I. 서 론
1. 연구의 배경 및 목적
1960년 이후 산업화와 도시화로 인해 시민의 거주 생활환경은 급변하였고, 도시의 주택 수요초과로 인해 역세권, 직주근접 등이 양호한 지역의 주택가격은 상승하는 결과를 초래하였다. 서민의 생활환경에서 주택은 소비재이면서 투자재로써 중요한 의미를 가지고 있고, 주택 가격의 변동은 가구자산의 증감에 민감한 영향을 미치고 있다.
주택은 단독·다가구, 연립·다세대, 아파트 등 여러유형으로 분류할 수 있는데, 이 중 아파트는 한 해 전체 주택거래의 약 75%를 차지할 정도로 대다수의 시민이 거주하는 대표 생활공간이다. 한편, 주택시장은 매매, 전세, 월세시장으로 구분할 수 있고, 매매나 임차를 목적으로 어떤 주택에 거주할 지를 결정하기 위한 선택을 해야 할 것이다. 소비자가 주거를 위해 지불할 의사가 있는 주택가격은 주거유형을 결정하는데 주요 요소로 작용하게 되는 것이다. 아파트를 포함한 주택은 그 위치가 고정되어 있고, 사회·경제적 요인뿐만 아니라 지역 주변 환경에 따라 영향을 받는다는 것이 사실이다. 이러한 제 요인들이 상호 유기적으로 작용하여 주택 가격을 결정하는 요인은 다양하게 나타난다. 서울의 강남지역의 경우 ‘강남불패’라는 수식어가 따라다닐 정도로 아파트 가격이 높게 상승하였는데, 2010년 이후 전국에서 가장 높은 상승률을 기록할 만큼 서민의 입장에서 강남은 상징적이라고 볼 수 있다.
서울 강남지역만큼 지방의 부동산시장에서 최근 몇 년 사이 뜨거운 지역으로 불리는 곳이 바로 대구시 수성구 지역이다. 수성구는 대구시의 강남으로 불릴 정도로 지역에서 가장 높은 아파트 가격을 형성하고 있는 곳 중 하나이다. 일반적으로 특정 초·중·고교에 대한 학부모의 선호가 높은 학교들이 다수 위치한 지역에 대한 시민들의 주거선호도가 높은 것이 사실이다(Im & Hong, 2015).
한편, 한국감정원에서 발표하는 주택가격동향조사의 아파트 매매가격지수를 보면, 대구시의 연평균 아파트 가격은 2010년 이후 서울 등 수도권을 제외한 5대 광역시 중에서 가장 높은 상승률을 보이고 있다. 또한 수성구는 부산 해운대구 등의 지역과 함께 지방에서 가장 높은 아파트가격 상승을 보이고 있으며, 이로 인해 2017년 9월 투기과열지구로 지정되었다. 이와 같이 대구시 수성구는 다른 지역에 비해 아파트 가격이 높은 상승률을 기록하고 있기에 연구대상지로 선정하였다. 이러한 배경에서 대구시 수성구 아파트 가격에 영향을 주는 요인이 무엇인지를 선별하고, 나아가 단지별 영향력이 요인별에 따른 정도의 차이가 있는지 살펴보고자 한다.
2. 연구의 범위 및 방법
연구의 공간적 범위는 대구 수성구 아파트 총 223개 단지1)이다. 시간적 범위는 전반적인 주택시장 침체를 보인 글로벌 금융위기 이후인 2010년 이후 자료 구축이 가능한 기간인 2011년 1월부터 2017년 12월까지이다.
본 연구에서 사용하는 종속변수인 아파트 가격자료는 한국감정원에서 발표하는 부동산테크2)를 활용하였다. 그러나 아파트 단지의 타입 별 세대수 규모가 서로 상이하기 때문에 발생하는 가격왜곡 현상이 일어날 소지가 있어 부동산테크를 그대로 활용하기는 어려웠다. 이에 본 연구에서는 아파트단지의 전체세대수를 기준으로 평형별가중 평균하여 평균 매매가격으로 변환하는 과정을 다음 식(1)과 같이 수행하였다. 여기에서 i는 구·군 및 읍면동이며, ω는 전체 세대수, P는 평당 가격을 의미한다.
이와 같은 데이터 처리과정을 통해 아파트단지에 대한 가격 및 변수를 시기별 패널데이터로 구축한 다음 각 단지별로 평균하여 횡단면 데이터로 변환하였다. 다음으로 다중회귀분석을 통해 아파트 가격 영향요인을 도출하였고, 지리가중회귀분석을 통해 요인별 영향력 정도를 아파트 단지별로 분석하였다.
