[논문]인구주택 총조사 자료를 이용한 인구, 가구, 주택 특성과 빈집 현황 분석

이지민; 최원

doi:10.5389/ksae.2020.62.5.001

인구주택 총조사 자료를 이용한 인구, 가구, 주택 특성과 빈집 현황 분석
Analysis of the Effects of Population, Household, and Housing Characteristics on the Status of Empty Houses Using Population Housing Census Data 원문보기

한국농공학회논문집 = Journal of the Korean Society of Agricultural Engineers, v.62 no.5, 2020년, pp.1 - 13

이지민 (Research Institute of Agriculture and Life Sciences, Seoul National University) , 최원 (Department of Landscape Architecture and Rural Systems Engineering, Global Smart Farm Convergence Major, Research Institute of Agriculture and Life Sciences, Seoul National University)

Abstract ▼ AI-Helper

The empty houses' problem is important in the local revitalization and local sustainability, and these phenomenon caused by various factors of the region. The population and housing census data are the most effective data available to study this phenomenon by small regions. In this study, logistic regression and multiple regression analysis were performed to understand the effects of population, household, and housing characteristics on empty houses using population and housing census data. Also, the scale and direction of the effect of each characteristic in large cities, small cities, and rural areas were compared. As results, there was a slight difference between cities and province regions in the district and housing characteristic variables. In the comparison of Eup-Myeon-Dong, the affected variables were different in the Dong and Myeon areas. The significance of this study is to examine the effect of the characteristics of population and housing on the vacant houses and to confirm that the factors affecting different regions.

주제어

표/그림 (12)

표 Table 1 Used data items
그림 Fig. 1 Research model diagram
그림 Fig. 2 Total houses and empty houses
표 Table 2 Empty houses by province (unit: houses, %)
표 Table 3 Houses by type of accommodation (unit: houses, %)
표 Table 4 Number and rate of houses by building age (unit: houses, %)
표 Table 5 Variable description (Model 1, Model 2)
표 Table 6 Regression results: Model 1
표 Table 7 Regression results: Model 2
표 Table 8 Variable description (Model 3, Model 4)
표 Table 9 Regression results: Model 3
표 Table 10 Regression results: Model 4

AI 본문요약
AI-Helper

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

문제 정의

본 연구에는 인구주택총조사 자료를 기반으로 지역의 구분과 인구 가구, 주택의 특성이 빈집에 미치는 영향을 살펴보고자 한다. 이를 위해 인구주택총조사 전수 데이터를 이용하여 주택 특성, 지역 구분이 빈집에 미치는 영향을 분석하고, 읍ㆍ면ㆍ동 지역별 인구, 가구, 주택 특성이 빈집비율에 어떠한 영향을 주는지 분석한다.
본 연구에서 인구주택총조사 전수자료를 이용하여 빈집의 현황과 가구 및 주택특성과의 관계를 분석하고 지역에 따른 변화를 살펴보고자 하였다. 이를 위해 4가지 분석모형을 구성하여 분석하였다.

