2019-12-22

(분석) 인구 고령화가 장기적으로 주택가격을 상승시키는 이유

빠른 인구 고령화 등 인구 구조 변화로 한국 주택가격은 하락해야 하는데도 최근 주택가격은 투기세력에 의해 상승하고 있다는 말을 듣곤 한다. 하지만 인구 고령화로 주택가격은 하락할 수밖에 없다는 말을 완벽하게 뒷받침하는 이론이 있는 것 같지는 않다. 그런 가운데 고령화와 주택가격에 대한 연구 결과가 한국주택금융공사 주택금융연구원에서 발표돼 주요 부분을 공유한다. 이 연구는 아주 최근의 실제 통계를 바탕으로 했다는 점에서 가치가 있다. 연구 경과 등 전문적인 내용은 보고서 전문을 참조하기 바란다.

☞ 보고서 전문 받기 (여기를 클릭)

《서론》

한국의 주택시장은 사회·경제적 환경 변화와 함께 빠른 고령화로 인해 주택수요에 영향을 미치는 인구 및 가구 구조의 변화가 급격하게 나타나고 있다. 2005년 세계 최초로 초고령 사회(65세 이상이 총인구의 20% 이상)가 된 일본은 2018년 고령화율이 28.2%를 넘어서면서 빈 집이 늘고 집값이 급락하는 등 부작용이 나타나고 있다. 한국은 2018년 고령화율이 14.3%로 고령사회에 진입하였으며, 2026년에는 20%를 초과하면서 초고령 사회로 진입이 예상된다. 이에 따라 일본과 같은 주택시장 문제가 발생할 가능성이 확대되고 있다. 특히, 한국의 경우 1955년에서 1963년에 출생한 베이비붐 세대는 2015년 인구총조사 결과 전체 인구의 14.3%를 차지하고 있다. 그로 인해 1980년대 중반 베이비붐 세대가 주택시장에 본격적으로 진입하면서 주택수요가 급증하였다.

또한 2000년대 초반에는 이들 세대가 중·대형 주택을 선호하면서 주택가격이 상승하는 등 베이비붐 세대는 한국 주택시장의 변화에 중요한 요인으로 작용하고 있다. 최근 베이비붐 세대는 2010년 이후 본격적인 은퇴가 진행되고 2020년부터 노년층으로 진입이 시작되면서 고령화가 주택 및 부동산 시장에 미칠 영향에 대해 관심이 높아지고 있다. 위의 이슈에 대해 국내주택시장에서 주택 소비가 줄고 장기적인 주택 및 부동산시장의 침체가 시작될 것이라는 예측과 전체 주택시장에 미치는 효과는 매우 제한적일 것이라는 견해가 현재 양립되고 있다


<표 1>과 <표 2>를 통해 국토교통부(2019)가 진행한 2018년도 주거실태조사의 내용을 살펴보면 현시점에서 자가 보유율과 점유율은 증가추세를 유지하고 있으며, 주택보유에 대한 국민의식도 상당히 높은 수준이다. 이런 현상은 65세 이상의 고령층에서 더욱 강력하게 확인된다. <표 2>에서 고령층의 1인당 주거면적은 증가하는 모습을 보이면서 주택규모를 축소하여 소득을 대체한다는 주장과 배치되는 현상을 확인할 수 있다. 또한 65세 이상의 1인 가구가 지속적으로 증가하면서 고령화에 따른 주택시장의 침체를 예단하기는 어렵다고 판단된다. 이처럼 고령화가 심화되고 있는 상황과 가구의 자산포트폴리오 구성 중 대부분을 주택이 점유하고 있는 한국의 실정을 고려할 때 고령화가 주택가격에 미치는 영향을 정량적으로 분석할 필요성이 있다. 하지만 국내경제학자들은 재정정책이나 통화정책, 외국인투자, 해외투자와 같은 문제 등에 집중하면서 위와 같은 고령화, 저출산 문제 등은 문제의 심각성에도 불구하고 자료의 제약 등으로 상대적으로 국내연구가 미미한 실정이다. 따라서 본 연구에서는 고령화가 주택가격에 미치는 영향을 패널 VAR모형과 TVP-VAR모형 등을 통해 실증적으로 살펴보고자 한다. 이를 통해 가계의 자산에서 부동산이 차지하는 비중이 높은 우리나라에서 고령화와 베이비붐 세대의 은퇴가 주택가격에 미치는 영향을 확인하고 지역별로 고령화에 따른 인구구조의 변화가 주택시장에 미치는 영향을 사전에 파악함으로써 정부나 지방자치단체가 주택 관련 정책을 수립하는 데 기여할 수 있을 것이다.

