서울시 제조업 집적지의 공간적 분포 및 특성에 관한 연구

본 연구는 도시공간특성에 부합하는 관리계획과 공간계획이 연계되기 적합한 광역적 지역인 서울시를 대상으로 반경 100m의 hexagon을 공간 분석단위로 한다. 시간적 범위는 데이터의 한계로 2011년이며 9차 한국표준산업분류를 기준으로 한 제조업을 대상으로 한다.

본 연구는 대도시 제조업 집적지의 공간적 분포와 산업·용도·입지특성에 관한 연구로 다음의 과정을 통해 분석을 실시하였다.

첫째, 공간 및 산업정책의 일환으로 제시되고 있는 ‘산업 및 특정개발진흥지구’, ‘도시형 소공인 집적지구’를 검토하고 대도시 산업집적지에 대한 이론과 선행연구를 검토한다.

둘째, 공간통계분석을 통해 제조업 집적지의 공간적 분포를 파악하며, 식별된 집적지를 대상으로 군집분석과 LQ분석을 바탕으로 집적지 유형 별 산업특성을 도출한다.

셋째, 기초통계와 다항로짓분석을 통해 제조업 집적지 유형 별 용도 및 입지특성을 비교분석하며 분석된 결과를 바탕으로 정책적 시사점과 연구의 한계점을 제시한다.

우리나라의 산업집적지는 형성요인에 따라 자연발생적 산업집적지와 ‘신산업지구’형 산업집적지로 분류할 수 있다. 특히, 자연발생적 산업집적지는 산업화 과정에서 일부 재래공업의 소규모 영세기업이 집적하거나 산업화 및 도시화 과정에서 집적지에 자유 입지하여 나타나게 된다(이철우, 2013).

따라서 서울시의 제조업 집적지는 자연발생적으로 형성된 집적지와 계획적 입지를 도모하는 산업지구형 집적지로 나뉠 수 있다. 전통적인 제조업 집적지로는 창신동·문래동·성수동·을지로 등이 기계·금속·봉제·귀금속 등의 집적지로 언급되고 있다(금기용, 2013). 이와 같은 집적지는 지역적 자원과 밀접한 관련이 있으며 존립기반으로 생산 및 유통 등 사회적 분업과 사회적 자본(social capital)을 바탕으로 한 혁신자원이 언급되고 있다(이철우, 1991). 계획적 입지를 통한 집적지는 단지 형태의 입지를 유도하는 구로동·가산동이 있다. 최근에는 섬유·봉제·조립금속 등 제조업 중심 산업에서 첨단서비스 활동 및 IT산업으로의 구조고도화를 도모하여 경쟁력을 확보하고 있다(남기범, 2014).

대도시 제조업 집적지의 형성원인과 존립 메카니즘에 대해서는 다수의 연구가 진행되었다. 마샬과 베버로부터 시작된 ‘산업집적론’은 특정지역에 동종의 소기업이 집적하여 지구 내에서 수평·수직적으로 통합된 생산적 기반을 갖게 될 수 있으며 동일 업종 간의 교통비용·노동력·거래비용을 절감하는 집적의 경제 뿐 아니라 관련 업종 까지 ‘외부경제’ 효과를 볼 수 있다고 보았다(강우원, 1996; 이철우, 2013). 인큐베이터 이론은 대도시 제조업 집적지가 새로운 창업공간으로써 이용될 수 있다고 보았으며, ‘국지적 노동시장론’에서는 대도시 내 지역 및 계층 간 국지적으로 상이하게 나타나는 노동시장에 일자리를 공급하기 때문이라고 보았다. ‘산업연계론’에서는 공간적 근접성을 바탕으로 네트워크를 형성하여 수요의 변화에 대응하고 다양한 상품을 공급하는 등 전문화되고 유연적인 특성을 갖을 수 있기 때문이라고 보았다. ‘거래행태론’에서는 도심에 대한 근접성을 통해 대면접촉과 비표준적인 생산을 지향하는 인쇄·출판·패션산업 등의 산업이 유연성에 대응하기 위해 입지한다고 보았다(강우원, 1996).

