우리나라 가계의 동태적 부채보유 행태에 대한 분석 논문보기 | 통계개발원

(1)

우리나라 가계의 동태적 부채보유 행태에 대한 분석

유경원

1)

_{․ 황진태}

2)

요약

빠르게 증가하고 있는 우리나라의 가계부채를 분석한 결과, 첫째 금기(今期)의 가계부채 보유결 정에 있어 전년도 가계부채 보유 수준은 영향을 미치는 것으로 나타났다. 즉, 소득 등 가계부채 를 결정하는 다양한 경제·사회적 요인들 이외에도 가계부채의 전년도 수준은 금기(今期) 가계부 채 수준에 주요한 영향을 미치는 변수로 작용하는 것으로 나타났다. 동 분석결과는 개별 가계의 부채 수준이 지속적으로 높아지는 것은 아니지만 특정 수준에 이를 때까지 지속성을 갖고 있음 을 시사한다. 둘째, 부채의 조정속도를 기간에 따라 분석한 결과, 시기에 따라 상이하며, 금융위 기 직전 부채의 조정속도가 상대적으로 빨라져 전반적인 부채의 증가 속도가 빠르게 이루어졌으 나, 이후 2014년까지 가계부채 규제 등으로 속도가 완화된 것으로 보인다. 셋째, 소득계층별로 부채의 조정속도를 분석한 결과, 중․고소득층을 중심으로 부채의 조정속도가 빠른 것으로 추정되 었다. 이러한 결과를 종합해 볼 때 최근 빠르게 증가하고 있는 가계부채는 중·고소득계층을 중심 으로 한 가계부채 보유의 동태적인 속성 변화와 밀접한 관련이 있는 것으로 보인다.

주요용어 : 가계부채, 부분조정모형, 동태패널모형

1. 서론

2008년 금융위기와 유럽발 재정위기 이후 미국 등 주요 국가에서 디레버리징

(deleveraging)이 일어나고 있는 반면, 오히려 우리나라의 가계부채는 지속적으로 늘

고 있으며 지난해에는 저금리와 주택금융 규제완화로 빠르게 증가하였다.

3)

_상존하는

대내외 불확실성에다 지속되고 있는 가계부채 문제는 경제위기에 대한 우려를 증폭시

키는 요인으로 작용하고 있는 것으로 보인다. 우리나라 가계부채의 상당 부분이 부동

산 연계대출임을 감안할 때 자산시장에 충격이 발생할 경우 금융시장에 대한 충격으

로 이어져 소비 등 실물부문에도 부정적 영향이 클 것으로 보인다.

4)

_{따라서 정책당국}

은 가계부채 문제를 우리나라 경제의 잠재적 위험요인 중 중요한 하나로 인식하고 있

으며, 가계부채의 연착륙을 위한 다양한 방안을 모색하고 있으나 아직까지 가계부문

1) 서울시 종로구 홍지문 2길 20, 상명대학교 금융경제학과, 부교수. E-mail: kwyoo@smu.ac. kr. 2) 교신저자, 경상북도 경산시 진량읍 대구대로 201, 대구대학교 경제학과, 조교수. E-mail: jhwang@ daegu.ac.kr. 3) MGI(2015)는 우리나라 등 7개 국가를 가계부채 위험국가로 선정하였는데 다른 나라와 달리 우리나라의 경우 글로벌 금융위기 이후 가계부채가 지속적으로 늘어난 데 그 배경이 있는 것 으로 보인다. 4) 최근의 가계부채와 관련된 주요 분석 내지 인식은 한국은행 금융안정보고서(2016.6)를 참조 하시오. 한편 가계부채의 위험요인을 실물(자산효과/유동성제약효과)과 금융요인으로 나누어 서 분석한 연구는 유경원·서은숙(2015) 등을 참조하시오. 가계부채의 소비와 경제성장에 미치 는 효과를 유량과 저량으로 구분하여 분석한 연구는 강종구(2017)을 참조하시오.

(2)

의 본격적인 디레버리징 움직임은 보이지 않고 있다.

5)

_{이러한 측면에서 가계부채의}

지속적 증가 원인에 대한 심도 깊은 분석이 요구된다고 하겠다.

한편 가계부채와 관련한 기존연구 대부분은 가계부채의 발생 원인이나 가계의 부

채상환능력에 대한 정태적인 분석이 많았다. 이러한 연구들은 단순히 장기균형을 가정

한 상태에서 가계부채가 이자율, 주택구입, 소득 등과 밀접한 관련이 있음을 밝히고

있는 것에 그쳐 가계부채의 습관적 지속성(habit persistence)이나 조정과정(adjustment

process) 등 가계부채의 단기적 동태성(short-run dynamics)을 알기가 어려웠다. 또한,

가계부채의 이러한 동태적 행태에 초점을 맞춘 연구들은 주로 거시변수 형태의 가계

부채와 이자율, GDP 등 여러 거시변수를 활용한 자기회귀시차분포(ADL: autoregressive

distributed lag)모형, 벡터자기회귀(VAR: vector autoregressive)모형, 벡터오차수정모

형(VECM: vector error correction model) 등 모형에 종속변수의 시차변수가 포함된

시계열 모형 사용에 국한되어 있다. 그런데 실제 이러한 시계열 모형 사용은 해당 모

형에 종속변수의 시차변수와 함께 설명변수와 그 시차변수가 다수 포함되면서 이들

간 공선성(collinearity)이 커져 종속변수의 시차변수를 통한 조정과정을 추정함에 문

제가 발생할 수 있다(Griliches, 1967). 이러한 관점에서 볼 때 동태패널모형(dynamic

panel data model)을 사용할 경우 관심변수의 동태적 행태뿐만 아니라 해당 시계열

모형이 갖는 공선성 문제를 해결하는 데 도움이 된다. 그 이유로는 패널자료를 이용

할 경우 패널 간 차이가 해당 공선성을 완화시켜주기 때문이다(Pakes & Griliches,

1984). 따라서 가용한 미시 패널자료와 동태패널모형을 이용하여 가계부채의 동태적

행태를 분석하는 것은 그 방법론 측면에서 의미가 있다고 하겠다.

패널자료를 이용한 가계부채의 동태적 행태에 대한 연구는 장기 가계패널자료가

구축됨에 따라 비교적 최근 들어 진행되고 있으며, 대부분 시간에 따른 가계부채 보

유상태의 변화(mobility)에 관한 연구들에 해당한다. 예를 들어, 가계부채의 동태적 행

태 관련 초기 연구인 Godwin(1997)은 1980년대에 가계의 부채 상태에 상당한 이동이

있었는데, 1983년과 1989년을 비교할 때 대다수의 가구가 각기 상이한 부채분위로 이

전하였음을 보여주었다. 우리나라 문헌의 경우 Godwin(1997)의 연구를 토대로 성영애

(2006), 김우영·김현정(2010), 이은화(2016)가 가계부채 보유여부의 변동을 분석하여 가

계부채 관련 행동은 시간의 흐름에 따라 나타나는 역동적인 현상임을 보여주었다.

그럼에도 불구하고 패널자료를 이용한 가계의 동태적 부채조달 행태에 대한 엄밀

한 분석은 여전히 미흡한 실정이다. 게다가 우리나라 가구들이 한번 부채를 지기 시

작할 경우 쉽게 줄이지를 못하는 부채의 비가역성 내지 지속성이 나타나고 있는 것인

지 또는 부채를 원하는 수준으로 빠르게 늘릴 수 있는지 여부 등 가계부채의 동태적

행태에 대한 분석은 가계부채 관련 소비자금융정책을 수립하는 데 있어 중요한 시사

점을 제공할 수 있다. 이러한 동태적 행태를 분석하기 위한 이론적 모형으로 부분조

정모형(partial adjustment model)을 들 수 있다. 후술하겠지만 부분조정모형의 경우

가계의 합리성(rationality)을 바탕으로 개별가계는 장기적 개념의 목표 부채량을 가지

게 된다. 동 모형에 따르면 가계부채시장에 어떠한 제약도 없다면 가계는 자신의 목

5) 이주열 한국은행 총재는 가계부채 증가세에 우려를 표명하며 금리인하에 신중한 입장을 보 이고 있다. 2016.8.11. 주요 신문기사 등을 참조하시오.

