Korea Planning Association
[ Article ]
Journal of Korea Planning Association - Vol. 59, No. 2, pp.121-132
ISSN: 1226-7147 (Print) 2383-9171 (Online)
Print publication date 30 Apr 2024
Final publication date 08 Mar 2024
Received 07 Nov 2023 Revised 15 Jan 2024 Reviewed 26 Jan 2024 Accepted 26 Jan 2024
DOI: https://doi.org/10.17208/jkpa.2024.04.59.2.121

주택가격 변동이 20대 대통령 선거 지지 정당 후보 변화에 미치는 영향 분석 : 전국 행정동 단위 투표결과를 중심으로

윤미영** ; 전명진***
The impact of Housing Price Changes on Swing Voters in the 20th Presidential Election : Focused on National Voting Results by Administrative Districts
Yun, Miyoung** ; Jun, Myung-Jin***
**Ph.D. Student, Department of Urban Planning and Real Estate, Chung-ang University mmloveu@cau.ac.kr
***Professor, Department of Urban Planning and Real Estate, Chung-ang University mjjun1@cau.ac.kr

Correspondence to: ***Professor, Department of Urban Planning and Real Estate, Chung-ang University (Corresponding Author: mjjun1@cau.ac.kr)

Abstract

This study aims to analyze the influence of housing market fluctuations on the formation of swing voters who changed their party candidates, using the data from the 19th and 20th presidential elections in South Korea. A multinomial logit model was constructed to statistically analyze the relationship between housing market fluctuations and the formation of swing voters. The following were the major findings. First, men in their 60s or older, highly educated people with a graduate school degree, and apartment residents were more likely to become swing voters. Second, residents in the top 10% of areas in terms of housing price rise were more likely to become swing voters with 1.5 times odds ratio. This finding was believed to be related to the comprehensive real estate tax that was strengthened under the Moon Jae-in administration. Third, swing voters in the 20th presidential election showed a tendency to vote punitively from a retrospective perspective regarding the failure of the real estate policy by the ruling Democratic Party, and they used asset-based voting (patrimonial voting) based on egotropic interests.

Keywords:

Economic Voting, Patrimonial Voting, Presidential Elections, Apartment Prices, Multinomial Logit Model

키워드:

경제투표, 자산기반 투표, 대통령 선거, 아파트 가격, 다항로짓모형

Ⅰ. 서 론

1. 연구의 배경 및 목적

2022년 3월 치러진 제 20대 대통령 선거에서 48.56%를 득표한 국민의힘 윤석열 후보가 47.83%를 득표한 더불어민주당 이재명 후보를 247,077표, 0.73%p 차이로 역대 대통령 선거 사상 최소 득표율 격차로 당선되었다. 이는 제 6공화국 출범 이후 5년 만에 진보 정당에서 보수 정당으로 정권이 바뀐 최초의 선거로 기록되었다. 대통령 선거 결과는 다양한 요인의 영향을 받으며 이들 변수 간의 복잡한 상호 작용의 결과물이다. 일반적으로 대통령 선거 결과는 후보가 속해 있는 정당의 정책 노선, 후보자의 개인적 특성 및 선거전략, 선거 쟁점, 유권자의 인구 통계학적 요인, 투표율 등 다양한 요인이 복합적으로 영향을 미치는 것으로 알려져 있다.

전통적으로 한국의 선거는 이념주의, 세대주의를 바탕으로 민주화 이후 지역주의 성향이 강하게 나타났다. 지역주의 측면에서 호남지역은 진보정권을 지지하고 영남지역은 보수정권을 지지하는 성향이 뚜렷하게 나타난 반면 다양한 지역 출신들이 모인 수도권은 지역주의 성향에서 비교적 자유로운 모습을 보였다. 한편 충청권은 지역주의 성향이 낮아 여러 대선에서 캐스팅보트의 역할을 하였다. 최근 계층 간 양극화가 심해지고 인구 사회학적 요소들이 변화함에 따라 지역, 이념, 세대 요인뿐만 아니라 경제 성장률, 실업률, 소득 불평등, 부동산 시장 상황 등 경제적 요인 등이 투표선택에 영향을 주는 경향이 나타나고 있다(손낙구, 2010; 강우진, 2012; 김도균·최종호, 2018; 김수인·강원택, 2022).

한국의 경우 부동산이 가구 자산에서 차지하는 비율이 매우 높고 부동산을 주거뿐만 아니라 투자 수단으로 간주하는 경향이 강하기 때문에 부동산 시장 상황 및 부동산 정책에 유권자들은 높은 관심을 가지고 있다. 또한 서울, 수도권, 비수도권 등 거주 지역이나 아파트, 원룸과 같은 거주 주택 유형은 유권자의 사회경제적 위계를 반영하는 지표가 되고 있어 주거 이상의 사회적 의미를 가진다. 특히 한국에서는 사회계층 간 양극화 및 불평등이 부동산 자산 격차를 통해 나타나기 때문에 집권 정부는 이러한 양극화를 완화하고 부동산 시장을 안정시키기 위한 다양한 부동산 조세정책이나 주택정책을 추진하고 있지만 이는 소득계층 간, 세대 간, 지역 간 갈등과 분열의 원인이 되기도 한다.

2020년 초 코로나 팬데믹이라는 전례 없는 공중보건 재난에 직면하여 천문학적인 재정 지출을 통한 유동성 증가, 수년간 지속된 초저금리 현상, 그리고 재개발, 재건축 규제로 인한 주택 공급 부족 등 여러 가지 요인으로 인해 부동산 가격이 급등하였다. 또한 진보 정당인 문재인 정부는 부동산 시장의 과열을 막고 서민 주거권을 강화하기 위해 LTV, DTI와 같은 부동산 대출규제, 종합부동산세 강화, 전월세 신고제 및 상한제, 계약갱신청구권제를 포함하는 임대차 3법 등의 부동산 시장 규제를 추진하였으나 이는 부동산 시장의 왜곡 및 부동산 가격 급등의 원인을 제공했다는 비판을 받고 있다.

이러한 부동산 시장 상황과 부동산 규제 정책들은 자가 아파트 소유자와 임차인, 은퇴자, 40~50대, 20~30대 등 자산 형성 정도가 다른 세대별, 혹은 주택 가격 양극화가 나타나는 서울, 수도권, 비수도권 등 지역별 정책 효과가 각각 다르게 나타나기 때문에 이러한 요소가 대선 결과에 어떤 영향을 미쳤는지를 분석하는 것은 유권자의 부동산 정책에 대한 평가와 우선순위를 파악하는 데 도움을 줄 것으로 예상된다. 또한 향후 선거에서 유권자의 이익을 반영한 선거 공약 및 전략을 만드는데 중요한 통찰력을 제공할 수 있을 것으로 판단된다.

본 연구는 2017년 19대 대선과 2022년 20대 대선 결과 자료를 이용하여 주택 시장 요인이 대선 결과에 어떤 영향을 미쳤는지 분석하는 것을 목적으로 한다. 탄핵이라는 특수한 상황에서의 대선과 일반적인 상황에서 치러진 대선 모두에서 경제적 요인이 유권자의 선거행태에 미치는 영향을 종합적으로 파악하고 한다. 특히 19대 대선과 20대 대선에서 지지 정당 후보를 바꾼 스윙보터(swing voters)를 파악하고 이들이 어떤 요인으로 지지 정당 후보를 바꿨는지를 분석한다. 이를 위하여 각 년도 전국 행정동별 지지 후보 자료를 선거관리 위원회에서 구득한 후 대선에 영향을 미치는 것으로 알려진 인구사회학적 변수, 경제적 변수, 유권자가 거주하는 지역 관련 변수, 그리고 주택 시장 관련 변수를 포함하여 탐색적 및 통계적 분석을 수행한다. 특히 통계적 분석은 19-20대 대선 때 지지 정당 후보 선택에 대한 다항로짓모형을 구축하고 분석한다.

