오피스 투자 행태의 시공간적 특성에 관한 연구*
- 투자 결정요인과 자본수익률을 중심으로 -
이 상 경**
1)
Temporal and Spatial Characteristics of Office Building Investment*
- Determinants of Investment and Capital Return -
Sang-Kyeong Lee**
요약：이 연구는 서울 오피스 시장을 대상으로 GIS를 이용한 시공간적 분석을 통해 오피스 시장의 변화 과정을 분석하고 빌딩의 입지적, 물리적 특성이 투자에 미친 영향과 투자에 따른 자본수익률을 분석하는 것을 목적으로 한다. 분석 결과는 다음과 같다. 첫째, 거래건수는 2005년까지는 증가추세를 유지하다가 2006년부터 감소세로 돌아선 것으로 나타나고 있다. 또한 거래 지역은 도심과 강남권, 여의도권 중심에서 점차 구로지역과 송파구 등으로 확대되는 양상을 보이고 있다. 둘째, 로지스틱 회귀분석을 수행한 결과 강남권, 지하철역거리, 접면도로수, 전면도로폭, 지상층수, 준공년도가 통계적으로 유의한 것으로 나타났 다. 강남지역일수록, 빌딩 층수가 높을수록, 준공년도가 최근일수록 투자확률이 높아지며 지하철역거리가 멀어질수록 접면도로수가 많을수록, 전면도로폭이 넓을수록 투자확률이 낮아지는 것으로 나타났다. 셋째, 반복매매지수 구축 결과 오피스 가격은 2005년까지 안정적 상승 기조를 유지하다가 2006년부터 급등하는 것으로 나타났다. 투자에 따른 연평균 수익률은 14.8%이며, 2000년도에 오피스 빌딩을 매입하여 2005년 에 매도한 경우는 70.5%, 2007년도에 매도한 경우는 162.4%의 수익률을 기록한 것으로 나타났다.
주제어：오피스, 시공간 분석, 로지스틱 회귀분석, 자본수익률, 반복매매지수
ABSTRACT：The purpose of this paper is to analyse the growth of Seoul office market in terms of temporal and spatial analysis by using GIS, determinants of investment by logistic regression analysis and the capital return of investment by establishing repeat sale price index. Database includes transaction information from 2000 to 2007. The results are as follows: The number of sale increased from 2000 to 2005 but decreased from 2006. Office market is spreading out from CBD and Kangnam region to Guro-gu and Songpa-gu. The result of logistic regression analysis shows that Kangnam region, the story of building, the year of completion are positive to probability of investment but the number of adjacent road, width of front road, distance of subway station are negative. The price index established by repeat sale model shows that 2006 is starting point of high return and average capital return per year is 14.8%.
Key Words：office, temporal and spatial analysis, logistic regression, repeat sale price index, capital return, Seoul
** 이 논문은 2007년 정부(교육인적자원부)의 재원으로 한국학술진흥재단의 지원(KRF-2007-332-B00600)을 받아 수행된 연구임. 또한 이 연구 는 2007년도 경원대학교 지원에 의한 결과임.
** 경원대학교 도시계획학과 부교수(Associate Professor, Department of Urban Planning, Kyungwon University), E-mail: [email protected], Tel: 031-750-8765.
Ⅰ. 서 론
90년대 말 외환위기를 거치면서 외국자본의 투 자가 자유화되고 자산유동화증권(ABS)과 부동 산투자회사(REITs) 같은 간접투자제도가 도입되 면서 국내 오피스 시장은 괄목할만한 성장을 경험 하고 있다. 빌딩 관리에 있어서도 에버랜드, SAMS 같은 자산관리전문회사들이 오피스를 관리하는 경우가 일반화되고 있다. 또한 신영애셋, 알투코 리아 같이 오피스 시장 데이터베이스를 이용하여 각종 투자자문 서비스를 제공하는 전문 컨설팅 업 체들의 활동도 활발하게 이루어지고 있다. 그러나 오피스 시장에서의 이 같은 변화에도 불구하고 자 료 확보 등의 어려움으로 인해 오피스 시장에 대 한 학술 차원의 연구는 그다지 활발하지 않은 실 정이다. 우리나라와 달리 미국의 경우 오피스 시 장을 대상으로 한 학술 연구가 활성화되어 있을 뿐만 아니라 연구 결과의 상업적 활용도도 상당히 높은 편이다. MIT 부동산연구센터(CRE)에서 제 공하고 있는 실거래가 지수인 TBI와 CPPI1)가 주 요 투자 지표로 이용되고 있는 것이 대표적인 사 례라고 할 수 있다.
서울 오피스 시장의 경우 투자자들의 높은 관 심에도 불구하고 시장의 공간적 변화 과정과 투자 대상 오피스 빌딩들의 특징, 투자수익률 등이 제 대로 규명되지 않고 있는 실정이다. 이에 본 연구 에서는 시공간적 관점에 입각하여 서울 오피스 시 장의 변화 과정을 살펴보고 오피스 빌딩의 입지 적, 물리적 특성이 투자에 미친 영향과 투자수익 률을 분석하고자 한다.
