KTX 개통에 따른 지역 간 상대적 의존성 변화에 관한 실증 연구 : 5대 광역시를 중심으로

Ⅰ. 서 론

Ⅱ. 이론 및 선행연구 검토

Ⅲ. 지역 간 의존성 추정모형의 개발

3. 변수 선정

1) 종속변수

본 연구의 종속변수는 지역 간 의존도를 대변할 수 있는 지표가 되어야 한다. 앞에서 기술한 가정에 따라 지역 간 통행량의 규모로부터 지역 간 의존도를 산출한다. 그러나 지역마다 다양한 잠재변수의 영향을 배제하기 위해 상대적인 의존도를 종속변수로 선정한다. 결국 지역 간 상대적 의존도는 (식 3)에서 보는 바와 같이, t년도 i지역에서 발생하는 총 통행 중 j로 유입되는 통행의 비율이 전체 총 통행 중 j지역으로 유입되는 통행의 비율에 비해 크면(즉, 1 보다 크면) 상대적으로 의존성이 높은 것으로, 반대로 작으면 상대적으로 의존성이 낮은 것으로 판단한다.

$\[ {RD}_{ij}^t=\left(\frac{T_{ij}^t}{T_{i*}^t}\right)/\left(\frac{T_{*j}^t}{T_{**}^t}\right) \]$

(식 3)

여기서, $$ {RD}_{ij}^t$$ : t년도 i지역이 j지역에 대한 상대적 의존도,
　　　 $$ T_{ij}^t$$ : i지역에서 j지역으로 유입되는 통행량,
　　　 $$ T_{i*}^t$$ : i지역에서 총 통행발생량,
　　　 $$ T_{*j}^t$$ : j지역으로 총 통행유입량,
　　　 $$ T_{**}^t$$ : 지역 간 전체 통행량.

2) 독립변수

(1) KTX 개통여부 (더미 변수): KTX 개통 전후의 영향을 분석하기 위하여 각 지역 간 KTX 연결여부를 나타내는 더미(dummy) 변수를 채택한다.

(2) 접근성 지수: 타 지역으로부터의 각 지역 접근성을 각 지역의 인구규모를 기준으로 각 지역으로부터의 통행시간에 대한 가중 평균값으로 정의한다.

$\[ A_i=\frac{\sum _{k\ne i}{pop}_k}{\sum _{k\ne i}{pop}_k\bullet c_{ki}} \]$

(식 4)

여기서, $$ A_i$$ : i지역의 접근성,
　　　 $$ po{p}_k$$ : k지역의 인구,
　　　 $$ c_{ik}$$ : i지역과 k지역 간 최단통행시간.

(3) 산업 및 인구 특성 변수: 각 지역의 산업 및 인구 특성변수로 지역별 산업별 산업특화도(LQ), 지역별 산업별 종사자 비율(RW), 지역별 산업별 사업체수(RC), 지역별 총생산액 점유율(RGRP), 지역별 경제활동인구 점유율(REAP), 지역별 가구 점유율(RH) 등을 도입하였으며, 구체적인 변수와 산출식은 표 1과 같다.

표 1.

Definitions of Variables

IV. 모형의 정산 및 의존성 변화 분석

2. 모형의 정산

본 연구는 각 지역에 대한 다른 지역의 의존성을 분석하기 위한 것으로, 각 지역별로 5개의 모형을 별개로 정산하였다. 정산은 SAS 9.3을 이용하였으며, 최적의 설명변수 조합을 찾아내기 위해 단계 선택 회귀분석(stepwise regression analysis)을 사용하였다. 그 결과 최종적으로 접근성 지수(ACC), 경제활동 인구 비율(REAP), 3차 산업 특화도(LQ3), 그리고 KTX 더미 변수를 적합한 설명변수로 선정하였다.

모형의 정산 결과는 표 2와 같다. 모형의 설명력을 나타내는 R-square 값은 모두 0.6이상으로 적절한 것으로 나타났다. 또한 각 독립변수의 계수값의 유의확률은 최대 0.057로 나타난 광주의 접근성에 대한 계수 값만 95% 신뢰수준에 약간 못 미치고 나머지는 모두 95% 신뢰수준을 만족하는 것으로 나타났다.

표 2.

Results of Model Calibration

3. 상대적 의존성변화 분석

모형 추정 결과, 모든 모형에서 경제활동인구 비율(REAP)에 대한 계수의 부호가 음(-)로 산출되었다. 이는 각 지역의 경제활동 인구비율이 높을수록 다른 지역에 대한 의존성이 낮아진 것으로 해석할 수 있다. 즉, 경제규모가 큰 지역일수록 사회경제활동이 지역내부에서 더 크게 일어남으로 외부 지역에 대한 의존성이 떨어진다는 것을 의미한다.

