Article

오피스 부동산 공급량과 공실률 간 관계 분석 - 수도권 지역을 대상으로 -

김정욱1, 이주영2,
Jung Wook Kim1, Ju Young Lee2,
Author Information & Copyright
1한국개발연구원 규제연구센터 소장
2한국개발연구원 공공투자관리센터
1Director, Center for Regulatory Studies, Korea Development Institute
2Research Associate, Public and Private Infrastructure Management Center, Korea Development Institute
Corresponding Author : jylee@kdi.re.kr

ⓒ Copyright 2018, Korea Appraisal Board. This is an Open-Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (http://creativecommons.org/licenses/by-nc/4.0) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

Received: Apr 11, 2018 ; Revised: May 08, 2018 ; Accepted: May 25, 2018

Published Online: May 31, 2018

요약

신규 임대 사업에 대한 경제성 분석은 매우 중요하나 편익 산정 방법에 있어서는 견고한 연구가 미흡하였다. 본 연구는 신규로 추진되는 오피스 시장에서의 공실률과 신규공급량, 임대료 수준 등 주요 변수의 상호 영향 관계를 파악하고자 한다. 신규공급량이 공실률 또는 임대료 수준에 상당한 영향을 미친다면, 이를 감안하여 해당 사업의 경제적 편익이 조정될 필요가 있다. 각 변수간 영향을 파악하기 위해서 한국감정원의 「상업용부동산 임대동향조사」와 ㈜신영에셋의 「Offcie Scope」의 데이터를 이용하여 패널을 구축하였으며, 분석을 위해 고정효과(Fixed Effect) 모형과 자기회귀시차(ARDL) 모형을 활용하였다. 분석 결과, 수도권역 전체 수준에서 오피스의 임대료와 신규공급량 간의 관계와 신규공급량과 공실률 간 관계는 크지 않은 것으로 나타났다. 이는 오피스 시장의 신규공급이 기존 임대 시설을 대체하기보다는 신규로 경제적 편익을 창출한다는 점을 시사한다.

ABSTRACT

While economic feasibility analysis is very important to the business of new office supply, there have been insufficient robust studies on benefit estimation methods. This paper intends to investigate the relationships among the major variables of vacancy rate, new supply and rent, in the office market of Seoul Capital Area. If a new supply had significant effects on vacancy rate or rent, it would be necessary to adjust the economic benefit of a relevant project, with the effects in mind. To identify relationships among the variables, panel data were generated by using data from the Korea Appraisal Board’s Commercial Real Estate Rental Trend Survey and ShinYoung Asset’s the Office Scope. And a fixed effects model and an autoregressive distributed lag (ARDL) model were employed for analysis. The results of analysis show that correlations between office rent and new supply and between new supply and vacancy rate are not very great at the level of the whole Seoul Capital Area. This implies that new supply in the office market creates new economic benefit, rather than substituting for the existing rental facilities.

Keywords: 수도권 오피스 시장, ; 공실률; 임대료; 오피스 공급; 자기회귀시차모형
Keywords: Seoul Capital Area office market; Vacancy rate; Rent; Office supply; ARDL

Ⅰ. 서론

2017년 기준 서울과 분당권역의 오피스 거래(매매)시장은 약 8조 원 규모1)로 파악되고 있다. 경기변동에 따라 약간의 등락을 거듭하고 있으나 규모 자체는 꾸준히 성장하는 추세에 있다.2) 오피스의 신규공급은 대체로 민간이 주도하고 있으나, 공공기관(지자체 포함)에서도 도심지역을 중심으로 오피스 임대사업을 확장해오고 있다.

한편, 오피스빌딩은 상가빌딩과 더불어 상업용 부동산으로 일컬어진다. 이중 상가빌딩은 수익을 목적으로 상업 활동에 이용되는 부동산을 의미하며, 오피스빌딩은 일반적인 업무기능을 수행할 수 있는 공간을 제공하는 빌딩을 말한다. 위 두 가지 형태의 상업용 부동산 모두 나라의 경제상태를 대변하는 경제지표가 될 수 있으나, 각 부동산이 포괄하는 경제적 의미는 다소 차이를 가진다. 예를 들면, 상가의 공실률과 같은 지표는 해당 지역의 내수경제 활황도를 나타내는 특성을 가져 지역경제에 차별적으로 나타날 수 있다. 반면, 오피스는 내수경제뿐만 아니라 대외적인 경제적 영향도까지 반영하는 특성이 있다. 즉, 오피스의 거래시장은 지역경제를 넘어 국가경제까지 포괄하는 거시적인 특성을 지닌다.

이러한 측면에서 오피스 거래시장의 분석은 사회적 편익 및 국가 경제에 미치는 거시적 영향을 해석하는데 여러 가지 중요한 의미를 가질 수 있다. 특히, 예비타당성조사에서는 신규로 공급되는 오피스의 편익산정 여부에 대한 논의가 지속되어 오고 있는데, 이는 신규 오피스의 사회적 가치를 산정하는 것에 대한 기준 정립이 필요하다는 요구와 동시에 그 해답을 찾는 것이 얼마나 중요한지를 반증하고 있다. 이와 관련하여 본 연구에서는 다음의 중요한 질문에 대한 시사점을 제시하고자 한다.

첫 번째는 오피스 거래시장, 특히 임대시장에서의 신규 공급이 사회적 편익을 창출하는지를 살펴보는 것이다. 실제로 오피스 임대시장과 관련해서는 한국감정원을 비롯해 민간 전문자산 컨설팅 업체 등이 다양한 분석을 내놓고 있다. 하지만, 이들 대부분은 수익성 분석에 그치고 있어 사회적 편익 측면에서의 논의는 부족한 실정이다. 따라서 본 연구에서는 우리나라, 특히 수도권의 오피스 시장에서 추가적으로 공급되는 오피스가 시장의 수요에 충분히 반응하는지, 그리고 해당 신규 공급이 사회적 편익으로 해석하는 것이 타당한지에 대한 단초를 밝혀내고자 한다.

두 번째는 신규 공급이 사회적 편익을 창출한다면 임대료 수준을 이러한 편익에 대한 객관적인 지표로 반영할 것인지에 대한 해답을 찾는 것이다. 그간 임대사업의 수요를 다른 임대건물에서 이전되는 수요로 간주함으로써 사회적 편익을 산정할 때 임대료 수입은 배제되어 왔다. 하지만, 주택시장에 통상적으로 적용되고 있는 주택 여과효과(filtering effect)3)가 오피스 시장에도 적용된다면 임대료 수입이 편익으로 간주될 수 있다.

여과효과가 발생한다면 하향여과를 통해 신규로 공급된 오피스에 가장 양호한 기업이 이주를 하게 되고, 해당 기업들이 기존에 입주해 있던 오피스는 그다음 기업들이 차지하게 된다. 위 과정에서 신규 오피스로 이주해 온 기업은 기존보다 높은 임대료를 부담하게 되고, 기존 오피스에 이주해 온 기업들 또한 상대적으로 높은 임대료를 부담하게 될 것이다. 여기서 발생하는 편익은 임대료의 차이가 될 것이며, 임대료가 편익에 산정될 당위성을 가지게 되는 것이다. 만일 신규 오피스의 임대료 수준이 기존 임대료 수준에 큰 영향을 미친다면, 신규 오피스의 임대료 수준을 그대로 편익에 반영하기에는 어려움이 존재한다. 따라서 신규 오피스의 공급으로 인해 전반적인 임대료 수준이 변화하는가에 대한 분석이 필요하다.

물론, 이전 기업들의 임대료 부담에 대한 행정 자료를 구득할 수 없기 때문에 위 질문들에 대한 명확한 답을 제시할 수는 없다. 하지만, 일반적으로 신규 공급되는 오피스의 임대료가 높게 책정되는 상황을 기저에 두고, 본 연구에서는 신규 공급되는 오피스가 권역별 공실률 및 임대료 수준에 얼마나 의미 있게 영향을 미치는지를 살펴봄으로써 간접적으로 영향관계를 파악하고자 한다.

Ⅱ. 선행 연구 검토

1. 예비타당성조사 선행연구 사례

경제적 타당성(economic feasibility) 평가란 공공사업의 편익과 비용을 사회 전반적인 입장에서 측정하고 경제적 수익률 계산을 통해 사업을 평가하는 것이다. 반면 재무적 타당성(financial feasibility) 평가에서는 사회 전체의 입장이 아닌 사업 수행주체의 입장에서 실질적인 금전 수익과 비용만을 추정하고 재무적 수익률 산정을 통해 사업을 평가하게 된다.

재정(공공)사업 예비타당성조사에서 임대 편익 산정 시 이는 이전편익 성격이 존재함에 따라 대체로 사회적 편익으로 간주하지 않았으며 사업 수행주체의 입장에서 발생하는 현금 흐름이라 판단하여 재무적 타당성 평가를 수행하는 경우가 대부분이었다. 만일 신규로 투자되거나 창출되는 어떠한 공간이 ‘신규투자(편익)’라고 해석되는 경우 이는 사회적 편익(social benefit)으로 간주될 수 있으나, ‘이전투자(편익)’로 해석되는 경우 이는 사회적 편익에는 포함할 수 없기 때문이다.

그러나 예외적으로, 경제적 타당성 평가에 임대 수익을 포함한 사례는 존재한다. 먼저, 『김포공항 합동청사 신축사업』 공공기관 사업 예비타당성조사(KDI, 2012)에서는 경제성 분석의 주요 편익으로 임대 수익을 반영하였다. 이러한 근거로는 ‘임대료 이상의 경제적 편익이 발생하므로 임대료를 납부하고 해당 건물에 입주하는 선택을 하게 된다’는 판단 결과를 제시하였다. 다만 임대료는 편익에 직결되므로 신중하고 보수적으로 임대료 추정에 접근하였다. 『종합의료복합단지 개발사업』 공공기관 사업 예비타당성조사(KDI, 2014), 『공군 여의도부지 개발사업』 공공기관 사업 예비타당성조사(KDI, 2013) 등 2건의 조사사업 또한 임대료 수입을 경제적 타당성의 편익에 반영한 사례이다. 『종합의료복합단지 개발사업』 의 경우 새롭게 창출되는 공간의 경제적 편익을 추정하는 변수로 ‘임대료’를 적용하였다. 이러한 근거로는, ‘임대료’라는 변수가 입주 업체가 입주를 통해 얻을 수 있는 편익의 최소 가치(즉, 지불의사)를 반영하고 있다고 판단하여, 임대료를 신규 창출된 입주 공간의 가치로 갈음한 것이다. 『공군 여의도부지 개발사업』 공공기관 사업 예비타당성조사에서도 같은 논리를 적용하여 임대료 편익을 반영한 바 있다. 『개포 9단지 아파트 재건축사업』 공공기관 사업 예비타당성조사(KDI, 2014)에서는 주거서비스 개선 편익 산정 시 주택의 시장 임대료를 적용하였다. 이는, 개별서비스에 대해 특정 가구가 경험하는 편익이 가구의 지불의사(WTP, willing to pay)에 반영되며, 주택 시장의 임대료는 이 WTP를 대변하고 있다는 판단이 전제되어 있다. 재건축 이전(현재 수준)의 임대료와 향후 공급될 예상 시장임대료와의 간극을 토대로 편익을 추정할 수 있다는 논리이다.

이밖에 선행 사례에서도 임대료를 경제적 편익의 항목으로 포함하여 추정한 사례가 존재하지만 신규 공급이 창출하는 수익을 편익으로 가정한 근거는 대부분 하우스필터링이었다. 그러나 이러한 효과는 오피스 시장과는 괴리가 있을 수 있다. 이에 본 연구에서는 오피스 시장에 대한 실증 연구를 통해 실질적으로 오피스의 신규 공급이 시장에 미치는 영향을 분석해보고 신규로 판단하는데 무리가 없는지 확인해 보고자 한다.

2. 일반 선행연구 사례

전해정(2012)주대한·김종진(2016)에서는 VECM(벡터오차수정 모형, vector error correction model)으로 수도권 오피스의 임대료 및 공실률과 기타 거시경제변수와의 동학적 상관관계를 분석하였다. 두 연구 모두 오피스 임대료와 공실률이 거시경제변수에 영향을 받으며 또한 상호연관성이 크다는 결과를 도출하였다.