(3)

표 부채량에 즉시 도달할 수 있는 반면, 해당 제약이 존재할 경우 목표 부채량에 도

달하기까지 시간이 소요되는데, 이를 바탕으로 부분조정모형을 사용할 경우 가계부채

의 조정속도(speed of adjustment)

6)

_{개념이 설정될 수 있으며, 이 조정속도를 추정하}

기 위해 동태패널모형을 사용하면 된다. 이에 본 연구는 동태패널모형을 이용하여 우

리나라 가계부채의 지속적 증가와 관련 가계부채의 조정속도 추정을 중심으로 연구를

진행하고자 한다. 그리고 이러한 추정을 위해 본 연구는 우리나라 최장기 패널조사자

료인 한국노동패널자료(KLIPS: Korean Labor and Income Panel Survey)를 이용한

다. 일반적으로 우리나라 가계의 부채보유가 소비평활화(consumption smoothing)보다

는 투자목적의 실물자산 보유와 밀접한 관련이 있음을 감안할 때 부채는 어느 정도

지속성을 갖고 있을 것이라 추론되나 이는 실증적으로 검토할 부분이며, 이러한 가계

부채의 지속성이 부채접근성 측면에서 얼마나 빠르게 조정될지도 실증적으로 살펴볼

문제라 할 것이다.

이후 본 연구는 다음과 같이 구성된다. 이어지는 제2장에서는 가계부채의 현황과

KLIPS를 이용한 기술통계량을 간략히 살펴보고, 제3장에서는 가계부채의 동태적 조

정과정과 관련한 간단한 분석모형과 추정방법을 제시하며 실증분석 결과에 대해 논의

한다. 마지막으로 제4장에서 연구결과를 요약하고 관련 시사점을 제시한다.

2. 가계부채의 현황과 가구의 특성

2.1 거시적 관점의 가계부채

지난 4년 동안 가계부채(가계신용통계기준)

7)

_{의 규모는 아래 <그림 2.1>에서 보는}

바와 같이 2012년 말 963조 원에서 빠르게 증가하여 2015년 말 1,203조 원에 달하고

있으며 이와 같은 증가세가 아직도 유지되고 있다.

8)

_{2008년 이후 안정세를 보였던 가}

계부채는 2014년 하반기 이후 부동산시장이 활기를 띠면서 집단대출

9)

_{이 증가하여 급}

6) 본고에서 정의하는 가계부채의 조정속도는 가계가 현재의 수준에서 목표 부채량에 도달하는 데 소요되는 시간을 의미한다. 일생주기가설 하에서 가계는 이와 같은 부채량, 저축, 소비 등 의 합리적인 의사결정을 수행할 수 있다. 일생주기가설하의 가계의 부채량, 소비, 저축과 관 련된 재무의사결정 관련된 내용은 Bodie, Merton, and Cleeton(2011)을 참조하시오.

7) 거시지표인 가계신용통계와 자금순환통계의 가계부채는 금융부채 기준이며, 미시자료인 가계 금융·복지조사의 가계부채는 금융부채와 금융부채에 임대보증금을 포함한 부채로 나누어진 다. 임대보증금은 가계 간 상호거래로서 거시지표인 금융부채에는 포함되지 않으므로 미시자 료 분석 시 일관되게 금융부채에 한정하여 분석한다. 본 절의 일부 내용은 한국은행, 「금융 안정보고서」, 2016.6을 참조하였다. 8) 가계부채는 2017년 3월 말 현재 1,359.7조 원으로 전년 동기대비 11.1% 늘어나 2014년 3/4분 기 이후 증가세가 지속적으로 확대되는 모습을 보이고 있다. 9) 주택담보대출 중 신규분양, 재건축, 재개발아파트 입주(예정)자 등과 관련된 일정 자격요건을 갖춘 차주 집단에게 일괄승인방식으로 실행되는 여신으로 이주비, 중도금 및 잔금대출로 나 눈다. 분양대금은 약 2년간에 걸쳐 통상 계약금(10~20%), 중도금(60% 이내, 대체로 계약 6개 월 이후부터 4차례 이상 납부) 및 잔금(20~30%)으로 나누어 납부한다.

(4)

증한 것으로 보인다.

10)

_{이와 같은 상승추세는 아래 <그림 2.2>에서 보는 바와 같이}

글로벌 금융위기 이후 가계부채의 지속적인 감소를 경험한 미국, 독일 등과는 다소

상이하며 이러한 배경으로 국가 간 비교에서 우리나라는 가계부채 관련 위험이 높은

나라로 분류된 바 있다.

11) 주: 1) 숫자는 각 연도 말 규모액 2) ( )안은 전년대비 증가율 자료: 한국은행(2016) 자료: FRB(2016) <그림 2.1> 가계부채 규모 <그림 2.2> 주요국의 GDP대비 가계부채 비율 추이

가계부문의 실질적인 부채상환 부담을 파악할 수 있는 가계의 처분가능소득 대비

부채상환지출 비율

12)

_{은 <그림 2.3>에서 보는 바와 같이 횡보세를 보이고 있으나 최}

근 들어 하락하는 모습이다. 이는 처분가능소득 증가세가 둔화되었음에도 금리인하에

따른 이자비용 지출감소 등으로 부채상환지출이 소폭 줄어든 것이 그 원인으로 보이

며, 동 수준은 2010년 이후의 장기평균에 근접하고 있다. 한편, 가계부채 관련 원리금

상환부담 국제비교를 위해 BIS(Bank of International Settlement) 기준 DSR(Debt

Service Ratio)지표

13)

_{를 보면 <그림 2.4>에서 보는 바와 같이 우리나라는 부채증가에}

10) 2016년과 2017년 집단대출로 인한 주택담보대출 증가 규모가 월평균 약 3~4조 원에 달하는 것으로 추정된다. 보다 자세한 내용은 한국은행, 「금융안정보고서」, 2015.12를 참조하시오. 11) MGI는 우리나라를 포함 호주, 캐나다, 네덜란드, 스웨덴, 말레이시아, 태국을 가계부채 고위

험국가로 선정한 바 있다. 보다 자세한 내용은 McKinsey Global Institute(2015)를 참조하시 오. 12) 일반적으로 가계의 채무상환부담 평가지표로 미시자료를 활용한 처분가능소득 대비 원리금 상환액 비율(DSR)이 활용되나 동지표가 연간 단위로만 작성(통계청·한국은행·금융감독원, 가 계금융·복지조사)되므로 분기별 동향 파악을 위해 통계청, 가계동향조사의 처분가능소득 대비 부채상환지출 비율을 대용지표로 활용하였다. 한편 가계동향조사의 부채상환지출에는 현금서 비스 및 할부구입 관련 신용카드 상환액뿐만 아니라 일시불 결제대금 등 모든 신용카드 상환 액이 포함된다. 13) DSR 지표 관련 정의 및 경제위기와의 관련성에 대한 보다 자세한 내용은 Drehmann, M., A. Illes, M. Juselius, and M. Santos, "How Much Income Is Used for Debt Payments? A New Database for Debt Service Ratio," BIS Quarterly Review, September, 2015를 참조하 시오.

(5)

도 불구하고 이자율 하락으로 장기평균에 근접한 안정적인 모습을 보이고 있다. 영

국․미국 등 가계부채 위기를 경험한 선진국의 사례에서 볼 때 DSR은 가계신용 확대

에 따른 금융위험에 대한 예측지표로 사용될 수 있는데, 우리나라의 경우 최근 5년간

DSR이 전반적으로 하향 안정화하는 모습을 보여 많은 사람들이 우려하는 가계부채발

경제위기, 특히 실물부문으로의 전이 가능성은 상대적으로 낮을 것임을 시사한다.

자료: 통계청(2016) 주: 1) 국가별 평균으로부터의 편차 %points 2) 국가별 평균은 1999년부터 현재까지이며 점선은 금융위기 시기인 2008년 3분기를 의미함 자료: BIS(2016) <그림 2.3> 처분가능소득 대비 부채상환지출 비율 <그림 2.4> 주요국의 DSR 추이

가계의 이질성(heterogeneity)으로 거시자료를 중심으로 가계부채 관련 위험요인을

파악하는 데 한계가 있으므로 가구의 소득 및 자산계층별로 가계부채를 살펴보았

다.

14)

_{먼저 <그림 2.5>에서 소득 5분위별 가구의 평균 금융부채 규모는 소득이 높을}

수록 크며, 특히 최고 소득계층인 5분위 가구의 부채규모가 다른 계층에 비해 월등히

높은 수준인 것으로 나타났다. 최근 3개년의 변화를 살펴보면 중·고소득 계층인 4․5분

위 가구들의 금융부채 증가가 두드러진 가운데, 부채의 빠른 증가는 소득수준의 향

상과 밀접한 관련이 있어 보인다. 가계의 실질적인 부채상환 부담을 나타내는 처분가

능소득 대비 원리금상환액 비율의 경우 <그림 2.6>에서처럼 소득 1․2분위의 부담이

가장 많은 것으로 나타난 반면, 금융부채 규모가 가장 큰 5분위는 반대로 가장 상환

부담이 적은 것으로 나타났다. 이는 소득계층에 따라 금융기관의 접근성과 적용받는

이자율의 차이가 큰 것이 그 원인 중 하나로 보인다.

