전세보증사고의 공간적 분포 특성과 영향 요인 분석*

전세에 대한 선행연구를 살펴보면, 주택 시장 여건 변화에 따른 전월세전환율을 분석한 연구, 전세가율의 변화를 분석한 연구, 전세보증사고를 분석한 연구로 구분할 수 있다.

전월세전환율은 주택 임대차 시장에서 전세와 월세 사이의 임차 형태 변경에 따른 전환 비율을 의미하며, 주로 전월세전환율이 시장이자율과 어떠한 상관관계가 있는지 분석되었다(김상배, 2024). 전세가율은 주택 매매가격 대비 전세가격의 비율을 의미하며, 주택의 물리적 특성, 주택 매매가격, 거시경제 변수에 영향을 받는 것으로 분석되었으며, 지역에 따라 영향이 다르게 나타나는 것으로 분석되었다(김기중 외, 2023; 성주한, 2023). 2020년 이전까지 전세가율에 대한 선행연구(남희찬 · 김종진, 2015; 성주한 · 서진형, 2015)를 살펴보면, 주로 주택 시장 여건 변화에 따른 전세가율의 구조적 변화를 다루었다. 그러다 전세보증금 미반환 사고가 중요한 사회적 문제로 대두되기 시작한 이후로 높은 전세가율이 전세 사고에 영향을 주는 것으로 보고, 전세가율과 전세보증사고의 상관관계를 분석하는 연구가 진행되었다(김진유, 2022).

임차인이 전세 임차 계약 종료 후, 임대인으로부터 전세보증금을 반환받지 못한 것을 전세사고라 한다. 만약 전세보증금 반환 보증에 가입한 임차인에게 전세 사고가 발생한 경우, 이를 전세보증사고라 한다(김진유, 2022; 김성찬 · 성주한, 2025). 전세보증사고²⁾는 전세 사고에 포함된 개념으로 실제 전세 사고의 영향 요인을 정확하게 분석하기 위해서는 일반 전세 사고의 자료를 사용해야 하지만 개인 간 거래에서 임대인의 전세금 반환 여부를 확인하는 다량의 자료를 수집하는 데 한계가 있다.

따라서 본 연구에서는 선행 연구(김성찬 · 성주한, 2025; 김은미 · 김시언, 2019; 김진유, 2022; 최우규 외, 2024)와 같이 전세 보증의 90% 이상을 담당하는 주택도시보증공사가 제공하는 전세보증사고 자료를 활용하였다.

주택 가격 변동에 의한 전세보증사고의 원인은 역전세와 깡통전세로 구분할 수 있다. 역전세는 전세가격의 하락으로 과거 계약 당시 전세보증금보다 24개월 후 만기 시 전세가격이 더 낮은 것을 의미하고(김지혜 · 이길제, 2019; 성주한, 2023), 깡통전세는 주택 매매가격과 전세가격이 유사한 수준이 되어 전세보증금을 받지 못할 위험이 있는 상태로 정의된다(김지혜 · 이길제, 2019). 통속적으로 전세 사기를 깡통전세와 같은 의미로 사용하는 경우가 있으나, 전세 사기는 주택 가격의 변동에 따른 전세 사고가 아닌, 형법상 사기로 분류되는 사례를 의미하고(민병철, 2024) 대출 근저당권 선 순위 등록, 허위 전세 보증 가입이 그 대표적 예이다. 따라서 주택 가격 변동에 따른 전세보증사고를 분석하기 위해 전세사기와 깡통전세를 구분할 필요가 있다.

김지혜 · 이길제(2019)는 전세가격의 지속적인 하락에 따른 역전세의 문제점이 제기되고 있지만, 이에 초점을 맞춘 선행 연구가 미비하다고 지적하면서, 전세가격 하락 현황과 역전세 위험에 노출된 주택 규모를 산정하였다. 전세가격의 하락은 수도권보다 비수도권이 심각한 것으로 나타났으며, 시나리오 분석 결과 전세가격 하락률 5%~6%를 기점으로 역전세 위험에 노출된 주택 규모가 크게 증가하는 것을 분석되었다.

