빈집비율과 지역 지가변동률의 시차적 연관성^*:

빈집이 부동산 시장에 미치는 영향은 부정적 외부효과(negative externality) 이론과 도시쇠퇴 이론으로 설명할 수 있다. Burchell and Listokin(1981)은 방치 및 미활용 부동산을 도시 쇠퇴의 핵심 요인으로 지적하며, 이것이 쇠퇴의 악순환을 강화할 수 있다고 보았다. 이는 깨진 유리창 이론(Wilson and Kelling, 1982)과도 맥을 같이 하며, 지역 내 방치된 빈집은 쇠퇴와 관리 공백의 가시적 신호로 인식될 수 있다. 이러한 관점에서 빈집의 발생과 누적은 인근 지역의 부동산 가치에 부정적으로 전이될 수 있다.

이러한 부정적 외부효과가 부동산 가격에 자본화(capitalization)되는 과정은 헤도닉 가격이론(Rosen, 1974)으로 설명되며, 부동산 가격이 주변 환경의 묵시적 가격을 반영하는 만큼 빈집 밀집도 역시 입지 특성의 하나로서 인근 토지가격에 부정적으로 자본화될 수 있다. 해외 실증연구는 압류·공실 부동산이 인근 주택가격 하락과 연관될 수 있음을 보고하며(Immergluck and Smith, 2006; Sadayuki et al., 2020; Whitaker and Fitzpatrick, 2013), 국내에서도 홍성효·임준홍(2018)이 폐가의 국지적 부(–)의 외부효과를, 김슬기·김의준(2025)이 공간적으로 군집된 빈집 분포와 공시지가 하락의 연관을 확인하였다(<표 1>).

주목할 점은 기존 선행연구들이 제시한 외부효과의 증거가 대체로 필지나 근린 단위의 국지적 범위(예: 반경 200m)에 한정되어 있으며, 측정 대상 역시 주택가격 수준에 집중되어 있다는 점이다. 반면 본 연구는 이러한 미시적 외부효과가 시군구라는 거시적 행정단위의 토지시장 지표에 어떻게 투영되는지를 연간 지가변동률을 통해 검토하고자 한다. 지가변동률은 부동산 거래가 드문 농촌 및 쇠퇴지역에서도 단절 없이 연속적으로 관측되며, 지역 토지시장의 연도별 가격 움직임을 보여주는 공식 지표이다. 따라서 본 연구는 빈집의 장기적인 누적 효과를 측정하기보다, 동일 시군구 내에서 빈집비율이 변화한 이후 나타나는 단기적인 가격변화와의 시차적 연관성을 포착하는 데 초점을 맞춘다.

인구감소라는 거시적 환경 변화 속에서 빈집과 지가의 관계는 한층 복잡한 양상을 띤다. Glaeser and Gyourko(2005)는 수요-공급 모형을 통해 인구 감소 도시의 주택 수요 축소가 가격 하락으로 이어지되, 주택의 내구성(durable housing)이라는 특성으로 인해 가격 하락 압력이 비대칭적으로 강하게 나타날 수 있음을 이론화했다. 국내 지자체를 대상으로 한 연구에서도 이창효·김기중(2021)은 GWR 모형을 통해 시군구별 빈집 증감에 미치는 인구·주택 특성의 영향력이 공간적으로 상당한 이질성을 지님을 확인한 바 있다.

이러한 맥락에서 행정안전부가 지정한 ‘인구감소지역’은 빈집비율과 지가변동률 간 연관성의 강도를 변화시키는 중요한 제도적·공간적 이질성 요인이 될 수 있다. 인구감소지역의 경우, 시장 참여자가 제한적이고 거래가 드물어 빈집이라는 부정적 신호가 가격에 즉각 반영되지 못해 연관성이 오히려 약화될 가능성이 존재한다. 반면, 대체 자산이 부족하고 잠재 매수자가 극소수인 시장 특성상, 빈집의 증가가 잔존 수요마저 위축시켜 부정적 신호가 지가 둔화에 더 민감하게 반영될 가능성도 배제할 수 없다. 상반된 두 방향성 모두 아직 명확한 실증 근거가 확립되지 않았기에, 본 연구는 빈집비율과 인구감소지역 더미의 상호작용 모형(M4)을 통해 그 이질성의 방향을 탐색적으로 규명하고자 한다.

