지하철 및 고용접근성 변화가 서울시 고용중심지의 고용밀도 변화에 미치는 영향

고용중심지를 판별하는 방법은 여러 연구를 통해 진행되어 왔지만 그 방법과 기준이 조금씩 달랐다. 본 연구는 단순하지만 명확하고 간결한 Giuliano 와 Small (1991)의 고용밀도방법을 활용하여 서울시 고용중심지를 찾고자 하였다. 그들은 LA를 대상으로 고용밀도와 고용수를 사용해서 각 기초조사구(Census tract) 별로 10,000명 이상인 지역과 고용밀도 10/acre(0.0025/m2) 이상인 지역을 찾아내어 고용중심지라고 정의했다. 특히, 고용밀도만을 사용하면 고용밀도가 높지 않더라도 경제적 영향력이 큰 지역을 고용중심지에서 제외할 수 있는 문제점이 생길 수 있음을 지적하며, 이를 보완하기 위해 일정크기 이상의 고용자수를 보유한 지역을 고용중심지에 포함시켜야 한다고 강조했다. 이러한 방법은 단순하지만 널리 사용가능하고, 같은 기준을 사용한 여러 연구가 존재할 때 시점간 비교가 용이해 공간구조의 특징을 한눈에 알아보기 쉽다는 장점을 지닌다.

다만, 이러한 방법의 사용은 미시적인 단위의 데이터를 기반으로 했을 때 사용가능하다. 서울시 고용중심지를 탐색했던 기존의 연구들은 대부분 동단위의 데이터를 사용하였기 때문에, 단순한 밀도와 고용자수를 가지고 고용중심지를 판단하기가 쉽지 않았다. 하지만, 본 연구는 집계구 단위의 미시데이터를 기반으로 하기 때문에 Giuliano 와 Small (1991)의 연구방법과 같이 고용밀도를 기반으로 한 고용중심지 탐색이 가능하다. 하지만, 본 연구는 서울시가 LA에 비해 고밀도시임을 감안하여, 밀도기준을 보다 높게 산정하였고 (고용밀도 0.02/m2 이상), 이렇게 산출된 고용중심지를 대상으로 그 변화를 살펴보고, 접근성과의 관계를 살펴보았다. 고용 중심지를 식별하는 방법에 대한 보다 구체적 논의는 추후 연구에서 다루어질 필요가 있다.¹⁾

고용접근성을 측정하는 방법은 다양하며, 일반적으로 Hansen (1959)의 중력모형이 가장 널리 사용되고 있다. 기본식은 다음과 같다.

A_i = i지역의 접근성지수
E_j = j지역의 고용자수
γ = 거리저항계수
d_ij = 지역 i와 j사이의 거리

위 중력모형의 장점은 하나의 지표로 단순하고 정확한 지역내의 고용접근성을 표현하는데 있다(Cervero, et al., 1999). 하지만, Shen(1998)은 이 모형이 고용에 대한 잠재적인 수요를 고려하지 못하는 단점을 가진다고 주장한다. 다시 말해, 실제적으로 고용의 접근성은 공급적인 측면뿐이 아니라 수요적인 측면도 같이 고려해야 하며, 이는 각 지역마다 다양한 고용수요가 존재하기 때문이라고 강조한다. 예를 들어, 고용공급이 동일한 두지역이 존재할 때, 상대적으로 잠재적인 고용수요가 높은 지역이 한정된 고용공급에 대한 경쟁으로 인해 수요가 덜 한 지역보다 고용접근성이 낮을 수 있기 때문이다. 이러한 Hansen의 모형을 보완하기 위해 Shen은 고용수요를 고려한 수정된 중력모형을 제시하였다.

D_j = j지역의 잠재적 고용수요지수
P_k = k지역의 잠재적 고용자수

잠재적 고용수요자는 노동시장에 참여할 수 있는 고용 인구를 말한다. 통상적으로, 20세에서 65세까지의 인구를 노동 가능한 인구로 구분하고 있기 때문에, 본 연구에서는 잠재적 고용자수를 집계구별 20-65세의 인구를 가지고 사용하였다. 잠재적 고용수요에 대한 접근성지수는 이러한 잠재적인 고용 인구를 가지고 산출한 접근성 지수를 말한다. 다시 말하면, 잠재적 고용수요에 대한 접근성이 높은 지역일수록, 노동력의 확보가 용이한 지역이라고 할 수 있다. 이는 반대로, 잠재적 노동자들 사이의 경쟁이 심한 지역이라고도 할 수 있다.

