I. 서론

1. 연구의 배경 및 목적

세계 2차 대전 이후 인류는 급격한 인구 증가와 함께 성장기를 맞이했으나, 최근 많은 국가가 인구 고령화 시대에 진입하면서 이는 해당 국가의 사회경제 전반에 막대한 영향을 미치게 되었다. 특히, 우리나라는 지난 10년간 연평균 4.4%의 고령인구 증가율을 기록하였으며, 2025년에는 65세 이상 인구가 전체 인구의 20%를 넘어설 것으로 예상되는데, 이는 곧 초고령 사회로의 진입을 의미한다. 통계청 장래인구 추계에서 2045년에는 전체 인구의 37%가 고령인구로 이루어질 것으로 예측하고 있다. 이러한 인구변화는 우리나라 사회의 구조적 전환점을 마련될 것으로 보이며, 특히 부동산 시장에 상당한 영향을 미칠 것으로 보인다.

서울시의 경우, 1992년에 인구 1,097만 명으로 정점을 찍은 이후 2016년에는 1,000만 명 이하로 감소하였고, 2020년 말에는 991만 명 수준, 2024년에는 930만 명 수준으로 인구감소 추세에 있다. 이와 대조적으로, 고령인구는 지속해서 증가하고 있으며, 이는 서울시의 주택정책을 포함하여 부동산 시장에 중대한 영향을 미칠 수 있다. 일반적으로 고령인구 대부분은 은퇴 이전보다 소득은 감소하는 가운데, 자산의 64.4% 이상이 부동산에 집중되어 있는 상황이다. 이에 따라, 소유한 주택을 매도하여 생활 소비 자금으로 사용할지, 임대 수익을 위해 부동산에 재투자할지, 아니면 다운사이징과 동시에 거주지를 옮길지, 즉 어느 경로가 지배적이냐에 따라 부동산 시장에 미치는 파급효과는 차별적일 것이다.

통상적인 생애 주기 가설에 따르면, 고령인구는 대체로 주택을 구입하기보다는 매도하거나 다운사이징하는 것으로 예상된다. 그러나 이러한 가설이 현대 시대에 현실에 맞게 적용되는지는 의문이다. 왜냐하면 기대수명이 1970년대 약 62.3세에서 2023년 83.6세로 연장되었으며 활동 노인이 증가했기 때문이다. 실제로, 1981년 제정된 노인복지법에서 ‘노인’이란 용어 대신‘어르신’으로 대체되어 과거의 노인이란 용어는 잘 사용하지 않을 정도로 고령이란 의미가 변하고 있다. 따라서 생애 주기 가설에 따른 자산 다운사이징이 과연 65세 이상에서 이루어지는지에 대해서는 의문의 여지가 있다.

이처럼 고령층에 대한 인식변화와 시대적 변화의 흐름 속에서 고령인구가 주택시장에 미치는 영향에 대한 새로운 접근 분석이 필요한 시점이다. 본 연구는 서울시 25개 구를 대상으로 은퇴를 준비하는 55~64세를 포함한 세분화된 서울시 구별 고령인구 비중이 주택시장에 미치는 영향을 패널 회귀분석을 통해 분석하고자 한다.

2장에서는 고령인구 비중과 주택시장의 관계에 대한 국내외 선행연구를 고찰하고, 3장에서 분석모형과 분석 방법, 분석자료에 관해 설명한다. 4장에서는 분석한 결과를 제시하며, 마지막으로 결론 및 향후 과제를 제시한다.

