동태적 패널모형을 활용한 시군구별 미분양률 영향요인 분석: 신규주택 공급 방식의 차별적 영향

Ⅰ. 서 론

최근 국내 주택시장에서 미분양 물량이 다시 증가하는 추세를 보이고 있다. 미분양 주택은 지역 주택시장의 수급 불균형과 시장 활력을 평가하는 지표로 활용되는데, 지역의 수요 수준을 초과하는 주택 공급이 이루어지거나 급격한 사회·경제적 변화로 수요가 위축될 때 증가하게 된다(강경애·김종진, 2017; 정진욱 외, 2019; 서범준 외, 2010). 국가데이터처(2025a)에 따르면 전국 미분양 주택의 수는 2024년 70,173호로 2013년 이후 최대치를 기록하였으며, 비수도권의 경우 2024년 53,176호를 나타내며 전체 미분양 주택의 상당 부분(76%)을 차지하고 있다.

미분양 주택은 공가(vacant house)의 성격을 지니고 있어 주택 공급에 대한 가격 조절 기능을 수행한다는 점에서 긍정적으로 평가되기도 한다(Arnott, 1989; 정창무·김지순, 2005). 그러나 과도한 공가율(hypervacancy)은 지역 쇠퇴 위험을 높이고, 도시 기능을 저하시킬 수 있어 우려의 대상이 된다(Gabriel and Nothaft, 2001; Mallach, 2018). 특히, 선분양이 제도화된 국내 주택시장에서 미분양의 장기화는 건설사의 재무 건전성 악화, 부동산 관련 산업 침체, 금융 리스크 확대 등 사회·경제적 비용을 유발할 수 있다(정진욱 외, 2019). 더욱이 건설업에 대한 경제 의존도가 높은 비수도권 지역에서는 미분양 증가가 건설업체의 경영악화와 주택공급 위축으로 이어져 지역사회 전반에 더 심각한 영향을 미칠 수 있다는 점도 지적된다(허재완·김은경, 2009).

미분양의 영향요인과 관련하여 선행연구들은 주로 전국 단위의 시계열 분석이나 시·도 단위의 광역 분석을 통해 이를 규명해 왔다. 이들 연구는 이자율, 금리 등 거시경제 변수(강경애·김종진, 2017; 양지영, 2024), 주택 매매가격, 매매가격 증감률, 전세가격 등 주택가격 관련 변수(김상기 외, 2010; 서범준 외, 2010; 김주영·신우진, 2011; 김리영·서원석, 2020), 그리고 택지 공급량, 아파트 거래량 등 주택공급 관련 변수(서범준 외, 2010; 허재완·김은경, 2009; 김리영·서원석, 2020)를 주요 결정요인으로 제시하였다. 그러나 기존 연구에서는 대부분 광역적 수준에서 분석이 이루어져 시군구 단위의 공간적 이질성을 반영하지 못하였으며, 도시개발사업이나 정비사업의 비중과 같이 지역별 신규 주택 공급 방식의 차이를 실증적으로 분석한 연구는 찾아보기 어렵다.

이에 본 연구는 전국 시군구 단위의 미시적 공간 자료를 이용하여 지역별 주택시장에서 미분양률에 미치는 주요 영향 요인을 규명하고, 수도권과 비수도권의 차이를 비교하는 것을 목적으로 한다. 특히 본 연구에서는 신규 주택 공급 방식에 주목한다. 신규 주택 공급은 크게 미개발지의 신규 개발인 택지개발사업과 도시개발사업, 그리고 기개발지 정비를 통한 재개발·재건축 사업으로 구분할 수 있다. 한국국토정보공사(2025a)에 따르면 2023년 기준 수도권의 택지개발사업 면적(1km²)과 도시개발사업 면적(868km²)은 재개발·재건축을 포함한 전체 개발사업 면적의 54.8%를 차지한다. 반면 비수도권의 택지개발사업 면적(13km²)과 도시개발사업 면적(1,117km²)은 70.8%에 달해 상대적으로 비수도권에서 미개발지의 신규 개발사업 비중이 높은 것을 알 수 있다. 이러한 공급 방식의 차이는 입지 특성과 기반시설의 성숙도 측면에도 차이를 나타내며 주택 수요 흡수력의 차이로 이어질 수 있다.

본 연구에서는 주택 공급 물량뿐만 아니라 공급 방식과 입지 적합성이 미분양률에 미치는 영향을 종합적으로 규명하기 위해 다음과 같이 진행된다. 제Ⅱ장에서는 미분양 관련 선행연구를 검토하고, 제Ⅲ장에서는 전국 시군구 단위의 미분양 현황을 분석한다. 제Ⅳ장에서는 분석방법 및 변수 설정에 대해 설명하고, 제Ⅴ장에서는 동태적 패널모형을 활용한 실증분석 결과를 제시한다. 마지막으로 제Ⅵ장에서는 지역별 미분양률에 대한 신규주택 공급 방식의 영향을 논의하고 정책적 시사점을 제시한다.

Ⅱ. 미분양 관련 선행연구 검토

미분양 주택은 주택건설업자가 입주자 모집공고를 통해 분양을 시행했으나 분양 계약이 체결되지 않은 세대를 의미한다(허재완·김은경, 2009). 주택시장에서 미분양은 일반적으로 수요를 상회하는 공급이 발생했거나, 공급 수준이 적정함에도 불구하고 사회·경제적 충격으로 수요가 감소하는 경우에 발생한다. 특히 아파트 개발사업은 토지 매입부터 준공에 이르기까지 장기간이 소요되기 때문에 지역별 시장 상황에 맞추어 수급 균형을 적시에 조정하기 어려운 구조적 한계를 지닌다(강경애·김종진, 2017). 이러한 특성으로 인해 실제 입주시점에 시장이 침체기에 접어들 경우, 수요 감소로 인해 미분양이 급증하는 현상이 발생할 수 있다(정진욱 외, 2019).

주택시장의 조정 메커니즘과 관련하여 Dispasquale and Wheaton(1992)는 주택시장이 자산시장(asset market)과 실물주택시장(property market)으로 구성되어 상호 연계되어 있음을 강조한다. 실물주택시장에서 주거 서비스에 대한 비용인 임대료가 결정되면, 자산시장에서 주택의 가격과 건설 규모가 결정되고 다시 실물주택시장에서 재고 조정 과정을 통해 주거 서비스의 공급량이 결정된다. 이때 신규 주택의 건설 규모는 자산시장에서 형성된 주택가격과 건설 비용에 의해 결정되는데, 건설에는 일정한 시차가 존재하므로 단기적으로는 시장의 불일치가 발생한다. 결국 주택시장은 시장 참여자들의 의사결정 행태를 반영하며 조정 과정(adjustment process)을 거쳐 장기적 균형을 이루게 되지만, 단기적으로는 이러한 불일치가 미분양 주택의 형태로 나타나게 된다(서범준 외, 2010; 정창무·김지순, 2005).

