[논문]수도권과 지방 주택매매가격의 동조화 변화 분석

장한익

doi:10.5804/lhij.2019.10.1.009

수도권과 지방 주택매매가격의 동조화 변화 분석
A Co-movement Analysis of Housing Purchase Price of Capital and Non-Capital Area 원문보기

LHI journal of land, housing, and urban affairs, v.10 no.1, 2019년, pp.9 - 18

장한익 (한국주택금융공사)

Abstract ▼ AI-Helper

This study examined the dynamic change in the co-movement between the house price rates with the network methods of Mantegna (1999). First, Capital area and non-capital area form independent clusters which have the heterogeneous co-movement pattern. In other words, Capital and non-capital areas have low connectivity in the housing market. Also, if the co-movement between capital areas have been strengthened, the co-movement between non-capital areas have been weakened. The results of the dynamic analysis show that the degree of the co-movement in the housing market is continuously increased. The members of the co-movement group in the capital area are strongly steadied by all periods. However, the members in the non-capital area have been changed according to the period. Accordingly, it is necessary to establish policies based on various information for the housing market of the non-capital area rather than policies targeting the capital area. In addition, Apartments in Korea are more likely to be used as investment or speculative assets than other types of houses. It has been confirmed that this is Gangbuk, which is locatied in the northern part of Seoul, appears to be a region where the Spillover Effects of price fluctuation can be triggered in the housing and apartment market. However, the housing market in Gangnam, which is locatied in the southern part of Seoul, was divided into low systematic risk.

주제어

표/그림 (28)

그림 Fig. 1. Change Rates(%, Mean)
그림 Fig. 2. Correlation Coefficients(N.Seoul)
그림 Fiig. 3. Correlation Coefficients(S.Seoul)
표 Table 1. Descriptive Statistics(House)
표 Table 2. Descriptive Statistics(APT)
그림 Fig. 4. Minimum Spanning Tree(All Sample Period, House)
그림 Fig. 5. Hierarchical Tree(All Sample Period, House)
그림 Fig. 6. Minimum Spanning Tree(All Sample Period, APT)
그림 Fig. 7. Hierarchical Tree(All Sample Period, APT)
그림 Fig. 8. The Region of Maximum Number of Nodes(House)
그림 Fig. 9. The Region of Maximum Number of Nodes(APT)
표 Table 3. Housing Market and Policy Patterns by Government
그림 Fig. 10. Minimum Spanning Tree Length with Rolling Window
그림 Fig. 11. Minimum Spanning Tree Length(House)
그림 Fig. 12. Minimum Spanning Tree Length(APT)
그림 Fig. 13. Minimum Spanning Tree with 0 Break Point(House)
표 Table 4. Bai and Perron Test
그림 Fig. 14. Hierarchical Tree with 0 Break Point(House)
그림 Fig. 15. Minimum Spanning Tree with 1st Break Point(House)
그림 Fig. 16. Hierarchical Tree with 1st Break Point(House)
그림 Fig. 17. Minimum Spanning Tree with 2nd Break Point(House)
그림 Fig. 18. Hierarchical Tree with 2nd Break Point(House)
그림 Fig. 19. Minimum Spanning Tree with 0 Break Point(APT)
그림 Fig. 20. Hierarchical Tree with 0 Break Point(APT)
그림 Fig. 21. Minimum Spanning Tree with 1st Break Point(APT)
그림 Fig. 22. Hierarchical Tree wiht 1st Break Point(APT)
그림 Fig. 23. Minimum Spanning Tree wiht 2nd Break Point(APT)
그림 Fig. 24. Hierarchical Tree with 2nd Break Point(APT)

