생활인구의 공간적 분포가 서울시 상권 매출에 미치는 영향 : 빅데이터와 패널모형을 활용하여 :(The) effect of spatial distribution of de facto population on commercial sales volume in Seoul : using big data and panel model

손경민

자료유형: 학위논문

저자정보: 손경민 (중앙대학교, 중앙대학교 대학원)

지도교수: 진장익

발행연도: 2021

저작권: 중앙대학교 논문은 저작권에 의해 보호받습니다.

이용수105

초록· 키워드

상권매출은 소상공인과 사업체의 유효수요를 결정하기 때문에 폐업률과 생존율에 직접적인 영향을 미친다. 안정된 상권매출은 창업과 고용 그리고 일자리 창출 등과 같은 노동시장에 직·간접적인 영향을 주기 때문에 지역경제 성장에 중요한 요인 중 하나이다. 따라서 정부는 불안정한 상권매출 현상을 개선하고자 소상공인들을 위한 경제적 지원 정책을 다양하게 제공하고 있지만, 곳곳의 분포해 있는 쇠퇴하고 있는 상권들의 활성화 여부는 여전히 불투명하다. 상권의 활성화를 위해서는 상권매출에 영향을 미치는 요인이 무엇인지를 객관적인 자료를 토대로 면밀히 검증할 필요가 있으며, 이를 기반으로 다양한 시사점을 도출할 필요가 있다.
이에 본 연구는 최근 개방된 도시빅데이터의 하나인 생활인구 데이터를 시간과 연령으로 세분화하여 서울시 생활인구의 공간적 분포가 서울시 상권 매출에 미치는 영향력을 실증적으로 분석하였다. 특히, 서울시 상권중에서도 공간적으로 가장 많이 분포하고 있는 발달상권과 골목상권을 대상으로 연구를 진행하였다. 또한, 상권매출은 상권이 입지하고 있는 지역적 특성에 의해 다를 수 있으며, 시간에 따라서도 상권의 매출은 변동될 수 있다. 이를 고려하기 위해, 본 연구는 시·공간적 요인을 통제할 수 있는 패널모형을 활용하여 생활인구와 상권 매출 간의 관계를 규명하고자 하였다.
생활인구가 각 상권에 미치는 결과는 다음과 같다. 첫째, 야간 생활인구가 증가할수록 서울시 골목상권과 발달상권 매출에 더 긍정적인 영향력을 미치는 것으로 나타났다. 구체적으로는, 서울시 상권 내 야간(18시~21시) 생활인구가 1% 증가한다면 골목상권과 발달상권의 분기별 매출은 약 0.04% 증가할 가능성이 있는 것으로 나타났다. 둘째, 연령에 따라 생활인구가 각 상권유형에 미치는 영향력은 다르게 나타났다. 예를 들어, 골목상권 내 야간 청년층이 증가할수록 골목상권 매출이 더 증가할 가능성이 있는 것으로 나타났으며, 발달상권은 주간 장년층이 증가할수록 발달상권 매출이 더 증가하는 것으로 나타났다. 골목상권의 경우, 일반적인 상식과 같이 야간 청년층이 증가가 분기별 상권 매출에 가장 큰 영향을 미치기 때문이라고 할 수 있다 반면, 발달상권의 경우에는 도심이나 강남과 같이 업무지구가 밀집해 있는 지역인 경우가 많기 때문에, 오피스종사자나 업무 관련 중장년층의 인구들이 많이 분포하기 때문으로 판단된다.
본 연구의 결과는 다음과 같은 시사점을 제시한다. 첫째, 상권매출 활성화 전략은 지역별로 차별화되어야 한다. 둘째, 첫째, 추후 상권 활성화 를 위해서는 실제 상권을 이용하는 생활인구에 관한 수요패턴을 면밀히 분석하여 정책을 수립해야 한다. 셋째, 발달상권과 골목상권의 활성화 전략은 차별화될 필요가 있다. 즉, 발달상권과 골목상권의 핵심 이용계층의 시간대별 분포패턴을 고려하여 상권 활성화 전략이 수립될 필요가 있다. 마지막으로, 향후에는 상권분석을 위해 생활인구 빅데이터를 보다 적극적으로 활용할 필요가 있으며, 다양한 도시 빅데이터를 접목해 보다 미시적인 분석을 진행할 필요가 있다.