미분양 주택에 관련한 실증 연구는 2000년대 이후 꾸준히 축적되어 왔다. 먼저, 거시경제 변수를 활용한 시계열 분석 연구에서는 금리, 물가, 통화량 등 거시지표와 미분양 간의 관계가 주로 논의되었다. 정창무·김지순(2005)은 서울시를 대상으로 미분양 재고와 금리 상승으로 인한 기회비용 증가가 미분양을 유발할 수 있음을 실증적으로 확인하였다. 김상기 외(2010)는 전국 단위의 미분양 주택 수와 주택매매가격, 주택전세가격 간의 관계를 벡터오차수정모형(VECM)을 통해 분석한 결과, 전세가격보다 매매가격이 미분양 변동에 더 큰 영향을 미친다고 밝혔다. 강경애·김종진(2017) 역시 이자율, GDP, 총통화 변동률, 소비자물가지수, 환율 등의 변수를 VECM으로 분석하여, 총통화량과 이자율이 미분양 증가에 유의미한 영향을 미치는 요인임을 확인하였다.

시기별 원인 변화를 분석한 연구도 이어졌다. 허재완·김은경(2009)은 미분양 급증 시기를 1차(1995년), 2차(1998년), 3차(2008년)로 구분하고, 각각의 배경을 무분별한 택지 공급(1차), IMF 외환위기로 인한 수요 위축(2차), 글로벌 금융위기와 정부의 수요 억제 정책(3차)으로 제시하였다. 또한 시간이 지남에 따라 중대형 평형과 장기 악성 미분양의 비중이 증가하는 경향을 지적하였다. 최근 양지영(2024)은 글로벌 금융위기 시기와 포스트 코로나 시기를 비교하여 VECM 분석을 수행한 결과, 대출금리가 미분양 주택에 가장 큰 영향을 미쳤으며, 각 시기별로는 금융위기 시기에 환율이, 포스트 코로나 시기에 M2 통화량이 각각 유의미한 변수로 확인되었다.

한편, 지역별 특성에 주목한 연구도 활발히 진행되었다. 정진욱 외(2019)는 산업 쇠퇴와 인구 유출로 미분양이 심각한 창원시를 사례로 2016년을 기점으로 전·후를 비교한 결과, 2016년 이전에는 아파트 매매가격 증감률이, 이후에는 아파트 거래량 증감률이 주요 변수로 나타났다. 김리영·서원석(2020)은 미분양이 빠르게 해소되는 지역(경기도)과 해소되지 않는 지역(경상남도)을 비교하여, 경기도에서는 주택 소비 심리와 분양가격이, 경상남도에서는 지역 경제 상황, 특히 실업률이 결정적 요인임을 밝혔다. 장호관·이상엽(2021)은 부산광역시를 대상으로 로지스틱 회귀분석을 실시하여, 세대수가 많고 1군 건설사가 시공하며 전용면적이 넓을수록 미분양 발생 확률이 낮아진다는 결과를 도출하였다.

전국 단위를 대상으로 한 패널 분석 연구도 수행되었다. 서범준 외(2010)는 광역시·도 단위의 동태적 패널모형을 적용하여, 이전 시점(전기) 택지 공급량 증가와 현재 시점(동기) 주택 매매가격 증가율 하락이 미분양 증가에 유의미한 영향을 미친다고 분석하였다. 김주영·신우진(2011)은 수도권과 비수도권의 미분양 양상이 다르며, 특히 주택가격 상승률이 낮고 제조업 중심인 비수도권 도시에서 미분양 집중 가능성이 높다고 밝혔다. 김대원·유정석(2014)은 패널 고정효과 모형을 통해 담보대출 금리 상승이 미분양률을 높이는 반면, 전기 매매가격 상승은 투자 심리를 자극하여 미분양률을 낮추는 효과가 있음을 보였다.

지금까지의 선행연구들을 종합해보면 기존 연구들은 이자율, 금리, 매매가격 증감률 등 가격 및 거시경제 요인과 함께, 택지 공급량, 아파트 거래량, 지역 경제 환경 등 공급·개발 요인이 미분양 발생에 유의미한 영향을 미친다고 보고한다. 그러나 대부분 시·도 단위의 광역 분석이나 특정 지역 사례에 국한되어 있어, 최근 심화되고 있는 미분양 문제를 전국 시군구 수준에서 지역별 특성을 비교·분석한 연구는 이루어진 바 없다. 이에 본 연구는 수도권과 비수도권의 주택시장 특성 차이에 주목하여, 전국 시군구를 대상으로 지역별 특성에 따른 미분양 발생 요인을 분석하고자 한다.

Ⅲ. 미분양 주택 현황 및 분포특성

최근 10년간 전국 공동주택 미분양 호수의 변화를 살펴보면(Figure 1), 2013년 61,091호를 기록한 이후 보합세를 유지하다가 2018년을 기점으로 감소세로 전환되어 2021년에는 17,710호까지 줄어들었다. 그러나 이후 다시 급격히 증가하여 2024년에는 70,173호를 기록하면서 10년 전 수준을 넘어선 것으로 확인되었다. 지역별로는 수도권보다 비수도권에서 미분양 증가세가 더욱 두드러졌다. 2013년 전국 미분양의 46%를 차지하던 비수도권 비중은 이후 꾸준히 상승하여 미분양 총호수가 적었던 2021년에는 91%에 달했다. 비수도권의 미분양 비중은 여전히 높은데 2024년에는 전국 미분양의 76%를 기록하고 있다. 이러한 사실은 미분양 문제가 특히 비수도권에서 심각하게 나타나고 있음을 보여준다.

Figure 1.

Trends in the number of unsold housing unitsSource: https://data.molit.go.kr/

국토교통부의 미분양주택 현황보고에 따르면(국토교통부, 2025a), 2023년 기준 시군구별 연간 평균 미분양 주택 수는 경상북도 포항시(4,908호)가 가장 많았으며, 이어 대구광역시 남구(2,663호), 충청남도 천안시(2,579호), 대구광역시 달서구(2,348호) 순으로 나타났다(Figure 2(a)). 이들 지역은 대부분 비수도권에 위치한 광역시 또는 중소도시에 해당한다. 그러나 절대적인 미분양 주택 수는 지역의 주택 공급 규모에 따라 크게 달라질 수 있으므로, 지역 주택시장의 실태를 정확히 확인하기 위해서는 주택 재고 대비 미분양 비율을 살펴볼 필요가 있다.

Figure 2.