II. 선행연구 고찰
주택가격 결정요인을 분석하기 위해 일반적으로 많이 사용하는 헤도닉 모형3)은 사회과학의 분야에서 널리 사용되는 모형이지만 주택 가격 결정요인을 분석 특히, 특정 변수에 초점을 두고 주택시장을 분석하는데 활용된다(Hong & Lee, 2015). 일반적인 헤도닉 모형의 함수식은 다음과 같다.
여기에서 P는 해당 재화의 가격이고, H, N, L은 재화를 구성하는 개별적 특성, f( )는 회귀식의 함수이다(Yang, 2014). 즉, 주택가격과 주택을 구성하는 여러 가지 물리적 특성, 환경적 특성 등을 구성하여 회귀분석을 통해 주택가격에 영향을 미치는 요인을 추정할 수 있는 것이다. 이러한 내용을 바탕으로 주택가격에 영향을 미치는 다양한 변수를 분석하여 주택가격에 미치는 영향을 입증한 기존 연구는 다수 존재하며, 최근에도 활발한 연구가 이뤄지고 있다.
먼저, Hong and Lee(2015)는 과거 10년간 아파트가격에 영향을 미치는 영향요인을 분석하고, 이에 대한 영향력을 시계열적인 흐름과 공간적 변화를 종합적으로 검토하였다.
Jin, Kim and Jin(2016)은 접근성 특성, 주거지역 근린특성, 주택특성, 복합토지이용 요인 특성을 대상으로 아파트가격 영향요인을 도출하였다. Nam and Seo(2017)은 서울시를 대상으로 아파트 특성요인 가치가 재건축 기대에 따라 시계열적으로 어떻게 변화되는지를 분석하였다. Oh and Kim(2017)은 부산을 대상으로 분석한 결과, 아파트 매매가격에 영향을 미치는 요인을 분석, 부산지역 안에서도 ‘高매매가 지역’과 ‘低매매가 지역’의 아파트 가격에 따른 주택시장의 특성에 차별화가 있다는 것을 파악하였다. Choi and Kim(2017)은 항공기소음과 고도제한에 따라 아파트 가격에 영향을 미치고 있음을 통계적으로 분석한 연구도 있었다. Ha, Bae and Lee(2018)은 SRT 고속철도와 철도역이 공동주택 가격에 주는 영향을 분석한 결과, 고속철도 개통공사가 진행됨에 따라 아파트 가격에 더 큰 영향이 있음을 분석하였다.
한편, Choi and Byeon(2016)은 서울시 주택가격 예측력을 제고하기 위하여 공간계량모형을 적용을 통해 이를 개선할 수 있다고 보았다. Nam and Seo(2017)는 서울을 대상으로 지리가중회귀모델을 통해 아파트 가격에 영향을 주는 전철역 접근성 요인이 지역별로 차이가 있음을 분석하였다.
이와 같이 기존 선행연구를 종합해보면 주택의 물리적 특성과 외부환경 특성 등의 영향요인들이 시간의 흐름 또는 지역에 따라 상이하다는 것을 보여주는 연구도 있는 반면, 공간적 의존성과 같은 공간 효과를 적절히 반영한 공간 헤도닉 모형 연구도 있었다.
III. 분석방법 및 변수설정
1. 분석방법
본 연구에서는 앞서 전언한 바와 같이 실증분석을 위해 전통적 헤도닉 모형 기반의 다중회귀분석을 통해 주택가격 영향요인을 1차적으로 선별하고, 선별된 설명변수를 대상으로 공간적 상관성을 반영한 지리가중회귀모형(GWR)을 활용하여 동일 지역의 아파트 단지별로 영향력 정도의 차이가 있는지 파악하고자 하였다. 단, 본 연구에서 활용하고 있는 모형이 아닌 다른 모형을 적용하여 아파트 가격을 유추한다면 또 다른 결과가 도출될 수 있다는 연구의 한계를 가져올 수 있다는 것을 먼저 밝혀둔다.
1) 다중회귀모형
기초통계량을 바탕으로 모형을 설정하여 활용하였고, 특성변수에 대한 데이터 표준화를 통해 서로 다른 데이터들을 분석하고자 한다. 그 이유는 개개의 설명변수와 종속변수간의 관계를 규명하는데 있어 측정단위에 따라 회귀계수가 달라지는데, 동일한 단위로 표준화하여 회귀계수의 크기를 비교하고자 하였다.
따라서 본 연구에서는 주택가격 결정요인을 분석하는데 이용되고 있는 헤도닉 모형 기반의 다중회귀분석(Multiple Regression analysis)을 이용하였고, 다음 식(3)과 같이 나타낼 수 있다.
