서울시 지식산업센터 가격지수 개발 및 거시경제요인 영향 분석

오늘날 지식산업센터는 과거 아파트형 공장이 산업구조의 변화에 따라 지식산업센터로 개편되었다. 지식산업센터의 특징은 용도상으로는 공장에 해당하지만, 실제 입주업종을 보면 공장이 필요하지 않은 업종도 포함하고 있어 사무실로 활용이 가능한 장점을 가지고 있다. 「산업집적활성화 및 공장설립에 관한 법률」 제28조의 5항에서 지식산업세터의 입주가능 업종은 제조업과 지식기반산업, 정보통신산업, 벤처기업 등에 한하며, 동법 시행령 제36조의 4항에 따르면 제조업의 경우에도 환경유해물질을 배출하지 않는 도시형 공장 및 첨단업종에 한정됨으로써 양호한 사무공간을 제공하는 것이 가능하였다(김지연, 2020).

지식산업센터는 대부분 집합건축물로써 오피스에 비해 투자규모가 크지 않아도 손쉽게 투자할 수 있는 장점을 가지고 있다. 또한, 주택과 다르게 투자에 대한 규제도 많지 않아 개인투자자들에게 선호되는 자산이었다. 2020년 초반까지 저금리 기조와 주택시장의 규제 강화로 지식산업센터는 오피스텔과 함께 대체자산으로 선호되어 가격상승이 관측되고 있다. 김지연(2020)의 연구에 의하면, 2020년 7월 기준 서울시 주요 권역 소재 지식산업센터의 거래가 수준이 최초 분양 당시 분양가 대비 약 2배가량 상승하는 것으로 조사되었다.

그러나 최근 금리 인상으로 인한 투자환경 악화로 가격 하락이 관측되며, 경기 둔화 전망 역시 지식산업센터 시장에 영향을 줄 것으로 생각된다. 그러나 이러한 상황에서 지식산업센터의 가격동향에 대한 정보를 제공하는 곳은 거의 없으며, 가격지수에 대한 연구 또한 거의 없는 실정이다. 선행연구 역시 매매시장에 대한 연구가 헤도닉 특성가격모형을 활용한 결정요인 분석이 주를 이루고 있는 상황이다. 이에 본 연구는 먼저 지수 산정을 위한 실거래가 자료구축 방법을 제시하고, 반복매매모형을 이용하여 서울시 지식산업센터 실거래가 매매지수를 산정하였다. 또한 지수를 활용하여 금리 및 타 부동산 지수를 비교하고, 거시경제변수와의 연관성을 시계열 모형을 이용하여 분석하고자 한다.

본 연구는 먼저 반복매매모형을 이용하여 지식산업센터 실거래가 가격지수를 산정하고자 한다. 이를 위해 산업단지공단의 지식산업센터 현황자료를 이용하여 등기부등본과의 주소 대조를 통해 실거래가 자료를 구축하였다. 그 다음 자료의 빈도를 고려하여 2011년부터 2022년까지 48분기의 지수를 도출하였다. 또한, 금리 이외에 오피스와 아파트 등 타 유형 실거래가 지수와의 비교를 통해 지식산업센터 성격을 규명하고, 마지막으로 ARDL(autoregressive distributed lag) 모형을 채택하여 지식산업센터 지수와 거시경제변수와 관계를 살펴보고자 하였다. 종속변수는 지식산업센터 지수를 로그변환한 값이며, 독립변수는 국고채3년 금리와 지식산업센터의 임대상황에 대한 대리지표로 소형 오피스 공실률 지표를 이용하였다. 또한, ARDL의 오차수정모형인 ARDL-ECM(ARDL error-correction model)을 이용하여 장기균형식을 도출하였다.

국내 지식산업센터 연구는 2000년대 초반 아파트형 공장에서 출발해 2009년 지식산업센터¹⁾로 명칭이 변경되었는데, 산업용 부동산 유형으로 개별적 매매형태와 수익적 상품성에 대한 연구가 진행되고 있으나 많지 않은 상황이다. 이 중에서도 본 연구와 밀접한 지식산업센터 매매시장 분야에 대한 분석은 크게 실거래가격에 영향을 미치는 개별적 요인 탐색에 관한 연구가 주를 이루고 있을 뿐, 최근 이슈가 되고 있는 금리 인상의 영향에 대해 참조할만한 지표와 분석이 부족한 실정이다.