오피스 매매시장의 공간적 확산은 일반적으로
인식되고 있는 사실이지만 이를 시공간적 관점에 서 체계적으로 분석한 연구는 아직까지 없는 실정 이다. 오피스 임대료나 매매가격을 분석한 대부분 의 선행연구들은 오피스 시장을 도심권(CBD), 강 남권(KBD), 여의도권(YBD)으로 구분하고 하위 시장을 세분하지 않음으로써 시장의 공간적 확산 과정을 확인하지 않는 한계를 보이고 있다. 본 연 구에서는 GIS를 이용한 연도별 거래 현황 분석을 통해 이 같은 한계를 극복하고자 한다.
투자 대상 오피스 빌딩들의 입지적, 물리적 특 성을 다룬 그 동안의 연구들은 이상경․이인철(2005), 장무창․이학동(2006)에서 볼 수 있듯이 대부분 거래된 빌딩만을 대상으로 하고 있다. 즉 거래되지 않은 비거래 빌딩을 분석 자료에 포함하지 않음으 로써 비교 분석을 수행하지 못하는 한계를 보이고 있다. 이에 본 연구에서는 거래 빌딩과 함께 비거 래 빌딩을 포함하는 데이터베이스를 구축하고 로 지스틱 회귀분석을 통해 오피스 빌딩의 입지적, 물 리적 특성이 투자에 미친 영향을 규명하고자 한다.
투자수익률은 소득수익률과 자본수익률로 구분 될 수 있는데, 본 연구에서는 매도에 따른 차익을 의미하는 자본수익률에 한정된 연구를 수행하고 자 한다. 오피스 시장의 급속한 성장 배경 속에 자 본수익률에 대한 기대가 있다는 점에서 자본수익 률에 대한 실증적 분석이 반드시 필요한 것으로 판단된다. 국토해양부(2008)는 감정평가에 기초 하여 매년 자본수익률지수를 발표하고 있지만 시 장과의 괴리로 인해 실무에서의 활용도는 높지 않 은 실정이다. 이에 본 연구에서는 감정가가 아닌 실거래가를 대상으로 반복매매모형(repeat sale model)을 적용하여 가격지수를 작성하고 이를 이
1) TBI는 Transactions-Based Index, CPPI는 Moodys/REAL Commercial Property Price Index의 약어이다. 이들에 대한 자세한 정보는 http://web.mit.edu/cre/research/credl/index.html를 참조하기 바란다.
용하여 자본수익률을 산출하고자 한다.
연구는 다음과 같이 구성된다. Ⅱ장에서는 선행 연구에 대한 고찰이 있고, Ⅲ장에서는 GIS를 이용 한 시공간 분석을 통해 매매시장의 변화과정을 분 석한다. Ⅳ장에서는 오피스의 입지 및 물리적 특 성이 투자 결정에 미친 영향을 규명한다. 거래 빌 딩과 비거래 빌딩으로 오피스 빌딩을 구분한 후 기초통계분석과 로지스틱 회귀분석을 수행한다.
Ⅴ장에서는 반복매매모형을 이용하여 실거래가 지수를 산출하고 자본수익률을 산정한다. Ⅵ장에 서는 결론과 함께 연구의 한계 등이 정리된다.
Ⅱ. 선행연구 고찰
1. 오피스 매매시장 관련 연구
서울 오피스 시장을 다룬 연구는 크게 임대시 장을 다룬 연구와 매매시장을 다룬 연구로 나누어 질 수 있다. 임대시장을 다룬 연구로는 손재영․
김경환(2000), 변기영․이창수(2004), 손진수․김 병욱(2002), 이창무․이재우(2005) 등이 있으며, 매매시장을 다룬 연구로는 이상경(2005), 이상경․
이인철(2005), 이상경․이현석(2005), 손재영․윤 민선(2007), 이상경(2007), 이준용․이현석(2008) 등이 있다. 이들 연구들은 모두 오피스 시장을 도 심권, 강남권, 여의도권의 3개권 또는 기타지역을 포함한 4개권으로 구분했다는 점에서는 공통점을 가진다. 임대시장을 다룬 연구들은 대부분 한 시 점을 대상으로 한 횡단면 분석을 수행하고 있지 만, 매매시장을 다룬 연구들은 다년간에 걸친 거 래 자료를 대상으로 시간더미변수 또는 시변변수 (time varying variables)들을 모형에 포함한 분석 을 수행하고 있다는 점에서 공통점을 가진다.
