이원고정효과모형을 활용한 자산효과 및 소득효과의 추정과 정책적 시사점

자산효과는 영국의 경제학자 Arthur Cecil Piou로부터 언급되기 시작했는데, 물가가 하락(deflation)하게 되면 자산의 실질가치가 확대되어 소비가 증가하게 되고, 이러한 자산효과는 결국 생산과 고용을 확대시키게 된다는 주장이었다(Patinkin, 1948). 반면 동일한 논리에 의해 물가인상률이 높은 경우에는 소비가 감소하는 자산효과로 인해 생산과 고용이 감소하게 된다. 이러한 경제주체의 연속적인 의사결정구조를 피구효과(Pigou Effect)라고 하는데, 그 중에서도 물가수준과 자산효과를 연계시키는 논리에 대해서는 많은 반론도 제기되어 왔다. 하지만 자산가치의 변화가 경제주체의 소비를 변화시키고 나아가 전반적인 거시경제로 연계될 수 있다는 논리에 대해서는 이견을 찾아보기 어렵다.

즉 피구효과 중 자산가치의 변화가 소비의 변화로 이어진다는 논리가 자산효과인데, 경제학 이론이 가정하는 합리적이고 이성적인 경제주체는 자산가치의 변화를 소비로 연계시키지 않는 것이 오히려 설득력이 높다. 예를 들어, 보유하고 있는 자산의 가치가 변했더라도 이를 현금화하기 이전에는 얼마든지 자산의 가치가 반대 방향으로 변할 수 있다. 이에 따라 자산의 가치가 변하더라도 경제주체는 소비의 변화를 보이지 않은 것이 이성적이고 합리적인 판단일 수 있다. 하지만 이론적 가정 또는 예측과 달리 자산의 가치가 변화할 때 실제 경제주체는 소비를 변화시키는 행태를 보임에 따라 자산효과는 주로 행태경제학 또는 실증연구를 통해 연구되어져 왔다. 물론 자산효과를 부정하는 주장이 제기되기도 한다. 예를 들어, Flavelle(2008)은 1990년대 미국 주식시장의 호황¹⁾이 전반적인 소비 확대로 이어지지 못했으며, 심지어 주식시장 버블이 붕괴된 이후에도 소비가 크게 감소하지 않았다는 논리로 자산효과를 부정하였다.

그럼에도 불구하고 자산효과의 존재를 지지하는 연구가 일반적이다. Dean(2011)에 따르면 주택의 자산효과(housing wealth effect)는 명확히 존재한다고 주장했고, 실증분석을 통해 주택가격이 1달러 증가 시 소비는 6센트 증가한다는 것을 보였다. Bostic et al.(2009)는 미국 유주택자들의 1981~2001년 자료를 분석한 결과, 주택의 자산효과가 금융자산의 자산효과에 비해 무려 3배나 큰 것으로 나타났다. 또한 Bostic et al.(2009)는 주택 가격의 하락은 경제 전반에 상당한 위험을 초래한다고 주장하였다. 해외의 경우 대부분의 선행연구에서 부동산의 자산효과와 금융자산의 자산효과를 분석하고 있으며, 대부분 부동산과 금융자산 모두 자산효과가 존재함을 주장하고 있다(Juster et al., 2006; Lettau and Ludvigson, 2004; Poterba and Samwick, 1995). Carroll et al.(2010)은 미국의 자료를 활용해 자산효과의 장단기 크기를 측정하였는데, 주택가격이 1달러 변화할 때 단기적으로 소비는 2센트 변화하지만 궁극적(장기적)으로 9센트 변화하는 것으로 추정하였다.

자산효과에 대한 연구는 꾸준히 진행되어 왔는데, 최근에 다시 수많은 경제학자들에 의해 연구되고 있다. 과거에는 횡단면자료(cross-sectional data) 또는 시계열자료(time-series data)를 활용한 자산효과 분석이 이루어졌다면, 최근에는 활용가능한 패널자료(panel data)가 확대되면서 패널분석이 이루어지고 있다. Kontana and Siokis(2018)은 자산효과의 분석에 있어 패널자료의 활용이 매우 중요하다고 주장하고, 패널모형을 활용해 자산효과를 분석한 결과 금융자산의 자산효과는 0.06, 주택자산의 자산효과는 0.045 정도라고 제시하였다.

