동북선 착공 발표가 아파트 가격에 미친 영향^*:

도시철도와 같은 교통 인프라의 개발은 주거지역의 접근성과 연결성을 개선함으로써 부동산 시장에 구조적 변화를 유발하는 핵심 요인으로 인식된다. Alonso(1964)의 고전적 토지이용 이론에 따르면, 교통 접근성 향상은 중심지로부터의 거리에서 발생하는 이동 비용을 절감시키고, 이는 인근 토지의 입지 가치와 부동산 가격 상승으로 연결된다. 이러한 이론적 배경을 토대로, 다수의 실증 연구들은 도시철도 등 대중교통 인프라 확충이 주변 지역 부동산 시장에 미치는 영향을 규명해 왔다(김승미, 2018; 오현택·홍성조, 2023).

예를 들어, Gibbons and Machin(2005)은 런던 지하철 노선 확장을 자연실험으로 활용해 교통 접근성 개선이 주택가격에 유의미한 상승 효과를 가져왔음을 실증하였다. 국내에서는 Cervero and Kang(2011)이 서울 BRT 구축 사례를 바탕으로 역세권 접근성이 토지이용 및 토지가격에 긍정적인 영향을 미쳤음을 보여주었다.

이와 함께, 도시철도 개발의 효과는 단순히 ‘개통’ 이후에만 국한되지 않으며, 계획의 발표, 물리적 착공, 실제 운영 등 정책의 이행 단계별로 시장 반응이 시차를 두고 나타날 수 있다는 점이 강조된다. 특히 ‘발표 시점’은 정부의 공식적인 개발 의지가 표출되는 순간으로, 시장에 중요한 정책 신호(signal effect)를 제공한다. Bartholomew and Ewing(2011)은 이러한 발표 단계에서 기대감이 선반영되어 실질 착공 이전에도 부동산 가격 변동이 관측될 수 있음을 지적하였다. 즉, 개발 계획의 공개는 정보 비대칭을 해소하고, 투자자와 수요자의 기대 심리를 자극함으로써 시장에 실질적인 경제적 반응을 유도하는 정책적 전환점으로 작용할 수 있다.

따라서 도시철도 개발이 부동산 시장에 미치는 영향은 발표, 착공, 개통 등 단계별로 복합적으로 작용하며, 특정 시점에 국한되지 않는 연속적 과정으로 이해할 필요가 있다. 본 연구는 이러한 맥락에서 정책 발표와 착공 시점을 구분하여, 이행 단계별로 시장의 구조적 반응을 실증적으로 검토하고자 한다.

도시철도 신설이 인근 주택시장에 미치는 영향을 분석한 국내외 선행연구들은 주로 이중차분법(DID), 반복매매모형, 또는 거리 기반의 이질적 효과 분석 등 다양한 계량적 접근을 통해 정책효과를 추정해왔다. 대표적으로 Bajic(1983)은 캐나다 토론토의 지하철 신규 노선 개통이 인근 주택 가격에 미친 영향을 실증 분석하였으며, Sun et al.(2016)은 중국 톈진시에서 지하철망 확장이 주택 가격에 미친 영향을 거리 구간별(600m, 800m, 1km)로 구분하여 추정하였다. 또한, Debrezion et al.(2007)은 철도역 접근성과 주택가격 간의 관계를 메타분석하여, 역과의 거리가 가까울수록 긍정적인 가격 효과가 유의하게 나타난다는 일관된 경향을 보고한 바 있다.

국내 사례로는 도수관 외(2015)가 대구 도시철도 3호선 건설을 대상으로 아파트 가격 변동을 분석한 연구가 있다. 이들은 역세권 범위를 반경 200m, 600m, 1km로 구분하고 DID 분석을 통해 통계적으로 유의한 가격 상승 효과를 확인하였으며, 이는 본 연구와 유사한 분석틀을 제시할 뿐 아니라 역세권 설정 기준의 실증적 선례로 활용될 수 있다. 차혜민 외(2021)는 서울시 지하철 노선망 확장이 아파트 전세가격에 미친 영향을 분석하여, 지하철 접근성 개선이 매매뿐만 아니라 임대차 시장에도 유의미한 영향을 미칠 수 있음을 실증적으로 보여주었다. 또한, 한다솜·최창규(2022)는 서울시 우이신설 경전철 개통을 분석하면서 역세권 범위를 1km로 설정하였고, 이는 1km 거리까지도 역세권 효과가 확장될 수 있음을 보여준다. 이러한 연구들은 역세권의 공간적 범위와 효과가 단일 기준으로 확정되기 어렵다는 점을 시사한다.

홍성표(2023)는 경전철 사례를 대상으로 네트워크 접근성 변화에 따른 공시지가 반응을 실증 분석함으로써, 정책 효과가 단일 가격 지표에 국한되지 않음을 보여주었으며, Im and Hong(2018)은 대구 도시철도 3호선을 대상으로 한 실증 분석을 통해, 신규 노선의 효과가 단순한 접근성 개선에 그치지 않고, 기존 지하철망과의 연결성 여부에 따라 주택가격 효과의 강도가 달라진다는 점을 밝혔다. 이는 도시철도 효과의 공간적 확산 범위와 구조적 연결성 간의 관계를 이해하는 데 중요한 시사점을 제공한다. 이러한 선행연구를 바탕으로 본 연구는 역세권의 공간적 범위를 단일 기준으로 고정하지 않고, 반경 600m, 800m, 1km의 세 가지 기준을 적용하여 정책 효과의 민감도와 일관성을 함께 검토하였다.

