인구이동의 확률적 선택에 기반한 지역매력도 측정에 관한 연구: 조건부 McFadden 로짓 모형을 중심으로

1. 인구이동에 관한 이론적 검토

인구이동은 출산, 사망 등의 자연적인 요인과 사회·경제적인 요인의 인구 변동, 이동에 따라 이루어지며, 이는 지역에서 사회적, 문화적, 경제적 등 다양한 변화양상과 밀접한 연관성이 있다(박성익, 2006; 박헌수·황태일, 2003). 인구이동 이론의 패러다임은 인구이동 현상과 흐름에 대해 이론적인 관점에 따라 접근 방식에 상당한 차이가 있으며, 이러한 패러다임의 차이에 따른 분류는 신고전 경제학적 접근방법, 행태주의적 접근방법, 제도주의적 접근방법, 구조주의적 접근방법으로 구분된다(이희연, 2008). 이 네 가지 패러다임은 인구이동이론의 범위, 단위, 분석수준에서 다른 관점들을 나타내고 있으며, 근원적인 철학적 패러다임에서 인구이동에 대한 결정요인에 관한 다양한 관점을 제시하고 있다. 이러한 철학적인 배경에서 인구이동의 결정요인을 실질적으로 파악하기 위해서 거시적 접근과 미시적 접근으로 분류하고 있으며, 이를 통합적으로 반영한 현실성이 있는 모형의 확장과 개발하려는 노력이 제안되고 있다(이희연, 2008; 김의준 외, 2019). 미시적 접근방법의 인구이동은 개인이 이주에 대한 의사결정에서 나타나는 행태적이면서 심리적인 측면을 설명하고 있으며, 거시적 접근방법에서는 인구이동의 흐름에 영향을 주는 요인을 초점으로 두고 있다(이희연, 2008).

거시적 접근방법은 지역 간 인구이동 흐름과 이에 영향을 주는 요인에 관한 관점이다. 특히, 중력모형은 만유인력 법칙으로 인구 규모와 거리가 결정적인 요인으로 작용한다는 이론으로 지리학, 경제학, 인구학 등 다양한 분야에서 활용되고 있다. 여기서 중력모형은 두 지역 간 인구이동의 크기가 지역 인구 규모에 비례하고 거리에 반비례한다는 이론으로, 이 이론이 점차 확장되면서 지역의 상대적 이점을 고려한 모형이 등장하기도 하였다(김의준 외, 2019). 이처럼 거시적 접근방법의 인구이동은 전체적인 지역의 인구이동의 흐름과 양을 설명하기 위해서 계량적으로 측정하고 이론적으로 접근하고 있다. 하지만 집단 또는 지역 수준의 자료들로 개인적인 차원의 행동 또는 동기를 추론할 때 발생하는 오류를 초래할 수 있는 한계점이 존재한다(이희연, 2008). 즉, 개인이 지역으로 이동하는 지역적인 동기 또는 선택 요인 등을 구체적으로 규명하지 못하고 있다.

미시적 접근방법은 개인에 대해 이동하는 행위자를 분석 대상으로 이동의 발생 요인에 초점을 두고 있으며, 대부분 개인의 이주에 대한 의사결정과정에서 왜 인구이동을 하는지에 관해 관심을 두고 있다(이희연, 2008). Tiebout 모형에서는 공공재를 사용하는 소비자 관점에서 지자체의 공공과 조세 등이 개인 효용을 극대화하는 최적의 지역을 선택하는 ‘발로 투표하기(voting by foot)’로 표현하고 있다(김성태·장정호, 1997). 이러한 관점은 주민이 직접 발로 하는 이동에 대한 지역 선택에 있어서 문화, 제도, 조세 등과 같은 지역차원의 환경이 인구이동을 유발하는 영향요인이라는 관점에서는 거시적 접근과 유사한 측면이 있다. 이러한 관점은 개인의 이동 원인을 분석하고 이동 이유가 삶의 질과 연관되어 근본적인 지역의 불균형적인 분포 원인을 밝힐 수 있다.

이러한 측면을 고려할 때, 본 연구는 지역 효용에 따른 인구이동으로 개인이 지역을 선택하는 결과를 확률적으로 측정하여 거시적 접근방법의 한계점을 보완하고 지역의 유인 효과로서 매력도를 분석하고자 한다. 지역매력도 측정은 개인이 가지고 있는 이동 성향과 출발지와 목적지 사이에 삶의 환경 또는 정주 여건의 차이를 인지하여 최종 목적지를 선택하고 이동하는 결론으로 현시선호의 미시적 확률선택 모형으로 볼 수 있다. 또한, 지역적인 선택의 유인효과로 기회요인 측정이라는 관점에서 거시적·미시적 접근방법을 연계할 수 있는 기초적인 자료로서 통합적인 확장모형을 구축할 수 있을 것으로 판단된다.

김의준 외(2019)에 의하면, 두 지역이 상호보완적 관계일지라도 두 지역의 거리적 마찰¹⁾ 요소가 크면 이동이 일어날 확률이 낮아지고 이는 공간적 상호작용으로 인구이동의 흐름이 어떤 조건에서 발생하는지 설명하고 있다. 이를 김의준 외(2019)에서는 수도권 인구집중 현상과 관련짓고 있으며, 거시적으로는 수도권이 임금 측면에서 여러 가지 강점 또는 문화적 편의가 있고 미시적으로는 개인들의 사회경제, 인구통계학적, 심리적 등 지역적인 특성과 연결될 가능성을 의미한다. 이에 따라, 본 연구에서 제시하는 지역매력도는 거시적 접근과 미시적 접근을 접목하고 지역적인 기회요소에 따른 드러나 있는 현시선호를 기반한 지역매력도 측정으로 지역에 대한 인구를 끌어들이거나 유지하는 능력을 정량적으로 측정할 수 있는 개념으로 설명할 수 있다.

인구이동은 개인이 더 나은 삶의 질과 일자리를 찾아 특정 지역으로 이동하고자 하는 의사결정을 내리는 요인에는 개인이 훨씬 더 나아진 삶을 추구할 수 있다는 기회요소 존재를 전제하고 있다(Lee et al., 2021). 이는 인구이동의 원인에 대한 중요한 질문이며, 이러한 맥락에서 지역매력도는 삶의 질을 측정할 수 있다는 점에서 중요한 지표로 작용한다. 또한, Easterlin(1974)은 소득이 행복으로 직접적으로 이어지지 않고 상대적인 만족도와 사회적 규범이 삶의 질을 인식하는 데 영향을 미친다고 한다. 즉, 개인 또는 공동체가 주관적으로 느끼는 행복, 만족, 안전감 등 생활 전반에 대한 삶의 만족도는 삶의 질과 매우 밀접하고 사람들이 특정 지역에 지속해서 살고 싶어 하는 욕구 혹은 유입되는 정도를 통해 지역의 삶의 질 또는 만족도를 추정할 수 있게 된다. 이는 인구이동이 발로하는 투표의 개념과 맞닿아 있으며, 단순히 지역의 경쟁력을 나타내는 데 그치지 않고 사회적 자산과 정주 여건 등 삶의 질을 판단할 수 있는 지표로 활용할 수 있다는 근거가 된다. 개인의 특정 지역에 대한 상대적인 현시선호, 취업기회, 주거 등으로 끌어들이는 복합적인 기회요소로, 이는 개인의 의사결정에 영향을 주고 다시 지역의 불균형적인 분포에도 영향을 미친다. 이에 따라 인구이동에 기반한 지역매력도는 지역의 지속가능성과 경쟁력과 연결되어 국가적으로 지역균형발전과 연결될 수 있다.

