전체호

Journal of Families and Better Life - Vol. 40 , No. 1

[ Article ]
Journal of Families and Better Life - Vol. 40, No. 1, pp. 99-111
Abbreviation: JKHMAJFBL
ISSN: 2765-1932 (Print) 2765-2432 (Online)
Print publication date 31 Mar 2022
Received 31 Dec 2021 Revised 14 Feb 2022 Accepted 11 Mar 2022
DOI: https://doi.org/10.7466/JFBL.2022.40.1.99

가계의 금융권 선택과 채무위험: 비은행권 대출을 중심으로
이종희*

Assessing Household’s Decision on Financial Institutions and Credit Risk
Jonghee Lee*
Department of Consumer Science, Inha University, Associate Professor
Correspondence to : *Jonghee Lee, Department of Consumer Science, Inha University, 100 Inha-ro, Michuhol-gu, Incheon 22212, Republic of Korea. Tel: 032-860-8110, E-mail: jay.jongheelee@gmail.com

Funding Information ▼

Abstract

There are voices worrying about the balloon effect caused by the tightening of banking regulations by the financial authorities. There are a number of studies showing that households with limited access to bank credit loans have shifted their demand for loans to non-bank loans, which have to bear high interest rates. Given that the total amount of non-bank financial loans is not large, it may not immediately lead to insolvency of financial institutions. However, if repayment of principal and interest is no longer possible due to various factors affecting the household economy, it may cause economic repercussions such as the collapse of the household economy. The purpose of this study is to analyze major variables related to the borrower’s borrowing from non-bank financial institution and their payment delinquency. This study found that non-regular workers, respondents with low level of income or wealth, and respondents living in non-metropolitan areas were more likely to borrow money from non-bank financial institutions. In addition, respondents living in the metropolitan areas, those who borrowed money due to debt repayment, and those with an excessive debt-to-asset ratio were more likely to default.


Keywords: household debt, financial institution, insolvency risk, non-bank financial institution
키워드: 가계대출, 금융권 선택, 채무위험, 비은행권 대출

Ⅰ. 서론

한국은 경제성장과 함께 가계부채가 양적 규모 면에서 빠른 속도로 증가하는 추세이다. 특히 2008년 글로벌 금융위기 이후 세계적인 저금리 기조 및 부동산 가격의 상승 지속 등으로 가계부채가 급속하게 증가하였다. 한국의 가계부채의 총규모는 2009년 776조원에서 2020년 현재 1,545조원으로 뚜렷하게 증가하였다(나라지표, 2020). 가계부채 규모의 지속적인 증가에 따라 가계의 소득흐름을 통한 부채 상환여력도 크게 감소한 것으로 나타났다. 가계부채의 위험성을 보여주는 지표 중 하나인 가계소득 대비 가계부채 비율은 2008년 138.5%에서 2020년 200.7%로 지속적으로 증가하였다. 이는 한국 가계가 처분가능소득에서 부채원리금 상환을 하기 위해 평균적으로 많은 지출을 하고 있음을 의미한다(국가지표체계, 2020).

가계부채 규모의 급격한 증가와 함께 한국의 가계부채의 몇 가지 특징이 발견되었다. 첫째, 취약차입자의 수가 지속적으로 증가하고 있다. 취약차입자는 다중채무자이면서, 소득이 하위 30%인 저소득층 및 신용등급이 7∼10등급인 저신용자인 차입자를 의미한다. 2018년 취약차입자의 부채는 2017년보다 4조 1,000억원 증가한 86조 8,000억원으로 집계되었다(한국은행, 2019). 또한 생계 마련을 위한 신용대출이나 보증대출이 증가하고 있다. 가계부채의 내용을 살펴보면 2015년 하반기부터 부동산 구입과 관련된 주택담보대출의 증가율에 비하여 기타대출 증가율이 높았다. 이러한 경향은 소득이 낮은 가계에서 현저하게 나타났다. 저소득층 가계의 경우 주택 구입 등을 목적으로 대출을 받기 보다는 부족한 생계비를 충당하기 위하여 대출을 받을 가능성이 높았다(LG경제연구원, 2015).

둘째, 은행권 가계대출의 여신심사가 강화되면서 정부대책 및 자체적인 리스크관리 강화로 은행권은 선제적으로 대응해가고 있으나(손정락, 2016) 여신심사 선진화 가이드라인의 적용 대상에서 제외된 여타 대출들이 늘어나는 풍선효과가 발생할 가능성이 높아졌다. 최근 강화된 가계대출 규제책인 여신심사 선진화 가이드라인이 적용된 후 한계 차입자들이 은행권 대출에 비해 상대적으로 대출조건이 좋지 못하고 변동금리부 대출의 비중이 높은 은행 예금취급기관 및 제2금융권으로 이용하는 비율이 급속하게 증가하였다. 이러한 금융기관을 통한 부채의 급격한 증가가 가계부채 증가세를 주도하고 있는 것으로 나타났다(조영무, 2017). 2017년 한국은행(한국은행, 2017)이 국회 민생경제특별위원회에 보고한 ‘가계부채 상황 점검’ 자료에 따르면 비은행 가계대출은 전년대비 5.5%p 급등하였으나, 은행권 가계대출 증가율은 동기간 1%p로 소폭 상승하였다. 이 보고서는 비은행의 대출 급증의 한 원인을 은행권의 여신심사 강화에 따른 차입수요 이동으로 설명하기도 하였다.

비은행 대출에 대한 건전성 규제는 은행에 비해 상대적으로 약하다. 게다가 비은행 대출을 이용하는 차입자의 상당수가 담보자산이 없거나 그 가치가 낮을 가능성이 커서 소득흐름으로 원리금상환이 불가능해지면 금융기관 부실로 연결될 확률이 높다(김재칠, 강현주, 백인석, 2017). 정부와 금융당국은 가계부채 관리 차원에서 2016년부터 은행의 대출 심사를 강화하는 조치를 시행한 이후 풍선효과가 수도권을 중심으로 빚어지고 있다는 분석이 나온다(한경, 2018). 비은행 금융권 대출의 총량이 크지는 않으나 생계형 차입자들의 경우 가계경제에 영향을 주는 다양한 요인들로 인하여 채무를 불이행을 하게 된다면 개인파산과 같은 가정경제의 붕괴 뿐 아니라 소비 위축과 같은 경제적 파장을 초래할 수도 있다(김재칠 등, 2017).

한국의 가계대출은 학계에서 꾸준하게 관심을 기울여준 주제이다. 특히 2010년 이후부터 사회경제적으로도 관심이 증대하였다. 이는 서브프라임 모기지론 사태로 촉발된 미국의 신용 경색 및 금융 위기와 그로 인한 전 세계 금융시장 위기 이후 한국의 금융시장이 침체기로 접어들면서 가계부채 채무불이행 문제가 심각하게 불거졌기 때문으로 보인다. 일반적으로 가계의 부채 보유 및 부채 규모에 영향을 미치는 요인들을 분석한 선행 연구들은 연령, 성별, 가구원수, 결혼상태, 자산 등 미시적 요인들이 가계의 부채보유를 설명하는 주요 변수라고 설명하기도 하였으며(김주영, 장희순, 2016; 전승훈, 임병인, 2008), 주택가격상승률, 대출심사기준과 같은 시장요인이 가계의 부채 보유를 설명한다고 결론내리기도 하였다(박대근, 최우주, 2015). 금융기관 중 비은행권 금융기관을 통한 가계대출을 분석한 연구들도 존재한다. 일부의 연구는 가계부채 증가 억제를 위한 강도 높은 대출 심사를 시행한 후 풍선효과가 발생하여 비은행권 대출이 증가하였다고 풀이하였고(김용선, 전봉걸, 2020), 취업률 및 전세가격지수(이창훈, 강규호, 목정환, 2018), 가계의 순자산 및 소득수준(김용선, 전봉걸, 2020)이 비은행권 금융기관을 통한 대출에 영향을 미치는 변수라고 결론을 내리기도 하였다. 본 연구는 미시자료를 활용하여 차입자별 특성 변수들을 연구모형에 포함시켜 이들 변수들이 채무 불이행에 미치는 영향을 추정하고자 한다.

