정보 및 인구이동에 의한 신규 주택사업의 수요범위 예측사업 -$'%0...

분양계약자 정보 및 인구이동에 의한 신규 주택사업의 수요범위 예측< 文>주택연구 제23권 제2호 2015. 05. : 53~77 Housing Studies Review Vol. 23, No. 2 : 53~77접수일 : 2015. 03. 16. 심사일 : 2015. 03. 26. 심사완료일 : 2015. 05. 12.

정보 및 인구이동에 의한신규 주택사업의 수요범위 예측

Prediction of Housing Demand Area Utilizing the Information of Residential

Mobility and Household Characteristics

준 수 (Joon-soo Kim)*ㆍ고 석 찬 (Suk-chan Ko)**

< Abstract >

The accurate prediction of housing demand area is becoming more important for the

successful sales and marketing of housing complex development with limited amount of financial

resources for marketing. Previous literature in this field have investigated better ways to predict

the potential housing demand in a specific Housing Market Area, but previous studies do not

consider the impact of residential mobility and the characteristics of households. Therefore,

this research intends to investigate the better ways to predict potential demand of housing

within a specific HMA based on the data collected from 10 housing complexes in the Seoull

Metropolitan Region in Korea. The results of prior analysis of information on the moving distance

and the characteristics of apartment purchasers tend to be consistent with the results from

previous literature and thus provide the possibility of data application.

The results of the regression analyses of real data from the home buyers in 10 housing

complexes suggest that the boundary of housing demand area exists at the upper level area

of 30 to 40% sales frequency. The results imply that we can better predict the exact housing

demand area based on the residential mobility and the characteristics of households data in

the case of existing communities where population movements are rather stable. The study

results also indicate that the exact prediction of housing demand area can contribute to the

improvement of marketing effectiveness for the successful housing development project.

워 드 : 인구이동, 주택시장권역, 주택수요범위, 마케팅비용

Keywords : Residential Mobility, Housing Market Area, Housing Demand Area, Marketing Cost

* 도시계획및부동산학과 박사과정 수료, [email protected], 주저자

** 단국대학교 도시계획및부동산학과 교수, [email protected], 교신저자

54 제 23 권 제 2 호

I.

1. 배경 및 목적 경우가 아니라면 대부분의 사람들은 익숙한 생활터전이었던 기존 주거지에

서 될수록 멀리 벗어나지 않으려는 일반적인 속성이 있어 이동거리가 멀어질수록 주택

구매결정 확률은 낮아질 것이라 예상할 수 있다. 그러나 그 양상이 반드시 동심원적으

로 감소할 것인지에 대해서는 확신할 수 없다. 왜냐하면 물리적 거리는 가깝지만 주택

시세 및 생활환경의 차이가 큰 경우가 있을 수 있고, 반대로 물리적 거리는 멀지만 현

주거지와 유사한 생활환경을 갖춘 곳이 존재할 수 있기 때문이다. 이처럼 소비자가 새

로운 주택을 선택함에 있어서 고려할 수 있는 지역을 하나의 권역으로 묶은 것이 주택

시장권역(Housing Market Area: 이하 HMA)의 개념이다. 신규주택 분양을 위한 마케팅

대상 지역 선정에 있어서도 HMA의 개념을 적용할 수 있다면 비용 대비 효과를 극대화

할 수 있을 것이다.

주택시장이 과거의 공급자 주도에서 수요자 주도로 전환되면서 주택시장은 지역 차

별화 및 세분화되는 경향이 두드러지고 있어 명확한 주택수요범위 예측은 성공적인 분

양을 위한 필수요소가 되었다. 과거엔 주택시장에 큰 경기변동이 발생하면 촉발 지역으

로부터 타 지역으로의 확산이 일정한 방향으로 일관되게 파급되었으나 최근엔 국지적

으로, 방향성을 파악하기 어렵게 전파되는 모습을 보이고 있다. 따라서 광역도시나 시

ᆞ군ᆞ구 단위의 주택시장 분석으로는 주택수요범위를 예측하기 어려운 상황이 되었다.

따라서 본 연구의 목적은 인구이동이 많이 발생하는 지역 간에 HMA적 관계가 존재

할 것이라는 가정 하에 읍ᆞ면ᆞ동 단위의 인구이동 데이터와 실제 분양계약자 정보와

의 관계를 실증분석 한 후 이를 토대로 통계청에서 제공하는 인구이동 데이터로부터 신

규 주택사업의 마케팅 대상을 설정하기 위한 읍ᆞ면ᆞ동 단위의 잠재 수요범위 예측 방

안을 제시하는 것이다.

2. 연구의 범위본 연구의 시간적 범위는 금융위기로 인하여 대규모 미분양 사태가 발생한 2008년부

분양계약자 정보 및 인구이동에 의한 신규 주택사업의 수요범위 예측 55

부동산 시장이 점차 회복되기 시작한 2013년까지이다. 인구이동의 전입지인 서울 7

개, 경기도 3개 등 총 10개의 신규 단지와 전국의 읍ᆞ면ᆞ동을 전출지로 간주하는 공

간적 범위를 설정하였다. 전입지가 속한 서울지역은 장지동, 응암동, 세곡동, 발산동이

고, 경기지역은 남양주시 퇴계원동, 용인시 성복동이며, 주택유형별로는 공동주택 단지

가 8개, 주거형 오피스텔 단지가 2개로 구성하였다.

분석대상은 2008년부터 2014년 사이에 서울 및 경기지역에서 분양을 실시한 주택개

발사업의 계약자 자료이며, 인구이동과의 연관성 분석을 위하여 통계청에서 제공하는

2010년부터 2012년 사이의 연도별 읍ᆞ면ᆞ동 간 인구이동 데이터를 활용하였다. 분양

된 신규 공동주택 및 주거형 오피스텔의 계약자 자료를 중심으로 분석하였다. 한 세대

당 한 개씩의 주소만 배정하기 위하여 최초 분양계약 이후 분양권 전매가 이루어진 세

대는 최종 계약자 주소를 사용하였다. 이는 분양권 전매의 경우 매도인보다 매수인이

입주 시점에 가깝게 분양받은 것이므로 실수요자일 가능성이 높고 분석대상이 실수요

자로 구성될수록 정확한 분석이 가능할 것으로 판단하였기 때문이다. 또한 분양계약 빈

도와 인구이동과의 상관관계를 알아보고자 통계청에서 제공하는 2010년부터 2012년 사

이의 연도별 읍ᆞ면ᆞ동 간 인구이동 데이터를 비교자료로 활용하였다.

II. 검토인구이동 영향요인에 관한 선행연구들을 살펴보면 다음과 같다. 최은영ᆞ조대헌

(2005)은 인구 현상이 복잡해진 현대사회에서 인구이동의 특성을 관찰하기 위해서는 시

ᆞ도보다 작은 분석단위 활용의 필요성을 제기한 후 읍ᆞ면ᆞ동 단위의 아파트 가격 차

이와 이동인구 간의 관계를 분석하였다. 분석결과 근거리에 위치한 모든 지역 간에 인

구이동이 유사하게 발생하는 것이 아니라 특정 인접 구 사이에서, 그리고 특정 인접 동

사이에서 보다 활발한 인구이동이 발생하는 것으로 나타났다. 2001년과 2003년의 두 시

점 모두에서 전입지와 전출지의 아파트 평당 매매가의 차가 100~150만원 미만인 지역

간에 약 80% 이상의 인구이동이 발생한 것으로 나타나 지역의 경제적 특성이 유의한

인구이동 영향요인이라고 평가하였다. 다음으로는 상권분석에 사용되는 소비자분포기법

(Consumer Spotting Technique: CST)을 통하여 주거상품의 시장권역 공간 확정과 권역별

56 제 23 권 제 2 호

정도를 분석한 이승우ᆞ장희순(2006)의 연구가 있다. 이 연구는 주택 시세를

고려한 시장권역을 한강 이북권, 한강이남 동부권, 한강이남 서부권, 경기도 신도시권의

4개 권역으로 나누어 CST분석을 실시하였다. 동심원적 모형을 적용하는 상권분석과 달

리 주거시설의 시장권역은 동일생활권에 대한 접근을 중심으로 분석한 결과, 주택수요

는 지역적으로 서로 인접할수록 높은 이동성을 보이며, 반드시 연접지역이 아니더라도

시세 등에서 유사한 수준을 보이는 지역 간에 이동비율이 높은 것으로 파악되었다. 위

의 두 연구 모두 생활수준이 유사한 지역 간에 인구이동이 활발히 일어나고 있음을 제

시한 대표적인 선행연구들이다.

