COVID-19 이후 서울시 자영업자 폐업의 위험률 변화

1. 연구의 배경 및 목적

비말 등 호흡기를 통해 전파되는 코로나바이러스감염증-19 (이하 코로나19)는 2020년 1월 1급 감염병으로 지정된 후, 2023년 8월에 4급 감염병으로 전환되기까지 대면 접촉을 줄이기 위한 방역정책 등을 통해 우리 사회와 경제에 큰 변화를 초래하였다. 특히 자영업자에게 가장 큰 영향을 미친 정책은 사회적 거리두기다. 사회적 거리두기는 개인 및 집단 간 접촉을 최소화하기 위한 자발적인 외출·이동자제 캠페인으로 시작되었으나, 2020년 6월부터 3단계로 구분되면서 집합금지와 영업제한이 도입되어, 시설의 사용과 수익에 대한 재산권과 직업수행을 위한 영업의 자유를 제한하게 되었다(류성진, 2021). 한편, 우리나라 전체 확진자 중 수도권 확진자의 비중은 1차 유행 시기 약 23.5%에서 4차 유행 시기 약 71.7%까지 상승하였으며, 이로 인해 수도권에서는 2020년 8월 2단계 조치부터 2021년 11월 단계적 일상회복까지 약 15개월 동안 집합금지 및 영업제한이 시행되었다(하진호 외, 2023). 즉, 집합금지·영업제한 등 사회적 거리두기 조치로 인해 상권의 유동인구와 자영업자의 매출은 감소하였다(박성희·송재민, 2022; 하정원 외, 2021; 박지완 외, 2023; 김단야, 2022; 권도율·전재식, 2022).

폐업은 자영업자의 경기침체를 나타내는 대표적인 지표다. 자영업자는 매출과 영업이익이 증가하지 않더라도 생계를 유지하기 위해 영업을 계속하는 경우가 많은데, 영세한 규모의 자영업자는 매출·부채 등 재무상태를 파악하기 어렵기 때문에 영업활동을 종료하는 폐업을 그 대안으로 활용한 것이다. 단, 코로나19 기간 동안 매출이 감소하였음에도 불구하고 폐업으로 이어지지 않았을 가능성이 제기된다(지상훈, 2021; 김현욱, 2022; 이태리 외, 2021; 이세미·유한별, 2022). 「소상공인 보호 및 지원에 관한 법률」 제12조의2에 따라 사회적 거리두기에 의한 손실보상금을 지급할 때, 폐업한 자영업자는 손실보상 지급 대상에서 제외될 수 있어, 실질적인 영업활동이 중단되었음에도 폐업 신고를 하지 않는 것이다. 즉, 폐업의 집계된 총량은 감소하였을지라도, 사회적 거리두기 등 시기에 따라 자영업자가 직면한 위험률은 변화하였을 가능성이 크다. 이는 손실보상 지급 대상에 대한 논의가 단기적으로 이뤄졌기 때문이다.

자영업자 폐업의 주된 원인은 경쟁업체의 시장진입에 따른 과당경쟁이 지목되어 왔고(서근하 외, 2014; 남윤미, 2017; 이정민 외, 2021; 김수동·이철성, 2019; 김진석 외, 2022), 특히 신규 진입자 수와 동종업체의 밀집 등 지역(상권)적 요인이 폐업률에 영향을 미치는 것으로 밝혀져 왔다. 자영업자의 폐업은 사회적 비용이 발생하지만(남윤형, 2015), 진입·퇴출에 의한 시장 선택 과정을 통해 생산성을 개선하는 역할도 한다(강지수 외, 2017; 신동한·조장희, 2019). 코로나19 및 사회적 거리두기 등 특정 시기의 경기침체 요인은 자영업자가 폐업을 결정하는 주요 원인으로 작용하였다. 단, 신규 자영업자의 진입 없이 기존 자영업자의 퇴출만 발생할 경우, 이는 생산성을 개선하지 않으면서 동종업체의 집적을 낮춰 지역(상권) 단위의 침체를 초래할 가능성이 크다. 특히, 자영업자의 폐업은 인접한 다른 자영업자의 연쇄적인 폐업으로 확산될 수 있으며, 인접 폐업이 증가하는 추세는 자영업자 폐업의 동태적 확산 가능성을 높인다. 집합금지·영업제한의 대상 업종이 생활밀착형 업종인 만큼, 인접 폐업이 인근 자영업자의 생산성을 개선하지 못하고, 사회적 거리두기로 인해 소비자의 대면 서비스 수요가 제한적이었기 때문이다.

따라서 본 연구의 목적은 코로나19 이후 서울시 자영업자 폐업 위험률의 변화를 분석하는 것이다. 2019년부터 2021년까지의 데이터를 활용하였으며, 서울시 내 업력 2년 이상인 자영업자를 분석 대상으로 선정하였다. 본 연구는 실증분석을 통해 시기별 사회적 거리두기 정책의 강도에 따라 자영업자가 직면한 위험률에 차이가 있을 수 있음을 제시하고자 한다. 또한, 인접 폐업을 ‘반경 250m 내 폐업 수’로 정의하고, 인접 폐업 및 인접 폐업의 변화량 변수를 활용하여 지역(상권) 내 자영업자의 폐업이 연쇄적으로 확산될 위험이 있었는지 확인하고자 하였다.

1. 자영업자 폐업에 대한 논의

폐업은 ‘사업자가 해당 영업을 계속할 의사가 없어 영업활동을 영구적으로 종료하는 것’을 말한다(국세청, 2020). 폐업은 사업자 생애주기의 최종 단계로, 사업자 등록을 말소하고 영업을 종료하는 행위를 의미한다. 일반적으로 자영업자의 폐업은 임대차 해지 통보, 양수인 확보, 종업원 정리, 4대 보험 탈퇴, 집기·기기 처리, 자산정리, 사업 정리 컨설팅, 철거·원상복구, 임대보증금 회수, 공공요금 정산, 폐업 신고, 세무 정산 등 절차로 이뤄진다(강종헌, 2020). 국세청에서는 일반사업자의 폐업 사유를 사업부진, 양도·양수 등 8가지로 구분하고 있으며, 2022년 기준 서울시 일반사업자 폐업 사유는 사업부진 48.9%, 기타 43.5%, 양도·양수 5.9% 순이다(표 1). 이때, 기타는 ‘폐업사실을 신고하지 아니하여 폐업 사유를 알 수 없는 경우’로, 사업자가 폐업한 이후 폐업신고를 하지 않아 관할세무서에서 사업의 계속여부와 사업장 유지 및 관리상태를 판단해 사업자등록을 말소한 ‘직권폐업’이라고 볼 수 있다. 즉, 양도·양수 및 법인전환의 비중이 10% 미만인 점을 볼 때, 일반사업자 폐업 사유의 대부분은 사업부진이다.

