도시 네트워크 기반 상호작용의 정도가 주택가격에 미치는 영향분석 : 서울대도시권을 중심으로

네트워크 도시이론(Network city theory)은 2개 이상의 도시들이 상호보완적 관계에서 규모의 경제를 추구하고, 상호협력적 활동 속에서 시너지효과를 창출할 수 있는 이론이다(Capello, 2000). 이는 도시 위계를 도시 규모에 따라 논의된 Christaller의 중심지이론과는 다른 것으로 네트워크 도시이론은 도시의 규모보다도 도시 간의 유기적인 관계에 더욱 초점을 맞추고 있으며, 보다 유연적인 측면에서 도시 간의 상호보완적 특성을 바탕으로 하고 있다(남기찬·김홍석, 2015). 네트워크 도시이론에서는 다양한 경제적 주체 간의 정보교류, 협력, 보완 등을 위한 연계망을 네트워크로 정의하고 있으며(남진 외, 2015), 네트워크는 상호이익 증진에 기여하는 호혜성, 참여자 간 상호의존관계를 강화하는 상호의존성, 독자적 활동과 선택을 허용하는 동반자 관계, 새로운 정보와 협력적 교류 관계 형성을 유도하는 권력의 성격을 가지고 있다(남진 외, 2015).

이에 따라 도시 네트워크는 다른 지역과의 기능적 연계를 위한 교류수단이 되거나, 도시 규모의 기능과 한계를 극복하는 수단 등으로 작용하여 지역의 시너지효과 창출에 도움을 주고, 도시 성장에 중요한 역할을 할 수 있다(김용웅·차미숙, 2003). 즉, 네트워크로 인한 도시 성장은 도시 간 기능적 연결성을 통한 집적의 경제로 인해 나타나게 되며(엄현태·우명제, 2019), Neal(2013)은 미국 도시권 차원에서 네트워크에 기반을 둔 성장 효과가 증가하고 있음을 밝힌 바 있다. 이러한 측면에서 주변 지역과 얼마나 긴밀하게 연계되어 있는가를 판단할 수 있는 지역별 도시 네트워크 기반 상호작용 정도는 현시점에서 중요하게 다루어질 필요가 있다.

네트워크 도시는 크게 세 가지의 속성을 중요하게 여긴다. 첫째, 도시의 규모에 상관없이 지리적으로 일정한 거리를 두지만, 상대적으로 인접하여 하나의 지역을 형성하고 둘째, 도시 간 상호보완적 기능의 연계를 통해 다양한 형태의 흐름을 발생시키고 셋째, 이 흐름을 통해 집적경제 효과를 창출해 내는 것이다(권규상, 2018). 따라서 서울대도시권의 경우 네트워크 도시의 틀에서 바라본다면 공간상에 여러 지역이 존재하면서 지역 간 시너지를 창출할 수 있는 기반을 갖추고 있음을 알 수 있다.

이에 이 연구는 서울대도시권 내 네트워크 현상을 파악할 수 있는 상호작용 지수를 산출하여 읍면동별 상호작용 정도에 따른 계층 구조를 분석하였다. 이때, 네트워크 도시이론에 근거하여 도시 네트워크 정도는 적은 인구 규모라 할지라도 다른 지역과의 밀접한 관계를 이루는 경우 큰 상호작용 정도를 형성하는 것을 전제로 한다.

Priemus(2001)는 도시 네트워크의 형성조건을 두 가지로 설명하고 있다. 첫째, 도시 네트워크는 공간적으로 서로 간의 경쟁을 해서는 안 되며, 각각의 공간에 대한 수요를 수용할 최적의 장소를 결정하는 과정에서 상호협의가 필요하고, 두 번째, 대중교통체계 등에 의하여 상호 간의 연결성이 높아야 한다고 주장하였다(Priemus, 2001).