신규 아파트를 분양받았거나 받고자 하는 청약자들의 주소지를 분석하여 출발지와

목적지 간의 이동거리에 영향을 미치는 요인을 사업유형별, 시간적 거리, 그리고 경기

변동에 따라 분석한 연구는 다음과 같다. 전유신(2009)은 경기도에서 2005년에서 2009년

사이 사용승인을 받은 594개 공동주택단지의 거주자 주소를 조사하여 개발사업 유형별

로 시ᆞ군 단위에서의 외부유입률을 실증분석 한 결과 택지개발사업 55.5%, 주택재개발

사업 49.7%, 도시개발사업 49.2%, 지구단위계획사업 39.2%, 주택재건축사업 35.8%로 나

타났다. 주택재건축사업의 경우 일반분양분 비율이 총 세대수 대비 10~20% 내외여서

상대적으로 비율이 낮게 나온 것으로 판단하였다. 김남주(2011)는 남양주 진건 보금자리

주택지구의 사전예약 자료를 이용하여 공간적 거리와 시간적 거리가 이주 결정에 미치

는 영향을 분석하였다. 분석결과 이주거리가 8~12km 떨어지거나 12-18분 소요되는 지역

으로부터의 유입률이 가장 높았으며, 사업지구 반경 16km, 소요시간 30분 이내인 지역

의 유입률이 72%로 대부분을 차지한 것으로 나타났다. 특정 주택단지의 인구 유입률은

이주거리 16km, 이주시간 30분을 초과하면서 급격히 감소하여 60km, 90분 이상 지역으

로부터의 유입은 거의 없음을 보여주었다.

최기헌 외(2012)는 택지개발지구의 청약자 주소로부터 잠재수요권역 분포를 알아보고

청약지로부터의 거리에 영향을 미치는 변수를 선정한 후 금융위기를 전후로 어떻게 변

화하는지를 알아봄으로써 경기 변동에 따른 잠재수요권역의 범위를 추정하고자 하였다.

전체기간을 대상으로 한 분석결과 전국경제성장률, 지역건축허가면적, 신청평수 순으로

영향을 미쳤으며, 금융위기 이전에는 전국주가변화율, 지역건축허가면적, 지역주택보급

률 순으로, 그리고 금융위기 이후에는 분양가대비차율, 신청평수, 지역주택보급률 순으

로 청약지로부터의 거리에 영향을 미친 것으로 나타났다. 이러한 연구결과는 주택경기


불리할수록 전국요인의 영향력은 미미해지고, 제품요인과 지역요인의 영향력이 상대

적으로 커짐을 나타낸다.

읍ᆞ면ᆞ동 단위의 인구이동 데이터로부터 지오컴퓨테이션 접근을 통하여 HMA를

설정하고 제시한 연구는 다음과 같다. Brown and Hincks(2008)가 재인용한 바에 따르면

1981년에 Bourne는 HMA란 한 가구가 직장의 위치나 사회적 접촉의 패턴을 변경하지

않고 주택 거래를 할 수 있는, 다소간 경계 지워진 지리적 범위라고 정의하였다. 컨설팅

회사 DTZ Pieda(2004)는 사람들이 주택에 대한 탐색을 행하는 구역으로서 거주지를 옮

긴 가구 대부분의 출발지와 도착지 모두를 포함하는 지리적 범위라고 해석하였다. 이밖

에도 HMA의 획정에 있어 Jones(2002)는 인구이동이 가장 중요한 개념이라 주장하였고,

이상일 외(2012)는 인구이동의 출발지와 도착지 대부분을 포괄하여 높은 수준의 주택시

장 자족성을 보여주며, 통근지역과 상당한 수준의 중첩 정도를 보여주는 지리적 영역이

라고 정의하였다. HMA에 관한 선행연구 결과, 주택개발 사업지로부터의 이동거리가 멀

수록 해당 주택에 대한 수요는 감소하는 경향이 있고(김남주, 2011), 단순히 이동거리보다

는 동일 생활권 여부가 주택수요의 주요 영향요인(이승우․장희순, 2006)임이 알려져 있다.

이상일 외(2012)는 HMA의 본질적 성격을 규정하는 세 가지 요소를 인구이동, 자족

성, 노동시장지역(혹은 통근지역)으로 정의하였다. 수도권의 총 1,069개 읍․면․동의 2005

년부터 2010년까지의 인구이동 데이터에 인트라맥스와 AZP 등의 전통적인 기법이 갖고

있는 단점을 보완하고자 AZP기법을 기반으로 국지적 해에 빠지지 않는 기법을 개발․적용하여 수도권을 총 17개의 HMA로 구분한 결과를 제시하였다. 박천규 외(2013)는 지역

부동산시장의 미시적 동태분석과 정책시뮬레이션 모형 구축 연구에서 HMA 구분을 통

하여 미시적 주택시장 현안에 대한 분석의 토대를 마련하고자 하였다. 먼저 인트라맥스,

AZP, TABU 알고리즘 등의 분석기법을 이용하여 주택시장권역을 구분해보고, 이어 주

택시장 순환국면에 따른 HMA의 변화를 분석하였다. 또한 이 연구를 통해 수요자 위주

의 시장 재편에 맞춰 보다 미시적 시각으로 어디에 주택을 공급하고 어느 곳의 주택재

고 관리가 필요한지를 분석할 수 있는 방법론을 개발하고자 하였다. 마지막으로 부동산

패널조사의 필요성과 패널조사체계 구축 방법을 제안하였다.

선행연구 검토결과, 기존 연구들이 읍ᆞ면ᆞ동 단위의 인구이동 데이터를 분석하였다

하더라도 HMA를 제시할 때는 권역을 시ᆞ군ᆞ구 단위 이상으로 크게 분할하고 있어

이를 마케팅 범위 설정에 활용하기에는 무리일 수 있다고 보았다. 따라서 본 연구에서

58 제 23 권 제 2 호

실계약자 자료를 토대로 선행연구 중 수도권을 대상으로 제시된 HMA가 주택수요범

위를 적절히 설명할 수 있는지를 우선 알아보고, 만약 그렇지 못하다면 읍ᆞ면ᆞ동 단

위의 인구이동 데이터와 계약빈도 간의 관계를 분석하여 인구이동 데이터로부터 주택

수요범위를 예측할 수 있는 방법을 모색한 점이 선행연구와 차별화되는 부분이다.

III. 및 모형1. 및 대상본 연구의 분석대상은 서울 및 경기 지역의 총 10개 신규 주택단지에서 분양계약을

체결한 총 6,123세대이다. 분석대상 단지의 개요는 <표 1>과 같다. 분석대상에는 세곡O

와 마곡O라는 오피스텔 단지가 포함되어 있다. 엄밀히 말하면 아파트와 오피스텔은 용

도가 다른 시설로 볼 수 있으나 본 연구의 대상인 오피스텔은 순수주거형 오피스텔이므

로 분석대상에 포함하였다. 단위세대는 공급면적 기준 26~221㎡로 다양하게 구성되어

있다. 이 단지들 중 경기도 용인시 성복동의 경우 가장 오래전인 2008년 2월에, 서울 마

곡지구의 경우는 가장 최근인 2014년 2월에 착공 및 분양을 실시하였다.

신규 택지 사업유형 위 치

퇴계원 - 지구단위 경기도 남양주시 퇴계원동

위례A 위례신도시 공공택지 서울 송파구/성남시/하남시

위례B 위례신도시 공공택지 서울 송파구/성남시/하남시

응암A - 도시정비 서울 은평구 응암동

응암B - 도시정비 서울 은평구 응암동

응암C - 도시정비 서울 은평구 응암동

성복A - 지구단위 경기도 용인시 성복동

성복B - 지구단위 경기도 용인시 성복동

세곡O 세곡지구 공공택지 서울 강남구 세곡동

마곡O 마곡지구 공공택지 서울 강서구 발산동

< 1> 분석대상 단지 개요


단지별로 분양시기가 다르긴 하나 2008년 금융위기로 분양시장이 급속히 냉

각되어 2008~2012년 동안은 준공 이후에도 미분양이 적체되고 있다가 2013년에 와서야

비로소 정부정책의 완화기조에 힘입어 미분양이 본격적으로 해소되기 시작하였다. 따라

서 분양 초기에 일부 포함되었을 가수요가 부동산 침체기를 거치며 점차 실수요로 전환

된 이후의 자료인 2014년 4월 현재 계약자 자료를 분석에 사용하였다.

