보행안전이 아파트 가격에 미치는 영향^*:

국내외에서 주택가격이 어떠한 요인에 의해 결정되는지 확인하는 연구가 활발하게 진행되고 있다.

김광영·안정근(2010)은 서울시 1,000세대 이상 아파트 단지를 대상으로 서울시 전체, 강남구, 강북구 3개 모형으로 나누어 아파트 가격 결정요인을 분석했다. 독립변수로 세대 내부 특성과 단지 내부 특성 외에도 근린환경 특성이라고 할 수 있는 단지외부특성(지하철역까지 도보로 소요되는 시간, 학교까지 직선거리, 할인점까지 직선거리, 대학병원까지 직선거리, 지역 더미)을 사용했다. 또한, 서울시 전체모형에서는 세대면적, 전세가율, 지역더미, 현관 구조, 베이(bay), 지하철 도보거리, 세대당 주차대수, 전용율, 난방방식이 주택가격에 통계적으로 유의미한 영향을 미치는 것으로 나타났다.

변세일 외(2019)는 비수도권 지역인 광주, 대전, 대구, 부산의 아파트 가격 결정요인을 분석했다. 단지특성, 교육특성, 가격특성, 공간특성이 주택가격에 미치는 영향을 확인했다. 단지특성 변수로 평균평수, 총동수, 시공회사, 건설기간, 건설기간제곱을 사용했다. 또한, 고속국도, 버스정류장, 시외버스터미널, 공항, 하천, 호수, 숲, 공원, 도서관, 구청, 백화점, 시장, 은행, 보건시설, 수감시설, 콘도미니엄 등 다양한 시설을 공간특성 변수로 활용했다. 분석 결과, 대체적으로 생활편의시설과 같은 아파트 주변의 환경적 특성은 아파트 가격에 영향을 미치는 것으로 확인되었다. 또한, 단지특성, 교육특성, 공간특성 변수들이 아파트 가격에 미치는 영향은 지역의 공간환경과 아파트의 입지에 따라 상이하게 나타났다.

김우성 외(2019)는 서울 강남 지역을 대상으로 2006년부터 2017년까지 아파트 가격 결정 요인들이 아파트 가격에 미치는 영향은 어떻게 변화했는지를 확인했다. 분석을 위해 변수로는 전용면적, 층수, 주차대수, 난방구조, 경과연수 등의 주택특성과 용적률, 건폐율, 최고층, 최저층, 건설사 브랜드, 세대수 등의 이웃특성, 국립공원, 고등학교, 대학교, 병원, 지하철역 등의 접근성 등을 활용하였다. 분석 결과, 대형 아파트에 비해 소형 아파트를 선호하며, 쾌적한 주차공간을 더욱 선호하는 형태로 변화했음을 확인했다.

오영경 외(2021)는 용인시를 대상으로 역세권 아파트 매매가격 결정요인을 확인했다. 입지특성변수로 신분당선 여부, 500m 이내 초등학교 수, 1km 이내 중학교 수, 1km 이내 고등학교 수, 대형마트 수, 공원 수를 활용했고, 세대특성변수로는 전용면적, 방수, 욕실 수, 남향을 사용했고, 단지특성변수로 총세대수, 동수, 내용연수, 세대당 주차대수, 브랜드인지도, 계단식 여부, 지역난방 여부, 공공주택 여부, 단지 내 어린이집 수를 활용하였다.

Huang et al.(2017)은 중국 상하이를 대상으로 GWR(geographically weighted regression) 모형을 활용하여 아파트 가격을 추정하였다. 분석을 위해 면적, 가구 비치 여부, 향, 층, 경과연수, 1인당 국민소득, 인근 초등학교 여부, 성별 비율, 평균 임금, 인구 밀도, 시내까지 거리를 변수로 활용하였다. 분석 결과, 모든 변수가 주택가격에 통계적으로 유의한 영향을 주는 것이 확인되었다. 또한, 상하이의 주택가격은 가격이 높거나 낮은 분포가 공간적으로 매우 밀집된 형태로 나타났다. 이는 주택가격 연구에서 공간적 패턴이 나타날 수 있음을 보여주는 것으로 보인다.

