위험회피성향에 따른 부동산 자산 선호 분석^*

위험회피성향에 따른 부동산 자산의 보유 또는 선호 정도를 분석하기 위해 아래 (식 1)을 활용하였다.

Real Estate_i,t는 종속변수(dependent variable)로 개인 i가 t기에 보유하고 있는 부동산자산의 규모를 의미한다. Risk Averse_{i, t}는 주요 독립변수(independent variable)로 개인의 위험회피성향의 정도를 나타낸다. 부동산자산의 규모나 자산 유형별 보유액 등에 따라 위험회피성향이 달라지는 역인과 관계를 고려해볼 수 있다. 하지만, 김대환(2019)의 연구에 따르면 종속변수(보험료, 주식투자액, 부동산자산)는 변동성이 있는 반면 개인의 내재된 성격인 위험회피성향은 변화되기 어렵기 때문에 부동산자산을 종속변수로, 위험회피성향을 설명변수로 설정하는 것이 바람직하다.

X_it는 위험회피성향 이외에 종속변수(부동산 자산 규모)에 영향을 주는 다른 설명변수들의 벡터(vector)이며, β는 추정계수 벡터이다. 마지막으로 ε_i,t는 위험회피성향과 다른 설명변수들(X_it을 제외한 모든 변수들을 내포하고 있는 오차항(error term)이다.

(식 1)을 분석한 결과, 만약 추정계수 α가 0보다 크다면(α>0) 위험회피성향이 높은 사람일수록 위험회피성향이 낮은 사람에 비해 부동산 자산을 많이 보유하고 있다는 것을 의미하기 때문에 바꾸어 말하면 부동산을 안전자산이라고 평가하고 있는 경향이 높다고 해석할 수 있다. 반대로 α<0이라면 위험을 선호하는 사람일수록 위험회피성향이 낮은 사람에 비해 부동산 자산을 많이 보유하고 있다는 것을 의미한다.

하지만 (식 1)의 종속변수는 다음과 같은 두 가지의 한계가 있다. 첫째, 부동산 자산의 규모이기 때문에 추정계수 α위험회피성향에 따른 부동산 자산의 선호 정도를 의미하지는 않을 수 있다. 예를 들어, 부동산 자산을 선호해서 부동산 자산을 많이 보유하고 있는 것이 아니라, 단순히 부유해서 모든 자산을 많이 축적했고 그 과정에서 부동산 자산도 자연스레 많아졌을 수 있다. 이러한 종속변수의 한계를 보완하기 위해 본 연구에서는 (식 1)의 종속변수를 부동산 자산의 비중(Ratio of Real Estate_i,t으로 대체하여 (식 2)를 추가 분석하였다. 자산 중 부동산의 비중이 높다면 여러 가지 자산 중 부동산 자산을 선호하는 것으로 해석할 수 있기 때문이다.

둘째, 국내에서 주택은 거주 목적의 필수재이기도 하지만, 투자재로써의 성격도 강하다(김대환 외, 2017). 하지만 (식 1)의 종속변수는 거주하는 주택의 가치까지 포함하고 있기 때문에 투자재로써의 부동산을 분석하는데 한계가 있다. 물론 거주하는 주택 역시 투자재일 수 있으나, 우리나라 국민들이 부동산을 투자재로 간주할 때 위험자산으로 분류하고 있는지, 안전자산으로 분류하고 있는지 여부를 분석하기 위해 (식 1)의 종속변수를 ‘거주하는 주택의 가치를 제외한 다른 부동산자산의 가치(Other Real Estates_i,t’로 한정하여 (식 3)을 추가 분석을 시도하였다.