2. 투자 대상 오피스 빌딩 특성 연구
서울 오피스 시장의 투자 대상에 대한 실증적 연구는 이상경․이인철(2005)에서 시작된다. 이 상경․이인철(2005)은 SAMS에서 제공한 2000년 부터 2004년까지의 서울 오피스 시장 거래 자료를 이용하여 투자주체를 외국자본과 국내자본으로 구분한 후 탐색적 통계 분석과 로지스틱 회귀분석 을 통해 외국자본이 선호하는 빌딩의 물리적 특성 을 규명하였다. 그러나 이 연구는 전체 오피스 빌 딩을 모집단으로 하지 않았기 때문에 거래 빌딩의 특성을 비거래 빌딩과 비교하여 해석할 수 없다는 한계를 가진다. 한편 장무창․이학동(2006)은 서 울시 및 분당지역을 대상으로 외국투자자본과 부 동산간접투자시장에 대한 실태 및 동향분석을 수 행하였다. 이 연구는 (주)신영에셋의 오피스 시장 동향 보고서를 근거로 거래 오피스 빌딩의 구체적 정보를 분석하고 있다는 점에서 의미를 가지지만 계량모형을 이용한 실증분석이 아니라는 점에서 본 연구와 맥을 달리하는 연구라고 할 수 있다. 이 준용․이현석(2008)은 외국자본의 투자행위를 분 석하면서 로지스틱 회귀분석과 함께 의사결정나 무를 이용한 분석을 병행하고 있다. 이 연구도 이 상경․이인철(2005)과 마찬가지로 전체 오피스 빌딩을 모집단으로 하지 않았다는 점에서 동일한 해석상의 제약을 안고 있다.
3. 가격지수 이용 자본수익률 추정 연구
반복매매모형은 Bailey et al.(1963)에 의해 처 음 제안되어 Case and Shiller(1987)에 의해 수정 된 형태로 널리 이용되고 있다. 반복매매모형은 헤도닉모형이 필요로 하는 부동산 특성 요인이 필 요 없다는 장점이 있으나 지수산정기간 내에 2번
구 2000 2001 2002 2003 2004 2005 2006 2007 계
종로 4 5 4 3 3 3 2 24
중구 6 3 7 7 8 13 4 11 59
용산 2 1 1 4
성동 1 1
광진 1 1 1 3
동대문 1 1 1 3
중랑 0
성북 1 1
강북 0
도봉 0
노원 0
은평 0
서대문 1 1 1 3
마포 1 3 2 1 1 2 10
영등포 1 6 6 10 5 7 7 5 47
양천 1 1 2
강서 1 1 2
구로 1 1 2 4
금천 1 1 1 1 4
동작 1 1 1 3
관악 1 1 2
서초 2 1 7 3 8 9 8 5 43
강남 4 8 10 17 18 16 13 10 96
송파 1 2 1 4 1 9
강동 1 1
합계 18 26 44 49 50 54 43 37 321
<표 1> 구별, 연도별 오피스 거래 현황 이상 거래된 자료만을 사용해야 한다는 점에서 표
본선택편의의 가능성이 있다는 단점이 있다(이창 무 외, 2005). 그러나 미국 주택시장에서 널리 활용 되고 있는 Case-Shiller 지수와 MIT의 CRE에서 제공하고 있는 오피스 가격지수인 CPPI가 모두 반복매매모형에 기반하고 있다는 점에서 실용적 가치는 충분히 있는 것으로 판단된다.
반복매매지수를 다룬 국내 연구로는 이창무 외 (2002)와 이창무 외(2005), 이창무․배익민(2008) 이 있는데, 이 연구들은 주택가격을 대상으로 했 다는 점에서 오피스 가격을 대상으로 한 본 연구 와 차이가 있다. 아직까지 오피스 빌딩을 대상으 로 반복매매모형을 적용한 연구는 국내에서 수행 되지 않고 있는 실정이다. 오피스 매매가격지수를 다룬 국내 연구로는 이상경(2005)과 이상경(2007), 국토해양부(2008)만이 있을 뿐이다. 이상경(2005) 은 2000년부터 2004년까지 서울 오피스 시장을 대 상으로 시간더미 헤도닉 모형을 이용하여 가격지 수를 구축하였으며, 이상경(2007)에서는 2002년 부터 2005년까지 서울 오피스 시장을 대상으로 시 변모수법을 이용하여 가격지수를 추정하고 있다.
국토해양부(2008)는 서울시를 비롯한 7대 광역시 에 소재한 6층 이상 오피스를 대상으로 매년 7월1 일 기준으로 감정평가를 시행한 후 이를 이용하여 소득수익률과 자본수익률 지수, 그리고 이를 합산 한 투자수익률 지수를 발표하고 있다.2) 정리하면, 본 연구는 이상경(2005), 이상경(2007)과 마찬가 지로 오피스 실거래가를 대상으로 하고 있지만 헤 도닉모형이 아닌 반복매매법을 이용하고 있다는 점에서 차이가 나며, 국토해양부(2008)와는 감정 가가 아닌 실거래가를 이용하고 있다는 점에서 차 이가 난다.
Ⅲ. 오피스 투자의 시공간적 변화 분석
분석에 이용된 자료는 이상경(2005)과 이상경 (2007)에서 사용된 적이 있는 투자자문회사인 SAMS 의 자료를 이용하였다. 분석기간은 2000년부터 2007 년까지로 설정하였으며, GIS를 이용하여 거래 빌 딩의 위치를 <그림 1>∼<그림 9>같이 도시하고 계 량적 해석을 위해 <표 1>과 같이 구별, 연도별로
2) 국토해양부 투자수익률 지수에 대한 학술적 평가는 이재우․강원철(2006)을 참조하기 바란다.