Easterlin(1974)이 말하고 있는 규범, 사회 및 문화 구성원으로 공유되는 공통된 경험 등의 유사한 행복 개념으로 반영한다면, 개인이 속한 지역 삶의 질들이 다른 지역과 비교하여 만족도를 판단하고 단순한 경제성장이 주민행복으로 자동으로 연결되지 않는다. 이러한 맥락에서 지역발전이 일반적으로 인프라, 일자리 창출, 교육 및 보건 서비스의 확대 등 생활 여건과 삶의 질이 주관적인 주민의 만족과 연관되게 된다. 따라서 단순하게 경제적 지표만으로는 행복 또는 삶의 질을 측정하는 것은 한계가 존재하고 개인의 계산적 관점의 이동에 대한 의사결정을 고려한다면, 개인의 효용에 극대화 관점에서 매력도 지표는 삶의 질과 연관되어 있음을 추론할 수 있다. 즉, 경제성장 또는 지역발전이 자동으로 삶의 질로 이어지지 않을 수 있는 상황에서 지역에 대한 상대적 인식, 사회적 비교 등과 같은 부분의 비경제적인 측면도 주요한 역할을 하지만, 현실적으로 이를 측정하는 데 한계가 존재한다.

Jones and Klenow(2016)는 GDP나 소비 수치만으로는 복지격차를 설명할 수 없음을 보여주면서, 소비, 여가, 불평등, 연령별 사망률 데이터 등으로 대안적인 복지 측정치와 소비와 여가에 대한 대안적인 효용 함수로 강건성을 확인 및 검증하고 있다. Kahn(1995)은 도시의 생활 질을 순위화하는 방법을 고안하였으며, Krueger et al.(2009)은 시간 사용 데이터와 감정 평가를 결합하여 국가 시간 계정(NTA)을 적용하고 있다. 이를 통해서 국가 간의 시간 사용과 웰빙을 비교하는 방법으로 삶의 질 또는 만족도를 비교하는 방법을 제시하였다. Roback(1982)은 미국 도시의 삶의 질 순위를 측정하려는 방법으로 주택시장과 비거래재를 포함한 임금에 관한 실증연구를 하고 있다. Slottje(1991)는 GDP와 사망률 외에도 다양한 요소들을 삶의 질을 분석하는 데 포함하고 있다. 이처럼 현대 사회의 삶의 질은 단순한 경제발전 또는 GDP, 사망률 감소 등과 같은 소득증가로만 측정하는 것은 한계가 존재한다. 특히 삶의 질과 연관성이 큰 행복 또는 만족도는 개인의 절대적인 기준보다는 상대적 비교를 통해서 인식되는 것으로 삶의 질을 평가할 필요가 있다. 이러한 상대적 기준에 따른 삶의 질 측정은 지역적 특성과 생활환경에 민감하게 형성되고 개인에게 드러나 있는 선택에 따른 기대효용을 극대화하려는 합리적인 선택의 결과물로 이동 결정이 중요한 요소로 작용함을 가정한 지역매력도를 측정하는 것은 지역의 발전수준과 삶의 질 수준을 반영할 수 있다.

2. 인구이동 관련 선행연구 검토

지역의 인구는 성장원동력으로 생산요소 중 노동력, 인적자원의 근간을 의미하고 특히, 인구변화는 지역의 성장할 수 있는 잠재력과 구조적인 변화(김기승·정민수, 2013; 홍성효·유수영, 2012)를 발생시킨다. 최근에는 저출산과 고령화 등과 같은 사회적인 이슈와 맞물리며 지역적인 차원에서 인구이동이 크게 주목받고 있다. 이는 인구이동이 자연적인 인구 감소는 불가피한 문제이지만, 사회적 감소는 지자체의 유지에 영향을 미치면서 인구과소현상 및 지방소멸과 직접적으로 연결되어 있기 때문이다(이희연·박정호, 2009; 오은열·문채, 2016). 따라서 인구이동은 단순한 경제적인 성장가능성 측면을 넘어, 지역의 사회, 문화 등 지역적인 특성에 따라 나타나는 영향요인들과 밀접한 연관성을 가지게 된다(박성익, 2006; 박헌수·황태일, 2003). 이로 인해 지역의 인구이동과 관련된 연구들은 임금, 실업, 지역 어메니티 등의 이동요인에 관련 연구, 이동 흐름에 미치는 영향 등 다양한 분야에서 연구되고 있다. 인구이동 흐름에 관련된 연구는 비수도권의 인구 유출, 수도권의 인구과잉 등으로 인한 지역쇠퇴, 불균형적인 발전 등이 심화되는 90년대부터 시작되었으며(이찬영·문제철, 2016), 점차 경제성장과 더불어 정주 여건, 삶의 질 등과 같은 요소들이 구체화되고 있다. 또한 지역 공간적, 시계열적인 요소 등 다양한 부분을 고려하여 집적화, 네트워크, 변동 등과 같은 다양한 연구 방법이 적용되고 있다.

김성태·장정호(1997)는 Todaro와 Tiebout 모형을 바탕으로 분석모형을 구축하고 인구이동의 경제적 요인을 실증분석하고 있다. 박헌수·황태일(2003)은 1995~2000년 동안 수도권 인구와 고용변동을 추정하고 있으며, 공간계량 경제모형으로 분석하고 있다. 심재헌·이희연(2011)은 인구이동 흐름의 공간적 자기상관성을 고려하여 인구이동에서 발생하는 네트워크의 외부효과와 공간 의존성으로 인구 집중화 현상을 설명하고 있다. 이찬영·문제철(2016)은 광주전남의 인구이동 결정요인을 고용률, 양질의 일자리 비중, 전세가격, 대학생 수 등 변수를 설정하여 이원오차성분모형을 적용하고 있다.

Abel and Sander(2014)는 1990~2010년 동안 196개 국가 이동 데이터를 활용하여 국제 이주 흐름을 분석하고 있으며, 글로벌 이주 흐름을 정량화하기 위한 시도를 하고 있다. Beine et al.(2011)는 McFadden 이산 선택 모형을 바탕으로 이주 흐름에서 자발적 선택과 외부에 의한 선택 분석으로 이주 흐름과 인적자본과 연관된 분석을 하고 있다. Bryan and Morten(2019)은 임금 격차와 이주의 연관성으로 생산성 향상이 가능한 모형을 구축하고 있으며, Helliwell et al.(2018)은 160개 이상 국가를 대상으로 시행된 설문조사로 삶의 질을 측정하기 위한 표준화된 설문으로 이민자들이 주관적인 행복과 원주민들의 주관적인 행복을 비교하고 있다. Pacheco et al.(2013)은 1991~2000년 동안의 16개 OECD 국가 자료를 활용하여 다양한 변수를 바탕으로 비경제적인 삶의 질 지표를 적용하여 분석하고 있으며, 경제적 및 지리적인 요인들이 이주 흐름에 영향을 주는 요인이 인구 규모, 소득, 언어 등이 이주 흐름을 증가시키고 지리적 거리는 약화시키는 것으로 밝히고 있다. 그리고 비경제적인 삶의 질이 이주의 중요한 한 요인이라고 설명하고 있다.