《선행연구》

고령화와 주택시장의 연계성에 대한 연구는 생애주기가설에 혹은 항상소득가설에 따라 소비자는 중장년기에 자산을 축적하고 노년기에 자산을 처분하므로, 자산을 처분하려는 노년층의 비중이 높아짐에 따라 전반적인 자산가격이 하락한다는 Mankiw and Weil(1989)의 ‘자산 붕괴 가설’(Asset Meltdown Hypothesis) 중심으로 이루어져 왔다. 하지만 1987년부터 2007년까지 Mankiw and Weil(1989)의 예측과 달리 주택의 실질가격은 상승하였으며, Engelhardt and Poterba(1991)는 Mankiw and Weil(1989)의 모형을 캐나다에 적용하여 고령화와 주택가격 간에 인과관계가 존재하지 않음을 보였다. 이처럼 고령화와 주택가격 간의 관계는 명확하고 일관되게 정의되지 않고 있다.

우선, Davis and Li(2003), Geanakoplos, Magull and Quinzii(2004), Ang and Maddaloni(2005), Chiuri and Jappelli(2010), Takáts(2010, 2012), Shimizu, Deng, Kawamura and Nishimura(2015) 등은 국가별 거시자료에 기초한 최근의 국제비교를 통해 고령화를 통한 주택가격의 하락이 실제로 상당한 규모로 진행되었던 것으로 관찰하였다. Hiller and Lerbs(2015), Saita, Shimizu and Watanabe(2016) 등은 지역·도시별 자료를 이용하여 고령화가 주택가격에 미치는 영향을 살펴보았다. Scheiner and Weil(1992)은 고령인구의 주택자산 처분이 느리게 이루어지기는 하지만 사망에 가까워질수록 크게 증가한다는 점을 강조한다.

이러한 결과는 고령화가 주택 수요에 대하여 유의한 영향을 미칠 수 있음을 시사한다.

다음으로 위의 연구결과와 상반되는 실증분석 결과를 살펴보면 Poterba(2001, 2004), Brooks(2002, 2006) 등은 두 변수 사이에 체계적인 관계가 존재하지 않는다고 분석하였다. Brooks(2002)는 고령인구가 은퇴를 하여도 주택을 계속 보유할 것이기 때문에 자산시장에 미치는 영향은 금융자산이 없거나 정부연금에 의존하는 사람에게만 국한되는 문제라 주장하였다. 또한 Brooks(2006)는 고령인구가 자산시장에 미치는 영향이 국가마다 상이하고, 가계의 금융자산 비중이 높은 국가일수록 고령화가 자산시장에 미치는 영향은 미미하다고 주장하였다. Feinstein and McFadden(1989), Venti and Wise(2004), Chiuri and Jappelli(2010) 등은 가계의 연령별 주택 보유 패턴에 대한 분석을 통하여 고령인구의 비중이 높아지더라도 주택에 대한 수요가 크게 감소하지 않을 것으로 예상하였다.

고령화와 주택 가격에 대한 국내 연구로는 김경환(1999), 정의철·조성진(2005), 박천규(2008), 이창무·박지영(2009), 최성호·이창무(2010), 김준형·김경환(2011), 고진수·최막중(2012), 김용진·손재영(2013) 등은 고령화가 주택가격을 하락시키는 요인으로 작용할 영향이 크지 않을 것이라고 분석하였다. 김경환(1999)이 Mankiw and Weil(1989)의 모형을 우리나라에 적용하여 고령화와 주택가격 사이에 체계적인 관계가 존재하지 않는 것을 확인하였다. 한편 정의철·조성진(2005)은 고령화 외에 소득과 주거비용의 변화를 같이 고려함으로써 우리나라의 주택 수요가 장기적으로 오히려 증가할 것이라고 하였다. 이창무·박지영(2009) 또한 1-2인 가구의 증가를 동반한 고령화는 주거수요를 지속적으로 증가시킬 것이므로 주택의 추가적 공급이 필요하다고 주장하였다.

반면, 김선태·송명규(2013), 진미윤·최지응(2013), 홍기석(2013), 김민정·전해정(2014), 박헌수·김민정(2014), 송인호(2014), 이창무·주현태·한제선(2017), 조만·박수진·송인호·황민(2018) 등은 베이비붐 세대를 전후로 고령화가 주택가격을 하락시킬 것이라는 분석 결과를 제시하였다. 김선태·송명규(2013)는 베이비부머의 은퇴에 따른 아파트가격의 규모별 변화에 대해 분석한 결과, 베이비부머의 은퇴로 인해 대형주택의 매물증가로 대형 주택 가격이 하락한다고 주장하였다. 홍기석(2013)은 서울 및 6개 광역시의 구별 주택가격을 이용하여 1990년대 고령인구가 증가한 지역의 주택가격이 2000년대 하락하였고, 1인 가구 수가 증가한 지역은 가격이 상승하였으며, 두 변수의 주택가격에 대한 효과를 종합적으로 추정하면 음의 영향이 있는 것으로 확인되었다. 송인호(2014)는 일본의 고령화 속도가 우리나라에 적용될 경우 실질주택가격의 추세가 2019년 이후 하락할 것으로 예상하였다.

