Journal Archive

인구변화는 일반적으로 자연적 증감(출생과 사망)과 사회적 증감(전입과 전출)이라는 두 축으로 설명된다. 그러나 최근 국내외 도시에서는 출산율 저하와 고령화로 인해 자연적 요인의 기여도가 점차 약화되고 있으며, 이에 따라 인구이동에 따른 사회적 요인이 인구 구조 변화의 주요 요인으로 기인하고 있다(김병석 외, 2017; 구양미, 2021).

이러한 인구이동은 인구증감과 인구 구조 변화를 비롯해 지역의 사회 경제적 변화에 영향을 미치는 중요한 동인이며(Shen, 2012; Findlay and Wahba, 2013), 전출 지역과 전입 지역 사이의 경제적, 사회적, 문화적, 또는 기타 환경적 수준의 차이에 의해 발생한다(김홍배·이창우, 2009). 또한, 전입과 전출 간의 차이인 순 이동은 특정 지역에 대한 개별 가구의 주거지 선택 결과의 합계로, 그 지역이 가진 매력, 또는 가구의 소득이나 자산 또는 보유한 주택가격 등과 같은 경제적 측면, 지역에 대한 선호도나 가구 특성에 맞추어 적절한 지역을 선택하여 나타나는 결과라고 할 수 있다(김리영, 2019). 이러한 인구변화의 요인은 정해져 있는 것이 아니라, 시대와 상황에 따라 달라질 수 있으며, 다양한 요인들이 복합적으로 영향을 미치게 된다(이찬영, 2018; 유동균 외, 2021).

경제 성장 고도화 시기의 국가에서는 고용이나 소득 요인에 의한 인구이동이 일반적이며(Todaro, 1980), 도시의 산업·경제적 요인이 도시 인구증감에 지배적인 영향을 미친다. 한국의 경우, 1960년대 이후 산업화 시기에 고도의 경제성장을 이루었으며, 이로 인해 농촌지역에서 도시지역으로 많은 인구가 유입되었다. 특히 서울과 인접한 수도권 도시들은 신도시 개발이나 대규모 택지 개발이 함께 이루어지면서 인구 유입에 의한 성장을 경험하였다(김리영, 2019).

고도화된 경제 성장 시기가 지나고 안정기에 접어든 국가 혹은 인구 저성장 국가에서는 산업·경제적 요인 외에도 교육적 측면, 사회·문화·복지적 측면, 개인 속성, 주거·토지, 교통 요인 등이 인구증감에 영향을 주게 된다. 예를 들어 Kato(2023)의 연구에서는 경제적 요인보다 교육 수준이 인구변화에 더 큰 영향을 미친다고 분석하였다. 한국에서도 국민들의 경제적 수준이 높아지면서 경제적 이유 이외에 더 나은 삶의 질, 주거환경, 교육서비스 등 지역에서 누릴 수 있는 공공서비스와 사회적, 환경적 요인에 대한 요구가 높아졌다(김리영, 2019; 이왕건, 2005). 특히 주택과 관련된 요인들은 국내 인구이동에 큰 원인 중의 하나로 나타나고 있다(조대헌, 2018). 한국에서의 주택은 가구 자산의 높은 비중을 차지하고 있으며, 자산 증식을 위한 투자 상품으로서도 작용하고 있다. 이러한 점에서 주택가격과 주거인프라 수준은 인구이동에 있어 중요한 요인이라고 볼 수 있다.

Ravenstein(1885)은 인구이동을 거주민이 현재의 불리한 환경을 벗어나 보다 나은 조건을 제공하는 지역으로 이동한다고 보았으며, 이는 이후 중력모형(Gravity Model)이라는 전통적 인구이동 이론으로 정립되었다. 이 모형은 도시의 규모와 지역 간 거리라는 두 요소에 주목하여, 인구가 대규모 도시이면서 인접한 지역으로 더 많이 이동한다는 점을 강조한다. 다시 말해, 인구이동은 도시의 인구 규모가 클수록, 그리고 이동 대상지와의 거리가 가까울수록 더 활발히 일어나는 경향이 있다는 것이다. 이러한 접근은 인구이동을 이해하는 데 있어 유용한 기초 틀을 제공하지만, 실제 인구이동에는 사회적·경제적·문화적 변수들도 다면적으로 작용하고 있음에도 이를 충분히 반영하지 못했다는 비판도 존재한다(송용찬·김민곤, 2016; 윤갑식, 2015).