<그림 1> 2000년 오피스 거래 현황
<그림 2> 2001년 오피스 거래 현황
<그림 3> 2002년 오피스 거래 현황
<그림 4> 2003년 오피스 거래 현황
<그림 5> 2004년 오피스 거래 현황
<그림 6> 2005년 오피스 거래 현황
<그림 7> 2006년 오피스 거래 현황
<그림 8> 2007년 오피스 거래 현황
<그림 9> 2000년~2007년 전체 오피스 거래 현황
거래건수를 정리하였다. 거래건수의 움직임을 보 면, 2000년부터 2005년까지는 지속적으로 늘어나 는 양상을 보이지만 2006년부터는 다시 줄어드는 것으로 나타나고 있다.
2000년도의 경우 거래건수는 18건에 불과하며 주로 도심지역인 중구와 종로구, 강남지역인 서초 구와 강남구, 송파구에서만 거래가 일어나고 있다.
2001년도의 경우 여의도가 속한 영등포구의 빌딩 들이 거래되면서 거래지역이 도심과 강남지역에 서 여의도지역으로 확대되는 양상이 나타나고 있 다. 2002년에서 2006년까지의 거래 양상을 보면,
2001년과 비교하여 2배 이상의 거래건수를 보이 고 있으며, 강남지역의 거래건수가 도심지역을 압 도하는 상황을 보여주고 있다. 또한 구로 및 가산 디지털단지가 위치하고 있는 구로구와 금천구에 서도 매년 1~2건의 거래가 성사되는 것으로 나타 나고 있다. 2007년의 경우 거래건수가 37건으로 줄어들었으며, 이전과 달리 도심의 중구에서 가장 많은 거래가 발생한 것으로 나타나고 있다.
2000년에서 2007년까지 거래된 오피스를 모두 표 시한 <그림 9>를 보면 오피스 거래 중심지가 강남권 임을 분명히 알 수 있다. 또한 과거 구로공단지역이
었던 구로 및 가천디지털단지와 송파구가 기존의 도심권, 강남권, 여의도-마포권에 이어 새로운 오피 스 투자 지역으로 부상하고 있다는 것도 알 수 있다.
Ⅳ. 오피스 빌딩의 특성이 투자에 미친 영향
1. 모형 설정
오피스 빌딩의 입지 및 물리적 특성이 투자에 미친 영향을 파악하기 위해 로지스틱 회귀모형 (logistic regression model)을 분석에 이용하고자 한 다. 시장에서 거래된 적이 있는 오피스 빌딩이면 1의 값을 가지고, 거래된 적이 없으면 0의 값을 갖는 더미 변수 를 종속변수로 하는 선형회귀모형을 가정한 다. 오피스 빌딩의 특성을 의미하는 독립변수들이 로 주어질 때 를 투자될 확률 를 투자되지 않을 확률 로 나눈 식으 로 정의하면 1식이 되는데, 이는 승산(odds)으로 명명되게 된다. 이때 승산 에 자연로그를 취하는 변환을 로짓변환이라고 하며, 로짓(logit) 은 2식과 같이 선형으로 나타낼 수 있다. 일반적으 로 2식과 같은 형태의 모형을 로지스틱 회귀모형 이라고 한다.
(1)
′ (2)
이를 오피스 투자확률 에 대해 정 리하면 3식과 같은 로지스틱 반응함수(logistic
response function)로 나타낼 수 있다.
′
′
(3)
로지스틱 회귀모형의 계수 는 일반적으로 최우 도법(maximum likelihood method)을 통해 추정된 다. 추정된 계수의 효과를 해석하기 위한 방법으로 승산비(odds ratio)를 이용하거나 승산의 % 변화를 이용하는 방법이 일반적으로 사용된다. 독립변수의 단위 변화나 표준편차 변화에 따른 투자 확률의 이 산 변화를 구할 수도 있다. 더미변수의 경우 변수 값이 0에서 1로 변화할 경우를 가정하고 투자 확률 의 변화를 산정하게 된다(성웅현, 2001: 66~77).
2. 자료 구축
분석에 이용된 오피스 빌딩 전체 현황 자료는 SAMS 홈페이지에서 제공하는 자료를 1차 자료로 이용하였다. 이를 기초로 서울시 지리정보시스템 을 이용하여 접도수, 전면도로폭, 지하철역 시간거 리 등을 측정하여 데이터베이스를 구축하였다.
