주택가격의 불평등은 계층이동 가능성의 기대감을 낮추는가?

Ⅰ. 서 론

Ⅱ. 선행연구 고찰

Ⅲ. 연구방법

1. 연구자료

본 연구는 주택가격이 사회적으로 가장 큰 이슈가 되고 있는 서울시를 대상으로 연구를 진행한다. 분석을 위해서 필요한 자료는 계층이동 가능성 인식에 관한 자료와 주택 실거래가 불평등지수 관련 자료, 그리고 계층이동 가능성 인식에 영향을 미치는 통제변수 구축에 필요한 자료이다. 본 연구에서 가장 중요한 자료인 계층이동 가능성 인식에 관한 자료는 2011년부터 2019년까지의 서울서베이 도시정책지표조사를 활용하였다. 서울서베이 도시정책지표조사는 서울의 변화를 객관적으로 측정하고 이를 정책에 반영하기 위해 2005년부터 매해 실시되는 조사이다. 서울의 현황 및 서울시민의 삶의 질, 인식, 생활 등을 조사하여 과학적 행정을 도모하고, 시정운영 방향을 제시할 수 있는 기초자료로 활용된다(진장익 외, 2017). 조사대상은 만 15세 이상 가구원 전체로 서울시내 표본 2만 가구에서 매해 약 42,000명에서 50,000명의 개인(가구원)을 표본으로 추출했다.

서울서베이 자료는 동일한 사람들을 추적하며 반복적으로 설문하는 개인별 패널데이터가 아니다. 또한, 매해 동일한 설문 항목을 사용하는 것도 아니기 때문에, 개개인의 시간에 따른 변화를 추정하는 것에는 한계가 있다. 그럼에도 불구하고, 다행히 개개인의 사회경제적 특성에 관한 질문은 매해 동일하게 반복해서 설문하고 있다. 예를 들어 서울서베이는 기본항목으로 설문자의 성별, 나이, 고용, 주택특성, 혼인 여부, 교육수준, 가구소득, 만족도, 행복 등의 문항을 포함하고 있다(진장익 외, 2017). 또한 개인이 느끼는 계층이동 가능성 항목도 ‘우리 사회에서 나의 사회경제적 지위가 높아질 가능성이 어느 정도 높다고 또는 낮다고 생각하십니까?’라는 설문으로 포함되어 있다. 따라서 이 자료를 활용해, 적절한 모형을 구축하면 주택가격 불평등지수와 계층이동 가능성의 관계 연구에 유용하게 활용될 수 있다. <표 1>은 본 연구에 활용된 연도별 서울서베이 가구의 샘플수와 가구원의 샘플수를 나타내며, 총 410,104명의 자료가 분석에 사용되었다.

Table 1.

Samples of seoul survey data

본 연구의 가장 중요한 변수인 주택가격 불평등지수를 산정하기 위해 2011년부터 2019년까지의 주택 실거래가 자료를 국토교통부 실거래가 공개시스템을 통해 수집하였다. 실거래가는 아파트, 연립·다세대, 단독·다가구, 오피스텔, 토지 등으로 구분되어 매매와 전·월세로 나눠 제공되고 있다. 본 연구에서는 이 중 아파트, 연립·다세대, 단독·다가구의 매매 자료를 활용하였으며, <표 2>는 각 연도별 분석에 사용된 샘플의 수를 나타낸다.

Table 2.

Samples of housing prices

3. 변수설정

1) 계층이동 가능성 측정

본 연구에서 가장 중요한 종속변수인 계층이동 가능성 인식에 대한 변수는 2011~2019년 서울서베이 도시정책지표조사 자료를 활용한다. 계층이동 가능성을 조사하기 위한 질문인 “우리사회에서 나의 사회경제적 지위가 높아질 가능성이 어느 정도 높다고 또는 낮다고 생각하십니까?”를 매우 낮다는 답변인 1부터, 매우 높다는 답변인 5까지 5점 척도로 종속변수화시켰다. 계층이동 가능성에 대한 응답 분포는 <그림 1>과 같다. 히스토그램을 살펴보면 평균 3.018로 3번 ‘보통이다’에 응답한 사람이 가장 많았고 정규분포의 형태를 보였다. 그리고 계층이동 가능성에 대한 응답을 월 가구소득 500만 원을 초과하는 고소득군과 월 가구소득 300만 원 미만인 저소득군으로 나눴다. 그 결과, <그림 2>와 <그림 3>과 같은 히스토그램을 보였다. 저소득층의 경우, 2번 ‘다소 낮다’에 응답한 사람(약 26%)이 4번 ‘다소 높다’에 응답한 사람(약 23%)보다 많은 반면, 고소득층은 반대로 2번 ‘다소 낮다’에 응답한 사람(약 22%)보다 4번 ‘다소 높다’에 응답한 사람(약 29%)이 많았다.

Figure 1.

Histogram of social mobility

Figure 2.

Histogram of social mobility (low-income)

Figure 3.

Histogram of social mobility (high-income)

계층이동 가능성에 대한 응답을 구별로 살펴보면, <그림 4>와 같은 모습을 보였다. 2011년부터 2019년까지 해당 설문에 대한 답변으로 구별 평균을 낸 분포를 살펴보면 구로구와 강남 3구로 대표되는 서초구와 강남구가 높은 수치를 보여 계층의 상향이동에 대한 기대를 보였다.

Figure 4.

Average expectation of social mobility (by Gu)

2) 불평등지수 측정

지니계수와 로렌츠 곡선은 불평등 문제를 다룰 때 가장 보편적으로 활용된다. 로렌츠 곡선은 경제적 불평등 정도를 계량화하는 분석 방법으로, 측정변수를 크기 순서대로 누적시킨 곡선이 45도에 근접할수록 평등하다는 의미이다(Lorenz, 1905; 강성익·구자훈, 2020). 그리고 로렌츠 곡선의 단점을 보완한 가장 대표적인 불평등 정도를 측정하는 지표가 지니계수이다. 지니계수는 로렌츠 곡선을 가지고 불평등을 산출하는 대표적인 소득분배 지표로, 0부터 1까지 수치로 표현해 1에 가까울수록 불평등이 커졌다는 것을 뜻한다. 일반적으로 지니계수는 소득 불평등을 측정하기 위해서 고안되었지만, 다양한 대상의 불평등을 측정하기 위해 활용된다. Gini(1912)는 각 구성원의 계층 간 소득 불평등지수를 다음의 식과 같이 정의했다(유항근, 2004).

$$

(3)

$$

(4)

식 (3)에서 µ는 평균소득을 뜻하고, Δ는 식 (4)와 같다. 여기서 x₁은 ···, x_n은 구성원들의 소득을 의미한다(서인석 외, 2016).

