요가있다 [15]. 그랜져인과관계검정은경제이론을배제한상태에서시차분포모형 (lag distributed model) 을활용하여원인변수와결과변수를명확하게구분하기위한방법이다 [11]. 이에본논문에서는상기표 2와같이그랜져인과관계검정을수행하여변수들간인과관계를확인하였다. 분석결과강남매매, 강남전세, 강북전세, 경기전세, 경기매매, 강북매매순서로인과관계가확인되는바, 해당인과관계를기초로모형내변수들을배열하였다. 3.3 적정시차검정단위근검정을통해시계열의안정성여부를판정한후벡터자기회귀모형을구축하기위해우선되는것이시차 p를결정하는것이다. 시차를선정하는데있어서시차를너무짧게설정하면공적분이없다는귀무가설을기각하는경향이있는반면시차를너무길게설정하면검정력이약화되는문제점이나타난다. 이에따라적정시차를선정해야하며, 시차를결정하는기준으로일반적으로많이활용되는것이아케이케정보기준 (Akaike Information Criteria : AIC) 나슈바르츠베이지안정보기준 (Schwartz Bayesian Criteria : SIC) 등이있다. 적정시차는 AIC 또는 SIC가최소값을나타내는곳으로선정한다 [12]. 본논문에서는다음표 3과같이 SIC 기준으로적정시차를검정한결과시차 1이적정시차임을확인하였다. Table 3. Proper Differential Test Results Lag SIC 0-47.40312 1-50.03388* 2-49.63545 3-48.77062 4-47.89545 5-46.97819 6-46.04045 7-45.20883 3.4 공적분검정경제변수의시계열자료들은대부분불안정한것으로, 즉단위근 (unit-root) 을갖는것으로알려져있으므로단위근을갖는경제변수들을차분 (differencing) 함으로써안정적으로변형시킨후회귀분석을하는것이일반적이다. 그런데차분과정을거친경제변수들을사용하여회귀분석을실시하는것은경제변수들에내재한장기적인정보를상실한다는문제점을내포하고있다. 이러한문제점을극복할수있는경우가경제변수들이서로공적분관계에있는경우이다 [16]. 공적분관계가존재하게되면차분하여벡터자기회귀모형 (VARM) 을사용할경우변수간장기적인균형관계를놓치게되므로벡터오차수정모형 (VECM) 을통해분석을실시해야한다 [17]. 본연구에서는대표적인공적분검정방법인 Johansen 검정법을실시하였다. Johansen 공적분검정법은방정식체계 (system equation) 에의한다변량시계열분석을통하여공적분검정을하는방법중하나이다. 일반적으로 3개이상의불안정적시계열간의공적분관계를규명함에있어 2개이상의공적분관계가존재할수있는데, Johansen 검정법은공적분관계의수와모형의모수들을최우추정법 (The method of maximum likelihood estimation : MLE) 으로검정하며공적분검정과벡터오차수정모형 (VECM) 의추정이동시에이루어지는장점이있다. 그리고모든변수들을내생변수로간주한다는점에서종속변수를선택할필요가없으며, 여러개의공적분관계를식별해낼수있다 [18]. Johansen 검정법을활용하여공적분검정을수행한결과다음표 4와같이수준변수사이에공적분관계가성립되는것으로확인됨에따라벡터오차수정모형 (VECM) 을통해분석을수행하였다. Table 4. Cointegration results Null Hypo. Test statistic p-value r=0* 311.4515 0.0000 r 1* 191.6919 0.0000 r 2* 86.56226 0.0000 r 3* 31.46305 0.0318 r 4 6.232965 0.6680 r 5 2.099270 0.1474 4. 실증분석 4.1 충격반응분석결과 모형내의변수에대하여일정한크기의충격을가할 522
주택시장변동의지역간인과성비교분석 때모형의모든변수들이시간의흐름에따라서어떻게반응하는가를분석하는것이충격반응분석이다. 이것은변수간의상호인과관계를분석하고정책변수의변화에따른파급효과를분석하는데이용된다 [19]. 본연구에서는충격반응분석을통해다음표 5, 그림 2와같이서울강남, 강북및경기지역의매매및전세가격변수에일정한충격을가한후모형내변수들의동태적관계성을분석하였다. 먼저각변수들의충격에대한강남매매가격변동과정을살펴보면강남매매가격자체충격에대하여가장큰변동을나타냈다. 즉지속적으로변동폭이증가하여최종 10개월에약 1.08% 양 (+) 의변동을나타냈다. 또한강남매매가격은강북전세가격및경기매매가격충격에양 (+) 의변동을나타냈지만강남매매가격자체충격에비해상대적으로변동폭이매우작은것으로확인되었다. 반면강남매매가격은강남전세가격충격에대하여음 (-) 의방향으로변동하여최종 10개월에약 0.06% 의변동을나타냈으며, 그외강북매매가격및경기전세가격충격에대하여도음 (-) 의방향으로최종 10개월에약 0.16%, 0.06% 의변동을나타냈다. 두번째로, 강남전세가격변동과정을살펴보면강남매매가격, 강남전세가격, 강북매매가격및경기전세가격충격에양 (+) 의변동을나타내는것으로확인되었다. 먼저강남전세가격은강남전세가격자체충격에대하여지속적으로변동폭이증가하여최종 10개월에약 0.70% 양 (+) 의변동을나타냈다. 