이처럼 인구이동은 지역 간 상호작용을 통해 발생하는 상대적 현상으로, 특정 도시의 인구 유입이 인접 도시 또는 주변 지역의 인구 유출에 기인하는 결과의 국내 연구도 다수 존재한다(김리영·김성연, 2020; 민보경·변미리, 2017; 변은주 외, 2025). 이러한 현상은 도시 간 인구변화가 제로섬(Zero-sum) 게임의 성격을 띠고 있음을 의미하며, 한 지역의 인구증가가 다른 지역의 감소를 동반하는 구조적 특성을 지니고 있음을 시사한다. 특히 중심 도시나 수도권과 같은 대도시는 인근 중소도시로부터 인구와 자원을 흡수하며 성장을 지속해왔는데, 이러한 현상은 이른바 빨대효과(Straw Effect)로 설명될 수 있다. 빨대효과란, 대도시의 인프라가 주변 지역의 인구, 자본, 인재 등을 흡수함으로써 중심지 집중이 심화되고, 결과적으로 주변 지역의 쇠퇴를 야기하는 공간적 불균형 현상을 의미한다(이상조 외, 2019; 이성민·우명제, 2024; 전광희, 2017). 이러한 관점은 도시 간 인구이동의 결과를 단순한 유입과 유출의 집계로 보는 것이 아니라, 공간 간 인구경쟁 및 흡인력의 차이에서 발생하는 구조적 문제로 접근할 필요성을 제기한다.

인구 측면에서 도시의 성장은 개별 도시의 인구변화, 도심지와 배후지 간의 인구 및 고용 변화, 규모에 따른 도시 간 인구이동에 기초한 도시 변화 과정 등을 포함한다(남진 외, 2015). 즉, 어느 한 가지 측면이나 이론을 기준으로 도시 성장을 설명하는 데에는 한계가 있으며 도시 성장과 관련된 요인들을 종합적으로 고려할 필요가 있다(정환용, 2003). 기존 연구들에서는 도시의 성장과 쇠퇴를 분석하기 위해 주로 사회·인구, 경제·산업, 물리환경 요인들을 위주로 변수를 구성하였다(구양미, 2021; 김병석 외, 2017; 김광중, 2010; 장종우·김호철, 2024; 오윤경, 2021).

사회적 요인과 관련된 연구에서는 저출산과 고령화, 지역의 재정 및 예산 등이 중요하며, 교육 수준과 제조업 비율이 인구성장에 긍정적인 영향을 미친다고 밝히고 있다(엄현태·우명제, 2014; 이번송·김석영, 2002). 구체적으로, 도시의 노령화 비율이 증가할수록 해당 지역의 인구와 종사자 수가 감소하는 것으로 나타났으며, 이는 고령화로 인해 생산가능인구가 감소하고, 노동시장 활력이 저하되며, 동시에 지역 소비 및 경제활동 전반이 위축되기 때문으로 해석할 수 있다. 따라서 고령화가 심화된 지역일수록 인구 유입보다 유출이 두드러지는 경향을 보이며, 결과적으로 지역의 인구성장 정체 혹은 감소로 이어진다(엄현태·우명제, 2014). 이러한 맥락에서 청년층 인구의 정주 유인을 강화할 수 있는 교육·일자리·정주여건 개선 정책이 중요하게 대두되고 있다. 또한 교육이 도시의 성장에 긍정적인 효과를 준다는 점은 지역의 경제 발전에 있어서 교육의 긍정적인 역할을 뒷받침해 준다고 할 수 있다(이번송·김석영, 2002).