분석방법은 크게 세 단계로 나누어 실시하였다. 첫째, 선행연구에서 제시한 수도권

17개 HMA를 기준으로 분석대상 단지(전입지)가 속한 HMA에 포함되는 계약자와 그렇

지 않은 계약자를 구분하여 각각의 이동거리 특성을 비교함으로써 실제 분양결과와 선

행연구의 HMA 구분이 일치하는지를 검토하였다. 만약 그렇다면 기존에 제시된 HMA만

으로도 주택수요범위를 예측할 수 있기 때문이다. 둘째, 분석대상 단지의 계약자 정보

가 선행연구들을 통하여 검증된 이동거리 특성과 일치하는지를 살펴봄으로써 일반화할

수 있는 자료인지를 검증하였다. 통계적 분석방법으로는 중회귀분석과 토빗모형분석을

실시하였다. 셋째, 선행연구에서 제시된 HMA로 신규 사업의 주택수요범위를 파악할 수

없다면 읍ᆞ면ᆞ동 단위의 인구이동 데이터와 계약빈도 간의 관계를 분석하여 인구이

동 데이터로부터 주택수요범위를 예측하는 것이 가능한지를 알아보았다.

2.

분양계약자 거주지의 지역별 분포와 인구이동 데이터와의 상관관계를 알아보고자 통

계청이 연도별로 제공하는 읍ᆞ면ᆞ동 단위 인구이동 데이터 중 2010년에서 2012년까

지의 통계청 자료를 활용하였다. 통계청은 통계지리정보서비스를 2009년부터 제공하고

있는데 이 중 인구이동통계 서비스를 이용하면 연도별로 지정된 전출지와 전입지 간의

인구이동을 읍ᆞ면ᆞ동 단위까지 검색할 수 있다. 또한 전국 행정동의 중심점 좌표를

구한 후 해당 공동주택 단지가 속한 동을 전입지로 하여 각각의 전출지로부터의 직선거

리를 계산하여 이동거리로 간주하였다. 구체적인 분석모형은 다음과 같다.

첫째, 선행연구의 17개 HMA 설정이 적정한지를 알아보기 위하여 실계약자 자료를

HMA에 속하는 계약자와 그렇지 않은 계약자로 구분하여 각 단지별로 이동거리를 독립

변수로 하고, 계약빈도를 종속변수로 하는 단순회귀분석을 실시하였다.

둘째, 분석대상 단지의 계약자 정보가 선행연구들을 통하여 검증된 이동거리 특성과

60 제 23 권 제 2 호

살펴봄으로써 일반화할 수 있는 자료인지를 알아보기 위하여 다음의 두

가지 분석을 실시하였다. 첫 번째로 전체 계약자 자료를 대상으로 신규 단지 분양계약

자의 이동거리에 영향을 미치는 요인을 알아보기 위하여 중회귀분석을 실시하였다. 종

속변수는 계약자의 이동거리이며, 독립변수는 단위세대 규모, 계약자의 출생년도 및 성

별, 전출지와 전입지 간의 아파트 시세 차이, 3.3㎡당 분양단가, 사업방식, 지역 구분 등

으로 선정하였다. 최기헌 외(2012)에 의하면, 금융위기 전후로 이동거리에 영향을 미치

는 중요 요인이 변하는데 금융위기 이후에는 제품요인에 해당되는 분양가대비 차율과

신청평수 등이 가장 큰 영향을 미쳤다고 밝히고 있어 본 연구에서는 제품요인에 초점을

맞춰 독립변수를 선정하였다. 또한 본 연구에서는 전출지와 전입지의 지역적 특성이 이

동거리에 미치는 영향에만 관심이 있으므로 전 지역에 공통으로 영향을 미치는 전국 부

동산요인에 해당되는 변수는 모두 제외하였다. 두 번째로 이동거리와 계약자 출생년도

에 따라 계약빈도가 어떻게 영향을 받는지를 검토하기 위하여 토빗모형분석을 실시하

였다. 이동거리와 출생년도 등의 독립변수 정보는 있으나 종속변수인 계약빈도가 0인

사례를 활용하기 위하여 토빗모형을 적용하였다.

마지막으로 인구이동 데이터로부터 주택수요범위를 예측하는 것이 가능한지를 알아

보기 위하여 각각의 분석대상 단지별로 2010, 2011, 2012년도의 전출지와 전입지 간 읍

ᆞ면ᆞ동 단위의 인구이동 데이터를 검색한 후 이를 실계약자 자료로부터 구한 읍ᆞ면

ᆞ동별 계약빈도와 회귀분석을 실시하였다. 이때에도 종속변수인 계약빈도가 관찰되지

않은 읍ᆞ면ᆞ동의 인구이동 데이터를 활용하기 위하여 토빗모형을 적용하였다.

IV.

1.

계약자 자료에 관한 기초통계량은 <표 2>와 같다. 변수명인 py는 단위세대의 주택규

모, price는 세대당 분양가, yyyy는 계약자의 출생년도, mf는 계약자의 성별, diff-avg는

전입지와 전출지 해당 읍ᆞ면ᆞ동 간의 공동주택 평균 시세차이, guri는 이동거리,

py_price는 공급면적 당 분양단가를 가리킨다.


단위 개체수 평균 표준편차 최소값 최대값

py 3.3㎡ 6,123 32.527 12.726 8 67

price 백만 원 6,123 497.956 215.314 145 1274

yyyy 년 6,123 1964.245 11.746 1921 1994

mf 　- 6,123 1.474 0.499 1 2

diff_avg 백만 원 6,123 0.163 0.760 -0.77 10.26

guri km 6,123 22.307 53.721 0 479

py_price 백만 원 6,123 15.384 2.079 6 22

< 2> 기초통계량

2.

자료의 기초적 특성을 분석하기 위하여 <표 3>과 같이 빈도분석을 실시하였

다. 10개 단지별로 주택규모, 출생년도, 성별에 따른 빈도를 각각 표기하였다. 주택규모

는 주거형 오피스텔인 세곡O과 마곡O가 모두 20평형 이하를, 그리고 성복A와 성복B는

40평형 이상의 중대형 평형을, 나머지 단지는 대부분 21~40평형 범주에 포함되었다. 단

지별로는 주택규모 편중이 있지만 10개 단지 전체로 봐서는 20평형 이하가 15%, 21~30

평형이 15%, 31~40평형이 44%, 41~50평형이 18%, 51평형 이상이 8%로 특정 면적에 크

게 편중되지 않음을 알 수 있다.

출생년도는 2015년 기준으로 만60세가 되는 1955년생 이전이 20%, 50~60세가 32%,

40~49세가 30%, 30~39세가 17%, 30세 미만이 1%를 차지하고 있어 다른 연령대에 비하

여 구매력이 높을 것으로 예상되는 40, 50대가 실제로도 높은 계약빈도를 보이고 있음

을 알 수 있다.

성별은 남성이 53%, 여성이 47%로 남성이 여성에 비하여 약간 높다. 특이한 점은 나

머지 단지들과는 반대로 주거형 오피스텔인 세곡O와 마곡O에서는 남성 비율이 각각

37%와 42%로 평균 53%에 비하여 월등히 낮았는데, 이는 이들 상품이 모두 20평형 미

만으로 구성되어 상대적으로 한 세대 당 단위금액이 적기 때문에 남성에 비하여 구매력

이 낮은 여성들이 대거 분양에 참여하였기 때문인 것으로 추정된다.

62 제 23 권 제 2 호

분 퇴계원 위례A 위례B 응암A 응암B 응암C 성복A 성복B 세곡O 마곡O

빈도수(총 6,123) 757 489 617 963 830 692 282 548 456 489

주택규

모

(3.3㎡)

20이하 - - - - - - - - 100% 100%

21~30 - - - 37.3% 43.9% 30.1% - - - -

31~40 100% 96.3% 30.8% 46.0% 46.4% 53.3% 3.9% 9.7% - -

41~50 - 3.3% 69.2% 14.3% 9.8% 16.6% 6.4% 52.7% - -

51이상 - 0.4% - 2.4% - - 89.7% 37.6% - -

출생년

도

1955년 이전 14.4% 11.7% 13.9% 23.4% 26.1% 26.7% 20.6% 20.6% 19.7% 13.9%

1955~65년 34.3% 30.1% 37.4% 26.3% 24.5% 29.8% 37.6% 35.2% 34.6% 41.7%

1966~75년 29.2% 33.9% 34.2% 31.8% 28.1% 25.4% 29.8% 32.5% 25.2% 27.6%

1976~85년 21.0% 21.5% 13.1% 17.8% 20.6% 17.1% 11.3% 11.1% 17.3% 14.5%

1986년 이후 1.1% 2.9% 1.3% 0.8% 0.7% 1.0% 0.7% 0.5% 3.1% 2.2%

성별남 51.8% 55.6% 63.4% 53.7% 55.1% 50.1% 59.9% 55.3% 36.8% 41.5%

여 48.2% 44.4% 36.6% 46.3% 44.9% 49.9% 40.1% 44.7% 63.2% 58.5%

< 3> 분양계약자 자료 빈도분석

자료 출처 : 건설사 계약자 자료

3. 자료 분석단지의 계약자 정보가 선행연구들을 통하여 검증된 분양 계약자 특성과 일

치하는지를 몇 가지 관점에서 살펴봄으로써 본 연구 분석결과의 신뢰도를 높이고자 하

였다.

