Spatial Non-Stationarity and Wealth Accumulation: Multiscale Regression of Locational Endowments in a Heterogeneous Metropolitan County

기술 요약: 이질적인 대도시 군(County) 내 공간적 비정상성(Non-Stationarity)과 부의 축적

문제 제기
본 연구는 중규모의 이질적인 대도시 군 내 가구 자산의 공간 구조를 포착하는 데 있어 전역 회귀 모델(Global regression models)이 가진 한계를 다룬다. 전통적인 모델들은 공간적 정상성(Spatial stationarity)을 가정하며, 위치적 속성(예: 편의시설, 환경 품질, 인프라)과 경제적 결과 사이의 관계가 지역 전체에 걸쳐 균일하다고 상정한다. 그러나 공간 계량 경제학 문헌에 따르면 이러한 관계는 흔히 비정상적이며, 지역적 맥락에 따라 크게 달라진다. 지리적 가중 회귀(GWR)가 주택 가격 및 소득 분석에 적용되어 왔으나, 도시, 교외, 농촌의 경사도가 교차하는 비해안 지역의 중규모 환경에서 주택 자산, 소득 흐름, 금융 자산을 포함하는 복합 가구 부(Wealth)를 조사한 미세 규모의 연구는 부족한 실정이다. 본 연구는 위치 적합성 조건이 높은 공간 해상도에서 가구 부를 어떻게 형성하는지 정량화하고, 이러한 관계가 서로 다른 공간적 척도에서 작동하는지 여부를 결정하는 것을 목표로 한다.

연구 방법론
본 연구는 미국 남서부의 중규모 대도시 군을 대상으로 다중 척도 지리적 가중 회귀(MGWR)를 중심으로 한 견고한 공간 계량 프레임워크를 채택하였다.

• 데이터 및 공간 프레임워크: 분석에는 연구 지역을 테셀레이션(Tessellation)하기 위해 약 0.3평방마일을 덮는 4,067개의 정육각형 단위를 활용하였다. 이 육각형 그리드는 행정 경계와 관련된 수정 가능한 영역 단위 문제(MAUP) 및 형태 왜곡을 최소-화한다. 반면, 센서스 트랙(Census tracts)이나 블록 그룹은 생태적 또는 사회적 과정보다는 행정적 과정을 반영하며 집계 편향을 유발할 수 있다. 데이터 소스는 2016~2020년 미국 지역사회 조사(ACS), NASA GES DISC, EPA, USGS 및 지역 GIS 기록을 포함한다. 변수는 사회인구학적 특성, 환경 품질(PM2.5, CO2, 고도), 접근성(학교, 병원, 공원, 고속도로까지의 거리 등)을 포괄한다.
• 종속 변수: 주택 자산 가치, 가구 소득, 자산 소득(이자, 배당, 임대 수익)을 결 조합하여 주성분 분석(PCA)을 통해 복합 가구 부 지수를 구축하였다. 이 지수는 소비자 금융 조사(Survey of Consumer Finances) 벤치마크와 비교했을 때 가구 순자산 분산의 약 72%를 설명한다.
• 탐색적 공간 데이터 분석(ESDA): 모델링에 앞서 상관관계 히트맵, 분산 팽창 요인(VIF) 점검, 전역/지역 공간 자기상관 테스트(Moran's I 및 LISA)를 포함한 진단을 수행하였다. 전역 모란 지수(Global Moran's I)는 강한 양의 공간 의존성(I = 0.510, p < 0.001)을 확인하였으며, 이는 공간 명시적 모델링의 필요성을 입증한다.
• 모델링 접근 방식: 본 연구는 세 가지 프레임워크를 비교한다: 전역 최소제곱법(OLS), 전역 공간 계량 모델(공간 시차 및 공간 오차 모델), 그리고 MGWR이다.
  • MGWR 명세: 모든 예측 변수에 단일 대역폭(Bandwidth)을 부여하는 표준 GWR과 달리, MGWR은 각 예측 변수가 자체적인 최적 공간 척도에서 작동하도록 허용한다. 모델은 $y_i = \beta_0(u_i) + \sum \beta_k(u_i, b_k)x_{ik} + \varepsilon_i$로 공식화되며, 여기서 $b_k$는 변수별 대역폭을 나타낸다.
  • 추정: 대역폭은 수정된 아카이케 정보 기준(AICc)을 최소화하는 데이터 기반 최적화를 통해 선택되었다. 적응형 비스퀘어 커널(Adaptive bi-square kernel)이 공간 가중치를 정의하였으며, 추정을 위해 반복적 백피팅 알고리즘(mgwr Python 라이库 활용)이 사용되었다.

