(2022.2.9. 여기 온라인에 처음 작성해 공개) 아래 글은 이혁주 교수(서울과학기술대학교 행정학과)와 계획가 및 진보계열 연구자간 논쟁이 담긴 이메일을 실시간으로 올린 것이다. 2017.5 집권 후 문재인 정부 부동산정책과 토지의 탈상품화 논의를 둘러싸고 벌어진 논쟁을 담았다. 당시의 시대적 혼란에 대해 학계와 전문가가 어떻게 이해하고 있었는지를 보여주기 위해 기록으로 남긴다. 1차 연구사료로 이용되기 바란다.

주제어: 집값, 부동산, 과학, 측정, 스칼라십

등장 인사: 이혁주(서울과기대), 전강수(대구카톨릭대), 김경민(서울대), 박진백, 이태리(국토연구원), 김수현, 변창흠(세종대), 이창무(한양대), 박은철(서울연구원), 이준구(서울대)

참관: 대한국토도시계획학회 및 한국행정학회 회원, 국토연구원 및 서울연구원 도시계획 부서 연구자, 민간 전문가 등 47명

찾기: Ctrl + F를 하고 찾는 문구를 입력할 것 

안내 말씀: 이 사이트를 방문한 방문자에 관한 일체의 정보가 기록되거나 보관되지 않습니다. 이 사이트는 구글 site 도구를 이용해 만들었는데, 이 도구는 관련 정보를 제공하지 않습니다. 여기에 기술된 연구 아이디어와 자료, 파일 등 일체를 인용, 사사 없이 자유롭게 이용할 수 있습니다(논문/저서화 포함). 

논쟁 요약

최근 몇 년 동안 부동산 전문가들 사이에서 집값 문제를 두고 격렬한 논쟁이 있었다. 이 논쟁은 크게 투기 원인론(투기 때문에 집값이 높다는 주장)과 과잉 규제 및 공급 부족론의 충돌로 요약된다. 여기 실린 내용은 이러한 주요 논쟁 외에도 관련 주제를 상세하고도 광범위하게 논의한 결과를 모아 놓은 참여관찰 기록이다. 통계적 검증과 정식분석(formal analysis)을 거친 결론을 다수 포함하고 있기 때문에, 좌우가 크게 충돌하는 부동산문제의 핵심 쟁점에 관한 다수 전문가의 지혜와 학술적 성과를 집약한 내용이라고 보아도 크게 문제가 없다. 

1. 관찰 결과

주요 내용은 다음과 같다.

첫째, 2003년 노무현 정부 이후 부동산 정책을 보수와 진보의 대립적 구도에서 분석한 결과, 투기원인론은 근거가 부족하고 노무현 정부 이래 오른 주택가격은 팬데믹 요인을 제외하고 대부분 진보정권 부동산정책의 산물이다. 또한 주택가격 상승도 투기 억제의 실패 때문이 아니라, 오히려 진보정권의 정책이 투기를 자극한 결과였다. 좀 더 구체적으로, 주택거래 전수(全數) 정보가 존재하는 문재인 정부 때 자료를 분석하면, 당시 정부의 반복적 시장개입이 주택시장의 투기장적 요소(가격, 거래물량, 거래가격 분포의 산포도)를 자극하면서 임기 중 주택가격을 지속적으로 상승시켰다. 투기원인론은 지난 수십년 동안 여러 저자가 다양한 경로를 통해 반복적으로 발신했음에도, 공통적으로 인과론적 측정에 기반한 것이 아니고 경험적 규칙성에 관한 인문학적 해석에 가까운 것이었다. 좀 더 기술적으로 아래와 같은 내용이 논쟁과정에서 경험적 근거가 확보되었다. 

● 보수는 주택가격 하락기에 집권했고 진보는 주택가격 상승기에 집권한 결과, 보수정권에서 주택가격이 안정되었고 진보정권에서 주택가격이 상승했다는 문재인 정부 청와대와 진보 일각의 집값 주기론은 통계적으로 지지되지 않는다. 그런 주기성은 보수와 진보의 상이한 정책이 낳은 주택가격의 순환변동이었음이 다양한 통계 모형에서 일관되게 확인된다. 2022년 보수정권의 등장 후 급락했던 서울 아파트 가격은 주택가격 변동의 기저 기제 변화에 따른 평균회귀 현상이었다. 2022년 5월 전후로 문재인 정부 시기 가격상승 추세에서 진보정권의 정책 효과를 제거하면 가격은 하락 추세로 전환되는데, 이는 바로 주택가격의 정책주기론이 예측하는 바이다. 여타 요인들은 유의하지 않거나 유의한 변수도 정권 교체 전후 별다른 변동이 없어서, 이들 요인을 이용해 실연(實演)하면 정권교체 후 급격한 가격하락을 재현해 낼 수 없다. 주택거래 마이크로 자료가 제공되지 않는 노무현 정부의 경우 시장의 투기장적 지표를 사용할 수 없어 한계는 있지만, 여기서도 정권이 보수정권으로 바뀐 직후 주택가격 시계열에서 노무현 정부의 정권효과를 제거하면, 주택가격이 상향 추세에서 하향 추세로 급격하게 바뀌는 것을 통제된 실험환경에서 확인할 수 있다. 

● 2008년 글로벌 금융위기 이후 문재인 정부 출범시까지 과잉 유동성 때문에 서울의 주택가격이 높았다는 주장은 검토 대상에 포함된 대부분의 과잉 유동성 관련 지표가 통계적으로 유의하지 않아 지지되지 않았으며, 유의한 일부 지표에서도 그 영향은 크지 않았다. 여타 금융요인도 마찬가지로 설명력이 불분명했다. 이후 문재인 정부 때 오른 주택가격은 정부요인이 2~3, 팬데믹 요인 1의 비율로 구성되었고 각 요인은 유의했다. 이 비율은 측정 모형에 포함한 변수군에 따라 다소 차이는 있지만, 문헌에서 거론한 변수 가운데 검토대상으로 선정한 모든 변수군의 모형에서 비슷한 결과를 얻었다. 

● 보수정권에 비해 진보정권의 부동산 정책은 시장에 대한 기대(expectation)의 이질성(heterogeneity)을 증가시켰다. 그 결과 진보정권 시기에는 시장 수요곡선이 보수정권과 비교해 상향 이동했으며, 이는 두 정권의 시장 성과에 큰 차이를 초래했다. 글로벌 금융위기가 발생했던 2008년 이후 통계를 이용한 분석 결과에 따르면, 정권의 성격 차이가 수요곡선의 이동 여부와 정도를 좌우했는데, 이는 역대 정권에서 주택 가격의 안정 여부가 개별 정책의 성격보다 정책의 전반적인 기조와 강도 차이에 의해 결정되었음을 시사한다. 이 경우, 서울 주택 가격의 설명변수로서 경제 변수의 영향은 정권 변수에 비해 매우 제한적인 것으로 나타나게 되며, 실제로도 그러했다. 심지어 문재인 정부 시기 서울 주택가격을 일체의 경제변수를 생략한 임의행보 모형(random walk with drift model)으로 근사하는 것도 가능했다.

둘째, 그러나 이러한 분석결과에도 불구하고 높은 집값이 진보정권의 산물이라는 보수와 시장주의자의 주장 역시 문제의 본질과 큰 괴리가 있다. 2017년 5월 문재인 정부 출범 때 기존 아파트 단지에서 건축비가 서울 집값에서 차지하는 비중을 측정하면 2,30%에 불과했다. 이 말은 주택공급에 따른 각종 부작용(과밀 혼잡, 경관 파괴, 수도권 집중, 투기와 불로소득 조장)을 억제하고자 서울 아파트 단지 주택에 부과한 일종의 피구세(Pigouvian tax)가 집값의 7,80%에 달했다는 의미이다. 그런데 계획가는 토지이용계획과 용도지역제를 통해 주택공급에 절대적인 영향을 미친다. 이 피구세는 이런 계획제도적 요인이 주택의 본원가격(fundamental value)에 반영되어 시현된 계획결과(planning outcome)로서, 서울 아파트 단지에서 토지의 기회비용이 제로임을 시사한다. 이 지표를 이용해 서울 주택가격에서 여러 가지 요인이 차지한 비중을 따져 보면, 문재인 정부요인은 애교 수준이다. 이 피구세율은 계획계의 유구한 직업 정체성(professional identity)에 기반한 실무적 관행으로, 체계적인 규범적 분석을 토대로 설정된 것은 아니었다. 이렇게 높은 세율이 지난 수십년 동안 서울 주택가격에 존재했는데, 그 크기는 담배에 부과된 세율 74%와 비슷하고, 전국 대도시권에서 정도 차이는 있지만 광범위하게 관찰된다. 이러한 사실은 2025년 현재도 불변이다. 주택가격에 존재하는 피구세율이 이렇게 높다는 것은 주택의 추가공급을 통해 획득가능한 추가적인 사회적 순편익이 그에 비례해 크다는 것을 시사하고, 그만큼 주택의 과소공급이 심하다는 의미이다. 

2. 해석

서울에서 주택이 이 정도로 과소공급된 것이라면, 과잉유동성과 투기 때문에 집값이 높았다고 믿었던 문재인 정부의 대책은 시장전망의 불확실성을 증가시켰을 가능성이 높았다. 실제로 문재인 정부가 들어선 이후 거래가격의 산포도(dispersion)는 계속 확대되었다. 거래가격 분포의 산포도 증가는 시장전망의 이질성 증가를 보여주는 지표로서, 공급부족이 아니라면 임기중 시종일관 확대되는 패턴이 관찰되어서는 안 된다. 이뿐만 아니라 각종 투기억제 대책은 가격 기대가 높은 소수의 시장참여자로 수요-공급자 풀(pool)을 좁혔다. 효과의 가역성(reversibility)에 관해서는 논란의 여지가 있지만, 이렇게 고액 거래자 중심으로 재편된 풀이 거래가격 분포의 산포도 확대와 결합하여 수요-공급곡선의 상향 이동과 거래가격의 상향 조정을 유발했다. 당시 분양주택의 공급축소는 잘 알려져 있었지만, 정부요인과 같은 충격이 거래가격에 미친 영향을 수요-공급분석 틀로 옮겨 다시 해석하면, 거래량이 평균 기준 이전 정권과 큰 차이가 없었던 재고주택 시장에서조차 공급곡선이 수요곡선과 거의 같은 크기로 상향 이동(즉 좌측 이동)했고, 그 결과 거래가격이 대폭 상승했다. 

시장의 기대가 변할 때, 이런 변화가 반영된 수요-공급곡선은 거래량과 거래가격을 얼마든지 같은 방향으로 혹은 반대 방향으로 변하게 할 수 있다. 좀 더 구체적으로, 심화된 부정적 시장 기대가 거래량 감소와 결합할 때 주택가격 상승속도는 더 높게 나타났는데, 문 정부 시기 재고시장 대비 분양시장에서, 문 정부 전반기 재고시장 대비 후반기 재고시장에서 이 점을 확인할 수 있다. 이와 대조적으로 문 정부 전반기에 재고시장에서는 거래량 확대로 주택가격 상승이 후반기보다 더디게 진행되었다. 문재인 정부 시기의 분양시장과 재고시장을 해석할 때, 기대 변화 요인을 반영하지 않으면 일견 당혹스러운 통계들을 이해하기 매우 어렵다. 

이렇게 정부의 시장충격이 새 아파트와 기성 아파트를 가리지 않고 주택시장의 수요-공급 양측면 모두에 가해진 결과, 당시 강력하게 통제되었던 가구신용 경로(household credit channel)조차 무력화되었고, 수요 및 공급곡선의 동반 상향 이동은 문재인 정부의 기대에 반해 임기중 집값을 큰 폭으로 올리는 기저 원인으로 작용했다. 당초 정부의 투기억제 대책은 수요곡선의 하향 이동을 노린 것이었다. 

문 정부의 주택부문에 대한 충격은 28회 반복되었는데, 정부가 대책을 발표할 때마다 그 충격이 주택시장 안에서 투기장 지수를 자극하고, 투기장 지수와 주택가격이 상호 견인하면서 주택가격이 올랐다. 이어서 이렇게 주택시장 안에서 증폭된 가격은 주택시장 밖에서 정부 충격에 의해 임기중 수십 차례 다시 이중 증폭되는 확대과정을 겪었다. 그리고 정부 충격은 대체로 주택가격 변수를 매개로 금융시스템의 가계대출을 자극했고, 이런 자극은 시차를 두고 주택가격과 상호 견인하면서 주택가격을 다시 끌어올렸고, 정부의 반복적 개입은 이런 과정을 임기 중 수십 차례 되풀이 하면서 집값을 끌어 올리기를 반복했다. 이렇듯 정부 충격은 주택 및 금융시스템 전반에 폭넓게 반복 작용하면서 임기 내내 주택의 수요-공급 양측에 영향을 미치고 집값을 끌어올렸다. 자산의 가격은 투기 때문에 오르기도 하지만, 물건이 부족해도 경쟁적 과정(competitive bidding process)을 거치면서 오르기도 하는데, 정부 대책은 기왕의 공급부족으로 인한 가격불안을 더 부추겼다. 정부는 이렇게 자신이 올린 집값을 가격 거품으로, 그렇게 정부가 만든 시장에서 이루어진 주택거래를 투기로, 그리고 그런 시장에서 제공된 유인(market incentive)에 반응해서 거둔 거래 차익을 투기소득과 불로소득으로 이해했다. 

과잉 유동성의 영향이 크지 않고 투기자금도 철저하게 통제되었지만, 문재인 정부의 반복적 시장개입이 이들의 역할을 대신하면서 정부는 주택시장을 투기장으로 만들고 유지시켰다. 여타 금융 요인들과 달리, 문재인 정부 시기에도 가계대출은 주택가격 상승의 직접적인 요인으로 일부 작용했다. 그러나 당시 증가했던 가계대출 가운데, 과잉유동성, 팬데믹 등 주요 교란요소를 통제한 후 문 정부요인이 직접 혹은 주택가격이라는 간접 경로를 통해 가계대출 증가에 미친 영향을 측정하면 120~130조원에 달한다. 이런 사실에 더하여 정부 및 팬데믹 결합요인이 문재인 정부 시기 집값 상승의 대부분을 설명하기 때문에, 당시 집값 상승의 원인을 가계대출 증가에서 찾는 것은 적절하지 않다. 결국 유동성과 민간 신용의 제한적 역할에도 불구하고, 정부의 반복적 개입으로 투기장이 형성·유지되었고, 이후 정부요인이 제거되자 얼마 지나지 않아 투기장은 빠르게 붕괴했다. 따라서 문재인 정부 시기는 유동성 공급과 신용 확대를 필수요소로 거론하는 기존 가격거품-붕괴 문헌의 전형적 사례들과 뚜렷하게 구별되는, 정부실패의 시기로 볼 수 있다.

이러한 분석결과를 논쟁 중에 드러났던 진보 부동산정책론의 허위성, 즉 

• • • 광범위하게 관찰되는 인과론적 측정의 부재(虛)

    • 통계적 유의도와 설명력, 상관관계와 인과관계의 혼동, 귀인(歸因) 오류와 다수의 허위 경험명제(僞)

    • 일부 연구자에게서 보는 표본과 모집단의 동일시 혹은 기존 연구성과의 선별적 인용(僞)

    • 어떤 진보 부동산정책론도 집값의 7,80%에 달하는 피구세의 출현 이유를 설명하지 못하고, 그 존재 또한 정당화하지 못하는 현실(虛)

등과 결합하면, 진보 부동산정책 사례의 하나로서 문재인 정부 대책에 임의적 요소가 적지 않았다는 시사를 얻는다. 이 시사를 통계모형으로 번역하면, 당시 집값을 임의행보(random walk with drift) 모형으로 근사할 수 있다. 실제로 임의행보 모형이라는 가설연역 모형(hypothetico-deductive model)을 이용하면 표준 통계모형으로 설명할 수 있는 가격 변동뿐만 아니라, 표준 통계모형으로는 설명할 수 없는 가격 변동까지 설명할 수 있다. 이를테면, 2019년 전후 주택가격이 일시적으로 안정되었던 시기는 임의행보하는 가격변동에서 흔히 관찰되는 현상이지만, 표준 통계모형으로는 구현할 수 없고 설명하기 힘든 현상이다. 이 모형에 따르면 그 구성원리상(by construction) 문재인 정부 시기 어떤 가격변동도 집값이 임의행보한 결과가 된다. 이 경우 문재인 정부 시기 주택시장에 어떤 일이 일어나도 이상하지 않다. 여기서 진보 허위 부동산정책론의 논리적 귀결로서 임의행보 모형의 설명력을 확인했다는 것은 넓게는 모형의 논리적 기원(起源)인 진보 부동산정책론의 허위성, 좁게는 문재인 정부 부동산 대책의 임의성을 경험적으로 확인한 것이 된다.

3. 종합 및 시사

요약하면, 서울 집값 문제는 주택을 가치재로 간주하는 사회 통념과 달리, 계획계와 한국 사회 전반에서 주택을 비가치재로 보는 분열적 관점이 낳은 모순이다. 왜냐하면 주택에 부과된 높은 피구세 그리고 건축비와 주택가격을 이용하면, 주택의 한계단위(marginal unit)에 대해 한국 사회가 부여한 가치를 곧바로 평가할 수 있는데, 이 평가에 따르면 주택이라는 재화와 자산의 순외부비용(net external cost)이 집값의 7,80%에 달하기 때문이다. 외부비용이 외부편익을 초과할 뿐만 아니라, 그 초과한 정도가 집값의 7,80%나 되는 가치재는 세상에 존재하지 않는다. 이렇게 나쁜 점(외부비용)이 좋은 점(외부편익)을 압도할 정도로 주택은 담배만큼이나 혹은 그 이상 나쁜 것, 즉 혐오재로 취급되었다. 주택이 이 정도로 나쁜 것이라면 사회적으로 최선을 다해 그 공급을 억제해야 했다. 이를테면, 논쟁 기간에 고밀화 등 추가적인 기성시가지 주택공급 확대 방안에 대해 다수의 계획가는 공급확대가 초래할 부작용과 인과론적 오류의 가능성을 거론하면서 부정적이거나 유보적 입장을 표명했다. 결과론적으로, 보수와 진보를 불문하고 계획가 일반은 비가치재적 주택관을 공유한다.  

지난 수십년에 걸친 피구세율 통계에 따르면, 이러한 모순은 정권의 성향과 무관하게 그간 존재해 왔으며, 시장의 기대에 반하는 정부 개입이 잦을수록 더 뚜렷하게 시장에서 그 모순이 드러났다. 그리고 좌우는 자신의 입장과 일치하는 정책 결과를 시장에서 반복적으로 확인하게 되면서, 자신이 지닌 신념체계의 정당성을 더욱 강화하는 일이 마찬가지로 지난 수십년 동안 반복되었다. 예를 들어, 투기억제 대책의 시행으로 상승한 집값이 역설적으로 투기 대책의 정당성을 보여주는 시장 신호로 해석되었고, 이를 뒷받침하는 인지 기제(cognitive mechanism)가 문재인 정부 시기에 존재했다. 즉 유동성이 풍부한 시장에서 투기 때문에 집값이 전반적으로 높게 형성되어 있다고 믿을 때, 투기억제 대책을 시행했음에도 집값이 오르면, 이 오른 집값이 보수가 믿는 가격분포에서 생성되었을 확률(p1) 대비 진보 자신이 믿는 가격분포에서 생성되었을 확률(p2) 즉 p2/p1이 투기억제 대책 시행 전의 동일한 상대적 가능성(likelihood ratio) p2/p1보다 더 커진다. 이는 진보가 믿는 가격분포의 타당성을 실증하는 것으로서 지지 이론과 관찰이 일치하는 현상으로 이해되고, 이는 진보의 믿음이 올바르다는 움직일 수 없는 증거가 된다. 다시 말해 예상한 효과를 부정하는 사건이 발생했음에도, 역으로 투기원인론의 타당성을 실증한 사례로 해석되었다. 한편 보수정권에서는 진보정권의 정책기조를 뒤집는 정책을 시행하고, 그 정책결과를 합리화하는 정반대의 인과론적 인지 기제가 작동했다. 이렇게 좌우가 집권 후 자신의 지지 이론(theory)과 일치하는 시장의 결과물을 얻는 과정을 반복해 경험하게 되면서, 좌우 모두 자기강화적 신념 및 정책 과정에서 헤어나오기 힘들게 되었고, 양측의 긴장은 정치적 투쟁을 통해 해소되어야 하는 대상으로 변질되었다. 

계획가 자신이 높은 집값을 초래하고, 양립 불가능한 상충적 인지 기제를 낳은 궁극적인 원인 제공자였음에도 불구하고, 이러한 사실을 인지하지 못한 채 계획가는 자신이 만든 인지 함정(cognitive trap)에 갇혀 서로 확신을 가지고 다투는 일을 반복했다. 한국의 부동산 문제는 주택 공급을 담당하는 전문가 집단으로서 상당 부분 계획가의 문제 의식 부재가 범사회적으로 확장되어 초래된 것이었다. 그리고 부동산 정책은 계획가가 설정한 인식 지평의 한계 안에서 논의되기를 반복했고, 이러한 반복은 좌우의 주기적 정책 갈등에도 불구하고 큰 변화가 없었으며, 서울의 주택 가격은 노무현 정부 이래 좌우 정책 주기에 연동되어 계획계가 설정한 가격을 기저에 깔고 순환적으로 변동했다. 그리고 정책논의 과정에 등장하는 반대 증거는 시사적 증거를 이용해 반론하고, 자신의 입장 역시 시사적 증거를 이용해 정당화하는 일이 흔하게 목격되었다. 이런 일은 인과론적 측정 없이 유령 명제(ghost proposition)를 활용해 정책을 논의하는 데 관대한, 이 분야의 오랜 관행 덕분에 가능했다. 

그 결과, 유령 명제에 토대를 둔 정책적 입장임에도, 이런 관행 덕에 계획계 여러 인사들의 견해는 큰 도전을 받지 않고 그 권위와 때로는 신화적 지위를 유지할 수 있었다. 이런 정책 신화를 의문시하는 현상이 출현하면, 인과론적 측정의 유무에 크게 구애 받지 않고 사회과학적 유사명제(pseudo proposition)를 주장했던 관행에 따라 새로운 원인론을 자유롭게 쇼핑하여 '설명'할 수 있었다. 여기 논쟁은 처음부터 끝까지 그러한 '과학 명제'의 토대가 되었던 관측 과정의 공개와 결과물의 제시 요구, 이에 대한 당사자의 반발과 침묵의 전개 과정, 그리고 경험명제의 허위성 여부를, 주어진 정보의 한계 안에서 최대한 상세하게 기록한다. 부동산 정책은 사회과학 분야임에도 이와 어울리지 않게 고대 그리스의 자연철학에서 보았던 상상력의 경연장이거나, 인문학적 해석으로 제시된 당위적 주장의 장(場)으로 변한 모습을 신문 논설, 인터뷰, 학회와 TV 토론회, 유튜브(YouTube) 영상, 저서 등 공공의 공간에서 일상적으로 보게 되었다. 부동산 정책이 특히 논란이 많고 주장이 강했던 것은 부분적으로 학계의 이런 지적 풍토 때문이었다. 

이런 부조리의 기저에는 계획계에 내재된 문화적 코드가 근인(根因)으로 자리 잡고 있었다. 계획가는 건축, 조경, 토목, 위생공학 등 기술 기반 분야에서 기원한 전문직으로서, 전통적으로 사회과학적 경험론보다는 공학적 처방과 설계 중심의 교육과 훈련을 받아왔다. 이러한 배경은, 인과 구조의 실증적 규명과 설명(theorizing)을 연구의 중심에 두는 사회과학 일반의 연구 풍토와 달리, 계획 이슈를 이해하거나 설명하기보다 처방하고 설계하려는 풍토를 학계 전반에 조성했다. 그 결과, 계획과 정책의 영역에서 논의와 합의의 출발점이 되는 검증된 인과 관계와 축적된 공통 이해가 충분하지 않았고, 이로 인해 논의의 기반 자체가 취약해지면서 생산적인 논의와 합의가 구조적으로 어려운 지형이 형성되었다.

계획가의 이러한 문화적 특성은 합리적 계획론(rational planning paradigm)이라는 규범적 준거가 작동하지 못할 정도로 계획가의 이성(理性)을 마비시켰고, 이는 공간계획은 물론 정치경제적 측면을 포함해 서울, 나아가 한국 사회 전반의 여러 영역에 걸쳐 파괴적인 영향을 미쳤다. 한국의 주택 및 부동산 문제가 계획가의 문화 코드 및 정체성과 깊이 얽혀 있어서, 최근의 계획환경 변화와 맞물려 과연 어느 정도나 현재의 혼돈에서 계획계가 탈출할 수 있을지 강한 의문이 들기까지 한다. 

결론적으로, 계획가의 주택계획관은 주택가격과 부동산의 정치경제학을 이해하고, 나아가 관련 문제를 해결하는 데 있어 필수불가결한 개념이라는 사실이, 짧게는 지난 4년, 길게는 지난 7년에 걸친 논쟁을 통해 얻은 중요한 교훈이다.

이하 논쟁 원문(原文)

2021.5.13, 전강수, 부동산 보유세 강화의 타당성 논증 요청

보낸이: 이혁주(서울과학기술대학교)

받는이: 전강수(대구카톨릭대)

안녕하세요. 다시 이메일 드립니다.

교수님은 2019.2.10. 투데이신문과 가진 인터뷰에서 “부동산 투기로 인한 문제를 해소하기 위한 전 교수의 해법은 명료하다. 세금제도, 특히 부동산 보유세를 강화하는 방향이 근본 해법이 될 수밖에 없다고 강조한다.”라고 했습니다. 이 진단은 공급론적 시각과 대비되는 진단입니다. 즉 집값이 높고 투기가 발생하는 것이 공급보다는 수요측 요인 때문이라는 견해입니다.

높은 서울 집값이 기본적으로 수요측 요인 때문이라는 주장은 공급이 대체로 부족하지 않다는 주장이기도 합니다. 그러나 진보계열 학자들의 저작 어디에도 주택공급 충분론의 타당성이 논증된 적이 없습니다. 정확히 말씀드리자면 시장주의자 포함 주택공급 과부족론 가운데 어느 것도 논증 혹은 부정된 적이 없습니다. 높은 집값의 투기원인론도 마찬가지입니다. 밀도규제 원인론에 따르면 투기와 같은 현상은 단기적 집값 등락을 잘 설명하지만 집값이 수십년간 건축비의 몇 배나 되는 수준에서 지속된 현상을 잘 설명하지 못합니다. <서울 집값, 진단과 처방> <그림 8-3>에 따르면 서울 아파트값에서 가격격차(=집값에서 건축비를 뺀 값)는 아파트값의 70% 내외가 됩니다. 이런 경향은 지난 수십년간 일관되게 서울에서 관찰됩니다.

교수님의 주장이 타당하다는 것을 어떻게 알 수 있는지 다음 질문에 답해 주셨으면 합니다.

(1)주택공급 충분론과 투기원인론의 논증 : 주택공급이 그런대로 문제가 없는 수준이라면 주택을 추가로 공급할 때 그 사회적 순편익이 별로 없거나 음수라는 말입니다. 즉 다음과 같습니다.

주택공급은 대체로 충분한 수준이다. (A) 

--> 현 공급수준에서 주택공급의 추가 비용 > 추가 편익 (B)

그런데 제 비용-편익분석에 따르면 추가 비용<추가 편익으로서 이 결과는 언명 B의 부정 즉 ¬B이 됩니다. 따라서 ¬B→¬A이 되고 이 말은 ‘주택공급은 대체로 충분하지 않은 수준이다’라는 말이 됩니다. 그런데 다시 비용-편익분석에 따르면 추가 비용<<추가 편익이기 때문에 방금 도출한 명제 ‘주택공급은 대체로 충분하지 않은 수준이다’를 ‘주택공급은 충분하지 않은 수준이다’라고 고쳐 쓸 수 있습니다. 또한 위 추론과 별개로 수행한 정책실험에 따르면 사회적 최적 수준=1.5*현 공급수준입니다. 이 실험결과의 타당성을 특별히 부정할 이유가 없다면, ‘주택공급은 충분하지 않은 수준이다’라는 말을 ‘주택공급은 매우 부족한 수준이다’라고 다시 고쳐 쓸 수 있습니다. 주택공급 충분론을 논증할 수 없다면 진보계열 토지‧주택정책관의 기초가 붕괴되고, 주택수요 관리정책으로서 제안되는 각종 정책의 근거가 모호해지거나 부정됩니다. 즉 진보계열이 추구하는 탈상품화 논의 전체가 위협 받습니다. 지난번 이메일에서 3기 신도시 물량을 모두 서울에 공급할 때, 모형에 따라서는 서울 집값이 심지어 음수가 되기도 한다고 설명했습니다. 토지의 공공임대제를 시행해야 하는 이유도, 개발이익과 보유세에 집착할 이유도, 차액 지대를 모두 회수해야 할 경험적 토대도 부정됩니다(물론 이 실험결과는 이보다 신중하게 해석해야 합니다).

(2)두 경쟁가설을 통합적으로 설명하기 : 제 이론이 의미 있는 진실을 나름대로 반영한 것이라면, 밀도규제 원인론과 투기원인론을 통합적으로 이해할 수 있는 틀을 제시해주고 두 이론이 어떻게 양립할 수 있는지 설명 부탁드립니다. 즉 두 경쟁적 이론에 대한 통합적 설명(coherent rationalization) 방식을 제안해 주세요. 투기가 원인이라면 이 통합적 설명이 가능해야 합니다. 제 이론적 틀에서 투기현상은 자연스럽게 설명되고, 두 주장은 모순 없이 양립합니다. 투기론은 오히려 제 설명방식에 변용을 주고 추가 연구주제를 선사합니다.

(3)두 가설의 설명력 비교 : 경험모형을 이용해 투기원인론과 밀도규제 원인론이 높은 집값에 미친 영향을 비교‧측정해 주십시오. 만약 투기가 원인이라면 유동성 관련 변수가 실제 집값에 미치는 영향이 그 어떤 변수보다 클 것입니다. 우선 이 점에 대해 확인 부탁드립니다. 현실에서는 할 수 없는 실험이 모형에서는 가능합니다(counterfactual analysis). 이 결과를 토대로 <서울 집값, 진단과 처방> <그림 3-1>, <그림 3-2>, 일전 보내드린 논문에 포함된 유사 그림을 비교하고 제가 유도한 그림을 설명(rationalize)해 주십시오. 경제학자들은 가격거품=실제 가격 - 본원가격≒0이라고 말하는 사람도 있습니다(전에 보내드린 논문의 참고문헌에 있습니다). 서울 집값에서 투기로 설명되는 부분과 실수요로 설명되는 부분이 각각 얼마나 되는지도 알고 싶습니다(경제학자들의 이러한 설명방식에 제가 반드시 동의하는 것은 아닙니다). <서울 집값, 진단과 처방> <그림 8-3>도 마찬가지입니다. 밀도규제론에 따르면 현 집값에서 건축비를 제외하고 작지 않은 부분이 규제가 부과한 주택소비세(a Pigouvian tax)에 해당합니다. 과거 집값의 추세치로 볼 때 투기가 설명할 수 있는 부분이 많아 보이지 않습니다. 최근 급등한 집값은 추세가격을 크게 벗어나는데 이 부분은 문재인 정부 주택수요 관리정책에서 직접 기인하는 것으로 보이는데 현재 관련 연구를 진행하고 있습니다.

(4)투기원인론의 타당성이 부정되는 조건/사례 나열하기 : 주택공급 충분론과 투기 원인론의 타당성을 의문시하거나 부정해야 하는 경우 혹은 조건을 나열해 주십시오. 교수님의 주장이 과학이려면 이 점이 명확해야 합니다. 경험적으로 부정할 수 없는 명제(non-refutable hypothesis)는 과학이 아니라고 과학철학자들이 말합니다. 어떤 경우라도 신의 뜻이라고 설명할 수 있는 종교에서 신의 뜻을 부정할 수 있는 사례는 발견할 수 없고 그래서 과학이 아니라고 합니다. 20세기 초 상대성 이론의 등장과 함께 보편적 적용가능성이 부정된 뉴턴의 고전물리학도 수백년 동안 그 타당성이 수없이 입증된 바 있습니다. 자신의 주장과 일치하는 현상을 근거로 명제가 타당하다고 주장하는 것에 대해 과학철학자들은 비판적이고 저도 같은 생각입니다. 제가 주장하는 과소 주택공급론의 타당성이 부정되는 조건들은 보내드린 논문 여기저기에서 손쉽게 찾아볼 수 있습니다(다만 분석적 결과에 대한 해석은 전문가답게 신중하게 해야 합니다. 간혹 깊이 없는 상투적 비판도 듣습니다). 지금까지 한국에서 주택문제와 관련해 시장주의자, 계획가, 진보계열 학자간 논쟁이 이런 방식이었고, 이런 류의 언설이 지금도 글쓴이의 지향, 처방의 적정성과 관계없이 대중 매체를 채우고 있습니다. <서울 집값, 진단과 처방>에서는 이를 끝말잇기 놀이라고 불렀습니다. 교수님 포함 진보계열의 논설도 이 범주에 속한다는 것이 저의 판단입니다.

밀도규제 원인론에 따르면 서울에서 공급가능한 아파트 총량의 상한이 정해지면 이에 대응하는 아파트값 곡선의 시계열적 높이가 결정되고 유동성과 투기는 집값 곡선 위에서 상하 변동에 영향을 주는 정도가 됩니다(왜 주택 일반이 아니라 아파트만 논의해도 큰 문제가 없는지, 오히려 문제의 핵심을 찌르고 그 기초 원리가 무엇인지는 <서울 집값, 진단과 처방>을 참고하세요). 제가 보내드린 논문에 보면 유럽 여러 나라에서 집값이 금융위기 전후로 어떻게 변했는지 나옵니다. 유동성이 큰 영향을 미친 것은 사실이지만 결국 금융위기 후 집값이 붕괴하고 완만한 장기 상승추세로 복귀했습니다. 한국의 경우도 이와 유사한 방식으로 이해할 수 있다는 것이지요.

다른 학자들의 도움을 받아 회신하셔도 좋습니다. 그리고 혹시 저에게 자문하시면 교수님 편에 서서 논리개발에 도우미가 되어 드리겠습니다. 이 기회에 같이 공부해도 좋습니다. 한국의 계획계가 요구하는 논증의 질적 수준은 매우 높습니다. 과밀/혼잡과 같은 공간현상을 잘 다루지 못하면 계획가들을 설득하지 못합니다. 경제학자들의 주택공급론을 한 방에 무너뜨리는 논리로 무장한 것이 계획가들입니다. 계획가를 움직이지 못하는 한 해결되지 않습니다.

<서울 집값, 진단과 처방>의 저자들은 이번에 책을 하나 더 출간할 예정입니다. 이 이메일을 새 책에 포함할 예정입니다. 이 글 다음에 교수님의 회신을 삽입할 용도로 쪽을 비워 놓겠습니다. 출간 목표시점에서 역산할 때 7월 말까지 교수님의 글을 받아 보았으면 합니다. 원고 분량은 A4용지 5쪽 이내면 좋지 않을까 합니다.

혹시 몰라서 다른 분들 주소를 참조로 달았습니다. 회신하실 때도 참조 처리 부탁드립니다. 대단히 감사합니다.

2021.5.13. 이혁주 드림

2021.5.13. 전강수 교수에게

---------- 원본 메일 ----------

보낸사람: "전강수"

받는사람: "Rhee, Hyok-Joo"

날짜: 2021-05-13 (목) 22:30:55

제목: Re: RE: 보유세 관련

이혁주 교수님,

회신이 늦어서 미안합니다.

뭔가 많은 연구를 하고 계신 듯 한데, 한 번 얼굴도 보지 않은 상태에서 저에게 무리한 요구를 하시는 느낌입니다.

함께 하는 분들과 계속 공동 연구 하셔서 좋은 성과 내시기를 기원합니다.

저는 제 일이 너무 많아서 교수님의 요청에 부응하기 곤란합니다.

양해 바랍니다.

전강수 드림

2021.5.18. 전강수 교수에게

이혁주-->전강수

네, 잘 알겠습니다. 제가 무리한 요구임에도 불구하고 교수님께서 수고하셔야만 한다고 생각했던 이유를 말씀드리는 것으로 얘기를 접겠습니다. 제가 생각했던 이유는 여럿입니다.

첫째, 지금까지 여러 매체를 통해 하신 말씀에 대해 이 분야의 전문가로서 책임지셔야 한다고 생각했습니다. 최근에는 알릴레오에 출연하시기도 했습니다. 대중이 주목했고 주요 언론사도 마찬가지입니다. 원하든 원하지 않든 교수님은 강력한 지식권력의 핵에 있습니다. 그러나 권력에는 사회적 책임이 따릅니다. 자신의 논설을 한정하고 수정하고 때로 부정하는 일은 과학에서 일상적으로 일어나는 일입니다. 그것을 진보라고 부르기도 합니다. 교수님도 과학자이기 때문에 자기성찰해달라는 부탁이었습니다.

둘째, 제 논설이 가지는 학술적, 정책적, 정치적 의미 때문입니다. 교수님마저 논쟁을 회피한다면 진보계열 학자들의 스칼라십 전반이 의심받게 된다고 보았습니다. 교수님과 진보계열의 스칼라십이 무엇인지 보여 주셔야 할 때가 되었다고 생각했습니다. 혼자 힘으로 안 되면 힘을 합쳐서라도 하셔야 한다고 보았고, 거기에는 저도 힘을 보태겠다고 했습니다. 이건 특정 지향만의 일이 아니고 우리 모두의 일이라고 보았습니다.

셋째, 과학에서 지배적 관점에 의미 있는 질문을 할수록 그 가치는 높습니다. 제 이론에 따르면 진보계열의 토지‧주택정책 기조뿐 아니라 탈상품화 논의 전반의 타당성에 대해 재점검이 필요한 것이 됩니다. 모형에 따라서는 집값이 음수가 되므로 개발이익과 차액지대(differential rent)가 아예 존재하지 않는 경우도 있습니다(보내 드린 논문 참고. 단 논문에서도 경고했지만 수치는 신중하게 모형의 특성을 고려해 해석해야 함). 추가적인 기술적, 경험적 근거는 <서울 집값, 진단과 처방>에 있습니다. 교수님의 논설은 공리(axiom)로부터 연역적으로 만들어낸 명제가 아닙니다. 그 타당성은 경험 일치성과 설명력을 가지고 판단해야 할 사안입니다. 지금 학계에서 영향력이 큰 기성 학자들이 현 상황을 명료하게 정리해 주어야 하고 그것이 교수님과 우리 세대 학자들의 사명이라고 보았습니다. 그래야 학계에서 튼튼한 새싹이 자라고 무성해집니다. 교수님께서 젊은 학자들의 전범(典範)이 될 수 있도록 시간을 내어 주셔야 한다고 보았습니다.

넷째, 계획가는 서울시 아파트 단지 고밀화에 반대합니다. 그래서 변창흠 장관은 2.4대책에서 서울 아닌 곳에 대량으로 집 짓자고 할 수밖에 없었습니다. 그러나 문제의 발원처가 서울이고 아파트이니 어쩔 수 없이 더해진 것이 재개발‧재건축인이기는 한데, 진보계열에서는 투기가 원인이고 한국사회를 병들게 한다고 하니 사업방식으로서 공공주도를 선택할 수밖에 없었습니다. 그러다 보니 어렵게 마련한 대책임에도 불구하고 반에 반쪽 대책이 되었고 수도권의 시가지 확산만 초래하고 논자에 따라서는 서울고밀화보다 더 수도권 집중을 초래하는 정책이 되어버렸습니다. 최근 신임 국토부장관이 종전 국토교통부 입장과 달리 민간의 역할을 좀 더 중시하겠다고 했습니다. 모두가 조금씩 진실을 말하고 있지만 작은 부실이 모여 거대한 비과학이 되었고 이 괴물이 우리 자신을 속박한 사례입니다. 이러한 혼선이 이번 정부에서 극적으로 드러나기는 했어도 과거부터 있어 왔습니다. 교수님이 최근 모매체와 가진 인터뷰에서 이런 상황을 객체화해서 말씀하셨지만, 교수님도 이런 상황을 유발한 당사자 가운데 한 분이라고 보았습니다. 당사자인 만큼 방관자연하는 것은 책임 있는 자세가 아니라고 보았습니다. 여기에는 요즘 한참 신난 시장주의자도 포함됩니다. 아마도 이 정권이 잘못되기라도 비는 것 같은 모습도 종종 봅니다. 변창흠 장관의 손발을 꽁꽁 묶고서는 제대로 하지 못한다고 말한 것이 불과 몇 달 전 한국에서 벌어진 일입니다. 신임 국토교통부 장관도 오세훈 시장의 상황도 마찬가지일 거라고 봅니다. 계획가와 진보계열이 절반씩 책임이 있다고 보면 교수님도 그 절반에 대해 책임을 지는 자세가 필요하다고 보았습니다.

응답을 회피하기에는 교수님께서 설명하셔야 하는 이상현상(anomaly)이 너무 많다고 보았습니다. 이전 이메일에 나열한 것들입니다. 자신의 기존 이론과 일치하는 현상에만 근거해 논설을 펴는 것은 fallacy of confirmatory bias를 저지르는 것이 됩니다. 산타클로스 실재론을 뒷받침하는 관찰 결과는 아주 많습니다. 전 세계 젊은 부모들이 연말이면 하는 말에서, 12월 25일 아침 전세계 어린이 머리맡에서, 연말 TV 방송에서, 인터넷 산타 우체국에서, 수많은 어린이의 증언과 교보문고 도서를 통해서 확인할 수 있습니다. 제가 드리는 말씀은 산타클로스 실재론으로 설명되지 현상이 지나치게 많은데 반해, 산타클로스 허구론에 입각했을 때 비교적 자연스럽게 풀리는 퍼즐이 많다는 것이었습니다. 산타클로스의 모습을 어른이 되어서도 간직하자고 말씀하시는 것이 되기 때문에 교수님의 설명이 필요하다고 보았습니다.

교수님의 통찰력이 필요한 시기에 많이 아쉽습니다. 그래도 이러한 고민이 이 시기, 우리 세대에 있었다는 것으로 자위하고자 합니다. 다른 분들과도 이러한 고민을 공유할 필요가 있다고 보아서 참조를 여럿 달았습니다. 제가 국토학회 편집위원장 시절 토지공개념 관련 논문집을 꾸미면서 관여하셨던 분들과 몇 분을 추가했습니다.

여러 가지로 불편하게 해드려 죄송합니다. 교수님의 많은 가르침 부탁드립니다. 감사합니다.

이혁주 드림

2021.7.28. 수신: 전강수 교수

이혁주-->전강수

참조: "변창흠" "김윤상" , "김용창" , "이석희", "정세은" , "우석훈 교수" , 김경민

안녕하세요. 이혁주 교수입니다.

무더운 여름 시골 물가 원두막에 배 내놓고 평상에 누웠다고 생각하시고 소일 거리로 생각거리 하나 드립니다. 가볍게 읽어보세요.

전강수 교수님은 얼마전 오마이뉴스 컬럼에서 제 질문에 답해 답한 바 있습니다. 아래 링크에 저의 반론이 있습니다.

                      https://youtu.be/RBp-zJ6LZJA

유튜브 제 측정 결과에 따르면 문재인 정부 집값 상승은 정책실패시 나타나는 결과와 일치합니다. "투기억제책이 정교하지 못해서 집값이 상승했다"는 투기원인론자의 입장을 의문시하는 분석결과입니다. 퀴즈입니다.

1. 이 외생변수를 내생화하는 모형을 제시하라. 즉 투기와 주택정책의 강도간 상호작용 구조를 실현한 회귀모형을 제안하라. 여기서 외생 정권 더미를 내생변수로 취급하자면 정권 더미를 어떻게 조작해야 하는가?

2. 여기서 영가설은 무엇인가? 어떤 자료와 어떤 통계모형을 이용해 측정할 것인가?

3. Two way or multiple way interaction을 보여주는 회귀계수의 예상부호와 유의도에 대해 기존 정책자료 및 경험자료를 이용해 추정해 보라. 예상부호가 여러 가지일 수 있다는 점을 상기하고 시나리오를 구성하라. 어떤 시나리오가 경험자료에 가장 부합하는가? 문재인 정부 주택정책과 진보계열 일반의 탈상품화 논의의 전제와 이론에 주는 학술적 시사가 있는가? 있다면 그것이 무엇인가?

4. 2009년 금융위기 이후 서울 집값은 주택보급(률)과 무관하게 지속적으로 떨어졌다 상승하는 패턴을 보인다. 주택보급률을 x축에, 문재인 정부 집값을 y축에 그리면 수직선이 그려지는데, 앞서 기술한 논리의 연장선상에서 이 수직선은 공급요인이 아니라 수요측 요인 즉 투기요인을 제하고 설명이 불가능하다고 투기원인론자는 말한다. 매우 강력하고 설득력 있는 설명방식이다. 이때 문재인 정부에서 본 지속적 가격상승을 설명할 수 있는 유일한 출구(?)는 문재인 정부의 투기억제책이 정교하지 못해서라고 추론하는 것이다. 1~3번 질문에 대한 검토 결과가 이러한 추론에 던지는 시사는 무엇인가? 유동성 요인을 배제하고도 투기-->대응-->투기 +... 라는 과정을 통해 자체 가격 상승과정이 설명될 수 있는가? price bubble에 대한 historical record에 따르면 유동성이 fuel역할을 한다고 한다. 문재인 정부에서도 동일한 역할을 했는가? fuel 역할을 한 유동성과 다른 candidate factor는 무엇인가? 경쟁적 요인간 영향을 어떻게 분리해 측정할 것인가? 투기는 원인인가 아니면 결과인가? 문재인 정부 집값 상승은 투기 때문인가 아니면 정부의 정책실패 때문인가? 코멘트하라.

