Korea Planning Association
[ Article ]
Journal of Korea Planning Association - Vol. 53, No. 3, pp.101-112
ISSN: 1226-7147 (Print) 2383-9171 (Online)
Print publication date 30 Jun 2018
Final publication date 31 May 2018
Received 09 Apr 2018 Revised 24 May 2018 Reviewed 29 May 2018 Accepted 29 May 2018
DOI: https://doi.org/10.17208/jkpa.2018.06.53.3.101

개인 및 주거이동특성이 가계부채에 미치는 영향

이동성* ; 김병석**
The Effect of Individual and Residential Mobility Characteristics on Household Debt
Lee, DongSung* ; Kim, Byung-Suk**
*Dept. of Urban Planning & Real Estate, Chung-Ang University
**Future Strategy Center, Incheon Institute bskim272@naver.com

Correspondence to: **Future Strategy Center, Incheon Institute (Corresponding Author: bskim272@naver.com)

Abstract

The purpose of this study is to analyze the effect of individual and residential mobility characteristics on household debt. For this purpose, this study used binary logit model using ‘2016 Korea Housing Survey’ data. As a result of the analysis, First, in terms of Individual Characteristics, single household, age, education, income variables are statistically significant. Second, in terms of residential mobility characteristics, ‘moving from rent to owning’ are more likely to have household debt than other housing tenure transitions. Also, ‘moving from Seoul to Incheon·Gyeonggi’ & ‘moving from Incheon·Gyeonggi to Incheon·Gyeonggi’ & ‘moving from Incheon·Gyeonggi to Noncapital’ are more likely to have household debt than ‘moving from Seoul to Noncapital’, while ‘moving from Noncapital to Seoul’ is less likely to have household debt than ‘moving from Seoul to Noncapital’.

Keywords:

Household Debt, Individual Characteristic, Residential Mobility Characteristic, Binary Logit Model, Korea Housing Survey

키워드:

가계부채, 개인특성, 주거이동특성, 이항로짓모형, 주거실태조사

Ⅰ. 서론

1. 연구의 배경 및 목적

가계의 운영은 가계의 한정된 소득과 가구구성원들의 목표달성 및 욕구충족을 위한 소비 사이에서 이루어진다. 하지만 항상 소득과 소비가 일치하는 것은 아니고, 만약 소비가 소득을 넘어선다면, 이때 부채가 발생하게 된다. 이렇게 발생한 부채는 저축과 함께 가계의 합리적 운영을 위해 반드시 필요한 수단이라고 할 수 있다.

하지만 최근에는 비합리적인 차용행위가 많이 발생하고 있고, 그 결과 가계부채에 대한 문제가 사회적으로 심각한 수준에 다다랐다. 실제로 한국은행 자료를 살펴보면, 2017년 초 가계부채는 1,359조 원으로 2007년 말 699조 원 대비 2배 이상이 증가하였다. 그리고 많은 전문가들은 국내총생산 대비 가계부채 규모가 75%을 상회한지 오래되었고, 부채상환부담률(DSR)은 최근 3년 연속 세계경제포럼(WEF)에서 정한 기준치인 20%을 꾸준히 상회하고 있어 우리나라의 가계부채가 심각한 상태에 직면하였고, 특단의 대책이 필요하다고 주장하고 있다(경기연구원, 2017).

이렇듯 가계부채에 대한 문제의 심각성이 크게 대두되고 있는 상황에서 관련 문제를 해결하기 위해서는 가계부채가 어떠한 요인 때문에 증가하고 있는지 파악하는 것이 선행되어야만 한다. 가계부채에 영향을 미치는 요인들을 먼저 파악해야지만, 비로소 가계경제에 대한 예측과 효과적인 정책방향을 마련할 수 있기 때문이다. 현재 많은 연구들은 각 가구의 개인적인 특성들이 가계부채에 어떠한 영향을 미치고 있는지 살펴보고 있다(김경아, 2011; 김우영·김현정, 2010; 김주영, 2014; 김학주, 2004; 성영애, 2006; 최필선·민인식, 2008). 하지만 가계부채 발생요인을 개인적인 특성에만 국한하여 판단하는 것은 한계가 있다. 한국은행에 따르면, 가계금융 대출은 부동산 관련 대출이 전체 비율 중에서 약 63%로 가장 많은 것으로 나타났는데1), 이는 가계가 주택 등 부동산 구매 행위를 함에 있어 많은 경우 부채를 진다는 것을 대변한다. 그리고 일반적으로 부동산 구매 행위는 주거이동을 할 경우 불가피하게 발생하는 것이기 때문에, 가계부채에 영향을 미치는 요인으로 반드시 포함되어야만 할 것이다. 하지만 현재까지 주거이동이 가계부채에 어떠한 영향을 미치는지 확인한 연구는 미비한 상태이다.

따라서 본 연구는 가계부채에 영향을 미치는 개인적인 특성과 더불어 주거이동 요인을 살펴봄으로써, 이를 통해 정책적 시사점을 도출하는 것을 목적으로 한다.

2. 연구의 범위 및 방법

본 연구의 시간적 범위는 주거실태조사가 시행된 가장 최근 연도인 2016년으로 설정하였다. 또한 연구의 공간적 범위는 주거실태조사 대상 지역인 전국으로 설정하였다.