본 연구의 목적은 한국 가계의 비은행권 금융기관의 대출과 관련된 주요 변수 및 비은행 대출기관을 이용한 차입가계의 채무불이행에 영향을 주는 변수들을 분석하는 것이다. 연구의 결과를 바탕으로 한국 가계의 차입자들이 실제로 어떠한 상황에서 비은행권 금융기관에서 대출을 하는지 판단해 볼 수 있을 것이다. 또한 부실위험이 높은 차입 가계를 분류하고 보다 면밀한 모니터링이 필요한 대상을 구체적으로 식별할 수 있을 것이다. 비은행권 대출을 이용한 차입자의 비율이 급속하게 증가하고, 이러한 현상이 한국 가계부채의 증가세를 주도하고 있다는 점에서 비은행권 대출을 이용한 차입자들의 객관적인 진단과 평가가 필요하다. 이러한 분석을 통하여 금융기관, 정책당국, 후속 연구자 및 가계를 위한 시사점을 제공하고자 한다.


Ⅱ. 이론적 배경
1. 가계부채

가계는 대출을 통하여 일시적으로 유동성 제약에 놓여 있는 경우 가계에 자금을 공급하고, 소비를 가능하게 하여 가계의 경제적 후생을 증가시키는 기능을 한다(김정욱, 원승연, 2019). 가계가 부채를 활용하여 부동산을 구입할 경우 가계의 자산가치가 상승할 수 있으며, 가계의 소비를 증가시켜 경기의 활기를 불러일으킬 수 있다(김재칠 등, 2017). 가계부채의 기능에도 불구하고, 가계부채의 규모가 일정 수준을 넘어가면 다양한 문제들이 발생할 수 있다. 가령 가계부채가 증가하게 되면 가계가 소득을 활용하여 상환해야 할 상환부담도 커져 그 만큼 소비에 가용한 부분이 감소하게 된다. 금리상승 등 부정적인 충격이 가계에 발생할 경우 차입자들이 부채 원리금상환에 어려움을 겪을 수 있고, 그에 따라 금융회사의 자산매각 등으로 자산시장의 거품이 붕괴되는 상황이 올 수 있다.

가계부채 문제는 이미 오래 전부터 한국경제의 가장 큰 위협요인으로 평가받아 온 바 현 정부는 가계부채 문제의 해소를 가장 시급한 정책과제로 인식하고 가계부채 문제 해결을 위한 대책들을 마련하고 있다(김재칠 등, 2017). 한국의 가계부채 문제가 단기간에 시스템 리스크로 촉발될 가능성은 크지 않다고 보나 가계대출의 급격한 증가는 금융시스템을 외부충격에 취약하게 만들고 금융위기로 이어질 수 있다. 이러한 점에서 가계부채의 급속한 증가는 한국 경제에 잠재적 금융 불안 요인으로 지적되어왔다(윤영의, 2018). 따라서 과도한 가계부채 누적이 우리 경제의 잠재적 리스크 요인으로 작용하지 않도록 선제적인 관리가 필요하다(금융위원회, 2021).

2. 가계대출

일반적으로 가계의 부채 보유 및 부채 규모에 영향을 미치는 요인들을 분석한 연구들은 다음과 같다. 김주영과 장희순(2016)은 2014년 한국복지패널자료를 활용하여 가계의 부채보유를 분석한 결과 가계소득, 연령, 성별, 가구원수, 교육, 결혼상태, 주택유형, 거주지역, 자산, 주택보유가 가계의 부채보유에 영향을 미친다는 점을 밝혔다. 박대근과 최우주(2015)는 가계부채비율을 분석하기 위하여 2003-2012년 12개 국가의 패널자료를 활용하여, 다중 회귀분석을 실시하였다. 연구결과 주택가격상승률, 대출심사기준과 같은 시장요인이 가계부채 비율에 영향을 미치는 것으로 나타났다. 전승훈과 임병인(2008)은 부채규모를 분석하기 위하여 2006년 가계자산조사 및 2000년 가구소비실태조사에 이항 로지스틱회귀분석을 실시하였다. 연구결과 연령, 성별, 교육, 가구원수, 결혼상태, 직업, 소득, 자산, 부동산, 월세 등이 유의한 변수인 것으로 나타났다.

3. 비은행권 금융기관을 통한 가계 대출

비은행권 금융기관에서 대출을 받는 것과 관련한 선행연구 증에서 김용선과 전봉걸(2020)은 최근 시행되고 있는 가계부채 증가 억제를 위한 강도 높은 주택담보대출 규제는 담보대출 관행이 정착된 우리나라의 현실을 고려해 볼 때 가계의 정상적인 신용이용을 제약하는 요인으로 작용할 수 있다고 주장하였다. 그 근거로 주택담보대출 취급을 크게 제한한 2018년 9월 대책 이후 가계신용은 주택담보대출을 중심으로 증가세가 둔화된 가운데서도 고금리를 부담해야 하는 일부 비은행권 신용대출은 큰 폭으로 증가하는 현상이 발생하였다는 점을 지적하였다. 김용선과 전봉걸(2020)은 고금리의 비은행권 신용대출을 이용한 가구를 신용제약가구로 판단하였고, 이것은 금융소외의 한 형태라고 판단하였다. 비은행권 신용대출에 가장 큰 영향을 미치는 요인은 가계의 순자산 및 소득수준으로 나타났는데, 고액 자산 그룹에서는 소득의 영향이 유의미하지 않았다. 이러한 결과는 고액 자산가의 경우 소득과 상관없이 담보대출을 받을 가능성이 높아 비은행권 신용대출을 이용하지 않기 때문이라고 설명하였다. 연령대별로는 소득수준이 낮은 30대의 비은행권 신용대출 비율이 높았고, 60대 이상 고령층은 가장 낮은 것으로 나타났다. 직종별로 상용직에 비해 임시직 혹은 자영업자가 비은행권 신용대출을 이용할 확률이 높았으며, 생계비 마련 및 부채상환을 목적으로 하는 차입자들의 경우 비은행권 신용대출을 이용할 확률이 높았다. 이창훈, 강규호와 목정환(2018)은 전체 가계대출을 은행권 주택담보대출, 은행권 마이너스 통장대출, 비은행권 주택담보대출, 비은행권 마이너스 통장대출의 네가지 유형으로 구분하여 결정변수를 예측하였다. 연구결과 비은행권 주택담보대출는 대출금리와 아파트 매매전세가비율 등에 의해 주로 영향을 받으며, 비은행권 마이너스통장은 취업률 및 주가 수익률과 더불어 전세가격지수의 영향을 많이 받는 것으로 나타났다. 이 연구는 주택담보대출의 건전성 여부를 점검하기 위해서는 주택시장의 동향을 지속적으로 모니터링을 할 것을 제안하였다.

4. 가계부채 채무불이행

가계대출 채무불이행과 관련된 선행연구들은 그 성격에 따라 크게 거시적 접근을 시도한 연구와 미시적 접근을 채택한 연구로 구분해볼 수 있다. 거시적 접근을 시도한 연구는 주로 시계열자료를 활용하여, 금리, 실업률 및 산업생산지수 등 주로 거시적 총량변수들이 연체율 변화에 미치는 영향을 분석한 연구들이다. 반면 미시적 접근을 활용한 연구들은 통상적으로 사용되는 총량 자료 대신에 차입자별 대출 자료를 이용하여 가계부채 채무불이행을 설명하였다.