이처럼 인구이동과 이주 흐름에 관한 다양한 연구들이 진행되고 있으며, 거리, 언어, 규모, 노동 숙련도, 인적자본, 임금 격차 등을 계량적으로 분석하려는 연구가 이루어지고 있다. 일부 연구에서는 삶의 질, 만족도, 주관적 행복과 같은 비경제적인 요소에 관한 연구도 진행되고 있다. 이런 주관적인 만족도, 행복감, 삶의 질 등을 조사하고 이를 기반으로 국가 또는 지역의 복지 수준을 측정하는 방법들이 제안되고 있으나, 행복과 경제성장의 연관성은 사회, 심리적 요인을 통합한 다각적인 분석이 필요로 하는 한계점들을 보이고 있다. 따라서 본 연구는 개인의 자발적 지역에 대한 선택이라는 주관적인 삶의 만족도를 설문으로 조사하는 방식보다 드러나 있는 선호를 통해 지역매력도를 측정할 수 있다는 점에서 더욱 실증적이면서 행동기반적인 접근이라고 할 수 있다.

3. 지역매력도 관련 선행연구 검토

최근 지역 단위에서 인구이동을 분석할 수 있는 데이터 공개가 확대되면서(이희연·박정호, 2009) 인구이동의 패턴, 네트워크, 지역매력도 등 다양한 관점에서 연구방법론을 적용할 수 있게 되었다. 본 연구에서는 개인의 이동 표본자료를 활용하여 이주선택 모형에 적용하였으며, 이는 미시적 접근방법과 거시적 접근방법을 통합할 수 있을 것으로 판단된다.

McFadden 모형은 개인의 의사결정을 하는 원인을 찾기 위해서는 모형 또는 가설 설정을 위해 선택에 관한 결과로 드러난 관찰된 행동에 비추어 전개한다. 이 모형의 근거는 계량경제학자가 행동에 영향을 미치는 요인을 관찰하거나 통제할 수 없으며, 관찰 행위에서 경험을 매개로 의사결정자의 행동에 영향을 미치기 때문에 개인 선택 행동이 드러나는 표본 데이터를 통해 추론할 수 있다(McFadden, 1974). 이는 개인이 선택을 결정한 지역에 대한 관찰된 행동으로 개별 선택모형에서 지역의 유인 효과와 매력도 측정이 가능하다는 것으로 판단할 수 있다. 인구이동은 개인 이 거주하려는 지역에 대한 기회를 선택하고 지역 경제 발전 및 정책 수립의 방향을 설정함에 있어, 지역의 기회요소에 대한 문제는 중요하다. 또한 지역의 선택에 따른 결과는 주민의 생활만족도 및 행복도와 밀접한 연관성을 가지고 지역에 대한 삶의 질, 정주 여건과도 관련성을 가지게 된다. 따라서 본 연구는 삶의 만족도를 “특정 지역 거주민들에게 다른 지역으로의 이주는 전혀 고려하지 않은 상태에서 해당 지역이 얼마나 살기 좋은지를 나타내는 정성적인 느낌”(이승훈·박지섭, 2022)으로 정의하고자 한다. 이러한 정의로 인해서 지역주민이 다른 지역으로 이동하는 것으로 내포하면서 기존의 만족도 조사와 다르게 실제적인 주민들의 행동에 기반한 지표로 볼 수 있으며, 이를 지역매력도 개념으로 적용하고자 한다.

지역매력도는 이승훈·박지섭(2022)의 방법론을 활용하여 본 연구에서는 시도와 도시 및 농촌 구분으로 순위화하였으며, 이와 관련된 논문은 Lee et al.(2021)의 국제간의 흐름에서 삶의 질을 판단한 연구이다. Lee et al.(2021)에서는 이산 선택모형을 사용하여 전 세계 개인이 거주국가를 선택하거나 남는 옵션을 가정하고 이주비용이나 자국에 머무는 비용 등을 고려해서 이주에 대한 의사결정을 내린다. 이러한 개인 선택의 의사결정에 기반한 삶의 질을 측정하는 것은 기존 삶의 만족도 설문조사로 측정하는 방식의 한계를 보완하고 있다. 따라서 Lee et al.(2021)는 삶의 만족도를 설문조사가 아닌 실질적으로 나타난 선택 효용으로 국가의 후생을 계산하는 방법을 제시하였으며, Lee et al.(2021)의 방법과 유사하게 이승훈·박지섭(2022)에서는 시군구 지역 선택에 대한 인구이동의 지역매력도를 분석하고 있다. 이 방법론은 현시선호 이론을 근거로 지역 선택에 대한 효용을 극대화하는 방향으로 만족도가 높은 지역으로 이동한다고 가정한다. 이를 기반으로 이산 선택 모형(discrete choice model)을 구축하고 지역 간의 인구이동 데이터로 주관적인 판단이 아닌, 지역 경제주체들의 기회에 대한 선택에 따른 선호로 분석할 수 있다. 또한 이승훈·박지섭(2022)에서 추정된 지역매력도는 지역이 가지고 있는 매력도 비교로 지역의 효용과 선택 기회를 순위화할 수 있으며, 이는 인구이동의 흐름에 따른 정책 수립에 자료로 활용될 수 있다.

이승훈·박지섭(2022)은 기존의 만족도로 측정하는 연구와 다르게, 지역매력도 는 지역에 따른 거리를 반영하고 이주 비용과 효용을 고려한 복합적인 선택 요소로 기존의 만족도 측정보다는 효과적이라고 설명하고 있다. 따라서 본 연구는 지역매력도를 시도 단위에서 분석하고 확장하여 도시와 농촌 지역매력도의 차이를 종합적으로 분석하고자 한다. 이러한 방법으로 추정된 지역매력도는 지역 간 개인의 효용 극대화 관점에서 미시적 관점과 거시적 관점을 통합할 수 있으며, 인구이동의 현상을 밝히는 데 있어서 더욱 효과적일 것으로 판단된다. 또한, Lee et al.(2021)과 이승훈·박지섭(2022) 연구에서 제안한 매력도 측정 방법을 응용하여 도시와 농촌 간 인구이동에 적용하고자 한다. 도시와 농촌 지역매력도의 순위를 지역 차이에 비교함으로써 연구를 확장하고자 한다.

1. 중력모형

중력모형은 만유인력 법칙을 이용하여 인구 규모와 거리가 결정적인 요인으로 급성장하는 도시로 거주자들이 쉽게 도시로 이동하고 인구감소 위기 지역의 농촌 거주자는 쉽게 유출되어 도시로 보충되는 분산과 흡수과정을 설명하는 이론이다(김의준 외, 2019). 이러한 중력모형이론은 인구이동에 관한 예측모형에 적용되고 있으며, 중력모형의 인구 규모가 클수록 끌림의 효과는 증가하고 이에 따라 인구이동이 증가하는 효과는 지역매력도의 개념에 반영된다. 개인은 다른 지역으로 이동하는 목적이 삶의 질의 향상을 추구하는 매력적인 지역이라는 부분은 지역의 상대적 선호를 보여주고 취업, 주거 등 기회요소가 많은 곳으로 선택을 결정하게 된다는 관점이다. James E. Anderson의 중력모형에서 지역매력도 맥락을 찾을 수 있으며, James E. Anderson의 중력모형²⁾은 국제무역에서 자주 활용되는 실증적 모형으로 만유인력 법칙에서 착안하여 무역 흐름을 설명하고 있다. Anderson(2011)은 McFadden 연구로 인해서 이산 선택 모형이 발전하였고 관찰된 선택에 대한 오차항이 Type 1 극값 분포를 따르는 다항 로짓 모형이라고 한다. 이 다항 로짓 모형은 중력모형을 생성하는 것으로 적용할 수 있으며, 이주 모형의 합리성을 부여하고 있다. 그리고 중력모형은 오랫동안 생산요소 이동을 실증적으로 추정하는 데 이용되며, 생산요소 이동에서 노동자의 이주 결정에 따른 선택확률을 다항 로짓형태로 나타낼 수 있다고 이론적 배경 중 하나로 언급하고 있다.