현재까지 한국에서는 지역단위의 경제적 불평등 지표는 제공되고 있지 않기 때문에 구득하기 어렵다. 때문에, 본 연구에서는 이에 대한 대안으로 국토교통부에서 제공하는 주택 실거래가를 활용해 지역 차원의 불평등지수를 만들어 사용하였다. 2011년부터 2019년까지의 연도별 개별 거래 기록을 활용해 구별 실거래가에 대한 지니계수를 산출하였다. 그리고 해당 주택 실거래가에서 도출된 로렌츠 곡선을 통해 산출한 지니계수를 사용하여 불평등지수라는 변수를 정량화하였다. 지니계수는 0과 1 사이의 숫자로 표현된다. 불평등지수가 0에 가까울수록 구별 평당 주택가격이 균등하고, 1에 가까울수록 평당 주택가격이 불균등해 주택가격의 격차가 존재함을 알 수 있다. 구별 실거래가 불평등지수라는 변수는 STATA의 ineqdeco라는 모듈을 사용하여 각 구별 지니계수를 산출하였고, 다음과 같은 식 (5)를 따른다.

$$

(5)

여기서 n은 각 그룹의 표본의 크기, m은 주택 평당 실거래가의 산술 평균을 의미한다. 그리고 r_i는 순위 순서에 따른 평당 주택 실거래가, y_i은 개별 거래의 평당 주택 실거래가를 뜻한다.

산출한 구별 주택가격 불평등지수의 분포를 지도로 살펴보았다. <그림 5-7>은 각각, 2019년 전체 유형의 주택가격의 불평등지수, 아파트 가격 불평등지수, 비아파트 주택가격 불평등지수를 나타낸다. <그림 5>와 <그림 6>은 양천구와 종로구, 송파구 등이 높게 나타나 유사한 공간적 패턴을 보였다. 즉, 구별 전체 유형의 주택가격의 불평등은 아파트 가격의 불평등과 유사함을 알 수 있다.

Figure 5.

2019 housing price inequality

Figure 6.

2019 housing price inequality (APT)

Figure 7.

2019 housing price inequality (non-APT)

반면에, 비아파트(연립·다세대와 단독·다가구)의 주택가격 불평등지수는 <그림 7>과 같이 종로구, 중구, 성동구 등에서 높게 나타났다. 즉, 주택가격의 불평등지수도 주택의 유형별로 공간적 분포에서 차이가 존재함을 확인할 수 있었다. 이는 구별로 주택유형의 편중과 분포가 다르고, 주거수준 등 각각의 주택유형이 갖는 특성이 다르기 때문으로 판단된다.

3) 통제변수

본 연구에서는 주택가격 불평등지수 이외에 계층이동 가능성에 영향을 미치는 다양한 변수들을 통제변수로 활용한다. 계층이동 가능성에 관한 선행연구를 살펴보면, 부모의 교육 및 소득수준이 높을수록 자녀의 계층이동 가능성이 상승하는 것을 확인할 수 있다(최필선·민인식, 2015). 또한, 많은 연구에서 성별을 독립변수로 활용하였는데 그 결과, 남성보다는 여성인 경우 주관적 계층의식에 통계적으로 더 유의미한 결과를 보였다(서찬란, 2018). 일자리를 잃은 경우나, 미혼보다는 기혼인 경우에 계층의식이 낮아질 수 있는데, 이는 독립된 상태보다 부양가족이 생겼을 때 심리적으로 걱정이 커지기 때문이다. 연령대가 높을수록 계층의식에 긍정적이라는 결과도 보고되고 있다(Kang et al., 2020).

이용관(2018)은 삶의 만족도가 높을수록 청년층의 계층이동 가능성이 높게 나타남을 보여주었다. 즉, 삶의 만족도는 계층이동 가능성에 긍정적인 영향을 주는 것으로 판단할 수 있다. 본 연구에서는 삶의 만족도를 5가지로 보다 세분화하여 통제변수로 사용하였다. 사용된 5가지 행복지수는 자신의 건강상태, 재정상태, 친구 및 친지 관계 그리고 가정생활 및 사회생활에 대한 만족도로 구성된다. 이와 같이, 선행연구를 통해 밝혀진 결과들을 기반으로, 본 연구에서는 가구소득, 나이, 성별, 학력, 결혼 여부, 고용형태(정규직 여부), 5가지 행복지수, 주택유형, 주택점유형태를 통제변수로 활용하고자 한다.

Ⅳ. 분석결과

1. 기초통계량

본 연구에서 사용된 변수들의 기술통계는 <표 3>과 같다. 간략히 설명하면, 먼저 본 연구에서 사용된 샘플수는 전체 410,104개이며, 가구소득이 300만 원 미만인 경우 80,199개, 500만 원 초과인 경우 155,435개였다. 서울서베이 조사결과 지난 9년간(2011~2019년) 서울시민들이 느끼는 평균 계층이동 가능성은 5점 만점에 3.018로 나타났고, 저소득층(2.902)은 고소득층(3.064)에 비해 낮은 수치를 보였다. 지니계수로 추정된 주택가격 불평등지수의 평균을 세부적으로 살펴보면, 단독·다가구 주택, 연립·다세대 주택, 아파트의 순으로 나타났다. 일반적으로 아파트는 노후도나 평형에 따라서 차이가 있기는 하지만, 개별 유닛들이 동질적인 형태를 갖기 때문에 연립·다세대 주택이나 단독주택에 비해 지역 간에 큰 차이가 나타나지 않는다. 반면, 연립·다세대나 단독·다가구 주택은 아파트에 비해 주택의 구조나 형태, 입지가 다양하기 때문에 동일 지역이라 할지라도 개별 유닛들 간에 가격차이가 많이 날 수 있다. 특히, 단독·다가구일수록 이러한 차이는 더 클 수 있다. 따라서 주택가격의 불평등 정도는 아파트가 가장 낮은 것으로 판단된다.