이처럼 국내외에서 주택가격 결정요인에 관한 연구에 다양한 변수가 활용되고 있음을 확인할 수 있다. 연구마다 사용하는 표현은 다르지만, 주로 주택의 단지특성, 구조특성을 변수로 활용하며, 근린환경 특성도 함께 주요하게 고려되고 있다. 또한, 주택가격 결정요인은 연구의 공간적 범위와 시간적 범위에 따라 다양한 변수가 활용되며, 각 요인이 주택가격에 미치는 영향이 다르게 나타나기도 한다.

보행과 주택가격 간의 관계를 다룬 연구들은 다양하게 수행되고 있다. 기존에는 공원, 마트, 학교 등의 시설까지의 보행 접근성과 주택가격 간의 관계를 확인한 연구들이 많았다.

하지만, 북미지역을 중심으로 보행환경을 정량적으로 측정한 보행친화지수가 제공됨에 따라 보행친화지수가 주택가격에 영향을 미친다는 것 또한 밝혀지고 있다(박효숙 외, 2019). 그에 비해, 우리나라는 아직 워크스코어가 제공되고 있지 않아 주로 직접 설문조사 등을 통해 보행친화지수를 산정하거나, 대리변수를 사용하고 있다.

Pivo and Fisher(2011)는 미국에서 부동산에 보행성이 주는 프리미엄을 연구했는데, 워크스코어가 높을수록 아파트먼트의 가치가 상승함을 확인했다. Choi et al.(2019)은 부산시를 대상으로 보행친화지수가 아파트 전세가격 상승요인임을 확인했는데, 이에 대해 편의시설까지 접근성이 우수한 것은 목적지까지 보행시간을 단축시키기 때문에 아파트 가격을 상승시킨다고 주장했다. 박효숙 외(2019)는 서울시를 대상으로 주요시설의 접근성, 보행공간의 양, 보행 연결성, 경사도를 바탕으로 보행친화지수를 산정한 후 보행친화지수가 단독 및 다가구, 다세대 주택가격에 미치는 영향을 분석했다. 분석 결과, 보행친화지수가 높아질수록 m²당 주택가격은 상승했다. Kim and Kim(2020)은 서울시를 대상으로 보행친화지수가 아파트 가격에 미치는 영향을 분석하였는데, 상대적으로 가격이 낮은 주택들은 보행친화지수와 주택가격 간의 양(+)의 상관관계가 나타났지만, 가격이 높은 아파트들은 보행친화지수와 가격 간의 유의미한 관계가 나타나지 않았다. Boyle et al.(2014)의 연구에서도 보행친화지수와 주택가격 간의 유의미한 관계가 나타나지 않았다.

선행연구에서 전반적으로 보행친화지수와 주택가격 간의 양(+)의 상관관계가 확인되었다. 하지만, 일부 연구에서는 보행친화지수와 주택가격 간의 유의미하지 않은 관계도 나타났다. 그러므로, 보행환경이 주택가격에 미치는 영향을 확인하는 연구는 앞으로도 지속적으로 진행될 필요가 있다.

이외에도 보행친화적인 환경과 주택가격 간의 관계를 확인한 연구가 진행되고 있으며, 보행안전과 주택가격 간의 관계를 확인한 연구도 일부 진행되고 있다. 보행친화적인 환경은 연구자의 판단에 따라 다양하게 정의되고 있다.

서민정·최열(2017)은 부산시를 대상으로 보행친화적인 환경이 공동주택 전세가격에 미치는 영향을 다수준 모형을 활용하여 분석하였는데, 보행친화적인 환경을 쾌적성, 교통안전, 범죄안전 특성으로 구분하였다. 쾌적성을 나타내는 변수로 보도표면포장, 전체적 설계 매력도, 전체적으로 직선거리, 쇼핑센터 및 광장 매력도, 지역홍보간판, 운동장 매력도, 전체적인 경관 매력도를 사용하였다. 교통안전 특성 변수로 도로를 건너기 전에 좌우를 잘 살피고 건너는가, 횡단보도 이용시 자동차를 잘 살피는가를 사용하였고, 범죄안전 특성으로 방범창이 있는 건물, 위험유발시설을 활용하였다. 분석 결과, 심리적인 교통안전은 주택가격에 상승효과가 있는 것으로 확인되었다.