이렇게 잠재적 고용수요를 고려한 수정된 중력모형은 Hansen이 개발한 고용접근성의 단점을 보완하며, 고용공급에 대한 잠재적 고용수요자들간의 경쟁을 반영한다는 장점을 가진다. 본 연구는 기존의 많은 연구들이 Hansen 모형을 사용하였던 것과는 달리, Shen의 수정 중력모형을 사용하여 서울시 고용접근성을 산출하고자 한다. 구체적으로 2000년과 2010년의 접근성이 어떻게 분포하고 있는지와 그 기간 동안 접근성이 어떻게 변화하고 있는지를 살펴보고, 고용접근성의 변화가 고용중심지의 변화에 어떠한 영향을 주었는지를 파악하고자 한다.

공간구조의 변화를 관찰하기 위해선 단일시점(cross-sectional)이 아닌 두 시점 이상의 자료를 사용한 연구가 필요하다 (진장익 외, 2014). 본 연구는 고용중심지 및 산업별 고용밀도변화에 지하철 및 고용접근성이 어떠한 영향을 주었는지를 판단하기 위해 다음과 같은 모형식을 사용한다.

ΔE = (ΔA,X)

ΔE : 고용밀도변화
ΔA : 접근성(지하철 역수, 지하철역까지의 거리, 고용접근성) 변화
X : 통제변수

고용기능의 변화에 영향을 미치는 주요 변수는 선행연구 분석을 통해 인구밀도, 세부산업분포 및 접근성 변수 등이 사용되고 있음을 확인하였다 (Giuliano et al., 2012). 이에 따라, 본 연구에서 사용할 최종변수는 표 1과 같다. 구체적으로 종속변수로는 고용밀도변화를 사용하며, 지하철 접근성의 변화와 고용접근성의 변화를 독립변수로 사용한다.

Table 1.

Descriptive Statistics (N : 11,270)

지하철 접근성 변수로는 집계구별 지하철 역수의 변화와 지하철역과의 거리변화를 사용한다. 또한, 고용밀도변화에 영향을 미치는 통제변수로는 밀도(density), 입지(location), 산업구성(industrial composition)과 관련된 변수를 사용한다. 도심이나 부도심과 같은 고용중심지는 이미 집적경제의 혜택을 누릴 수 있을 정도로 고용이 밀집해 있기 때문에, 기업들은 이러한 혜택을 누리기 위해 고용중심지에 입지하려고 할 것이다. 따라서, 고용밀도가 높은 지역은 향후 고용이 더욱 증가할 가능성이 높다. 하지만, 반대로 이렇게 밀도가 높은 지역은 높은 토지가격과 교통체증 등으로 인한 집적불경제의 현상이 나타날 수 있다. 이러한 경우, 도심에서 멀리 떨어진 밀도가 낮은 지역이 상대적으로 낮은 토지가격과 풍부한 가용토지로 인하여 기존의 고용밀도가 높았던 지역보다 고용이 더욱 증가할 수 있다. 이를 경험적으로 판단하기 위해 초기년도(2000년)의 고용밀도와 인구밀도를 사용한다.

이와 유사하게, 도심으로부터 가까운 고용중심지들은 도시화경제(urbanization economies)와 관련해 많은 혜택을 누리게 된다. 즉, 질 좋은 노동력으로의 접근이 쉬워지고, 지식의 파급효과를 누릴 수 있으며, 값싼 중간재 생산요소를 확보하기가 용이해진다. 반면에 도심의 기업들과의 경쟁이 치열해지고 도심만큼은 아니지만 상대적으로 토지가격이 높아진다. 이를 확인하기 위해 도심으로부터의 거리를 또 하나의 통제변수로 사용하며, 집계구와 도심과의 거리는 서울시청을 기준으로 각 집계구 중심까지의 직선거리를 ArcGIS10으로 산출하였다.