감사합니다. 이혁주 드림

<의미> 직전 이메일에서 이혁주 교수는 더 이상 논쟁을 하지 않겠다고 했음. 이메일 4는 양자간 암묵적 합의로 끝낸 논쟁을 전강수 교수가 오마이뉴스에서 다시 거론했다고 이혁주 교수가 해석한 것. 고밀화에 대한 이야기는 언론을 통해 간간히 나오기는 했지만, 집값 위기의 근원이자 본원적 처방으로서 서울 아파트 단지의 고밀화를 거론하는 것은 당시 전문가 가운데 이혁주 교수가 유일. 이 견해에 따르면 문재인 정부 수요억제책도 저밀 아파트단지 개발의 종속변수로 봄. 즉 고밀화를 통해 집값 안정화 기조가 정착되면 각종 수요억제책의 필요성이 줄어들 것이라고 봄.

2021.8.18. 전강수 교수에게

이혁주-->전강수

서울과기대 이혁주 교수입니다.

첨부한 논문은 2017.5~2019.12까지 문재인 정부 기간 서울 아파트값을 분석한 논문으로서 투기와 정부 대책간 상호작용의 결과 집값이 상승했다는 내용을 담고 있습니다. 김경민 교수님 등 몇몇 분도 실명 인용했습니다. 이 분들의 경우는 유튜브 영상자료로서 최종 출판 때는 하이퍼링크만 다는 것을 고려하고 있습니다. 워낙 민감한 주제라서 실명인용은 가능하면 피하려고 합니다.

전강수 교수님의 비판에 대한 반론이 논문 뒤쪽에 실려 있습니다. 전 교수님께 검토 부탁드립니다. 제가 오해한 것은 없는지 바로 잡아 주셨으면 합니다. 그리고 반론을 논문 부록에 첨부하는 방안에 대해서도 고려해 주셨으면 합니다. 만약 다른 분도 토론에 참여하는 것도 가능하지 않을까 합니다. 가장 손쉬운 방법은 제 논문을 여러 필자들이 비판하는 것입니다. 아직 이런 류의 논문과 비평이 한 셋트로 투고된 적이 없습니다만, 만약 문의한다면 편집위원회에서 취지 자체는 환영할 것으로 예상합니다.

우선 검토해 보시고, 논문이 좀 더 다듬어지면 그때 다시 정식으로 요청드리도록 하겠습니다.

국토 및 수도권 공간관리 측면에서도 21세기 전반기 한국 계획사에 남는 실패사례가 될 것 같습니다. 계획계와 진보계열의 스칼라십 위기도 봅니다.

감사합니다. 이혁주 드림

추신: 워낙 중요한 주제로서 견해의 차이와 무관하게 비과학이 지배하는 주제라서 몇몇분을 더 초대했습니다. 처음 초대된 분께서는 놀라지 마시고 첨부한 논문을 잘 읽어 보시고 아래 링크를 열어 보세요. 전체적인 논지를 파악할 수 있습니다.

2021.8.19. 전강수 교수에게

보낸이: 전강수

받는이: 이혁주

참조: : "변창흠", "김윤상", "김용창", "이석희" , "정세은", "우석훈 교수", 김경민

이혁주 교수님

몇 달 전에 긴 이메일을 보내시면서 제게 뭔가 제안을 하셨던 기억이 나네요(제안 내용은 잘 기억이 안 납니다).

그 이메일은 삭제해서 없고, 제가 교수님께 보내드린 회신 메일은 남아 있더군요.

그 회신 메일에서 저는 이렇게 말씀드렸습니다.

"뭔가 많은 연구를 하고 계신 듯 한데, 한 번 얼굴도 보지 않은 상태에서 저에게 무리한 요구를 하시는 느낌입니다.

함께 하는 분들과 계속 공동 연구 하셔서 좋은 성과 내시기를 기원합니다.

저는 제 일이 너무 많아서 교수님의 요청에 부응하기 곤란합니다. 양해 바랍니다."

그런데 이번에 또 제게 이메일을 보내셨네요. 다른 선생님들에게까지 참조를 거시면서요.

이번에는 집필하신 논문을 첨부해서 제게 논평과 의견을 요청하셨네요.

다시 한번 말씀드리지만, 저는 교수님의 연구에 대해 관심이 없습니다. 너무 바빠서 토론하기도 어렵습니다.

첨부된 논문을 열어보니 저에 대한 비판을 한 장이나 할애하셨네요.

제 주장에 관심을 보여주셔서 감사하기는 합니다만, 거짓 내용을 기술하셔서 난감합니다(14쪽).

"전 교수는 최근 고밀화론자와 직간접적 경로를 통해 후속 논쟁을 한 바 있기 때문에" <--> 저는 그런 논쟁을 벌인 적 없습니다.

"그의 견해는 이 논문의 분석 대상으로서 문재인 정부 부동산정책의 이념적, 정책적 토대가 된다." <--> 전혀 동의하지 않습니다.

저는 오래 전부터 문재인 정부 부동산 정책의 기본 방향이 잘못됐음을 지적해 왔습니다.

"전 교수가 이 논문을 사전 검토했다는 점도 전 교수를 비평 대상으로 선택한 이유다" <--> 저는 교수님의 논문을 검토한 적이 없습니다.

아래 메일에도 거짓 내용이 들어 있습니다. 제가 오마이뉴스 칼럼에서 교수님의 질문에 답한 바 있다고 하셨는데 그런 적이 없습니다.

사실 저는 교수님의 질문이 무엇인지도 모릅니다.

저의 공개된 견해를 비판하는 것은 교수님의 자유겠지만, 거짓 정보를 담아서 비판의 명분을 강화하려고 해서는 곤란하겠지요.

앞으로 더 이상 교수님으로부터 이런 연락을 받기를 원치 않습니다.

제가 너무 바빠서 시간과 에너지를 쏟기도 어렵고, 또 해 봐야 건강한 토론이 될 것 같지 않아서입니다.

부디 양해를 부탁드립니다.

전강수 드림

*이메일

회신 감사드립니다. 회신에 대한 제 답은 천천히 하겠습니다.

아래 슬라이드는 제가 준비중인 문서의 내용인데 문제가 있는지 확인 부탁드립니다. 이견이 있다면 반론을 ppt 슬라이드 한 쪽에 적어 보내주시면 첨부해서 사용하겠습니다. Not a scientific statement, meaningless한 문장이다라는 설명도 있을 것 같습니다.

그리고 김경민/우석훈 교수 두 분의 경우 토론회에서 한 말씀들이라 제가 정확하게 인용하는 것인지 확인 부탁드립니다. 원하신다면 ppt 한 쪽을 보내주셔도 좋습니다. 발표자료에 첨부하겠습니다.

회신이 없으면 그냥 진행합니다. 명절 잘 보내세요. 이혁주 드림

2021.12.17. 전강수 교수에게

수신: 전강수

참조: 남기업(토지자유연구소), 김윤상(경북대), 변창흠(세종대), 김용창(서울대), 강남훈, 김수현(세종대), 선대인(선대인경제연구소), 최배근(건국대), 임미화(전주대), 김경민(서울대)

안녕하세요. 서울과기대 행정학과 이혁주 교수입니다.

얼마 전 전강수 교수의 아래 글을 중심으로

            전 교수의 컬럼

여기 참조에 달린 분들이 보는 데서 이메일로 집값 논쟁을 한 적이 있습니다. 오늘 참조에는 몇 분을 더 초대했습니다.

전강수 교수에게서 문제가 되었던 내용이 최근 김경민 교수가 삼프로TV에 출연하면서 다시 반복되었더군요.

https://youtu.be/2ttJGyUwx04 50:20

아주 간단한 문제입니다. A→B인 추론이 있는데 전 교수는 명제 B가 true라고 하면서 명제 A가 true라는 전제하에 추론합니다. 이혁주 교수가 요구한 것은 A=true라는 전제가 참이라는 것을 보이라는 것이었습니다. 여기서 A는 지난 5~10년간 주택공급 수준, B=현 주택공급 수준인데, 이후 전 교수는 침묵했습니다. 김경민 교수의 경우는 주택공급 수준 대신 주택가격이라는 차이만 있을 뿐 문제의 formal structure는 동일합니다. 두 변수 모두 현재 벌어지고 있는 집값논쟁 그 자체를 대변하고 있고, 민주당을 중심으로 추진되고 있는 토지 탈상품화 정책논의의 배경이 되는 핵심 지표입니다.

수업용으로 준비했던 것인데 여기 첨부합니다. 순서대로 보실 것을 권합니다.

https://youtu.be/p3TfvteWnFc (서울 집값의 70%=주택보유/소비억제세+강남훈 교수 논설 비판)

https://youtu.be/3Eg0jheHIR8 (전강수, 김경민 교수 논설=fallacy of tautology)

https://youtu.be/RBp-zJ6LZJA (종합, 국회 발표자료)

 최근 어느 매체에서인가 강남훈 교수가 말했던 것처럼 토론이 활성화되었으면 합니다. 과거 변창흠, 김용창 교수의 바람이기도 했습니다. 지금이 흔하지 않은 기회입니다. 여기 이메일에 회신 방식으로 반론이나 코멘트를 보내 주시면 위 두 번째 영상물 뒤에 첨부해 다시 올리겠습니다.

 위 논설의 근거가 되는 논문 2편도 첨부합니다. 감사합니다.

 이혁주 드림

2021.12.29. 전강수/김경민, 적정 공급량의 판단 문제

수신: 전강수

참조: 변창흠(세종대), 김윤상(경북대), 김용창(서울대), 이석희(세종대), 정세은(충남대), 우석훈(성결대), 남기업(토지자유연구소), 선대인(선대인경제연구소), 이태경(토지자유연구소), 이진수(토지자유연구소), 이상경(가천대), 김수현(세종대), 천현숙, 최배근(건국대), 김경민(서울대), 임미화(전주대)

12월 17일 토지자유연구소 남기업 박사님께서 아래와 같은 이메일을 보냈습니다.

“그런데, 교수님. 정확히 어떤 문제를 제기하시는 것인지 이해가 되지 않네요.^^;”

이후 의문 사항을 좀 더 자세히 전체 회신으로 올려달라고 요청했는데 응답이 없군요. 논점 이해에 도움이 되도록 이 논쟁의 배경, 성격, 주요 논점에 대해 요약해 다시 설명드립니다.

이 논쟁은 2018년 대한국토도시계획학회 춘계 학술대회 “토지공개념은 헌법에 도입되어야 하는가?”라는 토론회에서 시작되었습니다. 이후 2019년 당시 학회지 ‘국토계획’의 편집위원장이던 이혁주 교수의 제안으로 관련 논쟁이 이어져 현재에 이릅니다. 이전 논쟁에서 공급론적 처방의 일환으로서 이혁주 교수의 밀도규제 원인론에 대한 비판이 있었고, 당시 이혁주 교수는 다른 학자들 특히 변창흠, 서순탁 교수한테 현 밀도규제의 적정성 혹은 투기원인론에 대한 구성적 논변 내지 논증을 요구했습니다. 이후 같은 필진을 중심으로 “토지공개념과 국토/도시계획”(보성각, 2021)에서 논쟁의 성과물이 담겼지만, 당초 계획과 달리 만족스럽게 정리되지 않았습니다.

전강수 교수에게 요구하는 것도 그 연장선상에 있는 동일한 내용인데, 전 교수의 논변은 시사적 증거(suggestive evidence)를 제시한 것으로서 conclusive하지도 해당 명제를 논증한 것도 아닙니다. 자세히 보겠습니다.

전 교수의 언급: “2017년과 2018년 서울과 수도권의 주택 공급량은 그 이전 10년 평균치와 5년 평균치를 모두 상회하는 수준으로 예측되고 있었다. 공급 측면에서 서울과 수도권의 집값 폭등을 유발할 만한 특이 요인은 없었다는 뜻이다.”

기호 정의부터 합니다.

x: 현공급수준, xbar: 과거 5~10년간 평균 공급수준

Fact: x=xbar+α (전 교수가 기술한 바)

Judgment: x는 충분/적정 즉 x* (전 교수의 판단)

여기서 xbar+α는 전 교수가 말한 “10년 평균치와 5년 평균치를 모두 상회하는 수준”을 말합니다. 그런데 Judgment로서 x*라는 말은 Fact로부터 x*=(xbar+α)*라는 것을 말합니다. 논리연산에서 x*=(xbar+α)*는 x*를 (xbar+α)*로 등치(等値)시킨다는 말입니다. (xbar+α)가 충분한 공급수준이려면 예년 공급수준 xbar가 그런대로 부족하지 않은 공급수준이라는 점이 전제되어야 합니다. 물론 이점에 대해 전 교수는 정당화 논거를 제시하지 않습니다.

다시 알아보면 이렇습니다. “10년 평균치와 5년 평균치를 모두 상회하는 수준”이 이를테면 5만호/년이라고 합시다. 그렇다면 2017, 2018년 공급수준이 5만호와 다른 공급수준 이를테면 20만호/년, 1만호/년과 같은 공급수준은 적정수준에서 배제한다는 뜻입니다. 전 교수에게 이 점은 분명하지 않습니다.

전 교수는 현 시점 공급수준의 적정성을 과거 시점 공급수준의 적정성 여부 판단으로 치환했을 뿐 과거이든 현재이든 공급수준의 적정성에 대해서는 어떤 이야기도 하지 않은 것이 됩니다. 즉 fallacy of tautology를 범했습니다.

정당화 논거가 없는 과거 시점 변수값에 근거해 현 시점 변수값의 적정성을 추론하는 것인데, 이런 논법은 김경민 교수에게서도 발견됩니다.

2018년 집값=(1+소득증가율 50%)*2008년 집값

                    > 2008년 집값

 이기 때문에 2018년 집값이 적절한 수준이라고 주장한 김경민 교수의 추론과 형식상 동일합니다. 여기서 김 교수는 2008년 집값이 적절한 수준이라는 암묵적 전제를 이용합니다. ‘풍류대장’, ‘싱어게인2’에 출연한 참가자가 심사자석에 앉아 있는 것과 비슷한 상황입니다.

 장하석 교수가 말한 것처럼

 Otherwise all we can have is a chaotic situation in which each proposed fixed point declares itself fixed and all others variable if they do not agree with it (Chang, 2004: 40).

인 상황이 지금까지 벌어진 것입니다. 어느 라디오 프로그램에서인가 선대인 소장과 한양대 이창무 교수간 주택논쟁에서도 똑같은 일이 벌어진 바 있습니다.

그래서 장하석 교수의 관점이 대단히 흥미롭습니다. 왜냐하면 이 시각에 따르면 왜 지금까지 주택논쟁이 계속 헛돌았는지 그 원인을 인식론적 시각에서 설명할 수 있기 때문입니다. 평가대상을 평가기준에 포함하게 되면서 투기원인론자와 공급론자는 각자의 오염된 평가기준을 이용해 주택공급량과 주택가격의 적정성을 보았고, 자신의 기준에 맞지 않는다고 상대방의 주장을 논박하면서(장하석 교수가 말한 “variable”) 논쟁은 평행선을 그리고 서로 화성인으로 취급하게 되어버리고 말았습니다. 남기업 박사의 반응도 그러한 화성인 시각을 담고 있습니다.

이혁주 교수의 논법은 진보계열, 공급론자 모두에게서 보는 인식론적 논법의 한계를 어떻게 극복할 수 있는지 그 대안 하나를 제시합니다. 논쟁은 자기가 하고 싶은 말만 하는 것이 아니라 상대방도 이해할 수 있는 언어와 추론과정을 통해 대화하는 것입니다. 변창흠, 강남훈 교수가 활발한 토론을 희망했던 것도 이런 이유일 것입니다.

이혁주 교수의 밀도규제 원인론은 곧 계획가의 표준적 실무이자 관행인 현행 밀도규제의 비적정성을 주장하는 것입니다. 계획가가 취했던 가장 손쉬운 자기방어 방식은 밀도규제 원인론의 허점을 공박하는 것이었습니다. 김학열-이혁주(2021)에 실린 한양대 최창규 교수의 글과 이혁주-유상균(2021) 서두에서 보는 계획가의 반응(변창흠, 서순탁, 전강수 교수의 반응 포함)이 그런 것들입니다. 그런데 계획가의 이런 주장이 아무리 설득력이 있어도 계획실무의 타당성을 직접 보이는 것은 아닙니다. 우리에게 필요한 것은 시사적 논변이 아닙니다. 남 박사님의 냉소적 코멘트도 계획가의 비판과 같은 유형으로 보입니다.

다른 의미를 하나 더 설명드리겠습니다. 이혁주 교수는 수요가격과 공급가격간 격차 즉 가격격차를 주택보유/소비억제세라고 부르고 그 크기가 서울 아파트값에서 70% 정도 된다는 점을 보입니다. 이 개념화와 계산과정이 크게 틀린 것이 아니라면 최근 논란이 되는 양도세 중과, 기본소득토지세, 국토보유세 부과의 현실적 근거가 의문시됩니다. 이렇게 세금이 높은데 왜 그렇게 또 부과해야 하는지 설명이 필요하기 때문입니다. 그 인과론의 정당성은 차치하고. 기본소득토지세와 국토보유세가 논의되는 배경에는 공장용지, 상업용지, 임야 땅값이 마구 올라서 그래서 수천조원씩 땅값이 지난 몇 십년간 올라서가 아니고 기본적으로 집값이 높아서 많은 사람들이 경청하고 있는 것입니다. 그 중심에는 서울 아파트가 있구요. 그래서 높은 집값의 투기원인론에 기초한 기본소득토지세는 재검토가 필요하다는 말씀입니다. 주택용지가 아닌 땅값 문제는 또 다른 연구어젠다가 필요합니다. 차근하게 논의해야 하는데 지나치게 조급하고 치밀하지 못합니다.

김경민 교수도 마찬가지입니다. 전 교수가 주택공급량의 적정성을 논검증하지 못하는 모습을 앞서 보았고, 유동성과 투기도 원인은 아닌 것 같고(이전 이메일에 해당 논문 첨부), 그러면 집값이 높은 이유가 있을 터인즉 소득을 들고나온 것이 3프로tv에서 한 주장으로 보입니다. 김 교수는 두 가지를 오해하고 있습니다.

첫째, 소득이 오른다고 집값이 반드시 오르는 것은 아닙니다. 이론적 논의는 접어두고 그냥 통계만 보지요. 미국에서 1890년대부터 1980년대까지 100년 동안 소득과 가구수가 증가했지만, 이 100년 동안 실질가격은 凹字 모양(Shiller, 2015: Figure 3.1. 아래 그림 참고) 즉 비교적 일정한 수준을 유지했습니다. 다시 말해 demand pull 요인이 작용한다고 집값이 상승하는 것은 아니라는 말씀입니다.

                      Shiller (2015) 그림 

둘째, 공급규제가 구속적인 상황에서 소득이 오르면 가격격차(=아파트값-아파트건축비=수요가격-공급가격)가 확대되는 것은 사실이지만, 이 가격격차가 장기적으로 존재하려면 공급규제가 전제되어야 합니다. 소득이 올라도 현재 서울 아파트값이 높은 이유를 설명하는 가격격차는 zero일 수도 있습니다(이혁주, 유상균(2021)의 Figure 4)

                       이혁주-유상균(2021) Figure 4

위 그림 Figure 4에서 소득, 가구수 등 demand shift factor의 값이 커져서 수요곡선이 상향 이동한다고 합시다(서울에서 아파트 공급곡선이 수직선이라는 것은 이미 이혁주, 유상균(2021)에서 논증). 이런 경우에라도 밀도규제가 없다면 장기적으로 A,B는 E로 수렴하고 그 거리 즉 가격격차는 0이 됩니다. A,B간 거리가 장기적으로 존재하는 경우는 오직 공급규제가 존재하는 경우입니다. demand pull factor의 변화와 관계없이. 따라서 KB주택가격 동향 조사가 처음 보고된 1986.1 이후 지금까지 서울에서 70% 수준을 유지하고 있는 가격격차를(제 기억이 맞다면) 수요측 요인으로 설명할 수는 없고, 따라서 가격상승을 “무조건 인정”해야 한다는 김경민 교수의 주장은 근거가 모호합니다.

아무리 서울로, 서울로를 외치는 것이 현실이라고 하더라도 가격격차가 집값의 70%라는 것은 커도 너무 큰 값입니다. 김원중 외(2021: <그림 8-4>)에 따르면 서울 인구증가 20~30만명을 용인하면 고밀화를 통해 서울 집값을 몇 십 퍼센트 낮추고, 문재인 정부의 정책기조를 과거로 되돌리면 추가로 더 낮출 수 있습니다. 해볼 만 합니다.

따라서 문재인 정부 출범 후 2019년까지 오른 가격의 설명요인으로서 소득과 같은 수요측 요인은 설명력이 약합니다. 이전에 첨부한 통계논문은 직접적으로 문재인 정부의 정책실패를 시사하는 것이구요. 박근혜 정부 집값이 문재인 정부 집값에 미친 영향을 추세치(즉 VAR 1차 차분 모형의 절편)와 유동성, 가계부채 등 여러 가지 변수를 이용해 통제한 후 얻은 결과이기도 합니다(지난번에 첨부한 두 번째 논문, 특히 p.14 민감도 분석 참고). 결과적으로 2019년까지 문재인 정부에서 오른 집값이 시장 여건변화에 따라 불가피했다고 면죄부를 주는 김경민 교수의 진단은 통계적(앞서 말한 논문), 분석적(이혁주, 유상균(2021) 논문), 정책실험적(이전 이혁주 교수 논문 참고)으로 근거가 없습니다.

이상입니다. 남기업 박사님께서는 질문을 다시 해주실 수 있을까요? 다른 분들의 토론/반론도 환영합니다. 감사합니다.

참고문헌

김원중 외. 2021. 서울 집값, 진단과 처방. 박영사.

이혁주, 유상균. 2021. 밀도규제의 구속성과 규제의 타당성 검토: 서울 아파트단지를 중심으로. 「국토계획」 56(5): 44-59.

김학열, 이혁주(편). 2021. 토지공개념과 국토‧도시계획 — 계획현상의 이해와 실천. 대한국토‧도시계획학회 기획도서. 보성각.

Chang, Hasok , 2004. Inventing Temperature, Measurement and Scientific Progress. Oxford University Press.

Shiller, Robert J. 2015. Irrational Exuberance. Princeton University Press.

이혁주 드림

2022.1.10. 전강수 교수에게

수신: 전강수(대구카톨릭대)

참조: 강남훈(한신대), 변창흠(세종대), 김윤상(경북대), 김용창(서울대), 이석희(세종대), 정세은(충남대), 우석훈(성결대), 남기업(토지자유연구소), 선대인(선대인경제연구소), 이태경(토지자유연구소), 이진수(토지자유연구소), 이상경(가천대), 김수현(세종대), 천현숙, 최배근(건국대), 김경민(서울대), 임미화(전주대), 이형주, 윤주선, 한정탁, 김원중, 김준형(명지대), 정창무, 김현아, 이현석(건국대), 김홍배, 차학봉

아직도 이혁주 교수의 질문이 불분명한 것 같군요. 전강수, 김경민 교수가 답해야 할 질문을 다시 적습니다.

*전강수 교수용

질문1...서울 아파트시장에서 공급곡선이 우상향임을 논증(whatever you may call it)하라.

질문2...지난 5~10년간 공급치 평균+알파로 공급할 때 주택공급이 충분한 수준임을 논증하라.

*전강수, 남기업 박사 등 토지자유연구소 연구원 및 이재명 캠프 정책참모용

질문3...서울 아파트에서 밀도규제는 구속적이고 따라서 아파트 공급비용(resource cost)에서 토지비용은 제외된다. 이때 어림 계산으로 서울 아파트값 가운데 SMC(social marginal cost)는 30% 정도이고 나머지는 가상의 비용(fictitious social marginal cost)이 된다. 이 말은 서울 아파트값에서 가상의 비용÷아파트값=0.7 즉 ‘주택보유/소비억제세’가 집값의 70% 정도 된다는 말이다. 이 세금은 과밀혼잡, 투기억제, 국토균형발전을 위해 계획가가 지난 수십년간 부과해온 것이다. 이재명 캠프는 여기서 더 나아가 국토보유세/기본소득토지세 등 세금을 더 부과해야 한다고 주장한다. 설명하라. 진보계열은 세율 측면에서 주택을 담배(세율 70%)와 같은 demerit good 취급하는 계획가의 견해에 동의한다는 말인가?

2022.7.26. 전강수 교수에게

수신: 전강수(대구카톨릭대)

보낸 날:2022.7.26

참조: 강남훈(한신대), 변창흠(세종대), 김윤상(경북대), 김용창(서울대), 이석희(세종대), 정세은(충남대), 우석훈(성결대), 남기업(토지자유연구소), 선대인(선대인경제연구소), 이태경(토지자유연구소), 이진수(토지자유연구소), 이상경(가천대), 김수현(세종대), 천현숙, 최배근(건국대), 김경민(서울대), 임미화(전주대), 이형주, 윤주선, 한정탁, 김원중, 김준형(명지대), 정창무(서울대, 전 대한국토‧도시계획학회 회장), 김현아(전 의원), 이현석(건국대), 김홍배(한양대), 차학봉(조선일보),

 추가: 이창무(한양대), 임의영(강원대, 행정학회 전 편집위원장, 행정철학), 김진유(경기대, 주택학회 부회장/편집위원장), 정익재(서울과기대, 정책학회 편집위원장), 김흥순(한양대, 계획이론), 한상훈(중원대, 계획이론), 국토연구원 주택/토지연구본부 연구위원, 서울연구원 도시공간연구실 연구위원

서울과기대 행정학과 이혁주 교수입니다. 논의를 재개합니다.

오늘은 국토연구원과 서울연구원 연구자를 중심으로 새로 초대했습니다. 젊은 연구자들이 선배들이 하는 말 가려듣는게 좋겠다는 생각에서 초대했습니다. 그 외 행정학/계획 학회 주요 인사도 초대했습니다.

전에 공지한 것처럼 여기 내용은 공개공간에 연구자료로 남고 향후 자유롭게 실명 인용됩니다. 이후 통신도 마찬가지입니다.

                      https://sites.google.com/view/debate2022-1

한 전문가 집단의 편견과 무지가 어떻게 다른 전문가 집단을 오도(誤導)하고 사회 전체를 혼돈으로 몰아갔는지 이혁주 교수의 시각에서 기록으로 남기기 위해서입니다. 

전강수 교수는 아래 글에서

                          전 교수의 컬럼 

공급론자의 주장을 “굳이 공급부족이라 부르는 데는 진정한 원인을 감추고 진실을 호도하려는 의도가 깔려 있다고 볼 수밖에 없다.”라고 비판합니다.

지난해 봄 이혁주 교수가 논쟁을 접을 것을 약속한 후, 전 교수가 두세 달 후에 오마이뉴스에 논쟁을 재개하면서 쓴 글입니다. 관련 논문과 설명을 그 전에 여러 차례 제공 받고 들은 후 몇 달 지나서 작성한 내용이므로 이혁주의 논설을 충분히 반추할 시간이 경과한 후 작성한 글이 됩니다. 여기서 전 교수는 개인적 동기에 초점을 맞추어 비판합니다.

이렇게 개인적 동기에 초점을 맞추어 전강수 교수의 언행을 rationalize하면 어떤 분석결과를 얻는지 시도해 본 것이 "이메일 11" 맨 밑에 있는 글입니다.  과학문서와 그 부정(否定)은 양립하기 쉽지 않은데 이 모순(would-be paradox)이 어떻게 존재할 수 있는지 theorizing해보았습니다. 개인에게 발생하는 이득을 극대화할 수 있도록 어떤 선택을 할 때, 전강수 교수는 일정 수준 부정직하게 선택하는 것이 합리적입니다. 만약 전 교수가 정직한 사람이라면 오마이뉴스에서 보는 것처럼 경솔한 평가를 하기가 쉽지 않습니다. 이때 마지막으로 생각해 볼 수 있는 것이 전 교수의 학술적 문맹입니다. 전문가라고 하지만 (기술)문서를 해독할 만한 학력(學力)이 안 된다는 것이지요. 전 교수는 과학적으로 사고하지도 않고 윤리적으로 행동하지도 않는 것 같습니다. 추론과정에 어떤 문제가 있는지 전강수 교수님은 코멘트 바랍니다. 현재 마련된 개념화 방식 안에서 수용할 수 있다면 최대한 해보고, 안 되면 후일을 기약해 보겠습니다. 

퀴즈: 만약 이 분석에서 전강수 교수가 개인적으로 지불해야 하는 비용이 매우 클 때 전 교수의 합리적 선택은 무엇인가? 그림을 이용해 이해하기 쉽게 설명하라. 

앞으로의 계획도 함께 말씀 드립니다. 먼저 김수현 교수의 아래 글

         https://www.hani.co.kr/arti/politics/bluehouse/805351.html

을 중심으로 몇 가지 질문을 해보겠습니다. 잘 선택된 건지 모르겠습니다만 얘기를 좀 풀어 보지요. 해석에 논란이 있는 부분은 가능하면 피하도록 하고 언급한 내용과 판단의 학술적 근거를 중심으로 질문해 보겠습니다.

그 다음으로는 한양대 이창무 교수의 아래 글

          https://www.joongang.co.kr/article/25050045#home

에 포함된 “서울의 주택 공급 부족 문제는 용도지역 제도의 문제가 아니라 독선적 행정의 누적된 부작용 때문이다.”라는 말에 대해 이창무 교수의 상세한 설명을 들어보도록 하겠습니다. 이유도 다양한데 밀도규제 때문에 집값이 높다는 주장에 대한 평가입니다. 이혁주 교수는 대학 교수인데 이런 말도 안되는 주장을 버젓이 하니 세상이 미쳐 돌아가는 것 같고 그러니 누군가는 해야 할 말을 이창무 교수가 했습니다. 잘 했습니다.   

이 칼럼은 한국에서 ‘보통’의 계획가와 ‘보통’의 시장주의자가 가진 표준 정책관을 보여줍니다. 이 표준 정책관은 지금까지 언급되었던 진보계열 인사들의 입장과 정면으로 맞서지만, 동시에 이러한 견해가 제2의 변창흠, 김수현, 전강수, 그리고 정치인으로는 제2의 추미애를 다시 등장하게 하고, 유튜브, 부동산계, 경제학계에서는 설명이 궁색하다 싶으면 유동성과 금융요인을 거론하게 만드는 등 이들 현상의 근인(根因)이 바로 용적률 규제이고 이거 때문에 집값이 높다는 것이 이혁주 교수의 생각입니다. 지난 대선 기간중 국토연구원 소속 연구원들도 [주택연구]에 금리에서 발생한 "구조적 전환" 때문에 집값이 높다는 논조의 글을 발표한 적이 있습니다. 그간 논쟁과정에서 흥미로운 시각이 많이 노출되었고, 이창무 교수의 설명에서도 흥미로운 관점이 많이 있을 것으로 기대합니다. 

대단히 불편하더라도 이 시대 우리가 두른 질곡을 후배들한테 물려주지는 맙시다. .

아울러 선대인 소장이 자신의 유튜브 채널에 한 차례 올렸다가 지금은 지워져 없는 문서를 첨부합니다. 

              선대인 소장 유튜브 영상 요약

이후 논의에서 텍스트로 인용할 수도 있습니다. 선대인 소장은 이재명 지사 시절 분과위원회 위원장을 했고 여기 분과에 남기업/이상경 등이 활동했습니다. 소장님께서는 수정이 필요한 부분은 수정해서 올려주세요. 논문 주제 탐색하다가 유튜브에서 자동 팝업되어 우연히 보게 된 내용입니다. 이미 한차례 김경민 교수에게서 보았던 것처럼 유튜브 스타들의 논설에서 흔히 보는 논설방식으로서 혹시 간략하게 참조할 수도 있어서 선택한 것입니다.

감사합니다. 이혁주 드림

******* 전강수 교수 글 rationalize하기 ********

제목 : 전문가의 역량과 윤리 문제

1) 대안적 설명방식이 필요한 이유

인과론적, 인식론적 오류의 제시에도 불구하고 연구성과의 검토과정에서 학계의 비중 있는 인사들은 과학문서의 의미를 경시, 외면, 왜곡하는 발언이 이어졌다. 이렇게 엄존하는 부정(否定)행위가 어떻게 과학문서와 양립할 수 있는지 추가 설명방식이 필요하다.

투기원인론자와 시장주의자는 상대방을 “화성인”이라는 시각에서 바라본다(이혁주, 2022.2.9). 이 시각은 모순된 현실에 대한 양편의 좌절감을 담고 있는데, 이런 현실을 이해하자면 객관적 사실의 기술 이상으로 그 무엇인가를 담은 대안적 설명방식이 필요하다.

여기서는 사회현상의 인과론적 설명을 담고 객관적 현실을 적시한 과학문서와 그 평가(appreciation) 사이에 존재하는 간극에 관한 마지막 퍼즐을 풀어본다. 이 의문을 풀기 위해 지금까지 알아본 사실과 인과론의 적시가 아니라 논쟁 당사자들의 이기적 동기에서 출발해 이들의 ‘선택’을 이해하도록 노력해 본다. 이 경우 도덕적 선택은 그 선택이 자신에게 득이 되는 경우에 한해 나타나는 것으로 이해된다.

개인적 동기에서 출발한 설명방식은 전강수 교수가 이혁주 교수의 비판에 대해 반론하면서 활용했던 방식이기도 하다. 이혁주 교수가 전강수 교수에게 반복해 요구했던 내용을 한 마디로 압축하면 ‘설명’(rationalize)이었다. 전 교수는 이러한 요구에 대해 “공급부족이라 부르는 데는 진정한 원인을 감추고 진실을 호도하려는 의도가 깔려 있다고 볼 수밖에 없다”고 대응한다. 또한 공급부족론과 공급확대론에 대해 “부동산 시장 만능주의자들이 개발하여 줄기차게 ... 이 이론을 주장한 데는 노무현 정부의 부동산 불로소득 환수 정책을 흠집 내려는 의도가 깔려 있었다.”고 평가한다(전강수, 2021.5.27).

2) 이론

충실하게 과학문서를 작성하지 않는다는 것이 전문가 윤리에 문제를 일으키는 직접적 원인이 되기도 한다. 전강수 교수의 논설로부터 전 교수의 학술적 부정직(dishonesty)과 무능 가능성 두 가지를 의심해 볼 수 있다. 좀 더 자세하게 알아본다.

서울에서 아파트 재고는 그림에서 H0이다. 현 공급수준에서 아파트공급의 사회적 한계비용이 현 아파트값의 30%인 0.3P0이 수준이라고 할 때(이혁주‧유상균, 2021; https://youtu.be/p3TfvteWnFc), “투기적 가수요에 맞춰 공급한다는 것 자체가 어불성설”(전강수, 2021.5.27.)이라고 주장하는 것은 아파트값의 70%에 해당하는 사회적 순편익의 실현을 거부하는 것이 된다. 왜냐하면 H0에서 아파트를 공급하면 한 채당 0.7P0만큼 사회적 순편익이 실현되기 때문이다. 또한 부담가능한 주택을 공급할 때 가장 큰 이득을 보는 집단은 주거약자들이다. 전 교수의 비판은 공익 혹은 공공성이 도시계획을 통한 사회문제 해결에 있어서 정책결정과 계획의 정당성 확보의 근거가 된다는 한상훈(2021: 41)의 계획철학적 관점과 배치되기도 한다. 어떤 관점에서 보아도 전강수 교수의 논설은 학술적으로 이해하기 힘들고 윤리적으로도 정직하지 않은 행동이다. 이제 이 퍼즐을 어떻게 설명하고 이해해야 하는지 분석한다.

부정직한 행동은 그러한 선택을 하는 개인과 그가 속한 소집단에 일정한 편익을 준다. 이 편익을 PMB(private marginal benefit)라고 부르자. 사회적 편익은 금전적으로 이 사적 편익의 합으로 주어진다. 그러나 부도덕한 사적 편익에 대해 부여된 사회적 가치는 0으로 놓자. 이때 사회적 한계편익 SMB=0이 된다. 아래 <그림>에서 횡축을 부정직의 크기로 놓을 때 횡축은 SMB=0에 해당한다. 한편 이러한 부정직은 사회적으로 작지 않은 비용을 초래한다. 반면 부정직하게 행동한 개인 및 이 개인이 속한 집단이 치러야 하는 비용은 사회적 비용보다 작다. 여기서 사적 한계비용을 PMC라고 표기하고 편의상 0으로 놓자.

                           <그림> 학술적 부정직과 비용-편익 분석

<그림>에서 SMC는 부정직한 행동이 초래하는 사회적 한계비용이다. 수평축은 PMC=0, SMB=0에 해당하는 직선이다. 전강수 교수의 사적 이득은 PMC=PMB1가 일치하는 D1에서 극대화된다. 이때 사회적 비용은 모두 OAD1만큼 발생한다. 반면 사회적으로 전강수 교수에게 요구되는 최적의 부정직 수준은 SMC=SMB가 달성되는 원점 O이다. 전강수 교수의 합리적 선택인 D1은 원점 오른쪽에 있으므로 전 교수의 선택은 사회적 관점에서 최선이 아니다.

이메일 교신이 이루어진 것은 2021년 여름부터 2022년 2월까지 즉 20대 대통령 선거 직전까지였다. 진보계열의 명망 있는 논객으로서 전강수 교수의 사적 한계편익 곡선은 평상시 PMB1 대신 PMB2로 이동했을 가능성이 있다. 이때 전강수 교수의 부정직 유인(incentive for dishonesty)은 증가해서 D1 대신 D2를 선택하게 된다. 즉 대통령 선거라는 행사는 그림과 같은 상황에서 정치적 활동가의 전략적 인식과 행동을 부추긴다. 2021.12.13. 조선일보 ““우리 진영 다나서야” 여권 총동원령 내린 이해찬”이라는 기사는 당시 집권당인 더불어민주당과 진보계열의 분위기를 잘 보여준다. 이해찬 씨는 2018.7.20.에서 2020.8.20.까지 더불어민주당의 대표를 하면서 재임기간 중 국회의원 선거에서 180석 압승을 달성한 바 있고 집권당의 재야 좌장격 정치인이다.

두 번째 가능성은 전강수 교수의 학술적 무능이다. 정직이라는 기본적 도덕률에 위배되는 행동을 하기는 쉽지 않다. 그렇다면 나머지 가능성은 학술적 문맹이다. 문맹이 아니고서 오마이뉴스에서와 같은 글을 당당하게 쓰는 것은 상상하기 어렵다.

전 교수가 2021.5.27. 칼럼을 쓰기 전까지 이혁주 교수는 여러 차례 이메일과 논문을 통해 논점을 설명하고 전 교수의 논설에 대해 반론했다. 비록 세부전공과 애용하는 연구방법론에서 차이가 있다고 하더라도 수십년 전공자라면 같은 분야 다른 전공자 논문의 대강(大綱)을 이해해야 한다는 것이 대학교수 학력(學力)에 대한 통념적 기대수준이다. 그런데도 논지를 이해하지 못했다면 대중의 지명도와 학력간 괴리가 매우 클 가능성에 대해 의심해야 한다. 논문을 일별하면서 간과했을 가능성도 있지만 설득력이 있어 보이지 않는다. 일별해도 눈에 들어온다. 그것이 전공자의 안목이고 통찰력이다. 이해하지 못했다면 남을 존중하기라도 해야 한다. 그것이 보통 사람들의 행동방식이다.  

3) 실천

전강수 교수의 논변방식은 과거 시장주의자와 진보계열 학자간 벌어졌던 논쟁방식에서 오히려 퇴보한 것으로 보인다. 인식론적으로 올바르지도 않고, 자신의 이론이 타당하다는 점만 주장할 뿐 자신의 이론을 이용해 타인의 설명방식에서 제기된 의문을 설명하려 노력하지도 않는다. 같은 헨리 조지스트로 분류할 수 있는 김윤상 교수는 자신의 이론을 이용해 시장주의자의 주장을 논박하지만 동시에 설명하려고 노력한다(김학열‧이혁주(2021)에 실린 김윤상 교수의 글 참고). 적절한 설명 없이 생산적 논쟁은 성립할 수 없기 때문에 김윤상 교수의 학술적 태도는 중요한 의미가 있다.

지명도와 학력간 괴리가 클수록, 그리고 지명도에 비례해 부정직이 클수록, 그 원인이 무엇이든 사회가 치러야 하는 비용은 커진다. 이러한 역유인(逆誘因)의 통제방안을 고민할 필요가 있다.

지금까지 사적 한계비용이 0이라고 가정했다(즉 PMC=0). 이를 좀 더 현실적인 것으로 바꾸고 다시 생각해 보자. 부정직한 행위가 많지 않은 원점 인근 구간에서 SMC는 거의 전적으로 부정직한 행위를 하는 개인에게 귀속할 것이다. 이를테면 그림에서 O에서 X까지 SMC는 PMC와 일치한다. 그러나 부정직한 행위가 빈발하고 정도가 심해질수록 그 외부비용이 커지고 SMC와 PMC간 높이 차이가 벌어진다. 그림에서 X에 출발점을 둔 2시 방향 점선이 새로운 PMC곡선이다.

부정직한 행위를 억지하는 사회적 노력이 많을수록 PMC곡선의 기울기는 급해지고 MB곡선과 새 PMC곡선은 D1, D2에서 더 멀리 떨어진 왼쪽에서 교차한다. 일반적으로 말해 새 교차점이 D1, D2에서 최대한 왼쪽에 형성되도록 PMC곡선을 최대한 위쪽으로 옮기고 PMB곡선을 최대한 아래쪽으로 옮겨야 한다.

PMC곡선을 위로 이동시키는 노력으로서 그러한 행위를 공개하는 노력이 먼저 있어야 한다. 연구에 쓰일 사초(史草)가 많이 마련되어야 한다. 과학에서 사실은 객관적으로 존재하고 불변하는 존재가 아니라 어떤 구성체(construct)이고 가변성을 지니고 있다. 그래서 그 구성방식이 중요하다. 이것이 비과학과 허구적 서사(narrative)가 그 구성방식이 되어서는 안 되는 이유다. 그리고 논설, 논문 등 다양한 방식으로 그러한 행위를 평가하는 노력이 뒤따라야 한다. 학계도 그런 시도를 현명하게 관리해야 한다. 이러한 노력이 있어야 그러한 논설에 귀 기울이는 청중이 깨어나고 그 수가 줄어들며 정치인과 대중이 오도(誤導)될 가능성이 감소한다.

PMC곡선이 위로 이동하고 PMB곡선이 아래로 이동하면 ‘전강수’의 합리적 선택 D1은 왼쪽으로 이동한다. 그리고 ‘전강수’형 인간이 이를테면 100명에서 50명으로 준다. 결과적으로 사회적 총비용은 100*OAD1에서 50*OAD1로 줄고 OAD1 자체도 작아져서 전체적으로 부정직이 유발한 사회적 비용은 감소한다.

문재인 정부에서 본 집값 통계는 개인 수준의 부실한 스칼라십이 상호 참조과정을 통해 시스템 실패로 이어진 사례이자, 학자의 도덕성마저 훼손하게 만든 원인이 되었다. 상호참조는 집단 지성이 되기도 하고 집단 광기(狂氣)가 되기도 한다. 과학적 탐구와 설명 노력이 성공한다는 보장은 없지만, 그러한 과정에서 상식과 표준과 캐넌(canon)에도 의문부호가 달릴 수 있다는 가능성만 인식해도 집단 광기를 자기 성찰할 기회의 창이 열린다.

한편 PMB곡선을 아래쪽으로 옮기는 것은 PMC곡선을 위로 옮기는 일보다 더 어렵다. 이 일은 학술역량과 정직성에 문제가 있는 인사에 대한 보상체계의 변화를 요구하고, 보상체계의 개선은 사회 전체 공동의 노력이 필요하기 때문이다. 학자 개개인의 역량에 대해 정확히 평가하는 것이 얼마나 가능한지 그리고 그러한 평가가 얼마나 공정하고 정확한 것인지도 현실적 장애요소로 작용한다. 시민사회의 자유는 시민의 올바른 판단(informed judgment)을 전제하지만, 이러한 올바른 판단이 이루어지자면 지식인이 먼저 그러한 노력을 외주(外注)하지 않고 감당하는 수고를 해야 한다.

그러나 이것 또한 쉬운 일이 아니다. “민주당, ‘20년 집권 플랜’ 이해찬 택했다”(한겨레, 2018.8.27.)와 같은 격문이 호소력이 있는 상황에서 “이재명의 기본소득과 국토보유세 주장은 자본주의를 폐기하고 사회주의로 가는 이행기 강령”(김순덕, 2021.11.16)으로서 기본소득토지세의 인과론적 오류는 거대 명분과 목표의 달성에 비해 지엽적인 문제이고 따라서 용인해야 하는 것이 된다. 학술적 진실성(integrity)은 정치에 종속되고, 지적으로 겸손해야 하는 학자들은 과학자로서 아는 것 이상으로 이야기하고 처방한다. 

<참고문헌>

김순덕, 2021.11.16. “이재명이 기본소득을 주장하는 이유”, 동아일보. 

김학열‧이혁주(편), 2021. 「토지공개념과 국토‧도시계획」. 서울: 보성각.

유상균‧이혁주, 2019. “기성시가지 용적률 규제와 계획가치 — 서울대도시권을 중심으로”, 「국토계획」, 54(5): 107-128.

이혁주‧유상균, 2021. “밀도규제의 구속성과 규제의 타당성 검토: 서울 아파트단지를 중심으로,” 「국토계획」, 56(5): 44-59.

전강수, 2021.5.27. “아파트공급 확대론의 치명적 결함,” 오마이뉴스.

한겨레, 2018.8.27. “민주당, ‘20년 집권 플랜’ 이해찬을 택했다”.

한상훈, 2021. 「도시계획과 공익의 이해」, 서울: 박영사.

2022.8.16, 김수현, 투기 때문에 오른 서울 집값 측정치 제시 요청

지난 금요일 서울연구원 박은철 박사로부터 전화 연락이 와서 주택정책에 대한 수십년 연구성과에 대해 여러 가지 유익한 말씀을 들었습니다. 그리고 제가 쓴 논문 두 편을 보내드렸습니다. 나중에 얘기할 기회가 있을 것입니다.

그리고 아래는 선대인 소장으로부터 받은 이메일이고 제 회신입니다. 