본 연구는 제2장에서 경제 투표 및 자산 기반 투표와 관련한 이론적 논의 및 국내외 선행연구를 검토한 후 19-20대 대선의 주요 선거 쟁점에 대해 논의하고 문재인 정부의 부동산 정책을 고찰한다. 제3장에서는 분석 자료 및 방법에 관해 설명한다. 제4장에서는 탐색적 및 통계 분석 결과를 제시하고 결론에서 연구의 요약 및 시사점을 제시한다.


Ⅱ. 선행연구 검토 및 19-20대 대선 이슈

1. 선행연구 검토

일반적으로 대통령 선거 결과에 영향을 미치는 요소로 후보자가 속해 있는 정당의 이념적 노선, 후보자의 자질 및 인기, 경제 상황, 선거전략, 외교정책 및 사회적 이슈, 투표율, 투표자의 성별 및 연령 등 다양한 요인이 있으며 이들 요소가 대선 결과에 영향을 미치는 정도는 국가 혹은 지역, 민주주의의 성숙도, 정당 구조 및 정치적 역사 등에 따라 다르게 나타난다. 본 연구의 목적이 부동산 시장이라는 경제적 요소가 대선 결과에 어떤 영향을 미쳤는지를 분석하는 것이기 때문에 경제적 요인과 선거 결과 간의 관계를 논의한 경제 투표에 관한 이론 및 선행연구를 중심으로 검토한다.

경제 투표라는 개념은 Campbell et al.(1960)이 미국 유권자의 정당 선호가 그들의 경제적 관점과 밀접한 관련이 있다는 연구 결과를 제시한 이래 여러 정치 경제학자들에 의해 활발히 연구되고 있다. Lewis-Beck and Steigmaier(2015)에 따르면 경제 투표란 경제가 번창하면 유권자들이 집권 정당에 투표함으로써 보상하고 경제 상황이 악화하면 경쟁 정당에 투표하여 징벌하는 것으로 정의하고 있다.

경제 투표와 관련한 선행연구들을 보면 크게 다음 세 가지 관점에서 경험적 연구들이 진행되었다. 첫째는 유권자들이 경제 상황을 인식하는 범위와 관련된 것으로 사회지향적(sociotropic)인가 자기중심적(egotropic)인가에 대한 논의이다. 사회지향적 투표자는 국가 혹은 지역 경제 상황에 기반해 경제 상황을 인식하는 반면 자기중심적 투표자는 자신의 소득 혹은 재산의 변화에 기반하여 경제 상황을 인식한다. 미국을 사례로 한 Alvarez and Nagler(1995)의 연구와 유럽을 대상으로 한 Anderson(2000)의 연구는 사회지향적 투표 행위를 주장한 대표적인 연구이다. Kiewiet (1983)도 유권자들의 경제적 판단이 사회지향적(sociotropic)이라는 연구 결과를 제시하였다. 반대로 아프리카 등 개발 도상국에서 자기중심적 투표 행위가 나타났다는 Carslon and Fidalgo(2016)의 연구가 있다.

경제 투표와 관련한 두 번째 이슈는 유권자들이 회고적 관점(retrospective view)에서 경제 상황을 판단하고 투표하는지 혹은 미래적 관점(expective view)에서 정당의 경제 정책 공약을 보고 투표하는지에 대한 논란이다. Fiorina(1981)는 유권자들이 미래적 관점(expective view)에서 보다는 회고적 관점(retrospective view)에서 경제 상황을 판단하고 이에 따라 투표한다는 주장을 제시하였다. Healy and Lenz(2014)는 유권자들이 근시안적이고 단기 기억에 의존하기 때문에 선거 전의 경기 상황에 기반한 투표를 하는 경향이 있다는 연구 결과를 제시하고 있다. 반면에 일부 학자들은 선거 기간 동안 정당들의 선거 공약을 비교한 후 이에 기반한 투표를 한다고 주장한다(Carey and Lebo, 2006; Singer and Carlin, 2013).

세 번째 이슈는 경제 상황에 대한 평가나 인식이 유권자 개인이 가지는 현 정치 상황이나 정치 시스템에 대한 이해도나 지식 정도에 따라, 혹은 가입 정당에 따라 다르게 나타난다는 것이다. Gomez and Wilson(2003)에 따르면 정치 이해도가 높은 집단은 경제 상황에 대한 평가와 집권 정당에 대한 지지도가 비례하는 경향을 보이는 반면 낮은 정치 이해도를 가지는 집단은 거시경제 지표에 대한 평가가 상승함에도 불구하고 집권 정당에 대한 지지도는 감소한다는 연구 결과를 제시하고 있다. 또한 일부 연구는 유권자의 가입 정당에 따라 편견(bias)을 가지고 경제 상황에 대한 인식을 한다고 주장한다. 예를 들면 Lewis-Beck and Steigmaier(2015)는 유권자의 가입 정당이 여당일 경우 경제 상황을 호의적으로 평가하는 반면 야당인 경우 부정적으로 평가하는 경향이 있다는 연구 결과를 제시하고 있다. De Vries et al.(2018)은 야당 혹은 무당파 유권자는 집권당 유권자보다 경제 상황에 대한 평가를 훨씬 더 부정적인 것으로 평가한다는 분석 결과를 제시하고 있다.

Lewis-Beck and Nadeau(2011)는 대부분의 경제 투표 관련 연구들이 집권당의 경제 성적에 대한 보상-징벌적 투표 (Valence Voting)를 중심으로 진행된 반면 경제 투표를 다른 관점에서 분석한 연구는 많지 않다고 주장한다. 그들은 유권자들이 거시경제 정책에 대한 성적보다는 누진세율이나 의료 보험 등 특정 정책의 선호에 따라 투표하는 쟁점 투표 (Positional Voting)나 부동산 소유 여부와 같은 자산기반 투표(Patrimonial Voting)도 중요한 경제 투표의 요인이기 때문에 이 분야 연구의 필요성을 주장하였다.

Quinlan and Okolikj(2022)는 34개 국가를 대상으로 자산 소유와 투표 간의 관계를 비교 분석하였다. 그들은 일부 국가에서 자산이 많을수록 보수당에 투표하는 경향이 높다는 자산 기반 투표(Patrimonial Voting)의 직접적인 증거를 발견하였다. 그러나 자산 효과가 간접적이거나 없는 경우도 여러 국가에서 발견되었다. 이들에 따르면 자산 기반 투표는 복지국가나 세금 때문에 투자 인센티브가 꺾이지 않는 국가에서는 강하게 나타나는 경향이 높다는 연구 결론을 제시하고 있다.

자산 기반 투표와 관련해 주택가격과 투표 결과와의 관계를 분석한 연구도 다수 발견된다. 예를 들면 Ansell(2014)은 미국과 영국을 대상으로 주택가격과 투표 성향을 분석한 결과 주택가격이 높을수록 보수당을 지지할 확률이 높고 보수당 선호 투표자의 경우 이러한 경향은 더 뚜렷이 나타났다는 연구 결과를 제시하였다. Lux and Mau(2018)는 독일 유권자들을 대상으로 주택소유에 따른 정부 혹은 시장에 대한 선호도를 분석한 결과 주택소유자들은 정부보다는 시장에 더 호의적인 경향을 가지고 있다고 주장한다. Davidsson(2018)도 스웨덴 유권자들을 대상으로 주택소유자는 보수당에 대한 선호를 가지는 경향이 있다는 연구 결과를 제시하였다. Larsen(2019)은 덴마크 유권자들을 대상으로 주택가격과 투표 성향을 분석한 결과 주택가격이 오르면 집권당을 지지하는 경향이 높아지는데 이는 정치 이념이나 주택소유 때문이 아니라 지역경제에 대한 긍정적인 인식 때문이라고 주장한다. Beckmann et al.(2020)은 독일 유권자들을 대상으로 주택소유와 주택가격이 투표 결과에 어떤 영향을 미쳤는지를 분석하였다. 그들은 주택소유자, 주택가격 및 주택가격 상승률이 높을수록 중도 보수당에 투표할 확률이 높은 반면 임대 유권자들은 진보당에 투표할 확률이 높다는 연구 결과를 제시하고 있다.