공영은·김은정(2022)은 대구광역시를 대상으로 보행친화적 근린환경이 주택가격에 미치는 영향을 공간회귀모형을 활용하여 분석하였는데, 보행친화적 근린환경을 접근성, 쾌적성, 편의성, 안전성으로 구분했다. 분석 결과, 지하철역까지 거리가 가까울수록, 소규모 상업시설 밀도가 낮을수록, 횡단보도 밀도가 높을수록 아파트 가격이 상승하는 것으로 확인되었다. 즉, 보행환경 특성 중 안전성은 주택가격 상승요인이었다.

한편, 해외에서는 보행 안전을 나타내는 변수로 보행자교통사고 데이터를 활용한 연구들도 수행되고 있다. 콘도미니엄과 단독주택 반경 1.6km 이내 보행자교통사고율과 주택가격은 양(+)의 상관관계가 있는 것으로 나타났다(Li et al., 2014, 2015).

이처럼 보행과 주택가격 간의 관계를 확인한 연구들은 대부분 워크스코어와 같은 변수를 활용하여 보행 접근성에 초점을 두었다. 보행안전이 보행친화적인 환경을 조성하는 데 중요함에도, 보행안전을 관심주제로 한 연구는 아직 상대적으로 부족한 것을 알 수 있다.

본 연구의 목적은 보행안전과 주택가격 간의 관계를 확인하는 것에 있다. 이에 따른 본 연구의 차별성은 다음과 같다.

첫째, 선행연구 고찰 결과 주택가격에 영향을 미치는 요인은 동일한 변수가 사용되었을지라도 공간적 범위, 시간적 범위 등에 따라 다양한 결과가 도출되고 있다. 따라서, 앞으로도 다양한 지역을 대상으로 보행친화적인 환경과 같이 주택가격에 영향을 미치는 요인들과 주택가격 간의 관계를 확인하는 연구가 지속적으로 이루어져야 한다.

둘째, 사고측면에서 실질적인 안전한 보행환경과 주택가격 간의 관계를 확인한다. 보행환경과 주택가격 간의 관계를 확인한 많은 연구는 편의시설 접근성, 워크스코어 혹은 보행친화적인 환경을 조성하는 시설물에 초점을 두었다. 그러나 보행안전시설이 우수하다는 것이 무조건적으로 안전한 보행환경을 갖추었다고 보기 어렵다. 예를 들어, 횡단보도와 같은 시설의 밀도가 높더라도 오히려 보행자교통사고가 증가하는 경향이 나타날 수 있기 때문이다(서지민·이수기, 2016). 또한, 기존의 선행연구들은 주로 접근성 측면에서의 보행친화적인 환경과 주택가격 간의 관계를 확인했다. 그러나 보행 접근성이 좋은 것이 항상 보행친화적인 것을 의미하지 않는데, 교통환경이 안전하지 않으면 사람들이 반드시 걷지 않을 수 있기 때문이다(Koschinsky et al., 2017). 실제로 주택가격은 해당 지역의 안전성과 밀접한 관련이 있을 수 있다. 보행자교통사고가 자주 발생하는 지역은 그 지역을 선택할 때 중요한 고려사항이 될 수 있다. 많은 사람들은 자녀의 통학 등의 이유로 교통사고 위험이 높은 지역을 주거지로 기피할 가능성이 있다. 따라서 보행자교통사고는 주택 수요에 영향을 미칠 수 있고, 이는 주택가격에 반영될 수 있다. 그럼에도 불구하고 많은 연구들이 여전히 접근성 측면에서 보행친화적인 환경이 주택가격에 미치는 요인에 초점을 맞추고 있으며, 실제 보행자교통사고 자료를 활용하여 보행안전이 주택가격에 미치는 영향을 고려하는 경우는 상당히 미흡한 상황이다.

