스트레스 DSR 규제의 지역별 효과 분석:

금융당국은 가계부채 리스크에 선제 대응하기 위해 2024년 2월 1단계(가산금리 0.38%p), 2024년 9월 2단계(수도권 1.2%p·비수도권 0.75%p), 2025년 7월 3단계(1.5%p, 비수도권 주택담보대출은 연말까지 0.75%p 유지)의 순서로 스트레스 DSR(debt service ratio)을 단계적으로 강화해 왔다. 이는 모든 업권의 DSR 적용 대출에 가산금리를 부과해 차주의 대출 한도를 직접 축소하는 방식이다.

노컷뉴스 언론 보도(이희진, 2025)에 따르면 이러한 규제가 시장 전체에 균등하게 작동하지 않는다. 이 언론 보도는 ‘강남3구’¹⁾와 ‘마용성’²⁾ 등 고가주택 중심 지역의 차주들이 이미 대출 의존도가 낮아 규제 영향이 제한적이며, 2023년 1분기 15억 원 초과 강남권 거래의 80%가 무대출 자금조달이었다고 전하고 있다. 반면 비강남권 중산층 선호지역과 지방·수도권 외곽은 규제 체감도가 높아 거래 위축이 우려된다는 분석이 제시되었다. 실제 거래 데이터도 이러한 양극화를 뒷받침한다. 브릿지경제 언론 보도(채현주, 2025)에서 스트레스 DSR 1단계(2024년 2월 26일 시행) 직후 6개월(2024년 2월~7월)간은 전국 월평균 아파트 거래량이 26.8% 증가했으나, 스트레스 DSR 2단계(2024년 9월 1일 시행) 이후 6개월(2024년 9월~2025년 2월)간 전국적으로 월평균 아파트 거래량이 18.6% 감소했다고 보도했다. 스트레스 DSR 1단계 이후 서울 내부에서는 광진·마포·성동·강동 등 비강남권의 거래 증가폭이 강남3구를 상회했으며, 이후 스트레스 DSR 2단계 이후에는 스트레스 DSR 1단계 이후 거래량이 증가했던 지역인 마포구와 은평구, 광진구, 성동구, 성북구에서 거래 감소율이 더욱 컸고, 스트레스 DSR 3단계(2025년 7월 1일 시행) 도입을 앞두고 대출을 받기 어렵게 됨에 따라 비강남권에 매수세가 몰리고 있다.

이처럼 정책은 전국 단위로 일괄 적용되지만, 지역별 자산·소득 구조와 레버리지 활용 정도, 그리고 지역특성에 따라 아파트 매매가격에 미치는 영향은 상이하게 나타난다(김성찬·성주한, 2024). <그림 1>의 서울시와 서울시의 특징적인 3개의 지역별 아파트 평당매매가격 추이를 통해서 살펴볼 수 있는데, 서울시의 다른 구들에 비해 투자가치가 낮아 자주 언급되는 노도강³⁾ 지역의 경우 지역이 낙후되어 왔고, 이에 대한 문제제기와 해결방안에 대해서 연구가 진행되어 왔다(장재민·조도형, 2023). 하지만 제곱미터당 아파트 매매가격의 경우 서울시의 아파트 매매가격보다 낮게 형성이 되어있고, 2022년 기준 가격이 상승하는 강남3구와 마용성 지역에 비해 여전히 아파트 매매가격이 하락세인 것을 확인할 수 있다.

그림 1. 서울시 제곱미터당 아파트 매매가격 변화(2013년~2025년) 자료 : KB부동산(2025)의 재작성.

Download Original Figure

이러한 지역적 차이를 고려하여, 스트레스 DSR 규제가 서울시 대비 높은 아파트 매매가격이 형성되어 있는 강남3구와 마포·용산·성동 지역과 서울시 대비 낮은 아파트 매매가격이 형성되어 있는 노원·도봉·강북 지역의 아파트 매매가격에 어떤 영향을 미쳤는지를 실증적으로 분석하고자 한다. 구체적으로, DSR 또는 스트레스 DSR 도입·강화 시점과 지역 더미(강남·서초·송파의 강남3구, 마포·용산·성동의 마용성, 노원·도봉·강북의 노도강) 간 상호작용 항을 모형에 포함해, 스트레스 DSR 정책의 충격이 지역별(강남3구, 마용성, 노도강)로 아파트 매매가격에 미치는 정책적 효과가 어떻게 달라지는지를 검증하고자 한다. 이를 통해 동일한 금융규제가 형성되어 있는 가격대가 다른 강남3구와 마용성 그리고 노도강 지역에 어떤 영향을 미쳤는지를 계량적으로 제시하고자 한다.

