Journal Archive

주택정책이 주택시장에 미친 영향에 관한 선행연구들은 주택가격(매매 및 전세가격 등)과 관련한 연구가 대부분이다. 주택정책을 유형별(이진경, 2004; 김현아·이승우, 2005; 조태진·임덕호, 2011; 김종호·정재호, 2012), 대책별(오정석, 2005), 수단별(안왕모, 2007), 정권별(서수복, 2009) 등으로 구분하여 지역별, 주택규모별 시장에 미친 영향을 분석하였다. 이 밖에도 정책의 규제수준을 설문조사를 통해 계량화하여 분석한 연구(서수복, 2009; 최차순, 2010), 부동산정책을 지수화하여 분석한 연구(정재호, 2007) 등이 있다.

상기 연구를 요약하면, 첫째, 주택정책이 목표를 달성하지 못하였거나 그 반대로 시장이 반응한 것으로 나타난 연구가 다수였다(오정석, 2005; 안왕모, 2007; 정재호, 2007; 최차순, 2010; 조태진·임덕호, 2011 등). 둘째, 주택경기 활성화 대책이 주택가격 안정 대책에 비해 주택시장에 미친 영향이 작거나(이진경, 2004), 정책 효과가 즉시 나타나지 않는 것으로 분석되었다(김현아·이승우, 2005). 셋째, 지역별로는 서울 강남이 주택시장 안정 대책에 순응하지 못한 것으로 나타났다(정재호, 2007; 조태진·임덕호, 2011). 넷째, 주택규모별로는 소형아파트가 정책에 순응한 것으로 나타난 반면, 중·대형아파트는 그렇지 않은 것으로 나타났다(서수복, 2009). 다섯째, 정권별로는 참여정부 시절에 주택시장이 정책에 순응하지 않은 것으로 나타났고(정재호, 2007; 최차순, 2010), 이명박 정부에서는 서울 등이 상당 기간 정부정책에 불안정한 상태를 보인 것으로 나타났다(최차순, 2010).

다음으로 주택정책이 가격과 거래량 혹은 주택정책이 거래량에 미친 영향에 관한 연구들은 대부분 조세제도에 초점을 두고 있다. 김종화(2011)는 VAR모형을 통해 조세제도가 서울의 주택시장에 미친 영향을 살펴보았는데, 주택가격과 거래량(주거용 토지거래량)은 조세제도보다 주택가격 상승률, 주택공급 수준, 경기 상황 등에 더욱 크게 영향을 받은 것으로 나타났다. 김종화·유태현(2012)은 양도세와 취·등록세 개편이 서울 강남의 주택거래에 미친 영향을 전이함수모형, VAR모형을 통해 분석하였다. 분석 결과, 강남의 주택거래량은 인구, 산업생산지수, 주택가격, 금리, 주가수익비율, 양도세제 개편 등으로부터 영향을 받은 것으로 나타났다. 또한 주택가격과 거래량이 양의 피드백 관계가 있는 것으로 나타났다.

정홍일·이현석(2012)은 양도소득세 비과세가 서울의 주택거래량에 동결효과를 가져왔는지 여부와 ARCH모형을 통해 주택가격과 거래량의 동조화 현상에 미친 영향 등을 검증하였다. 그 결과, 입주 후 3년이 지난 주택에서만 가격과 거래량의 동조화 현상이 나타나, 이를 양도소득세 비과세의 영향인 것으로 보았다. 또한 중대형(86~135㎡)과는 달리 중소형(61~85㎡)아파트의 거래량은 가격 변동성과 양(+)의 상관관계를 보였는데, 양도소득세 비과세로 인한 동결효과를 그 원인으로 보았다.

본 연구와 같이 DTI 규제 정책에 초점을 둔 이동규 등(2009)은 system dynamics를 통해 정책 효과를 분석하였다. 그 결과, DTI 규제의 강도에 따라 주택가격, 거래 수준 등이 다르게 나타났다. DTI 규제가 거의 없는 경우 주택가격은 급등하고 거래 역시 높은 수준을 나타냈고, 인근 지역의 주택가격도 상승하였다. DTI 규제가 매우 높은 경우에는 주택거래가 크게 감소하고, 규제 이외의 지역은 거래가 급증하는 것으로 나타났다.

