서울·경기·인천 주택유형 간 월세화 전이 분석:

월세화 관련 연구는 전세 중심 계약구조가 약화되고 월세 또는 보증부월세비중이 확대되는 배경과 결정요인을 설명하는 데 초점을 두어 왔다. 김민섭·박진백(2023)은 2011년 1월부터 2022년 10월까지의 오피스텔 전월세 실거래자료와 금리자료를 이용하여, 금리충격이 오피스텔의 월세 점유전환에 미치는 영향을 분석함으로써 금융환경 변화가 특정 주택유형의 월세화에 영향을 줄 수 있음을 제시하였다. 김서우·방진원(2025)은 전세사기의 구조적 특성과 확산 양상을 실증적으로 분석하여, 전세제도에 대한 신뢰 훼손이 임차인의 위험회피 성향을 강화시키고 임대차시장 구조 변화의 배경이 될 수 있음을 보여주었다. Koo and Kim(2025)은 2020년 임대차 규제 도입 이후 광역수도권에서 임차비용이 상승하고 순수 전세계약이 다른 임대차 유형으로 전환되는 현상이 유의하게 나타났다고 보고하여, 제도 변화가 월세화 흐름을 촉진할 수 있음을 제시하였다. 또한 김상배(2024)는 전월세전환율과 시장이자율 사이에 비대칭적 조정과정이 존재함을 분석하여, 금리 변화가 전세시장과 월세시장 간 불균형 조정을 통해 월세화 압력을 강화할 수 있음을 보여주었다. 한국은행(2025) 역시 최근 주택시장의 구조 변화와 금융시스템 영향을 진단하면서, 전세 중심 구조의 약화와 임대차시장의 월세화 확대를 거시적 관점에서 설명하고 있다. 한편 신세덕(2023)은 전세제도의 제도적 한계와 지속가능성 문제를 법·제도 측면에서 검토하였다는 점에서, 월세화의 실증적 결정요인을 직접 분석한 연구라기보다 전세제도 변화의 제도적 배경을 설명하는 연구로 이해하는 것이 타당하다. 앞서 살펴본 연구들을 토대로 월세화 관련 연구는 금리, 제도 변화, 전세사기 및 보증금 위험, 전·월세전환율 조정과정과 같이 월세화의 발생 배경에 대해서는 연구가 진행되어 왔다. 하지만, 특정 주택유형에서 발생한 월세화 변화가 다른 주택유형으로 어떠한 방향과 강도로 전달되는지를 직접 계량적으로 분석한 연구는 상대적으로 제한적인 것으로 판단된다.

주택시장 전이효과 연구는 주로 매매가격, 전세가격, 수익률, 변동성 등을 중심으로 시장 간 또는 지역 간 충격이 어떠한 방향과 강도로 전달되는지를 실증적으로 분석해 왔다. 이들 연구는 주택시장이 단일한 시장이라기보다 상호 연계된 하위시장들로 구성되어 있으며, 충격의 전달 구조 역시 시기, 국면, 정책환경에 따라 달라질 수 있음을 보여준다. 임정호(2006)는 매매시장, 전세시장, 월세시장 간 상호연관성을 분석하여 매매가격이 전세가격과 월세가격에 선행하는 경향이 있음을 제시하였고, 박진백·홍민구(2019)는 서울 주택시장을 대상으로 변동성 국면별 전이효과를 분석한 결과 시기별로 주도 권역이 달라질 수 있음을 확인하였다. 이들을 통해 주택시장 내 충격 전달이 고정된 구조가 아니라 시장 여건에 따라 변화하는 동태적 현상임을 알 수 있다.