기존 연구는 인구·고령화 중심의 빈집 발생 요인 연구(강미나, 2018; 노민지·유선종, 2016 등)와 빈집이 개별 주택가격에 미치는 국지적 외부효과 연구(홍성효·임준홍, 2018; Immergluck and Smith, 2006 등)로 나뉘며, 대부분 특정 시점의 횡단면이나 단일 도시 미시 분석에 머물러 전국 시군구 패널 기반의 시차적 선후관계를 추정하는 데 한계가 있었다. 주요 선행연구를 자료·분석방법·종속변수 기준으로 정리하면 <표 1>과 같다.

최근 안정윤 외(2025)가 TWFE 패널 모형을 도입하였으나 분석 범위가 부산광역시에 한정되고 빈집비율을 종속변수로 두어 발생 요인 규명에 중점을 두었다. 이처럼 기존 패널 연구도 빈집의 원인 규명이나 특정 낙후 지역에 초점을 맞춰, 전국 시군구에서 빈집을 독립변수로 설정하고 이후 지가변동률과의 시차적 연관성을 패널 구조에서 실증한 연구는 여전히 공백으로 남아있다.

이에 본 연구는 전국 226개 시군구의 7개년(2016~2022/2017~2023) 균형 패널에서 빈집비율(t)을 독립변수로, 다음 연도 지가변동률(t+1)을 종속변수로 설정하고, TWFE 모형을 통해 두 변수의 시차적 연관성을 분석한다. 아울러 인구감소지역 지정 전후의 상대적 변화도 보조적으로 검토한다.

다만, 연구 결과의 해석에 있어서는 신중한 접근이 요구된다. 본 모형은 준실험적 식별 전략이나 도구변수 설계를 포함하지 않으므로, 추정된 회귀계수를 엄밀한 인과효과(causal effect)로 단정하기는 어렵다. 대신 고정효과와 시차적 선후를 고려한 상태에서 관찰된 ‘통제된 시차적 연관성(controlled association)’으로 해석하는 것이 적절하며, 본 연구는 이를 단기 가격변화와의 시차적 연관성을 보여주는 기초 실증 근거로 제시하고자 한다.

분석 단위는 전국 시군구이며, 독립변수 연도(t) 2016~2022년과 종속변수 연도(t+1) 2017~ 2023년을 연결한 1년 시차 구조를 채택한다. 2016년 분석 후보 단위는 229개였으나, 세종특별자치시(시군구 하위 단위 부재), 인천 미추홀구(명칭·코드의 연도별 불일치), 군위군(2023년 대구 편입에 따른 시계열 정합성 문제)은 행정구역 정합성 확보를 위해 제외하였다. 동일 명칭의 복수 행정구역(중구·남구·동구 등 7종)은 행정구역 코드로 시도명을 복원하였다. 이를 거쳐 최종 데이터는 226개 시군구×7개 연도=1,582개 관측치의 균형 패널로 구성하였다.

종속변수인 지가변동률(t+1)은 한국부동산원 「전국지가변동률조사」의 연간 지가변동률(%)이다(한국부동산원, 2017~2023). 핵심 독립변수인 빈집비율(t)은 통계청 인구주택총조사(등록센서스)의 미거주주택비율(빈집수÷전체주택수×100, %)이다. 이하 빈집비율은 이 통계청 미거주주택비율을 의미한다. 이 지표는 조사 기준일(11월 1일) 현재 사람이 살지 않는 주택을 포괄하므로 매매·임대·이사·미입주·미분양 등 일시적 미거주도 포함한다. 따라서 도시지역의 「빈집 및 소규모주택 정비에 관한 특례법」 및 농어촌지역의 「농어촌정비법」상 관리 빈집보다 넓은 개념이다(국가법령정보센터, 2026a, 2026b). 다만 전국 시군구를 포괄하는 연속 시계열 공식통계라는 점에서 2016~2022년의 7기 패널에 활용하였다.

