Examining the Appraisers' Role in Redlining through Historical Appraisal Narratives

기술 요약: 역사적 감정 보고서를 통한 레드라이닝(Redlining) 내 감정평가사의 역할 조사

문제 제로 (Problem Statement)
미국 주택 시장에서 레드라이닝이 인종 및 경제적 불평등에 미친 역사적 영향은 이미 잘 문서화되어 있으나, 감정평가사가 어떻게 주관적인 인종적 인식을 공식적인 행정적 분류로 변환했는지에 대한 구체적인 제도적 메커니즘은 여전히 미분석 상태로 남아 있다. 기존 문헌들은 홈 오너스 론 코퍼레이션(HOLC) 감정 보고서의 서사적 구성 요소를 단순한 역사적 맥락으로 취급할 뿐, 능동적인 제도적 동인으로 보지 않는 경향이 있다. 본 연구는 "유해 요소(Detrimental Influences)" 섹션의 언어적 내용이 어떻게 유색인종 커뮤니티의 체계적인 투자 철회를 초래했는지, 그리고 이러한 역사적 서사가 현대의 사회경제적 회복력과 어떻게 상관관계를 갖는지에 대한 이해의 공백을 다룬다.

연구 방법론 (Methodology)
본 연구는 자연어 처리(NLP), 지리정보시스템(GIS), 혼합 효과 회귀 모델(mixed-effects regression modeling)을 통합한 혼합 방법론을 채택한다.

1. 데이터 소스 및 전처리: 분석에는 University of Richmond의 Mapping Inequality Project에서 제공하는 디지털화된 HOLC 감정 문서를 활용한다. 초기 데이터셋은 7,568행이었으나, "유해 요소"가 정의되지 않았거나 N/A인 항목을 필터링한 후 3,740행이 남았다.
2. NLP 및 레이블링: 비정형 텍스트를 분석하기 위해 트랜스포머 기반 언어 모델인 RoBERTa를 사용하였다. 하이브리드 레이블링 프로세스는 다음과 같이 진행되었다:
   • 무작위 샘플에 대해 ChatGPT를 사용하여 초기 키워드를 생성하였다.
   • 생성된 레이블은 수동으로 검증되었으며, 119개의 행에 적용된 훈련 세트에 사용되었다.
   • 이후 모델을 사용하여 나머지 3,621개 행(전체 3,740행에서 훈련 세트 119행을 제외한 수)을 레이블링하였다. "없음(none)"과 같은 단어의 존재 여부에 따라 477개 행은 "보고된 바 없음(None reported)"으로 레이블링되었고, 61개 행은 NLP 완료 후 수동으로 재레이블링되었다.
   • 결과적으로, NLP를 통해 성공적으로 레이블링된 행은 총 3,103개(분석 가능한 3,740개 행의 85%)이다.
   • 텍스트는 11가지 주제별 레이블로 분류되었다: 인종 및 계층 문제, 바람직하지 않은 요소와의 근접성, 환경적 위험, 불충분한 인프라, 편의시설 부족, 서비스로부터의 거리, 산업 지역과의 근접성, 접근성 문제, 노후 인프라, 보고된 바 없음, 용도 지역 지정 미비.
3. 공간 분석: GIS를 사용하여 역사적 HOLC 보안 구역(Grade A–D)을 현대의 인구 조사 및 미국 커뮤니티 조사(ACS) 데이터(1940~2010년)와 중첩하여 주택 단위 변화와 사회경제적 변화를 추적하였다.
4. 종속 변수 구축: 현대 근린 지역을 위한 "레드라이닝 회복력 점수(Redlining Resilience Score, RRS)"를 구축하였다. 이 복합 지수는 빈곤율, 실업률, 교육 수준, 중앙값 주택 가치, 주거 특성 등 17개 변수의 표준화된 z-점수를 집계한 것이다.
5. 통계 모델링: 계층적 데이터 구조(도시 내에 중첩된 근린 지역)를 고려하기 위해 도시별 랜덤 절편을 포함한 세 가지 혼합 효과 회귀 모델을 Stata를 사용하여 추정하였다:
   • 기본 모델(Base Model): HOLC 등급만을 포함한다.
   • DI-전용 모델(DI-Only Model): NLP로 도출된 유해 요소(DI) 범주만을 포함한다.
     end 전체 모델(Full Model): HOLC 등급과 DI 범주를 결합하고 도시별 랜덤 절편을 포함한다.