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

따라서 본 연구는 최소신장트리 (Minimum Spanning Tree, MST), 계층트리 (Hierarchical Tree) 등의 네트워크 분석을 통해 다음과 같은 내용을 확인하고자 하였다. 우선, 주택가격 변화 간의 동조성을 수치화하고 시각적으로 표현하여 지역적 연계성과 독립성을 직관적으로 파악한다.
지역만을 네트워크 분석에 적용하고 있다. 따라서 본연구는 이런 지리적 제약을 완화하고 정부의 정책 기조를 고려하여 주택시장의 동조성을 기간별로 네트워크 분석으로 살펴봄으로써 기존 선행연구와 차별성을 부여하였다.
시간에 따른 MST의 변화를 분석하기 위해 본 연구에서는 Rolling Regression 분석을 수행한다. 이때 Window 는 50개월이며 해당 표본 수는 정부의 정책기조 변화에 따른 효과를 살펴보기 위해 표본기간 내 첫 번째 정부인 노무현 정부의 표본구간을 기준으로 하였다.
마지막으로 정부의 부동산 정책 기조에 대한 파급효과가지역 별로 동일한지 아니 면 차별적 인지 분석한다. 이를 통해 연계성이 강한 지역은 동일한 정책을 독립성이 강한 지역은 차별적 정책을 통해 주택시장 안정화 또는 활성화 정책을 수립할 수 있는 기초자료를 제공하고자 한다.
일반재화에 대한 수요형태인 주거의 목적으로 사용된다면 입지의 고정성이라는 특성이 부각되면서 지역별 주택수급, 인구의 유출입, 지역 편의시설 등 영향을 크게 받게 된다. 이와 같은 경로는 특정지역에서 편의, 생활 및 교육 여건, 직주거리의 이점 등이 부각되어 주택수요가 증가하고 주택가격 이 상승하면서 형성된 높은 수준의 주택가격이 부담스러운 실수요자는 타 지 역으로 이주를 통해 주거비 부담을 줄이고자 한다. 이는 타 지역의 주택수급에 영향을 미쳐 해당 지역의 주택가격에 영향을 미칠 수 있다.

제안 방법

대한 기초통계량을 살펴보기로 한다. Fig. 1을 통해 47개 지역에 대한 주택 및 아파트 매매가격 변화율을 정리하였으며, 지면 절약하기 위해 세부적인 기초통계량은 Table 1과 Table 2를 통해 서울 및 6대 광역시에 대한주택과 아파트 매매가격 변화율로 한정하여 살펴보았다. 우선 Table 1의 주택매매가격 변화율의 평균을 살펴보면, 표본기간에 강남(S.
다음으로는 50개월의 Window을 통해 표본이동으로 동태적으로 동조성의 변화를 살펴보았다. 이를 통해 Table 3과 같이 주택정책기조의 변화가 동조성이 미치는 영향을 반영하고자 하였다.
통해 정 . 동태적으로 살펴보았다.
다음으로 이런 동조성이 시간에 따라 변화하는지 또는 일정한지 살펴본다. 마지막으로 정부의 부동산 정책 기조에 대한 파급효과가지역 별로 동일한지 아니 면 차별적 인지 분석한다. 이를 통해 연계성이 강한 지역은 동일한 정책을 독립성이 강한 지역은 차별적 정책을 통해 주택시장 안정화 또는 활성화 정책을 수립할 수 있는 기초자료를 제공하고자 한다.
본 장에서는 각 지역의 주택 또는 아파트 매매가격지수변화율 간의 상관계수를 구하고 (식 1)으로 Mantegna(1999) 의 거리계수로 전환하고 MST와 계층트리로 구축하여 네트워크 분석을 통해 변화율 간 동조성 변화를 살펴본다.
우선, 주택가격 변화 간의 동조성을 수치화하고 시각적으로 표현하여 지역적 연계성과 독립성을 직관적으로 파악한다. 다음으로 이런 동조성이 시간에 따라 변화하는지 또는 일정한지 살펴본다.
2004년 4월부터 2008년 5월까지의 최초 표본구간을 통해 MST를 추정하고 두 번째 표본은 2004년 4월 자료는 제외하고 2008년 6월 자료를 포함하여 다시 MST 추정한다. 이와 같은 과정을 순차적으로 적용하여 표본구간을 이동하면서 구축한 MST가어 떻게 변화하는지 를 시 계 열적으로 살펴 보았다.