Spatial visualization of unsold housing units and ratesSource: https://data.molit.go.kr/

미분양률은 지역별 공동주택의 재고수 대비 미분양 세대수를 의미한다. 2023년 기준 시군구별 미분양률을 살펴보면 전라남도 함평군(10.1%), 대구광역시 남구(10.0%), 충청북도 옥천군(8.6%) 등이 상대적으로 높은 수치를 나타냈다(Figure 2(b)). 미분양률이 1%를 초과하는 시군구는 비수도권의 경우 43개에 달했으며, 수도권에서는 경기도 연천군(2.4%), 안성시(1.7%), 양주시(1.0%)가 해당할 뿐, 대부분 지역은 미분양률 1% 이하로 나타났다. 이러한 결과는 주택시장 규모를 고려하더라도 비수도권에서 미분양 문제가 구조적으로 심각하게 나타나고 있음을 보여준다.

Ⅳ. 분석방법 및 변수 설정

2. 변수의 구성 및 기초통계

본 연구는 전국 229개 시군구의 9개년(2015~2023년) 동안 연간 패널 자료를 사용하여 분석을 수행하였다. 종속변수인 미분양률은 주택도시보증공사의 미분양관리지역 선정기준을 참고하여 공동주택의 시군구별 재고수 대비 미분양 세대수로 산정하였다. 미분양률 계산을 위한 미분양 호수는 통계청의 월별 미분양 자료로부터 연평균 미분양 수를 산출하였으며(국토교통부, 2025a), 총재고주택은 통계청의 주택총조사 자료로부터 시군구별 주택 중 단독주택 및 비거주용 건물 내 주택을 제외한 공동주택 호수로 산정하였다(국가데이터처, 2025b). 독립변수는 선행연구에서 통계적으로 유의미하다고 확인된 변수 중 연구 목적과 자료 가용성을 고려하여 선정하였으며, 통계청 주택총조사 자료의 구득 가능 기간을 고려하여 2015년부터 분석 기간을 설정하였다. 각 독립변수는 <Table 1>과 같이 개발(development) 변수, 경제(economic) 변수, 시차(lagged) 변수로 구성하였다.

Table 1.

Data description and source

먼저, 개발변수에는 연간 세대수 증감률, 연간 아파트 거래 수 증감률, 신규주택 비율, 택지개발사업 면적, 도시개발사업 면적, 정비사업 면적 변수가 포함되었다. 먼저, 연간 세대수 증감률(HH_chg)은 통계청의 시군구별 주민등록 세대수 기준으로 전년 대비 당해연도 증감률로 산정하였다(행정안전부, 2025). 세대수의 변화는 주택 수요와 주택 가격에 영향을 미치며(장영길 외, 2021), 이에 따라 미분양 수에도 영향을 줄 것으로 예상된다. 연간 아파트 거래 수 증감률(Trans_chg)은 국토교통부 실거래가 공개시스템에서 전년 대비 당해연도의 아파트 거래 수 증감률을 산출하여 사용하였다(국토교통부, 2025b). 정진욱 외(2019)는 창원시 사례 분석에서 대규모 주택건설 인허가로 인한 아파트 거래량 변화가 악성 미분양에 가장 큰 영향을 미치고 있음을 실증한 바 있다. 신규주택 비율(New_pct)은 통계청의 주택총조사 자료를 이용하여(국가데이터처, 2025b), 시군구별 전체 아파트 재고 대비 최근 5년 이내 준공된 신축 아파트 재고 비율로 산정하였다. 신규주택 아파트의 기준연도는 신규주택 및 노후 주택의 공간적 분포를 연구한 Yang(2020)의 연구를 준용하여 준공 후 5년 이내의 아파트를 신축 아파트로 분류하였다.

택지개발사업 면적(Sitedev_ar)과 도시개발사업 면적(Urdev_ar)은 미개발지에서의 신규주택 공급을 대리(proxy)하기 위해 변수로 구성하였고, 재개발·재건축 사업 면적(Redev_ar)은 기개발지에서 정비를 통한 신규주택 공급 방식을 반영하기 위해 포함하였다. 서범준 외(2010)는 택지 공급량 증가가 미분양 확대를 초래한다는 실증 결과를 통해, 택지개발사업 면적의 확대가 과도한 주택 공급으로 이어질 수 있음을 지적한 바 있다. 본 연구에서는 민간 주체도 적극적으로 참여할 수 있는 도시개발사업이 최근 더욱 활발히 추진되고 있는 점에 주목하여 도시개발사업 면적을 변수로 함께 활용하였다. 먼저, 택지개발사업 면적은 택지정보시스템 자료를 활용하여 해당 지역의 개발 규모의 변화를 반영할 수 있도록 최근 5년간 시군구별 택지개발사업 면적의 연간 평균값을 산출하였다(한국국토정보공사, 2025b). 도시개발사업과 재개발·재건축사업 면적은 통계청의 개발 및 정비 사업현황 자료를 사용하여 최근 5년간 시군구별 연간 평균값을 산출하였다(한국국토정보공사, 2025c; 한국국토정보공사, 2025d).

경제변수에는 매매가격지수, 전세가격지수, 매매가격지수 증감률, 제조업 종사자 수 비율, 금리변동률을 포함하였다. 매매가격지수(Sale_idx)와 전세가격지수(Jeonse_idx)는 KB부동산 데이터 허브에서 제공하는 월별 자료를 연도별 평균값으로 환산하여 활용하였다(KB 국민은행, 2025). 매매가격지수는 현재 주택시장의 매매가격 수준을 대리하기 위한 것으로 주택시장의 높은 매매가격은 분양 주택의 수요 증가를 야기할 수 있다(정창무·김지순, 2005; 김상기 외, 2010; 정진욱 외, 2019). 전세가격지수는 임대시장의 주거비용을 대리할 수 있으며, 주거비용의 변화는 미분양 수요에 영향을 미칠 수 있다(김상기 외, 2010; 정진욱 외, 2019; 양지영, 2024). 매매가격지수 증감률(Sale_chg)은 가격 변동 속도를 반영하는 지표로 김대원·유정석(2014)은 1기 시차에서, 서범준 외(2010)는 동일 기에서 각각 미분양률에 음(-)의 영향을 미친다고 보고한 바 있다. 이는 매매가격 상승이 투자자에게 긍정적 신호로 작용하여 주택 구매를 촉진하고, 결과적으로 미분양을 감소시키는 효과가 있음을 시사한다.

제조업 종사자 수 비율(Emp_pct)은 지역의 산업 구조를 나타내는 지표로서 김주영·신우진(2011)에 따르면 지역산업이 제조업 중심으로 이루어진 경우 미분양 주택 수가 증가하는 경향이 있음을 실증한 바 있다. 제조업 종사자 수 비율은 국가데이터처(2025c)를 이용하여 시군구별 총종사자 수 대비 제조업 종사자 수 비율로 산출하였다. 금리변동률은 한국은행의 주택담보대출 금리 자료를 이용하여 전년 대비 변동률을 산출하였다(한국은행, 2025). 대출금리 상승은 주택 구매자의 자금 부담을 높여 수요를 위축시키는 요인으로 작용하며, 이러한 특성은 다수의 선행연구에서 확인되고 있다(정창무·김지순, 2005; 김대원·유정석, 2014; 김리영·서원석, 2020; 김성우·정건섭, 2022; 양지영, 2024).