김용창·양승철(2000)은 VECM(벡터오차 수정모형)을 이용하여 분석하였으며, 오피스 공급주기는 공급 시차와 임대료, 지가, 이자율 등에 의해 발생하며, 거시경제변수의 변화는 이들 가격변수에 영향을 주고 공급주기의 진폭을 변화시킨다고 하였다.

김경민·김준형(2010)은 이자율과 경제성장률, 임대료에 의해 공실률이 영향을 받고, 임대료는 공실률에 의해 변동된다고 하였다.

주기용·지규현(2013)은 OLS(회귀분석, ordinary least squares)를 이용해 오피스의 공급과 각종 거시경제지표가 공실률에 미치는 영향관계를 분석하였다. 분석결과, 공급과 실업률이 증가하면 공실률이 증가하고, GDP와 이자율이 상승하면 공실률이 감소한다고 하였다.

3. 본 연구의 차별성

오피스 시장과 관련한 선행연구 사례를 살펴보면 많은 연구에서 공실률을 각종 거시경제지표와의 관련성을 살펴본 것으로 나타났다. 위 연구들과 달리 본 연구에서는 거시경제변수와의 영향관계보다는 오피스 시장의 주요 관심변수인 공실률과 공급량, 그리고 임대료 간 상호관계를 밝혀 오피스 공급이 사회적 편익에 반영하는 것이 적절한지에 대한 결과를 도출하는데 집중하였다.

즉, 본 연구는 오피스 시장에서의 신규공급이 공실률에 미치는 영향을 살펴봄으로써 공급이 신규수요를 창출하여 사회적 편익으로 이어지는지, 그리고 이를 바탕으로 형성되는 임대료를 편익에 반영할 수 있는지에 대한 결론을 도출하는데 집중하고 있다.

Ⅲ. 자료 및 분석방법

1. 분석자료

본 연구의 주목적은 오피스 시장에서의 공실률과 신규공급량 간 상호 영향 관계를 파악하는데 있다. 이러한 목적을 달성하기 위해서는 데이터를 이용한 엄밀한 실증 분석이 필요하다. 즉, 오피스 부동산의 (신규)공급량 및 가격과 같은 시장정보와 공실률과 같은 현황정보가 필수적이다.

하지만, 분명한 연구목적과 명확한 자료 수요에도 불구하고, 오피스라는 한정된 부동산을 정량적으로 그것도 엄밀하게 조사하여 보고하는 곳은 많지 않다. 이에, 본 연구에서는 불가피하게 서로 상이한 조사 주체가 수집한 데이터를 복합적으로 이용할 수밖에 없었다.

분석에 활용한 자료는 크게 2가지로, 한국감정원의 ‘상업용부동산 임대동향조사4)’와 ㈜신영에셋의 분기별 오피스 시장 동향보고서인 ‘Office Scope5)’에 수록된 조사통계이다. 양 자료 모두 공통적인 권역별 구분을 수립해서 오피스 부동산 현황을 조사하였으며, 2009년 이후부터는 분기별 보고라는 동일한 조사시차를 가지고 있다. 권역별 구분의 구체적인 사항으로는 서울을 4개의 권역으로 나눈 CBD(중구권역, central business district), GBD(강남권역, Gangnam business district), YBD(영등포 및 마포권역, Yeouido Business District), ETC(그 외 서울 주요권역)와 경기도의 분당권역인 BBD(Bundang business district), 총 5개 권역으로 나누어 보고하고 있다.6)

각 자료에서 활용 및 추출한 정보를 살펴보면, 한국감정원의 ‘상업용부동산 임대동향조사’에서는 오피스의 공실률과 면적당 임대료 정보를 활용하였으며, ㈜신영에셋의 ‘Office Scope’에서 신규 오피스의 공급량 정보를 활용하였다. Office Scope의 경우 임대료 정보와 공실률 정보를 모두 제공하고 있어 자료의 일치성을 확보하는 것에는 유리할 수 있었다. 그럼에도 불구하고 한국감정원의 ‘상업용부동산 임대동향조사’에서의 공실률과 임대료 정보를 사용한 이유는 ㈜신영에셋의 ‘Office Scope’보다 더 크고 안정적 표본에서 도출되어 시장 대표성을 가진다는 장점이 있어서이다. 또한, 한국감정원의 자료로부터 확보한 공실률과 임대료 정보가 충분한 표본 범위 및 규모를 가짐으로써 모집단을 기꺼이 따를 것이라는 판단도 주요한 결정 요인이 되었다.

한편, ㈜신영에셋의 자료로부터 확보한 오피스 신규공급량의 경우 조사기관 특성상 대규모 오피스 공급을 자연스레 추적하게 되어있고, 여타 상업용 부동산 조사통계와 비교해 공급 측면을 상대적으로 넓은 범위에서 추적하고 있었으며, 이로 인해 오피스 시장에서의 주요한 변화를 충분히 반영한다고 판단하게 된 것이 근거가 되었다.

정리하면, 양 자료는 상이한 표본을 통해 분석결과에 다소 bias를 가질 수 있다는 점은 공감한다. 하지만, 양 자료가 공통된 시장(권역)을 동일한 시점(분기)의 합치된 조사기간을 가지는 점과 분석에 활용될 대표 변수들이 시장 모집단을 충분히 모방한다는 점, 즉, 시장의 주요한 변화를 효과적으로 반영한다는 점 등을 충분히 고려하여 양 자료의 조합을 통한 분석을 최종적으로 결정하였다.

2. 분석방법
1) 고정효과(Fixed Effect) 모형

일반적으로 패널데이터를 이용한 고정효과모형은 권역 간 잠재되어 있는 특성을 감안하며, 이분산(heterogeneity)과 계열상관(serial correlation) 문제를 동시에 피할 수 있는 매우 좋은 방법론 중 하나이다. 본 연구에서는 이러한 고정효과 모형을 종속변수 하나에 독립변수 하나를 대입한 매우 단순한 형태로 모형을 구성해 분석하였다.

이처럼 단순한 모형의 형태를 취한 이유는, 본 연구의 가장 큰 목적이 오피스 공급량, 공실률, 임대료 등 주요 변수 간 대의적 관계를 검증하고자 하는데 있기 때문이다. 풀어서 말하면, ⑴ 오피스의 신규공급이 공실률 또는 임대료에 미치는 영향, ⑵ 오피스 시장의 공실률과 임대료 수준 간 상호관계 등을 밝혀내는 것만으로도 본 연구는 충분한 의미를 가진다고 판단하였기 때문이다.

두 번째 이유는 두 가지 표본조사의 조합된 데이터를 활용함으로써 분석대상의 권역별 경계에서 미세하게 차이가 존재할 수 있다는 점을 감안하였기 때문이다. 즉, 추가적인 거시경제 정보의 산입 자체에 무리가 있다는 기본 인식 아래 변수 추가를 통한 기타 상황을 통제하는 것보다는 모형의 단순화를 통해 최대한 직접적 영향관계를 밝히는 것이 유리하다고 판단하였다.

단순 모형의 경우 강건한(robustness) 추정치를 산출할 가능성이 낮은데, 이를 해결하기 위해 특정 분기에 발생할 수 있는 충격(shock)을 보정 해주는 분기고정효과를 추가한 모델도 함께 보고하였다. 다만 전술한 바와 같이 분석의 주목적이 대의적 흐름을 밝힘과 동시에 자료 제약에 의한 bias가 있을 수 있다는 점을 고려하여, 분석 결과는 추정치의 크기(magnitude)가 아닌 부호(sign)를 해석하는데 집중하였다.

Model 1: Yit = α + β·Xt + γ·regioni + εit

Model 2: Yit = α + β·Xt + γ·regioni + λ·quatert + εit

2) 자기회귀시차모형(ARDL)

고정효과모형은 각 변수 간 상호 영향을 미치는 정도를 보여주지만, 각 권역별 지역적 특성을 반영하는 것에는 한계가 있다. 이러한 제약을 해소하고자 자기회귀시차모형을 이용해 권역별로 각 변수 간 특성을 한 번 더 살펴보았다.

자기회귀시차(ARDL, autoregressive and distributed lags) 모형은 종속변수와 독립변수 간 동적관계를 추정할 수 있는 모형으로, 독립변수뿐만 아니라 종속변수의 과거 값을 동시에 설명변수로 사용한다. 이를 통해 오차항의 자기상관 가능성을 줄여 주는 장점을 가지고 있다. 자기회귀시차 모형은 어느 정도의 시차를 모형에 담을 것인지에 대한 주관적 판단이 작용할 수 있다는 어려움도 내재되어 있다. 이러한 어려움을 타개하기 위해 본 분석에서는 Hill et al.(2012)7)의 네 가지 기준을 통해 적절한 시차 수준을 결정하여 분석하였다.

자기회귀시차 모형의 표현식은 ARDL(p, q)로 나타내며, p는 종속변수의 과거시차를, q는 독

립변수의 과거시차 수준을 나타낸다. 다시 말해, ARDL(1, 2)는 모형 내 종속변수의 과거시차는 1기전까지만 포함되고, 독립변수의 과거시차는 2기전까지 포함됨을 의미한다.

분석결과는 고정효과모형 분석에서와 같은 이유로 추정치의 크기에 큰 의미를 두지는 않고 방향을 해석하는데 집중한다.

Model 1: Yt = α + γ0·Yt-1 + β0·Xt + εt

(ARDL(1,0))

Model 2: Yt = α + γ0·Yt-1 + β0·Xt + β1·Xt-1 + εt

(ARDL(1,1))

Model 3: Yt = α + γ0·Yt-1 + β0·Xt + β1·Xt-1 + β2·Xt-2 + εt

(ARDL(1,2))

Model 4: Yt = α + γ0·Yt-1 + γ1·Yt-2 + β0·Xt + β1·Xt-1 + εt

(ARDL(2,1))

Model 5: Yt = α + γ0·Yt-1 + γ1·Yt-2 + β0·Xt + β1·Xt-1 + β2·Xt-2 + εt

(ARDL(2,2))

Ⅳ. 공급량과 공실률 간 관계 분석결과

1. 기초통계

앞서 설명하였듯이 분석을 위한 자료는 두 개의 상이한 표본조사 데이터를 이용하였으며, 분석을 위해 패널데이터로의 구축을 선행하였다. 데이터셋의 시간 정보는 2009년 1분기부터 2017년 3분기까지의 길이를 담고 있다. 데이터셋이 가지는 기초통계는 아래 <표 1>과 같다.

표 1. 기초통계
변수명 관측 평균 표준편차 최소 최대
권역 (CBD 외 4개) 175 3 1.4 1 5
분기 (2009.1Q~2017.3Q) 175 18 10.1 1 35
공실률(%) 169 8.0 3.4 1.2 22.0
임대료(천 원/㎡) 169 18.6 3.9 13.7 28.1
신규공급량(천㎡) 175 58.7 76.4 0 384.0
누적 신규공급량 (천㎡) 175 1,483.4 882.2 67.2 3,531.0
Download Excel Table

변수는 권역과 분기, 공실률, 임대료, 오피스의 신규공급량과 누적 신규공급량으로 구성된다. 이러한 구성은 오피스 시장의 신규공급이 사회적 편익으로 해석할 수 있는지와 임대료 수준이 편익 산정에 객관적인 지표로 활용할 수 있는지를 밝혀내고자 하는 기본 연구 목적에 의해 정리하였다.

기초통계를 통해 변수들의 세부사항을 살펴보면, 전 권역에 걸쳐 분기별로 발생하는 평균 공실률은 8% 수준이고, 임대료는 평방미터(㎡)당 평균적으로 1만 8,600원 수준의 임대료를 보였으며, 매 분기별로 공급되는 신규 오피스 면적은 평균 5만 8,700㎡(약 1.8만평)로 나타났다.

한편, 공실률의 최소와 최대는 각각 1.2%와 22.0% 수준이고, 임대료의 최소와 최대는 각각 평방미터(㎡)당 13,700원과 28,100원이며, 신규공급량의 최소와 최대는 각각 0㎡와 384,000㎡(11.6만평)로 나타났다.