셋째, 본 연구는 아파트 인근 보행자교통사고 총발생건수뿐만 아니라 심각도 유형에 따른 보행자교통사고와 아파트 가격 간의 관계를 확인하고자 한다. 보행자교통사고의 주요 발생원인이 사고 심각도에 따라 다를 수 있기 때문이다. 예를 들어, 심각도가 상대적으로 낮은 부상신고사고나 경상사고는 중상사고나 사망사고에 비해 보행환경에 더 영향을 받을 수 있다. 그러므로, 사고 심각도에 따른 보행자교통사고의 발생건수가 각각 주택가격과 어떠한 관계가 있는지 확인하면, 더욱 실질적인 정책제언이 가능할 것으로 기대된다.

주택연구에서 가장 전통적인 분석 모형 중 하나는 헤도닉 가격 모형(hedonic price model)으로 다음의 (식 1)로 나타낼 수 있다(이용만, 2008). 본 연구에서는 세미로그함수(semi-log function)를 활용하고자 종속변수에 자연로그를 취하였다.

Y: 주택가격

β₁,β₂,β₃,β₄: 독립변수의 계수

X₁,X₂,X₃,X₄: 가구 및 단지특성, 시간특성, 근린특성, 보행안전특성

ε: 오차항

주택의 공간적 특성이 주택가격에 미치는 영향이 커짐에 따라 공간효과를 고려한 공간헤도닉모형이 주택연구에서 활발하게 사용되고 있다(변세일 외, 2019). 본 연구의 종속변수는 주택가격으로 공간적 자기상관성이 발생할 수 있기 때문에 헤도닉 가격 모형과 공간 헤도닉모형 중 가장 설명력이 우수한 모형을 최종 모형으로 채택하고자 한다. 공간헤도닉모형은 Anselin이 이론적 토대를 제시한 모형으로, 대표적으로 공간시차모형(spatial lag model)과 공간오차모형(spatial error model)이 있다.

공간시차모형은 종속변수에 발생한 공간적 자기상관성을 제어하는 모형으로, 다음의 (식 2)로 표현할 수 있다(박현택·김진엽, 2024; 이희연·노승철, 2013; Anselin, 1988).

Y: 주택가격

ρ: 공간회귀계수

W: 공간가중행렬

X: 독립변수

β: 기울기

μ: 오차항

공간오차모형은 독립변수들로 설명되지 못하거나 모형이 측정하지 못한 오차항에 발생한 공간적 자기상관성을 통제하는 모형으로, 다음의 (식 3)으로 표현할 수 있다(박현택·김진엽, 2024; 이희연·노승철, 2013; Anselin, 1988).

Y: 주택가격

X: 독립변수

β: 기울기

W: 공간가중행렬

μ: 오차항

실증분석을 위해 <표 1>과 같이 변수를 구축하였다. 본 연구는 모델의 안정성과 일반화 가능성을 높이며, 전체적인 경향을 파악하기 위해 2018년부터 2022년까지 5년간 서울시에서 발생한 아파트 m²당 아파트 매매가격을 활용했다. 2018년부터 2022년까지 서울시 아파트 매매거래는 총 297,029건이 발생했다. 그 중 가구특성 및 단지특성 정보가 정확하지 않거나 없는 경우를 제외하고 총 273,883건 중 16,000건을 랜덤 샘플링하여 분석에 활용했다. 표본수가 273,883건이고, 오차범위를 1%, 신뢰수준이 99%일 때 최소 요구되는 샘플 사이즈가 15,641건이기 때문에 16,000건을 활용했다.