본 연구가 추정하는 것은 빈집비율이 높은 지역의 지가 수준이 낮다는 횡단면 차이가 아니라, 지역·연도 고정효과 통제하에서 동일 시군구 내 빈집비율 변화와 다음 연도 지가변동률 간의 시차적 연관성이다. 시간불변 집단 구분 변수인 인구감소지역 더미를 제외한 모든 독립·통제변수는 종속변수보다 한 시점 앞선 t년도 값을 사용하였다.

통제변수는 노후주택비율, 고령인구비율, 1인가구비율, 재정자립도, 인구순이동률, log(사업체수)로 구성하였다. 그리고 토지시장 여건을 추가로 고려하기 위해 거래회전율과 log(인구밀도)를 포함하였다. 통제변수는 주택 노후도, 인구구조 및 가구구성, 지방재정 여건, 인구이동, 지역 경제활동을 각각 반영하도록 구성하였다. 인구감소지역 더미는 행정안전부가 지정한 89개 시군구 가운데 분석 대상에 포함된 88개 시군구에 1을 부여한 시간불변 변수이며, 전체 균형 패널 기준 616개(88개 시군구×7개 연도) 관측치가 이에 해당한다.

다만 1인가구비율(강원 고성군·경남 고성군)과 재정자립도(제주시·서귀포시)의 전 연도 결측으로 인해, 목록별 결측 제거(listwise deletion)를 적용한 주 추정표본은 222개 시군구·1,554개 관측치이며, 탈락한 28개 행은 이들 4개 시군구×7개 연도에 해당한다. 동일한 코어 통제변수(노후주택비율·고령인구비율·인구순이동률·log(사업체수))로 222개 사양과 226개 사양을 비교하면 빈집비율 계수는 각각 –0.109^***·–0.128^***로 모두 음(–)의 방향에서 유의하여, 제외된 4개 시군구가 핵심 결과의 방향과 유의성을 바꾸지 않음을 확인하였다. 변수별 기술통계와 자료 출처는 <표 2>에 제시하였다.

인구감소지역과 비지정지역의 구조적 차이를 확인하기 위해 주요 변수의 집단별 평균과 평균차를 비교하였다(<표 3>). 인구감소지역은 비지정지역보다 빈집비율(13.79% 대 7.76%), 노후주택비율, 고령인구비율 및 1인가구비율이 높고, 지가변동률(2.31% 대 3.10%), 재정자립도, 인구순이동률, 사업체수, 거래회전율 및 인구밀도는 낮은 경향을 보인다. 다만 <표 3>의 평균차 검정은 반복 관측된 패널 구조를 반영하지 않은 기술적 비교이므로 집단 간 구조적 차이를 보여주는 참고 정보로 해석한다.

빈집비율과 지가변동률 간 단순 상관계수는 전체 균형 패널을 단순 적층한 기준으로 r=–0.331이다(전체 상관행렬은 <부록 1>의 <표 A-1>). 또한 인구감소지역 더미와 고령인구비율 간 상관은 r≈0.84로 높아, 두 변수의 효과를 완전히 분리하기 어려운 구조적 한계가 있다. 따라서 인구감소지역 이질성에 관한 H2의 해석은 탐색적으로 제한한다.

본 연구의 기본 추정 모형은 다음과 같다.

여기서 ΔLPᵢ,ₜ₊₁은 시군구 i의 t+1년도 지가변동률(%), Vacᵢ,ₜ는 t년도 빈집비율(%), Xᵢ,ₜ는 통제변수 벡터, αᵢ는 지역 고정효과, δₜ는 연도 고정효과, εᵢ,ₜ는 오차항이다. 추정의 관심 모수는 β로, 빈집비율 1%p 변화와 다음 연도 지가변동률 간 연관성의 크기를 나타낸다. 표준오차는 시군구(entity) 클러스터를 기준으로 산출하였다.

본 연구의 시간 차원은 T=7로 짧아 연도 단위 클러스터링은 클러스터 수가 부족해 추정의 안정성이 떨어질 수 있으므로, 시군구 단위 클러스터링을 채택하였다.

