패널 데이터를 활용한 신도시 개발이 수도권 인구 및 고용 분산화에 미치는 영향

Abstract

인구는 사회를 이루는 주요 요인이며 우리나라의 경우 대도시를 중심으로 인구밀도가 집중되어 공간적 불균형 분포를 이루고 있다(권일, 1999). 그 중에서도 서울의 인구와 고용밀도는 높게 나타나고 있으며 이러한 집중화는 다양한 문제를 초래하게 되고 국가경쟁력의 총체적 약화를 야기할 수 있으며 이에 따라 정부는 신도시 개발을 시행함으로써 서울의 인구를 주변지역으로 분산화하고자 하였다. 신도시에 대한 관심이 늘어가고 이에 대한 연구들이 등장하기 시작하였다. 1기 신도시에 대한 평가와 2기 신도시에 대한 정책들이 등장하게 되었지만 실질적으로 수도권 전체를 기준으로 서울의 인구 및 고용이 분산화 효과를 가져왔는지 입증하는 연구는 부족한 실정이다. 따라서, 본 연구의 목적은 1, 2기 신도시 개발이 실질적으로 개발목적에 맞게 인구 및 고용의 분산화를 불러왔는지 실증분석하고자 한다. 연구 질문은 첫째, 신도시 개발로 인한 인구 및 고용 분산화가 연도별로 영향효과가 다르게 나타날 것인지 확인해 보고자하였으며 둘째, 인구분산과 고용분산 효과 중 어디에 더 영향을 미쳤을지 파악하고 마지막으로 수도권 전체와 서부, 남부권역으로 구분하여 분산효과가 다르게 나타날 것인지 실증분석 하고자 하였다. 선행 연구 고찰을 통하여 본 연구의 차별성을 크게 세 가지로 설정하였다. 먼저 기존 신도시 관련 문헌들의 경우 하나의 신도시 혹은 수도권의 읍면동 단위로 분석한 연구가 많았으나 본 연구는 하나의 신도시가 아닌 1, 2기 전체 신도시를 고려하여 분석을 실시하였다. 또한 단기간 혹은 시간이 지난 후의 차이가 아닌 1994년부터 2019년이라는 비교적 장기간의 기간을 설정하여 신도시의 영향을 연도별로 확인하였다. 두 번째로 공간적 범위를 수도권 전체로 설정하고 해당 신도시 지역뿐 아니라 인접지역을 구분하여 직·간접적 효과를 보고자 하였으며 서부권역과 남부권역으로 구분하여 신도시가 중심으로부터 분산화에 미치는 영향을 파악하였다. 마지막으로 기존 문헌들에서 많이 사용되는 회귀모형이나 경사모형이 아닌 격자형 데이터를 활용하여 공간적 특성을 고려한 종횡단 패널 분석을 실시하였다는 차별성을 지닌다. 본 연구의 시간적 범위는 1994년부터 2019년까지 26년의 기간을 설정하여 통시적으로 분석하고자 하였으며 공간적 범위는 수도권 전체와 서부권역, 남부권역으로 구분하여 효과의 차이를 보고자 하였으며 분석단위는 1km*1km 격자를 활용하여 개발가능 지역을 공간범위로 설정하였다. 변수의 경우 종속변수로 인구밀도와 고용밀도를 사용하고 독립변수로 중심지까지 거리, 신도시 더미 및 인접 더미와 분산화 효과 확인을 위한 거리와 신도시의 상호작용항을 변수로 사용하였다. 또한 연도별 효과를 보기위해 연도별 상호작용항을 설정하여 분석을 실시하였다. 기타 통제변수로는 종속변수들에 영향을 미칠 것으로 예상되는 산업단지, 택지개발, 면적, 읍면동 구분, 경제지표로 GDP와 실업률, 지가상승률, 전입인구 수를 사용하였다.본 연구에서 사용하는 데이터는 시계열적 특성과 공간적 특성이 반영된 패널 데이터이기 때문에 패널회귀모형을 사용하여 연구를 진행하고자 하였다. 패널모형의 종류 중에서 본 연구에 적합한 모형을 찾기 위하여 검증을 실시하고 이에 따라 고정효과의 적합성을 판단하여 연구에 적용할 수 있었다. 하지만 본 연구의 변수 중 시간불변 변수로 인하여 대안적 방법론을 고찰할 필요가 있었고 최종적으로 하우스만 테이러(HT)와 아메미아 맥커디(AM)모형을 최종모형으로 채택하였다. 인구분산화와 고용분산화에 미치는 영향을 분석하는 과정에서 모형의 경우 하우스만 테일러(HT)모형보다 아메미아 맥커디(AM)모형의 적합성이 더 높게 나타나 최종적으로 아메미아 맥커디 모형을 분석한 결과를 해석에 사용하였다. 결과적으로 CBD(강남역, 시청역)까지 거리가 멀어질수록 인구와 고용밀도 모두 감소하는 패턴을 보여 여전히 중심지에 인구 및 고용이 집중되어 있음을 확인하였다. 또한 상호작용항을 통한 분산화 효과를 확인한 결과 인구분산화의 경우 수도권 전체 수준에서는 유의하지 않은 경우가 대부분이었으나 서부권역에서는 2기 신도시 지역에서 인구 분산효과가 나타나고 남부권역의 경우 1, 2기 신도시 해당 지역에서 모두 인구분산화가 자주 나타났음을 알 수 있다. 반면에 신도시 인접 지역의 경우 인구는 중심지로 집중되어 있는 패턴이 전체적으로 나타났다. 고용분산의 경우 수도권 전체와 서부, 남부 권역모두 2기 신도시가 고용 분산효과를 미쳤다고 보였으며 남부권역의 경우에만 1기 신도시 지역에서 고용 집중이 추가로 나타났다. 연도별로 효과를 비교해보면 수도권 전체보다 서부권역에서, 서부권역보다 남부권역에서 고용분산 효과가 자주 나타남을 알 수 있었다. 인접의 경우 1기 신도시에서는 해당지역과 마찬가지로 고용분산이 자주 나타난 반면 2기 신도시 인접은 여전히 중심지로 집중되어 있는 경향을 보였다. 본 연구는 신도시의 인구 및 고용분산 효과를 1, 2기에 따라 다르게 나타나며 서부와 남부로 범위를 한정한 경우로도 차별적으로 효과가 나타나 신도시 개발이 미치는 영향을 자세하게 파악할 수 있었다는 점에서 의의를 가진다. 또한 연구의 결과로 인하여 정부의 신도시 개발정책이 인구와 고용 분산효과를 가져왔는지 집중효과를 가져왔는지 구분할 수 있었으며 이러한 결과가 반영되어 향후 연구 및 관련 정책 수립 시에 도움이 되길 바란다. 마지막으로 본 연구는 종속변수의 구득 가능한 시기로 시간적 범위를 설정하여 기타 독립변수 및 통제변수를 구득하는 데 있어 한계가 있었다. 따라서 추가적인 변수를 구축할 수 있게 된다면 더욱 정확한 분석이 가능할 것으로 기대된다.| Population is a major factor constituting society, and in Korea, population density is concentrated in large cities, resulting in a spatially unbalanced distribution (Il Kwon, 1999). Among them, the population and employment density of Seoul are high, and this concentration can cause various problems and weaken the overall competitiveness of the country. Interest in new towns has increased, and studies on it have begun to appear. Although the evaluation of the first new town and the policies for the second new town have emerged, there is a lack of research proving whether Seoul's population and employment had a decentralization effect based on the entire metropolitan area. Therefore, the purpose of this study is to empirically analyze whether the first and second phases of new town development actually led to the decentralization of population and employment in line with the development purpose. The research questions were: First, to check whether the effects of population and employment decentralization resulting from new town development would be different for each year. Second, to figure out which of the population decentralization and employment decentralization effects would have had more impact, and finally, the entire metropolitan area and the western and southern regions. The purpose of this study was to empirically analyze whether the decentralization effect would be different by dividing it into regions. Through the review of previous studies, the differences of this study were set into three main categories. First, in the case of existing new town-related literature, there were many studies that analyzed one new town or the units of eup, myeon, and dong in the metropolitan area. In addition, the effect of the new town was confirmed by year by setting a relatively long period from 