II. 선행연구

1. 주택가격 하락설 또는 상승설

고령화 사회에 접어들면서 주택가격 변동에 대한 다양한 예상이 존재한다. 선행연구는 분석 방법과 모형에 따라 고령인구와 주택가격 간 관계를 다르게 해석하고 있다. 주택가격 하락설은 고령화로 인해 주택 수요가 감소하여 가격이 하락한다는 것이다. Mankiw and Weil(1989)는 주택 소비 선호가 연령별로 다르다고 주장한다. 이들은 미국 데이터를 기반으로 횡단면 및 시계열 분석을 통해 베이비 부머의 은퇴로 인해 주택수요가 감소하고 주택가격이 급격히 하락할 것이라는 주택가격 폭락설을 제기했다. 이들의 모델은 논란을 불러일으켰지만, 주택 수요의 특성을 분석하는데 고령인구와 주택가격에 대한 기본 개념을 정립하는 데 기여했다. Takáts(2012)는 인구 요인이 주택가격에 미치는 영향을 분석하면서, 고령화가 주택가격에 미치는 부정적 영향을 강조하였다. 그는 22개 선진국을 대상으로 한 패널데이터 분석 결과 노인 부양비 변수로 대리된 고령인구가 주택 수요와 주택가격 하락을 초래할 것이라고 예상했다. 특히, 그는 한국은 과거에 경제 발전으로 실질 주택가격이 상승했지만, 2050년까지 고령화로 주택수요 감소와 주택가격 하락 가능성이 크다고 지적했다.

국내 선행연구에서는 홍기석･성명기(2020)는 주택공급이 일정하다는 전제하에 주택 매매가격이 인구 고령화의 효과를 반영하지 못할 가능성이 있음을 지적했다. 이들은 인구 고령화가 이자율과 성장률을 모두 떨어뜨리며 적어도 주택 매매가격은 4년 이상 시차를 두고 점진적으로 하락한다는 분석 결과를 내놓았다. 정세진 등(2019)는 Takáts(2012)의 모델을 이용하여 대구와 경북 지역에서 고령화가 주택가격에 미치는 음의 영향을 보고했다. 또한, 박헌수･김민정(2014)은 서울시와 6대 광역시를 대상으로 2003년부터 2012년의 패널자료를 분석한 결과, 주택공급 요인은 유의하지 않으며, 고령인구 비율이 1% 증가할 경우 주택가격은 0.12% 하락한다고 예측하였다. 조만 등(2018)는 OECD 11개 회원국에 대한 벡터오차수정모형(VECM) 분석 결과, 고령인구의 비율 증가는 음의 상관관계를 보여주지만, 연간 실질 GDP 성장률이 약 1.6%~2.2% 이상을 유지하는 경우 가격 하락 효과가 상쇄되고, 2030년 이후 인구구조 변화가 주택가격 하락에 큰 규모의 충격 요인으로 작용할 가능성을 보여주었다. 또한, 김선태･송명규(2013)는 베이비 부머 세대 은퇴로 인해 대형주택의 매물 증가로 대형주택 가격이 하락한다고 주장하였다.

반면에, 고령화에 따른 주택가격 상승설을 주장하는 연구는 다음과 같다. Hort(1998)는 재정적으로 안정되어 있는 고령인구는 주택수요층으로, 고령인구 증가는 주택가격 상승을 초래한다고 주장하였다. 국내 선행연구로 정의철･조성진(2005)은 인구 요인 외에 소득과 주거비용의 변화를 고려하여, 우리나라의 주택가격이 장기적으로 오히려 증가할 것으로 전망하였다. 또한, 이창무･박지영(2009)은 1~2인 가구의 증가를 동반한 인구 고령화가 주거수요를 지속해서 증가시킬 것이므로 주택의 추가적 공급이 필요하다고 주장하였다. 최성호･이창무(2010)는 Mankiw-Weil 모형에 비선형회귀분석을 통해 소득, 주택 점유형태, 가구 특성을 고려하여 분석한 결과 고령화가 되더라도 주택수요가 감소하지 않는다고 보고했다. 채미옥･박진백(2018)은 2012년부터 2016년까지 10세 단위의 연령대 인구와 아파트 매매지수 동향과 주택구매 구성의 변화를 조사하여 60세 이상도 주택시장에 수요층으로 계속 늘어나고 있으며 80세 이후에도 주택 매매와 소유율이 일정 부분 유지된다고 하였다.

