Journal Archive

중심상권으로서 상권의 군집을 공간적으로 규정하는 연구는 여러 공간 모형 기법을 통해 기존 연구들에서 수행되었다. 그러나 이러한 연구들은 모형에 한정된 연구들이 대부분이다. 이는 구축된 상권의 군집이 실제 중심상권으로 기능하는 상권과 그렇지 않은 상권을 구분하는 과정이 생략되었다는 한계점이 있다. 예를 들어, 대규모 아파트 단지 인근의 상권은 그 규모는 크고 공간 모형을 통해 군집으로 나타나지만 기능은 근린상권으로서 기능을 하기 때문에 이러한 상권을 중심상권으로 규정하기는 어렵다.

강민경(2022)은 2015년부터 2019년까지 서울시의 상점의 개폐업 자료를 구축하고 이를 기반으로 상점 수, 밀도, 교체율, 업종 다양성이라는 지표를 중첩하여 활성화지역을 도출했다. 최은준 외(2021)는 1999년부터 2016년까지를 3년 단위로 나누고 서울시 업종들의 밀도를 활용하여 커널밀도분석방법과 Density-based Clustering 방법을 사용하여 도심상권·강남상권·마포상권·영등포상권으로 총 4개의 상권군집을 도출했다. 또한, 오영기 외(2022)는 서울시의 상권경계의 변화를 확인하기 위하여 생활밀접업종의 점포 수 자료를 활용하여 커널밀도 및 수분학적 분석 방법을 사용하여 상권군집을 도출했고, 손영기 외(2007)는 청주시 복대동의 상권을 도출하기 위하여 커널밀도분석방법을 사용했다. 강현모·이상경(2019)의 연구에서는 2014년 1월부터 2016년 10월까지의 서울시 골목상권 매출액 자료를 활용하여 동적타임워핑(DTW) 방법을 사용해 성장상권·정체상권·쇠퇴상권의 군집을 구분했고, 신우진 외(2002)는 강남구의 소매업종 자료와 상권 중심지를 찾는 방법을 개발하여 상권 중심지를 도출하고 GIS를 통해 이동 양상을 분석했다.

이러한 연구들에서 도출한 상권군집들은 실제 그 지역에서 중심상권으로서 기능을 하는지에 대한 명확한 근거를 제시하지 못하고 있으며 그 경계가 모호하다는 한계점이 있다. 본 연구에서는 이러한 한계점 극복을 위해 기존 연구와 전주시 도시기본계획에서 규정하는 중심지와의 비교를 통해 중심상권을 한정하는 과정을 추가할 것이다.

기존의 선행연구에서는 특정 중심상권의 시·공간적 변화양상을 알아보았으며, 이를 통해 해당하는 상권의 확장에 관한 특징과 상권의 특성을 도출하였다. 민철기·강창덕(2021)은 홍대상권을 중심으로 이동·확장된 기존상권과 확장상권의 변화를 확인하기 위하여 2000년부터 2017년까지를 3년 단위로 나누고, 각 구간에 개업한 음식점의 주소 데이터에 커널밀도분석을 사용하였고, 홍대상권 음식점의 생존율과 생존요인을 분석했다. 이 연구는 커널밀도분석을 통해 홍대 기존상권과 신흥상권이 하나의 홍대상권으로 볼 수 있다는 것을 도출한 것과 이에 따라 음식점의 생존율과 생존요인을 분석했다. 정동규·윤희연(2017)은 2001년부터 2016년까지의 개점한 음식점의 분포를 커널밀도분석을 통해 시간이 지날수록 이태원 거리를 중심으로 남측 방향으로 밀도가 확장하는 양상을 확인했으며 이를 상권 확장이라고 분석했다. 또한, 음식점 개업이 빈번한 곳을 추정하여 그곳에 속한 주간선도로와 이면도로를 선택하여 발달상권과 골목상권으로 추정했다. 이렇게 추정된 발달상권과 골목상권의 음식점 생존요인과 생존율을 비교 분석했다.