* 선대인 --> 이혁주 

잘 알지도 못 하는 분이 제가 전혀 원하지 않는 논쟁에 왜 끌어들여서 이메일 스팸을 계속 보내는지 이해할 수 없군요. 이 자체도 제 의사를 무시한 폭력입니다. 저는 제 신간에 제 입장을 설명했으니 궁금하면 제 책을 참고하십시오. 앞으로는 이 메일에서 빼주시길 바랍니다. 그리고 둘 또는 당사자들끼리 나누면 될 이야기들을 관심없는 다수의 사람들 의사도 묻지 않고 이렇게 끌어들이는 행위는 지양해 주세요. 불쾌합니다. 

이 자리를 빌어 제 회신을 드립니다. 

*이혁주 --> 선대인

네, 이런 일이 본래 불편합니다. 여기 얘기가 다 끝나면 간단하게 서로 질문할 기회를 가지겠습니다. 그때 전문가답게 행동하시면 됩니다.

다시 김수현 교수님에게 돌아옵니다.

서울 아파트값 기준 투기 때문에 오른 집값이 얼마나 되는지 수치 몇 가지 제시해 주시지요. 가능하면 제일 큰값을 가지고 투기 때문에 집값이 높은게 아니라는 걸 보이겠습니다. 어쩌면 밀도규제 완화는 그보다 5배, 10배 효과가 있고 사회적 순편익도 개선한다는 결과가 나올지도 모르겠네요. 

모두 지켜보고 있습니다. 감사합니다. 이혁주 드림

2022.8.25. 김수현 교수에게

이혁주 --> 위 사람

서울과기대 이혁주 교수입니다. 본격 논의에 앞서 housekeeping입니다. 

2022.8.16. 선대인 --> 이혁주 이메일입니다.

다시 한 번 말씀드리는데 지금과 같은 메일 스토킹 행위를 중단해주시기 바랍니다. 나는 당신이 누구인지 전혀 모르며 이 논쟁에 참여할 의사도 전혀 없습니다. 앞으로도 이런 행위를 지속할 경우 법적 소송의 대상이 될 수 있음을 알려드립니다.

이것이 현실이라면 받아들이는 수밖에 없군요. 다음에는 더 큰 사람이 되어 만나 뵙기를 바랍니다.

김수현 교수에게서 회신이 없으므로 해당 주제에 대해서는 투기원인론자의 입장을 최대한 존중해 이후 논의하겠습니다.

김수현 교수님께서 확인해 주셨으면 하는 것이 두 가지 정도 더 있습니다. 이 확인을 토대로 2017.5 당시 집값이 대단히 높아서 어떤 식으로든 정책개입이 필요했다는 김 교수의 인식을 정당화하고, 또한 더 거슬러 올라가 박원순 시장 임기초 집값 역시 보통의 시장주의자 인식과 달리 대단히 높았다는 점을 보이게 됩니다. 

첫 번째 확인사항입니다. 아래 동영상 링크 소개화면에 있는 논문은 2017.5~2019.12까지 서울 아파트값을 분석한 결과입니다.

        https://youtu.be/9vjr8CXwp7c

최대한 신중하게 접근하기 위해 분석기간을 팬데믹 발발 직전까지로 한정하고 박근혜 정부의 영향을 문재인 정부 집값에서 최대한 제거했습니다. 이 분석도 온갖 크고 작은 시비의 대상이었습니다. 그냥 싫다, 확실하게 통계적으로 확인되지 않는 한 믿을 수 없다 등등.

아래는 요약이고 여기서 “정부대책”이란 같은 기간에 있었던 19차례 정부대책을 말합니다.

* 문 정부 출범 후 2019.12까지 오른 집값 대부분이 정부대책의 결과물이다.

* 정부대책 때문에 오른 집값 가운데 일부만이 2019.12까지 실현되었다.

* 여러 모형에서 문 정부의 정권요인이 서울에서 아파트가격을 영속적으로 올리는 요인으로 작용했지만, 박근혜 정부요인에 대해서는 통계적으로 유의하지 않아서 유사한 평가를 할 수 없다.

* 문 정부 초기 정부대책과 집값이 비슷한 비중으로 양자간 상호 견인기제에서 역할했다. 그러나 2019년이 되면서 아파트값이 정부대책-집값 상호 견인기제에서 주도적 역할을 했고, 그 결과 가격상승이 정부대책과 큰 관계 없이 또 다른 가격상승을 추동하는 방식으로 집값 상승기제가 변했다.

이용한 분석기법은 익숙하지 통계모형이라 “STATA를 이용한 응용계량경제학”(박영사)의 저자에게 두 차례 자문하면서 작성했습니다. 아래는 위 동영상에 첨부한 논문 초고에 대해 위 전공자가 코멘트한 내용 전문입니다.

       “매우 분석적이고 잘 구성되어 있습니다. 무척 재미있게 읽었습니다.”

첨부 논문의 분석에 따르면 전강수 교수의 주장대로 투기억제책이 충분히 정교해야 했지만, 설령 그러하지 못해 투기억제에 실패했다고 하더라도 대폭 오른 집값 대부분이 그러한 부동산정책의 직접적 결과물이어서는 안 됩니다. 당시 정책설계를 주도한 당사자로서 김수현 교수님께 코멘트 부탁드립니다.

위 링크에 기술문서와 논문에서 사용한 통계자료가 모두 있습니다. 이걸 이용해 논문의 그림과 표를 재생할 수 있습니다. 한 달 정도면 검토하는데 별문제가 없겠지요? 천천히 살펴보세요. 이용한 소프트웨어는 R과 STATA입니다. 기술문서를 보시면 어느게 어느건지 구분이 됩니다.

그리고 이혁주 교수가 전강수 교수한테 했고 계획가들이 이혁주 교수한테 했던 여러 가지 질문을 자신에게 던지면서 답해 보세요. 그리고 동영상 링크에 있는 통계 분석결과를 rationalize해 보세요. 자신의 이론을 이용해 상대편이 가진 의문에 답할 수 있을 뿐 아니라 중요 통계를 rationalize하는 설명방식을 제시한다면 교수님께서는 학계에 크게 기여하는 것이 됩니다.

김수현 교수로부터 별다른 문제 제기가 없으면, 서울 집값과 공급수준의 적정성 문제는 시기적으로 2017.5 당시로 재설정되고 이를 두고 보통의 계획가, 보통의 시장주의자와 그 적정성 문제를 따져보게 됩니다. 이상이 후속논의를 하는데 필요한 최소한의 분석적 조치가 됩니다.

김수현 교수님, 부탁드립니다.

감사합니다. 이혁주 드림

2022.10.5. 김수현 교수에게

아직 회신이 없었던 것 같습니다.

좀 더 편안하게 이혁주 교수를 교수님 박사생으로 간주해 보면 어떨까요. 박사생인 만큼 아직 해당 문제와 기법에 익숙하지 않고 기술내용도 전문가 눈에 많이 부족합니다. 이런 학생이 학위논문을 작성하고자 지난번 이메일 링크에 있는 분석결과를 들고 왔습니다.

어떻게 코멘트하시겠습니까? 이혁주 드림

2022.10.19 김수현 교수에게

김수현 교수님께서 수고가 많으십니다. 모두가 힘든 시기, 나이 든 우리가 조금 더 수고하도록 합시다. 

두 사람 모두 통계에 어두워서 그런가요? 나아가기 쉽지 않군요. 주택전문가이면서 통계기법에 밝은 이한테 자문해보는 것은 어떻겠습니까?

교수님께서 공급론적 시각에 비판적인 사람을 추천해 주시지요. 저도 찾아 보겠습니다. 이혁주 드림

2022.11.2, 박진백/이태리, 박진백 외(2021) 논문 설명 요청

문재인 정부 집값을 분석한 논문으로

          박진백, 이태리, 오민준, 2022. 금리의 주택가격 상승 기여도 추정. 주택연구, 29(4): 75∼100.

이 있군요.

2019.7에 고금리에서 저금리로 금리의 구조적 전환(structural break)이 있었는데 이 때문에 이후 집값이 급등한 것이지 공급요인 때문에 집값이 급등한 것이 아니라는 주장입니다. 아래는 논문 요약입니다.

This study aims at estimating the effect of interest rates on change rate of housing price and level of contribution. Main findings are as follows. Firstly, as a result of the existence of structural break in financial market after 2011 using structural break test, we found that there was a structural break in financial market around July 2019 under the circumstances of low interest rates. Examining the characteristics of changes in financial market by comparing before with after, we verified the 1.46-fold increase in residential mortgage and the rapid increase in housing prices after the structural break (July 2019) comparing with the period between May 2017 (inauguration of the current government) and June 2019. Secondly, according to the result of regression analysis, an increase in housing prices is closely related to a fall in interest rates. Particularly, the effect of interest rates on housing prices was stronger than that of housing supply factor and housing demand factor. Thirdly, another finding which is related to the analysis of the contribution on changes in housing prices with Shapley decomposition is strong contribution of interest rates during the period of post financial structural break (34.3-44.5%) comparing with the contribution of other variables. Lastly, According to results on the basis of Variance Decomposition of Panel VAR estimation, it is analyzed that interest rate works as a main factor of an increase in housing prices within 12∼24 months after structural break point. Thus, the main conclusion of this study is that a decrease in interest rates was one of the key factors of current increasing housing prices.

저자들은 언론 인용, 연구원 보고서, 논문 등 이 분야의 최고 전문가들입니다. 문구를 만들어서 여기 이메일을 통해 정중하게 요청해 보지요. 현재 이메일 리스트에는 없군요. 이혁주 드림

2022.11.15 박진백, 이태리 박사에게

이태리, 박진백 박사님께

저는 서울과기대 행정학과 이혁주 교수라고 합니다. 두 분께 논문 한 편에 대한 논평을 부탁드리고자 이렇게 이메일을 보내게 되었습니다. 이 논평은 그간 범(汎) 계획분야 학자들간 집값 논쟁의 연장선 위에 있습니다. 자세한 그간 내용은 아래 링크에서 일부 확인하실 수 있습니다. 지금은 훗날 뭐라 하면 시늉했다는 말 정도는 하고자 여러 사람 불편하게 만들고 있습니다. 

                       https://sites.google.com/view/debate2022-1/홈 

현재 김원중·이혁주(2022, in press)의 분석결과에 대해 김수현 교수한테 의견을 구하는 중입니다. 이 논문에 따르면 두 분이 발표한 박진백 외(2022)의 결(紋)과 달리 2019.12까지 오른 집값 대부분이 문재인 정부의 부동산정책 때문입니다.

김원중·이혁주(2022)와 이혁주·유상균(2021)을 결합하면 기존상식과 practice의 정당성을 부정하는 결론에 도달합니다. 그 시사에 따르면 진보는 계획가의 장단에 맞추어 춤춘 것이 됩니다. 김수현, 전강수 교수는 괴물이 되고 이 괴물은 기성 계획관의 산물이 됩니다. 박사님들도 계획가가 한정한 economist의 시각을 다시 수입해서 이제는 계획가 자신이 오인한 것이 되고, 두 분이 쓴 논문은 그 증거 하나로서 건강하지 못한 증상이 됩니다. 위 링크에서 언급한 이창무(한양대), 박은철(서울연구원) 박사의 인식이 보여주는 그 일상성(banality)이 보통 계획가의 상식인데 이 일상성이 진짜 괴물이라는 말이지요. 이때 김수현, 이창무, 변창흠, 박은철, 박진백, 이태리 박사 모두 누가 누구를 탓하는게 무의미하게 됩니다. 이혁주 교수도 이 일상성의 일부이고 두 분이 속한 기관도 이 거대 모순의 중요 지지축이 됩니다.

두 분에게서 김원중·이혁주(2022)에 대한 통계적 검증을 더 받아야 하는 것은 이런 시사 때문입니다. 추가 검증도 현재 예정되어 있습니다.

논평 요청을 드리는 것은 두 분이 주택전공자이면서 통계에도 능한 전문가이고 언론에서도 주목하는 분들이라는 점 때문입니다.

           서울신문 인용기사(2021.12.24.)

그 밖에 사정은 기회가 되면 말씀 드리겠습니다.

그래서 질문을 드립니다. 첨부 논문 김원중·이혁주(2022)는 연구질문에 대해 편향되지 않게 답할 수 있도록 연구를 설계하고 충실하게 분석했으며, 또한 분석결과를 과장과 왜곡 없이 기술했다고 볼 수 있는지요?

두 분의 논평은 김수현 교수가 김원중·이혁주(2022)를 논평하는데 큰 도움이 될 것으로 기대합니다. 

두 분께 부담을 드려 대단히 죄송합니다. 우리 시대 연구자들이 져야 할 짐이라고 생각하고 함께 수고해 주실 것을 정중하게 요청 드립니다. 시한을 두고 하는 일이 아니니 여유 있게 검토하시면 될 듯합니다. 감사합니다.

이혁주 드림

참고문헌

김원중·이혁주, 2022. 서울 아파트값 급등 원인에 대한 통계적 검토. 국토계획. 근간

                       (논문 설명: https://www.youtube.com/watch?v=9vjr8CXwp7c)

박진백·이태리·오민준, 2022. 금리의 주택가격 상승 기여도 추정. 주택연구, 29(4): 75-100.

이혁주·유상균, 2021. 밀도규제의 구속성과 규제의 타당성 검토: 서울 아파트단지를 중심으로. 국토계획, 56(5): 44-59.

2022.12.23. 박진백, 이태리 박사에게(계속)

이혁주-->박진백, 이태리 등

박진백, 이태리 박사님께

정책리포트를 논문으로 꾸며 발표했다는 것은 그만큼 자신들의 주장에 대한 확신이 있다는 것이고 논문 내용을 공유하기를 원한다는 것입니다.

김원중·이혁주(2022) 논문 한 편에 근거해 문재인 정부 초반의 부동산정책이 total failure라고 말하는 것은 성급합니다. 더구나 이 논문의 저자들은 통계논문을 처음 써보는 사람들입니다.

김원중·이혁주(2022)에 대한 논문 심사평을 “주택논쟁” 사이트 맨 뒤에 첨부합니다. 계량경제학 전공자의 논평과 달리 논문에 문제가 많습니다. 계량경제학 전공자는 주택전문가가 아닙니다.

두 분께 전문가다운 협조를 요청 드립니다. 두 분 및 연구원의 평판과도 관련된 사안입니다. 감사합니다. 이혁주 드림

<첨부> 국토계획 심사평

심사자 3

1. 문재인 정부 하의 주택가격 급등이 투기 때문인가 또는 정책실패 때문인가를 여러 각도에서 검증하고자 하는 논문임.

2. 다양한 검증 모형을 활용하고 있는데, 왜 꼭 그래야 하는지 모르겠음. A방법론과 B방법론이 서로 중복되지 않는 장단점을 가지고 있다면 A, B를 모두 실험하는 것이 이해되지만, 이 논문은 방법론간의 장단점 내지 보완관계에 대한 고려 없이 너무 다양한 방법을 나열하고 있음. 연구목적에 맞는 최적의 방법론(들)을 선택하는 과정이 필요함.

3. 이 논문의 결정적인 약점은 자료의 기간이 문정부 정책 효과를 이전 정부와 차별적으로 드러나게 할 정도가 되지 못한다는 것임. 주택가격 급등이 2020, 2021년에 특히 두드러졌으나 이 기간의 자료가 포함되지 않았음. 문 정부 이전의 자료도 충분한 기간이 포함되었는지 의문임.

4. "투기"가 주요 연구대상이지만, 이를 어떤 변수로써 포착하여야 하는지 설득력 있는 논의가 부족하다고 생각됨. 측정 불가한 변수의 효과를 검증하고 있다고 보임.

5. 일부의 논의는 이해하기 힘듬. 연구목적 부분에서 "주택보유, 소비억제세율"이라고 하지만 어떤 현실의 세금을 가리키는 것인지 불분명함. 세금이 아닌 것을 세금이라고 부를 수는 없음.

6. 자료를 보완하되, 논문을 문제의식에 따라 몇 개로 쪼개서 각자가 차별성을 갖도록 하는 것이 저자의 노력을 돋보이게 하는 방법이 아닌가 함.

본 논문에 대해 수정후 재심을 판정합니다.

심사자 4

[논문제목] “투기 대 정책실패”가 무슨 말인지 잘 모르겠습니다. 주택 투기에 대응하기 위한 정책들이 실패했다는 뜻인지요? 본 심사위원의 생각으로는 함축적이고 수사학적 표현이 논문에 대한 관심을 끌어들이는 편익보다 표현의 모호성으로 인한 비용이 더 커 보입니다.

[거품 형성 논의 부분] 자산가격 거품을 검증하는 것도 아니고 거품을 다룬 연구도 주로 해외연구 위주로 소개되었는데, “2.자산가격의 거품형성과 붕괴” 부분이 논문에서 꼭 필요한 것인지 검토해주시면 좋겠습니다. 없어도 상관없을 것 같습니다. 이 자리에 거시건전성 정책 관련 문헌연구가 수록되면 어떨런지요?

[데이터의 출처] 분석데이터의 출처를 정확히 밝혀주시기 바랍니다. 그리고 주택보급률은 다가구주택에서 구분거처를 반영한 신주택보급률인지요? 단순 주택보급률인지요?

[활용된 변수들에 대한 단위근 검정 필요] 특히, M2는 비정상성(non-stationarity)이 심한 변수인데 각 변수에 대해 단위근에 대한 검토 없이 회귀식을 구축하고 있습니다. univatiate/multivariate unit root test를 실시하셔서, order of integration이 서로 다른 변수가 하나의 방정식에 그냥 포함되도 되는 것인지 검토해주시기 바랍니다.

[가설 1에 대한 의견] 가설 1이 연구가설이 될 수 있는 것인지 모르겠습니다. 모든 정부에서 아파트값 상승의 양상은 다를 것입니다. Table 4의 Model 1, 5, 6에서 Regime 더미변수가 유의미한 것은 다른 거시변수들을 통제한 후 이전 정부 기간에 비해 현 정부 기간에 주택가격이 높았다라는 것을 보여주는 것이지, 그것이 주택가격 형성 양상의 구조적 변화가 될 수 없다고 봅니다.

[Figure 3] 과거 정부의 주택정책이 현재 정부 초기의 주택가격 형성에 영향을 줄 수 있습니다. 본 심사위원의 눈에는 가격상승의 크기가 현 정부 초기에 높은데 이는 주택가격에 정(+)의 효과를 끼칠수 있는 정책들이 과거 정부 시절 있었고, 이것이 현 정부 초기 아파트 가격 형성에 영향을 미친 것으로 판단됩니다. 그러니까 문재인 정부 시절 주택가격 형성이 꼭 문재인 정부 시절 정책 때문만은 아닐 수 있다는 것입니다. 이에 대해 디펜스를 해주시기 바랍니다.

[Figure 5] Figure 5는 저자께서 작성하신 것인지요? 아니면 다른 연구에서 인용한 것인지요? 아니면 다른 연구의 그림을 일부 수정한 것인지요? 그림 밑에 출처를 밝혀주시기 바랍니다.

[미주 활용 필요] 본문에 괄호를 써서 내용 추가를 하는 부분이 많은데, 저자께서 판단하셔서 미주(foot note)로 옮겨주시기 바랍니다. 예를 들면, “기술적 과정은 Brueckner(2011) 참고” 이 문구를 미주를 사용해주시면 좋겠습니다.

[대책 횟수 누적변수] 대책을 변수화하는 것이 어렵다는 것은 본 심사위원도 인지하는 상황입니다. S(t)는 횟수만 누적하는 것일 뿐, 정책의 성격과 강도(intensity)는 반영하지 않는 한계가 있습니다. 또한 횟수 누적 방식은 과거 대책의 효과가 그대로 유지된다고 가정하는데 과거 대책의 효과는 현재 대책의 효과보다 크기가 약해지는 것이 더 현실적입니다. 이에 대해 논문의 한계 중 하나로 코멘트를 넣어 주시면 좋겠습니다. 다른 연구(한국주택학회 주택연구에 출간된 연구로 기억됩니다)는 대책을 수요억제, 공급활성화 등 속성을 나누어 살펴보았습니다. 그리고 S(2017.5)=0 인지요? 물론, 기존 S(t)에 상수가 더해지기 때문에 회귀식에서 유의미성에는 변함이 없겠습니다만, 이전 정부 정책도 카운트해야 하지 않을지요?

[대책과 가격상승의 양방향성] 식(9)에서 이 양방향성이 어떻게 지지되는 것인지 좀 더 자세히 설명해주시기 바랍니다. 그리고, “정부대책때문에 집값이 상승했다”라는 결론은 내릴려면 차분변수에 의한 단기변동보다는 가격과 대책간 장기균형관계(cointegration)를 살펴봐야 하지 않을런지요?

[SVAR] short-run restrictions, long-run restrictions, identifying assumption에 대해 구체적으로 기술해주십시오. 그리고, 식 13, A matrix의 –a21가 –0.46으로 추정되었는데 이 계수가 통계적으로 유의미한지 유의미하지 않은지 제시해주십시오.

[논문의 기술 스타일에 대하여] 논문 전체적으로 내용은 학술적인데 기술 방식이나 의견 제시 방식, 단어의 선택이 학술논문에 부적절하고 신문 기고문 혹은 시사 잡지에 표현될만할 부분이 많이 있습니다. 이 관점은 심사위원 본인의 사견이지만, 다른 심사위원으로부터도 만약 이와 비슷한 의견을 받으신다면, 표현 방식에 대해 좀 더 고민해주시기 바랍니다. “집값”이라는 표현이 일상적으로 와닿기는 하지만 필요한 경우 “주택가격”으로 표현하면 어떨지 제안드립니다.

[국내 학술논문 문헌연구 추가 검토 필요] 정부정책과 주택시장 간 관계에 대해 탐색한 국내 논문에 대한 검토가 부족합니다. 대한국토도시계획학회, 한국주택학회, 한국부동산분석학회, 한국지역개발학회, 한국부동산연구원에서 운영하는 학술지들을 더 검토하셔서 이 주제에 대한 학술연구의 흐름을 제대로 설명해주십시오.

심사자 5

본 논문은 서울 집값이 급등하는 원인에 대한 연구로서 시의성이 높다. 상당히 의미 있는 연구라고 판단된다.

< 첨부>  계량경제학 전공자의 조언 내용

<1차 자문에 대한 이메일 회신 내용>

관심 가져주셔서 감사합니다. 컨설팅 회사 애널리스트, 연구소 연구원, 교수님들 많은 관심을 가지고 필요한 때 많은 연락이 오고 있습니다. 우선 보내주신 메일 내용에 대해 제 생각을 말씀드리면 다음과 같습니다. 

1. VAR모형에서 중요한 것을 결국 충격반응함수(irf)인데 외생성은 변수의 오더링(ordering)을 조정해서 파악하면 되는데 구태여 svar를 사용할 필요가 있을까 하는 생각이 듭니다.

2. 정책변수를 외생적으로 결정되는 것으로 보고 있는데 제가 보기에는 정책이 오히려 집값의 영향을 받는다는 생각입니다. 이런 생각은 var모형이 개발된 동기이기도 하고, 전통적인 연립방정식 모형이 인기를 잃은 이유이기도 합니다. 또한 Lucas' critique 문제가 제기된 이유이기도 합니다. 또한 정책을 외생변수로 본다고 해도 varx모형으로 충분히 커버됩니다.

3. 내가 svar을 권장하지 않는 이유는, 경제변수들 간의 구조계수를 모형화한 모형의 문제점 때문에 var이 개발되었는데 이젠 다시 var내에서 버렸던 구조모형으로 돌아가려는 시도이기 때문입니다.

4. var, varx, svar에서는 통상 추정계수의 유의성 여부를 가설검정하지 않습니다. 예외적으로 설명하는 논문도 있긴 합니다만 그렇게 설득력 있는 설명으로 보이지 않습니다.

5. 만약 집값상승-->대책 -->집값 상승 --> ... 이라는 악순환을 관찰하고 싶다면 차라리 집값상승과 정부대책의 충격반응함수에서도 관찰할 수 있습니다. 충격반응함수의 각계수에 대한 유의성 검정통계량도 출력됩니다. 또한 예측오차의 분해 결과를 이용해서도 파악이 됩니다. 더 중요한 것은 모형에서 이런 악순환을 파악하려고 C계수값을 추정하고 유의성 검정을 하려는데 C계수값이 이를 보여주는 파라미터가 아니란 생각이 듭니다.

6. svar모형에는 단기 svar모형과 장기 svar모형으로 나누어지는데 C계수값을 구한다는 것은 장기 svar모형을 추정하는 것입니다. C계수값과 표준오차 및 유의수준을 출력하려면 옵션은 lreq(C)을 부여하면 됩니다.

 결론적으로 모형은 가능하면 단순한 것이 좋습니다. 간혹 테크니컬한 부분을 강조한 연구가 있지만 큰 의미는 없다고 봅니다. 제가 가장 권하고 싶은 것은 var에서 오더링 정하는데 신경을 좀 쓰시고, 오더링이 결정되면 충격반응함수를 관찰하여 원하시는 답을 찾는 것입니다.

추가적인 질문은 e메일로 하시기 바랍니다. 가능하면 자료와 stata code를 함께 보내주시면 그 결과를 봐가면서 보다 도움되는 조언을 할 수도 있을 것 같습니다. 요즘 강의는 전부 동영상 강의로 하기 때문에 학교에 출근하지 않습니다.

또 다른 책을 집필하고 있어서 무척 바쁘네요. 저의 책 가운데 "생산성의 경제학, 박영사(2018)도 있는데 많은 실증분석 사례가 있습니다. 혹시 다른 연구에 참고되시길 바랍니다. 끝.

<2차 자문에 대한 이메일 회신 내용> 매우 분석적이고 잘 구성되어 있습니다. 무척 재미있게 읽었습니다. 끝.

2023.1.12. 박진백, 이태리 박사에게

일전에 박진백 외(2021)의 저자인 두 분께 김원중·이혁주(2022)에 대해 논평을 요청한 적이 있습니다. 두 분께서 회신하지 않으셔서 박진백 외(2021)와 두 분이 작성한 국토연구원 정책리포트가 왜 문재인 정부 부동산정책의 면책 근거가 될 수 없는지 지금부터 제가 설명해 보겠습니다. 

김원중·이혁주(2022) 논문에 대해 심사과정에서 제기되었던 의문에 대해 우선 답하고, 이 작업을 마치면 본격적으로 박진백 외(2021)를 비판적으로 재검토합니다. 

그럼 심사과정에서 제기되었던 비판에 대해 답합니다. 아래는 심사평에 대한 회신인데 그런대로 변론이 되었다고 생각합니다. 

         김원중·이혁주(2022) 논문 심사평에 대한 회신서

주목할 만한 심사평은 아래 내용입니다. 심사자 3의 심사평인데 마지막 문장을 눈여겨보세요.

5. 일부의 논의는 이해하기 힘듦. 연구목적 부분에서 "주택보유‧소비억제세율"이라고 하지만 어떤 현실의 세금을 가리키는 것인지 불분명함. 세금이 아닌 것을 세금이라고 부를 수는 없음.

설명연구에서 추상화, 개념화가 어떤 의미를 갖는지 이해하지 못하고 쓴 심사평입니다. 

익숙하지 않은 문서를 보고 이해하지 못하는 것은 자연스러운 일이지만, 같은 분야 전공자로서 그 의의(significance)마저 파악하지 못하고 오히려 과학문서에 대한 존중 없이 자신의 주장을 관철하려는 것은 삼가야 합니다. 이런 현상을 당분간 전강수 현상, 그런 유형에 속하는 사람을 전강수형 인간이라고 부르겠습니다. 지금까지 등장한 ‘전강수’는 전강수, 김경민 교수 그리고 심사자 3입니다. 한국 부동산 및 토지의 탈상품화 논의에서 이제 ‘전강수’를 도외시해도 좋은 변칙사례로 취급하기가 어렵게 되었습니다.

두 분께서 왜 박진백 외(2021)를 문재인 정부 면책의 근거로 사용할 수 없는지 직접 설명하지 않으시면, 이혁주 교수가 두 분께 확인하는 과정을 추가하게 되어 논의시간이 더 걸리게 됩니다.

오늘 내용도 주택논쟁 사이트에 추가합니다.

감사합니다. 이혁주 드림

2023.1.23. 박진백, 이태리 박사에게(계속)

안녕하세요. 서울과기대 행정학과 이혁주입니다. 

일전 이메일에서 말씀드렸던 것처럼 왜 박진백 외(2021)가 문재인 정부 부동산정책의 면책근거로 사용할 수 없는지 지금부터 살펴보겠습니다. 이 문제를 명확히 하지 않는 한 이후 논의가 별의미가 없을 정도로 중요한 이슈이고, 금리원인론은 대중매체에서 라디오 뉴스처럼 반복적으로 발신되는 내용입니다. 

김수현 교수님께서는 과학문서가 진상(眞相)에 다가가는 도정에서 어떤 역할을 하는지 특히 눈여겨보시기 바랍니다. 나중에 질문합니다. 

오늘은 한성대 김상조 교수님을 초대했습니다. 환영합니다. 최근 구여권 인사를 중심으로 구성한 정책포럼에서 중요하게 다룰 것으로 예상되는 부동산문제를 두고 현재 학자간 논쟁이 벌어지고 있습니다. 논쟁의 주제어는 집값, 부동산, 계획가, 과학문서, 측정, 스칼라십 등이고, 그간의 논쟁이력이 ‘주택논쟁’ 사이트에 있습니다. 클릭해서 확인해 보시면 좋을 것 같습니다.

다시 본론으로 들어와서 논의를 계속합니다. 논문 박진백 외(2021) “금리의 주택가격 상승 기여도 추정”에서 저자들은 2019년 7월 금리의 구조적 전환이 발생했고 이후 집값 상승의 주요 요인으로 작용했다고 주장합니다. 사용한 변수는 아파트가격, 금리, 제조업 생산지수, 주택 준공물량, 세대수 등 아파트값에 영향을 미치는 수요/공급요인들입니다.

우선 분석모형이 보수와 진보가 대립하는 핵심 지점을 정확히 겨누고 있으면서 핵심 의문을 공정한 시각에서 바라보는 분석틀을 갖추었는지 살펴보겠습니다. 보수는 문재인 정부가 집값 상승을 유발한 당사자라고 주장합니다. 이러한 비판이 경험적 규명의 대상으로서 아직 논란이 정리된 것이 아니기 때문에 이러한 주요 논점을 담아 모형을 설정하는 것이 분석의 정도(正道)입니다. 그런 일을 하는 것이 연구자이구요.

보수의 비판과 저자들의 분석틀을 참고해 변수간 인과 경로를 다시 그린 것이 아래 <그림>입니다. 제가 생각해 본 가장 간단한 그림입니다. 실제 모형(execution model)은 이 그림이 담고 있는 인과론을 얼마든지 더 풍부화해 사용할 수 있습니다.

저자들은 수요/공급요인이 집값에 영향을 미치는 경로로서 경로 B를 상정하고 분석하면서, 정부요인이 집값에 미치는 직간접 경로 정부요인-A-B-집값, 정부요인-C-집값 등 경로 두 가지는 사상(捨象)합니다.

<그림> 집값과 그 영향요인간 인과론적 경로 그림

만약 이들 직간접 경로를 사상해도 된다면 굳이 복잡한 모형을 사용할 이유가 없고 두 분의 접근법은 타당하게 됩니다. 직간접 경로를 사상하고 경로 B만 고려한 모형을 이용해 문재인 정부의 정책을 평가한 이유가 무엇인지 설명해주실 수 있겠는지요? 논문에 관련 설명이 없어서 질문드립니다.

감사합니다. 이혁주 드림

박진백 외. 2021. 금리의 주택가격 상승 기여도 추정. 주택연구 29(4): 75-100.

2023.2.1. 박진백, 이태리 박사에게(계속)

서울과기대 이혁주 교수입니다. 

지난번 이메일에서 알아본 내용은 이렇습니다. 두 분은 논문에서 정부대책이 집값에 미치는 직간접 경로를 사상(捨象)하고 금리, 주택공급 등 통상적인 경제변수만 고려해 문재인 정부 기간 집값 상승의 원인을 분석했습니다. 이렇게 모형을 설정한 이유에 대해 이혁주 교수가 그 이유를 물었습니다. 

이 질문에 대해 박진백, 이태리 박사 두 분이 답해야 하는 이유는 두 가지입니다. 

첫째, 정부요인을 생략한 이유에 대해 적절히 변론하지 못하면 이 논문은 교과서에서 말하는 specification error, omitted variable로 인한 편향(bias) 때문에 논문에 기술한 내용 전반의 타당성이 의문시됩니다. 다행히 학술지에 게재되었습니다. 그러나 다시 쓰고(rewriting) 새로운 투고 절차를 밟아야 하는 문제라서 심사과정이 충실했다면 게재 불가 판정을 받았을 것입니다. 

둘째, 박진백 외(2021)라는 논문의 가치 때문입니다. 문재인 정부 부동산정책의 효과를 측정한 논문은 현재 김원중·이혁주(2022), 박진백 외(2021) 등 2편이 있습니다. 두 분이 쓴 논문은 좁게는 문재인 정부 부동산정책, 넓게는 그 전신인 노무현 정부 부동산정책의 refined version으로서 진보적 부동산정책의 2nd round 정책실험의 성패에 관한 글입니다. 이 글의 타당성이 부정되면 진보 부동산정책과 그 연장선 위에 있는 최근 결성 ‘정책포럼’의 정당성까지 의문시됩니다.

논문 한두 편으로 진보의 어젠다와 그간 성취가 부정되는 것은 아니지만, 진보적 부동산정책의 정당성을 평가할 수 있는 인과론적 측정문건의 전반적 부재 상황에서 주목할 만한 희소 문서의 가치가 부정된다는 것은 그냥 지나칠 문제가 아닙니다. 

두 분이 scholar라면 논문의 가치를 논변하셔야 하고 또 할 수 있어야 합니다.

경청해 주셔서 감사합니다. 이혁주 드림

김원중·이혁주. 2022. 서울 아파트가격 급등 원인에 대한 통계적 검토. 국토계획 57(7): 69-90.

박진백 외. 2021. 금리의 주택가격 상승 기여도 추정. 주택연구 29(4): 75-100.

2023.2.16. 박진백, 이태리 박사에게

안녕하세요. 서울과기대 행정학과 이혁주 교수입니다.

오늘은 이준구 교수님을 초대합니다. 최근 출간한 책 이준구(2023)에서 집중 거론한 내용을 현재 연구자들이 이메일 논쟁하고 있습니다. 교수님 성함 세 글자 모르는 분은 없으실 것으로 보고 따로 소개하지 않습니다. 교수님께 도움을 요청하고자 이렇게 초대하게 되었습니다. 인사드립니다. 그간 논쟁은 ‘주택논쟁’ 링크에 있습니다. 주제어는 집값, 부동산, 과학문서, 측정, 스칼라십 등입니다. 

다시 본론으로 와서, 과학은 이론과 관찰이라는 기둥 둘로 구성되었고, 관찰은 설명방식으로서 이론과 일치해야 합니다. 사회과학 조사방법론의 세계적 best seller Babbie(2020: 8), 국내 베스트 셀러 남궁근(2021: 11)에 나오는 실험과학(experimental science) 얘기입니다. 

아무튼 이런 논설에 따르면 이론과 관찰 가운데 어느 하나라도 없으면 그러한 믿음, 관행, 실무(practice), 정책은 과학이 아닌게 됩니다(Pigliucci, 2013: 22). 그런데 박진백 외(2021)의 경우 이론과 일치하는 관찰결과 즉 evidence를 확보하지 못한 것으로 보이는데, Babbie, 남궁근에 기술된 원칙을 적용하면 박진백 외의 시도는 진보 부동산정책의 과학적 근거 확보 노력이 실패한 사례가 됩니다.

전강수(2021)의 경우 ‘이론’의 내적 타당성(internal validity)에 문제가 있어서 그 논설이 과학의 요건을 갖추지 못했던 것과 대조가 됩니다. 변창흠, 김경민 교수의 경우는 얘기가 왔다 갔다 해서 ‘의견’으로 분류됩니다. 김수현 교수는 침묵이라 판단 자체가 현재로서는 힘듭니다.

여기 얘기가 모두 정리되면 이준구 교수에게는 refutable hypothesis의 기술(記述)을 요청해보겠습니다. 과학 커뮤니티에서 존중받는 두 지식체계가 충돌할 때 어떻게 이 모순을 해결하고 ‘의견’을 지식화할지 20세기의 철학적 성취를 활용해보자는 취지의 제안입니다.

과학과 비과학의 구분(demarcate)에 관한 얘기로서 이준구(2023)에서 제기한 방대한 주제 전반뿐 아니라 공급론자의 주장에 대해서도 똑같은 기준을 적용할 수 있습니다. 황당한 얘기같이 들리지만 현재 목도하는 인식의 간극과 현상(現狀)에 주목할 때 고려해 볼 만한 접근법입니다. 전강수 교수는 유사 제안에 대해 거절한 바 있습니다(이전 이메일 참고).

박진백, 이태리 박사님께서 설명이 없으면 중요변수의 생략이 연구결과에 어떤 영향을 미쳤는지 자료를 이용해 살펴보겠습니다.

감사합니다. 이혁주 드림

남궁근. 2021. 행정조사방법론. 6판. 서울: 법문사.

박진백 외. 2021. 금리의 주택가격 상승 기여도 추정. 주택연구 29(4): 75-100.

이준구. 2023. 누가 내 집 마련의 꿈을 빼앗아 갔는가? 경기도 고양: 문우사.

전강수, 2021.5.27. “아파트공급 확대론의 치명적 결함”, 오마이 뉴스.

Babbie, Earl. 2020. The Practice of Social Research. 15th edition. Belmont, CA: Wadsworth Cengage.

Pigliucci, Massimo. 2013. The demarcation problem. In Pigliucci, M. and Boudry, Maarten (ed), Philosophy of Pseudoscience, Chapter 1. Chicago: University of Chicago Press.

2023.2.28. 박진백, 이태리 박사에게(계속)

안녕하세요. 이혁주 교수입니다.

이준구 교수님께서 격려 이메일을 보내 주셨습니다. 감사드립니다. 이준구 (2023)에 제기된 여러 가지 speculation 의 진위는 차차 알아보도록 하겠습니다. 문서의 가치를 고려해 첨부합니다 ( 첨부 1).

다시 본론으로 와서, 지난번 이메일에서 박진백, 이태리 박사님의 설명이 없으면 중요변수의 생략이 연구결과에 어떤 영향을 미쳤는지 자료를 이용해 살펴보겠다고 했습니다.

분석결과의 강건성 (robustness) 을 고려해 자료 두 가지를 이용합니다.

(1) 박진백 외에서 사용한 자료 가운데 서울 자료

기간 .. 박진백 외와 동일. 2011.1~2021.5

변수 (박진백 외에서 사용한 변수).. 실질 KB 아파트가격 지수 월간변동률 Price.r(t), M2 월간변동률 M2.r(t), 실질 CD 금리 1 차 차분자료 CD.d(t), 실질 제조업 생산지수 월간변동률 MPI.r(t), 주택준공물량 월간변동률 H_supply.r(t), 세대수 증감률 HH.r(t). t 는 월

추가한 변수 .. 문재인 정부 더미 Moon(t), 박근혜 정부 더미 Park(t), 팬데믹 더미 Pandemic(t)

자료 내려받기 .. PJB_data_Seoul.csv

(2) 월간 1 차 차분 자료

기간 .. 2009.1~2022.4

변수(명목자료)..서울 KB 아파트가격 지수 월간 자료 1 차 차분한 것 Price(t), M2 월간 자료 1 차 차분한 것 M2(t), CD 금리 월간 자료 1 차 차분한 것 CD(t), 서울 제조업 생산지수 월간 자료 1 차 차분한 것 MPI(t), 가계부채 월간 자료 1 차 차분한 것 Debt(t), 서울 전세가격 지수 월간 자료 1 차 차분한 것 Jeonse(t), 문재인 정부 더미 Moon(t), 박근혜 정부 더미 Park(t), 팬데믹 더미 Pandemic(t), 이명박 정부 정부대책 더미 D_Lee(t)( 발표한 달 -1, 아닌 달 0), 박근혜 정부 정부대책 더미 D_Park(t)( 발표한 달 -1, 아닌 달 0), 문재인 정부 정부대책 더미 D_Moon(t)( 발표한 달 +1, 아닌 달 0), SumD(t)=D_Lee(t)+D_Park(t) +D_Moon(t) (정부대책 누적횟수를 1 차 차분한 변수. 이 누적횟수에 비례해 Price가 변할 것이라는 가설 검증 가능. period-differentiated impact 의 존재 여부도 측정/검증 가능)

자료 내려받기 .. 1st_differenced_data.csv

보수정부의 경우 정부대책 발표시 -1, 진보정부의 경우 정부대책 발표시 +1 값을 부여했습니다. 부호는 중요하지 않습니다. 그러나 부호를 반대로 하는 것은 중요합니다. 상대방 탓 하는데 누가 올바른 말을 하는지 확인하려면 이렇게 해야 합니다. 

이용할 소프트웨어는 R studio 공개소프트웨어로서 여기서 내려받아 설치하면 됩니다.

<첨부 2> 안내에 따라 자료를 R Studio 에 올린 후 자유롭게 자료를 검토해 보시기 바랍니다. 제가 검토한 결과는 다음에 올리겠습니다.

시계열자료간 허위 상관문제가 있어 보통 차분자료 (differenced data) 로 변환해 자료를 이용합니다. 올린 자료는 모두 일차가공 처리하고 통계검증 절차 (stationarity) 를 거쳤기 때문에 바로 이용할 수 있습니다. 변수간 상호작용 때문에 보통 single equation model 대신 다방정식(multiple equation system) 모형인 vector autoregressive model(VAR 모형, 유튜브 참고)를  이용합니다. 여기서도 동시성 편향문제가 있을 수 있어 독립변수로 lagged variable을 이용합니다.  과하다 싶을 정도로 입증의 짐을 지는 것이 과학커뮤니티 일반의 규범이라서 이 정도는 해야 할 것 같습니다.

감사합니다. 이혁주 드림

이준구. 2023. 누가 내 집 마련의 꿈을 빼앗아 갔는가 ? 경기도 고양 : 문우사.

<첨부 1>... 이준구 교수 -> 이혁주 교수 이메일 (2023.2.16.)

이 교수께,

변변치 않은 제 책이 젊은 경제학자들의 연구열에 자극제가 되었다니 너무나 기쁜 일입니다.

잘 아시다시피 제 시론은 엄밀한 실증적 근거 위에서 쓴 게 아니기 때문에 좀 더 정밀한 실증적 검증이 필요하다고 봅니다.

참여하고 계신 여러분들의 노고로 진실이 좀 더 정확하게 밝혀지기를 기대해 봅니다.

이준구 드림

<첨부 2> R codes

아래 명령어 가운데 > 다음에 있는 명령어를 R Studio 명령어 입력창에 입력한 후 Enter 키 침

> install.packages("vars") # VAR 모형 돌리는데 필요한 package 설치하기

> PJB=read.csv(file.choose(),header=T) # 자료 읽어들이기

> View(PJB) # 자료 PJB 가 어떻게 생겼는지 볼 수 있음

> Rhee=read.csv(file.choose(),header=T) # 자료 읽어들이기

> View(Rhee) # 자료 Rhee 가 어떻게 생겼는지 볼 수 있음

아래는 R Studio 화면의 모양 .

      화면 모양

2023.3.14. 박진백, 이태리 박사에게(계속)

안녕하십니까, 이혁주 교수입니다.

박진백 외(2021)가 사용한 월간 변화율 자료 가운데 서울 통계를 이용해 금리의 구조전환이 아파트값에 영향을 주었는지 알아보겠습니다. 박진백 외와 같이 단일방정식을 이용합니다. 

Price.r=-.0050-.0003*CD.d+.0031*CD.d*Break+.0110*MPI.r                                                       (식1)

                           (.0069)         (.0159)                        (.0051)**

              +.0012*H_supply.r-.9163*HH.r+.0059*Park+.0128*Moon, R2=.44

               (.0009)                   (.5817)            (.0012)***        (.0014)***

      *** p-value<0.01, ** p-value<0.05, 괄호 안 숫자는 표준오차

변수명(순서대로): 서울 아파트값 지수, 금리, 금리*2019.9 전후 더미변수, 제조업생산지수, 주택공급, 가구수, 박근혜 정부 더미, 문재인 정부 더미(금리는 월간 1차 차분, 나머지는 모두 월간 변화율)

관심변수인 금리 관련 변수의 회귀계수 2종(빨간 숫자) 모두 유의하지 않습니다. 정권더미 Park, Moon 빼고 추정해도 마찬가지입니다(보고 생략).

다음은 김원중·이혁주(2022) 월간 1차 차분자료를 이용해 추정한 결과입니다.

Price=.021-.021*CD+.062*CD*Break+.353*Jeonse+.605*Pandemic, R2=.38                           (식2)

                    (.022)      (.063)                    (.089)***                  (.095)***

변수명(순서대로): 서울 아파트값 지수, 금리, 금리*2019.9 전후 더미변수(상호작용 변수), 전세가격지수, 팬데믹 더미(2020.3 이후=1, 나머지 기간=0)

금리 관련 변수 2개 모두 유의하지 않고, 2019.9 이후 금리 하락은 집값 하락을 의미합니다. 이상한 결과입니다. 다른 방식으로 추정해도 대동소이합니다.

정권변수를 추가하면 조금 개선됩니다. 아래는 결과입니다.

Price=-.276-.055*CD+.086*CD*Break+.534*Jeonse+.191*Park                                                (식3)

                   (.018)***     (.052)                   (.076)***              (.064)***

              +.659*Moon+.099*Pandemic, R2=.59

                (.073)***           (.098)

                   *** p-value<0.01, 괄호 안 숫자는 표준오차

변수명(순서대로): 서울 아파트값 지수, 금리, 금리*2019.9 전후 더미변수(상호작용 변수), 전세가격지수, 박근혜 정부 더미, 문재인 정부 더미, 팬데믹 더미(2020.3 이후=1, 나머지 기간=0)

(식3)에 따르면 2019.9 이후 구조전환이 관찰되지 않습니다(insignificant, 빨간 숫자). 그리고 2019.9 이후 이자율 하락은 집값 하락을 의미하는 것으로 계수의 크기가 산출되었습니다(-.055+.086>0). 기대부호와 반대입니다. 유의하게 나왔다면 더 문제가 될 뻔했습니다.