1) 이동거리 특성계약자 자료를 토대로 이동거리에 영향을 미치는 요소를 알아보기 위하여 중회귀분

석을 실시하였다. 종속변수는 전출지와 전입지 간 이동거리(㎞)이며, 독립변수는 연속형

변수로 단위세대 주택규모(3.3㎡), 3.3㎡당 분양단가(백만원/3.3㎡), 전출지와 전입지 간의

아파트 평균 시세차이(백만원/3.3㎡)를, 더미변수로 성별, 베이비부머 해당 여부, 사업 유

형, 신규택지 해당 여부, 주택유형 등으로 선정하였다. 사업유형은 도시정비사업 해당

여부로, 주택유형은 주거형 오피스텔 해당 여부를 기준으로 더미변수를 설정하였다.

전출지와 전입지의 아파트 평균 시세차이는 2010년에서 2012년까지 3년간의 동별 아

파트 시세를 부동산114 자료로부터 구한 후 연도별 차율을 산술평균하여 변수로 사용

하였다. <표 4>의 분석결과를 해석하면 다음과 같다.


, 단위세대 규모가 클수록 이동거리는 짧았다. 대형 상품 구매자는 소형 상품 구

매자에 비하여 기존 거주지로부터 멀리 벗어나지 않은 지역의 단지를 선호한다는 사실

을 알 수 있었다. 둘째, 단위세대의 분양단가가 높을수록 이동거리가 길게 나타나 고가

상품은 저가 상품보다 시장권역이 넓게 분포함을 알 수 있었다. 셋째, 전출지보다 전입

지의 시세가 높을수록 이동거리는 길었고, 시세가 비슷하거나 전출지보다 전입지의 시

세가 낮을수록 이동거리는 짧았다. 즉 시세차이가 적거나 현 거주지보다 시세가 낮은

지역으로의 주거이동은 비교적 짧은 거리에서만 이루어짐을 알 수 있었다. 이희연ᆞ노

승철(2010)은 우리나라 개별 도시별로 인구이동의 흐름을 분석한 결과 인근 지역으로가

아닌 시ᆞ도 경계를 넘어선 이동의 경우 거리와 상관없이 수도권이나 광역시로 흡인되

는 경우가 가장 보편적으로 나타났다는 연구결과를 제시하였다. 수도권에 해당되는 본

연구의 대상단지들에서 대상단지들보다 시세가 훨씬 낮은 지역으로부터의 주거이동일

수록 이동거리가 길게 나타난 이유를 유추해볼 수 있다.

넷째, 성별로는 계약자가 남성인 경우보다 여성인 경우 이동거리가 더 길었다. 다섯

째, 계약자가 1955년에서 1963년 사이에 태어난 베이비부머(baby boomer)에 해당되는 경

우 그렇지 않은 계약자에 비하여 이동거리가 길었다. 이는 베이비부머들이 자기가 사는

지역을 벗어나 다른 곳으로 이주하여 거주하고자 하는 비중이 상당히 높았다는 강창호

ᆞ박창수(2009)의 연구결과와 부합하였다. 여섯째, 도시정비사업에 의하여 개발된 단지

의 계약자는 지구단위계획사업에 의한 단지보다 이동거리가 짧았다. 이러한 결과는 도

시정비사업은 계약자의 상당수가 조합원이고 조합원은 시공기간 동안 사업지로부터 멀

지 않은 곳에 거주하려는 습성이 있어 나타난 결과로 보인다. 일곱째, 신규 택지일 경우

기존 주거지보다 이동거리가 짧았다. 허재완(2010)은 택지개발사업인 경우 다른 개발사

업 유형에 비하여 시ᆞ군 단위 기준으로 외부유입률이 높다는 연구결과를 제시하고 있

으나 외부유입률이 높다고 이동거리가 반드시 긴 것은 아니라는 사실을 본 연구를 통하

여 알 수 있었다. 여덟째, 주거형 오피스텔인 경우 공동주택에 비하여 이동거리가 짧아

상대적으로 가까운 지역에 수요가 분포하고 있음을 알 수 있었다.

요약하면, 유의한 양(+)의 부호를 갖는 변수는 시세차이, 베이비부머 더미, 성별 더미,

분양단가 순이었고, 유의한 음(-)의 부호를 갖는 변수는 신규택지 더미, 사업유형 더미,

주택유형 더미, 주택규모 순이었다. 각 독립변수들은 VIF값이 10미만이어서 다중공선성

에는 문제가 없음을 알 수 있었다.

64 제 23 권 제 2 호

제곱합 자유도 평균 제곱 N = 6123

회귀모형 7193109.18 8 899138.647 R-squared = 0.4071

잔차 10474708.8 6114 1713.23337 Adj R-squared = 0.4064

합계 17667818 6122 2885.95524

독립변수 회귀계수 표준오차 t 　 유의확률 표준화계수 VIF

주택규모(3.3㎡) -0.448 0.113 -3.980 0.000 -0.106 7.330

분양단가( /3.3㎡) 1.736 0.497 3.500 0.000 0.067 7.000

시세차이(백만원/3.3㎡) 45.105 0.710 63.540 0.000 0.638 5.780

성별_dummy 2.732 1.070 2.550 0.011 0.025 4.770

베이비부머_dummy 3.634 1.216 2.990 0.003 0.030 3.810

사업유형_dummy -12.533 2.352 -5.330 0.000 -0.115 1.040

신규택지_dummy -24.014 2.695 -8.910 0.000 -0.211 1.020

주택유형_dummy -12.239 3.875 -3.160 0.002 -0.082 1.020

(상수) 12.858 5.399 2.380 　 0.017 　　

< 4> 영향요인별 중회귀분석 결과

: 전입지와 전출지 간 이동거리

전출지로부터 전입지까지 이동거리 변화가 계약빈도에 미치는 영향을 파악하고

자 단지별로 단순회귀분석을 실시하였다. 단지별 계약자 자료로부터 이동거리 순으로

동별 계약자 빈도를 조사한 후 이동거리를 독립변수로, 계약빈도를 종속변수로 하여 토

빗모형을 통한 회귀분석을 실시한 결과는 <표 5>와 같다. 단, 대상단지 모두 이동거리

가 50km를 넘어서면 계약빈도가 급격히 감소하였고, 이동거리 300~400km까지 간헐적으

로 계약자가 존재하는 긴 꼬리(long-tailed) 분포를 보이고 있어 이를 모두 포함하여 분석

할 경우 자료의 왜곡이 예상되므로 50km 이내의 데이터만을 회귀분석에 사용하였다.

이는 공간거리 16km 이후 수요가 급감하다가 60km를 초과하는 지역으로부터는 유입이

거의 없었다는 김남주(2011)의 연구결과와 유사하였다. 전체 단지 공히 이동거리의 회귀

계수가 유의한 음(-)의 부호를 보여 이동거리가 길수록 계약빈도는 감소하고 있음을 알

수 있었으며, 이 표에 표시되진 않았으나 이동거리가 길수록 동당 계약빈도도 마찬가지

로 감소하였다.


수 퇴계원 위례A 위례B 응암A 응암B 응암C 성복A 성복B 세곡O 마곡O

ln_guricoeff. -1.575 -1.029 -1.066 -1.318 -1.282 -1.522 -0.618 -0.838 -1.101 -1.529

t -6.650 -5.640 -4.450 -10.830 -9.970 -9.910 -3.990 -5.550 -5.750 -8.660

const.coeff. 6.117 4.774 4.904 5.802 5.458 5.684 3.016 4.291 4.571 5.830

t 8.640 9.300 7.390 16.170 14.500 13.010 6.590 9.440 8.390 11.980

σ 1.175 0.961 1.226 0.692 0.727 0.821 0.882 0.889 1.031 0.731

log-likelihood -61.843 -48.265 -53.279 -45.656 -44.837 -46.882 -52.683 -57.874 -51.967 -35.587

LRχ2 31.050 22.940 16.320 55.760 49.890 51.580 13.770 23.800 24.810 39.360

Prob. LR χ2 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

< 5> 이동거리별 계약빈도 회귀분석 결과

종속변수 : ln(계약빈도), 독립변수 : ln(이동거리)

2) 계약자 특성의하여 베이비부머에 해당되는 것이 그렇지 않은 경우보다 이동거리가

길다는 것을 알게 되었다면, 이번에는 계약자의 출생년도에 따라 계약빈도가 어떻게 분

포하는지를 알아보고자 단지별로 단순회귀분석을 실시하였다. 단지별 계약자 자료로부

터 출생년도 별 계약자 빈도를 조사한 후 출생년도를 독립변수로, 계약빈도를 종속변수

로 하여 토빗모형을 통한 회귀분석을 실시한 결과는 <표 6>과 같다. 출생년도가 증가함

에 따라 계약빈도도 증가하다가 정점을 경계로 다시 감소하는 음(-)의 2차함수 형태를

보이고 있다. 아래 10개 단지에서 정점이 되는 출생년도는 1963~1967년이었으며, 이는

2014년 기준 48~52세에 해당되는 나이이다. 이종훈 외(2014)가 출생 코호트별로 자가 비

율을 추정하면서 제시한 코호트별 가구소득 변화를 보면, 1964~1968년생과 1954~1958년

생 구간에서 쌍봉 형태로 소득이 가장 높은 것을 알 수 있었는데 이는 본 연구에서의

정점이 되는 출생년도와 유사하였다.