2. 고정효과(Fixed Effect) 모형 분석결과
1) 오피스 신규공급량과 임대료 간의 관계

전통적인 경제학 이론인 수요-공급이론에 따르면, 수요량이 일정하게 유지될 때 공급량이 증가하면 가격(임대료)이 감소하게 된다. 이러한 이론적 배경 아래 공급량의 변화가 가격지표인 임대료에 영향을 주는지에 대해 살펴보고자 한다.

물론, 부동산과 같이 자산의 공급량 변화가 매우 장기(long term)에 걸쳐 시장에 투입되는 재화는 가격에 비탄력적인 성격을 가진다. 이에 반해 수요량은 가격에 매우 탄력적인 성향을 지니며, 그렇기 때문에 수요량의 변화가 매우 탄력적인 시장에서는 공급량의 변화가 시장에 미치는 영향이 다소 과소평가될 소지가 있다.

하지만, 공급량의 변화가 시장에 미치는 영향이 충분히 크다면 증가된 공급량과 임대료 간 의미 있는 변화가 관측될 것이라는 가정 하에 고정효과모형을 이용해 오피스의 신규공급량과 임대료 간 관계를 살펴보았다.

결과적으로, 임대료가 오피스의 신규공급량에 혹은 오피스의 신규공급량이 임대료에 미치는 영향 모두 통계적으로 유의미하지 않은 것으로 나타났다. 이러한 결과는 분기고정효과를 추가한 모형에서도 동일한 결과를 보였다.

표 2. 오피스의 신규공급량과 임대료 간 영향
종속변수독립변수 신규공급량 임대료
Model 1 Model 2 Model 1 Model 2
임대료 –0.920 –4.390 . .
(5.256) (7.547)
신규공급량 . . –0.000204 –0.000596
(0.00117) (0.00102)
상수 77.29 156.6 24.15*** 22.62***
(127.5) (175.1) (0.201) (0.470)
권역고정 Yes Yes Yes Yes
분기고정 No Yes No Yes
관측치 169 169 169 169
R2 0.071 0.241 0.917 0.959
adj_R2 0.0426 0.0117 0.915 0.946

주 : 1) ( ) 안은 표준오차(se)를 나타냄.

2) *** p<0.01, ** p<0.05, * p<0.1.

Download Excel Table
2) 오피스의 공실률과 임대료 간의 관계

경제학적 관점에서 공실률의 증가는 오피스 부동산 시장에서 부동산의 초과공급에 기인하는 것으로 추측할 수 있으며, 이는 가격의 하락을 유도하게 될 것이다. 이러한 가설 아래 이번에는 오피스의 공실률과 임대료 간의 관계를 살펴보았다.

고정효과모형을 통한 구체적인 분석결과를 살펴보면, 모형 1 기준 임대료의 증대는 공실률에 양의 영향을 주는 것으로, 공실률의 증대는 임대료에 양의 영향을 주는 것으로 나타났다. 하지만, 특정 분기에 발생한 충격(shock)을 보정한 분기고정효과를 추가한 모형에서는 일관된 통계적 유의도를 보이지 않아 전체적으로 의미 있는 해석을 하기는 어려워 보인다.

결과적으로, 공실률과 임대료 간에는 상호 의미 있는 영향력을 주지 못하는 것으로 나타났다. 이러한 결과는 양 변수 간 영향력 자체가 없다고 해석하기보다는 기타 변수에 대한 영향이 압도적으로 크기 때문으로 해석하는 것이 바람직해 보인다.

표 3. 오피스의 공실률과 임대료 간 영향
종속변수독립변수 공실률 임대료
Model 1 Model 2 Model 1 Model 2
임대료 0.954*** 0.373 . .
(0.227) (0.315)
공실률 . . 0.103*** 0.0289
(0.0244) (0.0243)
상수 -14.09** -2.232 23.22*** 22.41***
(5.504) (7.308) (0.283) (0.488)
권역고정 Yes Yes Yes Yes
분기고정 No Yes No Yes
관측치 169 169 169 169
R2 0.132 0.337 0.925 0.959
adj_R2 0.105 0.136 0.923 0.947

주 : 1) ( ) 안은 표준오차(se)를 나타냄.

2) *** p<0.01, ** p<0.05, * p<0.1.

Download Excel Table
3) 오피스의 신규공급량과 공실률 간 관계

다음은 오피스의 신규공급량이 오피스의 공실률을 줄이는데 얼마나 영향을 미치는지 살펴보았다. 결과적으로, 오피스의 신규공급량과 공실률 간에는 아무런 영향을 미치지 못하는 것으로 나타났으며, 분기고정효과를 추가한 모형에서도 동일한 결과가 나타났다. 아래의 분석결과가 의미하는 바는, 신규로 공급되는 오피스 부동산이 전체 오피스 부동산에 미치는 영향력 자체가 크지 않다는 것의 반증으로 이해할 수 있다.

표 4. 오피스의 신규공급량과 공실률 간 영향
종속변수독립변수 공실률 신규공급량
Model 1 Model 2 Model 1 Model 2
신규공급량 0.00292 0.00556 . .
(0.00355) (0.00366)
공실률 . . 1.417 3.165
(1.720) (2.082)
상수 8.779*** 5.881*** 42.42** 37.82
(0.611) (1.676) (19.97) (41.73)
권역고정 Yes Yes Yes Yes
분기고정 No Yes No Yes
관측치 169 169 169 169
R2 0.042 0.341 0.075 0.253
adj_R2 0.0121 0.142 0.0464 0.0266

주 : 1) ( ) 안은 표준오차(se)를 나타냄.

2) *** p<0.01, ** p<0.05, * p<0.1.

Download Excel Table
4) 분석결과 종합

고정효과모형을 통해 살펴본 수도권 오피스 시장의 신규공급, 공실률, 임대료는 상호간 유의미한 영향을 미치지 않는 것으로 나타났다. 이러한 분석결과가 가지는 시사점은, 신규 공급이 증가하여도 공실률이 변하지 않는다는 측면에서 오피스 시장 자체에서 지속적으로 신규수요를 창출하고 있으며, 이는 사회적 편익으로 해석할 근거가 된다는 점이다. 또한, 신규 공급이 임대료에도 영향을 미치지 않아 오피스의 신규 공급이 시장에 미치는 영향이 크지 않다는 사실을 알게 됨과 동시에 임대료 자체가 편익 산정에 반영될 근거가 될 수 있음을 확인하게 되었다.

한편, 임대료와 공실률 간 관계 등에서도 통계적으로 유의미한 관계를 확인할 수 없었는데, 오피스 시장에서의 외생적 혹은 내생적 충격 모두 시장이 흡수하고 있다는 사실을 간접적으로 확인할 수 있다.

3. 자기회귀시차(ARDL) 모형 분석결과

앞선 고정효과모형에서 오피스의 신규 공급은 신규수요를 창출한다는 본 연구의 중심 결과를 확인하였다. 하지만, 위 결과는 권역별 이질적인 부동산 시장을 평균화함으로 인해 변수 간 영향관계를 축소할 수 있다는 약점이 있다. 이러한 차원에서, 본 절에서는 자기회귀시차(ARDL)모형을 활용해 세부권역별로 분석 대상의 범위를 제한하여 각 변수 간 영향력을 다시 한 번 살펴보고자 하였다.

우선, 자기회귀시차(ARDL)모형은 시계열 분석으로써 비정상적(non stationary) 시계열 변수를 이용해 회귀분석을 수행하면 가성회귀(spurious regression)의 문제가 생길 수 있다. 따라서 본격적인 분석에 앞서 정상성 여부를 검토하기 위한 ADF(Augmented Dickey-Fuller)의 단위근 검정(unit root test)을 실시하였다.

단위근 검정결과는 <표 5>와 같이 공실률과 임대료의 경우 모든 권역에서 단위근이 존재하는 것으로 나타났다. 이들의 경우 단위근이 존재할 때 일반적으로 처리하는 차분(difference)의 방식을 이용해 분석에 적용함으로써 가성회귀의 문제를 피하고자 하였다.

표 5. 단위근 검정결과
변수권역별 신규공급량 공실률 임대료
CBD 0.037** 0.207 0.692
GBD 0.024** 0.574 0.612
YBD 0.020** 0.342 0.890
ETC 0.103 0.482 0.397
BBD 0.068* 0.510 0.892

주 : 1) 검정에 사용한 시차는 2기(t–2)까지 적용하였으며, 시간 추세항을 포함한 결과임.

2) 각 값은 p-value를 나타냄.

3) *** p<0.01, ** p<0.05, * p<0.1.

Download Excel Table
1) 오피스의 신규공급량과 임대료 간 관계
(1) CBD의 경우

다음 <표 6>은 CBD의 오피스 신규공급량과 임대료 간 자기회귀시차(ARDL) 모형의 분석결과이다. 우선, 1유형(Model1_#)과 2유형(Model2_#)에서 AIC와 SIC가 가장 작은 모형을 선정하였으며, 그 결과 1유형에서는 ARDL(1,2)이, 2유형에서는 ARDL(1,0)이 선정되었다. 또한, LM test 결과를 통해 시계열 상관도 함께 살펴보았다. 결과적으로, CBD의 경우 두 유형 모두에서 통계적으로 유효한 영향관계를 보이지 않는 것으로 나타났다.

표 6. 오피스의 신규공급량과 임대료 간 관계 : CBD
변수 종속변수(Y) : 신규공급량 종속변수(Y) : Diff.임대료
독립변수(X) : Diff.임대료 독립변수(X) : 신규공급량
Mode1_1 Model1_2 Model1_3 Model1_4 Model1_5 Model2_1 Model2_2 Model2_3 Model2_4 Model2_5
ARDL(1,0) ARDL(1,1) ARDL(1,2) ARDL(2,1) ARDL(2,2) ARDL(1,0) ARDL(1,1) ARDL(1,2) ARDL(2,1) ARDL(2,2)
Yt-1 –0.091 –0.117 –0.135 –0.100 –0.115 0.015 0.005 0.014 0.009 0.019
(0.178) (0.183) (0.190) (0.183) (0.191) (0.183) (0.185) (0.188) (0.191) (0.194)
Yt-2 0.207 0.190 –0.128 –0.119
(0.183) (0.191) (0.190) (0.193)
Xt 9.913 10.849 10.005 13.171 12.085 0.001 0.001 0.001 0.001 0.001
(21.378) (21.801) (22.546) (21.793) (22.644) (0.002) (0.002) (0.002) (0.002) (0.002)
Xt-1 12.329 13.424 9.800 10.912 0.001 0.001 0.001 0.001
(21.738) (22.317) (21.749) (22.461) (0.002) (0.002) (0.002) (0.002)
Xt-2 –1.012 –2.493 –0.001 –0.001
(22.541) (22.592) (0.002) (0.002)
상수 59.713*** 60.342*** 63.586*** 47.744** 51.688** 0.154 0.095 0.141 0.125 0.170
(17.344) (18.372) (19.665) (21.405) (23.002) (0.154) (0.182) (0.198) (0.196) (0.214)
N 34 33 32 33 32 33 33 33 32 32
adj_R2 –0.050 –0.071 –0.108 –0.061 –0.108 –0.059 –0.081 –0.105 –0.109 –0.138
AIC 398.518 388.904 379.614 389.428 380.412 72.535 74.093 75.652 74.520 76.131
SIC 403.098 394.890 386.942 396.910 389.207 77.024 80.079 83.134 81.848 84.925
P>chi2 0.8259 0.9154 0.8285 0.9262 0.9927 0.7731 0.4854 0.3279 0.6339 0.2437

주 : 1) ( ) 안은 표준오차(se)를 나타냄.

2) *** p<0.01, ** p<0.05, * p<0.1.

3) P>chi2는 시계열 상관(serial correlation)검증테스트인 Breusch-Godfrey LM test의 결과임.