경제·산업 측면에서 도시의 성장은 도시의 경제적 요소의 양적·질적 성장, 지역 생산 증대, 생산 요소 규모 증대, 생산성 증대, 효율적 산업구조와 1인당 지역 소득 증대를 의미한다(남진 외, 2015). 경제적 요인과 관련된 연구(김주영, 2020)에서는 소득 수준이 인구이동을 결정하는 중요한 요인이며, 개인 소득수준이 높고, 의료 환경이 우수한 지역으로 인구가 유입되는 결과를 확인하였다. 또한 인구이동이 지역 고용구조에 미치는 영향을 분석한 연구(최석현 외, 2016)에서는 인구가 이동거리의 최소화와 주거지 편익을 높이는 방향으로 이동하는 경향이 나타났다. 이러한 결과는 인구이동이 단순한 물리적 재배치가 아닌, 개인의 삶의 질을 극대화하려는 경제적 선택의 결과임을 보여준다. 즉, 소득 수준, 고용 기회, 의료 서비스 등 경제적 여건이 양호한 지역은 상대적으로 더 많은 인구를 유입시킬 수 있으며, 이는 지역 간 경제적 불균형이 인구구조의 불균형으로 이어질 수 있음을 시사한다.

경제적 특성 중 하나인 주택가격에 대한 연구에서는 주택가격이 높으면 인구유출의 원인이 된다고 밝히고 있지만, 연구마다 결과들이 다르며 이는 모델링 과정상의 문제일 수 있다고 지적되고 있다(Jeanty et al., 2010). 관련된 국내 연구에서는 주택가격이 투자 수단화되면 지가나 주택가격이 높은 지역으로 순유입이 늘어날 수 있으며(김현아, 2013), 서울의 주택가격 상승에 따라 인구이동(총이동)이 점차 증가하다가 일정 수준에 도달하면 다시 감소하는 경향을 보이고 있음을 밝혔다(천상현 외, 2014). 한편, 이러한 현상은 지역에 따라 이질적이라는 연구결과도 있다(강세진, 2010). 해외에서도 주택가격과 지역경제 및 재정, 어메니티 등 인구변화 요인을 종합적으로 분석한 결과, 주택가격이 인구를 감소시킬 것이라는 기대와는 달리 인구의 증가를 불러오는 효과가 있음을 밝히고 있다(Hailu and Rosenberger, 2004; 조대헌, 2018).

물리환경 요인과 관련된 연구(Oyserman et al., 2002; 조규민·손동욱, 2020)는 지역의 공공기관이나 학교와 같이 시민들을 위한 공공재와 박물관, 공원 같은 문화적 편의시설이 도시의 성장 동력으로서 중요하며, 실제로도 해당 지역의 인구를 증가시키는 효과가 있다고 주장했다. 또한 최근 전통적인 소매업체의 역할이 변화하면서 소비의 선택이 자유로운 대규모 점포들이 늘어나고 있고, 도시 성장과 관련하여 소비 패턴의 변화 역시 중요한 요인이라 말한다(Clark et al., 2002; 김광중, 2010). 택지개발 사업과 인구이동에 관한 연구에서는 지역 정책이나 신도시 등 대규모 택지개발 사업으로 아파트를 공급하는 경우, 구시가지와 비교해 더 나은 정주 환경이 조성되면서 상대적으로 짧은 기간 동안 인구를 유입시키는 요인으로 작용하게 된다고 밝혔다(김병석 외, 2017). 해당 연구에서는 신도시와 같은 쾌적한 정주 환경과 생활 인프라가 인구를 유입시키는 효과를 가지지만, 쇠퇴한 원도심에서는 신도시로의 인구 유출 문제가 발생하여 지역 내 불균형 문제가 심화되고 있음을 시사한다.

교통 요인과 관련된 연구(진장익·진은애, 2015; 유동균 외, 2021)에서는 인구이동과 교통접근성이 서로 밀접한 관련을 가지고 있으며 인구증가에 긍정적인 영향을 미친다고 보고하고 있다. 그러나, 성현곤 외(2018) 연구 결과에서는 도로교통의 기반시설이 대도시 및 수도권 지역에서는 도시경제에 유의미한 영향을 미치지만, 비수도권 및 지방 중소도시 지역에서는 유의하지 않은 결과가 나타났다. 이는 교통 인프라 자체만으로는 인구를 유인하기 어려우며, 해당 지역의 산업 기반, 일자리, 교육 및 주거환경 등 다른 요인이 병행되지 않으면 그 효과가 제한적일 수 있음을 시사한다. 이처럼 교통 인프라는 일반적으로 인구이동 및 정주 선택에 긍정적인 영향을 미치는 요인으로 작용하지만, 그 효과는 도시의 공간적 맥락과 규모에 따라 상이하게 나타날 수 있다. 결과적으로, 교통 인프라의 확충은 도시 발전의 핵심 요소 중 하나이지만, 그 효과는 도시의 규모, 경제 구조, 인접 지역과의 연계성 등에 따라 달라질 수 있으며, 유형별 맞춤형 접근이 필요하다는 점을 시사한다.