이 연구의 시간적 범위는 2020년 1월부터 2025년 4월까지 64개의 시계열 자료를 사용하였고, 공간적 범위로 서울시는 25개, 경기도는 26개, 인천시는 8개로 수도권 전체 59개 시군구의 횡단면 자료를 사용하였다. 이러한 시간적 범위와 공간적 범위를 통해 횡단면 자료와 시계열 자료를 합친 균형 패널데이터를 구축해 스트레스 DSR과 지역의 상호작용이 아파트 매매가격에 미치는 영향을 살펴보고자 하였다.

이 연구의 분석 방법으로는 고정효과모형과 확률효과모형 중 적합한 모형을 결정하기 위해 하우스만 검정(Hausman test)을 살펴보고, 두 개의 모형 중 가장 적합한 모형을 실증분석 결과를 통해 제시하였다.

DSR은 대출 심사 시 차주의 모든 대출에 대하여 원리금 상환 부담을 계산하는 지표로서, 주택담보대출의 원리금 상환액과 주택담보대출을 제외한 카드론뿐만 아니라 신용대출을 포함한 원리금 상환액 등 모든 금융권의 대출 원리금 상환액을 반영한다(임진 외, 2018).

스트레스 DSR은 DSR 한도 산정 시 DSR에 미래 금리변동 위험으로서, 일종의 가산금리인 스트레스 금리를 정교히 반영하는 것을 말한다(박수아, 2025). 즉, 스트레스 DSR은 차주가 대출을 보유하는 기간 동안 금리상승으로 원리금 상환부담이 증가할 수 있다는 미래 위험을 반영하기 위해, DSR 산정 시 일정 수준의 가산금리(스트레스 금리)를 더해 상환능력을 평가하는 제도이다. 중요한 점은 이 가산금리가 대출한도 산정에만 쓰이는 내부 평가금리이며, 실제 대출금리에 부과되지는 않는다는 것이다. 이러한 스트레스 DSR에 대해 한국 금융당국은 변동금리 대출 이용 차주의 금리상승 리스크를 고려해 DSR 산정 시 가산금리를 적용하는 제도(실제 대출금리에는 미부과)이다.

스트레스 DSR을 사용하는 이유는 첫째, 금리상승 및 재조달 위험의 선제적 반영을 위한 것이다. 일반 DSR이 “현재 금리”에 기초해 차주의 상환능력을 평가하는 데 비해, 스트레스 DSR은 금리상승 시나리오를 내재화하여 과소평가 위험을 줄인다. 변동금리·혼합형·주기형 대출은 향후 금리 수준 변화에 민감하므로, 보수적(전향적) 상환능력 평가가 필요하다는 것이 제도 도입의 1차적 근거다(김지혜, 2023). 둘째, 거시건전성 관리와 자동 안정화 장치로서의 역할을 위한 것이다. 가계부채의 증가세가 경기·금리 환경에 따라 순환적으로 확대·축소되는 과정에서, 스트레스 DSR은 금리 하락기에 과도한 대출한도 확대를 자동으로 제어하는 장치로 기능한다. 금융당국(금융위원회, 2025)은 이를 “금리 하락에 따른 대출한도 확대효과를 제어할 수 있는 ‘자동 제어장치’”로 평가하며, 가계부채를 명목 GDP 성장률 범위 내에서 안정적으로 관리하려는 정책 기조와 연동해 운용하고 있다. 셋째, 차주 보호와 과잉 레버리지 억제를 위한 것이다. 동일 소득·부채 조건이라도 스트레스 금리 적용 시 산출되는 한도는 일반 DSR 대비 낮아질 수 있다. 금융위 추정치에 따르면 2단계 기준으로 주택담보대출은 대출유형에 따라 약 3%~9%, 은행권 신용대출은 약 1%~2%의 한도 감소가 예상되었다. 이는 금리충격 시 연체·부실로의 전이를 완화하는 차주 보호 장치로서 의미가 있다. 넷째, 시장 연착륙과 정책의 일관성을 위한 것이다. 스트레스 DSR은 도입·강화 일정을 경기·부동산PF 등 시스템 리스크 요인과 조화시키며 추진되었다. 예컨대 2단계 시행(0.75%)은 서민·자영업자 대책, PF 시장 연착륙 상황 등을 감안해 2024년 9월 1일로 연기되어 연착륙을 도모했다. 이러한 단계적·탄력적 적용은 정책 충격을 최소화하면서 제도 안착을 촉진한다. 다섯째, 고정금리 유인을 통한 구조개선을 위한 것이다. 혼합형·주기형 대출에 더 높은 스트레스 계수를 적용함으로써 변동금리 노출을 비용화하고, 결과적으로 순수 고정금리 대출로의 전환 유인을 제공한다. 이는 가계부채의 이자율 민감도(금리 변동성 노출)를 낮춰 시스템 차원의 취약성을 줄이는 미시·거시적 효과를 동시에 노린 조치이다. 여섯째, 감독·데이터 인프라 고도화를 위한 것이다. 은행권은 2024년 9월부터 신규 가계대출 전반에 대해 내부관리용 DSR 산출을 상시화하여, 대출종류·지역·소득계층별 리스크 모니터링을 정교화하고 자체 가계부채 관리계획에 DSR 관리를 포함하도록 요구받았다. DSR 정보의 상시 파악은 선제적 감독과 금융회사 내부 리스크 관리의 정밀도를 높인다.