Table 3.

Variables and descriptive statistics

전체의 기술통계 결과, 통제변수인 가구소득은 평균 약 457만 원이었다. 여성이 52%, 결혼한 사람은 67%, 대입 이상은 52%, 평균나이는 45세, 정규직 종사자는 42%로 나타났다. 건강상태, 재정상태, 친구 및 친지 관계 그리고 가정생활 및 사회생활로 구성된 5가지 행복지수는 10점 만점을 기준으로 평균 6.250점에서 7.161점 사이의 값으로 나타났다. 아파트인 경우가 42%, 주택을 소유한 사람이 55%로 임차인(45%)에 비해 높게 나타났다.

저소득층과 고소득층은 학력과 정규직 종사자, 행복지수 그리고 주택유형과 주택점유형태에서 차이를 보였다. 저소득층에 비해 고소득층의 대입이상 비율이 30% 정도 높았고, 정규직 종사자 역시 20% 정도 높았다. 행복지수 역시 고소득층이 더 높은 점수를 보였다. 특히, 고소득층의 경우 저소득층에 비해 아파트인 경우가 약 13% 높았고, 주택을 소유한 사람도 15% 더 많았다.

2. 기초자료 분석

<그림 8>에서 살펴볼 수 있듯이, 주택가격 불평등지수는 2011년부터 2013년까지는 소폭 하락하다가, 2013년부터는 지속적으로 급격히 상승하는 것으로 나타났다. 즉, 주택가격 간의 격차가 점점 커지고 있음을 실제 데이터를 통해서 확인할 수 있다. 반면에, 계층이동 가능성 지표는 <그림 9>와 같이, 2012년부터 지속적으로 하락하는 모습을 보였다. 즉, 자신의 사회경제적 지위가 높아질 가능성에 대한 기대감이 계속해서 감소하고 있음을 확인할 수 있다.

Figure 8.

Trend of housing inequality

Figure 9.

Trend of social mobility index

<그림 10>은 주택가격 불평등 지수와 계층이동 가능성의 관계를 보여준다. 주택가격의 불평등은 계층이동 가능성과 음(-)의 상관관계를 가질 것이라는 일반적인 믿음과는 달리, 주택가격 불평등지수가 낮을 때는 불평등지수가 증가하여도 사람들이 인식하는 계층이동 가능성은 증가하는 경향을 보였다. 그러나, 주택가격 불평등지수가 일정수준(0.15)보다 높아진 후부터는 계층이동 가능성에 대한 기대가 감소하는 것으로 나타났다. 이를 통해, 주택가격 불평등지수가 일정 수준을 넘기면 사람들의 계층이동 가능성에 대한 기대감이 급격히 감소한다는 것을 실증적으로 확인할 수 있다.

Figure 10.

Housing inequality & social mobility index (entire)

그러나, 주택가격 불평등지수와 계층이동 가능성의 관계는 주택 유형에 따라 다르게 나타났다. 특히, 아파트인 경우, 연립·다세대나 단독·다가구의 주택 유형과는 전혀 다른 모습을 보였다. 단독·다가구 유형은 <그림 11>과 같이 음(-)의 관계를 보였으며 전체유형의 주택가격 불평등지수와 비슷한 양상을 보였다. 연립·다세대 역시 <그림 12>처럼 불평등지수가 0.3 이상이 되면서 계층이동 가능성 지표가 다시 반등하는 모습을 보였지만, 전반적으로 음(-)의 상관관계를 보였다.

Figure 11.

Housing inequality & social mobility index (detached house)

Figure 12.

Housing inequality & social mobility index (flat)

하지만 아파트의 경우에는, <그림 13>과 같이 다른 형태로 나타났다. 즉, 변곡점이 연립·다세대 그래프의 변곡점보다 훨씬 더 왼쪽에 위치하는 것을 확인할 수 있다. 아파트 가격의 불평등지수가 0.16 이하일 때까지는 계층이동의 기대감이 낮아진 반면, 0.16을 초과하면서부터는 불평등 지수가 증가하면서 계층이동의 기대감이 높아지는 모습을 보였다. 아파트가 가진 높은 주택가격 상승률 때문일 것이라고 예상된다. 아파트는 우리나라에서 가장 선호되는 주택으로 다른 유형에 비해 가격의 상승폭이 크다. 따라서 아파트 소유자들은 아파트 가격의 불평등지수가 상승할 때, 오히려 계층이동에 대한 기대감이 증가할 수 있는데, 이와 같은 현상이 반영된 결과라고 판단된다. 즉, 주택가격의 불평등지수가 일정수준을 지나면, 아파트를 소유한 사람들의 계층 상승이동에 대한 기대가 증가하는 것으로 보인다.

Figure 13.

Housing inequality & social mobility index (APT)

주택가격의 불평등지수와 계층이동 가능성의 관계는 가구 소득의 구간에 따라서도 상이한 결과를 보였다. 가구소득이 300만 원 미만인 경우에는, <그림 14>처럼 주택가격의 불평등지수가 상승할수록 계층의 상승이동에 대한 기대는 감소하는 결과를 보였다. 주택가격의 불평등지수가 증가할수록 기울기가 완화되기는 했지만, 뚜렷한 반등의 양상은 보이지 않았다. 반면에 가구소득이 500만 원을 초과하는 경우, <그림 15>와 같이 상반된 결과를 보였다. 주택가격의 불평등지수는 계층이동 가능성에 대한 기대와 양(+)의 상관관계를 가졌기 때문이다. 이러한 결과는 일반적으로 예상 가능한 결과로, 주택가격 불평등이 계층이동 가능성에 미치는 영향은 소득에 따라 상이하게 나타나는 것을 확인할 수 있었다.

Figure 14.