자산효과에 대한 해외의 선행연구를 요약하자면 초기 연구는 주로 자산효과의 존재 여부를 확인하는 것에 한정되어 있다. 이후에는 자산효과가 존재하는 것 자체에는 대부분 동의한 상황에서 자산효과의 크기를 측정하는 것에 집중되어 있다. 이후 최근에는 패널자료 및 패널모형을 활용한 자산효과의 연구가 재조명되고 있다. 반면 자산효과에 대한 수많은 연구가 진행되었으나 이를 소득효과와 비교한 사례는 찾아보기 어렵다. 소득효과는 재화 및 서비스의 가격은 그대로인 상황에서 소득 변화에 따른 소비의 변화를 의미한다.

국내에서도 자산효과에 대해 많은 연구가 이루졌다. 물론 자산효과가 존재하지 않는다는 주장도 있으나(이지훈, 2005), 국내연구도 대부분 자산효과가 존재한다는 결론을 제시하고 있다. 국내 소비 및 저축문화가 최근 크게 변했다는 점을 고려해 자산효과와 관련된 국내 선행연구를 비교적 최근 연구로 제한하여 살펴볼 필요가 있다.

최근 자산효과와 관련된 연구가 특정 지역 또는 계층별로 세분화되고 있다. 이현정(2018)은 분석 대상을 여성가구주로, 김선주·김행종(2018)은 고령자가구로, 김진우·김승희(2019)는 서울지역으로, 이현정(2017)은 한 부모 가구로 한정하여 자산효과를 분석하였다.

하지만 이현정(2018)과 김선주·김행종(2018)은 횡단면 자료를 활용하였으며, 김진우·김승희(2019)는 회귀분석이 아닌 단순 기술통계 방식의 검증이라는 한계가 있다. 이 밖에도 한 부모 가구의 자산효과를 분석한 연구(이현정, 2018)도 존재하나 역시 횡단면 분석으로 접근하고 있다.

비교적 최근 연구인 서승환·김갑성(2017)은 국내 전반적인 자산효과를 분석하고는 있으나 이 역시 시계열자료를 활용하고 있다. 전술하였듯이 자산효과의 분석에서 패널자료의 활용이 필수적이다(Kontana and Siokis, 2018). 패널자료의 경우 동일인을 장기적으로 추적하여 자산의 가치가 변함에 따라 소비의 변화를 매칭·분석할 수 있기 때문에 분석결과의 신뢰성이 높다. 반면 횡단면적 분석은 자산이 많은 그룹과 적은 그룹 간 소비의 차이를 비교한 것으로 인과관계(causality)를 밝혀내기가 어려울 뿐더러 내생성(endogeneity)을 통제하지 못한다. 패널자료를 활용한 최근 연구로 최성호 외(2015)가 있는데, 이들의 분석 대상은 실거주를 위한 주택과 주택담보대출을 동시에 보유하고 있는 사람으로 한정되어 있어 결과를 일반화하거나 거시경제적 차원의 시사점을 제공하기 어렵다.

본 연구는 국내 패널자료를 가장 최근의 자료를 활용해 패널모형으로 자산효과를 분석하였다. 특히 분석결과의 일반화를 위해 분석대상을 특정 계층 또는 지역으로 한정하지 않았으며, 모집단을 대표할 수 있는 장기의 패널자료를 활용하였다. 자산효과의 크기를 산출한 이후 자산의 변화가 소비에 미치는 영향의 크기를 가늠할 수 있도록 자산의 대상을 부동산자산과 금융자산으로 구분하였다. 또한 소득이 소비에 미치는 영향도 분석하여, 한 연구에서 세 가지 효과(부동산의 자산효과, 금융자산의 자산효과, 소득효과)의 크기를 비교분석하고 정책적 시사점을 도출하는데 의의를 둔다.

자산가치와 소득의 변화가 소비에 미치는 영향을 분석하기 위해 패널모형(panel model)을 활용하였다. 횡단면 자료(cross-sectional data)에 기반을 둔 실증모형은 인과관계를 측정하는데 미흡하다(Cameron and Trivedi, 2005). 예를 들어, 소득수준이 소비에 미치는 영향을 횡단면 자료로 분석할 경우, 소득수준이 다른 그룹 간 소비 수준을 비교하는 것에 그친다. 반면 패널모형의 경우, 동일한 개인을 지속적으로 추적하면서 소득수준이 증가 또는 감소할 때 소비 수준이 어느 정도 변동하는지를 분석하는 방법으로 두 변수 간 인과관계를 산출하게 된다.