2. 고령화와 주택시장

고령인구 증가가 주택수요에 제한적이거나 영향이 거의 없다고 주장하는 연구도 많다. Engelhardt and Poterba(1991)는 Mankiw and Weil(1989) 모형을 캐나다에 적용한 결과 인구 요인과 주택 수요와 가격 간에 유의미한 관계를 발견하지 못하였다. Ohtake and Shintani(1996)는 같은 방법을 일본에 적용한 결과 주택 수요가 주택 스톡의 크기에 영향을 미치지만, 주택가격에 유의한 영향을 미치지 않는다고 보고했다. Feinstein and McFadden(1989), Venti and Wise(2004), Chiuri and Jappelli(2010) 등은 고령층이 주택을 처분하지 않는 경향이 강하며, 이러한 현상은 일반 금융자산보다 주택에서 더 뚜렷하게 나타난다고 분석하였다.

Scheiner and Weil(1992)은 고령인구의 주택자산 처분이 느리게 이루어지기는 하지만, 사망에 가까워질수록 처분 속도가 빠르게 증가한다고 주장하였다. 또한, Ando and Modigliani(1963)는 65세 이상의 고령인구가 은퇴 후 소비 수준을 유지하기 위해 실물 자산을 처분할 수 있으며, 이를 흡수할 수 있는 청장년층이 부족할 경우 주택가격은 하락할 수도 있다고 예측하였다. 안선영･조주현(2015)은 2단계 Heckit 모형을 이용하여 55~64세 장년기부터 주택규모를 축소하는 소비조정이 이루어진다고 보고했다.

Piet and Thies(2014)는 영국 자료를 이용하여 고령화가 주택 수요에 미치는 영향을 분석하였으며, 주택 수요는 교육 수준, 건강 상태, 소득과 같은 가구의 인적자본에 영향을 받는다고 했다. Brooks(2002)는 미국을 사례로 인구 요인이 자산 가격에 상당한 영향을 미치며 자산 대부분을 차지하는 주택가격에도 영향을 미친다고 강조했다. 김용진･손재영(2014)은 종단데이터인 국민 노후보장 패널조사(KRelS)를 활용한 결과, 다운사이징은 생애 주기 가설과 달리, 배우자 사망 또는 이혼 등 인구학적 변화의 이유로 설명되며, 생애 주기 가설보다 상속 동기 등 대안 가설들이 오히려 더 지지된다고 했다. 전병유･정준호(2014)는 가구 수준에서 소득과 저축, 그리고 이에 따른 자산 구성의 선택뿐만 아니라 생애 주기, 상속과 증여도 주택 자산에 영향을 미칠 것이므로 소득과 자산 간 관계에서 국가별, 지역별, 가구별로 차이가 존재할 것이라고 했다.

3. 기존 연구와의 차별성

기존 선행연구를 종합적으로 고찰해 볼 때, 고령화가 주택시장에 미치는 영향은 이질적이며, 국가별, 지역별, 경제적, 인구학적 특성에 따라 달라질 수 있음을 알 수 있다.

본 연구가 기존 연구와 다른 점은 다음과 같다. 첫째, 선행연구는 대부분 65세 이상 인구를 단일의 더미변수로 처리하는 것과 달리 본 연구는 은퇴 준비(55~64세), 전기(65~74세), 중기(75~84세), 후기(85세 이상) 등 다양한 연령대로 세분화하여 주택가격에 미치는 영향을 분석한다는 점이다. 본 연구는 인구와 주택시장의 관계가 주로 경기 선행지표로 활용되는 코호트 분석이 아닌 경기 동행과 후행지표로 활용되면서도, 시간의 흐름에 따른 인구변화를 즉각적으로 파악할 수 있는 연령대 분석을 한다. 둘째, 서울은 초고령 사회 진입을 앞두고 기대수명이 연장되고 이에 따라 활동 노인이 증가하고 있다. 이들 고령대 인구 비중이 서울 25개 구별 주택시장에 미치는 영향을 분석하는 것이다. 셋째, 주택 유형은 구별로 구득이 가능한 모든 주택, 아파트의 매매지수와 전세지수를 4가지 모델로 유형화하여 고령인구가 이들 주택 유형에 미치는 영향을 실증 분석하고자 한다.