Housing inequality & social mobility index (household income < 300)

Figure 15.

Housing inequality & social mobility index (household income > 500)

3. 실증분석

1) 주택가격 불평등이 계층이동 가능성 인식에 미치는 영향

모형의 안정성을 위해 모형을 주택가격 불평등 지수만을 넣은 모형, 사회경제적 통제변수를 추가한 모형, 그리고 나머지변수들과 고정효과모형을 적용한 모형으로 구성하였다. Pseudo R-squared값과 Log likelihood값이 커지는 것으로 미뤄 모형이 마지막 모형이 가장 적합한 모형임을 확인하였다. <표 4>에서 볼 수 있듯이, 실증분석 결과 주택가격 불평등지수는 계층이동 가능성과 비선형 관계를 보였다. 즉, 불평등이 상승하면 계층이동 가능성은 높아지지만, 불평등이 일정수준이 넘어가면 계층이동 가능성에 대한 기대감은 하락하는 것으로 나타났다. 일반적으로 주택가격의 불평등이 상승하면 계층이동 가능성에 대한 기대감이 낮아질 것으로 예상한 것과는 다른 결과이다. 이는 앞서 설명했듯이, 불평등이 낮은 상황에서는 불평등이 서서히 높아지더라도 나에게도 경제적 기회가 올 수 있다는 기대감이 생기는 “터널효과”가 발생하는 것으로 볼 수 있지만, 불평등이 일정수준을 넘어가게 되면, 기회보다는 상대적 박탈감이 커지는 것으로 해석이 가능하다.

Table 4.

Empirical results

하지만, 불평등에 대한 인식은 매우 주관적이기 때문에 주택가격의 불평등에 대한 사람들의 인식에는 차이가 존재할 것으로 판단되며, 특히 사회경제적 상황에 따라서 다르게 나타날 가능성이 높을 것으로 여겨진다. 즉, 불평등을 기회로 보는 사람들이 있기도 하지만, 상대적인 박탈감으로 여기는 사람들도 존재할 수 있다. 이와 같은 차이는 일반적으로 주택구매력이 높은 소득계층과 그렇지 않은 계층 간에 크게 나타날 것으로 여겨지는데, 이는 결국 소득수준이 가장 큰 원인이 될 것으로 보인다. 따라서 자산 불평등이 계층이동 가능성에 미치는 영향 요인을 보다 면밀히 파악하기 위해서는 소득과 주택유형에 따라 추가적인 모형을 구축하여 분석을 진행할 필요가 있다.

분석을 진행하기에 앞서, 우선적으로 <표 4>에 나타난 결과를 간단히 해석하면, 가구소득이 증가할수록, 고학력일수록, 기혼일수록 계층의 상향이동 가능성 인식이 높아졌다. 가구소득과 학력이 높을수록 미래에 대한 기대감이 상승하는 것은 당연한 결과라고 생각된다. 그리고 미혼일 때보다 기혼인 경우, 가정에 대한 책임감을 기반으로 미래를 준비하는 마음가짐의 변화가 더 높은 계층이동에 대한 기대로 이어진 것이라 생각한다. 반면, 나이가 들수록, 여성일수록, 정규직일수록 계층이 낮아질 것이라는 인식이 강해졌다. 나이가 들수록 계층의 상향이동에 대한 기대가 낮아진 이유는, 노년보다는 청년일 때가 더 도전적인 태도로, 좀 더 나은 미래를 꿈꾸는 경향이 강하기 때문이라고 판단된다. 또한, 여성보다는 남성이 도전정신이 좀 더 강한 성향이기 때문인 것으로 판단된다.

정규직 변수의 경우는 예상과는 다른 결과를 보였다. 즉, 정규직인 경우 계층이동에 대한 기대감이 낮아진다는 분석결과가 나왔는데, 그 이유는 다음 두 가지로 보인다. 첫째, 2011~2019년까지의 서울서베이에서 고용형태를 묻는 질문에 대한 답안 항목이 매우 다양하여 정확하고 통일된 기준으로 정규직과 비정규직을 구분하기가 어려웠다. 둘째, 정규직이라는 고용형태가 갖는 특징 때문인 것으로 판단된다. 즉, 정규직이 갖는 가장 큰 장점인 안정성이, 오히려 계층이 상승할 것이라는 기대감보다는 현실에 안주하는 역할을 하고 있기 때문으로 판단된다. 마지막으로 자신의 건강상태, 재정상태, 친구 및 친지 관계 그리고 가정생활 및 사회생활에 대한 행복으로 세분화했던 행복변수 역시, 행복도가 높아질수록 계층이 상향이동할 것에 대한 기대가 높아짐을 확인할 수 있다. 삶에 대한 만족이나 행복감의 상승이 계층의 상향이동에 대한 기대로 연결되는 것 역시 가구소득이나 학력과 같이 당연한 결과라고 생각된다.

2) 주택유형별 차이

앞서 언급한 대로, 주택가격 불평등과 계층이동에 대한 기대감의 관계를 자세히 살펴보기 위해 주택유형별, 소득별로 구분하여 추가분석을 실시하였다. 먼저, 주택가격 불평등지수를 주택유형에 따라 아파트, 연립·다세대, 단독·다가구로 세분화하여 실증분석을 진행하였다. <표 5>에 나타난 분석결과, 주택유형별 불평등지수에 따라 계층이동 기대감에 대한 효과가 다르게 산출되었다. 이는 주택유형별로 주택가격의 차이와 변화양상이 달라 계층이동 가능성에 다른 영향을 주기 때문으로 판단된다. 구체적으로 살펴보면, 아파트가격 불평등지수가 높아질수록 계층의 상향이동 가능성 인식은 낮아지다가 일정시점이 지나면 다시 상승하는 것으로 나타났으며(Model 1 참고), 연립·다세대 주택의 경우 역시 같은 결과를 보였다(Model 2 참고). 그러나 단독·다가구 주택의 경우, 주택가격 불평등지수가 높아질수록 계층이동에 대한 기대가 높아지다가 일정시점 이후로 감소하는 것으로 나타났다(Model 3 참고).

Table 5.

