팬더믹 이후 2023 외식산업 비즈니스 분석

세종대학교 호텔관광외식경영학부 외식경영학과

20010321 김정호

<팬더믹 이후 서울시 외식업체 폐업률 영향 요인 분석>

활용 파일 출처

출처 홈페이지: 서울데이터광장

1.서울시 상권분석서비스(점포-자치구) 공개일자: 2023.11.01 / 제공기관: 서울신용보증재단 https://data.seoul.go.kr/dataList/OA-22173/S/1/datasetView.do

2.서울시 상권분석서비스(길단위인구-자치구) 공개일자:2023.11.01 / 제공기관: 서울신용보증재단 https://data.seoul.go.kr/dataList/OA-22179/S/1/datasetView.do

데이터 정제

1.다운받아 서비스 업종 코드 변수 필터 -> 한식, 중식, 일식, 양식, 분식, 제과, 커피, 호프, 치킨, 패스트푸드로 필터 제한, 외식업 외 타 업종 삭제

2.변수명 영문으로 변환, 자치구 코드, 서비스업종코드, 유사업종점포수 변수 삭제

3.변수명 변경

1. 서울시 상권분석서비스 (점포-자치구) -> ‘Seoul_Restaurant_close’

기준_년분기_코드 -> Year_quarter
자치구 -> Region
서비스_업종_코드_명 -> Service
점포수 -> Number_service
개업_점포_수 -> Open_number
개업율 -> Open_rate
폐업_점포_수 -> Close_number
폐업률 -> Close_rate
프랜차이즈_점포_수 -> Franchise_number
각 자치구 영문명으로 변환
각 업종 영문명으로 변환
양식음식점: Western / 치킨전문점: Chicken / 패스트푸드: Fast_food / 일식음식점: Japanese / 제과점: Bakery / 중식음식점: Chinese / 커피-음료: Café / 호프-간이주점: Bar / 분식전문점: Snack / 한식음식점: Korean

2. 서울시 상권분석서비스(길단위인구-자치구) -> ‘Seoul_floating_population’

기준_년분기_코드 -> Year_quarter
자치구 -> Region
총_유동인구_수 -> Total_float_population
남성_유동인구_수 -> Male_float_populaion
여성_유동인구_수 -> Female_float_population
월요일_유동인구_수 -> Mon_float_population
화요일_유동인구_수 -> Tue_float_population
수요일_유동인구_수 -> Wed_float_populaion
목요일_유동인구_수 -> Thu_float_populaton
금요일_유동인구_수 ->Fri_float_population
토요일_유동인구_수 -> Sat_float_population
일요일_유동인구_수 -> Sun_float_population
평일_유동인구_수 -> Weekday_float_population
주말_유동인구_수 -> Weekend_float_population
각 자치구 영문명으로 변경

4.길 단위 인구 자치구를 기준으로 2가지 데이터 셋 -> datamerge

분석

예측(1): 2019~2023 2분기 내(존재하는 데이터 내 전 시기기) 외식업체의 폐업률은, 총 유동인구수가 많은 자치구일수록 폐업률이 낮을 것이다.

예측(2): 2019(팬더믹이전)과 2020년 이후(팬더믹)을 비교하였을 때, 팬더믹 시기에 폐업률이 높을 것이다.

예측(3): 팬더믹 시기(2020년~2023년 2분기기)와 2019년과 비교하였을 때, 팬더믹시기에 업종 중 Bar, Chicken, 그리고 Café가 폐업률이 높을 것이다.

예측(4): 팬더믹 시기(2020년~2023년 2분기기)와 2019년과 비교하였을 때, 팬더믹 시기에 개업률은 전 업종 낮을 것이다.

예측(5): ’주말 유동인구수’와 ’평일 유동인구수’를 자치구별로 폐업률과비교하였을 때, 주말과 평일 중 어떤 유동인구 수 가 많을 때 폐업률이 높을 지 확인한다.