이러한 선행연구를 바탕으로 본 연구에서는 서울시 구별 세분화된 고령인구 집단 비중이 서울 주택시장에 미치는 영향을 분석하고자 한다.

III. 분석모형과 자료

1. 분석모형

본 연구는 Takáts(2012)의 모형에 기반한다. 그는 다양한 변수와 추정 모형을 활용해 주택가격이 경제적 요인뿐만 아니라 인구 통계적 요인에 크게 영향을 받는다고 주장했다. 또한, 그는 국가마다 고령화가 주택가격에 미친 영향이 다르게 나타나며, 그가 활용한 기본 모형은 다음과 같다.

여기서 ΔlnPit는 실질 주택가격 변화율, α는 절편, ΔlnGDPPC_it는 1인당 실질 GDP 변화율, ΔlnOLDDEP_it는 노인 부양비 변화율, ΔlnTPOP_it는 총인구의 변화율, τ_t 는 시간 고정 효과, ϵ_it는 오차항이다. 전술한 바와 같이, 정세진 등(2019)는 Takáts(2012) 모델을 이용해 대구･경북 지역의 고령인구가 주택시장에 미친 영향을 분석하여 주택수요 감소와 주택가격 하락을 예측한 바가 있다.

본 연구에서 사용하는 회귀식은 Takáts(2012)에 기반하지만, 그의 모형과 달리 변화율이 아니라 수준 변수를 사용하며, 그 회귀식은 다음과 같다.¹⁾

여기서 ln(Housing Price)_it는 주택유형별 가격지수 로그 변환 값, α는 상수항, β1, β2, β3, β4, β5, β6, β7는 각 독립변수의 회귀 계수, Age group_it은 연령대별 고령인구 비율, Pop_it는 인구수, TAX_it는 개인소득세, Con_index_it는 건설지수, Social_budget_it는 사회복지의 예산 비중, Un_emp_it는 실업률, BOK_Rate_it는 기준금리²⁾이고, μ_i는 시간 효과를 나타내는 오차항이고, ϵ_it는 전체 오차항이다.

패널 회귀 분석은 크게 임의 효과와 고정 효과모형으로 대별될 수가 있다. 임의 효과 모형은 설명변수가 확률적이라고 가정한다. 임의 효과 모델은 고정 효과 모델과 달리, 개별 단위 간 차이를 시간에 따라 일정하지 않은 확률 효과로 처리한다. 반면에 고정 효과모형은 오차를 개별효과와 고유오차로 구분하고 μ_i는 개체 간과 개체 내 함수관계를 다르게 만들어 주는 역할을 한다. 이 모형은 설명변수와 μ_i간 상관관계에 대해 아무런 제약을 가하지 않는 것이 임의 효과모형과 다르다.

본 연구는 고정 효과와 임의 효과모형을 사용하여 세분화된 구별 고령 연구 비중이 주택가격에 미친 효과를 분석했지만, 고정 효과모형이 본 연구에 적합하다고 생각하여 고정 효과모형 분석 결과만을 제시한다. 고정 효과모형은 지역별 차이와 시간 변수를 통제할 수 있으므로 구별 세분화된 고령인구 비중이 서울시 주택시장에 미친 효과를 분석하는 데 적실성이 있을 것으로 생각된다.

2. 분석자료

본 연구의 분석 기간은 2013~2023년이고, 서울시의 구는 25개이다. 이 둘을 결합하여 패널 자료를 구축하였다. 본 연구는 기존 연구와 달리 고령인구를 세분화하여 주택시장에 미치는 영향을 다룬다. 초고령시대를 맞아 액티브 노인이 증가하고 있으므로, 이들 연령집단이 서울시 주택시장에 미치는 효과를 분석하기 위해 연령을 세분화할 필요가 있다. 65세 이전의 은퇴 준비 단계인 55세부터 10세별로 구분하여 서울시 25개 구별 세분화된 고령인구 비중이 주택가격에 미치는 영향을 분석할 것이다. 55~64세는 서울 인구의 14%이며, 65세 이상 인구가 약 20%를 차지하여 55세 이상 인구는 서울 인구의 34%에 달한다.