그외강남전세가격은강북매매가격, 강남매매가격및경기전세가격충격에대하여지속적으로양 (+) 의방향으로변동폭이증가하여약 0.36%, 0.26%, 0.13% 의변동을나타냈다. 반면강남전세가격은강북전세가격및경기매매가격충격에대하여지속적으로음 (-) 의방향으로변동폭이증가하여최종 10개월에약 0.34%, 0.06% 의변동을나타냈다. 세번째로, 강북매매가격변동과정을살펴보면강남매매가격충격이가장큰영향을미치는것으로확인되었다. 즉강남매매가격충격에대하여강북매매가격은초기부터지속적으로변동폭이증가하여최종 10개월에약 0.64% 의양 (+) 의변동을나타냈다. 또한강북전세가격및경기매매가격충격에대하여마찬가지로강북매매가격의변동폭이점차증가하여최종 10개월에양 (+) 의방향으로약 0.57%, 0.39% 의변동폭을나타냈다. 그외강북매매가격에대한강남전세가격, 강북매매가격충격 의경우, 초기에는약 0.17%, 0.39% 의변동폭을나타냈지만그정도가점차감소하여최종 10개월에는약 0.02%, 0.03% 의변동을나타냈다. 반면경기전세가격충격에대하여강북매매가격은초기에는양 (+) 의방향으로변동하였으나, 3개월부터변동양상이전환되어최종 10개월에는약 0.11% 음 (-) 의변동을나타냈다. 네번째로, 강북전세가격변동과정을살펴보면강남전세가격충격이가장큰영향을미치는것으로확인되었다. 즉강남전세가격충격에대하여강북전세가격은초기부터지속적으로변동폭이증가하여최종 10개월에약 0.58% 양 (+) 의변동을나타냈다. 또한강북매매가격및경기전세가격충격에대하여마찬가지로강북전세가격의변동폭이점차증가하여최종 10개월에양 (+) 의방향으로약 0.27%, 0.10% 의변동폭을나타냈다. 그외강북매매가격에대한강남매매가격, 강북전세가격충격의경우, 초기에는약 0.28%, 0.32% 의변동폭을나타냈지만그정도가점차감소하여최종 10개월에는약 0.19%, 0.07% 의변동을나타냈다. 반면경기매매가격충격에대하여강북전세가격은초기부터음 (-) 의방향으로변동하여최종 10개월에는약 0.04% 음 (-) 의변동폭을나타냈다. 다섯번째로, 경기매매가격변동과정을살펴보면강남매매가격충격이가장큰영향을미치는것으로확인되었다. 즉강남매매가격충격에대하여경기매매가격은초기부터상대적으로큰변동폭을나타냈으며, 점차증가하여최종 10개월에약 0.90% 의양 (+) 의변동을나타냈다. 또한강북전세가격및경기매매가격충격에대하여마찬가지로경기매매가격의변동폭이점차증가하여최종 10개월에양 (+) 의방향으로약 0.36%, 0.42% 의변동폭을나타냈다. 그외경기매매가격에대한경기전세가격충격의경우, 초기에는약 0.09%% 의변동폭을나타냈지만그정도가점차감소하여최종 10개월에는약 0.02% 의변동을나타냈다. 반면강북매매가격충격에대하여경기매매가격은초기부터음 (-) 의방향으로변동하여최종 10개월에는약 0.20% 음 (-) 의변동폭을나타냈다. 강남전세가격충격에대해서경기매매가격은초기에는양 (+) 의방향으로변동하였으나, 점차그정도가감소하였으며, 7개월부터변동양상이전환되어최종 10개월에는약 0.03% 음 (-) 의변동을나타냈다. 523
한국산학기술학회논문지제 17 권제 3 호, 2016 Table 5. the Result of Vector Error Correction Analysis Period Gangnam Transaction(GNT) Gangnam Jeonse(GNJ) GNT GNJ GBT GBJ GGT GGJ GNT GNJ GBT GBJ GGT GGJ 1 0.010259 0.000000 0.000000 0.000000 0.000000 0.000000 0.003719 0.005602 0.000000 0.000000 0.000000 0.000000 2 0.010322-7.63E-05-0.000192 0.000182 3.22E-05-7.20E-05 0.003577 0.005775 0.000436-0.000414-7.30E-05 0.000163 3 0.010383-0.000151-0.000380 0.000360 6.36E-05-0.000142 0.003438 0.005944 0.000863-0.000817-0.000144 0.000323 4 0.010443-0.000223-0.000564 0.000534 9.43E-05-0.000211 0.003302 0.006109 0.001279-0.001212-0.000214 0.000478 5 0.010501-0.000295-0.000743 0.000704 0.000124-0.000278 0.003170 0.006270 0.001685-0.001597-0.000282 0.000631 6 0.010558-0.000364-0.000918 0.000870 0.000154-0.000343 0.003040 0.006428 0.002083-0.001974-0.000349 0.000779 7 0.010614-0.000432-0.001089 0.001032 0.000182-0.000407 0.002914 