I. 서 론
오늘날 많은 국가와 지역에서 삶의 질에 대한 다양한 논의를 이어오고 있으며, 삶의 질에서 정주여건-특히, 주택-의 중요성이 매우 높은 것으로 나타난다(Im & Hong, 2014). 반면, 최근 저출산고령화 추세의 심화로 인해 일부 지역에서는 주택에 대한 투자의 유인이 낮아져 정주여건의 악화와 인구의 감소가 상호 부정적으로 작용하여 악순환을 초래한다. 특히, 빈집 혹은 폐가(abandoned housing)는 해당 주택뿐만 아니라 이 주택이 위치한 지역에 부정적 외부효과를 야기한다. 이를테면, 폐가는 경관을 해치기 때문에 일차적으로 지역 내 주거에 대한 수요를 감소시켜 주택가격의 하락과 함께 주택건설투자를 저해시킬 것이다(Mikelbank, 2008; Han, 2014). 이는 다시 지역 부동산 경기의 침체를 초래하고 궁극적으로 (지방)정부의 부동산 관련 재정수입을 악화시켜 정주여건 개선을 위한 공적 재정의 기반을 약화시키는 악순환으로 이어질 수도 있다(Scafidi et al., 1998). 또한, 폐가는 때때로 범죄의 장소로 이용되기도 한다(Immergluck & Smith, 2006; Cui & Walsh, 2015).1)
우리나라 빈집의 수는 1995년 36만 호에서 2000년 51만 호, 2005년 73만 호, 2010년 79만 호, 그리고 2015년 106만 8천 호로 지속적으로 증가하였으며, 이 가운데 상당 부분은 지은 지 30년 이상된 노후 주택에 해당한다. 전체 주택에서 빈집이 차지하는 비율 역시 1995년 3.8%에서 2015년 5.59%로 상승하였다. 이로 인해 2009년부터 빈집 정비사업이 「농어촌정비법」에 기초하여 추진되어 오고 있다. 일부 선진국에서는 빈집의 부정적 효과를 인지하고 이를 효과적으로 관리하기 위한 다양한 정책을 이미 시행하고 있다. 일본의 세타가야구는 「지역공생의 집만들기 지원사업」을 통해 빈집에 대한 생활밀착형 활용사업을 추진하였으며(Nam, 2014), 일본 정부의 이주지원사업은 주택의 이용가치를 상승시키는 내용을 포함하고 있다(Kim, 2011). 영국 역시 빈집의 정비 및 활용을 위해 다양한 정책들을 중앙정부뿐만 아니라 지방정부 차원에서도 추진하고 있다(Lee, 2013).
본 연구는 폐가의 부정적 외부효과로서 폐가로 인한 지역 내 주택가격의 하락을 실증적으로 분석한다.2)
하지만, 주택가격 하락의 원인으로서 지역 내 폐가의 존재를 분석하고자 하는 경우에 폐가의 발생이 유치권(lien) 대비 낮은 주택가격에서 비롯된다는 폐가결정요인에 대한 이론적 주장들-예를 들면, Scafidi et al.(1998)의 폐가결정에 대한 옵션이론(option theory)-을 고려해야 한다. 따라서, 폐가의 인근 주택가격에 대한 부정적 영향을 추정함에 있어 본 연구에서는 이러한 내생성(endogeneity)의 가능성을 분석에 포함한다.
본 논문의 구성은 다음과 같다. 다음 장은 빈집관련 선행연구들을 살펴보고, 본 논문의 가설검증을 위한 회귀분석모형을 제시한다. 제3장은 실증분석에 이용된 자료와 변수들의 정의 및 이들의 기술통계량을 설명한다. 실증분석의 결과는 제4장에서 논의되며, 마지막 장은 본 논문의 결과 및 이의 정책적 함의를 제시한다.