네트워크 도시로서 여건이 높은 지역들은 네트워크 도시이론에 따라 집적경제를 추구하고, 도시들의 다양성이 확보됨으로써 지역의 잠재력과 지리적 접근성이 확보된 지역이라고 할 수 있다(손정렬, 2011). 이는 도시 네트워크가 강화된 지역일수록 지역 간의 기능적 보완성이 높고, 상호협력의 필요성을 끌어내어 이러한 효과가 지역 수준에서 시너지 효과를 낼 수 있는 관계를 맺고 있다고 볼 수 있다(Capello, 2000; 최병두, 2014).

도시계획적 관점에서 바라본 도시 네트워크는 지역적 범위의 공간계획, 경제 및 교통기반시설계획에서 협력하는 도시들의 관계로 볼 수 있다. 구체적인 수준에서 정의되는 도시 네트워크는 주택, 업무 및 기타 작업공간, 쇼핑, 여가시설 등 다양한 서비스들과 이루는 조합이라고도 할 수 있다(Priemus, 2007). 이는 도시 네트워크가 강화된 지역일수록 기반시설에 대한 계획이나 산업입지 정책 등 종합적 도시계획과 연계되는 경우가 많거나, 우선순위가 될 확률이 높아(손정렬, 2011), 그렇지 않은 지역보다 환경적·경제적 차원에서 경쟁력 있는 지역으로 성장할 가능성이 크다는 것을 나타낸다.

이렇듯 많은 도시학자가 도시 네트워크에 대한 중요성을 언급하고 있으며, 이를 통해 형성되는 상호작용은 도시의 긍정적 기능을 확대해 인간의 이동 패턴 변화에 영향을 줄 수 있을 것으로 생각된다. 또한, 도시의 시스템은 인간의 활동과 필요로 재편될 수 있어, 인간의 이동 패턴 변화는 도시 내 자리 잡은 주택시장에도 영향을 줄 수 있으며, 주택가격 상승 요인으로 작용될 수 있으리라 판단된다.

이에 이 연구는 지역별 도시 네트워크 기반 상호작용 정도가 강할수록 주택가격이 증가할 것이라는 연구가설을 세우고 연구를 진행하였다.

이 연구에서는 지역별 도시 네트워크 기반 상호작용 정도를 파악하기 위한 지표로 Limtanakool et al.(2009)이 개발한 상호작용 지표 중 하나인 지배력 지수(Dominace Index; DII, DIT)를 활용하여 산출하였다. 지배력 지수는 각 결절 수준에서 측정되고, 네트워크 내 하나의 결절이 얼마만큼 지배적인 위치에 있는지를 파악하는 데 활용된다. 즉, 산정된 지숫값을 활용하여 지역별 상호작용 정도에 따른 계층 구조를 분석할 수 있으며, 도시 내에서 차지하는 지배력을 평가하는 데 사용될 수 있다(Limtanakool et al., 2009; 이봉조·임석회, 2014).

이러한 지배력 지수는 네트워크 내 결절들의 평균을 1로 하며, 지배력 지수의 값이 1을 초과하는 결절을 네트워크 내에서 다른 지역과 비교하여 지배적인 결절로 보고 있다. 다시 말해 한 지역이 1보다 큰 값을 가지게 되면, 그 지역은 네트워크 내 도시들의 평균 지배력보다 높다는 것을 뜻하고, 그 값의 배수만큼 지배력이 높다는 것을 의미한다. 이에 이 연구에서는 네트워크 도시이론을 토대로 지역 간의 다양한 연계와 협력을 나타내는 상호협력적 활동의 크기를 도시 네트워크 기반의 상호작용 정도로 정의함에 따라 지배력 지수가 서울대도시권 내 도시 네트워크 여건이 높은 지역을 판별하는 데 적합하다고 판단하였다.

지배력 지수는 유입되는 흐름만을 고려하여 산정하는 방향지배력지수(DII)와 유입과 유출의 총량을 고려하여 결절의 지배력 크기를 산정하는 비방향지배력지수(DIT)로 구분된다. 이 연구는 인간이 발생시키는 가장 중요한 공간 현상 중 하나인 인적 흐름(이봉조·임석회, 2014)을 활용하여 지배력 지수를 산출하고자 하였으며, 이러한 흐름은 통일된 방향으로 나타나지 않기 때문에 이를 고려할 수 있는 비방향지배력지수를 활용하고자 하였다. 또한, 네트워크 도시이론에 따르면 도시 간 흐름이 상위 중심지에서 하위중심지로의 일방향적 구조가 아닌 양방향적 구조로 나타나므로 이에 대한 정량화를 위해서는 비방향배력지수가 적합할 것으로 판단된다.