그러나 이러한 두 연구는 특정한 상권에 한정된 연구라는 한계점이 있다. 행정시 전체를 시기에 따른 여러 중심상권의 공간적 변화를 알아보는 것은 그 상권의 활성화도를 가늠하는 척도가 될 수 있으며, 주변의 다른 중심상권과의 관계를 알아보는 데 유용하다. 집적되어 형성된 중심상권의 공간 확장은 그 시점에서 해당 지역상권이 활성화되고 있다고 여겨진다. 또한, 행정시 전체에서 여러 상권의 공간변화가 아닌 단일 상권의 연구에서는 그 상권에 한정되는 연구를 하기 때문에 주변의 다른 상권과 비교를 통해 그 역동성을 알아보기 힘들다. 예를 들어, 단일 상권에 한정된 연구에서 그 상권이 확장하는 것이 해당하는 행정시 전체 경제 성장과 관련이 있는 것인지, 아니면 다른 주변 상권은 축소하고 있음에도 그 상권만의 경쟁력을 통해 확장하는 것인지를 알 수 없다. 기존의 연구들에서 상권의 공간적 확장 및 축소를 알아보는 연구들은 다양하게 수행되었다. 그러나 앞에서 언급한 바와 같이 대부분의 연구는 단일 상권에 한정된 연구이거나, 특정한 시점의 상권에만 치우쳐서 그 상권의 동적인 변화를 알아보지 못했다.

또한, 행정시 전체에서 중심상권의 공간적 특징을 알아본 연구에서는 각각의 상권 유형을 나누거나 상권의 변화 요인을 알아보았다. 이동현 외(2020)의 연구에서 서울특별시를 300m×300m의 픽셀로 분할하고 2014년부터 2018년까지를 범위로 설정하여 외식산업 사업체의 생존분석을 했다. X축을 2014년 상권활성화지수를 표준화한 값으로 Y축은 2014~2017년의 상권활성화지수 변화량 값으로 설정하여 5개의 상권유형으로 각 픽셀을 구분하여 상권유형별로 외식산업의 생존율과 폐업률을 비교 분석했다는 의의를 가지고 있다. 제승욱 외(2018)는 소상공인시장진흥공단에서 제공하는 상권정보시스템에 나와 있는 부산시 88개 주요상권을 대상으로 2017년을 연구범위로 설정했다. 업종 다양성 지수와 인구요인, 대형판매시설 입점 요인 등 다양한 상권 변화 요인을 설명 변수로 설정하여 상권 변화의 관계를 파악했다는 의의를 가지고 있다. 김세환 외(2019)는 유동인구가 많다고 판단되는 명동, 강남대로, 홍대합정 상권을 대상으로 2015년 기준 유동인구와 생활밀착형 업종의 입지와의 관계를 다항 로지스틱 회귀분석을 통해 분석했으며, 유동인구와 통합도를 통해 점포의 유형을 4개의 군집으로 분류했다는 것에 의의가 있다. 박찬익 외(2021)는 2021년을 기준으로 다중 회귀분석을 사용하여 서울특별시 5개의 ‘~리단길’ 상권에 업종별 상업 개수, 상점의 접면도로의 넓이 등 공간 및 사회적 특성이 상가매매가에 어떠한 영향을 미치는지 분석했다는 의의가 있다.

하지만 앞선 연구는 특정한 시점에서의 상권의 공간 분류에 한정되어 시계열에 따른 상권의 변화 양상을 보지 못했다는 한계점이 있다. 하나의 상권은 시간의 변화에 따라 그 상권이 다시 축소하거나 정체될 수 있다. 확장 및 축소 상권을 규정함에 있어 단지 특정 시점에서 그 특징을 분류하는 것은 시간의 흐름에 따른 상권의 확장이나 축소에 대한 지속성에 대한 부분을 간과한다는 한계점이 있다. 이런 기존 연구의 한계점을 극복하기 위해서는 시계열에 따른 각 상권의 변화 양상을 보는 것이 중요하다.

하나의 중심상권에서 업종이 다양한 것과 중심이 되는 업종이 입지하는 것은 소비자들에게 편리성을 제공한다. 다양한 업종이 한 지역에 입지하는 것은 소비자들이 한 지역에서 여러 목적을 가지는 활동을 할 수 있다. 또한, 한 지역에서 하나의 업종이 다수 입지하였을 때 경쟁을 통해 소비자에게 더 나은 서비스를 제공하며, 이를 통해 그 지역 상권이 더욱 성장할 수 있는 환경이 마련될 수 있을 것이다. 기존의 연구에서는 업종 다양성과 중심업종과 관련된 연구들이 수행되었지만, 대부분의 연구가 특정 상권과 쇼핑몰에 한정되어 지역 상권에 적용된 실증 연구가 부족하다.