도시의 인구변화는 자연적 증감과 사회적 인구이동이 상호작용하는 복합적 현상이며, 그 원인 역시 시대적·사회적 맥락에 따라 유동적으로 변화해왔다. 특히 최근 인구 저성장 시기를 겪고 있는 한국에서는 사회복지, 교육, 정주환경, 문화, 교통 등 다양한 요인이 인구 구조 변화에 영향을 미치고 있으며, 도시 간의 인구이동은 제로섬 게임 효과나 빨대효과와 같이 공간적 불균형을 심화시키는 경향을 보이고 있다. 그러나 기존의 선행연구는 주로 단기적 인구지표, 단일 변수 중심의 분석, 특정 지역에 국한된 사례연구에 집중되어 있어, 도시 간 상호작용 및 복합 요인 간의 구조적 관계를 충분히 설명하는 데 한계가 있었다. 이에 본 연구는 다음과 같은 점에서 기존 연구와 차별성을 갖는다.

첫째, 도시 성장의 평가에 있어 단일 인구지표가 아닌, 인구증가율, 자연적 인구증가율, 사회적 인구증가율의 세 가지 지표를 구분하여 활용하였다. 이를 통해 단순한 총인구 변화만으로는 파악하기 어려운 도시 내부의 인구 구조를 분해하고, 도시 특성 요인이 각각의 지표에 미치는 차별적 영향을 보다 면밀하게 분석하였다. 둘째, 도시의 다양한 특성 변수들이 상호복합적으로 작용함을 고려하여, 요인분석을 통해 사회, 경제, 정주, 교통 등 4개의 독립된 요인으로 차원 축소하였다. 이로써 변수 간 중복성을 제거하고 도시 특성의 구조적 관계를 명확히 파악할 수 있었으며, 각 요인이 인구변화에 미치는 상대적 영향력을 비교·해석할 수 있는 기반을 마련하였다. 셋째, 2011년부터 2021년까지 224개 시군구를 대상으로 한 균형 패널데이터를 활용함으로써 시간적 변화와 지역 간 이질성을 동시에 반영하였다. 나아가 공간더빈패널모형(Spatial Durbin Panel Model, SDPM)을 적용하여, 특정 지역의 도시 특성 요인이 해당 지역뿐만 아니라 인접 지역의 인구변화에도 영향을 미치는 공간적 파급 효과를 실증적으로 검증하였다.

이러한 분석 접근은 도시 성장을 하나의 고립된 현상으로 보기보다는, 공간적 상호작용과 장기적 인구 동태 속에서 다차원적으로 분석하고자 하는 시도로서 의의가 있다. 또한 향후 도시정책 수립 시 지역 간 인구유입 경쟁 및 공간불균형 문제를 고려한 전략적 대응 방안을 마련하는 데 실질적인 시사점을 제공할 수 있을 것으로 기대된다.

본 연구에 사용한 자료는 대한민국 224개 시군구 단위 지역을 대상으로 2011년부터 2021년까지 총 11개 연도의 균형 패널 데이터를 사용하였다. 또한, 본 연구는 거리를 기반으로 하는 공간가중치 행렬을 사용하여 지역의 인접성을 측정하였다. 섬으로 되어 있는 일부 도서 지역의 경우, 분석 범위로 포함시키게 되면 공간 데이터에 오류가 발생할 수 있다. 따라서 본 연구는 총 229개의 시군구 단위 지역 중, 제주특별자치도의 제주시와 서귀포시, 경상북도 울릉군, 인천광역시 옹진군, 전라남도 신안군 5개의 지역을 분석 범위에서 제외하였다. 분석 기간은 패널데이터로 구득이 가능한 최대 시점 자료를 사용하였다. 본 연구에 사용된 데이터는 통계청, 행정안전부, 국토교통부, 한국철도공사 등 공공기관 데이터를 사용하였으며, 모두 시군구 단위로 통일하여 구축하였다.