자산 기반 투표에 관한 국내 선행연구도 다수 존재한다. 자산변수가 한국 유권자의 투표 선택에 미친 영향을 살펴보면 주택 소유형태나 주택가격이 투표참여나 투표선택에 미치는 영향을 분석한 연구가 존재한다. 경제적 조건에 대한 인식은 유권자로 하여금 후보 선택뿐만 아니라 투표참여에도 영향을 미칠 수 있다. Rosenstone(1982)에 따르면 경제적 조건과 투표참여는 경제적 조건에 따라 경제적 고난을 타개하고자 투표에 더 적극적으로 참여, 유권자로 하여금 무관심하게 만들어 기권, 유의미한 영향이 없다는 무영향 가설로 분류할 수 있다고 주장한다. 한국적 맥락에서 주택 소유형태에 따라 투표참여에 미친 영향을 밝혀낸 연구로는 강우진(2012)이 18대 총선 자료를 토대로 전·월세 형태로 거주하는 유권자일수록 기권할 가능성이 높음을 밝혔다.

손낙구(2010)는 주택소유 및 아파트 거주 여부와 정당 지지율의 관계를 분석하였는데 자가 소유 비율 및 아파트 거주 비율이 높을수록 보수당(2004년 대선과 2006년 지방선거 시 한나라당)을 지지할 확률이 높다는 연구 결과를 제시하고 있다. 김도균·최종호(2018)손낙구(2010)의 연구가 미시적 측면에서 주택소유 여부-투표 행위와의 관계를 분석하는데 한계를 가진다고 비판하면서 17-19대 대통령 선거 과정에서 나타난 미시적 여론조사 자료를 이용하여 주택소유가 투표 행위에 미치는 영향을 직접효과와 간접효과로 구분하여 분석하였다. 그들은 부동산이 중요한 선거 쟁점이었던 17대 대선의 경우 주택소유 여부가 보수 정당 후보 투표에 직접적 및 간접적 영향을 미친 반면 18대와 19대 대선의 경우 주택소유 여부는 지지 정당과 주관적 이념 성향에 매개되어 간접적으로만 영향을 미쳤다는 연구 결과를 제시하고 있다.

이재욱·권혁용(2019)는 2007~2012년 사이에 실시되었던 네 번의 선거에 관한 패널 조사 자료를 이용하여 주택소유가 투표 행태에 어떤 영향을 미쳤는지를 분석하였다. 그들도 손낙구(2010)김도균·최종호(2018)의 연구 결과와 마찬가지로 주택소유자는 보수 정당 후보자에게 투표하는 경향이 높다는 사실을 통계적으로 검정하였다. 특히 이들은 2007년 노무현 정부의 부동산 정책에 대한 부정적 인식이 주택소유자일수록 높아 보수 정당에 대한 투표로 이어졌다는 분석 결과를 제시하면서 한국의 경우 소득 기준에 따른 경제적 계층 분류보다 자산에 따른 계층 분류가 투표 행태를 더 잘 반영한다고 주장하였다.

김수인·강원택(2022)은 2018~2021년 간에 치러진 세 번의 선거(지방선거, 국회의원, 서울시장 보궐 선거)에서 수도권 유권자를 대상으로 주택 가격에 기반한 자산의 규모와 투표 행태와의 관계를 경험적으로 분석하였다. 이들은 세 번의 선거 모두 단위 면적당 아파트 매매 가격이 높은 동(洞)일수록 보수정당에 투표하는 경향이 높다는 연구 결과를 제시하고 있다. 또한 자산이 많을수록 보수적인 이념을 가지고 보수 정당에 투표할 확률이 높다는 것을 확인하였다. 이들의 연구 결과는 지역, 이념, 세대 요인과 더불어 자산에 따른 경제적 계층이 향후 선거에서 중요한 영향을 미칠 것이라는 시사점을 제시하고 있다.

지금까지 검토한 경제 투표와 관련한 선행연구는 다음과 같이 요약할 수 있다. 첫째, 미국과 유럽 등 선진 민주 국가를 대상으로 한 연구들은 대부분 회고적(retrospective) 및 사회지향적(sociotropic) 경제 투표 성향을 보이는데 일부 사례에서는 선거 공약이나 자기중심적 투표 성향도 발견된다. 둘째, 대부분의 경제 투표 관련 연구들이 집권당의 경제 성적에 대한 보상-징벌적 투표(Valence Voting)를 중심으로 진행된 반면 특정 정책의 선호에 따라 투표하는 쟁점 투표(Positional Voting)나 부동산 소유 여부와 같은 자산기반 투표(Patrimonial Voting) 관련 연구는 많지 않다. 셋째, 주택소유 여부나 주택가격에 따른 자산 기반 투표와 관련된 국내외 선행연구들의 대부분은 주택소유자일수록 그리고 보유 주택의 가격이 높을수록 보수당 후보에 투표하는 경향이 높다는 연구 결과를 제시하고 있다.

선행연구 대비 본 연구의 차별성은 다음과 같다. 첫째, 기존 자산 기반 투표 관련 선행연구들이 주택소유 여부나 주택가격에 따른 지지 정당 투표 성향을 분석한 반면 본 연구는 주택 가격 변동과 19-20대 대선에서 지지 정당 후보를 바꾼 스윙보터의 관계를 분석하였다는 점에서 기존 연구와 차별된다. 경쟁이 치열한 선거에서 스윙보터는 캐스팅보터(casting voters)로써 선거 결과를 결정하는 중요한 역할을 하기 때문에 어떤 요인이 스윙보터를 만들었는지를 파악하는 것은 선거 공약을 만들고 전략을 짜는 데 필수적 요소이다. 또한 스윙보터의 지지를 확보하기 위해 정당은 이들의 요구 사항이나 불만 사항을 정책에 반영하여 포용적이고 책임있는 거버넌스를 구축하는 데 활용할 수 있다. 둘째, 본 연구는 전국 행정동별 19-20대 대선 결과 자료를 이용하여 스윙보터 지역을 식별하고 선거에 영향을 미치는 인구사회학적 요소, 경제적 요소, 지역적 요소 등을 통제한 상태에서 주택가격 상승이 스윙보터 결정에 어떤 영향을 미쳤는지를 다항로짓모형을 활용하여 통계적으로 분석하였다는 점에서 기존 연구와 차별된다.

2. 19-20대 대선 이슈

18대 박근혜 대통령이 대한민국 최초로 헌법재판소의 대통령 탄핵 인용으로 파면당하면서 조기 대선으로 실시된 19대 대통령 선거는 정권 심판과 정치권력 개혁이 중요한 선거 이슈였다. 보수정권에서의 부정부패로 인한 대통령 탄핵이라는 충격적인 사건이 발생했고 정권교체라는 국민 다수의 염원으로 인해 19대 대선에서는 41.1%의 득표율을 얻은 민주당 문재인 후보가 24% 득표율을 획득한 보수 진영 홍준표 후보를 한국 대선 역사상 최대 차이인 17.1%p 차이로 승리했다.