1년 시차 구조(빈집비율 t→지가변동률 t+1)는 다음 두 가지 측면에서 뒷받침된다. 첫째, 빈집비율은 통계청 인구주택총조사의 11월 1일 기준으로 측정되므로, 당해 연도(t)의 지가변동률에는 제한적으로만 반영될 가능성이 있다. 반면 다음 연도(t+1) 지가변동률은 빈집 상태와 이후 연도 지가변동률의 관계를 보다 일관된 시점 구조에서 관찰할 수 있게 한다. 1년 시차는 빈집 상태와 그 이후 지가변동률의 측정 시점을 정렬하기 위한 설정이다. 둘째, 1년 시차는 지가 하락이 빈집 증가보다 먼저 관측되는 역방향 연결 가능성을 데이터 구조상 줄여 역인과 우려를 일정 부분 완화한다. 다만 미래 지가 하락에 대한 기대(unobserved expectation shock)가 t기 빈집비율과 t+1기 지가 모두에 영향을 미칠 수 있어 역인과를 완전히 배제하지는 못한다.

분석은 네 가지 주요 모형(M1~M4)과 인구감소지역 지정 전후 상대 변화의 탐색적 보조 분석(M5), 토지시장 여건을 추가한 확장 사양(M6)으로 구성하며, 각 모형의 변수 구성과 해석 목적은 <표 4>와 같다. M1(Pooled OLS[ordinary least squares], HC3[heteroskedasticity-consistent 3])은 단순 참고모형이고, M2(지역 FE[fixed effects])·M3(TWFE, 주모형)으로 빈집-지가 기본 관계를 단계적으로 확인한다. M4는 M3에 빈집비율(grand-mean centering)과 인구감소지역 더미의 교차항을 추가해 이질성을, M5는 2021년 지정 전후의 상대적 변화를 탐색적으로 검토하되 병행추세 미검증으로 정책 효과가 아닌 보조 분석으로 해석한다(세부는 Ⅳ장 2절 참조). M6은 토지시장 요인을 추가 통제한 분석이다.

모든 패널 추정은 Python 3 환경에서 linearmodels 패키지의 PanelOLS와 statsmodels 패키지의 OLS를 활용하여 수행하였다. 표준오차는 시군구(entity) 단위로 군집화한 강건 표준오차를 사용하였다.

본 연구의 가설은 다음과 같다.

H1은 빈집 증가가 주거환경의 질 저하, 관리 공백 및 지역 쇠퇴의 가시적 신호로 작용할 수 있다는 부정적 외부효과 및 자본화 논의에 근거한다. 빈집의 증가는 인근 환경에 대한 시장 평가를 낮추거나 지역의 미래 수요에 관한 부정적 기대를 강화할 수 있으며, 이러한 변화는 시장 정보의 확산과 가격 평가의 갱신을 거쳐 다음 연도 지가변동률에 반영될 가능성이 있다. 깨진 유리창 이론은 이러한 관리 공백과 환경 악화가 지역 인식에 영향을 줄 수 있음을 보완적으로 설명하는 개념적 틀로 활용한다.

인구감소지역은 인구 유출, 고령화, 주택수요 약화 및 지역활력 저하가 중첩되는 경향이 있어, 빈집 증가가 지역 토지시장에 대한 부정적 신호로 더 크게 반영될 수 있다. 반면 거래가 희소한 지역에서는 빈집 관련 정보가 가격에 충분히 반영되지 않거나 추정의 불확실성이 커질 가능성도 있다. 따라서 H2는 명확한 인과적 예측이 아닌, 인구감소지역 여부에 따른 연관성의 차이를 검토하는 탐색적 가설로 설정한다.

H1은 TWFE 주모형(M3)으로 검토하고, H2는 빈집비율과 인구감소지역 여부의 교차항을 포함한 모형(M4)으로 검토한다. 또한 보조 분석으로 2021년 인구감소지역 지정 이후 지정지역과 비지정지역 간 상대적 지가변동률 변화를 검토하되(M5), 이는 병행추세 검증과 정책효과 식별을 목적으로 한 분석이 아니므로 별도의 가설은 설정하지 않는다.