Reimers and Clulow(2004)는 소매업 집중도를 측정하는 세 가지 방법을 통해 업종의 수가 다양하고, 상권의 구역별로 중심업종의 집중도가 높을수록 소비자에게 더 큰 공간적 편리함을 제공한다는 것을 보였다. 이혜인·오광석(2022)은 상점 밀도와 업종 다양성을 중심으로 부산광역시 영도구 도시재생사업 대상지의 상권 변화를 살펴보았으며, 음식점업과 카페 비율을 통해 상권의 동태적 변화를 확인했다. 이 연구에서는 상점 밀도와 업종의 다양성이 증가할수록 유동인구 유입 효과가 커져 지역경제 활성화에 긍정적인 영향을 주며, 음식점업과 카페는 특정적인 장소성을 형성하며 지역 활성화에 긍정적인 영향을 준 것을 확인했다. 윤나영·최창규(2013)는 서울시 6개 행정구에 한정하여 상업 활성화를 위해 필요한 보행량과 보행환경요인들과의 관계를 회귀분석을 통해 파악했다. 분석결과, 저층부의 상업시설이 집중되어 있을 때 보행량이 많아지며, 밀도 다음으로 다양성이 보행량 증가에 중요한 요소인 것을 확인했다. 또한, 이새나리·김흥순(2017)은 서울특별시 신촌, 홍대, 가로수길, 이태원 지역을 대상으로 설문조사를 통해 가로활성화에 영향을 주는 독립변수와의 회귀분석을 통해 가로의 다양성(다양한 업종의 구성)과 활력성이 방문객들의 가로활성화 판단에 영향을 미치는 중요 요인임을 확인했다.

이처럼 상권의 업종 다양성과 중심업종의 집적도는 그 지역에서 활력도와 활성화에 영향을 주는 주요한 요인이지만, 해당 연구들은 특정한 지역이나 상권에 한정된 한계점이 있다. 본 연구에서는 전주시의 중심상권을 대상으로 다중 선형 회귀분석을 통해 업종 다양성 및 중심업종과 창·폐업률과의 관계를 확인하여 지역 상권에 적용된 실증 연구를 하고자 한다.

본 연구의 차별성은 다음과 같다. 첫째, 본 연구는 사업체의 밀집을 통해 전주시의 상권군집을 도출하며 기존 연구와 전주시 도시기본계획과의 비교를 통해 중심상권을 한정하는 과정을 추가한다. 이를 통해 기존 연구들에서 확인하지 못했던 실제 중심상권으로 기능을 하는 상권의 군집을 도출할 수 있다.

둘째, 전주시 중심상권의 시·공간적 변화를 2000년부터 2019년까지 장기간에 걸쳐 확인한다. 행정시 전체에서 여러 상권의 공간변화를 확인함에 따라 그 역동성을 확인할 수 있다. 이는 행정시 내 상권의 총합적 변화는 크지 않을지라도 그 내부의 중심상권의 성장과 쇠퇴, 중심상권의 이동과 같은 시계열에 따른 중심상권의 변화 양상을 알아볼 수 있다. 이러한 상권 변화의 연구는 행정시 전체에 일관된 상권 정책의 적용이 아닌 개개인의 중심상권별 성장과 쇠퇴에 따른 차별화된 상권정책의 필요성을 확인함으로써 상권정책을 위한 연구의 시작점으로서 본 연구는 차별성을 가진다.

셋째, 지역의 활력도와 활성화에 영향을 주는 주요한 요인인 업종 다양성과 중심업종의 집적도가 창·폐업률에 미치는 영향력을 확인한다. 이러한 변수는 대부분 특정한 상권과 쇼핑몰에 한정된 연구가 수행된 반면, 행정시 단위의 대단위 상권에 적용된 사례가 드물다. 본 연구는 특정 개별 상권이나 쇼핑몰이 아닌 중심상권이 여럿 분포하고 있는 전주시 중심상권들을 대상으로 각 변수 간의 중요도를 알아본다는 차별성이 있다.

본 연구는 <Figure 1>과 같이 전라북도 전주시 전역을 공간적 범위로 설정하고 시계열에 따른 중심상권의 변화를 분석하기 위해 상권 자료를 구축했다. 본 연구는 LOCALDATA-지방행정인허가데이터에서 제공하는 사업체의 주소, 상호명, 업종, 창·폐업일자, 좌표 등의 정보를 활용했다. 해당 상권 자료는 생활밀착형 업종 중 온라인매장 등과 같이 실제 물리적인 상업공간의 변화에 영향을 주지 않는 업종은 제외하고 <Table 1>과 같은 19개의 업종을 선정하였으며 2000년부터 2019년까지의 자료를 활용했다. 2020년 및 2021년의 경우에는 COVID-19라는 감염병 변수가 추가되어 상권의 위축이 보임에 따라 제외했다.

Figure 1. 
Study area: Jeonju, South Korea

본 연구에서는 전주시 전체를 상업공간으로 설정하였으며, 분석의 기본적인 공간단위는 100m×100m 정사각형 크기의 격자이다. 전주시는 100m×100m 크기의 총 21,106개의 격자로 구성되어 있으며, 본 연구는 중심상권군집을 도출하기 위해 2000년부터 2019년까지 기간을 5년 단위로 나눠 총 4개 시점별로 시계열적 군집으로 구성하여 분석한다.