Table 1.

Reasons for closure a general taxpayers in Seoul

「2022년 소상공인 재기 실태조사」에 따르면 심리적으로 폐업을 결정한 시점(심리적 폐업)부터 국세청에 폐업신고를 한 시점(행정적 폐업)까지는 약 8개월의 시차가 있으며, 폐업 비용으로 평균 2,324만 원이 소요된다. 주된 폐업 원인은 매출하락(80.8%)으로, 매출액이 평균 59.8% 감소하거나 영업이익이 평균 67.6% 감소했을 경우 심리적 폐업을 결정하였다. 남윤형(2015)에 따르면 2015년 기준 1개 소상공인 폐업에 따른 사회적 비용은 약 6,449만 원에 달한다. 단, 폐업에 의한 시장에서의 퇴출이 부정적인 영향만을 의미하지는 않는다(강지수 외, 2017; 신동한·조장희, 2019). 강지수 외(2017)는 체인화편의점 등 과밀창업 억제 대상 업종의 경우, 2005~2010년 퇴출률이 읍면동 간 노동생산성 성장률 차이를 설명한다고 주장하였다. 특히, 업종별 분석에서 음료 및 스낵 업종은 퇴출률과 노동생산성 간 양의 상관관계를 보였다. 단, 신동한·조장희(2019)는 2005~2010년에는 소매업의 퇴출률이 증가할수록 노동생산성이 증가했지만, 2010~2015년은 통계적으로 유의한 노동생산성 증가가 관찰되지 않음을 지적했다. 한편, 조장희·강지수(2020)는 생계형 자영업자의 경우 퇴출을 회피하는 경향이 있다고 보았다. 2010~2014년 5인 이하 소매업은 노동생산성이 높을수록 퇴출될 확률이 떨어지지만, 자영업자와 무급가족종사자로 구성된 가족사업체는 퇴출확률이 낮았기 때문이다. 선행연구를 종합하면, 자영업자의 폐업은 사회적 비용을 동반하지만(남윤형, 2015), 시장 선택 과정(market selection process)을 통해 시장 점유율을 재분배(reallocation)한다(강지수 외, 2017; 신동한·조장희, 2019). 단, 자영업자가 생계형에 가까울 경우 긍정적 효과는 제한적이다(조장희·강지수, 2020).

자영업자 폐업에 영향을 미치는 대표적 요인은 경쟁업체의 시장진입에 따른 과당경쟁이다(서근하 외, 2014; 남윤미, 2017; 이정민 외, 2021; 김수동·이철성, 2019; 김진석 외, 2022). 남윤미(2017)는 2009~2013년 콕스비례위험모형을 활용해 자영업자 폐업위험도에 영향을 미치는 요인을 분석하였다. 폐업위험도는 업력·규모·고정인건비 등 비용 요인, 소비자물가지수·인구증가율 등 경기요인, 인구·동종업체 간 경쟁 등 지역요인으로부터 영향을 받았다. 특히, 음식·숙박업은 경기에 더 민감하면서, 경쟁업체의 증가가 폐업률을 높이는 효과가 가장 컸다. 김진석 외(2022)는 2015~2019년 서울시를 대상으로 상권의 사회경제적 특성이 소매업 생존율에 미치는 영향을 분석하였다. 생존율에 긍정적 영향을 미친 요인은 상권 내 폐업점포의 영업기간, 업종구성의 다양성, 주간인구의 비율로 나타났고, 부정적 영향을 미친 요인은 상권 내 프랜차이즈 점포의 진입으로 나타났다. 김수동·이철성(2019)의 2015년 경제총조사를 활용한 도·소매 및 음식점업 개인사업체 분석 결과에서도, 신규 창업체 수와 프랜차이즈 비중은 평균영업이익을 감소시켰다. 이정민 외(2021)는 서울시 발달상권 및 골목상권의 음식점은 동종업종의 밀도가 낮을수록 폐업이 심화되지만, U자 형태의 한계효과가 있음을 지적했다. 즉, 초기에는 집적에 의한 경제적 이득을 얻지만, 적정수준을 넘을 경우 폐업이 증가한다. 따라서 밀도의 적정규모 관리가 필요함을 주장했다. 한편, 서근하 외(2014)는 16개 시도 2004~2009년 소상공인 폐업률에 대하여 소상공인 진입률과 실업률이 양의 영향을, GRDP증가율이 음의 영향을 미침을 밝혔다. 즉, 지역경제 성장과 실업률 등 경기요인을 통제하여도 진입에 의한 경쟁 증가는 폐업률에 유의미하다.

2. 코로나19가 자영업자 폐업에 미치는 영향

국내 코로나19와 자영업자 간 관계에 대한 연구는 매출액 감소 또는 폐업률에 대한 실증분석 연구로 구분될 수 있다. 먼저, 서울시 상권 빅데이터 개방으로 인해 코로나19가 상권 매출에 미치는 영향에 대한 다수의 연구가 수행되었다(박성희·송재민, 2022; 하정원 외, 2021; 박지완 외, 2023; 김단야, 2022; 권도율·전재식, 2022). 실증분석 결과에 다소 차이는 있지만, 서비스업은 코로나19 동안 유동인구가 많거나, 매출액이 높을수록 상권의 매출이 감소했던 것으로 나타났다. 박성희·송재민(2022)은 서울시 상권을 대상으로 2019년 4분기와 2020년 4분기 간 비교를 통해 코로나19 전후 생활인구와 카드매출액 감소를 비교하였다. 먼저, 생활인구 대비 카드매출액 감소가 컸지만, 발달상권과 골목상권 간 차이는 발견되지 않았다. 단, 주거지와 근접할수록 부정적 영향이 낮았고, 전통시장은 유동인구 감소에도 불구 카드매출액은 소폭 증가한 것으로 나타났다. 하정원 외(2021)은 BC카드 소비데이터를 활용해 1월부터 5월까지 서울시 상업시설의 매출 변화 패턴을 2019년과 2020년을 비교하였다. 문화·레저 및 숙박 등 다중이용시설의 매출감소폭이 컸고, 신규 및 누적 확진자 수에 민감하게 반응했다. 반면, 소매업 등 생활에 필수적인 업종의 경우 매출 감소가 적거나 회복탄력성이 높았다. 한편, 서울시 한양도성·강남 도심과 대학가는 매출이 하락하였지만, 강동구·양천구 등 주거 중심 지역은 매출이 상승했다. 박지완 외(2023)는 2018년부터 2021년까지 16분기에 대한 서울시 골목상권의 카드 기반 추정 매출액을 시계열 군집분석하였다. 서울시 골목상권은 성장 및 쇠퇴하는 상권 등 두 가지로 구분되었으며, 쇠퇴상권은 골목상권 내 점포, 생활인구 밀도, 배후지의 집객시설이 부정적 요인으로 나타났다. 유현지(2021)는 2015년 1분기부터 2021년 1분기까지 서울시 골목상권을 대상으로 패널분석한 결과, 코로나19 기간 동안 매출액이 감소했으며, 매출액 수준이 높은 골목상권에서 감소폭이 더 컸음을 보였다. 김단야(2022)는 2017년부터 2021년까지 서울시 전통시장의 상권매출을 고정효과모델을 통해 분석한 결과, 코로나19 이전과 비교해 코로나19 기간 동안 상권매출 변동이 유의하지 않았음을 보였다. 단, 이는 코로나19 기간과 연령대별 효과를 통제했을 때의 결과이며, 전통시장의 10~30대 매출비율은 코로나19 동안 부정적 영향을 미쳤다. 또한, 코로나19 시기 소매업과 서비스업의 상권매출은 하락했지만, 음식점업의 상권매출은 하락하지 않았다. 권도율·전재식(2022)은 2015년부터 2020년까지 서울시 상권을 패널분석한 결과, 발달 및 골목상권과 외식업 및 서비스업의 매출감소가 더 컸다.