마지막으로, 산업구성변수를 사용한다. 즉, 빠르게 증가하는 산업을 상대적으로 많이 포함하는 고용중심지는 그 성장이 빠를 것이며, 쇠퇴하고 있는 산업을 포함하는 고용중심지는 반대의 결과를 보일 것이다. 예를 들어, 정보통신산업과 같은 빠르게 성장하는 고차산업들을 포함하는 중심지는 그 성장이 빠를 것이며, 제조업과 같은 2차 산업들로 구성된 중심지는 그 성장이 더디거나 제조업의 도심외곽으로의 이전으로 쇠퇴할 가능성이 높다. 또한 서비스업과 소매업은 일반적으로 고용중심지 주변으로 분포하는 경우가 많기 때문에, 이와 관련한 변수로 산업별 고용밀도변화를 통제변수로 사용한다.²⁾

본 연구는 서울시를 대상으로 하며, 서울연구원으로부터 공공데이터로 제공받은 서울시 기초조사구(집계구, 2012)를 기반으로 한 집계구별 사업체 통계(2000, 2010) 및 집계구별 인구 데이터(2000, 2010)를 활용하였다. 특히, 고용중심지의 변화를 관찰하기 위해 단일시점이 아닌 2000년과 2010년의 두 시점 데이터를 사용하여, 그 변화를 살펴보았다. 또한, 지하철망의 확충이 지난 10년간 어떻게 변화하였는지를 관찰하기 위해 서울시 지하철 노선 공간데이터를 활용하였으며, ArcGIS를 활용하여 각 집계구별 지하철역의 개수와 가장 가까운 지하철역까지의 거리를 산출하였다.

2000년과 2010년 통계자료 그리고 집계구 shp파일을 조인한 결과, 식별코드가 일치하지 않음으로 손실된 데이터³⁾를 제외한, 본 연구에서 사용된 샘플수는 11,270개의 집계구이다. 또한 고용밀도 0.02/m2 이상을 기준으로 선정한 서울시 고용중심지의 집계구 단위 샘플수는 878개이다.

표 1에 있는 기초통계량을 살펴보면, 2000년과 2010년 사이 서울시의 고용밀도는 증가한 것으로 나타났다. 특히 서비스업의 고용밀도가 상대적으로 가장 많이 증가하였고, 정보통신산업의 고용밀도도 증가하였으며, 제조업과 소매업의 고용밀도는 감소한 것으로 나타났다.

서울시의 모든 집계구와 한양도성(도심)과의 거리는 평균 9.4km이며, 지난 10년간 서울시내의 집계구에서부터 지하철역까지의 거리는 평균 150m가 가까워진 것으로 나타났다. 지하철역수는 집계구별로 평균 0.007 정도 증가하였으며, 고용접근성은 0.12정도 증가한 것으로 분석되었다.

서울지하철은 건설 시기에 따라 크게 제1기, 제2기, 제3기로 나눌 수 있으며, 1기 지하철은 1∼4호선, 2기 지하철은 5∼8호선, 3기 지하철은 9호선이다. 본 연구는 2000년~2010년 지하철의 변화를 분석하였는데, 서울시 2기, 3기 지하철과 수도권 지하철이 포함되었다.

2000년 기준으로 지하철역의 수는 235개, 2010년에는 326개로 집계되었다. 2000년~2001년 6호선 전노선(총 38개 역)의 개통, 2000년 7호선의 일부노선(건대입구~신풍역)의 추가개통, 2009년 9호선(개화역~신논현역)의 개통, 분당선(선릉~수서)의 추가 개통 등으로 인해 약 90개의 역사가 새롭게 생긴 것으로 나타나 서울시 도시공간구조에 큰 변화를 가지고 왔을 것으로 예상된다.

Figure 1.

Change in Subway Station 2000~2010

2000년과 2010년의 데이터를 토대로 서울시 25개 자치구별 주요변수의 변화를 살펴보았다. 실제 분석은 집계구 단위로 이루어졌으나 정리와 해석을 위해 자치구별 평균값 및 순위를 이용하였다.