위와 같은 이론을 바탕으로 볼 때, 대도시 제조업 집적지는 산업구조의 다양화, 일자리 창출, 지역경제 활성화 등 도시경쟁력 향상과 고용기반안정을 도모할 수 있지만 최근 제조업의 경쟁력 약화, 고용 쇠퇴, 고차 서비스 산업을 중심으로 한 지식기반산업으로의 산업구조 변화, 주거 및 상업 등 타용도와의 상충과 침투 등 경제적·사회적 환경의 변화로 제조업 기반이 상실되고 있다(이철우, 2011; 서연미 외, 2012).

대도시 도시공간구조의 변화와 산업고도화에 따라 제조업 기반이 상실되며 제조업이 필요한지에 대한 의문이 제기되고 있지만, 여전히 대도시에서 제조업 집적지는 연관 산업 지원과 다양한 노동시장의 제공 등 중요성이 인식되고 있다. 이에 따라 도시차원에서 서울시는 ‘산업 및 특정개발진흥지구’를, 국가차원에서는 ‘도시형 소공인 집적지구’를 지정하는 등 집적지의 보존과 육성을 위한 정책이 적용되고 있다.

국내의 대도시 산업집적지에 대한 연구는 집적지의 식별 및 특징을 분석한 연구, 집적지를 유형화하여 특성을 비교분석한 연구, 집적지의 재입지 요인을 도출한 연구 등이 있다.

대도시 차원의 집적지 식별 및 특징을 분석한 연구는 공공을 중심으로 다수의 연구가 진행되어 왔다. 먼저 집적지의 식별을 위해 동단위의 입지계수나 기술통계를 통해 집적지를 식별하고 있다(금기용 외, 2012; 장서명, 2008). 하지만 입지계수는 산업구조의 상대적 크기만을 반영하며 산업분포의 빈도나 비율이 인근지역의 집적효과를 반영하기 어렵다(조대헌, 2013)

이러한 한계를 극복하기 위해 김명진(2014)의 연구에서는 경기도 읍면동의 지식기반산업 종사자수를 기준으로 Getis-Ord’s G통계량과 FLQ분석방법을 통해 집적지를 식별하였으며, 신기동(2009)의 연구에서는 Local Moran’s I 통계량을 통해 집적지를 식별하였다.

제조업 집적지를 유형화 한 연구는 오규식 외(2012)의 연구가 있다. 서울시 준공업지역의 남부지역을 대상으로 물리적·사회적·경제적·환경적 부분을 진단할 수 있는 지표를 도출하기 위해 주성분 분석과 군집분석을 실시하였지만 준공업지역만을 집적지로 분류한 점과 유형화된 군집의 산업특성을 제시하지 못한 한계가 있다.

제조업의 재입지요인 도출에 관한 연구는 이항로짓분석을 통해 기업의 특성과 인근 환경요인을 중심으로 재입지요인을 도출하고 있다(안영수, 2012; 도화용, 2008). 제조업의 재입지요인으로 입지기간 및 종사자 규모 등 사업체 특성과 삶의 질, 교통, 이전지원, 공시지가, 동일업종 종사자 수 등 환경적 요인이 언급되고 있다.

Table 1.

literature review

산업 및 특정개발 진흥지구는 도시계획적 지원과 산업지원조치가 연계된 정책으로 2008년 「서울시 전략산업 육성 및 지원에 관한 조례」를 개정하며 ‘공업기능 또는 특정 목적을 위하여 개발·정비할 필요가 있는 지구’로 규정하고 있다.

이에 따라 진흥지구로 지정되기 위한 대상지의 기준으로 세 가지를 제시하고 있다. 첫째, 서울시 권장업종에 해당되어야 한다. 둘째, 8,000㎡ 이상의 면적을 지녀야 한다. 단, 필요한 경우 5,000㎡이상인 경우도 지정할 수 있다. 셋째, 산업의 집적도가 높아야 한다. 권장업종 종사자수 또는 성장률 등이 일정기준 이상이거나 공장부지 비율이 높은 지역 이여야 한다. 위 기준을 만족하여 지구지정이 될 경우 공공으로부터 기반시설의 설치·권장업종의 행위제한 완화·용도지구로써 진흥지구의 지정·세금감면 및 자금융자 등 기업 지원을 받을 수 있다.