비방향지배력지수 산출을 위해 먼저 2019년도 국가교통 DB에서 제공하는 목적별 여객 OD 데이터 자료를 이용하여 서울대도시권 내 읍면동별 유입량과 유출량을 구축하였다. 이 자료는 출퇴근, 등하교, 업무, 학원, 쇼핑, 기타 목적별로 구분하여 통행량을 제공하고 있는데, 연구에서는 여객의 다양한 목적 중 현대사회에서 가장 일상적인 흐름이라고 할 수 있는 주거와 직장 중심의 출퇴근 통행을 채택하여 활용하였다. 출퇴근 통행량은 지역별로 출퇴근이 용이한 지역을 파악하는데 효과적인 자료로, 주택가격에 영향을 주는 주요 요인인 직주근접의 내용을 담고 있어 주택 수요와 관련이 있음을 알 수 있다. 해당 데이터는 집에서 출발한 출근, 업무 통행과 출근, 업무 후 집에 도착한 귀가 통행을 구분하지 않고 2 통행으로 합산하여 나타내고 있으며, 인구와 종사자수로 목적통행 현행화를 실시해 사회경제적 특성을 고려할 수 있는 추정값 데이터이다. 이 연구에서는 오전 첨두시간 등 시간대를 구분하지 않는 전일 자료를 사용하였으며, 전체 총통행량의 13%를 차지하는 내부통행량은 지역 간 협력적 이동을 파악하는 데 혼란을 초래할 수 있어 제외하고 지수를 산출하였다. 이에 대한 산출식은 수식 (1)과 같다.

T_i는 결절 i와 관련된 출퇴근 총통행량(지역의 유입량과 유출량의 합)이며, J는 총결절 수로 이 연구에서는 연구의 공간적 범위인 서울대도시권 내 아파트 매매 실거래가가 형성된 1,031개 읍면동을 나타낸다. 비방향지배력지수의 산출식에서 분모는 서울대도시권 내 1,031개 읍면동에서 발생하는 총통행량의 평균값을 의미하고, 분자는 해당 지역에서 발생하는 총통행량을 의미한다. 즉, 비방향지배력지수는 각 결절에서 발생하는 총통행량을 네트워크 내 모든 결절에서 발생하는 총통행량의 평균값으로 나눈 비율을 말하며, ‘0≤DIT_i≤∞’의 값을 가진다. 이는 비방향지배력지수의 값이 크면 클수록 서울대도시권 내 지역별 평균 지배력보다 더 큰 지배력을 가진 지역으로 해석할 수 있다.

이 연구에서 활용하는 비방향지배력지수는 결절의 총통행량을 활용하여 산출하기 때문에 각각의 유입량과 유출량을 고려할 수 없어 해당 지역의 네트워크 특성을 파악하는 데 어려움이 있다.

지역별로 유입량과 유출량을 해당 지역의 인구로 나눈 비율을 살펴보면, 인구대비 유입량과 유출량의 비율이 가장 높은 지역들의 순위와 낮은 지역들의 순위가 유사하게 나타났다. 따라서 유입량이 많은 지역이 유출량도 많은 지역으로 해석될 수 있다. 앞선 결과와 같이 대부분 지역에서 인구대비 유입량과 유출량이 유사한 비율로 형성되어 있으나, 서울시 중구 명동, 종로구 종로1·2·3·4가동, 중구 회현동, 강남구 삼성1동, 경기도 성남시 수정구 신흥2동은 유입량과 유출량의 차이가 상대적으로 크게 나타났다(<Table 2> 참조). 그러나 이는 미비한 수준임을 확인할 수 있다.

Table 2.