Empirical results (housing type)

변곡점을 자세히 살펴보면, 아파트의 경우, 불평등 지수가 0.11(산출식: 0.92414/(2*4.10216))보다 커질 때 계층이동 가능성에 대한 기대감이 높아진 반면, 연립·다세대의 경우 0.23(산출식: 2.42571/(2*5.21832))보다 커질 때 계층이동 가능성에 대한 기대감이 높아졌다. 즉, 연립·다세대 주택의 변곡점이 더 큰 것으로 보아, 아파트의 경우에는 주택가격 불평등이 조금만 상승하여도 경제적인 기대감이 더 크게 반영되는 것으로 판단된다. 이는, 아파트가 갖는 고유의 특성 때문으로 예상된다. 우리나라의 경우, 아파트에 대한 선호가 높아 수요가 특히 높다. 따라서 아파트 가격의 상승으로 인해 자산불평등이 조금만 심화되어도 사람들의 계층 상향이동에 대한 기대가 증가한다고 볼 수 있다. 그리고 아파트에 대한 선호의 포화가 연립·다세대 주택에 대한 수요로 이어져 연립·다세대 주택가격 불평등지수의 결과에서도 유사한 결과를 보이는 것으로 판단된다. 반면, 단독·다가구 주택의 경우, <표 4>에서 나타난 전체유형 주택가격 불평등지수와 계층이동 가능성의 관계에 대한 결과와 유사한 결과를 보인 것으로 나타났다. 그 외 나머지 통제변수를 살펴보면, <표 4>의 결과와 구체적인 수치는 달랐지만, 부호는 모두 같은 결과를 보여 큰 차이가 나타나지는 않았다.

3) 소득별 차이

불평등에 대한 인식은 소득별로 다르게 나타나는 것이 일반적이기 때문에, 주택가격의 불평등이 계층이동 가능성에 미치는 영향 역시 소득별로 다를 수 있다고 판단된다. 따라서 소득별로 모형을 구분하여 추가분석을 진행하였고, 결과는 <표 6>과 같다. 특히, 본 연구에서는 가구소득이 월 300만 원 미만인 그룹을 하위그룹, 월 가구소득이 500만 원 초과인 경우를 상위그룹으로 나눠 분석을 진행하였다. 이는 서울서베이 자료에서 평균적으로 가구소득의 상위 30%는 월 500만 원 초과에 해당되었고, 하위 30%는 월평균 약 300만 원 미만의 소득에 해당되었기 때문이다.

Table 6.

Empirical results (household income)

분석결과, 주택가격 불평등이 계층이동 가능성에 미치는 영향력은 소득에 따라서 다르게 나타남을 확인할 수 있었다. 가구소득이 월 300만 원 미만인 경우, 주택가격 불평등지수가 높아질수록 계층 상향이동 가능성 인식이 낮아지는 결과를 보였다. 그러나 주택가격 불평등지수가 계속해서 증가할 때, 계층의 상향이동에 대한 기대가 증가하는 결과를 보였다. 그러나 앞서 살펴본 <그림 14>를 보면, 기울기가 완화되지만 크게 반등하는 양상을 보이지는 않았다. 반면, 가구소득이 월 500만 원을 초과하는 경우, 주택가격 불평등지수가 높아질수록 계층의 상향이동 가능성 지표도 상승했다. 이 결과는 중요한 시사점을 준다. 가구소득이 낮은 집단은 주택가격 불평등지수가 심화될 때, 미래에 대한 절망감을 느끼는 것으로 해석이 가능하다. 즉, 저소득층은 누군가의 자산이 증가하면 상대적인 박탈감을 심하게 느낀다고 볼 수 있다. 반면에, 가구소득이 높은 집단의 경우 주택가격 불평등지수가 높아지면 계층의 상향이동 가능성이 높다고 느끼는 것으로 볼 수 있다. 그 이유는, 가구소득이 높은 사람들은 비싼 주택에 거주할 확률이 높기 때문에, 주택가격의 불평등이 심화될수록 오히려 상위집단에게는 계층의 상향이동이 더욱 수월해질 수 있기 때문이다. 주택가격의 불평등지수가 상승하면 사람들의 계층이동 가능성에 대한 인식이 나빠질 것이라고 예상하지만, 우리는 불평등이 심화될수록 누군가에겐 계층의 상향이동이 훨씬 어려워지고 누군가에겐 더욱 쉬워질 수 있다는 사실에 주목할 필요가 있다.

Ⅴ. 결론 및 논의

인간은 누구든지 경제적으로나, 사회적으로나 지금보다 더 나은 삶을 원하고 꿈꾼다. 따라서 사람들이 어떠한 이유 때문에 계층이동의 문턱에서 좌절감을 느끼는지에 대해 분석하는 것은 매우 중요하고 필요한 연구이다. 이러한 관점에서 계층이동 가능성에 대한 개개인의 인식은 이러한 사람들의 의식을 확인할 수 있는 중요한 지표이다. 기존의 연구들에서 계층이동 가능성에 대한 다양한 변수들을 찾아내었지만, 공간적 요인에 대한 연구는 부족했기에 본 연구에서는 다양한 요인 중에서도 공간적 불평등에 주목했고, 이를 주택가격의 불평등으로 산정하여 연구를 진행하였다. 연구를 위해, 서울서베이 자료와 국토교통부 주택실거래가 자료를 활용해 순서형 프로빗 모형을 구축하여 실증분석을 진행하였다.

본 연구의 결과는 다음과 같다. 첫째, 2011년부터 2019년까지의 추이를 살펴보면, 주택가격의 불평등은 지속적으로 커진 반면, 계층이동 가능성에 대한 인식 지표는 낮아졌음을 알 수 있었다. 두 변수 사이의 상관관계를 떠나, 주택가격의 불평등 정도는 계속해서 심화되었고, 계층의 상향이동 가능성은 지속적으로 떨어지고 있다는 사실만으로도 관련 연구가 필요하다는 것을 확인할 수 있었다. 둘째, 주택유형별 불평등지수를 산출해 분석한 결과, 주택유형별로 불평등지수가 계층이동 가능성에 미치는 영향이 상이했다. 주택유형별로 차별화된 공간적 불평등 완화 계획을 수립할 필요가 있는 대목이다. 마지막으로, 주택가격 불평등이 심화될 때, 가구 소득이 낮은 집단의 경우 계층의 상향이동에 대한 기대가 하락하는 반면, 가구 소득이 높은 집단은 계층의 상향이동에 대한 기대가 상승하는 것으로 나타났다. 그뿐만 아니라, 여성인 경우와 노인일수록 주택가격 불평등이 상승할 때, 계층이동 가능성에 대한 기대가 떨어지는 결과를 보였다.