본 연구의 방법은 크게 변수 선정을 위한 문헌조사, 그리고 실증분석방법론으로 이항로짓모형을 활용하였다. 실증분석에 활용한 종속변수는 각 가구의 가계부채 여부로써 명목척도이기 때문에 이항로짓모형을 활용하는 것이 적합하다고 판단하였다.


Ⅱ. 선행연구 검토

본 연구와 관련된 선행연구는 크게 가구특성이 가계부채에 미치는 영향에 관한 연구와 주거이동 및 가계부채의 관계를 다룬 연구로 구분할 수 있다. 먼저, 가구특성과 가계부채에 관한 연구는 다양한 측면에서 연구들이 진행되었으며, 인구·사회학적인 요인과 소득, 자산, 주택점유형태 등이 가계부채에 주요한 영향을 미치고 있다는 점에서는 공통적인 견해를 보이고 있다.

성영애(2006)는 다항로짓모형을 이용하여 가구특성이 가계부채에 미치는 영향을 분석하였다. 이를 위해 가구특성을 연령, 가구원수, 교육수준, 주거지역, 직업, 소득수준, 자산, 이사여부 등으로 설정하였으며, 분석결과 가구원수와 자녀부담을 제외한 모든 변수가 가계부채에 영향을 미치는 것으로 나타났다. 김주영(2014)은 가구의 생애주기와 경제적 특성이 가계부채에 어떠한 영향을 미치는지 분석하기 위해 생애주기의 관점에서 연령을 구분하고, 교육수준, 가구형태, 거주지역, 취업, 가구소득, 주택점유형태 등으로 변수를 설정하였다. 분석결과, 대도시에 거주하는 가구일수록 가계부채 부담이 크며, 가구주의 경제적 지위와 금융자산의 증가가 부채비율을 낮추는 요인으로 작용하였다. 또한, 생애주기관점에서 60대와 비교해 보았을 때 모든 연령층이 정(+)의 영향을 미치는 것으로 나타났고, 가구 내 고령자수의 증가는 가계부채를 감소시키는 요인으로 작용하였다. 김우영·김현정(2010)은 가계부채 결정요인을 분석한 결과, 가계부채 보유확률과 평균 부채규모는 45~54세 연령층에서 가장 큰 것으로 추정되었으며, 자영업가구와 교육비 부담도 부채규모에 정(+)의 영향을 미치는 것으로 분석되었다. 김경아(2011)는 패널데이터를 이용하여 가계의 부채유무 및 부채규모의 결정요인을 분석한 결과, 남성, 연령이 높을수록, 가구원수가 많고 자가 주택보유 가구일수록, 그리고 가구 소득과 부동산 자산이 높을수록 부채를 보유할 확률이 높은 것으로 나타났다. 김학주(2004; 2005)는 가구주의 취업형태에 따른 가계부채를 분석한 결과, 일용직 및 고용주, 가구의 총 소득과 자산의 경우 가계부채에 정(+)의 영향을 미치는 것으로 나타났다. 또한 후속연구에서는 소득계층에 따라 가계부채에 미치는 영향을 분석하였는데 저소득계층일수록 부채부담이 높아졌고, 고소득층은 금융기관 부채 비중이 높은 것으로 분석되었다. 최필선·민인식(2008)은 패널데이터를 이용하여 가계부채보유가구를 대상으로 각 계층별로 어떠한 특성을 보이는지를 분석한 결과, 소득이 감소할수록 부채가 적어지는 경향을 보이고 있으나 소득 최하위 20%계층은 예외적으로 차상위 20%보다 더 많은 부채가 있는 것으로 나타났다.

가구의 주택구입 행동이 부채에 미치는 영향을 분석한 홍기석(2013)은 노동패널자료를 이용한 가구별 분석에서, 주택가격 상승은 이미 자가를 보유한 가구에 대해서는 부채증가에 기여 하지 않은 반면, 신규로 자가를 구입하는 가구에 대해서는 유의하게 차입을 확대시키는 요인으로 작용하였다. 이창무·임미화(2013)는 부동산보유가구를 대상으로 부동산보유유형을 자가, 차가 등으로 분류한 후 담보대출의 위험성을 분석하였다. 분석결과, 차가에 거주하면서 부동산을 소유하고 있는 가구가 부채위험 비율이 높은 것으로 나타났고, 지역별 부채위험가구는 수도권이 1.1%, 비수도권은 0.5%로 나타나 부채위험가구가 수도권에 집중되어 있는 것으로 분석되었다.