제안 방법

인구특성은 인구데이터의 연령자료를 이용하여 지역인구 수, 평균 연령, 연령의 표준편차, 65세 이상 인구수, 65세 이상 인구비율(고령화율)로 선정하였다. 가구특성 변수는 읍ㆍ면ㆍ동별 평균 가구원 수와 가구유형별 가구 비율을 선정하였으며, 주택특성으로는 거처종류 별 가구 비율을 이용하였다(Table 8).
주택변수는 거처 종류, 파손 정도, 연면적, 건물나이로 설정하였으며, 건물나이의 경우 현재 2019년을 기준으로 건축연도를 통해 계산하였다. 거처종류 변수는 단독주택을 0, 아파트 1, 다세대주택과 연립주택을 2, 오피스텔 등 비주거용 주택을 3으로 구분하여 변수를 설정하였다(Table 5).
대상 지역은 전국을 대상으로 전수데이터를 사용하였으며, 분석모형에 따라 지역코드를 이용하여 읍ㆍ면ㆍ동을 구분하거나 광역시와 도지역을 구분하여 분석하였다.
2010년 종속변수는 1년 이상 빈집의 경우를 0, 1년 미만 혹은 빈집이 아닌 경우 1로 두고 2015년과 2017년은 빈집의 경우 0, 빈집이 아닌 경우를 1로 설정하였다. 독립 변수는 지역변수와 주택변수로 구분하였으며 지역변수는 도 구분코드와 동, 읍, 면 변수로 설정하였다. 주택변수는 거처 종류, 파손 정도, 연면적, 건물나이로 설정하였으며, 건물나이의 경우 현재 2019년을 기준으로 건축연도를 통해 계산하였다.
선정한 독립변수 중 평균 연령과 65세 이상 인구수, 가족으로 구성된 가구 비율, 단독주택 가구 비율이 다중공선성(VIF 10 이상)을 갖는 독립변수로 나타나 분석에서 제외하였다. 독립변수를 선정하는 다양한 방법이 있으나 이러한 방법을 쓸 경우 연도별 지역별로 유의한 독립변수가 서로 달라 비교가 어려워 각 독립변수의 회귀계수를 비교하기 위하여 4개 변수 이외 모든 독립변수를 입력하는 방법을 사용하였다.
또한 읍⋅면⋅동에 따른 혹은 도시 지역 여부에 따라 빈집에 미치는 영향의 차이를 비교하고 다년도 결과를 통해 시간에 따른 영향의 변화도 살펴볼 것이다.
1과 같이 4가지 모형을 설정하였다. 모형 1과 모형 2는 주택데이터를 이용하여 지역구분과 주택특성이 빈집 여부에 미치는 영향을 분석하는 이항로짓분석 모형이며, 모형 1은 전국을 대상으로, 모형 2는 서울 및 광역시와 도지역을 구분하여 비교하였다. 모형 3과 모형 4는 인구, 주택, 가구 데이터를 지역데이터로 변환하여 읍⋅면⋅동 단위 데이터를 구축하여 빈집 현황에 영향을 미치는 지역의 인구, 가구, 주택 특성을 분석하고자 다중회귀분석으로 설정하였다.
모형3을 동지역, 읍지역, 면지역 각각 분석하여 비교한 모형4를 통해 동⋅읍⋅면에 따른 변수의 영향이 달라지는 것을 살펴보았다.
본 연구에서는 모형1과 2에서 이항로짓분석의 종속변수는 2010년의 경우 1년 이상 빈집 여부와 2015년과 2017년은 빈집 여부로 설정하였으며, 독립변수로는 지역변수와 주택변수로 설정하여 분석하였다. 빈집 여부가 이항형이므로 선택된 이항로짓분석은 사후확률을 산정할 수 있으며, 독립변수가 종속변수에 미치는 영향의 정도를 odd ratio로 비교할 수 있는 장점을 가진다.
독립변수의 값이 증가할수록 종속변수의 값이 증가하는 경우 독립변수의 회귀계수 값이 양(+)의 값을 가지며, 독립변수의 값이 증가할수록 종속변수의 값이 감소하는 경우 음(-)의 회귀계수를 갖는다. 본 연구에서는 지역별 빈집비율에 미치는 가구 및 주택 특성을 살펴보기 위해 이용하였으며 종속변수는 읍ㆍ면ㆍ동별 빈집비율로, 독립변수는 지역별 인구특성변수와 주택변수, 가구변수로 설정하였다.