마지막으로 시차변수는 미분양률 1기와 2기 시차변수를 사용하였다. 미분양은 누적 특성을 가지며, 이전 시점의 미분양 규모가 현재 시점에 영향을 미칠 수 있다(정창무·김지순, 2005; 서범준 외, 2010). 이를 반영하기 위해 종속변수의 1기 및 2기 시차를 설명변수에 포함하고 지역별 조정속도의 차이를 통제하고자 하였다. 그 외에도 인구증감률, 종사자 수, GRDP, 총통화량 등의 변수도 고려했으나, 다중공선성과 모델 적합성 문제로 제외하였다.

<Table 2>는 전체(pooling) 자료에 대한 변수별 기초통계량을 보여준다. 시계열 관측 기간은 2015년부터 2023년까지 총 9년이며, 패널 자료의 전체 관측치는 229개의 시군구를 포함하여 총 2,061개로 구성된다. 미분양률은 평균 0.60%로, 최소 0%에서 최대 21.66%까지 나타나는 것을 알 수 있다. 신규주택 공급 특성을 반영하는 개발사업 면적 변수들은 분포의 편차가 큰 특성을 고려하여 로그변환 후 분석에 사용하였다. 또한 매매가격지수와 전세가격지수는 변수 단위의 스케일링(scaling)을 위해 100을 나누었으며 이에 따라 기준값을 1로 두어 해석할 필요가 있다.

Table 2.

Descriptive statistics

Ⅴ. 실증분석 결과

<Table 3>은 동태적 패널모형을 이용하여 전국, 수도권, 비수도권의 미분양률 결정 요인을 추정한 결과이다. Sargan 검정 및 AR(2) 검정 결과, 모든 분석모형에서 P-value가 통계적 유의수준보다 높게 나타나 귀무가설이 기각되지 않았으며, 도구변수의 유효성 및 모형의 타당성이 확인되었다. Lag 변수의 경우 모든 모형에서 1기 Lag 변수가 양의 값으로 유의미한 결과를 보였다. 이러한 결과는 미분양이 누적되는 특징을 지니며 이후 시점의 미분양 발생에도 지속적으로 영향을 미친다는 점을 보여준다(정창무·김지순, 2005; 서범준 외, 2010), 다만, 2기 시차 변수의 경우 미분양 주택이 완화되는 방향으로 추정되었으나 수도권 모형에서는 통계적 유의성이 확인되지 않았다.

Table 3.

Estimation results of dynamic panel model

전국 모형(1)에서 미분양률에 유의한 양(+)의 영향을 미치는 요인으로는 신규주택 비율(New_pct)과 도시개발사업 면적(Urdev_ar)이 확인되었다. 신규주택 비율이 높은 지역은 단기간에 신규 주택 공급이 집중적으로 이루어진 지역으로, 이는 주택의 과잉공급으로 이어져 미분양을 초래한다는 기존 선행연구의 결과와 일치한다(윤익준·소성규, 2023). 또한 도시개발사업은 미개발지에 대한 신규 개발이라는 점에서 기존 인프라와의 연계성이 낮고 수요 예측이 어렵다고 지적하는 선행연구와 같이(조진우, 2016), 신규주택 공급비율이 일정할 때 도시개발사업 면적의 증가는 해당 지역의 미분양률을 높이는 데 유의미한 영향을 미치는 것으로 나타났다.

전국 모형에서 미분양률에 통계적으로 유의한 음(-)의 영향을 미치는 요인으로는 세대수 증감률(HH_chg), 재개발·재건축사업 면적(Redev_ar), 매매가격지수 증감률(Sale_chg)이 확인되었다. 세대수가 전년 대비 10%p 증가할 때 미분양률은 0.071%p 감소하는 것으로 나타났는데, 이는 세대수 증가가 주택 수요의 확대로 이어져 미분양을 완화하는 데 일정 부분 기여함을 보여준다. 재개발·재건축 사업은 기개발지의 정비라는 관점에서 안정적인 수요 기반 위에서 주택 공급이 이루어지기 때문에(김진수, 2017), 신규주택 공급비율이 일정할 때 재개발·재건축 사업 면적의 증가는 미분양을 감소시키는 것으로 해석될 수 있다. 또한 매매가격지수 증감률의 증가는 주택가격 상승에 대한 기대감으로 이어져 투자 수요를 확대하고 이로 인해 미분양을 감소시킨다는 점에서 기존 연구와 일치하는 결과를 보여준다(서범준 외, 2010; 김대원·유정석, 2014).

수도권 모형(2)에서 미분양을 증가시키는 요인으로는 매매가격지수(Sale_idx)가 확인되었으며, 반대로 미분양을 감소시키는 요인으로는 세대수 증감률(HH_chg), 전세가격지수(Jeonse_idx), 재개발·재건축 사업 면적(Redev_ar)이 나타났다. 특히, 전국 모형과 달리 수도권에서는 매매가격지수와 전세가격지수가 통계적으로 유의미한 영향을 미치는 것으로 분석되었다. 수도권의 경우 주택 구매 시점의 높은 매매가격은 구매 수요를 위축시켜 미분양률 증가로 이어지는 것으로 해석된다(김성우·정건섭, 2022; 황관석 외, 2024). 반면, 전세가격의 상승은 미분양률 감소에 기여하는 것으로 나타났는데, 매매가격지수가 동일할 때 전세가격지수가 높아지면 전세수요가 매매수요로 이동하여 미분양 감소로 이어지는 것으로 이해할 수 있다. 실제 전세가격 상승은 임대시장에서의 높은 주거 비용으로 여겨져 매매수요로의 전환에 영향을 미치는 것으로 알려져 있다(김주영·신우진, 2014).

비수도권 모형(3)에서 미분양률을 증가시키는 요인으로는 신규주택 비율(New_pct)과 도시개발사업 면적(Urdev_ar)이 확인되었으며, 반대로 미분양률을 감소시키는 요인으로는 세대수 증감률(HH_chg), 매매가격지수 증감률(Sale_chg)이 나타났다. 비수도권의 미분양 문제는 주로 도시개발사업과 연계된 신규주택의 과잉공급으로 해석할 수 있다. 서범준 외(2010)는 비수도권의 택지개발사업이 지역 내 주택 수요를 충분히 고려하지 않은 채 과도하게 확장됨으로써 미분양을 초래한다고 지적한 바 있다. 본 연구의 결과는 이러한 연구 결과의 연장선에서 최근 활발히 추진되고 있는 미개발지에서의 도시개발사업 역시 실제 수요를 초과하는 공급을 유발하여 미분양의 주요 원인으로 작용하고 있음을 시사한다.