이 밖에도 실증연구는 아니지만, 서승환(2010), 기경묵(2010)은 2009년 하반기의 주택정책과 수도권시장의 상황에 대해 언급하였다. 서승환(2010)은 보금자리주택 공급 혹은 DTI 규제 확대의 효과인지 따져보아야 하겠지만 주택거래가 지나치게 위축되었고, DTI 규제를 당시 정책에 포함시킨 것이 시장의 과잉반응을 초래했을 가능성을 배제할 수 없다고 밝혔다. 기경묵(2010)은 글로벌 경기침체의 위협과 보금자리주택 등 저가 주택의 대량 공급이 예정되어 있는 상황에서의 DTI 규제는 수도권시장에 더욱 큰 영향을 미칠 수 있다고 밝혔다.

일반적으로 주택가격과 거래량은 정(+)의 관계에 있다고 알려져 있다(Stein, 1995; Berkovec and Goodman, 1996; Clayton et al., 2010 등). 또한 예산제약(equity constraint), 손실회피(loss aversion) 현상³⁾등과 같이 주택가격이 거래량에 미친 영향이 그 반대보다 크다는 주장이 많다(Stein, 1995; Genesove and Mayer, 2001; Englehardt, 2003 등).

Clayton et al.(2010)은 패널 벡터자기회귀(PVAR: panel vector autoregressive)모형을 통해 미국 114개 대도시지역의 주택가격과 거래량의 인과관계 및 동조화 현상을 검증하였다. 분석 결과, 주택가격과 거래량 간 양방향으로 그랜저 인과하는 것으로 나타났다. 다만, 주택가격 상승 시에는 거래량에 인과성이 없고, 공급이 비탄력적인 시장에서 주택거래량이 가격에 인과하는 것으로 나타났다. 또한 이들의 동조화 현상은 노동·저당·주식시장의 영향으로 인해 발생한다고 설명하였다.

국내에서는 관련 연구들이 2008년 이후 활발하게 진행되고 있다. 허윤경 등(2008)은 서울 25개구를 대상으로 주택가격과 거래량의 관계를 살펴보았는데, 일반적으로 주택가격의 변화가 거래량을 변화시키는 경향이 있는 것으로 나타났다. 이 연구는 주택가격과 거래량의 관계를 분석한 기초 연구로서 의의가 있으나, 단기 시계열(29개월) 자료라는 점 등 자료상의 한계가 있다.

방송희·이용만(2009)은 강남3구, 방송희(2010)는 동남권역의 실거래가격 자료를 이용하여 SPAR지수와 유효 거래건수를 추정하여 이들의 관계를 살펴보았으며, KB 국민은행 지수 등과도 비교하였다. 상기 두 편의 연구는 실거래가격 정보를 이용한 점에서 차별성이 있지만, 유효 거래건수의 추정 시 오차 발생 가능성을 배제할 수 없다. 또한 서울 강남3구 혹은 동남권역에 국한된 연구이며, SPAR지수, KB 국민은행 지수 등과 거래량 간 관계의 차이를 비교하는 데 초점을 맞추고 있다.

김현아·허윤경(2009)의 연구는 주택가격과 거래량의 관계를 실증적으로 분석한 연구는 아니지만, 이들의 관계를 일부 다루고 있다. 주택가격 변동이 주택거래에 영향을 미치는 것은 가격이 변화함에 따라 시장에서 균형을 찾아가는 과정을 의미하고, 주택거래량이 가격 변동의 원인이 되는 것은 거래량이라는 정보가 시장참여자들의 심리를 자극하는 유인이 될 수 있기 때문이라고 밝히고 있다.

서수복·김재경(2011) 등은 벌집순환모형⁴⁾에 의한 주택시장의 순환변동을 검증하였다. 그 결과, 호경기에는 전국의 주택가격과 거래량이 정(+)의 관계가 있고 순환하지 않지만, 격변기에는 벌집모형 순환이 일어나는 것으로 판단하였다. 상기 연구는 주택거래량의 자료 부족으로 아파트용 토지거래필지수를 거래량으로 사용하였고, 객관성 미확보 등에 한계가 있음을 본문에서 밝혔다.

임재만(2011)은 그랜저 인과관계 검정, GARCH, PVAR모형 등을 통해 전국의 주택가격과 거래량의 관계를 분석하였고, 거시경제 변수(물가, 대출시장, 채권시장, 주식시장)의 충격이 이들의 변동에 미친 영향을 분석하였다. 그 결과, 주택가격과 거래량은 상호 인과관계가 있고, 이들 변수는 거시경제 변수의 충격에 영향을 받은 것으로 나타났다. 상기 연구는 거시경제 변수를 고려한 점, 분석방법 등에서 차별성이 있으나, 전국(혹은 광역시·도)을 대상으로 분석한 연구이다.

