주택시장 정책 개선 번역(한국어 원본)이 연구는 외환위기와 신자유주의를 경험한 이후, 주택시장이 어떠한 방향으로 변화하고 있는지를 파악하기 위해 연구하였다. 시스템 다이내믹스 기법을 적용한 주택시장 시뮬레이션 모형을 구축하고, 주택시장에서 작용하는 내․외부 요인들의 변화정도가 장기 주택시장에 주는 영향을 모의 실험함으로써 주택정책의 방향성을 제시하는 것이 목적이다.
연구의 목적을 달성하기 위해 2장에서 2000년대 이후의 주택정책의 변화와 주택시장을 대표하는 주택매매가격지수와 주택임대가격지수를 통해 주택시장의 현황을 분석하였다. 또한 인구․가구의 변화와 소득의 변화를 주택시장과 연계하여 분석하여 주택시장의 변화 원인을 파악하고자 하였다. 그리고 주택가격에서 거듭제곱법칙의 존재가능성에 대해 검증을 복잡계 분석 기법 중 하나인 시스템 다이내믹스 적용을 위한 논거로 제시하였다.
3장에서는 주택시장의 지표인 주택가격에서 거듭제곱 법칙의 임계현상이 나타나고 있는 증거를 통해 자기조직화(self-organization)하는 임계성을 가진 주택시장에 관해 살펴보았다. 이는 주택가격의 분포가 일련의 자연법칙과 유사한 형태로 나타나고 있으며, 이는 주택시장에서도 창발 현상이 일어나는 복잡계 시스템으로 작동하고 있다는 의미를 가진다.
4장에서는 주택시장을 둘러싼 내생 및 외생 요인들이 주택시장에 어떤 영향을 주고 있는 지를 실증적으로 분석하였다. 복잡계 현상을 분석하는 방법 중 하나인 시스템 다이내믹스를 통해, 스스로 진화해 나가는 시장에 대처하기 위한 논의를 시도하였다. 간단한 이론 모형에 주택시장의 현실을 반영하는 몇 가지 시나리오를 반영하여 구성 요소들 간의 변화의 방향성을 찾고자 하였다. 이를 위해 선행연구의 분석을 통해 주요 변수를 선정하고, 주택시장 시뮬레이션 모형을 구축하였다.
이 연구의 주택시장 모형은 주택매매수요, 임대주택수요, 주택매매가격, 임대주택가격, 매매주택공급, 임대주택공급부문으로 구분하고, 각 부문간 외생변수인 환율, 소득, 이자율, 인구․가구 부문 간 상호 인관관계를 파악하여 컴퓨터상에서 모의실험이 가능한 인공주택시장인 시뮬레이션 모형을 구축하였다.
모의 실험결과, 주택시장모형 내에서 소득, 환율, 전세가격, 매매가격, 건설공사비지수, 이자율, 경제활동가구수 등이 민감하게 반응하여, 주택시장의 변화에 영향력이 큰 변수임을 확인하였다. 이 중 소득이 주택매매 및 전세수요, 주택매매 및 전세가격, 주택수급의 선순환구조를 가져올 수는 주요 변수라는 것을 시나리오 분석을 통해 확인하였다. 주택정책개선방향으로 정부부처간 협력강화를 통한 부동산정책수립, 1가구1주택정책에서 임대주택 중심의 장기적 변화모색, 주택후분양제를 통한 시장 안정화, 주택관련 정보의 정확한 통계 재구축을 통해 정확한 자료에 기초한 주택정책 수립 등을 제안하였다.
이 연구의 성과와 부동산학의 기여는 다음과 같다. 첫째, 주택시장이 복잡계 현상을 나타내는 시장이라는 것을 주택가격의 거듭제곱 현상을 통해 실증하였으며, 이를 통해 주택시장의 분석에 시스템 다이내믹스를 접목할 수 있는 학문적 근거를 제시하였다. 둘째, 이 연구의 모형은 기존의 도시학, 경제학 등의 접근방법을 포괄하는 것으로 부동산 활동과 현상의 분석을 시뮬레이션 모형으로 구현하는 토대를 마련하였다. 이는 부동산학의 연구방법인 종합적 접근법을 더욱 발전시킬 수 있는 계기가 될 것이다. 셋째, 주택시장의 수요와 공급에 관한 모의 실험을 통해 주택시장을 교란하는 요소를 최소화할 수 있는 효과적인 정책시행이 가능하도록 정책결정을 지원할 수 있다. 넷째, 모형의 활용 측면에서 구축된 모형은 지역별 자료로 수정입력하고, 검증과정을 거치면 지역의 주택수요와 공급 그리고 주택가격의 추정관련 자료를 수시로 산출할 수 있도록 지원함으로써 주택정책의 적시성을 제고시킬 수 있다.