주택유형별 하위시장 간 상호작용을 분석한 연구들은 유형 간 전이 가능성을 보다 직접적으로 뒷받침한다. 우선 임규채·기석도(2006)는 아파트·연립·단독주택의 매매가격 및 전세가격 간 상호관계를 VAR(vector autoregression) 모형으로 분석하여, 아파트 매매가격이 다른 유형의 가격변수에 가장 큰 영향을 미치는 선도 지표로 작용함을 제시하였다. 이는 주택유형 간 관계가 독립적이기보다 특정 유형을 중심으로 위계적으로 연결될 수 있음을 보여준다. 김우석(2019)은 서울시를 대상으로 주택유형별 매매가격과 전세가격의 동태적 관계를 분석하여, 모든 유형 간 상호영향이 존재하지만 아파트와 비아파트 간 선·후행 구조는 상이하게 나타날 수 있음을 보고하였다. 전해정(2023) 역시 서울시 주택유형별 매매·전세가격 간 상호관계를 SVAR(structural vector autoregression) 모형으로 분석한 결과, 매매가격 변화가 전세가격 변화에 미치는 파급효과가 상대적으로 크게 나타났고, 강남 지역에서 그 효과가 더 강하게 확인됨을 제시하였다. 이러한 연구들은 서울 주택시장에서 유형 간 상호작용이 존재하며, 그 중심에 아파트가 놓일 가능성이 높다는 점을 시사한다.

주택유형 간 전이는 공간적·정책적·시기적 조건에 따라 달라질 수 있다는 점도 선행연구를 통해 확인된다. 진찬우·이건학(2016)은 수도권을 대상으로 SpVAR 모형을 적용하여, 아파트 전세가격 상승이 주변 지역의 다른 주택유형 전세가격에 정(+)의 영향을 미치며, 특히 연립다세대 전세가격으로의 전이가 확인된다고 보고하였다. 이는 주택유형 간 전이가 공간적 인접성과 결합되어 강화될 수 있음을 보여준다. 정재훈·박사유(2018)는 통화정책과 부동산대책의 효과가 주택유형별 가격 변동성에 상이하게 작용함을 분석하여, 동일한 외부 충격이라 하더라도 주택유형별 반응은 이질적일 수 있음을 제시하였다. 장한익·김병국(2023)은 TVP-VARX(time-varying parameter vector autoregression with exogenous variables) 모형을 활용하여 주택유형별 가격변화 간 파급효과가 시간가변적으로 나타나며, 시기에 따라 아파트·단독주택·연립주택 간 선·후행 관계가 달라질 수 있음을 보여주었다. 또한 권영우·최열(2024)은 부산 지역을 대상으로 SpVAR 및 GSTAR(generalized space-time autoregressive) 모형을 적용하여, 주택유형별 가격 간 시공간적 상관성과 파급효과가 존재함을 확인하였다. 종합하면, 기존 연구는 주택유형 간 전이가 실제로 존재하며, 그 구조는 지역, 정책환경, 공간적 인접성, 그리고 시기에 따라 달라질 수 있음을 공통적으로 보여준 것으로 판단된다.

반면 월세화 관련 연구는 임대차시장에서 전세 중심 계약구조가 약화되고 월세 또는 보증부월세비중이 확대되는 배경과 결정요인을 설명하는 데 초점을 두어 왔다. 이들 연구에서는 금리상승에 따른 전세 유지비용의 증가, 전월세전환율과 시장이자율의 조정, 임대차 제도 변화, 역전세와 보증금 미반환 위험, 전세사기 확산 등이 월세화의 주요 동인으로 제시된다. 실제로 현재 원고에서도 2020년 이후 임대차 제도 변화와 2022년 이후 금리 급등, 전세사기 및 역전세 문제의 확산이 수도권 임대차시장의 월세화 흐름을 가속화한 요인으로 정리되어 있으며, 김상배(2024)는 전월세전환율과 시장이자율 간 조정관계를, 박진백(2023)은 역전세와 보증금 미반환 위험의 확대를 각각 제시하고 있다. 또한 수도권 아파트 전세의 월세화에 관한 연구는 금융요인, 실거주 규제, 임대차 정책요인이 월세화에 유의한 영향을 미칠 수 있음을 보고하였다.