표 2에서와 같이 고용밀도의 경우에는, 서초구(1순위), 강남구(2순위), 마포구(3순위), 송파구(4순위), 영등포구(5순위), 중구, 성동구에서 평균이상의 고용밀도 증가를 보이고 있어 강남지역의 고용밀도가 상승한 것을 알 수 있다.

Table 2.

Characteristics of Changes in Employment and Accessibility by Gu (The highlighted numbers indicate values over the whole sample's mean value)

산업별 변화를 살펴보면, 정보통신업의 경우 전반적으로 증가추세를 나타냈으며, 강남구(1순위), 중구(2순위), 서초구(3순위), 마포구(4순위), 영등포구(5순위), 구로구, 송파구, 종로구 순으로 평균이상의 증가추세를 보였다. 제조업의 경우 서울 전 지역에서 감소추세를 보이고 있으며 특히 중구(1순위), 서초구(2순위), 금천구(3순위), 강남구(4순위), 용산구(5순위), 동작구, 영등포구, 동대문구, 성동구, 도봉구 순으로 평균이상의 감소추세를 보이고 있다.

서비스업의 경우 서울시 전역에서 증가추세를 보이고 있으며, 서초구(1순위), 중구(2순위), 마포구(3순위), 강남구(4순위), 영등포구(5순위), 송파구, 구로구, 금천구, 성동구 순으로 평균이상의 증가추세가 나타났다. 소매업 고용밀도의 경우에는 전반적으로 감소추세를 보이고 있는데, 강남구(1순위), 동대문구(2순위), 종로구(3순위), 용산구·양천구(4순위), 서초구(5순위), 광진구, 중구, 송파구, 중랑구, 서대문구, 관악구, 도봉구, 금천구의 순으로 평균이상의 감소를 보였다.

접근성의 변화를 살펴보면, 지하철역으로의 거리변화는 전반적으로 감소한 것으로 나타나 지하철의 신규개통으로 인해 지하철로의 접근성이 향상되었음을 알 수 있다. 지역별 변화를 살펴보면 동작구(1순위), 은평구(2순위), 강서구(3순위), 마포구(4순위), 강남구(5순위), 성북구, 영등포구, 양천구 순으로 지하철역과의 거리가 가까워진 것으로 나타났다.

지하철 역수의 변화 역시 지하철역으로의 거리변화와 마찬가지로 전반적으로 증가추세를 보이고 있으며, 중구(1순위), 용산구(2순위), 동작구(3순위), 강남수(4순위), 은평구(5순위), 마포구, 영등포구, 성북구, 강서구, 종로구가 평균이상 증가한 것으로 나타냈다. 고용접근성의 경우는 서울시 전역에서 증가추세를 보였으며, 서초구(1순위), 강남구(2순위), 금천구(3순위), 관악구(4순위), 동작구(5순위), 구로구, 용산구, 송파구, 마포구, 중구, 성동구, 서대문구, 광진구, 양천구의 순으로 평균이상의 고용접근성 증가를 나타냈다.

종합해보면, 서초구, 강남구, 송파구, 마포구, 영등포구, 구로구, 중구 등에서 전반적으로 고용밀도가 높아졌으며, 특히 정보통신업과 서비스업의 고용증가가 나타난 것을 알 수 있다. 또한 접근성의 경우, 강남구, 동작구, 마포구, 영등포구, 용산구에서 지하철과의 접근성 및 고용접근성이 모두 증가한 특성을 보인다.

보다 미시적 분석을 위해 서울시 지하철 역을 중심으로 반경 500m에 위치하고 있는 집계구를 대상으로 고용 및 접근성의 변화를 살쳐보았다.

Figure 2.

Changes in Employment and Accessibility near Subway Station (500m)

고용밀도의 변화를 중심으로 한 순위를 살펴보면(표3), 가산디지털단지역, 선릉역 , 교대역, 수서역, 왕십리역, 공덕역 등의 전체 고용밀도와 정보통신업 고용밀도의 증가가 나타난 특성을 보였다. 서비스업은 전반적으로 성장추이, 제조업(한양도성(도심))과 소매업은 전반적으로 감소 추이를 보이는 것으로 나타났다. 고용접근성의 경우, 가산디지털단지역, 서초역, 사당역, 용산역, 삼성역에서 접근성이 증가한 특성을 보이고 있다.