14) 본 소절의 미시자료 분석에서는 통계청·한국은행·금융감독원의 <가계금융·복지조사>(2013~ 2015)를 이용하였다.

(6)

자료: 통계청, 금융감독원, 한국은행(2013~2015). <가계금융·복지조사> 자료: 통계청, 금융감독원, 한국은행(2013~2015).<가계금융·복지조사> <그림 2.5> 소득계층별 금융부채 보유가구 비율 및 가구당 보유액 <그림 2.6> 소득계층별 원리금상환액/처분가능소득

따라서 거시자료를 토대로 종합하면 가계부채의 건전성은 거시경제적 관점에서 큰

문제가 없는 것으로 보인다. 다만, 가계부채의 총량 자체가 빠르게 증가하고 있는 것

은 향후 거시경제에 부정적인 영향을 미칠 수 있는 주된 위험요인이 될 수 있다. 따

라서 이러한 가계부채의 지속적 증가 현상을 KLIPS와 같은 미시적 자료를 활용하여

2.2 노동패널자료(KLIPS)의 기술통계량

본 연구의 분석을 위한 미시자료로 전술한 바와 같이 KLIPS를 사용한다. 이 조사

는 패널자료 형태로 도시지역에 거주하는 5,000가구와 만 15세 이상의 가구원을 대상

으로 매년 1회씩 실시되고 있으며, 1~17차년도(1998~2014년)의 자료를 본 분석에서 사

용하였다. 동 조사의 주요내용은 가구원들의 인구통계학적 특성, 교육, 소득, 소비, 자

산, 부채, 근로상황 등이다. 그러나 가계의 자산 관련 자료가 1999년 이후부터 포함되

어 있어 실제 표본기간은 1차 조사를 제외한 1999~2014년까지이다. 본 연구의 경우

종속변수로 가계 금융부채액을 사용한다. 설명변수로는 가구주의 성별, 나이, 학력, 배우

자의 학력, 자녀 수, 소득, 금융자산(예금+주식+보험), 부동산을 사용한다. 여기서 화폐

금액에 해당하는 변수인 부채, 자산, 소득변수는 모두 소비자물가지수를 활용하여 실

질화하였다. 이외에도 관찰된 가구의 서로 다른 시공간에 따른 이질성(heterogeneity)

을 통제하기 위하여 연도 및 지역더미

15)

_{변수도 사용한다. 한편, 이들 변수에서 KLIPS}

가 오류로 표시하고 있는 관측치들은 분석대상 표본에서 제외하였다.

분석대상이 된 KLIPS의 기술통계량은 <표 2.1>과 같다. 동 기술통계량은 분석기

간 전체(1999~2014)를 비롯해 주요 기간별로 분류하여 제시하였다. 먼저 2008년 이전

에 해당하는 금융위기 이전과 그 이후 기간을 기간(1), 기간(2)로 구분하였다. 또한,

금융위기 이전인 기간(1)을 다시 1999-2005년, 2006~2008년으로 세분화하여 기간(1.1),

15) 지역더미 변수의 사용은 지역별 가계부채 수준에 영향을 미칠 수 있는 주택가격 지수를 부 분적으로 통제하는 효과가 있다고 하겠다.

(7)

기간(1.2)로 구분하였다.

16)

_{이러한 기간 구분의 배경에 대해 논하자면 우리나라의 경}

우 2004년 종합부동산세 완화를 비롯해 건설경기 부양책, 거래세 완화 등 주택시장

부양정책이 이루어지면서 2005년 말부터 2007년 1월말까지 주택가격이 급등하였다는

점을 들 수 있다(임대봉, 2007). 이러한 급등세를 진정시키기 위해 2005년부터 정부의

주택시장 안정정책의 일환으로 2005년 들어 부동산 공급확대, 부동산거래 투명화가

실시되었고, 2006년에는 총부채상환비율(DTI: Debt-to-Income ratio)이 도입되는 등

주택담보규제가 강화되었다. 이러한 우리나라 주택시장의 현상이 결국 가계부채의 동

태적 행태에 많은 영향을 주었을 것으로 추측되고 있어 기간(1.1)과 기간(1.2)로 나누

어 가계부채의 동태적 행태를 추가로 살펴볼 필요가 있다고 하겠다.

17)

<표 2.1>에서 나타난 바와 같이 KLIPS에 응답한 가계들의 실질 금융부채는 금융

위기 이전 기간 동안 평균 1,977.4만 원, 금융위기 이후 기간에는 2,748.5만 원으로 나

타났다. 가계의 실질 금융자산과 부동산은 금융위기 이전에 각각 1,892.5만 원과

12,991.3만 원, 금융위기 이후 기간에는 2,241.0만 원과 16,881.5만 원으로 나타났다. 여

기서 전술한 바와 같이 주택가격의 급등이 발생하였던 기간(1.2)의 부동산 금액 평균

이 17,898.9만 원에까지 이르렀던 것은 당시 우리나라 주택시장의 상황을 잘 보여주는

대목이라 하겠다. 한편, 자신이 가구주라 응답한 사람 중 80%가 남성이었으며, 이들

가구주의 나이는 평균적으로 50대 전후, 학력은 고교수준을 다소 넘어서는 것으로 나

타났다.

16) 기간(1)과 기간(1.2)와 관련하여 글로벌 금융위기가 발발한 연도인 2008년의 특수성을 고려 하여 해당 연도를 제외한 실증분석도 시도하였으나, 이 경우 기간(1.2)에 해당하는 연도가 2 년밖에 되지 않아 동태패널모형의 AR(2) 통계량이 산출되지 않는 문제점이 발생하는 등 해 당 결과를 사용하기가 어렵다는 점을 밝힌다. 또한, 관련 동태패널모형에서 이미 연도더미를 사용하고 있는 데다 해당 모형의 추정치가 2008년을 포함시킨 추정치 결과와 대부분 유사하 다는 점을 고려할 때 본 논문에서는 2008년을 포함시킨 결과를 사용하기로 한다. 17) 참고로 본 연구는 기간(1.1)을 주택가격 급등 등에 따른 가계부채 급증의 잠복기, 기간(1.2) 를 DTI 규제 등 경기역행적(countercyclical) 주택시장정책이 시행될 정도에 해당하는 가계부 채 급증의 본격적인 발병기로 간주하고 있다. 가계부채발 금융위기를 경험한 미국 등 주요국 가의 사례를 보면 위기 직전 가계부채의 급증과 자산가격 급등과 급락, 경기 침체가 나타나 이와 같은 가계부채의 빠른 증가가 최근 가계부채발 위기 발생의 주요 원인으로 분석되고 있 다. 보다 자세한 내용은 IMF(2012)를 참조하시오.

(8)

<표 2.1> 한국노동패널조사(KLIPS)의 기술통계량 변수명 기간(1.1) (1999∼2005년) 기간(1.2) (2006∼2008년) 기간(1) (1999∼2008년) 기간(2) (2009∼2014년) 전체 기간 (1999∼2014년) 실질 금융부채 관측치 수 28,889 15,144 44,033 32,470 76,503 표본평균 1,669.5 2,579.8 1,977.4 2,748.5 2,302.1 표본표준편차 6,942.9 7,886.6 7,288.4 9,839.6 8,465.6 가구주의 성별 관측치 수 28,553 14,925 43,478 31,389 74,867 표본평균 0.8 0.8 0.8 0.8 0.8 표본표준편차 0.4 0.4 0.4 0.4 0.4 가구주의 나이 관측치 수 28,553 14,925 43,478 31,389 74,867 표본평균 48.9 51.5 49.8 53.1 51.2 표본표준편차 13.6 14.2 13.8 14.9 14.4 가구주의 학력 관측치 수 28,553 14,925 43,478 31,389 74,867 표본평균 4.9 5.1 5.0 5.3 5.1 표본표준편차 1.6 1.6 1.6 1.6 1.6 배우자의 학력 관측치 수 21,764 10,668 32,432 21,364 53,796 표본평균 4.6 4.8 4.7 5.0 4.8 표본표준편차 1.4 1.4 1.4 1.4 1.4 자녀 수 관측치 수 25,056 15,144 40,200 32,470 72,670 표본평균 0.8 0.6 0.7 0.5 0.6 표본표준편차 1.0 0.9 0.9 0.8 0.9 실질 소득 관측치 수 28,828 15,134 43,962 32,226 76,188 표본평균 2,654.9 3,153.2 2,823.5 3,271.0 3,011.1 표본표준편차 2,437.7 3,075.7 2,681.0 3,123.7 2,883.3 실질 금융자산 관측치 수 28,872 15,144 44,016 32,470 76,486 표본평균 1,768.8 2,134.5 1,892.5 2,241.0 2,039.3 표본표준편차 5,179.5 7,789.7 6,189.5 7,260.6 6,663.9 실질 부동산 관측치 수 27,152 13,608 40,760 28,833 69,593 표본평균 10,594.9 17,898.9 12,991.3 16,881.5 14,591.0 표본표준편차 20,204.7 39,171.6 28,097.2 35,600.2 31,458.4 주: 1) 성별의 경우 더미변수로 남자 ‘1’, 여자 ‘0’이며, 학력수준은 미취학 ‘1’, 무학 ‘2’, 초등학 교 ‘3’, 중학교 ‘4’, 고등학교 ‘5’, 2년제 대학 또는 전문대학 ‘6’, 4년제 대학 ‘7’, 대학원 석사 ‘8’, 대학원 박사 ‘9’임. 2) 금액변수들은 실질변수이며, 단위는 만 원임. 3) 가계 가중치(98표본)를 반영함.