박진백 외에서는 구조전환 여부를 판단하면서 (1)집값은 당기 독립변수에 의해 결정된다고 가정했고(no lagged variables used), (2)변수간 상호작용을 고려하지 않았고(즉 단일 방정식 이용), (3)정부요인도 사상(捨象)했습니다. 사실과 다르면 말씀 부탁드립니다. 박진백 외 모형을 이용해 분석했지만, 모형의 타당성과 별개로 이렇다 할 만족스런 결과를 얻지 못했습니다.

다음 이메일에서는 이들 세 가지 비판을 수용해 VAR모형을 꾸미고 다시 분석해보겠습니다. VAR모형 R 사용설명서는 여기에 있습니다.

주택논쟁 사이트 맨 뒤에 (식1)-(식3)을 유도하는 R 명령어를 첨부했습니다.

이혁주 드림

김원중·이혁주. 2022. 서울 아파트가격 급등 원인에 대한 통계적 검토: 정부 대 시장. 국토계획, 57(7): 69-90.

박진백 외. 2021. 금리의 주택가격 상승 기여도 추정. 주택연구 29(4): 75-100.

<첨부 1> (식1)용 R codes

> PJB=read.csv(file.choose(),header=T)      #박진백 외(2021) 자료 읽어들이기. PJB_data_Seoul.csv 를 

                                                                              # 적당한 곳에 저장한 후 여기 명령어를 이용해 읽어 들임 

> View(PJB)                                                        # 자료 모양 보기

> Break=array(0,c(125))                                  # 더미변수 Break 만들기

> for(n in 106:125){Break[n]=1}                   #2019.8까지는 0, 이후는 1인 더미변수 값 부여. 

                                                                            # 2019.9는 박진백 외가 추정한 구조전환 시기 시점

> CD_Break=PJB$CD.d*Break                    # interaction term between CD.d and Break dummy

> result=lm(Price.r~CD.d+CD_Break+MPI.r+H_supply.r+HH.r+Park+Moon,data=PJB)    #회귀식 구하기

> summary(result)                                      #추정결과 화면에 출력하기

<첨부 2> (식2), (식3)용 R codes

> Rhee=read.csv(file.choose(),header=T)    # 자료 1st_differenced_data.csv 를 적당한 곳에 저장한 후 

                                                                                # 여기 명령어를 이용해 저장한 자료를 읽어 들임

> View(Rhee)

> Break1=array(0,c(161))                                  # 더미변수 Break1 만들기

> for(n in 106:161){Break1[n]=1}                   #2019.8까지는 0, 이후는 1인 더미변수

> CD_Break1=Rhee$CD*Break1                   # interaction term between CD and Break dummy

> r1=lm(Price~CD+CD_Break1+Jeonse+Pandemic,data=Rhee)                          #(식2)

> summary(r1)                                   # (식2) 결과 확인하기

> r=lm(Price~CD+CD_Break1+Jeonse+Park+Moon+Pandemic,data=Rhee)      #(식3)

> summary(r)                                    # (식3) 결과 확인하기

2023.3.28. 박진백, 이태리 박사에게(계속)

안녕하십니까, 이혁주 교수입니다.

지난번 이메일에서 문재인 정부 시기 금리에 구조전환이 발생해 집값이 급등했는지 그 여부를 ‘단일 방정식’을 이용해 살펴보았습니다. 추정결과가 유의하지 않거나 이론상 해석이 어려운 결과가 도출되었습니다. 이자율을 핵심변수로 포함하되 제대로 된 모형을 만든 후 처음부터 다시 분석하는게 좋다는 시사를 얻었습니다.

구체적으로 아래와 같은 모형을 이용해봅시다.

(1) 이자율을 핵심 관심변수로 포함하고 정부요인은 간단하게 정권더미 Moon(문 정부 기간=1, 나머지 기간=0), Park(박근혜 정부 기간=1, 나머지 기간=0)으로 대표하고 VAR모형을 구축해 분석한다. 자료가 2009.1부터이므로 ‘기준’ 정권은 이명박 정부가 된다.

(2) 분석기간을 문재인 정부 일부로 한정해야 했던 김원중·이혁주(2022), 박진백 외(2021)와 달리 문재인 정부 전체 기간으로 분석대상 기간을 확장한다.

(3) 박진백 외가 사용한 월간 변화율 대신 김원중·이혁주가 사용한

        월간 1차 차분자료 = 인접한 두 달 변수간 변동치, 1st_differenced_data.csv

을 이용한다.

월간 1차 차분 자료를 이용하면 이준구(2023) ‘프롤로그’에서 거론한 “정책시차” 덕에 요즘 보듯이 윤석열 정부 집값이 하락했는지 그 여부를 검정할 수 있습니다. 마찬가지로 문재인 정부 초기 집값이 박근혜 정부 때문에 높았는지도 검정할 수 있습니다.

추정할 회귀식 체계를 행렬과 변수 벡터를 이용해 표현하면 아래와 같이 간단하게 쓸 수 있습니다.

        모형: y(t)=ν+A1y(t-1)+…+Apy(t-p)+Bx(t)+e(t)                                                                     (식1)

        ν, A1,…,Ap, B는 계수행렬, p는 차수, e는 오차항, t는 월, y(t)는 t월 내생변수, x(t)는 외생변수.

       내생변수: 아파트값 지수 Price, CD 금리 CD, 전세가격지수 Jeonse

       외생변수: 박근혜 정부 정권더미 Park, 문재인 정부 정권더미 Moon, 구조전환 상호작용항 CD_Break

즉 식(1)은 내생변수에 포함된 서울 아파트가격 방정식, 금리 방정식, 서울 아파트전세가격 방정식 등 3개의 방정식으로 구성됩니다. 내생변수를 다르게 구성해도 큰 차이가 있는 것으로 아직 확인한 바 없어서 위와 같이 구성한 모형으로 진행하겠습니다. 

금리 관련변수 2종을 모형에 어떻게 반영하느냐에 따라 서로 다른 모형을 여러 가지 만들 수 있습니다. 여기서는 아래 4가지만 검정해보겠습니다. 위에 나열한 변수 모두를 이용해 구성한 모형은 unrestricted model로서 UR model이라고 부르고, 일부 변수가 누락된 모형은 restricted model로서 R model이라고 부르겠습니다. parsimony 원칙을 적용해 설명요인의 수를 줄이기 위해 도입한 개념입니다.

검정 1: UR model은 모든 변수를 포함한 모형. R model은 Price equation에서 CD_Break 회귀계수를 0으로 놓고 나머지는 UR model과 동일 -> 금리의 구조전환 여부 검정

검정 2: UR model은 모든 변수 포함한 모형. R model은 Price equation에서 CD 및 CD_Break 회귀계수 2개가 0이고, 나머지는 UR model과 동일 -> 구조전환 여부 포함 금리를 집값에 영향을 미치는 변수로 취급할 수 있는지 검정

검정 3: 검정 2에서 VAR(1) 대신 VAR(2)를 이용해 다시 검정 -> robustness 확인

검정 4: UR model은 외생변수 가운데 Pandemic만 포함. R model은 Price equation에서 CD 및 CD_Break 회귀계수가 0이고 나머지는 UR model과 동일 -> robustness 확인

CD_Break변수는 내생변수이지만 추정목적상 외생변수로 간주하고 추정할 수 있습니다. 자세한 내용은 Lutkepohl(2005) 3장, 4장 6절 및 10장을 참고하면 됩니다. R, STATA에는 해당 추정메뉴가 없더군요. 해당 추정메뉴가 없다는 것은 해당 검정 또한 없다는 말입니다. EViews도 마찬가지인 것 같았습니다. 일단 모형을 추정하고 나면 그다음부터는 기계적인 검정과정입니다.

아래는 검정 결과입니다.

                            <표 1> 금리 관련변수의 통계적 설명력 검정

표에서 UR model의 로그 우도가 R model의 로그 우도보다 예외 없이 높게 나왔습니다. 설명변수의 개수가 더 많은 UR model의 설명력이 설명변수의 개수가 적은 R model보다 높아서 나온 당연한 결과입니다. 그런데 어떤 방식으로 검정하든 R model의 로그 우도가 UR model과 별로 차이가 나지 않고, 그 결과 금리 관련변수는 예외 없이 유의한 설명변수로 보기 어렵다는 검정결과(즉 높은 p-value)가 나왔습니다. 특히 구조전환 여부를 검정한 검정 1에서 p value는 지나치게 큽니다(빨강 숫자).

실망적인 결과입니다. 사실은 대단히 실망적입니다. 왜냐하면 박진백 외 경로그림에서 저자들은 정부요인을 설명요인에서 제외함으로써 문 정부를 면책하고 집값 상승의 책임을 통상의 경제변수(즉 금리)로 돌리려 했지만, 선택된 경제변수 자체의 설명력에 문제가 있는 것으로 검정결과가 나왔기 때문입니다. 구조전환 여부는 차치하고...

이제 애초에 이혁주 교수가 제기했던 문제, 즉 정부요인을 생략하면 회귀계수 추정에 편향이 발생하는지 알아보겠습니다. 지금 VAR모형을 가지고 논의를 하므로 VAR모형에서 알아봅니다. 아래는 <표 1> 결과물에서 추출한 Price equation입니다(괄호 안 숫자는 표준오차)

       정권더미 포함시: Price(t)=-.096+.533*Price(t-1)-.024*CD(t-1)-.013*CD_Break(t)+.137*Jeonse(t-1)     (식2)

                                                            (.07)***               (.016)              (.04)                        (.08)

                                                  +.098*Park(t)+.293*Moon(t)+.113*Pandemic(t),       R2=.64                   

                                                    (.06)              (.08)***              (.09)

                                  (검정 1, 검정 2 UR model의 Price 방정식)

       정권더미 제외시: Price(t)=.035+.682*Price(t-1)-.007*CD(t-1)-.02*CD_Break+.008*Jeonse(t-1)            (식3)

                                                         (.06)***              (.01)             (.04)                   (.07)

                                                  +.24*Pandemic(t),      R2=.62 (검정 4 UR model의 Price 방정식)   

                                                  (.08)***

                                   *** p-value < .01

(식2), (식3)에 따르면, 정권더미 Park, Moon의 포함 여부에 따라 VAR모형에서도 CD, CD_Break의 회귀계수에 작지 않은 변화가 발생합니다(빨간 숫자). 즉 저자들이 VAR모형을 이용했다고 하더라도 정부요인을 고려하지 않았을 때 VAR모형에서 편향 가능성이 마찬가지로 확인됩니다.

요약하면, 모형 회귀계수의 편향 가능성, 구조전환 존재여부에 대한 의문, 그리고 금리 CD의 설명력에 대한 회의적 분석결과 등 박진백 외는 다양한 문제를 가지고 있습니다. 처음 박진백 외를 검토했을 때 예상하지 못했던 일들입니다.

이 논문의 기초가 되었던 국토연구원 해당 정책레포트도 같은 문제를 가지고 있을 것으로 보이고, 저자들이 참여해 작성한 국토연구원 부동산시장연구센터 다른 문서들도 비슷한 문제점이 있는 것은 아닌지 의문이 듭니다. 이러한 문제가 논문의 저자와 연구원 수준에서 그쳐야 하는데 어떨지 모르겠군요. 지금까지 드러난 문제 말고 또 다른 문제는 없는지 더 알아봐야 할 것 같습니다.

이제 R model의 설명력이 UR model과 비슷하다면, 굳이 금리 관련변수를 서울 아파트값 영향요인으로서 주목할 이유가 없게 됩니다. 모형 설정문제는 간단하지 않아서 추가 논의가 필요합니다만, 지금까지 분석한 결과를 토대로 생각해볼 때 제로 베이스에서 모형을 다시 구성해야 한다는 결론에 이릅니다.

다음엔 금리는 잊고 새로 구축한 모형에 대해 말씀드리겠습니다.

감사합니다. 이혁주 드림

김원중·이혁주. 2022. 서울 아파트가격 급등 원인에 대한 통계적 검토: 정부 대 시장. 국토계획, 57(7): 69-90.

이준구. 2023. 누가 내 집 마련의 꿈을 빼앗아 갔는가? 경기도 고양: 문우사.

박진백 외. 2021. 금리의 주택가격 상승 기여도 추정. 주택연구 29(4): 75-100.

Lutkepohl, Helmut. 2005. New Introduction to Multiple Time Series Analysis. Berlin: Springer. (인터넷에 있음)

<첨부 1> 검정 1용 R codes

> Rhee=read.csv(file.choose(),header=T) # 1st_differenced_data.csv 읽어 들이기

> View(Rhee) #자료 보기

> endo=cbind(Rhee$Price,Rhee$CD,Rhee$Jeonse)  #Price, CD, Jeonse로 내생변수 데이터셋 endo 만들기

> colnames(endo)=c('Price','CD','Jeonse') #endo 각 열에 변수명 부여하기

> Break=array(0,c(161)) # 더미변수 Break 만들기

> for(n in 106:161){Break[n]=1} #2019.8까지는 0, 이후는 1인 더미변수

> CD_Break=Rhee$CD*Break # interaction term between CD and Break dummy

> exo=cbind(Rhee$Park,Rhee$Moon,Rhee$Pandemic,CD_Break)

    #외생변수 Park, Moon, Pandemic 및 내생변수 CD_Break로 구성된 외생변수 데이터셋 exo 만들기

> colnames(exo)=c('Park','Moon','Pandemic','CD_Break')   #exo 각 열에 변수명 부여하기

> library(vars) # VAR모형을 돌릴 수 있는 package program 불러오기

> VARselect(endo,exogen=exo) #최적 차수 p=1 선택

> UR_model=VAR(endo,p=1,exogen=exo) 

         # 변수 endo를 내생변수, 변수 exo를 외생변수로 해서 VAR(1) 추정하고 

         # 그 결과물을 UR_model 이름으로 저장하라.

> summary(UR_model) #UR model 추정 결과 출력하기

> logLik(UR_model) #UR_model의 로그 우도=-219.78

> Bcoef(UR_model) #UR_model의 회귀계수 행렬 출력.

#모양 확인하고 다음 줄 명령어 작성

> constraint1=matrix(c(1,1,1, 1, 1,1,1, 0, #Price equation, CD_Break의 계수=0

                                        1,1,1, 1, 1,1,1, 1, #1은 해당 위치 계수는 살려서 추정하라는 말

                                        1,1,1, 1, 1,1,1, 1),nrow=3,byrow=TRUE)

# 이 행렬의 배열은 Bcoef(UR_model)에서 출력한 계수들의 위치와 1대1일 대응

> R_model1=restrict(UR_model, method="man", resmat=constraint1)

#이미 추정한 UR_model에 constraint1에 있는 대로 일부 계수는 0으로 놓고 모형을

#다시 추정하고 그 결과물을 R_model1에 저장하라는 명령어. 명령어 restrict는

#제약모형을 추정하라는 명령어. 사용법은 여기 매뉴얼 p.29 참고.

> logLik(R_model1) # 로그 우도 = -219.83

<첨부 2> 검정 2용 R codes. 검정 1을 이미 수행했다면 아래 빨간색 스텝은 불필요

> Rhee=read.csv(file.choose(),header=T) # 1st_differenced_data.csv 읽어들이기

> View(Rhee) #자료 보기

> endo=cbind(Rhee$Price,Rhee$CD,Rhee$Jeonse)   #Price, CD, Jeonse로 내생변수 데이터셋 endo 만들기

> colnames(endo)=c('Price','CD','Jeonse') #endo 각 열에 변수명 부여하기

> Break=array(0,c(161)) # 더미변수 Break 만들기

> for(n in 106:161){Break[n]=1} #2019.8까지는 0, 이후는 1인 더미변수

> CD_Break=Rhee$CD*Break # interaction term between CD and Break dummy

> exo=cbind(Rhee$Park,Rhee$Moon,Rhee$Pandemic,CD_Break)

       #외생변수 Park, Moon, Pandemic 및 내생변수 CD_Break로 구성된

       #외생변수 데이터셋 exo 만들기. 이 step 이미 밟았다면 이 스텝 생략가능

> colnames(exo)=c('Park','Moon','Pandemic','CD_Break')   #exo 각 열에 변수명 부여하기

> library(vars) # VAR모형을 돌릴 수 있는 package program 불러오기

> VARselect(endo,exogen=exo) #최적 차수 p=1 선택

> UR_model=VAR(endo,p=1,exogen=exo) # UR model 추정하기

> summary(UR_model) #UR model 추정 결과 출력하기

> logLik(UR_model) #로그 우도=-219.78

> Bcoef(UR_model) # 회귀계수 행렬의 모양 확인하고 다음 줄 명령어 작성

> constraint2=matrix(c(1,0,1, 1, 1,1,1, 0, #Price eq.에서 CD, CD_Break의 계수=0

                                        1,1,1, 1, 1,1,1, 1, # 하늘 색 entry가 그것.

                                        1,1,1, 1, 1,1,1, 1),nrow=3,byrow=TRUE)

> R_model2=restrict(UR_model, method="man", resmat=constraint2)

> logLik(R_model2) # 로그 우도 = -221.27

<첨부 3> 검정 3용 R codes. 검정 1, 2를 이미 수행했다면 아래 빨간색 스텝은 불필요

> Rhee=read.csv(file.choose(),header=T) # 1st_differenced_data.csv 읽어들이기

> View(Rhee) #자료 보기

> endo=cbind(Rhee$Price,Rhee$CD,Rhee$Jeonse)  #Price, CD, Jeonse로 내생변수 데이터셋 endo 만들기

> colnames(endo)=c('Price','CD','Jeonse') #endo 각 열에 변수명 부여하기

> Break=array(0,c(161)) # 더미변수 Break 만들기

> for(n in 106:161){Break[n]=1} #2019.8까지는 0, 이후는 1인 더미변수

> CD_Break=Rhee$CD*Break # interaction term between CD.d and Break dummy

> exo=cbind(Rhee$Park,Rhee$Moon,Rhee$Pandemic,CD_Break)

#외생변수 Park, Moon, Pandemic 및 내생변수 CD_Break로 구성된

#외생변수 데이터셋 exo 만들기. 이 step 이미 밟았다면 이 스텝 생략가능

> colnames(exo)=c('Park','Moon','Pandemic','CD_Break')    #exo 각 열에 변수명 부여하기

> library(vars) # VAR모형을 돌릴 수 있는 package program 불러오기

> VARselect(endo,exogen=exo) #최적 차수 p=1 선택

> UR_model2=VAR(endo,p=2,exogen=exo) # VAR(2) UR model 추정하기

> summary(UR_model2) #UR model 추정 결과 출력하기

> logLik(UR_model2) #로그 우도=-129.959

> Bcoef(UR_model2) # 회귀계수 행렬의 모양 확인하고 다음 줄 명령어 작성

> constraint3=matrix(c(1,0,1, 1,0,1, 1, 1,1,1,0,

                                        1,1,1, 1,1,1, 1, 1,1,1,1,

                                        1,1,1, 1,1,1, 1, 1,1,1,1),nrow=3,byrow=TRUE)

     #여기 0으로 놓은 회귀계수의 개수가 아래에서 chi square 검정시 자유도(df)가 됨. 여기서 df=3.

> R_model3=restrict(UR_model2, method="man", resmat=constraint3)

        #full model인 UR_model2에 선형제약 constraint3를 부여한 후 다시 추정하기

> logLik(R_model3) # R_model3의 로그 우도 = -132.13. df=3

<첨부 4> 검정 4용 R codes. 검정 1,2,3 가운데 어느 하나라도 수행했다면 아래 빨간색 스텝은 불필요

> Rhee=read.csv(file.choose(),header=T) # 1st_differenced_data.csv 읽어들이기

> View(Rhee) #자료 보기

> Break=array(0,c(161))     # 더미변수 Break 만들기

> for(n in 106:161){Break[n]=1}    #2019.8까지는 0, 이후는 1인 더미변수

> CD_Break=Rhee$CD*Break # interaction term between CD.d and Break dummy

> endo=cbind(Rhee$Price,Rhee$CD,Rhee$Jeonse)  #Price, CD, Jeonse로 내생변수 데이터셋 endo 만들기

> colnames(endo)=c('Price','CD','Jeonse') #endo 각 열에 변수명 부여하기

> exo1=cbind(Rhee$Pandemic,CD_Break) #외생변수 Park, Moon 제외

> colnames(exo1)=c('Pandemic','CD_Break') #exo1 각 열에 변수명 부여하기

> library(vars) # VAR모형을 돌릴 수 있는 package program 불러오기

> VARselect(endo,exogen=exo1) #최적 차수 p=1 선택

> UR_model4=VAR(endo,p=1,exogen=exo1)  # VAR(1) UR model4 추정하기

> logLik(UR_model4) # 로그 우도= -230.93

> Bcoef(UR_model4) # 회귀계수 행렬의 모양 확인하고 다음 줄 명령어 작성

> constraint4=matrix(c(1,0,1, 1, 1,0,               # 0이 2개. 아래 chi square 검정에서 자유도 df=2인 이유.

                                        1,1,1, 1, 1,1,

                                        1,1,1, 1, 1,1),nrow=3,byrow=TRUE)

> R_model4=restrict(UR_model4, method="man", resmat=constraint4)

> logLik(R_model4) # 로그 우도 = -231.236

> chi2=2*(logLik(UR_model)-logLik(R_model4))  # Wooldridge(2010: 481) 

> p_value=1-pchisq(chi2,2)     # p-value 계산. constraint4 matrix에서 0이 2개-->자유도=2. Lutkepohl(2005)

                                                  # linear constaint 관련 논의에 나오는 수식 참고. 

> p_value   #p-value 출력

2023.4.11. 박진백, 이태리 박사에게(계속)

안녕하십니까, 이혁주 교수입니다.

지금까지 분석에 따르면 금리를 제외한 다른 변수를 찾아 서울 집값 설명용 통계모형을 처음부터 다시 구축해야 합니다. 경제변수와 주택가격간 분석모형으로서 광범위하게 쓰이는 다변량 시계열모형(VAR모형)을 이용하고, 정부요인은 정권 더미를 이용해 구축해보겠습니다.

최종모형은 아래와 같고 주택논쟁 사이트 <첨부 1> 절차(procedures)에 따라 추정합니다.

<변수>

아파트가격 지수 Price: KB부동산. 2022.1=100.0. 내생변수.

가계대출 Debt: KOSIS. 10조원/10000. 내생변수.

더미변수: 박근혜 정부 Park, 문재인 정부 Moon, 팬데믹 Pandemic. 0 혹은 1. 외생변수.

<모형>

y(t)=[Price(t),Debt(t)]’ 내생변수 벡터, ‘는 transpose 기호                                 (식1)

x(t)=[Park(t),Moon(t),Pandemic(t)]’ 외생변수 벡터

y(t)=ν+A1y(t-1)+A2y(t-2)+Bx(t)+e(t)

ν, A1, A2, B는 계수행렬, e는 오차항, t는 월

정권더미를 정부요인의 대리변수로 사용하고, 정권더미를 내생변수화하는 일은 이준구(2023)의 주요 내용을 검토할 때 시도합니다. 이때는 불가피합니다.

Price변수와 Debt변수가 서로 얼마나 잘 설명하는지 주택논쟁 사이트 <첨부 2>에 검정절차가 있습니다. 검정결과에 따르면 서로 잘 설명하는 변수입니다.

이어서 정권변수들도 설명변수로서 도움이 되는지 알아보겠습니다. 박진백 외(2021)에 등장하지 않는 변수들인데 실제로 설명력이 있는지 먼저 확인하는 절차가 있어야 합니다.

검정 1: 모든 변수를 포함한 모형을 UR model. R model은 Price equation에서 Park변수의 회귀계수=0, 나머지는 UR model과 동일 -> 진보의 박근혜 정부 귀책론 검정

검정 2: 모든 변수를 포함한 모형을 UR model. R model은 Price equation에서 Moon변수의 회귀계수=0, 나머지는 UR model과 동일 -> 보수의 문 정부 귀책론 검정

검정 3: 모든 변수를 포함한 모형을 UR model. R model은 Price equation에서 Park, Moon 변수의 회귀계수=0, 나머지는 UR model과 동일 -> 정권더미의 설명력 검정(박진백 외에서 departure가 전반적으로 타당한 지 검정)

검정 4: 모든 변수를 포함한 모형을 UR model. R model은 Price 및 Debt 등 모든 방정식에서 Park, Moon 변수 회귀계수=0, 나머지는 UR model과 동일 -> 정권더미의 확장적 설명력 검정(박진백 외에서 departure가 전반적으로 타당한지 검정하되 정권더미가 가격을 물론이고 가계부채까지 설명하는 변수로서 유효한지 검정)

아래는 검정 결과입니다.

<표 1> Park, Moon 정권더미의 설명력 검증 

실망스럽게도 박근혜 정권변수 Park는 집값의 설명변수로서 유의도가 상당히 낮군요. 반면 Moon 정권변수는 유의도가 높습니다. Moon 정권 더미가 통계적으로 유의한 변수라면 이 변수의 유무에 따라 서울 집값의 등락을 의미 있게 논할 수 있습니다.

요약하면, (식1)과 같이 구성한 모형이 나쁜 것 같지는 않다라는 검토결과를 얻었습니다. 내생변수의 수를 2개로 한정하고 더 늘리지 않았습니다. 이유는 두 가지입니다.

(1)여타 변수를 내생변수로 포함할 수도 있지만 혼자 노는 경향이 커서, 인과성에서도 문제가 많았고 Price equation의 결정계수도 거의 증가시키지 못합니다. (식1)에서 Price 방정식의 결정계수는 0.65 정도 되어서 나쁘지 않습니다.

(2)문재인 정부 시기 집값 변동은 이전 시기와 많이 달라서 육안으로 보아도 그 패턴이 특이합니다. 이 변칙패턴을 파악하자면 별도의 변수를 추가해야 하고, 그 방식에 따라 모형의 자유도(degree of freedom)가 급격히 감소할 수 있습니다.

이 변칙패턴을 현재의 분석틀에서 명시적으로 고려해 모형을 (식1)과 달리 구성할 수도 있습니다. 주택논쟁 사이트 <첨부 7> 대안 모형의 추정을 참고하세요.

다음번엔 (식1)을 이용해 문 정부 시기 오른 집값 38.4포인트 가운데(61.9 --> 100.3포인트), 문재인 정부 책임이 얼마나 되는지 측정해보겠습니다. 박진백 외의 저자들도 유사한 작업을 논문 뒤쪽에서 합니다. 여기 계신 선생님들이라면 어떻게 측정하시겠습니까?주1)

박진백 외의 저자, 김수현, 변창흠 교수님은 신경 써서 살펴보시기 바랍니다. 이 과정에 대한 대체적인 이해가 없으면 분석결과 또한 불신 대상이 됩니다. 특히, 뒤 두 분은 잘 모르면 주변에 물어보고, 이게 힘들면 진보 쪽 학자 아무라도 자문역으로 세우세요. appreciation 없이 과학커뮤니티도 없고 진보(progress)도 없습니다.

그리고 이메일 보내주신 이준구 교수님, 감사합니다. 첨부에 붙였습니다.

감사합니다. 이혁주 드림

김원중·이혁주. 2022. 서울 아파트가격 급등 원인에 대한 통계적 검토: 정부 대 시장. 국토계획, 57(7): 69-90.

박진백 외. 2021. 금리의 주택가격 상승 기여도 추정. 주택연구 29(4): 75-100.

이준구. 2023. 누가 내 집 마련의 꿈을 빼앗아 갔는가? 경기도 고양: 문우사.

Lutkepohl, Helmut. 2005. New Introduction to Multiple Time Series Analysis. Berlin: Springer. (인터넷에 pdf 있음)

Wooldridge, Jeffrey M. 2010. Econometric Analysis of Cross Section and Panel Data. 2nd edition. Cambidge, Massachusetts: MIT Press.

주1...시중 소프트웨어에는 내생변수의 외생적 변동이 자신 포함 다른 내생변수에 미친 영향을 측정하는 메뉴로서 impulse-response analysis(충격반응 분석)라는 분석메뉴가 있다. 그러나 관심변수인 Moon정권변수는 외생변수라서 제공 메뉴를 이용해 분석할 수 없다. 그러나 Lutkepohl(2005) pp.51-52에 나온 내생변수에 대한 분석과정을 응용하면 된다. 기본원리는 똑같다.

<첨부 1> > 다음 명령어를 복사해 붙여서 사용. 기호 >는 제외하고 복사해 사용할 것.

> Rhee=read.csv(file.choose(),header=T) # 1st_differenced_data.csv 읽어들이기

# 이전에 R 작업을 하고 마칠 때 work space를 save했다면 불필요한 step

> View(Rhee) #자료 보기

> endo=cbind(Rhee$Price,Rhee$Debt) #Price, Debt로 내생변수 데이터셋 endo 만들기

> colnames(endo)=c('Price','Debt') #endo 각 열에 변수명 부여하기

> exo=cbind(Rhee$Park,Rhee$Moon,Rhee$Pandemic)

#데이터셋 Rhee에 있는 Park, Moon, Pandemic으로 구성된 외생변수 데이터셋 만들기

> colnames(exo)=c('Park','Moon','Pandemic') #exo에 변수명 부여하기

> library(vars) # VAR모형을 돌릴 수 있는 package program 불러오기

# VAR 사용설명서는 여기서.

> VARselect(endo,exogen=exo) #최적 차수 p=1.

# 그러나 p=2 선택. 김원중·이혁주(2022) 및 Lutkepohl(2014: 4장) 참고

> UR_model=VAR(endo,p=2,exogen=exo) # VAR(2) UR model 추정하기

<첨부 2> Price, Debt 변수의 상대방 설명력 검증. <첨부 1>에 이어서 아래 실행. 기호 >는 제외하고 한 줄씩 복사해 사용. 한줄 한줄 순차적으로 확인해 가면서 천천히 실행할 것.

> constraint=matrix(c(1,1, 1,1, 1, 1,1,1, #Debt식에서 Price계수=0

                                      0,1, 0,1, 1, 1,1,1),nrow=2,byrow=TRUE)

                              #0인 회귀계수 2개 -> 검정에서 df=2

> R_model=restrict(UR_model, method="man", resmat=constraint)

> chi2=2*(logLik(UR_model)-logLik(R_model))  # Wooldridge(2010: 481)

> p_value=1-pchisq(chi2,2) # p-value = 0.0270. 즉 Price->Debt 유의

# causality(UR_model,cause='Price') 로도 가능

> constraint=matrix(c(1,0, 1,0, 1, 1,1,1, #Price식에서 Debt계수=0

                                      1,1, 1,1, 1, 1,1,1),nrow=2,byrow=TRUE)

                    #0인 회귀계수 2개 -> 검정에서 df=2

> R_model=restrict(UR_model, method="man", resmat=constraint)

> chi2=2*(logLik(UR_model)-logLik(R_model))

> p_value=1-pchisq(chi2,2) # p-value = 0.0393. 즉 Debt->Price 유의

# causality(UR_model,cause='Debt') 로도 동일 검정가능

<첨부 3> 검정 1용 R codes. <첨부 1>을 먼저 실행한 후 실행할 것.

> Bcoef(UR_model) # UR_model의 회귀계수 출력하고 각 계수의 위치 확인후 다음 줄 명령서 작성

> constraint1=matrix(c(1,1, 1,1, 1, 0,1,1, #Price식에서 Park 회귀계수=0. 나머지 계수는

                                        1,1, 1,1, 1, 1,1,1),nrow=2,byrow=TRUE) # 살려서 추정.

                                                                               #0인 회귀계수 1개 -> 검정에서 df=1

> R_model1=restrict(UR_model, method="man", resmat=constraint1)

# UR_model에 constraint1이라는 제약조건을 부여한 후에 모형을 다시 추정하고

# 그 결과를 R_model이라는 이름으로 저장하라는 명령어.

> logLik(UR_model) # 로그 우도=-103.917

> logLik(R_model1) # 로그 우도=-107.15

> chi2=2*(logLik(UR_model)-logLik(R_model1))

#로그 우도를 이용해 chi2 계산하는 공식. Lutkepohl(2005: section 4.2.2) 참고.

> p_value=1-pchisq(chi2,1)

# p-value=0.01. chi2분포에서 검정통계량 chi2(윗줄) 값 오른쪽 면적 계산

<첨부 4> 검정 2용 R codes. 앞선 코드 먼저 실행한 후 실행할 것.

> Bcoef(UR_model) # UR_model의 회귀계수 출력하고

# 각 계수의 위치 확인후 다음 줄 명령서 작성

> constraint2=matrix(c(1,1, 1,1, 1, 1,0,1, #Price식에서 Moon 회귀계수=0. 다른 계수는

                                        1,1, 1,1, 1, 1,1,1),nrow=2,byrow=TRUE) #모두 살려서 추정.

> R_model2=restrict(UR_model, method="man", resmat=constraint2)

> logLik(UR_model) # 로그 우도=-103.917

> logLik(R_model2) # 로그 우도=-110.05

> chi2=2*(logLik(UR_model)-logLik(R_model2))  #Lutkepohl(2005: section 4.2.2) 논의 참고할 것.

> p_value=1-pchisq(chi2,1) # p-value = 0.0004. 자유도=1(회귀계수 1개 0으로 놓음)

<첨부 5> 검정 3용 R codes. 위 코드를 먼저 실행한 후 실행할 것.

> Bcoef(UR_model) # UR_model의 회귀계수 출력하고

# 각 계수의 위치 확인후 다음 줄 명령어 작성

> constraint3=matrix(c(1,1, 1,1, 1, 0,0,1, # Park, Moon 회귀계수=0

                                        1,1, 1,1, 1, 1,1,1),nrow=2,byrow=TRUE)

> R_model3=restrict(UR_model, method="man", resmat=constraint3)

> logLik(UR_model) # 로그 우도=-103.917

> logLik(R_model3) # 로그 우도=-110.211

<첨부 6> 검정 4용 R codes. <첨부 1>을 먼저 실행한 후 실행할 것.

> Bcoef(UR_model) # UR_model의 회귀계수 출력하고

# 각 계수의 위치 확인후 다음 줄 명령어 작성

> constraint4=matrix(c(1,1, 1,1, 1, 0,0,1, #두 방정식에 있는 정권더미 Park, Moon

                                        1,1, 1,1, 1, 0,0,1),nrow=2,byrow=TRUE) #2개의 계수=모두 0

> R_model4=restrict(UR_model, method="man", resmat=constraint4)

> logLik(UR_model) # 로그 우도=-103.917

> logLik(R_model4) # 로그 우도=-114.52

<첨부 7> 대안 모형 2 추정용 R codes. 이 그림에서 보듯이 문재인 정부에서 주택가격의 월간 변동이 보수정부와 달리 양음을 바꾸면서 변동하지 않고 (+)의 변동한다. fitted line의 기울기도 통계적으로 유의한 차이를 보인다(코드 제공 생략). Price변수와 Moon 더미간 상호작용을 고려해 꾸민 것이 아래 모형이다.

<대안모형>

y(t)=[Price(t),Debt(t)]’ 내생변수 벡터, ‘는 transpose 기호 (식2)

x(t)=[Pandemic(t),Moon(t)*Price(t)]’ 외생변수 벡터

y(t)=ν+A1y(t-1)+A2y(t-2)+Bx(t)+u(t)

ν, A1, A2, B는 계수행렬, u는 오차항, t는 월

> Rhee=read.csv(file.choose(),header=T) # 1st_differenced_data.csv 읽어들이기

# 이전에 R 작업을 하고 마칠 때 work space를 save했다면 불필요한 step

> View(Rhee) #자료 보기

> attach(Rhee)

> endo=cbind(Price,Debt) #Price, Debt로 내생변수 데이터셋 endo 만들기

> colnames(endo)=c('Price','Debt')

> exo=cbind(Pandemic,Moon*Price) # 외생변수 데이터셋 새로 만들기

#Moon*Price은 Moon과 Price변수를 곱해서 만든 상호작용항. 즉 Price equation에서

# Moon*Price의 부호에 따라 Price-->Price의 효과가 증폭, 감소되기도 함.

#Price의 월간 변동 패턴은 Moon*Price의 부호가 (+)이라는 것을 시사.

> colnames(exo)=c('Pandemic','Moon*Price')

> library(vars)

> UR_model=VAR(endo,p=2,exogen=exo)

> Bcoef(UR_model) #상호작용항의 설명력 검증을 위한 linear constraint matrix 만들기

> constraint=matrix(c(1,1, 1,1, 1, 1,0, #상호작용항의 회귀계수 2개 모두 0으로 놓기

                                      1,1, 1,1, 1, 1,0),nrow=2, byrow=TRUE)

> R_model=restrict(UR_model, method="man", resmat=constraint)

> chi2=2*(logLik(UR_model)-logLik(R_model))  # Wooldridge(2010: 481)

> p_value=1-pchisq(chi2,2)

> p_value # p-value=0.00. 상호작용항 Price*Moon 매우 유의

다음으로 Price와 Debt변수간 인과변수 관계에 있는지 검증.

> constraint=matrix(c(1,0, 1,0, 1, 1,1, #Price eq.에서 Debt 회귀계수=0

                                      1,1, 1,1, 1, 1,1),nrow=2, byrow=TRUE)

> R_model=restrict(UR_model, method="man", resmat=constraint)

> chi2=2*(logLik(UR_model)-logLik(R_model))

> p_value=1-pchisq(chi2,2)

> p_value # p-value=0.12. Debt-->Price, insignificant

> constraint=matrix(c(1,1, 1,1, 1, 1,1, #Price eq.에서 Debt 회귀계수=0

                                      0,1, 0,1, 1, 1,1),nrow=2, byrow=TRUE)

> R_model=restrict(UR_model, method="man", resmat=constraint)

> chi2=2*(logLik(UR_model)-logLik(R_model))  # Wooldridge(2010: 481)

> p_value=1-pchisq(chi2,2)

> p_value # p-value=0.60. Price-->Debt, insignificant

[Price,Debt]을 내생변수로 한 매우 단촐한 모형조차 redundant한 설명변수를 포함한 것은 아닌지 의심하게 만드는 분석결과. 그만큼 정권요인을 고려해 분석하는게 얼마나 중요한지를 보여주는 모형. 즉 Debt<-->Price변수간 유의한 관계조차 부정될 정도임. 부가적으로 문재인 정부 시기 특이한 집값 변동 패턴을 고려하면 모형을 더욱 정교하게 다듬을 수 있다는 시사를 얻음. 정권요인을 정부대책 변수로 바꾸어서 분석할 때 이 교훈 활용.

<첨부 8> 이준구 교수와 오간 이메일.

이준구 교수 --> 이혁주 교수, 2023.3.28.

이 교수께,

진실을 밝히기 위해 정진하는 모습이 참 보기 좋습니다.

좋은 연구성과를 기대해 봅니다.

이준구

이혁주 교수->이준구 교수, 2023.3.29.

교수님께,

네 명심하고 진실에 조금 더 가까이 가는데 도움이 되도록 노력하겠습니다.

교수님의 진지함을 보고 배워야 하는데, 이 부분 저희 후배들이 본받지 못하는 모습을 보여드려 부끄럽습니다. 앞으로도 이 부분이 가장 아쉽게 드러날 것 같습니다.

그리고 다른 분들께 최대한 예의를 갖추면서 논의를 진행하도록 각별히 주의하겠습니다.

감사합니다. 이혁주 드림

2023.4.19. 박진백, 이태리 박사에계(계속)

안녕하세요, 이혁주 교수입니다.

논쟁의 중요성을 고려해 서강대 김경환 교수님을 초대했습니다. 인사드립니다. 서울과기대 행정학과 이혁주 교수입니다. 김 교수님도 별도로 소개가 필요 없는 분입니다. 이 논쟁은 이혁주 교수가 계획가 및 진보계열 학자들을 상대로 벌이는 주택/부동산 논쟁입니다. 그간의 경과는 

                       주택논쟁 사이트

에 있습니다. 주제어는 집값, 부동산, 과학, 측정, 스칼라십 등입니다.

현재 문재인 정부 시기 높은 집값이 금리의 구조전환 때문이라고 주장하는 박진백 외(2021)를 논의하고 있습니다. 이 논의가 끝나면 김수현, 이창무, 박은철(서울연구원) 박사와 함께 주택공급 과부족과 주택가격 적정성 판단기준, 그리고 이혁주 교수의 밀도규제 원인론에 대해 논의할 예정입니다. 설령 문재인 정부 시기 오른 집값 모두가 진보적 부동산정책 탓이라고 하더라도 그것이 곧 시장주의적 접근이 대체로 올바르다는 것을 시사하는 것은 아니기 때문입니다. 이론적으로 가능하지만 상식 밖의 주장입니다. 차차 분명해 지겠지만 이것이 논쟁이 필요한 이유이고, 주택/부동산 문제를 계획가와 함께 논의해야 하는 이유입니다. 

이 논의가 마무리되면 그 결과를 토대로 이준구(2023)를 논의할 예정입니다. 박진백 외(2021)가 진보 부동산정책의 과학화 시도라면(설명 이론+일치하는 관찰), 이준구(2023)는 진보 부동산정책을 현 혼돈에서 탈출시킬 수 있는 candidate path를 제시한 구제시도입니다. 두 저작에 대한 평가결과는 학술적, 정책적, 정치적으로 작지 않은 시사를 지닐 것으로 보입니다. 

계획계도 마찬가지입니다. 이혁주 교수는 주택/부동산 문제의 근인(根因)으로 다른 어떤 수요-공급측 요인에 앞서 기성시가지 밀도규제 관행(practice)을 꼽습니다. 계획계는 문제의 발원처이지만 대체로 독야청청하고 있다는 게 이혁주 교수의 인식입니다. 혼돈의 원인에 대해 계획계가 책임져야할 부분을 명확하게 인식하지 않는 한, 부동산/주택시장에서 본질적 여건변화가 없을 것으로 보입니다. 이때 제2의 김수현, 아마도 ‘전강수’형 인사의 등장은 민주당의 집권과 더불어 불가피할 것 같습니다. 이전 진보정부와 다른 토지의 탈상품화 시도가 있을 것이고 그 충격이 부동산부문에 국한되지 않게 됩니다. 

제 본래 생각은 진보가 지지하는 핵심 명제를 진보측 인사가 그 deductive consequence로서 refutable hypothesis로 기술하고 논쟁을 빨리 streamlining하는 것이었는데 잘 안 되고 있습니다. 이준구(2023)와 같은 저작, 언론에 보도된 대로 김수현, 김상조 교수 등 정책포럼의 구성 등 구여권과 진보 측 인사들이 비판적 시각에서 볼 때 여러 차례 disconfirmation에도 불구하고 부단한 reaffirmation과 정당성 복원 시도, 그에 맞서는 보수의 저항 등 악순환을 줄이는 방법이 학술적으로는 그 방법이 가장 효과적이라는 판단에서였습니다. 그게 잘 안되다 보니 진보측 인사들과 하는 얘기가 길어지고 있습니다.

다시 본론으로 와서, 문재인 정부 때문에 집값이 얼마나 올랐는지 측정결과를 보고하기 전에 분명히 해야 할 것이 하나 있습니다. 아래 식은 금리의 구조전환 여부를 검토하면서 이혁주 교수가 사용했던 식입니다.

          모형: y(t)=ν+A1y(t-1)+⋯+Apy(t-p)+Bx(t)+e(t)                            (식1)

ν, A1,…,Ap, B는 계수행렬, p는 차수, e는 오차항, t는 월, y(t)는 t월 내생변수, x(t)는 외생변수.

내생변수: 아파트값 지수 Price, CD 금리 CD, 전세가격지수 Jeonse

외생변수: 박근혜 정부 정권더미 Park, 문재인 정부 정권더미 Moon, 구조전환 상호작용항 CD_Break

여기서 구조전환 상호작용항 CD_Break 변수는 엄밀히 말해 내생변수입니다. 따라서 위와 같이 외생변수로 분류하고 추정하는 것은 문제가 있어 보입니다. 동일한 문제가 지난번 이메일 <첨부 7>에서도 있었습니다.

(식1)처럼 내생변수이면서 연립방정식 좌변에 출현하지 않는 모형의 추정에 관해서는 Lutkepohl(2005) 10장에서 다루지만, 그 표제어가 외생변수라서 표준 교과서에서 직접 언급하는 것은 아닙니다. 그래서 시중 소프트웨어에도 추정메뉴가 없습니다(R, STATA, EViews 등). 이 때문에 위와 같은 추정방법에 기술적 문제가 없다는 점이 확인되어야 이혁주 교수의 논설은 타당하게 됩니다. 이혁주 교수가 통계 초심자라는 점도 고려해야 하고, 전강수 교수가 지적했던 것처럼 이혁주 교수가 가짐직한 불건전한 의도, 그리고 분석을 왜곡하고 조작할 위험성에도 대비해야 합니다. 이혁주 교수의 논설이 포장이야 어떠하든 factional argument의 성격이 짙고, 지금은 생경한 상황입니다. 결론부터 말하면 이혁주 교수가 사용한 추정방법에 기술적 문제는 없는 것 같습니다. 

VAR 표준모형은 Lutkepohl 식(3.2.2)으로서

              Y=BZ+U                                                                               (식2)

              Y: 내생변수, B: 회귀계수 행렬, Z: 절편 및 내생변수 lag시킨 변수로 구성된 자료 행렬, U: 오차항

이고 이 식을 토대로 회귀계수 행렬 B를 추정한다.

한편 Lutkepohl은 10장에서 외생변수를 포함한 VAR모형 즉 VARX를 식(10.3.3)에서

             Y=[A,D]Z+U                                                                         (식3)

으로 쓰고 추정한다. Z는 내생변수 Y의 lagged variable과 외생변수로 구성되고, 회귀계수 행렬의 D는 이 외생변수의 회귀계수이다. 그런데 (식3)에서 [A,D]를 (식2)처럼 B라고 고쳐 쓰면 비록 (식3)의 Z가 외생변수를 포함했지만 (식2)와 (식3)은 형식상 동일하다. 따라서 (식3)도 (식2)를 추정하는 방식을 원용해 추정할 수 있다.

좀 더 구체적으로 회귀계수를 어떻게 추정하는지 알아본다. (식2)의 양변을 vectorize하면 Lutkepohl 식(3.2.3) y=(Z'⊗IK)β+u가 되어 이공학도들이 쓰는 matrix의 differentiation rule을 적용할 수 있게 된다. 이 식을 이용해 오차제곱합 u'u을 구성하고 이 scalar함수를 β에 대해 최소화한다. β의 estimator를 b라고 할 때, Lutkepohl 식(3.2.7)에서 보는 것처럼

            b=((ZZ')-1)Z⊗IK)y                                                                  (식4)

라고 b를 추정하는 수식을 유도할 수 있다. 부연하면, 연립방정식 (식1) 우변에 있는 회귀계수는 그것이 어떤 것이든 (식4) 공식을 이용해 계산할 수 있다. 

