부동산 수요 정책이 대구광역시 아파트 가격에 미치는 영향 분석

부동산 정책과 가격 간의 연관성에 대해 다양한 연구가 이루어져 왔다. 박진백 외(2021)는 2019년 7월부터의 금리 인하가 주택 가격 상승에 큰 영향을 미쳤으며, 제조업 생산지수, 주택 준공물량, 세대수 등의 변수보다 금리의 영향력이 34.34%로 더 높게 나타났다. 최문기·이성화(2021)는 2006년 1월부터 2021년 6월까지의 거시경제 변수와 부동산 대책이 강남4구 아파트 시장에 미친 영향을 분석했다. 연구 결과, 아파트 실거래 가격은 주가지수와 양(+)의 관계를, 주택담보대출이자율과는 음(‒)의 관계를 보였다. 이근영·김남현(2016)은 VAR(vector autoregression) 모형을 통해 금리 상승기와 주택가격 하락기가 겹칠 때 금리인상 충격이 주택가격 하락에 큰 영향을 미친다고 보고하였다. 전해정(2012)의 연구에 따르면 VAR 모형을 통해 주택담보대출금리와 대출금이 매매 가격에 강한 인과관계를 보였고, 충격반응은 지역별로 차이를 보였다. 주택 담보대출금리는 음(‒), 대출금, 금융기관의 유동성 그리고 종합주가지수는 양(+)의 영향을 미치는 것으로 나타났다. 또한, 이승한(2022)은 2017년 이후에는 전세자금 대출 한도 상향(1억 원→5억 원)이 매매 가격에 영향을 미쳤다고 분석하였다. 이근영(2020)은 국소투영모형으로 분석한 결과 정책금리 인하가 아파트 가격 상승에 영향을 미쳤으며, 전국보다 강남4구에서 그 영향이 가장 컸었음을 보고했다. 외국의 경우, Apergis(2003)는 ECVAR를 통해 그리스 주택 시장은 인플레이션과 고용에 비해 주택대출금리가 가장 큰 영향을 미쳤다고 분석했으며, Lastrapes(2002)는 VAR 모형을 통해 미국 주택시장에서 통화 공급 증가(0.8%)가 실질 주택 가격을 약 0.7% 상승시켰음을 보고하였다.

Iacoviello and Minetti(2008)는 유럽4개국을 대상으로 통화정책과 주택가격관계를 VAR 및 VECM(vector error correction model)을 통해 분석하여, 금리 인상(0.7%)이 주택가격 하락(0.7%~1%)을 초래하였음을 보고하였다. 김진 외(2007)는 VAR 모형을 통해 거시경제변수가 6대 광역시 주택가격에 미치는 영향을 분석했다. 주택자금대출은 모든 지역에서 주택가격과 정(+)의 상관을 보였으며, 서울 주택가격은 대부분 광역시에 선행했다. 주택자금대출이 주택시장 통제에 가장 유효한 변수로 나타났다.

부동산 수요정책 중 금융정책은 주택가격에 민감하게 영향을 미친다. 임대봉(2013)은 주택담보대출의 증가는 아파트 가격 상승을 초래하고, 대출증가로 이어지는 양(+)의 순환 효과를 확인하였으며, 김희호(2015)는 주택담보대출은 전세가율이 높을수록 가격 변동성을 증가시켜 주택가격 상승을 심화시킨다고 분석하였다. 이인재·박진백(2019)은 주택담보대출 변동률과 주택가격 변동률 간 양(+)의 상관을 확인하고, 수도권의 경우 전세가율이 낮을 경우 유동성 증가가 주택가격 상승에 강한 영향을 미치고, 유동성 규제정책 시행 시 전이효과가 급격히 감소함을 보고하였다. 김정렬(2014)은 가계대출과 산업생산지수는 주택가격에 양(+)의 영향을, 가계대출금리는 음(‒)의 영향을 미친다고 분석하였다. 조태진(2016)은 주택담보대출과 기업경기지수의 상승에도 불구하고 주택가격이 하락한 사례를 살펴본 결과, 주택담보대출이 주택구입보다는 생활비나 창업비로 사용된 데 기인한 것으로 분석하였다. 김중규·정동준(2012)은 주택담보대출은 아파트 가격에 양(+)의, 금리는 음(‒)의 상관관계가 있음을 밝혔다. 정규일(2006)은 장기적인 유동성 증가가 주택가격 상승을 초래하며, 특히, 대출이 주택가격과의 장기적 관계를 명확히 설명한다고 결론지었다. 황관석 외(2021)는 코로나19 시점을 기준으로 통화량 증가, 가계대출 및 전세보증금 대출의 급증이 주택가격 위험 지표를 상승시키며, 특히 수도권을 중심으로 그 효과가 두드러졌다고 분석하였으며, 이에 따라 DTI와 LTV와 같은 규제의 필요성을 제시하였다. Igan and Kang(2011)은 LTV 규제가 DTI보다 주택가격 상승을 억제하는 효과가 크다고 평가하였으나, 이러한 규제가 매매가격과 전세가격 간의 관계에 대한 체계적인 설명은 여전히 부족하다고 지적하였다. Kim and Shim(2022)은 VAR를 통해 LTV 및 DTI 규제가 주택가격 상승 억제와 주택담보대출 감소에 유의한 영향을 미치는데, 이러한 규제가 통화정책보다 시장에 더 빠르게 영향을 미치고, 장기적으로는 생산성 및 인플레이션 감소에도 영향을 줄 수 있다고 평가하였다.