(식 1)~(식 3)에서의 모든 종속변수는 부동산 자산이 없을 경우 값이 0이 되는 중단자료(censored data)의 성격을 지닌다. 그러므로 (식 1)~(식 3)을 토빗모형(Tobit model)으로 분석하였다. 예를 들어, 술(알코올 또는 음주)의 수요를 분석할 경우 종속변수는 음주량이 되는데, 비음주자는 종속변수의 값이 모두 0이 된다. 또는 여성의 임금수준을 분석할 때 노동시장에 참여하지 않는 여성은 종속변수(임금 또는 소득)가 0이 된다. 토빗모형은 이렇게 연속변수인 종속변수의 상당수가 0이 되는 중단자료일 때 적합하다(Cameron and Trivedi, 2005; Wooldridge, 2010). 다만, 후술하겠지만 본 연구에서는 재정패널조사 2017~ 2018년 자료를 활용했는데, 2년 동안 부동산 자산의 규모나 비중이 크게 변동되기는 어렵기 때문에 고정효과모형(fixed effect model)을 토빗모형에 적용하지는 않았다.³⁾

(식 1)~(식 3)의 종속변수가 모두 연속변수이기 때문에 로그값으로 전환할 수 있다. 이렇게 동일한 변수를 로그값으로 전환해야 하는지 여부는 Akaike Information Criteria(AIC) 또는 Bayesian Information Criterion(BIC)로 분별할 수 있으며, AIC 또는 BIC값이 작을수록 적합한 모형임을 의미한다. 만약 두 모형 간 AIC 또는 BIC 값의 차이가 2 미만일 경우에는 두 모형 간 설명력의 차이가 없다는 것이며, 차이가 2~6 미만일 경우에는 작은 값의 모형이 약간 선호되고, 차이가 6~10 미만일 경우에는 작은 값의 모형이 선호되며, 10 이상일 경우에는 작은 값의 모형이 매우 선호된다(Kass and Raftery, 1995).

위험회피성향과 부동산 자산과의 관계를 실증적으로 분석하기 위해 재정패널조사(National Survey of Tax and Benefit)를 활용하였다. 재정패널조사는 한국조세재정연구원이 조세 및 재정정책을 연구하고 분석하는데 활용할 수 있는 실증자료를 수집하기 위해 2008년부터 구축한 패널자료이다.⁴⁾

재정패널조사는 각 가구들이 보유하고 있는 자산을 종류별로 구분하고, 각 자산의 규모(가치)에 대한 정보를 보유하고 있기 때문에 부동산 자산의 규모((식 1)의 종속변수)뿐만 아니라 보유 자산 중 부동산 자산의 비중((식 2)의 종속변수)까지 산출할 수 있다. 또한 부동산의 경우에는 거주하고 있는 주택 이외에도 추가로 보유하고 있는 부동산의 종류와 각 부동산의 가치에 대한 정보((식 3)의 종속변수)까지 제공한다.

무엇보다 재정패널조사의 표본 추출단위는 인구주택 총 조사에서 사용한 조사구를 1차 추출단위로 하는데, 이때 조사구는 전수조사구 90%를 활용한다. 그 뒤 추출된 조사구에서의 일정 수의 가구를 2차적으로 추출하는 2단계 집락추출법(two-stage cluster sampling)을 적용하는 방식으로 전 국민을 대표할 수 있는 샘플링 한 자료이다. 김대환(2019)에 따르면 한 나라의 국민을 대표할 정도의 자료인 동시에 각 개인의 위험회피성향을 측정하고 있는 데이터는 전 세계적으로 재정패널조사가 유일하다.

위험회피성향을 다루었던 국내외 연구들의 경우(차경욱·정다은, 2013; Grable and Lytton, 1999; Lease et al., 1974), 자체 설문조사를 통해 각 개인의 위험회피성향을 도출하였다. 히지만 설문조사 대상이 차경욱·정다은(2013)은 국내 30세 이상 400명, Lease et al.(1974)은 특정 회사의 고객, Grable and Lytton(1999)은 Southern State University의 교수와 직원이었기 때문에 전 국민을 대표할 수 있는 샘플이 아닌 동시에 분석 결과를 일반화하기 어렵다는 한계를 지닌다.⁵⁾ 반면 재정패널조사는 전 국민을 대표할 수 있는 샘플링을 통해 분석 결과를 일반화할 수 있다는 장점이 있다.