접근성(ACC)의 부호는 모두 양(+)로 추정되어 지역의 접근성이 높을수록 다른 지역에 대한 의존성이 높아졌음을 알 수 있다. 지역의 접근성이 한 단위 증가할 경우 서울로의 의존성은 6.352, 부산으로의 의존성은 2.889, 대구로의 의존성은 2.277, 광주로의 의존성은 2.230, 끝으로 대전으로의 의존성은 1.481 증가하는 것으로 추정되었다. 여기서 해당 지역에 대한 접근성은 각 지역별 인구규모에 대한 가중평균 통행시간의 역수로 산출되므로, 평균 통행시간이 커질수록 의존성은 낮아지는 것으로 해석할 수 있다. 대전으로의 접근성이 대전으로의 의존성에 가장 적은 영향을 미치는 것으로 나타난 것은 대전이 지리적으로 중심에 입지하고 있기 때문으로 판단된다.

마찬가지로 3차 산업 특화도에 대한 계수 부호가 모두 양(+)로 추정된 것은 3차 산업으로 특화된 지역일일수록 다른 지역에 대한 의존성이 더 커진다는 것을 나타낸다. 계수의 크기는 대구 3.798, 대전 3.688, 서울 2.016, 부산 1.714, 광주 1.229 순으로 추정되어 지역의 3차 산업에 특화된 지역이 대구와 대전에 대한 의존성이 상대적으로 크며, 반대로 광주로의 의존성이 가장 작은 것으로 나타났다. 이는 대전과 대구가 지리적 여건으로 볼 때 3차 산업 특화도가 높은 서울과 부산에 대한 의존이 높아진 것으로 판단된다.

끝으로 KTX 개통 더미변수의 계수 값이 서울로의 의존 모형인 경우 +0.069로 양(+)의 값으로 추정된 반면 다른 지역에 대한 의존성 모형은 모두 부산 –0.120, 대구 –0.148, 광주 –0.185, 대전 –0.201로 모두 음(-)으로 추정되어 KTX 개통이 서울로의 의존성을 높게, 반대로 다른 지역으로의 의존성은 낮게 만드는 것으로 추정되었다. 결과적으로 KTX 개통이 서울로의 집중을 높이는 빨대효과를 보이는 것으로 나타났다. 표 3은 KTX 개통여부가 지역 간 의존성에 미치는 영향을 산출한 것이다. 예를 들면, KTX 개통은 부산으로부터 서울로의 상대적 의존성을 18.9%(= 0.069 + 0.120) 상승한 것으로 추정된다. 마찬가지로 대구-서울 간의 상대적 의존성은 21.7%, 부산-대구 간은 2.8%, 대전-광주 간은 1.6% 상승하는 것으로 추정되었다.

표 3.

Change of Dependency between Zones According to KTX-connection

1) 서울로의 상대적 의존성

서울로의 상대적 의존성 추정모형은 (식 5)와 같이 나타낼 수 있다. 여기서 보듯이 경제활동인구 비율이 1% 높은 지역으로부터 서울로의 의존성은 약 1.7% 감소하는 것으로 나타났다. 또한 서울로의 가중평균 통행시간이 1시간 줄어든 경우 서울로의 의존성이 약 10%(= 6.352 / 60), 2시간 줄어든 경우 약 5%정도 상승한 것으로 나타났다. 또한 3차 산업 집중도가 상대적으로 1% 높은 지역으로부터 서울로의 의존성은 약 2%증가한 것으로 나타났다. 끝으로 KTX 연결이 서울로의 의존성을 약 7% 상승시키는 것으로 나타났다.

$\[ RD=-1.176-1.744REAP+6.352ACC+2.016LQ3+0.069KTX \]$

(식 5)

2) 부산으로의 상대적 의존성

부산으로의 상대적 의존성 추정모형은 (식 6)과 같이 나타낼 수 있다. 여기서 보듯이 경제활동인구 비율이 1% 높은 지역으로부터 부산으로의 의존성은 약 2.5% 감소하는 것으로 나타났다. 또한 부산으로의 가중평균 통행시간이 1시간 줄어든 경우 부산으로의 의존성이 약 4.8%, 2시간 줄어든 경우 약 2.4% 정도 상승한 것으로 나타났다. 또한 3차 산업 집중도가 상대적으로 1% 높은 지역으로부터 부산으로의 의존성은 약 1.7% 증가한 것으로 나타났다. 끝으로 KTX 연결이 다른 지역으로부터 부산으로의 의존성을 약 12% 감소시키는 것으로 나타났다.