도시철도 개발이 부동산 시장에 미치는 영향을 실증적으로 검증한 기존 연구들은 주로 개통 이후 시점에 초점을 맞추거나(Bajic, 1983; Gibbons and Machin, 2005; Sun et al., 2016), 일부는 착공 이전의 정책 발표 시점을 고려하였으나, 발표·착공·개통 등 이행 단계별 시장 반응을 구조적으로 구분하거나, 해당 효과의 시계열·공간적 확산 구조를 종합적으로 분석한 사례는 매우 제한적이다. 특히 기존 연구들은 대규모 중전철이나 기존 지하철망을 대상으로 한 경우가 대부분이며, 서울 동북권과 같은 상대적 교통 소외 지역을 대상으로 한 경전철 사업에 대해, 발표 단계와 착공 단계를 분리하여 시장 반응을 실증 분석한 연구는 찾아보기 어렵다.

본 연구는 서울 동북선 도시철도를 사례로 정책 발표(2019년 1월)와 실제 착공(2020년 7월)을 명확히 구분하여 각 단계의 가격 효과를 시계열적으로 식별하였으며, 이중차분(DID)뿐만 아니라 성향점수매칭 기반 DID(PSM-DID), 패널 고정효과 분석, 플라시보 검증, 공간 자기상관 분석을 병행하여 정책효과의 인과성과 공간적 확산 가능성을 정밀하게 검증하였다.

특히, 기존 연구들은 역세권을 주로 500m 등 단일 거리 기준으로 제한한 데 비해, 본 연구는 600m, 800m, 1km의 세 가지 반경을 병렬적으로 설정하고 거리 기준 변화에 따른 정책효과의 민감도와 일관성을 분석하였다. 그 결과, 거리 기준에 관계없이 정책효과가 일관되게 나타났으며, 이는 정책효과의 공간적 범위를 실무적으로 해석하는 데 실질적인 근거를 제시한다.

또한, 본 연구는 PSM-DID를 통해 사전 공변량 차이를 통제한 상태에서도 정책효과가 강하게 유의하다는 점을 실증적으로 확인하였다. 이는 단순 DID 대비 내적 타당성을 강화한 부분으로, 선행연구에 비해 방법론적 기여를 명확히 한다.

연구대상인 동북선은 서울 강북지역의 경전철 사업으로, 기존 중전철 중심 연구와는 정책적·공간적 맥락에서 차이가 존재한다. 특히 동북권은 상대적으로 교통 인프라가 열악한 지역으로, 교통 개선에 대한 기대가 시장에 어떻게 반영되는지를 단계별로 추적했다는 점에서 실질적인 정책적 함의가 있다. 아울러 아파트 가격 결정 요인은 교통 접근성뿐 아니라 거시경제지표와 정책 변화의 영향을 동시에 받는 복합적 구조로 이해되어야 하며, 이는 최근 거시변수와 정책요인을 통합 분석한 연구들에서도 반복적으로 제기된 바 있다(이석원 외, 2023).

결론적으로, 본 연구는 기존 연구들과 달리 경전철이라는 특수성과 동북권이라는 교통 소외지역을 대상으로, 발표-착공의 이행 단계를 명확히 구분하고, 다중 거리 기준과 고도화된 분석틀을 적용하여 정책효과의 시간·공간적 파급구조를 실증적으로 규명한 점에서 학문적·정책적 차별성을 갖는다.

본 연구는 서울 동북권에 있는 아파트 단지를 대상으로 2013년 1월부터 2024년 12월까지의 실거래가 자료를 분석한다. 분석 대상은 국토교통부 ‘부동산 실거래가 공개시스템’과 서울시 ‘부동산정보광장’에서 제공하는 아파트 실거래 데이터를 기반으로 하며, 동북선 도시철도 노선 인근 단지를 처리군(treatment group), 그 외 지역을 통제군(control group)으로 설정한다. 동북선 노선은 강북구, 성북구, 동대문구, 중랑구, 노원구를 관통하며, 본 연구에서는 노선의 경로를 기준으로 인근 아파트 단지들을 거리 기준에 따라 분류한다.

서울 동북권은 전통적으로 강남권에 비해 상대적으로 교통 인프라가 열악하고, 대중교통 접근성이 낮은 지역으로 평가되어 왔다. 특히 강북구, 노원구, 성북구 등은 지하철 노선 밀도가 낮고, 중심업무지구(central business district, CBD)와의 연결성이 부족하여 주거 수요자들의 이동 편의성이 상대적으로 낮은 지역에 해당한다. 이러한 지역은 정책적으로 교통 낙후지역으로 간주되며, 도시철도 건설을 통해 접근성 개선을 목표로 하는 대표적 개발 대상지로 지정되어 왔다.