거시적 접근을 시도한 연구 중 시장환경과 대출 상환을 연관지어 관련된 분석을 시도한 위정범과 백흥기(2009)는 금리, 실업률, 주택매매가격지수, 경기선행지수와 같은 변수들과 총연체율 간의 상관관계를 실증적으로 분석하였다. 연구 결과 금리가 주택담보대출의 연체율에 가장 중요한 영향을 미치는 요인으로 나타났다. 심종원, 정의철과 정현정(2009)는 우리나라 주택담보대출 연체율 증가현상을 분석하였고, 실업률 및 소비자물가지수와 같이 지불능력과 관련된 변수들의 유의미한 변수라는 것을 밝혔다. 연구결과를 바탕으로 한국의 주택담보대출 연체율의 증가는 채무자의 지불능력에 의하여 영향을 받는 것으로 진단하였다.

미시적 접근을 활용한 연구들은 미시자료를 활용한 선행 연구 중 이동걸, 전성인, 정재욱과 변동준(2014)은 CB사가 보유한 개인의 금융거래 정보를 가구별 자료로 전환하여 대출가구의 특성, 주택담보대출의 특성들이 연체율에 어떠한 영향을 미치는지 연구하였다. 연구결과 대출 가구주의 신용등급, 제2금융권 대출 비중 등이 연체율에 유의미한 영향을 미치는 것으로 나타났다. 또한 소득수준에 따라 주요 결정요인도 상이한 것으로 나타났다. 이에 따라 부채관리를 위한 정책은 가구별 속성은 물론, 소득수준 까지 함께 고려한 차별적 정책이 필요함을 강조하였다. 허석균(2012)은 통상적으로 사용되는 총량 자료 대신에 차입자별 주택담보대출 자료를 이용하여 연체를 결정하는 변수들을 분석하였다. 연구 결과 대출자의 연령과 같은 대출자의 특성과 주택담보대출비율(LTV), 총부채상환비율(DTI) 등의 대출상품의 특성이 가계대출의 연체율에 유의미한 영향을 미치는 것으로 나타났다. 김영식, 장민과 변동준(2012)은 금리인상 소득하락 상환방식 변경 등이 주택담보대출의 연체율에 미치는 영향을 추정하였다. 연구결과 DTI가 높을수록, 제 2금융권 대출이 많을수록, LTV가 높을수록 연체율이 높아지는 것으로 나타났다. 급격한 금리상승이나 소득감소 등이 발생하지 않는다면 일부 취약계층을 제외하고 주택담보대출의 건전성을 악화시킬 위험은 크지 않으나 원리금 균등분할상환방식으로 대출구조가 변화할 경우 차입자의 DTI 는 상대적으로 큰 폭으로 변화하는 것으로 나타났다. 함준호, 김정인과 이영숙(2010)은 국내 최초로 총 2,210만명의 개인신용 미시자료에 기초하여 차입자별 특성 및 금융업권별로 부채상환능력을 비교⋅분석하고, 거시경제 충격에 따른 금융권역별 총부채상환비율(DTI)과 불량률의 변화, 차환위험 분석 등을 통해 가계부채의 건전성을 평가하였다. 분석 결과 저소득 근로자와 고소득 자영업자의 부채상환 부담이 상대적으로 높았으며, 금융업권별로는 캐피탈 및 카드사의 저소득 차입자군, 상호저축은행의 고소득 차입자군, 은행과 제2금융권 금융회사로부터 복수의 부채를 보유한 차입자군의 부채상환능력이 특히 취약한 것으로 나타났다. 지규현, 김정인과 최창규(2006)는 주택대출 위험관리 선진화를 위한 기초연구로서, 주택의 담보가치 뿐만 아니라 차입자 관련자료를 활용하여 주택담보대출 고객의 위험특성과 위험요인을 분석하였다. 연구결과 담보부채비율과 소득대비 대출금상환비율이 담보대출의 연체율에 영향을 미치는 것으로 나타났다.

가계부채 채무불이행과 관련한 최신의 연구들 중 일부는 새로운 방법론을 활용하기도 하였다. 김현학과 편도훈(2017)은 한국은행 가계부채 DB에 빅데이터 분석 기법 중 하나인 자기조직화지도(SOM: Self-organizing map) 기법을 적용하여 가계부채 차입자들의 특성을 2차원 평면으로 시각화하는 군집분석(clustering analysis)을 실시한 바 있다. 연구결과 최근 저금리 기조지속 등으로 가계부채는 양적으로 증가하였으나 가계부채 차입자의 질적 구조가 변화하지는 않은 것으로 나타났다. 이종희(2020)는 중년기 가계의 가계부채 부실위험 관련 요인들을 포괄적으로 분석하기 위하여 머신러닝 기반의 의사결정나무분석법을 적용하였다. 연구결과 자산대비부채비율, 금융자산대비부채비율, 입주형태, 종사상지위, 대출금융기관, 대출목적이 가계부채 부실 위험의 주요한 변수인 것으로 나타났다.


Ⅲ. 연구방법
1. 연구문제
  • 연구문제 1 : 비은행 금융기관 차입자 가계들의 전반적인 인구사회학적 특징, 경제적 특징은 어떠한가.
  • 연구문제 2 : 비은행 금융기관을 통한 부채 차입에 영향을 미치는 요인들은 무엇인가.
  • 연구문제 3 : 비은행 금융기관을 통한 부채의 채무불이행에 영향을 주는 요인들을 무엇인가.
2. 연구자료

본 연구의 수행을 위하여 2020년 「가계금융⋅복지조사」를 활용한다. 이 자료는 통계청, 금융감독원, 한국은행이 1년마다 전국의 2만여 가구를 대상으로 하며, 가계의 자산, 부채, 소득 등의 규모, 구성, 분포와 미시적 재무건전성을 파악하기 위하여 조사한 자료이다(통계청, 2019). MDIS(Micro Data Integrate Service) 시스템을 통해 제공되는 설문결과의 가구별 원데이터를 활용하였다. 이 자료는 대출 기관이 차입자의 상환 여력을 심사하기 위하여 대출 심사 시 고려하는 자산, 부채, 소득수준과 같은 변수뿐 아니라 차입자 가계의 인구 사회학적 특징을 포함하고 있다. 따라서 비은행 금융기관을 통해서 부채를 차입한 한국 가계의 생활경제실태, 자산 및 부채실태, 대출 금융기관을 이용 실태를 종합적으로 조망할 수 있으며, 부채 차입과 관련된 요인을 분석하기 위한 최적의 연구자료라고 사료된다.

3. 주요변수

본 연구는 차입자들이 비은행 금융기관을 통해 차입하고, 부채상환 부담에 영향을 주는 변수들을 탐색하고자 한다. 「가계금융⋅복지조사」에는 약 200여개의 식별가능한 항목들이 존재한다. 본 연구에서는 변수 간의 관계를 파악하여 비은행 금융기관을 통한 대출 및 차입 가계의 부실화 가능성을 설명하기에 적합한 변수를 독립변수로 선택한다. 본 연구에서 사용한 종속변수와 주요 설명변수는 다음과 같다.

비은행금융기관을 통한 가계대출 차입자와 은행금융기관을 통한 가계대출 차입자를 분리하여 회귀분석을 수행할 경우 전술한 바와 같이 표본선택에 의한 편의(sample selection bias) 문제가 발생하게 된다. 이런 문제점을 극복하기 위해 본 연구에서는 Heckman의 표본선택 모형을 분석에 활용한다. 2단계 표본 선택 모형은 주된 결과 모형(outcome model)과 가계부채 대출 여부를 결정짓는 선택 모형(selection model)을 포함한 모형이다.

