1. 연구 문제 및 배경 (Problem Statement)

• 핵심 질문: 레스토랑, 카페, 부티크 등 상업 시설의 유입이 주택 가격 상승을 원인 (Cause) 으로 하는지, 아니면 기존에 존재하던 수요 증가의 결과 (Effect) 일 뿐인지에 대한 실증적 의문이 제기되었습니다.
• 배경: 도시 재생 (Gentrification) 과정에서 상업 시설은 가장 가시적인 변화 지표로 간주되지만, 공급 측면 (자본 유입) 과 수요 측면 (교육받은 전문가들의 소비 공간 선호) 이 서로 어떻게 상호작용하며 주택 가격에 영향을 미치는지는 명확하지 않았습니다.
• 연구 목적: 런던 광역권 (Greater London) 에서 상업 시설 유입이 주택 가격에 미치는 인과적 효과 (Causal Effect) 를 규명하고, 그 메커니즘 (상업 시설의 양 vs 질) 을 분석하는 것.

2. 데이터 및 측정 방법 (Data and Measurement)

• 연구 지역 및 단위: 런던 광역권의 4,835 개 하위 층 슈퍼 출력 지역 (LSOA, 약 1,500 명 거주) 을 대상으로 2018 년 3 월부터 2023 년 3 월까지의 분기별 패널 데이터를 사용했습니다.
• 주요 데이터 소스:
  • 주택 가격: Land Registry Price Paid Dataset (LSOA-분기별 중앙값, CPIH 로 물가 조정).
  • 상업 시설 유입 (Treatment): 영국 정부의 에너지 성능 인증서 (EPC) 등록 기록을 활용. 상업용 부동산이 처음 점유, 매각, 임대될 때 제출되는 EPC 등록 날짜를 '개업' 또는 '대규모 리모델링'의 시점으로 간주. 총 21,189 개의 레스토랑/카페 개업 기록 추출.
  • 상업 클러스터링 지수 (RCCI): OpenStreetMap 과 Google Places API 의 가격 등급 (Price Tier, 1~5 등급) 데이터를 결합하여 구축. neighborhood 내 상업 시설의 밀도와 고급화 정도를 연속 변수로 측정.
  • 통제 변수: 교육 수준 (2021 인구조사), 소득 (ONS 추정치), 녹지 접근성, 교통 접근성 (PTAL) 등.

3. 방법론 (Methodology)

이 연구는 두 단계의 접근 방식을 통해 인과 관계를 규명했습니다.

A. 패널 고정 효과 모델 (Panel Fixed Effects)

• 목적: 시간에 따라 변하는 상업 시설의 재고 (Stock) 가 주택 가격과 어떻게 연관되는지 확인.
• 모델: 양방향 고정 효과 (Two-way FE) 모델 사용.
  • $y_{it} = \beta RCCI_{it} + \alpha_i + \delta_t + \epsilon_{it}$
  • $\alpha_i$: LSOA 고정 효과 (시간 불변 특성 흡수)
  • $\delta_t$: 분기 고정 효과 (거시경제 충격 흡수)
• 결과: LSOA 내부의 시간적 변동만 고려할 때 RCCI 와 주택 가격 간의 연관성이 약화됨 (상관관계는 있으나 인과성 규명에는 한계).

B. 이벤트 스터디 설계 (Event Study Design) - 핵심 방법

• 전략: 상업 시설 유입의 시차적 타이밍 (Staggered Timing) 을 활용하여 준실험적 (Quasi-experimental) 변동을 생성.
• 처리 정의: 연간 75 백분위수 (최소 2 개 이상) 이상의 새로운 레스토랑/카페 EPC 등록이 발생한 첫 해를 '처리 (Treatment)' 시점으로 간주.
• 주요 식별 전략:
  • LSOA 특정 선형 추세 (LSOA-specific linear trends): 각 지역의 기존 가격 추세를 흡수하여 병행 추세 (Parallel Trends) 가 성립하도록 보정.
  • 모델: $y_{it} = \alpha_i + \delta_t + \gamma_i t + \sum \beta_\tau 1\{t - E_i = \tau\} + \epsilon_{it}$
  • 대안 추정량: Sun and Abraham (2021) 의 상호작용 가중치 (IW) 추정량을 사용하여 시차적 처리로 인한 편향 (Negative Weighting) 을 보정.