하지만 진흥지구가 일관된 정책적 기조를 보이지 못하며 여러 문제점이 제기되고 있다. 특히, 진흥지구가 낙후된 지역의 특화산업 활성화를 위한 정책이지만 권장업종이 경제성장을 도모하기 위한 전략산업위주로 선정되어 있으며 도시계획과 산업활성화를 결합하였음에도 도시계획이 기반시설 공급, 앵커시설 조성, 용적률 완화 등 지원적 측면이 강조되며 지역개발정책으로 변질되었다는 지적을 받고 있다(양재섭 외, 2013).

「도시형소공인 지원에 관한 특별법」이 2015년 제정됨에 따라 국가차원에서 도시지역의 제조업 종사자에 대한 공간 및 산업적 지원이 가능해졌다. 도시형 소공인이란 일정지역에 집적하는 특성이 있는 제조업에 종사하며 10인 이하의 사업체를 말한다. 이와 같은 도시형 소공인이 일정 수 이상 밀집되어 있는 행정동이 도시형 소공인 집적지구로 지정 될 수 있으며 기반시설·앵커시설·공동시설의 설치 및 지원과 금융 등의 기업지원을 받을 수 있다.

Table 2.

analysis process

군집분석은 다양한 특성을 지닌 데이터로부터 유사한 특성을 지닌 집단으로 분류하는데 쓰이며 계층적 방법과 비계층적 방법으로 나뉠 수 있다. 계층적 방법은 군집의 형성과정을 인식할 수 있지만 관측치 및 변수가 많을 때 사용하기 어려운 단점이 있다(Norusis, 2011). 따라서 본 연구에서는 군집 초기값의 평균을 설정하는 비계층적 방법인 K-means 알고리즘을 이용하였다.

k : 군집의 수, x_i : cell의 제조업 중분류 수
c_k : 군집의 유형, μ_i : c_i 군집의 평균

K-means 알고리즘은 군집의 평균과 객체간의 거리 차이의 분산을 최소화하는 방법이다(식 2참고). 따라서 SSE(sum of squared error)를 최소화하기 위해 다음과 같은 알고리즘을 거친다. 첫째, 지정된 k개의 seed feature를 추출하고 군집의 중심으로 설정한다. 둘째, 중심점과 가장 유사한 값들로 이루어진 군집을 분류한다. 셋째, 군집의 중심점을 다시 지정하여 반복수행한 후 SSE가 최소화된 군집의 형태를 분류한다.

이와 같은 알고리즘 특성 상 Jain(2010)은 알고리즘의 세 가지 한계로 군집의 수 설정문제, 군집 중심점(seed feature) 설정문제, 데이터 간 거리설정 문제를 제시하였다. 이와 같은 문제는 알고리즘의 태생적 문제이기 때문에 데이터의 유형과 연구자의 목적에 따라 다르게 설정될 수 있으며 본 연구에서는 다음과 같이 반영하였다.

군집의 분류 기준으로는 제조업 중분류별 사업체 수를 반영하였다. 군집의 수는 R통계 패키지의 NbClust를 참고하여 4개로 반영하였으며 거리는 대다수의 연구와 같이 유클리디안 거리를 반영하였다. 군집의 중심점설정은 반복 분석하여 가장 적합한 군집형태로 설정하였다.

LQ지수는 지리학과 경제학에서 이용되는 대표적인 기술통계지표로 해당 지역과 전체지역 간의 변수에 대한 상대적인 특화정도를 분석할 수 있다. 입지계수는 일반적으로 한 지역의 특정 집단 또는 산업이 차지하는 비중을 비교하는 전체지역의 집단 또는 산업이 차지하는 비중으로 나누어 산출한다(식 3참고).

i : 제조업 중분류
M_ic : 집적지의 i제조업 수
M_c : 집적지의 전체 제조업 수
M_i : 서울시 i제조업 수
M : 서울시 전체 제조업 수

집적지 유형간 입지특성을 비교하기 위해 입지특성을 제조업 사업체의 내재적 요인인 사업체 특성과 환경적 요인인 건축물·근린환경·사회경제적 환경으로 구분한다. 사업체 특성은 집적지에 입지하고 있는 제조업 사업체의 고용자수, 사업체의 지속연도, 소상공인여부를 반영하여 사업체 내재적 특성에 따른 집적지 유형을 선택 할 확률을 비교한다.