R 회귀분석

폐업률 데이터 로딩

유동인구 데이터 로딩

myData2 <- read.csv('~/data/Seoul_floating_population.csv', na.strings = c("", " ", NA))
myData2[!complete.cases(myData2), ]

##  [1] Year_quarter             Region                   Total_float_population  
##  [4] Male_float_population    Female_float_population  Mon_float_population    
##  [7] Tue_float_population     Wed_float_populaion      Thu_float_populaton     
## [10] Fri_float_population     Sat_float_population     Sun_float_population    
## [13] Weekday_float_population Weekend_float_population
## <0 행> <또는 row.names의 길이가 0입니다>

View(myData2)
head(myData2)

##   Year_quarter     Region Total_float_population Male_float_population
## 1        20191 Gangnam-gu              147492570              71430324
## 2        20192 Gangnam-gu               96578493              46565450
## 3        20193 Gangnam-gu              146286467              70602334
## 4        20194 Gangnam-gu              149817205              72091739
## 5        20201 Gangnam-gu              149958177              72551856
## 6        20202 Gangnam-gu              146768133              71048851
##   Female_float_population Mon_float_population Tue_float_population
## 1                76062248             21606217             21585022
## 2                50013044             14325283             14649625
## 3                75684134             22042199             22604933
## 4                77725467             22494057             22793743
## 5                77406320             22292800             23069559
## 6                75719282             22015835             22122292
##   Wed_float_populaion Thu_float_populaton Fri_float_population
## 1            22145584            22757823             22510358
## 2            14762440            14403270             14604886
## 3            22506381            21639200             21565433
## 4            22053986            22160446             22756158
## 5            22668751            22943010             22474695
## 6            22235167            22188790             22045401
##   Sat_float_population Sun_float_population Weekday_float_population
## 1             19272228             17615338                110605004
## 2             12421488             11411502                 72745504
## 3             18575579             17352743                110358146
## 4             19585342             17973473                112258390
## 5             18818409             17690953                113448815
## 6             18748247             17412397                110607485
##   Weekend_float_population
## 1                 36887566
## 2                 23832990
## 3                 35928322
## 4                 37558815
## 5                 36509362
## 6                 36160644

tail(myData2)

##     Year_quarter      Region Total_float_population Male_float_population
## 445        20221 Jungnang-gu              102401242              48031073
## 446        20222 Jungnang-gu              100756172              47046034
## 447        20223 Jungnang-gu               98199862              45994878
## 448        20224 Jungnang-gu               97958502              45931643
## 449        20231 Jungnang-gu               98823560              46422576
## 450        20232 Jungnang-gu               96598350              45256354
##     Female_float_population Mon_float_population Tue_float_population
## 445                54370169             14433494             14447523
## 446                53710137             14356637             14173529
## 447                52204985             14033209             13853494
## 448                52026859             14003026             13751597
## 449                52400984             13945147             13875109
## 450                51341996             13753023             13621238
##     Wed_float_populaion Thu_float_populaton Fri_float_population
## 445            14468825            14330107             14345082
## 446            14177909            14152727             14119711
## 447            13807156            13772609             13795830
## 448            13752257            13706952             13745772
## 449            13881971            13814683             13863606
## 450            13524064            13515542             13591145
##     Sat_float_population Sun_float_population Weekday_float_population
## 445             15063354             15312858                 72025031
## 446             14668097             15107563                 70980513
## 447             14302432             14635131                 69262298
## 448             14314352             14684545                 68959604
## 449             14543604             14899442                 69380516
## 450             14133548             14459789                 68005012
##     Weekend_float_population
## 445                 30376212
## 446                 29775660
## 447                 28937563
## 448                 28998897
## 449                 29443046
## 450                 28593337

각 Year_quarter과 Region에 따라 myData&myData2 결합하여 m_data에 저장

m_data <- merge(myData, myData2, by=c("Year_quarter","Region"))