다만 재정패널조사는 2008년 1차를 시작으로 11차(2018년) 자료까지 구축되어 있는데, 개인의 위험회피성향에 대한 조사는 2017년부터 시작되었다. 이에 본 연구에서는 재정패널조사 중 2017~2018년 자료를 활용하였다.

재정패널의 경우, 자산을 부동산 자산과 금융자산으로 구분하여 질문하고 있다. 부동산 자산은 현재 거주주택을 보유하고 있는지 여부, 거주 주택 이외의 보유 주택 여부, 주택 이외의 부동산(토지, 상가, 사무실, 오피스텔 등) 보유 여부 등에 대한 정보와 보유하였을 경우 각 부동산에 대한 가치 정보를 제공한다. (식 1)의 종속변수인 부동산 자산은 위와 같은 모든 부동산 자산의 가치를 합한 값이다. (식 3)의 종속변수인 다른 부동산 자산은 거주주택의 가치를 제외한 모든 부동산 가치를 합한 값이다.

금융자산은 ‘은행 등 금융기관 예적금’, ‘펀드 가입 금액’, ‘채권 보유 금액’, ‘주식 보유 금액’, ‘저축성 보험, 연금성 보험’, ‘연금저축(연금신탁, 연금펀드, 연금저축보험, IRP 퇴직연금)’, ‘기타 금융자산’ 등 세부 항목으로 구분하고, 각 항목에 대한 금액을 제공한다. (식 2)의 종속변수인 부동산 자산의 비중은 부동산 자산의 가치를 총 자산(부동산 자산+금융자산)으로 나누어 100을 곱하여 산출하였다.

주요 설명변수인 위험회피성향을 측정하기 위해 재정패널조사는 <표 1>과 같은 질문 항목을 활용하고 있다. 기대수익률이 2%로 동일한 예금상품과 펀드상품을 가정한다. 다만 예금상품은 2%의 수익이 확실히 보장되는 금융상품인 반면, 펀드는 50%의 확률로 수익률이 5%가 되거나 50%의 확률로 1%의 손실(원금 손실)이 발생할 수 있는 위험자산이다. 이때 1억 원이 있다면 얼마를 투자할 것인지에 대한 질문을 통해 각 개인의 위험회피성향을 측정한다. 각 개인은 1억 원을 예금상품과 펀드상품에 분배할 수 있는데, 예금상품의 비중이 높아질수록 <표 1>의 응답 보기가 ①에서 ⑪로 높아진다.

(식 1)~(식 3)에서 RiskAverse_i,t는 <표 1>의 응답 보기와 동일한 값으로 설정하였기 때문에 1은 1억 전액을 펀드상품에 투자하는 위험선호적인 사람인 반면 11은 1억 원 전액을 예금상품에 투자하는 매우 위험회피적인 성향을 보유한 사람이다.

(식 1)~(식 3)의 X_i,t는 연령, 성별, 혼인상태, 학력수준, 근로형태, 소득, 공사연금 보유 여부, 연도 더미, 지역 더미 변수 등을 포함하고 있다. 특히 소득은 가구소득을 가구원의 제곱근으로 나누어 산출하는 균등화소득을 활용하였다. 기대수명이 증가하는 상황에서 충분한 노후소득 마련이 중요한데, 부동산 자산의 보유 여부 또는 자산의 규모 등은 연금을 어느 정도 보유하고 있는지에 따라 다를 수 있다. 예를 들어, 김대환 외(2013)는 국내 중고령자의 경우 노후준비를 제대로 하지 않아 부동산 자산을 매각하여 현금화하는 방식으로 노후소득을 마련한다는 것을 실증적으로 분석하였다. 공적연금과 사적연금의 보유 여부를 통제하였는데, 사적연금은 퇴직연금과 개인연금을 의미한다.

<표 2>는 본 연구에 활용된 변수들의 이름과 정의를 보여준다. 그룹 또는 더미변수에서 성별은 ‘여성’을, 혼인상태는 ‘미혼’을, 학력 수준은 ‘고졸 미만’을, 노동시장 참여는 ‘무직’을, 공사연금은 ‘공적연금 없음’과 ‘사적연금 없음’을, 연도는 ‘2017년’을, 거주지역은 ‘서울’을 각 그룹별 준거그룹(reference group)으로 설정하였다.