II. 이론적 배경 및 분석모형
1. 이론적 배경
Rosen(1974)에 의하면, 주택은 이의 특성들에 의해 평가될 수 있으며 이의 가격은 개별 동질적인 특성들의 가격의 합으로 간주될 수 있고 개별 특성은 균형시장에서 특유의 잠재적 가격을 갖는다. 이는 주택의 개별 특성이 전체적인 복합체로서의 단위가격을 구성하는 것과 같이 주택의 가격이 특성들에 대한 함수로 회귀분석될 수 있음을 의미한다. 이후에 여러 학자들에 의해 주택의 가격 함수, 즉 주택의 특성 i에 대한 지불용의는 다음과 같이 정의된다:
여기서, Xi, β 그리고 ε는 각각 주택의 특성, 추정계수, 그리고 오차항을 나타내며, 주택의 특성은 주택의 물리적 특성뿐만 아니라 이것이 위치한 지역의 특성도 포함하며 지역 내 폐가의 비중은 이러한 지역의 특성을 구성하는 하나의 요소로 간주된다.
빈집의 부정적 영향은 다양하게 나타나는 것으로 논의된다. 일차적으로는 지역 내 부동산의 수익성 저하, 정비사업의 지연 및 취소, 개발 및 보존예정지 편입, 사회취약계층의 공간적 집중, 범죄 발생 등이 야기되며, 이로 인해 환경재해 피해, 초기 부실개발, 환경수준 낙후, 산업구조 변화, 사업체 이전 및 종사자수 감소, 교외화(공공시설 이전 등), 재정자립도 악화 및 투자 감소, 인구감소, 고령화, 교육수준 및 학군 변화 등이 초래된다.
Han(2014)은 미국의 볼티모어 지역에 대한 연구에서 빈집의 비어 있는 기간이 길수록 인근 주택의 가격을 하락시킬 가능성이 보다 큰 것으로 분석한다. 다중회귀분석을 통해 지역 내 빈집수와 범죄율 간의 관계를 실증적으로 분석한 Immergluck and Smith(2006)의 결과에 의하면, 압류된 빈집이 2.8호만큼 증가시 해당 지역의 범죄율이 6.7% 상승하는 것으로 분석되며, 유사하게 Cui and Walsh(2015) 역시 펜실베니아 피츠버그에서 빈집이 지역의 범죄를 19% 가량 증가시키는 것으로 제시한다.
이러한 빈집발생의 원인으로는 흑인 비율, 빈곤가구 비율, 가구소득, 주택의 가격, 주택의 건축연도 등이 고려되며, 지역 내 높은 흑인 비율과 빈곤가구 비율은 빈집수를 증가시키는 반면 상대적으로 높은 가구소득, 주택의 가격 등은 지역 내 빈집의 수에 부(−)의 영향을 미치는 것으로 분석된다. 최근에 Jeon and Kim(2016)은 인천 남구 숭의동에 대한 사례분석에서 폐쇄적 블록, 협소한 가로, 소규모 필지 등의 열악한 물리적 환경이 재정비촉진지구의 해제 및 사회취약계층의 공간적 집중과 결합하여 빈집의 확산이 이뤄졌음을 제시한다. 지역특성과 지역 내 빈집수 간의 관계를 실증적으로 분석한 Noh and Yoo(2016)에 의하면, 빈집은 주택매매가격지수, 가구당 신규주택 비중, 가구당 노후주택 비중과 정(+)의 관계를 나타내고 가구 증가율, 지역소득, 인구 대비 종사자수는 부(−)의 관계를 나타낸다. 국외 연구로는 Silverman, Yin, and Patterson(2013), Molloy(2014), Scafidi et al.(1998), Immergluck(2015) 등이 있으며, 특히 Scafidi et al.(1998)은 세금체납으로 소유권이 지자체에 귀속된 주택에 대해 분석하고, Molloy(2014)와 Immergluck(2015)는 장기 빈집을 대상으로 분석한다. White(1986)은 1980년대 뉴욕시에서 재산세에 대한 폐가발생의 탄력성이 1.65로 높음을 제시한다.