이상과 같이 분양계약자 정보를 이동거리 및 계약자의 특성 관점으로 분석해본 결과,

선행연구들이 제시하고 있는 연구결과와 대부분 일치하거나 유사하게 나타나 본 연구

에 사용된 분양계약자 정보가 일반적으로 활용될 수 있는 자료임을 확인할 수 있었다.

66 제 23 권 제 2 호

수 퇴계원 위례A 위례B 응암A 응암B 응암C 성복A 성복B 세곡O 마곡O

yycoeff. 3.892 2.539 3.689 2.774 2.025 1.820 1.678 2.983 1.976 2.024

t 10.390 8.560 10.350 7.910 7.620 6.780 7.100 9.690 7.860 7.180

sq(yy)coeff. -0.030 -0.019 -0.029 -0.022 -0.015 -0.014 -0.013 -0.024 -0.015 -0.016

t -9.980 -8.220 -10.270 -7.190 -6.670 -6.210 -6.910 -9.310 -7.840 -7.170

const.coeff. -104.95 -70.783 -98.517 -64.714 -46.524 -40.886 -44.417 -77.613 -51.391 -50.264

t -9.450 -7.780 -9.140 -6.830 -6.580 -5.620 -6.360 -8.770 -6.620 -5.920

σ 5.717 4.155 5.205 7.278 5.673 5.152 2.670 4.481 3.763 4.902

log-likelihood -180.25 -153.54 -162.63 -207.63 -195.59 -180.45 -117.65 -157.62 -148.18 -162.46

LRχ2 63.130 48.580 58.600 51.570 56.530 40.370 35.370 56.580 41.240 36.280

Prob. LR χ2 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

< 6> 출생년도별 계약빈도 회귀분석 결과

: 계약빈도, 독립변수 : 출생년도, (출생년도)2

4. HMA 주택수요범위HMA 소비자가 느끼는 동일 수요권이라고 볼 수 있어 본 연구의 목적인 신규 주택

사업의 수요범위를 설정함에 있어서 최근의 선행연구 중 읍ᆞ면ᆞ동 단위의 인구이동

데이터를 근간으로 한 이상일 외(2012)가 제시한 HMA 구분 결과를 활용할 수 있는지를

우선 알아보고자 하였다. 만약 이를 활용할 수 없다면 분석대상 단지가 속한 동으로의

인구이동 데이터로써 마케팅 범위 설정이 가능한지도 알아보고자 하였다.

HMA를 구분하는 방법으로는 인트라맥스 알고리즘이 널리 사용되어 왔는데 이 알고

리즘의 기본 개념은 인구 이동량이 큰 지역들끼리 순차적인 합역과정을 거쳐 분석하는

것을 말한다. 그러나 인트라맥스 기법이 계층적 합역과정에서 한번 결합된 공간단위들

은 이후 과정에서 다시 분리되지 않음으로 인해서 국지적 해에 빠질 가능성이 있다는

단점 때문에 이상일 외(2012)는 인트라맥스 기법의 단점을 보완하기 위하여 Openshaw가

제시한 자동구획절차(automated zoning procedure, AZP)를 이용하여 우리나라 수도권을

17개의 HMA로 구분하였다. <표 7>은 본 연구 분석대상 단지가 17개의 HMA 중 어디에

해당되는지를 보여준다.


포함지역 대상 단지

1 연천군,포천시,동두천시,양주시,의정부시 　

2 파주시,강화군,김포시,고양시,일산서구,일산동구,덕양구 　

3 가평군,양평군,남양주시,구리시,포천시 퇴계원

4 은평구,서대문구,마포구,성북구,중구,용산구,양주시 응암A,응암B,응암C

5노원구,도봉구,강북구,성북구,중랑구,동대문구,남양주시,

종로구,중구,성동구,광진구　

6 강서구,인천시 계양구,부평구,서구,부천시,시흥시,양천구 마곡O

7 하남시,강동구,송파구,강남구,서초구,광진구,성동구,과천시 위례A,위례B,세곡O

8 인천시 중구,동구,남구,연수구,남동구,옹진군,시흥시 　

9동작구,관악구,금천구,구로구,광명시,영등포구,강서구,

서초구,용산구,시흥시　

10 광주시,성남시,용인시 처인구,여주군 　

11 안양시,의왕시,군포시,과천시,안산시 상록구 　

12 안산시 단원구,상록구,시흥시 　

13 여주군 　

14 이천시,여주군 　

15 수원시,화성시,오산시,용인시,평택시 성복A,성복B

16 안성시 　

17 평택시,안성시 　

< 7> 이상일 외(2012)의 수도권 HMA 분류

HMA 거주하는 계약자와 그렇지 않은 계약자의 특성을 알아보기 위하여 각 단지별

계약자 자료를 해당 단지와 동일한 HMA에 속하는 동과 그렇지 않은 동으로 나누어 각각

이동거리를 독립변수로 하고, 계약빈도를 종속변수로 하는 단순회귀분석을 실시하였다. 또

한 계약자 자료를 동별로 구분하여 빈도가 높은 순으로 정렬한 후 계약빈도의 합이 각

단지 총 계약빈도의 100%, 상위 90%, 80%, 70%, 60%에 해당되는 범위로 구분하여 회귀분

석을 실시함으로써 그 차이점을 알아보고자 하였다. 상위 60%까지를 대상으로 한 이유는

상위 50% 이하로 범위를 좁히면서 해당되는 동수가 급격히 감소하였기 때문이다. 또한

빈도 순위가 높은 동일수록 HMA에 속하는 경우가 많아 상위 50% 이하로 범위를 좁히게

되면 HMA에 속하는 계약빈도가 총 계약빈도의 80%를 상회하게 되어 HMA 해당 여부에

의한 영향을 비교하기 어렵기 때문이다. 마지막으로는 HMA의 구분 없이 전체 계약자를

포함하여 회귀분석을 실시하였고, 유의수준은 0.05를 기준으로 검정하였다.

68 제 23 권 제 2 호

분

100% 상위 90% 상위 80% 상위 70% 상위 60% HMA 구분

없는 경우HMAo HMAx HMAo HMAx HMAo HMAx HMAo HMAx HMAo HMAx

β β β β β β β β β β β const.

ln_guri -0.696 -0.437 -0.375 -0.949 -0.127 -1.282 -0.225 -1.100 0.113 -0.453 -0.517 2.304

p. 0.101 0.000 0.418 0.000 0.796 0.000 0.616 0.000 0.783 0.186 0.000 0.000

위례Aln_guri -0.404 -0.231 -0.329 -0.317 -0.058 -0.351 0.058 -0.251 0.250 0.065 -0.466 1.916

p. 0.011 0.056 0.035 0.089 0.680 0.058 0.638 0.162 0.021 0.766 0.000 0.000

위례Bln_guri -0.631 -0.403 -0.815 -0.250 -0.482 -0.525 -0.200 -0.159 -0.239 -0.595 -0.356 1.689

p. 0.003 0.000 0.000 0.184 0.017 0.052 0.438 0.558 0.377 0.074 0.000 0.000

응암Aln_guri -1.039 -0.129 -0.938 -0.178 -0.943 -0.376 -0.964 -0.104 -0.886 -0.095 -0.293 1.265

p. 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.207 0.000 0.277 0.000 0.000

응암Bln_guri -1.028 -0.156 -0.883 -0.206 -0.883 -0.316 -0.892 -0.253 -0.918 -0.365 -0.290 1.322

p. 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.020 0.000 0.079 0.000 0.000

응암Cln_guri -1.185 -0.105 -1.087 -0.134 -0.972 -0.237 -1.029 -0.122 -1.027 -0.032 -0.294 1.240

p. 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.140 0.000 0.863 0.000 0.000

