지역별 주택시장 조정 구조의 이질성 분석:

최근 국내 주택시장은 금리 상승과 경기 둔화의 영향 속에서 지역별로 서로 다른 조정 양상을 보이고 있다. 일부 지역에서는 거래 감소가 가격 조정으로 이어지는 반면, 다른 지역에서는 공급 확대와 미분양 누적이 시장 위축의 주요 지표로 나타나는 등 지역별 시장 구조의 차이가 관찰되고 있다. 이러한 현상은 주택시장이 단일한 구조를 가진 시장이 아니라 지역별 수요 구조, 공급 여건, 시장 참여자의 기대 등에 따라 서로 다른 조정 메커니즘을 가지는 시장임을 시사한다.

기존 연구들은 주택가격 변동을 설명하기 위해 금리, 거래량, 거시경제 변수, 공급 지표 등을 중심으로 분석해 왔다. 그러나 상당수 연구는 전국 단위 분석에 집중하거나 특정 지역을 대상으로 한 분석에 머무르는 경향이 있어, 동일한 변수들이 지역별 주택시장 구조 속에서 어떠한 방식으로 작동하는지에 대한 비교 분석은 상대적으로 충분히 축적되지 못하였다. 특히 거래량, 미분양, 금리와 같은 주요 시장 변수들이 지역별 주택시장 구조 속에서 가격 조정 과정에 어떠한 경로로 작용하는지에 대한 체계적인 비교 연구는 제한적인 상황이다.

또한 주택시장 분석에서 미분양 주택은 일반적으로 공급 확대와 수요 위축이 누적된 결과로 나타나는 지표로 이해되어 왔다. 그러나 미분양의 누적은 시장 참여자들에게 공급 과잉 또는 수요 둔화에 대한 정보를 전달함으로써 시장 기대와 거래 활동에 영향을 미칠 가능성도 존재한다. 특히 공급 확대가 집중된 지역에서는 미분양이 시장 조정 과정에서 중요한 불균형 지표로 작용할 수 있으며, 이러한 영향은 지역별 시장 구조에 따라 서로 다른 방식으로 나타날 수 있다.

본 연구는 이러한 문제의식에 기반하여 서울, 대구, 광주를 대상으로 주택가격, 거래량, 미분양 주택, 주택담보대출금리 간의 동태적 관계를 분석하고, 동일한 시장 변수들이 지역별 주택시장 구조 속에서 어떠한 가격 조정 메커니즘을 형성하는지를 실증적으로 검토하고자 한다. 특히 수도권 대표 시장인 서울과 비수도권 광역시인 대구·광주를 비교 대상으로 설정하여 지역별 수요 기반, 공급 구조, 시장 환경의 차이가 가격 조정 과정에 어떠한 차이를 만들어내는지를 분석한다.

본 연구의 목적은 다음과 같다.

첫째, 서울, 대구, 광주 주택시장이 동일한 장기 균형 구조를 공유하는지 여부를 분석한다.

둘째, 거래량, 미분양 주택, 주택담보대출금리 등 주요 시장 변수들이 지역별로 주택가격 조정 과정에서 어떠한 역할을 하는지를 비교·분석한다.

셋째, 동일한 시장 변수라도 지역별 주택시장 구조에 따라 가격 조정 메커니즘이 어떻게 다르게 나타나는지를 규명한다.

이를 통해 본 연구는 주택시장을 전국 단일 시장으로 접근하는 분석에서 벗어나 지역별 시장 구조의 차이를 고려한 주택시장 분석의 필요성을 제시하고자 한다. 또한 거래 활동, 공급 재고, 금융 여건과 같은 주요 변수들이 지역별 주택시장 구조 속에서 서로 다른 방식으로 작동할 수 있음을 실증적으로 제시함으로써 향후 지역 주택시장 분석과 정책 설계에 기초적인 실증 근거를 제공하는 데 연구의 의의를 둔다.

본 연구의 시간적 범위는 2007년 1월부터 2025년 11월까지이며, 해당 기간 동안 서울·대구·광주 아파트 매매시장을 대상으로 실질 매매가격지수(sales price, SP), 미분양(unsold units, US), 거래량(sales volume, SV), 실질 주택담보대출금리(mortgage interest rate, MIR) 간의 장·단기적 관계 및 인과적 상호작용을 분석하였다.

연구 대상 지역은 각기 다른 시장 구조를 대표하는 사례로 선정하였다. 서울은 인구와 자본이 집중된 수도권 수요 중심 구조를 보이며, 대구는 최근 수년간 공급 누적과 미분양 증가를 경험한 공급 부담 구조를 나타낸다. 광주는 구조적 공급 과잉이 지속된 시장은 아니지만, 거래 활성도와 금융 여건 변화에 비교적 민감하게 반응하는 혼합형 구조를 보인다.

세 지역은 각각 상이한 수요 기반과 공급 구조를 대표하는 사례로, 지역별 조정 경로의 차이를 비교하기에 적합한 대비적 사례로 선정되었다.

본 연구는 이러한 대비적 특성을 고려하여 동일한 분석틀 하에서 세 지역을 비교함으로써, 지역별 주택시장 조정 구조의 차이를 규명하고자 한다.