0.006581 0.002470-0.002341-0.000413 0.000924 8 0.010668-0.000498-0.001256 0.001190 0.000210-0.000470 0.002790 0.006732 0.002849-0.002700-0.000477 0.001066 9 0.010722-0.000563-0.001419 0.001345 0.000237-0.000531 0.002669 0.006878 0.003219-0.003051-0.000539 0.001204 10 0.010774-0.000626-0.001578 0.001496 0.000264-0.000591 0.002552 0.007022 0.003581-0.003393-0.000599 0.001340 Period Gangbuk Transaction(GBT) Gangbuk Jeonse(GBJ) GNT GNJ GBT GBJ GGT GGJ GNT GNJ GBT GBJ GGT GGJ 1 0.005190 0.001680 0.003871 0.002241 0.003332 0.000266 0.002760 0.004727 0.000000 0.003195 0.000000 0.000000 2 0.005334 0.001506 0.003430 0.002659 0.003405 0.000101 0.002654 0.004857 0.000326 0.002886-5.46E-05 0.000122 3 0.005474 0.001335 0.002999 0.003067 0.003478-6.01E-05 0.002550 0.004983 0.000644 0.002584-0.000108 0.000241 4 0.005612 0.001168 0.002578 0.003466 0.003548-0.000218 0.002449 0.005106 0.000956 0.002289-0.000160 0.000358 5 0.005746 0.001005 0.002167 0.003855 0.003617-0.000371 0.002349 0.005227 0.001259 0.002001-0.000211 0.000471 6 0.005876 0.000846 0.001766 0.004236 0.003684-0.000521 0.002253 0.005344 0.001556 0.001720-0.000260 0.000582 7 0.006004 0.000690 0.001374 0.004607 0.003749-0.000668 0.002158 0.005459 0.001846 0.001445-0.000309 0.000691 8 0.006129 0.000539 0.000991 0.004970 0.003814-0.000811 0.002066 0.005571 0.002129 0.001177-0.000356 0.000797 9 0.006251 0.000390 0.000617 0.005325 0.003876-0.000951 0.001976 0.005681 0.002405 0.000915-0.000403 0.000900 10 0.006370 0.000246 0.000251 0.005671 0.003937-0.001088 0.001888 0.005788 0.002675 0.000659-0.000448 0.001001 Period Gyeonggi Transaction(GGT) Gyeonggi Jeonse(GGJ) GNT GNJ GBT GBJ GGT GGJ GNT GNJ GBT GBJ GGT GGJ 1 0.008316 0.000467 0.000000 0.001692 0.003848 0.000912 0.003927 0.004885 0.000000 0.002060 0.000000 0.002789 2 0.008396 0.000370-0.000246 0.001925 0.003889 0.000820 0.003800 0.005040 0.000391 0.001690-6.54E-05 0.002935 3 0.008475 0.000274-0.000487 0.002153 0.003930 0.000730 0.003675 0.005191 0.000773 0.001328-0.000129 0.003078 4 0.008551 0.000181-0.000722 0.002376 0.003969 0.000642 0.003554 0.005339 0.001145 0.000975-0.000192 0.003217 5 0.008626 9.02E-05-0.000951 0.002593 0.004007 0.000556 0.003435 0.005483 0.001510 0.000630-0.000253 0.003354 6 0.008699 1.35E-06-0.001175 0.002806 0.004045 0.000472 0.003319 0.005624 0.001865 0.000293-0.000312 0.003487 7 0.008770-8.54E-05-0.001394 