그림 1은 본 연구가 다루는 범위를 보여준다. 세분화된 고령 연령집단이 주택시장에 미치는 효과를 개괄적으로 보여준다. 하지만 본 연구가 그림 1에 나타난 모든 영역을 다루는 것은 아니다. 이는 본 연구의 한계이기도 하다.

변수의 이해를 돕기 위하여 표 1에 자료구축에 대한 설명이 담겨 있다. 종속변수인 주택유형별 주택 가격지수는 국민은행의 가격지수를 활용한다. 전체 주택 매매 지수, 아파트 매매 지수, 전세 종합지수, 아파트 전세 지수 등으로 나누어 분석한다(그림1 참조). 인구 요인 변수는 구별 인구 대비 연령별 인구 비중으로 정의되는 변수로 세분화된 고령 연령 비중이 본 분석에 활용된다. 또한, 구별 소득 수준의 대리 변수로 GRDP 대신 지방소득세 변수를 이용한다. 또한, 주택 구매력을 파악하기 위한 변수로 구별 실업률 변수를 채택하고, 주택공급 요인과 기타 요인을 통제하기 위하여 건설 지수 변수와 지역의 복지인프라 투자 변수를 이용하는데, 이는 선행연구와 다른 점이다. 그리고 기준금리와 건설 지수 변수는 구별 자료가 가용하지 않아 전국 단위의 동일한 자료를 사용한다.

그림 1.

고령인구와 주택시장 간 관계
(주: 본 연구에서는 하얀색으로 표시된 부분은 다루지 못하고 있으며, 이는 본 논문의 한계이기도 함. 출처: 저자 작성.)

전술한 바와 같이, 패널은 2013~2023년 기간에 25개 구를 대상으로 한 것이고, 이에 따라 주택유형별 전체 주택과 아파트에 대한 매매와 전세 모형 등 4개 모형이 구축되었다. 기초 통계량은 표 2에 보고되어 있다.

IV. 분석 결과

우선, 패널회귀 분석에서 집단 내 결정계수(Within R²)값은 같은 개체 내에서 시간에 따른 종속변수의 변동을 독립변수가 얼마나 설명하는지를 나타내는 것으로 결정계수가 높을수록 개체 내부의 변동을 잘 설명한다. 표 3의 패널 고정 효과모형 분석 결과에 따르면, 그 값은 0.95~0.98로 매우 높게 산출되었다. 다만 집단 간 결정계수(Between R²)는 0.13~0.40으로 낮게 나타나는데 이는 서울시 25개 구별 인구밀도 분포와 주택지수 및 기타 변수가 각 구의 고유 특성의 이질성으로 인하여 낮게 나타난 것으로 볼 수 있다. 그리고 전체 결정계수(Overall R²)는 종속변수의 전체 변동을 독립변수가 얼마나 설명하는지를 알 수 있는데, 그 값이 0.62~0.81로 설명력이 높다고 할 수 있다.

본 연구의 핵심적 관심사인 은퇴의 준비기, 전기, 중기 및 후기에 대한 분석 결과를 살펴보기로 한다. 은퇴의 준비 단계 연령층인 55~64세는 모델 1, 모델 3(매매 지수)에서 (-)음의 영향을, 모델 2, 모델 4(전세지수)에는 (+)양의 영향을 보인다. 즉, 55~64세 비중이 1% 증가시 주택 매매 지수는 1.49% 하락하고, 아파트 매매 지수는 1.82% 하락하였다. 이는 은퇴를 앞두고 자산 다운사이징과 동시에 전세 수요의 영향으로 볼 수 있다.