본 연구는 다음과 같은 중요한 시사점을 제시한다. 첫째, 주택가격의 상승으로 인해 주택가격 불평등이 심화되고 있는 추세이며, 이는 도시민의 계층이동 가능성이라는 희망을 가라앉히는 요인이라고 할 수 있다. 따라서 지속적으로 심화되고 있는 주택가격의 공간적 불평등의 추세를 막을 수 있는 도시계획 차원의 고민이 필요하다. 둘째, 주택유형별 주택가격 불평등에 따라 계층의 상향이동에 대한 기대는 다르게 나타났다. 이는 주택유형별로 주택가격의 변화 양상에 차이가 존재하며, 이에 대한 도시민들의 계층이동 가능성에 대한 반응도 다르다는 것을 의미한다. 따라서 주택유형별로 다르게 나타나는 주택가격 불평등 양상을 지속적으로 모니터링하고 그에 따른 차별화된 정책 수립이 필요하다. 셋째, 계층이동 가능성에 대한 기대감은 소득별로 다르게 나타났는데, 이는 양극화의 문제가 심화될 수 있음을 시사한다. 주택가격의 불평등이 심화된다는 것은 누군가의 주택가격은 상승한다는 것이고, 이는 특정 계층에게는 오히려 불평등이 자산가치 상승의 기회를 증대시킬 수 있는 기회로 인식될 수 있음을 의미한다. 이는, 가구소득이 높은 집단은 주택가격 불평등지수가 높아질수록 계층의 상향이동에 대한 기대감이 상승하는 반면, 가구소득이 낮은 집단은 계층의 상대적 박탈감을 느낄 수 있다는 실증결과를 통해서도 확인할 수 있었다. 따라서 주택과 관련된 자산 불평등을 해소하기 위해서는 소득구간에 따른 다양한 주거지원정책과 주택정책이 효율적으로 시행될 필요가 있다.

본 연구는 중요한 시사점을 제공함에도 불구하고 다음과 같은 한계점도 가진다. 첫째, 본 연구에서 활용한 서울서베이 자료가 가지는 한계점을 들 수 있다. 예를 들어, 가구소득을 포함한 여러 설문 문항이 범주형으로 선택하도록 되어 있는 경우가 많았다. 이 경우, 소득계층의 구분, 계수값 추정 시 해석의 문제 등 실증분석을 하는 과정에 어려움이 존재했다. 또한, 매년 조사된 서울서베이 문항이 일관되지 않기 때문에 더욱 세밀한 분석을 통한 계수값 추정에 아쉬움이 남는다. 둘째, 본 연구는 주택가격의 불평등을 구별단위에서 연구를 진행하였다. 이는 서울서베이 자료에서 설문자의 구별 위치정보만을 제공하고 있기 때문이다. 보다 자세한 공간 단위의 정보는, 보다 정교한 정책적 연구를 진행하는 데 도움이 될 것으로 판단된다. 예를 들어, 미시적인 공간단위에서의 분석도 가능하겠지만, 주택시장을 행정구역 단위가 아닌 보다 광역적으로 설정하여 분석할 수도 있을 것으로 여겨진다. 셋째, 본 연구에서는 불평등지수를 산정할 때 일반적으로 가장 많이 사용하는 지니계수를 활용하였지만, 공간 불평등지수에 관한 비교 검토도 필요함을 밝혀둔다. 마지막으로, 본 연구는 2011~2019년까지의 자료를 활용하였지만, 서울서베이 자료는 개인을 추적한 패널자료가 아니다. 만약, 패널자료를 가지고 연구를 진행한다면 개개인의 심리적인 변화를 더욱 정교하게 추정할 수 있을 것으로 판단된다. 이와 같은 한계점들은 향후 자료의 사용방법 및 연구방법론에 대한 다양한 고민을 통해 보완되길 기대한다.

Acknowledgments

이 논문은 2020년도 중앙대학교 CAU GRS 지원에 의하여 작성되었음.