분석 기간은 2000년부터 2007년까지로 설정하 였으며, 분석대상 지역을 도심권, 강남권, 여의도 권으로 구분하였다. 도심권에는 중구와 종로구, 강남권에는 강남구와 서초구, 여의도권에는 영등 포구와 마포구만 포함하였다. 결과적으로 용산구, 송파구, 양천구, 동대문구 같이 인접지역으로서 오피스 빌딩이 다수 분포하고 있는 지역들이 분석 에서 제외되었다. 또한 영등포구와 마포구에 속한 동 중에서 매매 빌딩이 없는 동은 분석에서 제외 하였는데, 염리동, 도화2동, 신길동 등이 여기에 해당한다.3) 이들 지역들을 분석에서 제외한 이유
3) 염리동, 서교동, 도화동, 도화2동, 노고산동, 영등포동2가~7가, 양평동 1가~4가, 당산동1가~6가, 대림동, 도림동, 도림2동, 아
변수 거래 빌딩 비거래 빌딩 전체 빌딩 t-검정
평균 표준편차 평균 표준편차 평균 표준편차 t값
지하철역 거리(분) 6.1 4.6 7.0 4.5 6.8 4.5 -2.38**
접면도로수(개) 2.1 0.9 2.2 0.9 2.2 0.9 -2.06**
전면도로폭(m) 33.8 16.9 34.5 18.1 34.3 17.8 -0.44
준공년도(년) 1991.3 7.8 1989.0 8.3 1989.6 8.2 3.19***
지상층수(층) 14.3 6.5 12.7 6.4 13.2 6.5 2.78***
지하층수(층) 4.1 1.9 3.5 1.7 3.7 1.8 3.91***
건물연면적(㎡) 23812.1 27554.2 19246.8 22397.7 20531.0 24025.3 1.94*
기준층면적(㎡) 1423.5 1039.5 1369.3 1120.1 1384.5 1097.5 0.55 주: *, **, *** 은 각각 1%, 5%, 10% 유의수준에서 유의미함.
<표 3> 거래 빌딩과 비거래 빌딩의 입지 및 물리적 특성 비교
구분 도심권 강남권 여의도권 전 체
거래 50 89 34 173
23.3% 31.9% 28.1% 28.2%
비거래 165 190 87 442
76.7% 68.1% 71.9% 71.9%
전체 215 279 121 615
100% 100% 100% 100%
주) 카이제곱: 4.49 (p값: 0.1061) 우도비카이제곱: 4.54 (p값: 0.1034)
<표 2> 거래 빌딩수와 비거래 빌딩수의 권역별 비교
는 모집단에 대한 정보가 불확실하여 선택편의를 야기할 가능성이 크기 때문이다.4)
<표 2>에서 보이듯이 분석에 이용된 전체 오피 스 빌딩은 모두 615개이며, 이 중 1번 이상 거래된 빌딩은 모두 173개였다. 거래 빌딩이 가장 많은 지 역은 KBD로 모두 89개이며, 이는 분석에 이용된 KBD 전체 오피스 빌딩 279개의 31.9%에 해당된다.
3. 기초통계분석
로지스틱 회귀분석에 앞서 기초통계분석을 실
시하였다. 먼저 권역별로 거래 빌딩 수가 다른지 를 검정하기 위해 카이제곱 검정을 시행하였다.
분석 결과 카이제곱과 우도비 카이제곱의 p값이 각각 0.1061과 0.1034로 나타났다. p값이 최저 수 준의 검정기준으로 많이 이용하는 10%를 초과하 기 때문에 엄격한 기준을 적용한다면 권역별로 거 래 빌딩수가 같다는 귀무가설을 기각할 수 없다.
하지만 10%에 매우 근접한 값을 가지므로 로지스 틱 회귀분석을 통해 이를 검정할 필요가 있다.
거래 빌딩과 비거래 빌딩이 입지 및 물리적 특 성에서 차이가 있는지를 분석하기 위해 속성 변수 별로 t-검정을 실시하였다. <표 3>은 그 결과를 정 리한 것인데, 거래 빌딩과 비거래 빌딩은 지하철 역 거리, 접면도로수, 준공년도, 지상층수, 지하층 수, 건물연면적에서 통계적으로 유의한 차이가 있 는 것으로 나타났다. 반면 전면도로폭과 기준층면 적은 통계적으로 유의하지 않은 것으로 나타났다.
4. 로지스틱 회귀분석 결과
로지스틱 회귀분석을 수행한 결과 강남권, 지하
현동, 상암동, 신길동에 속한 오피스 빌딩의 경우 이 기준에 입각하여 표본에서 제외하였다.
4) 선택편의와 관련해서는 Munneke and Slade(2000)을 참고하기 바란다.
변수 계수 p값 상수 -49.1808 3.71 0.054 강남권 0.6914 7.27 0.007 여의도권 0.4055 2.06 0.150 지하철역 거리 -0.0596 6.85 0.009 접면도로수 -0.2222 4.20 0.041 전면도로폭 -0.0111 3.66 0.056 지상층수 0.0463 7.51 0.006 준공년도 0.0243 3.58 0.059 기준층면적 0.00003 0.09 0.764
<표 4> 로지스틱 회귀분석 결과
변수 승산비(Odds Ratio) 변화 투자확률의 이산변화
승산비 변화5) 승산 변화6) 단위 변화 표준편차 변화 더미변수 변화
강남권 1.996 99.6% 0.201
여의도권 1.500 50.0% 0.102
지하철역 거리 0.942 -5.8% -0.011 -0.052
접면도로수 0.801 -19.9% -0.042 -0.038
전면도로폭 0.989 -1.1% -0.002 -0.038
지상층수 1.047 4.7% 0.009 0.057
준공년도 1.025 2.5% 0.005 0.038
기준층면적 1.000 0.0% 0.000 0.006
<표 5> 독립변수의 효과 비교
철역거리, 접면도로수, 전면도로폭, 지상층수, 준 공년도가 통계적으로 유의미한 것으로 나타났다.