1) 종속변수

(1) 비은행 금융기관을 통한 대출

현재 한국은행은 금융기관을 은행, 비은행 예급취급기관, 보험기관, 증권관련기관, 기타금융기관으로 구분하고 있다. 일반은행과 특수은행을 모두 포함한 금융기관을 은행금융기관이라고 하고 나머지를 비은행금융기관이라고 한다(행정안전부, 2021). ‘비은행 가계대출’은 상호금융, 보험사, 여신전문금융회사 및 저축은행 가계대출과 함께 최근 빠르게 확대된 증권사의 주식 신용거래융자를 포함한다. 통계청의 가계금융조사는 가계대출은 예금은행을 통한 대출, 비은행예금 취급기관을 통한 대출, 기타 금융기관을 통한 대출로 나누어 조사를 시행하였다.

일반적으로 저축은행, 보험사, 상호금융을 통한 대출도 비은행 가계대출로 간주하므로, 본 연구에서는 저축은행, 보험회사 및 기타기관을 비은행금융기관이라고 정의하고, 비은행권 가계대출은 저축은행, 보험회사 및 기타기관을 통한 가계대출을 의미한다.

(2) 채무 위험

본 연구에서는 채무 위험을 측정하기 위하여 차입자의 채무불이행 정보를 활용하였다. 가계금융복지조사는 2016년부터 국내은행의 여신 건전성 분류상 “요주의” 이하 등급에 해당하는 30일 이상 연체를 기준으로 한 연체 여부에 대한 문항을 2016년 조사부터 추가하였다(조재현, 2020). 이 문항을 통하여 최근 1년간 30일 이상의 채무불이행을 했는지에 대한 정보를 얻을 수 있다.

2) 주요 설명변수

주요 설명변수로는 차입자 가계의 사회인구학적 특징 및 재무적인 특징을 포함하며, 비은행 금융기관을 통한 대출 및 채무 불이행 연구모형에 설명변수들을 포함한다. 가계의 인구사회학적 특성으로는 가구주의 성별, 연령, 혼인상태, 교육수준을 포함하였으며, 가계의 재무적 특성으로는 직업, 거주형태, 부채, 부채상환액을 포함하였다. 이러한 변수들과 함께 가계의 자산이 중장기적인 부채의 상환능력 지표(이동걸 등, 2014)이라는 점에서 가계부채를 연구모형에 포함하였으며, 소득은 비교적 단기적인 지표로 볼 수 있다는 점에서 소득은 연구모형에 포함하였다. 또한 소득, 자산, 부채, 부채상환액을 활용한 재무비율을 연구모형에 포함하였다. 총부채 원리금 상환비율(DSR)은 특정 기간에 상환하여야 하는 원리금이 가처분 소득과 비교했을 때 어느 정도인지를 판단할 수 있는 수치이다. 이 수치의 증가는 가계가 처분가능소득에서 부채 원리금 상환을 위하여 지출을 증가시키고 있음을 의미한다. 총부채원리금상환비율(DSR)은 기존 대출의 이자 상환 부담만을 대상으로 계산했던 기존의 총부채상환비율(DTI)보다 더 강화된 단기부채부담지표이다. 차입자 단위 DSR이 적용되는 경우 기준 비율은 40%이다. 따라서 이 비율을 초과한 경우 단기적으로 가계부채 부실 가능성이 있다고 보고 연구모형에 포함한다. 자산대비부채비율(DTA)은 가계가 지닌 자산을 이용하여 가계가 부채를 상환할 능력이 있는 측정하는 재무비율이다(김철중, 2013). 일반적으로 이 수치가 100% 이하면 부채 대비 자산이 충분한 수준으로 본다. 따라서 100% 초과인 경우 장기적으로 가계부채 부실 가능성이 있다고 간주하여 연구모형에 포함한다.

4. 연구방법

한국 가계의 대출 금융기관의 선택과 부채 상환과 관련된 요인들을 분석하기 위하여 모수적(Parametric) 추정방법을 실시한다. 로지스틱 회귀분석은 유효한 범주의 개수가 두 개인 이항형 종속변수와 설명변수의 관계를 설명하고자 하는 경우에 사용하는 분석이다. 이 분석은 다양한 분야에서 분류 및 예측을 위한 모델로서 폭넓게 사용되고 있는 방법이다. 발생확률이 낮은 경우에 오즈비와 상대위험도(relative risk)가 비슷하다는 점 때문에 이항형 자료의 대표적인 분석기법으로 여겨지고 있다(Cornfield, 1956; 김대엽, 박형선, 2012에서 재인용).

비은행 금융기관을 통한 가계 대출의 채무불이행을 설명할 수 있는 결정요인을 분석하기 위하여 연구자는 응답자의 대출이 비은행권 금융기관으로부터의 대출인지 은행권 금융기관으로부터의 대출인지 판단할 수 있는 정보와 채무이행을 성실하게 하였는지에 여부에 대한 정보, 두 가지의 복합적인 정보를 취급하여야 한다. 일반적으로 주로 은행권 금융기관을 통하여 대출을 받는 차입자들과 비은행금융기관을 통하여 대출을 받는 차입자들은 인구사회학적 특성 및 경제적 특성이 다르다고 예상할 수 있다.

비은행권 금융기관 대출자의 채무불이행 함수를 추정할 때 만약 비은행권 금융기관에서 대출을 신청하고, 이를 승인받은 이들만을 대상으로 하는 경우 문제가 발생할 수 있다. 왜냐하면 이러한 방식으로 추출된 대상자들은 무작위로 추출된 표본이 아니며, 비무작위적으로 비은행 금융기관에서 대출을 하지 않은 표본들이 배제됨으로써 표본선택 편의의 문제가 발생될 수 있기 때문이다. 또한 어떠한 금융기관에서 대출을 받았는지에 관한 정보는 개인의 선택 또는 경제적 능력, 담보여력, 상환여력에 달려 있다는 점에서 자기선택성(self-selectivity)을 내포하고 있다. 이러한 자기선택성에 대한 고려 없이 특정한 금융기관을 통하여 대출을 받은 차입자들을 선택하여 부채상환 행동에 관한 분석을 실시하게 된다면 표본 선택편의(sample selection bias) 문제가 발생할 수 있다. 이러한 방식으로 표본으로 하는 경우 추정계수가 과잉추정될 가능성이 존재한다.

최필선과 민인식(2013)은 2011년 가계금융조사를 이용하여 주택담보대출 확률을 추정함에 있어서 이러한 문제점을 언급하였다. 주택담보대출이 있는 가구만을 표본으로 하게 되면, 주택을 보유하고는 있지만 주택담보대출이 없는 가구를 표본에서 배제하게 되어 표본의 선택적 편의가 발생하게 된다고 하였다. 이러한 문제를 해결하기 위해서는 주택담보대출을 가지고 있는 가구 뿐 아니라 주택담보대출이 없는 가구까지 포함하는 것이 보다 합리적이라고 제언하였다. 일찍이 Heckman(1976)은 표본선택편의(sample selection bias)를 고려한 최소자승법을 제안하였다. 이는 회귀 분석의 오차항에 대한 불완전한 분포함수를 수정변인을 이용하여 교정하여 주는 방법이다. Heckman 2-Stage 모형은 분석대상 표본의 선택편의 문제가 존재할 때 이를 적절히 제어하여 보다 편향되지 않은 추정결과를 도출할 수 있게 한다.

본 연구는 Heckman 2-Stage 모형을 활용하며 표본의 선택으로 인한 오차가 존재할 때 이를 보정해주는 변인을 추정한 뒤 2단계 독립변수로 오차를 보정하고자 한다. 1단계 모형에서 은행권 금융기관 혹은 비은행권 금융기관에서 대출을 받은 차입자 중에서 비은행권 금융기관을 통하여 대출을 받을 가능성을 추정하고 2단계에서는 비은행권 금융기관에서 대출을 받은 차입자들의 채무불이행 확률을 추정한다. 한편 대출 및 채무불이행을 설명할 수 있는 인구사회학적 변수들, 경제적 변수, 부채관련 변수를 연구모형에 포함시킨다.