4. 주요 결과 (Key Results)

A. 인과적 효과의 크기와 패턴

• 점진적 상승: 상업 시설 유입 후 주택 가격은 즉시 급등하기보다 점진적이고 누적적 (Cumulative) 으로 상승합니다.
• 정량적 효과:
  • 유입 직후 ($\tau=0$): +1.2% 상승.
  • 4 년 후 ($\tau=+4$): +4.1% 상승 (통계적 유의성 $p < 0.01$).
  • 이는 편의 시설의 자본화 (Amenity Capitalisation) 가 시간이 지남에 따라 이루어짐을 시사합니다.
• 병행 추세 검증: LSOA 특정 추세를 포함한 모델에서 병행 추세 가정이 충족됨 ($F=1.04, p=0.384$).

B. 이질성 분석: 상업 시설의 '질' (Quality) 의 중요성

• 고급 vs 저가 시설: Google Places API 가격 등급 데이터를 EPC 기록과 매칭하여 분석.
  • 고급 시설 (Upmarket, Price Tier $\ge$ 2): 명확한 병행 추세 통과, 4 년 후 +7.4% 의 강력한 가격 상승 효과.
  • 저가 시설 (Budget, Price Tier = 1): 사전 추세 (Pre-trend) 가 불명확하거나 하향 추세를 보임. 처리 후 효과 (+4.1%) 는 사전 추세의 영향으로 인해 신뢰할 수 없음.
• 결론: 상업 시설의 양이 아니라 질 (고급화) 이 주택 가격 상승의 핵심 메커니즘입니다.

C. 강건성 검증 (Robustness Checks)

• 처리 임계값 변화: 개업 수 임계값을 1~5 개로 변경해도 핵심 결과가 유지됨 (임계값이 높을수록 효과 크기 증가).
• 상업 카테고리: 레스토랑/카페뿐만 아니라 소매점 (Retail) 유입도 유사한 가격 상승 효과를 보임.
• 위약군 테스트 (Placebo Test): 무작위 처리 시점 할당 (500 회) 을 통해 실제 효과가 우연이 아님을 확인.

5. 주요 기여 (Key Contributions)

1. 인과적 증거 제시: 상업 시설 유입이 주택 가격 상승의 '원인'임을 시차적 타이밍을 활용한 이벤트 스터디로 입증. 효과는 즉각적인 충격이 아닌 수년에 걸친 자본화 과정임을 규명.
2. RCCI 지수 개발: Google Places API 가격 등급을 활용한 '소매 및 문화 클러스터링 지수 (RCCI)'를 구축하여 상업 시설의 공간적 밀도와 고급화를 정량화.
3. 메커니즘 규명: 단순한 시설 존재 여부가 아닌, 상업 시설의 품질 (고급화) 이 가격 동학을 주도함을 발견. 이는 젠트리피케이션 연구에 중요한 통찰을 제공.

6. 의의 및 시사점 (Significance and Implications)

• 정책적 함의:
  • 상업 시설의 급격한 유입은 주택 가격 상승과 이주 압력 (Displacement) 을 초래할 수 있으므로, 계획적 개입 (Planning Interventions) 을 위한 예비 기간 (Window) 이 존재함.
  • 상업 시설 진입을 무조건 제한하기보다, 유형 (고급 vs 저가) 을 관리하거나 독립 소매점 보호 정책 등 표적화된 정책이 더 효과적일 수 있음.
• 실무적 활용: EPC 등록 데이터와 상업 시설 가격 등급 정보를 결합하면, 젠트리피케이션이 본격화되기 전 위험 지역을 식별하고 선제적으로 대응할 수 있음.
• 이론적 확장: 공급 측면 (자본 유입) 과 수요 측면 (소비 공간 선호) 이 상호 강화되는 피드백 루프를 실증적으로 지지.

요약

본 논문은 런던의 데이터를 활용하여 상업 시설 (특히 고급 레스토랑/카페) 의 유입이 주택 가격을 4 년 후 약 4.1% 상승시키는 인과적 효과가 있음을 입증했습니다. 특히 이 효과는 시설의 고급화 (Quality) 에 의해 주도되며, 시간이 지남에 따라 점진적으로 누적되는 '편의 시설 자본화' 메커니즘을 따릅니다. 이는 젠트리피케이션이 단순한 결과물이 아니라 상업적 변화가 주택 시장을 능동적으로 재구성하는 과정임을 보여줍니다.