Download Excel Table
(2) GBD의 경우

다음 <표 7>은 GBD의 오피스 신규공급량과 임대료 간 자기회귀시차(ARDL) 모형의 분석결과이다. AIC와 SIC가 가장 작은 모형은 1유형에서는 ARDL(1,2)이고 2유형에서는 ARDL(1,0)으로, 두 모형 모두 시계열 상관이 존재하지 않는다. 분석결과, 당기의 임대료 변화는 신규공급량에 양의 영향을 미치고 있으며, 또한 당기의 신규공급량은 임대료 변화에 양의 영향을 미치는 것으로 나타났다. 하지만, 신규공급은 장기에 걸쳐 시장에 공급되는 비탄력적인 지표로 당기의 지표 간 영향을 상호 인과관계 측면으로 해석하기는 어려운 점이 있다. 따라서 이 분석 결과는 큰 의미를 부여하지 않고자 한다.

표 7. 오피스의 신규공급량과 임대료 간 관계 : GBD
변수 종속변수(Y) : 신규공급량 종속변수(Y) : Diff.임대료
독립변수(X) : Diff.임대료 독립변수(X) : 신규공급량
Mode1_1 Model1_2 Model1_3 Model1_4 Model1_5 Model2_1 Model2_2 Model2_3 Model2_4 Model2_5
ARDL(1,0) ARDL(1,1) ARDL(1,2) ARDL(2,1) ARDL(2,2) ARDL(1,0) ARDL(1,1) ARDL(1,2) ARDL(2,1) ARDL(2,2)
Yt-1 –0.155 –0.198 –0.200 –0.210 –0.202 0.091 0.071 0.065 0.114 0.111
(0.158) (0.182) (0.187) (0.187) (0.195) (0.169) (0.191) (0.195) (0.197) (0.198)
Yt-2 –0.064 –0.014 –0.214 –0.294
(0.167) (0.198) (0.186) (0.207)
Xt 102.119** 98.435** 91.209** 98.874** 91.764* 0.002** 0.002** 0.002** 0.002** 0.002*
(38.930) (40.308) (43.188) (40.930) (44.740) (0.001) (0.001) (0.001) (0.001) (0.001)
Xt-1 29.400 34.632 30.913 34.614 0.000 0.000 0.000 0.000
(45.266) (47.486) (46.115) (48.387) (0.001) (0.001) (0.001) (0.001)
Xt-2 -25.935 -24.257 0.000 0.001
(45.874) (52.721) (0.001) (0.001)
상수 72.657*** 74.184*** 76.563*** 79.429*** 77.539*** –0.062 –0.076 –0.094 –0.054 –0.104
(16.600) (17.194) (18.139) (22.160) (23.305) (0.070) (0.091) (0.111) (0.096) (0.111)
N 34 33 32 33 32 33 33 33 32 32
adj_R2 0.149 0.127 0.103 0.101 0.068 0.129 0.101 0.071 0.107 0.100
AIC 388.548 379.767 370.993 381.593 372.987 16.571 18.502 20.400 19.638 20.674
SIC 393.127 385.753 378.322 389.076 381.782 21.061 24.488 27.883 26.967 29.469
P>chi2 0.5031 0.9038 0.8036 0.7367 0.6543 0.9853 0.4896 0.1721 0.5648 0.8775

주 : 1) ( ) 안은 표준오차(se)를 나타냄.

2) *** p<0.01, ** p<0.05, * p<0.1.

3) P>chi2는 시계열 상관(serial correlation)검증테스트인 Breusch-Godfrey LM test의 결과임.

Download Excel Table
(3) YBD의 경우

다음 <표 8>은 YBD의 오피스 신규공급량과 임대료 간 자기회귀시차(ARDL) 모형의 분석결과이다. AIC와 SIC가 가장 작은 모형은 1유형 2유형 모두 ARDL(1,2)이며, 두 모형 모두 시계열 상관이 존재하지 않는다. 우선 1유형의 경우 임대료가 당기의 신규공급량에 양의 영향을 미치고 있는 것으로 나타났으나, GBD와 마찬가지로 이를 해석하는 것은 바람직하지 않기 때문에 의미를 부여하지 않기로 한다.

표 8. 오피스의 신규공급량과 임대료 간 관계 : YBD
변수 종속변수(Y) : 신규공급량 종속변수(Y) : Diff.임대료
독립변수(X) : Diff.임대료 독립변수(X) : 신규공급량
Mode1_1 Model1_2 Model1_3 Model1_4 Model1_5 Model2_1 Model2_2 Model2_3 Model2_4 Model2_5
ARDL(1,0) ARDL(1,1) ARDL(1,2) ARDL(2,1) ARDL(2,2) ARDL(1,0) ARDL(1,1) ARDL(1,2) ARDL(2,1) ARDL(2,2)
Yt-1 0.117 0.098 0.058 0.162 0.124 –0.358** –0.298* –0.160 –0.231 –0.164
(0.168) (0.186) (0.186) (0.179) (0.169) (0.154) (0.170) (0.160) (0.188) (0.174)
Yt-2 –0.363* –0.474** 0.176 –0.026
(0.179) (0.174) (0.185) (0.188)
Xt 98.057** 100.581** 79.060* 131.033*** 109.984** 0.002** 0.002** 0.002*** 0.001* 0.002**
(37.680) (41.298) (43.017) (42.020) (40.292) (0.001) (0.001) (0.001) (0.001) (0.001)
Xt-1 10.848 31.265 –4.824 18.729 –0.001 –0.001 –0.001 –0.001
(43.502) (45.349) (42.055) (41.016) (0.001) (0.001) (0.001) (0.001)
Xt-2 67.084 93.824** 0.002*** 0.002**
(42.774) (39.675) (0.001) (0.001)
상수 9.214 8.330 1.813 13.792 6.525 0.124** 0.132*** 0.070 0.112** 0.070
(10.971) (12.775) (13.751) (12.435) (12.478) (0.046) (0.047) (0.047) (0.054) (0.052)
N 34 33 32 33 32 33 33 33 32 32
adj_R2 0.126 0.092 0.133 0.180 0.299 0.243 0.237 0.383 0.232 0.358
AIC 366.454 358.731 348.155 356.207 342.114 –5.262 –4.105 –10.309 –1.826 –6.762
SIC 371.033 364.717 355.484 363.690 350.909 –0.773 1.881 –2.827 5.502 2.032
P>chi2 0.7783 0.3822 0.2984 0.5713 0.8892 0.1834 0.0668 0.3639 0.6446 0.3229

주 : 1) ( ) 안은 표준오차(se)를 나타냄.

2) *** p<0.01, ** p<0.05, * p<0.1.

3) P>chi2는 시계열 상관(serial correlation)검증테스트인 Breusch-Godfrey LM test의 결과임.

Download Excel Table

한편, 2유형에서는 임대료에 당기의 신규공급량뿐만 아니라 2기전(t−2)의 신규공급량도 양의 영향을 미치는 것으로 나타났다. 이는 신규공급량이 임대료에 양의 영향을 미치는 것이 아니라, 오히려 YBD의 오피스 시장이 타 권역에 비해 매우 강하게 확장되어 가는 것으로 해석하는 것이 합리적으로 판단된다.

(4) ETC의 경우

다음 <표 9>는 ETC의 오피스 신규공급량과 임대료 간 자기회귀시차(ARDL) 모형의 분석결과이다. AIC와 SIC가 가장 작은 모형은 1유형에서는 ARDL(1,2)이고 2유형에서는 ARDL(1,0)으로, 두 모형 모두 시계열 상관이 존재하지 않는다. 분석결과, ETC의 경우 CBD에서와 같이 두 유형 모두 통계적으로 유의미한 영향관계를 보이지 않는 것으로 나타났다.

표 9. 오피스의 신규공급량과 임대료 간 관계 : ETC
변수 종속변수(Y) : 신규공급량 종속변수(Y) : Diff.임대료
독립변수(X) : Diff.임대료 독립변수(X) : 신규공급량
Mode1_1 Model1_2 Model1_3 Model1_4 Model1_5 Model2_1 Model2_2 Model2_3 Model2_4 Model2_5
ARDL(1,0) ARDL(1,1) ARDL(1,2) ARDL(2,1) ARDL(2,2) ARDL(1,0) ARDL(1,1) ARDL(1,2) ARDL(2,1) ARDL(2,2)
Yt-1 –0.175 –0.176 –0.166 –0.214 –0.202 –0.043 –0.033 –0.029 –0.028 –0.025
(0.185) (0.193) (0.200) (0.195) (0.203) (0.180) (0.186) (0.189) (0.191) (0.195)
Yt-2 –0.210 –0.200 0.074 0.064
(0.193) (0.202) (0.189) (0.195)
Xt –41.174 –41.219 –44.360 –43.400 –45.853 –0.001 –0.001 –0.001 –0.001 –0.001
(47.797) (49.105) (50.735) (48.982) (50.773) (0.001) (0.001) (0.001) (0.001) (0.001)
Xt-1 –2.704 –1.385 0.486 1.277 0.000 0.000 0.000 0.000
(49.671) (51.133) (49.591) (51.219) (0.001) (0.001) (0.001) (0.001)
Xt-2 22.547 13.920 –0.000 –0.000
(50.423) (51.183) (0.001) (0.001)
상수 89.965*** 91.564*** 89.704*** 109.688*** 106.925*** 0.045 0.026 0.056 0.023 0.049
(19.137) (19.920) (20.938) (25.869) (27.206) (0.074) (0.098) (0.126) (0.101) (0.130)
N 34 33 32 33 32 33 33 33 32 32
adj_R2 –0.006 –0.042 –0.078 –0.035 –0.078 –0.035 –0.067 –0.099 –0.100 –0.138
AIC 396.400 387.451 378.445 388.073 379.257 16.646 18.536 20.361 20.781 22.658
SIC 400.979 393.437 385.774 395.556 388.051 21.135 24.523 27.844 28.110 31.452
P>chi2 0.3723 0.5147 0.8968 0.6834 0.5507 0.6291 0.5228 0.0032 0.7590 0.0925

주 : 1) ( ) 안은 표준오차(se)를 나타냄.

2) *** p<0.01, ** p<0.05, * p<0.1.

3) P>chi2는 시계열 상관(serial correlation)검증테스트인 Breusch-Godfrey LM test의 결과임.

Download Excel Table
(5) BBD의 경우

다음 <표 10>은 BBD의 오피스 신규공급량과 임대료 간 자기회귀시차(ARDL) 모형의 분석결과이다. AIC와 SIC가 가장 작은 모형은 1유형에서는 ARDL(1,2)이고 2유형에서는 ARDL(1,0)으로, 두 모형 모두 시계열 상관이 존재하지 않으며 통계적으로 유의미한 영향관계를 보이지 않는 것으로 나타났다.

표 10. 오피스의 신규공급량과 임대료 간 관계 : BBD
변수 종속변수(Y) : 신규공급량 종속변수(Y) : Diff.임대료
독립변수(X) : Diff.임대료 독립변수(X) : 신규공급량
Mode1_1 Model1_2 Model1_3 Model1_4 Model1_5 Model2_1 Model2_2 Model2_3 Model2_4 Model2_5
ARDL(1,0) ARDL(1,1) ARDL(1,2) ARDL(2,1) ARDL(2,2) ARDL(1,0) ARDL(1,1) ARDL(1,2) ARDL(2,1) ARDL(2,2)
Yt-1 0.271 0.288 0.245 0.309 0.247 0.056 0.065 0.071 0.058 0.066
(0.194) (0.199) (0.198) (0.209) (0.211) (0.206) (0.213) (0.217) (0.216) (0.219)
Yt-2 –0.085 –0.007 –0.281 –0.304
(0.211) (0.212) (0.225) (0.230)
Xt –18.730 –20.610 –3.194 –22.164 –3.409 –0.001 –0.001 –0.001 –0.000 –0.000
(36.711) (37.386) (37.960) (38.283) (39.381) (0.001) (0.001) (0.001) (0.001) (0.001)
Xt-1 39.878 37.743 40.597 37.818 0.000 0.000 0.000 0.001
(37.567) (36.698) (38.313) (37.664) (0.001) (0.001) (0.001) (0.001)
Xt-2 57.683 57.413 –0.001 –0.001
(38.584) (40.281) (0.001) (0.001)
상수 58.163** 53.871** 46.954* 59.211** 47.448 0.134 0.115 0.155 0.095 0.149
(22.915) (24.376) (24.252) (28.169) (28.567) (0.126) (0.147) (0.167) (0.150) (0.170)
N 28 27 26 27 26 27 27 27 26 26
adj_R2 0.007 0.007 0.069 –0.031 0.022 –0.070 –0.114 –0.150 –0.093 –0.120
AIC 333.546 323.484 311.010 325.286 313.008 41.002 42.920 44.589 42.743 44.098
SIC 337.543 328.667 317.300 331.765 320.557 44.890 48.103 51.068 49.034 51.647
P>chi2 0.5064 0.6357 0.4368 0.1679 0.3613 0.4105 0.2163 0.2312 0.9845 0.8073

주 : 1) ( ) 안은 표준오차(se)를 나타냄.