본 연구는 <Figure 2>에서 보는 바와 같이 세 단계의 과정을 통해 중심상권을 도출하도록 한다. 첫 번째 단계에서 Getis-Ord Gi*와 같이 공간 통계 기법을 통해 공간 군집을 찾는다. Getis-Ord Gi*방법은 전체 대상지 안에서 공간단위의 Z값을 계산한 후 높은 값과 낮은 값이 집중되어 있는 정도를 나타낸다. Z값이 높으며 p-value가 유의수준 이하이면 귀무가설을 기각하며, Z값이 양(+)의 값이면 속성데이터끼리 공간적으로 군집되어 있다고 판단한다. Gi*방법을 통해서 대상지역에 핫스팟(hotspot)과 콜드스팟(coldspot)을 통계적으로 판단할 수 있으면서 분석의 공간단위로 도면화할 수 있는 장점이 있다(Getis and Ord, 1992; Ord and Getis, 1995). 각각의 군집 정도를 보여주는 Getis-Ord Gi*는 객체의 z-score를 계산함으로써 통계적 의미를 부여하는데 해당 지역의 값만이 높은 것이 아닌, 높은 값을 갖고 있는 인접 지역으로 둘러싸여 있어야만 의미를 부여받을 수 있다. 따라서 많은 수의 사업체가 밀집되어 있을 때 그 지역은 핫스팟으로 규정한다(이재수·성수연, 2016). Gi*로 통계값을 산출하는 방법은 식 (1)과 같다.

(1)

• i, j : 분석의 공간단위(unit of analysis)
• x_i, x_j : i 또는 j지역의 속성 데이터(attribute data)
• w_i,j : i와 j지역 간 공간 가중치(spatial weight)
• n : 분석 공간단위의 수(no. of unit of analysis)

Figure 2. 
The three processes identifying the central commercial clusters

두 번째 단계에서는 공간통계 모형을 통해 도출된 상권군집에서 전주시의 중심상권을 구체적으로 설정하기 위하여 권민택(2020)의 연구를 참고한다. 권민택(2020)은 500m×500m 크기의 격자 안에 존재하는 인구를 구매력으로 계산하며, 구매력이 존재하는 픽셀을 행정동으로 묶어 중심상권을 도출하였다. 이는 전주시에서 상업 활동이 일어나는 지역과 그 활동 강도가 비슷한 상권을 도출했기에 중심상권의 위치와 그 경계를 확인하기에 적합하다. 권민택(2020)의 연구에서 규정한 전주시의 중심상권을 기반으로 ‘중심지 상권’, ‘중화산/서신동상권’, ‘송천동상권’, ‘인후/우아동상권’, ‘효자/삼천동상권’, ‘서전주상권’, ‘평화동상권’, ‘금암/덕진동상권’, ‘백화점’으로 9개의 중심 상권을 도출한다. 마지막 단계에서는 2021년, 2025년 전주시 도시기본계획에서 중심지로 지정한 기존 1도심과 부도심(효자, 덕진, 인후, 조촌, 팔복), 지구중심(송천, 아중, 완산, 서신, 평화)을 고려하여 3차적으로 중심상권을 도출한다. 지구중심지인 ‘송천’, ‘완산’, ‘인후’, ‘평화’는 전주시 도시기본계획의 ‘생활권별 개발구상’에서 주요 기능을 ‘주거’, ‘문화’, ‘생태·환경’ 등으로 설정하고 있어 근린상권의 역할을 하고 있기에 제외한다. 또한, 도시기본계획에서 제시하고 있는 ‘도시공간구조의 변천’을 참고하여 과거에 부도심으로 역할을 했던 ‘화산지구’와 ‘전주역’을 추가적으로 고려한다.

본 연구에서는 앞서 도출된 시계열별 전주시 중심상권의 공간적 확장·축소를 확인하기 위해 각 중심상권의 앞선 시기 5년간의 군집과 현재 시기 5년간의 상권 군집의 공간 변화를 알아본다. 각 격자 픽셀별 공간적 변화를 파악하기 위해서 앞선 시기 시계열 군집과 현재 시기 시계열 군집의 픽셀 유무에 따라 공간적 변화를 분류한다. 앞선 시기 상권군집에 존재하지 않았던 픽셀이 현재 시기 시계열 군집에 새롭게 포함되면 ‘확장’, 앞선 시기 상권군집에 존재하면서 현재 시기 상권군집에 존재하면 ‘유지’, 앞선 시기 상권군집에는 존재하지만 현재 시기 상권군집에는 존재하지 않으면 ‘축소’로 픽셀의 변화를 나타낸다. 시기별 비교를 통해 상권의 공간변화 양상을 도출하여 시계열에 따른 전주시 중심상권의 전체적인 공간적 변화를 확인한다.