전기 단계인 65~74세는 55~64세와 달리 모델 1, 모델 3(매매지수)에서 (+)양의 영향을 보였고 모델 2, 모델 4(전세 지수)에서는 (-)음의 영향을 보였다. 65~74세 비중이 1% 증가시 주택 매매 지수는 1.32%포인트 상승하고, 아파트 매매 지수는 0.14%포인트 상승하였으나 모델 2(주택전세지수) 모델 4(아파트 전세 지수)에서는 각각 (-)음의 영향을 보였다.

중기 단계인 75~84세는 모델 1(주택 매매 지수) 모델 3(아파트 매매 지수)에서는 (+)양의 영향을, 모델 2(주택 전세 지수), 모델 4(아파트 전세 지수)에는 유의미하지 않다. 이는 75~84세 연령대에 노화 등으로 가족과 합가 혹은 요양원 입소 등으로 55~64세처럼 전세 가격지수에는 반응하지 않는 다른 패턴을 보여주는 것으로 생각된다.

후기 단계인 85세 이상은 매매 지수에는 (+)양의 영향을, 전세 지수에는 (-)음의 영향이 나타난다. 이는 후기 고령층의 경제적 여력 감소와 함께 전세를 벗어나 자녀와 동거하거나 요양시설로 이동하는 경향을 반영한 것으로 볼 수가 있다.

이와 같은 분석 결과에 대해 통계자료로 보완하여 살펴보고자 한다. 서울시 연령별 주택 및 아파트 매입 현황에서 알 수 있듯이 강남의 고령인구는 주택시장 호황기를 지나서도 계속 매입 활동을 하였다(그림 2와 3 참조). 그동안 생애 주기 가설에 따른 다운사이징 연령대는 안선영･조주현(2015)은 장년기부터 주택규모를 축소하는 소비조정이 이루어진다고 하였다. 그러나 김주영(2021)은 생애 주기 모형보다 ‘확장된 생애 주기 모형’이 퇴직 가구의 자산 소유 경향을 설명하는데 더 적합하며, 은퇴 후에도 자산을 급격히 줄이지 않고 오히려 유지하거나 증가시키는 경향이 있다고 하면서 기존 생애 주기의 자산감축 시기를 다르게 보고하고 있다. 채미옥･박진백(2018)은 고령인구의 자산 투자가 지속해서 발생하며 80대 이상에서도 그러하다고 보고한다. 또한, 정준호(2018)는 “65세 이상 고령층은 지역별 구분과 상관없이 저소득-고자산층이 존재하며, 65세 이상의 고령층의 순자산은 35~44세보다 더 높은 수준이지만 가처분소득은 그렇지 않다”라고 하였다.

이와 같이 서울 총인구와 65세 이상 고령인구 더미 변수는 4가지 모든 주택 유형에 음(-)의 영향을 미치지만, 65~74세, 85세 이상은 주택 매매가격 지수에 (+)양의 영향을 미치며, 연령대별 인구 비중이 주택시장에 미치는 영향이 서로 다르다. 이러한 분석 결과는 고령인구를 60세 전후로 단일하게 구분하여 전체적으로 이해할 것이 아니라 더 세분하여 분석하는 것이 적실성이 있다는 것을 의미한다. 즉, 본 연구의 결과로 추론하자면, 고령인구의 자산 다운사이징은 2차에 걸쳐 이루어지며 1차 다운사이징은 55~64세, 2차 다운사이징은 75~84세라고 할 수 있을 것이다. 이는 생애 주기 고령인구의 다운사이징 시기를 현실적으로 이해하고 초고령화 시대에 맞는 ‘확장 생애주기모형’을 감안하여 고령인구 자산 다운사이징 연령대에 대한 재논의가 필요하다는 것을 시사한다고 볼 수 있다.