본 연구에서는 아파트 거래 수 증감률(Trans_chg), 택지개발사업 면적(Sitedev_ar), 제조업 종사자 수 비율(Emp_pct), 금리변동률(Int_chg) 변수가 미분양률에 통계적으로 유의한 영향을 미치지 않는 것으로 나타났다. 아파트 거래 수 증감률의 경우 도시개발 등 개발사업 면적과 신규주택 비율을 직접 변수화하였기 때문에 아파트 거래량의 증감이 미분양률에 미치는 영향이 제한적으로 나타난 것으로 보인다. 택지개발사업 면적은 과거와 달리 택지개발사업의 규모가 현저히 감소하여 미분양률에 유의미한 영향을 미치지 않는 것으로 판단된다. 실제 2023년 기준 전국의 택지개발사업 면적은 1.4km²에 불과해 도시개발사업 면적(198.5km²)과 재개발·재건축 사업 면적(111.2km²)에 비해 상대적으로 매우 낮은 수준을 보이고 있다. 제조업 종사자 수 비율 또한 산업 구조가 과거에 비해 다변화·복합화되면서 지역의 제조업 중심성 여부가 미분양률에 유의미한 영향을 미치지 않은 것으로 해석된다. 마지막으로 금리변동률은 전국 단위의 시계열 분석을 수행한 기존 선행연구에서 중요한 설명요인으로 제시되었으나, 시군구의 미시적 공간 단위로 분석한 본 연구에서는 지역 간 이질성의 영향으로 통계적 유의성이 나타나지 않은 것으로 판단된다.

Ⅵ. 결론 및 시사점

본 연구는 신규주택 공급 방식이 지역별 미분양률에 미치는 영향을 규명하기 위하여 2015년부터 2023년까지 전국 시군구 단위의 연간 패널데이터를 활용하여 실증분석을 수행하였다. 특히 미분양은 누적된 물량이 이후 시점의 미분양에도 영향을 미칠 수 있다는 점에서 종속변수의 축차적 특성을 반영할 수 있는 동태적 패널모형을 적용하여 분석을 수행하였다. 분석 결과, 수도권과 비수도권에서 미분양에 영향을 미치는 요인은 구별되는 특징을 지니는 것으로 나타났으며, 주요 분석 결과는 다음과 같다.

세대수의 증가는 모든 모형에서 미분양률을 낮추는 유의미한 요인으로 확인되었으며, 신규주택 비율의 증가는 특히 비수도권에서 미분양률을 높이는 유의미한 요인으로 확인되었다. 이러한 결과는 특정 지역에서 신규 주택 공급이 단기간에 집중될 경우, 해당 지역의 수요 수준을 초과하는 과잉 공급이 발생하게 되어 그 결과 미분양이 확대된다는 기존 연구결과를 뒷받침한다(윤익준·소성규, 2023). 비수도권 지역에서 신규주택 비율이 10%p 증가할 때 미분양률은 0.125%p 상승하는 것으로 나타났는데, 세대수 증가가 동일하더라도 신규주택 공급에 따른 미분양률의 증가가 수도권보다 비수도권에서 민감하게 반응하고 있음을 보여준다.

도시개발사업 면적과 재개발·재건축 사업 면적은 미분양률에 상이한 영향을 미치는 것으로 나타났다. 전국 모형의 분석 결과, 신규주택 공급 비율이 동일할 때 도시개발사업 면적은 미분양률에 유의한 양(+)의 영향을 미친 반면, 재개발·재건축 사업 면적은 유의한 음(-)의 영향을 보였다. 이러한 영향은 지역별로도 차이를 나타냈다. 수도권 모형에서는 재개발·재건축 사업의 면적만이 미분양률에 통계적으로 유의한 음(-)의 영향을 미쳤는데, 이는 수도권에서의 정비사업이 수요가 충분하고 사업성이 확보된 지역을 중심으로 추진되기 때문으로 해석할 수 있다(송기백, 2010). 반면, 비수도권 모형에서는 도시개발사업 면적 변수만 미분양률에 유의한 양(+)의 영향을 나타냈다. 이는 도시개발사업의 비중이 상대적으로 높은 비수도권의 경우 미개발지에서의 과도한 신규 개발이 미분양 문제를 심화시킬 수 있음을 보여주며, 향후 사회적 비용을 고려하여 미개발지보다는 기개발지를 활용한 주택 공급 전략이 필요함을 시사한다.

주택가격 변수와 관련하여 수도권에서는 매매가격지수와 전세가격지수가 미분양률에 유의한 영향을 미치는 것으로 나타났다. 매매가격지수가 높을수록 분양 가격에 대한 구매력이 저하되어 미분양률이 증가하는 반면, 전세가격이 높을수록 분양 가격에 대한 상대적 매력도가 상승하여 매매 수요로 전환됨으로써 미분양률이 감소하는 것으로 해석된다. 이는 수도권 주택 구매자의 경우 구매 시점의 매매가격 수준과 임대시장에서의 주거비용이 신규주택 구매 결정에 중요한 영향을 미친다는 점을 보여준다. 이와 달리 비수도권 모형에서는 매매가격지수와 전세가격지수는 유의하지 않았으며, 매매가격지수 증감률이 통계적으로 유의한 영향을 미쳤다. 이는 주택가격 상승에 대한 기대가 투자 수요를 확대하고(서범준 외, 2010; 김대원·유정석, 2014), 결과적으로 미분양률 감소로 이어졌음을 의미한다. 이러한 분석 결과는 비수도권 주택시장이 투자 수요의 영향을 받는 구조적 특성을 지니고 있음을 확인시켜 준다.

본 연구는 실증분석 결과를 바탕으로 다음과 같은 시사점을 제시한다. 첫째, 수도권에서는 현재의 주택가격이 낮을수록, 비수도권에서는 주택의 미래 기대가격이 높을수록 미분양이 감소하는 경향이 확인되었다. 이는 동일한 미분양 현상이라도 수도권과 비수도권의 주택시장이 상이한 수요 구조와 기대 형성 방식에 의해 작동하고 있음을 보여준다. 특히 비수도권에서 미래 기대가격이 미분양률의 결정적 요인으로 작용한다는 것은 주택 구매 결정이 향후 자산가치 상승에 대한 기대, 즉 투자 수요에 크게 의존하고 있음을 의미한다. 이러한 사실은 지역의 인구감소나 경제기반이 약화될 경우 미분양이 급격히 누적될 위험이 있다는 점을 보여주며, 이에 대응하기 위해서는 주택 공급 조절뿐 아니라 지역 활력 제고와 연계된 종합적 접근이 필요함을 시사한다.