대상 데이터

이때 Window 는 50개월이며 해당 표본 수는 정부의 정책기조 변화에 따른 효과를 살펴보기 위해 표본기간 내 첫 번째 정부인 노무현 정부의 표본구간을 기준으로 하였다. 2004년 4월부터 2008년 5월까지의 최초 표본구간을 통해 MST를 추정하고 두 번째 표본은 2004년 4월 자료는 제외하고 2008년 6월 자료를 포함하여 다시 MST 추정한다. 이와 같은 과정을 순차적으로 적용하여 표본구간을 이동하면서 구축한 MST가어 떻게 변화하는지 를 시 계 열적으로 살펴 보았다.
분석기간은 200皿년 4월부터 2019년 4월까지이며, 표본크기는 각 181개이다'). 각 지역의 주택 (아파트)매매가격지수는 변화에 따른 동조화 현상을 살펴보기 위해 로그 차분하여 변화율(%)로 전환하였다2) 주택(아파트)매매가격지수는 KB국민은행 Liiv on의 자료를 사용하였다.
본 연구에서는 서울(강남, 강북), 6대 광역시(부산, 대구, 인천, 광주, 대전, 울산), 경기(수원, 성남, 고양, 안양, 부천, 의정부, 광명, 평택, 안산, 과천, 구리, 남양주, 용인, 시흥, 군포, 파주, 이천, 김포, 화성), 강원(춘천, 원주), 충청(청주, 충주, 천안, 공주, 아산, 논산), 전라(전주, 익산, 군산, 목포, 순천), 경상(포항, 구미, 경산, 창원, 진주, 김해), 제주 등 47개 지역에 대한 월별 주택가격지수를 사용하였다. 분석기간은 200皿년 4월부터 2019년 4월까지이며, 표본크기는 각 181개이다').
사용하였다. 분석기간은 200皿년 4월부터 2019년 4월까지이며, 표본크기는 각 181개이다'). 각 지역의 주택 (아파트)매매가격지수는 변화에 따른 동조화 현상을 살펴보기 위해 로그 차분하여 변화율(%)로 전환하였다2) 주택(아파트)매매가격지수는 KB국민은행 Liiv on의 자료를 사용하였다.

이론/모형

본 연구에서는 Bai and Perrion(1998, 2003) 의 다수의 구조변화(Multiple Structural Breaks) 검정의 통해 Fig. 10의 주택과 아파트 매매가격지수 변화율 간 초 거리에 대한 구조변화 시점을 검정하고 Table 4로 정리하였다.
구성하는 방법론이다. 우선, 각 지역별 주택가격변화율 간의 상관계수를 Mantegna(1999)의 과정에 따라거 리 계수로 전환하여 상호연관성 을 파악한다. 상관계수를 거리계수로 전환하는 방법은 다음과 같은 식을 통해 이루어진다.