계수의 부호를 기준으로 보면, 지하철역거리가 멀 어질수록, 접면도로수가 많을수록, 전면도로폭이 넓을수록 투자확률이 낮아지는 것으로 나타났다.
반대로 강남지역일수록, 빌딩 층수가 높을수록, 준공년도가 최근일수록 투자확률이 높아지는 것 으로 나타났다. 이는 앞서 검토했던 t-검정과 맥을 같이하는 결과라고 할 수 있다.
로지스틱 회귀분석을 구성하고 있는 독립변수
의 효과를 분석하기 위해 로지스틱 회귀분석 해석 과정에서 가장 널리 이용되고 있는 승산비와 승산 변화를 기본으로 투자확률의 이산변화를 분석하 였다. 승산비와 승산의 변화를 보면, 다른 독립변 수들의 수준이 일정할 때 강남권에 입지한 오피스 빌딩의 경우 도심권에 입지한 빌딩에 비해 승비는 1.996배 증가하게 되며 승산은 99.6% 증가한다.
투자확률의 이산변화는 연속형 독립변수의 경 우 단위변화와 표준편차변화를 대상으로 하며, 더 미변수의 경우는 0에서 1로 변화할 경우를 대상으 로 한다. 모든 독립변수 수준이 표본평균인 오피 스 빌딩에 대해 강남권에 입지할 경우가 도심권에 입지하는 것에 비해 투자확률이 0.201만큼 증가한 다. 또한 지하철역 거리가 1단위인 1분 멀어지면 투자확률이 0.011 만큼 감소하며, 표준편차의 1단 위인 4.5분 정도 멀어지면 투자확률이 0.052 만큼 감소한다.
5) 가령 강남권의 승산비는 강남권 승산을 도심권 승산으로 나눈 것을 의미한다. 1.996=exp(0.6914) 6) 가령 강남권의 승산변화는 강남권 승산의 % 변화를 의미한다. 99.6=100×(1.996-1)
Ⅴ. 투자수익률 분석
1. 모형 설정
자본수익률 분석을 위해 본 연구에서는 반복매매 모형(repeat sales model)을 이용하고자 한다. 반복 매매모형은 가격지수 구축 과정에 널리 이용되고 있는 시간더미 헤도닉모형으로부터 유도될 수 있다.
헤도닉모형을 구성하는 오피스 특성변수들의 값이 시간변화에 관계없이 일정하다고 가정하면 시간더미변수의 도입을 통해 오피스 가격의 변화 를 설명할 수 있게 된다. 4식은 이 같은 관점에 입 각하여 세미로그(semi-log) 형태의 헤도닉모형에 시간더미변수를 도입한 것이다.
(4)
시간더미변수벡터 의 경우 1 또는 0의 값을 갖게 되는데, 거래가 일어난 시기를 대변하는 더 미변수는 1의 값을 가지며 나머지 더미변수는 0의 값을 가지게 된다.
s기와 t기에 거래된 동일한 오피스 빌딩의 가격 을 헤도닉모형을 이용하여 나타내면, s기의 경우
만 1을 가지며 나머지 시간더미변수는 0의 값을 가지게 되며 t기에는 만 1을 가지며 나머지는 0 의 값을 가지게 된다. 따라서 5식과 6식처럼 와
만을 포함하는 형태로 간단하게 표현할 수 있다.
(5)
(6)
오피스 특성이 변하지 않는다고 가정했으므로 5식과 6식을 구성하는 특성변수벡터 는 시간 에 관계없이 동일하다. 또한 이들이 오피스 가격 에 미치는 영향력에 변화가 없다면 도 시간에 관계없이 동일하다. 따라서 6식에서 5식을 빼게 되면 7식과 같이 s기와 t기 사이의 동일 오피스의 가격 변화율( )을 시간더미변수의 계수( )의 변화로 파악할 수 있는 모형을 도출할 수 있게 된다.
(7) 7식을 분석하고자 하는 기간 전체로 일반화시 킨 것이 반복매매모형이며 8식과 같이 나타낼 수 있다(이창무 외, 2005).7)
여기서 ≠
(8)
양변을 자연대수를 밑으로 하는 지수로 변환하 면 9식과 같이 상대적인 가격지수를 구할 수 있다 (이창무 외, 2005).
(9)
2. 분석 자료
2000년부터 2007년까지 거래된 오피스 중에서 2회 이상 거래된 빌딩들을 대상으로 거래 쌍을 만 들었는데, 그 결과 모두 58개의 쌍을 만들 수 있었
7) 실제 회귀분석 과정에서는 앞에 붙어있는 - 부호가 + 부호로 전환되어야 하는 관계로 첫 번째 거래 더미변수에 -1, 두 번째 거래 더미변수 에 1의 값을 부여한다.