1) 인구 변화 지표

통계청의 인구주택총조사를 기준으로 2011~2021년 사이 대한민국의 전국 인구는 49,936천 명에서 51,769천 명으로 3.67% 증가하였다. 인구증가율은 매년 감소하고 있으며, 2020년부터는 전국 인구증가율이 -0.28%로 마이너스 성장 국면으로 접어들었다. <그림 1>은 시군구 단위에서의 이전 연도 대비 2011년과 2021년의 인구증가율을 보여주고 있다. 이를 통해서 지난 2011년에 비하여 2021년의 인구증가율이 감소한 지역이 더 많아졌음을 확인할 수 있다.

Figure 1. 
Year-on-year population growth rate

본 연구는 도시의 성장을 평가하기 위한 지표로 3가지의 인구지표를 사용하였다. 먼저, 인구의 자연적 증가와 사회적 증가를 모두 포함하고 있는 인구증가율을 사용하였다. <표 1>의 기초통계를 보면, 분석기간 동안의 전국 인구증가율의 평균값은 -0.07%이다. 이는 대한민국이 인구저성장 시대에 들어섰음을 시사한다. 다음으로 인구의 자연적 증가를 확인하기 위해 자연증가율을 사용하였다. 자연증가율은 해당 지역의 출생아 수에서 사망자 수를 뺀 값에 주민등록연양인구(= [전년 12월 주민등록인구+당해년 12월 주민등록인구]/2)의 수를 나눈 값으로, 순수한 인구증가를 나타내는 지표이다. 마지막으로 인구의 사회적 증가를 확인하기 위한 변수는 인구의 사회적 이동을 확인할 수 있는 순이동률을 사용하였다. 순이동률은 해당 지역의 전입인구에서 전출인구를 뺀 값에 주민등록연양인구를 나누어 비율로 나타낸 개념으로 지역 인구의 순유입과 순유출을 의미한다.

Table 1. 
Summary statistics (No. observation=2,464)

본 연구의 분석 절차는 <그림 2>와 같이 총 다섯 단계로 구성된다. 첫째, 2011~2021년 동안의 시군구 단위 패널자료를 구축하였다. 둘째, 도시 특성 변수 간 중복성과 다중공선성을 완화하고 해석의 효율성을 높이기 위해 요인분석을 실시하였다. 이를 통해 총 15개의 도시 특성 변수들을 사회, 경제, 정주, 교통의 4개 요인으로 차원 축소하였다. 셋째, 공간 패널 분석을 위한 기초 단계로서, 분석 자료의 패널 효과를 검정하여 고정효과 모형의 적합성을 확인하였다. 넷째, 공간계량모형 적용의 타당성을 확보하기 위하여 공간적 자기상관성 검정을 실시하고, 인구 변화 변수와 설명 변수들 간의 공간의존성을 확인하였다. 다섯째, 앞서 도출한 요인을 바탕으로 공간더빈패널모형(SDPM)을 적용하여 도시 특성 요인들이 인구 변화에 미치는 직접 효과 및 공간적 파급효과를 추정하였다.

Figure 2. 
Analysis process and methodology

요인분석에서 적절한 요인의 개수는 일반적으로 스크리 플롯(Scree Plot)의 기울기의 변화를 통해 선정하거나, 고윳값(Eigenvalue)이 1 이상을 기준으로 결정한다. 본 연구의 스크리 플롯 결과, 적절한 요인의 개수는 4개로 확인되었으며, 요인분석 결과는 <표 2>에 제시하였다. 본 표에서는 요인값이 0.4 이상인 항목만을 포함하였다. 분석 결과, Kaiser-Meyer-Olkin(KMO) 값은 0.80으로 나타났다. KMO 값은 요인분석을 위한 데이터의 적합성을 평가하는 지표로, 일반적으로 0.6 미만일 경우 샘플링이 적절하지 않음을 의미하며, 0.8 이상일 경우 요인분석에 대한 표본 추출의 적절성이 확보되었음을 나타낸다(Shrestha, 2021).