정주희·김호철(2011)은 수도권을 10개의 하위시장으로 세분화하여 주택가격과 거래량의 관계를 분석하였다. 상기 연구는 지역별 상황 혹은 특성에 따라 그 관계가 달라질 수 있음을 보여주었고, 기존 연구에서 지적되었던 자료상의 한계⁵⁾를 보완하여 분석하였다. 수도권을 대상으로 분석한 점에서 본 연구와 공통점이 있으나, 상기 연구는 주택가격과 거래량 변수만의 관계를 고려하였다.

정홍일 등(2012)의 연구에서는 서울의 실거래가격지수 변동률과 주택재고량 대비 거래량의 변동률 사이에 동조화 현상이 있는 것으로 나타났고, 중소형(61~85㎡)과 중대형(86~135㎡) 아파트시장 모두 유의하게 나타났다. 그러나 거시경제 변수(코스피200 지수, 무위험 이자율)를 제외 했을 경우 이들 간 동조화 현상이 없는 것으로 나타나, 거시경제 변수를 그 원인으로 보았다. 또한 손실회피 현상이 중소형과 중대형아파트 모두 유의하게 나타났다. 그러나 일정한 가정 하에 수집된 실거래량 자료를 이용하여 전체 주택거래량을 반영하지 못하였고, 주택규모별 거래량을 고려하였지만 중소형과 중대형아파트에 국한하여 살펴본 연구이다.

국내 연구들은 모두 2006년 이후를 시간적 범위로 하고 있다. 대부분 주택가격과 거래량 간 인과관계 및 동조성이 있는 것으로 나타나고 있으나, 그 영향이 쌍방 혹은 일방인지, 선행 혹은 후행하는지는 검증 조건에 따라 다소 상이하게 나타나고 있다. 공간적 범위는 전국, 서울, 강남3구, 동남권역 등의 단일 혹은 일부 지역에 국한된 연구가 많았고, 수도권을 대상으로 한 연구는 정주희·김호철(2011)에 불과하다.

주택가격과 거래량의 관계뿐만 아니라 이 두 변수에게 영향을 미치는 외생변수에 초점을 둔 연구로는 Clayton et al.(2010), 임재만(2011), 정홍일 등(2012)이 있다. 그러나 이들 연구는 거시경제 변수에 초점을 두고 있다는 공통점이 있다. 우리나라의 경우 주택정책을 주택시장의 경기를 조절하는 수단으로 많이 사용해 왔기 때문에 정책시기별로 그 관계가 다르게 나타날 수 있는데, 이에 관한 연구는 거의 이루어지지 않았다.

본 연구와 같이 주택정책 변수를 주택가격과 거래량에 영향을 미치는 외생변수로 본 선행연구는 앞 절에서 살펴본 정홍일·이현석(2012)에 불과하다. 그러나 입주 후 3년 미만과 3년이 경과된 주택, 두 집단에서 주택가격과 거래량의 동조화 현상이 어떻게 다른지에 초점을 두고 있다는 점에서 본 연구와는 다르다. 또한 주택가격과 거래량의 관계가 주택규모별로 어떻게 다른지에 관한 연구는 거의 이루어지지 않았다. 정홍일 등(2012)과 정홍일·이현석(2012)은 이를 고려하였으나, 동조화 현상 차이 등을 분석함에 있어 규모에 따른 효과를 통제하기 위해 구분하였고, 중소형과 중대형에 국한하여 살펴보았다.

2008년 9월 19일 정부는 향후 10년 간 보금자리주택사업을 통해 수도권에 100만 호를 공급하는 '보금자리주택 건설 방안'을 확정ㆍ발표하였다. 보금자리주택 정책은 중소형 주택(중소형 분양주택 47%, 임대주택 53%)의 공급을 늘려 서민의 주거안정을 도모하기 위해 추진되었다. 이후 정부는 서민들의 내 집 마련 기회를 획기적으로 제고하기 위해 2018년까지 단계적으로 추진 중인 수도권 개발제한구역의 개발일정을 2012년까지 앞당겨 건설하는 방안을 2009년 8.27대책을 통해 발표하였다.그림 1에서 보는 바와 같이 도심, 신도시의 공급계획은 변함없으나, 수도권 개발제한구역은 물량 확대와 더불어 조기 공급하기로 한 것이다. 다만, 주변 시세의 50~70% 수준의 낮은 가격으로 공급되므로 전매제한 기간 등을 강화하기로 하였다.