가구 및 단지특성은 거래된 아파트 혹은 아파트의 단지가 가진 특성으로 본 연구에서는 전용면적, 층, 건축연한, 건축연한 제곱, 세대수, 세대당 주차대수, 브랜드를 사용했다. 건축연한과 건축연한 제곱을 함께 사용한 이유는 건축연한이 주택가격에 미치는 영향은 단순히 선형적으로 나타나지 않기 때문이다. 건축연한과 건축연한 제곱을 함께 사용하였을 때, 다중공선성이 높아 계수값의 오류가 발생할 수 있다. 그러므로, 본 연구에서는 건축연한과 건축연한제곱을 평균중심화 변환하여 활용하였다. 근린특성 변수는 선행연구 고찰 등을 통해 한강, 공원녹지, 중심업무지구, 버스정류소, 지하철역, 유치원, 초등학교 접근성으로 선정했다. 이 변수들은 모두 단지 중심점으로부터 가장 가까운 최단거리로 측정했다.

시간특성인 계약연도는 아파트가 거래된 시점이 2018년 1월 1일부터 2019년 12월 31일이면 0, 2020년 1월 1일부터 2022년 12월 31일이면 1로 코딩했다. 이는 코로나19 발생으로 거시경제 지표의 급격한 변화가 있는데, 이로 인한 효과를 제어하고자 변수로 활용했다.

안전한 보행환경은 범죄로부터 안전, 보행자교통사고로부터 안전 등으로 정의할 수 있다. 본 연구에서는 보행안전을 보행자교통사고가 얼마나 많이 발생하는지의 개념으로 정의한다. 이에 따라 보행안전특성 변수들은 5년간 아파트 단지 반경 400m 이내에서 발생한 보행자교통사고 건수로 측정했다. 400m 기준을 채택한 이유는 많은 선행연구에서 적정보행거리로 400m를 활용하고 있기 때문이다(이경환·안건혁, 2008; 이정우 외, 2015). 400m 버퍼는 아파트 단지 중심점을 기준으로 측정하였다. 또한, 보행안전특성변수를 총 사고, 부상신고사고, 경상사고, 중상사고, 사망사고로 구분했다. 이는 아파트 단지 반경 400m 이내 보행자교통사고 건수가 아파트 가격에 영향을 미친다면, 보행자교통사고 심각도에 따라서도 주택가격에 미치는 영향이 다른지 확인하기 위함이다.

기초통계량 분석결과는 <표 2>와 같다. 2018년부터 2022년까지 서울시에서 발생한 아파트 매매거래가격(m²당 가격)은 평균 약 1,062만 원으로 나타났다. 전용면적의 평균값은 약 77m²로 나타났으며, 거래된 아파트의 층수는 평균 약 9층으로 나타났다. 건축연한은 최솟값이 0년, 최댓값이 50년으로 나타났다. 세대수는 평균 약 1,010세대로 나타났다. 세대당 주차대수는 평균 약 1.1대였다. 브랜드의 평균값은 약 0.35로, 약 35%의 아파트의 건설사가 시공순위 10위 이내 건설사로 나타났다.

근린특성변수인 한강까지 거리와 공원녹지까지 거리를 비교하였을 때, 한강까지 거리의 편차는 약 3,471m이고 공원녹지까지 거리는 약 132m로 아파트로부터 한강까지 거리의 편차가 더 큰 것으로 나타났다. 버스정류소까지 거리 평균값은 126m이고, 지하철역까지 거리는 평균값은 528m으로 나타났다.

5년간 아파트 단지 반경 400m 이내에서 발생한 보행자교통사고 건수를 심각도 별로 살펴보면, 최대값과 평균값 기준으로 하였을 때, 아파트 단지 반경 400m 이내 보행자교통사고는 경상사고, 중상사고, 부상신고사고, 사망사고 순으로 많이 발생한 것으로 나타났다.

부상신고사고의 편차는 약 3.39건, 경상사고의 편차는 약 23.33건, 중상사고의 편차는 약 12.17건, 사망사고의 편차는 약 0.97건으로, 경상사고의 편차가 가장 큰 것으로 나타났다.