기존의 주택시장 전이효과 연구는 주로 매매가격, 전세가격, 수익률, 변동성 등을 중심으로 충격의 전달 구조와 파급경로를 분석하는 데 기여하였고, 월세화 관련 연구는 전세 중심 계약구조가 월세 중심 구조로 이동하는 배경과 결정요인을 설명하는 데 기여하였다.

그러나 두 연구 흐름은 대체로 분리되어 전개되어 왔으며, 임대차시장의 구조적 변화를 직접 반영하는 전세 대비 월세거래 비중을 활용하여 주택유형 간 월세화 전이의 방향성과 강도를 분석한 연구는 상대적으로 제한적인 것으로 판단된다. 또한, 기존 전이효과 연구가 주로 VAR, SVAR, SpVAR를 사용한 연구로 가격 또는 변동성의 파급효과와 선·후행 관계를 규명하는 데 초점을 두었다면, 본 연구는 Diebold and Yilmaz(2012)의 연결성(connectedness) 분석과 Pesaran and Shin(1998)의 일반화 예측오차분산분해(generalized forecast error variance decomposition, GFEVD)를 적용하여 주택유형별 월세비중 변화율 충격이 다른 유형의 변동을 얼마나 설명하는지를 측정하고자 하였다. 이는 월세화를 단순한 계약형태 변화가 아니라 연결된 하위시장 간 구조적 조정과정으로 파악하고, 지역별·유형별로 누가 충격을 전달하고 누가 충격을 수용하는지를 식별할 수 있다는 점에서 기존 연구와 차별된다. 따라서 본 연구의 차별성은 새로운 계량기법 자체를 제시하는 데 있다기보다, 기존 가격 중심 전이효과 분석의 틀을 임대차시장의 구조변화를 나타내는 월세비중 변화율에 적용하여 주택유형 간 월세화 전이 구조를 실증적으로 규명하였다는 데 있다.

본 연구에서는 월세비중 변화율(1차 차분) 자료를 대상으로 Diebold and Yilmaz(2009, 2012)의 정보 전이지수(spillover index, 전이지수)를 활용해 DY 연결성 분석을 수행한 변동성 전이지수 결과이다. 월별 임대차시장에서는 제도 변화·금리 충격·신뢰 훼손 사건 등이 특정 시점에 집중적으로 발생하고, 이후 수개월에서 수년의 조정과정을 거치면서 주택유형 간 전이 강도가 달라질 수 있다. 이에 따라 12개월 윈도우는 정책·사건의 단기 동조화(급격한 전이 강화·약화)를 민감하게 반영하는 반면, 36개월 윈도우는 일시적 잡음을 완화하여 중기적 연결 구조(지속적 전이 경로)를 확인하는 데 유리하다. 또한 본 연구는 변수 나열 순서에 민감한 Cholesky 방식의 한계를 회피하기 위해 GFEVD를 적용하여, 주택유형 배열에 따른 결과 왜곡 가능성을 축소하였다.

이러한 이유로 본 연구의 실증분석은 VAR(1) 모형을 기반으로 하되, 예측기간(h)=12, 36개월 롤링윈도우, 무작위 추출(random draws)=200, GFEVD를 적용하였다.

실증분석 결과는 <표 2>와 같으며, 지역별 주택유형 간 개별적 전이효과를 정량적으로 확인할 수 있다. 여기서 행(row)은 충격의 발신 주택유형(from), 열(column)은 충격의 수신 주택유형(to)을 의미한다. From others는 다른 주택유형으로부터 유입된 변동성의 비율이고, to others는 해당 주택유형이 다른 유형으로 전달한 변동성의 비율이며, net spillover는 to others에서 from others를 차감한 값으로서 (+)는 순전이자, (–)는 순전이 수용자(net receiver)를 의미한다.