McFadden(1974)에 의하면, 개인의 고유 효용인 가 type-1 extreme value 분포를 가정하면 특정 목적지를 선택할 수 있는 확률은 다항로짓형태로 나타낼 수 있다. 이는 다자간 저항이라는 개념과 더불어, 다른 선택지의 존재로 한 선택지가 상대적으로 매력을 낮추는 효과로 발생하는 간접적인 저항효과를 측정한다는 맥락에서 지역매력도 측정에 대한 선택적 확률에 대한 직관적인 근거를 제시할 수 있다.

2. 조건부 McFadden 로짓 모형

확률적 선택에 따른 지역매력도 측정은 조건부 McFadden 로짓 모형을 적용하고 있으며, McFadden 로짓모형과 같은 다중선택 모형(Multinomial Choice Model)은 종속변수가 여러 개의 비순서형 대안들에 대한 선택 추정 시 활용된다. 이러한 다중선택 모형은 선택 대안과 개인의 특성을 반영한 선택확률을 모형화한 것으로 종속변수가 비순서형 다항 선택모형을 세 가지로 구분할 수 있다(민인식·최필선, 2022). 선택확률이 의사결정을 하는 개인의 특성으로만 결정되는 모형, 개인적인 특성과 대안의 특성에 의존하는 가정에 기반한 모형, 선택 대안들의 상관관계가 존재하는 경우 활용하는 분석으로 구분할 수 있다(민인식·최필선, 2022). 이 세 가지 모형에서 마지막에 해당하는 모형만 IIA(Independence of Irrelevant Alternatives) 가정을 완화한 모형으로 선택 가능한 대안들의 독립적인 선택확률을 고려한 모형이다. 민인식 외(2012)에서는 주택담보대출 상품을 대안들의 상관관계를 고려한 nested 로짓 모형을 적용하고 있다.

본 연구에서는 17개 시도와 도시와 농촌으로 구분한 27개 시도 지역들을 선택 집합으로 분석하였으며, 지역 이동이 전입신고를 기반한 데이터인 점을 고려하여 지역 간의 독립성을 가정한 조건부 McFadden 로짓 모형을 활용하고자 한다. 이를 통해 개인이 지역을 선택하는 기회요인 또는 효용이 최대화되는 확률을 반영한 분석 방법을 적용하고자 한다.

McFadden(1974)에 의하면, 경제학에서 인간의 선택하는 행동을 이해하기 위해서는 행동에 영향을 주는 다양한 요인을 관찰하거나 통제할 수 없는 이유로 드러난 선택 행동의 특성을 경험적으로 검증해야 한다. 이에 따라, 조건부 로짓 모형은 개별 개인의 의사결정에 대한 선택확률을 바탕으로 한 계량경제학적 모형으로 경험적인 속성으로 한 실증적인 방법론이다. McFadden(1974)에서는 조건부 로짓 분석이 개별적으로 행동한 모델을 선택한 결과와 연계가 가능하게 하며, 대학 선택확률, 노동시장 참여, 이주 결정, 주택, 여행 등 다양하게 계량경제학적 측면에서 선택 행동의 분석에 활용할 할 수 있다. 조건부 McFadden 로짓 모형은 종속변수를 0과 1로 표현되고 선택에 대한 그룹 집합의 합은 1이 되는 데이터의 형태이다(민인식·최필선, 2021). 이러한 데이터 형태로 구성되어 있는 McFadden모형은 개인의 특성과 대안의 특성을 모두 반영한 분석모형을 구축할 수 있다.

일반적인 조건부 로짓 모형은 여러 시점에서 발생한 사건을 분석하지만, McFadden 로짓 모형은 선택 변수가 한 시점에서 한 번만 이루어진다고 가정하고 있다(민인식·최필선, 2021). 따라서 McFadden 로짓 모형은 시간에 대한 부분을 이용하지 않고 있으며, “시간가변 변수 개인 또는 그룹이 선택할 수 있는 대안에 따라 달라지는 변수이고 시간불변 변수는 대안에 대해서 모두 같고 개인 또는 그룹에 따라서 변화하는 변수”(민인식·최필선, 2021)이다. 이 모형은 개인이 선택 가능한 대안에서 최대 효용을 선택한다고 가정하고 있으며, 본 연구에서는 McFadden 로짓 모형을 적용하여 시간적인 측면에서 횡단면적으로 대안의 특성을 고려한 분석이고 10년 데이터에서 각 연도 지역매력도 순위를 추정하였다. 다음 식은 McFadden 로짓 모형을 나타내며 개인 i가 지역 j를 선택하였을 때 얻는 효용 U_ij을 표현한 것이다. 그리고 x_i는 개인 특성이고 z_ij는 대안 특성을 포함하고 있으며, β_j는 개인 특성과 지역 j 대안 사이에 미치는 영향 정도로 해석할 수 있다. ε_ij는 효용을 결정하는 확률적 요인이다. 여기서 β_jx_i + ωz_ij는 체계적인 요인이며, 본 연구에서는 비용이 거리와 비례하는 가정으로 거리에 대한 설명변수를 설정하고자 한다. 또한 McFadden 로짓 모형을 추정하기 위한 로그 우도함수에서 선택이 가능한 대안의 합이 1임을 알 수 있다(이승훈·박지섭, 2022; 민인식·최필선, 2022).

McFadden 로짓 모형은 선택 대안에서 개별적인 의사결정 과정을 확률적으로 모형화한 선택 행태를 분석함에 있어 유용한 도구이며, 이 모형은 독립적 선택 대안(Independence of Irrelevant Alternatives, IIA) 공리를 활용하고 있다. 그래서 선택확률을 대안들에 대한 상대적인 효용에 기반한 해석이 가능하지만, 대안 간 차별적 대체성 또는 보완성을 반영하지 못한다는 한계가 존재한다. 조건부 로짓 모형은 최대우도법(Maximum Likelihood Estimation)으로 추정할 수 있으며, 제약 없는 비선형 최적화를 위하여 다양한 표준 분석 방법을 이용할 수 있다(McFadden, 1974). 본 연구에서는 기존 연구방법론을 기반으로 지역별 선택 대안 간 확률적 선택을 모형화하고 지역매력도를 순위화하고자 한다.