본 연구의 공간적 분석 대상지는 <그림 1>과 같이 동북선 도시철도가 통과하는 서울시의 5개 자치구(강북구, 성북구, 동대문구, 중랑구, 노원구)이다. 각 아파트 단지는 정차역으로부터의 거리(600m, 800m, 1km)를 기준으로 GIS 기반의 공간 분석을 통해 식별되었으며, 행정동 경계, 기존 교통 인프라, 지형 등을 종합적으로 고려하였다. 역세권 반경 설정에 있어 기존 문헌을 준거로 하였으며, 600m, 800m, 1km의 세 가지 반경을 병렬적으로 활용하고, 거리 기준 변화에 따른 정책효과 민감도를 실증 분석한다.

그림 1. 역세권 800m 기준 아파트 밀도 시각화

Download Original Figure

아파트 실거래 자료는 국토교통부의 ‘부동산 실거래가 공개시스템(rt.molit.go.kr)’과 서울시 ‘부동산정보광장(land.seoul.go.kr)’에서 수집하였으며, 거래금액, 전용면적, 층수, 건축연도, 계약연월 등의 항목을 포함한다. 원자료는 개별 거래 단위로 제공되므로, 동일 단지의 동일 월 거래를 집계하여 단지-월 단위의 패널 형식으로 정규화하였다. 주소 정보를 기준으로 서울시 ‘공간빅데이터 플랫폼(data.seoul.go.kr)’을 활용한 지오코딩을 수행하여 각 단지의 위도와 경도 정보를 확보하였고, Python 기반의 Geopandas 및 Shapely 라이브러리를 활용한 공간 연산을 통해 역세권 거리를 정밀하게 판별하였다.

역세권 변수는 아파트 단지와 지하철역 간의 유클리드 거리를 기준으로 하여 반경 600m, 800m, 1km 이내에 포함되는 경우 각각의 역세권 범주로 설정하였다. 교통 접근성 변수는 지하철과 버스의 이용 가능성을 모두 고려하여 구성하였다. 지하철 접근성 변수는 공공데이터포털(www.data.go.kr)에서 제공하는 역별 연간 승하차 인원 데이터를 활용하였으며, 가장 가까운 지하철역의 데이터를 매칭하여 해당 단지의 역 이용 수준을 대리하였다. 해당 변수는 자연로그(log) 변환하여 사용하였다. 버스 접근성 변수는 서울열린데이터광장(data.seoul.go.kr)에서 제공하는 버스정류장 위치 데이터를 바탕으로, 단지 반경 300m 내 존재하는 정류장 수를 계산하여 구축하였다. 300m 반경 기준은 보행 접근성을 고려한 기존 연구(최필성·현동우, 2021)를 준거로 한다.

주거 특성 변수로는 전용면적, 층수, 건축연도를 포함하였으며, 건축연도와 매매연도 간의 차이를 계산하여 건물연령 변수로 재구성하였다. 모든 연속형 변수는 로그 변환을 통해 정규성을 개선하였으며, 이상치 제거 및 누락 데이터 보완을 통해 분석의 신뢰성을 확보하였다. 최종적으로 확보된 거래 자료 수는 총 209,790건이며, 단지별 월 기준으로 구성된 고해상도의 패널 데이터로 분석에 활용되었다.

정책 외부요인의 영향을 통제하기 위해 다음의 외생 변수들을 추가하였다. 첫째, 거시경제 상황을 반영하기 위해 한국은행의 기준금리 자료를 수집하였고, 이를 월 단위로 매칭하였다. 둘째, 주거비용 전반에 영향을 미치는 물가 수준을 고려하기 위해 통계청의 ‘서울 소비자물가지수(consumer price index, CPI)’ 자료를 활용하였으며, 이 또한 자연로그(log) 변환 후 회귀모형에 포함하였다. 셋째, 코로나19 팬데믹에 따른 부동산 시장의 구조적 변동 가능성을 고려하여, 비슷한 코로나의 영향을 분석한 논문의 기준을 참고하여 2020년 3월~2022년 12월 기간에 대해 코로나19 가상변수(dummy)를 설정하였다(경정익·이재웅, 2023). 이러한 외생 변수의 도입은 거시적 충격을 통제함으로써 정책 효과에 대한 보다 정확한 추정을 가능하게 한다.

또한, 주요 독립 변수들 간의 다중공선성 여부를 점검하기 위해 분산팽창계수(variance inflation factor, VIF)를 산출한 결과, 대부분의 변수에서 VIF 값은 1.0~2.6 수준에 머물렀으며, 정책 변수(처리집단 더미 및 상호작용항), 주거 특성 변수(전용면적, 층수, 건물연령), 교통 변수(버스정류장 수, 역 이용자 수), 외생 변수(금리, 서울 CPI, 코로나19 더미 등) 모두 다중공선성의 문제 없이 독립적으로 모델에 기여하고 있음이 확인되었다. 역세권 반경 설정(600m, 800m, 1km)에 따른 VIF 결과 역시 유사한 수준을 유지하여 분석 결과의 일관성과 안정성이 확보되었음을 보여준다(<표 1>).