다음으로 주거이동과 가계부채 관련 연구를 살펴보면, 서대교·황진태(2015)는 서울의 경우 부산과 대구에 비해 자가 보유자와 전세 세입자 간 가계부채의 차이가 상대적으로 크지 않은 것으로 분석되었다. 반면, 서울과 부산을 비교해 보았을 때 자가 보유자와 전세 세입자 간 가계부채의 갭은 2006년 이후 더 커진 것으로 나타났다. 이현정·유종선(2015)은 자가소유 가구의 연령별 주택 자산효과를 분석한 결과, 자산대비부채비율은 연령이 낮은 그룹(35~54)에서 높아지나 연령(55~65세 이상)이 높아질수록 부채비율은 낮아지는 것으로 나타났다. 또한, 지역별로는 수도권 거주 가구 보다 비수도권 거주 가구의 소비탄력성이 높은 것으로 분석되었다. 이는 고가의 주택이 많은 수도권보다 주택가격이 비교적 낮은 비수도권에서 주택가치 증가에 따른 소비상승으로 이어졌기 때문이라고 주장하였다. 오천진·이명훈(2017)은 생애최초주택 거주자의 주거이동 영향요인을 분석하기 위해 지역 내 주거이동과 지역 간 주거이동으로 분류하여 분석을 실시하였다. 그 결과 지역 내 주거이동은 부채가 있고 부채금액이 클수록 주거이동을 하지 못하는 것으로 나타났고, 지역 간 주거이동측면에서는 총 부채금액이 많을수록 정(+)의 영향을 미치는 것으로 나타났다. 이는 과도한 가계부채로 인해 좀 더 저렴한 지역으로 주거이동을 할 수 있다고 주장하였다. 김준형·최막중(2009)은 주거이동 가구를 대상으로 지역주택가격이 주거입지이동에 미치는 영향을 분석한 결과, 소득이 높은 임차가구는 주택구입을 위해 지역 간 이동이 발생하지만 소득이 낮은 가구의 임차이동은 지역 내에서 머무를 가능성이 높다고 주장하였다. 강은택·마강래(2012)는 비수도권에서 태어나고 성장한 사람들 중에서 수도권으로 이동한 사람과 이동하지 않고 비수도권에서 계속 거주하는 사람들을 대상으로 경제적 차이를 분석한 결과, 수도권으로 이동한 그룹과 이동하지 않은 그룹 간의 소득 격차와 자산 격차가 지속적으로 발생하고 있는 것으로 나타났다. 유기현 외(2013)는 서울시를 대상으로 가구의 소득 및 자산수준에 따라 주거이동에 어떠한 영향을 미치는지 분석한 결과, 현 거주지역에서 다른 구로 이동한 가구는 부동산자산에 정(+)의 영향을 미치는 것으로 나타났고, 경기지역으로 이동한 가구는 부(-)의 영향을 미치는 것으로 나타났다. 이재수·원재웅(2017)은 서울시를 대상으로 전출입 가구의 주거이동 특성을 분석한 결과, 서울 전출가구는 서울보다 주택매매가격이 크게 낮지 않고 가격증가율이 유사한 경기·인천지역으로 이동하는 경향이 나타났으며, 반면, 서울 전입인구는 주택매매가격의 증가율이 상대적으로 높아 부동산 차익을 기대할 수 있는 자치구로 이주하는 경향이 높은 것으로 나타났다.

지금까지 살펴본 선행연구들을 종합해보면, 가계부채에 영향을 주는 요인들은 가구(개인) 특성, 주택구입 특성, 주거이동 특성 등으로 구분 가능하다. 기존 선행연구와 본 연구의 차별성은 본 연구의 경우 개인적인 특성과 더불어 주거이동 특성을 보다 세분화하여 다뤘다는 점이다. 기존연구들에서는 가계부채에 영향을 미치는 요인으로 주거이동특성 변수를 다룬 연구가 미비한 상태이고, 소수(少數) 있다고 하더라도 주거이동특성을 주택점유형태 또는 지역 내 주거이동과 지역 간 주거이동으로 구분하여 활용하였다. 하지만 본 연구에서는 주거이동특성으로 주택구조 변화와 주택점유형태 변화, 그리고 지역 간 주거이동을 서울, 경기·인천, 비수도권으로 보다 세분화하여 파악하였다는 점에서 기존연구들과 차별성을 가진다.


Ⅲ. 분석의 틀

1. 자료 수집 및 변수 선정

본 연구에서는 실증분석을 위해 ‘2016년도 주거실태조사’를 활용하였다. 2016년도에 시행된 주거실태조사는 총 20,133가구를 대상으로 각 가구의 주거환경 및 주거실태에 대한 파악을 위해 실시되었다. 이 중 개인특성과 주거이동특성이 가계부채에 어떠한 영향을 미치는지 파악하기 위해 이사경험이 있는 가구를 추출하여 분석을 진행하였다. 본 연구의 세부목적은 주거이동의 다양한 유형들이 가계부채에 어떠한 영향을 미치는지 살펴보는 것이다. 만약 이사경험이 없는 가구를 분석대상에 포함시킨다면, 주거이동 유형을 세분화하기 어렵기 때문에 본 연구의 분석에서는 이사경험이 없는 가구를 제외시켰다.

본 연구에서 활용한 종속변수 및 독립변수는 표 1과 같다. 종속변수는 개인특성과 주거이동특성으로 인해 부채가 발생하는지 여부를 확인하기 위한 변수로 부채여부(1=부채있음, 0=부채없음)를 설정하였다. 또한 독립변수는 기존 연구들을 통해 가계부채에 영향을 미치는 개인특성 변수들과 본 연구에서 궁극적으로 보고자하는 주거이동 특성 변수들을 추출하였고, 이 변수들을 대상으로 다중공선성 검사(Variance Inflation Factor)를 통해 최종적으로 독립변수를 결정하였다.