$\[ RD=1.496-2.463REAP+2.889ACC+1.714LQ3-0.120KTX \]$

(식 6)

3) 대구로의 상대적 의존성

대구로의 상대적 의존성 추정모형은 (식 7)과 같이 나타낼 수 있다. 여기서 보듯이 경제활동인수 비율이 1% 높은 지역으로부터 대구로의 상대적 의존성은 약 2.3% 감소하는 것으로 나타났다. 또한 대구로의 가중평균 통행시간이 1시간 줄어든 경우 대구로의 의존성이 약 3.8%, 2시간 줄어든 경우 약 1.9% 정도 상승한 것으로 나타났다. 또한 3차 산업 집중도가 상대적으로 1% 높은 지역으로부터 대구로의 의존성은 약 3.7%증가한 것으로 나타났다. 끝으로 KTX 연결이 대구로의 의존성을 약 14.8% 감소시키는 것으로 나타났다.

$\[ RD=1.252-2.832REAP+2.277ACC+3.798LQ3-0.148KTX \]$

(식 7)

4) 광주로의 상대적 의존성

광주로의 상대적 의존성 추정모형은 (식 8)과 같이 나타낼 수 있다. 여기서 보듯이 경제활동인수 비율이 1% 높은 지역으로부터 광주로의 상대적 의존성은 약 1.2% 감소하는 것으로 나타났다. 또한 광주로의 가중평균 통행시간이 1시간 줄어든 경우 광주로의 의존성이 약 3.7%, 2시간 줄어든 경우 약 1.9% 정도 상승한 것으로 나타났다. 또한 3차 산업 집중도가 상대적으로 1% 높은 지역으로부터 광주로의 의존성은 약 1.2% 증가한 것으로 나타났다. 끝으로 KTX 연결이 광주로의 의존성을 약 18.5% 감소시키는 것으로 나타났다.

$\[ RD=-0.978-1.191REAP+2.230ACC+1.229LQ3-0.185KTX \]$

(식 8)

5) 대전으로의 상대적 의존성

대전으로의 상대적 의존성 추정모형은 (식 9)와 같이 나타낼 수 있다. 여기서 보듯이 경제활동인수 비율이 1% 높은 지역으로부터 대전으로의 상대적 의존성은 약 13.3% 감소하는 것으로 나타났다. 또한 대전으로의 가중평균 통행시간이 1시간 줄어든 경우 대전으로의 의존성이 약 2.5%, 2시간 줄어든 경우 약 1.2% 정도 상승한 것으로 나타났다. 또한 3차 산업 집중도가 상대적으로 1% 높은 지역으로부터 대전으로의 의존성은 약 1.2%증가한 것으로 나타났다. 끝으로 KTX 연결이 대전으로의 의존성을 약 18.5% 감소시키는 것으로 나타났다.

$\[ RD=1.861-3.257REAP+1.481ACC+3.688LQ3-0.201KTX \]$

(식 9)

V. 요약 및 결론

지금까지 KTX 개통이 인구이동, 지역개발 및 지역균형발전 등의 다양한 분야에서 활발하게 연구되어 왔다. 그러나 지역 간 의존성에 대한 KTX의 영향 여부는 아직도 사회적으로 많은 논란이 전개되고 있는 상황이다. 논란의 핵심은 바로 KTX을 통한 사회·경제활동이 서울로의 집중인지 아니면 반대로 수도권에서 지방으로의 분산인지에 관한 것이다. 본 연구는 이러한 배경에서부터 KTX 개통에 따른 지역 간 의존성 변화를 분석하는 계량경제모형을 제안하였다.

본 연구에서는 KTX 개통년도인 2004년 이전 3년간의 자료와 이후 8년간의 자료를 통해 지역 간 상대적 의존성을 규명하는 모형을 구축하고, 이를 통해 의존성을 체계적으로 분석하였다. 종속변수는 지역 간 통행자료를 이용한 각 지역에 대한 상대적 의존도를, 독립변수는 접근성, 경제활동인구 비중, 3차산업 특화도, KTX 개통여부 더미(dummy)를 사용하였다.

모형의 값은 0.598∼0.659 사이로 약 60%∼66%의 설명력을 가지는 것으로 나타났으며, 각 독립변수의 계수 값에 대한 유의성도 적합한 것으로 나타났다.