2. 분석모형
폐가의 인근 주택가격에 대한 영향을 실증적으로 분석하기 위한 모형은 주택가격 결정요인의 분석에 통상적으로 이용되는 헤도닉(hedonic) 모형에 기초하며, 따라서 본 연구에서의 회귀분석식은 다음과 같다.3)
종속변수인 yj는 개별 주택 j의 현재 가격을 나타내며, Xj는 해당 주택의 특성-유형, 면적, 건축연도-을 포함하는 매트릭스이고 abandonedn은 주택 j가 위치한 지역(시군구) n에 소재한 전체 주택의 수에서 폐가의 수가 차지하는 비중(%)을 나타낸다. εj는 통상의 오차항을 나타낸다.
지역 내 폐가의 존재로 인해 주택들이 보다 낮은 가격에 거래되는 이유는 크게 세 가지로 요약될 수 있다. 즉, 해당 지역 내 주택들의 특성이 근본적으로 상이하거나, 주택의 조건이나 품질이 평균적으로 낮은 경우 혹은 유동성에 제약이 있는 경우에 해당한다(Frame, 2010).
하지만, 빈집의 발생을 설명하는 옵션이론(option theory)에 의하면, 지역 내 주택가격이 낮을수록 이 지역에 소재한 주택의 버려질 가능성이 이론적으로 높다. 또한, Noh and Yoo(2016)의 실증분석 결과에서 보듯이 해당 지역 내 주택의 가격(주택가격매매지수)이 빈집의 발생에 영향을 미치는 것으로 나타나 본 연구의 종속변수가 설명변수에 영향을 미치는 역의 인과관계(reverse causation)에 의한 내생성(endogeneity)의 가능성이 존재한다. 본 연구에서는 이를 고려해 지역 내 주택의 수에서 폐가의 수가 차지하는 비중을 해당 지역 내 인구 대비 고용을 도구변수(instrument variable)로 2단계 최소자승추정법을 추가적으로 적용하여 분석한다.4) 또한, 폐가의 이러한 부정적인 영향을 보다 직접적으로 제시하고 동시에 인근 주택의 가격하락은 결국 지역 내 신규 폐가의 발생을 야기하기 때문에 지역 내 기존 폐가의 수가 해당 지역 내 신규 폐가의 발생을 야기함을 Tobit모형을 이용해 실증적으로 분석한다.
III. 자료 및 변수
폐가를 포함하는 빈집은 통계청 「인구주택총조사」 2010년 자료의 주택부문에서 제공되며, 본 연구에서는 통계청의 MDIS에서 원격접근서비스를 통해 이용가능한 별도의 원자료를 활용한다. 이를 통해, 빈집의 사유를 결측을 제외한 7개의 사유-매매임대이사, 미분양미입주, 현재 수리중, 일시적(가끔) 이용, 폐가, 영업용, 기타-로 구분할 수 있으며, 이 가운데 ‘폐가’만을 본 연구에서 이용한다.5)
<Table 1>에 제시된 변수들의 기초통계에 의하면, 지역(시군구) 내 주택의 수에서 폐가의 수가 차지하는 비중(%)의 평균은 0.629%에 해당하며 이의 범주는 0~2.518%로 나타난다.
Table 1.
Summary Statistics of Variables
폐가 이외의 설명변수와 종속변수는 국토교통부의 「주거실태조사」 2012년 원자료에서 추출되었다.6) 총 33천 조사가구 가운데 점유형태가 자가인 19,093가구가 분석에 포함되었다. 이들 가운데 단독주택과 아파트의 비중이 각각 45.2%와 43.8%로 대다수를 차지하고 다세대주택과 연립주택도 일부(각각 5.9%와 3.3%) 포함되었다. 주택의 규모는 주거전용 사용면적으로 정의되며, 표본 가운데 85㎡ 초과 110㎡ 이하의 비중이 34.9%로 가장 높고 60 m2 초과 85 m2 이하 34.9%, 40 m2 초과 60 m2 이하 13.9% 등의 순으로 높은 비중을 차지한다. 주택의 건축년도에 따른 비중에서는 1999년 이전이 69.7%로 가장 높게 나타난다. 주택의 전반적인 상태에 따른 비중을 살펴보면, 양호한 경우가 62.1%, 불량인 경우가 2.5%, 그리고 나머지 35.5%는 보통으로 평가된다.7) 종속변수인 주택가격은 해당 주택의 구입시점 가격이 아닌 조사시점 가격-즉, 2012년 5월말 기준 시가-이고, 만원 단위의 호당 가격으로 측정되었으며 분석에서는 자연 로그(log)를 취하였다. 분석에 포함된 주택들의 평균가격은 22,824만원, 최소와 최대는 각각 100만원과 33억원이었으며, 로그를 취한 주택가격의 왜도와 첨도는 각각 −0.63과 4.28로 나타난다.