<표 5>는 M1~M4의 추정 결과를 함께 제시하며, 본 절에서는 빈집비율과 지가변동률의 기본 관계를 검토하기 위해 M1~M3 결과를 중심으로 해석한다. M4의 상호작용 결과는 다음 절의 이질성 분석에서 다룬다. M1의 빈집비율 계수는 –0.067^*** (SE=0.0114)이고, 주모형인 M3의 빈집비율 계수는 –0.113^***(SE=0.0293, p<0.001)로 나타났다. 이는 빈집비율이 1%p 상승할 때 다음 연도 지가변동률이 약 0.113%p 낮아지는 방향의 연관성이 있음을 시사한다. 경제적 유의성 측면에서 회귀표본(N=1,554) 기준 빈집비율의 표준편차인 약 5.1%p를 적용하면, 1표준편차 증가는 다음 연도 지가변동률 약 –0.57%p와 연관된다.

M2에서 M3로 이동하면 빈집비율 계수의 절댓값은 커지고 통계적 유의성도 나타난다(M2 –0.052에서 M3 –0.113^***). 이는 지역 고정효과만 포함한 사양과 지역·연도 고정효과를 함께 포함한 사양의 추정치가 다를 수 있음을 보여준다. 본 연구에서는 전국 공통의 연도별 변동을 통제한 M3를 주모형으로 해석한다.

통제변수 중 고령인구비율은 M3에서 +0.198^*** (p<0.001)의 양의 계수를 보인다. 이는 직관적 기대와 다른 결과이나, 본 연구의 모형만으로 그 메커니즘을 직접 규명하기는 어렵다. 해당 계수는 고령화 수준이 높은 지역의 지가가 높다는 의미가 아니라, 지역·연도 고정효과를 통제한 상태에서 동일 지역 내 고령인구비율 변화와 상대적 지가변동률 변화 간의 조건부 관계를 나타낸다. 따라서 이를 별도의 정책효과로 해석해서는 안 된다. 고령인구비율을 제외한 보조 추정(M3′, 강건성 분석 절에서 후술)에서도 빈집비율 계수는 –0.109^*** (SE=0.0304)로 방향과 유의성이 유지되어, 주결과가 고령인구비율 포함 여부에 크게 좌우되지는 않음을 확인하였다.

그 밖의 통제변수에서는 재정자립도(–0.115^***)와 1인가구비율(–0.080^**)이 음의 부호를, 인구순이동률(+0.040^**)이 양의 부호를 보인다. 또한 일부 통제변수는 M1과 고정효과 모형에서 부호가 달라진다. 예컨대 고령인구비율은 M1 –0.055^***, M2 –0.202^***에서 M3 +0.198^***로, 재정자립도는 M1 +0.022^***에서 M2 –0.076^***·M3 –0.115^***로, log(사업체수)는 M1 –0.282^***에서 M2 +1.474^***로 변화한다. 이는 M1이 지역 간 수준 차이를 포함하는 반면, 고정효과 모형은 시간불변 지역 특성을 통제한 동일 지역 내 시간변동을 이용하기 때문이다. 따라서 통제변수 계수 역시 독립적 인과효과가 아니라 모형 내 조건부 추정치로 해석한다.

M3의 고정효과 모형 R²는 0.110으로, 본 모형은 지가변동률의 지역 내 연도별 변동 가운데 제한된 부분을 설명한다. 따라서 빈집비율 계수는 지가변동률의 모든 결정요인을 설명하는 값이 아니라, 지역·연도 고정효과와 관측 통제변수를 조건부로 한 지역 내 시간변동의 부분적 연관성으로 해석되어야 한다. 이러한 설명력 수준에는 두 요인이 함께 작용한다. 첫째, TWFE 모형의 R²는 지역 간 수준 차이와 전국 공통의 연도별 변동이 고정효과로 제거된 이후의 지역 내 잔여 변동을 기준으로 산출되므로, 수준 정보를 포함하는 통상의 R²보다 구조적으로 낮게 나타난다(수준 차이를 포함하는 M1의 R²는 0.183이다). 둘째, 종속변수인 지가변동률은 수준이 아닌 연도별 변화율 지표로서, 국지적 개발사업이나 거래 특이요인 등 관측되지 않는 특이적 변동의 비중이 크다. 따라서 낮은 R²는 모형 적합의 실패라기보다 연도별 지가변동률 변동의 상당 부분이 관측변수 외부에서 결정됨을 반영하며, 본 연구의 목적이 지가변동률의 예측이 아니라 고정효과 통제하의 조건부 연관성 추정에 있다는 점에서 계수 해석의 근거는 유지된다. 그럼에도 빈집비율 계수는 코로나 기간 제외, 윈저화, 대도시 제외, 고령인구비율 제외 및 토지시장 여건을 추가한 확장 사양에서 음의 방향을 유지한다. 다만 지역별 시변 쇠퇴 추세가 빈집비율과 지가변동률에 동시에 작용했을 가능성을 완전히 배제하지는 못하므로, 이하의 해석은 고정효과와 시간 선후를 통제한 연관성에 한정한다.