성복Aln_guri -0.875 -0.239 -0.875 -0.260 -0.875 -0.290 -0.897 -0.290 -0.897 -0.076 -0.300 1.313

p. 0.000 0.000 0.000 0.000 0.000 0.001 0.002 0.001 0.002 0.624 0.000 0.000

성복Bln_guri -0.732 -0.283 -0.732 -0.319 -0.637 -0.357 -0.599 -0.205 -0.605 -0.056 -0.376 1.674

p. 0.003 0.000 0.003 0.000 0.052 0.003 0.035 0.151 0.031 0.790 0.000 0.000

세곡Oln_guri -0.695 -0.045 -0.597 -0.064 -0.424 0.061 -0.309 -0.025 -0.381 0.020 -0.217 1.128

p. 0.000 0.113 0.001 0.063 0.010 0.253 0.046 0.559 0.012 0.782 0.000 0.000

마곡Oln_guri -1.622 -0.283 -1.582 -0.410 -1.503 -0.410 -0.989 -0.532 -0.881 -1.198 -0.373 1.714

p. 0.000 0.000 0.001 0.000 0.049 0.006 0.596 0.020 0.497 0.004 0.000 0.000

< 8> HMA 해당 유무에 따른 이동거리별 계약빈도 회귀분석 결과

: ln(계약빈도), 독립변수 : ln(이동거리)

밑줄(음영) : p>0.05

< 8>의 분석결과를 보면, 우선 HMA 구분 없이 전체 계약자를 포함한 분석에서는

전체 단지 모두 이동거리와 계약빈도가 유의한 결과를 보였다. HMA를 구분한 경우를

살펴보면, 퇴계원은 계약자가 동일 HMA에 속하지 않는 경우에 이동거리가 길수록 계

약빈도가 유의하게 낮아졌으며, 위례A와 위례B는 계약빈도의 범위와 무관하게 전반적

으로 이동거리와 통계적으로 유의하지 않았다. 응암A, 응암B, 응암C와 성복A, 성복B는

계약빈도가 상위 60%, 70%이면서 HMA에 속하지 않는 경우를 제외하고선 대체적으로

이동거리와 유의한 관계를 보였다. 세곡O는 퇴계원과는 반대로 HMA에 속하는 경우에

이동거리와 계약빈도가 유의한 관계를 보였고, 마곡O는 계약빈도가 상위 60, 70%이면

서 HMA에 속하는 경우만을 제외하고는 모두 이동거리와 유의하였다. 퇴계원과 세곡O


HMA 해당여부에 따라 각각 뚜렷한 차이를 보이고 있긴 하나 퇴계원은 HMA에 속

하지 않는 경우, 반대로 세곡O는 HMA에 속하는 경우에 이동거리와 유의한 결과를 나

타내었다.

한편 위례A와 위례B는 <표 7>에서 제7권역으로 분류되어 있으나 실계약자 자료를

보니 <표 7>에서 제10권역으로 분류된 성남시, 특히 분당구로부터의 계약빈도가 상당히

높게 나와 기존 HMA와 상당한 차이를 보였다. 제4권역에 속한 응암A, 응암B, 응암C와

제15권역에 속한 성복A, 성복B는 계약빈도 범위를 넓게 잡은 경우, 즉 100%~상위 80%

까지는 HMA의 해당 여부와 무관하게 모두 이동거리와 유의한 관계를 보이다가 범위를

더 좁힐수록 HMA에 속하는 경우에만 이동거리와 유의하였다.

이상의 결과를 종합해보면, 선행연구에서 제시된 HMA를 기준으로 신규 주택사업 대

상 단지와 동일한 HMA에 거주하는 계약자와 그렇지 않은 계약자로 구분하여 각각의

이동거리 특성을 분석한 결과, 뚜렷한 차이나 일관된 추이를 얻을 수 없어 선행연구의

HMA 구분으로 신규 주택사업의 수요범위를 예측하기는 어려웠다. 이는 이상일 외

(2012)의 연구가 전역적 차원의 자족도 70%를 우선적인 조건으로 설정하여 합역의 수

준이 높아졌기 때문인 것으로 보인다. 이 연구가 특정 단지를 중심으로 주택시장권역을

예측하고자 한 것이 아니고 수도권 전체를 HMA로 구분하는 것을 목적으로 하여 합역

과정을 거쳤기 때문이라는 점을 감안할 때, 자족도를 낮추어 구역을 더 세분화한 후 위

분석과정을 다시 거친다면 다른 결과를 얻을 수도 있을 것이다.

이번에는 특정 단지가 속한 동으로의 인구이동 데이터로써 잠재수요범위 설정이 가

능한지를 알아보고자 하였다. 계약자 자료를 동별로 구분하여 빈도가 높은 순으로 정렬

한 후 각 단지별로 총 계약빈도의 상위 70%, 60%, 50%, 40%, 30%에 해당되는 구간과

그렇지 않은 구간으로 구분하여 회귀분석을 실시함으로써 그 차이를 알아보고자 하였

다. 계약빈도가 높은 동들이 포함되어 있는 상위 구간을 주택수요범위로 간주하고 그

경계가 어디에 존재하는지를 파악하였다. 범위를 상위 30~70%로 한정한 것은 30%미만

이거나 70%를 초과하게 되면 상위와 하위 어느 한 쪽 구간에 속하는 동수가 급격히 줄

어들어 회귀분석이 불가능한 단지가 많기 때문이다.

70 제 23 권 제 2 호

분

상위 70% 상위 60% 상위 50% 상위 40% 상위 30%

70% 30% 60% 40% 50% 50% 40% 60% 30% 70%

β β β β β β β β β β

ln_guri -0.688 -0.177 -0.225 -0.266 0.118 -0.345 0.090 -0.411 -0.284 -0.457

p. 0.005 0.000 0.374 0.000 0.557 0.000 0.679 0.000 0.518 0.000

위례Aln_guri -0.116 -0.107 0.040 -0.138 0.014 -0.256 0.050 -0.300 -0.110 -0.383

p. 0.103 0.053 0.587 0.032 0.827 0.000 0.488 0.000 0.162 0.000

위례Bln_guri -0.006 -0.130 0.008 -0.196 0.011 -0.244 0.317 -0.289 -0.380 -0.330

p. 0.970 0.004 0.960 0.000 0.951 0.000 0.364 0.000 0.652 0.000

응암Aln_guri -0.359 0.003 -0.329 -0.065 -0.341 -0.113 -0.291 -0.160 -0.339 -0.208

p. 0.000 0.429 0.000 0.000 0.000 0.000 0.079 0.000 0.369 0.000

응암Bln_guri -0.442 -0.055 -0.416 -0.097 -0.263 -0.140 -0.092 -0.186 -0.187 -0.232

p. 0.000 0.000 0.000 0.000 0.015 0.000 0.585 0.000 0.016 0.000

응암Cln_guri -0.430 -0.003 -0.452 -0.052 -0.394 -0.116 -0.127 -0.176 -0.153 -0.226

p. 0.000 0.662 0.000 0.000 0.000 0.000 0.340 0.000 0.104 0.000

성복Aln_guri -0.457 - -0.287 -0.006 -0.264 -0.077 -0.268 -0.137 -0.302 -0.194

p. 0.000 - 0.011 0.763 0.014 0.006 0.016 0.000 0.091 0.000

성복Bln_guri -0.320 -0.014 -0.294 -0.091 -0.258 -0.176 -0.324 - -0.170 -0.274

p. 0.003 0.433 0.027 0.000 0.038 0.000 0.007 - 0.211 0.000

세곡Oln_guri -0.159 0.008 -0.194 -0.022 -0.148 -0.061 -0.032 -0.080 -0.074 -0.133

p. 0.000 0.341 0.001 0.191 0.018 0.003 0.787 0.001 0.562 0.000

마곡Oln_guri -0.685 -0.102 -0.910 -0.173 0.101 -0.219 -0.437 -0.280 - -0.319

p. 0.000 0.001 0.000 0.000 0.896 0.000 0.686 0.000 - 0.000

< 9> 계약빈도 범위에 따른 이동거리별 계약빈도 회귀분석 결과

종속변수 : ln(계약빈도), 독립변수 : ln(이동거리)

밑줄(음영) : p>0.05

< 9>의 회귀분석 결과를 보면, 상위 70%를 경계로 구분한 경우는 상ᆞ하위 각각의

구간에서 뚜렷한 경향을 찾아보기 힘들었으나 상위 50%를 경계로 한 경우부터는 하위

구간에서 계약빈도와 이동거리 간의 관계가 통계적으로 95% 신뢰수준에서 유의해짐을

전체 단지에서 확인할 수 있었다. 그러나 아직까지 상위 구간에서는 일관된 추이를 발

견할 수 없다가 구간 경계를 상위 40%, 30% 수준으로 낮추자 상위 구간에서는 점점 이

동거리와 유의해지지 않은 반면, 하위 구간에서는 유의해지는 결과를 보였다. 이로써

상위 30~40% 수준에 주택수요범위의 경계가 존재하며 주택수요범위라고 볼 수 있는 상

위 구간에서는 동일 시장권역이기 때문에 이동거리에 구애받지 않고 분양계약이 이루

어지나 그 경계를 벗어난 하위 구간에서는 이동거리에 따라 분양계약 결정이 영향을 받


알 수 있었다. 따라서 신규 분양을 계획할 때 인근에 분양을 완료한 타 사업지의

분양계약자 자료를 구할 수 있다면, 위와 같은 방법으로 분석하여 계약빈도가 상위

30~40%를 차지하는 읍ᆞ면ᆞ동들의 분포로부터 그 지역의 주택수요범위를 추정하고 이

를 분양 마케팅 대상 설정 시에 유용하게 활용할 수 있을 것이다.