구체적으로 개인특성 변수로는 1인가구 여부, 연령 특성, 교육수준, 직업, 소득수준을 활용하였다. 특히 직업의 경우 다른 직종에 비해 상대적으로 전문직 종사자가 가계부채에 어떠한 영향을 미치는지 파악하기 위해 전문직2)과 비전문직3)으로 구분하였다. 이러한 구분은 기존 선행연구에서도 다수 활용되고 있다(강은택·마강래, 2012; 권기현 외, 2013; 최막중·임영진, 2001). 또한 주거이동 특성은 주택구조 변화특성, 주택점유형태 변화특성, 공간적 이동특성으로 구분하였는데, 주택구조 특성으로는 현재 거주중인 주택과 이전 거주주택 간의 주택 면적 차이를 활용하였고, 주택점유형태 특성으로는 자가 및 차가 사이의 주택점유형태 변화를 변수로 활용하였다. 마지막으로 공간적 이동 특성은 주거이동이 서울, 인천·경기, 비수도권 사이에서 공간적인 변화를 변수로 활용하였다.

Definition of Variables

2. 변수의 기초 통계량

표 2는 실증분석에서 활용한 자료의 기초 통계량을 나타낸 표이다. 앞서 언급했듯이 ‘2016년도 주거실태조사’의 대상가구 중 이사경험이 있는 가구를 추출하여 분석을 진행하였다. 이사경험이 있는 가구 중에서 결측값이 있는 가구를 제외하고, 실질적으로 분석에서 활용한 가구는 총 9,298가구이다.

Descriptive Statistics

종속변수인 부채여부는 더미변수화하여 활용하였기 때문에 최소값이 0이고 최대값이 1로 나타났다. 또한 부채있는 가구는 5,687가구로써 전체 가구 중 61%를 차지하고 있는 것으로 나타나, 분석자료에서 부채가 있는 가구가 부채가 없는 가구보다 더 많다는 사실을 파악할 수 있었다. 종속변수뿐만 아니라 독립변수들도 최소값은 0, 최대값은 1인 더미변수 및 참조변수의 형태로 구축하였다.


Ⅳ. 분석 결과

1. 분석방법 - 이항로짓모형

본 연구는 개인과 주거이동특성이 가계부채에 어떠한 영향을 미치는지 확인하기 위해 종속변수로 가계부채 자료를 활용하였다. 또한 가계부채 자료를 가계부채여부로 가공하여 가구에 부채가 존재하는지, 또는 존재하지 않는지 구분하였다. 따라서 본 연구의 궁극적인 목적은 개인과 주거이동특성이 가계부채 존재여부에 어떠한 영향을 미치는지 살펴보는 것이라 할 수 있다.

이렇듯 종속변수가 이분형으로 구성되어 있을 경우에는 일반 회귀모형이 아닌 이항로짓모형(Binary Logit Model)을 활용하는 것이 적합하다(Hosmer et al., 2000). 이항로짓모형은 종속변수를 0과 1로 나타냄으로써 해당사건의 발생확률을 예측하는데 사용되며, 식은 다음과 같이 표현된다.

π(x)=exp(β0+β1x)1+exp(β0+β1x)식(1) 

여기에서 β0β1은 추정될 모수를 나타내고, x는 독립변수를 나타낸다. 이항로짓모형에서 중요하게 다루어지는 부분은 오즈비(Odds Ratio)에 대한 내용이다. 오즈비는 해석방법으로써 이항로짓모형의 분석결과 값을 쉽게 해석하는데 도움을 준다. 오즈비에 대한 식은 다음과 같이 표현된다.

π(x)1-π(x)=exp(α+βx)=eαeβx식(2) 

오즈비를 활용하여 분석결과를 해석하면, 어떤 사건을 발생시킬 확률은 독립변수인 x가 한 단위 증가함에 따라 eβ배 만큼 증가한다고 할 수 있고, 만약 β값이 0이라면 eβ=1이 돼서 x의 변화에도 불구하고 발생확률은 변화가 없게 된다.

2. 이항로짓모형 분석결과

이항로짓모형을 통해 도출한 실증분석 결과는 표 3과 같다. 이항로짓모형의 적합성(Good of fitness)은 일반적으로 우도비(Likelihood Ratio) 값을 통해 확인하는 것이 일반적이다. 표 3에 나와있는 우도비를 살펴보면, 우도비 값은 935.621이고 통계적으로 유의한 것으로 도출되어, 본 연구에서 구축한 모형이 적합한 것으로 나타났다.

The Effect of Individual and Residential Mobility Characteristics on ‘Household Debt’

독립변수의 영향력을 살펴보면, 먼저 개인특성의 경우 1인 가구 여부, 연령 특성, 교육수준, 소득수준 등이 종속변수에 유의미한 영향을 주는 변수로 나타났고, 선행연구와 비슷한 영향력 값을 가지는 것으로 나타났다. 구체적으로 1인 가구일수록 가계부채가 있을 확률이 낮고, 연령의 경우 가구주의 나이가 50대인 가구 대비 가구주의 나이가 30대 이하인 가구 및 40대 인 가구일수록 가계부채가 있을 확률이 높은 반면, 50대 가구주 대비 60대 이상 가구주일수록 가계부채가 있을 확률이 줄어드는 것으로 나타났다. 또한 고학력일수록, 그리고 소득이 높을수록 가계부채가 있을 확률이 높게 나타났는데, 이는 고학력자, 그리고 고소득층일수록 투자에 대한 정보획득능력이 높은 등 투자기회가 많게 되고, 따라서 부채를 얻어서라도 투자를 할 확률이 높아 나타나는 현상이라고 판단된다.