투기과열지구에 관한 연구로는 투기과열지구 해제 요건 충족에 관한 연구, 법적 고찰 연구 그리고 부동산 가격에 미치는 영향을 분석한 연구가 있다. 김학신(2004)은 보유기간초과수익률(buy and hold abnormal return, BHAR)과 누적초과수익률(cumulative abnormal return, CAR)을 이용하여 투기과열지구 지정이 아파트 가격에 미치는 영향을 분석한 결과, 서울, 강남, 강북 지역에서는 투기과열지구 지정 후 6개월 동안 수익률이 음(‒)의 상관을 보였는데, 이는 아파트 가격 안정화에 정책 효과가 있었음을 제시하였지만, 12개월간의 수익률 분석에서 강남지역은 양(+)의 효과를 보여 다른 지역에 비해 정책 효과가 큰 영향을 미치지 않았음을 보고하였다. 서보건(2007)은 투기과열지구 정책이 사유재산제를 침해하지 않고, 과잉금지 원칙에도 위배되지 않는다고 주장했으나, 투기과열지구의 일괄 지정으로 인해 형평성 문제가 발생하고, 해제기준이 불명확하다는 점을 지적하였다. 양완진·김현정(2020)은 이중차분법(difference-in-differences, DID)을 사용하여 2016~2019년 아파트 매매 실거래가를 바탕으로 분석한 결과, 광역시에서는 투기수요 억제정책이 오히려 투기수요를 증가시켜 실거래가의 상승을 초래한 반면, 세종시에서는 정책의 긍정적인 효과가 나타났다.

지금까지 대부분의 선행연구는 주택가격에 영향을 미치는 요인을 찾거나 이들 변수와 주택가격 간 1:1 관계(+,‒)를 규명하는 데 초점을 두고 진행되었다. 또한 충격반응분석과 분산분해분석을 통해서 각 변수의 충격이 주택가격에 미치는 민감도와 상대적 기여도를 살펴보는 연구도 다수 진행되어왔다. 그러나 특정 지역이나 시기의 차이를 비교한 연구는 많이 이뤄지지 않았으며, 주택담보대출금리와 주택담보대출금액, 주택가격 등 3개 변수의 인과관계를 입체적으로 규명한 연구는 찾기 힘들다.

본 연구가 기존 선행 연구와 다른 점은 다음과 같다. 첫째, 각각의 부동산 정책이 대구시의 아파트 가격에 미치는 충격과 그 양상을 분석하며, 둘째, 주택담보대출금리, 주택담보대출금액, 주택가격 등 세 변수의 인과관계를 규명 그리고 부동산 정책이 주택가격에 미치는 충격을 확인하고, 셋째, 더미 변수를 활용하여 단기적인 정책의 영향력을 파악한다는 점에서 기존 연구와 차별성을 보이고 있다.

본 연구의 목적은 정부 정책이 주택가격에 미치는 차별적인 영향을 분석하는 데 있다. 선행 연구에서 이미 검증된 변수 중에서 금리는 주택담보대출금리, 대출은 주택담보대출금액, 주택가격은 아파트매매가격지수로 설정하였다. 시계열 분석에서는 변수의 개수가 많을 경우 상호관계를 규명하는 데 어려움이 발생할 수 있으므로, 최소한의 변수를 사용하여 분석을 진행하였다. 다만, 이로 인해 누락변수편의(omitted variable bias, OVB)가 발생할 수 있어, 이를 고려하여 적절한 변수를 선택하였다. 특히, 단기적인 정책 효과를 파악하기 위해 더미 변수를 도입하였으며 주택가격에 직접적으로 영향을 미치는 변수로 DSR 규제, 투기과열지구 지정, 미분양 관리지역 지정을 설정하여, 각 정책이 부동산 가격에 미치는 단기적인 영향력을 분석하였다.