지역 내 폐가의 비중에 대한 도구변수로 이용된 지역 내 인구 대비 고용에서 인구와 고용은 각각 통계청의 「인구주택총조사」 2010년 자료와 「전국사업체조사」 2010년 자료에서 추출되었다. 이의 평균은 0.384이며, 최소값과 최대값은 각각 0.171과 3.247로 나타난다.8)
IV. 실증분석 결과
<Table 2>는 식 (1)에 대한 회귀분석의 결과를 제시한다. 첫 번째 열은 지역 내 폐가의 비중이 내생성을 지니지 않을 것이라는 가정 하에 OLS(통상의 최소자승추정법)에 의한 추정결과를 보여주는 반면에, 두 번째 열은 내 생성을 고려한 2SLS(2단계 최소추정자승법)에 의한 분석결과에 해당한다.
Table 2.
Regression Results on the Determinants of Housing Prices
| OLS | 2SLS | |
|---|---|---|
| Share of abandoned homes in the area | -0.9560** (-12.64) | -3.9070** (-2.56) |
| Type of housing units | ||
| Apartment | 0.4733** (10.18) | -0.6539 (-1.14) |
| Townhouse | 0.1450 (1.20) | -0.4650 (-1.14) |
| Multiplex housing | -0.0638 (-0.74) | -1.1923** (-2.04) |
| Housing in the non-residential building | 0.6882** (5.07) | 0.2126 (0.70) |
| Dwellings except housing | -0.0785 (-0.93) | -0.8382+ (-1.96) |
| Size of housing units | ||
| More than 40 m2 and at most 60 m2 | 0.3015** (5.60) | 0.2399+ (1.75) |
| More than 60 m2 and at most 85 m2 | 0.5818** (10.89) | 0.4888** (3.44) |
| More than 85 m2 and at most 110 m2 | 1.0655** (17.78) | 0.3913 (1.08) |
| More than 110 m2 and at most 139 m2 | 1.2861** (17.48) | 0.4030 (0.87) |
| More than 139 m2 | 1.4437** (16.73) | 0.4682 (0.93) |
| Year when the housing unit was built | ||
| Between 2005 and 2009 | -0.0924 (-1.34) | -0.0949 (-0.47) |
| Between 2000 and 2004 | -0.2189** (-3.10) | -0.4982** (-2.01) |
| 1999 or before | -0.4346** (-5.73) | -0.6923** (-2.75) |
| Overall quality condition of housing unit | ||
| Moderate | 0.3142** (4.50) | 0.0809 (0.45) |
| Good | 0.4518** (6.05) | 0.2812 (1.57) |
| Constant | 8.8702** (71.40) | 11.2580** (9.07) |
| Adj. R2 | 0.5108 | - |
| Number of observations | 19,093 | |
Note. Numbers in parentheses are robust t-values and errors are assumed to be correlated within the city, county or ward. **, *, and + indicate statistical significance at 1%, 5%, and 10% level, respectively. The base categories for type, size, year, and overall quality condition are the single detached, at most 40 m2, 2010 or later, and bad, respectively.
