Title Page 1

Contents 4

ABSTRACT 11

Chapter 1. Introduction 14

1.1. Research Background 14

1.2. Research Purpose 16

1.3. Research Contents and Scope 18

Chapter 2. Literature review 21

2.1. Dynamic Change of Trade Area 21

2.2. Classification of Trade Area 24

2.3. Influencing Factors of Trade Area 29

2.4. Summary 34

Chapter 3. Research Method 37

3.1. Research Hypothesis 37

3.2. Data and Material 39

3.2.1. Basic statistics of side-street trade area and life-friendly business in Seoul 39

3.2.2. Setting of variables 43

3.3. Method of the Analysis 52

3.3.1. Growth Mixture Modeling 52

3.3.2. Multinomial logistic regression analysis 58

3.3.3. Analysis procedure 60

Chapter 4. Result from Analysis of Dynamic Changes in Seoul's Side-Street Trade Areas 62

4.1. Analysis of Life-Friendly Business Store Density Changes 62

4.1.1. Classification of store density growth patterns 62

4.1.2. Analysis of the probability of class membership 68

4.1.3. Analyzing factors influencing the 4-class model 79

4.1.4. Summary 95

4.2. Analysis of Store Density Change by Business 99

4.2.1. Classification of growth pattern by business 99

4.2.2. Comparison of class distribution by business according to the class of life-friendly business 111

4.2.3. Summary 114

Chapter 5. Conclusion 117

5.1. Summary of Study 117

5.2. Example of an Application of the Analysis Results 122

5.3. Significance and Limitations 129

Reference 133

Appendix 10

〈Appendix 1〉 Identified Growth patterns of the 4-class model by life-friendly business, restaurant, service, retail 140

국문요약 156

〈Table 2.1〉 Previous studies on classification of trade area 29

〈Table 2.2〉 Previous studies on influencing factors of trade area 33

〈Table 3.1〉 Excluded side-street trade areas and reason for exclusion 40

〈Table 3.2〉 Statistics of side-street trade area in boroughs 40

〈Table 3.3〉 Area of side-street trade areas in Seoul 41

〈Table 3.4〉 Types of life-friendly businesses 42

〈Table 3.5〉 Descriptive statistics of life-friendly business store in SSTA 42

〈Table 3.6〉 Independent variables used in previous studies 48

〈Table 3.7〉 Independent variables 51

〈Table 3.8〉 Types and characteristics of Latent Variable Analysis 53

〈Table 3.9〉 Analysis result of high-tech firm's density 58

〈Table 3.10〉 Procedure of analysis 61

〈Table 4.1〉 Descriptive statistics of life-friendly store density in SSTA 62

〈Table 4.2〉 Fit statistics of GMM for store density patterns in SSTA 64

〈Table 4.3〉 Fit statistics of LPA for store density group in SSTA 69

〈Table 4.4〉 Descriptive statistics of 3-class model in 2015 & 2019 70

〈Table 4.5〉 Classification probability of class membership and class count 72

〈Table 4.6〉 Excluded side-street trade areas and reason for exclusion 80

〈Table 4.7〉 The correlation of independent variables(1) 81

〈Table 4.8〉 The correlation of independent variables(2) 82

〈Table 4.9〉 Descriptive statistics of independent variables 84

〈Table 4.10〉 Summary of case processing 85

〈Table 4.11〉 Result of logistic regression(1) 89

〈Table 4.12〉 Result of logistic regression(2) 90

〈Table 4.13〉 Result of logistic regression(3) 91

〈Table 4.14〉 Result of logistic regression(4) 92

〈Table 4.15〉 Result of logistic regression(5) 93

〈Table 4.16〉 Result of logistic regression(6) 94

〈Table 4.17〉 Descriptive statistics of store density data by type in SSTA 100

〈Table 4.18〉 Fit statistics of GMM for restaurant density patterns in SSTA 101

〈Table 4.19〉 Fit statistics of GMM for service density patterns in SSTA 102

〈Table 4.20〉 Fit statistics of GMM for retail density patterns in SSTA 105

〈Table 4.21〉 Basic statics of classes by business 111

〈Table 4.22〉 The distribution status of classes by business in the class A of all life-friendly business 112

〈Table 4.23〉 The distribution status of classes by business in the class B of all life-friendly business 113