2) 지리가중회귀모형(GWR)
전통적 회귀분석은 공간상관성, 공간의존성 등 공간영향의 존재에 관한 가정을 반영하지 못하고 있다(Kim, 2003). 통상적으로 공간 속성을 가진 데이터는 지리적으로 인접한 객체들 간에 더 밀접한 관련성을 가지는 특징을 지니고 있다(Tobler, 1970).
이에 본 연구에서는 이러한 지리적 인접에 따른 공간적 자기상관과 공간적 이질성을 고려하고자 지리가중회귀분석(Geographically weighted regression)을 실시하였다.
이는 공간적으로 다른 위치에 있는 데이터에 대해 각각의 회귀모형을 적용하여 분석하는 것으로 회귀계수가 지역적으로 다르다는 것을 간주하여 국지적으로 분석을 하는 것이다. 즉, 전통적 회귀분석 결과에 거리 가중치를 부여하는 것이며, 공간적 좌표(Ui, Vi)를 갖고 있는 어떤한 지점 i에서 추정할 수 있는 회귀모형은 식(4)와 같이 표현할 수 있다.
여기서 공간적 자기상관성을 측정하는 방법으로 Moran’s Index를 활용하여 정적인 또는 부적인 상관성을 측정할 수 있다. 정적인 상관성은 이웃하는 지역들과 더 유사한 특성이 나타나는 것이며, 부적인 상관성은 가까운 이웃보다 멀리 떨어진 지역과 유사성이 있음을 의미한다. Moran’s I의 값은 −1과 1 사이의 값을 가지며, −1에 가까울수록 부적인 자기상관, 1에 가까울수록 정적인 자기 상관을 가진다.
2. 변수설정
본 연구에서 사용한 변수는 선행연구 결과를 참고하여 통계적으로 유의미하게 나타난 특성변수 44개 중 3회 이상 반복적으로 도출된 14개를 선별하였고, 이 중 자료구축이 가능한 특성변수 13개를 <Table 1>과 같이 도출하였다.4) 한편, 경과연수 제곱을 변수로 설정한 이유는 아파트는 신축 후 시간이 경과함에 따라 가격이 하락하였다가 재건축 시점에 다시 상승하는 특성을 보인다. 따라서 이를 선형으로 보정하기 위해 제곱을 실시하여 변수로 추가하였다. 또한 학군에 대한 변수의 자료는 본 연구에서 설문조사를 통해서 설정하였고, 조사 결과는 후술한다.
Table 1.
Definition of The Variable
도출된 특성변수 중 전체 세대수, 경과연수, 난방방식, 최고 층수, 용적률은 건축물대장을 통해 구축하였다. 지하철 역까지의 거리는 GIS 네트워크 분석을 활용하여 아파트 단지 중심에서 가장 가까운 지하철역까지의 거리를 추출하였다. 초중고 학교거리는 교육청 학구도 안내서비스를 이용하였다. 아파트 브랜드는 매년 발표하는 건설사 시공능력평가순위(2011~2017)를 활용했고, 진입도로 너비는 지적도를 사용하였다. 학군변수는 학교별 학업성취도 평가 자료구득의 한계로 인해 공인중개사 설문조사5)를 통해 구축하였다. 설문조사는 2019년 3월 20일~4월 19일까지 진행되었으며, 수성구 지역에 위치한 공인중개사를 대상으로 하였다. 이는 수성구의 각 아파트 단지에서 가장 가까이 진학할 수 있는 일반 고등학교가 아파트 가격에 영향력 정도를 분석하고자 하였기 때문이다.
설문항목은 성별, 연령, 중개업 경력, 그리고 아파트 가격 영향력 정도에 대한 7점 리커트 척도이다. 설문에 응답한 151명의 결과 값은 <Table 2>와 같으며, 설문조사의 표본오차는 95% 신뢰수준에 ±6% 수준으로 나타났다.
Table 2.
Results of The School Preference Survey
설문결과에서 아파트 가격 영향력이 가장 높은 학교는 B고등학교(6.94)로 나타났고, 다음으로 G고등학교(6.78), L고등학교(6.53) 순으로 나타났다.
전술한 각 자료를 분석한 결과 각 변수의 기초통계량은 <Table 3>과 같다. 종속변수인 아파트 단지의 평균 매매가격은 3.3 m2 당 약 848.7만원이며, 평균 경과연수는 15.7년, 경과연수 제곱은 323.8년으로 나타났다. 평균 전체 세대수는 411.7세대, 초등학교 거리 평균은 376.5 m, 중학교 거리 평균 533.7 m, 고등학교 거리 평균은 874.2 m, 학군의 평균점수는 5.0점, 지하철역 거리는 556.1 m 등으로 나타났다.