먼저 TSI를 기준으로 보면, 서울은 spillover from others 합(187.8)을 4개 변수로 평균한 46.9%로 산출되며, 경기는 31.0%, 인천은 12.7%로 나타났다. 이는 서울의 월세화 변화율 변동성 중 약 53.1%는 각 주택유형의 고유충격에 기인하고, 나머지 46.9%는 타 주택유형 충격의 영향을 받아 형성되는 것으로 해석될 수 있다. 동일 논리로 경기 69.0%·인천 87.3%는 자기요인 비중을 차지하는 것으로 나타났다. 이러한 TSI 해석은 “시스템 내 변동성 중 타 변수 영향 비율”이라는 관점에서 이루어진다. 이를 통해 즉, 주택유형 간 전이 강도는 서울, 경기, 인천 순으로 강한 구조가 확인된다.

다음으로 순변동성 전이지수를 기준으로 주택유형의 역할을 구분하면 다음과 같다. 서울의 경우, 아파트(+6.7)와 단독다가구(+9.6)는 순변동성 전이자로 나타난 반면, 오피스텔(–1.3)과 연립다세대(–14.8)는 순변동성 수용자로 확인된다. 특히 연립다세대는 from others가 67.4로 가장 크게 나타나(유입 규모 최대), 외부(타 유형) 충격을 상대적으로 많이 흡수하는 구조로 파악된다. 전이의 세부 흐름을 보면 단독다가구 → 연립다세대(27.9), 오피스텔 → 연립다세대(24.5)로 연립다세대를 향한 교차 전이 항목이 상대적으로 크게 나타나, 서울에서는 연립다세대가 순전이효과가 음(–)으로 순전이 수용자로 확인되었다.

경기는 TSI가 31.0%로 서울 대비 전반적 전이 강도가 낮게 나타났으며, 순변동성 전이지수 기준으로 아파트(+4.6)와 연립다세대(+3.8)가 전이자, 단독다가구(–5.4)와 오피스텔(–3.0)이 수용자로 확인된다. 특히 단독다가구는 to others 42.2에도 불구하고 from others 47.6이 더 크게 나타나, 경기에서는 단독다가구 월세화 변화율이 타 유형 변동의 영향을 상대적으로 더 받는 구조로 해석된다.

인천은 TSI가 12.7%로 가장 낮아, 주택유형 간 변동성 전이가 상대적으로 약한 것으로 확인된다.

순변동성 전이지수 또한 아파트(+2.9)만이 제한적으로 전이자 역할을 보이며, 단독다가구(–0.6), 오피스텔(–0.7), 연립다세대(–1.4)는 모두 수용자로 나타났다. 이러한 결과는 인천의 월세화 변화율 변동성은 주택유형 간 상호전이보다는 각 유형의 고유 변동성(대각항 85.3~89.3)에 의해 설명되는 비중이 높은 구조임을 시사한다.

본 연구에서는 DY 전이행렬의 방향성 전이효과를 네트워크 구조로 해석하기 위하여, 각 주택유형의 to others를 전이 중심성, from others를 수용 중심성, net spillover를 순전이 역할로 보아 핵심 노드와 수용 노드를 구분하였다. 또한 개별 주택유형 간 교차 전이항의 크기를 함께 비교하여, 지역별로 어떤 유형이 전이를 주도하고 어떤 유형이 상대적으로 충격을 흡수하는지를 체계적으로 해석하고자 하였다. 다음 <그림 2>~<그림 4>는 지역별 방향성 전이효과를 네트워크로 시각화한 결과이다. 본 연구에서는 각 주택유형의 순전이자 및 순전이 수용자 구조를 단순한 통계적 결과로만 해석하지 않고, 주택유형 간 전이효과를 분석한 선행연구와 서울·경기·인천의 지역별 시장특성을 함께 고려하여 해석하고자 하였다. 즉, 동일한 월세화 충격이라 하더라도 지역별 공급구조, 가구 구성, 주거이동 양상, 비아파트 시장의 위험 집중 정도에 따라 전이의 방향과 강도가 다르게 나타날 수 있다는 관점에서 접근하였다.