본 연구에서는 주거이동 변수를 주택구조 변화특성, 점유형태 변화특성, 공간적 이동특성으로 구분하였는데, 이중 점유형태 변화특성과 공간적 이동특성만이 통계적으로 유의한 것으로 나타났다. 먼저 점유형태 변화특성을 구체적으로 살펴보면, 참조변수로 설정한 차가에서 자가로의 변화는 기타 주택점유형태 변화보다 가계부채가 있을 확률이 높게 나타났다. 이러한 결과는 자가에서 자가로의 이동, 자가에서 차가로의 이동, 차가에서 차가로의 이동보다 차가에서 자가로 이동하는데 상대적으로 많은 비용이 필요하기 때문이라고 판단된다.

다음으로 공간적 이동특성에 대한 분석결과를 살펴보면, 서울에서 경기·인천으로의 이동, 경기·인천 내부에서의 이동, 경기·인천에서 비수도권으로의 이동, 비수도권에서 서울로의 이동만이 통계적으로 유의한 것으로 나타났다. 참조변수로 설정한 서울에서 비수도권으로의 이동보다 서울에서 경기·인천으로 이동할수록, 경기·인천 내부에서 이동할수록, 경기·인천에서 비수도권으로 이동할수록 가계부채가 생길 확률이 증가하게 되고, 반면에 서울에서 비수도권으로 이동보다 비수도권에서 서울로 이동할 경우 가계부채가 존재할 확률이 줄어들게 된다. 일반적으로 서울의 집값은 상대적으로 기타 지역보다 높고, 지방의 경우 상대적으로 집값이 낮기 때문에 참조변수로 설정한 서울에서 비수도권으로의 이동이 다른 공간적 이동보다 가계부채가 존재할 확률이 적을 것이라고 생각될 수 있다. 하지만 분석결과 살펴봤듯이 서울에서 비수도권으로의 이동보다 비수도권에서 서울로의 이동이 가계부채가 존재할 확률이 더 낮게 나타나 일반적으로 생각하는 것과는 반대의 결과 값이 도출되었다. 이러한 결과는 서울로의 주거이동에 진입장벽이 존재하기 때문이라고 판단된다. 서울의 집값은 상대적으로 다른 지역에 비해 높기 때문에 기타 지역에서 서울로 주거이동을 하는 것은 상대적으로 매우 어렵고, 만약 직장 등의 이유로 서울로 주거이동을 해야만 하는 경우라면, 부채를 얻어서라도 기존의 주거형태와 동일하게 주거이동을 하는 것이 아니라, 점유형태 및 규모 등을 축소하여 부채를 얻지 않은 상태에서 서울로 진입하게 될 것이다. 또한, 본래 서울에 자가가 있는 가구는 비수도권으로 이주를 할 경우, 서울의 집값이 지속적으로 오를 것이라는 심리적인 요인 때문에 기존 서울에 있는 주택을 처분하지 않고, 부채를 얻어 지방으로 내려가기 때문이라고 판단된다.


Ⅴ. 결론 및 제언

차용으로부터 발생하는 가계부채는 가계의 운영에 필수적인 요소이다. 하지만 최근들어 비합리적인 차용으로 인해 우리나라의 가계부채는 2000년도 초에 비해 대폭 상승하였고, 특히 최근 부채상환부담률(DSR)은 세계경제포럼(WEF)에서 정한 기준치보다 높아져서, 가계부채에 대한 문제의 심각성이 대두되고 있는 상황이다. 이에 본 연구는 ‘2016년도 주거실태조사’ 자료를 활용하여 가계부채에 영향을 미치는 개인 특성과 주거이동 특성을 살펴보고, 이를 통해 정책적 시사점을 도출하는데 그 목적이 있다.

본 연구에서는 실증분석 방법으로 이항로짓모형을 활용하였는데, 분석결과는 다음과 같다. 먼저 개인 특성에 대한 분석결과를 살펴보면, 1인 가구여부, 연령특성, 교육수준, 소득수준 등의 변수가 통계적으로 유의하게 나타났다. 특히 고학력이고, 소득이 높은 가구일수록 가계부채가 있을 확률이 높게 나타났는데, 이는 고학력자, 고소득자 일수록 투자에 대한 정보획득능력이 높은 등 투자기회가 많아져, 부채를 얻어서라도 투자를 할 확률이 높기 때문이라고 판단된다.