Figure 1 
Supply plan of the Bogeumjari housing in the capital region(’09~’12 year)

그러나 주택시장 침체 등으로 2010년 8.29대책에서는 사전예약 물량 축소 및 시기 조정, 민영주택 공급비율 상향 조정 등의 보금자리주택 공급계획을 조정하였다. 또한 ‘2011년도 주택종합계획’에는 보금자리주택이 민간 주택시장에 미치는 영향을 최소화하기 위해 소형위주 공급, 입주자의 소득·자산기준 적용 확대 등의 제도 보완을 하였다.

DTI는 가계의 가처분소득 대비 각종 대출 관련 원리금 상환에 지출되는 금액의 비중으로, 2006년 3.30대책 이후 본격적으로 시행되었다. 3.30대책에서는 투기지역 내 6억 원 초과인 고가아파트 구입 시 DTI의 40% 이내에서만 대출을 취급하도록 하였다. 이후 11.15대책을 통해서는 수도권 투기과열지구의 6억 원 초과 아파트로 확대 적용하였다.

2008년 글로벌 금융위기로 인해 주택시장 침체가 가속화되자, 정부는 투기지역 및 투기과열지구를 해제하였다(강남3구 제외). 그러나 금융위기 이후 수도권의 주택담보대출이 급증하자, 금융당국은 2009년 9월 7일부터 수도권 전역으로 DTI 규제를 확대(5천만 원 초과)하였다. 이어 10월 12일부터는 비은행권에도 DTI를 확대 적용하였다. 이렇듯 2009년 9월을 전후로 공급 확대 정책(보금자리주택)과 수요 억제 정책을 동시에 시행한 것이다.

2010년에 들어와 수도권을 중심으로 주택경기 침체 및 미분양 사태가 불거지면서 정부는 8.29대책을 발표하였다. 무주택자나 1가구 1주택자가 투기지역(강남3구)이 아닌 곳의 9억 원 이하 주택을 매입하는 경우, 금융회사가 2011년 3월 말까지 한시적으로 DTI를 자율 심사하여 결정하도록 하였다. 이후 DTI 자율적용 종료를 앞두고 정부는 3.22대책을 통해 예정대로 8.29대책 이전처럼 DTI 규제를 다시 적용하는 대신 취득세를 한시적(2011년 말)으로 50% 추가 감면하였다.

수도권의 주택가격은 2006년부터 2008년 3/4분기까지 대체로 상승 추세를 보였고, 2006년 11월에는 본 연구의 분석기간 동안 가격 상승폭이 가장 크게 나타났다(그림 2참조). 금융위기 이후부터 2009년 4월까지 주택가격이 급격히 하락한 후 다시 회복되기 시작하였지만, 동년 11월부터는 보합세를 나타냈다. 2010년 2/4분기부터는 본격적인 하락세로 전환되었고, 2011년 상반기에 잠시 상승한 것을 제외하고 2012년 3월까지 지속적인 하락세를 나타냈다. 주목할 만한 사항은 2009년 9월 보금자리주택 공급 및 DTI 규제 확대가 수도권에만 적용된 이후, 비수도권의 주택가격 상승폭이 확대되었고, 두 시장의 움직임이 다르게 나타났다는 점이다(그림 3참조).

Figure 2 
Trends in housing prices and its change rate in the capital region

Figure 3 
Trends in housing prices in the capital and non-capital region

수도권의 주택가격은 금융위기 이후 정부의 각종 경기 부양 정책 등으로 2009년 4월부터 본격적인 회복세로 전환하였다⁶⁾.동년 9월에는 수도권의 주택가격이 전월 대비 0.92%p 상승하면서 금융위기 직전 가장 높은 상승률을 보인 시점(2008년 4월)과 비슷한 가격 상승폭(1.54%p)을 나타냈다. 그러나 보금자리주택 공급 및 DTI 규제 확대 이후부터 급락세가 시작되었고, 2010년 2/4분기부터는 본격적인 하락세로 돌아섰다.

정부는 거래 활성화를 위한 4.23, 8.29대책을 마련하였지만, 하락세는 계속되었다. 2011년 1/4분기는 수도권의 주택가격이 전분기 대비 상승하였는데, DTI 자율적용 시한이 종료(3월 말)되는 시기였다. 한편 정부는 3.22대책을 통해 DTI 규제를 다시 적용하는 대신, 거래세를 한시적으로 추가 감면하기로 하였다. 그럼에도 불구하고 2/4분기부터 하락하기 시작한 수도권 주택가격의 하락세는 계속되었다. 이에 따라 정부는 규제 개선 대책을 수차례 발표하였지만 주택시장의 침체는 계속되었고, 2012년 1/4분기까지 침체 국면이 지속되었다.