Table 3.

Change in the number of Employment by Subway Stations (within 500m)

본 연구에서 설정한 고용중심지의 기준(고용밀도 0.02/m2)에 따라 서울시 고용중심지의 변화를 분석하였다. 그림 3과 같이 2000년 기준의 고용중심지는 대규모 고용기능을 수행하고 있는 한양도성(도심)과 강남권역으로 나타났고, 용산 및 서남권역 역시 주된 고용중심지로 나타났다. 또한 대부분의 고용중심지는 2000년 이전에 개통된 지하철역을 중심으로 형성되어 있는 것을 알 수 있다.

Figure 3.

Change in Employment Center 2000~2010

2010년에 새로운 고용중심지로 추가된 지역은 서울 서남부 지역을 제외하고는 대부분 기존 고용중심지 인근에 소규모로 입지하며, 산발적으로 확대되고 있음을 알 수 있다. 특히 2000년과 2010년 사이에 신설된 지하철역을 중심으로 살펴보았을 때는 서남부 권역, 강남권역, 상암권역 등에서 고용밀도가 높아진 것으로 나타났다. 또한 서울 동북권역과 서북권역 등의 고용기능은 여전히 부족하며, 지난 10년간 큰 성장을 이루지 못하였다는 것을 알 수 있다.

앞선 기준에 의해 선별된 고용중심지를 대상으로 하여 10년간의 고용밀도의 증가와 감소특성을 분석하였다. 그림 4에서 보이듯이 서울 한양도성(도심)의 경우, 종로구는 고용밀도가 감소하고 있는 양상을 보인 반면, 중구의 경우 고용밀도가 증가하고 있는 현상이 나타났다. 또한 강남권역(서초구, 강남구)의 경우, 지역별로 고용밀도 증가와 감소가 반복되고 있으며 여전히 강남권역으로의 고용기능 집중이 지속되고 있음을 알 수 있다.

Figure 4.

Change in Employment Density 2000~2010

다중회귀 모형은 다중공선성(multicollinearity)을 고려하여 모형을 3개로 구성하였으며, 모형의 설명력 (R2)은 0.31으로 나타났다. 모형결과에서 볼 수 있듯이 고용접근성의 증가는 고용밀도 증가에 영향을 주는 것으로 나타났으며, 지하철접근성의 향상은 그 효과가 다르게 나타났다.

본 연구에서는 지하철접근성변화의 효과를 살펴보기 위해 지하철역수의 변화와 지하철역으로의 거리변화를 설명변수로 사용하였다. 지하철역수는 집계구내의 지하철역이 신설되었는지 그렇지 않았는지만을 보여주기 때문에 인접한 집계구로의 효과는 알 수 없다. 반면, 지하철역으로의 거리변화는 신설된 지하철로 인한 효과가 있는지 없는지를 인접한 집계구까지로 확대해 살펴볼 수 있다. 하지만, 환승역이 생기는 지역은 지하철역으로의 거리에 대한 변화가 없기 때문에, 환승역의 신설에 대한 효과는 지하철역으로의 거리변화 변수로는 파악할 수 없다. 이러한 단점을 보완하고자, 두변수를 같이 사용하였으며, 이에 대한 효과도 다소 차이를 보였다. 실제로 (표4) 지하철역수의 변화만이 고용밀도변화에 유의한 효과를 보였다. 즉, 새로운 지하철역의 개통으로 인한 각 집계구로부터 지하철역으로의 거리감소 효과는 통계적으로 유의하지 않은 반면, 환승역의 개통이나 신규노선 확충으로 인한 집계구내의 지하철역 증가는 동일 집계구의 고용밀도증가에 통계적으로 유의한 결과를 보였다. 이는 환승역의 개통과 신규노선 확충은 고용밀도 증가에 있어 그 효과가 동일한 집계구내의 고용밀도변화에는 영향을 주는 반면, 신규노선의 개통은 인접지역의 고용밀도를 증가시키기에는 그 효과가 아직까지는 미미하기 때문으로 판단된다. 이러한 이유는, 2010년을 기점으로 증설된 9호선노선의 개통효과가 아직은 크지 않기 때문일 것으로 판단되며, 향후 연구를 통해서 그 효과를 관심 있게 지켜볼 필요가 있다. 특히, 9호선 개통 지역만을 대상으로 분석해보는 것은 의미가 있을 것으로 예상된다.