References

• 강성익·구자훈, 2020. “지역 불평등과 사회적 자본의 분포특성 및 상관관계 분석: 서울시 권역생활권 및 자치구를 중심으로”, 「서울도시연구」, 21(4): 223-238.
  Kang, S.I. and Koo, J.H., 2020. “Distribution Characteristics and Correlation between Regional Inequality and Social Capital, Seoul, Korea”, Seoul Studies, 21(4): 223-238.
• 권민지·김준철, 2020. “딥러닝 모델 기반 서울시 아파트 매매가격지수 예측”, 「대한산업공학회 추계학술대회 논문집」, 101-106.
  Kwon, M.J. and Kim, J.C., 2020. “Forecasting Seoul Apartment Price Index based on a Deep Learning Model”, Journal of Korean Institute Of Industrial Engineers, 101-106.
• 권영민·장기태·손상훈, 2018. “순서형 프로빗 모형을 이용한 렌터카 사고 심각도 영향요인 분석”, 「한국 ITS 학회논문지」, 17(3): 1-17.
  Kwon, Y.M., Jang, K.T., and Son, S.H., 2018. “Risk Factors Affecting the Injury Severity of Rental Car Accidents in South Korea: an Application of Ordered Probit Model”, The Journal of The Korea Institute of Intelligent Transport Systems, 17(3): 1-17. [ https://doi.org/10.12815/kits.2018.17.3.01 ]
• 김은아·장혁준·정재훈·노유나·권오훈, 2021. “순서형 프로빗 모형을 이용한 해양 교통사고 심각도 영향요인 분석”, 대한교통학회 제84회 학술발표회, 서울: SETEC.
  Kim, E.A., Jang, H.J., Jang, J.H., No, Y.N., and Kwon, O.H., 2021. “Risk Factors Affecting the Accident Severity of Sea Traffic in South Korea Using Ordered Probit Model”, Paper preseted at the 84th Academic Presentation of the Korean Society of Transportation, Seoul: SETEC.
• 김형용, 2013. “지역사회 불평등과 자녀 교육투자: 근린사회 효과(Neighborhood Effect)를 중심으로”, 「한국지역사회복지학」, 46: 109-133.
  Kim, H.Y., 2013. “Community Inequalities and Investment in Children’s Education: A Study of Neighborhood Effects”, Korea Association of Community Welfare, 46: 109-133.
• 마창모, 2008. “어업인의 직업만족도 분석: 순위형 프로빗 모형을 활용하여”, 「월간 해양수산」, 287: 37-45.
  Ma, C.M., 2008. “An Analysis on the Job Satisfaction of the Fishermen”, Journal of Korea Maritime Institute, 287: 37-45.
• 문수연, 2016. “교육 불평등 변화 양상 분석: 중간계급 및 코호트 분석을 중심으로”, 「한국사회학」, 50(5): 141-171.
  Moon, S.Y., 2016. “Trend of Educational Inequality: Focusing on the Middle Class and Birth Cohorts in South Korea”, Korea Sociological Association, 50(5): 141-171. [ https://doi.org/10.21562/kjs.2016.10.50.5.141 ]
• 서인석·우창빈·기영화, 2016. “지니계수를 활용한 지역 행복불평등 수준 분석: 서울시 25개 자치구 행복불평등지수 산출”, 「지방행정연구」, 30(1): 109-137.
  Seo, I.S., Woo, C.B., and Kee, Y.W., 2016. “The Happiness Inequalities of the Region Via Gini Coefficient”, The Korea Local Administration Review, 30(1): 109-137.
• 서찬란, 2018. “가구 경제적 수준과 생활 만족도의 관계에 있어 주관적 계층의식의 역할: 가구주의 성별 차이를 중심으로”, 2018년 한국가정관리학회 춘계학술대회, 서울: 서울대학교.
  Seo, C.R., 2018. “The Role of Subjective Hierarchy in the Relationship between Household Economic Levels and Living Satisfaction”, Paper presented at 2018 Spring Conference of Association of Families and Better Life, Seoul: Seoul National University.
• 손은영·이자원, 2016. “서울 대도시권 인구연령구조 변화에 관한 연구”, 「국토지리학회지」, 50(3): 283-294.
  Son, E.Y. and Lee, J.W., 2016. “A Study on the Change of Population Age Structure in the Seoul Metropolitan Area”, The Geographical Journal of Korea, 50(3): 283-294.
• 오지예·이영호·정예원·홍성연, 2019. “가구통행실태조사 자료를 활용한 소득계층별 공간적 분리 탐색”, 「교통연구」, 26(1): 17-29.
  Oh, J.Y., Lee, Y.H., Jeong, Y.W., and Hong, S.Y., 2019. “An Analysis of the National Household Travel Survey Data for Exploring Spatial Segregation of Income Groups”, The Journal of Transport Research, 26(1): 17-29.
• 유항근, 2004. “지니계수, 상대적 지니계수 및 타일의 엔트로피지수를 이용한 소득불평등 분석”, 「응용경제」, 6(3): 5-30.
  Ryu, H.K., 2004. “Gini Coefficient, Relative Gini Coefficient, and Theil’s Entropy Index for Income Equality Analysis”, Korean Association of Applied Economics, 6(3): 5-30.
• 이선영·한상진·정연식, 2020. “순서형 프로빗모형을 이용한 강우 시 고속도로 교통사고 심각도 분석”, 「교통연구」, 1-11.
  Lee, S.Y., Han, S.J., and Chung, Y.S., 2020. “Injury Severity of Freeway Crashes in Rainy Weather Using an Ordered Probit Model”, The Journal of Transport Research, 1-11.
• 이성균·신희주·김창환, 2020. “한국 사회 가구 소득과 자산의 불평등: 연구 성과와 과제”, 「경제와 사회」, 127: 60-94.
  Lee, S.K., Shin, H.J., and Kim, C.H., 2020. “Inequality of the Household Income and Wealth in Korea: Research Outcome and Agenda”, Economy and Society, 127: 60-94. [ https://doi.org/10.18207/criso.2020..127.60 ]
• 이용관, 2018. “청년층의 주관적 계층의식과 계층이동 가능성 영향요인 변화 분석”, 「보건사회연구」, 38(4): 465-491.
  Lee, Y.K., 2018. “Changes in Influence Factors on Subjective Class Identification and Class Mobility Possibility of the Youth”, Health and Social Welfare Review, 38(4): 465-491. [ https://doi.org/10.15709/hswr.2018.38.4.465 ]
• 이은지, 2021.06.08. “월급의 반 이상을 저축했는데...”, 오마이뉴스.
  Lee, E.J., 2021, June 8. “Saved More Than Half of My Salary...”, OhmyNews.
• 정수열, 2015. “사회경제적 양극화와 도시 내 계층별 거주지 분리”, 「한국경제지리학회지」, 18(1): 1-16.
  Chung, S.Y., 2015. “Socio-economic Polarization and Intra-urban Residential Segregation by Class”, Journal of the Economic Geographical Society of Korea, 18(1): 1-16. [ https://doi.org/10.23841/egsk.2015.18.1.1 ]
• 정인관·최성수·황선재·최율, 2020. “한국의 세대 간 사회이동과 교육 불평등: 2000년대 이후 경험적 연구에 대한 종합적 검토”, 「경제와 사회」, 127: 12-59.
  Chung, I.K., Choi, S.S., Hwang, S.J., and Choi, Y., 2020. “Intergenerational Social Mobility and Educational Inequality in South Korea: A Comprehensive Review of Empirical Studies since 2000”, Economy and Society, 127: 12-59. [ https://doi.org/10.18207/criso.2020..127.12 ]