기존 연구 이승훈·박지섭(2022)에서는 지역에 대한 선택확률을 McFadden 로짓 분석으로 추정한 후, 거리적인 요인을 제거한 지역매력도를 추정하였다. 이렇게 산출된 지역매력도를 시군구 단위로 인구 규모를 통제한 효과를 추정하여 분석하고 있다. 또한, 지역 간의 이동과 이주로 인해서 발생하는 비용(c_od)이 두 지역의 중심거리와 비례하고 지역매력도는 지역특성과 선형조합을 나타낼 수 있다고 가정하였다. 즉, 거리적인 요인을 통제하면서 제외한 지역매력도를 추정하고 있으며, 이동 선택에 대한 최대 효용 값에서 거리 및 비용 부분을 제거하고 있다. 본 연구에서는 인구 규모 효과를 제거하지 않은 지역매력도와 패널 GLS 분석으로 인구 규모 효과를 제거한 지역매력도를 비교함으로써 인구 규모에 따른 효과가 큰 지역과 상대적 지역매력도를 비교 분석하고자 한다. 이를 통해 시도, 도시와 농촌 지역적인 매력도로서 개별지역의 인구 유인 효과에 대한 비교·분석하고자 한다.

3. 통계적 추정 방법

지역매력도에서는 인구이동을 결정한 경제주체의 선택 행동으로 선호를 분석하고 지역의 선택 기회를 추정할 수 있다. 다음 J개의 개별지역이 있고 각 개별지역 j에 대한 초기 인구 규모는 N_j로 나타낼 수 있으며, 개별지역 j는 개인에게 일자리, 소득 등과 같은 다양한 기회인 K_j를 제공한다. 이러한 지역이 가지고 있는 기회(K_j)는 인구 규모가 클수록 증가하며, 이는 인구 규모가 클수록 지역에서 창출할 수 있는 노동력이 향상함에 따라 경제적인 기회, 문화·사회적 기회, 기반시설 및 공공서비스 등 다양한 기회요인들이 증가한다. 즉, 인구가 많은 개별지역은 집, 일자리, 노동 등 다양한 기회요인들로 더 많은 직장과 생활 인프라가 구축되고 이는 작은 지역에서 큰 지역으로 옮기는 이유에서 다양한 선택 기회요인을 활용하기 위한 이주 가능성을 의미할 수 있다(이승훈·박지섭, 2022). 여기서 이주하기 전에 원래 지역인 o∈J 는 주민 i는 지역 기회(k∈K)를 선택하고 이주한 후에는 개인 지역 주민의 효용 U를 극대화하는 선택을 할 것이다. 따라서 지역주민들에게 다양한 기회요인을 제공하게 되면 개인은 자신의 효용 을 극대화할 수 있는 선택을 하게 되면서, 다른 지역으로의 이동 여부가 결정되고 다음과 같은 식으로 나타낼 수 있다. 여기서 기회 k를 선택하는 것은 목적지 d(k)를 선택하는 것으로 간주할 수 있으며, 동시에 이주하는 데 드는 비용도 고려하는 과정 이 필요하다. 거주지역에 기회 k를 선택하고 그 기회를 제공하는 d(k)에 정착하는 선택을 하는 것으로 해석된다.

지역주민이 자신의 효용이 극대화 가 되는 지역을 선택하며, 이는 지역매력도 u_d가 높은 지역을 의미한다. 이때, 현재 거주지 o(k)에서 목적지 d(k)로 이동하는 비용 c_od에 따라 달라질 수 있으며, 이동 비용의 두 지역의 중심거리와 비례하는 것으로 추정하였다. 거리 변수를 이동 비용의 대리변수로 설정하였으며, 거리에 대한 효과를 선택에 넣어 중력효과를 모형에 포함할 수 있다(이승훈·박지섭, 2022). 그리고 목적지 d가 제공하는 기회로 기존 거주지역으로 유사한 수준 지역매력도 u_d를 제공하는 것을 가정하고 있다. 지역매력도는 지역의 선택 기회요인을 반영할 수 있으며, ξ_d은 선택 대안들의 특성을 반영하는 변수이며, 지역의 이주 정책 등과 같은 관찰되지 않은 목적지의 기회요인이다. 그리고 지역의 효용을 결정하는 체계적인 요인은 (u_d - c_od + ξ_d)이 된다. 여기서 확률적인 요인의 오차항 은 개인에 따라 다른 확률적인 효용으로 Gumbel(type-I extreme value) 분포를 따른다. 이런 가정은 개인이 원래 지역에서 다른 지역 d로 선택 할 확률을 다음 식 (3)과 같이 추정할 수 있다.

이승훈·박지섭(2022)에서는 는 이동한 목적지 d의 인구 규모에 따라서 제공하는 기회의 수, γ는 지역의 크기와 기회의 수 사이를 조정하는 매개변수를 의미한다. 이처럼 목적지의 규모가 증가할수록 기회도 증가하는 현상에서 γ는 1 이외의 다른 값을 가지도록 허용함으로 지역 규모의 상관관계가 있는 요인들의 편향성을 줄일 수 있다. 그리고 지역의 인구 규모를 고려함으로써 목적 지역의 크기에 따라 중력 관계(gravity relationship)가 형성되고 이러한 중력 관계는 두 지역의 인력요인 크기에 비례하고 거리의 제곱에 반비례하는 함수로 나타낼 수 있다. 이를 반영하고자 지역매력도에서는 지역의 유인효과와 기회요소를 바탕으로 매력도를 추정한다. 본 연구에서 관심 변수는 지역매력도로 거주 매력 추정치인 u_d를 측정하고자 하며, 이는 지역의 복합적인 개인의 효용을 최대화할 수 있는 복합적인 만족도를 의미한다.

McFadden 로짓 모형 추정 방법을 기반으로 다음 식과 같이 지역매력도를 추정하고자 한다. 우선 목적지의 효용(u_d)을 추정하기 위해서는 장거리 이동의 특성을 결과적으로 발생한 이동으로 반영하고자 지역 간의 이동에 대한 심리적인 비용을 두 지역의 중심거리에 비례하는 것으로 가정하여 (c_od = ln(d_od)β)과 같이 설정하고자 한다. 본 연구에서는 기원지의 여건 등 삶의 질에 대한 불만족으로 이동하거나 목적지의 기회요소가 더 많은 좋은 지역으로 찾아서 이동하는 것으로 보고자 한다.

본 연구의 모형은 크게 두 단계로 분석하고 있다(그림 1). 먼저, δ_d를 두 지역의 중심거리 변수를 반영한 McFadden 로짓 모형으로 추정한다. 그리고 추정된 지역매력도인 유인 효과인 δ_d를 종속변수로 두고 선택확률에서 거리에 대한 효용 평가를 제외한 δ_d를 추정하고자 한다. 이를 본 연구에서는 중력모형에 기반한 지역 인구의 크기에서 오는 lnN_d를 포함한 지역매력도로 정의하고 이를 순위화하고자 한다.

Figure 1.