<식 1>의 Consumption_it은 종속변수(dependent variable)로 개인 i가 t기에 지출한 소비액이다. 여기서 i는 각 개인의 식별번호이며, 분석대상은 N명이다. 또한 T는 패널조사를 실시한 횟수 또는 기간을 의미한다. 본 연구에서 주요 설명변수(explanatory variable)로 3가지 다른 변수를 활용하였다. 첫째, Real_it로 부동산자산을 의미한다. 둘째, Finance_it로 금융자산을 의미한다. 셋째, Income_it로 소득수준을 의미한다.

그러므로 β₁, β₂, β₃ 각각은 부동산자산, 금융자산, 소득수준이 소비에 미치는 영향을 산출하게 된다. 또한 소비, 부동산자산, 금융자산, 소득 모두 연속변수이기 때문에 로그값으로 전환하여 추정하는 것이 모형의 설명력을 높이는 일반적인 방법이다(Wooldridge, 2010). 즉 추정계수 β₁, β₂, β₃ 모두 탄력성(elasticity)으로 산출된다. 결과적으로 β₁, β₂, β₃ 각각은 부동산 자산, 금융 자산, 소득이 1% 변함에 따라 소비가 몇 % 변하는지를 측정하게 된다.

X_it는 소득과 자산 이외에 소비에 영향을 줄 수 있는 다른 변수들의 벡터(vector)이며, β₄는 X_it의 추정계수 벡터이다. 마지막으로 u_it는 오차항이며, 개인고정효과(individual fixed effect)와 시간고정효과(time fixed effect)를 포함할 수 있다.

<식 3>에서 I_i는 개인 i별로는 다르지만 시간 t와는 무관한 것으로 주로 개인별로 내재되어 있는 성격 또는 성향 등이 포함된다. 예를 들어, 특정 개인은 매우 위험 회피적이어서 손실이 발생할 수 있는 투자를 꺼려하고 예·적금을 선호하여 부동산 자산보다는 금융자산이 상대적으로 많을 수 있다. 또한 이러한 성향을 지닌 사람은 만약을 위해 저축을 하는 습관으로 인해 지출액(종속변수)이 작을 수 있다. 이러한 개인의 내재적은 성향은 연구자에게 관찰되지 않지만 이를 분석과정에 반영하지 않을 경우 마치 금융자산이 소비에 미치는 영향이 매우 작은 것처럼 추정된다.

반대로 T_t는 시간 t별로는 차이가 있지만 개인 i별로는 무관한 변수이다. 예를 들어, 경제 위기 시에는 부동산 가치와 지출이 함께 감소할 수 있는 특정 시기의 영향 정도로 이해할 수 있다. 이 경우 부동산이 소비에 미치는 영향이 과도하게 산출될 수 있다.

결국 개인별 또는 시간별 고정효과들이 존재하는 동시에 설명변수들과 연계될 경우에는 편의된 추정계수(biased coefficient)가 산출된다. 이 경우, 이원고정효과모형(two-way fixed effect model)이 적합한데, 이원고정효과모형은 개별고정효과를 제거하는 반면 시간고정효과는 직접 통제하는 방식으로 고정효과로 인해 발생하는 문제를 해결한다(Wooldridge, 2010). 반대로 고정효과가 부재하거나, 존재하더라도 설명변수들과 상관관계가 없을 경우 확률효과모형(random effect model)이 적합하다(Cameron and Trivedi, 2005).

이에 본 연구에서는 고정효과가 존재하는 동시에 설명변수들과 상관관계를 지니는지를 확인하기 위해 Hausman 검증을 시도하였으며, 다음과 같은 모형들을 추정하였다. 첫째, Hausman 검증 결과와 무관하게 성(gender)처럼 연도에 따라 변동하지 않거나 학력수준처럼 변동성이 매우 낮은 변수는 고정효과모형에서 다룰 수 없으므로 이들 변수를 포함한 뒤 확률효과모형으로 추정하였다. 둘째, 시간고정효과모형을 통제하기 위한 연도더미변수를 통제하여 확률효과모형과 고정효과모형으로 추가 분석하였다.

자산 및 소득에 따른 소비탄력성을 분석하기 위해 재정패널조사(National Survey of Tax and Benefit)의 2008~2015²⁾년 자료를 활용하였다. 재정패널자료는 조세정책과 행정을 연구·분석하는데 활용할 수 있는 실증적인 조사자료를 구축하고자 한국조세재정연구원이 면접타계식(face-to-face interview) 방식으로 매년 조사하고 있다³⁾.

재정패널조사는 종속변수에 해당하는 연간 소비액뿐만 아니라 부동산 자산의 규모, 금융자산의 규모, 그리고 소득수준까지 제공하고 있다. 또한 지출액에 영향을 줄 수 있는 다양한 정보까지 제공하고 있기 때문에 자산과 소득이 변함에 따른 소비탄력성을 측정하는데 적합한 패널자료라 판단된다.