Ⅳ. 연구결과
1. 기술통계
1) 인구사회학적 특성 및 경제적 특성

본 연구의 조사대상자의 인구사회학적 특성은 <표 1>과 같다. 연구분석에 사용된 응답자는 은행권 금융기관과 비은행권 금융기관을 통해 대출을 받은 자들이다. 은행권 차입가계는 5,208가계이며, 비은행권 차입가계는 1,489가계이다. 본 연구의 연구모델에서 포함한 인구사회학적 변인은 가구주 성별, 혼인상태, 연령, 학력이며, 경제적 특성 변인은 직업, 거주형태, 소득, 자산이다. 가구주 성별의 경우 은행권 차입가계의 약 84%는 남성, 비은행권 차입가계의 약 78%는 남성이었다. 혼인상태의 경우 은행권 차입가계의 약 79%, 비은행권 차입가계의 약 69%는 기혼이었다. 연령의 경우 은행권 차입가계의 약 19%, 비은행권 차입가계의 약 7%는 40대이었다. 학력의 경우 은행권 차입가계의 약 58%, 비은행권 차입가계의 약 29%는 대졸이었다.

표 1. 
조사 응답자의 인구사회학적 특성 및 경제적 특성
은행권 차입가계 (n=5,208) 비은행권 차입가계 (n=1,489) χ2 (p-value)
빈도 % 빈도 %
인구사회학적 변수
성별 남성 4,375 84.01 1,154 77.50 34.01 (<.0001)
여성 833 15.99 335 22.50
혼인상태 미혼 416 7.99 92 6.18 120.18 (<.0001)
기혼 4,112 78.96 1,029 69.11
사별/이혼 680 13.06 368 24.71
연령 20-39 119 2.28 18 1.21 207.64 (<.0001)
40-49 981 18.84 109 7.32
50-64 3,410 65.48 981 65.88
65+ 698 13.40 381 25.59
학력 고졸 이하 2,175 41.76 1,055 70.85 392.45 (<.0001)
대학 이상 3,033 58.24 434 29.15
경제적 변수
직업 상용근로자 2,909 55.86 478 32.10 277.66 (<.0001)
임용근로자 392 7.52 225 15.11
자영업자 1,216 23.35 515 34.59
기타 691 13.27 271 18.20
거주형태 자가 3,653 70.15 1,004 67.43 112.62 (<.0001)
전세 821 15.76 128 8.60
월세/기타 734 14.09 357 23.97
소득 1분위 1,087 20.87 588 39.49 250.40 (<.0001)
2분위 1,292 24.81 383 25.72
3분위 1,402 26.92 272 18.27
4분위 1,427 27.40 246 16.52
자산 1분위 1,124 21.58 551 37.00 157.90 (<.0001)
2분위 1,321 25.36 353 23.71
3분위 1,362 26.15 312 20.95
4분위 1,401 26.90 273 18.33

경제적 변수로 직업을 살펴보면, 은행권 차입가계의 약 56%, 비은행권 차입가계의 약 32%는 상용근로자이었다. 거주형태는 은행권 차입가계의 약 70%, 비은행권 차입가계의 약 67%는 자가를 소유하고 있었다. 소득의 경우 은행권 차입가계의 약 21%, 비은행권 차입가계의 약 39%가 1분위에 속하였고, 은행권 차입가계의 약 27%, 비은행권 차입가계의 약 17%가 4분위에 속하였다. 자산의 경우 은행권 차입가계의 약 21%, 비은행권 차입가계의 약 37%가 1분위에 속하였으며, 은행권 차입가계의 약 27%, 비은행권 차입가계의 약 18%가 4분위에 속하였다.

2) 가계부채 관련 특성

가계대출 내역을 세부적으로 살펴보면 은행권 차입자와 비은행권 차입자 간에 총부채, 부채상환액, 자산대비부채비율, 채무 불이행여부, 재무비율(DSR, DTA)에서 차이가 존재하였다. 연령대별로 이용하는 금융기관에도 차이가 있었다. 기타부채를 보유한 경우는 분석에 포함하지 않았다. 총부채, 부채상환액은 은행권 차입자가 비은행권 차입자보다 높았으며, 자산대비부채비율과 같은 재무비율은 비은행권 차입자가 은행권 차입자보다 높았다. 채무를 불이행한 경우는 비은행권 차입자의 비율(11.69%)이 은행권 차입자(7.72%)보다 높았다. 또한 위험수준의 DSR을 갖는 가계의 비율은 은행권 차입자(23.85%)가 비은행권 차입자(20.82%)보다 다소 높았고, 위험수준의 DTA를 갖는 가계의 비율은 비은행권 차입자(6.31%)가 은행권 차입자(2.73%)보다 높았다<표 2>.

표 2. 
조사대상자의 가계부채 관련 특성 (단위: 만원)
변수 은행권차입
(n=5,208)
비은행권차입
(n=1,489)
χ2
(p-value)
t-value
(p-value)
총부채 평균* 14,975.81 9,548.41 7.72 (<.0001)
부채상환액 평균* 1980.73 1,512.63 3.03 (0.0025)
DSR 평균 0.37 0.33 0.36 (0.7164)
DTA 평균 0.42 9.65 -2.02 (0.0430)
채무불이행 비해당 4,806 92.28% 1,315 88.31% 836.45 (<.0001)
해당 402 7.72% 174 11.69%
DSR문제 없음 3,966 76.15% 1179 79.18% 5.96 (0.0146)
있음 1,242 23.85% 310 20.82%
DTA문제 없음 5,066 97.27% 1,395 93.69% 43.80 (<.0001)
있음 142 2.73% 94 6.31%

2. 다변량 분석

1단계의 분석결과는 비은행 금융권을 통하여 가계부채를 보유할 가능성을 결정하는 독립변수에 대한 효과를 추정한 결과이며, 2단계의 분석결과는 비은행 금융권을 통한 가계부채의 채무 불이행에 대한 독립변수의 효과를 추정한 것이다.

1) 비은행 금융기관을 통한 부채 보유

비은행금융기관을 통한 부채 보유 결정모형의 추정결과를 <표 3>에 제시하였다. 인구사회학적 특징 중 가구주 성별, 연령, 직업, 혼인상태, 수도권 여부가 비은행금융기관을 통한 부채 보유 가능성에 영향을 미치는 것으로 나타났다. 연령의 경우 30세 미만의 응답자와 비교하여 연령대가 증가할수록 비은행금융기관을 통한 부채 보유 가능성이 증가하였다. 특히 65세 이상의 고령층이 비은행권을 통해 가계대출을 이용할 가능성이 높았는데, 노후소득 확보를 위하여 대출수요가 꾸준하게 있음을 시사한다. 혼인상태의 경우 별거/이혼/사별의 응답자가 기혼의 응답자보다 비은행금융기관을 통한 부채 보유 가능성이 높았다. 거주지역이 수도권인 경우 비은행금융기관을 통한 부채 보유 가능성이 낮았다. 그러나 인구사회학적 특징 중 가구주의 성별은 유의하지 않았다.