19대 대선은 지지 후보에 대해 세대 간 큰 격차를 보였다. 선거 출구 조사에 따르면 30~40대는 50% 이상, 20대는 47.6%가 문재인 후보에게 투표한 반면 60대와 70세 이상은 24.5%에 그쳐 젊은 층은 압도적으로 정권 교체를 선택한 반면, 노년층은 보수정당의 정체성 위기와 분열에도 불구하고 보수 후보에 대해 높은 지지율을 보였다. 19대 대선의 또 다른 특징은 여전히 지역주의가 대선 결과에 영향을 미쳤다는 사실이다. 홍준표 후보가 전북과 전남, 광주광역시 등 호남권에서는 3% 이하의 저조한 지지를 받은 반면 대구와 경북에서는 45.4%와 48.6%의 높은 득표율을 보였다.

2022년 3월에 치러진 20대 대선에서는 보수정당인 국민의힘 윤석열 후보가 진보정당인 더불어민주당 이재명 후보를 0.73%의 근소한 차이로 물리치고 대통령에 당선되었다. 20대 대선에서는 코로나 피해로 인한 소상공인 지원 및 기본 소득 실시, 페미니즘 이슈와 관련한 여성가족부 폐지와 20대 남성을 지칭하는 ‘이대남’ 지원 정책, 사드 추가 배치와 관련한 안보 이슈 등과 더불어 문재인 대통령 재임 동안 경험한 부동산 가격 급등에 따른 부동산 정책 공약이 중요한 대선 이슈였다.

3. 문재인 정부의 부동산 정책 및 고찰

문재인 정부는 주택의 공공성 강화라는 부동산 정책 기조 하에 집권 5년 동안 투기 과열 지역 지정 및 확대, 대출 규제 강화, 다주택자 세금 강화 등의 규제 정책을 지속적으로 추진했다. 문재인 정부의 부동산 시장가격 급등 원인에 대한 많은 논쟁이 진행되었는데 지속적인 저금리 기조와 팬데믹 상황의 풍부한 유동성 증가로 부동산 시장의 경기가 호전되었고 투자 목적의 주택수요가 증가해 문재인 정부는 이러한 투기수요를 차단하기 위해 수요대책과 더불어 다양한 공급 대책들을 내놓았다.

이를 구체적으로 살펴보면 2017년 6.19 및 8.2 대책은 재건축 규제 강화, 다주택자 양도세 중과, 장기 보유 특별 공제 제외 등의 규제 정책이 시행되었다. 2018년 8.27 대책과 9.13 대책에서는 부동산 투기를 억제하기 위해 조정대상 지역, 투기 지역, 투기과열지구를 확대 지정하였고 고가 주택, 다주택자에 대한 종합부동산세 세율을 인상하고 대출을 규제하는 등 부동산 규제 정책을 강화하였다. 이러한 규제 정책에도 불구하고 서울 집값이 잡히지 않자 2019년에는 8.12 대책으로 민간택지 분양가 상한제 도입, 12.16 대책으로 시가 15억 이상 주택에 대하여 주택담보대출 금지, 주택 보유 부담을 강화하는 정책을 발표하였다.

2020년에도 6.17 대책에서 삼성동 등 4개 법정동에 대한 토지거래 허가구역 지정, 7.10 대책에서는 종합 부동산세 상한 6%, 취득세율 최고 12%, 양도소득세율 최고 75%(최고세율 45% + 3주택자 중과 30%) 등 다주택자와 법인을 대상으로 강력한 과세 정책을 발표하였다(이창무, 2020). 또한 7월 30일 계약갱신 청구권, 전월세 상한제, 전월세 신고제 등 주택임대차보호법 및 부동산거래 신고법 개정안이 국회를 통과하였다. 이러한 주택임대차보호법은 전세물건의 급감과 전월세 가격의 급등으로 이어져 부동산 매매 및 임대 시장의 불안정성을 가속화하였다.

문재인 정부의 부동산 정책을 고찰한 연구를 살펴보면, 최은영(2020)은 문재인 정부가 추진하는 각종 부동산 규제는 정책의 퇴행을 막고 있으며 주거의 공공성을 확보하고 있다고 주장한다. 반면 장재석(2021)은 문재인 정부의 부동산 정책을 수요·공급 측면, 청년임대주택 공급 정책 측면, 조세정책 측면에서 파악하였는데 수요·공급정책에 있어서 정책의 비일관성, 단기적으로 나타나는 조세·금융 정책의 무분별한 발표가 시장 혼란을 더욱 가속화시켰다고 말한다. 이창무(2020)는 차별화된 수급 불균형으로 발생하는 문제를 국지적 공급부족 문제로 인정하지 못하고 수요억제책으로 대응하여 그로 인한 풍선효과로 서울뿐만 아니라 수도권, 지방으로 확산하었고 매매시장의 가격급등 문제를 넘어서 전월세 시장까지 불안정한 파급효과를 주었다고 평가한다. 배기희(2021)도 부동산 시장에 정부가 지나치게 개입하여 정책 취지와 다른 결과를 보여 강력한 규제정책이 있지만 유동자금이 주택시장으로 유입되고 특정지역에 한정된 규제는 풍선효과로 나타났다고 말한다.

저금리와 유동성 증가와 같이 대내외적 여건과 맞물려 주택시장에 투기수요가 증가함에 따라 주택시장에 불안이 발생하였지만 일관적이지 않으며 시장에 대해 고강도 규제정책의 대응을 보인 문재인 정부의 부동산 정책들은 오히려 부동산 시장의 왜곡을 초래하였다는 평가를 받는다. 부동산 매매시장에서는 핀셋규제와 그에 따라 반복되는 풍선효과로 인해 전국적인 아파트 가격이 상승하였고 이러한 매매시장의 혼란이 결국 부동산 전월세 시장에서도 부정적인 영향을 주었다.

제20대 대선은 문재인 정부의 부동산 정책 실패로 인한 국민적 불만이 팽배해 있는 상황에서 실시되었기 때문에 대선 후보들도 이를 선거 전략에 활용하여 다양한 부동산 정책 공약을 발표하였다. 이재명 후보와 윤석열 후보 모두 주택 공급을 늘리고 부동산 세제 규제를 완화하겠다는 공약을 내놓고 있지만 구체적인 세부 내용에서 차이를 보이고 있다. 주택 공급 측면에서 보면 두 후보 모두 주택 250만 호를 공급하겠다는 공약을 제시하고 있는데 이재명 후보는 공공 주도로 100만 가구의 기본 주택으로 공급하고 장기 공공 임대주택 비율을 10%로 높이겠다는 공약을 제시한 반면 윤석열 후보는 민간 재개발과 재건축 규제를 풀어 청년 원가 주택 30만 호, 역세권 첫 집 20만 호를 공급하겠다는 공약을 제시하고 있다. 부동산 세제 및 규제와 관련한 공약을 보면 이재명 후보는 다주택자 양도세 중과세 유예, 실수요자 취득세 감면, 분양원가 공개, 후분양제 도입을, 윤석열 후보는 1주택자에 대한 양도세 및 재산세 감면, 다주택자 양도세 한시적 감면, 실수요자를 위한 LTV, DTI 등 대출 완화를 공약으로 제시하고 있다.


Ⅲ. 분석 자료 및 방법

1. 분석 자료 및 변수

본 연구의 분석에 활용된 자료는 중앙선거관리위원회에서 제공하는 전국 행정동별 19대와 20대 대선 결과를 활용하였다. 이 자료에는 행정동별 총유권자 수, 투표자 수, 대선 후보별 득표수 등의 상세한 데이터를 포함하고 있다. 시간의 변화에 따라 행정동이 분동되거나 합동된 경우가 존재해 통계청의 통계분류포털(KOSIS)에서 제공하는 한국행정구역분류를 참고하여 19-20대 대통령 선거 결과를 동일 행정동 기준으로 수정하였다. 또한 행정동 내에서 가장 높은 득표율을 기록한 후보가 속해있는 정당을 행정동별 지지 정당으로 간주하고 이를 분석에 활용하였다.