Table 4.

Regression Model of Change in Employment Density

나머지 변수들을 살펴보면, 한양도성(도심)으로의 거리가 멀어질수록 고용밀도는 증가하는 것으로 나타났다. 이는 집적불경제의 효과가 도심내에서 기업들이 누릴 수 있는 도시화경제의 효과보다 크기 때문일 것으로 여겨진다. 즉, 서울시는 도심에서 누릴 수 있는 질 좋은 노동력으로의 접근과, 지식의 파급효과 및 값싼 중간재 생산요소를 확보하는 것이 높은 토지가격과 혼잡으로 인해 발생하는 비용보다 높지 않는 경향을 보인다고 할 수 있다.

초기년도(2000)의 인구밀도와 고용밀도가 높을수록 고용밀도는 감소하는 것으로 나타났다. 이 역시 높은 토지가격과 교통체증 및 혼잡으로 인한 집적불경제 현상 때문이라고 해석할 수 있으며, 기업은 토지비용을 줄이기 위해 개발밀도가 낮은 지역에 입지하려는 경향을 보인다고 할 수 있다. 이러한 현상은 장기적으로 고용기능의 분화를 가져올 것으로 예상된다.

더불어 정보통신산업과 제조업의 증가는 고용밀도의 증가를 야기하는 것으로 나타났다. 세부산업의 증가는 전체 고용밀도의 증가를 야기하지만, 그 효과는 상이하다고 할 수 있다. 즉, 빠르게 성장하는 정보통신산업의 증가는 제조업의 증가보다 3배의 고용밀도 증가효과를 가져오는 것으로 분석되었다.

세부산업별 고용밀도 모형은 서울시 고용밀도변화의 원인을 규명하는데 보다 풍부한 정보를 제공할 수 있다.

Table 5.

Regression Model of Change in Employment Density by Industry (Information and Manufacturing)

산업별 모형을 살펴보면, 정보통신산업모형과 서비스산업모형에서 한양도성(도심)으로의 거리가 음(-)으로 나타났다. 즉, 정보통신산업과 서비스산업은 여전히 한양도성(도심)을 중심으로 증가하는 것을 알 수 있었다. 즉, 이러한 산업은 여전히 도심에서 누릴 수 있는 도시화경제의 혜택을 누리기 위해 도심으로 입지하는 경향을 보임을 알 수 있었다. 제조업의 경우는 반대의 결과가 나타났는데, 이는 중구에서의 제조업 감소추세가 두드러지게 높았기 때문으로 여겨지며 제조업의 수도권 외곽지역으로의 이전도 그 이유라고 할 수 있다.

2000년 기준 인구밀도와 고용밀도는 정보통신업과 서비스업 모형에서 종속변수와 양의 영향관계를 나타냈다. 즉, 기존의 인구와 고용 밀도가 높은 지역을 중심으로 정보통신업과 서비스업이 성장하였음을 알 수 있었다. 반대로 제조업 모형과 소매업 모형은 2000년 기준 인구밀도와 고용밀도가 종속변수와 음의 영향관계를 나타냈다. 즉, 제조업과 서비스업은 개발밀도가 높은 지역이 아닌, 상대적으로 낮은 개발밀도를 가진 지역을 중심으로 성장하였음을 알 수 있다.

Table 6.

Regression Model of Change in Employment Density by Industry (Service and Retail)

또한 전체 고용밀도 변화와 정보통신업의 고용밀도변화, 제조업 고용밀도 변화, 서비스업 고용밀도변화, 소매업 고용밀도 변화는 양의 상관관계를 나타냈다. 이는 전체 고용밀도 변화가 각 산업의 고용밀도 변화에 높은 영향을 미치고 있음을 알 수 있다. 하지만, 전체고용밀도변화와 세부산업의 고용밀도변화와의 인과관계에 관한 부분은 본 연구에서는 다루지 못했다. 이는 향후 진행되어야 할 부분임을 밝혀둔다.