0.003013 0.004081 0.000391 0.003206 0.005762 0.002213-3.66E-05-0.000370 0.003617 8 0.008840-0.000170-0.001608 0.003216 0.004117 0.000311 0.003095 0.005897 0.002552-0.000358-0.000427 0.003744 9 0.008908-0.000253-0.001817 0.003414 0.004152 0.000232 0.002987 0.006028 0.002883-0.000672-0.000483 0.003868 10 0.008975-0.000334-0.002021 0.003607 0.004186 0.000156 0.002882 0.006156 0.003207-0.000979-0.000537 0.003989 (a) Response of Gangnam_transaction (b) Response of Gangnam_jeonse (c) Response of Gangbuk_transaction (d) Response of Gangbuk_jeonse (e) Response of Gyeonggi_transaction (f) Response of Gyeonggi_jeonse Fig. 2. the Graph of Vector Error Correction Analysis 524
주택시장변동의지역간인과성비교분석 여섯번째로, 경기전세가격변동과정을살펴보면강남전세가격충격이가장큰영향을미치는것으로확인되었다. 즉강남전세가격충격에대하여경기전세가격은초기부터지속적으로변동폭이증가하여최종 10개월에약 0.62% 양 (+) 의변동을나타냈다. 또한경기전세가격및강북매매가격충격에대하여마찬가지로경기전세가격의변동폭이점차증가하여최종 10개월에양 (+) 의방향으로약 0.40%, 0.32% 의변동폭을나타냈다. 그외경기전세가격에대한강남매매가격충격의경우, 초기에는약 0.39%% 의변동폭을나타냈지만그정도가점차감소하여최종 10개월에는약 0.29% 의변동을나타냈다. 반면경기매매가격충격에대하여경기전세가격은초기부터음 (-) 의방향으로변동하여최종 10개월에는약 0.05% 음 (-) 의변동폭을나타냈다. 강북전세가격충격에대해서경기전세가격은초기에는양 (+) 의방향으로변동하였으나, 점차그정도가감소하였으며, 7개월부터변동양상이전환되어최종 10개월에는약 0.10% 음 (-) 의변동을나타냈다. 4.2 충격반응분석결과를통한시사점지역간주택시장간인과성을충격반응분석을통해살펴본결과를정리하면다음과같다. 먼저강남, 강북및경기지역주택매매시장의경우강남지역주택매매가격충격이가장큰영향을미치는것으로확인되었다. 이는결국각종매체에서언급된바와같이강남주택매매가격변동이타지역매매가격에영향을미치는것을나타낸다. 또한강남, 강북및경기지역주택전세시장의경우마찬가지로강남지역주택전세가격충격이가장큰영향을미치는것으로확인되었다. 기존문헌들의경우, 주택매매가격중심의지역간인과성을분석하였으나본논문에서는기존결과에서확장되어주택전세가격역시강남지역이진원지역할을담당한다는결과를도출하였다. 특히전세시장의지역적인과성은매우특징적인시사점을나타낸다. 상기에서언급한바와같이일반적으로실수요자의움직임을대변하는전세시장의지역적인과성을살펴보면강남지역의전세가격상승이주변지역의전세가격상승을견인하는것을확인할수있다. 이는강남지역전세가격상승에의해강남지역실수요자들이주변지역전세시장수요로주로전환될뿐주변지역매매시장수요 로전환되는데에는제한적임을의미한다. 강북매매및경기매매가격충격반응분석결과역시이러한시사점을뒷받침한다. 즉강북매매및경기매매가격충격반응분석결과를살펴보면초기에는강남지역전세가격이각지역매매가격상승에영향을미치나매우단기적이며, 시간이지남에따라빠르게희석되는것을확인할수있다. 강남지역전세가격수준이강북이나경기지역매매가격과크게차이가나지않음을고려할경우, 이는결국수요자들의자금조달능력의문제가아니라수요자들이주택시장자체에자금투여하는데있어서매우보수적인포지션을취하기때문인것으로판단된다. 게다가강북전세가격및경기전세가격충격반응분석결과를살펴보면강남전세가격다음으로강남매매가격충격이시간이지남에따라영향력이감소하지만지속적으로영향력을발휘하는것을확인할수있다. 이는강남매매시장수요자들까지타지역으로수요이동을할때일정부분전세시장으로유입됨을의미하는것으로판단된다. 결국기존전세시장내실수요자들과더불어매매시장수요자들까지여타지역전세시장으로유입되면서전반적인전세시장불균형이심화됨을확인할수있다. 이를종합하면충분한자금조달능력을확보하고있는수요자들의전세시장유입을최소화하고실제적인서민들에게전세라는공간시장을효과적으로제공하기위해서는수요자들의자금조달능력에따른차등화된주거안정정책이필요할것으로판단된다. 5. 결론본논문은서울강남, 강북지역및경기지역의주택시장지역간인과성을매매시장과전세시장으로세분화하여실증분석하는것을목적으로한다. 이를위해본논문에서는아파트시장을중심으로강남지역, 강북지역, 경기지역의매매가격지수와전세가격지수를활용하였다. 해당변수의시계열데이터는국민은행통계자료를통해획득하였으며, 2003년 6월부터 2015년 11월까지의월별자료이다. 주요분석결과를정리하면다음과같다. 과거부터선험적으로알려진바와같이주택매매시장의경우강남지역주택가격변동이주변지역주택가격변동에중요한영향력을미치는것으로나타났다. 또한 525