19-20대 대선 기간 동안 주택가격의 변동을 파악하기 위해 국토교통부에서 제공하는 아파트 실거래 가격 데이터를 활용하였다. 행정동 내에 있는 아파트의 실제 거래 가격을 년 평균하여 19대 대선이 치러진 2017년 자료와 20대 대선이 치러지기 1년 전인 2021년 자료를 비교하여 주택가격 변동을 계산하였다. 아파트가 없는 행정동의 경우 단독주택과 다가구 및 다세대 주택 가격을 활용하였다.

<그림 1>은 집권 시기별 전국 및 수도권의 평당 아파트 가격을 보여주고 있다. 전국 및 수도권 아파트 가격이 박근혜 정부 기간 동안 서서히 증가하다 문재인 정부가 시작된 2017년 이후 급격히 상승하였다는 것을 보여주고 있다. 특히 전국과 수도권의 가격 격차는 2020년 이후 큰 폭으로 증가하여 수도권과 비수도권 간 주택 시장의 양극화가 극명하게 나타났다는 것을 보여주고 있다.

Figure 1.

Average apartment prices per square meter in the nation and the Seoul metropolitan area (SMA) by period of 18th, 19th administration

선거 결과에 영향을 미치는 것으로 알려진 인구사회학적 요인이나 산업 등 경제적 요인 변수는 통계청에서 제공하는 집계구 단위 데이터를 행정동별로 집계하여 사용하였다. 집계구 데이터에는 인구, 가구, 주택, 산업 등의 데이터가 미시적 공간 단위로 제공되기 때문에 행정동 단위 분석이 가능하다. 따라서 2020년 집계구 단위의 인구, 가구, 주택, 산업 등의 데이터를 구득하여 분석에 사용하였다. 교육 수준에 대한 자료는 집계구 데이터에 없어 통계청의 통계분류포털(KOSIS)에서 2020년 행정동 단위 자료를 구득하여 분석에 활용하였다.

본 연구에서 사용된 변수들의 기술통계값은 <표 1>과 같다. 전국 행정동 기준 주택 평균 가격은 2017년 2억 8천만 원에서 2021년에는 4억 3천만 원으로 지난 5년 동안 1억 5천만 원 이상 상승하였다. 이 기간에 주택 가격이 가장 많이 상승한 행정동의 경우 약 15억의 자산 가치 상승을 경험한 것으로 나타났다. 주거 유형 및 주택 거주 행태를 보면 아파트 거주 비율은 42%, 자가 비율은 66%, 월세 비율은 21%로 각각 나타났다. 성별 연령별 구성 비율을 보면 20~30대 남성은 7%, 여성은 6%로 각각 나타난 반면 60대 이상 남녀 비율은 남성의 경우 16%, 여성의 경우 20%로 여성의 비율이 남성 비율보다 4% 더 많은 것으로 파악되었다. 교육 수준별 구성 비율을 보면 2-4년제 대학 졸업자 비율이 32%를 차지하고 있으면 대학원 졸업자는 4%를 구성하고 있는 것으로 나타났다. 산업별로 보면 제조업 종사자 비율은 17%, 금융 부동산 등 고차 서비스 종사자는 4%로 각각 파악되었다.

Descriptive statistics of key variables

2. 통계분석모형 : 다항로짓모형

본 연구에서는 주택가격 변동과 지지 정당 후보 선택과의 관계를 통계적으로 파악하기 위해 다항로짓모형(Multinomial Logit Model)을 사용한다. 다항로짓모형은 McFAdden(1974)이 제안한 확률선택모형의 효용함수를 기반으로 효용이 큰 대안일수록 선택확률이 높아진다는 확률효용이론(Random Utility)이 구체화된 형태이다. 대안의 총효용은 관측효용과 비관측 효용의 합으로 식 (1)과 같이 쓸 수 있다.

(1) 

여기서 Uij는 개인 i를 위한 대안 j의 총 효용, Vij는 개인 i를 위한 대안 j의 관측효용, εij는 개인 i를 위한 대안 j의 비관측효용, 즉 오차항을 의미한다.

이러한 확률적 효용을 유도하는 과정에서 오차항이 독립적이며 동일한 Weibull 분포(Independent and Identically Distributed: IID)라는 가정하에서 다항로짓모형은 3개 이상의 대안 중 하나를 선택할 때 개인 ij를 선택할 확률을 분석한다. 개인 i가 대안 j를 선택할 확률은 식 (2)으로 나타낼 수 있다.

(2) 

여기서 Xi는 개인 i의 특성을 나타내는 독립변수들을 의미하고 βj는 독립변수가 주어졌을 때 대안 j를 선택할 확률에 미치는 영향을 의미한다.

전국 행정동 3,508개 중 19대 및 20대 대선 모두 민주당 후보 지지율이 높은 행정동(민주당-민주당)은 1,374개, 두 번의 대선 모두 보수당 후보 지지율이 높은 행정동(보수당-보수당)은 1,302개로 나타났다. 반면 민주당에서 보수당으로 지지 정당 후보가 바뀐 행정동(민주당-보수당)은 827개의 동, 보수당에서 민주당으로 지지 정당 후보가 바뀐 행정동(보수당-민주당)은 5개 동으로 각각 나타났다. 이를 통해 문재인 정부에서 윤석열 정부로 정권이 바뀌는데 민주당에서 보수당으로 지지 정당 후보를 바꾼 스윙보터인 827개 행정동의 투표 결과가 영향을 미친 것으로 판단된다. 본 연구에서는 보수당에서 민주당으로 지지 정당 후보를 바꾼 5개 행정동은 제외한 3,503개의 행정동 중에서 교육 수준별 자료가 없는 행정동 2개를 추가로 제외한 총 3,501개 행정동 자료를 이용하여 탐색적 및 통계적 분석을 진행하였다.


Ⅳ. 분석 결과

1. 탐색적 분석

선행연구에서 검토한 바와 같이 탐색적 및 통계적 분석 모두 정당 선택에 영향을 미치는 것으로 알려진 성별, 연령, 교육수준 등 인구학적 요소, 지역적 요소, 그리고 소득에 대한 대리변수로 주거 유형, 거주형태, 주택가격 등 경제적 요소에 따른 지지 정당 변화 특성을 파악하였다. 특히 문재인 정부 집권 기간 부동산 가격의 급등에 따른 부동산 시장 요인이 지지 정당 후보 선택에 어떤 영향을 미쳤는지를 분석하기 위해 2017년과 2021년 사이 행정동별 평균 주택가격 변화량을 분석 모형에 포함하였다.

<그림 2>는 지역, 교육 정도, 연령 및 성별 19-20대 대선 지지 정당 후보 비율을 그래프로 나타내고 있다. 예상하는 바와 같이 호남지역은 두 번의 대선 모두 민주당 후보를 압도적으로 지지하고 있는 반면 영남지역은 보수당 후보 지지율이 매우 높은 것으로 나타나 지역주의가 여전히 대선 결과를 결정짓는 중요한 요인임을 보여주고 있다. 경기도는 민주당-민주당 후보 지지율이 높은 행정동이 상대적으로 많은 반면 서울시는 민주당에서 보수당으로 지지 정당 후보를 바꾼 행정동이 가장 많은 지역으로 파악되었다. 충청권과 영남권도 민주당에서 보수당으로 지지 정당 후보를 바꾼 행정동이 상대적으로 많은 것으로 분석되었다.

Figure 2.