수도권의 주택거래량은 2006년 3월에 증가한 이후 감소하다가 11월에는 본 연구의 분석기간 동안 최고의 거래량을 기록하였다(그림 4참조). 2007년의 평균 거래량은 2006년의 57.5%에 해당하는 수준이었다. 2008년 4월에는 2006년 3월과 비슷한 거래량을 보였지만, 금융위기를 전후로 거래량이 급격히 감소하였다. 정부의 규제 완화 정책 등에 따라 2009년 2/4분기부터 수도권의 일부 지역(강남3구)을 중심으로 거래량이 급격히 증가하기 시작하였고⁷⁾ 금융위기 직전에 거래량이 가장 많았던 시점과 비슷한 수준을 나타냈다. 수도권의 주택거래량은 2008년 4월에 36,741호, 2009년 9월에는 29,814호가 거래되었는데, 이는 2006년 11월(80,210호) 최고 정점 대비 각각 45.8%, 37.2%에 달하는 수치이다.

Figure 4 
Trends in trade volume and its change rate in the capital region

그러나 보금자리주택 공급 및 DTI 규제 확대 이후 수도권의 거래량은 다시 급감하였고, 2010년 2/4분기부터 본격적으로 거래가 침체되었다. 2010년에 실수요자에 대한 DTI 적용을 금융회사가 자율적으로 결정하도록 한 8.29대책 이후에는 거래량이 회복되기 시작하였는데⁸⁾DTI 규제 자율적용 종료 시한인 2011년 3월을 정점으로 다시 감소하였다. 동년 12월에도 잠시 거래가 살아났지만, 2012년 1월에는 최저 거래량을 나타냈다.

보금자리주택 공급 및 DTI 규제가 확대된 2009년 9월과 2006년 11월은 정부정책(신도시 주택공급 및 DTI 규제 확대)이 유사하였다. 그러나 수도권의 주택가격은 2006년 11월에는 전월 대비 6.87%p 상승한 반면 2009년 9월에는 전월 대비 0.92%p 상승에 그쳤고, 동 기간 동안 주택거래량도 수도권의 일부 지역(강남3구의 경우 2006년 11월 대비 79.4%)을 중심으로 급격히 증가하였다. 그럼에도 불구하고 정부는 2006년 11월과 유사한 정책을 2009년 9월에 펼쳤고, 그 이후 수도권과 비수도권이 다른 움직임을 보인 것이다.

한편 수도권의 주택규모별 거래량은 시기에 관계없이 소형과 중소형주택의 거래량 비중이 높게 나타났다(그림 5참조). 분석기간 동안 주택규모별 거래량의 평균 비중은 소형(42.1%)>중소형(38.0%)>중대형(8.6%)>초소형(7.0%)>대형(2.3%)>중형(1.8%) 순으로 높게 나타났다. 2009년 9월의 거래량을 2006년 11월에 대비하여 살펴본 결과, 초소형은 38.9%, 소형은 37.0%, 중소형은 35.9%, 중형은 39.0%, 중대형은 38.7%, 대형은 54.9% 수준인 것으로 나타났다. 중소형, 소형 순으로 거래량이 많이 감소하였음을 알 수 있다.

Figure 5 
Trends in trade volume by housing size in the capital region

그랜저 인과관계 검정은 와 라는 안정시계열(stationary time series)이 있을 때, 두 시계열의 자기회귀항(AR항)을 설명변수로 하는 이변량 시계열모형에서 ()의 AR항이 ()에 유의한 영향을 미치는지를 보는 것이다(Granger, 1969; Hamilton, 1994; 이용만·이상한, 2004). 즉, 시계열 변수 사이의 인과관계를 분석하는 방법으로, ‘한 변수가 다른 변수를 예측하는 데 도움이 되지 않는다’는 귀무가설에 대한 검정을 한다. 회귀방정식으로 나타내면 다음과 같다.