(9)

3. 동태패널분석 및 결과

3.1 추정모형과 방법

가계부채는 금융기관의 입장에서 가계를 대상으로 판매한 매출액 또는 생산물인

반면, 가계의 입장에서는 자금조달 행위에 따른 결과로 볼 수 있다. 가계는 본질적으

로 경제 내 소비의 주체이다. 또한, 가계는 저축을 비롯해 주택구입(주택고정투자)과

교육비

18)

_{에 대한 지출 등 투자의 주체가 되기도 한다. 이러한 관점에서 본다면 부채}

를 활용한 가계의 자금조달은 가계의 주요한 재무의사결정이며 투자행위로도 해석될

여지가 클 것으로 보인다. 여기서 각 가계가 합리적이라 가정하면 해당 가계는 장기

적으로 효율적인 목표 부채량을 보유할 수 있다. 즉, 이러한 목표 부채량은 효율적인

소비, 자산에 대한 투자와 관련 자본조달의 결과로 귀결될 수 있다.

19)

이러한 가계의 목표 부채량 설정과 유사한 이론적 설명으로 기업의 자본구조 이론

을 들 수 있다. 동 이론은 기업의 최적 자본구조 존재 유무와 그 성립 배경에 대한

연구들을 포괄한다. 이 중 Kraus & Litzenberger(1973)는 부채량 증가에 따른 법인세

절감효과와 파산비용 증가로 기업의 최적 자본구조(또는 부채량)이 존재함을 지적하

였다. 이와 유사한 논리로 장기적 관점에서 가계도 최적의 목표 부채량을 설정할 수

있다. 이러한 목표 부채량이 가계에 존재하기 위한 조건으로 기업의 자본구조 이론에

서처럼 가계가 부채를 통해 자금을 조달함으로써 얻게 되는 효익과 비용이 존재해야

한다. 물론 가계의 목표 부채량 성립 요건은 기업과는 상이할 수 있다. 예를 들어, 가

계는 기업처럼 부채를 활용한 자금조달에 소득세 효과가 존재하지 않는다. 또한, 가계

의 부채조달은 기업의 최적 자본구조를 구성하는 자기자본과 타인자본 조달 이슈와는

상이하다. 그럼에도 불구하고 가계가 금융기관으로부터 조달한 자금을 해당 가계의

자산축적과 구성원들의 인적자본을 형성하는 데에 사용하는 등 부채를 통한 투자활동

이 가능하며, 이를 통해 부채의 효익이 발생할 수 있다. 반면, 지나치게 부채에 의존

하는 가계는 기업과 마찬가지로 높은 파산비용을 감수해야 한다. 따라서 기업의 자본

구조 이론과 비슷하게 가계(또는 가문, dynasty) 역시 장기적 관점의 효용극대화를 한

다는 관점에서 최적 개념의 목표 부채량이 존재할 수 있다. 다만, 이러한 목표 부채량

은 가계의 특성에 따라 그 수준은 다를 것이다.

 



 



′



 



 



model)의 형태로 표현할 수 있다.





 

  

  



 

  

 (3.2)

식 (3.2)의 는 조정과정의 속도로서 일반적으로     의 범위를 갖는 것으로

가정된다. 식 (3.1)을 식 (3.2)에 대입하여 정리하면 아래와 같은 식 (3.3)이 도출된다.





    

  

 



 



(3.4)

또한, 식 (3.2)의 부분조정모형에서 장기균형 조건인 

_





  

을 가정하면





 

  

 

 

_{가 되어 가계부채의 장기균형이 가계의 목표 부채액과 일치함을 알}

수 있으며, 그 결과 아래와 같은 가계부채의 장기균형식이 나타나게 된다.





 

_{  }



_

 



′



 



 



 



(3.5)

식 (3.4)와 식 (3.5) 형태의 모형을 활용함으로써 얻게 되는 주된 장점으로 전술한

바와 같이 가계부채의 동태적 행태를 파악함과 동시에 장기적 개념에 해당하는 가계

의 목표 부채량 개념을 설정할 수 있다는 점을 들 수 있다. 또한, 모형을 통해 가계의

동태적 특성을 추정하는 방법을 사용함에 따라 가계의 여러 인구통계학적 특성을 통

제한 상태에서 가계부채의 체계적인 동태적 행태()를 추정할 수 있는 것도 장점이

될 수 있겠다.

한편, 조정속도 에 대해 상술하면, 그 속도가 ‘1’에 가까울수록 가계의 부채가 목

(11)

표 부채액에 도달하는데 소요되는 비용이 적어 오랜 기간이 소요되지 않음(빠르게 증

가 또는 감소)을 뜻하고, 반대로 ‘0’에 가까울수록 그 비용이 커 목표 부채액까지 도달

하는데 상당한 기간이 소요됨을 의미한다. 즉, 이를 (   )로 전환하여 살펴보면

가 ‘0’에 가까울수록 조정속도가 빠른 것이고, ‘1’에 가까울수록 조정속도가 느린 것

으로 보면 된다. 여기서 말하는 부채의 조정속도는 결국 가계가 얼마나 빠르게 스스

로의 목표 부채량에 도달할 수 있느냐를 나타내는 것인데, 예를 들어 신용 및 담보능

력이 좋지 않아(좋아) 금융기관에 접근하기 어려운(쉬운) 가계의 경우 해당 목표 부채

량 수준까지 필요자금을 조달하는 데에 어려움이 클(크지 않을) 것이다. 이 경우 부채

의 조정속도는 느릴(빠를) 가능성이 크다. 그렇다면 시기별로는 부채가 급증한 시기에

가 작게 추정될 가능성이 클 것이다. 또한, 신용도 측정지표인 소득의 경우 저소득

층에서 고소득층으로 갈수록 의 추정치는 작아질 것으로 예상된다.

20)

_{이는 당연히}

소득이 많은 가구일수록 금융기관에 대한 대출 접근성이 커질 것이기 때문이다.

식 (3.4)에 나타난 조정속도 가     을 만족하면 식 (3.4)의 AR(1) 계수인 

는 정의된 바에 따라     이 성립한다. 이러한 경우 식 (3.4)가 보여주는 가계 

의 부채 관련 동태적 행태는 주어진 부채가 시간의 흐름에 따라 점진적으로 증가(또

는 감소)하면서 장기적으로 균형(







  

)에 수렴하게 되는 형태가 된다. 이와는

달리 실제 식(3.4)를 추정함에 있어      인 경우도 발생할 수 있는데, 이는 가

계부채가 진동(oscillation)과정을 거치면서 궁극적으로 장기균형에 수렴하게 되는 형

태이다. 결국 이 두 가지 경우를 모두 포괄한 개념으로 AR(1) 계수 의 절대값이 ‘1’

보다 작으면 동태적 가계부채에 장기균형점이 존재하게 된다. 반대로 의 절대값이

‘1’보다 크다면 가계부채는 시간이 흐르면서 무한히 증가(발산)하거나 ‘0’의 수준에 도

달하게 된다. 이 경우 가계부채에 장기균형점이 존재하지 않는다.