본 연구에서는 중심상권군집의 공간적 변화뿐만 아니라 중심상권군집 안에서의 사업체 수 변화도 확인하고자 한다. Getis-Ord Gi*방법을 통해 분석한 중심상권군집의 공간적 변화는 전주시 전체의 사업체 밀집도의 전체적인 변화를 상대적으로 확인할 수 있는 방법이다. 중심상권군집의 공간적 변화를 통해서 중심상권의 확장·축소를 판단할 수도 있지만 그 안에서의 절대적인 사업체 수의 변화는 다른 양상을 보일 수 있다.

본 연구에서는 앞서 선정한 19개의 생활밀착형 업종 수를 해당 시기마다 중심상권별로 확인한 후, 전주시 전체의 업종 수 변화와 비교하고자 한다. 본 연구는 각 중심상권의 전체 수와 전주시 전체업종 수 변화와 비교를 통해 각 중심상권이 전주시 전체 업종 수 변화에 비해 상대적으로 성장하는지 쇠퇴하는지를 파악하고자 한다.

본 연구에서 업종 다양성은 식 (2)와 같이 상대적 다양성지수인 Relative Diversity Index(RDI)를 사용한다. RDI는 생활밀착형 업종 19개를 대상으로 하여 각 중심상권(i) 내 특정 업종(j)의 구성비율(S_ij)을 전주시 전체의 특정 업종 구성비율과 비교한 것으로 중심상권 내 특정 업종(S_ij)이 전주시(S_j)보다 많을수록(적을수록) 작은 업종도 동시에 많아지므로(적어지므로) 업종구성의 편중성이 상대적으로 증가(감소)하게 됨을 의미한다(Duranton and Puga, 2000). 따라서 RDI값이 작을수록 전주시 전체와 비교하여 특정 업종을 중심으로 한 동종상권에 가까워지고, 값이 커질수록 다양한 업종을 갖는 이종상권에 가까워지는 의미를 갖고 있다.

(2)

• S_ij : i상권에서 업종 j가 차지하는 비율
• S_j : 전주시 전체에서 업종 j가 차지하는 비율

한편 중심상권군집의 중심업종은 <Table 1>의 19개 생활밀착형 업종을 대상으로 각 시계열군집에 중심상권별로 수가 가장 많은 상위 3개의 업종으로 정의한다. 이 중 대부분의 중심상권에서 중심업종으로 분류되는 업종을 선별하도록 한다.

본 연구에서는 업종 다양성과 중심업종이 중심상권의 활성화에 미치는 영향을 알아보기 위해 각 중심상권의 시기별 창업률 및 폐업률과 업종 다양성 및 중심업종 사이의 상관관계를 알아본다. 창업률과 폐업률은 LOCALDATA에서 제공하는 생활밀착형 업종의 개점일과 폐업일을 활용하였다. 창·폐업률의 계산은 이정란(2017)의 연구에서 사용한 방법을 사용한다. 창업률(OR_i)을 산출하는 방법은 식 (3), 폐업률(CR_i)을 산출하는 방법은 식 (4)와 같다.

(3)

• op_in-(n+4) : i상권에서 n년부터 n+4년까지 개점한 점포의 수
• n_in: i상권에서 n년 기준 운영 중인 점포의 수

(4)

• cl_in-(n+4): i상권에서 n년부터 n+4년까지 폐점한 점포의 수
• n_in : i상권에서 n년 기준 운영 중인 점포의 수

이렇게 도출한 사업체의 창·폐업률과 업종 다양성 및 중심업종 사이의 상관관계를 알아보기 위해 다중 선형 회귀분석을 이용한다. 상관관계 도출을 위한 통계 프로그램으로 본 연구는 R ver.4.2.1.을 사용한다.