# 지역변수 factor로 변환
m_data$Region <- as.factor(m_data$Region)
str(m_data$Region)

##  Factor w/ 24 levels "Dobong-gu","Dongdaemun-gu",..: 1 1 1 1 1 1 1 1 1 1 ...

View(m_data)
head(m_data)

##   Year_quarter    Region   Service Number_service Open_rate Open_number
## 1        20191 Dobong-gu  Japanese             77         4           3
## 2        20191 Dobong-gu   Chinese             80         2           2
## 3        20191 Dobong-gu      Cafe            229         7          20
## 4        20191 Dobong-gu       Bar            249         5          14
## 5        20191 Dobong-gu    Bakery             62         7           7
## 6        20191 Dobong-gu Fast_food             54         4           4
##   Close_rate Close_number Franchise_number Total_float_population
## 1          7            6                9               71005994
## 2          2            2                2               71005994
## 3          3           10               66               71005994
## 4          8           22               38               71005994
## 5          2            2               43               71005994
## 6          1            1               49               71005994
##   Male_float_population Female_float_population Mon_float_population
## 1              32645226                38360768             10033682
## 2              32645226                38360768             10033682
## 3              32645226                38360768             10033682
## 4              32645226                38360768             10033682
## 5              32645226                38360768             10033682
## 6              32645226                38360768             10033682
##   Tue_float_population Wed_float_populaion Thu_float_populaton
## 1             10088046            10010291             9931175
## 2             10088046            10010291             9931175
## 3             10088046            10010291             9931175
## 4             10088046            10010291             9931175
## 5             10088046            10010291             9931175
## 6             10088046            10010291             9931175
##   Fri_float_population Sat_float_population Sun_float_population
## 1              9953787             10359203             10629811
## 2              9953787             10359203             10629811
## 3              9953787             10359203             10629811
## 4              9953787             10359203             10629811
## 5              9953787             10359203             10629811
## 6              9953787             10359203             10629811
##   Weekday_float_population Weekend_float_population
## 1                 50016981                 20989014
## 2                 50016981                 20989014
## 3                 50016981                 20989014
## 4                 50016981                 20989014
## 5                 50016981                 20989014
## 6                 50016981                 20989014

tail(m_data)

##      Year_quarter     Region  Service Number_service Open_rate Open_number
## 4315        20232 Yongsan-gu Japanese            249         5          13
## 4316        20232 Yongsan-gu   Korean           1725         3          52
## 4317        20232 Yongsan-gu  Western            245         6          16
## 4318        20232 Yongsan-gu   Bakery            172         3           7
## 4319        20232 Yongsan-gu  Chinese            156         4           6
## 4320        20232 Yongsan-gu     Cafe            757         8          72
##      Close_rate Close_number Franchise_number Total_float_population
## 4315          4           12               24               63775628
## 4316          3           47              115               63775628
## 4317          6           15               30               63775628
## 4318          2            5               78               63775628
## 4319          2            3               11               63775628
## 4320          4           35              160               63775628
##      Male_float_population Female_float_population Mon_float_population
## 4315              30357712                33417914              9067056
## 4316              30357712                33417914              9067056
## 4317              30357712                33417914              9067056
## 4318              30357712                33417914              9067056
## 4319              30357712                33417914              9067056
## 4320              30357712                33417914              9067056
##      Tue_float_population Wed_float_populaion Thu_float_populaton
## 4315              9134119             9164607             9164735
## 4316              9134119             9164607             9164735
## 4317              9134119             9164607             9164735
## 4318              9134119             9164607             9164735
## 4319              9134119             9164607             9164735
## 4320              9134119             9164607             9164735
##      Fri_float_population Sat_float_population Sun_float_population
## 4315              9153336              9037996              9053777
## 4316              9153336              9037996              9053777
## 4317              9153336              9037996              9053777
## 4318              9153336              9037996              9053777
## 4319              9153336              9037996              9053777
## 4320              9153336              9037996              9053777
##      Weekday_float_population Weekend_float_population
## 4315                 45683853                 18091773
## 4316                 45683853                 18091773
## 4317                 45683853                 18091773
## 4318                 45683853                 18091773
## 4319                 45683853                 18091773
## 4320                 45683853                 18091773