2) *** p<0.01, ** p<0.05, * p<0.1.

3) P>chi2는 시계열 상관(serial correlation)검증테스트인 Breusch-Godfrey LM test의 결과임.

Download Excel Table
2) 오피스의 공실률과 임대료 간 관계
(1) CBD의 경우

다음 <표 11>은 CBD의 오피스 공실률과 임대료 간 자기회귀시차(ARDL) 모형의 분석결과이다. AIC와 SIC가 가장 작은 모형은 1유형에서는 ARDL(1,0)이고 2유형에서는 ARDL(1,2)으로, 두 모형 모두 시계열 상관이 존재하지 않는다. 분석결과, CBD의 경우 공실률의 변화가 임대료의 변화에 미치는 영향은 크지 않은 것으로 나타난 가운데, 2기전(t−2)의 임대료는 당기의 공실률에 음의 영향을 미치는 것으로 나타났다.

표 11. 오피스의 공실률과 임대료 간 관계 : CBD
변수 종속변수(Y) : Diff.임대료 종속변수(Y) : Diff.공실률
독립변수(X) : Diff.공실률 독립변수(X) : Diff.임대료
Mode1_1 Model1_2 Model1_3 Model1_4 Model1_5 Model2_1 Model2_2 Model2_3 Model2_4 Model2_5
ARDL(1,0) ARDL(1,1) ARDL(1,2) ARDL(2,1) ARDL(2,2) ARDL(1,0) ARDL(1,1) ARDL(1,2) ARDL(2,1) ARDL(2,2)
Yt-1 0.005 0.006 0.009 0.011 0.012 0.197 0.182 0.236 0.222 0.252
(0.183) (0.187) (0.192) (0.193) (0.196) (0.177) (0.180) (0.183) (0.198) (0.193)
Yt-2 –0.091 –0.081 –0.099 –0.061
(0.203) (0.207) (0.203) (0.198)
Xt 0.073 0.074 0.066 0.055 0.051 0.239 0.235 0.159 0.209 0.149
(0.100) (0.103) (0.107) (0.113) (0.115) (0.325) (0.328) (0.325) (0.341) (0.332)
Xt-1 –0.007 0.018 0.009 0.025 0.198 0.204 0.200 0.204
(0.103) (0.114) (0.111) (0.117) (0.331) (0.325) (0.341) (0.331)
Xt-2 –0.062 –0.058 –0.571* –0.559
(0.113) (0.116) (0.328) (0.335)
상수 0.181 0.182 0.197 0.206 0.214 0.105 0.069 0.205 0.099 0.214
(0.127) (0.131) (0.138) (0.143) (0.146) (0.231) (0.242) (0.249) (0.254) (0.256)
N 33 33 32 32 32 33 33 32 32 32
adj_R2 –0.048 –0.084 –0.115 –0.119 –0.152 –0.006 –0.028 0.041 –0.057 0.008
AIC 72.167 74.162 74.709 74.825 76.522 110.753 112.350 108.654 111.784 110.538
SIC 76.656 80.148 82.038 82.154 85.316 115.242 118.336 115.983 119.112 119.332
P>chi2 0.8965 0.9295 0.4498 0.8162 0.6046 0.7972 0.2233 0.5971 0.5383 0.9410

주 : 1) ( ) 안은 표준오차(se)를 나타냄.

2) *** p<0.01, ** p<0.05, *p<0.1.

3) P>chi2는 시계열 상관(serial correlation)검증테스트인 Breusch-Godfrey LM test의 결과임.

Download Excel Table

경제학적 관점에서 볼 때 가격(P)인 임대료의 증가는 거래량의 대리변수로 볼 수 있는 공실률의 증가를 촉발한다고 예상하는 것이 합리적이다. 이러한 사실에도 불구하고, 임대료가 공실률에 음의 영향을 미쳤다는 것은 오피스 시장이 확장적 추세에 있기 때문으로 해석할 수 있으며, 통계적 유의도 또한 10% 수준에 불과하기 때문에 큰 의미를 부여하기는 어려워 보인다.

(2) GBD의 경우

다음 <표 12>는 GBD의 오피스 공실률과 임대료 간 자기회귀시차(ARDL) 모형 분석결과이다. AIC와 SIC가 가장 작은 모형은 1유형에서는 ARDL(1,0)이고 2유형에서는 ARDL(2,1)으로, 두 모형 모두 시계열 상관이 존재하지 않는다.

표 12. 오피스의 공실률과 임대료 간 관계 : GBD
변수 종속변수(Y) : Diff.임대료 종속변수(Y) : Diff.공실률
독립변수(X) : Diff.공실률 독립변수(X) : Diff.임대료
Mode1_1 Model1_2 Model1_3 Model1_4 Model1_5 Model2_1 Model2_2 Model2_3 Model2_4 Model2_5
ARDL(1,0) ARDL(1,1) ARDL(1,2) ARDL(2,1) ARDL(2,2) ARDL(1,0) ARDL(1,1) ARDL(1,2) ARDL(2,1) ARDL(2,2)
Yt-1 0.280 0.226 0.238 0.334 0.323 –0.063 0.078 0.101 0.069 0.080
(0.179) (0.195) (0.207) (0.207) (0.208) (0.175) (0.172) (0.183) (0.165) (0.189)
Yt-2 –0.261 –0.380 0.128 0.114
(0.199) (0.232) (0.166) (0.203)
Xt –0.148** –0.141** –0.154** –0.156** –0.142** –1.054* –1.118** –1.157** –1.065** –1.085**
(0.059) (0.061) (0.067) (0.064) (0.065) (0.517) (0.479) (0.475) (0.463) (0.498)
Xt-1 –0.045 –0.046 –0.006 0.007 1.253** 1.371** 1.328** 1.352**
(0.061) (0.063) (0.068) (0.069) (0.509) (0.529) (0.496) (0.537)
Xt-2 –0.010 –0.072 –0.294 –0.086
(0.064) (0.073) (0.555) (0.673)
상수 0.061 0.071 0.066 0.068 0.078 0.209 0.106 0.064 0.038 0.043
(0.053) (0.055) (0.058) (0.056) (0.057) (0.165) (0.158) (0.155) (0.156) (0.162)
N 33 33 32 32 32 33 33 32 32 32
adj_R2 0.130 0.117 0.096 0.150 0.149 0.063 0.198 0.204 0.213 0.183
AIC 16.510 17.893 20.016 18.063 18.873 90.357 86.107 82.240 81.871 83.852
SIC 20.999 23.879 27.344 25.392 27.667 94.847 92.093 89.568 89.200 92.646
P>chi2 0.7847 0.3698 0.1875 0.8219 0.9760 0.0326 0.9168 0.5593 0.5278 0.4383

주 : 1) ( ) 안은 표준오차(se)를 나타냄.

2) *** p<0.01, ** p<0.05, * p<0.1.

3) P>chi2는 시계열 상관(serial correlation)검증테스트인 Breusch-Godfrey LM test의 결과임.

Download Excel Table

우선, 공실률이 임대료에 음의 관계를 가지는 것으로 나타났는데, 이는 오피스의 초과공급/수요가 임대료에 즉각적으로 영향을 미치고 있는 것으로 해석할 수 있다.

한편, 당기의 임대료는 공실률에 음의 영향을 미치고, 전기(t−1)의 임대료와 당기의 공실률은 음의 관계를 가지는 것으로 나타났다. 이러한 결과는 전기의 임대료 변화가 공실률 변화를 즉각적으로 주도하고 있으며, 또한 변화된 공실률에 따라 임대료도 적정수준으로 조정되고 있음을 보이고 있다.

금번 분석을 통해 확인할 수 있는 또 하나의 사실은 공실률이 임대료에 미치는 영향이 임대료가 공실률에 미치는 영향보다 더 즉각적이라는 것이다.

(3) YBD의 경우

다음 <표 13>은 YBD의 오피스 공실률과 임대료 간 자기회귀시차(ARDL) 모형의 분석에 대한 결과이다. AIC와 SIC가 가장 작은 모형은 1유형과 2유형 모두 ARDL(1,0)이다.

표 13. 오피스의 공실률과 임대료 간 관계 : YBD
변수 종속변수(Y) : Diff.임대료 종속변수(Y) : Diff.공실률
독립변수(X) : Diff.공실률 독립변수(X) : Diff.임대료
Mode1_1 Model1_2 Model1_3 Model1_4 Model1_5 Model2_1 Model2_2 Model2_3 Model2_4 Model2_5
ARDL(1,0) ARDL(1,1) ARDL(1,2) ARDL(2,1) ARDL(2,2) ARDL(1,0) ARDL(1,1) ARDL(1,2) ARDL(2,1) ARDL(2,2)
Yt-1 –0.385** –0.361** –0.312* –0.244 –0.204 –0.004 –0.007 –0.037 –0.043 –0.036
(0.166) (0.170) (0.177) (0.181) (0.185) (0.171) (0.175) (0.195) (0.195) (0.199)
Yt-2 0.300 0.285 –0.024 –0.022
(0.178) (0.179) (0.206) (0.209)
Xt –0.048 –0.047 –0.043 –0.046 –0.045 –0.445 –0.478 –0.516 –0.457 –0.530
(0.057) (0.057) (0.058) (0.057) (0.057) (0.537) (0.587) (0.639) (0.624) (0.663)
Xt-1 0.045 0.056 0.059 0.058 –0.090 –0.001 –0.057 0.011
(0.054) (0.059) (0.057) (0.057) (0.583) (0.628) (0.613) (0.648)
Xt-2 –0.068 –0.060 0.242 0.240
(0.061) (0.060) (0.627) (0.639)
상수 0.175*** 0.163*** 0.168*** 0.114* 0.119** 0.206 0.222 0.180 0.213 0.183
(0.046) (0.048) (0.049) (0.056) (0.057) (0.144) (0.177) (0.200) (0.187) (0.206)
N 33 33 32 32 32 33 33 32 32 32
adj_R2 0.117 0.107 0.121 0.169 0.169 –0.041 –0.076 –0.113 –0.118 –0.155
AIC –0.171 1.057 2.461 0.692 1.489 75.832 77.805 78.218 78.377 80.204
SIC 4.319 7.043 9.790 8.021 10.283 80.321 83.791 85.546 85.706 88.998
P>chi2 0.0556 0.0472 0.0500 0.5847 0.5802 0.5775 0.6136 0.5111 0.9859 0.4126

주 : 1) ( ) 안은 표준오차(se)를 나타냄.

2) *** p<0.01, ** p<0.05, * p<0.1.

3) P>chi2는 시계열 상관(serial correlation)검증테스트인 Breusch-Godfrey LM test의 결과임.

Download Excel Table

2유형의 선정모형은 시계열 상관이 존재하지 않는 것으로 나타났으나 1유형의 선정모형은 시계열 상관이 존재하는 것으로 나타났다. 1유형의 경우 통계적으로 유의한 변화가 있는 것으로 나타났지만, 이는 표준오차 추정에 문제가 있는 것으로 볼 수 있기 때문에 결과해석에 의미를 부여하는 것은 바람직하지 않다. 즉, YBD의 경우 공실률과 임대료 간 통계적으로 유의미한 변화가 관측되지 않는다.

(4) ETC의 경우

ETC의 경우 AIC와 SIC가 가장 작은 모형은 1유형에서는 ARDL(1,0)이고 2유형에서는 ARDL (1,2)으로, 두 모형 모두 시계열 상관이 존재하지 않는다.