다음으로 주거이동특성에 대한 분석결과를 살펴보면, 주거이동특성으로 구분한 주택구조 변화특성, 주택점유형태 변화특성, 공간적 이동특성 중에서 주택점유형태 변화특성과 공간적 이동특성만이 통계적으로 유의한 것으로 나타났다. 구체적으로 살펴보면, 주택점유형태 변화는 자가에서 자가로의 이동, 자가에서 차가로의 이동, 차가에서 차가로의 이동보다 차가에서 자가로 이동했을 경우에 가계부채가 발생할 확률이 높은 것으로 나타났다. 또한 공간적 이동특성을 살펴보면, 서울에서 비수도권으로 이동했을 때보다 서울에서 경기·인천으로의 이동, 경기·인천 내부에서의 이동, 경기·인천에서 비수도권으로의 이동했을 경우가 가계부채 발생 확률이 높게 나타났고, 반면에 비수도권에서 서울로 이동하는 가구보다는 부채발생 확률이 낮게 나타났다. 이러한 원인은 먼저 서울의 집값은 상대적으로 다른 지역에 비해 높기 때문에 기타 지역에서 서울로 주거이동을 하는 것은 상대적으로 매우 어렵고, 만약 직장 등의 이유로 서울로 주거이동을 해야만 하는 경우라면, 부채를 얻어서라도 기존의 주거형태와 동일하게 주거이동을 하는 것이 아니라, 점유형태 및 규모 등을 축소하여 부채를 얻지 않은 상태에서 서울로 진입하게 되기 때문이라고 판단된다. 또한 본래 서울에 자가가 있는 가구는 비수도권으로 이주를 할 경우, 서울의 집값이 지속적으로 오를 것이라는 심리적인 요인 때문에 기존 서울에 있는 주택을 처분하지 않고, 부채를 얻어 지방으로 내려가기 때문이라고 판단된다.

본 연구는 가계부채에 영향을 미치는 요인이 개인 특성뿐만 아니라 주거이동특성도 있다는 것을 밝혔다는 측면에서 의미가 있다. 특히 공간적 이동으로 가계부채 발생에 영향을 준다는 분석결과는 중요한 정책적 시사점을 제시할 수 있을 것으로 사료된다. 본 연구에서는 서울에서 비수도권으로 이동하는 것보다 비수도권에서 서울로 이동하는 경우 부채를 얻을 확률이 더 낮은 것으로 도출되었다. 그리고 이러한 원인이 서울 집값에 대한 진입장벽과 이로 인한 심리적인 요인의 결과라고 판단하였다. 즉, 비수도권에서 서울로 이동할수록 가계부채 발생확률은 줄어들지만, 그만큼 주택의 질 또한 감소할 확률이 높을 것으로 판단된다. 따라서 이러한 분석결과는 서울의 급격한 주택가격 상승을 억제하고, 지방과 서울 간의 주택가격 격차를 줄이기 위한 정부의 부동산 정책 필요성을 강조하는데 중요한 자료가 될 것으로 기대된다.

본 연구의 한계는 첫째, 분석대상에서 이사경험이 없는 가구를 포함시키기 않았다는 점이다. 본 연구의 세부목적은 주거이동의 다양한 유형들이 가계부채에 어떠한 영향을 미치는지 살펴보는 것이기 때문에 주거이동 유형의 세분화를 위해 이사경험이 없는 가구를 분석대상에서 제외시켰다. 향후 연구에서 주거이동 유형 세분화 및 이사경험이 없는 가구를 모두 포함시킬 수 있는 분석 모형을 도출한다면, 보다 의미있는 연구결과가 나타날 것으로 기대한다.

둘째, 공간적 이동 등 주거이동형태에 대한 분석결과 해석에 있어 일정부분 사회현상을 보고 추측하여 해석을 진행하였다는 점이다. 향후 연구에서는 이러한 점을 인지하고 보다 세분화된 분석을 진행한다면 보다 정확한 결과 및 해석을 도출할 수 있을 것으로 기대한다.

Notes
주1. 거주주택 구입 34%, 거주주택 외 부동산 구매 대출 18%, 토지 및 상가 투자를 위한 대출 29%
주2. 전문직 종사자: 전문가 및 준전문가
주3. 비전문직 종사자: 관리자, 사무업무, 서비스업, 판매업, 농립어업, 기능적 업무, 장치·기계 조작 및 조립, 단순노무, 군인·군무원