본 절에서는 인구감소지역의 이질성을 검토하는 상호작용 모형(M4)과 인구감소지역 지정 전후의 상대적 변화를 살펴보는 보조 사양(M5)을 함께 분석한다. M4의 추정 결과는 <표 5>에, M5의 결과는 <표 6>에 제시하였다.

M4에서 빈집비율(중심화)의 계수는 –0.084^** (p=0.017), 빈집비율과 인구감소지역의 교차항은 –0.085^*(p=0.087)로 추정되었다. 이에 따른 빈집비율의 한계효과는 비지정지역에서 –0.084%p, 인구감소지역에서 –0.169%p로 나타나, 인구감소지역에서 음의 연관성이 더 클 가능성을 시사한다. 다만 교차항의 유의수준이 제한적이므로, 이는 확정적 결론이 아니라 탐색적 단서로 해석할 필요가 있다.

인구감소지역 더미와 고령인구비율의 단순 수준 상관은 높지만(r≈0.84, pooled 기준), 지역·연도 고정효과를 반영한 개체 내 변환 후 분산팽창계수(variance inflation factor, VIF)는 1.05~ 1.18로 낮게 나타났다. 따라서 고정효과 추정에서 다중공선성이 심각한 수준으로 판단되지는 않으나, 인구감소지역과 고령화가 구조적으로 밀접하게 결합되어 있다는 점을 고려하여 M4의 상호작용 효과는 탐색적으로 해석한다.

<표 6>의 M5는 인구감소지역 지정 전후 상대 변화를 살펴보기 위한 보조 사양이다. 인구감소지역×post 교차항은 M5-a에서 +0.884^***, M5-b에서 +0.689^***로 양(+)으로 추정되었다. 다만 병행추세를 검증하지 않았고 지정이 비무작위적으로 이루어졌으므로, 이를 지정 정책의 효과로 해석할 수는 없다. 이는 지정 이후 인구감소지역에서 관찰된 상대적 지가변동률의 변화로만 해석한다. M5의 빈집비율 계수도 –0.123^*** 및 –0.104^***로 음의 방향을 보이나, M5는 H1을 직접 검증하는 모형이 아니라 지정 전후 상대 변화를 보조적으로 검토한 사양이다.

<표 7>은 다섯 가지 강건성 사양과 보조 추정(M3′, 고령인구비율 제외)을 제시한다. 여섯 사양 모두 빈집비율 계수가 음의 방향을 유지하며 M3 기준(–0.113^***)에서 크게 벗어나지 않는다. 코로나 제외·윈저화·대도시 제외 사양은 –0.092~ –0.118로 유의하고, 인구감소지역만(–0.088^*, N= 602)·비지정지역만(–0.110^***, N=952) 사양도 방향이 일관된다. 다만 하위표본 추정치는 표본 구성이 달라 M4 한계효과와 직접 비교하기 어려우므로, 이는 H2의 독립적 입증이라기보다 두 집단 모두에서 음의 방향이 유지된다는 강건성 확인으로 해석한다.

지가변동률은 지역 쇠퇴 요인 외에도 토지수요와 거래시장 여건의 영향을 받을 수 있다. 이에 주모형(M3)에 토지시장 활동 수준을 나타내는 거래회전율과 집적도 및 지역 규모를 반영하는 log(인구밀도)를 추가한 확장 사양(M6)을 <표 8>에 제시하였다. 추가 통제변수인 거래회전율과 인구밀도 역시 빈집비율과 동일하게 t년도 값을 사용하였다. 거래회전율은 통계청 토지거래량 통계의 연간 토지거래면적을 시군구별 행정구역면적으로 나눈 뒤 100을 곱해 산출하였고, 인구밀도는 행정안전부 주민등록인구통계의 연도별 인구를 동일 면적으로 나눈 후 자연로그 변환하였다. 이는 결과연도(t+1)의 시장상황을 직접 통제하지 않음으로써 동시성 우려를 줄이기 위한 설정이며, M6은 토지시장 여건을 추가로 고려한 확장적 민감도 분석으로 해석한다.