선행연구에서는 코로나19 기간 매출감소가 폐업으로 이어지지 않았을 가능성을 제시한다(지상훈, 2021; 김현욱, 2022; 이태리 외, 2021). 지상훈(2021)은 서울시를 대상으로 2018년부터 2021년 5월까지 지방행정인허가를 활용해 음식업종의 창·폐업 수와 증감률을 비교하였는데, 서울시 발달상권과 관광특구는 생활인구의 감소에도 불구하고 2020년 폐업 수가 2019년보다 감소했음을 지적했다. 특히, 공실이 증가한 이유는 폐업이 증가해서가 아닌 신규 창업이 감소하였기 때문이라고 보았다. 반면, 2020년 골목상권은 폐업이 감소하고, 창업이 증가하는 양상을 보였다. 김현욱(2022)의 코로나19 이후 부산 음식점업을 분석한 결과에서도 유사한 의견이 지적된다. 코로나19의 영향이 컸던 2020년 부산 음식점업 폐업은 전년대비 22.8%가 감소하였다. 특히, 2021년 총폐업 수는 전년대비 5.5% 증가하였지만, 그럼에도 여전히 2019년 대비 낮았다. 또한 이태리 외(2021)는 서울시 외식업·소매업·서비스업 등 생활밀접업종의 폐업 수가 2017년 이후 지속적인 감소세이며, 창·폐업 모두 감소하였음을 제시했다. 김현 외(2021)의 지방행정인허가를 활용한 연구에서도, 2019년과 2020년간 서울시 음식점의 개·폐업의 급격한 증감이 없었다. 폐업 수가 감소한 이유는 정책자금의 영향이 지적된다(이태리 외, 2021; 이세미·유한별, 2022). 이태리 외(2021)는 코로나19 이후 창업 대비 폐업의 감소폭이 더 컸던 이유가 정책자금 일시상환 등 폐업과정에서 발생하는 비용문제라고 보았다. 이는 이세미·유한별(2022)이 2020~2021년 3분기 서울시 소상공인 폐업률에 대한 위계적 선형모형 결과에서, 소상공인 재난지원금이 음의 영향을 미쳤던 결과와 일치한다.

3. 선행연구와의 차별성

자영업자는 사업부진으로 대부분 폐업하며, 사회적비용 등 부정적 영향과 시장선택에 의한 생산성 개선 등 긍정적 영향을 동반한다. 한편, 새로운 자영업자의 진입에 의한 과당경쟁은 퇴출을 높이는 주된 요인으로 지목되어 왔다. 선행연구에 따르면 코로나19 기간 상권의 유동인구와 자영업자의 매출이 감소하면서 부정적 영향이 증가하였지만, 일부 연구에서는 매출감소가 폐업으로 이어지지 않았을 가능성을 제기하고 있다. 선행연구를 검토한 결과, 본 연구는 두 가지의 차별성을 가진다. 첫째, 폐업의 총량이 아닌 기간별 위험률의 변화를 파악해, 사회적 거리두기 등 정책적 요인의 시기별 영향을 파악하고자 하였다. 수도권 내 사회적 거리두기는 코로나19의 감염자 추이에 따라, 2020년 6월부터 2021년 10월까지 단계를 변화하였다. 이는 자영업자에 대한 일련의 행위제한을 일률적으로 지속하기 어려웠기 때문이다. 따라서, 사회적 거리두기 변화에 따라 자영업자가 폐업할 위험이 달라질 수 있을 것이다. 둘째, 인접 폐업과 인접 폐업의 변화량 변수를 활용해 코로나19 시기 폐업의 연쇄작용 현상이 나타났는지 확인하고자 하였다. 선행연구에서는 지역(상권) 단위의 폐업률에 영향을 미치는 요인에 초점을 맞춰왔지만, 지역(상권)의 침체는 인접 자영업자의 폐업이 인근 자영업자에 영향을 미치며 동태적으로 폐업이 확산할 가능성이 있기 때문이다.

1. 연구의 범위

본 연구의 대상은 국세청 100대 생활밀접업종에서 소매·음식점업·숙박업·여가업·서비스업에 해당하는 54개 업종을 선택한 후, 이를 10차 한국표준산업분류를 기준으로 분류한 자영업자이다. 단, 서울시 사업체조사와 국세청API를 활용하기 때문에 업력 2년 이상의 자영업자로 한정한다. 둘째, 공간적 범위는 서울시이며, 서울시 우리마을가게 상권분석서비스에서 제공하는 전통시장상권(이하 전통시장), 발달상권, 골목상권, 관광특구 등 상권영역을 활용하였다. 셋째, 시간적 범위는 2019년 7월부터 2021년 12월까지 30개월이다. 사회적 거리두기는 2022년 4월 18일부로 전면 해제되었으나, 2020년 이후 서울시사업체조사에서 별도의 사업장이 없는 사업체가가 조사대상에 포함되었고, 이에 대한 원자료 구득이 어려웠기 때문이다.