Comparison of inflow and outflow by region

이에 대한 통계적 검증을 위해 유입량만을 고려하여 산출되는 방향지배력지수(DII)와 유입·유출량, 그리고 비방향지배력지수와의 다중상관관계 분석을 시행하였다. 이들 간의 상관계수는 0.997로 높은 상관관계를 나타내고 있으며, 결과는 <Table 3>과 같다.

Table 3.

Correlation analysis results

이러한 결과는 유입량을 고려한 방향지배력지수가 높을수록, 유입·유출량이 높을수록, 비방향지배력지수도 높게 형성되는 것을 의미한다. 결과적으로 비방향지배력지수가 높은 지역은 양방향 통행량 모두 높은 흐름을 가지며, 중심지와 더불어 주거지의 기능을 함께 포함하고 있는 지역으로 판단할 수 있다.

이 연구에서는 출퇴근 통행행태의 변화를 파악할 수 있는 통근통행량을 기반으로 비방향지배력지수를 산정하고 있다. 따라서 이를 활용하여 산출된 지배력지수는 문화적·경제적으로 우수한 서비스 기회를 가진 고용중심지와 함께 지배적인 결절들에서 높은 지숫값이 나타나게 된다. 서울대도시권 내 주요 고용중심지들은 직주근접 효과와 더불어 종합적 도시계획과 연계되고, 경제 및 교통기반시설계획 등의 분야에서 우선순위가 된다. 이는 지역의 향상된 교통망과 우수한 교육환경, 생활인프라를 제공하고, 대규모 집객시설 등의 입지로 주거 편의성이 높아져 자연스럽게 주택 수요 증가로 이어질 수 있는 여건을 형성하게 된다.

그러나 주택 수요에 따른 적정 주택공급방안을 마련하기 위해서는 불균등하게 발생하는 도시 네트워크에 대한 구조적 이해가 필요하며, 이에 대한 지역적 특성을 파악할 필요가 있다.

앞서 산출한 비방향지배력지수(DIT)를 활용하여 서울대도시권 내 도시 네트워크의 구조적 특성을 살펴보았다. 이에 대한 기초통계량은 <Table 4>과 같다.

Table 4.

DIT summary statistics in Seoul Metropolitan Area

기초통계량을 살펴보면, 서울대도시권 내 비방향지배력지수의 표준편차가 0.86으로 나타났다. 서울대도시권 내에서 상대적으로 서울시가 평균 1.13으로 높은 지배력을 가지고 있으며, 인천광역시가 평균 0.87로 낮은 지배력을 가지고 있음을 알 수 있다. 서울대도시권 전체에서 최댓값을 가지는 지역은 서울시 강남구 역삼1동(9.95)이며, 최솟값을 가지는 지역은 경기도 연천군 신서면(0.03)으로 나타났다.

비방향지배력지수의 값이 평균 1이 넘는 지역은 네트워크 내 다른 지역보다 높은 지배력을 가지고 있음을 의미한다. 이에 평균 1 이상의 지숫값을 가지는 지역의 비율을 살펴보았다(<Table 5> 참조). 먼저 서울대도시권 내 연구 대상인 1,031개 읍면동 중 평균 1을 초과하여 네트워크 내 도시들의 평균 지배력보다 높은 지배력을 가진 지역이 366개로 35.50%를 차지하고 있다. 서울대도시권은 우리나라의 중심가 역할을 하는 곳으로 그중에서도 서울시가 40.05%를 포함하고 있어 가장 많은 지역이 분포하고 있음을 알 수 있다.

Table 5.

Percentage of regions with an DIT of Average 1 or higher

경기도도 평균 1 이상의 지숫값을 가지는 지역이 34.74%로 나타났다. 경기도는 서울시와의 높은 연계성으로 정부 기관, 주요 기업들의 유치가 증가하고 있으며, 서비스 기능을 제공하는 시설물이 많이 집결된 지역이다. 또한, GTX 개발 계획 등 교통의 발달로 물리적인 부분을 넘어 기능적인 부분으로 주변 지역과의 연계성이 강화되는 시점에 놓여있어 서울시와 비슷한 수준으로 지배력이 높은 지역을 다수 포함하고 있는 것을 확인할 수 있다.