Regional, educational level, age, and gender ratio of candidates selected by political parties in 19-20th presidential election

교육 정도별 지지 정당 후보 선택 비율을 보면 고졸 이하의 교육 수준에서는 민주당-민주당과 보수당-보수당의 비율이 비슷한 것으로 나타난 반면 2-4년제 대학교 및 대학원 졸업의 경우 민주당에서 보수당으로 지지 정당 후보를 바꾼 행정동이 상대적으로 많은 것으로 나타났다. 성별 연령별 지지 정당 후보 선택 비율을 보면 남녀 모두 60대 이상에서 보수당-보수당의 비율이 높은 반면 20~40대의 청장년층에서는 민주당-민주당 비율이 보수당-보수당 비율보다 높은 것으로 나타나 세대 간 지지 정당 후보 선택의 차이가 큰 것으로 나타났다.

<그림 3>은 행정동별 19-20대 대선 지지 정당 후보 선택 결과를 지도에 나타낸 것이다. <그림 2>의 그래프에서 본 바와 같이 영남권은 보수당-보수당을, 호남은 민주당-민주당을 선택한 것으로 나타났으며 검색으로 표시된 민주당-보수당을 선택한 행정동은 서울 강남과 성남 분당 등 경기도 일부 지역과 인천, 충청 등 지역에 속해 있는 것으로 파악되었다.

Figure 3.

Map of party candidate selection among 19-20th presidential election

<그림 4>는 2021년 주택가격 및 2017~2021년 간 주택가격 변화액에 따른 밀도 함수 그래프를 나타내고 있다. 주택가격 변화액을 보면 평균 150만 원 주변에서 가장 높은 빈도를 보이다가 200만 원이 넘어가면 밀도가 줄어드는 것으로 나타났다. 주택가격 변화액이 600만 원 이상 될 때 지지 정당 후보를 민주당에서 보수당으로 바꾼 행정동의 빈도가 높아지는 것으로 나타나 주택가격이 많이 오를수록 민주당에서 보수당으로 지지 후보를 바꾼 것으로 분석되었다. 2021년 주택가격을 통해 자산에 따른 지지 후보 변화 패턴을 보면 평당 가격이 1,000만 원 이상 되는 경우 민주당에서 보수당으로 지지 정당 후보를 바꾸는 경향이 높은 것으로 파악되었다.

Figure 4.

Density plot for 2021 housing prices and housing price changes from 2017 to 2021

<그림 5>는 2021년 주택가격과 2017-2021년 간 주택가격 변화에 따른 지지 정당 후보 분포를 나타내고 있다. 19대 대선에서 민주당, 20대 대선에서 보수당 후보를 선택한 스윙보터 행정동은 주택가격도 높고 가격 상승도 많은 우상향에 주로 분포된 것을 알 수 있다.

Figure 5.

Distribution of party support based on housing prices and housing price differences

2. 다항로짓 분석 결과

주택가격 변화가 스윙보터 형성에 어떤 영향을 미쳤는지를 통계적으로 검정하기 위해 19-20대 대선에서 지지 정당 후보를 민주당에서 보수당(스윙보터)으로 바꾼 경우, 두 대선 모두 보수당-보수당, 혹은 민주당-민주당을 찍은 경우 등 총 3개의 선택 대안을 종속 변수로 가지는 다항로짓모형을 구축하였다. 앞에서 언급한 바와 같이 보수당-민주당의 경우는 5개 행정동만 해당되어 분석에서 제외하였다. 본 연구는 전국의 행정동을 대상으로 분석되었고, 특히 전국 행정동별 주택가격 변화 편차가 크기 때문에 어느 정도의 주택가격 변화가 스윙보터 형성에 영향을 미쳤는지를 구체적으로 분석할 필요성이 있다. 이를 위해 주택가격 변화에 관한 독립변수를 주택가격 변화 상위 25%와 상위 10%로 구분하여 두 개의 다항로짓모형을 구축하였다. 이와 같은 구분은 앞에서 수행한 탐색적 분석에서 주택가격 상승 폭이 클수록 스윙보터가 증가한다는 분석 결과를 반영한 것이다. 주택가격 변화에 관한 독립변수에 더하여 지지 정당 선택에 영향을 미치는 것으로 알려진 성별, 연령별, 교육 수준별, 직업별, 거주 형태별 특성 변수를 추가하여 통계 모형을 구축하였다. 특히 수도권, 충청권, 영남권 더미 변수를 포함하여 한국 선거의 지역주의 특성을 통제하였다.

<표 2>는 주택가격 변화액 상위 25%를, <표 3>은 주택가격 변화액 상위 10%를 독립변수에 포함한 다항로짓모형의 분석 결과를 나타내고 있다. 두 모형 모두 참조 선택 대안은 19대 민주당, 20대 민주당 지지 후보를 선택한 그룹(민주당-민주당)이다. <표 2>와 <표 3>은 주택가격 상위 25% 혹은 10%에 속하는지 여부만 다르고 나머지 독립변수들은 동일한 변수를 사용하고 있기 때문에 유사한 분석 결과를 나타내고 있다. 민주당-민주당 대비 보수당-보수당을 선택할 확률이 높은 인구학적 변수는 20대 남성, 30대 여성, 60대 이상 남성으로 나타났다. 또한 자가비율이 높을수록, 월세비율이 높을수록, 대학원 졸업자 비율이 높을수록, 금융 및 부동산업 종사자 비율이 높을수록 19대와 20대 대선 모두 보수당을 선택한 확률이 높은 것으로 분석되었다. 지역을 나타내는 수도권, 충청권, 영남권 더미 모두 통계적으로 유의한 정의 계수 값을 가지는 것으로 나타나 이들 지역에 거주하는 유권자일수록 민주당-민주당 대비 보수당-보수당을 선택할 확률이 높은 것으로 나타났다. 이러한 분석 결과는 민주당을 선호하는 호남권, 보수당을 선호하는 영남권에서의 지역주의와 관련이 높은 것으로 판단된다.

Multinomial logistic analysis results (including the top 25% in housing price changes)

Multinomial logistic analysis results (including the top 10% in housing price changes)

19대에 민주당, 20대에 보수당을 선택한 스윙보터(민주당-보수당)에 영향을 미치는 변수를 보면 30대 여성, 60대 이상 남성일수록 민주당-민주당보다는 민주당-보수당을 선택할 확률이 높은 것으로 나타나 이들 인구 그룹이 스윙보터의 역할을 한 것으로 분석되었다. 또한 아파트 거주비율이 높을수록, 대학원 졸업자 비율이 높을수록, 그리고 수도권, 충청권, 영남권에 있는 행정동일수록 스윙보터일 가능성이 높은 것으로 분석되었다. 반면 2017에서 2021년의 주택가격 변화액 상위 25% 지역에 거주하는 유권자는 통계적으로 유의한 음의 계수 값을 가져 이러한 그룹에 속하는 유권자는 상대적으로 민주당-민주당을 선택할 확률이 높은 것으로 분석된 반면 상위 10% 지역에 거주하는 유권자는 5% 유의수준에서 양의 계수 값을 가지는 것으로 나타났다. 이는 주택가격 상승 상위 10%에 속하는 행정동에 거주하는 유권자들이 스윙보터가 될 확률이 높다는 것을 통계적으로 검정하고 있다. 주택가격 상승 상위 10% 변수의 계수 값을 지수화하면(exp(0.4)) 1.49가 되는데 이는 상위 10% 그룹에 속하는 행정동에 거주하는 유권자는 다른 지역 유권자보다 스윙보터가 될 확률(odds)이 약 1.5배 높다는 것을 의미한다. 이러한 분석결과는 20대 대선에서 윤석열 후보가 이재명 후보를 247천표(0.73%P) 차이로 당선되는데 주택가격 상승이 결정적 요인이었다는 것을 통계적으로 검정하고 있다.