분석 방법으로는 먼저 단위근 검정(unit root test)을 통해 각 변수의 시계열 특성을 점검하였다. 이후 I(0)와 I(1) 과정이 혼재된 자료에도 적용 가능한 ARDL(autoregressive distributed lag) 모형을 활용하여 변수 간 장기 균형 관계의 존재 여부를 검토하였다. ARDL 경계검정(bounds test)을 통해 공적분 관계를 확인하고, 장기 균형이 성립하는 경우 오차수정모형(error correction model, ECM)을 통해 단기 조정 속도와 방향을 추정하였다. 또한 장기 관계가 불확실하거나 공적분이 확인되지 않는 경우를 포함하여, Toda and Yamamoto(1995)의 수정된 그레인저 인과관계 검정(Granger causality test)을 적용함으로써 변수 간 선·후행 관계와 동태적 상호작용 구조를 추가적으로 분석하였다.

연구의 구성은 다음과 같다. 제Ⅰ장 서론에서는 연구의 배경과 목적을 제시하고, 지역별 주택시장 조정 구조의 차이에 대한 연구 필요성과 연구 질문을 제시하였다. 제Ⅱ장에서는 공급 측 요인(미분양), 수요·심리 요인(거래량), 금융 요인(금리)과 주택가격 간의 관계를 설명하는 이론적 논의를 정리하고, 국내외 주요 선행연구를 검토하였다. 제Ⅲ장에서는 자료의 구성과 기초 통계적 특성을 제시하고, 단위근 검정, ARDL 모형, 경계검정, 오차수정모형, 그리고 Toda-Yamamoto 인과관계 검정의 적용 절차를 설명하였다.

제Ⅳ장에서는 서울·대구·광주 각 지역에 대해 장기 균형 관계의 성립 여부를 검토하고, 오차수정항 추정을 통해 가격 조정 과정의 속도와 방향을 비교하였다. 이어서 인과관계 검정을 통해 공급 충격, 거래 활동, 금융 조건 가운데 어떤 요인이 가격 변동을 선행하는지를 지역별로 분석하였다. 이를 통해 동일 변수라 하더라도 지역에 따라 상이한 반응 구조가 나타날 수 있음을 실증적으로 확인하였다.

마지막으로 제Ⅴ장에서는 분석 결과를 종합하여 지역별 주택시장 조정 구조의 의미를 정리하고, 전국 단일 해석의 한계를 보완하는 관점에서 정책적 시사점을 논의하였다. 이를 통해 본 연구는 지역별 아파트 시장의 장·단기 조정 메커니즘을 비교 분석한 실증적 사례를 제시하고자 한다.

주택시장은 정보가 완전하게 공유되지 않고 거래 과정에 상당한 탐색 비용과 거래 비용이 수반되는 특성을 지닌다. 이러한 시장 구조에서는 가격이 기초적인 경제 여건에 즉각적으로 수렴하기보다는 시장 참여자들의 기대 형성과 심리 변화에 영향을 받으며 단기적으로 변동성이 확대되는 경향이 나타난다. 행동경제학적 주택시장 모형은 이러한 특성을 바탕으로 주택가격의 단기 변동이 합리적 기대에 기반한 균형 조정이라기보다는 가격 상승 기대, 투자 심리, 그리고 사회적 확산 효과에 의해 증폭되는 가격 관성(price momentum)에 의해 설명될 수 있음을 강조한다(Case and Shiller, 1989, 2003). Case and Shiller(1989)는 주택가격 변화에서 양(+)의 자기상관이 존재함을 실증적으로 제시하며 가격 상승이 다시 상승 기대를 형성하는 관성적 구조가 나타날 수 있음을 보였고, Case and Shiller(2003)는 기대 형성과 구전효과(word-of-mouth)가 주택시장 가격 변동을 증폭시키는 중요한 메커니즘으로 작용함을 설명하였다.

이와 함께 주택시장에서는 가격과 거래량 사이의 밀접한 상호작용이 나타난다. 거래량은 단순히 수요가 실현된 결과로만 이해되기보다 시장의 유동성과 거래 성사 가능성을 반영하는 지표로 해석될 수 있다. Stein(1995)은 다운페이먼트 제약을 포함한 주택시장 모형을 통해 주택가격과 거래량 사이에 양(+)의 상관관계가 형성되는 구조를 설명하였다. 주택가격이 상승하는 경우 기존 주택 보유자의 자산 가치가 증가하여 다음 주택 구매를 위한 자기자본 제약이 완화되면서 거래가 증가할 수 있는 반면, 가격이 하락하는 경우 금융 제약이 강화되어 거래량이 감소할 수 있다(Stein, 1995). 이러한 구조는 주택시장에서 가격과 거래량이 동조적으로 움직이는 현상을 설명하는 중요한 이론적 근거로 제시된다.

국내 연구에서도 이러한 가격-거래량 관계가 확인되고 있다. 문외솔(2023)은 주택시장 매칭모형을 통해 거래량이 매도자와 매수자의 탐색 및 매칭 과정에서 형성되는 시장 유동성의 지표로 작용하며, 가격 조정 과정과 밀접하게 연결되어 있음을 실증적으로 제시하였다. 거래가 증가하는 국면에서는 시장 참여가 확대되면서 가격 상승 기대가 강화될 수 있으며, 이러한 과정은 단기적으로 가격 변동성을 확대시키는 방향으로 작용할 수 있다.

한편 미분양 주택의 증가는 단순한 공급 물량의 확대를 넘어 시장 상황에 대한 정보적 신호로 해석될 수 있다. 미분양의 증가는 시장 참여자들에게 공급 과잉 또는 수요 둔화 가능성을 전달하며, 이러한 인식 변화는 가격에 대한 기대를 점진적으로 낮추는 방향으로 작용할 수 있다. 매칭 관점에서 보면 미분양의 누적은 거래 성사 확률을 낮추고 시장 유동성을 약화시키는 요인으로 작용할 가능성이 있으며(문외솔, 2023; Stein, 1995), 이는 단기적으로 주택가격 하락 압력을 확대시키는 경로를 형성할 수 있다.