<표 2>는 배리맥스(Varimax) 회전을 적용한 요인분석 결과를 보여준다. 도출된 4개의 요인은 각각 사회복지(Social Welfare), 경제 활성화(Economic Revitalization), 생활 인프라(Living Infrastructure), 교통 인프라(Transportation Infrastructure) 등의 요인으로 명명할 수 있다. 가장 먼저 도출된 사회복지 요인(Factor 1: Social Welfare)은 지역 내 복지 및 사회적 안정성과 관련된 변수로 구성되었다. 주요 항목은 노령화지수, 인구 천 명당 기초생활보장 수급자 수, 재정자립도, 사업체당 종사자 수, 학교 순밀도이다. 노령화지수와 기초생활보장 수급자 수는 부(-)의 값을 가지며, 이는 값이 낮을수록 젊은 인구 비율이 높고 경제적으로 자립 가능한 인구가 많음을 의미한다. 재정자립도는 양(+)의 값을 가지며, 해당 지역의 경제적 자립도가 높을수록 사회복지 지표에 긍정적인 영향을 미칠 가능성이 크다. 사업체당 종사자 수와 학교 순밀도는 물리적 및 경제적 요인에 해당하지만, 사회적 요인으로 분류되었다. 이는 도시가 유기적으로 작동하며 개별 요소들이 독립적이지 않고 상호작용함을 시사한다.

두 번째로 도출된 경제 활성화 요인(Factor 2: Economic Revitalization)은 지역 경제 성장 및 생산성과 관련된 요인으로, 사업체당 종사자 수, 인구 천 명당 종사자 수, 1인당 지방세, 1인당 지역내총생산(GRDP per Capita)으로 구성되었다. 인구 천 명당 종사자 수와 사업체당 종사자 수는 지역 내 경제활동과 고용 수준을 반영한다. 1인당 지방세 및 1인당 GRDP는 지역의 경제적 부와 생산성을 나타내며, 지역 경제 활성화 수준을 측정하는 주요 지표로 활용될 수 있다.

세 번째로 도출된 생활 인프라 요인(Factor 3: Living Infrastructure)은 지역 내 거주 환경 및 생활 편의성과 관련된 변수로 구성되었다. 주요 항목은 ㎡당 아파트 중위가격, 공공기관 순밀도, 학교 순밀도, 대형마트 순밀도, 철도역사 밀도, 고속도로 IC 접근성 밀도이다. 고속도로 IC 접근성 밀도는 부(-)의 값을 가지며, 이는 IC에서 멀어질수록 거주 환경이 더 쾌적해짐을 시사한다. 이는 교통량 증가로 인한 소음과 대기오염의 영향을 반영한 결과로 해석된다. 아파트 중위가격은 지역 내 주거 비용과 주거 환경 수준을 나타낸다. 공공기관, 학교, 대형마트, 철도역사 밀도는 생활의 편의성과 접근성을 향상시키는 주요 요소로 작용한다.

마지막으로 도출된 교통 인프라 요인(Factor 4: Transportation Infrastructure)은 지역 내 이동성과 접근성을 결정하는 요소로, 철도 접근성 밀도, 고속도로 IC 밀도, 고속도로 IC 접근성 밀도로 구성되었다. 철도 접근성 밀도와 고속도로 IC 접근성 밀도는 지역의 교통 접근성을 평가하는 중요한 요소이며, 지역 간 이동의 용이성과 관련이 깊다. 철도역사 밀도는 본 요인에 포함되지 않았으며, 이는 철도역사의 개수보다 접근성이 더 큰 영향을 미친다는 점을 시사한다. 실제로, 서울시의 지역별 고용밀도를 분석한 연구(진장익·진은애, 2015)에서도 교통 접근성이 높아질수록 고용밀도가 증가하는 경향을 보였으나, 신규 지하철역 개통 자체는 고용 중심지의 성장과 유의미한 연관이 없는 것으로 나타났다.