표 14. 오피스의 공실률과 임대료 간 관계 : ETC
변수 종속변수(Y) : Diff.임대료 종속변수(Y) : Diff.공실률
독립변수(X) : Diff.공실률 독립변수(X) : Diff.임대료
Mode1_1 Model1_2 Model1_3 Model1_4 Model1_5 Model2_1 Model2_2 Model2_3 Model2_4 Model2_5
ARDL(1,0) ARDL(1,1) ARDL(1,2) ARDL(2,1) ARDL(2,2) ARDL(1,0) ARDL(1,1) ARDL(1,2) ARDL(2,1) ARDL(2,2)
Yt-1 –0.130 –0.122 –0.109 –0.115 –0.104 0.216 0.166 0.240 0.249 0.239
(0.188) (0.192) (0.198) (0.201) (0.204) (0.155) (0.151) (0.186) (0.180) (0.194)
Yt-2 0.058 0.045 0.007 0.004
(0.200) (0.203) (0.159) (0.163)
Xt –0.067 –0.071 –0.069 –0.069 –0.068 –0.765 –0.813 –0.768 –0.771 –0.766
(0.052) (0.053) (0.056) (0.056) (0.057) (0.634) (0.611) (0.623) (0.628) (0.640)
Xt-1 0.017 0.025 0.021 0.029 –1.149* –1.097* –1.086* –1.098
(0.045) (0.055) (0.057) (0.059) (0.620) (0.638) (0.635) (0.652)
Xt-2 –0.033 –0.032 –0.109 –0.108
(0.047) (0.048) (0.665) (0.680)
상수 –0.003 –0.005 –0.003 –0.006 –0.003 –0.025 –0.023 0.005 0.004 0.005
(0.051) (0.052) (0.054) (0.055) (0.055) (0.184) (0.177) (0.182) (0.182) (0.186)
N 33 33 32 32 32 33 33 32 32 32
adj_R2 –0.007 –0.037 –0.063 –0.080 –0.102 0.039 0.111 0.105 0.105 0.071
AIC 15.753 17.594 19.691 20.186 21.630 99.804 98.113 97.078 97.108 99.077
SIC 20.242 23.580 27.019 27.514 30.425 104.294 104.099 104.406 104.436 107.871
P>chi2 0.6620 0.6183 0.9369 0.2706 0.9657 0.7233 0.4742 0.2824 0.3912 0.1213

주 : 1) ( ) 안은 표준오차(se)를 나타냄.

2) *** p<0.01, ** p<0.05, * p<0.1.

3) P>chi2는 시계열 상관(serial correlation)검증테스트인 Breusch-Godfrey LM test의 결과임.

Download Excel Table

분석결과, ETC의 경우 전기(t−1)의 임대료는 당기의 공실률에 음의 영향을 미치는 것으로 나타났으나, 통계적 유의도가 10%에 그치고 있어 의미 있는 해석을 하는 것은 바람직하지 않다.

(5) BBD의 경우

다음 <표 15>는 BBD의 오피스 공실률과 임대료 간 자기회귀시차(ARDL) 모형의 분석결과를 나타내고 있다. AIC와 SIC가 가장 작은 모형은 1유형에서는 ARDL(1,0)이고 2유형에서는 ARDL(1,2)으로, 두 모형 모두 시계열 상관이 존재하지 않는다.

표 15. 오피스의 공실률과 임대료 간 관계: BB
변수 종속변수(Y) : Diff.임대료 종속변수(Y) : Diff.공실률
독립변수(X) : Diff.공실률 독립변수(X) : Diff.임대료
Mode1_1 Model1_2 Model1_3 Model1_4 Model1_5 Model2_1 Model2_2 Model2_3 Model2_4 Model2_5
ARDL(1,0) ARDL(1,1) ARDL(1,2) ARDL(2,1) ARDL(2,2) ARDL(1,0) ARDL(1,1) ARDL(1,2) ARDL(2,1) ARDL(2,2)
Yt-1 0.036 0.036 0.036 0.030 0.032 –0.189 –0.191 –0.235 –0.158 –0.207
(0.205) (0.210) (0.219) (0.209) (0.214) (0.201) (0.204) (0.194) (0.213) (0.200)
Yt-2 –0.337 –0.335 0.186 0.156
(0.227) (0.232) (0.229) (0.214)
Xt 0.002 0.002 0.001 0.016 0.015 0.199 0.158 1.320 0.070 1.194
(0.021) (0.022) (0.023) (0.024) (0.025) (1.958) (1.989) (1.964) (2.050) (1.994)
Xt-1 –0.000 0.001 0.006 0.007 1.086 0.927 1.142 0.955
(0.022) (0.023) (0.022) (0.023) (1.990) (1.891) (2.046) (1.913)
Xt-2 0.008 0.007 4.143** 4.042*
(0.025) (0.024) (1.974) (2.001)
상수 0.093 0.093 0.094 0.129 0.126 0.080 –0.020 –0.584 –0.152 –0.621
(0.097) (0.099) (0.106) (0.103) (0.106) (0.931) (0.963) (0.961) (1.012) (0.973)
N 27 27 26 26 26 27 27 26 26 26
adj_R2 –0.081 –0.129 –0.183 –0.076 –0.125 –0.044 –0.076 0.064 –0.098 0.043
AIC 41.282 43.282 44.793 42.327 44.222 163.428 165.081 157.136 161.284 158.456
SIC 45.169 48.465 51.084 48.618 51.771 167.316 170.264 163.427 167.574 166.005
P>chi2 0.4361 0.3922 0.5323 0.7824 0.8103 0.3984 0.7495 0.9026 0.4192 0.7822

주 : 1) ( ) 안은 표준오차(se)를 나타냄.

2) *** p<0.01, ** p<0.05, * p<0.1.

3) P>chi2는 시계열 상관(serial correlation)검증테스트인 Breusch-Godfrey LM test의 결과임

Download Excel Table

이번 BBD의 분석에서는, GBD와 유사하게 과거의 임대료(t−2)가 당기의 공실률에 양의 영향을 미치는 것으로 나타났다. 이 결과는 BBD 또한 GBD와 같이 임대료 수준이 공실률에 영향을 미치는 일반적인 수요-공급 관계를 보인 것이며, 차이가 있다면 반응 시간(분기)이 GBD에 비해 상대적으로 느리다는 것이다.

3) 오피스의 신규공급량과 공실률 간 관계
(1) CBD의 경우

마지막으로 오피스의 신규공급량과 공실률 간 관계를 살펴본다. 다음 <표 16>은 CBD의 오피스 신규공급량과 공실률 간 자기회귀시차(ARDL) 모형의 분석결과이다. AIC와 SIC가 가장 작은 모형은 1유형에서는 ARDL(2,1)이고 2유형에서는 ARDL(1,2)으로, 두 모형 모두 시계열 상관이 존재하지 않는다. 분석결과, CBD의 경우 오피스의 공실률과 신규공급량 간 상호 영향관계가 없는 것으로 나타났다.

표 16. 오피스의 신규공급량과 공실률 간 관계 : CBD
변수 종속변수(Y) : Diff.공실률 종속변수(Y) : 신규공급량
독립변수(X) : 신규공급량 독립변수(X) : Diff.공실률
Mode1_1 Model1_2 Model1_3 Model1_4 Model1_5 Model2_1 Model2_2 Model2_3 Model2_4 Model2_5
ARDL(1,0) ARDL(1,1) ARDL(1,2) ARDL(2,1) ARDL(2,2) ARDL(1,0) ARDL(1,1) ARDL(1,2) ARDL(2,1) ARDL(2,2)
Yt-1 0.198 0.140 0.151 0.180 0.185 –0.159 –0.164 –0.185 –0.127 –0.146
(0.175) (0.175) (0.191) (0.192) (0.205) (0.180) (0.188) (0.192) (0.190) (0.193)
Yt-2 –0.061 –0.059 0.220 0.226
(0.195) (0.201) (0.191) (0.194)
Xt –0.003 –0.003 –0.003 –0.003 –0.004 –16.521 –15.400 –15.422 –15.127 –14.900
(0.003) (0.003) (0.003) (0.003) (0.003) (11.553) (12.252) (12.490) (12.186) (12.418)
Xt-1 –0.004 –0.004 –0.004 –0.004 0.470 –0.181 5.656 4.453
(0.003) (0.003) (0.003) (0.003) (12.019) (12.999) (12.770) (13.516)
Xt-2 0.000 0.000 9.847 11.416
(0.003) (0.003) (12.907) (12.894)
상수 0.323 0.600* 0.572 0.641* 0.625 69.737*** 70.825*** 72.078*** 54.680** 54.958**
(0.272) (0.322) (0.372) (0.337) (0.391) (17.565) (18.941) (19.517) (23.470) (24.346)
N 33 33 33 32 32 34 33 32 33 32
adj_R2 0.014 0.056 0.023 0.036 –0.001 0.008 –0.035 –0.043 –0.023 –0.029
AIC 110.084 109.532 111.502 108.841 110.832 396.581 387.780 377.663 388.250 378.041
SIC 114.573 115.518 118.985 116.170 119.627 401.160 393.766 384.992 395.732 386.835
P>chi2 0.7222 0.5624 0.4364 0.8811 0.6521 0.6097 0.561 09496 0.8557 0.6892

주 : 1) ( ) 안은 표준오차(se)를 나타냄.

2) *** p<0.01, ** p<0.05, * p<0.1.

3) P>chi2는 시계열 상관(serial correlation)검증테스트인 Breusch-Godfrey LM test의 결과임.

Download Excel Table
(2) GBD의 경우

다음 <표 17>은 CBD의 분석결과이다. AIC와 SIC가 가장 작은 모형은 1유형에서는 ARDL (1,0)이고 2유형에서는 ARDL(1,2)으로, 두 모형 모두 시계열 상관이 존재하지 않는다.

우선, 오피스 신규공급량이 동기의 공실률에 음의 영향을 미치는 것으로 나타났다. 하지만 통계적 신뢰도가 90%에 그치고 있어 의미를 부여하는 것에는 한계가 있다.

한편, 공실률이 동기의 신규공급량에 음의 영향을 미친 것으로 나타났는데, 장기에 걸쳐 이루어지는 공급량은 비탄력적 지표인데 반해 공실률은 단기간에 즉각적으로 반응하는 탄력적 지표이다. 따라서 같은 기간에 나타난 부호를 바탕으로 통계적으로 의미 있게 해석하는 것은 바람직하지 않다.

표 17. 오피스의 신규공급량과 공실률 간 관계 : GBD
변수 종속변수(Y) : Diff.공실률 종속변수(Y) : 신규공급량
독립변수(X) : 신규공급량 독립변수(X) : Diff.공실률
Mode1_1 Model1_2 Model1_3 Model1_4 Model1_5 Model2_1 Model2_2 Model2_3 Model2_4 Model2_5
ARDL(1,0) ARDL(1,1) ARDL(1,2) ARDL(2,1) ARDL(2,2) ARDL(1,0) ARDL(1,1) ARDL(1,2) ARDL(2,1) ARDL(2,2)
Yt-1 –0.001 –0.054 –0.071 –0.065 –0.091 –0.175 –0.209 –0.207 –0.227 –0.230
(0.172) (0.184) (0.188) (0.182) (0.185) (0.163) (0.182) (0.189) (0.188) (0.196)
Yt-2 0.092 0.021 –0.087 –0.111
(0.183) (0.201) (0.174) (0.201)
Xt –0.004* –0.004** –0.004** –0.004* –0.004* –28.981** –29.004** –30.240* –29.699** –31.474*
(0.002) (0.002) (0.002) (0.002) (0.002) (13.638) (14.061) (15.297) (14.315) (15.657)
Xt-1 –0.002 –0.002 –0.002 –0.002 –8.972 –9.168 –9.974 –10.556
(0.002) (0.002) (0.002) (0.002) (14.871) (15.412) (15.201) (15.814)
Xt-2 –0.001 –0.002 1.822 –1.877
(0.002) (0.002) (15.660) (17.213)
상수 0.419* 0.575* 0.703* 0.490 0.675* 84.351*** 88.199*** 87.511*** 95.802*** 97.275***
(0.217) (0.289) (0.349) (0.289) (0.358) (17.223) (18.834) (19.667) (24.431) (26.609)
N 33 33 33 32 32 34 33 32 33 32
adj_R2 0.055 0.045 0.026 0.011 0.003 0.093 0.066 0.028 0.041 0.002
AIC 90.652 91.885 93.369 89.194 90.241 390.740 381.987 373.556 383.696 375.181
SIC 95.141 97.871 100.851 96.522 99.035 395.319 387.973 380.884 391.178 383.975
P>chi2 0.2812 0.1621 0.3307 0.6146 0.4034 0.4803 0.6194 0.7561 0.8932 0.8785

주 : 1) ( ) 안은 표준오차(se)를 나타냄.