성능/효과

Fig. 11과 Fig. 12를 통해서 수도권과 지방의 동조 성 차이를 살펴보면 수도권의 주택과 아파트 매매가격지수변화율 간 동조성이 강화되면 지방의 해당 변화율 간 동조성은 약화되는 것으로 나타났다. 이런 변화는 Fig.
대체로 강북과 강남은 주로 수도권 지 역과의 상관계수가 높게 나타나고 있다. 강남은 성남, 용인, 과천, 안양, 군포 등 지리적 근접성이 높은 지역과의 상관계수가 높게 나타났으나 강북의 경우 부천, 광명, 남양주 등과의 상관계수가 높게 나타나면서 지리적 근접성 에 대한 중요도가 강남보다 상대적으로 낮게 나타났다. 또한 Fig.
결과를 종합해보면 수도권과 지방의 주택시장에서 가격 변화의 동조성은 동질적인 관계가 아닌 것으로 확인된다. 이런 관계의 근거는 수도권의 동조성 강화와 지방의 동조성 약화가 동시적으로 발생한다는 사실을 통해 확인할 수 있다.
두 번째 구조변화가 발생한 시점(2 Break)에 대한 MST와 계층트리를 Fig. 17과 Fig. 18을 통해 살펴보면 수도권 내 동조성이 이전 시점보다 통합된 것으로 나타났다. 반면, 지방은 지역별로 세분화된 군집을 형성하였다.
강남은 성남, 용인, 과천, 안양, 군포 등 지리적 근접성이 높은 지역과의 상관계수가 높게 나타났으나 강북의 경우 부천, 광명, 남양주 등과의 상관계수가 높게 나타나면서 지리적 근접성 에 대한 중요도가 강남보다 상대적으로 낮게 나타났다. 또한 Fig. 2와 Fig. 3을 통해 표본기간에서 서울(강북, 강남)과 수도권 또는 지방간의 상관관계가 극명하게 분리되어 있음을 확인할 수 있다. 이를 통해 수도권과 지방은 이질적인 요인에 의한 비동조성이 더 크게 나타나고 있다.
7에서 부산, 창원, 김해의 경우는 지리적 인접성이 높은 지역으로 수도권과 같이 변화율 간의 동조성이 강한 군집을 형성하는 것을 확인할 수 있다. 또한 서울 내 강북과 강남 간의 동조성은 여타 수도권 지역과의 동조성보다 약한 것으로 나타났다.
수도권에서 개별 지역 간의 동조성은 큰 변화를 보이지 않았으나 수도권 전반적인 동조성은 강화되었다. 또한 지방간의 동조성 강화는 수도권 간의 동조성 강화와 달리 지리적 인접성과의 관련성이 낮은 것으로 확인되었다.
또한 최고치와 최저치를 살펴보면 최고치의 절대 값이 최저치의 절대값보다 모든 지역에서 더 높은 것으로 나타나면서 주택가격 변화의 하방경직성을 확인할 수 있다. 이는 지속적으로 주택시장의 상승을 기대하는 심리를 형성하는 요인으로 작용하였다고 추정할 수 있다.
이는 지속적으로 주택시장의 상승을 기대하는 심리를 형성하는 요인으로 작용하였다고 추정할 수 있다. 또한 표준편차를 통해 아파트 시장의 변동성이 전체적인 주택시장의 변동성보다 높게 나타나면서 아파트 시장이 투기적 인 시장으로 나타났다. 특히 Table 2에서 서울(강북, 강남)이 0.
이런 동조성 변동은 정부의 주택정책 기조와는 크게 연관성이 없는 것으로 확인된다. 본 연구를 통해 주택시장의 가격 변화 간의 동조성은 시간에 따라 동태적으로 변화하고 있으며, 지리적 요인뿐만 아니라 다양한 요인이 동조성의 변화에 영향을 주는 것으로 유추할 수 있다. 추가적으로 전체 표본기간에서는 서울이 체계적 위험이 낮은 주택시장이었으나 동태적으로 살펴보면 서울 중 강북이 체계적 위험이 높은 지역인 것을 확인할 수 있다.
우선 수도권과 지방은 서로 독립된 군집을 형성하여 이질적인 성격의 동조성이 강화되는 것으로 나타났다. 즉, 수도권과 지방의 연계성이 낮으며, 수도권의 주택시장 간 동조성 강화는 지방의 주택시장 간 동조성 약화와 연관성이 있는 것으로 확인되었다.
9를 통해 각 시점마다 다른 결절과 연결된 수가 가장 많은 지역을 살펴보았다. 우선, Fig. 8을 통해 주택 매매가격지수 변화율을 살펴보면 노무현 정부에서 이명박 정부로 넘어가는 표본 기간에서는 대구지역에 대한 체계적 위험이 가장 높게 나타났으며, 박근혜 정부로 넘어가면서 강북지역에 대한 체계적 위험 이 가장 높았던 것으로 나타났다. 가장 최근의 표본 기간에서는 울산의 체계적 위험이 높다는 것을 확인할 수 있다.
주택 및 아파트 시장에서 가격변동의 파급효과가 촉발될 수 있는 지역으로 일반적으로 인식되었던 강남이 아닌 강북인 것으로 확인되었다. 또한 강남의 주택시장은 체계적 위험이 낮아 안정적 시장으로 구분되었다.
나타났다. 즉, 수도권과 지방의 연계성이 낮으며, 수도권의 주택시장 간 동조성 강화는 지방의 주택시장 간 동조성 약화와 연관성이 있는 것으로 확인되었다.
추가적으로 전체 표본기간에서는 서울이 체계적 위험이 낮은 주택시장이었으나 동태적으로 살펴보면 서울 중 강북이 체계적 위험이 높은 지역인 것을 확인할 수 있다. 즉, 주택가격의 변화에 가장 민감하고 파급효과가 큰 지역은 서울의 강북지역으로 나타났다.
그 다음으로 강남, 강북, 대구(DAEGU) 순으로 나타났다. 표본 기간 중 가장 높은 증가율을 보여주는 지역은 Table 1과 Table 2에서 모두 강남으로 각각 5.28%, 6.29%로 나타났다. Table 1과 Table 2를 비교하면 아파트 가격의 증가율이 주택가격의 증가율보다 높게 나타나고 있다.