2. 분석방법

분석방법으로는 콕스비례위험모형을 활용하였으며, 비례위험가정가정과 시간 의존 계수(time-dependent coefficient)를 이용하여 코로나19 이후 변수의 위험률 변화를 분석하였다. 생존시간 변수 T에 대한 확률밀도함수는 f(t)로 나타낼 수 있고, 생존함수(survival function)는 t시점 이후 사건이 발생할 확률로 다음과 같이 정의된다. 이때, f(t)는 단위 시간 동안 사건이 발생할 비율인 사건밀도(event density)로 불리며, F(t)는 f(t)의 누적분포함수를 의미한다.

위험함수(hazard function)는 t시점까지 사건이 발생하지 않은 조건에서 사건이 발생할 확률이다. 순간위험률로도 불리며, 조건부 확률이므로 t시점까지 생존한 관측치에 대한 위험률을 의미한다.

Cox(1972)의 비례위험모형(proportional harzard model)은 위험함수가 회귀식을 포함하는 경우, 모수에 대한 정보가 없는 문제를 해결하기 위해 개발된 방법이다(김재희, 2016). 기저함수의 분포에 대한 가정이 필요하지 않아 모수적 가정의 영향을 받지 않는다는 장점이 있으며, 공변량에는 모수적 가정을 적용하므로 준모수적 방법으로도 불린다. 모형은 공변량 x_i에 대한 t시점의 위험함수 h(t|x_i)를 기저위험함수인 h(t|x_i=0)와 공변량 x_i의 곱으로 표현한 것을 의미하며, 공변량은 지수함수 형태로 가정한다. 따라서 공변량 x_i가 한 단위 늘어날 때 위험률은 e^β만큼 증가한다고 볼 수 있다.

이때, 공변량 한 단위가 늘어날 때의 위험률 변화 e^β가 시간에 의존하지 않는 비례위험가정(proportional hazard assumption)을 만족해야 한다. 예를 들어 x_i를 실험군과 대조군에 대한 더미변수라 할 때, 실험군과 대조군 간 위험비는 시간에 관계없이 일정한 값을 가져야 한다. 즉, 두 관측치와 i와 j에 대한 위험비는 공변량 x_i와 x_j의 차이에 의존하고 시간에 의존하지 않아야 한다.

Cox모형의 또 다른 장점은 시간에 따라 변하는 공변량(x_it)을 모형에 반영할 수 있다는 것이다(Therneau et al., 2024 ). 생존시간을 공변량이 변화하는 구간별로 잘라 관측치로 활용하며, 모델은 다음과 같이 정의될 수 있다.

본 연구에서는 시간 의존 공변량(x_it)을 반영한 Cox 모형을 활용하며, 이때 시간 의존 계수(β(t))를 고려해 결과를 해석하였다. 연구의 주된 관심사는 변수가 위험률에 미치는 영향이 코로나19 및 사회적 거리두기 시기별로 변화하였는지 살펴보는 것이다. 즉, 시간 의존 공변량(x_it)을 반영한 β에 대해 Grambsch and Therneau(1994)가 제안한 방법을 이용하여 β(t)의 변화를 살펴보는 것이 실증분석의 목적이다.¹⁾

일반적으로 비례위험모형에 대한 검정은 그래프를 이용해 확인하는 방법이 널리 사용된다. 그래프를 통해 추정된 β의 변화를 살피며, β의 값이 시간 의존적일 경우 추정된 β값의 해석이 잘못된 결과를 가져올 수 있기 때문이다. 단, 시간에 따라 변하는 비례위험을 가진 모형에 대한 다른 대안은 시간 의존 계수를 가진 모델로 정의하는 것이다(Therneau and Grambsch, 2000). β(t)가 일정한 상수 값을 가지지 않으며, 공변량이 위험률에 미치는 영향도 시간에 따라 변하게 된다.

Grambsch and Therneau(1994)는 Cox 모형을 확장하여 시간 의존 계수 β(t)를 scaled Schoenfeld 잔차를 사용해 추정하였다. Schoenfeld 잔차는 개체의 공변량에 대한 잔차로, 사건발생 시 각 관측치의 공변량 값에서 위험집단 공변량들을 이용해 계산된 기댓값을 뺀 값을 의미한다. j번째 관측치의 j번째 공변량에 대한 부분잔차는 s_jk = δ_j[x_jk－x_k(β,_tj)] 로 나타낼 수 있으며, 이때, β(t)는 와 의 기댓값의 합으로 근사될 수 있다.

3. 데이터와 변수의 정의

2) 변수의 정의

독립변수는 업력, 소상공인 여부, 매출액(규모), 대표자 연령대, 업종, 상권 등 일반적 요인과 인접 폐업 및 인접폐업의 변화량으로 구성된다(표 2). 먼저, 업력은 경험 축적 및 단골 확보 등 노하우(know-how)를 나타내는 변수로(남윤미, 2017), 창업연월로부터 폐업시점 혹은 2021년 12월까지의 기간을 연단위로 산출한다. 소상공인 여부는 「중소기업기본법」 제2조에 따라 종사자 수 5인 이하 유무를, 매출액(규모)은 연간 매출액 1억 원 이하 유무를 의미한다. 대표자 연령대는 코로나19 이후 자영업자에게 발생한 비대면·디지털전환에 대한 대응이 연령대별로 다르게 나타나는지 확인하기 위한 변수다. 20대 이하, 30대, 40대, 50대, 60대 이상 등 5가지로 구분하였으며, 20대 이하를 기준값으로 설정하였다. 한편, 업종은 사회적 거리두기 등 정책에 의한 업종 간 차이를 확인하며, 소매, 숙박, 음식, 여가, 서비스 등 5가지로 구분하였다(부록 표 1). 상권은 서울시상권분석서비스에서 정의한 서울의 상권정의를 사용하였다. 먼저, 골목상권은 점포 밀집도가 높은 상권으로, 대로변이 아닌 거주지 안의 좁은 도로를 따라 형성된 상권을 말한다. 한편, 발달상권은 배후지를 고려하지 않은 도보이동이 가능한 범위 내의 상가업소밀집지역을 의미하며, 대표적으로 서울역, 강남역, 종각역 등 유동인구가 높은 지하철역을 중심으로 형성되어 있다. 전통시장은 오랜 기간에 걸쳐 일정한 지역에 자연발생적으로 형성된 상설·정기시장으로 평화시장·풍납시장 등이 해당한다. 따라서 상권 변수는 비상권을 기저 범주로 정의한 후, 골목·발달·전통시장으로 범주화한 더미변수를 의미한다. 한편, 관광특구는 관광활동이 이뤄지는 지역 내 상권으로 2020년 기준 6개(이태원, 명동 등, 동대문패션타운, 종로·청계, 잠실, 강남마이스)가 지정되어 있다. 골목·발달·전통시장은 서로 공간적으로 배타적인 관계이지만, 관광특구는 각 상권과 중첩되어 지정될 수 있다. 따라서 상권 변수와 달리 별도 변수로 모형에 반영하였다. 자영업 생존기간에 영향을 미치는 일반적 요인은 시간(월)에 따라 변하지 않는 변수다.