Research model

두 번째 단계에서는 인구 규모 lnN_d 효과를 제외한 상대적 지역매력도를 추정하기 위해서 2014~2023년 패널 분석을 적용하여 를 추정하고자 한다. 그리고 추정한 를 대입하여 상대적 지역매력도 를 측정하고자 한다. 기존 연구에서는 회귀분석으로 추정하였으나, 본 연구에서는 시간적인 요소를 포함하고 있어 패널 회귀분석으로 추정하였으며, 추정된 로 상대적 지역매력도를 순위화하여 분석하고자 한다. 이를 통해, 인구 규모가 제외되었을 때 변화되는 지역매력도 순위 차이와 시간에 따른 변화양상을 분석하고자 한다. 이때, 상대적 지역매력도 u_d는 지역 특성의 선형조합 로 나타낼 수 있다.³⁾ 여기서 측정하고자 하는 질적 매력도인 δ_d는 인구 규모에 대한 효과와 지역적인 기회요소가 가 결합되어 있으며, 는 인구 규모에 따른 효과를 제외한 지역의 질적인 매력도를 의미한다. 본 연구에서는 를 1인당 지역내총생산 대리변수로 활용하였으며, 이는 지역매력도 및 삶의 질과 연관된 1인당 GRDP로 가정하였다. 1인당 지역내총생산이 높다는 것은 지역의 경제적 활력과 생산성이 높은 것을 의미하고 기회요인으로 질적 매력이 발현될 수 있도록 하는 물적인, 재정적인 기반을 대변하는 대리변수로 활용된다. 따라서 1인당 GRDP를 통해 지역의 내재적 질적 매력을 뒷받침하는 경제적 배경을 파악할 수 있다. 그리고 현재 모형에서 는 경제적 요인과 다른 물적인 요소까지 포함하고는 지역매력도이며, 1인당 GRDP를 활용하는 것은 를 구성하는 관측 가능한 일부 요소인 물리적 기반으로 궁극적으로 인구 규모를 제거한 질적 매력의 근원적인 지역매력도를 측정하기 위함이다. 최종적으로 본 연구에서 측정하고자 하는 질적 매력도는 1인당 GRDP와 를 포함한 여러 요소를 통제하고 남은 잔여분을 포함하는 더 넓은 개념으로 다양한 요인들이 지역에 미치는 요인으로 측정하고자 한다. 마지막으로 1인당 GRDP는 시도에서는 1인당 GRDP는 GRDP/인구수이며, 도시와 농촌지역에서는 합계종사자 수를 가중치하여 GRDP를 추정하고 각 인구수로 나눈 값으로 설정하였다. 또한 기존 연구에서는 횡단면 데이터로만 적용하였으나, 본 연구에서는 시간적인 순위 변화를 통해서 지역적인 특성의 변화를 보고자 한다.

McFadden 로짓 모형으로 추정한 는 상대적인 값으로 선택대안에서 기준 대안을 0으로 설정하여 기준 대안(base alternative)을 바탕으로 분석한다. 이러한 상대적인 값은 절대적인 값이 존재하지 않는 수치로 순서형으로 측정해야 한다. 이를 위해서 다음 식과 같이 상대적인 백분율로 환산하였으며, 이는 횡단면에서 추정된 값을 연도 단위로 최저와 최고치를 기반으로 변환하고 γ를 추정하기 위한 패널회귀 분석으로 지역매력도 의 추정치 구할 수 있다. 패널회귀 분석은 고정계수, 가변절편, 가변절편&기울기 모형 등이 있으며, 고정계수는 POLS 합동모형, 패널 GLS, 패널 GEE 등 모형이 있다. 본 연구에서는 를 추정하기 위해 패널 GLS 모형은 이용하였으며, 패널 GLS 모형은 동시적 상관성, 이분산성, 자기상관 등을 해결하는 데 유용한 모형이다.

본 연구는 인구 규모가 포함된 지역매력도(δ_d )의 순위와 인구 규모 효과가 제외된 패널분석으로 추정한 상대적 지역매력도( )의 차이를 보고, 시도 및 도시와 농촌지역에 대한 차이를 분석하고자 한다. 이를 위해 시도 17개를 기준으로 분석하였으며, 또한, 광역시, 특별시는 도시 17개, 나머지는 도시지역은 동부, 농촌지역은 읍면부로 10개 지역으로 27개 선택 대안으로 설정한 모형을 구축하였으며, 본 연구의 지역매력도는 전입지로 선택할 선호도를 계량화한 것이다.

1. 기초 통계분석

본 연구의 시도 간 이동 데이터는 다른 시도 간의 이동과는 목적이 다르고 다른 시도를 선택하였을 때의 장거리 이동이 생활권의 변화가 크게 나타난다는 점을 고려하여, 시도 내부이동은 제외한 통계자료를 활용하였다. 17개 시도 순전입자 인구 현황은 다음 <표 1>과 같으며, 경기의 순전입자 규모는 2014년 기준 31,551명에서 2023년 기준 24,484명으로 전입자가 많게 나타났다. 반면에, 서울의 순전입자 인구 규모는 2014년 기준 -28,925명에서 2023년 기준 6,851명으로 증가한 것으로 2023년에는 전입인구가 많게 나타났다. 오히려, 경남지역은 전입자 수가 2014년 기준 816명에서 2023년 기준 -14,634명으로 감소한 것으로 나타났다. 2014년에 전출자가 전입자보다 많은 지역은 경북, 광주, 대구, 대전, 부산, 서울, 전남, 전북으로 나타났으며, 2023년에는 강원, 경남, 경북, 광주, 대구, 대전, 부산, 울산, 전남, 전북, 제주 지역으로 나타났다. <그림 2>는 인구이동량의 공간적 자기상관성을 검정한 것이며, Moran(1950)의 I지수를 산출 결과이다. 이를 살펴보면, Moran I는 2014년 음의 관계(-0.213)에서 점차 강한 양의 관계(0.649)로 변하고 있다. 이는 공간적으로 분산된 상태에서 집중되고 있는 양상의 수도권으로의 집적현상이 나타나고 있는 것으로 판단된다.

Table 1.

Scale of net in-migration by region

Figure 2.

Scale and proportion of net in-migration

행정구역을 기준으로 도시와 농촌을 구분하기 위해 광역시, 특별시는 도시 17개, 나머지는 도시지역은 동부, 농촌지역은 읍면부로 10개 지역으로 27개로 구분⁴⁾하였다. 다음 <표 2>은 도시와 농촌지역 인구 순전입자수의 규모 및 비중 추이를 나타낸 것이며, 2023년 도시에서 전출자보다 전입자가 많은 지역은 경기, 서울, 세종, 인천, 제주, 충남 지역이다. <그림 3>에서는 Moran I지수가 시도 분포 현상과 유사하게 나타났다. 기존에는 인접 지역의 상관성이 높지 않았지만, 최근에는 높아지고 있으며 인접한 지역의 상관이 높게 나타났다. 그리고 수도권은 인천과 서울은 증가하고 비수도권은 대부분 지속적인 인구 유출이 나타나고 농촌은 지역별로 변동이 큰 것으로 보인다.

Table 2.

Scaleofnet in-migration (urbanandrural areas)

Figure 3.

Scaleofnet in-migration (urban and rural areas)

또한, McFadden 로짓 모형은 대안(전입지)의 선택확률에 초점을 맞추어 개인의 효용을 극대화하는 지역을 선택하는 확률 모형(민인식·최필선, 2022)으로 각 지역의 전입인구에 대한 현황을 살펴보면 다음 <표 3>과 같다. 인구 규모가 가장 높은 지역은 경기 23.2~25.7%와 서울 19.8~20.8%로 가장 높게 나타났다. 그리고 <표 4>와 같이 도시와 농촌 인구의 전입자 규모는 도시의 경우, 경기 18.1~20.0%와 서울 16.5~16.9%로 가장 큰 비중을 차지하고 있다. 농촌에서는 경기 6.2~7.3%로 가장 많다. 또한, <표 4>와 시도 전입자를 통해서 시도의 도시와 농촌의 이동량을 파악할 수 있으며, 이동량이 많은 지역은 경기와 경남, 경북으로 나타났다.