본 연구는 서울 동북선 도시철도 착공 발표가 인근 아파트 실거래가격에 미친 영향을 실증적으로 식별하기 위해, 이중차분법(DID)을 기본 분석틀로 설정하였다. DID는 시간의 흐름에 따라 정책의 영향을 받은 집단(처리집단)과 그렇지 않은 집단(통제집단) 간의 차이를 비교함으로써 정책 효과를 추정하는 식별 전략으로, 본 연구에서는 착공 발표 시점을 2019년 1월로 정의하고, 역세권 여부를 반경 600m, 800m, 1km 기준으로 병렬적으로 설정하여 분석을 수행하였다. 이에 따라 분석의 기본 회귀식은 아파트 단지 i의 시점t에서의 실거래가격 로그값 ln(Price_it)을 종속변수로 하고, 정책 발표 이후를 나타내는 시점 더미(Post), 역세권 여부를 나타내는 공간 더미(Treat), 그리고 이들의 교호항(Post×Treat)을 주요 독립변수로 포함하는 형태로 설정된다. 해당 식은 다음과 같다.

여기서 β₃ 는 본 연구의 핵심 관심 계수로, 정책 발표 이후 역세권 아파트 가격의 변화가 비역세권과 비교하여 통계적으로 유의하게 변화하였는지를 나타낸다. X_it 는 시점 t에서 단지 i의 특성을 나타내는 통제변수 벡터로, 주거 특성, 교통 접근성, 거시경제 지표, 감염병 영향 등을 포함하며, δ_i 와 λ_t 는 각각 단지 고정효과와 연도 고정효과를 통제하기 위해 포함된다.

보다 구체적으로, 통제변수에는 전용면적의 자연로그값(log_area), 해당 호의 층수(floor), 건축연도와 거래연도 간 차이를 기반으로 산출한 건물연령(age), 반경 300m 내 버스정류장 수(bus_station), 가장 가까운 지하철역의 연간 평균 승하차 인원(log_station_user; 자연로그 변환) 등이 포함된다. 아울러, 분석 시점 동안의 시장 외생 요인을 통제하기 위해 기준금리(interest_ rate), 서울 소비자물가지수의 자연로그(log_ seoul_cpi), 코로나19 발생 여부를 나타내는 더미변수(covid_dummy)도 함께 포함하였다. 대부분의 연속형 변수는 로그 변환을 통해 변수 분포의 왜도(skewness)를 완화하고 이상치의 영향을 줄였으며, 회귀계수의 해석 일관성을 제고하였다.

정책효과의 강건성을 확인하기 위해, DID 분석 외에도 성향점수매칭 기반 이중차분(PSM-DID), 패널 고정효과 회귀분석, 그리고 역세권 반경(600m, 800m, 1km)을 달리한 민감도 분석을 병행하였다. PSM-DID는 사전 특성 차이를 보정하여 분석의 인과 추론을 보완하며, 고정효과 분석은 시간에 따라 불변하는 단지 특성과 연도별 공통 충격을 통제하는 데 유용하다. 범위 민감도 분석은 정책효과가 역세권 반경 정의에 따라 어떻게 변화하는지를 확인하는 데 목적이 있다.

회귀모형에 사용된 주요 변수 정의는 <표 2>와 같다.

본 연구는 서울 동북권 5개 자치구(노원구, 동대문구, 성동구, 강북구, 성북구) 내 아파트 실거래 정보를 기반으로, 2013년 1월부터 2024년 12월까지 총 209,790건의 거래 데이터를 분석에 활용하였다. 일부 가격 변수는 정규성 확보를 위해 자연로그로 변환하였으며, 회귀분석의 전제조건을 점검하기 위해 기술통계 분석을 선행하였다.

분석 결과, 종속변수인 아파트 실거래가의 로그값은 평균 10.69, 표준편차 0.53으로 나타났으며, 최소값은 6.55, 최대값은 14.19로 확인되었다. Post 변수(착공 발표 이후 여부)는 전체 거래의 약 34.5%를 차지하였다. Treat 변수는 거리 기준에 따라 다음과 같은 분포를 보였다: 반경 600m 이내는 8.2%, 800m 이내는 15.8%, 1km 이내는 24.9% 수준이었다. 이에 따라 교호항(Post×Treat)의 평균값은 각각 0.029, 0.053, 0.083으로, 전체 거래 중 약 2.9%에서 8.3%가 착공 발표 이후 역세권 단지에서 발생한 것으로 해석된다(<표 3>).

교통 접근성과 관련하여, 아파트 단지 반경 300m 내 버스정류장 수는 평균 9.85개, 최대 32개로 확인되었으며, 이는 지역 간 대중교통 인프라의 밀도 차이를 반영한다. 또한 지하철역의 일평균 승하차 인원은 평균 약 148만 명으로, 최댓값은 280만 명을 상회하였고, 분석 지역 전반의 우수한 지하철 접근성을 시사한다. 해당 변수는 로그 변환하여 모형에 투입되었으며, 변환값 기준 평균은 14.12로 나타났다.