일단 회귀계수의 LS estimator b가 도출되면, 이후 (식4)를 변형해 Lutkepohl 식(3.2.9) b=β+((ZZ)−1Z⊗IK)를 유도한다. 이 식은 b-β=((ZZ)−1Z⊗IK)를 의미하므로 var(β)=E(b-β)(b-β)'에 대입해 회귀계수의 공분산 행렬을 추정하는 수식을 완성할 수 있다(Lutkepohl 74쪽 Proposition 3.1). 즉 변수의 이름표와 관계없이 회귀계수를 LS 추정(least squares estimation)하면 그 결과물을 이용해 회귀계수의 분산-공분산 행렬도 구할 수 있어서 대표본을 전제로 여러 가지 통계적 추론을 할 수 있게 된다.

박진백, 이태리 박사님, 검토 부탁드립니다. 그리고 김수현, 변창흠 교수님도 혹시 명확하지 않은게 있으면 질문하세요. 성실하게 응답하겠습니다. 이 추정방식을 이용해 도출한 결과물은 이후 논의에서 문재인 정부를 비판하고 두 분께 질문할 때 인용됩니다.

별도의 코멘트가 없으면 다음 주에 외생변수 VAR모형을 이용해 평가한 결과물로서 문재인 정부요인이 작용해 오른 서울 아파트값 상승분 측정치를 올리겠습니다. 

감사합니다. 이혁주 드림

박진백 외. 2021. 금리의 주택가격 상승 기여도 추정. 주택연구 29(4): 75-100.

이준구. 2023. 누가 내 집 마련의 꿈을 빼앗아 갔는가? 경기도 고양: 문우사.

Lutkepohl, Helmut. 2005. New Introduction to Multiple Time Series Analysis. Berlin: Springer. 

2023.4.25. 박진백, 이태리 박사에게(계속)

안녕하세요, 이혁주 교수입니다.

지난번에 서울 집값의 시계열적 변동을 설명하는 수리모형을 완성했고, 외생변수의 변동이 내생변수에 미치는 영향을 어떻게 측정하는지 알아보았습니다. 별다른 코멘트가 없어 기존 논의기조를 유지하면서 계속하겠습니다. 

이제 구축한 모형을 이용해 문재인 정부의 정부요인 때문에 얼마나 집값이 올랐는지 측정합니다. 새롭게 구성해 추정한 모형은 아래와 같습니다(괄호 안 숫자는 표준오차).            

            t월 apt값                        1달전 apt값    1달전 가계부채        2달전 apt값      2달전 가계부채

             Price(t)       =   -.11  +.60*Price(t-1)     +.03*Debt(t-1)    -.12*Price(t-2)    +.12*Debt(t-2)              (식1)

                                              (.08)***                  (.05)                     (.08)                     (.05)**

                                     박 정권더미     문 정권더미              팬데믹 

                                   +.06*Park(t)    +.26*Moon(t)    +.19*Pandemic(t), R2=.65

                                    (.06)                (.07)***               (.08)**

        t월 가계부채           1달전 apt값     1달전 가계부채       2달전 apt값      2달전 가계부채

           Debt(t) =  .29 + .22*Price(t-1) + .26*Debt(t-1)  + .04*Price(t-2) +  .11*Debt(t-2)                                          (식2)

                              (.11)***              (.08)***              (.11)                 (.08)

                         +.15*Park(t)-.08*Moon(t)+.03*Pandemic(t), R2=.25

                          (.08)*           (.10)              (.11)

           * p-value < 0.10, ** p-value<0.05, *** p-value<0.01

Price equation에 따르면 문재인 정부의 정권요인은 직접효과로서 서울 아파트값을 매달 0.26포인트 상승(유의)시켰으나(집권 5년간 0.26*60개월=15.6포인트), 박근혜 정부의 경우 상승효과가 유의하지 않습니다(파란색 숫자).

이제 문재인 정부의 정권요인 때문에 얼마나 서울 아파트값이 올랐는지 알아보겠습니다. 위 15.6포인트는 직접효과입니다. Moon-->Debt-->Price 경로를 통한 간접효과까지 고려해야 합니다. 문재인 정권요인 더미 Moon은 외생변수로서, 시중 통계 소프트웨어에서 어떤 외생변수가 변했을 때 그 결과 내생변수가 얼마나 변했는지 측정해 보여주는 메뉴가 없습니다.

그러나 VAR모형을 보면 대수적으로(algebraically) 내생변수는 외생변수의 함수로 주어집니다. linear algebra 교과서에서 Ax=b를 x에 대해 풀면 x=A-1b가 되어 변수 x가 parameter b의 함수로 주어집니다. 같은 원리를 적용해 문 정권더미라는 외생변수의 변화에 대응해 내생변수인 Price가 얼마나 변하는지 측정할 수 있습니다. 이를테면 외생변수 b를 b0에서 b1으로 변화시킬 때 x는 변화량 Δx=A-1Δb로 주어집니다. 당연한 수식인 것 같지만, Lutkepohl은 이 부분에 대해 대략 "평균을 중심으로 변동하는 것만 평가"한다고 설명하기 때문에 이 수식의 의미를 정확히 이해하고 이용하는 것이 대단히 중요합니다. 정권더미를 내생변수 처리해 충격반응분석할 때도 동일한 원리가 적용되고, 교과서에 나오는 수식은 대수적으로 위 수식을 적용하면 정확하게 유도할 수 있는 특수 사례가 됩니다.  

따라서 (식1), (식2)에서 문재인 정권더미 Moon을 외생변수 b로 놓고 Δb에 대응해 서울 아파트값 Price의 ΔPrice를 구하면 됩니다. Pandemic변수도 외생변수이므로 같은 원리를 따라 그 영향을 측정할 수 있습니다. 주택논쟁 사이트 <첨부 1>에 좀 더 자세한 설명이 있습니다. 아래는 그 절차입니다. 

            Step 1...문 정부 시기에 Moon(t)=1로 놓고 (식1),(식2)를 이용해 '정상적인 집값 스케줄' 계산

            Step 2...문 정부 시기에 Moon(t)=0으로 놓고 (식1),(식2)를 이용해 '가상 집값 스케줄' 계산

            Step 3...실제 주택가격 스케줄에서

                                       정상적인 집값 스케줄 – 가상 집값 스케줄

                         을 빼준다. 그 결과물이 아래 그림에서 초록색 곡선.

Moon변수의 영향을 2017.5부터 실제 가격 스케줄에서 빼주면 아래 <그림 1> 초록색 곡선을 얻습니다. R code와 그림 그리는 방법은 주택논쟁 사이트 <첨부 2>에 있습니다.

그림에서 주황색 선은 실제 아파트값 지수, 초록색 곡선은 문재인 정부 정권요인의 영향을 제거했을 때 예상되는 아파트값 지수, 점선은 팬데믹의 영향까지 제거했을 때 추세선입니다(2022.1=100포인트). 오른쪽 끝점들은 임기말(2022.4) 지수(실제 혹은 예상)입니다. 

위 그림을 아래와 같이 요약할 수 있습니다.

(1) 문 정부 시기 오른 집값 가운데 팬데믹과 같은 불가항력적 요인을 제외하고 오른 집값보다 더 많이 정권요인 때문에 집값이 올랐다. 

               5년간 상승폭 = 38.4포인트 = AD간 수직거리

            - 팬데믹 때문에 = 11.2포인트 = BC간 수직거리

         -----------------------------------------------------------------------

                              차이 = 27.2포인트 < 30.8포인트 = AB(문 정권요인 때문에 오른 집값)

팬데믹 때문에 오른 집값을 제외하고 5년간 27.2포인트 올랐지만 문 정권요인 때문에 오른 집값은 이보다 큰 30.8포인트(AB)나 된다. 

(2) 문재인 정권요인과 팬데믹 요인을 모두 제거하는 것만으로 박근혜 정부 말 집값으로 복귀할 수 있다. 위 그림에서 C가 D보다 낮다는 것이 그 근거이다.

(3) 경험적 질문의 경우 사전 기대와 측정결과가 일치할 지 장담할 수 없다. 여기 분석은 박진백 외(2021)의 기대와 다르다. 김원중·이혁주(2022)도 마찬가지이다. 김원중·이혁주의 저자들도 분석하기 전에 예상하길 2017.5~2019.12에 오른 집값 가운데 문 정부 책임이 30~40% 정도 될 것으로 예상했다. 분석결과는 대부분이었다.  

조금 다른 방식으로 평가해도 마찬가지입니다. <첨부 3>과 거기에 딸린 그림을 참고하세요.

여기서 ‘정권요인’을 문 정부 부동산정책의 총화와 동일시할 수 있는지는 좀 더 따져 보아야 하는데, 이 작업은 나중에 합니다. (3)번 포인트는 공자님 말씀이지만, 대표적 학자들이 공자님 말씀에 귀 기울이지 않아서 문제가 생깁니다. 무슨 말씀인지, 전강수 교수의 컬럼과 관련해 나중에 알아보겠습니다. 전 교수만의 문제로 국한되지 않아서 그렇습니다.     

다시 박진백 외(2021)로 돌아와서, 저자들은 변수의 영향력을 판단하고자 논문의 <표 6>~<표 8>에서 VAR모형을 이용했습니다. 구조전환 판단에는 아쉽게도 single equation을 이용했지만, 변수들의 영향력 판단에는 다행히 VAR 모형을 이용했습니다.

위 <그림 1>에서 differenced data를 이용했는데, 이 자료를 추출했던 원자료와 그 가공방법을 보여주는 파일을 첨부합니다. 

                    원자료 내려받기

감사합니다. 이혁주 드림

김원중·이혁주. 2022. 서울 아파트가격 급등 원인에 대한 통계적 검토: 정부 대 시장. 국토계획, 57(7): 69-90.

박진백 외. 2021. 금리의 주택가격 상승 기여도 추정. 주택연구 29(4): 75-100.

이준구. 2023. 누가 내 집 마련의 꿈을 빼앗아 갔는가? 경기도 고양: 문우사.

전강수, 2021.5.27. “아파트공급 확대론의 치명적 결함”, 오마이 뉴스.

<첨부 1> 사용한 충격반응 분석 방식

지금까지 사용한 VAR모형은 y(t)=c+A1y(t-1)+A2y(t-2)+Hx(t)+e(t)로서 y(t)는 내생변수 벡터, x(t)는 외생변수 벡터, c, A1, A2, H는 회귀계수 벡터와 행렬, e(t)는 오차항 벡터이다. 각 변수의 기대치(expected value)를 expectation operator E를 이용해 표현하고, 기호 E를 이 식의 양변에 적용하면 Ey(t)=c+A1Ey(t-1)+A2Ey(t-2)+Hx(t)가 유도된다. 계수 벡터와 행렬을 추정하고 추정한 결과물을 이용해 이 식을 다시 쓰면 다음 수식을 얻는다.

         ŷ(t)=ĉ+Â1ŷ(t-1)+Â2ŷ(t-2)+Ĥx(t)                                                                           (식A1)

이 식에서 ŷ(t)는 Ey(t)의 estimator이다.

(식A1)을 이용해 내생변수 벡터 ŷ(t)를 다음과 같이 구할 수 있다.

           초기화 ŷ(0)≡0, ŷ(1)≡x(1)                                                                                   (식A2)

           ŷ(2)=ĉ+Â1ŷ(1)+Â2ŷ(0)+Ĥx(2)                                                                            (식A3)

                 =ĉ+Â1x(1)+Ĥx(2)

           ŷ(t)=ĉ+Â1ŷ(t-1)+Â2ŷ(t-2)+Ĥx(t), t≥3                                                                  (식A4)

위 식에서 ≡는 definition 기호, (식A2)를 이용해 t=2부터 ŷ(t)를 순차적으로 구하면 위와 같이 모두 x(t)의 함수로 unique하게 주어진다. 따라서 서로 다른 x(t) 시나리오에 대응해 서로 다른 ŷ(t) 시계열을 unique하게 구할 수 있고, 두 시계열 ŷ(t)간 차이를 계산하면, 이 차이는 전적으로 x(t)의 시나리오간 차이가 유발한 변화이며 그 변화량도 unique하게 주어진다. 여기서 x(t)를 다양한 방식으로 변화시킬 수 있다. 시점 한 곳에서만 혹은 여러 곳에서 순차적으로 변화시킬 수도 있다. 변수 하나를 혹은 여러 개를 동시에 변화시킬 수도 있다. 이를테면 2017.5~2022.4에 해당하는 모든 t에서 Moon(t)=0이라고 놓으면, Moon 정권요인이 문재인 정부 60달 동안 집값에 미친 총영향이 얼마나 되었는지 측정할 수 있다. 한편 x(t)는 외생변수이기 때문에 오차항 e(t)도 측정목적상 x(t)의 한 종류로 간주할 수 있다. Lutkepohl(2005)에서 설명한 내생변수의 충격반응 분석 방식이 바로 이런 방식이었다. 여기에 기술된 원리는 정권요인을 정부대책이라는 내생변수로 대체한 모형에서 충격-반응분석할 때, 즉 이준구(2023)를 검토할 때 그대로 적용된다.  

예컨대, 문재인 정부에 속하는 t에 x(t)=(Park,Moon,Pandemic)'=(0,1,a)'에서 x(t)=(0,0,a)'로 변화시켰을 때 내생변수 y(t)가 어떻게 변하는지 알아보자. 이 말은 문재인 정부를 문재인 정부가 아닌 것으로 돌릴 때 내생변수 y(t)에 어떤 변화가 오는지 검토하겠다는 것이다. (0,1,a)'와 (0,0,a)'를 각각 위 식에 대입하고 그 차이를 계산하면

                 Δŷ(1)=(0,0,a)’-(0,1,a)’=(0,-1,0)’≡Δx0                                                       (식A5)

                 Δŷ(2)=Â1Δx(1)+ĤΔx(2)=Â1Δx0+ĤΔx0                                                     (식A6)

                 Δŷ(t)=Â1Δŷ(t-1)+Â2Δŷ(t-2)+ĤΔx(t)                                                         (식A7)

                         =Â1Δŷ(t-1)+Â2Δŷ(t-2)+ĤΔx0, t≥3

이 수식에서 절편 벡터 ĉ가 존재하지 않는다. Lutkepohl(2005: 52) 충격반응 분석에서 절편항을 제외한 이유이다. 한편 (식A5)~(식A7)에는 Lutkepohl과 달리 Δx0항이 각 t에 등장한다. Lutkepohl은 위 식에서 t≥2에 Δx0=0인 특수한 경우이다. 또한 Lutkepohl은 Δŷ(t)라는 기호 대신 y(t)라는 기호를 사용한다. 문맥상 Δŷ(t)라고 하는 것이 번거롭더라도 정확한 표현이다. 

<첨부 2> 문재인 정부 정권요인이 없을 때의 아파트값 추세곡선 그리기

> Rhee=read.csv(file.choose(),header=T) # 1st_differenced_data.csv 읽어들이기

> View(Rhee) #자료 보기

> endo=cbind(Rhee$Price,Rhee$Debt) #Price, Debt로 내생변수 데이터셋 endo 만들기

> colnames(endo)=c('Price','Debt') #endo 각 열에 변수명 부여하기

> exo=cbind(Rhee$Park,Rhee$Moon,Rhee$Pandemic)    #Park, Moon, Pandemic으로 구성된 외생변수 데이터셋 만들기

> colnames(exo)=c('Park','Moon','Pandemic') #exo 변수명 부여

> install.packages("vars") # VAR 모형 돌리는데 필요한 package 설치하기. 과거에 설치했다면 이 스텝 불필요.

> library(vars) # VAR모형을 돌릴 수 있는 package program 불러오기. VAR 사용설명서는 여기서.

> VARselect(endo,exogen=exo) #최적 차수 p=1. 그러나 p=2 선택. 김원중·이혁주(2022) 및 Lutkepohl(2014: 4장) 참고

> UR_model=VAR(endo,p=2,exogen=exo) # VAR(2) UR model 추정하기

> Bcoef(UR_model)

> A1=Bcoef(UR_model)[,1:2] # 계수 행렬 A1 만들기

> A2=Bcoef(UR_model)[,3:4] # 계수 행렬 A2 만들기

> nu=Bcoef(UR_model)[,5] # 절편 벡터 ν 만들기

> B=Bcoef(UR_model)[,6:8] # 계수 행렬 B 만들기

> x=cbind(Rhee$Park,Rhee$Moon,Rhee$Pandemic) # 외생변수 벡터 x 만들기

> colnames(x)=c('Park','Moon','Pandemic')

> x=t(x) # 161*3 행렬을 3*161 전치행렬로 바꾸기

> y=array(0,c(2,161)) # 추정할 모형의 y(t)=[Price(t),Debt(t)]’, t=2009.1~2022.4 초기화

> y[1,102]=Rhee$Price[102] # 2017.5의 실제 Price(t), 1st differenced

> y[2,102]=Rhee$Debt[102] # 2017.5의 실제 Debt(t), 1st differenced

> level.fitted=array(0,c(2,161)) # fitted Price level

> level.fitted[,102]=matrix(c(61.944,123.263),c(2,1)) #2017.5에 61.9포인트, 1232조원

> for(n in 103:161){y[,n]=nu+A1%*%y[,n-1]+A2%*%y[,n-2]+B%*%x[,n]

                                level.fitted[,n]=level.fitted[,n-1]+y[,n]}        # fitted y(t) 완성

> level.fitted=t(level.fitted)

> colnames(level.fitted)=c('Price','Debt') #본문의 Step 1 완성

#이어서 Moon(t)=0일 때 집값 추정.  본문의 Step 2 시작

> x=cbind(Rhee$Park,array(0,c(161,1)),Rhee$Pandemic) # Moon(t)=0으로 놓은 x(t)

> colnames(x)=c('Park','Moon','Pandemic')

> x=t(x)

> y=array(0,c(2,161)) # 추정할 모형의 y(t)=[Price(t),Debt(t)]’, t=2009.1~2022.4

> y[1,102]=Rhee$Price[102] # 2017.5의 실제 Price(t), 1st differenced

> y[2,102]=Rhee$Debt[102] # 2017.5의 실제 Debt(t), 1st differenced

> No_Moon=array(0,c(2,161)) # Moon(t)=0일 때 Price level

> No_Moon[,102]=matrix(c(61.944,123.263),c(2,1)) #2017.5에 61.9포인트, 1232조원

> for(n in 103:161){y[,n]=nu+A1%*%y[,n-1]+A2%*%y[,n-2]+B%*%x[,n]

                               No_Moon[,n]=No_Moon[,n-1]+y[,n]}           # 본문의 Step 2 완성

> Effect=level.fitted-t(No_Moon) # Moon변수가 집값에 미친 영향(포인트)

> level_data=read.csv(file.choose(),header=T)  # 실제 주택가격 지수와 가계부채 자료 읽어들이기. 자료

> Level=level_data[,2:3] # Reading Price and Debt. 

> colnames(Level)=c('Price','Debt')

> No_Moon=Level-Effect # Moon 효과가 제거된 집값 예측치. 본문 Step 3

#이어서 Moon과 Pandemic영향을 제거한 시계열 구하기. Moon(t)=Pandemic(t)=0.

> x=cbind(Rhee$Park,array(0,c(161,1)),array(0,c(161,1))) #Moon=Pandemic=0

> x=t(x)

> y=array(0,c(2,161)) # 추정할 모형의 y(t)=[Price(t),Debt(t)]’, t=2009.1~2022.4

> y[1,102]=Rhee$Price[102] # 2017.5의 실제 Price(t), 1st differenced

> y[2,102]=Rhee$Debt[102] # 2017.5의 실제 Debt(t), 1st differenced

> Neither=array(0,c(2,161)) # 추정한 주택가격, level 자료

> Neither[,102]=matrix(c(61.944,123.263),c(2,1))  #2017.5에 61.9포인트, 1232조원(10으로 나눈 값 사용)

> for(n in 103:161){y[,n]=nu+A1%*%y[,n-1]+A2%*%y[,n-2]+B%*%x[,n]

                               Neither[,n]=Neither[,n-1]+y[,n]}

> Effect=level.fitted-t(Neither)

> Neither=Level-Effect # Moon=Pandemic=0일 때 집값 예측치. 

> output=cbind(Level,No_Moon,Neither)

> colnames(output)=c('Actual Price','Actual Debt','Price_No Moon','Debt_No Moon','Price_Neither','Debt_Neither')

> write.csv(output,'C:\\Temp\\output.csv') #윗 줄 빨간색 변수들을 그림으로 그린 것이 본문에 있는 그림. 

                    #C:\\Temp 디렉토리에 output.csv 파일로 저장하라는 명령어. 이 파일을 엑셀에서 불러 그림 그리면 됨.

<첨부 3> 내생변수를 다르게 해서 Moon 정권요인의 영향 측정하기

> Rhee=read.csv(file.choose(),header=T) # 1st_differenced_data.csv 읽어들이기

> endo=cbind(Rhee$Price,Rhee$Debt,Rhee$Jeonse) #전세가격 추가

> colnames(endo)=c('Price','Debt','Jeonse')

> exo=cbind(Rhee$Park,Rhee$Moon,Rhee$Pandemic)

> colnames(exo)=c('Park','Moon','Pandemic')

> library(vars)

> VARselect(endo,exogen=exo) #최적 차수로 p=2 선택. 검정결과는 p=1 or 7 제시.

> model=VAR(endo,p=2,exogen=exo) # 모형 추정하기

> A1=Bcoef(model)[,1:3] # 계수 행렬 A1 만들기

> A2=Bcoef(model)[,4:6] # 계수 행렬 A2 만들기

> nu=Bcoef(model)[,7] # 절편 벡터 nu 만들기

> B=Bcoef(model)[,8:10] # 계수 행렬 B 만들기

> x=cbind(Rhee$Park,Rhee$Moon,Rhee$Pandemic) # 외생변수 벡터 x 만들기

> colnames(x)=c('Park','Moon','Pandemic')

> x=t(x) # 161*3 행렬을 3*161 전치행렬로 바꾸기

> y=array(0,c(3,161))    # 추정할 모형의 y(t)=[Price(t),Debt(t),Jeonse(t)]’, t=2009.1~2022.4

> y[1,102]=Rhee$Price[102]    # 2017.5의 실제 Price(t), 1st differenced

> y[2,102]=Rhee$Debt[102]    # 2017.5의 실제 Debt(t), 1st differenced

> y[3,102]=Rhee$Jeonse[102] # 2017.5의 실제 Jeonse(t), 1st differenced

> level.fitted=array(0,c(3,161)) # fitted Price level

> level.fitted[,102]=matrix(c(61.944,123.263,76.754),c(3,1))

#2017.5에 순서대로 61.9포인트, 1232조원, 76.754포인트

> for(n in 103:161){y[,n]=nu+A1%*%y[,n-1]+A2%*%y[,n-2]+B%*%x[,n]

                                level.fitted[,n]=level.fitted[,n-1]+y[,n]} # fitted y(t) 완성

> level.fitted=t(level.fitted)

> colnames(level.fitted)=c('Price','Debt','Jeonse')

#이어서 Moon(t)=0일 때 집값 추정

> x=cbind(Rhee$Park,array(0,c(161,1)),Rhee$Pandemic) # Moon(t)=0으로 놓은 x(t)

> colnames(x)=c('Park','Moon','Pandemic')

> x=t(x)

> y=array(0,c(3,161))       # 추정할 모형의 y(t)=[Price(t),Debt(t),Jeonse(t)]’, t=2009.1~2022.4

> y[1,102]=Rhee$Price[102] # 2017.5의 실제 Price(t), 1st differenced

> y[2,102]=Rhee$Debt[102] # 2017.5의 실제 Debt(t), 1st differenced

> y[3,102]=Rhee$Jeonse[102] # 2017.5의 실제 Jeonse(t), 1st differenced

> No_Moon=array(0,c(3,161)) # Moon(t)=0일 때 Price level

> No_Moon[,102]=matrix(c(61.944,123.263,76.754),c(3,1))   #2017.5에 순서대로 61.9포인트, 1232조원, 76.754포인트

> for(n in 103:161){y[,n]=nu+A1%*%y[,n-1]+A2%*%y[,n-2]+B%*%x[,n]

                               No_Moon[,n]=No_Moon[,n-1]+y[,n]}

> Effect=level.fitted-t(No_Moon) # Moon변수가 집값에 미친 영향(포인트)

> level_data=read.csv(file.choose(),header=T)     # 실제 주택가격 지수, 가계부채, 전세가격 지수 읽어들이기. 자료 내려받기

> View(level_data) # 자료 확인하기

> Level=level_data[,2:4] # Reading Price, Debt, and Jeonse.

> colnames(Level)=c('Price','Debt','Jeonse')

> No_Moon=Level-Effect # Moon 효과가 제거된 집값 예측치

#이어서 Moon(t)=0, Pandemic(t)=0일 때 주택가격 추정

> x=cbind(Rhee$Park,array(0,c(161,1)),array(0,c(161,1))) #Moon=Pandemic=0

> x=t(x) 

> y=array(0,c(3,161))    # 추정할 모형의 y(t)=[Price(t),Debt(t),Jeonse(t)]’, t=2009.1~2022.4

> y[1,102]=Rhee$Price[102] # 2017.5의 실제 Price(t), 1st differenced

> y[2,102]=Rhee$Debt[102] # 2017.5의 실제 Debt(t), 1st differenced

> y[3,102]=Rhee$Jeonse[102] # 2017.5의 실제 Jeonse(t), 1st differenced

> Neither=array(0,c(3,161)) # 추정한 주택가격, level 자료

> Neither[,102]=matrix(c(61.944,123.263,76.754),c(3,1))

#2017.5에 순서대로 61.9포인트, 1232조원, 76.754포인트

> for(n in 103:161){y[,n]=nu+A1%*%y[,n-1]+A2%*%y[,n-2]+B%*%x[,n]

                               Neither[,n]=Neither[,n-1]+y[,n]}

> Effect=level.fitted-t(Neither)

> Neither=Level-Effect # Moon=Pandemic=0일 때 집값 예측치

> output=cbind(Level,No_Moon,Neither)

> colnames(output)=c('Actual Price','Actual Debt','Actual Jeonse','Price_No Moon','Debt_No Moon','Jeonse_No Moon','Price_Neither','Debt_Neither', 'Jeonse_Neither')

> write.csv(output,'C:\\Temp\\output.csv')   # 디렉토리 C:\\Temp에 output.csv라는 이름으로 결과물 저장. 아래 그림은 

                                 # 이 결과물을 엑셀에서 불러들인 후 변수 3개(빨간 색 변수)에 대해서만 그린 것. 

             Actual Price = 그림에서 "실제 가격지수"

             Price_No Moon = 그림에서 "Moon 정권요인 제거시"

             Price_Neither = 그림에서 "문 정부, 팬데믹 모두 제거시"

2023.5.9, 전강수, 투기원인론의 인과론적 측정과정 공개 요청

수신: 전강수 교수

안녕하세요. 이혁주 교수입니다.

지난 이메일에서 문재인 정부에서 오른 집값 가운데 불가피한 부분을 제외하고 나머지 모두 정권요인 때문에 올랐다는 측정결과를 보았습니다. 이어서 금리가 서울 아파트값에 미친 영향을 분석한 결과도 올립니다. 변수는 아파트값 지수, 금리, 전세가격 지수입니다. 아래 그림은 문재인 정부기간 CD금리입니다.

전세가격 지수는 허전해 보여서 모형에 추가한 변수인데 그만큼 모형의 품질에 문제가 있습니다. 금리를 중시한 박진백 외(2021)의 주장을 담아 측정하면서 발생한 문제입니다. 그래도 어떤지 봅시다. 

<첨부 1>에 따르면 금리가 문재인 정부 5년간 집값에 미친 영향은 집값 0.58포인트 하락에 불과하고 통계적으로 유의하지 않습니다.

                            임기 말 금리 1.77%

                        -   임기 초 금리 1.40%

                    ------------------------------------

                       임기 중 상승폭 0.37%p --> 집값 0.58p 하락

<그림 1>에서 문재인 정부 때 금리가 max 1.91%에서 min 0.63%로 하락했고, 이후 금리가 min 수준에 고정된 상태로 임기 말까지 유지되었더라도 집값은 2.0포인트 상승에 그칩니다.  

                  (최고 1.91-최저 0.63)/0.37*0.58=2.0포인트

물론 최저 금리는 이후 상승해 임기 말까지 max 1.91% 턱 밑까지 복귀했습니다. 박진백 외가 주장하듯이 금리영향의 구조전환 때문에 주택가격이 급등했더라도, 동일한 조정기제가 작동해서 앞서 오른 집값이 임기말까지 대부분 빠졌을 것입니다. 즉 박진백 외의 주장은 이래저래 설득력이 없습니다. 

금융요인으로서 Debt은 금리와 더불어 전문가들이 중시하는 집값 영향요인입니다. 이제 CD변수 대신 가계부채 Debt을 포함해 모형을 구성해 봅시다. 그게 지난 번 이메일에서 봤던 모형 즉 이혁주 교수가 최종모형으로 선택한 모형인데, 이 모형을 이용하면 <그림 2>를 얻습니다. 여기서 정권요인 Moon이 집값 Price에 미치는 경로는 두세 가지로 나타납니다. 

(1) Moon --> Price up: 1차 효과, 직접경로. (+) 부호. 임기내 15.6포인트 집값 상승(2023.4.25. 이메일 앞 부분 참고)

(2) Moon-->Debt-->Price: 우회경로. (-), but insignificant.

(3) Moon-->Price up -->Debt up-->Price up: higer order 경로로서 자기 증폭과정. (+)부호. 임기내 정권요인으로 오른 집값 30.8포인트 가운데 15.6포인트 제한 나머지=30.8-15.6=15.3포인트 가운데 일부(근거: 2023.4.25. 이메일. 가정: 위 우회경로의 영향=0)

그림에서 Moon변수를 시발점으로 해서 별표 *가 붙은 화살표를 따라가면 악순환의 고리가 완성됩니다(별표는 유의함을 의미. 2개는 p값 5% 미만, 3개는 p값 1% 미만).주1

결국 김수현 비서관 지휘하에 문재인 정부 5년 동안 한쪽에선 둑 무너지라고 열심히 구멍을 뚫었고(Moon-->Price up-->Debt up-->Price up --> Moon-->...), 다른 한쪽에선 그 구멍 때우느라 애썼지만 무위에 그쳐서(Moon-->Debt, (-)계수이지만 insignificant, 또한 <첨부 3> 참고할 것) 결국 둑이 무너지고 말았습니다. 여기서도 김수현 주연, 김상조, 변창흠 조연인지 어떤지는 elaboration이 필요합니다(나중에 잊지 않는다면 합시다).

이상 논의를 이전 이메일에서 다루었던 금리 분석과 결합하여 다음과 같이 정리할 수 있습니다. 

(1) 금리의 집값에 대한 영향력은 확인되지 않았고, 정권요인이 Debt의 크기에 전혀 영향을 미치지 못했지만, 

<그림 3> Moon-->Debt 직간접 영향=0 (겹쳐 있어 구분되지 않음, 근거: <첨부 3>) 

Debt은 Debt up --> Price up --> Debt up --> Price up ... 이라는 higher order 과정을 통해 집값 상승에 기여했다. 따라서 금융요인은 여전히 예의 주시해야 하는 것은 맞다. 그러나 정책적 맥락과 분리하면 모형설정 오류를 범하고, 인과론적 추론상의 오류를 범하며, 잘못된 처방을 하게 된다. 문재인 정부 5년은 그 기록이었다.

(2) Moon-->Price 직접경로는 주택공급 사이드에 대한 충격을 포함한다. 이 경로는 장래 주택공급 전망에 대한 Moon 정권요인의 부정적 영향을 내포한 경로이다. 따라서 문재인 정부 5년간 지속적인 집값 상승과정은 

• 수요/공급 양측면에 대한 충격, 

• 수요측면의 충격은 Price-->Debt-->Price라는 자기 증폭과정의 결과가 되며,  

• 이들 전체 과정의 시발점은 <그림 2> 좌하단 Moon 정권요인이었다. 

(3) 재봐야 안다. <그림 2> Moon 정권요인-->Price up이라는 시계열적 집값 상승 연쇄과정은 김수현 비서관, 문재인 대통령 등 정책결정자의 예상과 희망에 반하는 것이었다. 

이제 전강수 교수님, 주목하세요. 여기서 Moon 정권요인-->Price up 과정은 3중의 통계적 자기검열 단계를 거쳐 얻은 관측결과라는 점을 상기해야 합니다.

(1) level자료(가공 전 원자료)를 1차 차분해서 만든 자료를 이용해 통계분석했다. 그래서 시계열자료간 존재하는 spurious association으로 인한 추론상의 오류와 측정 bias의 발생 가능성을 줄였다.  

(2) 집값에 영향을 주는 다양한 요인의 영향을 제어(statistical control)한 상태에서 구한 부호와 회귀계수를 근거로 통계검증했고 그 결과를 토대로 수립되었다. (쉽게 말해 여러 개 관련 변수를 모형에 포함하고 동시성 편향이 없도록 lagged variable을 썼다는 말)

(3) 그 검정도 'Moon-->Price 영향은 존재하지 않는다'를 영가설로 놓고 했다. 즉 입증의 부담을 이혁주 교수가 지고 합리적 의심의 범위가 넘는 수준의 증거가 없는 한 문재인 정권을 면책하고자 했다(즉 문재인 정부에 책임이 없다고 전제하고 검증하고 유의도 alpha를 작게 잡았다는 말). 그럼에도 영가설이 부정되었고, 이들 전과정을 거쳐 수립하게 된 명제가 문재인 정권요인 원인론이다(문재인 정권요인 원인론 --> 문재인 정부정책 원인론으로 바꿔 쓰는 일은 나중에).     

여기서 잠시 digress해서 전강수 교수님께 질문합니다. 전강수(2021.5.27)에 이런 글이 있습니다. 

참여정부 때 2004년 내내 잠잠했던 부동산 투기에 다시 불을 붙인 것은 재건축규제 완화 방침 발표와 판교 신도시 개발이었다. 2005년의 8.31대책 이후 안정세를 보였던 강남 집값이 2006년 초에 다시 상승하기 시작한 것도 당시 서울시 의회가 재건축규제를 완화하려는 움직임을 보이면서부터였다. 2006년 후반 돌발적인 집값 폭등에 기름을 부은 것도 검단 신도시 건설 발표였다. 

공급확대 정책의 효과가 나타날 무렵에 부동산 경기가 역전되어 있다면, 수년 전에 실시한 정책은 가격 하락을 가속하는 결과를 초래할 것이다. 부동산 경기 침체기에는 가격 폭락을 방지하는 것이 급선무인데 과거에 시행한 정책이 그에 역행하는 효과를 낳을 테니 난감한 상황이 아닐 수 없다. 

이 진단에 공감하는 사람이 많을 것 같습니다. 이제 전 교수님의 추론 과정과 이혁주 교수의 (통계적) 추론 과정이 어떻게 다른지 의견을 여쭈어보아도 될까요? 교수님 주장의 진위, 이용한 통계분석 기법의 advancedness 여부 등에 대해 질문드리는 것은 아닙니다. 

전 교수님의 답을 듣고 나면 바로 박진백, 이태리 박사님께도 질문 하나 드리겠습니다.

감사합니다. 이혁주 드림

주1...회귀계수의 variance-covariance matrix를 출력한 후 공식 var(x+y)=var(x)+var(y)+2cov(x,y)를 이용하면 그림의 유의도 산출 가능. 그림에서는 2023.4.25. 이메일 (식1), (식2)를 이용해 대충 보고 그린 것. 크게 틀릴 것 같지는 않음.

박진백 외. 2021. 금리의 주택가격 상승 기여도 추정. 주택연구 29(4): 75-100.

전강수, 2021.5.27. “아파트공급 확대론의 치명적 결함”, 오마이 뉴스.

<첨부 1> 금리가 문재인 정부 시기 집값에 미친 영향 측정

> Rhee=read.csv(file.choose(),header=T) # 1st_differenced_data.csv 읽어들이기

> attach(Rhee)

> CD=CD/10 #위 자료는 원자료를 차분한 후 10을 곱해서 CD변수를 구성했음. 해석이 쉽도록 재가공.

> endo=cbind(Price,CD,Jeonse)

> colnames(endo)=c('Price','CD','Jeonse')

> exo=cbind(Park,Moon,Pandemic)

> colnames(exo)=c('Park','Moon','Pandemic')

> model=VAR(endo,p=2,exogen=exo)

> Bcoef(model)

> A1=Bcoef(model)[,1:3]

> A2=Bcoef(model)[,4:6]

> Dy=array(0,c(3,36)) # Dy(t)=Δy(t)

> Diff=0.37 #2022.5 금리-2017.5 금리=1.77%-1.40%=0.37%

> Dy[,2]=matrix(c(0,Diff,0),c(3,1))

> for(n in 3:36){Dy[,n]=A1%*%Dy[,n-1]+A2%*%Dy[,n-2]}

> effect=sum(Dy[1,]) # 금리가 서울 아파트값 지수에 미친 측정해 저장.

                                   # ∑Δŷ(t)의 첫 번째 원소 값 계산(아래 설명 참고).

> effect #금리가 서울 아파트값 지수에 미친 영향=-0.58 포인트

위 파란색 절차에서 절편과 외생변수가 나타나지 않는 이유는 아래와 같다. 지난번 이메일 <첨부 1>에서 모형 ŷ(t)=ĉ+Â1ŷ(t-1)+Â2ŷ(t-2)+Ĥx(t)으로부터 내생변수 벡터 ŷ(t)를 다음과 같이 재귀적으로 구할 수 있다.

              초기화 ŷ(0)≡0, ŷ(1)≡u(1)                                                                      (식A1)

              ŷ(2)=ĉ+Â1ŷ(1)+Â2ŷ(0)+Ĥx(2)                                                               (식A2)

                     =ĉ+Â1u(1)+Ĥx(2)

              ŷ(t)=ĉ+Â1ŷ(t-1)+Â2ŷ(t-2)+Ĥx(t), t≥3                                                     (식A3)

충격 시나리오 1은 u(1)=(0,0.37,0), 충격 시나리오 2는 u(1)=(0,0,0)이고, 두 시나리오에 대응해 주어지는 내생변수 Price의 차이가 금리의 영향을 받아 변한 서울 집값이다. <첨부 2>는 이렇게 두 시나리오를 각각 계산한 후 두 시나리오의 시계열 y(t)간 차이로부터 영향을 평가한다.

Lutkepohl에 나와 있는 방식은 <첨부 2>와 달리 간편식을 이용한다. 위 식에서 x(t), t≥3는 일정한 값을 취한다. 따라서 두 시나리오간 내생변수의 차이 Δŷ(t)를 구하면

              Δŷ(t)=Â1Δŷ(t-1)+Â2Δŷ(t-2)+ĤΔx(t)=Â1Δŷ(t-1)+Â2Δŷ(t-2)                     (식A4)

로서 절편과 외생변수 벡터가 사라진다. 금리의 영향은 ∑Δŷ(t)의 제1원소가 된다. R code 파란색 procedure는 ∑Δŷ(t)에서 불필요한 항(절편 및 외생변수 벡터)를 제외하고 나머지 항들을 컴퓨터 코드로 옮긴 것이다.

<첨부 2> 두 시나리오하에서 Price(t)를 문 정부 60개월에 대해 모두 계산하고 이자율의 영향을 두 시계열에서 추출해 계산하는 방법. <첨부 1>과 동일한 결과물 얻음. 

> Rhee=read.csv(file.choose(),header=T) # 1st_differenced_data.csv 읽어들이기

> attach(Rhee)

> CD=CD/10 #위 자료는 원자료를 차분한 후 10을 곱해서 CD변수를 구성했음.

#해석이 쉽도록 여기서는 원자료의 차분자료로 변환해 분석에 이용함.

> endo=cbind(Price,CD,Jeonse)

> colnames(endo)=c('Price','CD','Jeonse')

> exo=cbind(Park,Moon,Pandemic)

> colnames(exo)=c('Park','Moon','Pandemic')

> model=VAR(endo,p=2,exogen=exo)

> Bcoef(model)

> nu=Bcoef(model)[,7]

> A1=Bcoef(model)[,1:3]

> A2=Bcoef(model)[,4:6]

> B=Bcoef(model)[,8:10]

> y_s1=array(0,c(3,59)) #시나리오 1하에서 y(t)

> y_s2=array(0,c(3,59)) #시나리오 2하에서 y(t)

> Delta=array(0,c(3,59))

> x=t(exo[102:161,])

> u1=array(0,c(3,1))

> u2=matrix(c(0,0.37,0),c(3,1)) #2022.5 금리-2017.5 금리=1.77%-1.40%=0.37%

> y_s1[,1]=u1

> y_s1[,2]=nu+A1%*%y_s1[,1]

> y_s2[,1]=u2

> y_s2[,2]=nu+A1%*%y_s2[,1]

> Delta[,1]=u2-u1

> Delta[,2]=y_s2[,2]-y_s1[,2]

> for(n in 3:59){y_s1[,n]=nu+A1%*%y_s1[,n-1]+A2%*%y_s1[,n-2]+B%*%x[,n]

                          y_s2[,n]=nu+A1%*%y_s2[,n-1]+A2%*%y_s2[,n-2]+B%*%x[,n]

                          Delta[,n]=y_s2[,n]-y_s1[,n]}

> sum(Delta[1,]) # 이 값=∑Δŷ(t)의 제1원소. 금리가 서울 아파트값 지수에 미친 영향=-0.58 포인트

<첨부 3> Moon이 Debt에 미친 직간접 영향=0

2023.4.25. 이메일에 있는 <첨부 2> 마지막에 있는 아래 명령어

> colnames(output)=c('Actual Price','Actual Debt','Price_No Moon','Debt_No

Moon','Price_Neither','Debt_Neither')

> write.csv(output,'C:\\Temp\\output.csv') 

를 이용하면 결과물 output.csv을 얻을 수 있다. 이 파일을 엑셀에서 열고 빨간 색 column 두 개를 그림으로 그리면 본문의 <그림 3>을 그릴 수 있다.   

                                  <그림 3> Moon-->Debt 직간접 영향=0 

그림에서  Moon변수가 있을 때의 "실제 집값" 곡선과 Moon 요인이 제거되었을 때의 "가상 집값 스케줄"이 완전히 겹쳐서 하나로 보인다. 즉 Moon --> Debt down의 효과와 Moon --> Price up --> Debt up의 효과가 정확히 상쇄되었다. 이 관측결과에 따르면 Moon변수는 전체적으로 수요측보다 공급측 요인을 자극해 서울 아파트값을 올렸다는 얘기가 된다. 다만 여기서 주의할 것이 있다. Moon --> Price up --> Debt up --> Price up라는 증폭과정에서 Debt의 집값 상승기여는 문 정부 5년간 오른 집값의 약 절반일 만큼 컸다. 그러나 (1)이걸 가능하게 한 것은 Moon이 올린 집값이었고, (2)Debt에 의한 자기 증폭과정은 secondary effect였다(Moon-->Debt으로 연결된 1st round effect가 아님). 아무튼 문재인 정부 때 투기꾼 때문에 집값이 올랐다고 하더라도 그 판을 깔고 집값 상승을 유지시킨 것은 문 정부가 된다는 말이다(나중에 이 점 상술). 

2023.5.15. 전강수 교수에게

수신: 전강수 교수

안녕하세요. 이혁주 교수입니다. 

질문이 어렵군요. 그럼 이렇게 phrasing해 보지요. 여기 인용한 글에는 causal statement가 여러 개 있습니다.  

• • • "참여정부 때 2004년 내내 잠잠했던 부동산 투기에 다시 불을 붙인 것은 재건축규제 완화 방침 발표와 판교 신도시 개발이었다." 즉, 규제완화+신도기 개발(cause) --> 투기로 인한 집값 상승(effect)

    • "2005년의 8.31대책 이후 안정세를 보였던 강남 집값이 2006년 초에 다시 상승하기 시작한 것도 당시 서울시 의회가 재건축규제를 완화하려는 움직임을 보이면서부터였다." 즉, 규제완화(cause) --> 집값 상승(effect) 

    • "2006년 후반 돌발적인 집값 폭등에 기름을 부은 것도 검단 신도시 건설 발표였다." 즉 검단 신도시 발표(cause) --> 집값 폭등(effect). 

그런데 causal statement는 관찰 --> 인과론적 측정 --> validation/invalidation이라는 과정을 거친 후에야 할 수 있는 말입니다. 오마이뉴스 컬럼에는 rudimentary하지만 관찰이 있습니다. 즉 statistical association을 확보했습니다. 그 다음 단계는 이 association이 허위관계가 아니고 동시에 의미 있는 크기임을 확인하는 과정 즉 측정과정입니다. 이 측정과정을 공개해 주시지요.  

까다로운 요구입니다. 불가피합니다.

(1) 지난번 이메일에서 "재봐야 안다"는 교훈을 얻은 바 있습니다.  

(2) 논문 심사기준을 적용했습니다. 교수님은 유튜버가 아닙니다. 파장이 큰 명제일수록 엄격한 기준을 적용하는 것이 경험과학의 지식 검증과정입니다.  ex. 통계학에서 type 1 error

(3) 교수님의 글에서 causal measure라고 볼 만한 것이 오마이뉴스 연재 다른 컬럼에서도 확인하기가 어려워서 그렇습니다. 글을 잘못 읽었는지 확인하고 싶습니다.     

(4) 교수님의 인식은 주택문제가 기본적으로 공급부족 문제가 아니라고 믿는 진보측 여러 인사들과 공통점이 많습니다. 교수님의 답변은 진보를 이해하는 창이고 시금석입니다. 

(5) 한 세대 이상 한 분야를 연구한 진보의 대표적 학자 전강수 교수의 경륜과 학식의 총체가 담긴 글입니다. 교수님은 그저 그런 학자가 아니라 한국 헨리 조지학파 양대 이론가 가운데 한 분입니다. 독자들의 눈높이는 여기에 맞추어져 있습니다.  