금리 또한 주택시장 조정 과정에서 중요한 금융 요인으로 작용한다. 금리는 주택 구매 비용과 금융 접근성을 변화시키는 변수로서 주택 수요와 가격 조정에 영향을 미친다. 특히 금융 제약과 신용 여건의 변화는 주택가격 변동과 상호작용하며 시장 조정의 속도와 강도를 변화시킬 수 있다(Stein, 1995). 주택가격이 상승하는 국면에서는 자산 효과와 낙관적 기대의 확산으로 금융 여건이 완화되는 경향이 나타나는 반면, 가격이 하락하는 시기에는 위험 회피 성향이 강화되면서 금융 조건이 점차 긴축적으로 전환될 가능성이 있다.

이러한 이론적 논의를 종합하면 주택가격은 단일한 균형점에 고정된 결과라기보다는 거래량, 기대, 공급 상황, 금융 여건이 상호작용하는 과정 속에서 동태적으로 형성되는 변수로 이해할 수 있다. 본 연구는 이러한 이론적 배경을 토대로 서울·대구·광주 아파트 시장에서 매매가격이 미분양, 거래량, 금리 변화에 어떻게 반응하며 조정되는지를 실증적으로 분석한다. 구체적으로 ARDL 모형을 통해 장기 균형 관계와 단기 조정 과정을 분석하고, Toda-Yamamoto 인과관계 검정을 통해 가격 변동을 선행하는 요인을 확인하고자 한다.

주택시장에서 미분양 주택은 단순한 공급 초과의 결과라기보다 거시경제 여건, 금융 환경, 그리고 주택시장 내부의 가격 및 거래 구조가 누적적으로 작용한 조정 결과로 이해되어 왔다. 이에 따라 선행연구들은 미분양 발생을 하나의 원인으로 환원하기보다는 경기 흐름, 금융 조건, 시장 구조가 결합되는 과정 속에서 분석해 왔다.

초기 연구들은 미분양의 발생 원인을 주로 공급 확대와 거시경제 여건의 변화에서 찾았다. 강병주(1995)는 대전지역 사례를 통해 주택 미분양이 수요 대비 과도한 공급과 주택구입능력의 제약에서 비롯된다고 분석하였다. 또한 주택금융 제도의 한계가 수요 회복을 제약하는 요인임을 지적하며 공급 구조 조정과 금융·세제 제도 개선의 필요성을 제시하였다. 김홍규(2005)는 아파트 미분양률이 경기 변동에 따라 민감하게 반응하는 특성을 지니고 있음을 실증적으로 분석하였다. 그러나 이러한 연구들은 미분양을 경기 순환을 반영하는 지표로 해석하는 데 초점을 두었으며, 가격 조정 과정에서의 동태적 상호작용 구조에 대해서는 충분히 다루지 못하였다.

이후 연구들은 VAR(vector autoregression), 벡터오차수정모형(vector error correction model, VECM) 등 계량경제학적 기법을 활용하여 주택시장 변수와 거시경제 요인 간의 동태적 상호작용을 보다 체계적으로 분석하는 방향으로 확장되었다. Miller and Peng(2006)은 GARCH (generalized autoregressive conditional heteroskedasticity) 모형과 패널 VAR 분석을 통해 주택가격 변동성과 거시경제 변수 간의 상호작용을 분석하였으며, 경기 변동과 가격 변동성이 확대되는 국면에서 주택시장의 불안정성이 강화될 수 있음을 제시하였다. 전해정(2023)은 BVAR (Bayesian vector autoregression) 모형을 활용하여 소비심리, 금리, 거래량, 미분양 주택과 주택가격 간의 동태적 관계를 분석하였다. 분석 결과 미분양은 가격 변동 이후에 반응하는 경향을 보였으며, 이는 미분양이 가격 및 금융 충격 이후에 나타나는 조정 변수로 해석될 수 있음을 시사한다.

실제로 미분양을 주택시장 조정 과정의 결과 변수로 해석한 연구들도 존재한다. 김상기 외(2010)는 VECM을 활용하여 주택매매가격, 전세가격, 미분양 주택량 간의 장·단기 관계를 분석하였다. 분석 결과 주택매매가격의 하락이 선행된 이후 일정 시차를 두고 미분양 주택량이 증가하는 경향이 나타났으며, 미분양은 가격 변동을 주도하기보다는 가격 조정 이후에 반응하는 성격을 지니는 것으로 해석되었다. 이러한 결과는 미분양이 단일 충격에 의해 즉각적으로 발생하기보다는 가격 하락과 수요 위축이 누적되는 과정에서 점진적으로 형성되는 구조임을 보여준다.

그러나 일부 연구에서는 미분양이 단순한 결과 변수에 그치지 않고 시장 참여자들의 기대 형성과 의사결정에 영향을 미칠 수 있는 신호 변수로 작용할 가능성도 제기되고 있다. 서홍(2025)은 소비자심리와 주택가격 간 상호작용을 분석하면서 시장 참여자의 기대 변화가 가격 조정 과정에서 중요한 역할을 한다는 점을 제시하였다. 이러한 관점에서 미분양의 누적은 시장 참여자들에게 공급 과잉 또는 수요 둔화 가능성에 대한 정보를 전달하는 신호로 작용하며, 이후 가격 형성과 거래 활동에 영향을 미칠 가능성이 있다.