스트레스 DSR의 산정은 대출 유형에 따라 달라진다. 변동형 대출과 혼합형 대출, 주기형 대출의 경우에는 스트레스 금리가 100% 적용되고, 5년 이상 고정형의 경우에는 스트레스 금리 미적용, 3~5년 고정형의 경우에는 스트레스 금리의 60% 적용된다. 스트레스 DSR에 대한 금리는 (식 2)와 같은 방식을 통해 산출된다.

스트레스 DSR 단계별 시행 체계는 차주 단위 DSR 3단계에 스트레스 DSR 단계별 시행 체계를 추가 적용한 것이다. 스트레스 DSR의 각 단계를 이해하기 위해서는 차주 단위의 DSR을 정확히 파악해야 한다.

<그림 2>의 DSR 모형은 Dipasquale and Wheaton(1995)의 D-W 모형과 Geltner et al. (2014)의 부동산시스템을 근거로 제시하였다.

그림 2. DSR(debt service ratio) 모형 자료 : Dipasquale and Wheaton(1995), Geltner et al. (2014)를 참고하여 저자작성.

Download Original Figure

<그림 2>의 DSR 모형에서 1사분면의 수요곡선 D와 단기 공급곡선 S에 의해 임대료 R*가 형성되었고, 이로 인해 자산가격은 P*이 되었다. DSR 모형에서 규제가 강화하면 수요곡선이 D2로 이동하면서 임대료 R1으로 하락하게 된다. 이에 따라 주택가격도 P2로 하락하게 된다. 이러한 결과는 수요의 변화와 공급의 변화를 살펴볼 때, 수요의 변화가 공급의 변화보다 클 때 수요의 변화로 인한 영향력이 큰 데 반해, 수요의 변화보다 공급의 변화가 더 클 때는 공급의 변화에 의해 영향을 받게 된다. 예를 들면, DSR 규제로 인해 수요감소가 나타나는데, 만약 공급의 변화를 통해 공급감소가 수요감소보다 더 크게 나타난다면, 주택가격이 상승할 수 있을 것이다. 또한 수요감소가 나타나는데, 만약 공급의 변화를 통해 공급감소가 수요감소보다 더 작게 나타난다면, 주택가격이 하락할 것이다. 이와 같이, 주택가격은 수요의 변화와 공급의 변화에 대한 증감과 크기에 따라 주택가격의 상승과 하락이 결정될 것이다.

1사분면에서 수요감소가 나타나는 상황에서 임대료 R1인 경우, 2사분면의 금리(자본환원율)가 상승하게 되면 주택가격이 P2에서 P4로 하락하게 되지만, 금리(자본환원율)가 하락하게 되면 주택가격이 P2에서 P5로 증가하게 된다.