본 연구에서는 Getis-Ord Gi*, 선행연구(권민택, 2020), 전주시도시기본계획을 통해 <Figure 3>과 같이 전주시 중심상권군집을 도출하였다. Getis-Ord Gi*에 의해 1차로 도출된 상권은 <Figure 3> a)의 빨간색 영역, 선행연구에 의해 2차로 도출된 상권은 <Figure 3> b)의 파란색 영역, 최종적으로 전주시 도시기본계획에 의해 도출된 상권은 <Figure 3> c)의 초록색 영역으로 나타냈다. Getis-Ord Gi*에 의해 도출된 상권군집은 ‘2000~2004년’은 13개, ‘2005~2009년’에는 17개, ‘2010~2014년’은 19개, ‘2015~2019년’에는 20개이다. Getis-Ord Gi*로부터 도출된 상권군집에서 권민택(2020)의 연구에서 설정한 9개의 상권을 기준으로 선별하였을 때 ‘중심지 상권’, ‘중화산동 상권’, ‘효자동 상권’, ‘송천동 상권’, ‘인후동 상권’, ‘우아동 상권’, ‘효자동 상권’, ‘삼천동 상권’, ‘서전주 상권’, ‘평화동 상권’, ‘금암동 상권’, ‘덕진동 상권’으로 총 12개의 상권이 채택되었다. 전주시기본계획은 기존 1도심인 ‘객사’와 부도심인 ‘효자’, ‘덕진’, ‘인후’, ‘조촌’, ‘팔복’으로 선정하였고 ‘아중’, ‘서신’을 지구중심지로 선정하여 활성화를 도모하도록 계획했다. 또한, 전주시 도시기본계획의 ‘전주시 공간변화’에서는 ‘화산지구’와 ‘전주역’ 지역이 부도심의 역할을 했다는 것을 제시하고 있다. 도심은 국제적·전국적 기능을 가진 지역이며, 부도심은 어느 정도의 상업기능을 가지고 있는 지역이다(오영기 외, 2022). 지구중심지는 전주시에서 활성화를 도모하고 있으므로 지역에서 중요한 장소임을 의미하고 있어 중심상권으로서의 역할을 할 수 있음을 의미한다. 이러한 전주시 도시기본계획 내용을 고려하여 상권군집이 도출된 ‘객사 상권’, ‘구정문 상권’, ‘서신동 상권’, ‘중화산동 상권’, ‘전주역 상권’, ‘아중지구 상권’, ‘신시가지 상권’으로 총 7개의 중심상권이 채택되었다. 전주시 중심상권 중 ‘구정문’, ‘전주역’, ‘아중지구’, ‘객사’, ‘중화산동’, ‘서신동’ 중심상권은 2000~2004년 시계열군집에서 우선적으로 도출되었고, 2010~2014년 시계열군집부터는 ‘신시가지 상권’이 새롭게 포함되었다.

Figure 3. 
The central commercial clusters derived at three processes

본 연구에서는 전주시 중심상권 시계열 변화를 공간적, 수치 총합적, 전주시에서 차지하는 상대적 비율과 같이 3가지 관점에서 알아보았다. 본 연구는 전주시 중심상권별 공간적 변화를 알아보기 위해 <Figure 4>와 같이 이전 시기의 공간적 변화 차이를 중심상권의 픽셀별 색깔로 구별하였다. 객사와 전주역 상권은 2000~2014년까지 상권의 영역이 축소하였으며, 2015년부터 확장했다. 구정문 상권은 2000~2014년까지 확장했지만, 2015년부터 감소했다. 또한, 2000~2004년과 2015~2019년 상권의 영역의 차이가 없어 공간적으로 유지되는 모습을 확인했다. 서신동, 중화산동 상권은 2000~2014년까지 상권의 영역이 확장했으며, 2015~2019년에는 다른 변화 양상을 보였다. 2015~2019년 서신동 상권은 상권의 영역이 유지되었고, 같은 시기에 중화산동 상권은 감소했다. 아중지구 상권은 2000~2019년까지 상권의 영역이 확장했다. 특히, 서신동, 중화산동, 아중지구 상권은 확장과 축소를 반복하여 파편화되었지만 그 사이에 상권이 없는 것이 아니라 공간의 분석으로 인해 상대적으로 밀집도가 낮아져 나타나지 않은 것이기 때문에 하나의 상권이라 할 수 있다. 신시가지 상권은 2000~2009년까지 도출되지 않다가 2008년에 준공되면서 2010~2014년 시기에 상권군집이 도출되었으며 이후 상권의 영역이 확장했다.

Figure 4. 
Spatial change of individual central commercial areas

<Table 2>는 시기별 전주시 각 중심상권의 사업체 수와 전주시 전체 사업체 수에서 각 중심상권이 차지하는 비율을 보여준다. 객사, 구정문, 전주역 상권에서 사업체 수는 2005~2009년에 감소하고, 2010년부터 증가하는 추세를 보였다. 그러나 비율의 값에서는 그 차이가 나타났다. 객사 상권은 전체 전주시 사업체 수에서 차지하는 비율이 2000~2014년까지는 감소했으나, 2015년부터는 증가했다. 구정문, 전주역 상권의 상대적 비율 값은 2000~2019년까지 감소했다. 서신동 상권은 2000~2014년까지 절대적 값과 상대적 값은 증가했으나, 2015년부터는 절대적 값은 증가, 상대적 값은 감소했다. 중화산동 상권은 2000~2014년까지 전체 사업체 수와 전주시 전체에서 차지하는 그 비율이 증가했지만, 2015년부터 두 개의 값 모두 감소했다. 아중지구 상권은 2000~2019년까지 두 개의 값 모두 증가했다. 신시가지 상권은 그 상권이 형성된 2010년부터 사업체 수와 그 비율이 증가하였다.