Ⅴ. 결 론

본 연구는 전국 행정동별 19-20대 대선 선거결과 자료를 이용하여 주택가격 변동이 지지 정당 후보를 바꾼 스윙보터 형성에 어떤 영향을 미쳤는지를 탐색적 및 통계적으로 분석하였다. 주요 분석 결과를 요약하면 다음과 같다. 첫째, 탐색적 분석 결과를 보면 1) 19-20대 대선 모두 호남은 민주당, 영남은 보수당 후보를 압도적으로 지지하고 있어 두 대선 모두 강한 지역주의 성향을 보였으며 서울 강남과 성남 분당 등 경기도 일부 지역에서 스윙보터 행정동이 집중된 것으로 분석되었다; 2) 교육 정도별 지지 정당 후보 선택 비율을 보면 대학졸업 및 대학원 졸업 등 고학력 유권자의 경우 민주당에서 보수당으로 지지 정당 후보를 바꾼 행정동이 상대적으로 많은 것으로 나타났다; 3) 성별 연령별 지지 정당 후보 선택 비율을 보면 남녀 모두 60대 이상에서 보수당-보수당의 비율이 높은 반면 20~40대의 청장년층에서는 민주당-민주당 비율이 상대적으로 높은 것으로 나타나 세대 간 지지 정당 후보 선택의 차이가 큰 것으로 파악되었다; 4) 2017-2021년간 주택가격 변화액에 따른 지지 후보 선택 경향을 보면 주택가격 변화가 600만 원 이상될 때 지지 정당 후보를 민주당에서 보수당으로 바꾼 행정동의 빈도가 높아지는 것으로 나타나 주택 가격이 많이 오를수록 민주당에서 보수당으로 지지 정당 후보를 바꾼 것으로 분석되었다.

둘째, 다항로짓모형을 활용한 통계적 분석 결과를 보면 1) 20대 남성은 민주당-민주당 대비 보수당-보수당을 선택할 확률이 높은 것으로 나타나 20대 대선에서 나타난 소위 ‘이대남’ 지원 공약이 선거 결과에 영향을 미친 것으로 분석되었다. 또한 60대 남성은 보수당-보수당 혹은 민주당-보수당을 선택할 확률이 높은 반면 60대 여성은 민주당-민주당을 선택할 확률이 높은 것으로 나타나 노인 유권자의 성별 정당 지지도가 차이를 보이는 것으로 분석되었다; 2) 30대 여성, 60대 이상 남성일수록 민주당-민주당보다는 민주당-보수당을 선택할 확률이 높은 것으로 나타나 이들 인구 그룹이 스윙보터의 역할을 한 것으로 분석되었다. 또한 아파트 거주 비율이 높을수록, 대학원 졸업자 비율이 높을수록, 그리고 수도권, 충청권, 영남권에 있는 행정동일수록 스윙보터일 가능성이 높은 것으로 분석되었다; 3) 2017-2021년 주택가격 상승 상위 10%에 속하는 행정동에 거주하는 유권자들이 민주당-보수당을 선택할 확률이 높다는 것이 통계적으로 검정되었다. 다항로짓모형의 해당 변수 계수에 대한 Odds Ratio는 1.5로 이는 상위 10% 그룹에 속하는 행정동에 거주하는 유권자는 다른 지역 유권자보다 스윙보터가 될 확률(odds)이 1.5배 높다는 것을 의미한다.

본 연구의 결과는 다음과 같은 시사점을 제시한다. 첫째, 본 연구의 중요한 결론인 60대 이상 남성과 주택가격 상승 상위 10% 지역이 스윙보터가 되었다는 것은 문재인 정부 기간 동안 강화된 종합부동산세 부과와 관련이 높은 것으로 판단된다. 문재인 정부는 ‘공시가격 9억 원을 초과하는 1주택 보유자와 보유 주택의 합산 공시가격이 6억 원을 초과하는 다주택자’를 종부세 과세 기준으로 설정하였다. 문재인 정부 기간 동안 급격한 아파트 가격 상승으로 종부세 대상이 되는 주택 수가 증가하였고 이러한 주택은 대부분 서울 강남 3구 등 서울에 집중되어 있다. 서울의 노인 인구 구성비는 17%를 상회(서울시 열린 데이터 광장: https://data.seoul.go.kr)해 경제 활동을 하지 않는 은퇴자들이 많아 이들에게 종합부동산세는 큰 경제적 부담이 되기 때문에 이러한 우려가 투표 결과에 반영된 것으로 판단된다. 둘째, 분석 결과에 따르면 30대 여성 계층 또한 스윙보터의 역할을 한 것으로 나타났다. 이러한 현상은 문재인 정부 동안 치솟는 주택가격을 효과적으로 통제하지 못해 기존 정부 및 지지 정당에 대한 신뢰가 하락한 것으로 해석된다. 특히 주택 마련에 대한 강한 열망을 가진 계층으로서, 지속적인 주택가격 상승은 이들에게 상대적 박탈감 및 우울감을 증폭시키는 주요 요인이 되어 이들로 하여금 지지 정당의 변화 현상으로 나타난 것으로 판단된다. 셋째, 20대 대선에서 나타난 스윙보터는 집권당인 민주당의 부동산 정책 실패에 대해 회고적(retrospective) 관점에서 징벌적 투표 성향을 보이고 있으며 사회지향적(sociotropic)보다는 자기중심적(egotropic) 이해 관계에 따라 자산기반 투표(Patrimonial Voting)를 한 것으로 판단된다. 넷째, 스윙보터 형성 요인에 대한 연구는 향후 선거 공약 및 정책 개발에 중요한 시사점을 제공할 것으로 판단된다. 이러한 연구는 선거에서 승리를 쟁취하기 위해 필요할 뿐만 아니라 다원적 민주 사회에서 캐스팅 보터가 될 수 있는 소수 그룹의 우려와 관심을 파악하고 보다 포용적이고 다면적인 경제 사회 정책 및 공약을 수립하는데 도움을 줄 수 있을 것으로 판단된다.

본 연구에서 활용된 데이터가 투표결과에 국한되어 있어 적극적 투표행위에 관한 결과를 분석하는 데 집중되어 있다는 한계점을 가지고 있다. 비투표 행위에 관한 연구 또한 선거 행태 및 정치 참여에 대한 이해를 위해 중요한 역할을 하므로 이는 향후의 연구 과제로 남겨 둔다.

Acknowledgments

이 논문은 2022년도 중앙대학교 CAU GRS 지원에 의하여 작성되었음.