Table 3.

Number of in-migrants by region

Table 4.

Number of in-migrants by region (urban and rural areas)

2. 시도 지역매력도 순위

지역의 경제, 문화, 사회 등의 차이를 반영하는 인구이동 지표는 단순한 거주지 변경을 넘어 지역의 기회요인에 따라 매력도를 결정짓는 핵심 요소이다. 본 연구는 지역매력도의 특성을 분석하기 위해서 시도 및 도시와 농촌지역 간의 차이를 비교하고 인구 규모를 반영한 지역매력도와 인구 규모를 제외한 상대적 지역매력도를 추정하고 순위화하였다. 이를 통해 인구이동에 기반한 선택확률로 순위가 높은 지역과 그렇지 않은 지역의 차이를 찾고, 도시와 농촌 구분으로 시사점을 도출하고자 한다. 시도 17개의 추정된 지역매력도 순위는 <표 5>와 같으며, 2023년 기준 총인구 규모에서는 수도권 경기, 서울, 그다음 부산, 경남, 인천으로 나타났다. 이에 따라서 인구 규모가 큰 지역인 서울과 경기 지역에서 가장 높은 1순위와 2순위로 나타났다. 그리고 인구 규모가 다섯 번째인 인천은 지속해서 3위로 나타났다. 수도권 지역인 경기, 서울, 인천으로 수도권 지역이 지역매력도 순위는 1~3위까지 가장 높게 나타났으며, 이는 거리에 대한 효과를 제외하였음에도 불구하고 인구 규모가 지역 간 선택확률에 상당한 영향을 미치는 것으로 보인다. 비수도권에서는 경북과 경남, 충남, 부산 지역이 4위, 5위, 6위, 7위로 번갈아 가면서 나타났으며, 8~9위 대구로 나타났다. 그리고 8~11위는 전남과 대전 지역으로 나타났으며, 2023년에는 전남이 8위에서 11위, 광주는 12위에서 14위로 하락하였다.

Table 5.

Regional attractiveness rankings

2023년 기준 세종과 제주는 가장 낮은 순위로 16위와 17위로 나타났으며, 15위는 울산으로 낮은 순위로 나타났다. 2014~2023년 시간상으로 순위 변화를 살펴보면, 충북은 2014년에서 2023년 기준으로 13위에서 9위로 순위가 가장 많이 높아진 것으로 나타났다. 다음은 충남으로 7위에서 4위로 상승하였지만, 가장 많이 낮아진 지역은 전남과 광주로 나타났다.

McFadden 로짓 모형으로 지역매력도를 추정한 후에 예측확률을 추정하였으며, 다음 <표 6>과 같다. 시도 선택에 대한 예측확률 추정치는 거리(비용)를 포함한 선택확률이며, 이는 선택이 가능한 대안의 지역을 선택할 예측확률을 의미한다. 2023년 서울(20.72%)과 경기(23.88%)로 가장 높은 수치이며, 특히 서울과 경기 지역을 합치면 매년 약 40% 이상 차지하고 있는 것으로 나타났다. 이는 기존 순전입인구에서는 두 지역이 유출지역으로 나타날지라도 인구 규모의 경제와 확률적 흡인력을 본 연구의 지표가 보완적으로 설명해 줄 수 있음을 시사한다. 즉, 2014~2022년 서울이 유출(전출)이 존재함에도 불구하고, 여전히 이주 결정자의 선택지 중에서 압도적인 선택확률을 보유한 지역임을 의미한다. 이는 지역매력도 지표가 단순한 인구 증감 지표를 넘어, 공간적 집적과 수도권 집중 현상을 설명하는 보다 정교한 도구가 될 수 있음을 보여준다.

Table 6.

Predicted probability by region selection

3. 도시와 농촌지역 지역매력도 순위

도시와 농촌의 구분은 도시지역 17개, 농촌지역 10개로 구분으로 27개 개체로 구분하였으며, 추정된 지역매력도 순위는 다음 <표 7>와 같다. 2023년 기준 총인구의 규모는 도시에서는 경기U, 서울U, 부산U, 인천U, 대구U, 경남U 순으로 나타났으며, 농촌에서는 경기R, 경북R 순으로 나타났다. 그리고 시도 지역매력도 순위와 동일하게 인구 규모가 가장 큰 도시지역의 서울U, 경기U가 가장 높은 1순위와 2순위로 나타나고 있으며, 인구 규모가 일곱 번째인 경기R 지역이 10년간 지속해서 3위로 나타났다.

Table 7.

Regional attractiveness rankings (urban and rural areas)

4위, 5위, 6위는 부산U, 인천U, 경남U으로 나타났으며, 7위는 경남U으로 나타났고 가장 낮은 순위는 제주U와 세종U, 세종R으로 나타났다. 2014년에서 2023년의 순위 변화를 살펴보면, 도시는 충북U가 21순위에서 19순위로 가장 많이 높아졌으며, 다음은 충남U가 15위에서 13위로 순위가 상승하였다. 농촌에서는 충북R이 20위에서 16위로, 충남R이 8위에서 6위로 상승하였다. 가장 많이 하락한 지역은 경남R는 7위에서 12위로 하락하였으며, 대체로 수도권 제외한 지역이 하락하였다. 그리고 도시와 농촌지역의 예측확률을 얻기 위한 선택확률을 추정하였으며, 다음은 <표 8>과 같다.

Table 8.

Predicted Probability by region selection (urban and rural areas)

4. 시도 상대적 지역매력도 순위

상대적 지역매력도를 추정하기 위해서 를 패널 GLS로 분석하였으며, 추정치는 33.4307로 나타났다. 이를 반영한 추정된 지역매력도 는 인구 규모 효과를 제외한 순위이며, 이를 통해 시간적인 변화를 포함한 지역이 고유하게 가지고 있는 상대적 지역매력도를 간접으로나마 추정하였다. 패널 GLS 추정 결과는 다음과 <표 9>와 같으며, 적용한 모형은 앞서 설명한 이며, 이분산성과 자기상관성을 검정한 결과 귀무가설을 기각하였다. 이를 해결하기 위하여 AR(1)의 구조로 1계 자기상관을 가정하였으며, 패널 개체간 이분산성을 가정하여 패널 GLS 추정하였다.

Table 9.

Panel GLS analysis results for estimation

17개 시도의 상대적 지역매력도 순위를 측정한 결과는 다음 <표 10>과 같으며, 이승훈·박지섭(2022)⁵⁾에서 측정한 결과에서는 2015년 기준 지역매력도가 가장 높은 지역은 세종, 제주, 경기이고 낮은 지역은 울산, 광주, 대구로 나타났다. 그리고 2020년에 높은 지역은 세종, 경기, 제주로, 낮은 지역은 울산, 전남, 경북으로 나타났다. 이와 비교하면, 2014년 세종, 대전, 충남이 높고, 경남, 부산, 제주가 낮게 나타났다.

Table 10.

Relative regional attractiveness rankings

2023년 기준 세종, 대전, 충남, 인천 순으로 높게 나타났고 가장 낮은 순서는 부산, 경남, 전북 지역으로 나타났다.