이 연구에서는 스트레스 DSR과 지역의 상호작용이 아파트 매매가격에 미치는 영향에 관한 연구를 위해 DSR 정책특성을 DSR 1단계와 DSR 2단계, DSR 3단계, 스트레스 DSR 1단계, 스트레스 DSR 2단계로 구분하였고, 규제정책을 실시하였던 시기를 단계별로 나누었고, DSR 정책특성과 지역특성을 상호작용을 DSR정책특성×강남3구와 DSR정책특성×마용성, DSR정책특성×노도강을 통해 아파트 매매가격의 변화를 살펴보고자 한다.

이 연구의 선행연구는 다음과 같다. 우선, 김상엽 외(2020)는 주택금융규제 수단으로 사용되는 LTV, DTI, DSR을 통한 주택담보대출 조절 효과를 분석하기 위해 개입 ARIMA(autoregressive integrated moving average) 모형을 사용하였다. 분석 결과, LTV, DTI, DSR 규제가 강화가 동시에 진행되었을 때 한정하여 개입 효과가 발생하였으며 아파트 가격에 대해 유의미한 부(‒)의 영향을 미치는 것으로 나타났다. 이를 통해 규제정책이 단독으로 시행되거나 복합적으로 적용되더라도, 규제 완화 정책과 동시에 추진될 경우 정책의 실효성을 담보하기 어려운 것으로 분석되었다.

김성찬·성주한(2024)은 수도권의 서울, 경기, 인천에서는 DSR의 규제 효과가 나타나기 시작한 것이 DSR 2단계부터 스트레스 DSR 1단계인 것을 확인할 수 있었고, DSR 2단계와 DSR 3단계, 스트레스 DSR 1단계에서 DSR 규제의 효과가 아파트 매매가격에 부(‒)의 영향을 미치는 것으로 파악되었다.

박순미·이성화(2025)에 따르면, 대구 아파트시장에서 DSR 규제정책의 효과가 본격적으로 나타나기까지는 약 16개월의 시차가 소요되었다. 정책 시행 초기 1~2개월간은 아파트 가격에 뚜렷한 변화가 관찰되지 않았으나, 3개월째부터 10개월 연속 상승세를 보였다. 이러한 현상은 DSR 도입 당시 아파트 가격이 상승국면에 있었고, 저금리 환경과 맞물리면서 가격 상승폭이 확대된 것으로 해석된다. 이때 아파트 가격은 10개월 시점에서 정점에 도달한 후 하락 전환하였으며, 정책 시행 16개월 후에는 DSR 규제 도입 초기 수준을 하회하는 모습을 나타냈다. 이후에도 DSR 규제는 아파트 가격을 지속적으로 억제하는 요인으로 작용하여 정책의 실효성을 입증하는 것으로 분석되었다.

선행연구와 이 연구의 차별성을 다음과 같이 제시한다. 첫째, 기존 연구들이 DSR 규제 효과를 단기적으로는 아파트가격 상승을 억제하지 못하지만 장기적으로는 아파트시장을 안정화시킨다는 점을 제시했다. 이에 이 연구는 2021년 DSR 1단계 적용 이후 DSR 규제 효과에 대한 심층적인 연구가 부족하다는 인식 아래, 장기적인 관점에서 DSR 및 스트레스 DSR이 아파트시장 안정화에 미치는 영향을 규명하고자 한다. 둘째, 이 연구는 DSR과 스트레스 DSR 규제가 시행된 시기를 3개의 단계로 구분하였고, 이 단계들을 강남3구와 마용성, 노도강과 상호작용시켜 살펴본 결과는 지역별 DSR 단계에 따라 정책효과를 살펴볼 수 있다는 점에서 의미를 가지고 있다.

이 연구에서 분류한 부동산특성의 변수들은 아파트 전세가격, 아파트 미분양, 아파트 매매거래량이 있다. 아파트 전세가격은 아파트 매매가격에 큰 영향을 주는 변수로 아파트 매매가격에 정(+)의 영향을 미친다. 선행연구로는 김승욱·성주한(2014), 오세준(2025), 오해종·이상근(2025), 전해정(2019), 정상철·성주한(2022)을 들 수 있다. 아파트 미분양은 아파트준공 이후에도 분양되지 않은 공급에 관한 변수로 아파트 매매가격에 부(‒)의 영향을 미치는데, 선행연구로는 성주한(2022), 오세준(2025), 정상철·성주한(2022)의 연구들에서 제시되었다. 아파트 매매거래량은 증가할수록 공급의 부족으로 인해 수요가 감소하여 아파트 매매가격이 하락하는 부(‒)의 영향을 미치는 변수이다. 이러한 아파트 매매거래량의 선행연구로는 성주한·김선주(2020), 오세준(2025), 이미윤·신건호(2025)의 연구들에서 제시되었다.