김은미 · 김시언(2019)은 벡터오차수정모형(vector error correction model, 이하 VECM)을 활용하여 전세보증사고 건수와 국고채 3년물 금리, 소비자물가지수, 주택매매심리지수, 전산업생산지수, 주택준공실적 등 여러 거시경제 지표들과의 공적분 관계가 있음을 확인하였고, 전세보증사고가 장기에는 소비자물가지수에 가장 큰 영향을 받고, 단기에는 사고 건수 자체에 영향을 받는 것으로 나타났다.

김진유(2022)의 연구에서는 서울시 25개 구를 공간적 범위로 하여 공동 주택 평균 전세가율, 연립다세대 주택 비율, 평균 보증금과 전세보증사고 건수를 다중 회귀 분석하였다. 공동 주택 평균 전세가율과 연립 다세대 비율은 전세보증사고 건수와 유의한 양(+)의 관계로 나타났으며, 평균 보증금은 유의하지 않게 나타났다. 또한 지역적 차이를 규명하기 위해 모형에 강서구, 양천구, 금천구 더미 변수를 추가하였으며, 강서구와 양천구 더미가 통계적으로 유의하게 나타나 전세보증사고가 특정 지역에서 빈번하게 발생하는 것으로 나타났다.

김성찬 · 성주한(2025)의 연구에서는 100개 시군구를 공간적 범위로 하여 아파트 역전세가 전세보증사고에 미치는 영향을 고정효과패널 모형으로 분석하였다. 전세보증사고에 영향을 주는 변수를 부동산 특성, 거시경제 특성, 역전세 특성으로 구분하였는데, 부동산 특성 변수로는 2년 시차 아파트 매매가격 변화율, 2년 시차 전세가율 변화율, 미분양 주택 수를 포함하였고, 거시경제 변수로는 회사채수익률, M2 통화량, 소비자물가지수를 포함하였고, 역전세 특성으로는 2년 시차 전세가격 지수 변화율과 임차권등기명령 변수를 활용하였다. 분석 결과를 요약하면, 아파트 전세가율과 미분양 주택 수는 전세보증사고와 유의한 양(+)의 관계를 보였고, M2 통화량은 전세보증사고와 유의한 음(−)의 관계로 나타났다. 이러한 결과는 앞선 선행 연구에서 분석된 결과와 모두 일치하는 방향이었다. 또한 전세보증사고가 많이 발생하는 시군구인 강서구, 고양시, 광주시, 미추홀구, 남동구, 부평구, 서구를 지역 더미로 포함하였는데, 모두 전세보증사고와 유의한 양(+)의 관계를 보여 김진유(2022)의 연구와 같이 전세보증사고에 공간자기상관성이 존재할 가능성이 있는 것으로 나타났다.

주택 시장의 가장 기본적인 특징 중 하나는 공간적으로 인접한 개체는 영향이 더 크게 나타난다는 것이다(현동우, 2021). 분석 모형 내에 공간적 의존성 및 이질성이 존재하는 경우, 공간자기상관성이 반영되지 않은 최소자승법(ordinary least squares, 이하 OLS)으로 추정된 모형의 계수는 불편성, 효율성, 일치성을 보장할 수 없다(김민준 외, 2022). 따라서 정확한 통계적 추론을 위해 공간의존성이 있는 대상을 분석하는 경우 공간계량모형을 활용할 필요가 있다(Anselin, 1988). 공간계량모형은 n개 관측치의 n×n 행렬에 대해 인접성에 대한 여러 기준 중 하나를 연구자가 선택하여 공간적으로 더 인접한 지역에 높은 가중치를 부여하는 공간가중행렬(spatial weight matrix)을 활용한다. 공간가중행렬을 구축하는 과정에서 인접성에 대한 명확한 기준이 없어 연구자의 임의적인 판단으로 이뤄진다는 점이 비판받지만(현동우, 2021), 이는 또 다른 연구 주제가 될 것이고, 이미 여러 공간계량모형을 활용한 주택 시장에 관한 선행 연구(김성우 · 정건섭, 2010; 현동우, 2021)에서 일반회귀모형에 비해 더 우수한 결과를 보이는 것으로 나타났다.