본 연구는 식 (3.4)를 분석모형으로 하여 전기 가계부채의 영향과 가계부채의 조정

속도를 추정하고자 한다. 추정상 동 모형의 가장 중요한 특징은 일반적인 패널분석

모형에 종속변수인 가계부채액의 시차변수가 존재한다는 것이다. 이 경우 일반적 패

널모형에서 추정상 편의(bias)를 제거하기 위한 고정효과 통제에도 불구하고 종속변수의

시차변수에 의해 그 편의가 완전히 제거되지 않는다. 가령, 식 (3.4)를 차분함으로써

고정효과 

_

를 제거한다하더라도 그 시차종속변수의 차분형태인 ∆

_{  }

(≡ 

_{  }

 

  

)

가 오차항의 차분형태인 ∆



(≡ 



 

  

)와 여전히 상관관계를 가지고 있으므로

추정상 편의를 면할 수가 없다. Arellano & Bond(1991)는 이러한 편의 문제를 해결하

기 위해 ∆

  

에 대한 도구변수로 

  

를 활용하는 방법을 제시하였다. 이러한 방

20) 본 논문에는 관련 분석이 포함되어 있지 않지만 소득 외에도 부동산 등 자산이 많을수록 의 추정치는 작아지게 될 것으로 보인다. 본문의 내용과 이를 종합적으로 보면 우리나라의 경우 고소득․고자산 계층이 낮은  추정치를 가지게 될 가능성이 크다. 그리고 고소득․고 자산 계층이 기 대출자일 가능성이 크다는 점을 고려하면 기 대출자의  추정치도 낮을 가 능성이 크다. 즉, 이는 (낮은  추정치가 반드시 부채의 증가를 함의하는 바는 아니나, 현재 의 부채 수준이 목표 부채량에 미달할 경우 부채가 빠르게 증가함을 나타내므로) 가계부채의 증가가 홍기석(2013)이 주장한 신규대출보다 기 대출자에 추가대출로 이루어진다는 결과와 일치할 수 있다.

(12)

법을 통한 추정량을 일반적으로 difference GMM estimator라 부른다. 한편, 종속변수가

임의보행(random walk)에 가까울 경우 

  

를 도구변수로 활용한 difference GMM

estimator는 한계를 가질 수밖에 없는데, 이에 대해 Blundell & Bond(1998)는 수준 방

정식에 시차를 가진 차분변수, 차분 방정식에는 시차를 가진 수준변수들을 도구변수

로 활용하는 방법(system GMM estimator)을 제시하였다.

이에 본 연구는 분석에 사용된 노동패널자료가 하향 편의와 불일치성(inconsistency)

이 있을 수 있음을 고려하여 system GMM estimator를 사용하기로 한다. 관련 system

GMM estimator를 얻기 위해 차분 방정식에서는 

_{  }

, 

_{  }

, 

_{  }

, ...을, 수준 방

정식에서는 

  

을 통제변수와 함께 도구변수로 사용하였다. 그리고 그 불일치성

의 증거로 식(3.4)에 대한 고정효과를 통제한 within-group 추정치가 difference GMM

추정치보다 낮다는 점을 들 수 있다.

21)

_{한편, 오차항 }

_

_{가 이질적이고 자기상관 관계}

가 존재한다면 효율성(efficiency)을 높이기 위한 2단계(two-step) 추정량의 표본오차

가 과소평가되어 검정결과의 편의성이 나타날 수 있다. 이에 본 연구는 2단계 공분산

행렬에 유한표본(finite sample) 관련 문제점을 해결한 Windmeijer(2005)의 방법을 적

용하기로 한다.

3.2 실증분석 결과

부채보유 가구를 대상으로 하여 식 (3.4)를 모형으로 수행한 분석결과

22)

_{는 <표}

3.1>에 나타나 있는데, 우선 Hansen  검정 통계량과 자기상관(autocorrelation)에 대

한 Arellano & Bond(1991) 검정 통계량 결과 동태패널분석에서 사용된 도구변수는

구분한 모든 기간에 대해 유효해 보인다. 또한, 추정된 종속변수의 시차변수 계수가

모든 기간에 걸쳐 Bond et al.(2001)이 주장한 pooled OLS 추정치(상한)와

within-group(고정효과 모형) 추정치(하한) 사이에 존재하고 있어 <표 3.1>에 나타나

있는 동태패널모형 결과는 유효한 것으로 보인다(<부록 표 1> 참조). 한편, 본 연구

에서 가장 관심을 가지고 있는 변수는 전술한 바와 같이 종속변수인 로그 실질 금융

부채 시차변수의 추정계수라 할 수 있다. 기간별, 그리고 전체 기간 분석에 있어 해당

계수들의 절대값 모두가 ‘1’보다 작은 것으로 나타나 전술한 바와 같이 장기균형을 가

지는 것으로 볼 수 있다.

구체적 결과를 살펴보면 글로벌 금융위기 이전 기간(1)(1999∼2008년)의 경우 해당

시차변수의 추정계수가 0.184로 추정되어 가계부채의 조정속도가 0.816으로 계산되었

21) 참고로 Bond, Hoeffler, & Temple(2001)은 동태패널모형(dynamic panel model)의 GMM estimator가 pooled OLS estimator(상한)와 within-group estimator(하한) 사이에 존재해야 함을 주장하였다. 22) 종속변수로 사용된 가계의 실질 금융부채가 ‘0’일 경우 해당 변수에 로그를 취하면 동 관측 치는 분석에서 제외된다. 이를 보완하기 위하여 실질 금융부채가 ‘0’일 때 ‘1’을 더한 후 로그 를 취하는 방법이 있으며, 이 경우 로그 실질 금융부채는 일종의 censored data가 된다. 이 때 이러한 censored data를 보정하는 추정방법이 사용될 필요가 있는데, 본 연구는 동태패널 모형의 GMM estimator에다 동 추정방법을 적용시키기 어려워 양(+)의 실질 금융부채를 가 진 가계에 대해서만 동태패널분석을 실시하였다. 이 점은 분명 본 연구의 한계임을 밝힌다.

(13)

다. 기간(2)의 경우(2009∼2014년) 해당 계수가 0.262로 조정속도가 0.738로 나타났다.

전체 기간(1999∼2014년)에 해당하는 조정속도는 0.761로 계산되었다. 여기서 기간(2)

의 조정속도가 기간(1)에 비해 느려진 것으로 나타나는데, 이는 금융위기 이후 금융시

장을 비롯해 경제전반에 걸쳐 나타난 불확실성 증대와 DTI 규제의 효과로 시중은행

들이 가계대출을 제한함에 따라 가계의 부채조정이 그러한 영향을 받은 것으로 보인

다(윤상규, 2010). 그리고 표본기간 전체(1999∼2014년)에 해당하는 로그 실질 금융부

채의 시차변수 계수 추정치 0.239가 통계적으로 유의하다는 점에서 (가계의 부채 수준

이 목표 부채량에 미달한 상태라고 가정하면) 부채보유 가구의 부채규모가 일정 기간

지속적으로 증가하고 있음을 알 수 있다. 이는 가계부채가 해당 가계의 연령, 교육 등

인구통계학적 요인을 비롯해 소득 등 경제적인 요인 외에도 대출자격 조건이 성립하

여 가계의 대출이 일단 시작되면 일정 기간 증가하는 일종의 지속성(persistence)이

나타난 현상으로 볼 수 있다.

금융위기 이전 기간 중 기간(1.1)과 기간(1.2)의 추정결과를 살펴보면, 기간(1.1)은

0.280, 기간(1.2)는 -0.033으로 나타났다. 여기서 기간(1.2)의 해당 추정계수는 통계적

유의성이 존재하지 않은 가운데, 그 해석에 주의가 요구된다. 즉, 이는 해당 변수의

추정치를 볼 때 모집단의 모형 계수(또는 모수)가 ‘0’이라는 귀무가설을 기각하지 못

한다는 것이다. 그러나 조정속도 측면에서 살펴보면 기간(1.2)의 조정속도가 

 

이며, 이는 귀무가설 

_

   을 기각하게 되어 통계적 유의성을 가지게 됨을 의미한

다. 이는 다른 기간별 조정속도 추정치에서도 마찬가지로 해석된다. 다시 말해 이는

기간(1.2)의 조정속도(

≡   

) 수준이 통계적으로 유의한 1.033에 해당하는 바 가계

부채의 조정속도가 상당히 빠름을 나타내는 것이다. 예를 들어, 가계의 최초 부채금액

이 100만 원, 목표 부채량이 1억 원이라고 가정하고서 각 기간별로 추정된 조정속도

와 식(3.2)를 이용하여 계산하면 기간(1.1)의 경우 목표 부채량까지의 소요기간이 14

년, 기간(1.2)

23)

_{는 5년으로 나타났다. 참고로 이 두 기간을 포괄하는 기간(1)은 10년,}

기간(2)는 13년, 1999∼2014년에 해당하는 전체 기간에는 12년으로 산출되었다.