거시경제 변수로 포함된 기준금리는 평균 1.64%, 물가지수의 자연로그는 평균 4.59로 나타났으며, 이는 분석기간 중 금리 및 물가 수준의 분포를 나타낸다. 코로나 시기를 나타내는 이진변수는 전체 거래 중 약 14%가 팬데믹 기간 중 이루어진 것으로 확인된다.

주거 물리적 특성 또한 균형 있게 분포하였다. 아파트 전용면적은 평균 72.25m²로, 중형 아파트 비중이 높은 것으로 나타났으며, 층수는 평균 9.05층, 건축 후 경과연수는 평균 25.27년으로 확인되었다. 전체 표본은 주로 1990년대 후반~ 2000년대 초반에 지어진 중층 아파트로 구성되어 있으며, 분석 변수 전반은 극단값 없이 안정적인 분포를 보였다.

이러한 기술통계 결과는 회귀분석 모형에 포함된 주요 변수들이 설명력과 균형성을 갖추고 있음을 뒷받침하며, 향후 DID 및 성향점수매칭 분석의 공변량 균형 여부 점검에도 유용한 기초자료로 활용될 수 있다.

본 절에서는 동북선 도시철도 착공 발표가 서울 동북권 아파트 실거래가에 미친 영향을 이중차분법(DID) 회귀모형을 통해 실증적으로 분석하였다. 분석 대상은 2013년 1월부터 2024년 12월까지의 서울 동북권 아파트 실거래자료 총 209,790건이며, 종속변수는 실거래가격의 자연로그값을 사용하였다. 주요 독립변수로는 정책 발표 전후 여부를 나타내는 이진 변수(Post), 철도역 반경 600m/800m/1km 이내 여부를 나타내는 처리집단 변수(Treat), 그리고 이 둘의 교호항(Post×Treat)을 포함하였다.

정책 외 가격 결정 요인을 통제하기 위해 전용면적(log), 층수, 건물 연령(age), 반경 300m 내 버스정류장 수, 인접 지하철역의 일평균 승하차 인원(log), 기준금리, 서울 CPI(log), 코로나19 시기 더미를 통제변수로 포함하였다. 분석은 OLS 회귀로 수행되었으며, 표준오차는 이분산에 강건한 HC3 방식으로 추정하였다.

회귀분석 결과, 착공 발표 이후 시장 전반의 시간 효과를 나타내는 Post 변수의 계수는 0.1986범위로, 통계적으로 유의하게 나타났다(p<0.01). 이는 발표 이후 전체 시장에서 약 19.86%의 실거래가 상승이 있었음을 의미하며, 해당 기간 동안의 전반적 부동산 가격 상승 추세를 반영한다.

역세권 여부를 나타내는 Treat 변수는 모든 거리 기준에서 유의한 양(+)의 계수를 보였다. 예컨대 600m 기준 분석에서 해당 변수의 계수는 0.0991(p<0.01)로, 정책 발표 이전에도 역세권 아파트가 비역세권에 비해 평균적으로 약 9.9% 높은 가격에 거래되었음을 의미한다. 이는 입지 프리미엄이 이미 존재했음을 보여준다.

정책 효과를 식별하는 핵심 변수인 Post×Treat의 계수는 600m 기준 분석에서 0.0302(p<0.01)로 나타났으며, 800m와 1km 기준에서도 각각 0.0269 및 0.0264로 유의미한 양의 효과를 보였다. 이는 착공 발표 이후 역세권 아파트가 비역세권에 비해 약 2.6%~3.0% 추가적으로 실거래가가 상승했음을 의미하며, 이 효과는 시간 변화나 고정된 지역 특성만으로는 설명되기 어려우므로 정책 개입의 직접적 효과로 해석될 수 있다.

통제변수들도 대부분 기대된 방향으로 유의미한 영향을 보였다. 전용면적(log)의 계수는 약 0.869로, 면적이 1% 증가할 때 실거래가는 평균적으로 약 0.87% 상승하는 것으로 나타났다. 층수는 1층 증가 시 약 0.005의 가격 상승을 유도하는 것으로 나타났으며, 건물 연령은 음(‒)의 방향으로 유의하게 나타나 노후화가 가격을 하락시키는 요인임을 보여준다.

교통 접근성 변수 역시 유의미한 양의 영향을 미쳤다. 반경 300m 내 버스정류장 수는 모든 모형에서 유의미한 양(+)의 계수를 보였으며, 지하철역 승하차 인원(log)의 계수는 약 0.083~0.092로 나타나, 대중교통 접근성이 높을수록 실거래가가 상승하는 경향이 확인되었다. 기준금리는 약 ‒0.080 수준의 음(‒)의 계수로 나타났으며, 서울 CPI(log) 변수는 3.80 내외의 양(+)의 계수를 나타내 전체 물가 수준과 실거래가 간의 정(+)의 관계를 반영하였다. 코로나19 시기 더미 변수 역시 유의미한 양의 효과를 보이며 해당 시기의 정책과 수급 불균형이 가격에 영향을 미쳤음을 보여준다.

모형의 결정계수(R²)는 모든 거리 기준에서 0.777~0.778 수준으로, 실거래가의 약 77.8%를 설명하는 것으로 나타났다. 이는 분석 모형이 시장 구조와 정책효과를 함께 반영하는 데 있어 상당한 설명력을 지니고 있음을 보여준다. 전체 분석 결과는 <표 4>와 같다.