이상의 이론 고찰과 선행 연구를 종합적으로 검토한 결과는 다음과 같다.

첫째, 이론 고찰을 통해 전세수급지수와 전세보증대출금리가 전세보증사고에 미치는 영향을 분석할 필요가 있다. 둘째, 주택유형별 전세보증사고에 미치는 영향 요인이 다르게 나타나며, 전세보증사고의 원인은 역전세 요인과 깡통전세 요인을 구분될 수 있다. 셋째, 전세보증사고는 특정 지역에 빈번하게 발생하는 경향이 있다. 그러나 전세보증사고의 실제 공간적 군집이 존재하는지, 주택유형별로 전세보증사고의 영향 요인이 어떻게 달라지는지 분석한 선행 연구는 미비한 실정이다. 따라서 본 연구에서는 공간 분석으로 전세보증사고의 공간자기상관성과 공간 군집을 확인하고, 공간패널모형(spatial penel model)을 활용하여 아파트와 연립 · 다세대로 주택 유형을 구분하여 전세보증사고의 영향 요인을 분석하였다는 점에서 앞선 선행 연구와 차별성이 있다.

수도권 전세보증사고의 공간자기상관성을 확인하기 위해 전역적 모란 I 지수를 사용하였다. 이는 시군구별 속성 자료인 전세보증사고건수와 분석 단위의 공간적 인접성 간에 상관관계가 있는지를 확인하는 공간 분석 방법이며, <식 5>와 같이 계산된다. 전역적 모란 I 지수의 결괏값은 −1에서 1까지의 범위를 가지며 1에 가까울수록 양(+)의 공간 군집이 존재한다는 것이다. 또한 p-value의 값으로 통계적 유의성을 확인할 수 있다.

I = 전역적 모란지수 I

n = 지역  관측 수

x_i,x_j = i,j지역의 변수 값

w_ij = i지역과 j지역의 공간인접가중치

S₀ = 전제 공간가중치 합

전역적 모란 I 지수를 통해 전세보증사고의 공간자기상관성이 존재한다면, 국지적 공간자기상관 지수(local indicator of spatial association, 이하 LISA)분석을 통해 전세보증사고의 공간적 군집을 유형화할 수 있다(Anselin, 1995).

I_i = 국지적 모란 지수 I

Z = 표준화 점수

w_ij=i지역과 j지역의 공간인접가중치

국지적 모란 I 지수는 공간적으로 인접한 지역이 서로 연관되어 있음을 전제로 하고, <식 6>에서와 같이 공간가중치행렬(W_ij)과 각 지역의 표준화 점수(Z)를 곱하여 개별지역에 대한 지수 I_i를 계산한다. 군집 유형은 네 가지로 분류되는데, HH는 높은 변수값을 가진 지역이 높은 변수값을 가진 지역으로 둘러싸인 공간적 군집(hot spot)을 의미하고, LL은 낮은 변수값을 가진 지역이 낮은 변수값을 가진 지역으로 둘러싸인 공간적 군집(cold Spot)을 의미한다. HL과 LH는 지역i의 변수값과 인접 지역의 변수값이 음(−)의 공간자기상관을 보이는 공간적 이상치(spatial outlier)를 의미한다(Anselin, 1995).

종속변수가 인접 지역의 종속변수에 의존하는 경우 공간가중치행렬을 사용하여 종속변수의 공간자기상관성을 고려하여 변수의 계수를 추정하는 모형으로 spatial lag model, spatial error model 등이 있다(송영일 외, 2008). 이들 중 종속 변수의 공간적 누출 효과를 분석하기 위한 spatial lag model은 아래 <식 7>과 같다.