참고문헌 (34)

고일용, 이승국(2007), "포트폴리오의 편중리스크 분석을 위한 새로운 접근법에 관한 연구: 네트워크 기반의 MST기법을 중심으로", 금융리스크리뷰, 봄호: 70-95.
김경민(2007), "강남지역의 아파트가격 변화가 전국에 미치는 영향", 국토계획, 42(2): 137-161.

상세보기
김경훈, 장호면(2016), "주택시장 변동의 지역간 인과성 비교분석", 한국산학기술학회논문지, 17(3): 518-527.

원문보기 상세보기
김광수, 문규현(2011), "전국과 서울주택시장간의 매매와 전세가격의 정보이전 메커니즘을 통한 전략적 접근에 관한 연구", 대한경영학회지, 24(6): 3137-3155.

상세보기
김상진, 이강용, 정준호(2016), "아파트 전월세전환율과 시장금리와의 동조화 및 지역별 차이", 경제연구, 34(4): 51-77.
김세완, 박기정(2006), "주택가격의 동태적 특성과 지역 인과성에 관한 연구", 지역연구, 22(2): 55-78.
박영준, 김기호(2017), "수도권 주택가격 변동의 동조화와 변동성 전이", 부동산학보, 69: 131-145.
서승환(2007), "주택가격 변화의 지역연관성에 관한 연구", 서울도시연구, 8(4): 2-13.
이근영(2011), "유가충격이 거시경제변수에 미치는 영향", 금융연구, 25(4): 59-93.
이종아, 정준호(2010), "주택 자본자산가격결정모형(Capital Asset Pricing Model)을 활용한 위험과 수익 분석: 서울 강남 3개구 아파트시장의 경우", 한국경제지리학회지, 13(2): 234-252.