〈Table 4.24〉 The distribution status of classes by business in the class C of all life-friendly business 113

〈Table 4.25〉 The distribution status of classes by business in the class D of all life-friendly business 114

〈Table 5.1〉 Case 1. Sungkyunkwan-ro 5-gil 123

〈Table 5.2〉 Case 2. Susaek-ro 8-gil, Seodaemun-gu 125

〈Table 5.3〉 Case 3. Noksapyeong-daero 32-gil, Yongsan-gu 126

〈Table 5.4〉 Case 4. Dapsimri-ro 69-gil, Dongdaemun-gu 128

 우리나라의 자영업자 비율은 다른 OECD 국가 평균보다 높은 수준이다. 장기적인 경기침체와 높은 실업률 등의 불안정한 경제환경 속에서 특별한 기술없이 쉽게 진입할 수 있는 외식업, 서비스업 등으로의 창업이 늘어나고 있다. 자영업은 국가와 지역경제의 하부구조를 담당하고 있으며, 경제규모가 작고 국내외 경제 및 정책환경의 영향에 취약하다. 특히 서울시 골목상권은 지역생활권의 중심지이며, 소규모의 창업이 쉬운 생활밀접업종이 밀집되어 있는 상권이다. 자영업자들의 삶의 터전이 되는 골목상권의 불안정성은 지역경제 기반에까지 영향을 미칠 수 있다. 또한 상권은 시간의 흐름에 따라 생성, 확장, 축소, 소멸하는 유기체이며, 골목상권 마다 각각의 다른 성장 속도와 방향성을 갖고 역동적으로 변화한다. 따라서 골목상권의 다이내믹한 변화에 대한 진단이 먼저 필요하며 그에 적절한 대응방안을 마련해야 한다.

본 연구의 목적은 서울시 골목상권의 동태적 변화를 분석하고 그 특성을 파악하여 미래 상권의 변화를 추정하는 것이다. 이를 위해 서울시 골목상권을 대상으로 점포밀도 변화를 진단하여 그 변화패턴을 유형화한다. 그리고 초기점포밀도와 상권유형화 집단의 관계성을 파악하여 초기점포밀도에 따라 어떤 상권유형의 집단에 속할 확률이 높아질지 분석하고자 한다. 또한 상권유형화 집단간 특징을 비교분석하여 성장 또는 쇠퇴하는 상권의 특징을 찾고자 한다.

이 연구를 통해 서울시 골목상권의 양적인 성장궤적을 파악할 수 있으며, 초기점포 밀도에 따라 향후 어떤 상권유형화 집단에 속할 것인지 골목상권의 양적 성장과 쇠퇴의 방향성을 추정할 수 있다. 골목상권내에서 경쟁은 더 치열해지고 성장과 쇠퇴의 속도는 빠르게 나타나고 있다. 이러한 골목상권에 진입하려는 창업자에게 골목상권의 변화에 대한 진단과 이에 근거한 변화예측에 대한 정보를 제공함으로써 위험부담을 낮출 수 있을 것이다. 또한 상권유형화 집단에 영향을 주는 요인에 대한 분석결과는 도시계획적 측면에서 골목상권에 적합한 성장관리정책 마련에 기여할 수 있으며, 창업자의 입지선정에도 활용될 수 있을 것이다.

본 연구는 서울시 골목상권을 대상으로, 생활밀접업종 점포수를 이용해 골목상권별 점포밀도 변화를 진단하였다. 연구기간은 2015년부터 2019년까지 5년간이다. 5년간 골목상권별 점포밀도의 변화를 성장혼합모형(Growth Mixture Modeling) 분석방법을 이용해 몇 개의 하위 잠재집단으로 유형화하고 2015년 초기점포밀도에 따른 유형화 집단 소속확률을 분석하였다. 이 과정은 생활밀접업종의 외식업, 서비스업, 소매업 등 업종별로도 분석하여 골목상권 전체 점포밀도 변화와 업종별 밀도변화를 함께 진단하였다. 유형화한 집단에 영향을 미치는 요인을 확인하기 위해 다항로지스틱회귀분석을 실시하여 집단별 상권에 미치는 영향요인을 분석하였다.