Commercial sales volume directly affect the closing rate and survival rate because they determine the effective demand of small business owners and businesses. Stable commercial sales volume are one of the key factors in the growth of the local economy as they directly or indirectly affect the labor market, such as start-ups, employment and job creation. Therefore, the government has provided various economic support policies for small business owners to improve the unstable business sales phenomenon, but it remains unclear whether the declining commercial districts distributed here and there will be revitalization. In order to revitalize the commercial district, it is necessary to closely verify what factors affect commercial sales volume based on objective data, and based on this, various implications need to be derived.
In response, this study positively analyzed the impact of the spatial distribution of the de facto population in Seoul on the sales of commercial districts by segmenting the de facto population data, one of the recently opened urban big data, into time and age. In particular, the research was conducted on developing and alley commercial districts, which are the most distributed in space among commercial districts in Seoul. In addition, commercial sales may vary depending on the local characteristics of the commercial district, and sales of the commercial district may vary over time. To take this into account, this study sought to establish the relationship between the de facto population and commercial sales volume by utilizing a panel model that can control the time and space factors.
The results of the de facto population on each commercial district are as follows. First, as the number of people de facto at night increases, it is shown that it has a more positive influence on sales in Seoul''s alley and development businesses. Specifically, if the number of people de facto at night (18 p.m. to 21 p.m.) in the Seoul metropolitan area increases by 1 percent, quarterly sales of alley and development businesses are likely to increase by about 0.04 percent. Second, the influence of the de facto population on each type of commercial district was different depending on age. For example, it was found that sales volume of alley commercial districts are likely to increase as the number of young people in the alley increases, while development commercial districts are more likely to increase as the number of senior citizens increases. In the case of alley commercial districts, the increase in the number of young people at night, such as general common sense, has the biggest impact on quarterly commercial sales volume. On the other hand, in the case of developing commercial districts, there are many areas where business districts are concentrated, such as cities and Gangnam, so it is believed that the population of office workers and middle-aged people related to work is large.
The results of this study suggest the following implications. First, strategies for promoting commercial sales should be differentiated by region. Second, in order to revitalize commercial districts in the future, policies should be established by closely analyzing the demand patterns for the de facto population using the actual commercial districts. Third, strategies for revitalizing developmental and alley commercial districts need to be differentiated. In other words, strategies for revitalizing commercial districts need to be established in consideration of the distribution patterns of the core user groups of developing and alley commercial districts. Finally, in the future, it is necessary to use big data of the de facto population more actively for commercial analysis, and to carry out more microscopic analysis by combining various urban big data.

제1장 서론 1
제1절 연구배경 및 목적 1
제2절 연구의 범위 및 방법 3
1. 연구의 범위 3
2. 연구의 방법 4
제2장 이론적 논의 및 선행연구 검토 6
제1절 이론적 논의 6
1. 생활인구 개념 및 특성 6
2. 골목상권과 발달상권 8
제2절 선행연구 고찰 9
1. 상권매출 상권입지 선행연구 9
2. 특정 업종 및 특정 상권의 영향요인을 규명한 선행연구 11
3. 인구요인과 상권과의 관계를 규명한 선행연구 12
4. 생활인구 관련연구 14
제3절 연구의 차별성 16
제3장 연구자료 및 연구방법 18
제1절 연구자료 18
제2절 연구방법 20
1. 연구모형 20
2. 패널 데이터개념 및 패널 분석의 특성 20
3. 패널모델의 유형과 특성 22
3-1. 고정효과 23
3-2. 확률효과 24
3-3. Hausman Test 24
제4장 빅데이터 구축과정 26
1. 생활인구 데이터 전처리 26
2. 생활인구 데이터와 상권 데이터 병합 28
제5장 연구결과 31
제1절 기술통계 31
제2절 시간별, 연령별 생활인구 밀집지역 비교 33
1. 시간별 생활인구 밀집지역 34
2. 시간에 따른 연령별 생활인구 밀집지역 34
제3절 실증분석 결과 37
1. 시간별 생활인구가 서울시 골목상권 매출에 미치는 영향 37
2. 시간별 생활인구가 서울시 발달상권 매출에 미치는 영향 40
3. 시간별 연령별 생활인구가 골목상권 매출에 미치는 영향 42
4. 시간별 연령별 생활인구가 발달상권 매출에 미치는 영향 48
제6장 결론 및 시사점 54
제1절 요약 54
제2절 본 연구의 정책적 시사점 55
제3절 본 연구의 한계점 56
참고문헌 58
국문초록 61
ABSTRACT 63

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

목차

최근 본 자료

댓글(0)