객사 상권은 2000~2009년까지 공간적, 총합적, 상대적 비율이 모두 감소하여 쇠퇴상권이라 할 수 있으며, 2015~2019년까지는 3가지 관점의 값이 모두 증가하여 최근 성장하는 상권으로 보인다. 이는 2008년 신시가지가 준공되면서 상권이 침체되었지만, 임대료가 상대적으로 저렴한 ‘객사 1~2길’에 최신 트렌드를 반영한 인테리어와 메뉴를 제공한 가게들이 생겨나면서 ‘객리단길’이라는 핫플레이스가 생기는 과정의 결과로 분석된다(김윤정, 2017). 하지만, 2010년부터 2014년까지는 전체 사업체 수는 증가하지만 그 비율과 공간적 변화는 감소하는 상반된 결과를 보이고 있어 그 상권이 명확히 쇠퇴 또는 성장상권이라 단정하기 어렵다. 구정문 상권은 2000~2019년까지 3가지 관점의 값이 다른 양상을 보이고 있어 상권의 유형을 구분하기 어렵다. 이는 대학가의 특성상 주된 이용 대상자가 학교와 관련이 있는 집단이므로 이용자의 수가 유사함에 있어 상권이 큰 변화가 없는 것으로 분석된다. 전주역 상권은 2000~2009년까지 3가지 관점의 값이 모두 감소하여 그 시기에 쇠퇴한 상권이라 할 수 있다. 전주역 상권은 대표적인 역세권 상권으로서 1990년대까지 유명한 유흥가이면서 완주군청, 한국전력지사 등 관공서가 입지한 지역이다. 신시가지가 개발이 되면서 도청 및 기관들이 이전하여 상권이 침체되었으며, 이로 인해 2000~2009년에 쇠퇴상권의 유형으로 나타난 것으로 분석된다. 그러나 2010년부터 3가지 관점의 값이 다른 양상을 보이고 있어 상권의 유형을 구분하기 어렵다. 또한, 최근 들어 전주역 상권의 사업체 수 증가와 공간적 확장은 전주시가 전주역 상권을 살리고자 2015년에 진행한 ‘전주역 첫 마중길’ 사업의 결과로 보인다. 서신동 상권은 2000~2019년까지 사업체 수와 그 비율이 증가하였으며 공간적 변화도 유지 또는 확장했다. 2015~2019년에 사업체 수의 비율이 감소하는 것으로 나타났지만, 이는 다른 중심상권에 비해 상대적으로 증가값이 적어 나타난 결과이므로 서신동 상권은 지속적으로 성장하는 상권으로 볼 수 있다. 이는 2005년부터 여울초등학교 근처 가맥집의 상권 형성과 막걸리골목을 중심으로 지속적인 성장을 한 결과이다(최지영, 2010). 아중지구 상권은 2000~2019년까지 사업체 수 비율이 증가하고 공간의 상권 영역도 확장하고 있어 지속적으로 성장하는 상권으로 볼 수 있다. 아중지구 상권은 2004년에 들어 대단위 아파트단지가 준공되면서 식당가, 호프집 등이 들어서면서 지속적인 성장을 한 결과로 분석된다. 신시가지 상권은 2010~2019년까지 3가지 관점의 값이 증가하여 상권이 성장했다. 이는 2008년에 신시가지가 개발되면서 기존 전주의 구도심이었던 객사를 대신할 수 있을 정도의 규모로 사업체 수가 증가하였다. 또한, 전라북도청, 전북지방경찰청 등의 기관과 많은 인프라들이 몰리면서 상권 수요가 급격히 증가하여 그 성장이 이루어진 곳이다. 중화산동 상권은 2000~2014년까지 3가지 관점의 값이 모두 증가하였지만, 2015~2019년까지는 3가지 관점의 값이 모두 감소하였다. 중화산동 상권의 경우 과거 15년간 성장을 지속하다 최근 들어 쇠퇴하기 시작한 상권으로 볼 수 있다. 중화산동 상권은 1995년을 시작으로 화산택지지구가 되면서 숙박과 음식점들이 들어서면서 성장하게 된 상권이다. 2008년에는 신도심인 신시가지가 준공되면서 이와 연결되는 효자로를 중심으로 상권이 성장했다. 2000~2014년에는 신시가지와 함께 상권이 성장했지만, 2015~2019년 사이에 신시가지 상권이 새로운 중심상권으로 자리를 잡음으로써 중화산동 상권의 사업체가 신시가지 상권으로 이동한 것으로 보인다.