References

  • 강은택·마강래, 2012. “수도권으로의 이동에 따른 경제적 효과에 관한 연구”,「국토계획」, 47(1): 33-43. Kang, E. T., and Ma, K. R., 2012. “A study on the economic effects of migration to the seoul metropolitan area”, Journal of Korea Planning Association, 47(1): 33-43..
  • 경기연구원, 2017.「가계부채, 문제의 핵심과 해결방향」, 경기. Gyeonggi Research Institute, 2017. Household debt, The key of the problem and the solution direction, Gyeonggi...
  • 권기현·정지은·전명진, 2013. “주거이동이 주거 만족도에 미치는 영향 분석”,「주택연구」, 21(2): 189-213. Kwon, K. H., Jeong, J. E., and Jun, M. J., 2013. “Analyzing the effect of residential mobility on residential satisfaction”, Housing Studies Review, 21(2): 189-213..
  • 김경아, 2011. “국내가계의 부채증가 추세 및 요인에 관한 연구”,「응용경제」, 13(1): 209-237. Kim, K. A., 2011. “Study on trend and determinants of domestic households’ debt”, Korea Review of Applied Economics, 13(1): 209-207..
  • 김우영·김현정, 2010. “가계부채의 결정요인 분석”,「국제경제연구」, 16(1): 39-78. Kim, W. Y., and Kim, H. J., 2010. “The determinants of the household indebtedness in Korea”, Kukje Kyungje Yongu, 16(1): 39-78.. [https://doi.org/10.17298/kky.2010.16.1.003]
  • 김주영, 2014. “가구의 생애주기와 경제적 특성이 가계부채에 미치는 영향”,「부동산연구」, 24(4): 225-236. Kim, J. Y., 2014. “Effects of household life cycle and economic characteristics on household debt”, Korea Real Estate Review, 24(4): 225-236..
  • 김준형·최막중, 2009. “지역주택가격이 임차가구의 점유형태와 주거입지 이동에 미치는 영향”,「국토계획」, 44(4): 109-118. Kim, J. H., and Choi, M. J., 2009. “The effects of regional housing prices on changes in tenure and residential location of tenants in korea”, Journal of Korea Planning Association, 44(4): 109-118..
  • 김학주, 2004. “가구주의 취업형태에 따른 가계의 부채부담 연구”,「사회복지정책」, 20: 109-131. Kim, H. J., 2004. “An analysis of household debt burden by householder’s occupation”, Social Welfare Policy, 20: 109-131..
  • 김학주, 2005. “소득계층별 가계의 부채부담 연구”,「사회보장연구」, 21(1): 119-147. Kim, H. J., 2005. “Analysis of household debt burden by income classes”, Korean Social Security Studies, 21(1): 119-147..
  • 남진·황인자, 2006. “주택재개발구역 내의 세입자 가구의 임대주택 입주선택 결정요인에 관한 연구”,「국토계획」, 41(3): 69-82. Nam, J., and Hwang, I. J., 2006. “A study on the determinant factors of the rental housing choice of tenants in the housing redevelopment area”, Journal of Korea Planning Association, 41(3): 69-82..
  • 서대교·황진태, 2015. “주택보유형태와 가계부채 간의 관계에 대한 연구”,「부동산연구」, 25(1): 5-20. Seo, D. G., and Hwang, J. T., 2015. “Examination of the relationship between the types of housing and household debts”, Korea Real Estate Review, 25(1): 5-20..
  • 성영애, 2006. “패널자료를 이용한 가계부채변동 관련요인 분석”,「소비자학연구」, 17(4): 39-60. Sung, Y. A., 2006. “An analysis on the Determinants of the changes in household debts using panel data”, Journal of Consumer Studies, 17(4): 39-60..
  • 이재수·원재웅, 2017. “서울 전출입 가구의 주거이동 특성과 이동요인 연구”,「국토계획」, 52(5): 27-45. Lee, J. S., and Won, J. W., 2017. “An investigation into the attributes and causes of residential mobility in the seoul metropolitan region”, Journal of Korea Planning Association, 52(5): 27-45.. [https://doi.org/10.17208/jkpa.2017.10.52.5.27]
  • 이창무·임미화, 2013. “부동산보유가구의 가계부채위험평가”,「부동산학연구」,19(1): 149-175. Lee, C. M., and Lim, M. H., 2013. “Risk assesment of indebtedness for households owning real estate”, Journal of the Korea Real Estate Analysts Association, 19(1): 149-175..
  • 이현정·유종선, 2015. “자가소유 가구의 연령별 주택자산효과 분석”,「부동산연구」, 25(1): 35-50. Lee, H. J., and Yu, J. S., 2015. “Housing wealth effects of homeowners by age cohorts”, Korea Real Estate Review, 25(1): 35-50..
  • 오천진·이명훈, 2017. “최초 주택구입자의 주거 이동과 선택에 관한 연구”,「대한부동산학회지」, 35(1): 183-198. Oh, C. J., and Lee, M. H., 2017. “A study on intention of mobility and residential choice after first home owners”, Korea Real Estate Society, 35(1): 183-198..
  • 유기현·정희주·서순탁, 2013. “소득 및 자산수준에 따른 주거이동 특성에 관한 연구”,「국토계획」, 48(5): 145-163. Ryu, K. H., Joung, H. J., and Suh, S. T., 2013. “A study on the residential mobility characteristic by the level of income and assets”, Journal of Korea Planning Association, 48(5): 145-163..
  • 최막중·임영진, 2001. “가구특성에 따른 주거입지 및 주택유형 수요에 관한 실증분석”,「국토계획」, 36(6): 69-81. Choi, M. J., and Lim, Y. J., 2001. “Empirical analyses of the relationships between household characteristics and preference of residential location and housing types”, Journal of Korea Planning Association, 36(6): 69-81..
  • 최필선·민인식, 2008. “우리나라 가계부채의 계층별 특성 연구”,「사회과학연구」, 34(1): 135-165. Choi, P. S., and Min, I. S., 2008. “A study on korean household debt by selected characteristics of families”, The Social Science Researches, 34(1): 135-165..
  • 홍기석, 2013. “가계부채와 부동산”,「한국경제의분석」, 19(3): 99-165. Hong, K. S., 2013. “Household debt and real estate”, Journal of Korean Economic Analysis, 19(3): 99-165..
  • Hosmer, D. W. and Lemeshow, S., 2000. Applied Logistic Regression. New York: John Wiley and Sons.. [https://doi.org/10.1002/0471722146]

Table 1.