그림 2. 서울 네트워크 분석 결과

Download Original Figure

그림 3. 경기 네트워크 분석 결과

Download Original Figure

그림 4. 인천 네트워크 분석 결과

Download Original Figure

서울의 네트워크는 세 지역 중 전이 연결성이 가장 강하게 나타난 구조로 파악되었다. 특히 단독다가구와 아파트는 전이 중심성이 높은 핵심 노드로, 연립다세대와 오피스텔은 수용 중심성이 높은 노드로 기능하는 것으로 확인되었다. 서울에서 아파트와 단독다가구가 순전이자, 오피스텔과 연립다세대가 순전이 수용자로 나타난 결과는 서울 임대차시장이 아파트 중심의 가격신호와 비아파트 대체수요가 강하게 결합된 구조를 갖고 있음을 시사한다. 김우석(2019)은 서울시 주택시장에서 아파트의 영향이 전체 시장 동향을 지배한다고 보았으며, 전해정(2023)은 서울의 주택유형별 시장에서 매매가격 변화가 전세가격 변화에 미치는 영향이 크게 나타나고 강남권에서 그 전이효과가 더 강하다고 분석하였다. 또한 채정은 외(2014)는 서울의 1인가구가 임대주택과 소형·초소형 주택 공급이 집중된 지역에 밀집한다고 보고하였다. 따라서 서울에서는 아파트 및 단독다가구에서 형성된 월세화 충격이 상대적으로 주거대체성이 높은 비아파트 하위시장으로 이전되고, 그 과정에서 연립다세대와 오피스텔이 충격을 흡수하는 구조가 나타난 것으로 해석할 수 있다. 특히 연립다세대가 순수용자로 확인된 결과는 보증금 부담이 큰 서울 시장에서 임차수요가 소형·비아파트 부문으로 이동하며 조정이 이루어지는 양상과 맥락을 같이하는 것으로 판단된다.

경기의 네트워크는 서울보다 전이 강도는 낮지만, 특정 한 유형이 압도적으로 주도하기보다 복수의 유형이 전이에 관여하는 분산형 구조로 해석된다. 특히 아파트와 연립다세대는 전이 중심성이 상대적으로 높고, 단독다가구와 오피스텔은 수용 중심성이 높은 노드로 나타나 유형 간 조정이 이루어지는 구조가 확인되었다. 경기에서 아파트와 연립다세대가 순전이자, 단독다가구와 오피스텔이 순전이 수용자로 나타난 결과는 경기 임대차시장이 서울과 달리 내부의 권역 차이와 주거이동의 유연성이 크게 작동하는 조정형 시장임을 보여준다. 황경란 외(2022)는 경기도 1인가구가 인구사회학적 특성, 주거 및 생활안전 특성, 건강 특성 등에서 권역별 차이를 보인다고 분석하였고, 황경란(2020)은 경기도의 주거이동이 가까운 시·군 간에서 두드러지며 이동 사유의 대부분이 주택 요인에 기초한다고 제시하였다. 또한 김유훈(2016)은 수도권 2기 신도시가 서울 의존형, 기존 신도시 의존형, 독립형으로 구분될 수 있으며, 이에 따라 이주 성향이 달라진다고 보았다. 이를 통해 경기는 서울 접근성을 공유하면서도 신도시, 기존 시가지, 저밀 주거지가 혼재한 공급구조를 가지므로, 특정 주택유형에서 발생한 월세화 충격이 한 유형에만 머물기보다 다른 유형으로 확산되는 경향이 큰 것으로 해석된다. 따라서 경기에서 단독다가구와 오피스텔이 순수용자로 나타난 결과는 이들 유형이 시장 변화를 주도하기보다는 다른 주택유형에서 발생한 충격을 주로 받아들이는 성격이 강함을 보여주는 것으로 판단된다.