더미변수 추정 모수 t값 지수
2000년 100.00
2001년 0.07911 1.23 108.23 2002년 0.19708 3.66* 121.78 2003년 0.34401 6.76* 141.06 2004년 0.42369 8.14* 152.76 2005년 0.53355 10.37* 170.50 2006년 0.81341 12.46* 225.56 2007년 0.96482 16.31* 262.43 주: 는 0.8936, *는 1% 유의수준에서 통계적으로 유의
<표 7> 오피스 반복매매지수 추정 결과
<그림 11> 오피스 반복매매지수
매도시점
2001 2002 2003 2004 2005 2006 2007 합계
매 입 시 점
2000 0 2 4 3 4 1 14
2001 4 3 3 10
2002 2 7 2 1 3 15
2003 3 2 2 7
2004 1 3 3 7
2005 1 1 2
2006 3 3
합계 0 2 10 13 13 7 13 58
<표 6> 반복매매지수 구축에 사용된 오피스 빌딩 수
<그림 10> 반복매매지수 구축에 사용된 오피스 위치 다. <그림 10>은 58개 쌍을 발생시킨 빌딩의 위치를 도시한 것인데, 3회 거래된 8개 쌍이 중복되어 나타 나는 관계로 50개 빌딩의 위치만 도시한 것이다.
<표 6>은 58개 쌍의 매입시점과 매도시점을 정 리한 것인 데, 2000년에 매입하여 2001년에 매도 한 경우는 없는 것으로 나타났다. 결과적으로 본 연구에서는 이들 58개 쌍을 대상으로 반복매매모 형을 적용하게 된다.
3. 분석 결과
<표 7>은 반복매매모형을 적용하여 더미변수를
추정한 결과를 정리한 것이다. 2001년도 더미변수 를 제외한 모든 변수들이 통계적으로 1%수준에 서 유의미한 것으로 나타났다. 2001년도 더미변수 가 유의미하지 않게 나타난 이유는 2001년도에 매 도된 오피스가 없기 때문으로 판단된다.
반복매매지수 추정 결과를 보면, 오피스 가격이 2005년까지는 안정적으로 상승하다가 2006년부터 급등하고 있다는 것을 알 수 있다. 2001년부터 2007년까지의 연간 자본수익률을 구한 것이 <표 8>의 대각선 방향 값들이다. 기하평균을 이용하여 연평균 자본수익률을 구한 결과 14.8%로 산정되 었다.8) 2004년과 2005년도의 경우는 이보다 낮은
8) 7년을 기준으로 연평균 자본수익률을 산정한 것이다. 14.8%= ×
매도시점
2001 2002 2003 2004 2005 2006 2007
매 입 시 점
2000 8.2 21.8 41.1 52.8 70.5 125.6 162.4 2001 12.5 30.3 41.1 57.5 108.4 142.5 2002 15.8 25.4 40.0 85.2 115.5 2003 8.3 20.9 59.9 86.0
2004 11.6 47.7 71.8
2005 32.3 53.9
2006 16.3
주: 자본수익률=(매도시점지수/매입시점지수-1)×100
<표 8> 자본수익률 산정 결과 (단위: %)
10% 내외의 수익률을 기록한 반면 2006년과 2007 년의 경우는 이를 상회한 것으로 나타났다. 2000 년도에 오피스 빌딩을 매입하여 2005년에 매도한 경우는 70.5%의 수익률을 보이지만 2007년도에 매도했을 경우에는 162.4%의 수익률을 기록했음 을 알 수 있다.
국토해양부(2008)는 감정가에 기초하여 매년 오피스 자본수익률을 발표하고 있는데, 2003년부 터 2007년까지 매년 4~6%의 자본수익률이 발생 한 것으로 추정하고 있다. 이는 본 연구의 반복매 매지수 자본수익률 8~32%와 비교하여 전반적으 로 낮게 추정된 값이며, 이 같은 차이는 실거래가 와 비교하여 저평가되는 경향이 있는 감정가격에 서 비롯된 것으로 판단된다.9)
Ⅵ. 결 론
이 연구에서는 서울 오피스 시장의 매매 자료 를 이용하여 시공간적 관점에서 오피스 시장의 변 화 과정을 분석하고, 오피스 빌딩의 특성이 투자
에 미친 영향과 자본수익률로 대변되는 투자수익 률을 분석하였다.
분석 결과를 정리하면 다음과 같다. 첫째, 2000 년 이후 서울 오피스 시장의 거래건수는 증가 추 세를 유지하다가 2005년을 고점으로 감소세로 전 환된 것으로 나타나고 있다. 거래 지역은 도심과 강남권, 여의도권 중심에서 점차 구로지역과 송파 구로 확대되는 양상을 보이고 있다. 둘째, 로지스 틱 회귀분석을 통해 오피스 빌딩의 물리적 특성이 투자에 미친 영향을 분석한 결과 강남권, 지하철 역거리, 접면도로수, 전면도로폭, 지상층수, 준공 년도가 통계적으로 유의한 것으로 나타났다. 계수 의 부호를 기준으로 보면, 지하철역거리가 멀어질 수록 접면도로수가 많을수록, 전면도로폭이 넓을 수록 투자확률이 낮아지는 것으로 나타났다. 반대 로 강남지역일수록, 빌딩 층수가 높을수록, 준공 년도가 최근일수록 투자확률이 높아지는 것으로 나타났다. 셋째, 반복매매지수를 추정한 결과 2005 년까지 오피스 가격은 안정적으로 상승하다가 2006년부터 급등한 것으로 나타났다. 연평균 수익 률은 14.8%로 나타났으며, 2000년도에 오피스 빌 딩을 매입하여 2005년에 매도한 경우는 70.5%, 2007년에 매도한 경우는 162.4%의 수익률을 기록 한 것으로 나타나고 있다.