본 연구의 요인분석 결과, 지역 특성을 설명하는 주요 요인은 사회복지, 경제 활성화, 생활 인프라, 교통 인프라의 네 가지로 분류될 수 있었다. 특히, 요인분석의 과정에서 모든 요인은 표준화되어 평균값이 0, 표준편차값이 1로 조정되었다. 이를 통해 후속 분석에서 계수 간 크기 비교를 통해 각 요인의 상대적 영향력을 평가할 수 있다. 그러므로 다음의 공간 더빈 패널 모형에서는 이들 4개의 요인을 주요 관심 변수로 하여 모델링을 하여 도시 특성이 인구 동태에 미치는 공간 파급 효과를 실증하고자 한다.

공간패널모형을 적용하기 전에, 공간계량모형의 적용이 타당한지 검증하기 위하여 패널 모형의 적합성과 공간적 자기상관성 검정을 진행하였다. 먼저, 패널 효과 검정 결과는 <표 3>에 제시되어 있다. 개체효과의 유의성을 확인하기 위해 F-검정(F-test)을 수행하였으며, 모든 모델에서 통계적으로 유의한 결과를 보였다. 이를 통해 해당 모형에 개체효과가 존재함을 확인하였다. 이에 따라 패널 회귀 분석에서는 고정효과(Fixed Effects) 모형과 확률효과(Random Effects) 모형을 적용할 수 있다. 두 모형 중 어느 것이 더 적합한지를 판별하기 위해 하우스만 검정(Hausman Test)을 수행하였다. 해당 검정의 귀무가설은 “확률효과 모형과 고정효과 모형 간에 유의한 차이가 없다”이며, 검정 결과 귀무가설이 기각되어 고정효과 모형이 더 적합한 것으로 나타났다.

일반적으로 국가 또는 지역 단위를 개체로 간주하는 반복 측정의 패널 자료의 경우 고정효과 모형을 사용하는 것이 적절하다고 알려져 있다(민인식·최필선, 2022; Hansen, 2022). 또한, 고정효과 모형은 다변량 분석에 적합하며, 일반 최소자승법(Ordinary Least Squares, OLS)을 활용한 선형회귀 모형과 달리 개체별 또는 시간별 이분산성을 고려할 수 있다. 그뿐만 아니라, 시간에 따라 변하지 않으며 관측되지 않은 개체의 오차항 특성이 모형에 내생성을 초래하는 문제를 제거하여 불편의(Biased) 계수를 추정할 수 있는 장점이 있다(박진홍·최진무, 2020).

더불어, 공간 패널모형을 적용하기 위한 전제 조건으로 공간적 자기상관성의 존재 여부를 확인하였다(표 4). 공간계량모형은 공간가중치 행렬을 통해 공간적 자기상관 검정을 수행할 수 있다. 공간적 자기상관성 검정은 공간계량모형 적용의 타당성 여부를 판별하는 기법이다. 공간적 자기상관을 측정하는 방법은 다양하며, Moran’s I, Geary’s C, Getis and Ord’s G 등이 많이 활용되고 있다(김현중·이성우, 2011). 본 연구에서는 종속변수 및 주요 도시 특성 요인에 대해 Global Moran’s I 통계량을 산출하였다. 분석 결과, 대부분의 변수와 연도에서 Moran’s I 값이 통계적으로 유의하게 나타났고, 이는 특정 지역의 인구 특성이 인접 지역과 유사하거나 영향을 주고받는 공간적 자기상관이 존재함을 의미한다. p의 값이 높아질수록 모란 I의 값과 유의수준이 높아지는 것으로 나타났지만, 최종 모형의 모형적합도 검정에서 p=2의 모형의 Akaike Information Criterion(AIC)와 Bayes Information Criterion(BIC) 값이 가장 낮게 나와 최종 모형으로 선정하였다.