표 3. 
비은행금융기관을 통한 부채 보유 가능성 추정결과(1단계)
변수 구분 Estimate S.E
성별 (여성)
남성 0.052 0.059
연령 (30세 미만)
30세 이상 40대 미만 0.040 0.154
40세 이상 65세 미만 0.490 0.150 **
65세 이상 0.687 0.157 ***
직업 (상용근로자)
임시일용직 0.447 0.063 ***
자영업 0.385 0.044 ***
기타 0.156 0.060 **
혼인상태 (기혼)
미혼 -0.013 0.081
별거/이혼/사별 0.123 0.062 *
소득 (1분위)
2분위 -0.176 0.052 **
3분위 -0.308 0.058 ***
4분위 -0.310 0.064 ***
자산 (1분위)
2분위 -0.335 0.050 ***
3분위 -0.386 0.054 ***
4분위 -0.407 0.059 ***
수도권
거주
해당 -0.504 0.040 ***
비해당
Intercept -0.853 0.161 ***
***p < .001, **p < .01, *p < .05
(비교그룹)

경제적 특징의 경우 대부분의 변수들이 통계적으로 유의하였다. 직업, 소득 및 자산이 비은행금융기관을 통한 부채 보유 가능성에 영향을 미쳤다. 소득수준 혹은 자산수준이 높을수록 가계가 비은행금융기관을 통한 부채 보유 가능성이 낮아졌다. 소득계층별로 보면 소득수준이 가장 낮은 집단이 비은행금융기관을 통하여 부채를 보유할 가능성이 높았다. 소득수준이 가장 높은 집단은 비교집단과 비교하여 비은행 금융기관을 통하여 대출을 받을 가능성이 유의미하게 낮았다. 직업의 경우 상용근로자를 비교집단으로 할 경우 임시일용직(고용계약 기간이 1년 미만이거나 하루 단위로 고용되어 일당제 급여를 받는 노동자), 자영업자(영리를 목적으로 하는 산업을 독립적으로 영위하는 사람), 기타(무직 혹은 학생 등) 에 해당하는 차입자들이 비은행금융기관을 통한 부채 보유 가능성이 높았다.

2) 비은행금융기관을 통한 부채의 채무불이행

비은행금융기관을 통한 부채의 채무불이행 가능성 추정결과를 <표 4>에 제시하였다. 부채관련 특징 중 차입이유와 DSR 수준이 과도한지 여부가 비은행금융기관을 통한 부채의 채무불이행 가능성을 설명하는 유의미한 변수인 것으로 나타났다. 특히 부채 상환을 위하여 비은행 금융기관을 통해 대출을 받은 응답자는 거주주택을 구입하기 위하여 대출을 받은 응답자보다 약 3.9배 채무불이행 가능성이 높았다. 사업자금마련, 생활비마련은 α=.005 수준에서 가계의 채무불이행 가능성을 높이는 변수이었고, 사업자금마련을 위하여 비은행 금융기관을 통해 대출을 받은 응답자는 거주주택을 구입하기 위하여 대출을 받은 응답자보다 약 1.9배 채무불이행 가능성이 높았으며, 생활비마련을 위하여 비은행 금융기관을 통해 대출을 받은 응답자는 약 1.8배 채무불이행 가능성이 높았다.

표 4. 
비은행금융기관을 통한 부채의 채무불이행 가능성 추정결과(2단계)
Parameter Estimate S.E. Odds
성별 (여성)
남성 0.208 0.248 1.232
연령 (30세 미만)
30세 이상 40대 미만 0.981 1.123 2.668
40세 이상 65세 미만 0.345 1.105 1.412
65세 이상 -0.546 1.143 0.579
직업 (상용근로자)
임시일용직 -0.233 0.347 0.792
자영업 -0.252 0.302 0.777
기타 0.073 0.295 1.076
수도권 (비해당)
해당 0.762 0.296 * 2.144
혼인상태 (기혼)
미혼 -0.202 0.364 0.817
별거/이혼/사별 -0.081 0.257 0.921
차입이유 (거주주택구입)
거주주택이외 부동산구입 -0.263 0.579 0.768
전월세보증금마련 0.617 0.386 1.855
부채상환 1.350 0.425 ** 3.859
사업자금마련 0.649 0.329 * 1.915
생활비마련 0.597 0.302 * 1.817
기타 0.198 0.390 1.220
DTA문제 (비해당)
해당 1.151 0.258 *** 3.163
DSR문제 (비해당)
해당 -0.166 0.214 0.847
Mills -2.173 0.569 *** 0.114
intercept -0.473 1.490
***p < .001, **p < .01, *p < .05
(비교그룹)

인구사회학적 특징 중 수도권 거주 여부가 유의미한 변수였는데, 수도권에 거주하는 응답자가 수도권에 거주하지 않는 응답자와 비교하여 약 2.1배 채무를 불이행할 가능성이 높았다. 그 외 연구모형에 포함된 변수 중 가구주 성별, 연령, 혼인상태, 교육수준, 혼인상태와 같은 특징은 통계적으로 유의하지 않았다. 한편 Heckman의 표본선택 모형에 대한 타당성을 보여주는 λ(inverse Mill’s ratio)의 값이 -2.1738로 통계적으로 유의한 것으로 나타나(p <0.001), Heckman의 표본선택 모형이 타당함을 보여주었다. 표본의 선택적 편의 문제를 해결하지 않으면, 추정시 상당한 왜곡을 발생시킬 수 있으며, 연구모형에 포함된 독립변수가 종속변수에 미치는 효과가 과대 추정될 소지가 있다. 실제로 본 연구에서 표본의 선택적 편의 문제를 고려하지 않고, 비은행권으로부터 대출을 받은 차입자만을 대상으로 추가적 분석을 수행할 결과 대부분의 인구사회학적 변수(e.g. 직업, 혼인상태)가 유의한 변수로 도출되는 등 독립변수의 효과가 과대 추정되었다.


Ⅴ. 결론 및 함의

한국은 2008년 글로벌 금융위기 이후 세계적인 저금리 기조 및 부동산 가격의 상승 지속 등으로 가계부채가 급속하게 증가하였다. 한국 가계의 가계부채 규모의 급격한 증가와 함께 몇 가지 특징들이 관찰되었다. 첫째, 부동산 구입과 관련된 대출보다는 생계 마련을 위한 신용대출이나 보증대출을 하는 취약차입자의 수가 지속적으로 증가하였다. 특히 저소득층 가계의 경우 부족한 생계비를 충당하기 위하여 대출을 받을 가능성이 높았다. 둘째, 은행권 가계대출의 여신심사가 강화되면서 여신심사 선진화 가이드라인의 적용 대상에서 제외된 여타 대출들이 늘어나는 풍선효과가 발생하는 징후가 포착되었다. 최근 한계 차입자들이 상대적으로 대출조건이 좋지 못한 은행 예금취급기관 및 제2금융권으로 이동하는 비율이 급속하게 증가하였다는 점이 근거가 될 수 있다. 이러한 점에서 비은행 금융권 대출의 총량 자체는 크지 않다고 해도 생계형 차입자들의 채무를 불이행을 하게 된다면 개인파산과 같은 가정경제의 붕괴 뿐 아니라 소비 위축과 같은 경제적 파장을 초래할 수도 있다(김재칠 등, 2017).

본 연구의 목적은 비은행권 금융기관을 통하여 대출을 받은 한국의 가계가 부채상환을 하는데 있어서 영향을 주는 변수들을 분석하는 것이다. 연구의 결과를 바탕으로 한국 가계가 어떠한 상황에서 비은행권 금융기관을 통하여 대출을 하는지 판단해 볼 수 있으며, 부실위험이 높은 차입 가계를 분류할 수 있다. 이를 통하여 면밀한 모니터링이 필요한 대상을 구체적으로 식별할 수 있을 것이다.