Table 2.

Definition of variables

시간의존변수(time-dependent variable)는 밀집, 인접폐업, 인접폐업의 변화량으로, 사업체 위치 반경 250m 기준 월별로 산출된 변수다. 특히, 집적경제 효과 중 국지화경제와 도시화경제의 효과를 구분하기 위해 각 변수는 업종이 같은 경우(동종)와 다른 경우(이종)를 구분하였다. 먼저 밀집은 집적경제의 긍·부정적 효과를 의미하며 상권, 인접폐업, 인접폐업의 변화량 등 변수를 통제하기 위해 반영한다. 예를 들어, 상권은 업무지역·대학가·역세권 등 도시의 주요 기능이 밀집된 지역이 선정되어 있으므로, 밀집 변수가 반영되지 않을 시 생략된 변수(omitted variable)에 의한 내생성 문제가 발생할 수 있다. 밀집 변수를 반영해 다수 사업체가 인접한 효과를 제외하고, 상권 입지에 대한 요인만 확인할 수 있을 것이다. 자영업자는 인근의 자영업자 폐업에 영향을 받을 것이며, 전월의 인접폐업 수(adjclosure_t－1)가 현시점의 폐업 의사결정에 영향을 미칠 것으로 가정한다. 한편, 인접폐업의 변화량(∆adjclosure_t은 폐업의 연쇄작용을 의미하며 월별 인접폐업 수를 차분(differencing)한 변화량을 의미한다. 양의 값일 경우 인접폐업이 늘어나는 경향을, 음의 값일 경우 감소하는 경향을 나타낸다.

$$

(8)

한편, 밀집·인접폐업·인접폐업의 변화량 변수가 위험률에 미치는 영향이 상권별로 차이가 있음을 가정하여 상권 변수와의 상호작용항을 모형에 반영하였다. 따라서, 밀집·인접폐업·인접폐업의 변화량 변수는 비상권에서의 계수를 의미하며, 상호작용항이 통계적으로 유의할 경우, 골목상권·발달상권·전통시장 등 상권유형별로 밀집·인접폐업·인접폐업의 변화량 변수가 미치는 영향이 비상권의 계수와 차이를 보이게 된다. 이를 통해, 상권유형에 따라 밀집·인접폐업·인접폐업의 변화량 변수가 위험률에 미치는 영향의 차이가 있음을 확인하고자 하였다.

1. 사회적 거리두기와 자영업자에 대한 규제·지원

자영업자에 대한 사회적 거리두기의 단계별 규제와 정부의 재정적인 직접 지원을 반기별로 살펴본 결과는 <표 3>과 같다. 먼저, 자영업자에 대한 규제는 집합금지, 영업제한, 사적모임 인원제한으로 구분된다. 집합금지는 집합금지 명령을 받아 영업이 불가한 것을, 영업제한은 영업시간이나 면적당 인원에 제한을 두는 것을 말한다. 한편, 사적모임 인원제한은 자영업자에 대한 영업활동을 간접적으로 제한한 것으로 보았다. 정부의 재정적인 직접 지원은 집합금지, 영업제한, 이외 자영업자에게 정액의 지원금이나, 매출감소에 대한 손실보상금을 지급한 것을 말한다. 단, 공고문에 따르면 폐업한 자영업자는 지원 대상에서 모두 제외되었다.

Table 3.

Social distancing in the capital region

2020년 상반기는 처음으로 사회적 거리두기를 시작하였고, 정부는 2020년 3월 22일부터 4월 19일까지 주점(유흥시설 등)과 헬스클럽(실내 체육시설)에 대해 집합금지 명령을 시행하였다. 한편, 정부는 2020년 5월 4일 국민의 생계 안정과 민간 소비 촉진을 위해 긴급재난지원금을 발표하며, 전 국민을 대상으로 40~100만 원을 차등 지급하였다. 2020년 하반기는 사회적 거리두기가 3단계로 도입(2020년 6월 28일)되었고, 2020년 8월 16일부터 10월 11일까지 2단계가 적용되었다. 2차 유행은 다중이용시설을 중심으로 수도권의 집단감염이 확산된 시기로, 주점·노래방·헬스클럽·PC방 등 업종에서 집합금지가 시행되었으며, 이 밖의 업종은 4㎡당 1명 수용 등 시설의 이용 인원에 제한을 두었다. 한편, 실내 50인 이상 사적 모임이 제한되는 행정명령이 시행되었다. 2020년 11월 1일 사회적 거리두기는 5단계로 개편되었으며, 코로나19 변이 바이러스가 나타난 3차 유행 시기에 수도권은 2020년 11월부터 2단계로 상향된 후 다시 2.5단계로 상향해 2021년 2월 14일까지 유지되었다. 당시 대부분 업종이 영업제한 조치를 받았으며, 주점·노래방·헬스클럽은 집합금지가 시행되었다. 한편, 2020년 9월 2차 지원인 「소상공인 새희망자금」으로 집합금지·영업제한·매출감소 소상공인 유형별로 정액의 지원금이 지급되었다. 2021년 상반기는 사회적 거리두기 2단계가 유지되며, 자영업자 규제가 지속되었고, 3차 지원 「소상공인 버팀목자금」(2021.1.6.)과 4차 지원 「소상공인 버팀목자금 플러스」(2021.3.29.)가 시행되었다. 정액의 지원금이 지급된 3차 지원과 달리 4차에서는 매출 감소에 따라 지원금이 차등 지급되었다.

2021년 하반기에는 사회적 거리두기가 1~4단계로 개편되었지만, 최고 단계인 4단계만 지속적으로 적용되었다. 소매업 및 숙박업 등 모든 업종에 대해 영업제한이 이뤄졌고, 집합제한은 적용되지 않았다. 단, 사적모임 인원제한의 경우 이전의 50인 또는 100인과 달리 18시 이전에는 4명까지, 18시 이후부터는 2인까지 제한함에 따라 자영업자의 영업활동을 간접적으로 제한했다. 이후 2021년 11월 1일부터 단계적 일상회복이 시작되었고, 사적모임은 10명으로 완화되었으나, 오미크론 변이 발생에 따라 2021년 12월 18일 거리두기가 강화돼 4명으로 축소되었다. 자영업자에 대한 5차 지원 「소상공인 희망회복자금」(2021.8.13.)의 경우, 이전과 달리 집합금지·영업제한 업종은 규제의 기간과 매출규모에 따라, 매출감소 소상공인은 매출감소 및 매출규모에 따라 차등 지급하였다. 한편, 2021년 10월 8일 소상공인 보호 및 지원에 관한 법률 제 12조의 2 ‘「감염병의 예방 및 관리에 관한 법률」에 따른 조치로 인하여 발생한 손실보상’이 시행됨에 따라 2021년 3분기부터 분기별로 정부 방역조치에 의한 피해규모에 대한 손실보상금의 지급이 시작되었다. 이후 2022년 4월 18일 사회적 거리두기가 전면 해제되었고, 정부의 자영업자에 대한 손실보상금 지급도 종료되었다.