또한, 일부 연구에서는 미분양을 단순한 결과 변수로 보기보다는 주택시장 수요 상황을 반영하는 변수로 설정하여 가격과 거래 활동에 미치는 영향을 분석하기도 하였다. 예를 들어 김수정·정재호(2025)는 아파트 공급 단계별 물량이 주택시장에 미치는 영향을 분석하면서 인허가·착공·준공과 함께 미분양을 독립변수로 설정하고, 아파트 거래량과 매매가격을 종속변수로 하는 VAR 모형을 통해 실증 분석을 수행하였다. 분석 결과 미분양은 거래량 및 가격 변동과 유의한 상호작용 관계를 보이는 것으로 나타났으며, 이는 미분양이 주택시장 수급 상황과 시장 참여자의 기대를 반영하는 변수로 활용될 수 있음을 시사한다.

종합하면 기존 연구들은 미분양을 주택시장 변화의 결과 변수로 해석하는 경향이 강하지만, 동시에 시장 참여자들의 기대와 의사결정에 영향을 미칠 수 있는 신호 변수로 작용할 가능성도 제시하고 있다. 그러나 대부분의 연구는 미분양의 발생 요인이나 결정 요인을 분석하는 데 초점을 두고 있으며, 미분양이 가격 조정 과정 속에서 다른 시장 변수와 어떠한 방식으로 상호작용하는지를 동태적으로 분석한 연구는 상대적으로 제한적이다.

따라서 본 연구는 이러한 연구 공백을 고려하여 미분양을 단순한 결과 변수로 보기보다는 주택시장 수급 불균형 상태를 반영하는 변수이자 시장 참여자의 기대 형성과 거래 활동에 영향을 미칠 수 있는 변수로 설정하고, 거래량 및 금리와 함께 주택가격과의 장·단기 동태적 관계를 실증적으로 분석하고자 한다.

선행연구 분석에서 확인한 바와 같이, 기존 연구들은 미분양 주택을 금융 여건 변화, 소비자심리의 변동, 공급 확대, 가격 조정이 누적된 결과로 해석하는 데 공통적인 인식을 보여 왔다. 특히 미분양을 종속변수로 설정하여 발생 요인이나 결정 요인을 규명하려는 연구가 주를 이루었으며, 가격 하락이나 경기 침체 이후 미분양이 후행적으로 증가하는 조정 구조에 대한 실증적 근거도 축적되어 왔다. 그러나 이러한 연구들은 대체로 특정 지역 또는 전국 단일 시장을 대상으로 분석이 이루어져, 동일한 시장 변수들이 지역별 주택시장 구조 속에서 어떠한 방식으로 상이하게 작동하는지에 대한 비교 분석은 상대적으로 부족한 한계를 지닌다.

이러한 연구 공백을 바탕으로 본 연구는 동일한 시장 변수들이 지역별 주택시장 구조에 따라 서로 다른 가격 조정 메커니즘을 형성할 수 있다는 점에 주목하고, 이를 실증적으로 비교·분석한다는 점에서 차별성을 갖는다.

첫째, 연구 주제 측면에서 기존 연구들이 특정 변수(예: 미분양, 거래량, 소비심리)의 결정 요인을 규명하거나 가격 변동의 원인을 설명하는 데 집중한 것과 달리, 본 연구는 매매가격을 중심 변수로 설정하고 미분양, 거래량, 실질금리와 같은 공급·수요·금융 요인이 단기 조정 과정에서 어떻게 상호작용하는지를 분석한다. 이를 통해 주택가격을 고정된 균형점이 아닌 충격과 조정이 반복되는 동태적 과정으로 이해하고자 한다.

둘째, 변수 구성 측면에서 본 연구는 미분양을 단순한 결과 변수로 전제하기보다는 주택시장 수급 불균형과 시장 참여자의 기대를 반영하는 변수로 설정하고, 거래량 및 금리와 함께 가격 조정 과정 속에서의 역할을 비교·분석한다. 이를 통해 미분양의 영향 여부를 사전에 가정하기보다는 거래량 및 금융 변수와의 비교를 통해 단기 가격 조정 과정에서 실제로 작동하는 주요 요인을 실증적으로 식별하고자 한다.

셋째, 분석 방법 측면에서 본 연구는 ARDL 모형을 활용하여 장기 공적분 관계의 존재 여부와 관계없이 단기 동태적 관계를 안정적으로 추정하고, Toda-Yamamoto 방식의 그레인저 인과관계 검정을 병행하여 변수 간 선·후행 관계를 추가적으로 검토하였다. 이를 통해 가격, 미분양, 거래량, 금리 간의 단기 인과 구조를 보다 명확히 규명하고자 하였다.

넷째, 본 연구는 서울에 한정된 단일 시장 분석을 넘어 대구와 광주를 포함한 지역 간 비교 분석을 수행함으로써, 동일한 시장 변수들이 지역별 수요 기반, 공급 구조, 금융 여건의 차이에 따라 서로 다른 가격 조정 경로를 형성할 수 있음을 실증적으로 검증한다. 특히 장기 공적분 관계가 지역별로 상이하게 나타난다는 점을 바탕으로, 주택시장 조정 메커니즘을 단일한 장기 균형 구조가 아닌 지역별 단기 동태와 조정 경로의 차이라는 관점에서 해석하였다.