<표 5>는 종속변수에 대한 직접 효과(Direct Effect)와 공간 가중치가 적용된 간접적 공간 인접 효과(Spillover Effect)를 각각 제시하고 있다. 주요 분석 결과는 다음과 같다. 첫째, 각 모형의 람다(lambda, λ) 값을 통해 공간더빈패널모형(SDPM)이 통계적으로 유의함을 확인하였다. λ 값은 종속변수의 공간적 자기상관(Spatial Autocorrelation)을 나타내며, 인접 지역과의 연관성을 크기를 의미한다. 자연적 인구증가율을 사용한 B모형의 λ값은 1.08이고, 사회적 인구증가율을 사용한 C모형은 1.488로, 후자가 더 높은 공간적 자기상관성을 보여주고 있다. 이는 사회적 인구이동에 의한 인구변화가 자연적 인구변화보다 인접 지역 간 영향을 더 크게 받는다는 것을 의미한다.

둘째, 분석 결과, 인구 동태에 대한 인접 지역의 강한 부정적 파급효과(Negative Spill over Effect)를 확인하였다. 직접 효과는 양(+)의 방향을 보였으나, 공간가중치를 적용한 인접 지역 효과는 대부분 음(-)의 값을 나타내는 것으로 확인되었다. 이는 해당 지역의 도시 특성 요인이 개선될수록 인근 지역의 인구를 흡수하는 빨대효과가 발생함을 의미한다. 즉, 특정 지역의 인프라와 서비스가 향상됨에 따라 주변 지역의 인구가 해당 지역으로 유입되고, 상대적으로 주변 지역은 인구유출 및 쇠퇴를 겪게 되는 현상이 관찰되었다. 이러한 결과는 기존 연구에서도 확인된 바 있다. 예를 들어, 한국의 경우 신도시 개발로 인해 주변 도시의 인구가 유출되고, 기존 도심이 슬럼화되는 현상이 발생할 수 있다(김병석 외, 2017).

이러한 효과는 모형의 rho(ρ) 값을 통해서도 확인할 수 있다. 분석 결과를 보면 3개의 모형 모두 rho 값이 -0.99로 확인된다. rho 값이 0보다 크면 해당 지역과 인접 지역이 비슷한 특성을 가지지만, 0보다 작으면 서로 반대되는 특성을 가진다는 것을 의미한다. 본 연구에서는 Rho 값이 모두 -0.99로 매우 강한 음(-)의 공간적 자기상관을 나타내었으며, 이는 인구이동의 영향이 지역 간 영합(零合, Zero-sum) 게임과 같은 현상을 초래함을 시사한다.

셋째, 요인들 간의 영향력 비교 결과, 사회복지 요인과 생활 인프라 요인이 인구변화에 유의미한 영향력을 보이는 것을 확인하였다. 분석에 사용된 요인 변수들은 추출 과정에서 표준화되었기 때문에 계수 간의 크기 비교가 가능하다. 그중에서 사회복지 요인의 영향력 크기가 가장 큰 것을 확인하였는데, 이것은 경제적 수준이 높아지면서 더 나은 인프라와 사회적 서비스에 대한 요구가 높아졌다는 선행연구와 같은 결과이다(Kato, 2023; 조대헌, 2018). 사회복지 요인의 개선은 지역의 자연적 인구와 사회적 인구의 증가를 불러오며, 인접 지역의 인구를 흡수하고 순유출을 발생시키는 부정적 빨대효과를 가진다.

넷째, 자연적 인구증가(B 모형)는 사회적 인구증가(C 모형)보다 더 다양한 요인에 의해 영향을 받는 것으로 확인되었다. B 모형(자연적 인구증가율)에서는 대부분 독립변수가 유의한 영향을 미치지만, C 모형(사회적 인구증가율)에서는 특정 변수만 유의한 영향을 미침을 확인하였다. 이러한 차이는 자연적 인구증가(출생률) 요인이 사회적 이동보다 더 많은 외부 요인의 영향을 받기 때문으로 해석할 수 있다.

마지막으로, 전체 인구증가율(A 모형)과 사회적 인구증가율(C 모형)의 분석 결과가 매우 유사하게 나타났다. 이는 최근의 인구변화가 자연적 증가보다는 사회적 이동에 의해 결정되는 경향이 강하다는 것을 의미한다. A 모형과 C 모형의 Lambda 값이 유사하며, 변수들의 부호 방향도 동일하게 나타난다. 이는 기존 연구(김병석 외, 2017)에서 제시된 도시 지역의 인구변화는 사회적 이동(Migration)에 의해 주로 발생한다는 연구 결과와 일치한다.