분석 결과를 종합하면, 첫째, KTX 개통으로 서울로의 의존성은 증가하지만 반대로 KTX 개통으로 다른 도시들에 대한 의존성은 감소된다. 이는 KTX 개통으로 서울로의 빨대효과가 발생하였음을 알 수 있다. 또한 KTX 개통에 따른 상대적 의존성의 변화가 서울이 6.9%, 다른 도시들이 12.0%이상으로 추정되어 KTX 개통에 따른 파급효과는 경제규모가 상대적으로 작은 비수도권도시들에서 더 크게 일어난다는 점을 알 수 있다.

둘째, 경제규모 측면에서 출발지의 경제규모가 상대적으로 클수록 외부지역으로의 의존성은 상대적으로 낮아진다는 결론을 도출하였다.

셋째, 산업특성 측면에서 3차 산업 비중이 상대적으로 큰 지역일수록 외부지역으로의 의존성은 증가한다는 것으로 나타났다.

마지막으로 모형의 결과로부터 접근성이 향상되는 지역일수록 외부와의 경제적 의존성이 향상됨을 알 수 있다. 특히 접근성 증가에 따른 서울로의 의존성의 변화가 다른 지역에 비해 4.3∼2.2배로 높은 것으로 추정되었다.

본 연구가 가지는 의미는 다음과 같다.

첫째, KTX 개통에 따른 지역 간 의존성 변화를 분석하는 모형을 구축하고, KTX가 지역 간 의존성에 미치는 파급효과를 계량적으로 분석할 수 있었다.

둘째, 지역 간 의존성을 지역 간 통행량을 통해 산출하고, 이를 추정하는 계량경제모형을 개발하였다.

셋째, 변수들을 정의함에 있어서 절대적인 값이 아닌 전체와 비교한 상대적인 비율을 사용하므로 다양한 잠재변수의 영향을 배제하였다.

결과적으로 본 연구에서 제안한 지역 간 의존성 변화를 추정하는 모형은 KTX가 미치는 영향을 실증적으로 분석할 수 있다.

본 연구 모형의 적용을 통해 지역 간 신설 교통시설에 대한 파급효과를 예측하고 분석하는데 도움이 될 것으로 기대한다. 동시에 KTX 정차도시들의 역세권 개발, 신도시 계획 등과 같은 도시계획 분야에서는 새로운 정책적 시사점을 제공할 것으로 기대한다.

끝으로 본 연구는 지역 간 다른 교통수단의 변화와 지역 간 거리 등 지역 간 연관관계의 변화는 없다고 가정하였으며, 각 지역의 사회 경제적 특성의 변화율이 차이가 없다는 가정으로 진행되었다. 추후 이러한 가정을 극복할 수 있는 보다 정밀한 모형의 개발이 필요하다.

