기술 요약: 알고리즘 임대인 집중화에 따른 임대료 상승의 인종적 격차 측정

1. 문제 제기

기업형 임대인들이 알고리즘 기반 가격 책정 소프트웨어(예: RealPage의 Yieldstar)를 빠르게 도입함에 따라, 경쟁 기업 간의 가격 결정을 조율하여 경쟁을 억제하고 임대료를 인상할 수 있는 메커니ism이 형성되었습니다. 기존 문헌(예: Calder-Wang 및 Kim, 2024; 백악관 CEA, 2024)은 알고리즘 가격 책정이 총체적인 임대료 상승을 유발한다는 점을 입증하고 있으나, 결정적인 공백이 존재합니다. 즉, 이러한 조율로 인한 분배적 부담이 인종 집단별로 균등하게 발생하는지에 대해서는 알려진 바가 없습니다. 구체적으로, 기업형 임대인 집중도(CLC)가 동일한 대도시 내에서 다수 소수 인종 거주 지역(majority-minority neighborhoods)과 다수 백인 거주 지역(majority-white neighborhoods) 간에 불균형적으로 높은 임대료 상승과 상관관계가 있는지에 대한 트랙트(census tract) 단위의 증거는 아직 없습니다.

2. 연구 방법론

2.1 데이터 구축

본 연구는 2024년 DOJ 반독점 소송에 명시된 5개의 주요 주거용 리츠(REITs)—AvalonBay Communities, Equity Residential, Essex Property Trust, Mid-America Apartment Communities, UDR—의 SEC EDGAR 10-K Schedule III 공시 자료(2016~2022 회계연도)를 지오코딩(geocoding)하여 새로운 데이터셋을 구축하였습니다.

• 기업형 임대인 집중도 (CLC): 이 5개 리츠가 소유한 센서스 트랙트 내 임차 거주 단위의 점유율로 정의됩니다. 분자는 지오코딩된 리츠 자산 목록에서 도출하며, 분모는 ACS(미국 아메리칸 커뮤니티 서베이)의 임차 거주 총량입니다. 왜도(skewness)를 처리하기 위해 로그 변환($\log(1+CLC)$)을 적용했습니다.
• 알고리즘 주거 부담 지수 (AHBI): 기존의 취약성을 통제하기 위해 ACS 5개년 추정치를 결합하여 구축한 복합 지수입니다. 이는 기존 임대 부담(소득의 30% 이상을 임대료로 지불하는 가구 비율)과 주택 시장 긴박도(1 - 공실률)를 결합한 것입니다. 이는 기술적 도구이자, CLC 효과를 기저 시장 조건으로부터 분리하기 위한 통제 변수로 활용됩니다.
• 결과 변수: 2019년부터 2023년까지의 임대료 상승을 측정하기 위해 **Zillow 관측 임대 지수 (ZORI)**를 사용합니다. ACS 데이터와 달리, ZORI는 거래 기반이며 2021~2022년의 급격한 임대료 급등을 포착합니다. ZIP 코드 수준의 ZORI 데이터는 HUD 할당 계수를 사용하여 센서스 트랙트로 교차 매핑(crosswalk)되었습니다.

2.2 표본

본 분석은 10개 주요 미국 대도시 지역(애틀랜타, 샬럿, 댈러스-포트워스, 로스앤젤레스, 뉴욕, 샌디에이고, 샌프란시스코, 산호세, 시애틀, 워싱턴 DC)의 665개 센서스 트랙트를 대상으로 합니다. 이 중 ZORI 데이터가 완전한 583개 트랙트가 주요 회귀 분석 표본이 됩니다.

2.3 계량경제학적 전략

본 논문은 세 가지 상호 보완적인 실증 전략을 채택합니다.

1. H1 (평균 효과): AHBI 및 인구 통계적 공변량을 통제한 상태에서 $\log(1+CLC)$에 대한 트랙트 단위 임대료 상승의 OLS 회귀 분석을 수행합니다. 대도시 내 상관관계를 고려하여 표준 오차를 대도시 단위로 클러스터링합니다.
2. H2 (이질적 효과): 대도시 고정 효과와 다수 소수 인종 트랙트(흑인 + 히스패닉 비율 > 50%)에 대한 더미 변수 간의 상호작용 항을 추가한 모델을 사용합니다. 이를 통해 동일 대도시 내에서의 CLC의 차별적 효과를 분리합니다.
3. H3 (머신러닝 검증): 2019년 트랙트 특성을 학습하여 2019~2023년 임대료 상승을 예측하는 XGBoost 모델을 훈련합니다. 함수 형태의 가정을 부과하지 않고 CLC의 기여도가 인종 구성에 따라 어떻게 변하는지 비모수적으로 검증하기 위해 SHAP(SHapley Additive exPlanations) 값을 사용합니다.

3. 주요 결과

3.1 CLC의 평균 효과 (H1)

센서스 트랙트 내 리츠 집중도가 두 배가 되면 2019~2023년 기간 동안 임대료 상승률이 약 2.8 퍼센트 포인트 높아집니다.

• 유의성: 결과는 방향성 측면에서 견고하지만 표준 오차 가정에 민데 민감합니다. 대도시 클러스터링 표준 오차 적용 시 경계적 유의성($p=0.086$)을 보였으나, HC1 강건 표준 오차 적용 시에는 유의미했습니다($p=0.030$).
• 맥락: 이 양(+)의 상관관계는 주로 대도시 간 변동성(예: CLC가 높고 성장세가 높은 선벨트 시장 vs CLC가 낮고 성장세가 낮은 해안가 시장)에 의해 주도됩니다. 대도시 고정 효과를 적용하면 원시 계수가 역전되는데, 이는 특정 도시 내에서 고(高)CLC 트랙트가 저(低)CLC 트랙트와 다른 기초 특성을 가짐을 시사합니다.