사회적 거리두기에 의한 자영업자에 대한 집합금지와 영업제한은 2020년 하반기부터 2021년 하반기까지 지속되었다. 특히, 4단계 체계가 도입되기까지 주점·노래방·헬스클럽 등 일부 업종은 집합금지를 지속적으로 적용받았다. 한편, 자영업자에 대한 규제가 지속됨에 따라, 정부가 직접 지원하는 규모는 계속해서 증가했다. 2·3·4차 지원의 지원금은 비슷하였으나, 5차는 매출규모와 집합금지·영업제한 기간 및 매출감소를 고려해 더 큰 지원금을 차등지급하였고, 손실보상금도 시행되었다. 단, 모든 지원 대상에서 폐업한 자영업자는 제외되었는데, 정부의 지원규모가 커짐에 따라 행정적 폐업에 대한 유인이 작아질 수 있음을 유추할 수 있다.

2. 폐업 추이와 기초통계

업력 2년 이상 서울시 자영업자에 대한 월별 폐업 수의 반기별 평균을 살펴보면, 2019년 하반기 1,634개에서 2020년 상반기 1,347개로 감소한 후, 2020년 하반기 1,513개로 증가하였다(그림 1). 이후 2021년 상반기 1,417개 및 하반기 1,368개로 감소하였다. 2019년 하반기부터 2021년 하반기까지 폐업 수는 월평균 1,456개를 보였고, 월별 등락은 있었으나 그 추세는 일정하였다. 즉, 코로나19 이전인 2019년 하반기와 비교해 2020년 이후 큰 변화는 없었다. 단, 정부의 자영업자에 대한 지원이 있거나, 부가가치세 신고·납부 등 세무 관련 일정에 따라 급감하는 일부 시기가 확인되었다.

Figure 1.

Changes in the number of self-employed business closures in Seoul

폐업한 자영업자에 대한 기술통계를 살펴본 결과는 다음과 같다(표 4). 먼저 업력은 평균 10.58년이며, 5인 미만 비율이 89.8%로 대부분을 차지한다. 반면, 매출 1억 원 이하 비율은 52.6%로 약 절반에 해당한다. 대표자 연령대는 50대가 28.7%로 가장 많았고, 20대 이하가 3.4%로 가장 적었다. 업종은 음식점이 43.4%로 가장 많고, 그다음은 소매 33.2%, 서비스 15.2%, 여가 6.7%, 숙박 1.5% 순이다. 자영업자가 위치한 상권을 살펴보면, 발달상권 34.1%, 골목상권 33.1%, 비상권 20.9%, 전통시장 11.9%이다. 한편, 관광특구에 입지한 자영업자는 3.1%에 불과했다.

Table 4.

Descriptive statistics

시간의존변수의 전체 및 반기별 평균을 살펴보면, 동종업종 밀집 변수의 평균은 2019년 하반기 58.9개에서 2021년 하반기 61.4개, 이종업종 밀집변수는 2019년 하반기 93.9개에서 2021년 하반기 99.1개로 지속 증가하였다. 반면, 동종 인접폐업 변수의 평균은 2019년 하반기 1.0개에서 2020년 하반기 0.6개, 이종업종 인접폐업 평균은 2019년 하반기 1.6개에서 2020년 하반기 1.1개로 모두 감소하였다. 즉, 동종 및 이종업종에 관계없이, 반경 250m 내 자영업자의 수는 증가하고, 인접폐업 수는 감소하였다. 인접폐업의 변화량의 평균도 동종 및 이종업종 간 동일한 추세를 보였다. 2019년 하반기 양의 값을 보여 인접폐업이 증가하는 추세였으나, 2020년 음의 값을 보여 인접폐업이 감소하는 추세였고, 2021년 상반기는 양의 값을, 2021년 하반기는 음의 값을 보였다.

3. 실증분석 결과

모델 통계량을 살펴보면, 우도비, 왈드, 스코어 검정의 p-value가 0.05보다 작아, 모든 독립변수의 계수가 0이라는 귀무가설을 기각한다. Concordance index는 생존분석의 성능을 평가하는 지표로, 0.5는 무작위를, 1에 가까울수록 정확하게 예측한다고 볼 수 있으며, 그 값은 0.769를 보였다(표 5).

Table 5.

Model statistics

계수에 대한 지숫값은 기저위험에 대한 위험률을 의미한다. 계수가 유의하지 않을 경우 β의 값이 0과 차이가 없음을 의미하고, 이때 위험률은 1(=e⁰)의 값을 가지게 된다. 즉, 기저위험과 차이가 없음을 의미하므로, 변수에 의해 위험률이 영향을 받지 않음을 의미한다. 본 연구에서는 계수에 대한 지숫값을 이용해 해석한다. 한편, scaled Schoenfeld 잔차를 사용해 추정한 월별 β(t)의 값을 통해 코로나19 이후 변수에 의한 위험률이 어떻게 변화하였는지 추적한다. 이때, 코로나19는 2020년 상반기 이후 시기에 영향을 미친 것으로 보았으며, 위험률 변화의 해석을 위해 β(t)의 반기별 평균값을 산출한 후, 반기별 변화에 대해 기술하였다.

통제변수 가운데서는 일부 변수를 제외하고 모두 통계적으로 유의하였다(표 6). 업력이 1년 커질수록 위험률은 0.93배로 나타나, 업력이 긴 사업체의 위험률이 더 적은 것으로 나타났다. 2019년 하반기 약 0.90배였던 위험률은 2020년 하반기 0.92배까지 상승하였고, 이후 2021년 하반기 0.97배까지 상승했다. 즉, 2021년 하반기부터는 업력에 따른 위험률 차이가 없어짐을 의미한다(그림 2).

Table 6.

Results of empirical analysis

Figure 2.