도시의 흐름은 크기와 방향이 공간적으로 균등하게 발생하지 않기 때문에 도시 네트워크 정도는 지역별로 차이를 나타낼 수 있다. 이에 이 연구에서는 앞서 산출한 비방향지배력지수를 활용하여 서울대도시권 내 하위지역 시장별 네트워크 계층 구조를 파악하였으며, 계층 구조별 특성을 파악하였다.

네트워크 계층 구조는 이봉조·임석회(2014) 연구에서 제시된 바와 같이 지수의 표준편차를 활용하여 구분하였다. 이에 대한 계층 구조는 <Figure 3>, <Table 6>과 같다.

Figure 3.

Urban hierarchy using the DIT

Table 6.

Urban hierarchy using the DIT

표준편차(0.86)를 기준으로 도시 계층을 구분하면 5개의 계층(A계층~E계층)으로 나누어진다. A계층은 비방향지배력지수가 (평균)+6s 이상(6.16 이상)인 지역이며 6개의 읍면동이 포함되고, B계층은 1(평균)+3s~1(평균)+6s (DIT 3.58 이상~6.16 미만)인 지역으로 14개의 읍면동이 포함되어 있다. C계층은 1(평균)+1s~1(평균)+3s (DIT 1.86 이상~3.58 미만)인 지역으로 60개의 읍면동이 포함되어 있으며, D계층은 1(평균)~1(평균)+1s (DIT 1 이상~1.86 미만)인 지역으로 286개의 읍면동이 포함되어 있다. 마지막으로 E계층은 평균 1 미만인 지역으로, 665개의 읍면동이 포함되어 있음을 확인하였다.

높은 비방향지배력지수의 값을 가지는 A계층의 경우, 강남구 역삼1동(9.95), 중구 명동(9.48), 영등포구 여의동(8.76), 금천구 가산동(7.81), 안산시 단원구 초지동(6.63), 종로구 종로1·2·3·4가동(6.36)가 포함되어 있으며, 인천광역시 내 지역이 부재함을 확인하였다. 해당 지역들은 서울대도시권 내에서 가장 높은 지배력을 가진 지역으로 앞서 진행한 상관관계 분석 결과를 토대로 살펴보면, 주변 지역과의 상호작용이 양 방향적으로 강하게 나타나는 지역으로 판단할 수 있다. 이를 설명하듯 1~3위의 높은 지배력을 가진 지역들은 서울 3도심에 포함되며, 주로 상업·업무기능이 밀집한 고용중심지로서 유동인구의 분포가 높은 지역으로 나타났다. 서울대도시권 내 하위지역 시장별 계층 구조에 따른 구체적인 특성은 다음과 같다.

(1) 서울시

서울시 내 도시 네트워크 계층 구조별 특성을 살펴보면, 높은 지숫값을 가지는 A·B계층(DIT 3.58 이상)은 서울시 3도심을 포함한 중심지의 기능을 담당하는 지역으로, 선행연구에 따르면 이러한 중심지는 다른 지역에 비해 개발밀도, 토지이용의 복합도가 높고, 교통 및 시설 접근성이 우수한 지역이라 할 수 있다(이수빈·남진, 2021). 또한, 백화점 등 대규모 상업시설이 위치하거나 준공업지역으로 산업단지가 형성되어 다른 지역에 비해 고용 기회가 높은 지역으로 나타났다. 여기서 주목할 만한 점은 해당 계층은 아파트 비율이 평균이 58.03%로 다수의 지역이 대규모 아파트 단지를 포함하고 있어 주거지의 기능도 함께 수행할 수 있는 지역으로 확인됐다. 이는 비방향지배력지수의 방향성 검토를 위해 진행한 상관관계분석 결과와 유사한 결과라고 할 수 있다.