이 연구는 주택시장의 수요, 공급, 가격에 대한 장기 예측을 통해 주택시장의 변화와 시기별 주택정책에 대한 효과를 분석하였다는 점에서 기존연구와 차별화되는 특징을 지니고 있다.
첫째, 이 연구는 부동산학 관점에서 주택시장의 분석을 위한 새로운 방법론을 제공하였다. 시스템 다이내믹스는 시계열로 구성된 통계자료를 획득하기 어렵거나, 실제 데이터가 없더라도 정성적인 접근을 시도할 수 있는 장점이 있다. 이 연구는 주택시장의 정량적․정성적인 분석에 있어 보다 유연한 틀을 제공하는 시뮬레이션 모형을 구축한 것이 특징이다.
둘째, 시스템 다이내믹스의 선행연구들에 있어서 자료의 검증과 행태분석에 대한 학술적 완성도를 높였다는 것이 이 연구의 특징이다. 인과관계도, 저량-유량 다이어그램, 시뮬레이션 모형의 검증, 모형의 행태분석, 그리고 시나리오 설정 및 분석 절차에 있어서 기존 연구들을 종합하였고, 다양한 검증을 통해 연구의 질을 높였다.
주택시장을 보다 종합적으로 분석하는 응용과학으로서의 인공주택시장을 제시하였으나, 몇 가지 연구의 한계점을 지니고 있다.
첫째, 다양한 검증 방법을 통해 시뮬레이션 모형의 타당성을 검증하였으나, 변수간의 복잡성 등으로 인해 면밀한 객관성과 타당성을 확보하는데 한계가 있었다. 이러한 한계로 인해 향후에는 모형의 타당성을 제고시킬 수 있는 추가적인 연구가 요구되며, 현실 시장과 유사한 모형으로 발전시킬 필요가 있다.
둘째, 선행연구의 이론적 고찰을 통해 주택시장 시스템 구성변수들을 선정하여 시뮬레이션 모형을 구축하였으나, 시뮬레이션 모형의 적용 가능성과 유용성을 측면에서 모든 구성변수들을 포함시키지 못하는 한계점이 있다. 이러한 점은 후속연구에서 다양한 인문․사회․경제적 환경변수와 내생변수들을 파악하고, 이를 모형화하여 기존 모형에 통합될 수 있도록 수정하는 연구가 필요하다.
셋째, 주택시장관련 다양한 변수들의 확보를 위해 노력하였으나, 관련 통계의 부재 및 시계열 자료의 연속성 문제로 인해 모형에 활용하지 못하였다. 소득은 가처분소득을 기준으로 하는 것이 바람직할 것이나, 서울시 등 시군구의 경우 가처분소득 통계가 미흡하거나 부재하여 대용변수로서 지역내총생산(GRDP)과 노동소득분배율을 통해 추정하였다. 또한 신규분양주택, 신규임대주택 등 주택관련 통계의 시계열 확보 문제로 인해 자가가구수와 차가가구수로 대체하여 분석하는 등 자료에 있어 한계점이 있었다.
그리고 이 연구에서는 소득계층을 분류하여 소득수준에 따른 주택의 수요와 공급의 변화는 파악하고자 하였으나, 산업분야를 세분하여 분석하지 못하였다. 향후 연구에서는 이러한 부분을 연구한다면 주택시장에 있어서 경제적 모형을 더욱 정교화시킬 수 있을 것이다. |
주택시장 정책 개선 번역(영어 번역본)This study examined how the housing market has been changing since the so-called IMF crisis and neoliberalism. The purpose of this study is to build a housing market simulation model based on the system dynamics technique, and present the direction of housing policy by simulating the long-term effects of internal and external factors affecting the housing market on the housing market.
To accomplish this purpose, Chapter 2 analyzed the housing market based on the changes in housing policies since 2000 and the housing purchase price composite index and housing rental price composite index, which are representative indexes of the housing market. Also, it linked the changes in the population and households to the housing market in order to understand what caused the changes in the housing market. Chapter 2 also presented the likelihood that the power law may be applicable to housing prices as the grounds for applying system dynamics, one the complex system analysis techniques.