Table 3.
Description Statistics of Apartment Complex Characteristic Variables
IV. 분석 결과
1. 다중회귀모형 분석결과
본 연구에서 대구시 수성구의 아파트가격 결정요인에 대한 다중회귀모형과 지리가중회귀모형을 분석하였다. 먼저, 다중회귀모형에서의 계수는 전역적 계수치만 나타나는 반면, 공간회귀모형에서는 국지적 계수치인 공간 단위를 고려한 계수 값을 갖게 된다. 분석에 앞서 설명변수의 다중공선성(Multicollinearity)이 나타나는지를 VIF (Variance Inflation Factor)를 측정한 결과 설명변수 모두 VIF 값이 10보다 낮게 도출되어 다중공선성은 존재하지 않는 것을 확인하였다. <Table 4>의 다중회귀분석의 결과를 살펴보면, 설명력을 나타내는 수정 R2 결정계수는 모형1은 0.5420, 모형2는 0.4584로 나타났다. 먼저, 모형1에서는 경과연수, 고등학교거리, 학군, 아파트 브랜드의 변수가 통계적으로 유의미한 것으로 도출되었고, 모형2에서는 난방방식의 변수가 추가로 나타났다. 여기서 경과 연수와 고등학교 거리는 상관계수가 음(−)의 방향으로 나타났다. 이는 아파트를 신축하고 시간이 경과할수록 가격은 하락하고 있으며, 해당 단지와 고등학교의 거리가 멀어질수록 가격이 점점 낮아지는 것을 의미한다. 반면, 학군과 아파트 브랜드, 난방방식 변수는 각각 양(+)의 방향으로 나타났다.
Table 4.
Result of Multiple Regression Analysis
학군 변수의 경우 단위가 높아질수록 아파트 가격이 높아지는 것은 고등학교 거리변수와 함께 학부모들이 자녀들을 주거지와 가까운 명문 고등학교에 진학시키고 싶어하는 수요가 반영된 결과로 판단된다. 또한 아파트가 소비자 인지도가 높은 상위 브랜드(시공사)이며, 개별난방 방식일수록 아파트 가격이 높아지는 것을 의미한다. 이와같이 경과연수, 고등학교 거리, 학군, 브랜드, 난방방식에 따라 아파트 가격에 영향을 준다는 것을 알 수 있다.
2. 지리가중회귀모형 분석결과
지리가중회귀모형을 분석하기 전, 공간적 자기상관성이 있는지를 Moran’s I 지수를 분석한 결과, 그 값이 0.58119로 공간적 자기상관성이 높은 것을 확인할 수 있다.
공간적 자기상관성이 높을 경우, 지리가중회귀모형을 통해 인접한 지역끼리 국지적으로 분석할 수 있으며, 모형1을 분석한 결과는 <Table 5>와 같이 나타났다.
Table 5.
Result of Geographically Weighted Regression (M1)
다중회귀모형 모형2를 지리가중회귀 분석을 실시한 결과, <Table 6>과 같이 R2 결정계수 값이 0.5771로 GWR모형 1과 비교하여 설명력이 낮은 것으로 나나타났다. 따라서 모형 1을 기준으로 지리적 영향력의 분포를 분석하였으며, <Figure 4>와 같이 확인할 수 있다. 지리가중회귀분석에서 추정된 회귀계수의 값을 요인별로 살펴보면, 경과연수의 경우 황금동, 범어동, 만촌동의 지역이 사월동, 시지동 지역보다 아파트 신축 후 시간이 경과할수록 가격하락의 영향력이 낮은 것으로 나타났다. 고등학교 거리변수의 경우 고등학교와의 거리가 멀어짐에 따라 아파트 가격이 하락하는 영향력 수준이 황금동, 범어동 지역이 수성동4가, 상동, 중동 등의 지역보다 상대적으로 낮은 것으로 나타났다. 그리고 학군 변수에서는 황금동, 범어동, 수성동4가 지역이 욱수동, 시지동, 신매동 지역 보다 아파트 가격 상승의 영향력이 상대적으로 높은 것으로 나타났다. 다만, 범어동 지역의 일부 아파트의 경우, 학군의 영향력이 인접 지역의 아파트 단지보다 낮은 것을 확인할 수 있는데 이는 해당 단지에서 가장 가까운 고등학교에 대한 학군 점수가 주변 학교보다 다소 낮게 나타난 결과로 풀이된다. 브랜드 변수에서는 두산동, 황금동 지역이 만촌동, 범어동 등의 지역보다 아파트 가격의 영향력이 높은 것을 확인할 수 있다. 마지막으로 난방방식 변수의 경우 학군변수와 유사한 결과로 나타났는데, 황금동, 두산동 지역의 아파트가 범어동, 만촌동 일부 지역보다 가격의 영향력이 상대적으로 높은 것으로 나타났다.