Changes in hazard rate of business age

소상공인 변수는 통계적으로 유의하지 않았으며, 이는 매출액 1억 원 이하인 자영업자 가운데 소상공인 비율이 99.3%이기 때문이다. 매출액 1억 원 이하 자영업자는 1억 원 초과인 자영업자와 비교해 위험률이 1.2배 더 커, 규모가 클수록 생존에 유리한 것으로 나타났다. 2019년 하반기 1.39배였던 위험률은 2020년 상반기 1.27배까지 하락하였고, 이후 2021년 상반기 1.19배, 하반기 1.12배까지 감소하였다(그림 3). 즉, 매출 1억 원 이하 사업체의 위험이 감소하거나, 매출 1억 원 초과 사업체의 위험이 증가함에 따라 위험률의 차이가 줄어든 것으로 해석될 수 있다. 코로나19를 고려할 때, 매출액 1억 원 초과 자영업자의 위험이 증가한 것으로 보인다.

Figure 3.

Changes in hazard rate of small business and sales

대표자 연령대는 30대·40대·50대·60대 이상 모두 20대와 비교해 위험률이 더 낮았다. 20대 대비 위험률이 가장 작은 세대는 50대 0.79배로 나타났으며, 그다음은 40대 0.80배, 30대 0.87배, 60대 이상 0.94배 순이다. 이는 재창업 등 자영업 재진입이 많은 점과 자본·경험에 따른 노하우의 차이로 인해, 연령대가 높을수록 더 안정적인 것을 의미한다. 공통적으로 코로나19 이후 20대와의 위험률 차이가 감소하였으며, 2020 하반기 이후 이전 수준을 회복하였다. 30대는 2019년 하반기 0.83배에서 2020년 상반기 0.91배로 상승, 40대는 2019년 하반기 0.77배에서 2020년 상반기 0.88배로 상승, 50대도 2019년 하반기 0.74배에서 2020년 상반기 0.82배로 상승하였다. 한편, 60대는 2019년 하반기 0.78배에서 2020년 상반기 0.98배, 2020년 하반기 1.1배로 증가하였다(그림 4). 특히, 모든 시기·연령대 가운데 20대 대비 위험률이 더 컸던 시기·연령대는 2020년 하반기 60대로 나타났다. 2020년 하반기는 사회적 거리두기에 의한 영업제한·집합금지 및 사적모임 인원제한이 제도화되면서 대면 영업활동이 축소되었던 시기다. 즉, 60대 이상이 디지털전환에 의한 비대면 영업활동에 적응 및 대응이 늦었기 때문에, 폐업에 대한 위험률이 높았던 것으로 판단된다. 특히, 20대와 60대는 디지털전환에 대응하는 역량 차이가 가장 크기 때문에,⁶⁾ 다른 연령대 대비 위험률의 변화폭이 크게 나타났다고 볼 수 있다. 단, 2021년 상반기에는 20대와의 위험률 차이가 거의 없었는데, 2021년부터 플랫폼을 통한 비대면 영업에 적응함에 따라 20대 대비 위험률이 다시 낮아진 것으로 유추된다.

Figure 4.

Changes in hazard rate of owner age

생활밀접업종별로 살펴보면, 소매 대비 위험률은 숙박 1.23배, 음식 1.06배, 여가 0.95배, 서비스 0.68배 순으로 나타났다. 서비스에 해당하는 미용실·세탁소는 코로나19 이후에도 소비를 줄일 수 없는 필수재 성격이 강하며, 목욕탕의 경우 취약계층을 고려해 면적당 인원 제한만 이뤄졌기 때문이다. 코로나19 이후 소매업 대비 위험률은 모두 증가하였는데, 2019년 하반기 대비 2020년 상반기 위험률의 변화를 살펴보면, 숙박(1.11배→1.15배), 음식(0.88배→1.04배), 여가(0.82→0.87배), 서비스(0.58→0.63배) 순으로 나타났다(그림 5). 특히, 생활밀접업종은 2021년 하반기 모두 급증하였다. 2021년 상반기 대비 하반기의 변화를 살펴보면, 숙박(1.04배→1.46배), 음식(0.97배→1.46배), 여가(0.83→1.16배), 서비스(0.66→0.77배) 순이다. 이는 사회적 거리두기 4단계를 적용하면서 사적모임 인원제한이 10인 이하로 제한되었기 때문인 것으로 판단된다.

Figure 5.

Changes in hazard rate of life-related business

상권별로 살펴보면, 비상권 대비 위험률은 골목상권 1.12배, 전통시장은 0.85배였으며, 발달상권은 통계적으로 유의하지 않았다. 발달상권의 위험률은 2019년 하반기 1.06에서 2020년 상반기 1.11로 소폭 증가했으나, 이후 2021년 상반기 1.01까지 다시 감소했다(그림 6). 골목상권의 위험률은 2019년 하반기 1.07에서 2020년 상반기 1.23배, 2020년 하반기 1.32배까지 상승했고, 이후 2021년 상반기 1.25배 및 하반기 1.01배까지 감소했다. 한편, 전통시장 위험률은 2019년 하반기 0.89에서 2020년 상반기 0.88로 변화가 없었으나, 이후 2021년 상반기 0.75까지 감소한 후 다시 상승하였다. 2020년 하반기 및 2021년 상반기 전 국민 대상의 긴급재난지원금 정책 효과를 본 것으로 판단된다. 관광특구의 위험률은 1.11배로 나타났으며, 2020년 상반기 1.08에서 2020년 하반기 1.15배 및 2021년 상반기 1.21배까지 상승하였고, 이후 2021년 하반기 1.09배로 하락했다. 명동·이태원 등 포함된 관광특구는 코로나19 이후 외국인 관광객 감소로 인한 매출타격이 직접적으로 컸을 뿐 아니라, 코로나19가 장기화됨에 따라 2020년 하반기 및 2021년 상반기 위험률이 커진 것으로 판단된다.

Figure 6.

Changes in hazard rate of commercial and tourist area

시간가변변수는 상호작용항을 제외하고 해석 시 비상권에 대한 해석임을 유의해야 한다. 밀집 변수를 살펴보면, 반경 250m 내 동종업종 자영업자가 1개 증가하면, 위험률은 0.98배로 감소하며, 이종업종 자영업자의 밀집은 위험률의 차이를 발생시키지 않았다(그림 7). 그리고, 2021년 하반기는 동종업종 자영업자의 밀집으로 인한 위험률 차이는 거의 없었다. 인접폐업 변수를 살펴보면, 반경 250m 내 동종업종 자영업자 폐업 수가 1개 증가하면 위험률은 1.67배이며, 이종업종 자영업자 폐업 수는 위험률의 차이를 발생시키지 않았다(그림 8). 동종업종 자영업자 인접폐업 증가에 의한 위험률은 2019년 하반기 및 2020년 상반기 1.60배에서 2020년 하반기 1.92배, 2021년 상반기 2.33배까지 증가하였고, 2021년 하반기 2.08배로 감소하였다.