분석결과, 첫째 서울시 골목상권의 생활밀접업종 밀도변화는 4개의 집단으로 유형화하였다. 4개의 집단은 지속감소집단(class A), 지속증가집단(class B), 증가후감소집단(class C), 감소후증가집단(class D)으로 구분된다. class A는 전체 상권중 47.3%로 가장 많은 비율을 차지하며, class B는 25.6%를 차지한다. class C는 17.2%이며, 2017년을 기점으로 증가후감소로 바뀌었다. class D에는 9.9%가 포함되며, 꾸준히 감소하다 2018년에 증가세로 바뀌었다.

둘째, 2015년 초기점포밀도에 따라 4개 유형화 집단 소속확률을 분석하였다. 2015년도 초기점포밀도에 따라 각 집단에 속할 확률을 검토한 결과, 초기점포밀도에 상관없이 class A에 속할 확률은 36% 이상인 것으로 나타났다. 전 구간에서 다른 집단에 비해 class A에 속할 확률이 가장 높으며, 밀도가 증가함에 따라 class A에 속할 확률은 가파르게 증가한다. class C와 class D에 속할 확률은 점포밀도가 증가하면서 완만하게 감소하는데, 점포밀도가 50/ha에 이르면 class C에 속할 확률이 class B에 속할 확률보다 높아지며, 점포밀도 90/ha에서는 class B와 class D가 교차해 밀도가 높아지면 class D에 속할 확률이 조금 더 높아진다.

셋째, 유형화 집단에 영향을 미치는 요인을 분석한 결과, 지속증가집단(class B)은 2015-2019년 프랜차이즈증감률, 2015-2019년 배후지점포수증감률, 2019년 배후지 프랜차이즈점유율, 영화관수, 2015년 여성매출비율 및 20-30대 매출비율, 2015-2019년 여성매출증감률, 용적률 등의 변수가 정(+)의 영향을 미치는 것으로 나타났다. 반면 2019년 프랜차이즈점유율, 2015-2019년 60대이상 매출증감률은 부(-)의 영향을 주는 것으로 나타났다. 지하철역접근성은 class C, class D보다 class B에 속할 확률에 정(+)의 영향을 주는 것으로 나타났다.

넷째, 생활밀접업종의 대분류인 외식업, 서비스업, 소매업 등 업종에 따른 점포밀도 변화 패턴을 분석하였다. 분석결과 외식업, 서비스업, 소매업 모두 4개 집단으로 분류되었으며, 외식업과 서비스업은 지속증가하는 집단이 가장 많았으며, 소매업은 지속감소하는 집단이 가장 많은 비율을 차지했다. 또한 2015년 업종별 초기점포밀도에 따른 업종별 유형화집단 소속확률을 분석하였다. 외식업과 소매업은 초기점포밀도가 증가할수록 class A에 속할 확률이 증가했다. 반면 서비스업은 class A와 class B에 속할 확률이 밀도에 따라 변화하지 않고 일정한 비율을 유지했으며, class B에 속할 확률이 조금 더 높게 나타났다. 업종별 점포밀도변화 패턴과 생활밀접업종 전체밀도변화 패턴을 비교분석한 결과, 골목상권의 전체점포밀도 변화패턴에 따른 유형화집단 안에서도 업종별로는 다른 성장패턴을 보이는 상권이 공존하고 있음을 볼 수 있다.

이상의 결과를 종합하면, 골목상권의 점포밀도는 시간의 흐름에 따라 변화하며, 그 변화궤적은 상권마다 방향과 속도가 다르고, 같은 골목상권 안에서도 업종에 따라 밀도변화패턴이 다름을 확인하였다. 또한 초기점포밀도에 따라 유형화집단 소속확률 분석결과를 통해 점포밀도에 따라 지속감소, 지속증가 등 유형화 집단에 속할 확률이 변화하며, 특정 지점에서는 확률 패턴이 교차하기도 하였다. 이처럼 골목상권의 밀도 관리를 통해 위험성을 낮출 필요가 있음을 확인할 수 있었다. 성장하는 상권에 영향을 주는 요인으로는 특히 여성과 20-30대 청년의 유입이 중요했다. 이들을 유입할 수 있는 콘텐츠 등 세부적인 요인을 발굴해야할 필요가 있으며, 이 외에도 문화시설 입지, 고밀개발, 대중교통접근성 향상 등 도시계획적 차원에서의 정책지원도 필요하다.