국내 오피스 시장의 경우 자료 취득 등의 어려 움으로 인해 학술적 연구가 절대적으로 부족한 실 정이다. 이 연구는 투자자들의 관심 사항을 학술 적 차원에서 규명함으로써 서울 오피스 시장에 대 한 이해를 도모했다는 점에서 의의를 가진다.
GIS를 이용한 시공간 분석과 비거래 오피스 빌 딩을 포함한 자료를 대상으로 한 로지스틱회귀분
9) 익명의 논문 심사자는 여기에 추가하여 반복매매법이 2회 이상 거래된 빌딩들을 분석 대상으로 하는 관계로 투자 선호도가 높은 빌딩들로 구성되 며 따라서 거래가격도 상대적으로 높게 형성될 가능성이 있다는 지적을 하였다.
석, 반복매매지수에 의한 투자수익률 분석은 국내 에서 처음으로 시도되는 연구인 관계로 실험적 성 격을 일부 가지고 있는 것이 사실이다. 로지스틱 모형 적용 과정에서의 모집단 설정의 문제, 반복 매매지수 구축과정에서의 사례 표본수의 부족 문 제 등이 본 연구의 한계로 지적될 수 있다.
참고문헌 ──────────
국토해양부, 2008, ｢2008년 오피스․매장용 빌딩 임대료 조사 및 투자수익률 추계 결과 보고서｣.
변기영․이창수, 2004, “서울시 오피스 임대료 결정구조에 관한 연구”, ｢국토계획｣, 39(3): 205~219.
성웅현, 2001, ｢응용 로지스틱 회귀분석-이론, 방법론 SAS 활용｣, 도서출판 탐진.
손재영․김경환, 2000, “서울시 오피스 임대료 횡단면 분 석", ｢국토계획｣, 35(5): 279~295.
손재영․윤민선, 2007, “서울시 오피스 건물의 자본환원율 결정요인”, ｢국토계획｣, 42(2): 163~178.
손진수․김병욱, 2002, “서울 오피스 시장의 임대료 지수 개발에 관한 연구", ｢국토계획｣, 37(4): 109~122.
이상경, 2005, “서울시 오피스 매매가격지수 개발에 관한 연구”, ｢서울도시연구｣, 6(4). 121~134.
이상경, 2007, “시변모수법에 의한 오피스 매매가격지수 구축에 관한 연구”, ｢국토계획｣, 42(5): 233～245.
이상경․이인철, 2005, “외국자본의 오피스 빌딩 투자행태 연구", ｢국토계획｣, 40(5): 177~188.
이상경․이현석, 2005, “서울 오피스시장의 자본환원율과 조소득승수 추정에 관한 연구", ｢국토계획｣, 40(6):
245~256.
이재우․강원철, 2006, “서울 오피스 시장의 수익률 특성 과 지수작성을 위한 실증분석", ｢부동산학연구｣, 12(2): 161~173.
이준용․이현석, 2008, “외국자본의 서울 오피스 빌딩 투 자에 대한 입지적 선호요인 연구", ｢국토계획｣, 43(7): 135~148.
이창무․김병욱․이현, 2002, “반복매매모형을 활용한 아 파트 매매가격지수", ｢부동산분석학회｣, 8(2): 1~19.
이창무․김진유․이상영, 2005, “공동주택 실거래가지수 산정에 관한 연구-서울시 아파트시장을 중심으로",
｢국토계획｣, 40(4): 121~134.
이창무․이재우, 2005, “서울 오피스 임대시장구조 실증분 석", ｢국토계획｣, 40(2): 207~221.
이창무․배익민, 2008, “시세가격을 활용한 아파트 실거래 가 반복매매지수 산정", ｢부동산학연구｣, 14(2):
21~37.
장무창․이학동, 2006, “부동산자산관리시장의 패러다임 변화와 발전을 위한 과제-오피스 빌딩을 중심으 로”, ｢부동산학연구｣, 12(1): 101~126.
Bailey, M., R. Muth, and H. Nurse, 1963, “A Regression Method for Real Estate Price Index Construction”, American Statistical Association Journal, 58: 933~942.
Case, K. E. and R. J. Shiller, 1987, “Prices of Single- Family Homes since 1970: New Indexes for Four Cities", New England Economic Review, (september/
october): 45~56.
Downs, D. H. and B. A. Slade, 1999, “Characteristics of a Full-Disclosure, Transaction Based Index of Commercial Real Estate", Journal of Real Estate Portfolio Management, 5(1): 95~104.
Munneke, H. J. and B. A. Slade, 2000, “An Empirical Study of Sample-Selection Bias in Indices of Commercial Real Estate", Journal of Real Estate Finance and Economics, 21(1): 45~64.
http://web.mit.edu/cre/research/credl/index.html.
원 고 접 수 일 ： 2009년 2월 17일 1차심사완료일 ： 2009년 3월 24일 최종원고채택일 ： 2009년 3월 28일