종합하면 본 연구는 미분양, 거래량, 금리 등 주요 시장 변수들이 주택가격의 단기 조정 과정에서 어떠한 역할을 수행하는지를 지역 간 비교를 통해 분석함으로써, 기존 연구에서 충분히 다루어지지 못한 지역별 주택시장 구조의 이질성과 가격 조정 메커니즘의 차이를 실증적으로 규명한다는 점에서 의의를 갖는다. 이러한 접근은 주택시장 가격 형성 과정에 대한 이해를 확장하는 동시에, 향후 지역 특성을 고려한 차별적 정책 설계에 실증적 근거를 제공할 것으로 기대된다.

본 연구는 서울·대구·광주 아파트 시장에서 관찰되는 가격 변동을 설명하기 위해 공급 여건·거래 활동·금융 환경을 대표할 수 있는 변수들로 분석 틀을 구성하였다. 변수 선정 과정에서는 지역 간 비교 가능성과 시계열 자료의 연속성을 우선적으로 고려하였다.

초기 검토 단계에서는 인구 이동, 입주 물량, 공급면적지수 등 여러 대체 변수를 함께 살펴보았다. 그러나 일부 변수는 지역별 통계 작성 기준이 상이하거나 시계열 특성이 불안정하게 나타나 분석에 제약이 있었다. 이에 따라 최종 분석에서는 선행연구에서 반복적으로 활용되어 온 SP, US, SV, MIR을 주요 변수로 선정하였다. 이러한 구성은 분석의 복잡성을 불필요하게 확대하지 않으면서도 지역별 주택시장 조정 과정을 비교하는 데 적절한 기준을 제공한다.

본 연구는 주택시장 변수 간의 동태적 조정 과정을 분석하기 위해 ARDL 경계검정 접근법과 Toda-Yamamoto 그레인저 인과분석을 병행하였다. 이 두 방법은 시계열의 정상성 조건과 공적분 여부에 대한 제약이 비교적 완화되어 있어 주택시장 자료와 같이 서로 다른 적분 차수를 갖는 변수들을 동시에 분석하는 데 적합하다.

ARDL 경계검정은 변수들이 I(0) 또는 I(1)로 혼합되어 있더라도 장기 균형 관계의 존재 여부를 검정할 수 있는 방법으로, 다변량 공적분 기법에 비해 단일 방정식 기반이라는 점에서 추정의 안정성과 해석의 명확성을 제공한다. 또한 표본 크기가 상대적으로 제한적인 경우에도 장기 효과와 단기 조정 효과를 동시에 추정할 수 있다는 장점이 있다. 본 연구에서는 제약 없는(unrestricted) ECM을 기반으로 ARDL 모형을 추정하여 변수 간 장기 균형 관계와 단기 동태적 반응을 구분하여 분석하였다.

ARDL 모형을 적용하기에 앞서 모든 변수의 시계열 특성과 적분 차수를 확인하기 위해 PP 단위근 검정(Phillips-Perron unit root test)과 KPSS(Kwiatkowski-Phillips-Schmidt-Shin test) 검정을 병행하였다(Kwiatkowski et al., 1992; Phillips and Perron, 1988). ARDL 경계검정은 I(2) 이상의 변수를 허용하지 않으므로 사전 검정을 통해 각 변수의 적분 차수가 이러한 조건을 충족하는지를 점검하였다. 이후 적절한 시차 구조를 설정한 ARDL 모형을 추정하고, F-통계량과 t-통계량을 이용하여 공적분 관계의 존재 여부를 판단하였다. 이때 검정 통계량은 표준 분포를 따르지 않으므로 Pesaran et al.(2001)이 제시한 하한값(lower bound)과 상한값(upper bound) 임계치를 기준으로 공적분 여부를 판정하였다.

한편 공적분 관계가 확인되지 않거나 변수 간 인과 방향을 보다 명확히 검토할 필요가 있는 경우를 고려하여 Toda and Yamamoto(1995) 방식의 그레인저 인과분석을 추가적으로 수행하였다. 이 방법은 시계열을 차분하지 않고 수준 변수 그대로 VAR 모형을 추정하되 변수들의 최대 적분 차수만큼 시차를 추가함으로써 비정상 시계열이 포함된 경우에도 수정된 Wald 검정의 통계적 타당성을 확보할 수 있다. 이를 통해 변수 간 인과관계의 존재 여부와 방향성을 보다 안정적으로 검증할 수 있다. 다만 그레인저 인과관계 검정은 한 변수의 과거 정보가 다른 변수의 예측력을 향상시키는지를 검정하는 방법으로, 변수 간의 구조적 인과관계를 직접적으로 의미하기보다는 예측력 기반의 선후 관계로 해석될 필요가 있다.

또한, 분석 기간에는 주택시장 규제 강화 및 완화와 같은 정책 변화가 존재하므로 이러한 정책 변화가 변수 간 장기 관계에 영향을 미쳤을 가능성을 고려할 필요가 있다. 이에 따라 공적분 검정 결과의 강건성을 확인하기 위해 주요 정책 변화 시점을 기준으로 표본을 분할하여 추가 분석을 수행하였다. 구체적으로 2017년 이후 주택시장 규제가 강화된 시점을 기준으로 분석 기간을 두 개의 하위 표본으로 구분하고 각 기간별로 ARDL 경계검정을 다시 수행함으로써 장기 균형 관계가 정책 환경 변화에 의해 영향을 받는지 여부를 검토하였다.

다만 공적분 검정 결과는 표본 기간, 변수 정의, 정책 환경 변화 등 다양한 요인에 영향을 받을 수 있으므로 공적분 여부 자체를 시장 구조의 본질적 차이로 단정적으로 해석하는 데에는 신중할 필요가 있다. 따라서 본 연구에서는 공적분 관계를 지역 주택시장의 구조적 특성을 시사하는 경험적 결과로 해석하되, 정책 변화나 시장 환경 변화와 같은 요인에 의해 장기 관계가 영향을 받을 가능성을 함께 고려하였다.