선행연구에서 매매시장에 대해 분석한 방법론은 미시적 측면에서 횡단면 자료를 이용한 헤도닉모형(hedonic model), 공간회귀모형(spatial autoregressive model), 패널모형(panel analysis) 수행에 초점이 맞추어졌다. 먼저 유상준·이상경(2011)은 지식산업센터 분양가 지수 산정을 시도했는데, 금융위기 후 2010년 급격히 오른 160.0~ 177.6(2003=100.0)으로 매해 연평균 6.9%~ 8.6%씩 신장한 수치임을 밝혔다. 임필재·이상경(2013)은 부동산114의 서울·경기도 지식산업센터 호가 매매가 자료를 이용해 공간회귀모형이 종전 유상준·이상경(2011)의 헤도닉모형에 비해 추정 적합도가 뛰어난 방식임을 입증하였다.

배성완·유정석(2016)은 횡단면 외 시계열변수를 동시 고려한 패널분석을 통해 서울디지털산업단지 내 지식산업센터의 매매가격이 이자율(‒), 환율(+), 코스피지수(‒), 건축허가량(+), 공업지역 지가변동률(+) 등 거기경제변인과 관련성이 깊고, 이를 같이 다룬 모형에서도 설명력이 개선되었다. 김기준 외(2017)는 헤도닉모형에서 지식산업센터 실질 분양가가 지역(구로·금천, ‒), 연면적(+), 지하철역 거리(‒), 편심형 코어(‒), 상가 연계개발(+) 등이 유의미한 영향을 미쳐, 건축계획 및 호별 특성을 반영한 상품개발로 가치를 높일 수 있다고 언급하였다.

이장우·민규식(2019)은 국토교통부 실거래가공개시스템을 통해 실제 서울 국가산업단지의 지식산업센터 매매가격에 층수(+), 연면적(+), 건설사 순위(+), 유동인구(+), 역세권(+), 경과연수(‒), 대형쇼핑몰(‒) 등이 영향을 주는 요인으로 나타났다. 조병욱·유주연(2019)은 수도권 산업단지 내 지식산업센터가 1등급 시공사 브랜드(+)이고, 제조업종(‒)일수록 실거래가가 낮은 경향이 있는데, 경기보다 서울에서 유의미한 영향력을 보였다. 홍일석(2019)은 서울시 지식산업센터 실거래가를 대상으로 공급면적(‒), 경과연수(‒), 층수(+), 지하철역 거리(‒), 도로폭(+), 지원시설 비율(+), 산단입지(‒)가 영향을 미치는 것으로 나타났다.

부동산 매매시장은 거시경제의 영향을 받기 때문에, 이에 대한 분석이 주택시장을 비롯하여 다른 부동산 시장에서 많이 다루어지고 있다. 그러나 지식산업센터의 경우, 앞서 언급한 것처럼 이러한 분석이 충분히 이루어지지 못하였다. 국내 지식산업센터 매매가격지수는 산업용 부동산 시장을 대변하는 경기상황, 금리 수준, 정부 정책과 같이 주요 거시경제변수 요인 간 밀접한 바, 이들과의 동태적인 상호 연관성 속에서 이해될 필요가 있다.

부동산 매매가격과 거시경제변수와의 연관성에 관한 연구는 주로 지수를 활용한 시계열 모형을 이용하고 있다. 김연형·정영숙(2006)은 1987년 1분기~2005년 4분기까지 벡터오차수정모형을 통해 전국 주택매매가격이 여전히 주택가격(‒) 자체의 변동과 건축허가면적(‒)에 영향을 많이 받는 것으로 해석하였다. 김경민(2018) 역시 2004년~2017년간 월단위 시계열로 구축한 벡터자기회귀모형에서 서울 아파트매매가격지수는 종속변수 자체의 영향력을 제외하고 통화량(M2, +)에 의해 설명력이 큰 것으로 나타나, 향후 주택정책 조정의 전략적 지표로 도출하였다.

정유신·이기영(2010)은 반복매매모형을 토대로 서울시 오피스 가격지수를 개발하고, 거시경제변수 중 실질GDP(+), 통화량(+), 종합주가지수(+), 원달러환율(‒), 이자율(‒)과의 유의미한 관계를 규명하였다. 장성원(2016)은 독립변수를 거시경제변수로만 구성된 서울시 오피스 매매가격지수 헤도닉모형을 구축하였는데, 표준화 계수(α)값에서 종합주가지수(+), 경제성장률(‒), 소비자물가상승률(+), 국고채3년 금리(‒) 순으로 상대적인 영향력이 크게 작용하였다. 김원정·여준호(2017)는 전국 아파트매매가격지수는 국내총생산(+), 종합주가지수(+)뿐만 아니라, 한국과 미국의 주택담보대출금리(‒)와도 결코 무관하지 않음을 보여주었다. 일례로 오차수정모형식에서 한국과 미국의 주택담보대출금리가 1% 증가할 때, 국내 아파트 매매가격지수는 각각 ‒1.08%와 ‒0.04%씩 감소해 부동산 시장에 영향을 주는 요인으로 추정되었다.