2018년부터 2022년까지 발생한 서울시 아파트 실거래 가격에 공간적 자기상관성이 나타나는지 확인하고자 <표 3>과 같이 Moran’s I를 확인했다. 분석 결과, 1%의 유의수준에서 Moran’s I가 약 0.75로 나타났다. 이는 서울시 아파트 가격의 분포가 공간적으로 군집되어 있음을 보여주기 때문에, 공간헤도닉모형을 활용하여 실증 분석한 후 가장 설명력이 좋은 모형을 최종 모형으로 채택하고자 한다.

<표 4>와 <표 5>는 헤도닉 가격 모형, 공간시차모형, 공간오차모형의 모형 적합도를 비교한 결과이다. 분석 결과, Model 1과 Model 2 모두 rho 값과 LAMBDA 값이 통계적으로 유의했다. 이는 공간헤도닉모형인 SLM(spatial lag model)과 SEM(spatial error model)을 사용했을 때, 공간적 자기상관성이 통계적으로 유의하게 제어되었음을 의미한다. 그러므로, 공간헤도닉모형을 사용하면, 공간적 자기상관성이 통제되기 때문에 헤도닉 가격 모형을 사용했을 때보다 더 정확한 추정이 가능하다.

일반적으로 R², Log likelihood 값이 높을수록 더 우수한 모형으로 판단한다. 또한, AIC (Akaike info criterion)과 SC(Schwarz criterion)은 값이 작을수록 더 우수한 모형으로 판단한다. 실제로 R², Log likelihood, AIC, SC 값을 확인했을 때, 일반 헤도닉 가격 모형을 사용했을 때보다 공간헤도닉 모형을 활용했을 때의 모형 적합도가 더 우수하다. 이에 따라 Model 1과 Model 2 모두 R²값과 Log likelihood 값이 가장 크고, AIC 값과 SC 값이 가장 작은 공간오차모형(SEM)을 최종 분석 모형으로 채택하고자 한다.

<표 6>과 <표 7>은 총 사고와 사고 심각도 유형별 공간헤도닉모형 분석결과로, 보행자교통사고와 주택가격 간의 관계를 확인했다. 모든 가구 및 단지특성 변수들은 아파트 가격에 통계적으로 유의미한 영향을 미치는 것으로 나타났다. 전용면적이 작을수록 아파트 가격이 상승하였는데, 이는 소형 주택에 대한 선호가 증가한 것을 보여준다(김주성·홍성조, 2023). 층수가 높을수록 아파트 가격이 상승했다. 높은 층에 위치하면 상대적으로 전망이 우수하고, 사생활 보호가 가능한 장점이 있기 때문으로 판단된다. 또한, 건축연한은 아파트 가격과 부(‒)의 관계가 나타났지만, 건축연한제곱은 아파트 가격과 정(+)의 관계가 나타났다. 이는 사람들이 구축아파트에 비해 상대적으로 시설이 쾌적하고 우수한 커뮤니티 시설을 갖춘 신축아파트를 선호하면서도, 재건축 기대감으로 인해 일정기간이 지난 구축아파트를 선호하는 것을 보여준다. 세대수와 세대당 주차대수는 아파트 가격과 정(+)의 상관관계가 있었다. 또한, 아파트 건설사가 시공순위 10위 이내인 건설사일수록 아파트 가격이 상승했다.

근린특성 변수 중 한강까지 거리, 버스정류소까지 거리, 지하철역까지 거리, 유치원까지 거리, 초등학교까지 거리는 아파트 매매가격에 통계적으로 유의미한 영향을 미치는 것으로 나타났다. 버스정류소까지 거리가 가까워질수록 아파트 가격은 하락하는 것으로 나타났다. 버스정류소까지 거리가 가까운 아파트는 교통이 편리하여 사람들이 선호할 것이라는 일반적인 생각과 다른 결과가 나왔다. 이는 버스정류소 접근성이 제공하는 효용보다 매연, 소음과 같은 부정적인 효과가 더 크게 작용했기 때문으로 보인다(최필성·현동우, 2022).