거시경제특성의 변수들은 금리, 통화량, 소비자물가지수가 있으며, 거시경제변수 중에서 아파트 매매가격에 가장 큰 영향을 미치는 변수는 금리인 것으로 파악되었다. 이러한 금리의 상승은 아파트 매매가격에 부(–)의 영향을 미치는 것으로 파악되었으며 선행연구로는 김진영·장희순(2021), 박성구·전재식(2025), 성주한(2014), 오세준(2025), 전해정(2019)이 있다. 통화량은 아파트 매매가격에 정(+)의 영향을 미치는 것으로 파악되었으며, 선행연구로는 김경민(2018), 성주한(2014, 2022), 양지영·심교언(2024), 오세준(2025)의 연구가 있다. 소비자물가지수는 아파트 매매가격에 대해 정(+)의 영향을 미치는 것으로, 선행연구로 박성구·전재식(2025), 성주한(2023b), 양지영·심교언(2024), 오세준(2025), 오해종·이상근(2025)의 연구를 들 수 있다.

DSR 정책특성은 이 연구의 핵심 변수로 DSR이 아파트 매매가격에 영향을 미치는 영향에 대하여 단계별로 시행하였던 DSR의 단계별 정책을 더미변수로 설정하여 분석을 진행하였으며, 이에 대한 근거로는 주택금융정책으로 규제정책을 시행하였을 때 아파트 매매가격에 대해 정(+)의 영향을 미치는 선행연구로 노동권 외(2021)를 제시하였으며, 부(‒)의 영향을 미치는 연구로 김상엽 외(2020), 김성찬·성주한(2024), 박순미·이성화(2025)를 제시하였다.

DSR 정책특성×지역특성은 DSR 1단계부터 DSR 3단계까지와 스트레스 DSR 1단계부터 스트레스 DSR 3단계까지의 DSR 정책과 지역특성(강남3구, 마용성, 노도강)을 상호작용하여 지역별 DSR 단계가 아파트 매매가격에 정(+)의 영향을 미치는지 아니면 부(‒)의 영향을 미치는지를 살펴보고자 한다(<표 2>).

이 연구의 모형은 금융정책인 스트레스 DSR과 지역의 상호작용이 아파트 매매가격에 미치는 영향에 관한 연구를 위해 부동산특성, 거시경제특성, DSR 정책특성, DSR 정책특성×지역특성을 사용하여 분석하였다. 연구모형은 <그림 3>과 같다.

그림 3. 연구모형 주 : DSR, debt service ratio.

Download Original Figure

종속변수로 아파트 매매가격 변화율을 제시하였고, 독립변수로 부동산특성은 아파트 전세가격 변화율, 아파트 미분양 변화율, 아파트 매매거래량 변화율을 제시하였다. 거시경제특성은 금리(회사채수익률)와 통화량(M2) 변화율, 소비자물가변화율을 포함시켰다. DSR 정책특성은 DSR의 규제 시기를 DSR의 단계와 스트레스 DSR의 단계인 총 5개로 구분하여 분석을 진행하였으며, DSR 정책특성을 세부적으로 보면, 단계별 DSR 규제가 적용되기 DSR 1단계부터 DSR 3단계 그리고 스트레스 DSR 1단계부터 스트레스 DSR 2단계를 포함시켰다. DSR 정책특성×지역특성은 DSR 정책특성에 지역특성(강남3구와 마용성, 노도강)을 상호작용한 변수를 통해 아파트 매매가격과의 관계를 통해 지역특성의 DSR 규제의 효과를 살펴보고자 한다.

이 연구의 실증분석을 위해 수도권 모형을 위해 수도권 59개(서울시 25개, 경기도 26개, 인천시 8개)의 시군구와 서울시 모형을 위해 서울시 25개 구의 횡단면 자료와 시기로는 2020년 1월부터 2025년 4월까지 64개의 시계열 자료를 구축하여 이들을 합친 균형 패널데이터로 스트레스 DSR과 지역의 상호작용이 아파트 매매가격에 미치는 영향에 관한 연구를 진행하고자 하였다.