5. 계약빈도본 연구의 목적인 주택수요범위를 예측하기 위한 방법을 도출하기 위하여 인구이동

과 계약빈도의 관계를 알아보고자 통계청의 2010년부터 2012년까지의 읍ᆞ면ᆞ동 간

인구이동 데이터를 활용하였다. 앞서 설명한 바와 같이 분석대상 단지별로 최초 분양시

기가 다르긴 하나 2008년 금융위기 이후 분양시장이 급속히 냉각되어 2008년부터 2010

년까지는 준공 이후에도 미분양이 적체되어 있었다. 2010년부터 차츰 회복되다가 2013

년에 와서야 비로소 정부정책의 완화기조에 힘입어 미분양이 본격적으로 해소되기 시

작하였다. 따라서 2013년 이전인 2010년부터 2012년까지의 연도별 인구이동 데이터를

활용하여 분석대상 단지별로 인구이동과 계약빈도와의 관계를 알아보고자 단순회귀분

석을 실시하였으며, 그 결과는 <표 10>과 같다. 2010년 이전은 2008년 금융위기 충격의

직접 영향권 내에 있던 시기로 보아 인구이동 데이터 활용에서 제외하였다.

독립변수는 전출지로부터 분석대상 단지로의 인구이동을, 종속변수는 계약빈도수를

나타낸다. <표 10>을 보면 모든 단지에서 과거 인구이동이 많을수록 계약빈도도 높게

나타나 두 변수는 양(+)의 관계임을 알 수 있다. 인구이동 회귀계수가 3개년도 모두 5%

수준에서 유의한 결과를 보인 단지는 분석대상 총 10개 단지 중 퇴계원, 응암A, 응암B,

응암C, 성복A, 성복B, 마곡O로 7개 단지였으며, 2011년과 2012년에 각각 한 번씩만

10% 수준의 유의한 결과를 보인 단지는 위례A, 위례B로 2개 단지이었다. 세곡O는 3개

년도 모두 유의하지 않았다.

대상 단지들 중 <표 1>에서 알 수 있듯이 위례A, 위례B, 세곡O, 마곡O는 공공택지

내에 조성된 단지로 그렇지 않은 다른 6개 단지와 구별되는데 그 중에서 마곡O는 택지

개발지구라 할지라도 기존 주거지와 바로 인접해 있는 반면, 나머지 3개는 공동주택뿐

아니라 기존 주택도 거의 없던 지역에 조성된 단지였다는 점에 주목할 필요가 있다. 즉

인구이동이 꾸준히 이루어졌던 지역은 과거의 인구이동 데이터로부터 신규 공동주택

72 제 23 권 제 2 호

분 2010년 2011년 2012년

퇴계원

ingucoeff. 0.1789*** 0.1489*** 0.1094***

p 0.000 0.000 0.002

const.coeff. -3.5907* -2.0998 0.3744

p 0.075 0.331 0.874

위례A

ingucoeff. 0.00509 0.0074* 0.0032

p 0.233 0.088 0.526

const.coeff. 3.5819*** 3.6986*** 4.1339***

p 0.000 0.000 0.000

위례B

ingucoeff. 0.0097 0.0135 0.0132*

p 0.454 0.274 0.063

const.coeff. 5.1169*** 4.9387*** 3.8303***

p 0.000 0.000 0.000

응암A

ingucoeff. 0.1054*** 0.1396*** 0.0672***

p 0.000 0.000 0.000

const.coeff. 6.1351*** 3.6388* 1.0103**

p 0.006 0.095 0.026

응암B

ingucoeff. 0.113*** 0.1291*** 0.057***

p 0.000 0.000 0.000

const.coeff. 3.2132*** 1.8314 1.0779**

p 0.009 0.174 0.010

< 10> 3개년 인구이동과 계약빈도 회귀분석 결과

예측할 수 있는 반면, 택지개발지구처럼 신규로 조성된 지역은 그렇지 못하다는

의미로 해석될 수 있다.

이로써 택지개발지구처럼 인구이동의 흐름이 과거와 파격적으로 달라진 경우가 아니

라면 특정 지역 간의 인구이동으로 신규 개발사업지의 주택수요범위 예측이 가능함을

알 수 있다. 따라서 신규 사업지가 위치한 동(전입지)으로의 전출이 많았던 읍ᆞ면ᆞ동

일수록 잠재 수요가 많을 것으로 예상되므로 이 순위에 따라 단계적으로 마케팅 대상을

설정하면 될 것이다. 본 연구는 신규 공동주택을 분양하기 전 통계청이 제공하는 선행

인구이동 데이터, 즉 당해 사업지가 속한 동으로의 인구유입 자료로부터 읍ᆞ면ᆞ동 단

위의 잠재수요 분포를 추정해보고 그에 따라 마케팅 대상을 설정하여 비용을 효과적으

로 사용하는 데 활용될 수 있다는 점에서 실용적인 의미를 갖는다.


분 2010년 2011년 2012년

응암C

ingucoeff. 0.0900*** 0.1007*** 0.0507***

p 0.000 0.000 0.000

const.coeff. 4.3735*** 3.1056** 0.7881***

p 0.000 0.014 0.006

성복A

ingucoeff. 0.0223*** 0.0328*** 0.0365***

p 0.000 0.000 0.000

const.coeff. 1.5588*** 1.3488*** 1.2986***

p 0.000 0.000 0.000

성복B

ingucoeff. 0.0868*** 0.1746*** 0.1746***

p 0.000 0.000 0.000

const.coeff. 1.3274 -0.4309 -0.4309

p 0.139 0.556 0.556

세곡O

ingucoeff. 0.0993 0.0071 0.0161

p 0.246 0.210 0.123

const.coeff. 1.6826 3.2951*** 2.9127***

p 0.340 0.000 0.000

마곡O

ingucoeff. 0.2187*** 0.2633** 0.2454**

p 0.009 0.026 0.027

const.coeff. 4.7027 4.7005 5.3860

p 0.325 0.355 0.339

*** p<0.01, ** p<0.05, * p<0.1

Ⅴ.

1. 요약 및 시사점과거의 공급자 주도적 시장에서 수요자 주도적 시장으로 전환됨에 따라

명확한 주택시장권역(HMA) 설정과 주택수요범위의 예측은 성공적인 분양을 위한 필수

요소가 되었다. 따라서 본 연구에서는 실계약자 자료를 토대로 선행연구 중 수도권을

대상으로 제시된 HMA가 주택수요범위를 설명할 수 있는지를 우선 알아보고, 만약 그

렇지 못하다면 읍ᆞ면ᆞ동 단위의 인구이동 데이터와 계약빈도 간의 관계를 분석하여

인구이동 데이터로부터 주택수요범위를 예측할 수 있는 방법을 모색하고자 하였다.

74 제 23 권 제 2 호

분석대상 단지의 계약자 정보가 선행연구들을 통하여 검증된 분양 계약자 특성

과 일치하는지를 몇 가지 관점에서 살펴봄으로써 본 연구 분석결과의 신뢰도를 높이고

자 하였다. 연구대상 단지들의 계약자 자료를 토대로 신규 개발사업지 분양계약자의 이

동거리에 영향을 미치는 요소를 알아보기 위하여 중회귀분석을 실시하였다. 또한 전출

지로부터 전입지까지 이동거리 변화가 계약빈도에 미치는 영향을 파악하고자 단지별로

단순회귀분석을 실시하였다. 이상과 같이 분양계약자 정보를 이동거리 및 계약자의 특

성 관점으로 분석해본 결과, 선행연구들이 제시하고 있는 연구결과와 대부분 일치하거

나 유사하게 나타나 본 연구에 사용된 분양계약자 정보가 일반적으로 활용될 수 있는

자료임을 확인할 수 있었다.