<표 3>은 실증분석에 활용된 샘플의 기술통계이며, 기술통계는 전체 샘플을 부동산 자산을 보유한 그룹과 보유하지 않은 그룹으로 구분하여 보여준다. 또한 <표 3>의 전체 샘플의 평균값 옆에 표시된 *, **, ***은 미보유자와 보유자 간 각 변수의 평균값의 차이를 t-검정한 결과를 각 유의수준 10%, 5%, 1%에서 통계적으로 유의하게 다르다는 것을 의미한다. 다만, 거주지역 변수는 변수의 개수가 17개에 달하고 통제변수에 불과하기 때문에 별도의 통계는 생략하였다.

전체 샘플을 고려할 때 위험회피성향은 평균 8.069로 한국인의 위험회피성향이 상당히 높은 편임을 알 수 있으며, 이는 김대환(2019)에서 처럼 경제학에서 가정하는 ‘위험회피적인 경제주체’의 모습과 일치한다. 평균 2억 1,851만 원의 부동산 자산을 보유하고 있는데, 샘플을 부동산을 소유한 그룹으로 한정할 경우 3억 1,876만 원을 보유하고 있는 것으로 나타났다. 또한 부동산 보유자들은 전체 자산 중 85.8%를 부동산으로 보유하고 있으며, 거주를 위한 주택 이외에도 6,705만 원의 부동산 자산을 보유하고 있다.

전체 샘플의 평균연령 54세 정도이며, 보동산 보유자의 평균 연령은 56세로 미보유자(50세)보다 훨씬 높다. 남성의 비중 역시 보유자(56.3%)가 미보유자(51.4%)보다 높다. 혼인 및 배우자 유무와 관련하여, 부동산 보유자는 결혼을 하고 배우자가 있는 비중이 88.7%로 미보유자(65.3%)보다 훨씬 높았다. 반면, 부동산 미보유자는 결혼을 한 번도 하지 않는 미혼자(12.7%)의 비중과 결혼은 하였지만 배우자가 없는 사람들의 비중(22.0%)이 부동산 보유자(미혼 1.3%, 결혼은 했으나 배우자가 없는 그룹(무배우자 10.1%)보다 높았다.

두 그룹 간 고졸자의 비중은 유의수준 5%에서 통계적으로 차이가 없었다. 다만 고등학교를 졸업하지 않는 사람의 비중은 부동산 보유자가 높은 반면, 대학교 이상의 학력수준을 보유한 사람의 비중은 부동산 미보유자가 높았다. 부동산 미보유자의 경우, 보유자에 비해 연령이 낮기 때문에 학력 수준도 높은 것으로 판단된다. 한국의 경우, 과거에 비해 대학교 진학률을 비롯해 전체적으로 학력수준이 높아져 왔다(한국교육개발원, 2019).

또한 부동산 보유자의 경제적 상황이 미보유자에 비해 좋다는 것을 알 수 있다. 부동산 보유자는 미보유자에 비해 노동시장 참여율이 높다. 또한 부동산 보유자는 가구소득도 더 많고, 공적연금 및 사적연금을 보유한 비중도 더 높다. 부동산 보유자의 가구원수는 3.043명으로 미보유자의 2.623명보다 높은데, 가구소득이 5,844만 원으로 미보유자의 4.299만 원보다 1,544만 원 더 많다. 즉 가구원 수도 많지만 가구소득이 훨씬 높기 때문에 가구소득을 개인소득으로 전환한 균등화소득도 부동산 보유자가 652만 원 정도 많다(보유자 3,312만 원, 미보유자 2,660만 원).