Table 6.
Result of Geographically Weighted Regression (M2)
Figure 4.
Regional Differences on Influence Factors in Suseong-gu, Daegu
Note. 1) The apartment price level is a distribution of coefficients standardized by taking log values of apartment sale prices.
2) Unmarked areas without color indicate areas where no analysis data exists.
이와 같은 분석결과는 기존 선행연구에서 나타난 학군, 브랜드 등의 요인이 아파트 가격에 미친다는 선행연구와 다르지 않은 결과이다. 하지만 본 연구에서는 지리가중회귀모형을 통해 아파트가격 영향요인에 대한 국지적으로 나타난 영향력의 범위를 분석하고, 이를 시각적으로 볼 수 있었다는 점에서 기존 연구와 차별성을 가진다.
V. 연구결과 및 제언
본 연구는 대구시 수성구 아파트 단지를 대상으로 가격에 영향을 주는 요인이 무엇인지를 선별하여, 지리적 위치에 따른 요인별 영향력 수준의 차이를 분석하였다.
분석을 위해 2011년 1월부터 2017년 12월까지 데이터를 구축하였고, 이를 헤도닉 모형 기반의 다중회귀분석과 지리가중회귀모형을 활용하여 분석한 결과를 정리하면 다음과 같다.
첫째, 분석에 활용한 특성변수 12개 중 경과연수, 고등학교 거리, 학군, 아파트 브랜드 변수와 난방방식 변수가 아파트 가격결정에 통계적으로 유의성이 있는 것으로 도출되었다. 여기에서 경과연수와 고등학교 거리 변수는 음(−)의 상관관계를 가지는 것으로 나타났고, 학군과 브랜드, 난방방식 변수는 양(+)의 상관관계가 있는 것으로 나타났다. 특히 학군 변수와 같이 아파트 단지와 가까이 위치한 학교의 선호도가 높을수록 아파트 가격 상승에 영향을 주는 것을 확인할 수 있었으며, 이와 반대로 해당 단지에서 고등학교까지의 거리가 멀어질수록 가격은 낮아지는 것으로 나타났다. 또한 시공사의 시공능력평가 순위가 높은 아파트 브랜드일수록 가격형성에 영향력이 있는 것을 확인하였다. 이러한 분석결과를 통해 알 수 있듯이 정부 차원에서 학군의 재배치나 아파트 브랜드에 따른 주택건설사업 인·허가 등을 조절하여 주거지 형평성을 고려한 주택정책을 고려해야 할 필요가 있다.
둘째, 앞서 도출된 유의미한 변수를 수성구 내 지역적 수준의 가격 영향력을 살펴본 결과, 경과연수 및 고등학교 거리 변수의 경우 황금동, 범어동 인근에 위치한 아파트 단지들이 시간경과에 따른 가격 하락 영향력이 낮게 나타났다. 학군 변수의 황금동, 범어동, 수성동4가 지역이 타 지역에 위치한 아파트 단지보다 가격 상승에 영향력이 높았으며, 브랜드 변수에서는 두산동, 황금동 지역이 높았고, 난방방식에서는 황금동, 두산동 지역의 아파트 가격 영향력이 높은 것을 확인할 수 있었다. 이와 같이 분석을 통해 나타난 유의미한 요인들에 대한 영향성 범위정도를 가시적으로 분석하였다는 점에서 기존 연구와 차별성을 가진다. 또한 공간계량 모형을 활용한 방법론을 적용한다면 다른 대도시 지역의 아파트 가격형성요인을 분석할 수 있다는 점에서 의의가 있을 것이다.
그러나 본 연구에서 활용한 모형이외 다른 모형을 적용하여 아파트 가격을 유추한다면 또 다른 결과가 도출될 수 있다는 한계점이 있다. 학군, 브랜드 등 구축된 변수와 더불어 공공시설 및 편의시설 접근성, 혐오시설 여부 등 추가적인 변수를 구축하여 활용한다면 더욱 구체적인 분석결과가 나타날 것으로 기대된다. 향후 이러한 내용에 따라서 추가적인 연구를 통하여 밝혀나갈 예정이다.