둘째, 최근 비수도권에서 증가하고 있는 도시개발 사업은 미분양률을 높이는 주요 요인임을 확인하였다. 기존 선행연구에 따르면, 도시개발사업이 목표 인구를 과도하게 설정하여 주택 개발규모를 실제 수요보다 과대 추정하는 경향이 있으며(안홍기 외, 2014), 이러한 실수요와 추정수요 간 괴리는 과잉 개발과 재정 낭비로 이어질 수 있음이 지적되고 있다(조진우, 2021). 저성장·인구감소 시대에 부합하지 않는 제도적 틀 속에서 과도한 개발이 지속되고 있다는 비판(고영구·허재완, 2015)을 고려할 때, 주택 수요 예측의 정밀도를 제고하고 미개발지에서의 신규 개발보다는 기존 주택의 정비와 활용을 촉진할 수 있는 제도적 인센티브에 대한 사회적 논의가 이루어질 필요가 있다.

셋째, 도시개발사업과 달리, 기개발지에서 추진되는 재개발·재건축 정비사업은 미분양률을 유의미하게 낮추는 것으로 나타났다. 이러한 결과는 주택 공급의 입지 특성을 고려할 수 있도록 주택 정책(housing policy)과 주택의 입지를 결정하는 공간계획(spatial planning) 간의 연계 강화가 이루어질 필요가 있음을 시사한다. 현재와 같이 주택 건설 인허가와 도시 구조를 결정하는 공간계획이 분리되어 운영될 경우, 사회적 비용이 고려되지 않은 채 미개발지에서 신규 개발이 지속될 우려가 있다. 인구 감소가 심화되는 상황에서 도심 공동화라는 사회적 문제를 사전에 예방하기 위해서는 주택정책과 공간계획이 유기적으로 결합되어, 미시적 공간 단위에서 신규 개발 규모를 합리적으로 결정할 필요가 있다. 도시 내 신규 주택 수요가 기존 시가지의 정비사업으로 유도될 때, 도시 전체의 사회적 비용을 최소화하고 지속가능한 도시가 조성될 수 있다.

본 연구는 지역별 특성에 따른 미분양 영향요인을 밝히는 데 기여하였으나 다음과 같은 한계를 갖는다. 먼저, 시계열 변화에 따른 정책적 요인을 반영하지 못하였다. 향후 미분양 해소를 위한 다양한 정책 변수를 모형에 포함함으로써 정책의 효과성을 실증할 필요가 있다. 또한 본 연구는 주택시장 특성을 고려하여 전국, 수도권, 비수도권으로 지역을 구분하여 분석하였으나, 장기간 미분양이 적체된 지역의 특수한 상황을 충분히 포착하지는 못하였다. 향후 연구에서 미분양 장기 적체 지역에 대한 심층 분석을 수행한다면, 미분양 장기화의 원인을 규명하고 보다 효과적인 정책대안을 제시할 수 있을 것으로 기대한다.

Acknowledgments

본 논문은 2025년 대한국토·도시계획학회 춘계산학학술대회에서 우수논문상을 수상한 연구를 수정·보완한 것임.

