에어비앤비가 아파트 월세에 미치는 영향 : 서울특별시 용산구 아파트를 중심으로

국문 초록 (Abstract)

한국에서도 공유경제에 대한 논의가 활발히 진행되고 있으며, 본 연구는 대표적인 단기 임대 플랫폼인 에어비앤비의 확산이 아파트 월세에 미치는 영향을 분석하는 데 목적을 두었다. 연구 대상 지역은 서울시 용산구이며, 분석 기간은 2014년부터 2024년까지로 설정하였다. 본 연구는 국토교통부에서 제공하는 주택 실거래가 자료와 2024년 에어비앤비에서 수집한 데이터를 활용하였으며, 에어비앤비 리스팅 수와 월세 간의 상관관계를 정량적으로 도출하였다.
분석 결과, 에어비앤비 밀집도는 특정 지역 내 월세 상승과 밀접하게 연관된 것으로 나타났다. 코로나 이전 500m 내 에어비앤비 리스팅 수의 회귀계수는 0.0174였으나 팬데믹 이후 0.0756으로 크게 증가하였다(P-값 < 0.05). 이는 에어비앤비 확산으로 인해 단기 임대 수요가 증가하면서 해당 지역의 월세 상승 압력을 가중시켰음을 보여준다.
이와 함께 월세에 영향을 미치는 다양한 요인을 분석한 결과, 팬데믹 이후 월세 결정에 중요한 변화가 나타났다. 전용면적이 클수록 월세가 높아지는 양의 관계는 팬데믹 이후 더욱 강화되었다. 코로나 이전 전용면적의 회귀계수는 0.0199였으나 팬데믹 이후 0.0234로 증가하였으며, 이는 재택근무와 원격 학습의 확산으로 넓은 주거 공간에 대한 수요가 높아졌음을 시사한다.
반면, 건축 연수가 오래될수록 월세가 낮아지는 음의 관계는 팬데믹 이후 더욱 뚜렷해졌다. 코로나 이전 건축 연수의 회귀계수는 -0.0143이었으나 팬데믹 이후 -0.0286으로 변하였으며, 이는 팬데믹 이후 신축 아파트에 대한 선호 증가를 반영한다. 또한, 건축 연수의 제곱 항은 팬데믹 이전에는 유의미하지 않았으나 팬데믹 이후 양의 값으로 전환되어, 일정 시점 이후 오래된 건물의 리모델링 또는 보존 가치가 월세 상승에 영향을 미칠 가능성을 보여준다.
지역적 특성도 팬데믹 이후 월세 상승에 중요한 요인으로 작용하였다. 초등학교 근접성과 월세 간 양의 관계는 팬데믹 이전보다 팬데믹 이후 더 강화되었으며, 코로나 이전 회귀계수는 0.00009301에서 팬데믹 이후 0.0002로 증가하였다. 이는 가족 단위 거주자들이 교육 환경을 더 중요시하면서 초등학교 근접성이 월세 결정에 중요한 요인으로 작용했음을 시사한다. 반면, 한강공원 접근성과 월세 간 음의 관계는 팬데믹 이후 다소 완화되었다. 코로나 이전 회귀계수는 -0.1162였으나 팬데믹 이후 -0.0898로 변화하였으며, 이는 팬데믹 이후 자연 환경의 중요성이 부각되면서 한강공원 접근성이 긍정적인 요인으로 작용했을 가능성을 보여준다.
결론적으로, 본 연구는 에어비앤비 확산이 아파트 월세에 미치는 영향을 거리와 시기에 따라 구체적으로 분석함으로써, 공유숙박 서비스가 주택 임대 시장에 미치는 구조적 변화를 실증적으로 제시하였다. 이러한 연구 결과는 지역 경제 활성화와 주거 안정성 간의 균형을 고려한 정책적 대응의 필요성을 강조하며, 공유경제 플랫폼이 지역 주택 시장에 미치는 영향을 이해하고 미래 정책 수립에 기초 자료로 활용될 수 있을 것이다.

다국어 초록 (Multilingual Abstract)

The sharing economy has been a topic of active discussion in South Korea, and this study aims to analyze the impact of the expansion of Airbnb, a prominent short-term rental platform, on apartment rents. The study focuses on Yongsan-gu, Seoul, as the target area, covering the analysis period from 2014 to 2024. Utilizing transaction data on housing provided by the Ministry of Land, Infrastructure, and Transport, along with Airbnb data collected in 2024, this research quantitatively examines the correlation between the number of Airbnb listings and monthly rents.
The analysis reveals that the density of Airbnb listings is closely associated with increases in monthly rents in specific areas. The regression coefficient for the number of Airbnb listings within 500 meters rose significantly from 0.0174 before the pandemic to 0.0756 after the pandemic (P-value < 0.05), indicating that the rise in short-term rental demand driven by Airbnb has exacerbated upward pressure on rents in nearby areas.
Further analysis of various factors influencing rents highlights notable changes in rent determinants after the pandemic. The positive relationship between apartment size and monthly rent became more pronounced, with the regression coefficient increasing from 0.0199 before the pandemic to 0.0234 after the pandemic. This suggests heightened demand for larger living spaces due to the widespread adoption of remote work and online learning.
Conversely, the negative relationship between building age and monthly rent intensified, with the regression coefficient declining from -0.0143 before the pandemic to -0.0286 after the pandemic, reflecting increased preferences for newer apartments. Additionally, the squared term of building age, which was insignificant before the pandemic, turned positive after the pandemic, indicating that older buildings may add value to rents through potential remodeling or preservation at certain points.
Regional characteristics also played a significant role in rent increases after the pandemic. The positive correlation between proximity to elementary schools and rents strengthened, with the regression coefficient rising from 0.00009301 before the pandemic to 0.0002 afterward, suggesting a growing emphasis on educational environments among family residents. On the other hand, the negative correlation between proximity to Hangang Parks and rents weakened, with the regression coefficient shifting from -0.1162 before the pandemic to -0.0898 after the pandemic, potentially reflecting an increased appreciation for natural environments during the pandemic.
In conclusion, this study provides empirical evidence of the structural changes in the housing rental market caused by the expansion of Airbnb, analyzing the effects by distance and period. The findings underscore the need for policy responses that balance local economic activation with housing stability. They also offer valuable insights into the impact of sharing economy platforms on local housing markets, serving as a foundational resource for future policymaking.

목차 (Table of Contents)

• <제목차례>
• 제목 차례 ⅰ
• 표 차례 iii
• 그림 차례 iv
• 국문 초록 vi
• I. 서 론 1
• 1. 연구의 필요성 및 목적 1
• 2. 연구 문제 5
• 3. 연구 범위 6
• 4. 연구 순서 7
• 5. 용어 정의 9
• 6. 연구의 제한점 10
• II. 이론적 배경 12
• 1. 공유경제 12
• 2. 에어비앤비 19
• 3. 선행연구 분석 34
• 4. 선행연구와의 차별성 38
• Ⅲ. 데이터 및 변수구성 39
• 1. 연구 방법 39
• 2. 연구 자료 40
• 3. 데이터 정제 및 처리 40
• 4. 변수 구성 40
• 5. 사례지역 42
• 6. 분석 모형 44
• 7. 변수구축 과정 44
• 8. 접근성 데이터 구축 45
• Ⅳ. 에어비앤비와 아파트 월세와의 관계 분석 결과 48
• 1. 모형 적합도 48
• 2. 회귀분석 결과 48
• 3. 코로나 전후 비교 분석 50
• Ⅴ. 요약 및 결론 54
• 1. 요약 54
• 2. 결론 55
• 참고 문헌 59
• 영문 초록 65