1994 to 2019, rather than a short-term or difference after a period of time. Second, the spatial area was set to the entire metropolitan area and not only the new town area but also the adjacent areas were divided to report direct and indirect effects. Lastly, it has the distinction of conducting longitudinal and transversal panel analysis in consideration of spatial characteristics using grid-type data rather than regression or slope models, which are often used in the existing literature. The temporal range of this study was to analyze the diachronic by setting a period of 26 years from 1994 to 2019, and the spatial range was divided into the entire metropolitan area, the western area, and the southern area to see the difference in the effect, and the analysis unit was 1km*1km grid was used to set the possible development area as a spatial range. In the case of variables, population density and employment density were used as dependent variables, and the distance to the CBD, new town dummy and adjacent dummy and an interaction term of new town and distance to check the effect of decentralization were used as independent variables as variables. In addition, in order to see the effect by year, an analysis was conducted by setting an interaction term by year. As other control variables, industrial complexes, housing site development, area, eup, myeon, and dong divisions, which are expected to affect the dependent variables, GDP, unemployment rate, land price increase, and the number of moving-in population were used as economic indicators. Since the data used in this study are panel data reflecting time-series and spatial characteristics, the study was conducted using a panel regression model. In order to find a suitable model for this study among the types of panel models, verification was carried out, and the suitability of the fixed effect was judged accordingly and applied to the study. However, it was necessary to consider alternative methodologies due to time-invariant variables among the variables in this study, and finally, the Hausman Taylor (HT) and Amemiya McCurdy (AM) models were adopted as the final models. In the process of analyzing the impact on population and employment decentralization, the fit of the Amemiya McCurdy (AM) model was higher than that of the Hausman Taylor (HT) model. used for analysis. As a result, as the distance to the CBD (Gangnam Station, City Hall Station) increased, both the population and employment density decreased, confirming that the population and employment were still concentrated in the center. Also, as a result of checking the effect of decentralization through the interaction term, in the case of population decentralization, most cases were not significant at the overall level of the metropolitan area. On the other hand, in the case of areas adjacent to new towns, the overall pattern of population concentration in the center was found. In the case of employment decentralization, in both the metropolitan area and the western and southern regions, the second-phase new town seemed to have an effect on employment decentralization, and only in the southern area, the concentration of employment was additionally found in the first-phase new town area. Comparing the effect by year, it was found that the employment decentralization effect was more frequent in the western region than in the entire metropolitan area, and in the southern region than in the western region. In the case of adjacency, employment decentralization was frequently observed in the first-phase new towns as in the corresponding areas, while the adjacent second-phase new towns still tended to be concentrated in the center. This study is meaningful in that the effects of population and employment decentralization of new towns differed according to the first and second phases, and the effects were differentially found even when the area was limited to the west and the south, so that the impact of new town development could be grasped in detail. Also, as a result of the study, it was possible to distinguish whether the government's new town development policy had a population and employment decentralization effect or a concentration effect, and it is hoped that these results will be reflected in future research and related policy establishment. Lastly, this study had limitations in obtaining other independent variables and control variables by setting the temporal range as the time when the dependent variable could be obtained. Therefore, it is expected that more accurate analysis will be possible if additional variables can be constructed.