한국산학기술학회논문지제 17 권제 3 호, 2016 주택전세시장의경우도마찬가지로, 강남지역주택전세가격변동이주변지역전세가격에매우큰영향을미치는것으로나타났다. 강남지역주택전세가격을고려했을경우, 여타지역매매시장으로수요전환이가능하나, 실제로는그영향이매우국소적인것으로나타났다. 또한강남매매시장수요자들까지강북및경기지역전세시장으로일정부분유입되는것으로확인되는바, 전세시장불균형은더욱심화될것으로판단된다. 주택시장수요자들의전세시장유입이자금조달능력의문제라고한다면현재의저금리, LTV, DTI 정책기조를유지함으로써일정부분해소될수있으나, 본질적인해결방안은될수없을것으로판단된다. 이에따라수요자계층별로차별화되고입체적인정책적접근이필요할것으로판단된다. 또한현재주택전세시장이안정화되기위해서는전세공급규모가증가하여야한다. 전세공급이증가하기위해서는 2주택이상의주택구입자가다수시장에유입되어야하지만수도권주택매매시장의진원지역할을담당하는강남지역주택시장이과거에비해상대적으로침체되어있는상황임에따라전세공급규모가향후양호해질것으로예상하기는힘들다. 이러한관점에서정부정책과더불어시장수요자들역시전세공급축소라는주택시장구조적변화를인지하고각자수준에맞는주거환경을확보하기위하여주택매매시장에관심을높이는것이바람직할것으로사료된다. 정부와주택수요자와더불어건설업체들역시이러한주택시장의구조적변화를인지하고사업전략을모색할필요가있다. 과거공급중심의주택시장에서양적성장에성공한건설업체들은이제수요중심특히실수요자들의요구사항을반영한주택사업전략을모색하여야한다. 일반적으로주택시장은금리, 가계소득, 소비자물가등다양한거시경제변수와유의미한관계를가지고있다. 이러한관점에서거시경제변동전후로다양한주택시장구조적변동이발생할수있다. 본논문은전체시계열을대상으로분석을수행함에따라거시경제변동전후를비교분석하여다양한시사점을도출하는데한계를가지고있다. 서브프라임금융위기이후충분한시계열자료취합이가능함에따라서브프라임금융위기를기점으로하여지역별주택시장인과성의시기별특성을비교분석한다면보다더심층적이고유의미한시사점을도출할수있을것으로판단된다. References [1] J. H. Kim, M. J. Lee, An Empirical Analysis of Jonsei Deposit Ratio in Seoul Housing Market, Journal of Korean Regional Science Association, vol.5, No.1, pp.13-26, 1989. [2] S. Y. Kim, The Correlation among Sale Price, Chonsei Price and Chonsei/Sale Price Ration With the Structural Changes, Master Degree of Konkuk University, 2013. [3] J. J. Youn, M. S. Choi, Study about long-term and short-term synchronization of trading volume in Gangnam-gu and its surrounding areas, Journal of Korean Association for Housing Policy Studies, Vol.22, No.1, pp.105-128, 2014. [4] J. H. Jung, J. S. Yu, A Study on the Interregional Causality and Space-time Spillover Effects of the Housing Price and the Trade Volume: Focused on the Apartment Market in the Metropolitan Area, Journal of Korean Association for Housing Policy Studies, Vol.19, No.4, pp.177-203, 2011. [5] T. K. Hwang, Interjurisdictional analysis of housing price in Seoul metropolitan area, Master Degree of Konkuk University, 2003. [6] B. G. Jang, Spillover Effect and its Time-varying Characteristics in the Korean Housing Market, Journal of Korean Association for Housing Policy Studies, Vol.22, No.2, pp. 5-28, 2014. [7] S. U, Park, H. H. KIM, S. G. Seol, The Spatial and Temporal Diffusion of House Prices in Korea, Journal of Korean Association