최종 분석을 위한 종속변수로는 수도권 시군구의 아파트 매매가격지수를 로그차분하여 수익률을 만들어 사용하였다. 실증분석에서 로그차분은 (1) 시간 계열의 정상성 확보와 (2) 변수 간 탄력성(비율 변화) 비교가 가능하고, 이에 대한 산식은 (식 3)과 같이 설명할 수 있다.

여기서 P_it는 시군구의 i의 t시점 아파트 매매 가격지수(2022년 1월 100 기준)이며, 는 해당 시점의 연속수익률(로그수익률)을 의미한다.

독립변수는 부동산특성과 거시경제특성, 그리고 DSR 정책특성, DSR 정책특성×지역특성 4개의 특성으로 분류하여 분석을 진행하였다. 우선, 부동산특성으로 아파트 전세가격지수와 아파트 미분양, 아파트 매매거래량은 종속변수인 아파트 매매가격지수와 동일하게 로그차분하여 수익률로 구축하였다. 거시경제특성으로 금리변수인 회사채수익률은 수익률 그 자체이기 때문에 원데이터를 사용하였고, 통화량(M2)과 소비자물가지수는 로그차분하여 수익률 변수로 만들어서 사용하였다. 그리고 DSR 정책특성으로 DSR의 규제 시기별로 해당하는 지역에 대해 더미변수를 구축해 DSR 1단계, DSR 2단계, DSR 3단계, 스트레스 DSR 1단계와 스트레스 DSR 2단계를 더미변수로 제시하였다. DSR 정책특성×지역특성은 DSR 1단계부터 3단계까지와 스트레스 DSR 1단계부터 2단계까지의 5개의 단계와 지역특성인 강남3구와 마용성, 노도강을 상호작용한 것이다. 이 변수들에 대한 정의는 <표 3>과 같다.

본 절에서는 크게 2개의 지역인 수도권과 서울시로 구분하여 기초통계분석을 위해 기술통계분석과 빈도분석을 실시하였다. 이렇게 2개의 지역으로 구분한 이유는 DSR 정책특성과 지역특성의 상호작용을 통해 서울시에 위치한 강남3구와 마용성, 노도강의 단계별 DSR 정책특성의 효과를 살펴보기 위한 것이다.

기술통계분석 결과를 살펴보면, 수도권 3,717개와 서울시 1,575개의 표본에서 종속변수인 아파트 매매가격을 살펴보면 수도권과 서울시는 0.3% 상승한 것으로 파악되었다. 독립변수를 살펴보면, 부동산특성에서 아파트 전세가격은 수도권과 서울시 모두 0.2% 상승하였고, 아파트 미분양은 수도권 2.9% 상승, 서울시 4.6% 상승한 것으로 파악됨에 따라 서울시의 아파트 미분양이 더 큰 것으로 파악되었다. 아파트 매매거래량은 수도권은 0.9% 하락하였고, 서울시는 0.5% 하락한 것으로 파악되었다. 거시경제특성에서 수도권과 서울시 지역에 관계없이 통화량은 0.6% 상승하였고, 소비자물가는 0.2% 상승하였으며, 회사채수익률은 0.026% 상승한 것으로 파악되었다. 이외의 다른 변수들의 기술통계분석 결과는 <표 4>를 통해 살펴보고자 한다.

이 연구는 2020년 1월부터 2025년 4월까지 수도권 59개 시군구(서울 25개, 경기 26개, 인천 8개)의 균형 패널자료를 구축하여 DSR 규제의 단계별·지역별 효과를 분석하였다. DSR 규제를 5단계로 구분하고(DSR 1·2·3단계, 스트레스 DSR 1·2단계), 주요 지역더미(강남3구, 마용성, 노도강)와의 상호작용을 통해 아파트 매매가격에 미치는 차별적 영향을 추정하였다.