Figure 7.

Changes in hazard rate of density

Figure 8.

Changes in hazard rate of adjacent business closure

인접폐업의 변화량 변수를 살펴보면, 동종업종 자영업자의 인접폐업 변화량이 증가하면 위험률은 2.4배 커지며, 이종업종 자영업자의 인접폐업 변화량은 통계적으로 유의하지 않았다. 동종업종 자영업자의 인접폐업 변화량은 2019년 하반기 2.24배에서 2020년 상반기 2.24배, 2020년 하반기 2.57배, 2021년 상반기 2.88배, 2021년 하반기 2.36배로 나타났다(그림 9). 인접폐업과 인접폐업의 변화량 변수는 자영업자 위험률에 대한 크기만 다를 뿐, 2019년부터 2021년까지의 추이는 거의 유사하게 나타났다. 두 변수의 결과를 종합할 때, 인접폐업으로 인한 자영업자의 위험은 2020년 하반기부터 2021년 상반기까지 증가했고, 이 시기 폐업의 연쇄작용이 발생할 가능성이 높았던 것으로 보인다. 단, 두 변수는 반경 250m 내의 국지적인 영향을 고려하고, 소매를 제외한 모든 업종이 2021년 하반기 위험률이 급증하였다. 즉, 2021년 하반기는 10인 이하의 사적모임 인원제한으로 인해 인접한 자영업자의 폐업과 관계없이 모든 자영업자의 위험률이 증가한 시기라고 볼 수 있다.

Figure 9.

Changes in hazard rate of adjacent business closure difference

앞서 유의미한 결과를 보였던 동종업종에 대한 인접폐업에 대해 상권별 상호작용항을 반영하여 해석한 결과는 다음과 같다. 단, 상호작용항으로 추정된 값을 더한 값이므로, 별도의 신뢰구간이 추정되지 않았으므로 해석에 유의해야 한다. 동종업종에 대한 인접폐업이 미치는 영향은 골목상권이 2020년 하반기 및 2021년 상반기 위험률이 증가했던 반면, 발달상권과 전통시장은 유의미한 변동이 나타나지 않았다(그림 10). 단, 위험률 변동성 크기의 차이는 보였으나, 세 상권 모두 2019년 하반기 하락하고 2020년 상반기 상승한 후 2021년 하반기 하락하는 패턴을 보였다.

Figure 10.

Changes in hazard rate of adjacent business closure by commercial area

4. 분석결과 종합

분석결과에 대한 해석은 다음과 같이 요약될 수 있다. 첫째, 코로나19 이후 업력·매출액 등 통상적으로 영향을 미치는 변수들의 영향력이 줄어들었다. 이는 경험이나 자본 등 상대적인 비교 우위를 제공할 수 있는 요인의 효과가 약화되었음을 의미하며, 코로나19 등 외생적인 경제적 충격 발생 시 일반적인 경영전략(예: 규모의 경제 등)이 효과적이지 않음을 시사한다.

둘째, 자영업자가 비대면 및 디지털전환 등 경영환경 변화에 대응할 때, 연령대별로 차이가 나타났다. 일반적으로는 40·50대가 20·30대에 비해 경쟁 우위를 가지고 있으나, 코로나19 직후에는 20대와 30·40·50대 간의 위험률 차이가 일시적으로 축소되었다. 즉, 연령대가 낮을수록 변화에 보다 유연하게 대응하는 것으로 판단된다. 단, 2021년 이후 2019년 수준의 위험률 격차가 다시 나타난 점을 고려할 때, 변화에 대응하는 프리미엄은 일시적인 것으로 판단된다.

셋째, 업종별 결과를 살펴보면 코로나19 이후 위험률이 소폭 증가하였으나 2021년 상반기까지 큰 변화가 관찰되지 않았다. 또한, 소매 대비 숙박·음식의 위험률이 더 높고, 여가·서비스의 위험률이 더 낮은 추세가 지속되었다. 단, 2021년 하반기에는 숙박·음식·여가·서비스의 위험률이 모두 상승하였는데, 이는 10인 이하 사적모임 인원제한의 부정적 영향으로 판단된다. 숙박·음식·여가·서비스는 사적모임 인원제한에 따른 영업 제한의 영향을 크게 받았으나, 소매업은 이러한 제한의 영향을 거의 받지 않았기 때문이다.

넷째, 코로나19 이후 비상권 대비 골목상권의 위험률이 더 높았으며, 2020년 하반기 이후 전통시장의 위험률은 낮아졌지만, 관광특구의 위험률은 오히려 상승했다. 발달상권의 경우, 코로나19 이전에도 과당경쟁으로 인해 자영업자의 진출입이 빈번했으며, 밀집 및 인접 폐업 등 발달상권의 특성을 반영하는 변수가 일부 설명함에 따라 위험률의 변화가 관찰되지 않았다. 한편, 관광특구는 외국인 관광객 감소 등으로 인한 피해가 누적되는 상황에서, 2020년 하반기부터 제도적으로 시행된 사회적 거리두기가 유흥시설 등 주요 업종의 영업을 제한하면서 위험률이 상승한 것으로 판단된다. 반면, 전통시장은 2020년 하반기부터 지역화폐 활성화와 전 국민 대상 긴급재난지원금 지급으로 소비가 유도되고, 사회적 거리두기 제도가 정착되면서 다른 상권 유형에서 소비되지 못한 부분이 전통시장으로 이전된 것으로 유추된다.

다섯째, 자영업자의 밀집과 인접폐업의 영향은 동일 업종에서만 나타났으며, 코로나19 직후보다 사회적 거리두기가 적용된 2020년 하반기 이후에 위험률이 증가하였다. 특히, 인접폐업과 인접폐업의 변화량이 모두 부정적인 영향을 미친 점은, 반경 250m 내 동종 자영업자의 폐업이 인근 자영업자의 폐업 위험률을 높여 연쇄작용을 유발할 수 있음을 시사한다. 단, 상호작용항을 고려한 결과 발달상권과 전통시장에서는 변동성이 유의미하지 않았는데, 이는 발달상권이 코로나19 이전부터 자영업자의 진출입이 빈번했기 때문인 것으로 보인다. 따라서 동종업종의 인접폐업으로 인한 폐업의 연쇄작용은 자영업자의 진출입이 상대적으로 적은 골목상권과 비상권에 제한적으로 나타난다고 해석할 수 있을 것이다.