한국의 가계대출과 관련된 연구는 세계 금융시장 위기 이후 한국의 금융시장이 침체기로 접어들면서 가계부채 상환 연체 문제가 더욱 심각하게 되면서 더욱 증가하였다. 주로 가계부채 보유 여부 및 보유 규모와 관련된 연구들이 많이 이루어져 왔다. 일부 선행연구들을 경우 주로 차입자의 연령, 성별, 가구원 수, 결혼상태, 자산 등과 같은 미시적 요인들을 주요 설명변수라고 보았고(김주영, 장희순, 2016; 전승훈, 임병인, 2008), 주택가격상승률, 대출심사 기준과 같은 시장요인을 주요 변수라고 주장하기도 하였다(박대근, 최우주, 2015). 한편 차입자가 이용하는 금융기관과 관련하여 분석한 연구도 존재한다. 가령 최근의 비은행권 대출의 원인을 가계부채 증가 억제를 위한 강도 높은 대출 심사 시행 이후 풍선효과에서 찾기도 하였고(김용선, 전봉걸, 2020), 취업률 및 전세가격지수(이창훈 등, 2018), 가계의 순자산 및 소득수준(김용선, 전봉걸, 2020)을 결정요인으로 판단한 연구도 있다. 최근 연구방법에 있어서 변화를 꾀한 연구들도 있었는데 빅데이터 및 머신러닝을 활용하여 가계부채 문제를 분석한 연구들도 존재한다(김현학, 김도훈, 2017; 이종희, 2020).

가계부채 관련 선행연구들을 고찰하면서 방법론적인 측면에서 한계점을 발견하였다. 은행권 혹은 비은행권의 대출이 있는 가구만을 표본으로 하여 분석을 실시하였기 때문이다. 그러나 최필선과 민인식(2013)은 2011년 가계금융조사를 이용하여 주택담보대출 확률을 추정함에 있어서 주택담보대출이 있는 가구만을 표본으로 하게 되면, 주택을 보유하고는 있지만 주택담보대출이 없는 가구를 표본에서 배제하게 되어 표본의 선택적 편의가 발생하게 된다고 지적하였다. 따라서 본 연구는 비은행권으로부터 대출이 있는 가구만을 표본으로 하여 분석을 실시할 경우 발생할 수 있는 표본의 선택적 편의문제를 해결하기 위하여 Heckman(1976)이 제시한 2단계 표본선택모형을 활용하여 선행연구와의 차별을 기하였다.

본 연구에서 비은행권 금융기관으로부터 대출을 받을 가능성을 분석한 결과 인구사회학적 특징 중 가구주 성별, 연령, 직업, 혼인상태, 수도권 거주 여부가 주요한 요인인 것으로 나타났다. 이러한 연구결과는 연령, 성별, 가구원수, 결혼상태, 자산 등 미시적 요인들이 가계의 부채보유를 설명하는 주요 변수라고 설명한 선행연구(김주영, 장희순, 2016; 전승훈, 임병인, 2008)와 일치한다. 차입자의 연령의 경우 30세 미만의 응답자와 비교하여 연령대가 증가할수록 비은행금융기관을 통한 부채 보유 가능성이 증가하였고, 특히 65세 이상 차입자의 가능성이 가장 컸다. 고령층이 비은행권 가계대출을 보유할 확률이 증가하는 것은 노후소득 확보를 위하여 이들 계층의 대출수요가 꾸준하게 증가하였고, 생애주기에 맞는 부채축소가 원만하게 이루어지지 않은 데서 기인한 것으로 보인다. 또한 가계부채 관리차원에서 은행의 대출 심사를 완화하는 조치를 시행한 이후 풍선효과가 수도권을 중심으로 빚어지고 있다는 관측과 다르게, 본 연구에서는 차입자의 인구 사회학적 특징 및 경제적 특징을 통제할 경우 거주지역이 비수도권일 때 비은행금융기관을 통한 부채보유 가능성이 컸다. 경제적 특징의 경우 대부분 변수가 통계적으로 유의하였다. 소득 수준 혹은 자산 수준이 높을수록 가계가 비은행금융기관을 통한 부채보유 가능성이 작아졌다. 이러한 결과를 바탕으로 비은행 대출을 이용하는 차입자의 상당수가 담보자산이 없거나, 있다 하더라도 그 가치가 낮아 부채 상환능력이 떨어지는 저신용자들이 많다고 볼 수 있다(자본시장연구원, 2017).

비은행금융기관을 통하여 대출을 받은 차입자들의 채무 불이행 가능성을 추정한 결과 차입목적과 과도한 DSR 여부가 유의미한 변수이었다. 생활비 마련 혹은 부채 상환을 위하여 대출을 받은 생계형 차입자들의 경우 가계에 경제적 문제가 발생하게 되면 원리금 상환이 불가능해지고, 향후 거시건전성에 영향을 미칠 수 있는 잠재적 변수로 작용할 수 있다. 따라서 이러한 취약차입자를 식별하여 지속적인 모니터링을 실시하여야 할 것이다. 인구사회학적 특징 중 수도권 거주 여부가 유의미한 변수인 것으로 나타났다. 가계부채 관리 차원에서 정부가 2016년부터 은행의 대출심사를 강화하기 위한 조치를 시행한 이후 풍선효과가 수도권을 중심으로 빚어지고 있다는 기존의 분석과 연결되는 결과이다. 그러나 소득 대비 원리금상환액의 비율은 유의미한 변수가 아니었다. 이것은 소득이 낮은 것이 곧 채무 불이행가능성이 높이는 것은 아니라는 것을 의미한다. 가계 소득 수준이 낮은 가계들도 자금이 꼭 필요한 경우가 있을 수 있으므로, 다양한 심사평가와 관리 등을 통해 합리적인 대출 서비스를 제공할 필요가 있다.

연구의 결과를 바탕으로 몇 가지 함의점을 제시하고자 한다. 금융기관을 위한 함의는 다음과 같다. 고연령층 가계부채는 비은행 및 일시상환방식 대출 비중이 높은 데다 취약차입자 및 대출액도 계속 늘어나고 있어 부채구조의 질적 개선과 함께 위기관리 강화에도 유의해야 한다. 본 연구의 결과 차입 목적이 부채상환, 사업자금마련, 생활비마련인 경우 채무위험이 증가하는 것으로 나타났다. 따라서 보다 효과적인 대출심사를 위해서는 수요자의 대출 목적 및 소득분석이 필요하다고 사료된다. 금융기관은 소득기반이 취약한 차입자의 실질적 채무상환능력 및 담보가치를 보다 적절하게 평가하고 만기연장 시 분할상황대출로 전환을 유도할 필요가 있다. 또한 빅데이터 분석을 활용하여 금융회사가 다양한 정보를 활용한 신용평가모형을 구축하고 차입자의 신용도별로 금리를 차별화하는 식으로 건전성 관리를 도모할 수 있도록 하여야 할 것이다.

정책당국을 위한 함의는 다음과 같다. 연구의 결과에서 부채 상환, 사업자금마련, 생활비마련을 목적으로 비은행권 대출을 받은 경우 채무불이행 가능성이 증가하는 것으로 나타난 만큼 해당 목적으로 대출을 받을 경우 비은행권을 통한 고금리 대출로 이어지지 않도록 서민금융제도를 보완하여 운용할 필요가 있다. 금융기관들이 기존의 담보대출 관행에 벗어나 사각지대 차입자에 대한 대출방안을 적극적으로 강구하도록 감독⋅규제 측면에서 다양한 유인체계를 마련하여야 한다. 비은행을 주로 이용하는 가계, 자영업 가계 등은 생계형 차입자에 가깝다는 점에서 이들에 대해 신용규제를 더 강하게 적용하기는 쉽지 않다. 오히려 이들에게 적정한 수준의 신용을 공급함으로써 서민경제의 급격한 침체를 막을 필요가 있다. 그러나 생계형 대출을 받은 차입자들의 소득 흐름이 개선되지 못하면 금융기관들의 대출자산 건전성이 악화될 우려가 있으므로, 건전성이 떨어지는 차입자들의 소득흐름을 개선하는 정책도 마련되어야 할 것이다. 생계형 대출의 적정한 증가는 용인하는 한편, 차입자들의 건전성이 상대적으로 우수한 부동산 투자용 담보대출은 엄격하게 규제하는 핀셋 규제가 필요할 것이다. 또한 가계부채 대책을 은행, 비은행, 비제도권에 모두 포괄 적용하여 일종의 풍선효과를 방지하고 고금리에서 중⋅저금리 대출로의 전환을 유도할 필요가 있다.