빈집 여부에 미치는 지역, 주택 특성을 살펴보기 위해 Table 5와 같이 종속변수와 독립변수를 설정하고 이항로짓분석을 실시하였다. 2010년 종속변수는 1년 이상 빈집의 경우를 0, 1년 미만 혹은 빈집이 아닌 경우 1로 두고 2015년과 2017년은 빈집의 경우 0, 빈집이 아닌 경우를 1로 설정하였다.
빈집 여부에 영향을 미치는 주택 건축 특성, 지역 구분과 인구, 가구 및 주택 특성의 영향 정도를 살펴보고 지역 구분에 따라 변화하는지 비교하기 위해 Fig. 1과 같이 4가지 모형을 설정하였다. 모형 1과 모형 2는 주택데이터를 이용하여 지역구분과 주택특성이 빈집 여부에 미치는 영향을 분석하는 이항로짓분석 모형이며, 모형 1은 전국을 대상으로, 모형 2는 서울 및 광역시와 도지역을 구분하여 비교하였다.
서울 및 광역시 지역을 도시지역, 그 외 도지역을 구분하여 이항로짓분석을 실시하여 계수 비교를 통해 각 변수의 영향력 변화를 살펴보았다(Table 7). 그 결과, 각 연도별 변수가 미치는 영향의 크기와 방향이 다른 경우가 존재하였다.
본 연구에서 인구주택총조사 전수자료를 이용하여 빈집의 현황과 가구 및 주택특성과의 관계를 분석하고 지역에 따른 변화를 살펴보고자 하였다. 이를 위해 4가지 분석모형을 구성하여 분석하였다. 지역 구분과 주택 특성이 미치는 빈집에의 영향을 살펴보기 위한 모형1에서의 이항로짓분석 결과, 동지역과 주택 유형 중 단독주택은 빈집 여부에 부(-)의 영향을 주며, 건물파손 정도와 건물 나이는 정(+)의 영향을 주는 것으로 나타났다.
본 연구에는 인구주택총조사 자료를 기반으로 지역의 구분과 인구 가구, 주택의 특성이 빈집에 미치는 영향을 살펴보고자 한다. 이를 위해 인구주택총조사 전수 데이터를 이용하여 주택 특성, 지역 구분이 빈집에 미치는 영향을 분석하고, 읍ㆍ면ㆍ동 지역별 인구, 가구, 주택 특성이 빈집비율에 어떠한 영향을 주는지 분석한다. 또한 읍⋅면⋅동에 따른 혹은 도시 지역 여부에 따라 빈집에 미치는 영향의 차이를 비교하고 다년도 결과를 통해 시간에 따른 영향의 변화도 살펴볼 것이다.
종속변수는 총 주택수 중 빈집수인 빈집비율로 설정하였으며 독립변수는 인구특성, 가구특성 주택특성 변수로 구성하였다. 인구특성은 인구데이터의 연령자료를 이용하여 지역인구 수, 평균 연령, 연령의 표준편차, 65세 이상 인구수, 65세 이상 인구비율(고령화율)로 선정하였다. 가구특성 변수는 읍ㆍ면ㆍ동별 평균 가구원 수와 가구유형별 가구 비율을 선정하였으며, 주택특성으로는 거처종류 별 가구 비율을 이용하였다(Table 8).
지역의 인구, 가구, 주택특성이 빈집비율에 미치는 영향을 살펴보기 위해 읍⋅면⋅동단위 지역데이터를 구축하여 다중 회귀분석을 실시하였다. 종속변수는 총 주택수 중 빈집수인 빈집비율로 설정하였으며 독립변수는 인구특성, 가구특성 주택특성 변수로 구성하였다. 인구특성은 인구데이터의 연령자료를 이용하여 지역인구 수, 평균 연령, 연령의 표준편차, 65세 이상 인구수, 65세 이상 인구비율(고령화율)로 선정하였다.
독립 변수는 지역변수와 주택변수로 구분하였으며 지역변수는 도 구분코드와 동, 읍, 면 변수로 설정하였다. 주택변수는 거처 종류, 파손 정도, 연면적, 건물나이로 설정하였으며, 건물나이의 경우 현재 2019년을 기준으로 건축연도를 통해 계산하였다. 거처종류 변수는 단독주택을 0, 아파트 1, 다세대주택과 연립주택을 2, 오피스텔 등 비주거용 주택을 3으로 구분하여 변수를 설정하였다(Table 5).