<그림 1>은 실질 매매가격지수 변화를 나타낸다. 분석 기간 동안 세 지역 모두 경기 및 정책 환경 변화에 따라 가격 변동을 경험하였으나, 가격 상승과 조정의 시기 및 폭에서는 뚜렷한 지역별 차이가 관찰된다.

서울은 2017년 이후 상승세가 본격화되어 2020~2021년 급격한 가격 상승을 보인 뒤, 2022~2023년 조정 국면을 거쳐 최근에는 다시 완만한 상승 흐름을 나타내고 있다. 대구는 2015~ 2017년 상승 이후 상승세가 둔화되었으며, 2022년 이후 공급 확대와 미분양 누적의 영향으로 가격 하락이 지속되어 세 지역 중 가장 큰 조정 폭을 보이고 있다. 광주는 전반적으로 변동 폭이 비교적 제한적인 가운데, 2020~2021년 상승 이후 완만한 조정 국면에 진입한 모습이 관찰된다.

이러한 가격 흐름은 지역별 수요 기반과 공급 여건의 차이가 주택가격의 장기 경로뿐만 아니라 단기 조정 양상에도 서로 다르게 반영되고 있음을 시사한다.

<그림 2>는 미분양 주택 수 추이를 비교한 것이다. 미분양은 주택시장 내 공급 충격과 수급 불균형을 직접적으로 반영하는 지표로서, 지역별 시장 구조 차이가 시계열상 뚜렷하게 나타난다.

대구는 2008~2012년 기간 동안 1만 5천 호를 상회하는 높은 미분양 수준을 기록한 이후, 분양 물량 조정과 수요 회복의 영향으로 2015년까지 미분양이 급격히 감소하였다. 이후 2021년까지는 비교적 낮은 수준에서 안정적인 흐름을 유지하였으나, 2022년을 기점으로 미분양 물량이 다시 급증하여 2023년에는 1만 3천 호 내외의 고점을 형성하였다. 2024~2025년에도 미분양이 8천~ 9천 호 수준에서 지속되고 있어, 최근의 미분양 증가는 일시적 변동이라기보다는 누적 공급과 금리 상승, 분양시장 위축이 결합된 구조적 충격의 결과로 해석된다.

반면 서울과 광주는 전반적으로 미분양 규모가 상대적으로 낮은 수준을 유지하고 있으며, 일부 시점에서 단기적인 증가가 관찰되기는 하나 대구와 같은 대규모 미분양 누적 현상은 나타나지 않는다.

<그림 3>은 아파트 매매거래량 추이를 비교한 것이다. 거래량은 시장 참여 정도를 나타내는 지표로서 수요 및 심리 요인의 변화를 직접적으로 반영하며, 가격 변동과 함께 경기 및 금융 여건 변화에 민감하게 반응하는 특성을 보인다.

서울은 분석 기간 전반에서 거래량 수준과 변동 폭이 가장 크게 나타나며, 2014~2017년 거래 확대 국면 이후 2020년 전후에 높은 수준의 거래가 재차 관찰된다. 반면 2021년 이후에는 금리 상승과 시장 불확실성 확대의 영향으로 거래량이 급감하여 2022년 하반기 저점이 형성되었고, 2023~ 2025년에는 반등과 둔화가 반복되는 등 변동성이 확대된 모습을 보인다.

대구와 광주는 서울에 비해 거래량 규모가 작고 변동 폭도 상대적으로 제한적이지만, 경기 국면 변화에 따라 유사한 순환적 움직임이 관찰된다. 특히 2022년 이후 거래 위축이 공통적으로 나타나며, 이후 회복 속도와 변동 패턴은 지역별로 차이를 보인다. 전반적으로 거래량은 미분양과 같은 공급 변수보다 시장 상황 변화에 즉각적으로 반응하는 단기 조정 신호로 기능하며, 본 연구에서는 이러한 특성을 고려하여 거래량을 수요·심리 요인을 대표하는 핵심 변수로 활용하였다.

<표 2>~<표 5>는 본 연구에 사용된 주요 변수들의 지역별 기술통계량을 제시한다. SP는 서울에서 변동 폭과 표준편차가 가장 크게 나타나 가격 변동성이 상대적으로 높은 시장임을 보여준다. US는 대구에서 최댓값과 표준편차가 두드러져 특정 시기의 공급 충격이 집중적으로 나타났음을 시사한다. SV는 서울에서 가장 큰 변동성을 보이며, 광주는 전반적으로 거래 규모와 변동 폭이 제한적인 구조를 보인다. 한편 MIR는 전국 공통 변수로서 변동 범위가 비교적 제한적이며, 거시적 금융 환경을 반영하는 통제 변수로 기능한다.

<표 6>은 본 연구에서 사용된 주요 변수인 SP, US, SV, MIR에 대한 단위근 검정 결과를 요약한 것이다. 시계열 분석에서는 변수의 정상성 여부가 모형 설정과 추정 결과의 타당성에 직접적인 영향을 미치므로, 각 변수의 시계열적 특성을 사전에 점검할 필요가 있다. 이에 본 연구에서는 PP 단위근 검정과 KPSS 단위근 검정을 병행하여 적용하였다.