Df1

독립변수 = Region 자치구, 종속변수: Close_rate 폐업률

df1 <- lm(Close_rate ~ Region, data = m_data)
summary(df1)

## 
## Call:
## lm(formula = Close_rate ~ Region, data = m_data)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -4.2333 -1.1222 -0.1444  0.8944  7.6278 
## 
## Coefficients:
##                        Estimate Std. Error t value Pr(>|t|)    
## (Intercept)            4.233333   0.120865  35.025  < 2e-16 ***
## RegionDongdaemun-gu   -0.111111   0.170929  -0.650 0.515700    
## RegionDongjak-gu      -0.144444   0.170929  -0.845 0.398128    
## RegionEunpyeong-gu     0.300000   0.170929   1.755 0.079311 .  
## RegionGangbuk-gu       0.250000   0.170929   1.463 0.143652    
## RegionGangdong-gu      0.005556   0.170929   0.033 0.974073    
## RegionGangnam-gu      -0.338889   0.170929  -1.983 0.047473 *  
## RegionGeumcheong-gu   -0.088889   0.170929  -0.520 0.603067    
## RegionGuro-gu         -0.061111   0.170929  -0.358 0.720718    
## RegionGwanak-gu        0.261111   0.170929   1.528 0.126686    
## RegionGwangjin-gu     -0.172222   0.170929  -1.008 0.313720    
## RegionJongno-gu       -0.566667   0.170929  -3.315 0.000923 ***
## RegionJung-gu         -0.933333   0.170929  -5.460 5.02e-08 ***
## RegionJungnang-gu      0.138889   0.170929   0.813 0.416520    
## RegionMapo-gu          0.238889   0.170929   1.398 0.162309    
## RegionNowon-gu        -0.194444   0.170929  -1.138 0.255362    
## RegionSeocho-gu       -0.594444   0.170929  -3.478 0.000511 ***
## RegionSeodaemun-gu    -0.250000   0.170929  -1.463 0.143652    
## RegionSeongbuk-gu     -0.283333   0.170929  -1.658 0.097470 .  
## RegionSeongdong-gu    -0.127778   0.170929  -0.748 0.454774    
## RegionSongpa-gu        0.116667   0.170929   0.683 0.494932    
## RegionYangcheon-gu     0.055556   0.170929   0.325 0.745181    
## RegionYeongdeungpo-gu -0.338889   0.170929  -1.983 0.047473 *  
## RegionYongsan-gu      -0.633333   0.170929  -3.705 0.000214 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1.622 on 4296 degrees of freedom
## Multiple R-squared:  0.03475,    Adjusted R-squared:  0.02958 
## F-statistic: 6.724 on 23 and 4296 DF,  p-value: < 2.2e-16

기준은 Dobong-gu로 설정되었다.

회귀 분석 결과

RegionGangnam-gu의 폐업률이 -0.34만큼 더 낮다. (p=0.047473 *)
RegionJongno-gu의 폐업률이 -0.57만큼 더 낮다. (p=0.000923 ***)
RegionJung-gu의 폐업률이 -0.93만큼 더 낮다.(p=5.02e-08 ***)
RegionSeocho-gu의 폐업률이 -0.59 만큼 더 낮다. (p=0.000511 ***)
RegionYeongdeungpo-gu의 폐업률이 -0.34만큼 더 낮다. (p=0.047473 *)
RegionYongsan-gu의 폐업률이 -0.63만큼 더 낮다.(p=0.000214 ***)

7.일반적으로 주거지역보다 상업지역의 성격이 크고, 인구수가 많아 활성화되어 있는 자치구의 폐업률이 낮음을 예측할 수 있다.