선행연구에서 제시된 HMA를 기준으로 대상 단지와 동일한 HMA에 속하는 계약자와

그렇지 않은 계약자로 구분하여 각각의 이동거리 특성을 분석한 결과, 뚜렷한 차이나

일관된 추이를 얻을 수 없었는데 이는 이상일 외(2012)의 연구가 전역적 차원의 자족도

70%를 우선적인 조건으로 설정하여 합역의 수준이 높아졌기 때문인 것으로 보인다. 그

리하여 실계약자 자료로부터 주택수요범위를 새롭게 추정한 결과, 읍ᆞ면ᆞ동 단위로

계약빈도가 높은 순위에 해당하는 30~40% 수준에 주택수요범위의 경계가 존재함을 파

악하였다. 주택수요범위라고 볼 수 있는 상위 구간에서는 이동거리에 구애받지 않고 분

양계약이 이루어지나 하위 구간에서는 이동거리가 분양계약 결정에 영향을 미치는 것

으로 나타나 주택수요범위의 경계임을 확인할 수 있었다.

본 연구의 목적인 주택수요범위를 예측하기 위한 방법을 도출하기 위하여 인구이동

과 계약빈도의 관계를 알아보고자 통계청의 2010년부터 2012년까지의 읍ᆞ면ᆞ동 간

인구이동 데이터를 활용하였다. 분석 결과, 공공택지처럼 인구이동의 흐름이 과거와 파

격적으로 달라진 경우가 아니라면 특정 지역 간의 인구이동으로 신규 개발사업지의 주

택수요범위 예측이 가능함을 알 수 있었다.

이런 분석 결과를 바탕으로 본 연구는 신규 공동주택을 분양하기 전 통계청이 제공

하는 선행 인구이동 데이터, 즉 당해 사업지가 속한 동으로의 과거 인구유입 자료로부

터 읍ᆞ면ᆞ동 단위의 잠재수요 분포지역을 추정해보고 그에 따라 신규 분양을 위한 마

케팅 대상지역을 설정함으로써 마케팅 비용을 효과적으로 사용할 수 있음을 규명하였

다.


2. 의의 및 한계분양을 위한 전략을 수립함에 있어서 인근의 분양계약자 자료를 구할 수 있다

면, 본 연구에서 제안한 방법에 따라 읍ᆞ면ᆞ동 단위의 분석을 통하여 당해 지역의 주

택수요범위를 사전에 추정할 수 있을 것이다. 또한 분양계약자 자료를 구할 수 없는 경

우라 할지라도 통계청이 제공하는 선행 인구이동 데이터, 즉 분양 예정 사업지가 속한

동으로의 인구유입 자료로부터 비교적 손쉽게 읍ᆞ면ᆞ동 단위의 잠재수요범위를 추정

할 수 있는 연구 결과를 제시하였다는 점에서 학술적ᆞ실무적 의의를 갖는다. 다만, 인

구이동 이외에 계약빈도에 영향을 미치는 다른 변수를 동시에 반영하지 못한 점, 그리

고 대상 주택단지 중 2개 단지는 주거형 오피스텔이어서 공동주택과 다른 특성이 감안

되었을 가능성을 배제할 수 없으며, 이동거리를 계산함에 있어서 개별 주소지가 아닌

행정동의 중심으로부터 측정하였다는 점은 본 연구의 한계이자 후속연구의 과제로 남

겨둔다.

1. 강창호ᆞ박창수, “주거만족도가 베이비부머의 주거선택에 미치는 영향,” 한국지적정

보학회지, 제11권 제2호, 2009, 한국지적정보학회, pp.99-116.

2. 김남주, “대규모 주택사업지구로의 인구유입 분포,” 국토계획, 제46권 제3호, 2011,

대한국토 도시계획학회, pp.93-102.

3. 박천규ᆞ김재환ᆞ황관석 외, “지역 부동산시장의 미시적 동태분석과 정책시뮬레이션

모형 구축 연구,” 국토연구원 연구보고서, 제29권, 2013, 국토연구원.

4. 이상일ᆞ김감영ᆞ제갈영, “지오컴퓨테이션 접근에 의한 주택시장지역의 설정,” 한국

도시지리학회지, 제15권 제3호, 2012, 한국도시지리학회, pp.59-75.

5. 이승우ᆞ장희순, “CST분석을 통한 주택분양시장의 권역설정에 관한 연구,” 부동산

학연구, 제12집 제1호, 2006, 한국부동산분석학회, pp.165-179.

6. 이종훈ᆞ백성준ᆞ권순형, “출생 코호트별 주택구입능력 변화에 따른 자가수요 예측,”

주택연구, 제22권 제3호, 2014, 한국주택학회, pp.101-126.

76 제 23 권 제 2 호

7. ᆞ노승철, “위계선형모형을 이용한 인구이동 흐름 분석,” 국토연구, 제67권,

2010, 국토연구원, pp.123-142.

8. 전유신, “경기도 개발사업 유형별 인구이동 실태분석 연구,” 국토계획, 제44권 제5

호, 2009, 대한국토 도시계획학회, pp.113-123.

9. 최기헌ᆞ백민석ᆞ이상엽, “주택수요권역의 거리결정요인에 관한 연구,” 주택연구,

제20권 제4호, 2012, 한국주택학회, pp.157-187.

10. 최은영ᆞ조대헌, “서울시 내부 인구이동의 특성에 관한 연구,” 한국지역지리학회지,

제11권 제2호, 2005, 한국지역지리학회, pp.169-186.

11. 허재완, “주택개발사업의 외부인구유입률 특성에 관한 연구,” 한국지역개발학회지,

제22권 제4호, 2010, 한국지역개발학회, pp.47-62.

12. Brown, P. & S. Hincks, “A Framework for Housing Market Area Delineation: Principles

and Application,” Urban Studies. 45(11). 2008. pp.2225-2247.

13. DTZ Pieda, “Analysis of Sub-regional Housing Markets in the South West,” South West

Regional Housing Board. 2004.

14. Jones, C. “The Definition of Housing Market Areas and Strategic Planning,” Urban

Studies. 39(3). 2002. pp.549-564.


정보 및 인구이동에 의한 신규 주택사업의 수요범위 예측성공적인 분양은 정확한 수요 발굴이 필수적인 요소이다. 한정된 재

원으로 수요를 효과적으로 발굴하기 위해서는 사업지로부터 어느 범위까지를 수요대상

으로 설정하느냐가 마케팅 전략 수립의 관건이 된다. 따라서 본 연구는 수도권에 위치

한 총 10개 신규 공동주택단지를 선정하여 선행연구에서 제시된 주택시장권역(HMA:

Housing Market Areas)을 적용해보고, 나아가 인구이동 데이터를 활용하여 읍ᆞ면ᆞ동

단위로 신규 주택사업의 수요범위를 추정하는 방법을 모색하고자 하였다.

분석에 앞서 본 연구에 이용할 분양계약자 정보를 이동거리 및 계약자의 특성 관점

으로 분석해본 결과, 선행연구들이 제시하고 있는 연구결과와 대부분 일치하거나 유사

하게 나타나 본 연구에 사용된 분양계약자 정보가 일반적으로 활용될 수 있는 자료임을

확인할 수 있었다.

선행연구에서 제시한 HMA는 합역도가 높아 읍ᆞ면ᆞ동 단위까지 수요범위를 추정

하는데 활용하기는 무리가 있어 실계약자 자료로부터 적정 주택수요범위를 추정하는

방법을 알아보고자 하였다. 그 결과 읍ᆞ면ᆞ동 단위로 계약빈도가 높은 순위에 해당하

는 30~40% 수준에 주택수요범위의 경계가 존재함을 알 수 있었고, 이는 주택수요범위

라고 볼 수 있는 상위 구간에서는 이동거리에 구애받지 않고 분양계약이 이루어지나 그

경계를 벗어난 하위 구간에서는 이동거리가 분양계약 결정에 주로 영향을 준다는 분석

결과로써 확인되었다.

또한 본 연구는 통계청의 읍ᆞ면ᆞ동 간 인구이동 데이터를 통한 인구이동 특성과

수도권 10개 단지의 실제 분양계약자 정보를 실증 분석한 결과, 신규 공공택지처럼 인

구이동의 흐름이 과거와 파격적으로 달라진 경우가 아니라면 특정 지역 간의 인구이동

으로 신규 주택사업의 수요범위 예측이 가능함을 알 수 있었다. 이런 분석을 통하여 마

케팅 대상지역을 적절히 설정함으로써 비용을 효과적으로 사용할 수 있는 방법을 규명

하였다는 점에 본 연구는 의의를 갖는다.

정보 및 인구이동에 의한 신규 주택사업의 수요범위 예측사업 -$'%0...

Documents