감사합니다. 이혁주 드림

2023.5.22. 전강수 교수에게(계속)

전강수 교수님께

empirical support 없는 경험과학은 성립하지 않습니다(by definition). 실천을 전제로 한 것이라면, 그 논설이 무엇이든 이 요건은 똑같습니다. 

측정과정을 공개해 주시지요. 민주당이 재집권하면 교수님의 추종자들이 '김수현'을 대신할 것 같습니다. 

감사합니다. 이혁주 드림

2023.5.30. 전강수 교수에게(계속)

전강수 교수님께

측정 없이 경험과학 없고, 그 측정도 해봐야 압니다. 강원도 정선 예미산 지하 검출(detection) 시설, 포항 방사광가속기 모두 그런 얘기입니다. 상상과 이론이 실재(實在)가 되고, 미지(未知)가 감각으로 처음 인지되는 현장. 한국의 물리학자들이 '전강수'였다면, 이런 거대과학(big science) 시설은 불필요합니다.   

그런데 우리가 측정에 진심이어야 하는 이유는 이것이 연구자를 연구자답게 만들어 주기 때문입니다. 

경험명제의 수립과정에서 일차적으로 측정 문제에 부닥치면 오만가지 생각을 하게 됩니다. 자료가 있기는 한 건가. 어떤 자(尺)로 어떻게 재야 하나. 경합적 관계에 있는 효과/시각은 또 어떻게 담아내야 하나. 나 빼고 모두 심사석에 앉아 없는 흠도 찾아내려는데, 이들을 어떻게 설득할 것인가...

어떻게 측정하느냐에 따라 답도 다르고 설득력도 다릅니다. 분석과정에서 부닥치는 여러 가지 contingency를 잘 이겨내고 자신이 기대했던 결과를 얻었다고 해도, 그렇게 측정해 낸 가격이 높다, 낮다라는 판단을 어떻게 해야 할지 결국 답해야 합니다. 또한 이렇게 불완전한 measure를 가지고 해당 정책질문에 대해 '판단'하는 일이 정말 적절한 것인지 자신에게 되묻게도 됩니다.

교수님은 이런 자기성찰을 우회하고 검토(external review)가 불가능하게 논설했고, 그래서 연구자가 직면하는 여러 가지 인식론적 고민도 교수님에게서 보이지 않습니다. 이들 문제와 씨름해 본 사람이라면 지적으로 겸손하게 되고 다른 연구자가 생산한 과학문서를 존중하는 품성을 함양하게 되지만, 잘 보이지 않습니다. 얘기가 자꾸 겉도는 근본 이유가 이거라고 생각합니다. 

academic community에서 중립적 용어로 나누는 대화가 사라진다면, 학계내 discourse가 정치적 과정으로 대체되고 대결, 동원, 투쟁이 공생, deliberation을 대신하면서 지식생태계가 무너지게 됩니다. 오마이뉴스, 조중동, 유튜브, 저서(著書)는 그 순기능이 사라지고 peer review 없는 방종의 매체가 됩니다. 교수님은 연구자/학자가 담당할 전(前) 과정을 뛰어 넘어 academic issue를 정치화하고 이전투구장으로 직행하자고 하십니다. 이게 우리가 꿈꾸는 사회일까요? 

여기 이 자리는 어렵게 마련된 자리입니다. 일반인에 앞서 여기 전문가부터 설득하는 것이 어려워도 순서입니다. 이준구 교수 사례에서 보는 것처럼 진보뿐 아니라 그 대척점 보수 인사 가운데도 용기 있고 열린 연구자가 없지는 않을 겁니다. 교수님의 측정과정을 수용하는 분이 분명히 있습니다.  

교수님이 공저자로 참여한 남기업 외(2017)는 회계논문(accounting)이지 인과론적 측정논문은 아닙니다. 피케티의 책도 마찬가지입니다. 성장론적 accounting documentation입니다. 

그러니 측정과정을 공개하시지요.

감사합니다. 이혁주 드림

추신...재미 삼아 ChatGPT한테 "What would happen, when we do  empirical science without causal measurement?"라고 물어보았습니다. 범생들에게서나 보는 재미 없는 답을 주는군요. 여기 주택논쟁 사이트 맨 뒤에 첨부했습니다.  

남기업·전강수·강남훈·이진수. 2017. 부동산과 불평등 그리고 국토보유세. 사회경제평론, 30(3): 107-140.

<첨부> ChatGPT의 대답(2023.5.29.)

2023.6.5. 전강수 교수에게(계속)

전강수 교수님께

측정은 연구자 전강수를 연구자답게 만들지만, 이런 전강수를 지켜보는 후배들도 진지한 학도로 만듭니다. 

교수님께서는 오마이뉴스 경세제민 컬럼에서 문재인 정부의 실패를 혹독하게 비판합니다. 그 비판은 정책을 설계하고 실행한 주요인사를 향합니다. 그런데 만약 교수님과 교수님 연배의 leading scholar들이 실천학문의 연구자로서 측정에 진심이었다면, 문재인 정부에서 과잉신념자가 그렇게 많이 출현하지는 않았을겁니다. 

측정을 통해 얻는 인과론적 증거를 경시하게 되면서 연륜에 비례해 익숙하고 좋아하는 것에 더 의존하고, 젊은이는 점점 더 다른 생각과 사고를 배척하고 self-righteous한 '사계(斯界) 전문가'로 성장합니다. 이렇게 체득한 설명방식과 그렇게 형성된 정책관은 단순명쾌해서 매혹적이지만, 측정과 관련된 subtlety를 이해하지 못해 생긴 단순화의 위험을 무릅씁니다. 

여기에 교수님과 같은 열정이 후배 연구자들에게 더해지면 후배들은 '꽂히게' 되고, 기회가 주어지면 이들 '사계(斯界) 전문가'는 앞뒤 안 가리는 투사가 됩니다.주1 이들에게 경험은 세계관의 심화일 수는 있어도 유연함의 증가, 확장과는 거리가 있습니다. 이들에게 학습과 연구는 심화된 세계관을 정당화하는 도구일 뿐입니다. 이 세상에는 이들의 신념과 일치하는 간접 증거가 차고 넘치기 때문에 가능한 일입니다. 물론 그 반대 증거도 차고 넘칩니다. 

교수님께서 비판한 괴물은 이렇게 출현합니다. 그런 괴물을 교수님은 또 이렇게 빚습니다. 이렇게 교수님 자신도 괴물이 되어 가고, 후배들도 하나둘씩 교수님의 변한 모습을 닮아갑니다. 학계는 지식공동체 대신 적대적인 academic den들로 분리됩니다. 제1 덴쵸=홍길동, 제2 덴쵸=철수..., 제3덴쵸=영희, ... 

이런 상황이라면 '전강수'를 닮은 진보 '김수현'도 나오고 보수 '김수현'도 나옵니다. 

제 얘기를 해보겠습니다. 학위 취득후 20년간 대중매체 전문가 의견을 보면서 일종의 열등감 같은 것을 계속 느꼈습니다. 전문가들은 저렇게 자신 있게 진단과 처방을 하는데, 나는 왜 아무리 보아도 보이지 않지 뭐 그런거였습니다. 나 박사 맞아???  

눈치가 꼬딱지 만큼도 없고 미련하고 순진해 터지지 않고는 벌어지기 힘든 일입니다. 그런데 한 10년 전부터 의심이 들기 시작했습니다. 전문가들도 잘 모르는 얘기를 추측해서 할 수도 있고, 모른다고 하는게 맞는데 알고 있다고 간주하고 말하는 것일 수도 있겠다 그런 것이었습니다. 

코로나 사태 초 의학자(medical scientist)들이 백신의 효과에 대해 인터뷰한 영상들을 찾아보세요. 우리하고 얼마나 다르게 말하는지. 이들이 말할 때는 의학의 특성상 통계학 교과서에 나오는 검증절차를 미련탱이처럼 따라하고, 검증결과를 더하지도 빼지도 않고 그대로 말하는 것 같았습니다. 그런데 그렇게 한걸음 한걸음 오바하지 않고 나아가는데 그 성취는 놀랍습니다. 

만약 부동산정책 커뮤니티 전문가들이 의학자들처럼 자신의 말을 qualify하는 진중함만 발휘했어도 3,40대 청년 이혁주 박사의 20년 지적 혼돈은 덜 했을테고 그 시간 좀 더 생산적인 질문을 했을 겁니다. 이게 이혁주 박사 하나뿐이었을까요? 보통 사람들은 또 어땠을까요?

김수현, 변창흠, 김현미 같은 신념과잉 후배의 출현을 계속 방조하고, 바보 천치 이혁주 같은 사람 만드는 풍토를 계속 보고 계실건가요?

규제완화와 공급이 집값 상승의 원인이었다는 세 가지 사례의 측정과정을 공개하시지요. 우린 지금 도덕철학, 형이상학, 신학, 연역명제(deductive proposition)를 논하는게 아닙니다.

감사합니다. 이혁주 드림

주1...이 설명방식은 문재인 정부 초기 부동산 정책참모들의 선택을 잘 설명한다. 그러나 이후 수십 차례 반복된 반대효과 사례에도 불구하고 어떻게 계속 "투사"로 남아서 동일한 패턴의 선택을 했는지는 잘 설명하지 못한다. 다른 합리적 설명방식이 필요하다.   

2023.6.12. 전강수 교수에게(계속)

전강수 교수님께

측정이 없고, 그래서 claim의 empirical validity도 invalidity도 논할 수 없습니다. 측정이 없고, 그래서 경험명제도 존재하지 않습니다. 

교수님은 ghost proposition을 디디고 서서 얘기하고 있습니다.

cherry-picked case에서조차 인과론을 제시하지 못합니다. 이제 대가(大家)의 말씀을 수용하려면 반복적 자기최면밖에 없습니다. JMS의 신부(bride)들이 갈등했던 것처럼(Netflix 다큐멘터리). 관계 단절을 선택지에서 제외했을 때, 이들이 할 수 있는 건 자신의 신앙심을 탓하고 자기세뇌하는 것뿐이었습니다. 

측정에 무관심하니 testable hypothesis를 제시하지도 못하고 안 합니다. 반증 불가능한 명제는 과학에서 다루지 않습니다. 교수님은 과학을 하는 사람도, 실천학문을 하는 사람도 아닙니다. 

교수님은 과학커뮤니티를 묶는 가치(transparency)도 존중하지 않습니다.

어찌 하오리까? 

.

.

.

얼마나 더 보고 배우라고... 

교수님이 어렵다면 진보측 다른 인사들도 어렵습니다. 선배로서, leading scholar로서 져야 할 짐, 지시지요. 그 짐 후배들한테 넘어갑니다. 

이혁주 드림

추신...ChatGPT의 한 줄 충고입니다. 

Prioritize transparency and openness for scientific integrity and trust. 

좀 더 자세한 내용을 여기에 첨부합니다.

2023.6.19. 전강수 교수에게(계속)

전강수 교수님께

별 말씀이 없으시니 지금까지 한 얘기를 정리해보겠습니다. <그림 1>은 교수님 논설의 구조를 경험명제 수립절차에 대입해 다시 꾸민 것입니다. 

"공급무익론"이라는 말은 규제완화와 공급이 집값상승과 투기를 조장하고, 더 나아가 투기 때문에 집값이 높다는 주장을 옮긴 말입니다. 적합한 표현인지는 계속 고민해 보겠습니다.

코멘트가 없으면 이 그림을 좀 더 확장해 보지요. 

이혁주 드림

이혁주·유상균, 2021. 밀도규제의 구속성과 규제의 타당성 검토: 서울 아파트단지를 중심으로. 국토계획 56(5): 44-59.

2023.6.26. 전강수 교수에게(계속)

전강수 교수님께

지난 주에 보았던 그림을 아래와 같이 오른쪽으로 확장해 다시 그렸습니다.

한 마디로 말해 ghost proposition에 기반을 두고 한 말 모두 재검토 대상이 된다는 말입니다. 이를테면 오마이뉴스 

          전강수 교수의 경세제민

에서 어떤 주장이 공급무익론에 근거했다면, 그 의존도에 비례해 명제의 외적 타당성(external validity)에 문제가 발생하고, 예측과 처방의 신뢰도(reliability)가 떨어집니다.  

공급무익론: 규제완화와 공급이 집값상승과 투기를 조장하고, 더 나아가 투기 등 수요측 요인 때문에 집값이 높다는 논설

지금까지 보인 교수님의 반응을 종합해 다음과 같이 정리합니다. 

[평가, 잠정] 전강수 교수의 공급무익론은 측정과 empirical support를 결한 유령(ghost)의 경험명제에 기초하고 있다.주1

'잠정'이라는 한정어(qualifier)의 제거가능 여부는 천천히 알아봅니다. 공개 자료를 이용해 추가 검사합니다.  

교수님과 진보 일반이 지닌 입장의 공통성을 고려할 때, '전강수식 논법'에 대해 진보 일반의 암묵적, 명시적 지지(endorse)가 있었을 것으로 추정됩니다. 이렇게 이해하면 '전강수식 논법'이 어떻게 등장해서 지난 수십년간 존속했는지 일부 설명할 수 있습니다. 

전강수식 논법 : 인과론적 측정 없이 공급무익론을 주장하거나 그 주요 특징을 공유하는 논법 

만약 진보 일반의 지지가 있었다면, 전강수식 논법이 진보 커뮤니티 주요 논객의 논설에서 흔하게 관찰되어야 합니다. 다음 주부터 위 [평가]를 진보 일반으로 확장할 수 있는지 알아봅니다.

다만 여기서 주의할 것이 있습니다. (1)어떤 명제의 형식적 요건 충족여부와 (2)명제의 진위 및 그 처방의 타당성은 서로 다른 문제입니다. 지금 하는 것은 논설의 형식검사(formality check)입니다.

감사합니다. 이혁주 드림

주1...전강수 교수는 scientific documentation이 없음에도 오마이뉴스 컬럼에서 수요-공급이론과 같은 경험과학을 논설의 정당화 도구로 이용했다. 즉 전 교수는 경험과학의 기성(旣成) 이론을 비과학에 이용했다. 전 교수의 논설은 과학과 비슷하지만(似而) 과학이 아닌(非), 즉 사이비 과학의 특징도 가지고 있다. 

2023.7.3. 변창흠, 공급무익론 지지 인과론적 측정과정 공개 요청

변창흠 교수님 보시지요. 

지난 주까지 전강수 교수의 유령명제에 대해 알아보았습니다. 유령명제의 내용은 공급무익론으로서, 공급무익론은 무(無)측정이라는 방식으로 수립되었습니다. 명제의 내용(공급무익론)과 수립방식(無 측정)의 특이성을 고려해 이를 전강수식 논법이라고 통칭(統稱)했습니다. 그리고 공급경시적 입장의 공통성을 고려할 때, 전강수식 논법의 두 가지 특징(명제의 내용, 수립방식)이 진보 일반에서 관찰될 것 같다고 했습니다.

이 가설의 중요성을 고려해 꼼꼼하게 따지면서 진행하고자 합니다. 이것이 변 교수님 같은 분의 생각을 들여다 보아야 하는 이유입니다. 같이 수고 좀 합시다.  

2018.4.28 중앙대학교(서울캠퍼스)에서 대한국토∙도시계획학회 춘계학술대회 라운드테이블 "토지공개념은 헌법에 도입되어야 하는가"가 있었습니다. 여기서 이혁주 교수가 "토지공개념, 규제 - 그 인과구조의 이해"라는 내용을 발제했습니다. 당시 이혁주 교수가 집값 대책으로 서울 아파트단지 고밀화에 관해 발표했고, 교수님께서 토론했습니다. 아래는 교수님의 토론 내용입니다(더 자세한 내용은 주택논쟁 사이트 <첨부> 참고). 

[34' 24"] 공급을 확대하면 가격이 떨어질 거고 다른 거 하지 말고 이것만 하면 훨씬 효과가 있는데 왜 이걸 안 하냐 이런 말씀이신 것 같아요. 근데 사실 이 부분에 관해서 저는 우리가 해본 거거든요. 언제 해봤냐 1994년에 국토이용관리법 개정을 해서 풀어줘서 준농림지를 주거지로 했더니 속된 말로 그 난리를 친 거잖아요. 그래서 우리 계획 학회가 갖고 있는 핵심적인 근거가 이 계획적 관리이고 국토의 계획 및 이용에 관한 법률 그 다음에 도정법이 만들어진 핵심적인 근거가 그렇게 속된 말로 대책 없이 풀면 안 된다. 공급 확대 논리고 그래서 그 어려움을 겪어왔고...

[35' 05"] 그 다음에 개발제한구역을 MB정부 때 또 왕창 풀었지 않습니까? 8년에 걸쳐 가지고 개발 제한 어떻게 다 뭐 했는데 그냥 6개월만에 한 방에 풀어버렸습니다. 화끈하게 풀었는데 결국은 그 어마어마한 혼란을 겪었기 때문에 지금 핵심은 고밀로 하든 옆으로 늘리든 공급 확대하는 논리로 가격을 안정시킬 수가 없고 각종 부작용을 낼 수밖에 없다는 겁니다. 근데 지금 와서 이게 다시 가능한가 저는 의심이 들고요. 

내용은 전체적으로 전강수 교수의 공급무익론을 닮았습니다. 이제 전강수식 논법의 나머지 절반인 경험명제의 수립방식 즉 측정의 존재 유무에 대해 알아보겠습니다. 

위 코멘트에는 causal statement도 있고, theorizing이 필요한 사회과학적 명제라서 말 몇 마디로 판가름하기는 좀 그런 것도 섞여 있습니다. 여기서는 쉬운 것만 보지요. 통계모형만으로 답할 수 있는 내용으로서 아무거라도 좋으니 causal measurement 과정을 공개하실 수 있을까요? statement의 참(true), 거짓(false)에 대해 질문드리는게 아닙니다. 

감사합니다. 이혁주 드림

<첨부> 변창흠 교수의 논평(확장본)

2023.7.10. 변창흠 교수에게

SH, LH 사장, 장관은 서로 하려고 합니다. 쉬운 일입니다. 그러나 지금 이 일은 서로 꺼리지만 당사자만이 아는 얘기입니다.

이 시대 우리가 어떻게 생각했는지 기록으로 남깁시다. 가능하면 자세하게.

말씀 없으시면 차선으로 교수님 논문을 보고 판단하겠습니다. 

감사합니다. 이혁주 드림

2023.7.18. 변창흠 교수에게

변창흠 교수님께

교수님께서 발표한 peer review 논문에 교수님 논설의 경험적 근거가 되는 인과론적 측정이 존재하는지 알아보겠습니다. 

아래 논문 목록은 한국연구자정보시스템(kri.go.kr)에 등재된 교수님의 논문실적입니다(임의 발췌). 

• 저층주거지 정비사업 실행모델의 유형과 변화과정

• 토지공개념 논의와 정책설계: 개발이익공유화 관점에서

• 욕망의 정치'와 이명박 정부의 부동산 정책

• 토지개발사업의 공공성 평가와 공공부문의 역할

• 정상거처기준을 활용한 서울시 주택보급률의 재평가와 효과에 관한 연구

• 수도권 제2신도시 건설계획의 평가와 발전방향: 판교신도시 건설계획을 중심으로

위 목록에는 부동산시장과 관련된 변수간 인과론적 관계를 측정한 논문이 없습니다. 나머지 논문도 마찬가지입니다. 바꾸어 말해서 부동산시장에 대한 변창흠 교수의 인과론적 논설(공급무익론 포함)은 내용, 논설방식과 관계 없이 그 경험과학적 논거가 peer review 논문에 존재하지 않습니다.

따라서 토론회에서 했던 주장의 경험적 근거를 교수님의 논문으로 한정할 때, 명제의 내용과 수립방식 등 전강수식 논법의 주요 특징이 교수님에게서도 발견됩니다. 

아무 말씀 없으시면 다음 주에 김수현 교수의 논설을 살펴보겠습니다.

2023.7.24. 김수현, 2017년 8.2대책시 시장진단의 근거제시 요청

김수현 교수님께

지난 주 변창흠 교수의 토론에서 전강수식 논법의 두 가지 특징(공급무익론, 무(無) 측정)을 확인했습니다. 무측정이라는 판단은 변 교수 자신이 쓴 논문만을 대상으로 해서 내렸습니다. 전강수 교수도 마찬가지입니다. 전 교수의 논문목록(kri.go.kr)입니다. 

이제 전강수, 변창흠 교수가 특이사례에 속하는지 김 교수님을 대상으로 알아보겠습니다. 아래는 2017.8.3. 문재인 정부 초 한겨레 신문 인터뷰 기사입니다. 

그는 “재작년 말부터 전세계적으로 수도와 주요도시를 중심으로 부동산 가격이 다시 오르는 현상이 발생하고 있다”며 “수요-공급의 문제를 떠나 다른 차원에서 과도한 양적완화에 따른 머니게임이 벌어지고 있다고 봐야 한다”고 진단했다. 지난 2008년 이후 과잉유동성 문제가 누적되며 부동산에 투기 자본이 몰려 가격 급등이 이뤄졌다는 분석이다. 

이 기사에 나타난 인과론적 진단은 당시 시장에 작지 않은 충격을 준 8.2대책의 배경이 됩니다. 

8.2대책 국토부 문서에서 당시 "공급여건은 안정적인 편"이나 "투기수요가 늘어나 주택시장 불안이 발생"하고 있다고 진단하고, 투기수요 관리중심의 처방을 내놓습니다(국토교통부, 2017.8.2). 그 이전 발표되었던 6.17대책에서도 "투자목적의 주택수요가 급격히 증가"하고 있다고 시장을 평가합니다(국토교통부, 2017.6.19: 5).주1 

전체적으로 전강수, 변창흠 교수에게서 보았듯이 집값이 투기 때문에 높다는 인식을 공유합니다. 즉 내용 측면에서 공급무익론과 기본인식이 유사합니다. 

다음으로는 전강수식 논법의 측정 문제에 대해 알아보겠습니다. 김 교수님께 질문합니다. 한겨레 신문 기사에 나타난 인과론의 타당성을 보여주는 측정 혹은 인용에 대해 말씀해 주시지요.

감사합니다. 이혁주 드림

주1...문재인 정부 시기 발표된 25차례 이상 부동산대책과 관련된 정부의 공식 발표문 일체는 여기에서 얻을 수 있음. 

국토교통부, 2017.6.19. 주택시장의 안정적 관리를 위한 선별적 맞춤형 대응방안. 

          http://www.molit.go.kr/USR/NEWS/m_71/dtl.jsp?lcmspage=73&id=95079312 

국토교통부, 2017.8.2. 실수요 보호와 단기 투기수요 억제를 통한 주택시장 안정화 방안.

          http://www.molit.go.kr/USR/NEWS/m_71/dtl.jsp?lcmspage=70&id=95079498 

2023.7.31. 김수현 교수에게 

김수현 교수님께

김수현은 경세가(經世家)이전에 연구자입니다. 한국 사회가 김수현에게 그런 영예를 안겼던 것은 연구자 이력이 있어서였습니다. 서울대학교 박사, 서울시정개발연구원(현 서울연구원) 연구자, 세종대학교 교수.

한국 사회의 침몰을 재촉한 정책으로 의심 받는 사회실험이었습니다. 이대로라면 민주당의 집권과 더불어 경험과학적 지위(地位)가 불분명한 정책론이 외부검토 없이 또 등장합니다. 계획계도 장담할 수 없고요.

지금 괜한 짓 아닌지 생각하는 보통의 계획가분들도 ChatGPT한테 아래와 같이 물어 보세요. 조금이나마 공감하는데 도움이 되길 희망합니다.

As of now, we know that X will solve or help solve a problem. However, we do not know the exact theory of why and/or how X works. Why should we bother to understand the theory? 

어떤 식으로든 sense-making해야 하고 지금처럼은 안 됩니다. 

대답하시지요.

이혁주 드림

2023.8.7. 김수현 교수에게(계속)

김수현 교수님께

과학적 진실과 정치적 이해(利害)가 충돌하나요?

얼마 전 올라온 넷플릭스 다큐, "킹 오브 클론, 황우석 박사의 몰락"에서, 내부고발자와 탐사프로그램 제작자가 부닥친 딜레마는 연구 진실 대(對) 국익(國益)이었다고 합니다. 

• 하반신 마비자, 벌떡 일으켜 걷게 하는 기적의 기술. 전세계 불치병 환자의 희망

• 한국경제 100년을 먹여 살릴 업적... 

이들의 최종 판단은 "진실이 국익[이다]"였습니다(남은 시간 37' 00"). "Science is based on trust."라는 해외 철학자의 말도 거기 나옵니다. 물리학자 김상욱 교수(경희대)도 생각이 비슷합니다. 

연구자가 뱉는 말은 무게가 다릅니다. 이들이 뱉은 말은 '실험실' 밖으로 내놓은 지식원(源)으로 취급됩니다. 요즘 전세계 과학계가 상온 초전도체 후보 물질 LK-99 때문에 난리가 난 것도 그 파장 때문이고, 그래서 지식의 원석(原石)을 검증한다고 벌이는 소동입니다.

LK-99만큼 중요한 주제입니다. 그런데 전문가 집단이 그 타당성을 의문시하고 있습니다. 둘 다 시험과 validation을 거쳐 truth value가 결정되는 과학명제(scientific proposition)입니다. 

LK-99: A new material A has a property B.

김수현 교수: A factor A is a cause of B.  

어느 편에 서시겠습니까? 진보의 가치인가요, 진실(Popperian truth)인가요? 

이혁주 드림 

2023.8.14.과잉유동성론의 근거를 김수현 교수 논문에서 찾아보기

김수현 교수님께

한국연구자정보시스템(kri.go.kr)에 있는 교수님 논문 가운데 일부입니다. 

• • • 우리에게는 생소한 '주택의 금융화' 논의, 어떻게 이해하고 활용할까?

    • 홍콩은 집값이 왜 비싼가: 홍콩 주택시장의 구조와 특성

    • The developmental state, speculative urbanisation and the politics of displacement in gentrifying Seoul

    • 한국계 중국인 밀집주거지의 분화에 관한 연구-서울시 가리봉동과 자양동을 중심으로

    • 무허가 정착지 정책과 국가 역할: 서울, 홍콩, 싱가포르의 경험을 중심으로

    • Issues of squatters and eviction in Seoul: From the perspectives of the dual roles of the state

    • 서울시철거민 운동사 연구

    • 홈리스 문제의 구조와 대책

    • NGOs의 쟁점과 신뢰성 논의

    • 구소련과 동구주택정책 변화의 성격

논문 목록에 부동산시장 변수간 관계를 측정한 논문이 없습니다. 잘못 판단한 것이라면 말씀 주세요. 

지금까지 알아본 바 그리고 전강수 교수의 논문목록(kri.go.kr) 등을 종합해 아래와 같이 정리합니다. 

[형식검사] 전강수, 변창흠, 김수현 교수의 경우, 부동산시장 경제변수간 관계(공급무익론 포함)에 대한 인과론적 논거는 그 내용, 논설방식과 관계 없이 이들 3인이 참여해 쓴 peer review 논문에 있지 않다. 따라서 전강수, 변창흠, 김수현 교수가 한 주장의 경험적 근거를 이들이 작성한 논문으로 한정할 때, 명제의 내용과 수립방식 등 전강수식 논법의 주요 특징이 3인의 논설에 존재한다.   

위 평가에 따르면 김-변-전 3인의 부동산시장에 대한 언급 일체는 직접 수행한 연구에 기초해 한 것이 아니라 

[출처 1: 타인연구] 다른 사람의 연구결과를 참고했거나

[출처 2: 추측] A speculative reasoning, Wishful thinking

이 됩니다.

부정적 평가입니다. 다음 주에는 다른 사람들의 논문으로 reference를 확장합니다. 앞서 본 파란색 표현 두 가지 즉 인과론과 출처에 대한 평가가 달라지는지 알아보겠습니다. 

감사합니다. 이혁주 드림

2023.8.23. 전강수, 변창흠, 김수현. 공급무익론, 과잉유동성론의 경험적 근거

전강수, 변창흠, 김수현 교수님께

이번 주에는 공급무용론의 경험적 근거가 다른 사람이 쓴 논문에 있는지 확인합니다. 우선 김용창, 정세은, 서순탁 교수 논문으로 한정해서 살펴 봅시다. 확인할 내용은 대략 아래 두 가지입니다.

(1) 과잉유동성론(김수현) 및 일반론으로서 공급무익론(전강수, 변창흠) 명제의 타당성 논증 여부

(2) 전강수, 변창흠 교수가 든 개별 사례에서 주장한 효과가 실제 존재했다는 측정결과의 존재여부

• 거론 사례: 검단 신도시 등 3사례, 그린벨트 해제, 준농림지 용도 전환 공급 등 사례

• 효과: 집값 상승, 투기 등 각종 부작용 

김용창, 서순탁 교수는 2019년 국토계획 편집위원회에서 정책-실무논문집을 꾸밀 때 당시 편집위원회에서 변창흠 교수한테 진보 성향 연구자 추천을 의뢰한 바 있습니다. 두 사람은 변 교수가 추천한 연구자들입니다. 한편 정세은 교수는 과거부터 경향신문에 활발하게 글을 올리는 분입니다.

한국연구자정보시스템에서 김용창, 서순탁, 정세은 교수의 논문목록에서 일정한 일련번호로 끝나는 논문을 추렸습니다. 아래는 결과물입니다. 

• 자산기반 불평등 시대의 약탈적 축적 체제와 주거불안의 일상화

• 불확실성시대, 실존으로서의 거주(Wohnen)와 토지주택은행정책

• 경제 하부구조 관련 공기업의 해외투자에 대한 연구(2)-해외 하부구조투자의 유형과 성격, 국적성의 문제-

• 개발이익 환수제도 운영과정의 법적쟁점과 사법적 판단

• 한국 부동산평가 산업구조 특성 및 개편방안 연구

• 일본의 부동산증권화제도 및 REIT제도

• 부동산서비스 및 중개제도의 문제점과 정책방향

• 사이버스페이스와 사람의 생활

• 한국에서 새로운 사회운동의 올바른 논의를 위하여

• 가계의 부동산 분배 상태와 보유세 개편의 계층별 세부담 효과

• 영국 식민지배가 18세기-19세기 아일랜드 경제발전에 미친 영향

• 한국의 경제적 개방의 불평등 효과

• 박근혜 정부의 조세재정정책 평가와 대안의 모색

• 복지국가 실현을 위한 세제 개혁 방안

• 한중일 제조업의 전문화 및 집중화 추이

• How did natioanl real capital markets in Europe react to EMU?

• 재난 리질리언스 제고를 위한 일본의 사전부흥계획에 관한 연구: 사이타마현 부흥마을만들기 이미지 트레이닝을 중심으로

• 신제도주의 관점에서 본 택지개발제도 변화 분석: 공영택지개발 도입시기를 중심으로

• 협력적 거버넌스 관점에서 본 광역행정 사례분석: 수도권 대중교통체계 개편을 중심으로 

• 개발부담금 부과취소 청구의 원인과 해소방안 연구

• 재건축 임대주택공급의무제의 지역별 개발이익환수 효과 분석

• 개발이익환수의 제도화

• 토지규제완화이익 환수제도의 정비

• 참여정부의 토지정책과 과제

• 국토이용 계획체계의 개선방안 연구

전체적으로 부동산시장 변수간 인과론적 관계를 측정한 논문을 찾기가 어렵습니다. 김수현, 변창흠, 전강수 교수가 거론한 인과론의 진위판단에 쓸 수 있는 논문이 없습니다. 틀린 판정이면 말씀해 주세요. 

[형식검사 결과] 전강수, 변창흠, 김수현 교수(김-변-전)가 언급한 공급무익론, 과잉유동성론에 대한 인과론적 측정논문이 전강수/변창흠/김수현 및 김용창/서순탁/정세은 교수가 쓴 peer review 논문에 존재하지 않는다. 

[시사] 따라서 김-변-전이 한 주장의 경험적 근거를 이들 6인이 쓴 논문으로 한정할 때, 명제의 내용(=공급무익론)과 수립방식(=인과론적 측정 無) 등 전강수식 논법의 주요 특징이 김-변-전 3인에게서 발견된다.  

다음 주에는 김-변-전 논설의 경험적 근거를 학계 일반으로 확장해서 지난번 이메일에서 언급한 두 가지 가능성 가운데 어느 경우에 해당하는지 알아봅니다. 

[출처 1: 타인연구] 다른 사람의 연구결과를 참고

[출처 2: 추측] A speculative inference, wishful thinking

감사합니다. 이혁주 드림

2023.8.29. 분양가-재고가에 관한 기존연구와 전강수/변창흠의 논설

전강수, 변창흠, 김수현 교수님께

지난 주에 본 것은 이렇습니다. 

전강수, 변창흠, 김수현 교수(김-변-전)가 언급한 공급무익론, 과잉유동성론에 대한 인과론적 측정논문이 전강수/변창흠/김수현/김용창/서순탁/정세은 교수가 쓴 peer review 논문에 존재하지 않는다.

지금까지 진보 쪽 연구자를 대상으로 확인했습니다. 이제 진보 울타리 밖으로 확장해 검색해 보겠습니다. 

논문 데이터베이스와 학술지에서 일부 확인한 내용은 분양가(신축 아파트 가격)와 재고가(구축 아파트 가격) 사이의 관계입니다. 분양가가 높으면 다른 집값을 올려 주택시장 전체를 불안정하게 만들고 각종 부작용을 일으킬 위험이 있습니다. 이렇게 중요한 주제인 만큼 분양가가 다른 주택가격에 미치는 영향에 관한 인과연구 논문이 여러 편 있습니다. 

만약 높은 분양가가 주택시장 전체를 불안정하게 만든다면, "... 공급 확대하는 논리로 가격을 안정시[키는데]" 한계가 있고, 주택가격 안정화정책으로서 수요관리 대책이 중심이 되어야 한다는 논설은 그 타당성 충족에 필요한 조건 하나가 충족됩니다. 때문에 분양가와 재고가 사이의 인과관계(부호, 통계적 유의도, 크기)는 강력한 주택시장 규제의 불가피성과 공급무용론을 지지/부정하는 중요 증거로 간주됩니다. <표 1>은 문헌 요약입니다. 

<표 1> 신축 아파트의 분양가와 기존 아파트의 재고가간 인과관계 연구결과

-----------------------------------------------------------------------------------------------------------------------------

논문               분석자료                                    분석결과

-----------------------------------------------------------------------------------------------------------------------------

윤숭봉 외     - 1999-2003년 가격지수              -강남: 재고가가 분양가에 영향을 미침

(2004)          - 대상: 서울시 강남 및 강북         -강북: 분양가와 재고가 사이에 인과성 없음

                     - 출처: 국민은행

장성수          - 2000-2004년 월별 재고가 및     -분양가와 재고가 사이에 인과성 없음  

(2004)            동시분양가                               

                    - 대상: 서울시 전역

                    - 출처: 부동산뱅크, 국민은행

권지혜          - 1998-2004년 월간 재고가        -서울 강남의 경우 분양가가 재고가에

(2005)             및 동시 분양가                            영향을 미침

                    - 대상: 서울 전역, 강남 및 강북         

                    - 출처: 저스트알, 국민은행

임덕호         - 2000-2008년 월별 재고가 및      -양방향 영향 가운데 절반 정도 유의 

-박선구            동시분양가                               - 유의한 경우 예시

 (2010)        - 대상: 전국, 서울, 경기                    서울 분양가 --> 전국/경기 재고가

                   - 출처: 부동산114                             전국 분양가 --> 전국 재고가   

김경민        -2002-2006년 재고가                     -강남의 재고가는 인접지역과 수도권 재고가에 

(2007)        -대상: 전국 주요 시군구 137곳        영향을 미치지만, 전국 주요 시군구 재고가는

                   -출처: 국민은행                               과거 자기 가격에 주로 영향을 받음

지규현-     -2000~2009 서울, 경기 -서울과 경기 각 지역에서 재고가와 분양가 사이의

최성호     분기 시계열 자료           인과관계 검토

(2011)          -시차변수를 포함한 단일              -서울에서 재고가-->분양가(+)만 유의
                      방정식 모형

우철민-     -2000~2006 서울 월간 -재고가-->분양가, (+) 유의
심교언          시계열 자료                                 -분양가-->재고가, 비유의(t=1.22)
(2011)          -오차수정모형(ECM)

박은숙        -2000-2005 서울 자치구 패널        -분양가와 재고가가 상호 견인(유의)

-최막중                                                             -재고가-->분양가 영향이 분양가-->재고가

(2015)                                                                영향의 3배

-----------------------------------------------------------------------------------------------------------------------------

주...임덕호-박선구(2010)를 보완해 작성. 임덕호-박선구(2010)에 관한 좀 더 자세한 내용은 <첨부 1> 참고

표에 따르면 신축 아파트값과 재고 아파트값은 서로 영향을 주기도 하고 그렇지 않기도 하며, 지역에 따라 패턴도 다릅니다. 서울의 경우 권역에 따라 다르고, 강남도 두 가격간 관계가 일정하지 않습니다. 즉 어떤 집값이 다른 집값을 오르게도 하고 그렇지 않기도 합니다. 

이렇게 주택가격간 관계는 일정하지 않습니다만, 두 분은 인과론에 관해 이렇게 말합니다.

[35' 05"] 그 다음에 개발제한구역을 MB정부 때 또 왕창 풀었지 않습니까? 8년에 걸쳐 가지고 개발 제한 어떻게 다 뭐 했는데 그냥 6개월만에 한 방에 풀어버렸습니다. 화끈하게 풀었는데 결국은 그 어마어마한 혼란을 겪었기 때문에 지금 핵심은 고밀로 하든 옆으로 늘리든 공급 확대하는 논리로 가격을 안정시킬 수가 없고 각종 부작용을 낼 수밖에 없다는 겁니다. 근데 지금 와서 이게 다시 가능한가 저는 의심이 들고요. (변창흠 교수) 

작금의 집값 폭등은 공급부족 때문에 일어났을까? 아니다! ... 공급 측면에서 서울과 수도권의 집값 폭등을 유발할 만한 특이 요인은 없었다는 뜻이다. ... 진단을 엉터리로 했는데 처방이 제대로 나올 리가 없다. 결론부터 말하면, 공급확대 정책은 부동산 시장을 안정화하기는커녕 가격 변동을 증폭시킨다. ... 그러니 [투기적 가수요]에 맞춰서 공급을 확대한다는 것 자체가 애당초 어불성설이다. (전강수 교수)

참여정부 때 2004년 내내 잠잠했던 부동산 투기에 다시 불을 붙인 것은 재건축규제 완화 방침 발표와 판교 신도시 개발이었다. 2005년의 8.31대책 이후 안정세를 보였던 강남 집값이 2006년 초에 다시 상승하기 시작한 것도 당시 서울시 의회가 재건축규제를 완화하려는 움직임을 보이면서부터였다. 2006년 후반 돌발적인 집값 폭등에 기름을 부은 것도 검단 신도시 건설 발표였다.  (전강수 교수)

어떻게 읽어야 하나요?

이혁주 드림

권지혜, 2005. 신규주택시장과 기존주택시장의 상호 연관성에 관한 연구, 건국대 석사학위논문.

김경민, 2007. 강남지역의 아파트가격 변화가 전국에 미치는 영향. 「국토계획」, 42(2): 137-161.

박은숙-최막중, 2015. 분양과 재고아파트 가격의 상호영향에 관한 실증연구.  「국토계획」, 50(5): 139-151.

우철민-심교언, A Study on the Role of New Apartment Price and Existing Apartment Price In Housing Market. 부동산연구, 21(3): 281-296.

윤숭봉-장봉규-정창무, 2004. 서울시 분양아파트 시장의 평형별 분화에 관한 연구. 「국토계획」, 39(1): 235-249.

임덕호-박선구, 2010. 신규아파트 분양가격과 중고아파트 매매가격 간의 그랜저 인과관계 분석. 「주택연구」 18(2): 53-71.

장성수, 2004. 주택분양원가 공개 논의에 대한 고찰, 한국주택학회 학술대회.

지규현-최성호, 수도권 분양-재고주택시장의 시장효율성 분석. 부동산연구 20(2): 51∼63.

2023.9.5. 분양가-재고가에 관한 기존연구에서 본 전-변의 논설(계속)

전강수, 변창흠, 김수현 선생님께

지난 주 문헌검토 결과는 이랬습니다. 

[정리] 신축 아파트값은 재고 아파트값에 영향을 주기도 하고 그렇지 않기도 하다. 그 역도 마찬가지이다. 그리고 두 가격간 인과관계의 패턴이 지역에 따라 다르다. 즉 두 가격간 관계가 일정하지 않다. 

전-변 논설과 관련해 이를 다시 해석하면, 새로 공급되는 주택의 가격이 높아도 그것이 다른 집값에 어떤 영향을 미칠지 단정할 수 없습니다. 

좀 더 구체적으로 봅시다. 아래 <그림 1>은 전강수 교수가 

         주택공급=집값 상승

이라는 주장을 하면서 그린 그림입니다. 그런데 [정리]에 따르면 높은 새집값이 투기를 자극해 수요곡선이 우측으로 이동할 수도 있고 그렇지 않을 수도 있습니다. 즉 <그림 1>에서 전 교수가 주장하듯 수요곡선이 우측으로 이동하면 가격상승, 이동하지 않으면 전 교수의 설명과 달리 단기에라도 가격하락입니다. 그림에서 E1은 최초 균형, E3는 투기수요가 있을 때 성립하는 균형. D1은 최초 수요곡선, D2는 투기수요가 반영된 주택공급후 형성된 새 수요곡선. 

이런 indeterminacy는 잘 알려져 있는 내용인데, 요약하면 이렇습니다. 

소비재와 투자자산 등 두 가지 속성을 가진 신규주택과 재고주택이 대채재로서 상호작용하면, 보강간섭, 상쇄간섭 등 두 가지 현상이 나타나고, 이런 다양한 이론적 가능성을 검측한 것이 <표 1>이다.  

좀 더 구체적으로 봅시다. 소비재와 투자자산 등 두 가지 속성을 가진 대체재 X, Y가 있습니다. 소비재로서 두 재화에 대한 소비 수요 총량 X+Y가 고정되어 있다고 합시다. X재 시장에서 X재의 공급이 증가하면 X재의 가격이 하락하고, 대체재인 Y재의 상대가격이 올라 Y재 시장의 수요가 일부 X재 시장으로 이동하면, 두 시장 모두 가격이 하락합니다(1st order effect > higher order effect assumed). 이런 현상이 공간적으로 서로 다른 local market 사이에서도 일어납니다. 그러나 이를 상쇄할 만큼 큰 투자수요가 발생했다면(수요총량 고정 가정 해제), X재, Y재 가릴 것 없이 모두 가격이 상승할 것이고, 그럴 만큼 투자수요가 크지 않다면 수요증가 효과는 제한적이라서 다양한 가격변화 패턴이 X재 시장, Y재 시장, local market에서 관찰될 것입니다. 여기서 공급곡선을 좀 더 유연하게 확장적으로 해석해 더하고 모형이 이러한 요인들을 통제하는데 한계가 있을 때 그 패턴은 더 다양하게 나타납니다. 그리고 system perturbation의 종류를 더 허용하면 보강, 간섭 현상은 프랙탈 현상 사진에서 보는 것처럼 무궁무진한 패턴으로 나타날 것입니다. 

전강수, 변창흠 교수님께 질문합니다. 두 분은 다양한 검측 결과 가운데 부분 사례를 전체 사례로 확대-적용하면서, 주택공급이 집값 안정에 도움이 되지 않고 오히려 부작용을 일으킨다는 공급무익론을 주장합니다. 

[34:24] 공급을 확대하면 가격이 떨어질 거고 다른 거 하지 말고 이것만 하면 훨씬 효과가 있는데 왜 이걸 안 하냐 이런 말씀이신 것 같아요. 근데 사실 이 부분에 관해서 저는 우리가 해본 거거든요. 언제 해봤냐 1994년에 국토이용관리법 개정을 해서 풀어줘서 준농림지를 주거지로 했더니 속된 말로 그 난리를 친 거잖아요. (변창흠 교수) 

[35' 05"] 그 다음에 개발제한구역을 MB정부 때 또 왕창 풀었지 않습니까? 8년에 걸쳐 가지고 개발 제한 어떻게 다 뭐 했는데 그냥 6개월만에 한 방에 풀어버렸습니다. 화끈하게 풀었는데 결국은 그 어마어마한 혼란을 겪었기 때문에 지금 핵심은 고밀로 하든 옆으로 늘리든 공급 확대하는 논리로 가격을 안정시킬 수가 없고 각종 부작용을 낼 수밖에 없다는 겁니다. 근데 지금 와서 이게 다시 가능한가 저는 의심이 들고요. (변창흠 교수) 

변창흠 세종대 교수는 "지난 3년간 서울 지역 주택 인허가, 분양, 준공 건수를 보면 앞선 10년 평균과 비교해 각각 2만호, 8000호, 9000호씩 증가했다"면서 "앞선 서울의 집값 급등은 수요 공급 측면보다 심리적 요인과 일부 부동산 상승 세력이 결합한 측면이 크다"고 말했다. 출처

작금의 집값 폭등은 공급부족 때문에 일어났을까? 아니다! ... 공급 측면에서 서울과 수도권의 집값 폭등을 유발할 만한 특이 요인은 없었다는 뜻이다. ... 진단을 엉터리로 했는데 처방이 제대로 나올 리가 없다. 결론부터 말하면, 공급확대 정책은 부동산 시장을 안정화하기는커녕 가격 변동을 증폭시킨다. ... 그러니 [투기적 가수요]에 맞춰서 공급을 확대한다는 것 자체가 애당초 어불성설이다. (전강수 교수)

참여정부 때 2004년 내내 잠잠했던 부동산 투기에 다시 불을 붙인 것은 재건축규제 완화 방침 발표와 판교 신도시 개발이었다. 2005년의 8.31대책 이후 안정세를 보였던 강남 집값이 2006년 초에 다시 상승하기 시작한 것도 당시 서울시 의회가 재건축규제를 완화하려는 움직임을 보이면서부터였다. 2006년 후반 돌발적인 집값 폭등에 기름을 부은 것도 검단 신도시 건설 발표였다.  (전강수 교수)

<표 1> 분양가와 매매가간 그랜저 인과관계 검정 결과

-----------------------------------------------------------------------------------------

인과관계 유의 비유의 계

-----------------------------------------------------------------------------------------

분양가 --> 매매가 16 14 30

매매가 --> 분양가 12 18 30

서울 분양가 4 16 20 

-----------------------------------------------------------------------------------------

주...제1행: 전체 30사례 가운데 분양가가 매매가에 유의한 영향을 준 사례가 16사례. 제3행 각 칸 수치 = (1)서울 분양가 --> 전국 분양가 및 매매가 사례 + (2)서울 분양가 --> 경기도 분양가 및 매매가 사례 + (3)서울분양가 --> 서울 매매가 사례. 이를테면 서울 분양가가 서울 및 다른 지역 매매가 혹은 분양가에 유의한 영향을 준 사례가 전체 20사례 가운데 4사례. 임덕호-박선구(2010)의 <표 6>을 이용해 작성. 표에서 유의하다는 것이 곧 (+)의 인과관계를 의미하는지 논문에서 명확히 밝히고 있지 않음. significant (-)도 가능.