그러나 만약 지역i의 종속변수가 인접 지역j의 설명변수에 영향을 받는다고 가정하면, spatial lag model에서 설명변수가 인접 지역에 미치는 간접적 효과를 고려하지 못하기 때문에 잘못된 통계적 추론을 할 수 있다(김지욱, 2014). 이를 고려한 공간계량모형이 공간더빈모형(spatial durbin model)이다. <식 8>에서와 같이 공간더빈모형은 종속 변수의 공간자기회귀항에 더해 인접 지역 설명변수의 공간더빈항을 모형에 반영하여 공간적 누출 효과를 분석하게 된다.

본 연구에서 사용된 공간가중행렬(W)은 분석 단위가 77개 시군구의 면(polygon) 형태라는 점, 공간 인접성에 관한 면밀한 연구 검토가 이뤄지지 않았다는 점을 고려하여 두 지역의 면이 접하는 인접성(contiguity)을 기준으로 0과 1을 부여하는 가장 전통적인 Rook 방식을 선택하였다. 따라서 공간가중행렬은 77×77 행렬이며, <그림 2>와 같이 인접 가중치를 부여하였다.

그림 2. Rook 행렬 자료: 김민준 외(2022).

Download Original Figure

주택유형별 전세보증사고의 영향 요인을 알아보기 위해 고정효과패널 모형으로 분석한 결과는 <표 5>와 같다.

거시경제 요인에서 전세수급지수와 24개월 이전 전세자금대출금리는 전세보증사고에 유의한 양(+)의 영향을 주는 것으로 나타났다. 이는 전세 공급부족이 심화할 때 전세보증사고 건수가 증가하고, 전세자금대출 이자율이 높을수록 전세보증사고가 증가하는 것으로 해석된다.

깡통전세 요인으로 24개월 이전 연립 · 다세대 전세가율과 전세보증사고는 양(+)의 관계를 보였다. 전세가율이 높을수록, 고위험 전세 상태가 되어 전세 계약 만기 시 전세보증금을 반환받지 못하게 되는 것으로 나타났다. 이는 앞선 선행 연구와 동일한 결과이다. 아파트 전세가율은 전세보증사고와 양(+)의 방향을 보였지만, 통계적으로 유의하지 않았다.

아파트와 연립 · 다세대의 역전세 요인은 모두 전세보증사고와 유의한 양(+)의 관계를 갖는 것으로 나타났다. 이는 아파트에 대해서는 김성찬 · 성주한(2025)의 연구 결과와 동일한 결과를 보였지만, 빌라에서도 역전세 요인이 작용하는 것으로 나타났다.

마지막으로 보증 위험 유형을 살펴보면, 아파트 보증발급 건수가 증가하는 경우 전세보증사고 건수가 감소하는 반면에 연립 · 다세대 보증건수의 증가는 전세보증사고 증가로 이어지는 것으로 나타났다. 이는 연립 · 다세대 유형에서 전세보증사고 발생 위험이 아파트보다 더 큰 것으로 해석된다.

주택유형별 전세보증사고의 영향 요인을 알아보기 위해 공간패널모형으로 분석한 결과는 <표 6>과 같다.