주요 결과

1. 모델 성능: MGWR은 전역 대안 모델들을 유의미하게 능가하였다. MGWR은 OLS의 $R^2$인 0.873과 공간 시차/오차 모델의 약 0.90에 비해 0.989의 $R^2$를 달성하였다. 결정적으로, MGWR은 잔차 공간 자기상관을 효과적으로 제거한 반면(잔차 모란 지수 $\approx$ 0.02, p = 0.214), 전역 모델들은 유의미한 잔차 클러스터링을 남겼다(Moran's I > 0.18, p < 0.05).
2. 공간적 이질성 및 비정상성: 분석 결과 부의 결정 요인들이 상당한 공간적 비정상성을 보임을 확인하였다.
   • 척도 차별화: 예측 변수들은 서로 다른 공간 척도에서 작동한다. 소득 관련 변수들은 광범한 지역적 척도(대역폭 > 100 이웃)에서 기능하며, 이는 노동 및 주택 시장 역동성을 반영한다. 환경 및 교통 변수들은 더 미세한 국지적 척도(대역폭 < 30 이웃)에서 작동하며, 이는 이웃 단위의 특정 조건에 의해 지배된다.
   • 계수 변화: 여러 예측 변수에서 계수의 부호 역전 현상이 나타났다. 예를 들어, 공원 및 병원까지의 거리는 밀집된 도심 지역(근접성이 편의 시설인 경우)에서는 부(Wealth)와 음의 상관관가 있었으나, 주변부(Peri-urban) 지역에서는 양의 상관관계(거리가 저밀도 및 혼잡 감소를 의미하는 경우)를 보였다. 마찬가지로, 대기 오염의 영향은 교통량이 많은 구간 근처에서는 부정적이었으나, 교통량이 적은 구역에서는 중립적이거나 긍정적이었다.
3. 부의 클러스터링: 국지적 공간 연관 지표(LISA)는 부유한 구릉지 교외 지역의 지속적인 "고-고(high-high)" 클러스터와 도심 및 남서부 지역의 "저-저(low-low)" 클러스터를 식별하였으며, 이는 지속적인 공간적 계층화를 뒷받침한다.

의의 및 기여
본 논문은 세 가지 주요 기여를 주장한다:

• 경험적 측여: 기존 공간 경제학 문헌에서 과소 대표된 환경인 중규모 비해안 대도시 군에 대한 미세한 수준의 부의 이질성 평가를 제공한다. 이는 부가 단순히 개인적 특성의 함수가 아니라, 도시-농촌 경사도를 따라 변하는 장소 기반 메커니즘에 의해 깊게 구조화되어 있음을 보여준다.
• 방법론적 측면: 본 연구는 단일 분석 프레임워크 내에서 지역, 이웃, 국지적 척도에서 작동하는 프로세스를 구분해내는 MGWR의 능력을 입증한다. 또한, 단일 공간 척도를 가정하거나(GFA) 공간적 정상성을 가정하는 것(OLS)이 위치 적합성에 대한 귀환(Returns)의 중요한 국지적 변이를 가릴 수 있음을 검증한다.
• 정책적 측면: 연구 결과는 차별화된 정책 개입을 위한 공간 명시적 근거를 제공한다. 결과는 균일한 인프라 또는 환경 정책이 효과가 없거나 오히려 역효과를 낼 수 있음을 시사한다. 대신, 편의시설 투자, 환경 개선, 서비스 제공에 관한 개입은 위치 적합성에 대한 체제별 귀환을 고려하여 공간적으로 타겟팅되어야 한다.

한계점
저자들은 횡단면 설계가 공간적 연관성 분석을 지원하지만 인과 방향을 확립할 수는 없다고 언급하였다. 또한, 육각형 그리드 프레임와가 MAUP를 줄여주기는 하지만, 전이 지대(Transition zones)에서의 잔여 클러스터링은 모델링되지 않은 초국지적 프로세스의 존재를 시사한다. 향aft 향후 연구에서는 공간적 식별 전략을 통해 내생성을 해결하고, 변화하는 역동성을 포착하기 위해 종단적 데이터를 통합할 것을 제안하였다.