가계를 위한 함의는 다음과 같다. 가계는 자신의 신용도나 소득 등 채무상환 능력을 초과하는 대출을 받아 무리하게 부채 상환을 하거나 사업을 해서는 안 된다는 점이다. 본 연구에서 부채지표를 통하여 분석한 결과 비은행권 대출을 이용한 차입자들 중 일부는 상환능력을 벗어난 부채를 보유하고 있는 것으로 나타났다. 이러한 경우 채무위험이 증가하였다. 가계는 경제적으로 감당하기 어려운 수준의 부채를 지양해야 하고, 재무건전성 제고를 위해 노력해야 할 것이다. 가령 대출 초기 이자 부담이 적다는 점만 보고 일시적 할인금리, 변동금리대출, 일시상환대출 등을 자신의 상환능력을 충분하게 고려하지 않고 선택하는 것은 매우 위험하다는 점을 양지하여야 할 것이다.

후속 연구자를 위한 함의는 다음과 같다. 본 연구는 선행연구에서 많이 사용해온 거시총량 자료 대신 미시자료를 이용한 차입자 단위 분석을 통하여 심층적인 가계부채의 위험관리가 필요함을 시사하였다. 또한 본 연구는 은행권 혹은 비은행권의 대출만이 있는 가구만을 표본으로 하여 분석을 실시할 경우 발생할 수 있는 표본의 선택적 편의문제를 해결하고자 하였다. 이러한 선행연구들의 한계점을 극복하려고 하였으나, 연구의 제한점은 존재한다. 본 연구는 ‘가계금융복지조사’라는 횡적 자료를 사용했다는 점에서 최근 금융당국의 대출 규제 강화 전후의 가계의 행동 변화를 직접적으로 포착하기에 어려움이 있었다. 추후 본 패널 데이터를 활용하여 연구를 수행하기를 제안한다.


Acknowledgments

이 논문은 2020년도 인하대학교의 지원에 의하여 연구되었음(과제명: 62577-1).


References
1. 국가지표체계(2020). 가계부채비율(가구처분가능소득 대비). https://www.index.go.kr/unify/idx-info.do?idxCd=5054에서 인출.
2. 금융위원회(2021). 가계부채 관리방안. 서울: 금융위원회.
3. 김대엽, 박형선(2012). A study on the power comparison between logistic regression and offset poisson regression for binary data. 한국통계학회논문집, 19(4), 537-546.
4. 김영식, 장민, 변동준(2012). 주택담보대출의 부실 가능성은. SIRFE Occasional paper, 서울: 서울대 학교 금융경제연구원.
5. 김용선, 전봉걸(2020). 금융소외 관점에서 본 가계의 신용제약 결정요인. Korea Deposit Insurance Corporation, 21(2-2), 31-58.
6. 김재칠, 강현주, 백인석(2017). 가계부채 문제의 연착륙을 위한 정책과제. 서울: 자본시장연구원.
7. 김정욱, 원승연(2019). 가계부채와 소득계층 이동. 금융연구, 30(3), 109-139.
8. 김주영, 장희순(2016). 가계부채의 결정요인과 변화특성 분석: 한국복지패널자료를 이용한 미시분석을 중심으로. 주거환경, 14(1), 221-230.
9. 김철중(2013, 9월).투자전략 Daily. 한국투자증권. http://img2.surenet.co.kr/_upload/board/201309/130903_tf.pdf에서 인출.
10. 김현학, 편도훈(2017). 빅데이터 분석기법을 활용한 가계부채 차주의 동태적 분석. 서울: 한국은행.
11. 나라지표(2020). 가계신용동향. https://www.index.go.kr/potal/main/EachDtlPageDetail.do?idx_cd=1076&param=003에서 인출.
12. 박대근, 최우주(2015). 가계부채의 결정요인에 대한 패널자료 분석: 주택가격과 대출심사기준을 중심으로. 경제연구, 33(1), 75-98.
13. 손정락(2016). 주택시장과 가계부채의 관계. 서울: 하나금융경영연구소.
14. 심종원, 정의철, 정현정(2009). 주택담보대출율 연체율 결정 요인에 관한 연구. 부동산학연구, 15(2), 81-96.
15. 엘지(LG)경제연구원(2015). 소득계층별 가계부채 진단 보고서. 서울:엘지(LG)경제연구원 http://www.lgbr.co.kr/uploadFiles/ko/pdf/eco/LGBI1346-16_20150323131709.pdf에서 인출.
16. 위정범, 백흥기(2009). 금리정책과 부동산담보대출 연체율. 기업경영연구, 15(2), 17-40.
17. 윤영의(2018). 가계부채 부실위험의 결정요인과 시나리오별 효과 분석. 전주대학교 일반대학원 박사학위논문.
18. 이동걸, 전성인, 정재욱, 변동준(2014). 우리나라 가계부채의 연체결정요인 및 취약성 연구 금융연구, 28(2), 137-178.
19. 이종희(2020). 데이터마이닝 기법을 이용한 중년층의 가계부채 연체 가능성 분류 연구. 가정과삶의질연구, 38(3), 1-16.
20. 이창훈, 강규호, 목정환(2018). 은행권 및 비은행권 가계대출 결정요인 분석과 장단기 예측. 계량경제학보, 29(3), 23-57.
21. 자본시장연구원(2017). 가계부채 문제의 연착륙을 위한 정책과제. https://www.kcmi.re.kr/report/report_view?report_no=857에서 인출.
22. 전승훈, 임병인(2008). 2000년 이후 가계의 자산 및 부채보유 실태의 변화분석, 재정정책논집, 1(2), 133-162.
23. 조영무(2017). 가계부채 리스크 변화하고 있다. 서울: LG경제연구원.
24. 조재현(2020). A study on household characteristics by reasons for arrears and determinants of arrears. 부동산분석, 6(1), 1-17.
25. 지규현, 김정인, 최창규(2006). 주택담보대출 위험관리를 위한 차입자 특성 분석. 국토계획, 41(4), 117-128.
26. 최필선, 민인식(2013). 표본선택 모형을 이용한 LTV 추정. 금융연구, 27(1), 103-128.
27. 통계청(2019). 2019년 가계금융복지조사 결과. http://kostat.go.kr/portal/korea/kor_nw/1/1/index.board?bmode=read&aSeq=379367에서 인출.
28. 한경(2018, 2월). 은행대출 누르자 수도권 비은행 가계대출로 풍선효과. https://www.hankyung.com/economy/article/201802256664Y에서 인출.
29. 한국은행(2017). 가계부채 상황점검. 민생경제특별위원회. https://www.bok.or.kr/portal/cmmn/file/fileDown.do?menuNo=200678&atchFileId=KO_00000000000135183&fileSn=1에서 인출.
30. 한국은행(2019, 3월). 금융안정 상황. https://www.bok.or.kr/portal/bbs/P0000559/view.do?nttId=10054029&menuNo=200690&pageIndex=1에서 인출.
31. 함준호, 김정인, 이영숙(2010). 개인CB 자료를 이용한 우리나라 가계의 부채상환위험 분석. 한국개발연구, 32(4), 1-34.
32. 행정안전부(2021). 재정/금융-비금융은행기관. https://www.archives.go.kr/next/search/listSubjectDescription.do?id=008553&pageFlag=&sitePage=에서 인출.
33. 허석균(2012). DTI, LTV 및 대출상환 조건이 주택담보대출의 연체율에 미치는 영향. 규제연구, 21(2), 39-77.
34. Heckman, J. J.(1976). The common structure of statistical models of truncation sample selection and limited dependent variables and a simple estimator for such models. The Annals of Economic and Social Measurement, 5, 475-492.