원문보기 상세보기
이종인(2015), "우리나라 주택정책의 추진 방향에 관한 연구", 소비자문제연구, 46(1): 53-67.
이진, 이항용(2018), "서울 자치구별 주택가격 간의 장 단기 동조화", 한국경제의 분석, 24(2): 43-74.
이항용, 이진(2014), "아파트 매매가격의 지역 간 전이 효과", 국토연구, 82: 5-28.
장병기(2014), "주택가격의 지역 간 전이 효과와 시간 가변 특성", 주택연구, 22(2): 5-28.
전형철, 형남원(2018), "주택의 매매 및 전세가격의 확산효과에 대한 분석: 강남효과를 중심으로", 주택연구, 26(1): 63-88.
정주희(2011), "주택가격과 거래량의 지역 간 인과관계 및 시.공간적 파급효과 분석: 수도권 아파트시장을 중심으로", 주택연구, 19(4): 177-203.
정준호(2014), "주택시장의 네트워크 구조 분석: 수도권 아파트 매매시장의 사례", 한국경제지리학회지, 17(2): 280-295.

원문보기 상세보기
천인호, 김진수(2006), "서울아파트 가격이 6대 광역시 아파트 가격에 미치는 영향", 지역사회연구, 14(4): 181-200.

상세보기
Andersen, T. G., T. Bollerslev, F. X. Diebold and H. Ebens(2001), "The distribution of realized stock return volatility", Journal of Financial Economics, 61(1): 43-76.

상세보기
Antonakakis, N., I. Chatziantoniou, C. Floros,(2015), "Dynamic Connectedness of UK Regional Property Prices", MPRA Paper, 68421.
Bai, J. and P. Perron(1998), "Estimating and Testing Linear Models with Multiple Structural Changes", Econometrica, 66(1): 47-78.

상세보기
Bai, J. and P. Perron(2003), "Computation and Analys is of Multiple Structural Change Models", Journal of Applied Econometrics, 18(1): 1-22.

상세보기
Berg, L.(2002), "Prices on the Second-hand Market for Swedish Family Houses: Correlation, Causation and Determinantsm", European Journal of Housing Policy, 2(1): 1-24.
Chen, P., M. Chien and C. Lee(2011), "Dynamic Modeling of Regional House Price Diffusion in Taiwan", Journal of Housing Economics, 20(4): 315-332.

상세보기
Coelho, R., C. G. Gilmore, B. Lucey, P. Richmond and S. Hutzler(2007), "The evolution of interdependence in world equity markets: Evidence from minimum spanning trees", Physica A: Statistical Mechanics and its Applications, 376: 455-466.

상세보기
Gower, J. C. and G. J. S. Ross(1969), "Minimum spanning trees and single linkage cluster analysis", Journal of the Royal Statistical Society. Series C (Applied Statistics), 18(1): 54-64.

상세보기
Liu, C., Z. Q. Luo, L. Ma and D. Picken(2008), "Identifying House Price Diffusion Patterns among Australian State Capital Cities", International Journal of Strategic Property Management, 12: 237-250.

상세보기
Mantegna, R. N.(1999), "Hierarchical structure in Financial markets", The European Physics Journal B, 11: 193-197.
Mantegna, R. N. and H. E. Stanley(2000), "An Introduction to Econo-physics: Correlations and Complexity in Finance", Cambridge: Cambridge University Press.
Meen, G.(1999), "Regional House Prices and the Ripple Effect: a New Interpretation", Housing Studies, 14: 733-753.

상세보기
Onnela, J.-P., A. Chakraborti, K. Kaski, J. Kertesz and A. Kanto(2003), "Dynamics of market correlations: taxonomy and portfolio analysis", Physical Review E, 68 (056110): 1-12.
Pollakowski, H. O. and T. S. Ray(1997), "Housing Price Diffusion Patterns at Different Aggregation Levels: an Examination of Housing Market Efficiency", Journal of Housing Research, 8, 107-124.

상세보기
Smith, R. D.(2009), "The spread of the credit crisis: view from a stock correlation network", Journal of the Korean Physical Society, 54(6): 2460-2463.

상세보기
Stevenson, S.(2004), "House Price Diffusion and Inter-regional and Cross-border House Price Dynamics", Journal of Property Research, 21: 301-320.

상세보기

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증