대상 데이터

kr/)를 통해 추출 다운로드방법, 원격분석 서버에 접속하여 분석하는 방법, 이용센터에서 심층분석 할 수 있는 서비스를 제공하고 있다. 본 연구에서는 원격접근서비스(RAS, Remote Access Service) 방법을 통해 본 연구에 필요한 인구주택총조사의 인구, 가구, 주택 분야의 2010년, 20105년, 2017년 전수 데이터를 연구계획서 제출을 통해 제공받았으며, 제공된 데이터 항목은 Table 1과 같다.

데이터처리

모형 3과 모형 4는 인구, 주택, 가구 데이터를 지역데이터로 변환하여 읍⋅면⋅동 단위 데이터를 구축하여 빈집 현황에 영향을 미치는 지역의 인구, 가구, 주택 특성을 분석하고자 다중회귀분석으로 설정하였다.
지역의 인구, 가구, 주택특성이 빈집비율에 미치는 영향을 살펴보기 위해 읍⋅면⋅동단위 지역데이터를 구축하여 다중 회귀분석을 실시하였다.

성능/효과

가구 유형과 거처 종류는 연도별로 상이한 결과가 나타났으며 유의한 변수에도 차이가 존재하였다. 0.0001 이하 유의확률 기준을 만족하는 변수를 중심으로 결과를 살펴보면, 주택 유형 중 다세대주택과 오피스텔 비율이 높을수록 빈집비율이 적은 것으로 나타났으며, 가구 구성 중 남남 5인 이하 구성인 가구 비율이 높을수록 빈집비율이 높은 것으로 나타났다. 이러한 결과는 지역이 활성화된 지역의 경우 다세대주택과 오피스텔 비율이 높으며, 외곽지역이나 활성화되지 않은 지역에 남남으로 구성된 가구들이 거주하는 집단시설들이 존재하기 때문으로 예상된다.
읍ㆍ면ㆍ동별 회귀계수의 방향이 다르게 나타난 변수들을 살펴보면, 연령의 표준편차(Age_std)는 동지역에서는 정(+)의 효과를 면지역에서는 부(-)의 효과를 보이는 것으로 나타나 도시지역에서는 다양한 연령이 분포할수록 빈집이 증가하는데 반해 농촌지역은 다양한 연령이 분포할수록 빈집이 감소 하는 것을 예상할 수 있다. 1인 가구비율(family3)의 경우 2010년과 2015년 모형에서 동지역에서는 부(-)의 영향을 주는 데 반해 읍면지역에서는 정(-)의 영향을 주는 것으로 나타났다. 거처 종류에서 아파트(house2) 주거 비율은 2015년과 2017년 모형에서 동과 읍지역은 부(-)의 영향을 주나 면지역에서는 정(+)의 영향을 주는 것으로 나타났다.
002배의 빈집확률을 보여 변수 중 가장 낮은 odd ratio를 보였다. 2015년과 2017년의 결과를 살펴보면 서울이 제주도 대비 빈집확률이 0.2배, 경기도는 제주도 대비 0.3배로 나타나 수도권의 주택 수요가 나타난 결과로 보이며, 면지역 대비 동 지역과 읍지역의 빈집 발생 확률의 차이가 줄어들어 면지역의 빈집현상이 심화됨을 예상할 수 있었다. 주택유형에서는 오피스텔 대비 단독주택의 빈집발생 확률은 줄어들고 연립 및 다세대주택의 odd ratio가 4.
인구가 많을수록 빈집비율이 낮게 나타나며, 고령인구 비율이 높을수록 빈집비율이 높은 것으로 나타났다. 가구 구성 중 남남 5인 이하 구성 가구 비율이 높을수록 빈집비율이 높은 것으로 나타나 혈연가족 구성이 아닌 가구가 많은 지역의 빈집이 많이 발생하는 것을 예상할 수 있으며, 다세대주택과 오피스텔 비율이 높을수록, 연령의 편차가 크고 평균 연면적이 넓을수록 빈집비율이 낮은 것으로 나타났다. 주택 유형과 인구연령 편차 특성은 활성화된 지역의 주거유형과 인구구성을 예측할 수 있다.
각 모형에서 0.0001 이하 유의확률을 가지는 독립변수를 중심으로 특징을 살펴보면, 2010년 동지역에서는 인구수가 적을수록, 파손건물비율, 아파트 주거 비율, 다세대주택 비율, 사회특수시설 비율이 높을수록 빈집비율이 높은 것으로 나타났으며, 면지역의 경우 인구수가 적을수록, 파손건물비율, 비주거용 건물내 주택 비율이 높을수록 빈집비율이 높은 것으로 나타났다. 2015년의 동지역의 경우 인구수, 5인 이하 남남 가구구성 비율, 평균 연면적, 평균 건물 나이, 오피스텔 주거 비율이 0.