References

  • 강우진, 2012. “한국 민주주의에서 경제적 불평등에 대한 인식의 정치적 효과: 민주주의의 효능성에 대한 효과를 중심으로”, 「한국과 국제정치」, 28(2): 145-175.
    Kang, W.J., 2012. “The Political Consequence of Citizens' Perceptions of Economic Inequality in Korea: Focusing on Its Effect on the Efficacy of Democracy”, Korea and World Politics, 28(2): 145-175. [ https://doi.org/10.17331/kwp.2012.28.2.006 ]
  • 김도균·최종호, 2018. “주택소유와 자산기반 투표: 17대~19대 대통령 선거 분석”, 「한국정치학회보」, 52(5): 57-86.
    Kim, D.K. and Choi, J., 2018. “Home-ownership and Patrimonial Voting in South Korea: An Empirical Analysis of the 2007, 2012 and 2017 Presidential Elections”, Korean Political Science Review, 52(5): 57-86. [ https://doi.org/10.18854/kpsr.2018.52.5.003 ]
  • 김수인·강원택, 2022. “자산과 투표 선택: 수도권 지역 유권자를 중심으로”, 「한국정치학회보」, 56(1): 187-215.
    Kim, S.I. and Kang, W.T., 2022. “Wealth and Voting in South Korea: Analyzing Voting Choices in Seoul and the Metropolitan Areas”, Korean Political Science Review, 56(1): 187-215. [ https://doi.org/10.18854/kpsr.2022.56.1.007 ]
  • 배기희, 2021. “역대 정부와 문재인 정부의 부동산 정책 연구”, 한양대학교 대학원 석사학위논문.
    Pae, K.H., 2021. “A Study on Real Estate Policies of Past Governments and the Moon Jaein Administration”, Master’s Degree Dissertation, Hanyang University.
  • 손낙구, 2010. 「대한민국 정치 사회 지도: 집약본」, 서울: 후마니타스.
    Shon, N.K., 2010. Political and Social Maps of South Korea, Seoul: Humanitas.
  • 이재욱·권혁용, 2019. “주택 소유와 투표선택: 한국의 선거, 2007-2012”, 「OUGHTOPIA」, 34(2): 121-155.
    Lee, J.W. and Kwon, H.Y., 2019. “House Ownership and Voting Behavior in South Korea, 2007-2012”, OUGHTOPIA, 34(2): 121-155. [ https://doi.org/10.32355/OUGHTOPIA.2019.08.34.2.121 ]
  • 이창무, 2020. “문재인 정부 부동산정책의 비판적 평가”, 「한국행정연구」, 29(4): 37-75.
    Lee, C.M., 2020. “Critical Assessments on Moon Jae-In Government’s Housing Policies”, The Korean Journal of Public Administration, 29(4): 37-75.
  • 장재석, 2021. “문재인 정부 부동산 정책의 문제점 및 개선방안”, 한양대학교 대학원, 석사학위논문.
    Jang, J.S., 2021. “A Study on Problems and Its Solutions of the Moon Administration’s Real Estate Policy“, Master’s Degree Dissertation, Hanyang University.
  • 최은영, 2020. “문재인 정부의 주거정책 : 퇴행을 멈추기 위한 노력과 세입자 보호를 위한 일보 전진”, 「한국행정연구」, 29(4): 1-35.
    Choi. Y.Y., 2020. “Moon Jae-in Government’s Housing Policy – Efforts to Stop Retrogression and Progress to Protect Tenants –”, The Korean Journal of Public Administration, 29(4): 1-35.
  • Alvarez, R.M. and Nagler, J., 1995. “Economics, Issues and the Perot Candidacy: Voter Choice in the 1992 Election”, American Journal of Political Science, 39(3): 714–744. [https://doi.org/10.2307/2111651]
  • Anderson, C.J., 2000. “Economic Voting and Political Context: A Comparative Perspective”, Electoral Studies, 19(2-3): 151-170. [https://doi.org/10.1016/S0261-3794(99)00045-1]
  • Ansell, B, 2014. “The Political Economy of Ownership: Housing Markets and the Welfare State”, American Political Science Review, 108(2): 383-402. [https://doi.org/10.1017/S0003055414000045]
  • Beckmann, P., Fulda, B., and Kohl, S., 2020. “Housing and Voting in Germany: Multi-level Evidence for the Association between House Prices and Housing Tenure and Party Outcomes, 1980-2017”, MPIfG Discussion Paper 20(6).
  • Campbell, A., Converse, P.E., Miller, W.E., and Stokes, D.E., 1960. The American Voter, Chicago, IL: University of Chicago Press.
  • Carey, S. and Lebo, M.J., 2006. “Election Cycles and the Economic Voter”, Political Research Quarterly, 59(4): 543-556. [https://doi.org/10.1177/106591290605900404]
  • Carlson, E. and Fidalgo, A., 2016. “When a Null Pocketbook Effect is the Artifact: Strategically Underreported Income and the Attenuation of Egotropic Voting”, Quarterly Journal of Political Science, 11(3): 339-361. [https://doi.org/10.1561/100.00015172]
  • Davidsson, S., 2018. “Left‐right Orientation, Homeownership and Class Position in Sweden”, Scandinavian Political Studies, 41(4): 309-331. [https://doi.org/10.1111/1467-9477.12131]
  • De Vries, C.E., Hobolt, S.B., and Tilley, J., 2018. “Facing up to the Facts: What Causes Economic Perceptions?”, Electoral studies, 51: 115-122. [https://doi.org/10.1016/j.electstud.2017.09.006]
  • Fiorina, M.P., 1981. Retrospective Voting in American National Elections, New Haven: Yale Univ Press.
  • Gomez, B.T. and Wilson, J.M., 2003. “Causal Attribution and Economic Voting in American Congressional Elections”, Political Research Quarterly, 56(3): 271-282. [https://doi.org/10.1177/106591290305600303]
  • Healy, A. and Lenz, G.S., 2014. “Substituting the End for the Whole: Why Voters Respond Primarily to the Election-year Economy”, American Journal of Political Science, 58(1): 31-47. [https://doi.org/10.1111/ajps.12053]
  • Kiewiet, D.R., 1983. Macroeconomics and Micropolitics: The Electoral Effects of Economic Issues, Chicago, IL: University of Chicago Press.
  • Larsen, M.V., 2019. “Is the Relationship between Political Responsibility and Electoral Accountability Causal, Adaptive and Policy-specific?”, Political Behavior, 41: 1071-1098. [https://doi.org/10.1007/s11109-018-9483-3]
  • Lewis-Beck, M.S. and Nadeau, R., 2011. “Economic Voting Theory: Testing New Dimensions”, Electoral Studies, 30(2): 288-294. [https://doi.org/10.1016/j.electstud.2010.09.001]
  • Lewis-Beck, M.S. and Stegmaier, M., 2015. “Economic Evaluations and Electoral Consequences”, International Encyclopedia of the Social & Behavioral Sciences, 2: 26-32. [https://doi.org/10.1016/B978-0-08-097086-8.93148-9]
  • Lux, T. and Mau, S., 2018. “Between State Dependence and Market Affinity: Do Homeownership and Inheritances Influence Social-policy Preferences?”, KZfSS Kölner Zeitschrift für Soziologie und Sozialpsychologie, 70: 139-166. [https://doi.org/10.1007/s11577-018-0542-x]
  • McFadden, D., 1974. “Conditional Logit Analysis of Qualitative Choice Behavior”, Frontiers in Econometrics, 105-142.
  • Quinlan, S. and Okolikj, M., 2022. “Patrimonial Economic Voting: A Cross-national Analysis of Asset Ownership and the Vote”, Journal of Elections, Public Opinion and Parties, 32(1): 193-213. [https://doi.org/10.1080/17457289.2019.1655758]
  • Rosenstone, S.J., 1982. “Economic Adversity and Voter Turnout” American Journal of Political Science, 26(1): 25–46. [https://doi.org/10.2307/2110837]
  • Singer, M.M. and Carlin, R.E., 2013. “Context Counts: The Election Cycle, Development, and the Nature of Economic Voting”, The Journal of Politics, 75(3): 730-742. [https://doi.org/10.1017/S0022381613000467]

Figure 1.

Figure 1.
Average apartment prices per square meter in the nation and the Seoul metropolitan area (SMA) by period of 18th, 19th administration

Figure 2.

Figure 2.
Regional, educational level, age, and gender ratio of candidates selected by political parties in 19-20th presidential election

Figure 3.

Figure 3.
Map of party candidate selection among 19-20th presidential election

Figure 4.

Figure 4.
Density plot for 2021 housing prices and housing price changes from 2017 to 2021

Figure 5.

Figure 5.
Distribution of party support based on housing prices and housing price differences

Table 1.

Descriptive statistics of key variables

Table 2.

Multinomial logistic analysis results (including the top 25% in housing price changes)

Table 3.

Multinomial logistic analysis results (including the top 10% in housing price changes)