References

• 강수철, 배형, (2011), “패널자료를 이용한 교통안전투자 종류별 사고감소 효과”, 「대한교통학회지」, 29(5), p19-32.
  Kang, S.C., Bae, H., (2011), “Analysis of the Effect of Traffic Safety Investment on Traffic Accident Reduction Using Panel Data”, Journal of Korean Society of Transportation, 29(5), p19-32.
• 고영선, 정재호, (2013), “고속철도 개통이 지역 부동산시장에 미치는 영향”, 「부동산학보」, 55, p17-30.
  Ko, Y.S., Chung, J.H., (2013), “The Influences of the Local Real Estate Market by the Opening of KTX”, Korea Real Estate Academy Review, 55, p17-30.
• 김광식, (1995), “고속전철 건설에 따른 수도권 집중완화 효과”, 「고속철도와 지역균형개발에 관한 연구」, 경기, 국토연구원.
  Kim, G.S., (1995), Focused on metropolitan mitigation effect of high speed train construction, A Study on High Speed Rail and balanced regional development, Gyeonggi, Korea Research Institute for Human Settlements.
• 문희구, (1995), “수도권 신도시의 자족도에 관한 연구”, 서울대학교 환경대학원, 석사학위논문.
  Moon, H.G., (1995), A study on the self-contained level of metropolitan New Town, Masters’s Degree Dissertation, Seoul National University.
• 박양호, (2001), 「세계화와 지역발전」, 경기, 국토연구원.
  Park, Y.H., (2001), Globalization and Regional Development, Gyeonggi, Korea Research Institute for Human Settlements.
• 박준태, 이수범, 김도경, 성정곤, (2011), “패널분석을 이용한 서울시 교통사고분석 연구”, 「한국안전학회지」, 26(6), p130-136.
  Park, J.T., Lee, S.B., Kim, D.K., Sung, J.G., (2011), “Traffic Accident Research Using Panel Analysis - Focusing on Seoul Metropolitan Area-”, Journal of the Korean Society of Safety, 26(6), p130-136.
• 변미정, (2001), “출근목적 통행량을 이용한 지역간 경제적 의존성 분석”, 한양대학교 대학원, 석사학위논문.
  Byeon, M.J., “An analysis for economic interdependency between regions using work trip”, Masters’s Degree Dissertation, Hanyang University.
• 손용정, 김현덕, (2013), “패널분석을 이용한 한·ASEAN FTA의 교역효과 분석”, 「한국항만경제학회지」, 29(3), p95-111.
  Son, Y.J., Kim, H.D., (2013), “Trade Effect Analysis of Korea.ASEAN FTA using a Panel Analysis”, Journal Of Korea Port Economic Association, 29(3), p95-111.
• 송미령, (1997), “도시공간구조와 통근통행에 관한 연구 : 서울을 사례로”, 서울대학교 대학원, 박사학위논문.
  Song, M.R., (1997), “Urban spatial structure and excessive commuting : A case study of Seoul”, Ph.D. Dissertation, Seoul National University.
• 이성우, 정진규, 지우석, 조중구, (2004), “고속철도가 국토공간의 인구분산에 미치는 영향”, 「국토연구」, 40, p3-17.
  Lee, S.W., Jung, J.K., Ji, W. S., Jo, J.K., (2004), “The Effects of High Speed Rail on Population Distribution”, The Korea Spatial Planning Review, 40, p3-17.
• 전영옥, 이갑수, 박재룡, 강신겸, (2004), 「고속철도 개통의 영향과 시사점」, 서울, 삼성경제연구소.
  Jeon, Y.o., Lee, K.S., Park, J.R., Kang, S.K., (2004), Impacts and implications of high-speed rail opening, Seoul:, Samsung Economics Research Institute.
• 정창호, (2007), “수도권 도시의 자족성 유형에 따른 도시특성 연구”, 가천대학교 대학원, 석사학위논문.
  Jeong, C.H., (2007), “A Study on Urban Characterisitc According to Cluster of Analysis Self-sufficiency in Seoul Metropolitan Area”, Masters’s Degree Dissertation, Gachon University.
• 조남권, 이훈기, 진시현, (2005), “고속철도 개통에 따른 빨대효과 분석 : 쇼핑통행을 중심으로”, 「국토연구」, 47, p107-123.
  Jo, N.G., Lee, H.K., Jin, S. H., (2005), “Analysis on the Straw Effect by the HSR(High Speed Rail) : Focusing on the Shopping Trips”, The Korea Spatial Planning Review, 47, p107-123.
• 지우석, (1999), 「경기도 통행특성 연구」, 경기, 경기개발연구원.
  Ji, W.S., (1999), A Study On Travel Patterns In Kyonggi-Do, Gyeonggi, Korea Research Institute for Human Settlements.
• 지혜란, 우명제, 강명구, (2014), “패널분석을 이용한 공적개발원조와 도시화가 개발도상국의 경제성장에 미치는 영향에 관한 연구”, 「국토계획」, 49(4), p179-194.
  Ji, H.R., Woo, M.J., Kang, M.K., (2014), “Study on the Effect of ODA’s Aids and Urbanization on Developing Countries’ Economic Growth through Panel Analysis”, Journal of Korea Planners Association, 49(4), p179-194. [https://doi.org/10.17208/jkpa.2014.07.49.4.179]
• 山本恒平, 中川大, 吉川耕司, 西村嘉浩, (1995), “文献における「ストロー効果」の定義とその検証内容に関する分析”, 乎成7年度土木学会関西支部年次学術講演集, 7(Ⅳ:70).
  Kohei Yamamoto, Dai Nakagawa, Koji Yoshikawa, Yoshihiro Nishimura, (1995), “Analysis of Definition and Verification Contents of the Straw Effect”, Japan Society of Civil Engineers, 7(Ⅳ:70).
• 小野政一, 浅野光行, (2005), “浅野光行：高速交通機関がもたらすストロー効果に関する影響”, 土木計画学研究・講演集, 32, (CD-ROM).
  Masakazu Ono, Mitsuyuki Asano, (2005), “The Study of the Straw Effect Produced b the High-speed Transportation-The Verification of the Area Along the Nagono Shinkansen by the Statistical Data”, Civil Engineering Planning Studies, 32, (CD-ROM).
• Ogilvy, A.A., (1968), “The Self – Contained New town : Employment and Population”, The Town Planning Review, 39, p38-54. [https://doi.org/10.3828/tpr.39.1.p400g1212621mk35]
• Keum, K. J., Hirohide, K., (2002), “The Impact of Shinkansen on Regional Development”, Paper Presented at EAROPH 18th World Planning Congress, Kuala Lumpur, Malaysia: Shangri-La Hotel.
• ko.wikipedia.org.