두 분이 내린 경험적 판단(empirical judgment)은 그 어조가 단호하고 결론은 포괄적입니다. 그러나 두 분의 판단은 방향, 유의도, 크기 등 여러 가지 사례 가운데 한 사례로서, 비슷한 비중이거나 빈도가 낮게 출현하는 사례에 근거합니다. 서울의 경우, <표 1>에서 보듯이 유의하지 않은 사례가 더 많습니다. 

[기존문헌에서 바라본 공급무익론] 전강수, 변창흠 교수의 공급무익론이 채택한 인과론은 분양가-재고가에 관한 실증연구에 등장하는 다양한 사례 가운데 하나로서, 공급무익론과 같은 포괄적 논설은 성립하지 않는다.  

어떻게 그 정도로 과감한 일반화가 가능한지 설명해 주시지요. 아직 직접 측정한 결과를 보여주지도 않았고 설명하지도 않았습니다. 진보 측 여러 연구자의 논문에도 거론한 부분 사례를 측정한 경우도, 부분을 전체로 일반화하는 과정을 정당화한 논변도 없습니다. 

이혁주 드림

임덕호-박선구, 2010. 신규아파트 분양가격과 중고아파트 매매가격 간의 그랜저 인과관계 분석. 「주택연구」 18(2): 53-71.

2023.9.11. 분양가-재고가 기존연구에서 바라본 전-변의 논설

전강수, 변창흠, 김수현 교수님께 

지난 주에 본 것을 말과 그림으로 정리한 게 아래에 있습니다.

[기존문헌에서 바라본 공급무익론] 

• 신축 아파트값은 재고 아파트값에 영향을 주기도 하고 그렇지 않기도 하며, 그 역도 마찬가지다.  지역시장에서 관찰된 두 가격간 인과관계도 마찬가지다. 즉 두 가격간 인과관계가 일정하지 않다.

• 전강수, 변창흠 교수의 공급무익론이 채택한 인과론은 분양가-재고가에 관한 실증연구에 등장하는 다양한 사례 가운데 하나로서, 전-변의 포괄적 논설은 성립하지 않는다.  

위 그림을 그려낸 과정은 <첨부 1>을 참고하세요. 그림에서 양의 인과관계를 보이는 경우가 다수 존재합니다(Up 곡선). 즉 어떤 이유로 분양가가 높으면(낮으면) 재고가가 높은 사례(낮은 사례)가 자주 발견되고, 어떤 이유로 재고가가 높으면(낮으면) 분양가가 높은 사례(낮은 사례)가 자주 발견됩니다. 반대로 어떤 이유로 분양가, 재고가가 낮으면 순서대로 재고가, 분양가가 낮아지는 사례가 자주 발견됩니다. 그러나 두 가격 사이에 뚜렷한 관계가 없는 경우도 비슷한 빈도로 존재합니다. 다른 말로, 두 가격간 동적과정을 자극(initiate)하는 분양가가 어떤 이유로 애초 높게 설정되면 재고가/분양가를 자극해 올리고, 분양가가 어떤 이유로 애초 낮게 설정되면 분양가/재고가의 하락을 촉진하지만, 이런 방향성이 불분명한 경우도 자주 발견됩니다. 

위 그림이 말하고 있지 않은 것. 분양가와 재고가가 애초 높게 책정되어 시장에 나오는지 낮게 책정되어 나오는지 검토논문들이 측정하거나 규명한 것은 아님. 마찬가지로 분양가(재고가)가 재고가(분양가)를 참고해서 비슷한 수준으로 나오는지 아니면 더 높은 수준으로 나오는지를 조사해 보고한 논문들은 아님. 

그래서 <그림 1>은 다음과 같은 해석과 양립가능. 

만약 집이 부족하거나 투기이득이 기대되면 분양가와 재고가가 높게 책정되어 시장에 나오고, 집이 충분하거나 투기이득 기대가 낮다면 분양가와 재고가가 낮게 책정되어 시장에 나온다. 그리고 이후 분양시장과 재고시장에서 그 영향이 양의 상관관계를 보이며 나타나기도 하지만, 그렇지 않은 경우도 전체 사례의 절반 정도 된다.

이런 얘기를 지난 주 보았던 전강수 교수의 수요-공급모형 그림에 적용해 보겠습니다. 전 교수의 수요-공급모형에서 투기요인은 system 밖 생성 요인으로서 수요곡선의 이동요인(shift factor)으로 활용됩니다. 외생변수의 도입은 시나리오 분석이라서 본질적으로 arbitrary합니다. 따라서 그 소멸도 arbitrary하게 발생할 수 있고(counter scenario, 수요곡선 無이동), 이 경우 전 교수 story 모두를 nullify하기도 합니다. arbitrary scenario가 의미 있으려면 적실(relevant)해야 하는데, counter scenario는 전 교수의 scenario만큼 개연성과 의의(significance) 양측면에서 적실합니다. 즉 전 교수의 시나리오 분석은 일부 가능성에만 주목하고 그래서 분석 그 자체 arbitrary하고 그 결론도 마찬가지로 arbitrary하게 되고 신뢰도가 떨어지게 됩니다. 전 교수는 이런 counter scenario의 존재 가능성에 대해 침묵하고, 또 다른 system shock을 도입해 자신이 원하는 무대 장면을 연출합니다. 

비판적 검토는 타인이 작성한 과학문서를 존중하는 것에서 시작합니다. 자신의 입장과 일치하지 않으면 설명해야 하고, 설명하지 못하면 자신의 말을 qualify해야 합니다. 그리고 논변은 자신의 입장과 일치하는 실험결과에만 주목해 해서는 안되고, counter scenario의 가능성도 염두에 두면서 균형 있게 분석해야 합니다. 그리고 부분 사례를 전체로 일반화할 때는 주의해야 합니다. 

Experiments are systematic observations or measurements, preferably made under controlled conditions--that is, under conditions in which a single variable changes. From the explanation of Figure 1.4 The Scientific Method, Bruce Averill and Patricia Eldredge, 2012. General Chemistry: Principles, Patterns, and Applications. Salyor Academy. Loaded at MIT OpenCourseWare.

변 교수는 서울 밖 준농림지와 그린벨트를 서울, 전국 여타 사례로, 전 교수는 거론한 3가지 사례를 서울과 지역 혹은 전국 일반으로 확장했습니다. 즉 sample ≒ population이라고 간주합니다. 이러자면 대표성이 확보되어야 합니다. 물론 이렇게 추론하려면 먼저 인과론적 측정이 있어야 합니다. 절차 하나하나 조사방법론의 ABC를 따라 하지 않습니다. 

대표성이 물론 없습니다. 문헌검토에서 본 논문들은 지역 혹은 전국을 대표하는 random sample을 이용해 연구합니다. 따라서 sampling error 때문에 표본 특성치에서 차이가 있고 그래서 다양한 결과가 나올 수 있지만, 개별 표본이 혹은 집합적으로 지역 혹은 전국이라는 모집단의 특성과 경향을 보여줍니다. 반면 전-변의 sample은 cherry-picked case로 구성된 표본으로서 표집의 원칙을 공개하지도 않았습니다. 전-변의 sample은 대표성이 없는 부분 사례로서 모집단의 주요특성을 replicate하지 않습니다. 분양가와 재고가간 관계가 불분명한 경우도 두 분이 거론한 표본에서 관찰되어야 합니다. 유감스럽게도 이에 대한 언급이 없습니다. 현재로서는 인과론적 측정이 애초에 있었는지조차 불분명합니다. 

다시 말해 두 분의 표본은 모집단의 특성치 추정에 사용할 수 없는 biased sample입니다. 부분 사례는 부분 사례로서 한정적으로 활용되어야 합니다. 사례수가 지나치게 작으니 오히려 질적분석을 해서 유용한 정보를 얻었으면 좋을 뻔 했습니다. 입맛에 맞는다고 마구 가져다 쓰면 안 됩니다.

결과적으로, 전-변은 연구방법론에 있어 학계의 규범과 다른 입장을 보이고 있습니다. 이런 입장이 기초가 되어 다른 견해에 대해서는 공격성을 보이는 일까지 발생했습니다. 

공급확대론은 노무현 정부 때 대거 등장한 부동산 시장만능주의자들이 개발하여 줄기차게 주장하던 이론이다. 그들이 이 이론을 주장한 데는 노무현 정부의 부동산 불로소득 환수 정책을 흠집 내려는 의도가 깔려 있었다.  

이런 공급부족은 정확히 말하면 초과수요이며, ... 이를 굳이 공급부족이라 부르는 데는 진정한 원인을 감추고 진실을 호도하려는 의도가 깔려 있다고 볼 수밖에 없다.  출처 여기

이런 성향을 지닌 정치세력이 집권하면 사람들이 두려움에 입을 닫습니다. 연구방법론상의 이견 때문에 학문의 자유문제가 정치적 자유문제로까지 비화하고, 민주화 이후 잊고 살던 자유를 다시 생각해야 하는 역사적 퇴보까지 경험하게 됩니다. 

우리한테 자유는 현재진행형 명사인 것 같습니다. 그 기저에는 

경험명제에서 측정의 역할, 상관성과 인과성의 관계, 선행연구 결과의 해석, 표본과 모집단간 관계와 명제의 일반화 등 주요 이슈에 관하여 입장차이

가 있습니다. 이혁주 교수한테 "노무현 정부의 ... 정책을 흠집 내려는 의도가 깔려" 있었는지, "진실을 호도하려는 의도가 깔려 있[었는지]"는 나중 문제입니다.

두 분은 대답하시지요.

이혁주 드림

<첨부 1> VAR모형을 이용해 분석한 논문을 이용해 <그림 1> 그리는 방법

직선의 방정식은 수식 그대로 그리면 된다. VAR모형에서는 분양가를 외생적으로 변화시키고(충격반응분석) 그 결과 재고가가 증가했다면 <그림 1> 왼쪽 Up 곡선이 되고, 변화가 없었다면 수평선이 된다. 물론 이론상 우하향 곡선도 가능하다(나중에 이론적 분석 결과 봄). 오른쪽 그림도 비슷한 과정을 밟아서 유도한다. 따라서 가격을 규율하는 어떤 기저요인(underlying factor)이 변하면 그 결과 수요/공급곡선이 반응하고 그 market outcome이 그림과 같이 내생변수인 분양가와 재고가의 (+)상관성/(-)상관성/무상관성으로 나타나다. 여기서 기저요인은 외생요인으로서 전강수 교수 논설에 등장하는 투기요인 같은 것이 된다.

2023.9.19. 전강수-변창흠 논설의 연구방법론적 특징

최근 문헌검토 결과를 정리하면 이렇습니다. 

[기존문헌에서 바라본 공급무익론] 

• • 신축 아파트값과 재고 아파트값 사이의 인과관계는 일정하지 않고, 전-변의 공급=가격상승/부작용 시나리오는 feasible scenario 가운데 하나이다. 

• • 따라서 일반론으로서 전-변의 공급무익론은 성립하지 않는다.  

그리고 

분양가-재고가간 인과관계(양/음, 유의/비유의)와 수요곡선의 이동은 별개의 문제 

입니다. 즉 분양가-재고가간 관계는 전-변의 가격상승 시나리오뿐 아니라 가격하락 시나리오, 상승-->하락, 하락-->상승, 하락-->상승-->하락-->... 등 어떤 시나리오와도 compatible합니다. 이 점은 뒤에서 다른 이슈를 논하면서 데모해 보입니다. 

[기존문헌에서 바라본 공급무익론]을 전-변의 그간 논설에 나타난 연구방법론상의 주요 특징과 결합해 아래와 같이 정리할 수 있습니다. 

[기준 1] 경험명제에서 측정의 역할: 측정 경시(無측정)

[기준 2] 상관성과 인과성의 관계: 상관성=인과성

[기준 3] 선행 연구의 해석: 학계의 기존 실증연구 결과 무시/선별적 해석

[기준 4] 표본과 모집단간 관계와 명제의 일반화: 모집단을 편향표본으로 대체하고 모수(=모집단 특성치) 추정하기

다른 말로 

[출처 1: 타인연구]를 참고했다고 해도 선별적으로 참고하면서

[출처 2: 추측] Wishful speculation 

을 했습니다. 

새 기준의 연장선 위에서 이혁주 교수의 견해에 대해 아래와 같이 hostility가 표출되었고요. 

이런 공급부족은 정확히 말하면 초과수요이며, ... 이를 굳이 공급부족이라 부르는 데는 진정한 원인을 감추고 진실을 호도하려는 의도가 깔려 있다고 볼 수밖에 없다.  출처 여기

새 기준 하나하나 논문심사 과정에서 저자가 해명해야 할 의문들입니다. 적절히 방어하지 못하면 주장은 근거 없는 것이 되고 개인의견이 됩니다. 그리고 어느 하나라도 적절하게 설명하지 못하면 논문은 게재불가입니다. 

어떻게 이해해야 하나요?

이혁주 드림

2023.9.27. 계속

주말 잘 보내셨습니까? 추석이 왔군요. 

지난 주 요약은 예견되었지만 많이 실망스럽습니다. 그런 만큼 다시 찬찬히 살펴보겠습니다. 

1. 전-변 논설에 대한 평가결과는 논문심사 기준을 적용한 결과. 토론 배틀, 유튜브 아님. 

2. 지난 주 평가결과를 과대평가해서도 과소평가해서도 안됨 

-과대평가하면 안 되는 이유...전-변 두 사람의 사례 

-과소평가하면 안 되는 이유...수요관리 중심적 부동산대책은 진보의 기본 입장. 전-변사례는 특수사례 이상의 보편성을 지닌 사례.

3. 지난 주 평가결과가 말하지 않는 것...전-변 논설의 진위에 대해 판정한 것이 아님. 논설의 신뢰도가 떨어진다는 것. 논의가 더 필요한 이유.

4. 논설의 Validity vs. legitimacy. 의사결정자/사회운동가의 판단기준은 academic standard와 다름. 두 개념을 구분해야 할 만큼 지금 상황은 puzzling. 

    Setup
    투기억제대책이 정답일 확률 p, 투기억제대책이 오답일 확률 1-p

    투기억제대책이 정답일 때 발생하는 편익
          =투기억제대책이 오답일 때 지불하는 비용
          =x   (동일하다고 가정)

    결과 

    투기억제 중심 부동산대책의 기대 순편익(expected net benefit)
        = 투기억제대책이 정답일 확률*투기억제대책이 정답일 때 얻는 편익 

            - 투기억제대책이 오답일 확률*투기억제대책이 오답일 때 지불하는 비용

        =px-(1-p)x

        =2px-x

        =(2p-1)x > 0 if p>1/2

변창흠 교수 曰 [35' 05"] 그 다음에 개발제한구역을 MB정부 때 또 왕창 풀었지 않습니까? 8년에 걸쳐 가지고 개발 제한 어떻게 다 뭐 했는데 그냥 6개월만에 한 방에 풀어버렸습니다. 화끈하게 풀었는데 결국은 그 어마어마한 혼란을 겪었기 때문에 지금 핵심은 고밀로 하든 옆으로 늘리든 공급 확대하는 논리로 가격을 안정시킬 수가 없고 각종 부작용을 낼 수밖에 없다는 겁니다. 근데 지금 와서 이게 다시 가능한가 저는 의심이 들고요.  

공급대책의 반복적 실패는 변 교수로 하여금 p>1/2라고 인식하게 만들었을 것. 전 교수도 마찬가지. 따라서 학술적으로는 엉성했어도, 양자간 하나를 선택해야 하는 상황이라면 진화론적 학습과정이 시사하듯 변창흠, 전강수 교수의 선택은 말이 됨. 이것이 후속 논의가 불가피한 이유. 

5. 전-변 논설에서 제기된 방법론적 이슈는 모두 측정과 직간접적으로 연관된 것들. 경험과학의 성격에 대한 이해부족, 의욕이 앞선 결론 도출, 엉성한 스칼라십의 산물.

6. 공급=투기/부작용 --> 수요관리 중심 부동산대책의 타당성? Not necessarily. 공급=투기/부작용 --> 공급대책 불용론? Not necessarily. 만성적 공급부족 시장에서도 나타나는 현상. 붉게 달궈진 후라이판에 물 한 숟가락 부으면 난리 남. 공급부족 여부는 theorizing이 필요한 개념. 지금처럼은 아님. 후속 논의가 필요한 이유. 

7. 스칼라십을 말해야 하는 희극적 상황도 rationalize해야 하는 현상. 바보들이 아님. 그런데 그랬음. 秀才愚化, 學者의 戰士化. 후속논의가 필요한 이유. 대중의 인지도/정치-사회적 지위-권위와 scientific credibility는 별개. 양자를 분리하려면 academic standard 적용이 불가피.

생각이 다르면 말씀해 주세요. 바로 잡고 진행합니다. 

말씀 없으시면 다음 주엔 전-변이 보여준 지식생산과정의 여파에 대해 알아 봅니다. 

감사합니다. 이혁주 드림 

2023.10.4. 전강수/변창흠 접근법이 지식-정치 상호작용 과정에 주는 시사

전강수, 변창흠, 김수현 교수님께

추석 잘 보내셨습니까. 계속합니다.

두 분의 제안은 지식생산과정을 과학계의 통념과 다르게 바꾸자는 주장입니다.

연구설계, 개념화, 자료수집과 분석, 응용, 후속연구 등 지식생산 전(全)주기 각 단계에서 충격이 불가피합니다. 그러면 지식의 소비과정도 변화가 불가피하고, 양자간 상호작용도 과학커뮤니티 일반이 지지하는 가치와 배치되는 방향으로 전개됩니다. 그 현실화 기제로서 정치과정 또한 본질적 변화가 불가피합니다. 두 분이 열 새 세상은 그 산물이 될 테고요. 그 세상이 무언지 이제 알아봅시다. 

ChatGPT한테 아래 문항을 순서대로 하나씩 질문해 보세요.

1. Explain each step of the knowledge production process in the empirical sciences. 

2. Similarly explain each step of the knowledge consumption process. 

3. Explain the interactions between the knowledge production and consumption processes.

4. Suppose that Mr. J and K reason based on unfounded causality and statitical association rather than causal measurements (Rule JK), that Mr. B proposes a theory without theorizing (Rule B), and that Mr. J and B both equate a biased sample to the population (Rule JB). Do you follow me?

5. Now, apply the three Rules JK, B, and JB to the interaction processes of knowledge production and consumption. Predict how the interactions might evolve.

6. Suppose that Mr. J, K, and B teach, study and practice. What would happen? 

7. Explain how the interaction processes of knowledge production and consumption would once again interact with the political process of agenda setting and the real-world policy formulation. Address this question when the political setting is under the strong influence of Rules JK, B, and JB or at least sympathetic to the central motivations of Mr. J, B and K. 

8. Political stakes together with psychological and cognitive scientific factors, among others, could play decisive roles in charting the future course of the feedback between the knowledge and political processes. There is no guarantee of self-correction. Rationality does not necessarily rule; everyone has his/her own perception of rationality. It is not difficult to find rationales that enable one to justify his/her stance and interestes. The academic and political settings are under the strong influence of Rules JK, B, and JB or at least sympathetic to the central motivations of Mr. J, B and K. What should the academia do in this situation?

9. Your suggestions are a bit naive, because "evidence-based" is frequently replaced with "interest-based" even within academia. So, I am quite pessimistic. Am I too pessimistic?

Rule JK의 존재에 대한 보완 논의는 곧 합니다. Rule B도 Mr. B에게만 나타난게 아니었습니다. 이미 Mr. J에게서 나타난 걸 본 적이 있습니다. 이런 일이 계획계 일반에는 없었는지도 앞으로 확인이 필요한 사항이고요. 

두 분은 새 기준에 관해 설명해야 합니다. ChatGPT가 내놓은 답을 어떻게 감당하나요?  

이혁주 드림

2023.10.18. 시장변수의 통제가능성: 문재인 정부 사례

최근 이혁주 교수가 문제시한 것은 지식생산과정에서 전강수, 변창흠 교수가 보여준 연구방법론상의 여러 가지 문제점이었고 그 기저엔 측정의 유무 문제가 있었습니다. 오늘은 이와 다른 문제 즉 분양가-재고가 문헌을 검토하면서 잠시 주목했던 집행문제에 대해 알아보겠습니다.

두 가격간 인과관계가 있다고 해서 그 관계가 진보의 부동산정책을 지지하는 것도 아니고 보수의 부동산정책을 지지하는 것도 아니라는 점을 실제 자료를 통해 확인하고자 합니다. 집행(implementation)문제는 행정학, 정책학에서 고전적인 주제로 분류됩니다(Pressman and Wildavsky, 1984). 이 주제는 전에 quantity instrument의 일종으로서 토지이용규제라는 정책수단의 선택 문제에서 잠깐 언급한 바 있습니다(Hirte et al., 2021). 진보와 계획가가 공통적으로 올바른 선택이 무엇인지 알고 있다고 믿었는데도 발생한 implementation 문제입니다. 

주택가격 결정모형은 아래와 같이 저자마다 다릅니다.

<표 1> 주택가격 결정모형

---------------------------------------------------------------------------------------------------------------------

                                          정권/정책요인    과잉유동성 변수     인과론적 측정에 

                                             고려했나?            포함했나?             기초했는가?

---------------------------------------------------------------------------------------------------------------------

김수현 모형                             Yes, No                  Yes                   천천히 알아봄

박진백 외(2021) 모형                 No                       No                          Yes

이혁주 모형                               Yes                       No                          Yes

---------------------------------------------------------------------------------------------------------------------

주... Yes 모형에 해당 변수 있음, No 모형에 해당 변수 없음. 김수현 모형은 김수현의 한겨레 인터뷰 및 김수현(2023)에서 밝힌 입장. Yes, No 정권초 가격상승에 대해서는 책임 불인정(과잉 유동성), 집권 후반기 가격상승에 대해서는 책임 인정 

어떤 방식이건 omitted variable bias가 우려됩니다. 김수현(2023)이 인과론적 측정 없이 기술되었거나 신뢰도가 낮은 연구결과를 토대로 기술된 내용이라면 ghost proposition이고 wishful speculation이 됩니다. 이 부분은 차차 알아봅니다. 마찬가지로 과잉 유동성 변수에 대해 이혁주 모형이 robust하지 않은 것으로 판명된다면 이혁주 교수의 주장은 수정되어야 합니다. 이 부분 역시 천천히 알아봅니다. 정책변수와 과잉유동성 모두 고려하지 않은 박진백 외(2021)은 2가지 변수 생략에서 발생한 편향 때문에 앞으로 인용해서는 안 되는 연구가 됩니다. 정부 연구기관에 있으면서 정부활동의 정당성에 대해 누구보다 인식이 분명할 텐데, 분석모형에서 정책변수를 배제함으로써 정부활동의 정당성을 처음부터 부정한 모형을 이용해 연구했다는 것은 아이러니입니다. 그리고 이들의 논문을 인용해 자신의 입장을 변론한 논설이 있다면, 이런 연구자들의 기술 역시 모두 수정되어야 합니다. 여기서는 당분간 아래와 같이 가정하고 분석합니다. 

[모형의 가정] 과잉유동성은 서울 집값에 유의미한 영향을 미치지 않는다.

<그림 1>은 추정결과입니다. 문재인 정부 기간 집값 추동요인으로 정권변수 Moon을 사용했습니다. 

그랜저 인과검정은 결과변수에 대한 원인변수의 설명력을 검정한 것인데, 실선 화살표는 유의, 점선 화살표는 비유의를 뜻합니다. 원인변수가 화살표 시작점에, 결과변수가 화살표 끝 점에 있습니다. (+)는 원인변수가 증가하면 결과변수가 증가한다는 말이고, (-)는 원인변수가 증가할 때 결과변수가 감소한다는 말입니다. 만약 결과변수의 변화가 통계적으로 0과 다르다고 판단되면 별표 **가 붙고(alpha=0.05), 0과 구분이 되지 않으면 별표가 붙지 않습니다. 외생변수의 경우 회귀계수의 t 검정 혹은 회귀계수의 합으로 이뤄진 새로운 확률변수들의 joint significance test를 해서 얻은 p value에 근거해 유의도를 판정했습니다. 빨강 (+) 기호는 문재인 정부 정권변수가 집권 5년간 매달 분양가와 재고가 모두 상승시키는 trigger역할을 했음을 보여줍니다. 이런 충격은 분양가 up --> 재고가 up 기제(빨간색 화살표)에 의해 재고가 상승을 더 부추겼습니다. 

빨간색 화살표의 부호가 (+)라는 것은 분양가와 재고가 사이의 관계가 <그림 2>와 같다는 말입니다. 기존 실증연구에서 조사해 보고한 사례 가운데 절반 정도 차지했던 게 바로 이 (+) 사례였고, 여러 사람이 분양가 규제의 근거로 삼았던 그림입니다. 그런데 이 분양가 규제의 근거로 삼았던 바로 그 인과관계가 문재인 정부 시기 부동산대책 실패를 추동했던 기제로 작용했습니다. 즉 분양가-재고가간 (+)의 인과관계가 곧 정부의 시장개입을 정당화하는 것도 아니고, 진보, 보수 특정 지향의 입장을 지지하는 것도 아닙니다. 좀 더 자세히 봅시다. 

<그림 1>에 따르면, 문재인 정부 시기 집값의 지속적 상승은 집권 60개월간 매월 아래와 같은 자극과 추동 때문에 발생했습니다. 

• 분양가의 경우...Moon변수의 직접적 자극 

• 재고가의 경우...Moon변수의 직접적 자극 + 분양가를 경유한 Moon변수의 추가적 재고가 추동

박근혜 정권변수를 제하고 나머지 변수들은 전체적으로 탄탄하게 인과관계로 엮여 있습니다. 문재인 정부 시기에 매월 문 정권변수 Moon=+1>0 값을 취하기 때문에 연쇄과정의 시발이 (+)로서 정권요인은 재고가와 분양가 모두를 매월 유의하게 올렸습니다. 물론 이러한 가격상승과정은 김수현 비서관이 기대했던 하강과정과 반대입니다. 

그림에서 하늘색 화살표는 실선으로서 재고가가 분양가를 잘 설명한다는 말이고, (+)**/(-)는 처음 몇 달은 그 영향이 유의한 (+)이고 장기적으로는 (-)이지만 감소폭이 작아 0으로 보아도 좋다는 말입니다. cross-section모형과 달리 dynamic모형이라서 변수의 설명력이 두 가지 측면에서 조금 다른 의미를 가집니다. 주의가 필요합니다. 외생변수인 경우 모형에 대한 전반적 설명력은 내생변수에서 그랬던 것처럼 그랜저 인과검정을 해서 판정했고, 영향력의 부호는 회귀계수의 t 검정을 활용했습니다(좀더 자세한 과정은 Lutkepohl(2005: 109-116)을 참고할 것) 

문재인 정부 당시 전반적으로 분양가의 상승과정만 존재하고 하강과정은 존재하지 않았습니다. <표 2>에서 1행 "실제 일어난 일"은 상승과정의 결과를 수치로 보여줍니다. 

<표 2> 문재인 정부에서 정책변수 통제에 부분성공했을 때 정권변수 Moon의 효과

-----------------------------------------------------------------------------------------------

시나리오                              재고가               분양가          가계부채

                                           (포인트)            (포인트)         (조원)

-----------------------------------------------------------------------------------------------

실제 일어난 일                        +28.7              +36.9             +112

-----------------------------------------------------------------------------------------------

가상        시나리오 1               -19.3               +41.2              +15

               시나리오 2                 -8.1                -76.4              -101

               시나리오 3                 -1.2                 -1.7                 -27

                ---------------------------------------------------------------------------------

                      계                      -28.7                -36.9              -112

-----------------------------------------------------------------------------------------------

주..."실제 일어난 일"은 <첨부 1>에, "가상 시나리오"는 <첨부 2>에 R code 있음. 문재인 정부 5년간 발생한 효과. 최초 충격이 시나리오1, 2, 3에서 각각( -1,0,0), (0,-1,0), (0,0,-1)이고 이 값은 Moon의 회귀계수에 곱해저 방정식체계로 전달됨. <첨부 2> 빨간 글자가 이것. 문 정부 5년간 재고가는 38.4포인트 상승=28.7은 정권요인 + 나머지는 대략 팬데믹 요인. 

분양가-재고가간 (+)의 인과관계는 통제하기에 따라 집값 상승의 추동기제가 되기도 하지만 집값 하락의 추동기제가 되기도 하기 때문에 나온 결과입니다. 집값 사이에 존재하는 (+)의 인과관계는 집값의 상승-하락 두 과정과 모두 양립(compatible)하고, 특정 방향의 과정에만 적용되는 배타적 인과성을 지닌 과정이 아닙니다. 따라서 분양가-재고가간 (+)의 인과관계가

(1) 투기억제 중심의 부동산대책을 그 자체 정당화하는 것도 아니고, 공급중심의 부동산대책을 그 자체 정당화하는 것도 아니며, 

(2) 투기억제를 통해 분양가를 원하는 만큼, 원하는 방향으로 통제할 수 있다는 것을 그 자체 의미하는 것도 아니고, 주택공급을 통해 분양가를 원하는 만큼, 원하는 방향으로 통제할 수 있다는 것을 그 자체 말하는 것도 아닙니다.  

최초 충격을 어떻게 initiate하느냐 그리고 과정을 어떻게 관리하느냐에 따라 결과는 얼마든지 다양하게, 상반되게 나올 수 있습니다. 

이제 이 말이 무엇인지 문 정부의 기대대로 하강과정이 실현되었을 때 어떤 일이 벌어졌을지 실험을 통해 더 알아봅시다.  

• 시나리오 1: Moon변수 재고가 통제 성공, Moon변수 분양가/가계부채에 역효과 無(=분양가/가계부채는 과거 추세 지속)

• 시나리오 2: Moon변수 분양가 통제 성공, Moon변수 재고가/가계부채에 역효과 無(=재고가/가계부채는 과거 추세 지속)

• 시나리오 3: Moon변수 가계부채 통제 성공, Moon변수 재고가/분양가에 역효과 無(=재고가/분양가는 과거 추세 지속)

<표 1>에 따르면 재고가, 분양가 가운데 어느 하나라도 확실하게 통제할 수 있었다면 적어도 해당 가격을 낮추는 일만은 가능했다는 분석입니다. 물론 재고가의 경우 분양가를 올리는 부작용이 있기는 합니다.주1

<그림 2>에서 본 분양가-재고가간 관계가 <표 2>에서 살펴본 시나리오 3개에서 동일하게 이용되었습니다. 즉 분양가-재고가간 인과관계는 어떤 시나리오와도 compatible합니다. 2주 전에 아래와 같이 말한 바 있습니다. 이번 주 실험결과가 그 증거입니다. 

분양가-재고가간 관계는 전-변의 가격상승 시나리오뿐 아니라 가격하락 시나리오, 상승-->하락, 하락-->상승, 하락-->상승-->하락-->... 등 어떤 시나리오와도 compatible합니다. 이 점은 뒤에서 다른 이슈를 논하면서 데모해 보입니다.  

지난 몇 주 동안 검토한 결과를 아래와 같이 정리합니다. 

• 연구방법론 관련

(1) 경험명제 수립시 측정의 역할: 측정 경시
(2) 상관성과 인과성의 관계: 상관성=인과성
(3) 선행 실증분석 결과의 해석: 학계의 실증연구 결과 무시/오독
(4) 표본과 모집단간 관계와 명제의 일반화: 모집단을 편향표본으로 대체하고 모수(母數) 추정하기 

• Transparency: 연구-추론 과정 불투명, Ever replicable???

• 집행문제: 문재인 정부 시기 분양가와 재고가는 정부의 의도와 정반대 방향으로 변했고, 증가분 '대부분'이 정권요인 때문에 발생했다. (진짜 '대부분'이었는지 예전 R코드를 활용해 직접 확인해 보세요. 연습문제입니다.) 

전강수 교수는 문재인 정부의 실패를 예견했던 것 같습니다. 아래는 그 근거입니다. 

(이메일 2021.8.19.)
이혁주 교수: 그의 견해는 이 논문의 분석 대상으로서 문재인 정부 부동산정책의 이념적, 정책적 토대가 된다.
전강수 교수: 전혀 동의하지 않습니다. 저는 오래 전부터 문재인 정부 부동산 정책의 기본 방향이 잘못됐음을 지적해 왔습니다.

그렇다면 지금까지 검토한 바 정책집행적 시각에서 보았을 때 전 교수의 처방은 실제로 작동했을까요? 전 교수의 스칼라십을 고려할 때 그의 말을 신뢰하기가 어렵습니다. 이런 시각을 더 확장하여, 유사한 문제가 여러 연구자한테서 반복적으로 등장한다면, 스칼라십은 퍼즐 덩어리 한국의 부동산정책을 이해하는 유용한 주제어가 됩니다.

다음엔 과잉유동성 때문에 2017년에 집값이 높았다는 김수현 비서관의 진단을 검토합니다. 우석훈, 김경민 교수도 언급한 원인으로서 진보 부동산정책의 주요근거가 됩니다. 복잡한 주제인 만큼 신중에 신중을 기해 접근하고 robustness check도 철저히 하겠습니다. 기술적으로는 이혁주 교수의 재고가-가계대출-정권요인 모형이 과잉유동성을 고려한 확장환경에서 survive하느냐입니다. 이 test를 통과하지 못하면 이혁주 교수는 곤란해집니다. 그 반대라면 김수현 교수 포함 진보 쪽이 곤란해집니다.  

이후 김수현(2023)에 과잉유동성 원인론을 뒷받침하는 측정이 있는지 확인하고, 이혁주 교수의 과잉유동성 검토결과와 대비해 논의합니다. 그 결과를 토대로 위 파란색 글자로 된 평가가 김 교수의 주장에도 적용되는지 판정합니다. 물론 여기 논의는 주택공급의 과부족 여부와 그 자체 별 관계가 없습니다. 별도 논의가 필요한 주제입니다. 주택공급 과부족 논의가 끝나면 이준구(2023)를 논하고 김수현(2023)도 진보 부동산정책 구제시도의 일종으로서 함께 마저 논의합니다. 

지루한 과정이 될 것입니다. 그 정도로 이 바닥이 엉망입니다. 시작도 끝도 잘 보이지 않는... 그러나 한번은 거쳐서 뭐가 문제인지 알기는 해야 하는 그런 여정입니다. 

감사합니다. 이혁주 드림

김수현, 2023. 부동산과 정치. 경기도 파주: 오월의 봄. 

Hirte, Georg, Min, Hyuk-Ki, and Rhee, Hyok-Joo, 2022. Regulation versus Taxation: Efficiency of Zoning and Tax Instruments as Anti-Congestion Policies. Journal of Housing Economics 56: 101837.

Pressman, Jeffrey and Wildavsky, Aaron, 1984. Implemenation. 3rd edition. Berkeley, California: University of California Press.  

주1...linear system이라 발생하는 현상. 따라서 경로의존성 없음. 1행과 마지막 행은 부호만 다르고 크기는 같다.

주2...Pandemic으로 인해 오른 집값은 재고가의 경우 +12.5포인트, 분양가의 경우 16.4포인트. 계산식은 아래 참고.

endo=cbind(P_old.d,P_new.d,Debt.d)

exo=cbind(Moon,Park,Pandemic)

model=VAR(endo,p=3,exogen=exo)

A1=Bcoef(model)[,1:3]
A2=Bcoef(model)[,4:6]
A3=Bcoef(model)[,7:9]
b=Bcoef(model)[,13]   #  Pandemic 회귀계수 벡터
y=array(0,c(3,50))   #50달이면 충분이 긴  기간. y의 각 element는 빠르게 0으로 수렴.
y[,3]=b # Pandemic=+1이라는 충격. 즉 팬데믹이 1달 지속되었을 때의 효과 
for(n in 4:50){y[,n]=A1%*%y[,n-1]+A2%*%y[,n-2]+A3%*%y[,n-3]}
                  #Recursive computation of the impact, Pandemic=+1
sum(y[1,])*26    #1st element of y = P_old.d
[1] 12.51937    #2020.3 이후 임기말까지 26달 동안 재고가 상승분(포인트). 28.7+12.5=41.2>문 정부 기간 오른 재고가 38.3포인트.
sum(y[2,])*26  #2nd element of y = P_new.d
[1] 16.40434    #2020.3 이후 임기말까지 26달 동안 분양가 상승분(포인트) 

<첨부 1> 정권변수와 내생변수가 인과관계 측정 절차

아래 절차에 따라 <그림 2>을 완성할 수 있다.

자료: 여기

library(vars)

data=read.csv(file.choose(),header=T)

attach(data)

endo=cbind(P_old.d,P_new.d,Debt.d)   #P_old.d=재고가, P_new.d=분양가, Debt.d=가계대출, All 1st-differenced to make them stationary.

exo=cbind(Moon,Park,Pandemic)  #정권변수 2가지, 팬데믹

model=VAR(endo,p=3,exogen=exo)

Bcoef(model)    # 회귀계수 출력

         P_old.d.l1  P_new.d.l1  Debt.d.l1   P_old.d.l2   P_new.d.l2

P_old.d  0.6491734  0.02055748 0.07276279 -0.078129856  0.006901362

P_new.d  1.4965667 -0.87426441 2.84245961 -1.368179268 -0.176442468

Debt.d   0.1128272  0.02520935 0.23075970  0.005621657  0.039450398

          Debt.d.l2  P_old.d.l3   P_new.d.l3   Debt.d.l3      const

P_old.d  0.08442383 -0.11835978 -0.001084603 0.087401881 -0.1039144

P_new.d -0.16382288 -3.76981575  0.243611230 0.241676340 -0.8785450

Debt.d  -0.02919534  0.01474976  0.025782526 0.003224293  0.2268454

              Moon       Park   Pandemic

P_old.d 0.20025930 0.03581195 0.19875557

P_new.d 2.30940519 0.10375633 2.31898590

Debt.d  0.02996005 0.17045070 0.03530632

# Granger causality tests

constraint=matrix(c(1,1,1, 1,1,1, 1,1,1, 1, 0,1,1,      

                                   1,1,1, 1,1,1, 1,1,1, 1, 1,1,1,

                                   1,1,1, 1,1,1, 1,1,1, 1, 1,1,1),nrow=3,byrow=TRUE)

R_model=restrict(model, method="man", resmat=constraint)

chi2=2*(logLik(model)-logLik(R_model))  # Wooldridge (2010: 481) 

p_value=1-pchisq(chi2,1)   

p_value  # 0.0015 유의, Moon --> 재고가  (O)

constraint=matrix(c(1,1,1, 1,1,1, 1,1,1, 1, 1,1,1,        # Moon to P_new.d

                                   1,1,1, 1,1,1, 1,1,1, 1, 0,1,1,

                                   1,1,1, 1,1,1, 1,1,1, 1, 1,1,1),nrow=3,byrow=TRUE)

R_model=restrict(model, method="man", resmat=constraint)

chi2=2*(logLik(model)-logLik(R_model))  # Wooldridge (2010: 481) 

p_value=1-pchisq(chi2,1)   

p_value  # 0.0027 유의, Moon --> 분양가 (O)

constraint=matrix(c(1,1,1, 1,1,1, 1,1,1, 1, 1,1,1,        # Moon to Debt.d

                                   1,1,1, 1,1,1, 1,1,1, 1, 1,1,1,

                                   1,1,1, 1,1,1, 1,1,1, 1, 0,1,1),nrow=3,byrow=TRUE)

R_model=restrict(model, method="man", resmat=constraint)

chi2=2*(logLik(model)-logLik(R_model))  # Wooldridge (2010: 481) 

p_value=1-pchisq(chi2,1)   

p_value # 0.70, Moon --> Debt.d (X)

constraint=matrix(c(1,1,1, 1,1,1, 1,1,1, 1, 1,0,1,        # Park to P_old.d

                                   1,1,1, 1,1,1, 1,1,1, 1, 1,1,1,

                                   1,1,1, 1,1,1, 1,1,1, 1, 1,1,1),nrow=3,byrow=TRUE)

R_model=restrict(model, method="man", resmat=constraint)

chi2=2*(logLik(model)-logLik(R_model))  # Wooldridge (2010: 481) 

p_value=1-pchisq(chi2,1)   

p_value    # 0.48  Park --> 재고가 (X)

constraint=matrix(c(1,1,1, 1,1,1, 1,1,1, 1, 1,1,1,        # Park to P_new.d

                                   1,1,1, 1,1,1, 1,1,1, 1, 1,0,1,

                                   1,1,1, 1,1,1, 1,1,1, 1, 1,1,1),nrow=3,byrow=TRUE)

R_model=restrict(model, method="man", resmat=constraint)

chi2=2*(logLik(model)-logLik(R_model))  # Wooldridge (2010: 481) 

p_value=1-pchisq(chi2,1)   

p_value     # 0.87  Park --> 분양가 (X)

constraint=matrix(c(1,1,1, 1,1,1, 1,1,1, 1, 1,1,1,        # Park to Debt.d

                                   1,1,1, 1,1,1, 1,1,1, 1, 1,1,1,

                                   1,1,1, 1,1,1, 1,1,1, 1, 1,0,1),nrow=3,byrow=TRUE)

R_model=restrict(model, method="man", resmat=constraint)

chi2=2*(logLik(model)-logLik(R_model))  # Wooldridge (2010: 481) 

p_value=1-pchisq(chi2,1)   

p_value    # 0.01  Park --> Debt.d (O)

constraint=matrix(c(1,0,1, 1,0,1, 1,0,1, 1, 1,1,1,        # P_new.d to P_old.d

                                   1,1,1, 1,1,1, 1,1,1, 1, 1,1,1,

                                   1,1,1, 1,1,1, 1,1,1, 1, 1,1,1),nrow=3,byrow=TRUE)

R_model=restrict(model, method="man", resmat=constraint)

chi2=2*(logLik(model)-logLik(R_model))  # Wooldridge (2010: 481) 

p_value=1-pchisq(chi2,3)   

p_value    # 0.001, 분양가 --> 재고가 (O)

constraint=matrix(c(1,1,1, 1,1,1, 1,1,1, 1, 1,1,1,        # P_new.d to Debt.d

                                   1,1,1, 1,1,1, 1,1,1, 1, 1,1,1,

                                   1,0,1, 1,0,1, 1,0,1, 1, 1,1,1),nrow=3,byrow=TRUE)

R_model=restrict(model, method="man", resmat=constraint)

chi2=2*(logLik(model)-logLik(R_model))  # Wooldridge (2010: 481) 

p_value=1-pchisq(chi2,3)   

p_value   # 0.03, 분양가 --> 가계대출 (O)

constraint=matrix(c(1,1,1, 1,1,1, 1,1,1, 1, 1,1,1,        # P_old.d to P_new.d.

                                   0,1,1, 0,1,1, 0,1,1, 1, 1,1,1,

                                   1,1,1, 1,1,1, 1,1,1, 1, 1,1,1),nrow=3,byrow=TRUE)

R_model=restrict(model, method="man", resmat=constraint)

chi2=2*(logLik(model)-logLik(R_model))  # Wooldridge (2010: 481) 

p_value=1-pchisq(chi2,3)   

p_value    # 1.18e-6, 재고가 --> 분양가 (O)

constraint=matrix(c(1,1,1, 1,1,1, 1,1,1, 1, 1,1,1,        # P_old.d to Debt.d.