재정패널조사는 부동산 자산에 대해 거주주택 이외에도 보유하고 있는 모든 부동산의 가치를 질문하고 있다. 본 연구에서는 보유하고 있는 모든 부동산 자산에 대한 주관적인 가격의 합을 활용하였다. 부동산 자산의 객관적인 가격은 알 수 없을뿐더러 소비에 영향을 주는 가치는 주관적으로 평가하는 가격이기 때문이다(Patinkin, 1948). 또한 재정패널조사는 금융자산에 대한 정보도 제공하고 있는데, 본 연구에서 은행 등 금융기관의 예금, 적금, 펀드, 채권, 주식, 보험(저축성 및 연금성 보험), 연금저축(연금신탁, 연금펀드, 연금저축보험) 등에 대한 정보를 제공하고 있으며 이들 수치를 모두 합하는 방법으로 금융자산의 규모를 파악하였다. 마지막으로 소비에 영향을 미치는 소득으로는 개인소득이 아닌 가구소득을 활용하였다.

<표 1>은 실증분석에 활용된 <식 1>의 변수들을 보여준다. 지출액(소비), 부동산자산, 금융자산, 소득 등 연속변수는 로그값으로 전환하였다. 통제변수로는 연령, 가족 수, 혼인 상태, 학력, 성별, 근로 여부, 그리고 연도 더미변수(dummy variable)를 활용하였다.

연령의 경우, 나이와 함께 제곱값도 통제하였는데, 생산성, 소득수준, 소비 등은 연령과 비선형관계이기 때문이다. 연도를 나타내는 더미변수는 <식 2>의 T_t는 시간고정효과를 통제하기 위함이다. 또한 본 연구의 주제가 부동산자산, 금융자산, 소득의 소비탄력성을 분석하는 것이기 때문에 분석대상을 20세 이상이면서 부동산을 소유한 사람으로 한정하였다.

<표 2>는 실증분석에 이용된 모든 변수들의 기술통계를 보여준다. 기술통계는 각 변수의 평균, 표준표차, 그리고 최솟값 및 최댓값을 보여준다. 또한 실증분석에서는 연속변수의 경우 로그값으로 전환·활용하였으나, 기술통계에 독자의 이해를 위해 로그값으로 전환하기 이전의 값도 함께 포함하였다. 연간 평균 소비액은 4,688만원이며, 부동산 자산은 평균 2억 4,930만원을 보유하고 있다. 또한 금융자산으로는 4,099만원을 보유하고 있으며 연간 소득은 2,759만원이다. 분석대상을 부동산을 보유한 20세 이상 성인으로 한정하였기 때문에 모두가 부동산 자산을 보유하고 있으나 최솟값이 18만원인 반면 최댓값은 60억 원을 상회할 정도로 편차는 매우 크다.

분석대상의 평균 연령은 52.3세(최소 20세, 최대 94세)이며, 평균 가구원수(최소 1명, 최대 9명)는 3.31명이다. 또한 20세 이상이면서 부동산을 소유하고 있는 사람이 분석대상인 관계로 샘플 중 기혼자가 95%에 달하며, 남성의 비중도 94%에 달한다. 고등학교 미만의 학력자는 27%, 고등학교 졸업자는 33%, 대학교 졸업 이상자는 40%로 분포되어 있다. 마지막으로 분석대상 중 근로자의 비중은 78%로 높다.

<표 3>은 <식 1> 또는 <표 2>에서 활용된 설명변수들 간 다중공선성 검정 결과를 보여준다. 다중공선성은 설명변수들 간 완벽한 선형관계를 의미하는데 일반적으로 VIF(Variance Inflation Factor)의 수치로 검증된다. 만약 VIF의 값이 10보다 크면 다중공선성 문제가 발생하는 것으로 판별되는데, 이때 2차 함수 형태의 변수는 제외한다(Krishna, 1975). 예를 들어, 연령 및 연령제곱 변수의 경우(모형1) 거의 동일한 변수의 성격을 지니기 때문에 당연히 VIF 값이 높게 산출되기 때문이다. <표 3>의 검증 결과 중 모형2와 모형3의 VIF 값은 모든 변수 중 가장 높은 값을 보여주는 것이 배우자인데, 동 변수의 VIF 값도 2.69(모형2) 및 2.70(모형3)에 불과하다. 또한 전체 변수들의 VIF값의 평균도 모형2는 1.76, 모형3은 1.82로 다중공선성 문제가 없다고 결론 내릴 수 있다.