PP 검정과 KPSS 검정은 모두 Dickey-Fuller 계열 검정을 기반으로 하나, 서로 상반된 귀무가설을 전제로 한다. PP 검정은 단위근 존재를 귀무가설로 설정하고, 잔차의 자기상관이나 이분산 문제를 비모수적으로 보정함으로써 실제 시계열 자료의 특성을 보다 유연하게 반영한다. 반면 KPSS 검정은 정상성을 귀무가설로 설정하여, 시계열이 해당 가정에서 벗어나는지를 검정한다. 주택가격이나 거래 관련 지표처럼 완만한 추세를 포함하는 시계열의 경우, 두 검정을 병행함으로써 정상성 판단의 신뢰성을 높일 수 있다.

단위근 검정 결과를 요약하면 다음과 같다.

첫째, SP, US, MIR는 모든 지역에서 PP 검정 기준 수준에서는 단위근 존재 가설을 기각하지 못하였으며, KPSS 수준검정에서도 추세정상성 가설이 기각되어 일관되게 비정상 시계열로 나타났다. 그러나 1차 차분 이후에는 PP 검정과 KPSS 검정 모두에서 정상성이 확인되어, 이들 변수는 공통적으로 I(1) 과정으로 분류된다.

둘째, SV는 PP 검정에서는 수준에서 정상성이 확인된 반면, KPSS 수준검정에서는 추세정상성 가설이 기각되어 두 검정 결과가 상충하는 경계적 특성을 보였다. 다만 1차 차분 이후에는 PP 검정과 KPSS 검정 모두에서 정상성이 확인되었으며, I(2) 과정에 해당하지 않는 것으로 판단된다. 이에 본 연구에서는 거래량을 I(0)와 I(1)이 혼재된 경계 변수로 간주하고 분석에 포함하였다.

종합하면, 본 연구에 포함된 모든 변수는 I(0) 또는 I(1) 과정에 해당하며, I(2) 변수는 존재하지 않는 것으로 확인되었다. 이는 ARDL 경계검정 접근법의 적용 요건을 충족하는 결과로, 본 연구에서는 모든 변수를 추가적인 변환 없이 ARDL 모형 및 ECM 추정에 활용하였다.

앞 절의 단위근 검정 결과, SP, US, SV, MIR는 I(0)와 I(1)이 혼재되어 있으나 I(2) 과정은 아닌 것으로 나타났다. 따라서 본 연구에서는 Pesaran et al.(2001)의 ARDL 경계검정 접근법을 이용하여 이들 변수 간 장·단기 관계를 동시에 추정한다.

먼저, 서울·대구·광주 중 임의의 한 지역을 r이라고 할 때, 해당 지역의 기본식(수준모형)은 다음과 같이 설정한다.

그리고 (식 1)을 변환하여 오차수정 표현식(이하 ECM을 다음의 (식 2)와 같이 설정하였다.

<표 7>은 ARDL 모형을 통해 추정된 지역별 최적 시차와 경계검정 결과를 제시한다. 귀무가설은 장기 수준 관계가 존재하지 않는다는 것이며, 공적분 여부는 F-통계량과 t-통계량을 결합한 판정 기준에 따라 판단하였다.

서울 아파트 매매가격지수 방정식의 경우, F-통계량(4.249)은 일부 유의수준에서 상한 임계값을 상회하였으나, t-통계량(1.279)은 모든 유의수준에서 임계값의 절댓값을 충족하지 못하였다. 이에 따라 Pesaran et al.(2001)의 결합 판정 기준에 따르면, 서울 시장에서는 장기 공적분 관계가 성립하지 않는 것으로 판단된다.

반면 대구의 경우 F-통계량(11.159)과 t-통계량(‒4.785)이 모두 5% 유의수준 기준 상한 임계값을 명확히 초과하여, 장기 수준 관계가 통계적으로 유의하게 확인되었다. 이는 대구 아파트 시장에서 매매가격, 미분양, 거래량, 금리 간에 안정적인 장기 균형관계가 존재함을 시사한다.

광주의 경우 F-통계량(3.703)은 일부 유의수준에서 상한 임계값을 초과하였으나, t-통계량(‒3.110)은 유의수준에 따라 임계값 충족 여부가 엇갈리는 것으로 나타났다. 이에 따라 광주 시장의 경계검정 결과는 경계적(inconclusive)으로 분류되며, 장기 공적분 관계가 명확히 성립한다고 보기는 어렵다.

종합하면, ARDL 경계검정 결과 장기 공적분 관계는 지역별로 상이하게 나타났다. 서울에서는 장기 균형관계가 확인되지 않은 반면, 대구에서는 명확한 공적분 관계가 존재하며, 광주는 경계적인 결과를 보였다. 이러한 차이는 지역별 주택시장이 동일한 장기 조정 구조를 따르지 않음을 시사하며, 이후 분석에서는 장기 균형보다는 단기 동태와 조정 과정을 중심으로 한 접근이 필요함을 뒷받침한다.

<표 8>은 ARDL 모형의 단기 동태항을 통해 서울·대구·광주 아파트 매매가격 변동의 단기 인과관계를 분석한 결과를 제시한다. 종속변수는 각 지역의 매매가격 변동(Δ SP)이며, 표에는 통계적으로 유의한 단기 설명변수만을 보고하였다.