24)

빠른 부채조정속도는 KLIPS에 포함되어 있는 부채보유 가구가 목표 부채량 도달

과 관련하여 특별히 추가되는 비용없이 상대적으로 쉽게 자금을 조달하는 것이 가능

해졌음을 의미하며, 빠르게 목표하는 부채수준으로 가계의 부채를 증가시킬 수 있음

을 나타내는 결과라 할 것이다. 그리고 가구의 장기목표 균형점에 대한 소요기간을

이들의 금융기관에 대한 접근성으로 해석한다면 다른 기간에 비해 2006년 이후부터

23) 기간(1.2)에 추정된 조정속도의 경우 부채조정이 즉각적으로 일어나기 어려울 것이라는 보 수적 해석 차원에서 1.033을 이용하여 계산한다. 실제 1.033이 1보다 큰 값으로 즉각적인 조 정이 이루어지는 1에 비해 조정시간이 더 소요된다. 참고로 <표 3.1> 기간(1.2) 시차변수 추 정치 -0.033의 경우 가계 금융부채액이 진동(oscillation)과정을 거치면서 장기균형으로 접근 하는 형태이다. 24) <표 3.1>의 모형에 범주변수에 해당하는 입주형태와 주택종류를 더미변수로 전환한 후 통 제변수로 추가하여 분석한 결과, 동 소요기간이 기간(1.1)은 9년, 기간(1.2) 5년, 기간(1) 9년, 기간(2) 13년, 전체 기간에는 11년으로 나타나 목표 부채량에 대한 소요기간의 전체적인 기간 별 흐름은 <표 3.1>과 큰 차이가 없었다. 다만, 기간(1.1)의 경우 부채의 조정속도가 다소 빠 르게 추정되어 소요기간이 5년 정도 줄어든 것이 특이사항이라 하겠다.

(14)

변수명 종속변수: 로그 실질 금융부채 기간(1.1) (1999∼2005년) 기간(1.2) (2006∼2008년) 기간(1) (1999∼2008년) 기간(2) (2009∼2014년) 전체 기간 (1999∼2014년) 로그 실질 금융부채(-1) 0.280** -0.033 0.184* 0.262*** 0.239*** (0.129) (0.167) (0.105) (0.078) (0.082) 가구주의 성별 -0.179 -0.078 -0.069 0.018 -0.028 (0.202) (0.244) (0.141) (0.107) (0.082) 가구주의 나이 0.027 -0.006 0.014 -0.026 0.003 (0.027) (0.045) (0.025) (0.022) (0.018) 가구주의 나이 제곱 -0.000 0.000 -0.000 0.000 -0.000 (0.000) (0.000) (0.000) (0.000) (0.000) 가구주의 학력 -0.003 0.066 0.019 0.014 0.015 (0.032) (0.057) (0.029) (0.037) (0.024) 배우자의 학력 0.037 0.018 0.034 0.046 0.034 (0.042) (0.057) (0.041) (0.036) (0.027) 자녀 수 -0.004 -0.027 -0.020 -0.008 -0.024 (0.031) (0.046) (0.028) (0.029) (0.020) 로그 실질 소득 0.405** 0.181 0.257** 0.070 0.171** (0.180) (0.161) (0.119) (0.074) (0.077) 로그 실질 금융자산 -0.127** -0.065 -0.101** -0.039 -0.059** (0.065) (0.053) (0.041) (0.035) (0.030)

금융위기 이전까지 부동산 담보를 이용한 우리나라 가구의 부채에 대한 접근성이 한

층 강화되었던 것으로 보인다. 한편, 2008년 금융위기 이후 주택금융 관련 규제 등이

강화되면서 부채의 조정속도는 둔화된 것으로 보인다.

25)

_{가계부채에 대한 다른 설명}

변수와 관련하여 기간(1.1)과 (1.2) 추정치를 비교해 보면 기간(1.1)의 경우 가계소득

이, 기간(1.2)의 경우 가계가 보유한 부동산이 가계부채 증가에 미치는 영향이 상대적

으로 큰 것으로 보였다. 이는 2000년대 초반에는 가계부채 관련 대출이 개인의 소득

등 신용능력에 기초하였다면, 그 이후에는 주로 부동산 담보능력에 기초하여 금융기

관의 대출이 이루어진 것으로 해석할 수 있다. 이러한 대출 패턴은 글로벌 금융위기

이후에도 지속되고 있다. 이는 결국 기간(1.2) 이후 부동산 자산에 대한 투자가 가계

의 부채액을 증가시키는 데 중요한 기여를 하고 있음을 시사한다. 그리고 2014년 이

후부터 최근까지의 거시자료를 볼 때 가계부채의 증가세 확대가 지속되고 있는 가운

데, KLIPS의 자료 미비로 이를 분석하지 못하는 것은 본 연구의 한계라 하겠다.

<표 3.1> 동태패널모형 추정결과 25) 가계의 목표 부채량 도달에 소요되는 기간은 해당 가계에 대한 대출공급의 제약 정도를 나 타내는 것으로 볼 수 있다. 예를 들어, 소요기간이 길수록 가계는 은행으로부터 엄격한 대출 한도를 적용받고 있는 것으로 볼 수 있으며, 이는 결국 가계의 차입제약(borrowing constraint)으로 작용하는 등 가계의 자금조달 관련 기술적 환경이 된다. 따라서 가계의 신용 도 개선이나 은행의 충분한 자금보유 등 특정 가계에 대한 은행의 대출조건이 완화되었다면 이는 가계의 부채조달 환경이 개선됨을 의미하며, 빠른 부채의 조정속도가 나타나게 된다.

(15)

로그 실질 부동산 0.253** 0.536*** 0.380*** 0.532*** 0.411*** (0.106) (0.185) (0.101) (0.135) (0.079)

상수항 0.237 2.018 1.099 1.103 1.280

(1.307) (1.785) (1.147) (0.978) (0.817)

지역 더미 Yes Yes Yes Yes Yes

연도 더미 Yes Yes Yes Yes Yes

조정속도(_{≡  }_) 0.720*** 1.033*** 0.816*** 0.738*** 0.761*** (0.129) (0.167) (0.105) (0.078) (0.082) 소요기간 14년 5년 10년 13년 12년 Hansen  검정 90.60 106.32 191.84 306.49 518.25 [0.242] [0.201] [0.276] [0.417] [0.158] AR(1) -2.70*** -1.13 -1.59 -3.53*** -2.28** [0.007] [0.258] [0.111] [0.000] [0.023] AR(2) -1.42 -0.26 0.17 0.01 -0.18 [0.157] [0.794] [0.868] [0.995] [0.854] -검정 8.96*** 6.16*** 11.64*** 14.81*** 21.98*** [0.000] [0.000] [0.000] [0.000] [0.000] 관측치 수 1,640 1,292 2,932 2,666 5,598 가구 수 944 822 1,360 1,201 1,948 주: 1) 성별의 경우 더미변수로 남자 ‘1’, 여자 ‘0’이며, 학력수준은 미취학 ‘1’, 무학 ‘2’, 초등학 교 ‘3’, 중학교 ‘4’, 고등학교 ‘5’, 2년제 대학 또는 전문대학 ‘6’, 4년제 대학 ‘7’, 대학원 석 사 ‘8’, 대학원 박사 ‘9’, 금액변수들은 실질변수이며 단위는 만 원임. 2) ( )안은 표준오차를, [ ]안은 -값을 나타내며, 추정 시 가계 가중치(98표본)를 반영함. 3) *, **, ***은 각각 10%, 5%, 1% 수준에서 유의함을 의미함. 4) 동태패널모형에서 가구주의 성별이 추정되는 이유는 분석데이터에 가구주가 변경되는 경우가 존재하기 때문임. 5) 목표 부채량까지의 소요기간은 추정된 조정속도에 대해 가계의 최초 부채금액이 100만 원, 목표 부채량이 1억 원일 때를 가상으로 상정하여 산출한 것임.