본 연구는 중심상권별 업체 다양성 수준 및 중심업종과 사업체 창·폐업률 사이의 상관관계를 알아보기 위해 <Figure 5>와 <Table 3>과 같이 산포도 그래프와 다중 선형 회귀분석을 수행하였다. 중심업종의 경우 상권별 다양하게 도출되었지만 너무 작은 표본크기 때문에 모든 상권에서 공통적으로 도출된 한식과 호프/통닭 업종만을 상관관계 분석을 위해 포함시킨다. 또한 아중지구와 신시가지 상권은 2000~2019년 사이에 새로 생긴 상권으로 20여 년에 걸친 시계열 경향을 보기 힘들며 최근 개발로 인해 상대적으로 너무 높은 창업률과 낮은 폐업률을 보여 분석의 오류를 줄 수 있어 제외했다. <Figure 5>에서 보는 바와 같이 전체 중심상권의 업종 다양성과 창·폐업률은 모두 양(+)의 관계를 나타낸다. 즉, 창·폐업률은 다양한 사업체가 집적할수록 높아지고 동종 사업체가 집적할수록 낮아진다. 또한, 한식 업종은 창업률과 양(+), 폐업률과는 음(-)의 관계를 보이며, 호프/통닭 업종은 창·폐업률과 음(-)의 관계를 갖는다.

Figure 5. 
Scatter plots between independent variable and dependent variable

<Figure 5>의 관계를 좀 더 명확히 하기 위해 본 연구는 <Table 3>과 같이 다중 선형 회귀분석을 수행하였다. 다만, 2015~2019년 서신동과 중화산동의 창업률은 업종 다양성과 창업률에 대한 모형에서 전체 데이터의 추세에서 벗어난다고 판단하여 제외하였다. 또한, 전주시 중심상권의 창·폐업률의 차이를 2000~2004년과 상대적으로 비교하기 위하여 시간범위를 0, 1의 값을 갖는 더미변수로 설정한다. 전체 다중 선형 회귀분석의 결정계수(R²)의 값은 약 0.42~0.66에 이르며, 이는 창·폐업률에 대한 모형은 약 42~66%의 설명력을 나타낸다. 위 모형의 독립변수 중 업종 다양성과 호프/통닭이 창·폐업률과 95% 유의수준에서 통계적으로 유의한 것으로 나타났다. 업종 다양성은 창·폐업률과 양(+)의 상관관계를 나타냈고, 호프/통닭 업종의 수는 폐업률과 음(-)의 상관관계를 나타냈다. 이는 업종 다양성이 1 증가할 때 중심상권의 창업률은 약 9% 증가하고, 폐업률도 약 7% 증가하는 것을 나타낸다. 본 연구의 결과는 업종 다양성이 증가함에 따라 창·폐업률이 모두 증가하는 상반된 결과를 나타냈다. 다양한 사업체의 집적으로 점포 간 업종 연관성으로 인한 점포의 매출 향상과 다양한 상업 활동을 이용하고자 하는 방문객의 성향으로 인하여 신규 사업체가 개점할 수 있는 사업 환경이 만들어지고(이정란, 2017), 반면에 신규 사업체의 창업이 활성화되어 사업체 간 경쟁이 심해져 폐업도 높아지는 것으로 보인다(이정란·최막중, 2018). 호프/통닭 업종은 사업체가 1 증가할 때 중심상권의 폐업률은 약 0.1%까지 감소하는 것을 확인했다. 이는 동종 사업체가 집적하면서 소비자 풀(pool)을 점포들이 공유하여 안정적인 매출을 기대할 수 있게 되어 폐업률을 감소시킨다는 선행연구의 분석과 동일하게 나타났다(이정란, 2017).

더미변수인 시간범위는 95% 유의수준에서 2015~2019년에 창업률과 음(-)의 상관관계를 나타냈고, 폐업률에 대한 관계는 종속변수가 업종 다양성일 때는 2015~2019년에 음(-)의 상관관계를 가지며, 호프/통닭일 때는 2005~2009년에 양(+)의 관계를 갖는다. 이는 2000~2004년을 기준으로 비교해 봤을 때 2015~2019년 전주시의 중심상권의 창업률만이 절대적으로 감소했음을 알 수 있다.