실증분석 결과 전세가격은 매매가격에 유의한 정(+)의 영향을, 매매거래량은 유의한 부(‒)의 영향을 미쳤다. 회사채수익률은 일부 모형에서 부(‒)의 효과를, 통화량(M2)은 정(+)의 효과를 보였으며, 미분양 변수는 통계적으로 유의하지 않았다. 강남3구는 DSR 강화 국면에서 상호작용항 계수가 유의한 정(+)으로 나타나 규제하에서도 가격이 상승하는 것으로 나타났고, 마용성 또한 유의한 정(+)의 영향을 미치는 것으로 나타났다. 반면 노도강은 대부분 단계에서 상호작용항이 유의한 부(‒)로 추정되어 규제가 가격이 하락하는 것으로 나타났다. 이러한 결과는 강남3구나 마용성처럼 서울시에서 평균가격 대비 높은 가격이 형성되어있는 지역에서는 규제로 인해 오히려 아파트 매매가격이 증가하는 반면 서울시에서 평균가격 대비 낮은 가격대가 형성되어 있는 지역인 노도강과 같은 지역은 규제효과로 인해 가격이 하락하는 것으로 판단된다.

이 연구의 시사점은 다음과 같다. 첫째, DSR 규제는 지역별 투자 수요의 성격에 따라 상반된 효과를 나타낸다. 강남3구와 마용성은 규제 강화 국면에서도 아파트 매매가격이 오히려 상승하는 결과가 나타나, 자본력이 집중되어 높은 가격이 형성되어있는 지역에서는 금융규제가 가격 억제 효과를 발휘하기 어렵다는 점을 보여준다. 이는 규제가 동일하게 적용되더라도 지역의 자본 유입 구조에 따라 상반된 반응이 발생할 수 있음을 의미한다.

둘째, 노도강 지역은 대부분 단계에서 규제의 영향이 가격 하락으로 연결되어, 서울시 평균가격보다 상대적으로 낮은 가격대가 형성되어있는 지역의 경우 DSR 규제가 가격 안정화에 유효하게 작용할 수 있음을 시사한다. 이는 금융규제가 중저가 시장을 대상으로 할 때 상대적으로 효과적이라는 점을 보여준다. 이러한 결과는 부동산 과열 시기에는 획일적인 규제가 아니라 지역별 시장 특성과 차주 구조를 반영한 표적화된 정책 설계가 필요함을 뒷받침한다. 따라서 고가 주택지에는 공급·세제·개발정책을 통한 추가적인 기대수익률 조정이 요구되며, 중저가 지역에는 금융규제를 활용해 시장 안정을 도모하는 복합적 접근이 필요할 것이다.

이 연구의 한계는 다음과 같다. 첫째, 연구의 공간적 범위가 수도권으로 한정되어 있어 비수도권 시장에 일반화하기 어렵다. 또한 수도권 내부에서도 구별 특성과 구조가 상이함에도 이를 체계적으로 반영하지 못하였다. 둘째, 이 연구는 수도권을 대상으로 DSR의 단계별 규제 효과를 추정하였으나 차주 수준의 부채부담을 직접 관측하지 못하였다. 특히 투기과열지구 9억 원 초과 주택에 대한 DSR 차등 적용 등 미시적 규제 강도의 차이를 데이터로 충분히 반영하지 못하였다.

셋째, 분석 대상을 아파트 매매가격으로 한정하여 2023년 4월 오피스텔 DSR 규제 완화 등 비아파트 자산군에서의 정책 파급을 다루지 못하였다.

넷째, 실증분석에서 아파트 매매가격에 영향을 미치는 요인으로 내부요인인 지역의 소득수준과 인구구조, 개발호재, 공급물량, 외부요인으로 물가의 증가가 크게 나타난 러시아-우크라이나 전쟁과 같은 요인에 대한 변수가 제시되어야 함에도 불구하고 본 연구와의 방향성과는 달라 제시하지 못한 것에 대해 추가적인 논의되어야 할 것이다.

향후 연구에서는 비수도권을 포함한 광역 표본을 구성하고, 구 단위의 고정효과·공간 상호작용·입지 특성 변수를 도입하여 구별 이질성과 공간적 파급을 함께 식별할 필요가 있고, 실거래와 대출 정보를 연계하여 차주별 DSR·소득·자산을 관측하고, 가격대·입지별 이질적 효과와 레버리지 탄력성을 정밀하게 추정할 필요가 있다. 또한 오피스텔, 다세대·연립, 토지 등으로 자산군을 확장하고, 자산군 간 대체와 전이 경로를 함께 모형화하여 DSR의 종합적 효과를 평가와 아파트 매매가격에 영향을 줄 수 있는 내부요인과 외부요인에 대한 변수가 추가적으로 제시되어야 할 것이다.