다음으로는 통제 변수에 대한 분석 결과를 살펴보기로 한다. 첫째, 구별 사회복지 예산 비율 변수는 모델 2(주택 전세 지수), 모델 3(아파트 매매 지수)에서 양(+)의 영향이 나타났다. 이는 구별 사회복지 예산 비율이 높을수록 주택 및 아파트 전세 지수가 상승하는 것은 사회복지 인프라가 우수한 곳에 전세 수요자가 모이는 경향을 반영하는 것으로 볼 수 있다. 둘째, 지방소득세는 매매 지수에 양(+)의 계수를 보이며, 지방소득세와 주택 매매가격은 비례 관계로 나타난다. 셋째, 구별 실업률이 높을수록 주택지수는 모두 하락하는 경향을 보인다. 즉, 실업률이 1% 늘어날수록 아파트 매매 지수가 0.049%포인트로 가장 크게 하락하고 주택 매매 지수는 0.039%포인트 하락한다. 구별 실업률은 전세 지수에는 0.020%포인트 이하로 매매 지수보다 변동 폭이 작게 나타난다. 넷째, 건설 지수는 전국 단위 데이터로 건설 지수가 단위 수만큼 상승 시 모든 주택 모델에서 (+)양의 반응을 보였으며, 특히, 아파트 매매 지수가 2.04%포인트 크게 상승하는 것으로 나타났다. 다섯째, 기준금리가 상승할수록 주택과 아파트 매매가격 지수는 하락하지만, 전세가격 지수에는 반응하지 않는 것으로 나타난다.

그림 2.

고령인구 아파트 매입자 수 (주: 매입자 연령대별 아파트 매매 거래 현황 자료임(2019. 01-2024. 06). 출처: 통계청)

그림 3.

고령인구 연령대별 비중과 주택가격 지수 변동(출처: 저자 작성.)

V. 결론

본 연구는 서울시 25개 구를 대상으로 2013~2023년까지 세분화된 고령인구 비중이 서울시의 주택 및 아파트 매매 지수와 전세 지수에 미치는 효과를 패널 고정 효과모형을 이용하여 추정하였다. 분석 결과, 통상적인 생애 주기 이론에서 예상되는 고령인구의 다운사이징이 기존의 선행연구와 달리 2차에 걸쳐 일어났으며, 주택시장에 미치는 영향도 세분화된 고령인구 연령대별로 차별적으로 주택가격지수에 영향을 미치는 것으로 나타났으며, 지역별 효과는 이질적이거나 양극화되는 것으로 보인다.

분석 결과, 고령인구의 1차 다운사이징은 55-65세, 2차 다운사이징은 75~84세 연령대로 확인되었다. 55~64세는 다운사이징과 동시에 서울에서 인구 통계적으로 감소하는 추세이지만, 75~84세는 은퇴 준비 단계 연령(55~65세)과 같이 자산 다운사이징을 하면서도 해당 인구가 늘어나는 추세이다. 이 연령대는 가족과의 합가 또는 요양원 입소 등으로 주택 매매 지수에 음의 영향을 미쳐 주택가격 하락과 관련된 연령대이기도 하다. 즉 이 연령대는 ‘재택 노후(Aging in Place)’ 하면서 자산 규모는 축소되므로 55~64세의 다운사이징 패턴과는 다르다. 은퇴 준비 연령대(55~65세)는 서울 인구의 14% 비중을 차지하면서도 주택 매매 지수에 모두 음의 영향을 미치지만, 전세 지수는 양의 영향을 보여주고, 서울에서 인구 비중이 감소하고 있다.

결론적으로 서울시 구별로 고령인구의 주택 유형과 투자 선호는 다르며, 65세 이상 인구를 하나의 더미변수로 주택시장과의 상관관계를 연구하는 기존 방식은 서울의 고령인구와 주택 가격지수 간 상관관계를 충분하게 설명하지 못하며, 특히 초고령 사회에서는 이러한 접근이 적실성이 없는 것으로 보인다.

또한, 55~64세의 은퇴 준비 단계의 연령대가 서울에서 적절한 주거 옵션이 있다면 나이가 더 들면서도 ‘재택 노후(Aging in Place)’로 계속 거주하게 되므로 이들을 위한 주택정책이 필요하다. 즉 세분화된 고령인구 비중이 주택시장에 미치는 영향력이 지역별로 이질적이거나 양극화되고 있으므로, 은퇴층과 고령층 모두를 감안한 맞춤형 주택정책이 필요하다.