또한, 앞서 제시한 지역매력도와 순위를 비교하였을 때(그림 4) 인구 규모 효과를 제거하여 순위가 가장 많이 증가한 지역은 2014년 강원, 세종, 광주, 대전이며, 가장 많이 낮아진 지역은 경기(1위→12위), 부산(6위→17위), 경남(5위→14위)으로 나타났다. 2023년은 세종, 대전, 제주로 나타났으며, 낮아진 지역은 경남(6위→16위), 부산(7위→17위), 경기(1위→10위)로 나타났다. 이러한 결과는 인구 규모에 따른 효과가 큰 지역이 경남, 부산, 경기로 지역매력도 순위에서 확인할 수 있었다. 2014년 대비 2017년 서울과 경기의 상대적 매력도가 급격히 상승한 것은 2014년은 저성장과 부동산 침체기였으나, 2017년은 부동산 시장의 활성화와 함께 수도권으로의 진입 욕구가 극대화 및 수도권 중심의 광역교통망 확충 및 고용 기반 집중 현상 등이 복합적으로 기여한 것으로 예상된다.

Figure 4.

Regional attractiveness rankings

5. 도시와 농촌지역 상대적 지역매력도 순위

도시와 농촌의 상대적 지역매력도를 측정하는 방법도 동일하게 적용하였으나, 현재 읍면동 GRDP 자료는 제공되지 않아 합계종사자수를 가중치로 두고 농촌과 도시의 GRDP를 추정하였다. 그리고 추정한 GRDP를 인구로 나누어서 1인당 GRDP를 추정한 지표를 활용하였다. 를 추정하기 위해 자기상관은 유의하지 않았지만, 동시적 상관성, 이분산성 등을 고려하여 다음 <표 11>과 같이 패널 GLS 분석하였으며, 으로 추정계수는 21.0378로 나타났다.

Table 11.

Panel GLS analysis results for estimation (urban and rural areas)

도시와 농촌의 상대적 지역매력도 순위는 다음 <표 12>와 같으며, 2023년 1위는 제주R이고 2위는 충북R로 나타났다. 인구 규모를 포함한 지역매력도와 비교하였을 때 서울U과 경기U이 1, 2순위로 나타난 것과 대조적으로 나타났으며, 3~5위는 경기R, 충남R, 경북R로 나타났다. 인구 규모에 따른 지역매력도 순위가 가장 많이 높아진 지역은 제주R, 전북R, 충북R, 세종R 등이며, 낮아진 지역은 부산U, 대구U, 경남U, 인천U로 대부분 농촌지역의 상대적 지역매력도는 상승하였으나, 도시지역은 감소하는 것으로 나타났다(그림 5).

Table 12.

Relative regional attractiveness rankings (urban and rural areas)

Figure 5.

Regional attractiveness rankings (urban and rural areas)

6. 분석결과 종합

본 연구는 인구이동의 확률적 선택에 기반한 지역매력도와 상대적 지역매력도 측정을 통해서 지역적인 유인 효과의 차이를 보여주고, 지역의 매력도와 잠재적인 경쟁력을 비교 분석할 수 있다. 다음 <그림 6>은 지역매력도와 상대적 지역매력도를 유형화하여 나타낸 것이다. 여기서 인구 규모가 포함된 지역매력도가 높은 지역은 규모의 경제 효과 또는 시장 크기 등 현재의 환경이 인구 유치에 영향을 주는 총체적인 힘을 나타낸다. 이는 특정 지역이 인구를 끌어들이는 힘의 정도로 나타내고, 상대적 지역매력도는 지역의 내재적인 조건으로 단순한 인구 규모가 아닌 질적인 차원에서 잠재적인 인구 유치 역량을 보여준다. 즉, 현재 인구 규모가 작더라도 인프라 또는 지역 삶의 질이 좋으면 높게 나타나는 형태로 해석이 가능하다. 따라서 두 지표의 조합을 통해 지역의 현재 상태와 잠재력을 동시에 파악하고, 이에 따른 인구이동의 경향에 따른 지역 유형을 크게 4가지로 분류할 수 있다.

Figure 6.

Regional attractiveness and relative regional attractiveness (2023 year)

첫째, 지역매력도와 상대적 지역매력도 순위가 모두 높은 지역은 고매력·고경쟁력 지역으로 인구 규모도 크고 인구 유치를 위한 질적 기반도 우수한 지역으로 성장의 지속과 과밀화 방지가 중요한 지역이다. 둘째, 모든 순위가 낮은 지역은 저매력·저경쟁력 지역으로 인구 규모도 작고 지역 내 인프라의 질적 매력도도 모두 낮아 지역 활성화를 위한 투자 또는 기능 전환이 필요한 지역이다. 셋째, 고매력·저경쟁력 지역으로 현재 인구 규모는 크지만, 지역 내 인프라의 질적 매력이 약하여 잠재적인 경쟁력이 떨어지는 지역으로 인프라 개선 및 지역 재생 등과 같은 삶의 질적 향상이 필요한 지역으로 인구 규모 효과만 큰 유형이다.

넷째, 저매력·고경쟁력 지역으로 현재 인구 규모는 작지만, 일자리, 환경 등 인프라가 우수한 잠재적 유치 역량이 높은 지역으로 적극적인 홍보와 정주 여건 개선으로 인구에 대한 규모 확대 유도가 필요한 지역이다. 이처럼 4가지 기준에서 각 지역으로 분류한 결과, 고매력·고경쟁력 지역은 서울, 인천, 경북, 충남으로 나타났다. 저매력·저경쟁력 지역은 울산, 전북, 광주, 전남으로 나타났으며, 인구 규모는 크나 내부 경쟁력이 약한 고매력·저경쟁력 지역은 부산, 대구, 경남, 내부매력도가 높은 저매력·고경쟁력 지역은 세종, 대전, 제주 등으로 나타났다. 인구 규모를 제외한 상대적 지역매력도에서 세종과 대전은 높은 지역매력도 순위로 나타났다. 이는 행정 중심 기능과 공공기관 이전 효과가 반영된 것으로 해석되고 반면 부산, 경남 등은 인구 대비 매력도가 낮아져서 대도시 집중 및 경쟁 심화의 영향으로 매력도가 높게 나타난 것으로 판단된다.

도시·농촌지역의 지역매력도와 상대적 지역매력도 결과에서 도시지역은 고매력·고경쟁력 지역으로 서울, 경기, 충남으로 나타났으며, 농촌지역은 경기, 충남, 경남, 경북으로 나타났다. 저매력·저경쟁력 지역으로 도시는 제주, 울산, 충북, 전북, 강원, 전남이며, 농촌은 전남으로 나타났다. 특히 전남은 도시지역과 농촌지역 모두 저매력·저경쟁력 지역으로 인구 규모뿐만 아니라, 인프라까지도 열악한 것으로 나타나 성장의 중추 역할을 할 수 있는 전략적인 방안이 우선되어야 할 것으로 판단된다. 저매력·고경쟁력 지역은 농촌지역이 많이 나타났으며, 고매력·저경쟁력 지역은 도시지역이 대체로 차지하고 있다. 이는 지역의 발전이 단순한 인구 규모나 경제적 집중에 의해 결정되지 않음을 보여주고 있다.