2) *** p<0.01, ** p<0.05, * p<0.1.

3) P>chi2는 시계열 상관(serial correlation)검증테스트인 Breusch-Godfrey LM test의 결과임.

Download Excel Table
(3) YBD의 경우

다음 YBD 중 AIC와 SIC가 가장 작은 모형은 1유형에서는 ARDL(1,0)이고 2유형에서는 ARDL (1,2)으로, 두 모형 모두 시계열 상관이 존재하지 않는다. 분석결과, YBD의 경우 오피스의 공실률과 신규공급량 간 상호 영향관계가 없는 것으로 나타났다.

표 18. 오피스의 신규공급량과 공실률 간 관계 : YBD
변수 종속변수(Y) : Diff.공실률 종속변수(Y) : 신규공급량
독립변수(X) : 신규공급량 독립변수(X) : Diff.공실률
Mode1_1 Model1_2 Model1_3 Model1_4 Model1_5 Model2_1 Model2_2 Model2_3 Model2_4 Model2_5
ARDL(1,0) ARDL(1,1) ARDL(1,2) ARDL(2,1) ARDL(2,2) ARDL(1,0) ARDL(1,1) ARDL(1,2) ARDL(2,1) ARDL(2,2)
Yt-1 0.015 0.078 0.068 0.061 0.050 0.050 0.118 0.170 0.121 0.195
(0.165) (0.172) (0.178) (0.192) (0.204) (0.173) (0.185) (0.191) (0.187) (0.190)
Yt-2 –0.094 –0.079 –0.127 –0.237
(0.192) (0.209) (0.178) (0.187)
Xt –0.004 –0.004* –0.004 –0.004 –0.004 –21.859* –23.573* –22.982 –22.580 –20.982
(0.002) (0.002) (0.002) (0.002) (0.003) (12.389) (13.600) (13.716) (13.788) (13.653)
Xt-1 0.003 0.003 0.003 0.003 14.579 18.565 16.075 22.542
(0.002) (0.002) (0.003) (0.003) (12.974) (13.984) (13.253) (14.176)
Xt-2 0.001 0.001 –16.045 –21.734
(0.002) (0.003) (14.083) (14.627)
상수 0.241* 0.164 0.147 0.170 0.155 26.709** 22.062* 23.482** 24.608** 28.720**
(0.137) (0.150) (0.163) (0.157) (0.177) (10.185) (11.065) (11.143) (11.719) (11.763)
N 33 33 33 32 32 34 33 32 33 32
adj_R2 0.024 0.038 0.007 0.004 –0.033 0.033 0.036 0.055 0.019 0.076
AIC 73.683 74.083 75.978 74.678 76.634 369.919 360.721 350.898 362.129 350.968
SIC 78.173 80.069 83.461 82.007 85.428 374.498 366.707 358.227 369.612 359.763
P>chi2 0.6080 0.6918 0.6576 0.5296 0.2910 0.1837 0.0567 0.8144 0.1767 0.2909

주 : 1) ( ) 안은 표준오차(se)를 나타냄.

2) *** p<0.01, ** p<0.05, * p<0.1.

3) P>chi2는 시계열 상관(serial correlation)검증테스트인 Breusch-Godfrey LM test의 결과임.

Download Excel Table
(4) ETC의 경우

다음 <표 19>에서는 ETC의 오피스 신규공급량과 공실률 간 자기회귀시차(ARDL) 모형의 분석결과를 확인할 수 있다. AIC와 SIC가 가장 작은 모형은 1유형에서는 ARDL(1,0)이고 2유형에서는 ARDL(1,2)으로, 두 모형 모두 시계열 상관이 존재하지 않는다.

분석결과, ETC의 경우 2기전(t−2) 공실률이 당기의 신규공급량에 양의 영향을 미치는 것으로 나타났으나, 경제학적 관점에서 이에 대한 의미 있는 해석을 하기 어려울 뿐더러 통계적 유의도가 10% 수준으로 나타나 큰 해석을 하지 않는 것이 합당한 것으로 판단된다.

표 19. 오피스의 신규공급량과 공실률 간 관계 : ET
변수 종속변수(Y) : Diff.공실률 종속변수(Y) : 신규공급량
독립변수(X) : 신규공급량 독립변수(X) : Diff.공실률
Mode1_1 Model1_2 Model1_3 Model1_4 Model1_5 Model2_1 Model2_2 Model2_3 Model2_4 Model2_5
ARDL(1,0) ARDL(1,1) ARDL(1,2) ARDL(2,1) ARDL(2,2) ARDL(1,0) ARDL(1,1) ARDL(1,2) ARDL(2,1) ARDL(2,2)
Yt-1 0.204 0.182 0.226 0.290 0.344* –0.209 –0.228 –0.205 –0.262 –0.247
(0.157) (0.158) (0.160) (0.188) (0.189) (0.188) (0.192) (0.190) (0.195) (0.194)
Yt-2 –0.041 –0.006 –0.193 –0.211
(0.174) (0.173) (0.203) (0.202)
Xt 0.002 0.002 0.002 0.003 0.002 7.249 13.111 13.931 9.530 9.443
(0.002) (0.002) (0.002) (0.003) (0.003) (11.773) (13.838) (13.825) (14.361) (14.455)
Xt-1 0.003 0.002 0.002 0.001 2.685 –6.388 5.730 –1.909
(0.003) (0.003) (0.003) (0.003) (12.222) (14.286) (12.652) (14.893)
Xt-2 –0.003 –0.004 21.128* 22.088*
(0.003) (0.003) (12.063) (12.077)
상수 –0.164 –0.396 –0.044 –0.349 0.065 91.854*** 95.127*** 90.697*** 111.328*** 109.125***
(0.264) (0.343) (0.438) (0.355) (0.459) (19.229) (19.776) (19.855) (26.106) (26.535)
N 33 33 33 32 32 34 33 32 33 32
adj_R2 0.012 0.016 0.036 0.016 0.049 –0.018 –0.029 0.036 –0.032 0.040
AIC 100.737 101.488 101.638 100.126 99.826 396.791 387.027 374.870 387.974 375.554
SIC 105.227 107.474 109.120 107.454 108.620 401.370 393.013 382.198 395.457 384.348
P>chi2 0.2947 0.1022 0.1827 0.0547 0.1754 0.2251 0.4302 0.6334 0.9306 0.2116

주 : 1) ( ) 안은 표준오차(se)를 나타냄.

2) *** p<0.01, ** p<0.05, * p<0.1.

3) P>chi2는 시계열 상관(serial correlation)검증테스트인 Breusch-Godfrey LM test의 결과임.

Download Excel Table
(5) BBD의 경우

다음 <표 20>은 BBD의 오피스 신규공급량과 공실률 간 자기회귀시차(ARDL) 모형의 분석결과이다. AIC와 SIC가 가장 작은 모형은 1유형에서는 ARDL(2,1)이고, 2유형에서는 ARDL(1,2)으로, 두 모형 모두 시계열 상관이 존재하지 않는다.

분석결과, BBD의 경우 오피스의 공실률과 신규 공급량 간 상호 영향관계가 없는 것으로 나타났다.

표 20. 오피스의 신규공급량과 공실률 간 관계 : BBD
변수 종속변수(Y) : Diff.공실률 종속변수(Y) : 신규공급량
독립변수(X) : 신규공급량 독립변수(X) : Diff.공실률
Mode1_1 Model1_2 Model1_3 Model1_4 Model1_5 Model2_1 Model2_2 Model2_3 Model2_4 Model2_5
ARDL(1,0) ARDL(1,1) ARDL(1,2) ARDL(2,1) ARDL(2,2) ARDL(1,0) ARDL(1,1) ARDL(1,2) ARDL(2,1) ARDL(2,2)
Yt-1 –0.205 –0.207 –0.208 –0.169 –0.168 0.264 0.246 0.268 0.259 0.271
(0.198) (0.205) (0.209) (0.214) (0.218) (0.192) (0.204) (0.208) (0.215) (0.219)
Yt-2 0.209 0.219 –0.052 –0.012
(0.227) (0.234) (0.213) (0.220)
Xt 0.010 0.010 0.009 0.011 0.010 3.273 3.543 3.815 3.483 3.797
(0.010) (0.011) (0.011) (0.011) (0.011) (3.722) (3.944) (4.069) (4.034) (4.181)
Xt-1 0.001 0.001 –0.000 0.001 1.463 0.911 1.440 0.911
(0.011) (0.012) (0.011) (0.012) (4.014) (4.124) (4.100) (4.225)
Xt-2 –0.003 –0.004 –3.400 –3.366
(0.011) (0.012) (4.349) (4.500)
상수 –0.669 –0.712 –0.538 –0.837 –0.587 56.708** 58.702** 55.093** 61.908** 55.849*
(1.198) (1.395) (1.601) (1.440) (1.654) (22.484) (24.059) (24.864) (27.917) (29.085)
N 27 27 27 26 26 28 27 26 27 26
adj_R2 –0.006 –0.049 –0.094 –0.066 –0.113 0.027 –0.016 –0.034 –0.059 –0.085
AIC 162.412 164.408 166.338 160.520 162.378 332.983 324.091 313.715 326.019 315.711
SIC 166.300 169.591 172.817 166.810 169.927 336.979 329.274 320.006 332.499 323.260
P>chi2 0.4631 0.2905 0.3136 0.4943 0.5506 0.9679 0.5391 0.6217 0.4635 0.5481

주 : 1) ( ) 안은 표준오차(se)를 나타냄.

2) *** p<0.01, ** p<0.05, * p<0.1.

3) P>chi2는 시계열 상관(serial correlation)검증테스트인 Breusch-Godfrey LM test의 결과임.

Download Excel Table

Ⅴ. 결론 : 분석결과 및 시사점

본 연구의 주목적은 오피스 시장에서의 공실률 및 임대료 수준과 신규공급량 간 상호 영향관계를 파악하는 데 있다.

지금까지 이루어진 다수의 선행연구 사례에서는 대부분 거시경제지표에 의한 오피스 시장 주요 변수(공실률 등)의 결정요인을 살피는데 그치고 있다. 본 연구가 지니는 차별성, 그리고 연구의 주요 목적은 앞선 선행연구들과 달리 ‘주요 변수 간의 관계’를 집중적으로 밝힘으로써 경제학적 관점인 사회적 편익 발생 여부와 임대료의 편익산정 여부를 명확히 하는 데 있다. 다시 말해 오피스 시장의 신규 공급이 신규수요를 창출하여 사회적 편익을 발생하는지, 이러한 편익 발생이 임대료 수입으로 대변될 수 있는지에 대한 단초를 찾고자 하는 것이다. 그 외에도 임대료와 공실률 간의 관계도 고찰함으로써 오피스 시장에서 주요 변수 간 관계를 종합적으로 분석하고자 하였다.

분석의 기초 자료는 한국감정원의 ‘상업용부동산 임대동향조사’와 ㈜신영에셋의 ‘Office Scope’에서 얻었으며, 2009년 1분기부터 2017년 3분기까지의 패널 자료를 구축하였다. 자료 간 표본차이로 인해 다소의 불일치성과 편향성이 존재할 수 있기는 하나, 양 자료 모두 분석에 활용한 대표 변수들이 시장의 모집단을 충분히 모방한다는 점과 시장의 주요한 변화를 추적하고 있다는 점 등을 감안하여 분석을 위한 기초자료로 설정하였다.