건축물 특성과 근린특성에서는 제조업집적지의 용도특성을 파악하기 위해 제조업 사업체가 입지하고 있는 건축물과 블록(근린환경)의 특성을 반영한다. 선행연구에 따르면 도시형제조업의 경우 개별입지로 인한 타용도와의 혼재가 높게 나타남을 언급하고 있다(서연미 외, 2013). 따라서 개별 입지한 건축물의 용도와 주변 근린환경의 주용도를 더미변수, 블록의 용도혼재율을 HHI지수로 반영하여 실제 대도시 제조업 집적지의 건축물 및 근린의 용도특성에 따라 집적지 유형을 선택할 확률이 다르게 나타나는지 비교한다.

사회경제적 특성은 일반적인 입지특성으로 제조업 사업체가 입지하고 있는 cell의 고용, 사업체, 주택, 인구, 공시지가 등을 통제변수로 반영한다. 또한 도시형 제조업의 특성으로 나타나고 있는 접근성은 제조업 사업체와 도로, 버스. 지하철과의 유클리디언 거리로 반영한다.

Table 4.

Variables

다항로짓분석은 종속변수가 명목척도일 경우 오차들이 등분산성 및 정규분포를 따르지 않는 등 선형 회귀모델의 가정에 위배되므로 일반적 선형 회귀모델 추정값에 편의(bias)가 발생할때 이용된다(이희연 외, 2013).

다항로짓분석은 확률선택모형에 기초하며 의사결정주체는 효용이 가장 높은 대안을 선택하게 된다. 따라서 본 연구에서의 선택 주체인 제조업 사업체는 효용에 따라 종속변수인 집적지 유형을 선택하며 유형 별 집적지에 대한 제조업 사업체의 효용은 다음과 같다(식 4참고).

U_ij : 집적지i에 대한 j사업체의 총 효용
$$ V_{ij}^E$$ : 사업체특성, $$ V_{ij}^B$$ : 건축물특성
$$ V_{ij}^N$$ : 근린환경, $$ V_{ij}^{SE}$$ : 사회경제적 환경
$$ {ϵ}_{ij}$$ : 확률적 효용
i : 집적지 유형, j : j번째 사업체

이때 제조업 사업체가 집적지 유형을 선택할 확률은 모든 집적지에 대한 효용의 총 합에서 선택된 대안이 차지하는 비율에 비례한다. 하지만 선택대안이 3개 이상인 경우 대안 별 크기를 비교하기 위해 참조집단을 설정해야하며 본 연구에서는 cluster1 유형을 참조집단으로 설정하였다. 따라서 각 사업체가 집적지 유형을 선택할 확률은 다음과 같이 나타난다(식 5참고).

i : 집적지 유형(cluster 2·3·4)
단, e^U₁

서울시 제조업 집적지로 식별된 2,332개의 cell을 제조업 중분류를 기준으로 군집분석 한 결과 4개의 집적지 유형이 나타났다. 먼저, 공간적인 분포(그림2) 및 산업적 특성(표7)을 볼 때 공간적으로 응집하고 서울시 전역에 산재한 일반적인 집적지인 cluster1, 도심권 인쇄산업중심의 cluster2, 서남권 기계·금속·조립 등 산업 중심의 cluster3, 도심권 섬유제품 및 기타제품 제조업 중심의 cluster4로 구분되었다.

Figure 2.

Classification of manufacturing clusters

기초통계량을 통해 분석한 결과(표6) 특정 지역 및 산업을 중심으로 분류된 집적지(cluster 2·3·4)의 면적이 전체 집적지 면적 대비 6.5%이지만 전체 집적지 제조업 사업체수의 약 35%인 10,224개가 밀집되어 있다. 즉, 전체 제조업 집적지내부에서도 특정 지역에 밀집된 집적지 유형이 나타나며 반경 100m내에 평균적으로 68개의 다수 사업체가 높게 밀집되어 있음을 알 수 있다.

Table 6.

Share of manufacturing by cluster

각 군집유형의 산업적 특성을 도출하기 위해 사업체 양적크기와 산업구조를 기초통계량과 LQ분석을 통해 군집 별 특화산업을 도출하였다(표7·8). 먼저 기초통계량은 각 집적지 유형 마다 특정산업에 편중된 값을 가지기 때문에 cell 개수와 비례하여 양적크기를 비교하기 위해 평균값 1 이상일 경우를 기준으로 하였다. LQ분석은 서울시 제조업 산업구조 대비 해당 집적지 제조업 산업구조를 비교하여 1 이상일 경우를 기준으로 하였으며 분석 결과는 다음과 같다.