위와 같이 고령화로 인한 주택가격의 변화를 분석한 선행연구는 주택처분 및 임차전환 가능성을 높이고, 주거면적을 줄이는 등 주택수요를 감소시켜 주택가격 하락압력으로 작용할 것이라는 주장과 1∼2인 가구증가, 투자수요 등에 따른 주택보유 경향 등을 감안할 경우 그 영향이 크지 않을 것이라는 주장이 양립하고 있다. 따라서 본 연구는 최근 베이비붐 세대의 은퇴, 정년연장, 고령(Aged)사회 진입 등의 이슈가 부각되는 시점에서 고령화와 주택가격 간의 관계를 동태적으로 분석하고 재조명하고자 한다.

《분석결과》

분석결과를 살펴보면 고령인구와 노령화지수 등의 고령화 변수는 단기적으로 주택가격을 감소시키는 요인으로 작용하지만 장기적으로 주택가격을 증가시키는 주요요인으로 확인되었다. 또한 추계인구의 경우 단기적으로 주택가격에 미치는 영향은 크지 않지만 장기적 관점에서 주택가격에 가장 민감한 영향을 주는 것으로 파악되었다.

반면, 지역총소득(1인당), 주택건설실적, 주택가격 등의 상승은 단기적으로 주택가격을 증가시키는 요인이며 장기적으로 주택가격을 증가시키는 견인차로써 역할은 기대하기 어렵다. 본 연구에서 주택가격의 변화에 가장 큰 영향을 미치는 단기적 증가요인은 지역총소득(1인당)이며, 장기적 증가요인은 지역 내 인구의 증가인 것으로 확인되었다. 다음으로 지역별 결과를 살펴보면 고령인구의 증가로 인해 주택가격의 증가가 가장 크게 나타난 지역은 경기이며, 부산의 경우 고령인구의 증가로 인해 유일하게 주택가격이 감소하는 지역으로 확인되었다. 노령화지수가 증가하면 경기와 경북의 경우 주택가격이 하락하였다. 이는 노령화지수가 0~14세 대비 65세 이상 인구 비중을 나타내는 지표이기 때문에 노령화지수의 증가는 0~14세 인구규모에 비해 고령인구가 증가할 경우 주택가격이 감소한다는 것은 단순히 고령인구 증가만이 주택가격에 영향을 주는 요인으로 단정하기 어렵다는 것을 시사한다. 대부분 지역에서 고령인구의 변화에 대해 전체분석기간에서 일정한 관계를 유지하는 것으로 나타났다. 하지만 충남과 제주 지역에서는 고령인구가 주택가격에 미치는 영향에서 구조적 변화를 확인할 수 있다. 또한 경기의 경우 노령화지수가 주택가격에 미치는 영향에서 타지역과 다르게 구조적 변화가 민감하게 확인되었다.

고령화 변수 이외의 변수가 지역별 주택가격에 미치는 영향을 추가적으로 살펴보면 추계인구의 변화에 제주, 전북, 부산, 서울 순으로 민감하게 증가하는 반응을 보였다. 지역총소득(1인당)의 변화에 광주와 전북이 민감하게 증가하는 것을 확인되었다. 이는 광주와 전북의 지역경기가 활성화되면 주택가격이 타지역의 경우보다 빠르게 주택가격이 상승할 가능성이 있다고 볼 수 있다. 광주, 강원, 전북, 제주 등은 주택건설실적의 변화가 타지역과 달리 주택가격에 영향력이 크게 나타났다. 이를 통해 해당지역의 신규주택에 대한 실수요가 다른 지역보다 높은 것으로 해석된다.

이처럼 본 연구에서는 고령화가 주택가격에 미치는 영향을 동태적으로 살펴보고, 장·단기적 시각에서 고령화가 주택가격에 미치는 영향이 다를 수 있음을 확인하였다. 또한 고령화가 주택가격에 미치는 영향에 대한 공통적인 효과를 파악하였지만 지역별로 상이한 결과가 존재함을 보였다. 다만, 본 연구에서는 지역별 인구구조 특성을 고려한 변수를 활용하고 있지 않아 지역별 인구구조를 고려하여 결과를 해석하는 것은 한계가 있으며, 이는 추후 연구과제로 남겨두었다.

★★★★★
★★★★★

이 블로그 검색

라벨

국제 (1299) 경제정책 (1084) 경제일반 (1075) 경제지표 (1058) 금융시장 (951) 기타 (856) 한국경제 (645) *논평 (475) 보고서 (442) 산업 (299) fb (263) *스크랩 (210) 중국경제 (209) 부동산 (154) 책소개 (88) 트럼포노믹스 (84) 뉴스레터 (79) 일본경제 (59) 아베노믹스 (34) 가계부채 (29) tech (25) 공유 (25) 가상화폐 (20) 북한 (20) 블록체인 (20) 암호화페 (20) 원자재 (8) 무역분쟁 (7) ICO (6) 코로나 (5) 브렉시트 (4) 인구 (4) 터키 (2) 중동 (1)