동북선 도시철도 착공 발표가 역세권 아파트 실거래가에 미친 영향을 다양한 각도로 평가하고자, 본 연구는 법정동 단위의 개체 고정효과와 연월 단위의 시점 고정효과를 포함한 고정효과 패널 회귀분석(fixed effects panel regression)을 수행하였다. 이 분석은 단지별 고유 특성과 시간에 따른 시장 전반의 변동을 통제함으로써, 정책효과의 내생성을 완화하고 추정의 엄밀성을 제고하는 데 목적이 있다. 표준오차는 자치구 내 법정동 수준에서 군집화하여 추정하였다. 해당 분석에 사용된 회귀식은 (식 2)와 같다.

여기서 β₃ 는 정책 발표 이후 역세권 아파트 실거래가의 상대적 변화를 포착하는 핵심 계수이며, it 는 전용면적(로그), 층수, 건물 연령, 반경 300m 내 버스정류장 수, 지하철역 이용자 수(로그) 등으로 구성된 통제변수 벡터이다.

분석 결과, 정책효과를 나타내는 Post×Treat 계수는 0.0165로 추정되었으나 통계적으로 유의하지 않았다(p=0.3866). 반면, 정책 이전부터 존재하던 입지 프리미엄을 나타내는 Treat 계수는 0.1025로 유의하게 양(+)의 영향을 보였으며(p=0.0175), 이는 역세권 아파트가 비역세권 아파트보다 평균적으로 약 10.3% 높은 가격에 거래되었음을 시사한다.

통제변수들의 방향성과 유의성은 대체로 이론적 기대와 일치했다. 전용면적은 실거래가에 강한 정(+)의 영향을 미쳤고(계수=0.8057, p<0.01), 층수 역시 유의미한 양의 영향을 나타냈다. 건물 연령은 음(‒)의 영향을 보여, 1년 노후화될수록 약 0.96%의 가격 하락이 관측되었다. 그러나 교통 접근성을 나타내는 버스정류장 수 및 역 이용자 수(로그)는 모두 통계적으로 유의하지 않게 나타났다(<표 5>).

고정효과 모형의 추정치는 앞서 수행된 이중차분(DID) 분석 결과와 일부 차이를 보인다. DID 분석에서는 착공 발표 이후 역세권 아파트 가격이 약 2.25% 유의하게 상승한 것으로 나타났지만, 고정효과 분석에서는 해당 효과가 통계적으로 유의하지 않게 추정되었다. 이러한 차이는 단순히 모형 간 추정 방식의 차이에 기인한 것이라기보다는, 분석에 포함된 시기적·외생적 변수들이 미처 충분히 통제되지 못한 데에도 원인이 있을 수 있다.

특히, 본 고정효과 분석에서는 코로나19 팬데믹으로 인한 부동산 시장의 충격, 기준금리 인하 및 인플레이션(소비자물가지수)과 같은 거시경제적 요인이 포함되지 않았다. 이는 본 연구의 분석 설계가 공간적 고정효과와 시간 고정효과를 중점으로 설계되어 있었기 때문이다. 그러나 이러한 외생적 충격은 시간 고정효과로 일부 흡수되었을 가능성이 있음에도 불구하고, 정책효과 추정치의 왜곡 가능성을 완전히 배제하기는 어렵다.

향후 연구에서는 이와 같은 외생변수를 추가적으로 통제하거나, 코로나19 기간을 중심으로 한 교호항(interaction term) 또는 다중 시점의 이벤트 스터디(event study) 설계를 통해 보다 정밀한 인과 식별이 필요할 것이다. 이를 통해 정책효과와 거시경제적 충격을 분리하여 해석할 수 있는 보다 고도화된 분석이 가능할 것으로 보인다.

결론적으로, 본 절은 고정효과 회귀분석을 통해 정책효과의 강건성을 점검하고, DID 분석과의 비교를 통해 분석 설계와 외생 변수 통제의 중요성을 확인하였다. 이는 인프라 개발의 부동산 시장 파급효과를 해석함에 있어, 단일 계량모형에 의존하기보다 다양한 분석틀을 병행 활용함으로써 해석의 깊이를 확보할 필요성을 시사한다.

본 연구는 동북선 도시철도 사업의 실질적인 착공 시점(2020년 7월)을 기준으로 플라시보 이중차분법(DID) 분석을 수행하였다. 이는 정책의 공식적인 발표 시점이 아닌, 물리적 실행이 개시된 시점을 기준으로도 아파트 가격에 유의미한 영향이 나타나는지를 확인하고자 한 것이다. 일반적으로 DID 모형은 정책 시행 전후의 변화 차이를 비교함으로써 인과적 효과를 식별하나, 정책 효과가 발표 이전 또는 이후에도 비선형적으로 나타날 수 있음을 고려하면, 착공이라는 실질적 사건을 기준으로 한 별도의 플라시보 분석은 정책 효과의 지속성과 시계열적 구조를 보완적으로 파악할 수 있는 방법론적 의의를 갖는다.