거래회전율은 +0.137^***(p<0.001)로 유의한 양의 계수를 보였다. 이는 동일 시군구 내에서 토지거래 활동이 상대적으로 높은 연도에 다음 연도 지가변동률도 높게 나타나는 조건부 연관성을 의미한다. 반면 log(인구밀도)는 통계적으로 유의하지 않았다(p=0.49). 인구밀도는 시군구 내 연도별 변동이 제한적이라는 점에서 고정효과 모형 내 계수 해석에 제약이 있으므로, 본 연구에서는 토지시장 여건을 보완적으로 통제하기 위한 변수로 활용하였다. 추가 통제 후에도 빈집비율 계수는 –0.107^***(SE=0.029)로 음의 방향과 통계적 유의성이 유지되었다. 확장 사양의 개체 내 변환 후 VIF는 최대 2.37로 나타나, 추가 변수 포함에 따른 다중공선성 우려는 크지 않은 것으로 확인되었다(지표 간 비교는 <부록 2>의 <표 A-1>).

주모형에서 확인된 음(–)의 연관성이 지역 유형·인구이동과 시차 길이에 따라 어떻게 나타나는지를 보조적으로 검토하였다.

행정유형별로는 일반시에서 음(–)의 연관성이 통계적으로 유의하였고, 대도시 자치구와 군에서는 유의하지 않았다. 인구순이동률 3분위에서는 인구 유입 지역에서 유출 지역으로 갈수록 계수의 절댓값이 커지는 경향이 나타났다. 인구규모 3분위 기준 분석에서도 규모 상위 집단에서 계수가 가장 뚜렷하였다. 다만 하위표본별 표본 크기와 검정력이 다르고 집단 간 계수 차이를 직접 검정하지 않았으므로, 이는 규모·유형별 이질성의 가능성을 보여주는 탐색적 결과로 해석한다(상세는 <부록 3>의 <표 A-1> 및 <부록 4>의 <표 A-1>).

시차 길이에 대한 민감도 분석에서는 빈집비율 계수가 1년 시차에서만 –0.113^***로 유의하고, 2년 시차에서는 유의하지 않으며 3년 시차에서는 양(+)으로 전환되었다. 동일 기준 표본(t=2016~ 2020, N=1,110)으로 재추정해도 같은 패턴이 유지되었다. 따라서 빈집비율과 지가변동률의 관계는 장기적 누적효과가 아니라 1년 시차에서 나타나는 단기적·조건부 연관성으로 해석하는 것이 적절하다(상세는 <부록 5>의 <표 A-1>).

본 연구는 1년 시차를 둔 시군구 패널 TWFE 모형을 통해 빈집비율과 지가변동률의 시차적 연관성을 추정하였다. 주요 결과는 다음과 같다.

첫째, 주모형(M3)에서 빈집비율이 1%p 상승할 때 다음 연도 지가변동률은 약 0.113%p 낮아지는 방향의 연관성이 나타났다(SE=0.0293, p<0.001). 이러한 음의 방향은 코로나 기간 제외, 윈저화, 대도시 제외, 고령인구비율 제외 보조 추정(M3′) 및 토지시장 여건을 추가한 확장 사양(M6)에서도 유지되었다. 이는 전국 시군구 패널에서 지역·연도 고정효과와 시차적 선후를 통제한 상태에서도 빈집비율과 다음 연도 지가변동률 간 음의 시차적 연관성이 관찰됨을 보여주며, H1의 예측 방향과 일치한다.

둘째, 상호작용 모형에서는 인구감소지역에서 빈집비율과 지가변동률 간 음의 연관성이 더 클 가능성이 관찰되었다. 다만 교차항의 유의수준이 제한적이고 인구감소지역과 고령화의 구조적 중첩이 크다는 점에서, 이는 확정적 결론이 아니라 탐색적 단서로 해석할 필요가 있다. 또한 인구감소지역 지정 전후 상대 변화를 검토한 보조 분석은 병행추세 미검증과 비무작위 지정의 한계가 있으므로, 정책 효과가 아니라 지정 지역에서 관찰된 상대적 변화에 관한 참고 결과로 한정한다.