                                   1,1,1, 1,1,1, 1,1,1, 1, 1,1,1,

                                   0,1,1, 0,1,1, 0,1,1, 1, 1,1,1),nrow=3,byrow=TRUE)

R_model=restrict(model, method="man", resmat=constraint)

chi2=2*(logLik(model)-logLik(R_model))  # Wooldridge (2010: 481) 

p_value=1-pchisq(chi2,3)   

p_value   # 0.55, 재고가 --> 가계대출 (X)

constraint=matrix(c(1,1,0, 1,1,0, 1,1,0, 1, 1,1,1,        # Debt.d to P_old.d

                                   1,1,1, 1,1,1, 1,1,1, 1, 1,1,1,

                                   1,1,1, 1,1,1, 1,1,1, 1, 1,1,1),nrow=3,byrow=TRUE)

R_model=restrict(model, method="man", resmat=constraint)

chi2=2*(logLik(model)-logLik(R_model))  # Wooldridge (2010: 481) 

p_value=1-pchisq(chi2,3)   

p_value    # 0.066, 가계대출 --> 재고가 (?)

constraint=matrix(c(1,1,1, 1,1,1, 1,1,1, 1, 1,1,1,        # Debt.d to P_new.d

                                   1,1,0, 1,1,0, 1,1,0, 1, 1,1,1,

                                   1,1,1, 1,1,1, 1,1,1, 1, 1,1,1),nrow=3,byrow=TRUE)

R_model=restrict(model, method="man", resmat=constraint)

chi2=2*(logLik(model)-logLik(R_model))  # Wooldridge (2010: 481) 

p_value=1-pchisq(chi2,3)   

p_value # 0.002, 가계대출 --> 분양가 (O)

constraint=matrix(c(1,1,1, 1,1,1, 1,1,1, 1, 1,1,0,        # Pandemic to P_old.d

                                   1,1,1, 1,1,1, 1,1,1, 1, 1,1,1,

                                   1,1,1, 1,1,1, 1,1,1, 1, 1,1,1),nrow=3,byrow=TRUE)

R_model=restrict(model, method="man", resmat=constraint)

chi2=2*(logLik(model)-logLik(R_model))  # Wooldridge (2010: 481) 

p_value=1-pchisq(chi2,1)   

p_value # 0.006, 팬데믹 --> 재고가 (O)

constraint=matrix(c(1,1,1, 1,1,1, 1,1,1, 1, 1,1,1,        # Pandemic to P_new.d

                                   1,1,1, 1,1,1, 1,1,1, 1, 1,1,0,

                                   1,1,1, 1,1,1, 1,1,1, 1, 1,1,1),nrow=3,byrow=TRUE)

R_model=restrict(model, method="man", resmat=constraint)

chi2=2*(logLik(model)-logLik(R_model))  # Wooldridge (2010: 481) 

p_value=1-pchisq(chi2,1)   

p_value  # 0.009, 팬데믹 --> 재고가 (O)

constraint=matrix(c(1,1,1, 1,1,1, 1,1,1, 1, 1,1,1,        # Pandemic to Debt.d

                                   1,1,1, 1,1,1, 1,1,1, 1, 1,1,1,

                                   1,1,1, 1,1,1, 1,1,1, 1, 1,1,0),nrow=3,byrow=TRUE)

R_model=restrict(model, method="man", resmat=constraint)

chi2=2*(logLik(model)-logLik(R_model))  # Wooldridge (2010: 481) 

p_value=1-pchisq(chi2,1)   

p_value   # 0.70, 팬데믹 --> 가계대출 (X)

constraint=matrix(c(1,1,0, 1,1,0, 1,1,0, 1, 1,1,1,        # 가계대출 --> (분양가, 재고가)

                                   1,1,0, 1,1,0, 1,1,0, 1, 1,1,1,

                                   1,1,1, 1,1,1, 1,1,1, 1, 1,1,1),nrow=3,byrow=TRUE)

R_model=restrict(model, method="man", resmat=constraint)

chi2=2*(logLik(model)-logLik(R_model))  # Wooldridge (2010: 481) 

p_value=1-pchisq(chi2,6)   

p_value   # 0.006, 가계대출 --> (분양가, 재고가) (O)

constraint=matrix(c(1,1,1, 1,1,1, 1,1,1, 1, 1,1,1,        # (분양가, 재고가) --> 가계대출

                                   1,1,1, 1,1,1, 1,1,1, 1, 1,1,1,

                                   0,0,1, 0,0,1, 0,0,1, 1, 1,1,1),nrow=3,byrow=TRUE)

R_model=restrict(model, method="man", resmat=constraint)

chi2=2*(logLik(model)-logLik(R_model))  # Wooldridge (2010: 481) 

p_value=1-pchisq(chi2,6)   

p_value   # 0.0002, (분양가, 재고가) --> 가계대출 (O)

constraint=matrix(c(1,1,1, 1,1,1, 1,1,1, 1, 1,0,1,        # Park -- > (분양가, 재고가)

                                   1,1,1, 1,1,1, 1,1,1, 1, 1,0,1,

                                   1,1,1, 1,1,1, 1,1,1, 1, 1,1,1),nrow=3,byrow=TRUE)

R_model=restrict(model, method="man", resmat=constraint)

chi2=2*(logLik(model)-logLik(R_model))  # Wooldridge(2010: 481) 

p_value=1-pchisq(chi2,2)   

p_value   # 0.80, Park -- > (분양가, 재고가) (X)

다음 단계에서는 한 내생변수가 다른 내생변수를 증가 혹은 감소시키는지 조사해서 그 결과를 위 그림에 반영한다. 아래는 위 그림 왼쪽에 대해 시행할 때 사용한 명령어.

irf(model,n.ahead=48,cumulative=TRUE)

이 출력물을 활용해 위 왼쪽 그림을 아래와 같이 수정.

다음 단계에서는 외생변수가 변했을 때 내생변수가 증가 혹은 감소했는지 검사. 아래 명령어 이용. 앞서 밟았던 절차 뒤에 아래 명령어 입력. 

Bcoef(model)

        P_old.d.l1  P_new.d.l1  Debt.d.l1   P_old.d.l2   P_new.d.l2   Debt.d.l2

P_old.d  0.6491734  0.02055748 0.07276279 -0.078129856  0.006901362  0.08442383

P_new.d  1.4965667 -0.87426441 2.84245961 -1.368179268 -0.176442468 -0.16382288

Debt.d   0.1128272  0.02520935 0.23075970  0.005621657  0.039450398 -0.02919534

         P_old.d.l3   P_new.d.l3   Debt.d.l3      const       Moon       Park

P_old.d -0.11835978 -0.001084603 0.087401881 -0.1039144 0.20025930 0.03581195

P_new.d -3.76981575  0.243611230 0.241676340 -0.8785450 2.30940519 0.10375633

Debt.d   0.01474976  0.025782526 0.003224293  0.2268454 0.02996005 0.17045070

          Pandemic

P_old.d 0.19875557

P_new.d 2.31898590

Debt.d  0.03530632

A1=Bcoef(model)[,1:3]

A2=Bcoef(model)[,4:6]

A3=Bcoef(model)[,7:9]

b=Bcoef(model)[,11]

y=array(0,c(3,50))

y[,3]=b        #Moon=+1의 충격

for(n in 4:50){y[,n]=A1%*%y[,n-1]+A2%*%y[,n-2]+A3%*%y[,n-3]}

sum(y[1,])   

[1] 0.479563 #Moon=+1은 재고가격 +.47p 상승시킴. 60개월이면 60*.47=28.7p

sum(y[2,])

[1] 0.615299  #Moon=+1은 분양가격 .61p 상승시킴. 60개월이면 60*.61=36.9p.

sum(y[3,])

[1] 0.1879951  #Moon=+1은 가계대출 1.8조원 증가시킴. 60개월이면 60*1.8조=112.2조원 up.

y=array(0,c(3,50))

y[,3]=Bcoef(model)[,12]        #Park=+1의 충격

for(n in 4:50){y[,n]=A1%*%y[,n-1]+A2%*%y[,n-2]+A3%*%y[,n-3]}

sum(y[1,])   

[1] 0.1849168 #Park=+1은 재고가격 +.18p 상승시킴. 60개월이면 60*.18=11.1p

sum(y[2,])

[1] 0.09956004  #Park=+1은 분양가격 .09p 상승시킴. 60개월이면 60*.09=5.9p.

sum(y[3,])

[1] 0.2566402  #Park=+1은 가계대출 2.5조원 증가시킴. 60개월이면 60*2.5조=153.6조원 up.

이 결과를 반영해 아래 본문 <그림 1> 완성.

<첨부 2> 정책수단의 부분적 통제 성공시 예상되는 효과

위 절차에 이어 아래 코드 실행하면 됨.

# 실제 벌어진 일

y=array(0,c(3,50))         

y[,3]=b 

for(n in 4:50){y[,n]=A1%*%y[,n-1]+A2%*%y[,n-2]+A3%*%y[,n-3]}

sum(y[1,])*60   # +28.7포인트(up)

sum(y[2,])*60   # +36.9포인트(up)

sum(y[3,])*60   # +11.2 (112조원, up)

#시나리오 1: 재고가 통제 성공, 분양가/가계부채에 역효과 無

y=array(0,c(3,50))

y[1,3]=-b[1]    # 재고가에 대한 1 round 충격을 -b[1]=-0.20으로 설정

for(n in 4:50){y[,n]=A1%*%y[,n-1]+A2%*%y[,n-2]+A3%*%y[,n-3]}

sum(y[1,])*60   # -19.3포인트(down)

sum(y[2,])*60   # +41.2포인트(up)

sum(y[3,])*60   # +1.45 (14.5조원, up)

#시나리오 2: 분양가 통제 성공, 재고가/가계부채에 역효과 無

y=array(0,c(3,50))

y[2,3]=-b[2]    # 분양가에 대한 1 round 충격을 -b[2]=-2.30으로 설정

for(n in 4:50){y[,n]=A1%*%y[,n-1]+A2%*%y[,n-2]+A3%*%y[,n-3]}

sum(y[1,])*60   # -8.1포인트(down). 문재인 정부 5년은 60달.

sum(y[2,])*60   # -76.4포인트(down)

sum(y[3,])*60   # -10.06 (100.6조원, down)

#시나리오 3: 가계부채 통제 성공, 재고가/분양가에 역효과 無

y=array(0,c(3,50))

y[3,3]=-b[3]    # 가계부채에 대한 1 round 충격을 -b[3]=-0.029로 설정

for(n in 4:50){y[,n]=A1%*%y[,n-1]+A2%*%y[,n-2]+A3%*%y[,n-3]}

sum(y[1,])*60   # -1.2포인트(down)

sum(y[2,])*60   # -1.7포인트(down)

sum(y[3,])*60   # -2.67 (26.7조원, down)

2023.12.15. 박진백 외(2021) 비판 2

안녕하세요. 이혁주 교수입니다. 

김수현(2023)에서 언급한 과잉유동성 원인론을 중심으로 문헌검토와 통계분석을 실시하고 있습니다. 해외요인 포함 종래의 거시경제변수(conventional model)를 중심으로 설정한 통계모형과 김 교수가 제기한 과잉유동성을 중심으로 변수를 구성한 통계모형 등 두 가지를 검토 중입니다. 국내외 자료원을 활용하고 있는데 자료의 관측주기(월간 vs 분기)가 일치하지 않아 통계이론적 보완논의가 필요한 부분도 있어서 실제 검토작업은 순탄하지 않습니다. 정리가 되는 대로 여기 올리고 김수현(2023) 읽기에 활용하겠습니다. 저도 아직은 일별(一瞥)한 수준입니다. 

김수현(2023) 읽기를 하기 전에 본래 계획에 있던 박진백 외(2021)를 마저 검토합니다. 이 논문은 김수현(2023)에서도 중요하게 인용되는 논문입니다. 이전에 검토한 바에 따르면 박진백 외(2021)는 정부요인을 생략하고 분석함에 따라 누락변수로 인한 편향 가능성이 있다고 했습니다. 또 다른 의문은 이자율 변수였는데, 이전 검토에 따르면 이혁주 교수가 마련한 자료에서는 이자율 변수의 유의도는 확인할 수 없었습니다.

오늘은 다른 문제에 대해 알아봅니다. 이자율이 집값에 미친 영향의 구조전환 여부를 판단할 때 이용한 모형과 변수들의 영향력을 판단할 때 이용한 모형이 다릅니다. 

<표 1>  박진백 외(2021)에서 사용한 분석모형의 비일관성 문제

------------------------------------------------------------------------------------------------------------------

                                이자율 영향의 구조전환 판단              변수들의 영향력 판단

------------------------------------------------------------------------------------------------------------------

박진백 외(2021)         Single equation model                       VAR model

최선 모형                         VAR model                                     VAR model

논문의 관련 내용          <그림 3>, <표 3>                                <표 6> ~ <표 8>

------------------------------------------------------------------------------------------------------------------

부연하면, 이자율의 영향력이 특정 시기 전후로 변화했는지 그 여부를 판단할 때는 panel 회귀식(single equation model)을 이용했지만, 이자율이 주택가격 변동성에 미친 영향을 측정할 때는 VAR모형(multiple equation model)을 이용했습니다. 논문에서는 관련해 설명을 찾을 수 없습니다. 

single piece로서 논문내 presentation의 일관성은 논문의 질을 결정하는 중요요소입니다. 일관성 유지에 실패하게 되면서, 필요에 따라 모형을 선별적으로 적용하고 원하는 분석결과를 선택한 것은 아닌지 독자의 의심을 자초했습니다. 전에도 이런 장면이 있었습니다. 정부요인을 설명변수에서 배제하고 모형을 설정한 것이 바로 그것이었지요.

설명이 필요합니다.

감사합니다. 이혁주 드림

김수현, 2023. 부동산과 정치. 경기도 파주: 오월의 봄.

박진백, 이태리, 오민준, 2021. 금리의 주택가격 상승 기여도 추정. 주택연구, 29(4): 75∼100.

*2023.12.19. 박진백 외(2021) 비판 2 계속

박진백, 이태리 박사님께

정부요인을 모형에서 배제하고 얻은 분석결과를 이용해 문재인 정부를 면책한 것은 자기모순입니다. 그러나 주택가격 분석 논문 중에는 정부요인을 배제하고 수행한 연구도 많아서, 두 분의 변수선정이 이해가 되기도 합니다. 

또한 누락변수로 인한 편향 가능성이 존재한다고 해서 추정한 값들이 곧 편향되었다고 단정할 수는 없습니다. 이자율과 정부요인 간 상관계수가 낮다면, 이자율처럼 남아 있는 변수의 회귀계수에서 왜곡이 일어나도 실제로는 심각하지 않을 수 있습니다. 

그러나 박진백 외(2021)에서 모형의 일관된 적용이 가능함에도 적절한 설명 없이 모형을 switch한 것은 성격이 다릅니다. 이런 건 용역보고서, 전강수식 논법, TV 토론, 개싸움, 아마추어의 연구조작에서나 보는 것들입니다. 공통점은 갖다 쓰지 못할 이유가 없다면 갖다 쓴다. 이쁘면 더 좋고. 두 모형을 섞어 썼던 곳은 민감도 분석 절이 아니고 논문의 main body쪽이었습니다. 

왜 switch했나요? 

이혁주 드림

박진백, 이태리, 오민준, 2021. 금리의 주택가격 상승 기여도 추정. 주택연구, 29(4): 75∼100. 

2023.12.26. 박진백 외(2021) 비판 2 계속

박진백, 이태리 박사님께

박진백 외(2021)은 (1)이자율의 영향이 일정 시점 앞뒤로 변했고, (2)그 결과 집값의 변동 패턴이 어떻게 변했는지 측정해 보여줍니다. (1)은 (2)를 설명하고, (2)는 (1)에 내용을 채워줍니다. (1), (2)는 일체입니다. 

이 일체성을 유지하려면 논문 시작부터 끝까지 (1), (2)에 사용한 모형을 일관되게 적용해야 합니다. 적용 모형을 바꾸는 경우는 민감도 분석, 강건성(robustness) 체크할 때뿐입니다.  

적용 모형의 일관성을 유지하면서 저자들의 주장을 관철할 수 있는 방법은 (1), (2)를 검토할 때 사용한 모형 가운데 어느 하나만 이용하는 것입니다. 추가적으로 다른 모형을 이용해 강건성 체크까지 하면 금상첨화이고요. 이게 얼마나 간단한 일인지 논문에 없으니 알아봅시다.  

방식 1

첫 번째 방식은 논문 전반부에서 사용했던 single equation을 이용해서 VAR모형을 이용해 생성했던 <표 6> ~ <표 8>을 대체하는 겁니다. 이렇게요.

모형: Price(t,r) = (a1+a2*tau(t))*r(t)+다른 변수

         Price(t,r) 주택가격, r(t) 이자율, tau(t)=0 if t<2019.7, 1 otherwise, r 지역

결과물: 

<표 1> Price(t,r) schedules with and without the structural break dummy (unit: point)

------------------------------------------------------------------------------------------------------------------------

          월                                                  2017.5    ......   2018.1  ....    2019.1 ..... 2020.12         

------------------------------------------------------------------------------------------------------------------------

실제 주택가격 지수                                    x                      x              x                     x

이자율의 영향을 제거한 가격지수             x                         x                 x                    x

------------------------------------------------------------------------------------------------------------------------

이자율의 영향                                           x                    x               x               x           x

------------------------------------------------------------------------------------------------------------------------

이렇게 할 때 효과는 (1) 프리젠테이션의 일관성 유지, (2) 이자율의 영향을 직접 측정해 제시, (2) esoteric한 FEVD와 달리 뛰어난 가독성 등 3가지입니다. 이미 실현된 자료를 이용해 영향력을 평가하기 때문에 forecast value를 대상으로 분산분해하는 데서 오는 어색함도 없습니다. 

저자들은 <표 1>을 제시하는 대신 계수 a1, a2를 논문에 제시해도 좋을 뻔 했습니다. a1+a2*tau(t)는 초등학교 5, 6학년 학생도 아는 산수입니다. 

[질문 1] 왜 어느 것도 하지 않았나요?

방식 2

또 다른 방식은 논문 후반부에서 사용한 VAR모형을 처음부터 이용하는 것입니다. 사람들이 single equation 대신 VAR모형을 쓰는 이유는 변수간 상호작용을 고려해서 경제변수 간 관계를 따져보아야 한다는 문제의식에서였습니다. 두 분이 VAR모형을 썼다는 것은 그런 취지에 동의했다는 말이고요. 

따라서 모형을 중간에 switch했다면, 관심변수인 이자율의 통계적 유의성을 검정한 후에 FEVD가 있어야 했습니다. 그런데 이 과정이 논문에 없습니다. 

[질문 2] VAR모형에서 이자율의 설명력 검정은 왜 하지 않았나요? <표 6> ~ <표 8>을 신뢰해도 좋은지 어떻게 아나요?

종합하면, 문재인 정부 기간을 분석대상으로 하면서

(1)정부요인이 누락된 모형을 이용해 얻은 분설결과에 근거해 문 정부를 면책하는 데 그치지 않고,

(2)그렇게 꾸민 누락변수 모형(omitted variable model)에서조차 자의적으로 적용모형을 논문 중간에 바꾸고,

(3)또 그렇게 바꾼 누락변수 모형에서는 통계적 검증이라는 표준절차를 따르지 않았습니다.  

최선 모형은 논문 후반부에서 쓴 VAR모형입니다. 저자들도 이 사실을 잘 알고 있을 것입니다. 이 모형을 이용해 structural break도 검정할 수 있고 또 그렇게 검정한 후 이자율의 영향을 esoteric한 FEVD 대신 여기 주택논쟁에서 보듯 충격반응을 분석하면, 누락변수 문제를 제외하고 모든 문제가 깔끔하게 정리됩니다.  

한편, VAR모형에서 인과검정을 사전에 하지 않을 때, 다른 논문의 저자들은 다른 방식으로 통계적 유의도를 파악할 수 있도록 조치합니다. <그림 1>은 Kim and Yang(2009)에 나오는 그림인데, Kim and Yang은 충격반응 분석 그림에 신뢰구간을 표시해서 독자들이 통계치의 유의도를 알 수 있도록 했습니다.

[질문 3] 이런 여러 가지 장점에도 불구하고 충격반응 분석 대신 FEVD를 한 이유가 무엇인가요?

이혁주 드림

박진백, 이태리, 오민준, 2021. 금리의 주택가격 상승 기여도 추정. 주택연구, 29(4): 75∼100. 

Kim, Soyoung and Yang, Doo Yong, 2009. Do Capital Inflows Matter to Asset Prices? The Case of Korea. Asian Economic Journal, 23(3): 232-348.

2024.1.3. 박진백 외(2021) 비판 2 계속

박진백, 이태리 박사님께

새해가 밝았군요. 우리 모두 자신에게 더 엄격한 한 해가 되기를 바라면서 계속하겠습니다. 

박진백 외(2021)에 대해 두 분이 설명하셔야 할 이유는 많습니다. 

(1) FEV를 분해하기에 앞서 이자율 변수의 설명력 검증이 없었다면, 논문의 뒤쪽 절반이 근거 없는게 되어 날라갑니다. 마찬가지로 모형의 switch 의문에 대해 적절하게 답하지 못하면 논문의 앞과 뒤가 날라갑니다. 앞과 뒤는 논문 모두입니다. 정부요인이 누락된 모형을 사용했다는 비판에 더해 이들 새 비판은 두 분이 쓴 논문 전체를 junk로 만들만한 문제점들입니다. 그러면 박진백 외(2021)의 진보 부동산정책 구제시도는 실패한 것이 되고, 김수현(2023)의 해당 인용도 삭제되어야 합니다. 전강수, 김경민, 변창흠 교수 포함 진보 지향 학자들 논설의 문제점은 이미 살펴보았습니다. 이 가운데 방법론적 문제점은 심각해서, 사회과학적 명제로서 지위 상실을 확인했습니다. 박진백 외(2021)은 문재인 정부 부동산정책의 타당성을 보여줄 희소한 측정논문입니다.  

(2) 두 분의 연구결과물은 정부가 정책을 수립-평가하고, 우리 사회가 부동산 현상을 이해하는 지남철이 됩니다. 김수현(2023)에서 인용한 것은 사례 하나에 불과합니다. 김수현(2023)은 문재인 전 대통령이 언급했고, 이는 implicit endorsement로 해석되어 또 다른 인용을 낳고 거대한 믿음의 체계를 만들어 내면서 과학명제의 교조화가 진행됩니다. 지난 정부의 부동산정책이 과거부터 진행되어 왔던 교조화의 산물인 것 같고, 전강수, 김경민, 박은철 박사의 반응에서도 그런 느낌을 받았습니다. 사회과학적 명제가 탈과학화 과정에 진입하는 것은 'by definition' 성립하지 않습니다. 그리고 위험합니다. 일부지만 종교 교리와 연결하는 사람도 있어서 더욱 그렇습니다. 

(3) 행정에서 정치적 중립성은 중요한 가치입니다. 이 가치를 지키지 않을 때는 상당한 이유가 있어야 합니다. 오비이락(烏飛梨落), 기억하실 겁니다. 지난 대선(大選) 석 달 전 12월 하순 신문에 난 논문인용 기사. 두 분은 academic integrity를 너머 위험한 정치적 영향력 행사까지 의도했다는 의구심까지 낳았습니다. academics와 politics 경계선 좌우를 오가면서. 기자(記者)와 '주택연구' 편집위원회에 책임 일부를 전가하면서... 그런 기사의 근거논문이 이번엔 김수현(2023)에 인용이 되었고요. 연구자 양심에 따라 한 거라면, 정말 어려운 일을 한 것이 됩니다. 이미 누적관객 1200만을 넘은 영화 '서울의 봄'에서 보기 원했던... 그게 안돼서 무너졌다는게 영화의 스토리고, 두 분은 그 시사에 반하는 선택을 실천한 것이 됩니다. 

두 분에게만 검증을 요구하지 않을 겁니다. 이혁주 모형에 대해서는 두 분한테 하는 것 이상으로 엄격하게 검증하고 공개합니다. 그렇다고 예상가능한 모든 질문에 대해 이미 유리한 답을 가지고 있어서 그렇게 하는게 아닙니다. 현재 쓰고 있는 논문은 진행형이고 아직 추가 검증되지 않은 것도 많습니다. 위험에 노출되기는 두 분이나 이혁주 교수나 차이가 없습니다. 

지난 주 박진백 외(2021)의 문제점 3가지를 지적했는데, 이 가운데 3번째 포인트 즉 누락변수 모형에서 이자율의 설명력 검증이 '없었다'는 점은 이혁주 교수의 주장일 뿐입니다. 이 추측에 대해 답하셔야 합니다. 답하지 않으시면 이혁주 교수가 그 발언에 책임을 져야 하는 후속 설명을 어쩔 수 없이 해야 합니다. 그러면 얘기가 또 늘어집니다.

답하시지요.

이혁주 드림

2024.1.8. 박진백 외(2021) 비판 2 계속

박진백, 이태리 박사님께

두 분이 침묵하시니 제가 얘기를 풀어보겠습니다. 

두 분이 좋은 분석을 할 수 없었던 것은 그런 통계모형을 추정할 만한 역량이 없어서였던 것 같습니다. 전강수, 김경민, 박은철 박사도 비슷한 경우입니다. 예전에 박은철 박사와 한 차례 통화할 때도 비슷한 느낌을 받았습니다. 절벽에 대고 말하는 기분이었습니다. 학력(學力)이라는 주제어로 우리 자신을 객관화하는 일을 지금부터 해보겠습니다. 한국의 부동산 문제와 진보 주요 proponent의 학력 문제를 결합해 살펴보면 puzzle 풀이에 도움이 좀 됩니다. 

위 그림은 박진백 외(2021)의 일부인데, 그림의 δ를 포함해 VAR모형을 세우고 추정한 후 δ가 유의한지 검증하면 될 일이었습니다. 그런데 이 과정이 순탄하지 않았던 것 같습니다. 우선 어떻게 VAR모형에서 δ의 유의도를 검정할 수 있는지 <그림 1> 수식과 비슷한 모양을 하면서 구조가 간단한 VAR모형을 이용해 알아보겠습니다. 

1단계 Unrestricted model 추정...y(t)를 내생변수 벡터, x(t)를 외생변수 및 식(1) 상호작용항 δ*r(t)을 포함한 변수 벡터, 그 계수벡터를 b라고 할 때, VAR(1)의 경우 다음과 같은 수식을 꾸밀 수 있음.

      y(t)=c+A*y(t-1)+b*x(t)+e(t).                                                (식1)

e(t)는 오차항 벡터, c는 절편 벡터. 

2단계 restricted 모형 추정...Price equation에서 δ를 포함한 회귀계수를 0으로 놓은 restricted model을 추정

3단계...unrestricted model과 restricted model의 로그 우도를 이용해 chi square통계치를 계산하고 자유도 1에서 검정. 

저자들은 1단계 작업부터 막혔던 것 같습니다. 왜냐하면 전에 지나가는 말로 언급했듯이 (식1)에서 x(t)는 내생변수 y(t)로 분류되는 이자율 항을 포함하고 있어서 형식상 (식1)은 외생변수 VAR모형로 분류되지만, 그렇다고 외생변수 VAR도 아닙니다. 시중 판매중인 소프트웨어 가운데 이런 VAR모형을 ready menu로 제공하는 패키지 프로그램이 없는 것으로 알고 있습니다. 

이 경우 통계학 비전공자로서 (식1)을 추정하고 검증하려면 평소 미련스러운 짓을 할수밖에 없는데 저자들에게 이런 시간이 부족했던 것 같습니다. 그 근거는 <그림 1>인데, 그림에서 (τ≤t)를 indicator함수로 썼습니다만 수학책, 공학도들이 자주 접하는 교재에는 등장하지 않는 어색한 표현입니다. 물론 어떤 기호도 정의하고 쓰는 것이 불가능하지는 않지만. 박진백 외(2021)가 수학적 논문은 아니지만 자기완결적인 표현을 쓰는 것이 관행이고 좋은 습관입니다.

1단계부터 막히면 이후 작업은 당연히 수행이 불가합니다. 이때 의욕 충만 저자들은 말하고 싶은 스토리에 맞춤형으로 모형을 따로따로 선정해 답할 수밖에 없었을 것입니다. 

그런데 여기서 또 의문이 생기는군요. 저자들의 모형은 (식1)입니다. 그렇다면 fevd도 이 모형을 이용해야 합니다. 그런데 이자율이 형식상 외생변수 x(t)에 포함되어 있으면 이자율 변수에 가해진 충격을 미래로 연장하면서 계수행렬 A만 이용하고 b는 이용하지 않습니다. R에서 fevd명령어를 실행해보아도 금방 확인할 수 있습니다. <그림 2>는 R 출력인데 외생변수 Pandemic으로 attribute하는 column이 없습니다. 

저자들은 컴퓨터 시켜서 그냥 fevd분석한 걸로 보입니다. 그러면 y(t)=c+A*y(t-1)+b*x(t)+e(t) 대신  y(t)=c+A*y(t-1)+e(t)를 이용한게 됩니다. 온통 뒤죽박죽이 됩니다. 관련 내용은 중요한 내용인데 아무런 언급 없이 지나간 걸로 봐서 이런 중요한 차이가 어떤 의미를 가지는지 인식하지 못했던 것 같습니다. 맞나요?  

대답이 없으시면 해당 분석을 하는데 필요했던 기술이 무엇이었는지, 그래서 왜 논문을 비비틀어 쓸 수밖에 없었는지 알아보겠습니다. 

이혁주 드림

2024.1.17. 학력(學力)과 부동산 문제: 박진백/이태리, 박은철, 김경민, 전강수 사례

박진백, 이태리, 김수현 박사님은 보시지요.

지난 주에 보았던 수식 y(t)=c+A*y(t-1)+b*x(t)+e(t)을 추정하려면 VAR교재를 봐야 합니다. 그러자면 보통의 계량경제학 교과서, 소프트웨어 매뉴얼, 유튜브 안내 영상으로는 안되고, VAR모형을 전문적으로 다룬 교과서가 필요한데 그 교재가 바로 Lutkepohl(2005)입니다. 다른 통계학 교과서들이 VAR모형을 조금씩 다루지만 부족해서 결국 이 교재와 씨름해야 합니다. 그런데 이 책은 수학책입니다. 

그런데 1장 몇 쪽 넘기면서부터 마음에 들지 않습니다.  

이건 독자가 원하는게 아닌 것 같은데... 그런데 그 다음 쪽에 보면 이런 것도 있습니다.  

회귀식 얘기하는데 eigenvalue는 뭐고 modulus는 뭔가요. 존재하면 그냥 존재하는거지 mean square로 존재한다는 건 또 뭔가요. 그러나 이런 장면이 계속 이어집니다. 이런 것도 있습니다. 가우시안 분포, variance-covariance matrix, stable process, absolutely summable, .... 

<그림 2>, <그림 3>과 같은 수식은 보통의 독자가 원하는 것이 아닙니다. 왜냐하면 입에 쏙 들어가는 답이 필요한 것이지 이상한 기호와 용어로 가득찬 수학적 논의가 필요한 것이 아니기 때문입니다. 이런 것 읽는다고 딱히 도움을 받을 수 있는지도 불분명하고요.  

여기서 독자의 선택지는 3가지입니다. 읽기를 포기하거나, 그냥 직진해서 페이지를 넘기거나, 아니면 기초부터 공부하고 다시 도전하는 겁니다. 

그냥 직진해야 더 미궁으로 빠지고 소득이 없으니 직진은 방법이 아닙니다. 대신 읽기를 포기하면 기성 소프트웨어가 제공하는 메뉴의 꾹꾹이가 됩니다. 전문가가 학부생이 되는 순간입니다. 남들은 날 전문가 대접하는데, 그런 내가 실은 학부생이 되는 순간입니다. 앞으로 포커 페이스도 해야 하는 고민 추가입니다.  

그런데 정공법도 쉬운 길은 아닙니다. 확률론, 통계학 교재뿐 아니라 최소한 수학전공자 학부 일반 교재 수준의 heavy mathematics를 다루어야 합니다. 젊어서나 할 일이지 학교 밖으로 나와서까지 할 일은 아닙니다. 시간도 시간이고 그렇게 공부한다고 반드시 보상이 주어지는 것도 아닙니다. 전문가라면 반드시 어떤 식으로든 결판을 내야 하긴 해도.

이것저것 이런저런 사정으로 피하고 어찌어찌 해서 용기를 내어 다시 Lutkepohl을 본다고 합시다. 주어진 문제에 답하려면 Lutkepohl 10장까지 읽어야 하는데 중간에 이를테면 <그림 4>와 같은 돌멩이에 걸립니다. 

Theorem 내용만 취한다고 해도, (T^0.5)(b^-b)=...라는 결과물은 아주 중요한 식 같은데, 통계학적 기초가 부족해 간단한 변환조차 못해서 이 theorem을 어떻게 이용해야 할 지 감이 잡히지 않습니다. 

이것이 박진백 외(2021) 같은 불량품이 나온 배경입니다. integrity 문제가 심각하지만, 이런 저간의 사정을 알고 보면 마냥 저자들을 탓하기도 그렇습니다. 

이런 이유 때문에 처음부터 작정하고 엉터리 글을 썼을 것이라고 저자들을 비난하는 건 좀 아닌 것 같습니다. 유사 사례를 전강수 교수 오마이뉴스 논설에서도 보았는데, 무지가 아니면 설명하기 힘든 행동을 했습니다.

따라서 '기술적'으로 문제가 있는 statement 혹은 proposition을 거리낌 없이 내뱉는 것이 이념적 지향이 달라 발생했다고 보는 건 피상적 이해방식이 됩니다. 부동산문제가 지나치게 정치화되었다는 비판이 있지만, 그 기저에 이념적 지향 그 이상이 있습니다. 지금 그 켜(layer) 하나를 보았습니다. 

두 분은 반론하시지요. 그리고 김수현 교수님도 이의 있으면 말씀하세요.

말씀 없으시면, 다음 주에는 더 한심한 걸 보겠습니다. 오늘 건(件)은 어렵기라도 했습니다.

감사합니다.

이혁주 드림

2024.1.23. 학력(學力)과 부동산 문제 계속

박은철, 전강수, 김경민 박사님은 보시지요.

지난 주에 박진백 외(2021)와 학력(學力) 사이에 의미 있는 관계가 있음을 확인했습니다. 저자들의 정책관은 학력의 직접적 산물입니다. 본인들이 말하기 전까지 진실은 미궁이어도 지금까지 검토한 결과, 그리고 논문에 나타난 저자들의 학력 단서를 보건대, 통계 검정을 하고 싶어도 못했던 것 같습니다. 

이상 검토결과를 토대로 박진백 외(2021)에 대해 아래와 같이 평가하겠습니다. 

(1)정부요인이 누락된 모형을 이용해 얻은 분설결과에 근거해 문 정부를 면책하는 데 그치지 않고,

(2)그렇게 꾸민 누락변수 모형(omitted variable model)에서조차 자의적으로 적용모형을 논문 중간에 바꾸고,

(3)또 그렇게 바꾼 누락변수 VAR모형에서는 이자율 변수에 대해 통계적 검증이라는 표준절차를 따르지 않았다.  

이 결과를 토대로 김수현(2023)에 인용된 박진백 외(2021)에 대해 아래와 같이 평가합니다. 

김수현(2023)에 인용한 박진백 외(2021)의 내용은 아래 <그림 1>과 같이 삭제되어야 한다. 

김수현 박사님은 이의 있으면 말씀하세요.

오늘은 전강수, 김경민, 박은철 박사의 학력(學力)에 대해서 알아봅니다. 전강수, 김경민 박사의 헛발질은 이미 여러 차례 말씀 드렸습니다. 박은철 박사는 여기 이메일을 처음 전달 받고 그 다음 주인가 이혁주 박사 연구실로 전화가 와서 처음 통화했습니다. 

서울연구원에서 주택분야를 "20년" 이상 연구하면서 자신의 보고서에 "다 있다"고 했습니다. 이혁주 박사의 논설에 대한 반론으로 한 말입니다. 연구실로 직접 전화할 정도라면, 아래 이 박사 연구 프로필을 보았을 것입니다.

뿐만 아니라 그 전 이메일도 한번 살펴보았을 것입니다. 아래는 여기 주택논쟁 2022.1.10 이메일입니다. 

*전강수, 남기업 박사 등 토지자유연구소 연구원 및 이재명 캠프 정책참모용

질문3...서울 아파트에서 밀도규제는 구속적이고 따라서 아파트 공급비용(resource cost)에서 토지비용은 제외된다. 이때 어림 계산으로 서울 아파트값 가운데 SMC(social marginal cost)는 30% 정도이고 나머지는 가상의 비용(fictitious social marginal cost)이 된다. 이 말은 서울 아파트값에서 가상의 비용÷아파트값=0.7 즉 ‘주택보유/소비억제세’가 집값의 70% 정도 된다는 말이다. 이 세금은 과밀혼잡, 투기억제, 국토균형발전을 위해 계획가가 지난 수십년간 부과해온 것이다. 이재명 캠프는 여기서 더 나아가 국토보유세/기본소득토지세 등 세금을 더 부과해야 한다고 주장한다. 설명하라. 진보계열은 세율 측면에서 주택을 담배(세율 70%)와 같은 demerit good 취급하는 계획가의 견해에 동의한다는 말인가?

사람마다 논설이 다양해서 고밀화하자는 얘기는 토건족, 탐욕스런 개발조합, 땅 많은 지주뿐 아니라 누구라도 할 수 있는 흔한 얘기입니다. 하지만 위 글을 분명히 보았다면 동의할 이유는 없어도 여느 얘기와 다르다는 느낌 정도는 받아야 정상입니다. 그런데 그게 전혀 없었어요. 오히려 "58세" 이혁주 박사보다 "3살 아래  쉰 다섯"인 주택분야 "20년" 이상 연구경력자로서 자신의 보고서에 "다 있다"고 타일렀습니다. 통화를 마치기 직전 "그럼 새 이론인가"라고 말하신 걸 보면 전혀 감이 없었습니다. 

지금 답을 드리지요. "새 이론"이라면 새 이론이고 헌 이론이라면 헌 이론입니다. 우선 헌 이론입니다. 아래는 전국 대학 1학년 교양과정에서 쓰이는 경제학 원론 교재 2종에 나온 삽화입니다. 경제학 처음 접하는 학생이 늦어도 3주째 정도면 배우는 내용입니다. 

이들 그림은 아래 <그림 5>에서 보듯이 유상균-이혁주(2021)에 있는 논문 삽화 Figure 4와 똑같은 그림입니다. 그러니까 이혁주 박사 논설은 헌 논설입니다. 그 증거는 또 있습니다. <그림 6>은 재정학에서 Harberger triangle로 잘 알려진 Harberger 교수의 1971년 비용편익 분석 논문에 실린 내용입니다(Harberger, 1971).  

<그림 7>은 유상균-이혁주(2021)에 실린 내용인데, 도시공간 모형에서 Harberger(1971) 방식으로 Glaeser et al.(2005)에 나온 regulatory tax 논설을 바꾸어 썼을 뿐입니다.

        regulatory tax = market price of a housing unit          

                                    - marginal cost of that unit (absent government barriers).

       (Glaeser et al., 2005: 336)

아래 수식은 Harberger에서 보듯이 구성요소별로 더한 것에 불과하다고 보면 진부하기도 합니다. Harberger에 있는 summation 기호 ∑는 유상균-이혁주(2021)에서 + 기호에 대응합니다. 아래 식(9)와 동일한 조성원리입니다.  <그림 8>은 도시경제론 교과서 Brueckner(2011)에 실린 용적률(floor area ratio, FAR) 규제 삽화입니다.

그래서 헌 것이라면 헌 것입니다.   

한편 이혁주 박사의 논설은 Glaeser et al.(2005: Figure 3)의 용적률 규제론 informal presentation에 formality를 더한 것이라서 새로운 구석이 없지는 않습니다. 그리고 quota rent, regulatory tax 대신 rational planning framework라는 계획규제적 맥락을 분명히 하고 피구세(Pigouvian tax)라고 한 것도 새롭다면 새롭습니다. 나중에 용적률 규제론을 공급규제 일반으로 일반화하면, 이 박사의 공급규제론은 부동산정책 논쟁에서 공급중심적 시각의 주요 논설이 되어 수요중심적 시각과 대비되는 관점으로 재평가될 것 같습니다. 

이렇게 되면 진보가 주장하는 불로소득에 대한 해석이 180도 뒤집힐 수 있고, 토지의 탈상품화 논의 전반에 대해 재검토가 필요합니다. 국부 private capital 가운데 주택 자본(토지+structures)이 차지하는 비중이 만만치 않기 때문입니다(Lee and Yoon, 2017: Fig. 2 & 3). 그리고 집값 높은 게 투기꾼, 토건세력, 개발업자 때문이라는 상식이 지금부터는 계획가와 진보 세력을 향해야 한다는 걸 의미합니다. 이건 학술적, 도덕적, 정치적으로 이 바닥 판의 변화를 의미합니다. 이런 면에서 새롭다면 새로운 구석이 없지 않습니다. 김수현(2023), 이준구(2023)가 근거 없는 speculation이라는 점까지 경험적으로 확인되면 이혁주 박사의 공급규제 원인론은 경험적 추가근거까지 확보하게 됩니다. 몇 해 전 서울시립대 서순탁 교수 曰 "그걸 그렇게도 해석하는군요"라는 반응은 이런 당혹감에서 나온 말이었습니다.주1  서 교수는 진보이론가이자 계획가입니다. 

어찌 되었든 quota rent라는 말은 고리짝부터 있던 말일 뿐만 아니라, 기초 교양과정 입문서에 나오는 개념으로서 대학 새내기가 늦어도 3주째면 배우는 그런 개념입니다.

자 이제 박은철 박사님께 질문합시다.

이혁주 박사의 규제론이 이 정도의 기초개념이라면, 이 박사 프로필과 논문, 여기 이메일 보고 느낌 정도는 있어야 했던 것 아닌가요? 

이혁주 드림

주1...대한국토도시계획학회 주관 최봉문 교수(현 회장)가 좌장으로 참석한 토론회에서 서순탁 교수가 한 말로 기억. 당시 floor에 있던 한상훈 교수의 질문도 있었음. 서순탁 교수가 발제(서순탁, 2018)하고 이혁주 교수 등이 논평했다. 

김수현. 2023. 부동산과 정치. 경기도 파주: 오월의봄. 

박진백 외. 2021. 금리의 주택가격 상승 기여도 추정. 주택연구 29(4): 75-100.

서순탁, 2018. 토지공개념과 국토관리. 대한국토-도시계획학회 정책토론회, "개헌논의 속의 국토-도시 계획과 정책, 어떻게 바라볼 것인가?", 2018.4.12. 서울: 과학기술단체총연합회. 요약문. 

유상균-이혁주, 2021. 밀도규제의 구속성과 규제의 타당성 검토: 서울 아파트단지를 중심으로. 국토계획, 56(5): 44-59.

이준구. 2023. 누가 내 집 마련의 꿈을 빼앗아 갔는가? 경기도 고양: 문우사.

이준구-이창용, 2015. 경제학원론, 제5판. 경기도 고양: 문우사. 

Brueckner, Jan K., 2011. Lectures on Urban Economics. Cambridge, Massachusetts: MIT Press. 

Glaeser, Edward L., Joseph Gyourko and Raven Saks, 2005. Why Is Manhattan So Expensive? Regulation and the Rise in Housing Prices. Journal of Law and Economics, 48: 331-369.

Harberger, Arnold C., 1971. Three Basic Postulates for Applied Welfare Economics: An Interpretive Essay. Journal of Economic Literature, 9(3): 785-797.

Krugman, Paul and Wells, Robin, 2021. 크루그만의 경제학입문. 김재영, 박대근, 전병헌 번역. 서울: 시그마프레스.

Lee, Woojin and Yoon, Younghoon, 2017. Capital in South Korea: 1966-2014. Social Choice and Welfare, 49: 671-708. 

2024.1.29. 학력(學力)과 부동산 문제 계속 

박은철 박사님께

20년 이상 장영희 박사(1992년 공채 1기) 시절부터 연구한 senior fellow라는 것은 연구원 안팎 여러 주택분야 연구자들과 암묵지를 공유하고 있다는 것을 뜻합니다. 그런데 서슴없이 전화기에 손이 갔다는 것은 박사님과 주택분야 전공자 다수의 주택정책관에 명백하게 배치된 생각을 이혁주 박사가 밝혔다는 것을 시사합니다. 

그렇게 당연시한 박사님의 주택정책관에 기초해서 여기 논쟁에서 다룬 일관된 주제, 즉 서울 주택가격과 공급의 적정성을 판단하는 기준 그리고 그 판단결과가 무엇인지 공개하시지요. 

아래 목록은 박사님이 참여해 작성한 연구원 간행물 목록이지만, 도움이 될 만한 글이 눈에 띄지 않습니다. 

▼연구보고서

-시공지원형 주택개량 프로그램 개선방안(2023)

-생애최초 자가소유 지원정책 체계화방안(2022)

-서울형 주택바우처 운영실태와 개선방안(2021)

-공공임대주택의 유형통합 위한 배분체계와 임대료체계 개선방안(2021)

-서울시, 지속가능한 저렴주택 공급 위해 공공분양주택 대안적 모델 도입 검토해야(2020)

-서울시 주거상황 감안한 주택재고 관리정책 방향(2020)

-서울시 저소득가구 에너지소비 실태와 에너지빈곤 현황(2020)

-주거권 강화 위한 주택임대차 제도 개선방안(2019)

-사회주택 활성화 잼점과 정책과제(2017)

-부담가능 임대주택 공급정책과 모델(2017)

-노숙 진입서 탈출까지 경로 분석과 정책과제(2015)

-‘이젠 임차가구의 주거권 보장할 때--법·제도 고치고 사회주택도 늘려야(2015)

-하우스푸어와 렌트푸어 이슈에 따른 서울시 대응방안 연구(2014)

-서울형 주택바우처 운영개선 및 발전방안(2012)

-다차원적 빈곤 관점에서의 서울시 빈곤실태와 정책과제(2011)

-뉴타운사업의 단계적 시행방안 연구(2011)

-아파트 관리의 공공성 제고방안(2011)

-서울형 주거복지 프로그램 운영 개선방안(2010)

-중산층 위기시대의 복지패러다임과 정책과제(2010)

-저소득가구의 에너지 소비실태 조사·분석(2010)

-장기전세주택(SHift) 확대공급에 따른 관리 효율화방안(2009)

-저소득층 자활공동체사업의 활성화방안(2008)

-주택임대차관련 법제도 정비방안(1999)

-서울주택기본계획 연구(1998)

-서울 시정의 환경적합성 평가방안 연구(1997)

▼단행본

-한국 경제 규칙 바꾸기(2018)

-저성장시대 서울의 도시정책을 말하다(2017)

▼서울도시연구

-[연구노트] 서울시-NGO간 파트너쉽의 현황과 과제(2000)

부록에서 요약문 몇 개 알아보았지만 별로 도움이 되지 않습니다. 

제가 요구하는 것은 완벽한 답이 아닙니다. 사회과학적 명제의 제시보다는 완성품(immutable, universal truth) 제시를 요구하는 경향이 강하다는 것이 이런 종류의 충돌에서 심심치 않게 보는 일이라는 점, 잘 인식하고 있습니다. 그리고 그 병폐가 얼마나 심각한지도 잘 이해하고 있습니다. 

이혁주 드림

<부록> 보고서 요약(일부)

(1) 보고서명: 서울시, 지속가능한 저렴주택 공급 위해 공공분양주택 대안적 모델 도입 검토해야(2020)

요약: 이 연구는 대안적 모델 도입 시 고려해야 할 종합적 판단기준으로 정책의 합목적성, 사회경제적 부담 가능성, 현실 적용 및 실행 가능성 등 세 가지를 제시하는 동시에 이런 기준들로부터 지분공유제의 도입을 위한 선결과제를 도출하였다. 향후 지분공유제를 성공저긍로 도입하려면 국내 여건 및 서울시 실정에 적합하도록 제도를 성계하는 일이 우선되어야 하면, 시기적, 지역적 특성을 감안한 선별적 도입과 함께 공공 또는 공모형 리츠를 활용한 직접 사업이 가능하도록 법제도적 여건 마력이 선행되어야 할 것으로 판단된다.