이를 위해 2020년 7월 이후를 placebo_post로 정의하고, 기존과 동일하게 역세권 여부를 나타내는 세 가지 거리 기준(600m, 800m, 1km) 별로 교호항 placebo_DID를 각각 생성하여 회귀모형에 포함하였다. 통제변수로는 아파트의 물리적 특성(전용면적, 층수, 건축연도), 교통 접근성(버스정류장 수, 역 이용자 수) 등을 포함하였으며, 표준오차는 이분산에 강건한 HC3 방식으로 추정하였다. 사용된 표본 수는 총 209,790건이다.

분석 결과는 다음과 같다. 먼저, 핵심 교호항인 placebo_DID 변수의 계수는 600m 기준에서 유의하지 않았으며(계수=0.0017, p=0.749), 반면 800m와 1km 기준에서는 각각 0.0141(p=0.001), 0.0155(p=0.000)로 통계적으로 유의미한 양의 효과가 관측되었다. 이는 착공 이후 시점에서조차도 역세권 범주 내 특정 거리 기준에서 추가적인 가격 상승 효과가 존재했음을 의미한다.

이러한 결과는 두 가지 해석 가능성을 제시한다. 첫째, 정책 발표 이후 일정 시간이 흐른 이후에도 해당 정책이 주택 시장에 영향을 미치는 지속적 충격(persistent treatment effect)을 발생시켰을 가능성이다. 특히 실질적인 착공은 ‘정책 실행의 가시적 증거’로 작용하여, 시장 참여자들에게 신뢰성과 확신을 부여했을 수 있다. 둘째, 착공 시점을 전후한 시장 반응이 단지 정보에 기반한 기대 형성이 아닌, 실제 기반 시설 구축이라는 물리적 변화에 기초하고 있다는 점에서, 역세권 주택의 입지 가치가 추가로 재평가되었을 가능성도 있다.

결과적으로 착공 시점 기준의 플라시보 분석은 정책 효과가 단지 발표 시점에 국한되지 않고, 실제 이행 단계에서도 의미 있는 방식으로 시장에 작동했음을 보여준다. 이는 도시 기반 시설 정책의 평가에 있어 단선적인 시간 구분만으로는 정책 충격을 충분히 설명하기 어렵고, 정책의 시기별 진행 단계에 따른 시장의 반응성 차이를 면밀히 분석할 필요가 있음을 시사한다(<표 6>).

동북선 도시철도 착공 발표가 아파트 실거래가에 미친 영향은 주택의 물리적 특성에 따라 다르게 나타날 수 있다. 특히 전용면적은 수요자의 소득 수준, 가족 구성, 주거 선호 등을 반영하는 핵심 속성으로, 동일한 교통 인프라 정책이라 하더라도 시장 반응은 면적 유형에 따라 차별적으로 나타날 수 있다. 이에 본 절에서는 전용면적 규모에 따른 정책효과의 이질성을 검토하기 위해 전체 표본을 소형(60m² 이하), 중형(60~85m²), 대형(85m² 초과) 세 집단으로 구분하여 DID 기반의 패널 고정효과 회귀분석을 수행하였다. 모든 모형은 법정동 단위의 개체 고정효과와 연월 단위의 시점 고정효과를 포함하였으며, 표준오차는 법정동 단위 군집화 방식으로 추정하였다.

분석 결과, 세 면적 집단 모두에서 정책 발표 이전부터 존재하던 역세권 프리미엄은 명확히 나타났다. 소형 아파트의 경우 역세권 여부를 나타내는 Treat 변수의 계수는 0.1981로, 통계적으로 유의한 양(+)의 영향을 보였다(p=0.0000). 중형 아파트 집단 또한 유의한 역세권 프리미엄이 관측되었으며(Treat 계수=0.0980, p=0.0002), 대형 아파트에서도 유사한 방향의 효과가 나타났으나 통계적으로는 유의수준 5%를 상회하였다(Treat 계수=0.0762, p=0.0062).

한편, 정책 효과를 의미하는 DID 계수는 세 집단 모두에서 양(+)의 계수 값을 보였으나, 통계적으로 유의하다고 보기에는 다소 제한적이었다. 이는 정책 발표가 단기적으로 역세권 아파트에 추가적인 가격 상승을 유발한 명백한 증거를 제공하지는 않지만, 일관되게 양의 방향성을 유지한다는 점에서 시장의 기대심리나 잠재적 반응 가능성을 내포하고 있음을 시사한다. 특히 소형 아파트 집단에서의 DID 계수는 0.0087(p=0.8523), 중형 집단은 0.0133(p=0.4375), 대형 집단은 0.0159(p=0.4794)로 추정되어, 정책 효과의 크기는 유사한 수준에서 관찰되었다.

각 면적 집단별 분석 결과는 <표 7>과 같다.

이상의 분석 결과는 동북선 착공 발표의 가격 파급효과가 전용면적 규모에 따라 분화되어 나타날 가능성을 시사한다. 소형 및 중형 아파트의 경우, 역세권이라는 입지적 특성은 여전히 강력한 가격 형성 요인으로 작용하였으며, 이는 교통 인프라 개선에 대한 수요자의 기대가 지속되고 있음을 반영한다. 비록 착공 발표 이후의 추가 가격 상승효과가 통계적으로 유의하지는 않았으나, 계수의 방향성과 크기는 정책 효과가 특정 주택 유형에 국한되어 나타날 수 있음을 보여주는 실증적 단서를 제공한다.