구체적인 분석을 위해 패널자료를 활용한 고정효과(Fixed Effect) 모형과 패널화 되어 있는 권역별 시계열 자료를 활용해 자기회귀시차(ARDL) 모형을 활용하였다. 두 가지 모형을 사용한 이유는, 수도권 오피스 시장의 전반적인 현상을 분석함과 동시에 지역별 특성을 반영한 권역별 세부 분석을 수행하기 위함이다. 전체적인 분석결과는 다음 <표 21>과 같다.

우선, 수도권 오피스 시장의 전반적인 현상을 살펴본 고정효과모형 결과에서는, 수도권 오피스 시장에서 신규공급, 공실률, 임대료는 상호간 유의미한 영향을 미치지 않는 것으로 나타났다.

표 21. 분석결과 종합
구분 전체
CBD GBD YBD ETC BBD
임대료 → 신규공급량 . . . . . .
신규공급량 → 임대료 . . . +t+t-2 . .
공실률 → 임대료 . . t . . .
임대료 → 공실률 . . +t-1 . . +t-2
신규공급량 → 공실률 . . . . . .
공실률 → 신규공급량 . . . . . .
Download Excel Table

이러한 분석 결과는 신규 공급이 증가하여도 공실률이 변하지 않는다는 측면에서 오피스 시장 자체에서 지속적으로 신규수요를 창출하고 있으며, 이는 사회적 편익으로 해석할 수 있다는 것을 시사한다. 또한, 신규 공급이 임대료에도 영향을 미치지 않아 오피스의 신규 공급이 시장에 미치는 영향이 크지 않다는 것과 임대료 자체가 편익 산정에 반영될 근거가 될 수 있음을 확인하였다. 한편, 임대료와 공실률 간 관계 등에서도 통계적으로 유의미한 관계를 확인할 수 없었는데, 이는 오피스 시장에서의 외생적 혹은 내생적 충격 모두 시장이 흡수하고 있다는 것을 방증하는 것으로 해석할 수 있다.

세부 권역별 오피스 시장을 살펴본 자기회귀시차모형에서는 전반적으로 고정효과모형과 일치된 결과를 확인할 수 있다. 다만 지역별 특색을 가지는 권역도 일부 존재한다. 공실률과 임대료 간의 관계에 있어서는 GBD(강남권역, Gangnam business district)와 BBD(분당권역, Bundang business district)에서 의미 있는 결과가 나타났다. 우선 GBD에서 전기(t−1)의 임대료가 당기의 공실률에 양의 영향을 미치는 것으로 나타났는데, 이는 임대료가 공실률 변화를 즉각적으로 주도하고 있다는 사실을 보여준다. 한편, 공실률 변화가 당기의 임대료에 음의 영향을 미치는 것으로도 나타났는데, 이는 변화된 공실률에 따라 임대료도 적정수준으로 조정되고 있음을 보여주는 것으로 해석할 수 있다. GBD와 유사하게 BBD에서도 2기(t−2)전의 임대료가 공실률에 양의 영향을 미치는 것으로 나타났다.

신규공급량과 임대료 간의 관계에 있어서는 YBD(영등포 및 마포권역, Yeouido business district)에서 의미 있는 차이를 발견할 수 있다. 그러나 이 결과는 오피스 시장이 타 권역에 비해 매우 강하게 확장되어 가는 특수성에 의한 것으로 이해하는 것이 합리적일 것으로 판단된다.

요컨대 전체적인 수준에서 오피스의 임대료와 신규공급량 간의 관계와 신규공급량과 공실률 간 관계는 크지 않은 것으로 나타났다. 이는 오피스 시장의 신규공급이 기존 임대 시설을 대체하기보다는 신규로 경제적 편익을 창출한다는 점을 시사한다.

Footnotes

1. ㈜신영에셋(2017), 『Office Scope 2017, 4Q』.

2. 이러한 사실은 연간 거래건수(47건)와 거래면적(1.6백만㎡)의 증가 추세에서도 확인할 수 있음.

3. 주택 여과과정(혹은 효과)이란, 주택의 질적변화와 가구의 이동, 특히 소득 계층 간의 이동 관계를 설명하는 것으로 하향여과(filtering-down)와 상향여과(filtering-up)가 있음.

- 하향여과 : 고소득(상위) 계층이 사용하던 주택이 저소득 계층의 사용으로 전환되는 것을 나타내는 것으로, 저소득 계층이 고소득 계층이 속한 지역 혹은 인접한 지역으로의 지속적으로 이동하는 현상을 말함.

- 상향여과 : 저소득(하위) 계층이 사용하던 주택이 수선 및 재개발되어 고소득 계층의 사용으로 전환되는 현상을 나타내며, 구체적으로는 뉴타운과 같은 재개발 특구가 있음.

4. 한국감정원이 2002년부터 조사·보고하기 시작한 ‘상업용부동산 임대동향조사’의 조사는 <참고>에서 볼 수 있듯이 조사범위 및 단위와 같은 표본의 확대와 조사 주기의 변화가 있었음. 조사 최초작성시점인 2002년부터 2006년까지의 조사표본은 1,500개에 그치고 있었으나 2015년에 들어서 27,955개까지 확장하였으며, 조사 주기 역시 연간 및 반기별 보고하던 것에서 2009년부터는 분기별 보고로 변경되었음.

참고. 「상업용부동산 임대동향조사」 표본
연도 ’02~’06 ’07 ’08 ’09 ’10 ’11 ’12 ’13 ’14 ’15~’17
조사주기 연간 반기 분기
표본수 1,500 3,000 3,155 26,155 27,955
작성기관 - 조사․평가 : 한국감정평가협회- 통계작성 : 한국부동산연구원 - 조사․평가 : 한국감정원- 통계작성 : 한국감정원
Download Excel Table

5. 오피스 시장의 트렌드를 비롯해 임대시장 동향, 매매시장 동향, 분양시장 동향 등 다양한 오피스 시장의 현황 및 분석정보를 제공하고 있으며, 공실률과 임대료 정보뿐만 아니라 보증금과 관리비 정보도 존재함. 하지만, 한국감정원의 ‘상업용부동산 임대동향조사’와 비교해 표본의 수가 작고, 표본의 편향성이 존재할 수 있다는 한계를 가짐.

6. 그 외 부산, 대구와 같은 광역시와 강원, 충북과 같은 광역자치단체도 부동산정보를 제공하고 있기는 하나, 광역자치단체의 정보는 지역별(기초자치단체별) 편차가 매우 커 분석의 효용 가치가 크지 않을 뿐더러 본 연구의 목적 및 대상과 부합하지 않기 때문에 분석에 활용하지 않음.

7. 기준1 : 해당 시차 하에서 오차항에 대한 자기상관이 없는가?

기준2 : 추정계수의 부호와 크기가 경제학 이론에 부합하는가?

기준3 : 추정계수가 통계적으로 유의미한가?

기준4 : 해당 시차 하에서 AIC(Akaike Information Criterion)와 SIC(Schwarz Information Criterion)가 최소인가?

참고문헌(References)

1.

김경민·김준형, 2010, 「연립방정식을 활용한 오피스시장 예측모형 - 서울 오피스 시장을 대상으로」, 『국토계획』, 45(7): 21-29 .

2.

김미경·이창무·이민석, 2010, 「주택여과과정을 통한 뉴타운사업의 주택공급효과 분석」, 한국부동산분석학회 2010년 추계학술대회, 145-158 .

3.

김용창·양승철, 2000, 『부동산시장정보 분석모형 구축방안』, 삼성에버랜드·감정평가연구원 .

4.

노상윤, 2017, 「서울 프라임 오피스 이산적 가격시계열 보간에 관한 연구」, 『부동산분석』, 3(2): 1-20 .

5.

전해정, 2012, 「오피스 임대료, 공실률 모형의 동학적 분석에 관한 연구」, 『부동산연구』, 22 (3): 215-233 .

6.

주기용·지규현, 2013, 「오피스 과잉공급이 공실률에 미치는 영향 분석」, 『사이버교육연구』, 7(2): 161-176 .

7.

주대한·김종진, 2016, 「VECM을 활용한 오피스 공실률 영향요인에 관한 연구」, 『주거환경』, 14(2): 93-108 .

8.

㈜신영에셋, 2017, 『Office Scope 2017, 4Q』 .

9.

Braid, R. M., 1984, "The effects of government housing policies in a vintage filtering model," Journal of Urban Economics, 16(3): 272-296 .

10.

KDI, 2012, 『김포공항 합동청사 신축사업』, 공공기관 사업 예비타당성조사 .

11.

KDI, 2013, 『공군 여의도부지 개발사업』, 공공기관 사업 예비타당성조사』 .

12.

KDI, 2014, 『개포 9단지 아파트 재건축사업』, 공공기관 사업 예비타당성조사 .

13.

KDI, 2015, 『종합의료복합단지 개발사업』, 공공기관 사업 예비타당성조사 .

14.

Weicher, J. and T. Thibodeau, 1988, "Filtering and housing market: An empirical analysis," Journal of Urban Economics, 23(1): 21-40 .

Appendices

Appendix 1
부록 1. 각 항목당 분기별 지수의 평균값
항목 연도 CBD GBD YBD ETC BBD
공실률(%) 2009 5.7 4.8 6.0 11.2 .
2010 8.8 5.1 6.2 9.0 5.9
2011 6.4 5.0 4.8 5.7 6.4
2012 6.8 4.9 5.9 5.0 8.9
2013 7.0 7.2 6.2 7.3 15.9
2014 11.8 10.2 8.5 8.1 15.1
2015 11.3 11.2 9.3 8.4 2.2
2016 10.8 9.5 9.4 9.5 1.2
2017 13.0 7.8 10.3 12.1 10.2
임대료(천 원/㎡) 2009 21.5 20.8 15.1 13.9 .
2010 22.8 20.8 15.7 14.4 13.8
2011 24.1 20.7 16.1 14.9 13.7
2012 24.3 21.3 16.8 15.3 15.0
2013 24.4 21.6 18.2 14.1 16.8
2014 24.3 21.5 18.4 14.0 16.5
2015 24.4 21.3 18.4 14.1 16.2
2016 24.5 21.2 18.5 14.1 16.1
2017 28.1 22.8 19.0 13.7 16.4
신규공급량(천㎡) 2009 6.5 65.6 0.0 73.0 36.0
2010 142.9 46.2 12.5 58.6 60.7
2011 123.2 69.4 58.1 38.3 152.8
2012 83.6 66.1 239.8 156.3 115.7
2013 93.3 84.2 108.7 127.9 136.4
2014 85.4 49.2 0.0 96.1 86.6
2015 58.6 114.2 0.0 87.5 100.9
2016 76.4 65.9 33.6 60.3 79.2
2017 41.4 128.6 63.5 126.8 0.0
누적신규공급량(천㎡) 2009 310 1,014 67 1,000 182
2010 548 1,201 70 1,226 343
2011 1,073 1,445 218 1,353 738
2012 1,298 1,708 432 1,733 1,315
2013 1,521 1,953 652 2,091 1,673
2014 1,762 2,104 769 2,489 2,079
2015 1,990 2,308 769 2,822 2,302
2016 2,075 2,772 786 3,088 2,507
2017 2,196 3,202 866 3,359 2,526

주 : CBD, 중구권역; GBD, 강남권역; YBD, 영등포 및 마포권역; ETC, 그 외 서울 주요권역; BBD, 강남권역.

Download Excel Table
Appendix 2
jrea-4-1-95-ap2_g1
부록 2. 오피스의 신규공급량과 임대료 간 관계
Download Original Figure
Appendix 3
jrea-4-1-95-ap3_g1
부록 3. 오피스의 공실률과 임대료 간 관계
Download Original Figure
Appendix 4
jrea-4-1-95-ap4_g1
부록 4. 오피스의 신규공급량과 공실률 간 관계
Download Original Figure

학술지 부동산분석 제5권 제2호 논문모집 공고

논문모집을 6월 12일(수)까지 실시합니다. 게재가 확정된 논문에 대해서는 소정의 연구장려금을 지급(200만 원/편)하며, 부동산관련 연구를 장려하기 위해 투고료 및 심사료는 받지 않을 예정입니다.

학술지부동산분석2018년 한국연구재단의 학술지 신규평가시 등재후보학술지로 선정되었음

공지사항 보기(클릭)

I don't want to open this window for a day.