References

• 강경애·김종진, 2017. “거시경제의 변화가 주택미분양에 미치는 영향에 관한 연구”, 「주거환경」, 15(2): 193-207.
  Kang, K.A. and Kim, J.J., 2017. “A Study on the Factors Affecting Unsold House in the Changes of Macro-economic Variables”, Journal of The Residential Environment Institute of Korea, 15(2): 193-207. [https://doi.org/10.22313/reik.2017.15.2.193]
• 고영구·허재완, 2015. “인구감소시대, 과잉개발의 문제와 정책 방향”, 「한국지역경제연구」, 13(3): 87-103.
  Ko. Y.K., and Hur, J.W., 2015. “Problems of Overdevelopment and Policy Directions in Population-Declining Era”, Journal of Korea Regional Economics, 13(3): 87-103.
• 김대원·유정석, 2014. “패널분석을 이용한 지역별 미분양률 결정 모형 개발 및 적용 연구”, 「주택연구」, 22(1): 151-180.
  Kim, D.W. and Yoo, J.S., 2014. “The Development of Housing Unsold Ratio Determinants Model and Applications”, Housing Studies Review, 22(1): 151-180.
• 김리영·서원석, 2020. “벡터오차수정모형을 이용한 하위시장별 주택미분양 영향요인 분석: 경기도와 경상남도의 분양 및 재고시장을 중심으로”, 「감정평가학 논집」, 19(1): 75-100.
  Kim, L.Y. and Seo, W.S., 2020. “Analyzing Factors Affecting Unsold Housing Stock by Submarket Using VECM: Focusing on New Apartment Sales Market and Resale Market in Gyeonggi and Gyeongnam Provinces”, Appraisal Studies, 19(1): 75-100. [https://doi.org/10.23843/as.19.1.4]
• 김상기·이상효·김재준, 2010. “주택매매가격 및 전세가격과 미분양주택량의 관계성 분석”, 「대한건축학회 논문집-계획계」, 26(1): 278-285.
  Kim, S.K., Lee, S.H., and Kim, J.J., 2010. “The Influence of the Housing Transaction and Jeonse Rental Price Upon the Fluctuation of the Unsold Housing Stocks”, Journal of the Architectural Institute of Korea - Planning Section, 26(1): 278-285.
• 김성우·정건섭, 2022. “패널 모형을 이용한 신축아파트의 판매량과 분양 계약률에 관한 연구”, 「한국비교정부학보」, 26(3): 207-218.
  Kim, S.W. and Jeong, G.S., 2022. “A Study on the Number of New Apartment Contracts and Sales Contract Rate Using Panel Model”, Korean Comparative Government Review, 26(3): 207-218.
• 김원대·정영우, 2020. “GMM을 활용한 회생종결기업의 종결전·후 경영정상화 분석”, 「경영경제연구」, 42(3): 27-55.
  Kim, W.D. and Jung, Y.W., 2020. “The Analysis of the Rehabilitation Effects on the Reorganized Firms Using GMM”, Journal of Management and Economics, 42(3): 27-55.
• 김주영·신우진, 2011. “미분양 주택의 분포특성과 결정요인에 관한 연구”, 「지역연구」, 27(1): 83-97.
  Kim, J.Y. and Shin, W.J., 2011. “Analysis of Distribution Pattern and Determinants of Unsold Housings”, Journal of the Korean Regional Science Association, 27(1): 83-97.
• 김주영·신우진, 2014. “수도권 전세가격의 상승요인에 관한 연구”, 「부동산학연구」, 20(2): 5-16.
  Kim, J.Y. and Shin, W.J., 2014. “Factors of Rental Housing Price Increase on the Housing Market in Seoul Metropolitan Area”, Journal of the Korea Real Estate Analysts Association, 20(2): 5-16.
• 김진수, 2017. “재건축 재개발사업 개발이익 실증분석 연구”, 「부동산학보」, 69: 190-203.
  Kim, J.S., 2017. “A Study on the Empirical Analysis of the Development Profit in the Reconstruction and Redevelopment Projects”, Korea Real Estate Academy Review, 69: 190-203.
• 라정주·신원규, 2015. “금융이 중소기업에서 중견기업으로의 성장에 미치는 영향: 한국사례를 중심으로”, 「국제지역연구」, 24(4): 141-159.
  Ra, J.J. and Shin, W.G., 2015. “Financial Leverage, IPOs, and Trajectory of Firm Growth: The Case of South Korea”, Review of International and Area Studies, 24(4): 141-159.
• 서범준·이효중·정창무, 2010. “지역별 미분양 아파트 규모의 결정요인과 조정속도에 대한 실증분석: 부분조정 및 동태적 패널모형을 사용하여”, 「국토계획」, 45(7): 97-117.
  Seo, B.J., Lee, H.J., and Jung, C.M., 2010. “An Empirical Study on the Unsold New Apartment of Regional Housing Market Using Partial Adjustment and Dynamic Panel Model”, Journal of Korea Planning Association, 45(7): 97-117.
• 송기백, 2010. “도시재생을 위한 도시정비사업의 문제점 분석 및 제도개선 방향 연구”, 「대한건축학회 논문집-계획계」, 26(1): 307-314.
  Song, K.B., 2010. “The Study on Analyzing the Problems of Urban Improvement Projects and Improving the System for Urban Regeneration”, Journal of the Architectural Institute of Korea - Planning Section, 26(1): 307-314.
• 안홍기·서태성·박경현, 2014. 「지역개발사업의 과다수요추정 원인과 개선방안에 관한 연구」, 국토연구원.
  An, H.K., Seo, T.S., and Park, G.H., 2014. A Study on the Causes of Excess Demand Prediction and Its Improvement Measure for the Regional Development Projects, Korea Research Institute for Human Settlements.
• 양지영, 2024. “벡터오차수정모형을 이용한 시기별 미분양주택 영향요인 분석”, 「주택금융연구」, 8(1): 99-131.
  Yaung, G., 2024. “Factors Affecting the Volume of Unsold Housing by Period using Vector Error Correction Model (VECM)”, Housing Finance Research, 8(1): 99-131. [https://doi.org/10.52344/hfr.2024.8.1.99]
• 윤익준·소성규, 2023. “공공택지 조성 및 공급에 관한 법체계 개선방안”, 「부동산법학」, 27(1): 165-202.
  Yoon, I.J. and So, S.K., 2023. “A Study on the Improvement of the Legal System for the Development and Supply of Public Housing Sites”, Real Estate Law Review, 27(1): 165-202. [https://doi.org/10.32989/rel.2023.27.1.165]
• 장영길·장성대·임미화, 2021. “가구수와 주택공급량의 변동이 주택가격에 미치는 영향”, 「부동산연구」, 31(1): 51-65.
  Jang, Y.G., Jang, S.D., and Lim, M.H., 2021. “A Study on the Effect of Household and Housing Supply on House Price”, Korea Real Estate Review, 31(1): 51-65. [https://doi.org/10.35136/krer.31.1.4]
• 장호관·이상엽, 2021. “준공 후 미분양 아파트의 영향요인에 관한 연구: 부산광역시를 중심으로”, 「부동산연구」, 31(1): 7-18.
  Jang, H.G. and Lee, S.Y., 2021. “A Study on Factors Affecting Unsold Houses after Completion: Focused on Busan Metropolitan City”, Korea Real Estate Review, 31(1): 7-18. [https://doi.org/10.35136/krer.31.1.1]
• 정진욱·정상철·성주한, 2019. “창원시 준공 후 미분양 아파트의 결정요인에 관한 연구-2016년 이전과 이후 비교를 중심으로”, 「부동산학보」, 79: 135-150.
  Jung, J.W., Jung, S.C., and Sung, J.H., 2019. “A Study on Determinants of Unsold Apartment After Completion in Changwon City - Focused on Comparisons Before and After 2016 -", Korea Real Estate Academy Review, 79: 135-150. [https://doi.org/10.31303/KREAR.2019.79.135]
• 정창무·김지순, 2005. “주택시장에서의 미분양 아파트의 역할에 대한 실증분석”, 「국토계획」, 40(2): 81-91.
  Jung, C.M. and Kim, J.S., 2005. “The Role of Unsold new Housing Stocks in the Housing Market”, Journal of Korea Planning Association, 40(2): 81-91.
• 조진우, 2016. “혁신도시 개발사업의 문제점과 개선방안”, 「토지공법연구」, 73(2): 165-184.
  Cho, J.W., 2016. “Problems and Solutions of the Innovation City Development Project”, Public Land Law Review, 73(2): 165-184.
• 조진우, 2021. “도시기본계획에서 인구추정의 적정성 확보 방안 연구”, 「토지공법연구」, 96: 75-102.
  Cho, J.W., 2021. “A Study on Securing the Appropriateness of Population Estimation in the Urban Master Planning”, Public Land Law Review, 96: 75-102. [https://doi.org/10.30933/KPLLR.2021.96.75]