주요 결과 (Key Results)

• 언어적 패턴: NLP 분석 결과, "인종 및 계층 문제"가 데이터에서 가장 유의미한 범주로 나타났으며, 특히 Grade D(레드라인 지역)에서 두드러졌다. Grade D 지역의 경우, 76%의 구역에서 흑인 거주자의 존재를 나타내는 주석이 발견된 반면, Grade A 구역에서는 단 1%만이 해당되었다.
• 회복력과의 상관관계:
  • HOLC 등급: 낮은 HOLC 등급과 현대의 회복력 사이에는 통계적으로 유의미한 음의 상관관계가 존재한다. Grade A와 비교했을 때, Grade D 지역은 약 -1.06 표준편차의 회복력 페널티를 보인다.
  • 감정 서사: "DI-전용" 모델은 "인종 및 계층 문제"(-0.53), "산업 지역과의 근접성"(-0.70), "노후 인프라"(-0.52)와 같은 특정 언어적 범주가 현대의 낮은 회복력과 유의미하게 연관되어 있음을 보여주었다.
  • 규모 비교: 전체 모델에서 "인종 및 계층 문제"(-0.396)와 "산업 지역과의 근접성"(-0.506)의 계수는 여전히 유의미하다. "인종 및 계층 문제"와 관련된 페널티의 크기는 Grade D 분류에 따른 페널티보다 약 2.7배 작지만, Grade B 분류의 페널티(-0.494)와는 유사한 수준이다. 이는 위험을 정당화하기 위해 사용된 언어가 지닌 경제적 결과가 공식적인 등급 자체만큼이나 실질적이었음을 시사한다.
• 변량 분해(Variance Decomposition): 혼합 효과 모델에 따르면, 회복력 변량의 약 36%는 도시 간 차이(랜덤 절편에 의해 포착됨)에서 발생하며, 64%는 도시 내부에서 발생한다. 이는 지역 경제 구조가 레드라이닝의 유산을 형성하기도 하지만, 근린 지역 수준의 불평등 또한 강력함을 강조한다.

주요 기여 (Key Contributions)

• 제도적 메커니즘 식별: 본 연구는 감정 서사가 단순히 기술적인 것이 아니라, 주관적인 인종적 인식을 공식적인 대출 분류로 변환하는 제도적 메커니즘 역할을 했음을 입증하는 경험적 증거를 제공한다.
• 계산 언어학적 접근: RoBERTa를 역사적 문서에 적용함으로써, 본 연구는 질적 사례 연구를 넘어 106개 미국 도시를 대상으로 암호화된 인종적 언어(예: "침투", "바람직하지 않은 요소")의 빈도와 영향을 정량화하였다.
• 이중 경로 분석: 연구 결과는 레드라이닝이 두 가지 별개이면서도 정렬된 경로, 즉 관료적 경로(HOLC 등급)와 담론적 경로(감정 서사)를 통해 작동했음을 보여준다. 두 경로 모두 독립적으로, 그리고 공동으로 현대의 사회경제적 결과에 영향을 미친다.

의의 및 주장 (Significance and Claims)
본 논문은 "경로 로직(Pathway Logic)" 프레임워크를 뒷받침하는 경험적 근거를 제공하며, 역사적 감정평가사들이 인종적 부의 불평등을 고착화하는 데 핵심적인 역할을 했음을 입증한다고 주장한다. 본 연구는 감정 보고서에 사용된 언어가 레드라이닝의 행정적 메커니즘을 강화하는 "담론적 비계(discursive scaffolding)" 역할을 했다고 주장한다.

저자는 감정사 주도의 레드라이닝이 가져온 경제적 결과가 역사적 정책 결정 그 이상을 넘어선다고 결론짓는다. 데이터에 나타난 언어적 편향의 지속성은 1930년대의 주관적 가치 평가 기준이 인종적 부의 불평등을 성공적으로 고착시켰음을 시사하며, 이로 인해 과거 레드라인 지역이 현재도 낮은 중앙값 주택 가치와 높은 빈곤율을 보이는 유산을 남겼음을 보여준다. 이러한 결과는 현대의 부동산 감정 방법론이 오늘날의 부동산 가치 평가 및 대출 결정에 여전히 영향을 미칠 수 있는 역사적 편향을 해결하기 위해 재평가되어야 할 필요성을 강조한다. 본 연구는 모든 현재의 불평등에 대한 직접적인 인과관계를 주장하는 것이 아니라, 미국 도시의 회복력 지형을 형성하는 데 있어 감정 관행이 수행한 유의미한 역할을 조명하는 데 목적이 있다.