Table 7.

Distribution of manufacturing by cluster

cluster1 유형은 서울시에 전역에 분포하며 특화산업으로는 cluster1 제조업수의 52%에 해당하는 C14(의복)·C18(인쇄)·C25(금속가공)이 나타났다. 이들 산업은 타 cluster 유형에서도 나타날 뿐만 아니라 절대 다수를 차지하기 때문에 서울시 차원에서 산업정책을 통한 육성 및 보호가 고려되어질 필요가 있다.

cluster2·3·4 유형은 공간 및 산업집적이 높은 지역에 해당하며 공간 및 산업정책을 통해 집적지의 육성 및 관리가 필요한 유형이다. 먼저, cluster2는 도심권 을지로동 및 광희동을 중심으로 나타나며 특화산업으로 cluster2 제조업수의 88.2%에 해당하는 C16(목재 및 나무제품)·C17(펄프 및 종이)·C18(인쇄)·C22(고무제품 및 플라스틱)이 나타났다. 이들 산업은 전통적인 도심형제조업에 해당하는 산업이며 대표적인 자연발생적 산업집적지라 할 수 있다.

cluster3은 서남권 준공업지역을 중심으로 나타나며 특화산업으로 cluster3 제조업수의 75%에 해당하는 C25~C29(기계·금속·조립 등 산업)이 나타났다. 이들 산업은 단지 형태의 계획적 입지지역인 G-valley 일대, 상가 중심의 고척산업용품 및 시흥유통상가, 구로동·문래동 등 준공업지역 일대, 청계3가 사거리를 중심으로 나타나고 있다. cluster3유형은 계획적 입지와 자연발생적 입지로 나타난 대도시 산업집적지의 특징을 모두 보이고 있으며 영세제조업체가 밀집한 지역은 다수의 cell들이 서로 인접하여 넓게 나타나는 특징을 보이고 있다.

cluster4는 도심권의 창신동과 광장시장, 동대문종합시장, 종로 귀금속거리 및 기타지역을 중심으로 나타나며 특화산업으로 cluster4 제조업수의 95%에 해당하는 C13(섬유제품), C14(의복), C33(기타)이 나타났다. cluster4 또한 cluster2와 같이 자연발생적인 전통적인 도심형제조업 밀집지역에 해당한다.

Table 8.

Results of LQ analysis

Table 9.

Summary of characteristics of clusters

사업체 특성으로 각 사업체가 지닌 종사자수는 평균적으로 다섯 명이 종사하는 것으로 나타나고 있다. 반면 cluster2·4유형은 두 명으로 나타나 영세제조업체가 밀집된 집적지로 보인다. 사업체의 노후도는 평균 10년으로 집적지 유형 간 차이가 없다.

건축물특성으로 연면적은 cluster3 유형이 높게 나타난다. 노후도는 cluster3 유형이 평균 16년으로 가장 작게 나타나고 cluster4 유형이 31년으로 가장 높게 나타나고 있다. 이와 같은 결과는 cluster3 유형의 경우 지식산업센터와 같은 아파트형 공장이 다수 입지한 G-valley일대를 포함하며, cluster4 유형은 도심권 및 창신동일대 노후주거지 및 상업지에 분포하고 있기 때문인 것으로 해석될 수 있다.

근린토지이용 환경으로 평균 건폐율은 모든 집적지가 70% 내외로 나타나 큰 차이가 없는 것으로 나타나고 있다. 평균 층수의 경우 cluster2 ·3이 5층 이상으로 나타나 다수 높은 건물이 입지하고 있는 것으로 분석될 수 있다. 해당 블록의 건축물 용도 혼재율은 cluster2가 25.9로 가장 작게 나타나 다양한 용도의 건축물이 가장 혼재된 집적지로 나타나며 cluster3이 47.8로 가장 높게 나타나 특정용도의 건축물이 다수 입지하여 용도혼재가 가장 적은 집적지로 나타나고 있다.

사회경제적 환경으로 전체 고용자수 및 제조업 고용자수 모두 cluster3·4에서 높게 나타나고 있다(표10). 하지만 전체 고용성장은 cluster2·4가 평균적으로 음(-)의 값을 나타내며 제조업 고용성장 또한 cluster2·3·4 유형 모두 음(-)의 값을 나타내고 있다. 즉, 공간 및 산업 밀집이 높은 제조업 집적지 유형은 다수의 제조업 사업체 및 고용자가 입지하고 있지만 고용성장이 감소하거나 더딘 것으로 분석될 수 있다. 반면 cluster1은 제조업 고용성장이 평균적으로 양의 값(+)을 나타내고 있어 서울시 산재한 제조업 집적지의 제조업 고용은 성장하는 것으로 나타나고 있다.