먼저, OLS추정에서 지역 내 폐가의 비중 이외의 통제변수들에 대한 결과를 살펴보면, 단독주택에 비해 아파트와 비거주용 건물 내 주택에서 상대적으로 가격이 높은 것으로 나타난다. 또한, 주택가격은 주택의 규모와 비례하며, 보다 오래된 주택일수록 낮은 가격을 지니고 주택의 전반적인 상태가 보다 좋을수록 높은 가격을 지니는 것으로 나타나 통상적으로 예측가능한 결과를 보여준다.
지역 내 주택의 수에서 폐가의 수가 차지하는 비중이 높을수록, 해당 지역 내 주택의 가격은 통계적으로 유의하게 낮아지는 것으로 분석된다. <Table 1>에서 지역 내 폐가의 비중은 0.637%의 표준편차를 나타내며, 다른 모든 조건이 동일하다면 지역 내 폐가의 비중이 이의 표준편차만큼 증가하는 경우에 해당 지역 내 주택의 가격은 평균적으로 1.84만원가량 하락하는 것으로 추정된다.9)
하지만, Scafidi et al.(1998)에서와 같이 이론적으로나 실증적으로 주택의 평가가치 대비 시장가치가 낮을수록 주택이 유기될(abandoned) 가능성이 보다 높아지기 때문에 식 (1)에서 설명변수로 포함된 지역 내 폐가의 비중은 내생적으로 결정될 수 있다. 이러한 내생성을 고려한 추정을 위해서는 도구변수를 이용한 2단계 최소자승추정법을 적용할 수 있다. Noh and Yoo(2016)의 실증분석결과에 의하면, 지역 내 빈집-특히, 사유가 ‘기타’로 분류된 빈집-의 비중은 지역 내 인구 대비 고용과 부(−)의 관계를 갖는 것으로 제시된다. 한편, 지역 내 인구 대비 고용은 지역 내 주택의 가격과 연관되었을 것으로 가정하기 어렵기 때문에 도구변수로서 적절할 것이다.10) 특히, 교통기술의 발달과 교통기반시설의 확충으로 원거리 통근이 보편화되어 직장과 주거지가 분리되는 현상이 오늘날 더욱 두드러짐에 따라 주택에 대한 수요와 경제활동 간 지리적 상관성이 점차 낮아진다는 일반적인 사실은 지역 내 인구 대비 고용이 지역 내 폐가의 비중에 대한 도구변수로서 타당함을 부연한다. 또한, 부록의 <Table A1>에 제시된 1단계 회귀분석-지역 내 폐가의 비중을 종속변수로 하고 식 (1)에서의 주택특성 변수들과 도구변수인 지역 내 인구 대비 고용을 설명변수로 하는 회귀분석-의 결과는 Noh and Yoo(2016)에서와 마찬가지로 지역 내 인구대비 고용이 높을수록 지역 내 폐가의 비중이 낮아짐을 보여준다.
<Table 2>에 제시된 2SLS추정결과는 지역 내 폐가의 비중이 이의 표준편차(0.637%)만큼 증가하면 해당 지역 내 주택의 가격은 평균적으로 12.04만원가량 하락하는 것으로 추정된다.11) 즉, 첫 번째 열의 OLS추정결과는 내생성에 대한 고려의 간과로 인해 폐가의 주택가격에 대한 영향을 과소평가할 수 있다.
<Table 3>은 빈집의 지역 내 주택가격에 대한 영향을 해당 빈집의 비어 있는 기간과 파손의 정도에 따라 구분한 결과를 제시한다. 지역 내 주택 가운데 폐가의 비중이 높을수록 해당 지역 내 주택들의 가격은 상대적으로 낮아짐을 <Table 2>에서 볼 수 있었으며, 이러한 폐가의 부정적 외부효과는 해당 폐가의 비어 있는 기간이 상대적으로 길거나 파손의 정도가 심한 경우에 보다 크게 나타남을 <Table 3>에서의 분석결과가 제시한다. 특히, 빈집의 비어 있는 기간이 1년 이상인 경우(−0.2128)의 인근 주택가격에 대한 영향은 1년 미만의 경우(−0.0423)에 비해 5배 이상의 부정적 영향을 미치고, 파손된 빈집(−0.2891)은 파손이 없는 빈집(−0.0754)에 비해 3.8배의 부정적 영향을 미치는 것으로 분석된다. 이는 방치된 빈집의 정비나 처리가 보다 조속하게 이뤄져야 한다는 정책적 함의를 지닌다.