각 연도별 회귀계수를 살펴보면 2010년에서 가장 큰 영향을 주는 변수는 파손 정도로 나타났으며, 지역변수 중 강원도 변수가 빈집 여부에 높은 영향을 주는 것으로 나타났다. 2015년의 경우 세종특별시 회귀계수가 가장 크게 나타나 빈집이 다수 발생한 지역임을 예상할 수 있으며, 주택 유형의 경우 연립주택이 빈집 여부에 두번째로 큰 정(+)의 영향을 가지는 변수로 나타났다.
각 회귀계수 값을 통해 빈집에의 영향 방향을 살펴보면, 3개 연도 읍ㆍ면ㆍ동 지역 모두에서 부(-) 영향을 주는 독립변수는 인구수로 나타났으며 2015년과 2017년 모델에만 적용된 평균 건물 나이 또한 빈집비율에 부(-)의 영향을 주는 것으로 나타났다. 이는 신규주택의 입주 이전 빈집비율이 높은 통계가 영향에 의한 결과로 예상된다.
1인 가구비율(family3)의 경우 2010년과 2015년 모형에서 동지역에서는 부(-)의 영향을 주는 데 반해 읍면지역에서는 정(-)의 영향을 주는 것으로 나타났다. 거처 종류에서 아파트(house2) 주거 비율은 2015년과 2017년 모형에서 동과 읍지역은 부(-)의 영향을 주나 면지역에서는 정(+)의 영향을 주는 것으로 나타났다.
이는 광역시 등 도시지역과 9개도지역에서 빈집이 나타나는 주택특성이 차이가 있음을 의미한다. 건물 나이의 경우 도지역이 도시지역보다 빈집 여부에 영향을 더 많이 주는 것으로 나타나 건물의 노후가 빈집 현황에 미치는 영향이 도시지역보다 도지역이 더 크게 났으며, 도시지역에서 동지역의 부(-) 영향이, 아파트 주거유형의 정(+) 영향이 도지역보다 더 큰 것을 확인하였다. 이는 도시지역 내 읍이나 면지역이 동인 지역보다 빈집이 발생할 확률이 더 커지며, 아파트 주택 유형이 빈집 발생확률에 미치는 영향이 도지역이 도시지역보다 적은 것을 의미한다.
8까지 증가하여 연도에 따라 빈집 발생 주택 유형에 차이가 있는 것으로 예상된다. 건물나이의 경우 13년 건물나이 대비 빈집확률이 1.3배 증가하는 것으로 나타났으며, 연면적은 57 ㎡ 당 0.4배로 줄어드는 것으로 나타났다.
1년 이상 빈집 여부 혹은 빈집 여부를 종속변수로 한 모형1의 이종로짓분석 결과는 다음 Table 6과 같다. 다양한 독립변수를 포함하지 않고 있어 모형의 적합도와 설명력이 많이 떨어진 특성을 보였으며, -2logL과 max-rescaled R-square을 통해 연도별 모형의 적합도와 설명력을 살펴보면 2010년의 모형이 가장 나은 것으로 나타났다.
지역 구분과 주택 특성이 미치는 빈집에의 영향을 살펴보기 위한 모형1에서의 이항로짓분석 결과, 동지역과 주택 유형 중 단독주택은 빈집 여부에 부(-)의 영향을 주며, 건물파손 정도와 건물 나이는 정(+)의 영향을 주는 것으로 나타났다. 도단위 나누어진 지역 중에서는 서울지역이 가장 큰 부(-)의 영향을 나타냈으며 강원도와 전라남도 지역이 큰 정(+)의 영향을 주는 지역으로 나타났다. 모형1에서는 전체 주택을 대상으로 빈집 현황에 영향을 주는 주택특성과 지역을 살펴볼 수 있었다.
도별 빈집수와 빈집비율(Table 2)을 살펴보면 서울, 대구, 인천, 경기도의 경우 2015년 빈집비율이 2010년에 비해 약간 감소한 것으로 나타났으며, 그 외 지역은 모두 증가한 것으로 나타나 수도권 지역 여부에 따라 다른 특성을 보임을 알 수 있었다. 또한, 세종특별자치시의 경우 신규 개발된 도시로 높은 빈집율을 보이나 2015년과 2017년 사이 빈집비율은 감소하고 있는 것으로 나타났다.