<표 4>는 부동산 자산, 금융 자산, 그리고 소득이 변함에 따라 소비가 어느 정도 변하는지 분석한 결과를 보여준다. 모형1은 확률효과모형을 활용한 분석결과이며, 모형2는 고정효과모형을 활용한 결과이다. Hausman 검정으로 적정 모형을 선별한 결과 고정효과가 존재하는 동시에 설명변수와 상관관계가 있어(p<0.01) 고정효과모형이 적합한 것으로 판별되었다.

그러므로 모형2의 추정계수를 고려할 때, 부동산 자산의 가치가 1% 상승할 때 소비는 0.09% 증가하고, 금융자산의 규모가 1% 증가할 때 소비는 0.02% 증가하는 것으로 나타났다. 그리고 소득이 1% 증가 시 소비는 0.04% 증가하는 것으로 분석되었다. 결과적으로 소비는 자산 및 소득에 신뢰수준 95%에서 통계적으로 유의하게 반응하는데, 특히 부동산 자산, 소득, 그리고 금융 자산 순으로 탄력성이 컸다. 자산 및 소득별 소비의 탄력성 순서는 확률고정효과모형에서도 동일하다.

다른 변수들도 대체적으로 소비에 유의한 영향을 미치고 있는데, 연령이 증가함에 따라 소비도 증가하다가 일정 연령 이후에는 감소하는 2차 함수 형태를 보인다. 가족 수가 많아질수록 지출액도 증가하는데, 추정계수에 따르면 가족 수가 한 명 증가 시 지출액은 15% 증가한다. 또한 미혼에 비해 기혼자가 될 때 지출액도 더 증가하는 것으로 나타났다. 다만 근로 여부는 지출에 큰 변화를 초래하지 않았는데, 이는 소득수준이나 재산 등을 이미 통제하였기 때문인 것으로 이해된다.

성별 및 교육수준에 따른 소비 변화는 확률효과모형으로만 분석이 가능한데, 추정 결과에 따르면 여성보다는 남성의 지출액이 많고, 고졸 미만자에 비해서는 고졸자가 27%, 대졸자 이상은 44% 더 많이 지출하는 것으로 분석된다.

<표 4>의 모형2(고정효과모형)는 개인별로 내재되어 있는 고정효과는 제거하였더라도 시기별 고정효과는 통제 또는 제거하기 이전의 결과이다. 반면 <표 5>의 모형1과 모형2는 <표 4>의 모형1과 모형2에 비해 각각 시간고정효과를 통제하여 분석한 결과를 보여준다. 특히 일반적인 고정효과모형에 시간고정효과모형을 포함시킨 <표 5>의 모형2를 이원고정효과모형이라고 한다.

Hausman 검정으로 <표 5>의 모형 중 적정 모형을 선별한 결과 모형2의 이원고정효과모형이 적합한 것으로 나타났다(p<0.01). 추정계수의 절대값은 <표 3>의 고정효과모형에 비해 작아졌지만 여전히 부동산자산, 금융자산, 소득 모두 소비액을 결정하는 유의한 변수로 밝혀졌다. 또한 수요탄력성 역시 부동산자산, 소득, 금융자산 순이었다. 추정계수에 따르면 부동산 자산의 가치가 1% 증가 시 소비는 0.06%, 금융자산의 규모가 1% 증가 시 소비는 0.03%, 그리고 소득이 1% 증가 시 소비는 0.01% 증가하는 것으로 나타났다. 이러한 결과는 주택가격이 1달러 증가 시 소비가 6센트 증가한다는 Dean(2011)과 매우 유사하다. 또한 Bostic et al.(2009)는 주택의 자산효과가 금융자산의 자산효과에 비해 무려 3배나 크다고 하였는데, 본 연구의 분석결과는 부동산 자산의 소득효과가 금융자산의 소득효과보다 6배나 크고 소득탄력성보다는 2배 큰 것으로 분석되었다.

다른 변수들의 추정계수는 <표 4>와 대동소이하여 세부 논의는 생략한다. 다만 연도별 더미변수를 고려할 때, 소비액은 2008년도 이후에 증가하는 경향을 보였다. 2008년도의 경우 글로벌 금융위기 시기였고 본 연구에서 2008년이 준거그룹(reference group)이기 때문에 당연한 결과로 이해된다. 다만, 2008년을 기준으로 2013년까지 소비가 지속적으로 증가하다가 2014년도에 감소한 뒤에 2015년에는 다시 증가하기 시작한 추이를 보인다.