C·D계층(DIT 1 이상~3.58 미만)의 경우, 마포구 서교동과 같이 유명 대학가이거나 강서구 가양1동, 종로구 사직동과 같이 규모가 큰 근린공원이 위치한 지역으로 평균보다 높은 지숫값을 나타내고 있다. 이들 지역은 소규모 아파트 단지 또는 다가구주택이 밀집한 지역으로 큰 규모의 업무시설보다는 주거지 내 상업시설이 다수 분포하고 있는 것을 확인하였다.

비방향지배력지수의 값이 평균 1 미만의 낮은 비방향지배력지수를 가진 지역을 살펴보면, 제2·3종일반주거지역 비율(평균 57.32%)과 아파트 비율(평균 58.06%)이 높게 나타나고, 절대적인 통행량이 적은 지역으로 파악되었다. 통상적으로 거주인구 비율이 높은 지역에서 많은 통행량이 나타날 수 있으나 해당 지역들은 주거지 외 특정 기능의 부재로 일정 규모 이상의 통행량이 발생하지 않아 나타난 결과로 판단된다.

그러나 비방향지배력지수가 0.5 이상인 지역 중에는 송파구 방이동, 서초구 반포동 등 3도심과 인접하여 서울시 내 양호한 입지적 요건을 갖추고 있어 상대적으로 높은 주택가격을 형성하는 지역도 다수 분포하고 있음을 확인하였다.

(2) 경기도

경기도 내 A·B계층(DIT 3.58 이상)의 높은 지숫값을 가지는 지역을 살펴보면, 안산시 단원구 초지동은 안산스마트허브, 시흥스마트허브 등 산업단지 일부가 포함된 지역으로, 1,000대 기업이 다수 분포하고 있는 것을 확인하였다. 또한, 부천시 신중동과 부천동은 경인 공업지역의 핵심 지역 일부에 해당하며, 수원시 영통구 매탄3동의 경우에도 일반공업지역이 포함된 지역으로 중소기업이 밀집하고, 높은 사업체 수를 나타내고 있다.

C·D계층(DIT 1 이상~3.58 미만)의 경우, 일산, 분당 등 제1·2기 신도시 중에서도 고속도로, 철도 등이 유리하게 형성된 지역으로 대부분 일자리와 주거환경, 편의시설이 상호작용하며 형성된 지역이다.

비방향지배력지수의 값이 평균 1 이상의 지역들은 총통행량 대비 내부통행량의 비율이 15% 이상으로 상대적으로 높게 나타나며, 직장과 주거공간이 가까운 직주근접형 도시로 판단할 수 있다. 더불어 서울시로의 교통 접근성이 양호하고, 서울에서 유입되는 통행량도 많은 것으로 확인되었다. 이때, 인구 규모가 다소 작아도 서울과 높은 상호작용을 이루는 지역일수록 지숫값이 높게 형성되는데, 이는 네트워크 도시이론에서 검토한 전제조건에 부합되는 결과로 볼 수 있다.

비방향지배력지수의 값이 평균 1 미만의 낮은 지역 중 0.5 이상의 지역들은 경기도 내 다른 지역보다 인구 규모가 작고, 상대적으로 적은 사업체 수와 종사자 수 등 낮은 사회·경제적 여건을 형성하고 있는 지역이다. 0.5 미만의 지역들은 대부분 읍·면의 하위행정구역이며, 용도지역상 녹지지역과 주거지역의 비율이 높은 것으로 확인되었다.

(3) 인천광역시

인천광역시 내 A·B계층(DIT 3.58 이상)의 높은 지숫값을 가지는 지역을 살펴보면, 남동구 논현고잔동과 논현1동은 소래자연호구와 해양관광 생태공원이 위치하고, 신도시 및 대규모 택지개발 사업이 이루어지며 수인선과 서해안고속도로 등과 같이 교통 접근성이 유리한 지역이다. 중구 운서동의 경우 인천국제공항이 위치한 곳으로 항공 교통의 요지임에 따라 공항과 다른 지역을 오가는 유동인구가 많은 지역이며, 신도시(영종하늘도시)가 연접해 있다. 이는 개별 지역의 도시 기능이 확립된 지역에서 높은 지숫값을 나타내는 것으로 판단할 수 있다.