모형3을 동지역, 읍지역, 면지역 각각 분석하여 비교한 모형4를 통해 동⋅읍⋅면에 따른 변수의 영향이 달라지는 것을 살펴보았다. 동지역의 경우 연령의 표준편차가 정(+)의 영향을 주었으나 면지역에서는 부(-)의 효과를 보였으며, 아파트 주거비율은 동과 읍지역에서는 부(-)의 영향을 면지역에서는 정(+)의 영향을 주는 것으로 나타났다. 농촌지역이라 볼 수 있는 면지역은 고령화되어 특정 연령층이 집중된 특징을 보이므로 연령의 표준편차가 큰 지역은 젊은층의 인구가 존재하는 지역으로 다양한 연령층이 존재하는 지역의 빈집비율이 낮게 나타났다.
도별 빈집수와 빈집비율(Table 2)을 살펴보면 서울, 대구, 인천, 경기도의 경우 2015년 빈집비율이 2010년에 비해 약간 감소한 것으로 나타났으며, 그 외 지역은 모두 증가한 것으로 나타나 수도권 지역 여부에 따라 다른 특성을 보임을 알 수 있었다. 또한, 세종특별자치시의 경우 신규 개발된 도시로 높은 빈집율을 보이나 2015년과 2017년 사이 빈집비율은 감소하고 있는 것으로 나타났다. 그러나 2010년과 2017년을 비교할 경우 경기도 이외 전국에서 빈집비율이 증가한 것으로 나타났으며 제주특별자치도, 전라남도, 부산광역시 순으로 빈집비율이 가장 많이 증가하였다.
먼저 각 독립변수들의 회귀계수의 방향성을 살펴보면 인구(pop)는 빈집비율에 부(-)의 영향을 주며 65세 이상 인구비율(rate65)은 정(+)의 영향을 줌을 알 수 있었다. 가구 유형과 거처 종류는 연도별로 상이한 결과가 나타났으며 유의한 변수에도 차이가 존재하였다.
먼저 결과에서 각 변수별 계수의 방향을 살펴보면, 읍⋅면⋅동 구분에 따른 빈집에의 영향은 동지역은 부(-)의 영향을 주는 것으로 3개년도에서 모두 나타났으며, 읍지역의 경우 2015년을 제외하면 계수의 값이 작지만 정(+)의 영향을 주는 것으로 나타났다.
먼저 수정된 R²값을 이용하여 각 연도별 지역별 모델의 설명력을 살펴보면 모두 모형 3의 전체를 대상으로 했을 때보다 낮아진 설명력을 보였으며, 동지역이 가장 낮은 설명력을 보이고 지역 수가 가장 작은 읍지역이 가장 높은 설명력을 가지는 것으로 나타났다. 면지역의 경우 다른 연도보다 2017년 자료에서 가장 높은 설명력을 보였다.
2015년의 경우 세종특별시 회귀계수가 가장 크게 나타나 빈집이 다수 발생한 지역임을 예상할 수 있으며, 주택 유형의 경우 연립주택이 빈집 여부에 두번째로 큰 정(+)의 영향을 가지는 변수로 나타났다. 빈집 여부에 부(-)의 영향을 주는 변수로는 가장 큰 회귀계수를 보인 것은 서울 지역변수이며 그 다음으로 경기도가 나타났으며, 주택 유형 중에서는 단독주택이 큰 회귀계수를 보였다. 2017년에는 특별시 및 광역시와 경기도 이외 도지역 간의 회귀계수가 완연히 다른 특성을 나타내고 있다.
아파트의 비율은 58% 정도 차지하고 있으며 단독주택은 22%까지 감소한 것으로 나타났다. 빈집의 경우 주택이외 거처는 조사가 되지 않은 것으로 보이며, 아파트 빈집비율이 가장 높게 나타났으며, 단독주택 빈집비율은 약 40%에서 24%로 감소한 것으로 나타났다. 2015년과 2017년의 거처 종류별 빈집비율은 유사한 구성을 보인다.
2와 같다. 연도에 따라 빈집의 수와 총 주택 수 모두 지속적으로 증가하고 있으며, 빈집비율은 5.9%에서 7.1%까지 증가하였다. 빈집비율 증가는 2010년부터 2015년 사이보다 2015년부터 2017년 사이 더 크게 증가한 것으로 나타났으나 빈집요인 항목에 대한 데이터가 2010년 이후 조사되고 있지 않아 지역에 따라 신규 주택 입주나 이사 등의 요인에 의해 발생하였을 것으로 예상된다.
2017년에는 특별시 및 광역시와 경기도 이외 도지역 간의 회귀계수가 완연히 다른 특성을 나타내고 있다. 연립다세대 주택 유형 변수와 전남지역 변수가 높은 정(+)의 영향을 주는 것으로 나타났으며, 부(-)의 영향을 주는 변수로는 동지역 변수와 단독주택 변수가 영향이 큰 것으로 나타났다.