자료는 2015년 1월부터 2024년 9월까지의 117개월 분량을 사용하였으며, 시계열 데이터를 바탕으로 실증분석을 수행하였다. 주요 변수로는 주택담보대출금리, 주택담보대출금액, 아파트매매가격지수이며, 이들은 각각 한국은행 경제통계시스템(ECOS), 한국부동산원, 주택도시보증공사의 데이터를 활용하여 수집하였다.

아파트는 우리나라 대표 주거형태이고 대구시 주택시장의 64.6%의 비율을 차지하고 거래량과 재고량이 많기 때문에 대구 아파트 매매가격지수를 종속변수로 설정하였다(2023년 통계청).

독립변수인 주택담보대출 금리는 대출 기준금리(코픽스 지표)에 가산금리를 더하여 결정되는데, 코픽스 지표는 은행연합회가 발표하는 자금조달비용지수로, 대출 기준금리를 의미하며, 가산금리는 은행의 리스크, 유동성, 신용프리미엄 등 기회비용과 목표 수익률 등을 고려하여 반영된다.

또 다른 독립변수인 주택담보대출 금액은 주택 매매를 위한 직접적인 대출로 신용대출이나 여타 대출보다는 주택가격에 직접적인 관련이 있다. 본 연구에서는 예금은행의 주택담보대출금액을 사용하였다.¹⁾

부동산 정책으로 사용된 더미변수로는 DSR 규제, 투기과열지구지정, 미분양관리지역으로 구성된다.

DSR 규제는 차주의 대출 상환 능력과 원리금 상환 부담을 나타내는 중요한 지표로, 부동산 가격의 상승을 억제하는 목적으로 2017년 10월 가계부채 종합대책 발표 이후 2018년 10월부터 금융기관에 도입되었다. 이후 2021년 4월과 9월에 차주별 DSR 도입방안이 구체화 되었으며, 2021년 10월부터 차주별 DSR 2단계, 3단계 규제가 시행되었다(금융위원회, 2021). 대구시는 DSR 규제가 본격 시행된 2021년 7월 이후 현재까지 시행되고 있으므로 DSR 더미 변수를 2021년 7월부터 2024년 9월까지로 선정하였다.

투기과열지구 지정은 부동산 시장의 과열을 방지하고 안정화를 도모하려는 정부정책의 일환으로 2002년 4월 도입되었다(서보건, 2007). <그림 2>와 같이 대구시는 2020년 6월 수성구를 시작으로 2020년 12월 18일 대구 전역이 투기과열지구로 지정되었으나, 2022년 9월 대구 전역이 모두 해제되었다. 대구 전역을 기준으로 하는 본 연구에서는 투기과열지구 더미 변수를 2020년 12월부터 2022년 9월까지로 설정하였다.

그림 2. 대구시 아파트 가격과 정부정책 변화 주 : Y축 아파트가격지수. 자료 : 한국부동산원, 정책 도입시기 및 기간을 재구성함.

Download Original Figure

미분양관리지역으로 지정된 지역에서는 미분양 주택 해소가 최우선 과제로 대두되고 있는데, 주택도시보증공사(HUG)의 관리하에서 대구는 <그림 2>와 같이 2022년 7월 중구, 동구, 남구, 달서구가 지정되었고, 같은 해 9월 30일에는 수성구도 포함되어 대구 전역이 미분양관리지역으로 지정되었다. 이후 2023년 3월 중구가 제외되었으며, 2024년 11월 현재는 남구만 유지되고 있다(주택도시보증공사, 2023). 본 연구에서는 미분양이 극심했던 2022년 7월부터 2023년 2월까지를 더미 변수로 설정해 이 기간 동안의 부동산 시장 변화가 주택가격에 미친 영향을 분석하였다. 선정된 변수는 <표 1>과 같다.

본 연구에서는 시계열 자료의 정상성을 확인하기 위해 단위근 검정(unit root test)을 실시한다. 그 결과 변수들이 비정상적일 경우, 공적분 검정(Johansen cointegration test)을 통해 장기 균형 관계의 존재 여부를 확인하여, 공적분 관계가 존재할 경우에는 VECM을 활용하여 장·단기 인과관계를 분석하고, 충격반응분석(impulse response)과 분산분해 분석(variance decomposition)을 통해 변수 간 동태적 영향을 검토한다. 또한, 변수 간 원인과 결과 관계를 살펴보기 위해 그랜저 인과관계 검정(Granger causality test)을 수행한다. 만약 공적분 관계가 없을 경우, 각 변수는 1차 차분하여 안정화한 뒤 VAR 모형으로 분석을 진행한다.