Table 10.

Employment characteristics of each cluster

대도시 제조업 집적지의 특징으로 언급되고 있는 타용도와의 혼재와 건축물 및 근린환경의 용도특성을 분석한 결과는 다음과 같다(표11).

Table 11.

Characteristics of buildings and neighborhood land uses of each clusters

제조업 집적지 내 사업체가 입지하고 있는 건축물의 주용도는 근린생활(46%), 공장(16%), 주거(15%) 순으로 나타나고 있다. 또한 근린환경은 상업 및 업무(43%), 주거 및 상업 혼합(20%), 기존 공업 및 아파트 공업(20%), 주택지(14%)순으로 나타나고 있다. 이와 같은 결과는 도시형제조업이 단순 용도지역제도와 건축물용도 관리를 통해 관리 될 수 없음을 시사하며 특히, 공업용 토지이용이 높은 지역보다는 상업 및 업무, 주거 등 타 용도와의 토지이용이 높은 지역에 입지하고 있어 산업집적지에 대한 용도관리 정책이 필요함을 알 수 있다.

집적지 유형별 용도 특성을 분석한 결과는 다음과 같다. cluster2의 제조업은 상업 및 업무시설지에 78% 입지하고 있으며 건축물 용도는 근린생활(52%)이 다수를 차지하고 있다. cluster2의 경우 을지로동 및 광희동, 방산시장 등 상업 및 업무중심지에 해당하며 이는 과거부터 상업 및 공업 등 다양한 산업이 입지 할 수 있는 근린생활시설이 다수 입지한 결과로 보인다.

cluster3의 제조업은 상업 및 업무시설지(44%), 기존 공업지(15%), 아파트형 공업지(24%)에 입지하고 있다. 또한 공장용도의 건축물에 전체의 37%가 입지하고 있다. cluster3의 경우 G-valley, 문래동, 구로동, 청계3가 등 산업단지 지역과 준공업지역이 해당되며 이와 같은 결과는 산업입지를 장려하기 위한 용도정책의 결과로 해석될 수 있다.

cluster4의 제조업은 상업 및 업무시설지(64%), 주거 및 상업혼합지(23%)에 입지하고 있다. 또한 전체 건축용도의 67%가 근린생활에 해당한다. 이와 같은 결과는 집적지의 주요 업종인 C18(의복) 등이 근린생활시설에 입지하는 산업적 특성으로 창신동 등이 이에 해당되기 때문인 것으로 분석된다.

공간 및 산업 밀집이 높은 집적지 유형 간 입지 특성을 비교하기 위해 결측값을 제외한 22,629개의 제조업 사업체를 분석한 결과는 다음과 같다. 먼저 모형의 적합성은 우도비 검정시 유의수준이 0.00으로 나타나 적합한 것으로 나타난다(표12). 또한 각 변수에 대한 우도비 검정도 모두 유의하게 나타나 모든 변수가 모형적합성에 유의한 영향을 미침을 알 수 있다. 서울시에 산재한 제조업 집적지 대비 공간 및 산업 밀집이 높은 제조업 집적지(cluster2·3·4)와 비교하기 위해 cluster1을 참조집단으로 분석한 결과는 다음과 같다(표13).

Table 12.

Model suitability

Table 13.

Results of multinomial logistic regression

사업체 특성을 볼 때 cluster2에는 종사자수 가 적고 사업체가 오래되지 않을수록 cluster1 대비 선택 될 확률이 높게 나타난다. cluster3에는 종사자수가 적으며 소상공인일수록, 사업체 지속연도가 높을수록 cluster1 대비 선택될 확률이 높게 나타난다. cluster4는 종사자 수가 적으며 신생 사업체가 많을수록 cluster1 대비 선택될 확률이 높게 나타나고 있다. 즉, 집적지의 사업체 내재적 특성이 집적지 선택에 영향을 주고 있음을 알 수 있다.