(2018)은 인구 및 경제특성, 주택 및 접근성 특성, 자연특성이 빈집비율에 미치는 영향을 읍ㆍ면ㆍ동 단위로 다중회귀분석방법으로 분석하고 농촌지역과 도시지역에 차이가 존재함을 지적하였다. 이 연구에서 도시모형의 경우 인구구조의 영향이 크게 나타났으며 농촌모형에서는 인구요인과 함께 건축 연도, 사업체 수 등의 지역 특성 요인의 영향이 크다고 지적하였다. Kim and Kim (2018)의 연구 또한 농촌 지역 빈집 발생의 영향 요인을 시군단위 데이터를 이용하여 노후주택비율, 주택거래비율 등이 빈집비율에 미치는 영향을 분석하고 일반농산어촌지역과 그 중 군지역 간의 차이가 존재함을 지적하였다.
이러한 4가지 분석모형을 통해 빈집 여부에 미치는 가구, 주택의 영향과 지역의 빈집비율에 미치는 인구, 가구 및 주택의 특성을 살펴본 결과, 동지역이며 단독주택의 파손이 없고 건물나이가 적고 연면적이 넓을수록 빈집확률이 줄어들며, 인구수가 많고 65세 인구 비율이 낮을수록 다세대주택과 오피스텔 주거비율이 높을수록 빈집비율이 적은 지역인 것으로 나타났다. 이러한 특성은 도시지역과 도지역을 구분하거나 읍ㆍ면ㆍ동 행정구역 단위로 구분할 경우 영향 정도가 다르게 나타났다.
지역데이터로 변환하여 지역의 인구, 가구, 주택특성이 빈집비율에 미치는 영향을 분석한 모형3에서는 65세 이상 인구 비율은 빈집비율에 정(+)의 영향을, 인구는 부(-)의 영향을 주는 것으로 나타났다. 인구가 많을수록 빈집비율이 낮게 나타나며, 고령인구 비율이 높을수록 빈집비율이 높은 것으로 나타났다. 가구 구성 중 남남 5인 이하 구성 가구 비율이 높을수록 빈집비율이 높은 것으로 나타나 혈연가족 구성이 아닌 가구가 많은 지역의 빈집이 많이 발생하는 것을 예상할 수 있으며, 다세대주택과 오피스텔 비율이 높을수록, 연령의 편차가 크고 평균 연면적이 넓을수록 빈집비율이 낮은 것으로 나타났다.
먼저 결과에서 각 변수별 계수의 방향을 살펴보면, 읍⋅면⋅동 구분에 따른 빈집에의 영향은 동지역은 부(-)의 영향을 주는 것으로 3개년도에서 모두 나타났으며, 읍지역의 경우 2015년을 제외하면 계수의 값이 작지만 정(+)의 영향을 주는 것으로 나타났다. 주택 유형의 경우 단독주택은 2010년을 제외하면 빈집 여부에 부(-)의 영향을 주며, 건물 파손 정도와 건물 나이는 클수록 정(+)의 영향을 주는 것으로 나타났다.
8배 빈집이 발생활 확률이 높음을 나타낸다. 주택유형의 경우 오피스텔 대비 단독주택이 1.371배 높은 확률을 보였으며, 반이상 파손된 주택에 비해 파손없는 주택이 0.002배의 빈집확률을 보여 변수 중 가장 낮은 odd ratio를 보였다. 2015년과 2017년의 결과를 살펴보면 서울이 제주도 대비 빈집확률이 0.
이를 위해 4가지 분석모형을 구성하여 분석하였다. 지역 구분과 주택 특성이 미치는 빈집에의 영향을 살펴보기 위한 모형1에서의 이항로짓분석 결과, 동지역과 주택 유형 중 단독주택은 빈집 여부에 부(-)의 영향을 주며, 건물파손 정도와 건물 나이는 정(+)의 영향을 주는 것으로 나타났다. 도단위 나누어진 지역 중에서는 서울지역이 가장 큰 부(-)의 영향을 나타냈으며 강원도와 전라남도 지역이 큰 정(+)의 영향을 주는 지역으로 나타났다.
지역데이터로 변환하여 지역의 인구, 가구, 주택특성이 빈집비율에 미치는 영향을 분석한 모형3에서는 65세 이상 인구 비율은 빈집비율에 정(+)의 영향을, 인구는 부(-)의 영향을 주는 것으로 나타났다. 인구가 많을수록 빈집비율이 낮게 나타나며, 고령인구 비율이 높을수록 빈집비율이 높은 것으로 나타났다.
17%를 차지하여 이러한 건축 완료 후 입주 이전 비율을 제외하면 2015년에는 건물이 지어진 지 11∼20년 된 건물이 2017년에는 21∼30년 된 건물이 빈집에서 차지하는 비중이 가장 크게 나타났다. 해당 건물나이에 속하는 주택 수 중 빈집의 비율은 건물나이가 증가할수록 증가하는 것으로 나타났으며, 50년 이상 된 건물 중 빈집의 비율이 20% 넘게 나타났다.