인천의 네트워크는 세 지역 중 연결 강도가 가장 낮고, 핵심 전이 노드도 제한적으로 나타나는 분절형 구조로 파악되었다. 즉, 아파트만 제한적인 전이 중심 노드로 확인되는 반면, 나머지 유형은 수용 노드에 가까워 주택유형 간 연쇄적 전이보다는 각 유형의 고유 충격이 더 크게 작용하는 구조가 확인되었다. 인천은 총 전이 수준이 가장 낮고 아파트만 제한적으로 순전이자 역할을 보이며 나머지 유형이 모두 순전이 수용자로 나타났다는 점에서, 서울·경기와는 다른 분절적 구조를 보이는 것으로 해석된다. 연지민·김형규(2021)는 인천에서 1인가구 비율이 단독·다세대·연립주택 비율 및 비주택 거처 비율과 정(+)의 관계를 보인다고 분석하였는데, 이는 인천의 임차수요가 상대적으로 비아파트 및 저가 주거지와 밀접하게 연결되어 있음을 시사한다. 또한 박진백(2023)은 2022년 이후 역전세 현상이 전세보증금 미반환 위험과 연결된다고 분석하였다. 이를 바탕으로 인천의 월세화 변화는 서울처럼 주택유형 간 영향이 연속적으로 크게 이어지는 구조라기보다, 특정 유형에서 발생한 변화가 해당 유형 내부에 먼저 크게 반영되고 다른 유형에는 제한적으로 전달되는 구조에 가까운 것으로 해석된다. 따라서 인천에서 총전이 수준이 낮고 자기기여도가 높게 나타난 결과는 주택유형 간 상호영향보다 각 유형 자체의 충격이 더 크게 작용하였음을 보여주는 것으로 판단된다.

<그림 5>는 서울·경기·인천의 주택유형(아파트, 단독다가구, 오피스텔, 연립다세대) 간 월세비중 변화율을 대상으로 산출한 TSI의 시계열 추이를 나타낸 것이다. TSI는 각 시점에서 시스템 내 변동성 중 자기충격이 아닌 타 변수(타 주택유형)로부터 유입된 비중을 의미하므로, 지수가 상승할수록 주택유형 간 월세화(변화율) 충격의 상호의존성이 강화된 것으로 해석할 수 있다.

그림 5. 수도권 지역별 총변동성 전이지수(TSI) 주 : 1) 가로축은 연월, 세로축은 총연결성지수(TCI)이다. 2) TCI, Total connectedness index; TSI, Total spillover index.

Download Original Figure

2020년 말부터 2021년 초까지 경기·인천의 TSI가 상승한 현상은 임대차 제도 변화 이후 주택유형 간 월세비중 변화율의 반응이 일시적으로 유사한 방향으로 움직였을 가능성을 시사한다. 다만 본 연구의 TSI는 월세화 수준 자체의 변화를 설명하는 지표가 아니라, 주택유형 간 월세비중 변화율 충격의 상호의존성과 전이 강도를 나타내는 지표이므로, 해당 상승을 임대차 제도 변화의 직접 효과로 단정하기에는 한계가 있다. Koo and Kim(2025)은 2020년 임대료 규제 도입 이후 광역수도권에서 순수전세 계약이 감소하고 다른 임대차 유형으로의 전환이 유의하게 나타났다고 보고하였는데, 이는 제도 변화가 임대차 계약구조의 재편을 촉진하였음을 보여준다. 그러나 이러한 공통 충격이 경기와 인천에서 동일한 강도와 방식으로 작용하였다고 보기는 어렵다. 경기도의 경우, 황경란 외(2022)는 1인가구의 인구사회학적 특성, 주거 및 생활안전 특성 등이 권역별로 상이하다고 제시하였고, 황경란(2020)은 가까운 시·군 간 주거이동이 활발하며 그 사유의 상당 부분이 주택 요인에 기초한다고 분석하였다. 또한 김유훈(2016)은 수도권 2기 신도시가 서울 의존형, 1기 신도시 의존형, 독립형으로 구분될 정도로 연계구조가 복합적이라고 보았다. 따라서, 경기도는 신도시와 기존 시가지, 저밀 주거지가 혼재하고 권역 간 이동이 활발한 시장이므로, 동일한 제도 충격이 특정 주택유형에 국한되기보다 여러 유형으로 보다 빠르게 확산되면서 유형 간 연결성이 일시적으로 크게 강화되었을 가능성이 있다.