C·D계층(DIT 1 이상~3.58 미만)의 경우, 송도, 부평 등 역세권 중심으로 중심상업지역과 주거지역이 형성된 지역이거나, 지방산업단지가 조성된 지역으로 나타났다. 해당 지역들은 서울대도시권 내에서 상대적으로 낮은 지숫값을 형성하고 있으나, 대부분 일자리, 교통, 주거환경이 양호하여 자족기능을 확보할 수 있는 지역이라 볼 수 있다.

비방향지배력지수의 값이 평균 1 미만의 낮은 지역들은 앞서 살펴본 경기도 내 지역들과 유사한 특성을 나타내고 있음을 파악하였다.

비방향지배력지수를 통해 산출한 상호작용 지수에 따라 서울대도시권 도시 네트워크 계층 구조를 파악하고, 이에 대한 지역적 특성을 분석한 결과는 다음과 같다.

서울대도시권 내 높은 지숫값을 나타내는 지역은 상관관계분석 결과와 같이 주변 지역과의 상호작용 흐름이 양 방향적으로 강한 지역이며, 주로 상업·업무기능이 밀집한 고용중심지로 나타났다. 이들 지역은 대규모 아파트 단지의 입지 등으로 주거 기능이 복합된 지역으로 나타났다. 또한, 준공업지역으로 산업단지가 형성되어 있어 다른 지역에 비해 고용 기회가 높은 지역과 대학가, 관광지, 공항 등 개별 지역의 특정 기능이 확립된 지역에서 높은 지숫값이 나타남을 확인하였다.

즉, 높은 비방향지배력지수의 값을 나타내는 지역들은 지역의 잠재력과 지리적 접근성이 확보된 지역으로 인구 규모가 다소 작아도 주변 지역과의 높은 상호작용을 이루는 지역일수록 지숫값이 높게 형성된다. 이는 네트워크 도시이론에서 검토한 전제조건과 부합된 결과로 볼 수 있다.

비방향지배력지수의 값이 평균 1 미만의 지역은 서울대도시권 내에서 상대적으로 적은 인구 규모와 낮은 사회·경제적 여건을 형성하고 있으며, 용도지역상에 녹지지역 및 주거지역 등 소수의 기능을 가진 지역으로 나타났다.

서울대도시권 내 아파트 주택가격에 영향을 미치는 요인을 규명하기 위해 다중회귀분석을 진행하였으며, 이에 대한 결과는 <Table 9>와 같다. 회귀모형의 설명력을 나타내는 결정계수 R²이 0.592로 나타났으며, 다중회귀모형의 VIF 값이 모든 변수에서 4 미만으로 다중공선성(Multicollinearity)의 문제가 나타나지 않는 것으로 판단할 수 있다.

Table 9.

Result of factor analysis that affects apartment transaction prices

다중회귀분석 결과, 아파트 주택가격은 네트워크 특성, 인구 특성, 주거지역 특성, 접근성 특성, 도시공간구조 특성, 주거환경 특성 등 다양한 요인에 영향을 받는 것으로 나타났다. 세부적으로는 상호작용 지수, 생산가능인구비율, 65세 이상의 고령인구 비율, 총주택 수, 30년 이상의 노후주택 비율, 최근 5년 이내의 신규주택 비율, 아파트 비율, 지하철역 접근성, 근린공원 접근성, 도심과의 접근성, 상업지역 비율 대규모점포 수, 병원시설 수 등의 요인이 주택가격에 영향을 미치는 주요 요인으로 나타났다.