후속연구

본 연구의 한계로는 빈집에 영향을 미치는 인구, 가구 및 주택의 영향이 미비하여 모델의 적합성과 설명력이 낮게 나타났다. 그러나 인구주택총조사 전수자료를 이용한 점과 모형 구분을 통해 대도시지역과 농촌 및 중소도시의 차이, 읍⋅면⋅동 구분을 통해 농촌과 도시의 빈집에의 각 변수의 차이를 살펴보았다는 데 의의를 가진다 할 수 있다.
또한 읍⋅면⋅동에 따른 혹은 도시 지역 여부에 따라 빈집에 미치는 영향의 차이를 비교하고 다년도 결과를 통해 시간에 따른 영향의 변화도 살펴볼 것이다. 이러한 분석을 통해 도시와 다른 농촌 빈집에의 영향 요인을 파악할 수 있을 것이라 기대된다.

참고문헌 (10)

Hwang, J. I., Y. J. Choi, and H. J. Kim, 2012. Analysis of current situation and perception of empty homes owners' managing and using rural empty houses: Focused on Jeonbuk Wanju county. Journal of Agricultural Extension & Community Development 19(4): 989-1020. doi:10.12653/JECD.2012.19.4.989.

원문보기 상세보기
Im J. H., J. H. Kim, J. H. Sagong, S. H. Hong, and H. W. Lee, 2016. Analysis on the actual condition of empty houses in Chungcheongnam-do and its application to link with urban regeneration. Report 2016-29, GongJu, ChungNam Institute.
Kim, C., 2013. A study on architectural characteristics of vacant houses in rural regions. Master's thesis, Seoul National University of Science and Technology.
Kim, H. J., H. K. Han, and K. H. Yeo, 2018. Effects of regional characteristics on housing abandonment: Focused on demographic change and residential environment. IDI Urban Research 13: 43-76. doi:10.34165/urbanr.2018.13.43.
Kim, S. R., and D. S. Kim, 2018. Factors affecting the occurrence of rural vacant houses. Journal of Cadastre & Land InformatiX 48(2): 65-77. doi:10.22640/lxsiri.2018.48.2.65.
Kwon, H., H. Kim, J. Yoon, J. Park, H. Kim, and H. Park, 2017. Current status and prospect of utilization of empty houses. Urban Information Service 429: 4-18.
Lee, S. W., S. H. Min, J. Y. Park, and S. D. Yoon, 2008. The Practice on Logit & Probit Model. Seoul: Parkyoungsa.
Noh, M. J., and S. J. Yoo, 2016. An study on the cause of abandoned vacant houses. Korea Real Estate Review 26(2): 7-21.
Oh, P. R., 2017. A study on the actual condition analysis and application of the empty house in Jeollabuk-do. Jthink 2017-PR-07, Jeonju, Jeonbuk Institute.
Statistics Korea, Population and Housing Census (2010, 2015, 2017). Microdata Integrated Service (MDIS), Statistics Korea, RAS (RAS19032601).

저자의 다른 논문 :

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