for Housing Policy Studies, Vol.20, No.1, pp. 127-155, 2012. [8] S. Y. Jung, study on the Interregional Causality of Housing Price Variations, Master Degree of Hanyang University, 2010. [9] S. J. Park, Study on the spatial causality analysis of housing price variation by housing size : Focused on the Capital Region in Korea, Master Degree of Hanyang University, 2010. [10] G. T. Lim, An Empirical Study on Effect of the Perfect Opening of Korean Stock Market on KOSPI and Interrelationship between Each Investor Group, Master Degree of Dongkuk University, 2002 [11] H. S. Lee, Study on the Influence of Macroeconomic Factors upon the Housing Transaction and the Jeonse Rental Index, Doctor Degree of Dongkuk University, 2007 [12] J. C. Park, The Mutual Relationship among Interest, Apartment Prices and Stock Prices by Using VECM, Doctor Degree of Donga University, 2007 [13] M. G, Ahan, H. Mun, J. J. Kim(2006), The Impacts of Construction Investment related Building Permit Area Indicator, Journal of Architectural institute of Korea, Vol.22, No.12, pp. 155-164, 2006 [14] H. S. Kim, A Study on Rising Rate of Rental Deposits on Housing Price: Focusing on Apartments in 6Gu-Districts in Seoul, Master Degree of Konkuk University, 2012. [15] S. H, Jo, A Study of The Effect of Housing Policy and 526
주택시장변동의지역간인과성비교분석 Macroeconomic Variables on Housing Price, Master Degree of Mokwon University, 2012. [16] J. D. Shim, Cointegration Analysis on the Determinants of Markup in Korean Manufacturing Industries : ECM(1975-2005), Master Degree of kwandong University, 2009. [17] D. Y. Yang, The Effects of Oil Price Changes on the Industrial Stock Index, Master Degree of Sungkyunkwan University, 2009. [18] Y. J. Hwang, A Study on the Dynamic Relation to the Housing Market indicators A Case Study of Apartment Market in Busan -, Doctor Degree of Youngsan University, 2013. [19] J. W. Choi, "Analysis of the Determinants of Changes in the Real Estate Prices in Korea, Master Degree of Yonsei University, 2006. 김경훈 (Kyong-Hoon Kim) [ 정회원 ] 2011 년 8 월 : 한양대학교일반대학원 ( 공학석 박사통합 ) 2011 년 9 월 ~ 2013 년 2 월 : 한양대학교연구교수 2013 년 4 월 ~ 현재 : 한국건설기술연구원연구원 < 관심분야 > 건설관리, 건설안전, 건설경제, 건설 IT 장호면 (Ho-Myun Jang) [ 정회원 ] 2004 년 8 월 : 한양대학교공학대학원 ( 공학석사 ) 2010 년 2 월 : 한양대학교일반대학원 ( 공학박사 ) 2012 년 3 월 ~ 현재 : 세명대학교보건안전공학과교수 ( 건설안전 ) 2010 년 1 월 ~ 현재 : 국토교통부중앙심의위원 < 관심분야 > 건설관리, 건설안전, 건설정책 527