2022년 중순 이후 서울·인천을 중심으로 TSI가 완만하게 상승하기 시작한 구간은 금리상승 국면과 보증금 리스크 확대가 월세화 전환을 구조적으로 압박한 시기와 연관되어 해석할 수 있다. 전월세전환율은 시장이자율(국고채·주담대 금리 등)과 장기적으로 연동되며, 금리 변동이 클수록 조정 속도 또한 빨라질 수 있음이 실증적으로 확인된 바 있다(김상배, 2024). 또한 금리충격이 오피스텔의 월세 선호(점유전환)를 강화하는 효과도 제시되어, 금리상승이 ‘비아파트’ 부문의 월세화 변화를 통해 시스템 전반의 상호 전이를 강화할 가능성이 제기된다(김민섭·박진백, 2023). 아울러 전세사기와 같은 사건은 전세제도에 대한 신뢰를 훼손하고 보증금 회수 불안을 증폭시켰으며, 피해가 특정 주택유형(연립주택, 다세대주택)과 특정지역에 집중되는 양상 속에서 정책 대응 또한 변화해 왔다(김서우·방진원, 2025). 따라서, 2022년 중반 이후의 상승 국면은 금리·보증금 위험 요인이 주택유형별로 차별적으로 작용하되, 그 충격이 상호 연결된 형태로 전이되면서 서울·인천의 TSI를 상승시킨 것으로 해석된다.

2023년 말 경기의 TSI가 큰 폭으로 하락한 구간은 ‘역전세’와 보증금 미반환 위험이 확대되면서 임대차시장 조정이 주택유형별로 비대칭적으로 진행되었을 가능성을 시사한다. 2022년 이후 전세가격 하락으로 역전세 현상이 심화되면서, 차기 계약의 보증금으로 기존 보증금을 반환하지 못하는 사례가 증가하고, 역전세 발생 확률 또한 상승한 것으로 제시된다(박진백, 2023). 또한 전세보증금 미반환 사고는 계약 종료 시점에 집중되며, 보증 데이터 분석을 통해 주택유형·부채비율·가격산정 방식 등이 사고 위험을 높이는 요인으로 작용할 수 있음이 확인된다(안선영·이상엽, 2025). 이와 같은 위험의 확대는 ‘월세화 자체’는 지속되더라도, 주택유형 간 충격의 동조화(전이성)를 일시적으로 약화시키는 방향(유형별·지역별 조정의 분절화)으로 작용할 수 있으며, 경기의 TSI 급락은 이러한 조정 국면을 반영한 것으로 해석할 수 있다.

2024년 중순 이후 전 지역에서 TSI가 다시 완만하게 상승하는 흐름은 고금리의 장기화와 전세 리스크의 지속이 월세화를 지속시키는 가운데, 주택유형별 월세화 변화에 대한 반응이 다시 유사한 방향으로 조정되었을 가능성을 시사한다(김서우·방진원, 2025). 다만 본 연구는 월세화 수준 자체의 원인을 직접 추정하는 모형이 아니라, 주택유형 간 월세비중 변화율 충격의 상호연계성과 전이 강도를 측정하는 모형이라는 점에서, 전세사기나 보증제도 관련 구조적 요인이 TSI 상승을 직접적으로 초래하였다고 단정하기는 어렵다. 오히려 이러한 요인들은 특정 주택유형에 집중된 위험 인식을 형성하면서도, 시간이 경과함에 따라 전세 회피와 보증금 축소, 월세 또는 보증부월세 선택이라는 조정 방향을 강화하여 주택유형 간 연결성을 높이는 배경 요인으로 작용하였을 가능성이 있다. 따라서 본 연구에서 관찰된 TSI의 상승과 하락은 전세 리스크의 절대적 크기 자체보다, 해당 위험이 주택유형 전반에 유사하게 작용하여 연결성을 높였는지, 아니면 주택유형별로 다르게 나타나 연결성을 약화시켰는지에 따라 달라진 것으로 이해하는 것이 보다 적절하다.