먼저 서울의 경우, 매매가격 변동은 자기지연항 Δ SP_(t-1)에 의해 강한 양(+)의 영향을 받는 것으로 나타났으며(t=10.54, p<0.001), 이는 매매가격 변동이 단기적으로 이전 시점의 가격 움직임에 크게 의존하는 강한 가격 관성(price inertia) 이 존재함을 의미한다. 한편 실질주택담보대출금리 변화는 Δ MIR_(t)와 Δ MIR_(t-1) 모두 음(‒)의 계수를 보였으며, 특히 1기 시차 금리(Δ MIR_(t-1))는 1% 유의수준에서 통계적으로 유의하였다. 이는 서울 시장에서 금리 상승이 단기적으로 매매가격 조정에 부정적인 영향을 미치는 구조임을 시사한다.

대구의 경우, 매매가격 변동의 자기지연항 Δ SP_(t-1)이 유의하게 나타나(t=9.73, p<0.001), 서울과 마찬가지로 단기 가격 관성이 뚜렷하게 확인된다. 더불어 거래량 변화(Δ SV_(t))가 매매가격 변동에 유의한 양(+)의 영향을 미치는 것으로 나타났으며(t=3.24, p<0.01), 이는 대구 시장에서 단기 가격 형성이 실제 거래 활동의 변화에 민감하게 반응하고 있음을 보여준다. 즉, 가격 조정 과정에서 수요 측 거래 요인의 역할이 상대적으로 크게 작용하는 구조로 해석할 수 있다.

광주의 경우, 매매가격 변동은 자기지연항 Δ SP_(t-1)과 Δ SP_(t-2) 모두에서 유의한 양(+)의 계수를 보였다(t=4.32, 4.76). 이는 광주 시장의 가격 조정 과정이 단기적으로 연속적인 자기강화 구조를 가지며, 이전 시점의 가격 변동이 현재 가격 움직임에 지속적으로 영향을 미치는 특성을 지님을 의미한다. 반면 금리 및 거래량 변수는 단기적으로 통계적 유의성이 확인되지 않아, 외생적 충격보다는 가격 자체의 관성에 의해 단기 변동이 설명되는 경향이 강한 것으로 나타났다.

종합하면, 세 지역 모두에서 매매가격의 자기지연 효과가 공통적으로 확인되어 가격 관성이 단기 가격 형성의 핵심 요인으로 작용함을 알 수 있다. 다만 서울은 금리 변화에, 대구는 거래량 변화에 상대적으로 민감하게 반응하는 반면, 광주는 가격 자체의 연속적 조정 메커니즘이 두드러지는 등 지역별로 단기 인과구조에 뚜렷한 차이가 존재함을 확인할 수 있다.

<표 9>는 서울(Δ SP_S), 대구(Δ SP_D), 광주(Δ SP_G) 아파트 매매가격 변화율 회귀모형에 대해 잔차의 자기상관, 이분산성, 그리고 모형의 구조적 안정성을 점검한 결과를 제시한다. Breusch- Godfrey 자기상관 검정 결과, 세 지역 모두에서 자기상관에 대한 귀무가설이 기각되지 않아 잔차의 자기상관 문제는 확인되지 않았다. 반면 이분산성 검정에서는 광주 모형에서만 Breusch- Pagan 검정이 유의하게 나타나 잔차의 이분산성이 확인되었으며, 서울과 대구에서는 등분산 가정이 유지되는 것으로 나타났다. 이에 따라 광주 모형에 대해서는 강건 표준오차를 적용하여 추정 결과를 보정하였으며, 자기상관 및 구조적 안정성 측면에서는 세 지역 모두 통계적으로 안정적인 것으로 판단된다.

<그림 4>는 각각 서울, 대구, 광주 아파트 매매가격 변화(Δ SP_S, Δ SP_D, Δ SP_G)를 종속변수로 한 ARDL 추정모형에 대해 누적잔차합(cumulative sum, CUSUM) 검정을 수행한 결과를 제시한다. 분석 결과, 세 지역 모두에서 CUSUM 통계량이 5% 유의수준의 신뢰구간 내에서 안정적으로 움직이고 있어 추정 기간 동안 모형의 계수에 구조적 변화가 발생하지 않았음을 확인할 수 있다. 이는 ARDL 모형이 분석 기간 전반에 걸쳐 구조적으로 안정적인 상태를 유지하고 있음을 의미하며, 단기 동태계수 및 인과관계 분석 결과의 신뢰성을 뒷받침한다.

본 연구는 서울·대구·광주 아파트 시장을 대상으로 매매가격, 미분양, 거래량, 주택담보대출금리 간의 단기 인과관계를 분석하기 위해 Toda and Yamamoto(1995) 방식의 수정된 Wald 검정을 적용하였다. VAR 모형의 최적 시차는 지역별 AIC(Akaike information criterion) 기준에 따라 서울과 대구는 p=2, 광주는 p=3으로 결정되었으며, 최대 적분차수(dmax=1)를 고려하여 각각 VAR(3) 및 VAR(4) 모형을 추정하였다. 잔차에 대한 자기상관 검정 결과 모든 지역에서 귀무가설이 기각되지 않아 인과관계 검정 결과의 통계적 타당성이 확보되었다(<표 10>).

다만 본 연구에서 사용된 그레인저 인과관계 검정은 한 변수의 과거 정보가 다른 변수의 예측력을 향상시키는지를 검정하는 방법으로, 변수 간 예측력 기반의 선후 관계를 확인하는 절차이다. 따라서 이러한 검정 결과는 엄밀한 의미의 구조적 인과관계를 직접적으로 의미하기보다는 예측력 기반의 인과관계로 해석될 필요가 있다. 본 연구에서는 인과검정 결과를 정책 변수의 직접적인 인과 효과라기보다는 주택시장 변수 간 반응 구조를 이해하기 위한 경험적 단서로 해석하였다.