<표 4>는 본 연구에서 가장 중요한 변수 중 하나인 위험회피성향을 더욱 면밀하게 살펴볼 수 있는 정보를 제공한다. <표 4>는 각 개인의 위험회피성향 정도를 1에서 11단계로 구분한 뒤 각 위험회피성향 점수에 따른 샘플 분포를 보여준다. 이에 더하여 각 위험회피성향에 따른 부동산 자산의 액수와 비중을 보여준다. 우선 샘플 분포를 살펴본 결과, 위험회피정도가 가장 약한(위험선호정도가 가장 강한) 단계인 1의 비중이 3.17%(샘플 414개)로 낮은 반면, 가장 강한(위험선호정도가 가장 약한) 11의 비중은 38.2%(샘플 4,984개)로 가장 높다. 위험회피정도가 가장 높은 11을 제외하면 중간 정도인 6까지 점차 샘플 비중이 증가하다가 이후 점차 감소하는 경향을 보인다.

중앙값인 6을 제외하고 위험회피정도가 강한 7~11의 비중은 65.7%로 위험회피정도가 약한 1~5의 비중 20.1%보다 3.3배 높다. 즉 위에서 언급한 것처럼 경제학의 기본 가정인 ‘위험회피적인 경제주체’의 모습을 보여주고 있다.

위험회피성향 정도에 따른 부동산 자산의 액수와 비중의 분포를 고려할 때, 위험회피성향이 증가할수록 부동산자산의 가치와 비중이 점차 감소하는 패턴을 보이고 있다. 다만 <표 4>는 단순한 기술통계로 다른 변수들의 영향이 통제되지 않아 변수들 간의 관계를 면밀히 살펴보기 위해 회귀분석이 필요하다.

<표 5>는 위험회피성향에 따른 부동산 자산과의 관계를 토빗모형으로 분석한 결과를 보여준다. 모델 1은 종속변수가 부동산자산인 반면, 모델 2는 종속변수가 부동산자산의 로그값이다. 먼저 두 모형(모델 1 vs. 모델 2) 간 적합성 검정을 AIC 및 BIC로 판별한 결과, 모델 2의 AIC 및 BIC 모두 모델 1에 비해 유의하게 작기 때문에 모델 2가 더 적합하다.

모델 2에 따르면, 위험회피성향이 증가할수록 부동산자산의 규모는 감소하는 것으로 나타났다. 즉 우리나라 국민 중 안정적인 성향을 보유한(위험회피성향이 높은) 사람들이 부동산 자산을 상대적으로 덜 선호하는 것으로 나타났다. 추정계수에 따르면, 위험회피성향이 1단위 증가할 때마다 부동산자산의 규모가 6.1% 감소하는 것을 알 수 있다. 모델 1도 동일한 결과를 보여주는데, 추정계수에 따르면 위험회피성향이 1단위 증가할 때마다 부동산자산의 규모가 654.6만 원 더 감소한다.

이 밖의 추정계수는 모형적합성이 높은 모델 2에 근간을 두고 해석하자면, 연령이 증가할수록 부동산 자산의 규모가 증가하고, 남성보다는 여성이 부동산 자산을 선호한다. 혼인 관련 변수에 따르면, 결혼하였고 배우자가 있는 사람, 결혼은 했지만 배우자가 없는 사람, 미혼자 순으로 부동산 자산 규모가 큰 것으로 나타났다. 학력 수준 역시 예측할 수 있는 것처럼 고졸 미만자보다는 고졸이, 고졸보다는 대졸자들이 더 많은 부동산 자산을 보유하고 있는 것으로 분석되었다. 직종 관련해서는 자영업자가 가장 많은 부동산 자산을 보유하거나 또는 부동산 자산을 선호하는 것으로 나타났다. 마지막으로 가구소득이 높을수록, 공적연금이나 사적연금이 있는 사람일수록 부동산 자산을 더 많이 보유하고 있다.

선행연구(Friend and Blume, 1975; Mehra and Prescott, 1985)에 따르면 소득과 자산간 정(+)의 상관관계가 존재한다고 밝히고 있는데, 본 연구에서도 소득과 자산 간 통계적으로 유의한 정(+)의 관계가 분석되었다. 추정계수에 따르면, 소득이 1% 증가할 때 부동산 자산 은 0.68% 증가하는 것으로 나타났다.