이훈자(2017)는 거시경제변수에 주목하여 국민은행에서 제공하는 월별 서울 아파트매매가격지수를 이용한 자기회귀오차모형 분석결과, 불과 1개월전 아파트매매가격지수(+), 주택담보대출금리(‒), 코스피주가지수(+) 등 세가지 변인에 의해 약 76.0%가 설명되는 핵심인자로 도출하였다. 류강민·송기욱(2020)은 반복매매모형을 활용한 서울시 오피스 벤치마크 가격지수를 시험적으로 개발·적용하고, 거시경제지표인 GDP(+), 코스피주가지수(+)와 정비례하나, 국고채5년 금리(‒)와는 역비례 관계 경향이 뚜렷함을 증명하였다.

지금까지 살펴본 바와 같이 지식산업센터 선행연구들(<표 1> 참조) 상당수가 매매가격에 지역과 입지, 교통, 건축계획, 시점 특성과 같이 영향을 미치는 요인들에 대한 연구가 많은 반면, 금리와 같이 거시경제변수와의 관계를 다루는 연구는 많지 않다. 이러한 관점에서 거시경제변수와의 관계를 밝히는 데 활용될 수 있는 실거래 데이터에 기초한 지식산업센터 가격지수 산정하는 것이 의미가 있다고 할 수 있다.

한편, 연구자들마다 거시경제변수 결정요인들이 조금씩 상이하나, 주택과 오피스 매매가격지수 선행연구들로부터 대체로 경제성장률, 코스피지수, 주택담보대출금리, 통화량, 국고채수익률 등이 공통적으로 거론되고 있음을 유추할 수 있다.

따라서 본 연구는 국토교통부 실거래가 시계열 자료를 이용해 지식산업센터 매매가격지수 개발을 시도함은 물론, 선행연구에서 다루어지지 않았던 거시경제변수와의 상호 연관성을 검증해보고 객관적인 실증모형을 구축하는 최초 연구로 차별성이 있다고 하겠다.

본 연구에서 구축한 지식산업센터 매매자료는 실거래가 자료이며, 2006년 1월부터 2022년 12월까지 서울시를 대상으로 하였다. 실거래가 매매자료는 다음과 같은 방식으로 만들어진다. 먼저 서울시 지식산업센터 재고현황은 산업단지공단 홈페이지에서 매월 업데이트하는 전국 지식산업센터현황 정보를 이용하였다. 이 정보 중 서울시 자료만을 추출한 결과, 2023년 1월 기준으로 최종 389개의 지식산업센터가 현존하는 것으로 나타났다.

<표 2>와 같이 지역별 분포를 살펴보면, 면적 기준으로 금천구가 가장 많았으며, 뒤를 이어 구로, 성동, 영등포, 송파, 강서 지역 순으로 나타났다. 이들 6개구의 지식산업센터 면적 비중은 약 95%를 점유해 이들 지역을 중심으로 공간적 입지가 치우쳐 있음을 알 수 있다.

다음으로 확보된 서울시 지식산업센터 정보 중 주소정보를 활용하여 인터넷 등기부등본에 주소를 대조하여 실거래 자료를 구득하였다. 인터넷 등기소는 주소정보를 입력하면 해당 주소에 대해 거래여부 및 거래가격 정보, 면적정보를 얻을 수 있다. 지식산업센터가 대부분 집합건축물인 관계로 단일 건물에도 여러 소유주가 존재하기 때문에 다수의 실거래가 자료가 발생할 수 있으며, 이를 모두 확인하여 가격 및 면적정보를 확보하였다. 또한, 지식산업센터의 특성상 산업시설과 지원시설이 있으며, 근린생활시설과 같은 지원시설은 주용도인 산업시설과 다른 가격을 형성할 가능성이 높다. 일반적으로 지원시설은 저층에 위치할 가능성이 높기 때문에 3층 이하를 지원시설로 가정하여 가급적 자료에서 제외하였다. 마지막으로 이상치(outlier) 제거를 위해 구별·분기별 m²당 가격이 상·하위 1% 이내인 경우도 제거하였다. 자료구축 결과 사옥으로 쓰이되 거래되지 않은 건물을 제외한 257개 건물에서 거래되었으며, 2006년부터 총 18,283개의 실거래 자료를 확보하였다.