지하철역, 유치원, 초등학교까지 거리가 가까워질수록 아파트 가격은 상승했다. 지하철역까지 거리가 가까우면 통근하기에 편리하기 때문에 선호되는 것으로 판단된다.

시간특성 변수인 계약연도는 주택가격에 통계적으로 유의미한 관계가 있었다. 2018년 1월 1일부터 2019년 12월 31일까지 거래된 아파트보다 2020년 1월 1일부터 2022년 12월 31일까지 거래된 아파트의 가격이 상대적으로 더 높은 것으로 나타났다.

보행안전특성인 총사고는 주택가격과 통계적으로 유의미한 관계가 있는 것으로 나타났다. 아파트 반경 400m 이내 보행자교통사고 건수가 증가할수록 아파트 가격은 하락하는 것으로 나타났다. 이는 사람들이 주택을 구입할 때 보행환경이 안전한 주택을 더 선호한다는 것을 의미한다고 볼 수 있다. 또한, 주거지에 안전한 보행환경을 갖추는 것이 주택의 경제적 가치를 상승시킬 수 있음을 시사한다.

앞서 실증분석을 통해 보행안전과 주택가격 간의 유의미한 관계가 있음을 확인했다. 하지만, 보행자교통사고가 주택가격에 미치는 영향은 보행자교통사고의 심각도에 따라 상이할 수 있다. 따라서, 보행자교통사고를 심각도별로 세분화하여 보행안전과 주택가격 간의 관계를 확인했으며, 분석결과는 <표 7>과 같다.

분석결과, 보행안전특성 중 심각도가 상대적으로 낮은 부상신고사고와 경상사고만 주택가격과 통계적으로 유의미한 관계가 있는 것으로 나타났다. 이는 안전한 보행환경이 주택가격과 유의미한 관계가 있을 수 있음을 보여준다. 심각도가 상대적으로 높은 보행자교통사고는 근린 환경보다 운전자나 보행자의 인적 특성에 더 영향을 받지만, 심각도가 상대적으로 낮은 사고는 사고발생지의 보행환경이 안전한지에 더 영향을 받을 수 있기 때문이다. 실제로, 보행자교통사고 연구에서는 보행자나 운전자의 성별이나 나이 등의 모든 개별특성이 사고의 심각도에 영향을 미쳤으며(고동원·박승훈, 2019), 보행자의 무단횡단, 차량 주시 실패 등은 사고의 심각도를 높일 수 있다(Song et al., 2017). 즉, 중상 이상 사고와 달리 상대적으로 심각도가 낮은 경상 이하 사고의 원인은 개별특성보다는 보행환경과 더 관련될 수 있다. 그러므로, 경상사고와 부상신고사고가 아파트 가격에 통계적으로 유의미한 영향을 미치는 것은 주택의 경제적 가치가 보행환경이 안전한지와 관련이 있을 수 있음을 보여준다.

총사고와 마찬가지로 경상사고는 사고가 많이 발생할수록 아파트 가격이 하락하는 것으로 나타났다. 그러나, 아파트 단지 반경 400m에서 부상신고사고가 많이 발생할수록 아파트 가격이 오히려 상승했다. 보행자교통사고 연구에서 심각도가 가장 낮은 부상신고사고는 일반적으로 사람이 많이 다니는 상업지역 인근에서 자주 발생되기 때문으로 판단된다. 차량의 흐름이 복잡한 상업지역에서는 차량 통행속도가 낮아 사고가 발생하여도 심각도는 낮을 수 있다. 따라서 부상신고사고가 자주 발생하는 지역은 상업지역 인근일 가능성이 높을 수 있으며, 이러한 상업 시설의 근접성은 주거지로서의 매력을 높일 수 있어 가격이 상승할 가능성이 있는 것으로 판단된다. 또한, Li et al. (2014)의 연구에서도 보행자교통사고율이 높을수록 콘도미니엄 가격이 상승하는 결과가 나타났는데, 이에 대해 주택가격이 높은 지역에 보행자가 많아 사고가 많이 발생하기 때문이라고 주장했다.