Table 3.
Regression Results on the Determinants of Housing Prices: Duration of Vacancy and Degree of Damage
| Duration of vacancy | Degree of damage | |
|---|---|---|
| Share of abandoned homes in the area | ||
| Duration of vacancy | ||
| Less than one year | -0.0423* (-2.45) | |
| At least one year | -0.2128** (-15.55) | |
| Degree of damage | ||
| Not damaged | -0.0754** (-5.52) | |
| Damaged | -0.2891** (-11.54) | |
| Type of housing units | ||
| Apartment | 0.4172** (9.66) | 0.4183** (9.93) |
| Townhouse | 0.0877 (0.78) | 0.0915 (0.83) |
| Multiplex housing | -0.1515+ (-1.83) | -0.1362 (-1.63) |
| Housing in the non-residential building | 0.6424** (5.04) | 0.6483** (4.92) |
| Dwellings except housing | -0.2722** (-3.13) | -0.1054 (-1.07) |
| Size of housing units | ||
| More than 40 m2 and at most 60 m2 | 0.2662** (5.27) | 0.2816** (5.51) |
| More than 60 m2 and at most 85 m2 | 0.5559** (10.93) | 0.5629** (11.05) |
| More than 85 m2 and at most 110 m2 | 1.0186** (18.19) | 1.0278** (18.21) |
| More than 110 m2 and at most 139 m2 | 1.2303** (17.31) | 1.2397** (17.67) |
| More than 139 m2 | 1.4166** (17.13) | 1.4208** (16.88) |
| Year when the housing unit was built | ||
| Between 2005 and 2009 | -0.1211* (-2.16) | -0.1446* (-2.59) |
| Between 2000 and 2004 | -0.2535** (-4.13) | -0.2840** (-4.73) |
| 1999 or before | -0.4723** (-7.44) | -0.5107** (-8.24) |
| Overall quality condition of housing unit | ||
| Moderate | 0.2942** (4.58) | 0.2959** (4.56) |
| Good | 0.4417** (6.44) | 0.4382** (6.35) |
| Constant | 9.2835** (74.10) | 9.3301** (75.14) |
| Adj. R2 | 0.5548 | 0.5465 |
| Number of observations | 19,093 | |
Note. Numbers in parentheses are robust t-values and errors are assumed to be correlated within the city, county or ward. **, *, and + indicate statistical significance at 1%, 5%, and 10% level, respectively. The base categories for type, size, year, and overall quality condition are the single detached, at most 40 m2, 2010 or later, and bad, respectively.
<Table 4>는 폐가의 부정적인 영향을 보다 직접적으로 보여주고자 지역 내 기존 폐가의 수와 신규 폐가의 관계 -즉, 폐가의 자기-강화적 부정적 이웃효과-를 Tobit모형을 통해 제시한다.12) 3개월 미만 신규 폐가의 발생은 해당 읍면동 내 3개월 이상 기존 폐가의 수에 유의하게 영향을 받는 것으로 나타난다. 열 (1)의 결과에 의하면, 비어있는 기간이 3~6개월 미만에 해당하거나 6~12개월 미만인 경우에 해당 읍면동에서 폐가의 발생을 야기하는 반면에 전자에 비해 후자의 영향이 보다 큰 것으로 분석된다. 하지만, 1년 이상 상대적으로 장기간 버려진 주택의 경우 이의 부정적 이웃효과는 통계적으로 유의하지는 않으며 영향의 정도 역시 매우 작은 것으로 나타난다.13) 이러한 결과는 열 (2)에서와 같이 읍면동이 속한 해당 시군구에 대한 더미변수를 분석에 포함함으로써 지역 간 이질성을 고려한 경우에도 유사하게 나타남을 볼 수 있다.