특히 대형 아파트 집단에서는 교통 편의성보다는 브랜드, 학군, 조망 등 다양한 비입지적 요인이 가격 결정에 더 큰 영향을 미치는 것으로 보인다. 이는 고소득층 중심의 수요자가 선호하는 고급 주거지 특성상, 정책 효과가 가격에 미치는 직접적 반영이 제한적일 수 있음을 암시한다.

결론적으로, 본 연구는 교통 인프라 정책이 모든 주택 유형에 균일하게 작동하지 않으며, 전용면적과 같은 주택 특성을 고려한 세분화된 정책 평가가 필요함을 강조한다. 정책 수립과 평가 과정에서 수요자 특성과 주거 유형 간의 이질성을 반영한 목표 중심의 접근이 향후 도시계획의 효율성을 제고하는 데 기여할 수 있을 것이다.

정책 효과의 인과성을 더 정밀하게 검증하기 위해, 본 절에서는 성향 점수 매칭(PSM)을 결합한 이중차분법(PSM-DID) 분석을 실시하였다. 일반적인 DID 분석은 역세권과 비역세권 간 사전적 이질성으로 인해 선택 편의(selection bias) 또는 공변량 불균형 문제에 취약할 수 있다. 예컨대, 역세권 아파트는 전용면적, 층수, 노후도, 교통 접근성 등 주요 속성에서 비역세권과 체계적으로 다를 가능성이 크며, 이는 내적 타당성 확보에 한계로 작용할 수 있다.

이를 보완하기 위해, 본 연구는 각 아파트가 역세권에 포함될 확률을 설명변수 집합에 기반한 로지스틱 회귀모형으로 추정하고, 추정된 성향 점수를 활용하여 최근접 이웃 매칭(nearest neighbor matching, k=1)을 수행하였다. 매칭은 거리 기준 600m, 800m, 1km 각각에 대해 독립적으로 실시되었으며, 동일한 통제변수 집합을 포함한 DID 회귀모형을 통해 정책 효과를 추정하였다. 분석에는 법정동 단위의 개체 고정효과는 포함되지 않으며, 매칭 이후 얻어진 표본은 이중차분 분석의 조건을 충족한다는 전제하에 이용되었다. 표준오차는 HC3 robust 방식으로 추정하였다.

PSM-DID 분석 결과는 다음과 같다. 먼저, 600m 기준 역세권 변수에 기반한 모델에서는 정책효과를 나타내는 교호항 Post_Treat 계수가 0.3831로 추정되었으며, 이는 통계적으로 유의미한 수준에서 양(+)의 영향을 나타냈다(p<0.001). 이는 착공 발표 이후 역세권 아파트의 실거래가가 비역세권 대비 약 46.7% 상승한 것으로 해석된다.

800m 기준 분석에서는 정책효과 계수가 0.4251로 추정되어 약 53.0%의 상승 효과가 확인되었고, 1km 기준에서도 계수는 0.4237로 유사한 수준의 유의미한 상승이 관측되었다. 이는 정책 발표에 따른 시장 반응이 600m 이내의 좁은 범위에 국한되지 않고, 최소 1km 범위까지 일정 부분 확산되고 있음을 보여준다(<표 8>).

통제변수의 계수들도 대체로 기대되는 방향으로 유의미하게 추정되었다. 전용면적(log)은 모든 모델에서 약 0.79~0.83 수준의 정(+)의 계수를 보여 면적 확대에 따른 가격 상승 효과가 확인되었고, 건축 연수(age)는 음(‒)의 계수를 보여 시간이 지날수록 가격이 하락하는 경향을 보였다. 층수(floor), 버스 정류장 수(bus_count) 역시 실거래가에 유의한 정(+)의 영향을 미친 반면, 지하철역 이용자 수(log)는 일부 모델에서 음(‒)의 영향을 나타냈다. 이는 수도권 내 혼잡도, 지역별 편의시설 밀집도 등 비정형적 요인이 영향을 미쳤을 가능성을 시사한다.

결론적으로, 성향 점수 기반 매칭을 통해 역세권과 비역세권 간 공변량 불균형을 제거한 이후에도, 동북선 착공 발표는 실거래가에 실질적이며 통계적으로 유의미한 상승효과를 발생시킨 것으로 나타났다. 이는 단순 DID 분석 결과와의 일관성을 유지함과 동시에, 인과 추정의 강건성을 보완한 분석으로 해석할 수 있다. 특히 정책효과는 거리 기준 600m, 800m, 1km 모두에서 유사한 수준으로 관측되어, 도시철도 개발에 대한 시장의 기대가 역세권 반경 전반에 걸쳐 일관되게 반영되고 있음을 시사한다. 이는 도시철도 정책 수립 시 일정 거리 이상까지 영향을 고려할 필요가 있다는 정책적 함의를 제공한다.