연도별 서울시 지식산업센터 실거래가 자료의 기초통계량은 <표 3>처럼, 2022년의 m²당 가격은 지속적으로 상승하여 817만 원으로 나타났다. 거래빈도는 2006년부터 존재했으나 많지 않아, 이상치 제거로 제외하였다. 그럼에도 불구하고 2018년 m²당 가격의 최대값은 성동구 성수지역이 22,413만 원으로 매우 높았다. 거래빈도는 2007년부터 2010년까지 연간 100건 미만을 기록했는데, 2011년부터 300건 이상의 진전된 거래건수를 보이므로 지수는 비교적 자료수가 많은 2011년부터 분기별로 산정하였다.

또한, 서울 지역별 거래면적과 거래가격, 자료수에 대한 기초통계량은 <표 4>와 같이 기술하였다. 전통적인 지식산업센터가 입지한 구로와 금천구는 거래면적이 비교적 많은 편으로 경쟁우위를 점하였다. 반면에 m²당 가격은 거래면적과 반비례 관계를 보여, 거래면적이 가장 작은 성동과 송파구의 m²당 가격이 높아 대조적이었다. 거래건수 역시 구로와 금천구가 많은 비중을 차지하고 있으며, 강서구가 가장 비중이 적은 특징을 보였다.

서울시 지식산업센터 가격지수 시험산정 결과, <그림 1>과 같이 지수 변화가 안정적으로 나타났다. 2015년에는 전년 동기 대비 4.1% 상승하였으나, 2016년 9.8%, 2017년 7.7%, 2018년 6.6%로 높은 상승률을 보였다. 2019년은 4.4%의 상승률로 추세가 잠시 주춤했으나, 2020년 16.2%, 2021년 32.4%로 10% 이상의 상승률을, 22년 2분기까지 상승하다 하락세를 보여 2022년 4분기에는 고점인 2분기 대비 6.4%가 하락하였다. 이러한 가격추세는 금리와 아파트, 오피스 가격과 깊은 연관성을 가질 것으로 추측된다.²⁾

그림 1. 지식산업센터 가격지수(2011.1Q=100.0)

Download Original Figure

본 연구에서 산정한 서울시 지식산업센터 이외에 타 부동산 유형인 아파트, 오피스의 매매가격 추세와 금리를 비교하고자 한다. 아파트와 오피스 매매가격은 각각 한국부동산원의 실거래 가격지수 및 KB국민은행의 서울 오피스 지수로 두 지수 모두 실거래 가격을 이용한 지수이다. 그 밖에 국고채 3년 금리를 고려한 추이가 <그림 2>와 같이 표현된다. 우선 지식산업센터는 2018년 이전까지 오피스보다는 아파트와 비슷한 추세에, 2019년과 2020년 역시 시차는 조금 있으나 아파트와 같이 큰 폭의 상승률을 보였다. 반면 2021년 3분기부터 아파트 가격의 큰 하락세에 비해, 지식산업센터는 2022년 3분기가 되어서야 가격 하락이 나타났으며, 금리 영향이 비교적 적은 오피스와 유사한 추세를 보였다.³⁾

그림 2. 지식산업센터와 타 유형과의 실거래 가격지수 비교(지수 2011.1Q=100.0)

Download Original Figure

금리와의 관계를 살펴보면 아파트는 2018년부터 반비례 관계가 비교적 뚜렷하게 나타난 반면, 지식산업센터는 금리 상승에도 불구하고 높은 가격상승세를 보이다 2022년 3분기부터 하락하였고, 오피스는 가격상승세는 둔화되었으나 금리 인상에도 가격 상승을 유지하여 왔다.

이와 같이 지식산업센터의 가격 추세가 오피스와 아파트의 중간적인 성격을 가지고 있는 이유는 그 특성과 연관이 있는 것으로 판단된다. 즉 지식산업센터는 오피스와 같이 임대수요가 사무직 종사자수에 기반하기 때문에 오피스 시장과 유사한 관계를 가질 가능성이 있다. 또한, 최근 아파트와 시차를 가지고 높게 상승한 지식산업센터의 가격변화를 볼 때, 집합건축물인 관계로 개인투자자의 접근이 비교적 양호하고 아파트와 다르게 LTV나 주택시장의 세제와 다르기 때문에 대체투자로 선호된 결과로 해석할 수 있다.