마찬가지 방법으로 소득그룹별

26)

_{조정속도를 구해보면, 전반적으로 저소득층에서}

중소득층, 고소득층으로 갈수록 조정속도가 빠른 것으로 나타났다. 저소득층의 경우

기간(1), 기간(2), 전체 기간에 걸쳐 다른 소득계층에 비해 가장 낮은 부채 조정속도를

보여 주었다. 그 결과 <표 3.2>에 나타난 바와 같이 최초 부채금액 100만 원에서 목

표 부채량 1억 원에 도달하기까지 금융위기 이전인 기간(1)에 23년, 금융위기 이후인

기간(2)에 36년이 소요되는 것으로 계산되었다. 저소득층의 경우 금융위기 이후 들어

금융기관에 대한 접근성이 더 약화된 것으로 보인다. 반면, 중․고소득층의 경우 기간

에 따라 차이가 있으나, 전체 기간으로 볼 때 고소득층의 조정속도가 가장 빠른 것으

26) 저․중․고소득그룹의 경우 각 기간별로 해당 가구의 실질 평균소득을 기준으로 3등분하여 구분하였다. 각 기간별로 소득그룹을 구분하는 결절점(cutpoint)은 <표 3.2>에 나타나 있으니 참고하기 바란다. 한편, 특정 기간 동안 가구의 평균소득을 기준으로 하는 분석방법의 경우 가구의 소득그룹 정보에 대한 정확성을 약화시키는 측면을 가지고 있어 이는 본 연구의 한계 로 볼 수 있다.

(16)

로 나타났다. 이는 결국 KLIPS의 전체 분석대상 표본기간을 통해 소득이 높은 계층

일수록 부채접근이 보다 용이했음을 시사한다. 즉, 주어진 동일한 자산수준에 대해 저

소득층의 경우 낮은 소득 수준으로 부채조달이 용이하지 않아 목표 부채량으로 조정

되어 과정이 상대적으로 천천히 이루어진 반면, 중․고소득계층의 경우 높은 소득 수

준에 따른 신용능력으로 부채조정이 빠르게 이루어졌을 가능성이 높다는 것이다. 이

는 제2장에서 기술된 거시적 관점의 가계부채 현황과 일치하는 결과라 하겠다.

<표 3.2> 기간별․소득그룹별 조정속도 및 소요기간 구분 종속변수: 로그 실질 금융부채 기간(1) (1999∼2008년) 기간(2) (2009∼2014년) 전체 기간 (1999∼2014년) 저소득층 중소득층 고소득층 저소득층 중소득층 고소득층 저소득층 중소득층 고소득층 1,739.27만원 ≤ 3,181.55만원 ≤ 1,653.01만원 ≤ 3,635.40만원 ≤ 1,749.79만원 ≤ 3,352.57만원 ≤ 조정속도(_{≡  }_₎ 0.510*** 0.845*** 0.925*** 0.366 0.562*** 0.469** 0.348*** 0.674*** 0.850*** (0.172) (0.114) (0.099) (0.233) (0.151) (0.207) (0.089) (0.099) (0.088) 소요기간 23년 9년 7년 36년 21년 27년 38년 16년 9년 주: 1) ( )안은 표준오차를 나타내며, *, **, ***은 각각 10%, 5%, 1% 수준에서 유의함을 의미함. 2) 연도 더미도 통제하였으며, 추정 시 가계 가중치(98표본)를 반영함. 3) 기간(1.2)의 경우 모든 소득그룹에 대해 AR 검정을 통과하지 못하는 등 동태패널분석 시 사용된 도구변수가 유효하지 않은 것으로 나타나 금융위기 이전의 세부기간인 기간 (1.1)과 기간(1.2)의 분석결과를 제외함. 4) 목표 부채량까지의 소요기간은 추정된 조정속도에 대해 가계의 최초 부채금액이 100만 원, 목표 부채량이 1억 원일 때를 가상으로 상정하여 산출한 것임.

3.3 추가 분석결과

본 연구는 앞선 분석결과에 더하여 가계부채에 대한 장기적 균형 관계와 기간별

조정속도를 동태패널오차수정모형(dynamic panel error correction model)을 사용하여

추가로 살펴보고자 한다.

27)

_{추정을 위한 일반적 모형은 아래 식 (3.6)과 같이 표시된}

 



(3.6)

실제 식 (3.6)은 MG(mean group) 모형으로 불리는데, 오차수정항 

  

 



′



는

27) Pesaran & Smith(1995)는 패널()에 비해 기간()이 긴, 즉 일 경우 고정효과 모형, 도구변수 활용 모형, 동태적 패널모형 등 전통적 패널모형을 사용하고 개별 패널별로 추정계 수가 다르다고 가정한 모형일 때 그 추정계수의 평균이 일치성(consistency)을 가지지 않을 수 있음을 지적하고 있다. 여기서 본 연구의 경우 에 해당되어 동 저자들이 지적한 문 제에 해당하지 않을 것으로 판단되나 강건성 차원에서 추가분석을 실시하였다.

(17)

변수명 종속변수: 로그 실질 금융부채 기간(1.1) (1999∼2005년) 기간(1.2) (2006∼2008년) 기간(1) (1999∼2008년) 기간(2) (2009∼2014년) 전체 기간 (1999∼2014년) 모형(1) 모형(2) 모형(1) 모형(2) 모형(1) 모형(2) 모형(1) 모형(2) 모형(1) 모형(2) - 장기 추정치(





) 가구주의 성별 -- -0.045 -- 0.000 -- -0.537 -- 0.025 -- -0.166 -- (0.764) -- (0.000) -- (0.655) -- (0.304) -- (0.281) 가구주의 나이 -- 0.259* -- 0.209 -- 0.212*** -- 0.120** -- 0.106*** -- (0.140) -- (0.184) -- (0.079) -- (0.050) -- (0.033) 가구주의 나이 제곱 -- -0.003** -- -0.003 -- -0.002*** -- -0.001** -- -0.001*** -- (0.001) -- (0.002) -- (0.001) -- (0.001) -- (0.000) 가구주의 학력 -- 0.193 -- 0.077 -- 0.168 -- -0.460*** -- -0.190** -- (0.188) -- (0.410) -- (0.155) -- (0.165) -- (0.091) 배우자의 학력 -- 0.367 -- 1.132** -- 0.525** -- 0.011 -- 0.148* -- (0.260) -- (0.455) -- (0.211) -- (0.147) -- (0.088)

가계부채와 가계의 특징 간 장기적 관계(long-run relationship)를 나타낸다. 추정방법

으로는 개별 패널 별로 회귀분석을 실시하여 추정치를 얻으며, 이를 산술평균하여

 

, 



 , 



 )을 부여할 경우 식 (3.6)은 DFE

(dynamic fixed effect) 모형이 되며, 본 연구에서는 동 모형을 사용하여 가계부채의

장기적 균형 관계와 관련 조정속도를 추정하기로 한다.

28)

<표 3.3>은 DFE 형태의 기간별 동태패널오차수정모형을 추정한 결과를 보여주고

있다. 장기적 균형 관계를 보여주는 오차수정항의 결과를 보면 전반적으로 부동산 보

유가 많을수록, 소득수준이 높을수록 가계부채가 많은 것으로 볼 수 있다. 이는 (기간

에 따라 그 크기에 차이가 있으나) <표 3.1> 동태패널모형을 이용한 추정결과와 크게

다르지 않다. 또한, 가구주의 성별, 나이, 배우자의 학력수준도 동태패널모형의 결과와

유사한 것으로 나타났다. 다만, 가구주의 학력수준 추정결과는 상이한 것으로 보인다.

29) <표 3.3> 동태패널오차수정모형 추정결과 28) 본 연구에서 분석데이터로 사용하고 있는 KLIPS에 대해 MG 및 PMG 모형이 추정되지 않 는 문제점이 있어 DFE 모형을 사용하였다. 이러한 문제의 원인을 추정해 보면 패널별로 이 루어지는 MG 및 PMG 모형에서 해당 패널의 관측치()가 충분하지 않은 것이 추정상 문제 발생의 원인으로 보인다. 즉, 분석데이터(즉, KLIPS)의 기간()이 짧은 것이 MG 및 PMG 모형 추정의 어려움에 대한 근본적 원인으로 판단된다. 29) <표 3.1>의 동태패널모형 설명변수 추정치를 조정속도 추정치(   )로 나누면 해당 설 명변수가 종속변수 가계부채에 미치는 장기적 영향을 나타냄에 유의하기 바란다. 이와 관련 하여 동태패널모형의 장기균형식인 식(3.5)와 동태패널오차수정모형 식(3.6)의 오차수정항을 서로 비교할 수 있다.