거시경제 요인에서 전세수급지수와 24개월 이전 전세자금대출금리는 전세보증사고와 매우 유의한 양(+)을 관계를 보였으며, 특히 24개월 이전 전세자금대출금리의 계수 크기는 17.2로 가장 큰 영향 요인으로 나타났다. 이론 모형(Kiyotaki and Moore, 1997)에서 주택 수요는 이자율에 따라 증폭된 영향을 받고, 가격 변동은 공급탄력성에 영향을 받는 것으로 제시된다. 따라서 전세자금대출 이자율이 높아지면 계약 만료 시 전세 수요 위축이 발생하여 기존 임차인을 대신할 새로운 임차인을 구하기 어려운 상황에서 전세보증사고가 발생하는 것으로 해석된다. 이는 금리 상승기에 자금조달 비용이 증가함에 따라 주택 수요가 위축되어 임대차 시장에서는 역전세가 증가하게 된다는 선행 연구(박진백, 2023)와 유사한 결과이다. 또한 공급탄력성의 대리변수인 전세수급지수는 만성적인 공급부족을 보이고 있었으며, 전세수급지수가 높아질수록 전세시장의 가격 변동성이 심화하면서, 전세보증사고가 증가하는 것으로 나타났다.

깡통전세 요인에서는 아파트 전세가율이 통계적으로 유의한 것으로 나타났다. 이전 고정효과패널모형에서는 동일한 양(+)의 방향을 보였지만, 통계적으로 유의하지 않았다. 그러나 공간패널모형에서 유의하게 나타났고, 이는 아파트 유형에서도 깡통전세 요인이 작용하고 있음을 의미한다. 연립 · 다세대 전세가율은 통계적으로 유의하지 않게 나타났지만, 이에 대해서는 연립 · 다세대의 전세가율 공간지연항으로 해석하고자 한다.

역전세 요인은 앞선 고정효과패널 모형의 결과와 방향과 통계적 유의성에서 같았다. 그러나 고정효과패널모형에서는 연립 · 다세대 역전세 요인 계수가 −5.1로 나타났지만, 공간패널모형에서는 연립 · 다세대의 역전세 요인 계수 크기가 −2.6으로 감소하였다. 이전 고정효과패널 모형에서는 연립 · 다세대 역전세 요인을 과대 추정하였음을 의미한다. 그러나 두 모형에서 연립 · 다세대의 역전세 요인이 아파트의 역전세 요인보다 더 크게 나타났다.

마지막으로 공간지연항³⁾ 부분을 살펴보면, 종속변수인 전세보증사고건수 공간항과 설명변수인 연립 · 다세대의 전세가율 공간항이 유의한 양(+)의 영향을 주는 것으로 나타났다. 이는 한 지역에서 발생한 전세보증사고는 공간 누출 효과를 가지며, 인접 지역 전세보증사고에 영향을 주는 것으로 해석된다. 또한 연립 · 다세대의 깡통전세 요인은 인접 지역의 전세가율이 해당 지역의 전세보증사고와 유의한 양(+)의 영향을 주는 것으로 나타났다. 따라서 한 지역의 연립 · 다세대 전세가율 상승이 전세보증사고를 발생시키는 것이 아니라 인접 지역들의 전세가율이 같이 높아질 때, 해당 지역의 전세보증사고가 발생하는 것으로 해석된다. 반면에 아파트 깡통전세 요인과 아파트와 연립 · 다세대의 역전세 요인은 개별지역의 전세보증사고에 영향을 줄 뿐, 인접 지역의 전세보증사고에는 유의한 영향을 보이지 않았다. 따라서 빌라 시장의 깡통전세 요인은 아파트와는 다르게 공간 누출 효과가 존재하는 것으로 판단되었다.

두 모형의 결과는 부호 방향에 있어서 동일한 결과를 보였지만, 통계적 유의성과 계수 크기에서 차이를 보였다. 거시경제 요인에서는 전세수급지수의 계수 크기가 감소하였고 전세자금대출금리의 계수 크기는 증가하였다. 아파트의 깡통전세 요인은 공간패널모형에서 통계적으로 유의하게 나타났다. 아파트와 연립 · 다세대 역전세 요인은 두 모형에서 모두 유의한 양(+)의 영향을 보였다. 보증 위험 유형으로는 연립 · 다세대 보증발급 건수는 전세보증사고와 유의한 양(+) 관계를 보였지만, 아파트 보증발급 건수는 공간패널모형에서 유의하지 않은 것으로 나타났다.