셋째, 행정유형 및 인구순이동률별 하위표본에서는 일반시에서 음의 연관성이 가장 뚜렷하게 나타났고, 인구 유출 지역에서 계수의 절댓값이 더 큰 경향이 관찰되었다. 그러나 하위표본 간 표본 크기와 검정력이 다르며 집단 간 계수 차이를 직접 검정하지 않았으므로, 이를 지역유형별 효과 차이로 단정할 수는 없다.

넷째, 음의 연관성은 1년 시차에서만 유의하고 2년 시차에서는 사라지며 3년 시차에서는 양(+)의 방향으로 전환되었다. 따라서 주결과는 장기적으로 누적되는 효과라기보다 빈집비율과 다음 연도 지가변동률 사이에서 관찰되는 단기적·조건부 연관성으로 해석하는 것이 적절하다.

본 연구의 결과를 정책적으로 해석할 때에는 주의가 필요하다. 본 연구가 제시하는 것은 빈집비율과 다음 연도 지가변동률 사이의 통계적 연관성이며, 빈집 증가의 인과효과 또는 정책 개입의 효과를 의미하지 않는다. 따라서 빈집 정비사업의 직접적 우선순위나 사업 효과를 판단하는 근거로 활용하는 데에는 한계가 있다.

다만 빈집비율과 지가변동률을 결합하여 주거 유휴화와 지가 둔화가 함께 나타나는 지역을 점검하는 보조적 모니터링 지표로 활용할 가능성은 있다. 이 경우 통계청의 미거주주택 지표를 법정 관리 빈집 자료, 현장조사, 토지거래량, 인구이동 및 지역 산업지표와 함께 활용함으로써 지역별 위험신호를 보완적으로 파악할 수 있다.

또한 일반시와 인구 유출 지역에서 상대적으로 뚜렷한 음의 연관성이 관찰된 결과는 빈집과 토지시장 간 관계가 지역 유형에 따라 달라질 가능성을 보여준다. 다만 그 메커니즘과 정책적 함의는 지역별 특성, 빈집 정비사업의 실제 추진 내용 및 토지시장 반응을 직접 분석하는 후속 연구를 통해 확인될 필요가 있다.

첫째, 본 연구는 도구변수나 준실험적 식별전략을 적용하지 않았으므로 추정치는 인과효과가 아니라 지역·연도 고정효과와 시차적 선후를 통제한 조건부 연관성으로 해석되어야 한다. 1년 시차 구조는 역인과 가능성을 일부 완화하지만, 인구·산업 기반의 시변 쇠퇴 경로와 공간 자기상관(서수복, 2014)을 완전히 통제하지는 못한다.

둘째, 빈집비율은 통계청의 미거주주택 정의를 따르므로 「빈집 및 소규모주택 정비에 관한 특례법」상 구조적 빈집보다 넓은 개념이다. 일시적 미거주와 미분양 등이 포함될 수 있어 측정오차 가능성이 있으며, 종속변수인 지가변동률 역시 시군구 단위의 연도별 가격변화율 지표이다. 따라서 본 연구는 빈집 증가 이후 나타나는 지역 토지시장의 단기 가격변화와의 시차적 연관성을 분석한 것으로, 빈집이 지가 수준에 미치는 장기적·누적적 효과를 직접 검증한 것은 아니다.

셋째, 주모형의 고정효과 모형 R²는 약 0.11로, 빈집비율 계수는 지가변동률 전체를 설명하기보다 지역·연도 고정효과와 관측 통제변수를 적용한 후 남는 지역 내 변동에서의 부분적 연관성을 나타낸다. 또한 지역 규모 및 인구이동별 하위표본에서 일부 집단의 비유의성은 효과 부재와 검정력 부족을 구분하기 어렵다. 향후에는 구조적 빈집 자료의 축적, 읍면동 단위의 미시 자료, 준실험적 식별전략 및 패널 공간계량 모형(Anselin, 1988; LeSage and Pace, 2009)을 활용하여 이러한 한계를 보완할 필요가 있다.