고용접근성은 정보통신업의 고용밀도 변화와 양의 영향관계를 보였으며, 이는 정보통신업이 한양도성(도심)권역과 서남권역 및 강남권역 전반에 걸쳐 성장하였기 때문으로 여겨진다. 반대로 서비스업 모형과 소매업 모형에서는 고용접근성 변화와 음의 영향관계를 나타냈다. 그 원인은 고용접근성의 변화가 크게 나타났던 용산구, 광진구, 서대문구, 양천구, 강서구 등에서 서비스업의 성장이 더디게 나타났기 때문일 것으로 여겨지며, 소매업의 경우도 대부분의 지역에서 감소추세를 나타냈기 때문이라고 판단된다.

지하철역과의 거리변화는 제조업 모형에서 양의 영향관계를 보였으며, 지하철역과의 거리가 멀어질수록 제조업 고용밀도가 높아진 것으로 해석할 수 있다. 이는, 제조업이 지하철역이 밀집한 한양도성(도심)지역에서 벗어나 외곽지역으로 이전하는 추세에 있음을 나타내며, 또한 역세권 형성으로 인한 지가상승 때문에 제조업은 역세권으로부터 멀리 떨어진 곳으로 입지하는 현상을 보이고 있음을 확인 할 수 있었다.

소매업 모형의 경우 지하철역과의 거리변화와 음의 영향관계를 보이고 있어, 소매업종은 지하철역과 인접한 지역을 중심으로 증가하였다는 것을 알 수 있다. 지하철 역수의 변화는 산업별 모형에서는 유의하지 않게 나타났다.

앞서 선별한 고용중심지를 대상으로, 고용중심지의 고용밀도 변화를 종속변수로 한 다중회귀 분석을 실시하였다. 분석결과, 고용접근성이 증가할수록, 서울시 고용중심지의 고용밀도는 증가하는 것으로 나타났다. 즉, 고용접근성의 증가는 고용중심지 성장에 영향을 준다고 할 수 있다. 또한, 계수 값을 비교하면, 고용접근성의 증가는 서울시 전체 고용밀도 증가(0.0178)보다 고용중심지 고용밀도증가(0.0608)에 더 큰 영향을 주는 것으로 나타났다. 즉, 고용접근성의 증가는 서울시 고용중심지의 성장을 가중시킨다고 할 수 있다. 반면, 신규 지하철의 개통은 기존 고용중심지의 성장과 영향관계가 없는 것으로 나타났다.

Table 7.

Regression Model of Change in Employment Density in Employment Centers, Seoul

구체적으로 살펴보면, 한양도성(도심)으로의 거리가 멀어질수록 고용중심지는 성장하는 것으로 나타났다. 이는 서울시 전체 고용밀도모형의 경우와 같은 결과이다. 이러한 이유는, 첫째 높은 토지가격과 다양한 개발로 인해 제조업이 한양도성(도심)을 빠져나감으로 도심이 쇠퇴한 점, 둘째, 정보통신업의 빠른 성장으로 강남도심과 영등포·여의도 도심이 성장했기 때문이라고 판단된다. 다시 말해, 서울시 고용중심지는 한양도성(도심)이 아닌 강남과 영등포·여의도 도심을 중심으로 재편되어가고 있다고 할 수 있다.

또한 초기년도(2000)의 인구밀도와 고용밀도가 높을수록 고용중심지의 고용밀도는 감소하였다. 이는 기존 고용중심지들의 높은 토지가격과 개발포화로 인해 새로운 고용중심지들이 성장하였기 때문이다. 특히 가산/구로 디지털단지역, 선릉역, 교대역, 수서역 등 부도심주변의 역세권을 중심으로 빠른 고용성장이 나타났기 때문으로 볼 수 있다. 이는, 서울시에서 지난 10년간 크고 작은 새로운 고용중심지들이 생겨나고 있음을 실증적으로 보여준다.

더불어 정보통신업과 제조업의 증가는 고용중심지 고용밀도증가에 (+)의 영향을 미치는 것으로 나타났다. 계수값을 비교해보면, 특히 정보통신업의 증가는 기존 고용중심지의 성장에 크게 기여하였으며, 제조업에 비해 상대적으로 큰 효과를 보인다고 할 수 있다.