네트워크 특성 측면에서는 상호작용 지수가 높아질수록 아파트 주택가격 상승에 영향을 미치는 것으로 나타났다. 변수들의 영향 정도를 나타내는 표준화계수(β) 값이 0.102로 상대적으로 높은 영향력을 가진 것으로 분석되었다. 이는 네트워크 도시이론에 근거하여 도시 네트워크가 강화된 지역일수록 집적 경제효과와 동일 효과를 창출해냄으로써 기능적 보완성이 높아지고, 이는 지역의 시너지 효과를 창출하여 경쟁력 있는 지역으로의 성장확률이 증가함에 따른 결과로 판단할 수 있다. 상호작용 지수는 이론검토 및 현황분석에서 살펴본 바와 같이 인구 규모를 도시 규모 및 성장의 요소로 보는 기존의 관점에서 벗어나 해당 도시 간 상호보완적인 형태의 흐름이 강하게 형성되는 경우, 큰 도시 네트워크를 가지고 있다고 볼 수 있다. 이러한 분석 결과는 주변 지역과의 연계성이 점차 강화되고 있는 시점에서 상호작용 지수가 전통적인 주택가격 영향요인들과 함께 주요한 요인으로 작용할 수 있음을 보여주고 있다. 즉 이 연구에서 산출된 상호작용 지수는 도시 네트워크 여건이 높은 지역을 정량적으로 파악하고, 네트워크 도시가 가진 긍정적인 효과가 서울대도시권 내 아파트 주택가격에 영향을 미칠 수 있음을 실증 분석한 것이라 할 수 있다. 이에 네트워크 도시에 대한 실질적 논의가 가능하게 함으로써 지역 내 주택가격 안정화를 위한 주택공급 측면의 행정적 협력을 끌어낼 수 있을 것으로 판단된다.

인구 특성 측면에서는 생산가능인구가 적을수록, 고령인구가 적을수록 아파트 주택가격 상승에 유의한 영향을 미치는 것으로 분석되었다. 이와 같은 현상이 나타나는 것은 젊은 계층들의 경우 소득 및 자산축적의 정도가 다른 연령에 비해 낮아 주택구입 자체를 고려하지 않기 때문이라 판단된다. 또한, 서울의 높은 주택가격 형성으로 서울대도시권으로의 인구 유출이 지속되고 있으며, 읍·면과 같은 하위행정구역에서는 고령인구의 비율이 높게 나타나는데 이들 지역은 아파트 비율이 다른 지역에 비해 낮고, 단독·다가구 및 연립·다세대 비율이 상대적으로 높은 저층주거지이기 때문에 나타난 결과로 해석된다.

주거지역 특성 측면에서는 총주택 수가 적을수록, 30년 이상의 노후주택, 5년 이내 신규주택 비율, 아파트 비율이 높은 지역일수록 아파트 주택가격 상승에 영향을 미치며, 앞서 대도시를 대상으로 주택가격 영향요인을 살펴본 기존 선행연구 결과와 일치하는 것을 확인하였다. 특히, 30년 이상의 노후주택은 재개발·재건축 연한의 도래로 개발 기대심리가 주택가격 상승에 기인한 것으로 판단된다.

접근성 측면에서는 지하철역과 근린공원, 도심과의 접근성이 가까울수록 주택가격 상승에 영향을 미치는 것으로 도출되었다. 이는 다수의 연구결과와 유사한 결과로 지하철역 및 도심과의 접근성이 편리한 지역들은 주택의 효용을 극대화하기 위해 개발밀도 상승, 비주거용 건물의 개발 수요의 증대로 토지이용 복합화가 이루어질 수 있어(성현곤, 2011), 이러한 토지이용의 변화가 주택가격 상승에 긍정적인 영향을 줄 것으로 판단할 수 있다. 또한, 근린공원과의 접근성은 시민 여가생활에 대한 양적, 질적 관심의 증가와 함께 여가 공간에 대한 중요성이 강조됨에 따른 결과로 볼 수 있다.

마지막으로 도시공간구조와 주거환경 특성 측면에서는 상업지역 비율이 낮을수록 대규모점포와 병원시설 수가 많을수록 주택가격 상승에 유의한 영향을 주는 것으로 분석되었다. 서울대도시권 내 상업지역은 다른 용도지역에 비해 아파트 비율이 낮게 형성됨에 따른 결과로 판단된다. 또한 대규모점포 및 병원시설에 관한 결과는 의료 등 편의시설과 관련한 요인들이 주택가격 상승에 유의한 영향을 미친다는 김민성·박세운(2014)의 연구 결과와 맥을 같이 한다.