Chapter 3 used the proof that the critical phenomenon of the power law is happening in the housing price, an index of the housing market, to examine the housing market with self-organizing criticality. This means that the distribution of housing prices appears similar to a series of natural laws, and the housing market is a complex system in which the emergent phenomenon takes place.
Chapter 4 empirically analyzed how the internal and external factors surrounding the housing market are affecting the housing market. The system dynamics, one of the ways to analyze the complex system phenomenon, was used to begin discussions in a bid to cope with the self-evolving market. This chapter attempted to apply a few scenarios reflecting the reality of the housing market to a simple theoretical model, and find the directionality of the changes in the component. To this end, previous studies were analyzed, key various were selected, and a housing market simulation model was built.
The housing market model of this study is divided into housing sales demands, demands for rental housing, housing prices, rental housing price, housing supply and rental housing supply, and the causal relationship among the external various, such as exchange rate, income, interest rate, population and households was examined, and a simulation model, i.e. an artificial housing market capable of computer simulation, was built.
According to the result of the simulation test, income, exchange rate, lease price, sales price, construction cost index, interest rate and number of economically active households reacted sensitively in the housing market model, and turned out to be variable greatly affecting changes in the housing market. A scenario analysis confirmed that, among them, income is a key variable that can bring a virtuous cycle of housing sales and demands for lease, and housing sales and lease prices, and housing supply and demand. This study proposed, as means of improving housing policies, establishing real estate policies by reinforcing cooperation among government agencies, seeking a long-term change in the 1-household 1-house policy with focus on rental housing, market stabilization based on the Post Construction Sales System, and establishment of housing policies based on accurate data by re-building accurate housing statistics.
The outcomes of this study and its contributions to the study of real estate are as follows: First, the power law of housing prices was used to empirically prove that the housing market is a complex system, and accordingly presented the academic grounds for using system dynamics for analysis of the housing market. Second, the model in this study encompasses such existing approaches as urbanology and economics, laying the foundation for implementing a simulation model for activities and phenomena of real estate. This will provide an opportunity to further advance the comprehensive approach, the research methodology in real estate. Third, a simulation of supply and demand in the housing market can be conducted to support policy decisions that will make it possible to effectively enforce policies and thus minimize factors disturbing the housing market. Fourth, the model, built from the viewpoint of utilization, can improve the timeliness of housing policies as it makes it possible to produce estimated data regarding local housing supply and demand, and housing prices at any time if local data is modified, entered and verified.
This study differentiates itself from previous studies in that it analyzed changes in the housing market and period-by-period effects on housing policies through long-term prediction of demand, supply and prices in the housing market.
First, this study provided a new methodology for analysis of the housing market from the viewpoint of real estate research. The advantage of system dynamics is that it can attempt a qualitative approach if it is difficult to obtain time-series statistical data or if there is no data at all. This study build a simulation model that provides a more flexible frame for quantitative and qualitative analysis of the housing market.
Second, another characteristic of this study is that it enhanced the academic quality of data verification and behavior analysis as compared to previous studies using system dynamics. As for causal relations, this study synthesized all existing researches in regard to the stock and flow diagram, verification of the simulation model, the behavior analysis of the model, and the scenario setting and analysis procedure, and raised the quality of researches through various tests.
This study proposed the artificial housing market, as an application science for analyzing the housing market more comprehensively, but it has some limitations.
First, the simulation model was validated through various validation methods, but due to the complexity of variables, there was limitation in securing solid objectivity and validity. Accordingly, additional researchers are needed to enhance the validity of the model in the future, and this model must be further developed into a model similar to the real market.
Second, the theories of previous studies were considered, and the variables of the housing market system were selected, and the simulation model was built, but it was impossible to include all component variables simulation in terms of the applicability and usefulness of the model. Therefore, various humanistic, social and economic environmental variables and internal variables must be understood in subsequent studies, and these variables need to be modeled, modified and integrated into the existing model.
Third, efforts have been made to secure diverse variables related to the housing market, but due to the absence of related statistics and the discontinuity of time-series data, they could not be used in the model. It would be desirable that income is based on disposable income, but as statistics on disposable income was inadequate or absent in municipal governments including Seoul, an estimation based on the gross regional domestic product (GRDP) and labor’s relative share was used as an alternative variable. Also, as it was difficult to obtain time-series housing data regarding new houses and new rental houses, the number of owned and rented housed was used instead.
This study tried to classify income brackets, and understand changes in supply and demand of houses depending on income level, but failed to subdivide the industries. If future studies can make up for these weaknesses, it will be possible to make a more sophisticated economic model of the housing market. |