<표 6>은 위험회피성향에 따른 부동산 자산의 비중을 토빗 모형으로 분석한 결과를 보여준다. <표 5>는 위험회피성향과 부동산 자산의 규모의 관계를 분석한 결과를 보여주는데, 만약 위험회피성향이 낮은 사람이 다른 자산에 비해 부동산 자산을 선호하는 것이 아니라, 단순히 더 많은 자산을 보유하고 있을 수 있다. 예를 들어, 연구자가 데이터로 관측할 수 없으나 위험선호성향을 보유한 사람이 더 성실하거나 또는 지능이 높아 경제적 성공을 이루고 그 결과로 더 많은 자산을 보유한 결과일 수 있다.

이와 같은 문제점을 고려하여, 단순히 부동산 자산의 규모가 아닌 모든 자산 중 부동산 자산이 차지하는 비중을 종속변수로 대체하여 추가 분석하였다. <표 6>의 모델 1은 종속변수가 부동산 자산의 비중인 반면, 모델 2는 종속변수가 부동산 자산의 비중의 로그값이다. 먼저 두 모형(모델 1 vs. 모델 2) 간 적합성 검정을 AIC 및 BIC로 한 결과, 모델 2의 AIC 및 BIC 모두 모델 1에 비해 유의하게 작기 때문에 모델 2가 더 적합하다. 모델 2에 따르면, 위험회피성향이 증가할수록 전체 자산 중 부동산 자산의 비중이 감소하는 것으로 나타났다. 이는 위험을 꺼려하는 사람일수록 자산을 축적할 때 부동산 자산이 아닌 다른 자산의 비중을 늘리고 있다는 것을 의미한다. 다른 변수들의 분석 결과는 <표 5>와 대동소이하여 세부적인 논의를 생략한다.

<표 7>은 위험회피성향에 따른 거주 주택을 제외한 다른 부동산 자산의 규모를 토빗 모형으로 분석한 결과를 보여준다. 주택의 기능은 크게 거주와 투자로 구분할 수 있다. 물론 거주하고 있는 주택 역시 투자의 목적까지 포함할 가능성도 있으나, 분석대상을 투자의 속성이 강한 부동산(거주 주택을 제외한 부동산)으로 한정한 뒤 위험회피성향과의 관계를 분석할 필요가 있다. 예를 들어, 어떤 사람은 투자의 목적은 전혀 없고 단순히 넓고 좋은 집에 거주하고 싶은 욕구가 강해 보유한 금융자산 대부분을 주택구매에 활용할 경우, <표 5>와 <표 6> 모두에서 위험선호성향이 높은 사람일수록 마치 부동산 자산을 더 많이 보유하거나(<표 5> 참조), 다른 자산에 비해 부동산 자산을 더 선호하는 것(<표 6> 참조)으로 분석·해석될 수 있다.

이에 모든 자산에서 거주하고 있는 주택의 가치를 제외한 다른 부동산 자산으로 종속변수를 한정하여 위험회피성향과의 관계를 살펴볼 필요가 있다. <표 7>의 모델 1은 종속변수가 거주 주택을 제외한 다른 부동산 자산의 규모인 반면, 모델 2의 종속변수는 모델 1의 종속변수를 로그값으로 전환하여 활용하였다. 먼저 두 모형(모델 1 vs. 모델 2) 간 적합성 검정을 AIC 및 BIC로 한 결과, 모델 2의 AIC 및 BIC 모두 모델 1에 비해 유의하게 작기 때문에 모델 2가 더 적합하다. 분석 결과, 위험회피성향이 증가할수록 주택을 제외한 다른 부동산 규모도 감소하는 것을 알 수 있다. 추정계수에 따르면, 위험회피성향이 1단위 증가할 때 주택을 제외한 다른 부동산 자산규모가 17.4% 감소하는 것으로 나타났다. <표 5>의 추정계수(–0.061)와 비교할 때 종속변수를 거주주택을 제외한 부동산 자산으로 한정할 때 추정계수가 훨씬 커졌음을 알 수 있다.