(18)

자녀 수 -- -0.186* -- -0.518** -- -0.249*** -- -0.024 -- -0.106*** -- (0.095) -- (0.204) -- (0.078) -- (0.059) -- (0.040) 로그 실질 소득 -0.021 -0.022 0.103 0.094 0.206** 0.122 0.091 0.105 0.183*** 0.117* (0.101) (0.129) (0.189) (0.207) (0.089) (0.109) (0.072) (0.079) (0.058) (0.069) 로그 실질 금융자산 0.005 0.031 0.004 0.010 -0.015 0.009 -0.040 -0.031 -0.051** -0.036 (0.040) (0.045) (0.060) (0.063) (0.033) (0.037) (0.025) (0.027) (0.021) (0.023) 로그 실질 부동산 0.181** 0.250** 0.071 0.080 0.361***0.301***0.380***0.416***0.568***0.524*** (0.082) (0.111) (0.132) (0.157) (0.062) (0.082) (0.069) (0.074) (0.043) (0.053) 조정속도(



 



)-1.044*** -1.086*** -1.283*** -1.357*** -1.002*** -1.063*** -0.936*** -0.972*** -0.814*** -0.855***_{(0.048) (0.056) (0.058) (0.066) (0.033) (0.038) (0.027) (0.031) (0.019) (0.021)} - 단기 추정치(





,



2) 개별 고정효과를 통제한 DFE(dynamic fixed effect) 모형을 사용하여 추정한 것임.

동태패널오차수정모형의 조정속도()는 모형의 구조상 동태패널모형의 음(-)의 조

정속도( )와 비교할 만하다. 이러한 점을 감안하여 <표 3.4>가 보여주는 조정속도

를 해석하면, 금융위기 이전 기간의 경우 기간(1.1)에 비해 기간(1.2)에 가계부채의 조

정속도가 빨라지다 금융위기 이후인 기간(2)에 들어 그 속도가 완화된 것으로 나타났

다. 이러한 결과는 <표 3.1>에 나타난 기간별 가계부채의 조정속도와 논리적으로 일

치하는 결과라 하겠다.

(19)

4. 결론 및 시사점

본 연구는 우리나라 가계부채의 지속적 증가 현상에 대한 분석을 시도하였다. 글

로벌 금융위기와 재정위기 이후 디레버리징을 일어나고 있는 주요 국가와 달리 우리

나라는 가계부채가 지속적으로 증가하고 있어 이에 대한 우려가 커지고 있다. 이에

본 연구는 개별 가계가 스스로 목표로 하는 부채량을 가지고 있다는 점을 가정하고

서 가계부채의 동태적 특성을 살펴보았다. 분석결과 우리나라의 평균적인 부채보유 가계

는 자신의 목표 부채량 수준으로 접근시키는 특징을 보이고 있어 동 기간 동안 가계

부채가 지속적으로 증가할 가능성이 있는 것으로 분석되었다. 이와 같은 행태는 그간

가계부채가 다양한 경제·사회적 요인에 의해 결정되는 것 이외에도 가계부채가 갖고

있는 고유한 속성에 따라 부채가 증대될 수 있음을 시사하고 있다.

2008년 금융위기 전후로 나누어 KLIPS의 가계부채를 살펴본 결과, 금융위기 이후

2014년까지 부채보유 가구의 부채 조정속도는 둔화된 것으로 나타났다. 이는 금융위

기에 따른 불확실성 증대와 2006년에 시행되었던 DTI 규제의 정책효과로 자금조달을

위한 가계의 금융기관 접근성이 약화된 결과로 보인다. 금융위기 이전 기간을 구분하

여 분석한 결과, 2000년대 중반 이후 금융위기 직전까지 가계부채의 조정속도는 상당

히 빨라진 결과를 얻었다. 이는 동 시기에 우리나라 가계부채의 급증현상을 설명하는

미시적 결과라 할 것이다. 이러한 현상의 원인으로 금융위기 직전 주택가격 상승과

함께 금융혁신에 따른 가계부문의 금융기관 접근성 강화와 주택금융제도의 변화 등

제도적 요인이 제기될 수 있다. 그리고 소득계층별로 분석결과를 살펴보았을 때 저소

득계층에 비해 중·고소득계층의 부채 조정속도가 빠르게 나타나 이들 계층을 중심으

로 부채가 빠르게 증가할 가능성도 엿볼 수 있었다. 다만, 이와 같은 제도적 특징이나

공급적 요인들이 부채조정 속도나 가계부채 수준의 지속성과 실제로 어떠한 관계를

가질지에 대해서는 향후과제를 통해 보다 엄밀히 분석될 필요가 있다.

(2017년 6월 16일 접수, 2017년 9월 11일 수정, 2017년 9월 24일 채택)

(20)

<부록>

<부록 표 1> Pooled OLS와 고정효과 패널모형 추정결과 변수명 종속변수: 로그 실질 금융부채 기간(1.1) (1999∼2005년) 기간(1.2) (2006∼2008년) 기간(1) (1999∼2008년) 기간(2) (2009∼2014년) 전체 기간 (1999∼2014년) OLS 고정효과 OLS 고정효과 OLS 고정효과 OLS 고정효과 OLS 고정효과 로그 실질 금융부채 (-1) 0.628*** 0.044 0.511*** -0.261*** 0.576*** 0.075*** 0.678*** 0.081*** 0.630*** 0.239*** (0.019) (0.037) (0.026) (0.048) (0.016) (0.026) (0.014) (0.023) (0.010) (0.016) 가구주의 성별 -0.056 -0.389 -0.058 0.570 -0.071 -0.786** -0.068 -0.051 -0.061 -0.325* (0.129) (0.512) (0.133) (0.978) (0.091) (0.362) (0.054) (0.232) (0.048) (0.176) 가구주의 나이 0.026* 0.172** 0.000 -1.771 0.016 0.196*** -0.025** 0.141*** -0.005 0.099*** (0.014) (0.081) (0.019) (1.372) (0.011) (0.053) (0.010) (0.055) (0.008) (0.026) 가구주의 나이 제곱 -0.000** -0.001 -0.000 -0.002 -0.000* -0.001*** 0.000** -0.001*** 0.000 -0.001*** (0.000) (0.001) (0.000) (0.002) (0.000) (0.000) (0.000) (0.000) (0.000) (0.000) 가구주의 학력 0.013 0.030 0.005 -0.007 0.010 0.075 -0.017 -0.267* -0.004 -0.058 (0.019) (0.126) (0.027) (0.270) (0.016) (0.088) (0.014) (0.155) (0.010) (0.063) 배우자의 학력 -0.006 0.313 0.006 0.463 -0.001 0.160 0.018 0.165 0.009 0.079 (0.023) (0.232) (0.030) (0.349) (0.019) (0.143) (0.015) (0.121) (0.012) (0.069) 자녀 수 -0.022 -0.074 -0.002 -0.245* -0.016 -0.092** 0.009 -0.027 -0.002 -0.065*** (0.022) (0.058) (0.031) (0.128) (0.018) (0.044) (0.015) (0.039) (0.012) (0.023) 로그 실질 소득 0.162*** -0.003 0.171*** 0.087 0.168*** 0.077 0.131*** -0.035 0.150*** 0.051* (0.035) (0.065) (0.048) (0.126) (0.029) (0.052) (0.024) (0.038) (0.019) (0.030) 로그 실질 금융자산 -0.050*** -0.036 -0.036* -0.002 -0.045*** -0.035** -0.026** -0.009 -0.038*** -0.030*** (0.014) (0.022) (0.020) (0.037) (0.012) (0.018) (0.011) (0.014) (0.008) (0.011) 로그 실질 부동산 0.205*** 0.168*** 0.256*** 0.135 0.223*** 0.266*** 0.241*** 0.351*** 0.232*** 0.323*** (0.025) (0.051) (0.035) (0.091) (0.021) (0.041) (0.021) (0.043) (0.015) (0.027) 상수항 -0.382 -0.095 0.340 89.153 -0.112 -1.218 0.095 1.297 0.052 0.543 (0.427) (2.958) (0.544) (60.299) (0.335) (2.009) (0.293) (2.412) (0.223) (1.068)

지역 더미 Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes

연도 더미 Yes Yes Yes Yes Yes Yes Yes Yes Yes Yes

관측치 수 1,642 1,642 1,292 1,292 2,934 2,934 3,012 3,012 5,946 5,946 가구 수 -- 945 -- 822 -- 1,361 -- 1,372 -- 2,119 주: 1) ( )안은 표준오차를 나타냄. 2) *, **, ***은 각각 10%, 5%, 1% 수준에서 유의함을 의미함. 3) 고정효과 모형에서 가구주의 성별이 추정되는 이유는 분석데이터에 가구주가 변경되는 경 우가 존재하기 때문임. 4) 패널데이터 모형의 경우 패널 또는 시간에 해당하는 요인을 고려할 수 있는데, 이를 고정 적 요인으로 간주할 경우 고정효과 모형, 확률적 요인으로 간주할 경우 확률효과 모형이라 함. 한편, 이러한 요인을 전혀 고려하지 않고 일반적인 OLS 모형으로 사용할 경우 pooled OLS 모형에 해당함.