Table 4.
Self-Reinforcing Negative Neighborhood Effects of Abandoned Homes
| Dependent var.: Number of homes abandoned within three months in the area | ||
|---|---|---|
| (1) | (2) | |
| Number of abandoned homes in the area by the duration of abandonment | ||
| 3 to 6 months | 0.5170+ (1.94) | 0.5961* (1.96) |
| 6 to 12 months | 0.7876** (4.30) | 0.7006** (3.52) |
| At least one year | 0.0058 (1.18) | 0.0164 (1.42) |
| Constant | -9.1460** (-6.27) | -5.7603** (-6.81) |
| Fixed effects | ||
| City, county or ward | - | 250 |
| Pseudo R2 | 0.0857 | 0.1683 |
| Log pseudo-likelihood | -1,660.05 | -1,509.98 |
V. 결 론
본 연구는 폐가의 해당 지역 내 주택가격에 대한 부정적인 영향을 실증적으로 분석한다. 폐가는 경관상으로 부정적일 뿐만 아니라 범죄발생의 장소로 이용될 수 있다는 점에서 인근 주택의 가격을 하락시킬 것으로 예측된다. 통계청의 폐가에 관한 자료와 국토교통부의 주택에 관한 자료를 함께 이용한 실증분석의 결과에 따르면, 지역 내 주택의 수에서 폐가의 수가 차지하는 비중이 이의 표준편차인 0.637%만큼 상승하는 경우에 해당 시군구 내 주택의 가격은 평균적으로 대략 12만원만큼 하락하는 것으로 추정된다. 이러한 결과는 낮은 주택가격이 폐가의 발생가능성을 높일 수 있으며 이로 인해 지역 내 폐가의 비중이 내생적으로 결정될 수 있는 개연성을 고려한다. 또한, 이러한 부정적 외부효과는 해당 빈집의 비어 있는 기간이 길수록 혹은 파손의 정도가 심할수록 보다 크게 나타난다. 더불어, 지역 내 3개월 미만 신규 빈집의 수는 해당 지역 내 기존 빈집의 수에 영향을 받는 것으로 분석되며, 이는 부정적 외부효과가 자기-강화적인 성향을 지녀 지역 내 주거환경에 보다 직접적으로 악순환을 야기함을 함축한다.
폐가로 인한 인근 주택가격의 하락에 대한 정책적 관심은 최근의 저출산고령화, 지방소멸, 한계마을 등의 키워드로 대변되는 우리나라 사회변화 속에서 더욱 커질 수 밖에 없을 것이다. 본 연구의 분석결과는 폐가의 부정적 외부효과를 실증적으로 제시하며, 이는 폐가의 발생 억제 혹은 활용에 대한 정책방안의 마련이 시급함을 나타낸다. 이런 관점에서 정부의 빈집현황에 대한 통계의 구축이나 빈집정비를 위한 다양한 지원책의 모색은 시의적절하다고 평가할 수 있을 것이다. 다만, 빈집의 정비가 막대한 공적 예산을 필요로 하기 때문에 이를 통한 경제적 편익의 추정과 함께 예산 대비 효과성에 대한 분석에 기초하여 빈집정비사업 대상지 선택에서의 우선순위결정 등이 이뤄져야 할 것이다. 이 경우 편익의 가장 큰 항목 가운데 하나로 빈집의 정비에 따른 인근 주택의 가격상승이 고려되어야 할 것이다.
본 연구는 세 개의 자료를 활용하나 이들 간 관측의 지리적 단위가 상이하여 폐가로부터의 지리적 범위의 변화에 따른 부정적 외부효과의 변화에 대한 추정과 같은 세부적인 분석의 수행에 제약이 따르며, 향후 자료의 보완을 수반한 추가적인 분석을 통해 빈집의 정비 등과 관련한 정책의 수립에 있어 기초자료 혹은 근거로 활용될 수 있을 것이다.