• 최영목, 2007. “동태적패널모형을 이용한 손해 보험의 위험인수 주기 분석”, 「보험개발연구」, 18(2): 45-78.
  Choi, Y.M., 2007. “An Analysis of Underwriting Cycles in Property-Liability Insurance Using Dynamic Panel Model”, Korea Insurance Development Institute, 18(2): 45-78.
• 허재완·김은경, 2009. “미분양주택의 시기별 분포특성 및 발생배경 비교”, 「부동산연구」, 19(2): 259-278.
  Heo, J.W. and Kim, E.K., 2009. “Inter-Temporal Comparison of the Characteristics and Backgrounds of Unsold Housings”, Korea Real Estate Review, 19(2): 259-278.
• 황관석·김지혜·권건우, 2024. “주택가격지수 가격변동 특성비교 연구”, 「부동산학연구」, 30(1): 21-35.
  Hwang, K.S., Kim, J.H., and Kwon, K.U., 2024. “A Study on Comparison of Price Fluctuation Characteristics of Housing Price Index”, Journal of the Korea Real Estate Analysts Association, 30(1): 21-35. [https://doi.org/10.19172/KREAA.30.1.2]
• Anderson, T.W. and Hsiao, C., 1981. “Estimation of Dynamic Models with Error Components”, Journal of the American Statistical Association, 76(375): 598-606. [https://doi.org/10.1080/01621459.1981.10477691]
• Arellano, M. and Bover, O., 1995. “Another Look at the Instrumental Variable Estimation of Error-Components Models”, Journal of Econometrics, 68(1): 29-51. [https://doi.org/10.1016/0304-4076(94)01642-D]
• Arnott, R., 1989. “Housing Vacancies, Thin Markets, and Idiosyncratic Tastes”, Journal of Real Estate Finance and Economics, 2: 5-30. [https://doi.org/10.1007/BF00161714]
• Blundell, R. and Bond, S., 1998. “Initial Conditions and Moment Restrictions in Dynamic Panel Data Models”, Journal of Econometrics, 87(1): 115-143. [https://doi.org/10.1016/S0304-4076(98)00009-8]
• DisPasquale, D. and Wheaton, W.C., 1992. “The Markets for Real Estate Assets and Space: A Conceptual Framework,” Real Estate Economics, 20(2): 181-198. [https://doi.org/10.1111/1540-6229.00579]
• Gabriel, S.A. and Nothaft, F.E., 2001. “Rental Housing Markets, the Incidence and Duration of Vacancy, and the Natural Vacancy Rate”, Journal of Urban Economics, 49(1): 121-149. [https://doi.org/10.1006/juec.2000.2187]
• Mallach, A., 2018. The Empty House Next Door: Understanding and Reducing Vacancy and Hypervacancy in the United States, Cambridge, MA, USA: Lincoln Institute of Land Policy.
• Yang, H.J., 2020. “Spatio-temporal Changes of Housing Features in Response to Urban Renewal Initiatives: The Case of Seoul”, Sustainability, 12(19): 7918. [https://doi.org/10.3390/su12197918]
• 국가데이터처, 2025a. “미분향현황 종합”, 국가통계포털, https://kosis.kr/statHtml/statHtml.do?orgId=116&tblId=DT_MLTM_2086&conn_path=I2
  Ministry of Data and Statistics (MDS), 2025a. “Report on the Status of Unsold Housing”, Korean Statistical Information Service, https://kosis.kr/statHtml/statHtml.do?orgId=116&tblId=DT_MLTM_2086&conn_path=I2
• 국가데이터처, 2025b. “주택의 종류, 연면적 및 건축연도별 주택”, 국가통계포털, https://kosis.kr/statHtml/statHtml.do?orgId=101&tblId=DT_1JU1520&conn_path=I2
  Ministry of Data and Statistics (MDS), 2025b, “Housing Census - Housing Type, Gross Floor Area, and Construction Year”, Korean Statistical Information Service, https://kosis.kr/statHtml/statHtml.do?orgId=101&tblId=DT_1JU1520&conn_path=I2
• 국가데이터처, 2025c. “행정구역별 통계: 산업별 종사자 수”, 통계지리정보서비스, https://sgis.kostat.go.kr/view/pss/requestData
  Ministry of Data and Statistics (MDS), 2025c. “Statistics by Administrative District: Number of Employees by Industry Classification”, Statistical Geographic Information Service, https://sgis.kostat.go.kr/view/pss/requestData
• 국토교통부, 2025a. “미분양주택현황”, 국가통계포털, https://kosis.kr/statHtml/statHtml.do?orgId=101&tblId=DT_1YL202004E&conn_path=I2
  Ministry of Land, Infrastructure and Transport (MOLIT), 2025a. “Unsold Housing Inventory”, Korean Statistical Information Service, https://kosis.kr/statHtml/statHtml.do?orgId=101&tblId=DT_1YL202004E&conn_path=I2
• 국토교통부, 2025b. “실거래가공개시스템”, https://rt.molit.go.kr/pt/xls/xls.do?mobileAt=
  Ministry of Land, Infrastructure and Transport (MOLIT), 2025b. “Actual Transaction Price Disclosure System”, https://rt.molit.go.kr/pt/xls/xls.do?mobileAt=
• 한국국토정보공사, 2025a. “도시계획현황”, 국가통계포털, https://kosis.kr/statHtml/statHtml.do?orgId=460&tblId=TX_315_2009_H1439&conn_path=I2
  LX, 2025a. “Urban Planning Status”, Korean Statistical Information Service, https://kosis.kr/statHtml/statHtml.do?orgId=460&tblId=TX_315_2009_H1439&conn_path=I2
• 한국국토정보공사, 2025b. “택지통계”, 택지정보시스템, https://www.jigu.go.kr/stat/goStatLand.do
  LX, 2025b. “Detailed Status of Statistics by Land Area”, Housing Site Information System, https://www.jigu.go.kr/stat/goStatLand.do
• 한국국토정보공사, 2025c. “도시·군계획사업(유형별)”, 국가통계포털, https://kosis.kr/statHtml/statHtml.do?orgId=460&tblId=TX_315_2009_H1090&conn_path=I2
  LX, 2025c. “Urban Planning Projects by Type”, Korean Statistical Information Service, https://kosis.kr/statHtml/statHtml.do?orgId=460&tblId=TX_315_2009_H1090&conn_path=I2
• 한국국토정보공사, 2025d. “정비사업(사업유형별)”, 국가통계포털, https://kosis.kr/statHtml/statHtml.do?orgId=460&tblId=TX_315_2009_H1439&conn_path=I2
  LX, 2025d. “Redevelopment Projects by Type”, Korean Statistical Information Service, https://kosis.kr/statHtml/statHtml.do?orgId=460&tblId=TX_315_2009_H1439&conn_path=I2
• 한국은행, 2025. “통화금융통계-예금은행 대출금리”, 한국은행경제통계시스템, https://ecos.bok.or.kr/#/Short/6793b7
  Bank of Korea (BK), 2025. “Monetary and Financial Statistics: Interest Rate on Deposit Bank Loans”, Economic Statistics System, https://ecos.bok.or.kr/#/Short/6793b7
• 행정안전부, 2025. “행정구역(시군구)별 주민등록세대수”, 국가통계포털, https://kosis.kr/statHtml/statHtml.do?orgId=101&tblId=DT_1B040B3&conn_path=I2
  Ministry of the Interior and Safety (MOIS), 2025. “Number of Resident Registration Households by Administrative District (si, gun, gu)”, Korean Statistical Information Service, https://kosis.kr/statHtml/statHtml.do?orgId=101&tblId=DT_1B040B3&conn_path=I2
• KB국민은행, 2025. “주택가격동향조사”, KB부동산 데이터허브, https://data.kbland.kr/share/kbstats/wmh?tIdx=HT01&tsIdx=weekAptSalePriceInx
  Kookmin Bank (KB), 2025. “Housing Price Trend Survey”, KB Real Estate Data Hub, https://data.kbland.kr/share/kbstats/wmh?tIdx=HT01&tsIdx=weekAptSalePriceInx