식(1)에서 b₁ = b₂ = ... = b_m = 0 이라는 귀무가설이 기각되면, ‘Y는 X의 그랜저 원인’, 식(2)에서 이라는 귀무가설이 기각되면, ‘는 의 그랜저 원인’이라고 한다.⁹⁾X가 Y의 그랜저 원인이라는 것은 의 과거 값이 현재의 Y값에 영향을 미친다는 것을 의미한다.¹⁰⁾

교차상관분석은 두 시계열 사이에 존재하는 시간적 관계 즉, 선·후행 또는 동행 관계를 규명하기 위하여 활용되는 분석기법이다. 교차상관은 두 시계열 변수의 시차 값들 간 상관관계를 측정하는 것으로, 교차상관함수를 통해 추정된 교차상관계수를 이용하여 시차에 따라 변화하는 상관관계의 정도(strength) 및 방향(direction) 측정이 가능하다(정주희·김호철, 2011).

한편 VAR모형은 모형 내의 변수를 모두 내생변수로 취급한다. VAR모형이 식별되면 충격반응을 통해 어떤 한 변수의 변화가 내생변수에 미치는 동태적 효과 분석이 가능하다.N개의 변수Y_t=(Y_1t,…Y_Nt)'에 대한 VAR(p)모형은 식(3)과 같은 회귀방정식으로 정의할 수 있다.

충격반응분석은 모형 내의 어떤 변수에 대해 일정한 크기의 충격이 가해질 때, 모형의 모든 변수들이 시간의 흐름에 따라서 어떻게 반응하는지 살펴보는 것이다(송일호·정우수, 2002). 충격반응함수는 내생변수의 현재와 미래값에 대한 오차항 중 하나에 대한 1표준편차 충격의 효과를 추적한다. 계(system)의 동적 특성을 설명하는 또 다른 방법인 분산분해는 VAR모형에 있는 내생변수에 대한 성분충격 속에서 내생변수의 변화를 분해하는 것으로, 변수들에 대한 각각의 확률오차의 상대적 중요성을 제공한다(이홍재 등, 2007).

표 1은 전체 기간 동안 추정에 이용된 주택가격과 거래량 변동률의 기초통계량을 정리한 것이다.¹¹⁾수도권의 주택가격 평균 변동률은 0.36%이고, 강북과 경기북부가 가장 높게 나타났다. 또한 수도권의 주택거래량(전체) 평균 변동률은 7.06%이고, 강북과 인천이 가장 높게 나타났다.

수도권의 주택가격 표준편차는 1.09, 주택거래량(전체) 표준편차는 38.74로 나타났고, 주택가격의 경우 경기북부, 거래량은 인천이 가장 크게 나타났다. 왜도(skewness)와 첨도(kurtosis)를 살펴보면, 수도권의 주택가격과 거래량은 모두 오른쪽으로 두텁고 긴 꼬리를 갖는 뾰족한 분포모양인 것으로 분석되었다. 주택가격은 특히 경기남부와 경기북부, 거래량은 인천, 강북, 경기북부 순으로 오른쪽으로 더욱 편향된 급첨분포를 보였다.

주택규모별 거래량의 평균 및 표준편차는 초소형~중소형의 경우 강북과 인천, 중형은 경기북부, 중대형은 인천, 대형은 경기북부가 가장 높거나 크게 나타났다. 왜도와 첨도는 대부분 오른쪽으로 편향된 급첨분포를 보였다. 한편 Jarque-Bera통계량을 통해 정규분포성을 검정한 결과, 주택가격과 거래량 모두 ‘실증분포가 정규분포한다’는 귀무가설을 1% 유의수준에서 기각하였다.

다음으로 ADF(Augmented Dickey-Fuller)와 PP(Philips-Perron) 검정법을 이용하여 시계열자료의 안정성을 검정하였고, ADF 검정의 시차는 SC(Schwarz criterion)가 최소인 시차를 적용하였다(표 2참조). 단위근이 있는 불안정한 자료로 분석을 할 경우, 실제로 두 변수 간 관계가 없음에도 불구하고 유의성이 높은 회귀식이 추정되는 가성회귀(spurious regression) 현상이 발생하기 때문이다. 검정을 통해 제시되는 t-통계량의 절대값이 임계치보다 크면 ‘단위근이 존재한다’는 귀무가설을 기각하게 된다.

수준변수의 단위근 검정 결과, 주택가격지수는 거의 모든 자료, 주택거래량도 대부분 단위근이 있는 것으로 나타났다. 또한 대부분의 자료들이 ADF와 PP 검정을 동시에 만족시키지 못하였다. 따라서 본 연구에서는 분석 자료의 안정성 확보와 일관성 유지를 위해 주택가격과 거래량의 전월 대비 변동률을 이용하였는데¹²⁾대부분 5% 유의수준에서 단위근이 존재하지 않는 것으로 분석되었다.