3.2 인종적 격차 (H2)

CLC가 임대료 상승에 미치는 영향은 동일 대도시 내에서 다수 백인 트랙트보다 다수 소수 인종 트랙트에서 유의미하게 더 크게 나타납니다.

• 상호작용 효과: CLC와 다수 소수 인종 상태 간의 상호작용 항은 양(+)의 값을 가지며 유의미합니다 ($\beta_3 = +0.059, p=0.039$).
• 차별적 영향: 동일 대도시 내에서 고(高)CLC 다수 소수 인종 트랙트는 유사한 다수 백인 트랙트에 비해 5.9 퍼센트 포인트 더 높은 임대료 상승을 경험합니다.
• 방향성 역전: CLC의 기저 효과는 다수 백인 트랙트에서 음(-)의 값($\beta_1 = -0.034, p < 0.001$)인 반면, 다수 소수 인종 트랙트에서의 총 효과는 양(+)의 값($\beta_1 + \beta_3 = +0.024$)입니다. 이는 기업형 임대인 집중도가 백인 트랙트에서는 비례적 임대료 상승을 낮추는 반면, 소수 인종 트랙트에서는 높이는 것과 관련이 있음을 나타냅니다.
• 강건성: 결과는 연속형 소수 인종 비율 변수를 사용했을 때도 유효하며($p=0.002$), 다양한 소수 인종 임계값에서도 일관되게 나타납로습니다.

3.3 머신러닝 검증 (H3)

XGBoost 모델은 임대료 상승의 표본 외 분산을 44% 설명합니다 ($R^2 = 0.439$).

• 특성 중요도: CLC는 8개 특성 중 5위를 차지하며, 이는 인구 통계 및 시장 통제 변수를 넘어 독립적인 예측력을 제공함을 확인시켜 줍니다.
• SHAP 분석: SHAP 비스웜(beeswarm) 플롯은 비모수적 비대칭성을 보여줍니다. 높은 CLC 값(빨간색 점)은 예측 임대료 상승을 소수 인종 트랙트에서는 상승시키고(평균 SHAP = +0.0057), 백인 트랙트에서는 하락시킵니다(평균 SHA = -0.0011). 이는 함수 형태의 가정을 배제하고도 OLS 상호작용 결과를 확인해 줍니다.

4. 주요 기여

1. 새로운 데이터 파이프라인: SEC EDGAR 10-K 공시를 활용하여 센서스 트랙트 단위에서 알고리즘 임대인 집중도를 측정하는 최초의 공개 가능한 방법을 제시합니다.
2. 새로운 지수: 기존 임대 부담과 시장 긴박도를 결합한 **알고리즘 주거 부담 지수 (AHBI)**를 구축하여, 기업형 임대인 위치 선정의 선택 편향을 통제합니다.
3. 트랙트 단위의 증거: 기업형 임대인 집중도가 유색인종 커뮤니티에서 불균형적으로 높은 임대료 상승과 관련이 있다는 최초의 트랙트 단위 증거를 제공하며, 이를 모수적(OLS) 및 비모수적(XGBoost/SHAP) 방법으로 검증하였습니다.
4. 방법론적 통찰: ACS 5개년 추정치가 다년간의 평활화로 인해 급격한 임대료 상승을 감지하기에는 불충분함을 입증하며, ZORI와 같은 거래 기반 데이터 소스의 필요성을 강조합니다.

5. 의의 및 주장

본 논문은 알고리즘 가격 책정에 의해 촉진된 기업형 임대인 집중도가 인종적으로 차별적인 부담을 지울 수 있다는 가설을 뒷받침하는 최초의 트랙트 단위 증거를 제공한다고 주장합니다. 연구 결과는 알고리즘 임대료 조율 메커니즘이 테넌트의 이동성, 기존 임대 부담, 소수 인종 지역의 저렴한 대안 부족 등의 이유로 인종적 구성에 따라 다르게 작동할 수 있음을 시사합니다.

저자들은 이러한 결과가 다음 분야에 시사점을 준다고 주장합니다:

• 반독점 집행: 소비자 후생의 총체적 측면뿐만 아니라 분배적 영향(인종적 형평성)도 주택 시장 경쟁 사례에서 고려되어야 함을 시사합니다.
• 공정 주거법 (Fair Housing Law): 중립적인 정책(알고리즘 가격 책정 소프트웨어)이 인종적으로 차별적인 결과를 초래한다는 '차별적 영향(disparate impact)' 이론에 부합하는 실증적 근거를 제공합니다.
• 규제 투명성: 규제 기관이 공시 자료(본 연구에서 개발된 EDGAR 파이프라인 등)를 활용하여 기업형 임대인 집중도의 지리적 범위와 그 분배적 효과를 실시간으로 모니터링해야 할 필요성을 강조합니다.

본 논문은 횡단적 설계의 특성상 관찰되지 않은 혼란 변수를 완전히 배제할 수 없다는 점을 인정하며 인과관계에 대해 신중한 태도를 유지하지만, OLS와 머신러닝 결과의 수렴은 관찰된 인종적 격차 패턴에 대한 신뢰도를 높여줍니다.