건축물 특성의 연면적은 cluster2가 음의 값(-), cluster3·4는 양의 값(+)을 나타내고 있어 cluster2는 연면적이 작을수록, cluster3·4는 클수록 cluster1 대비 선택될 확률이 높게 나타난다. 반면 건축물 노후도는 cluster3에서 음의 값(-), cluster4에서는 양의 값(+)을 보여 건축물의 갱신이 활발할수록 cluster1 대비 cluster3에 선택될 확률이 높으며 더딜수록 cluster4에 선택될 확률이 높게 나타난다. 건축물 용도 특성은 cluster2는 주거(+), 상업 및 업무(+), 공장(-)으로 나타나며, cluster3은 근린생활(-), 공장(-), cluster4는 주거(+), 근린생활(+), 상업 및 업무(+)로 나타나고 있다. 즉, 건축물의 용도가 비공장용도일 때 cluster1 대비 공간 및 산업 밀집이 높은 집적지가 선택될 확률이 높아진다. 특히, cluster3은 공장용도가 음의 값(-)을 나타내 준공업지역 및 계획입지를 통해 용도관리를 하는 집적지임에도 건축물이 공장용도일 경우 cluster1 대비 선택될 확률이 낮게 나타나고 있다.

근린환경의 용도혼재율은 cluster2가 음의 값(-)을 나타내 건축물의 용도가 다양할수록 cluster1 대비 선택될 확률이 높게 나타난다. 반면, cluster3·4는 양의 값(+)을 나타내 건축물의 용도가 획일적일수록 cluster1 대비 선택될 확률이 높게 나타나고 있다. 평균 건폐율은 모두 양의 값을(+)을 나타내고 있으나 평균 층수는 cluster3·4가 음의 값(-)을 보이고 있다. 이와 같은 결과는 cluster3의 구로동, 문래동, 청계3가와 cluster4의 창신동 등 저층 위주의 밀집된 지역에 제조업이 입지하기 때문인 것으로 보인다. 근린용도 특성은 cluster3만이 모든 유형에서 유의한 양의 값(+)을 나타내고 있다. 즉, cluster 2·4는 근린환경의 용도가 cluster1 대비 선택될 확률에 영향을 미치지 않으며 cluster3의 경우 모두 양의 값을 갖지만 주거 및 상업 혼합지일 경우 cluster1 대비 선택될 확률이 가장 높은 것으로 나타나 용도지역 정책을 통한 입지유도는 cluster3유형이 가능할 것으로 판단된다.

사회경제적 특성을 볼 때 전체 종사자수와 고용성장률에서는 cluster2·4가 음의 값(-), cluster3이 양의 값(+)을 보이고 있다. 제조업 고용특성의 제조업 종사자수는 cluster 2·3·4 모두 양의 값(+)을 보이나 제조업 고용성장률은 cluster3이 음의 값(-), cluster4가 양의 값(+)을 보이고 있다. 즉, 전체 종사자수는 cluster3이, 제조업 종사자수는 모든 유형에서 cluster1 대비 선택될 확률이 높아진다. 반면 고용성장 측면에서는 cluster3·4가 상반된 결과를 보이고 있으며 cluster3은 cluster1 대비 전산업이 성장하고 제조업은 쇠퇴할수록, cluster4는 cluster1 대비 전산업이 쇠퇴하고 제조업은 성장할수록 선택될 확률이 높아진다.

인구는 cluster2·3 모두 전 연령에서 음의 값(-)을 나타내 인구가 적을수록 cluster1 대비 선택될 확률이 높아진다. 반면, cluster4는 65세 이상 인구가 많을수록 cluster1 대비 선택될 확률이 높게 나타나 고령인구가 많을수록 선택될 확률이 높아진다. 접근성에서는 cluster2가 버스·지하철· 도로 모두 음의 값(-)을 나타내 해당 시설로부터 멀어질수록 cluster1 대비 선택될 확률이 낮게 나타나고 있다. 반면, cluster3은 버스와 지하철이 양의 값(+), cluster4는 버스 및 도로가 양의 값(+), 지하철이 음의 값(-)을 나타내고 있다. 이와 같은 결과는 해당 집적지의 산업적 특성에 기인하며 기계·금속·조립 등의 산업 보다는 인쇄·출판·봉제·의류산업 등이 대면접촉 또는 서비스측면에서 접근성이 중요한 산업이 입지하기 때문인 것으로 분석된다.