• 정재훈·김경민, 2014. “교육의 공간 불평등 연구”, 「한국경제지리학회지」, 17(2): 385-401.
  Jung, J.H. and Kim, K.M., 2014. “The Spatial Inequalities in Education, Seoul”, Journal of the Economic Geographical Society of Korea, 17(2): 385-401. [ https://doi.org/10.23841/egsk.2014.17.2.385 ]
• 조명래, 2011. “만들어진 ‘공간 불평등’, 지역격차”, 「월간 복지동향」, 157: 4-9.
  Jo, M.R., 2011. “Created Spatial Inequality, Regional Gap”, Monthly Welfare Trends Report, 157: 4-9.
• 진장익·진은애·김단야, 2017. “서울시 직장인들의 통근시간과 행복”, 「국토계획」, 52(2): 99-116.
  Jin, J.I., Jin, E.A., and Kim, D.Y., 2017. “Commuting Time and Happiness in Seoul”, Journal of Korea planning Association, 52(2): 99-116. [ https://doi.org/10.17208/jkpa.2017.04.52.2.99 ]
• 최은영·홍장표, 2014. “세대 간 직업계층의 이동성”, 「지역사회연구」, 22(1): 51-70.
  Choi, E.Y. and Hong, J.P., 2014. “Intergenerational Mobility in Occupational Class”, Journal of Regional Studies, 22(1): 51-70.
• 최필선·민인식, 2015. “부모의 교육과 소득수준이 세대 간 이동성과 기회불균등에 미치는 영향”, 「사회과학연구」, 22(3): 31-56.
  Choi, P.S. and Min, I.S., 2015. “A Study on Social Mobility across Generations and Inequality of Opportunity”, The Journal of Social Science, 22(3): 31-56.
• 홍성연·김예린·최진무, 2017. “공간적 관점과 구조적 관점에서의 거주지 분리 측정”, 「국토지리학회지」, 51(3): 271-280.
  Hong, S.Y., Kim, Y.R., and Choi, J.M., 2017. “Spatial and Structural Approaches to the Measurement of Residential Segregation”, The Geographical Journal of Korea, 51(3): 271-280.
• Andrews, D., Green, C., and Mangan. J., 2004. “Spatial Inequality in the Australian Youth Labour Market: The Role of Neighborhood Composition”, Regional Studies, 38(1): 15-25. [https://doi.org/10.1080/00343400310001632280]
• Arundel, R. and Hochstenbach, H., 2020. “Divided Access and the Spatial Polarization of Housing Wealth”, Urban Geography, 41(4): 497-523. [https://doi.org/10.1080/02723638.2019.1681722]
• Blanden, J. and Machin, S., 2017. “Home Ownership and Social Mobility”, Centre for Economic Performance, CEPDP1466.
• Chakravorty, S., 1996. “A Measurement of Spatial Disparity: The Case of Income Inequality”, Urban Studies, 33(9): 1671-1686. [https://doi.org/10.1080/0042098966556]
• Easterlin, R.A., 2001. “Income and Happiness: Towards a Unified Theory”, Economic Journal, 111(473): 465-484. [https://doi.org/10.1111/1468-0297.00646]
• Gini, C., 1912. Variabilità e mutabilità, Bologna: Tipogr. di P. Cuppini.
• Hao, P., 2020. “Do Landholdings Affect Social Mobility in China? A Study of Rural Migrants in Jiangsu”, Cities, 111(3): 1-17. [https://doi.org/10.1016/j.cities.2020.102977]
• Hirschman, A.O. and Rothschild, M., 1973. ”The Changing Tolerance for Income Inequality in the Course of Economic Development with a Mathematical Appendix”, The Quarterly Journal of Economics, 87(4): 544-566. [https://doi.org/10.2307/1882024]
• Kang, W.C., Lee, J.S., and Song, B.K., 2020. “Envy and Pride: How Economic Inequality Deepens Happiness Inequality in South Korea”, Social Indicators Research, 150: 617–637. [https://doi.org/10.1007/s11205-020-02339-2]
• Katic, I. and Ingram, P., 2018. “Income Inequality and Subjective Well-being: Toward an Understanding of the Relationship and Its Mechanisms”, Business & Society, 57(6): 1010-1044. [https://doi.org/10.1177/0007650317701226]
• Lorenz, M.O., 1905. “Methods of Measuring the Concentration of Wealth”, Publications of the American Statistical Association, 9(70): 209-219. [https://doi.org/10.2307/2276207]
• Lux, M., Sunega, P., and Katrnak, T., 2013. “Classes and Castles: Impact of Social Stratification on Housing Inequality in Post-Socialist States”, European Sociological Review, 29(2): 274-288. [https://doi.org/10.1093/esr/jcr060]
• Musterd, S. and Andersson, R., 2006. “Employment, Social Mobility and Neighbourhood Effects: The Case of Sweden”, International Journal of Urban and Regional Research, 30(1): 120-140. [https://doi.org/10.1111/j.1468-2427.2006.00640.x]
• Reardon, S.F. and Bischoff, K., 2011. “Income Inequality and Income Segregation”, American Journal of Sociology, 116(4): 1092-1153. [https://doi.org/10.1086/657114]
• Rey, S.J., 2004. “Spatial Analysis of Regional Income Inequality”, Spatially Integrated Social Science, 1: 280-299.
• Roscigno, V.J., Tomaskovic-Devey, D., and Crowley, M., 2006. “Education and the Inequalities of Place”, Social Forces, 84(4): 2121-2145. [https://doi.org/10.1353/sof.2006.0108]
• Rothwell, J. and Massey, D.S., 2015. “Geographic Effects on Intergenerational Income Mobility”, Economic Geography, 91(1): 83-106. [https://doi.org/10.1111/ecge.12072]
• Runciman, W.G., 1966. “Relative Deprivation and Social Justice: A Study of Attitudes to Social Inequality in Twentieth-century England, California”, Berkeley: University of California.
• Smith, C., Parr, N., and Muhidin, S., 2019. “Mapping Schools NAPLAN Results: A Spatial Inequaity of School Outcomes in Australia”, Geographical Research, 57(2): 133-150. [https://doi.org/10.1111/1745-5871.12317]