Definition of Variables

Classification Coding
Dependent variable Household debt 1=existence, 0=non-existence
Independent variable Individual
characteristic
Single Household 1=single household, 0=others
age Below 30’s age 1=below 30’s age, 0=others
(reference: 50’s age)
40’s age 1=40’s age, 0=others
(reference: 50’s age)
Above 60’s age 1=above 60’s age, 0=others
(reference: 50’s age)
Education 1=above university graduation , 0=others
Job 1=professional worker, 0=others
Income Income A 1=2 million won~5 million won, 0=others
(reference: below 2 million won)
Income B 1=above 5 million won, 0=others
(reference: below 2 million won)
Residential mobility characteristic Housing structure transition Difference between dwelling area 1=(Current house’s area–previous house’s area)>0
0=(Current house’s area–previous house’s area)≦0
Housing tenure transition Owning → Owning 1=correspond, 0=others
(reference: rent → owning)
Owning → Rent 1=correspond, 0=others
(reference: rent → owning)
Rent → Rent 1=correspond, 0=others
(reference: rent → owning)
Spatial
transition
Seoul → Seoul 1=correspond, 0=others
(reference: Seoul → Noncapital)
Seoul → Incheon·Gyeonggi 1=correspond, 0=others
(reference: Seoul → Noncapital)
Incheon·Gyeonggi → Seoul 1=correspond, 0=others
(reference: Seoul → Noncapital)
Incheon·Gyeonggi → Incheon·Gyeonggi 1=correspond, 0=others
(reference: Seoul → Noncapital)
Incheon·Gyeonggi → Noncapital 1=correspond, 0=others
(reference: Seoul → Noncapital)
Noncapital → Seoul 1=correspond, 0=others
(reference: Seoul → Noncapital)
Noncapital → Incheon·Gyeonggi 1=correspond, 0=others
(reference: Seoul → Noncapital)
Noncapital → Noncapital 1=correspond, 0=others
(reference: Seoul → Noncapital)

Table 2.

Descriptive Statistics

Classification Freq. %
Household debt existence 5687 61.2
non-existence 3611 38.8
Single Household single household 641 6.9
others 8657 93.1
Age below 30’s age 1202 12.9
40’s age 2647 28.5
50’s age 2762 29.7
above 60’s age 2687 28.9
Education above university graduation 4139 44.5
others 5159 55.5
Job professional worker 706 7.6
others 8592 92.4
Income below 2 million won 2485 26.7
2 million won~5 million won 5587 60.1
above 5 million won 1226 13.2
Housing structure transition (current house’s area–previous house’s area)>0 6060 65.2
(current house’s area–previous house’s area)≦0 3238 34.8
Housing tenure transition owning → owning 2811 30.2
owning → rent 529 5.7
rent → owning 3258 35.0
rent → rent 2700 29.0
Spatial transition Seoul → Seoul 1727 18.6
Seoul → Incheon·Gyeonggi 288 3.1
Seoul → Noncapital 99 1.1
Incheon·Gyeonggi → Seoul 116 1.2
Incheon·Gyeonggi → Incheon·Gyeonggi 2203 23.7
Incheon·Gyeonggi → Noncapital 161 1.7
Noncapital → Seoul 32 0.3
Noncapital → Incheon·Gyeonggi 80 0.9
Noncapital → Noncapital 4592 49.4

Table 3.

The Effect of Individual and Residential Mobility Characteristics on ‘Household Debt’

Classification Estimate Wald Chi-square Odds ratio Pr > Chisq
주 1) ( )는 참조변수를 의미
2) * P < 0.1, ** P < 0.05, *** P < 0.01
Intercept -0.655*** 7.945 - 0.004
Single Household -0.230** 4.841 0.794 0.027
age
(reference: 50’s age)
Below 30’s age 0.881*** 130.573 2.413 <.0001
40’s age 0.566*** 91.338 1.762 <.0001
Above 60’s age -0.506*** 58.679 0.602 <.0001
Education 0.135** 6.291 1.145 0.012
Job 0.045 0.282 1.047 0.595
Income
(reference: below 2 million won)
Income A 0.114* 3.305 1.122 0.069
Income B 0.206** 5.718 1.230 0.016
Housing structure transition Difference between dwelling area 0.001 0.000 1.001 0.978
Housing tenure transition
(reference: rent → owning)
Owning → Owning -0.095* 2.987 0.909 0.083
Owning → Rent -0.604*** 33.605 0.546 <.0001
Rent → Rent -0.985*** 255.365 0.373 <.0001
Spatial transition
(reference: Seoul → Noncapital)
Seoul → Seoul 0.126 0.311 1.135 0.576
Seoul → Incheon·Gyeonggi 0.431* 2.921 1.539 0.087
Incheon·Gyeonggi → Seoul 0.003 0.000 1.003 0.991
Incheon·Gyeonggi → Incheon·Gyeonggi 0.494** 4.865 1.640 0.027
Incheon·Gyeonggi → Noncapital 0.524* 3.654 1.690 0.055
Noncapital → Seoul -0.938* 2.931 0.391 0.086
Noncapital → Incheon·Gyeonggi 0.426 1.737 1.532 0.187
Noncapital → Noncapital 0.124 0.314 1.133 0.575
Likelihood Ratio 935.621 <.0001
Score 897.454 <.0001
Wald 824.926 <.0001