예측(1)과 비슷한 성격을 띄는 분석이지만, 총 유동인구 수가 아닌 ‘Region’ 변수의 결과이다.

예측(6): 1분기/2분기/3분기/4분기로 나누어 계절별로 폐업률이 차이가 있을 지 확인한다.

quarter 별로 나누어 계절별 차이 확인한다. (1분기~4분기)

m_data$quarter <- substr(m_data$Year_quarter, 5, 5)
str(m_data$quarter)

##  chr [1:4320] "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" "1" ...

m_data$quarter <- as.numeric(m_data$quarter)
str(m_data$quarter)

##  num [1:4320] 1 1 1 1 1 1 1 1 1 1 ...

m_data$quarter <- as.factor(m_data$quarter)
str(m_data$quarter)

##  Factor w/ 4 levels "1","2","3","4": 1 1 1 1 1 1 1 1 1 1 ...

df2

독립변수: Region(자치구), quarter(분기-계절별)

종속변수: Close_rate(폐업률)

df2 <- lm(Close_rate ~ Region + quarter, data = m_data)
summary(df2)

## 
## Call:
## lm(formula = Close_rate ~ Region + quarter, data = m_data)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -4.1505 -1.0894 -0.1561  0.9156  7.2071 
## 
## Coefficients:
##                        Estimate Std. Error t value Pr(>|t|)    
## (Intercept)            3.945509   0.125705  31.387  < 2e-16 ***
## RegionDongdaemun-gu   -0.111111   0.168862  -0.658 0.510573    
## RegionDongjak-gu      -0.144444   0.168862  -0.855 0.392377    
## RegionEunpyeong-gu     0.300000   0.168862   1.777 0.075705 .  
## RegionGangbuk-gu       0.250000   0.168862   1.481 0.138813    
## RegionGangdong-gu      0.005556   0.168862   0.033 0.973756    
## RegionGangnam-gu      -0.338889   0.168862  -2.007 0.044823 *  
## RegionGeumcheong-gu   -0.088889   0.168862  -0.526 0.598637    
## RegionGuro-gu         -0.061111   0.168862  -0.362 0.717444    
## RegionGwanak-gu        0.261111   0.168862   1.546 0.122106    
## RegionGwangjin-gu     -0.172222   0.168862  -1.020 0.307833    
## RegionJongno-gu       -0.566667   0.168862  -3.356 0.000798 ***
## RegionJung-gu         -0.933333   0.168862  -5.527 3.45e-08 ***
## RegionJungnang-gu      0.138889   0.168862   0.823 0.410838    
## RegionMapo-gu          0.238889   0.168862   1.415 0.157229    
## RegionNowon-gu        -0.194444   0.168862  -1.152 0.249591    
## RegionSeocho-gu       -0.594444   0.168862  -3.520 0.000436 ***
## RegionSeodaemun-gu    -0.250000   0.168862  -1.481 0.138813    
## RegionSeongbuk-gu     -0.283333   0.168862  -1.678 0.093439 .  
## RegionSeongdong-gu    -0.127778   0.168862  -0.757 0.449271    
## RegionSongpa-gu        0.116667   0.168862   0.691 0.489666    
## RegionYangcheon-gu     0.055556   0.168862   0.329 0.742172    
## RegionYeongdeungpo-gu -0.338889   0.168862  -2.007 0.044823 *  
## RegionYongsan-gu      -0.633333   0.168862  -3.751 0.000179 ***
## quarter2               0.205000   0.065400   3.135 0.001733 ** 
## quarter3               0.708542   0.069367  10.214  < 2e-16 ***
## quarter4               0.330417   0.069367   4.763 1.97e-06 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1.602 on 4293 degrees of freedom
## Multiple R-squared:  0.05861,    Adjusted R-squared:  0.05291 
## F-statistic: 10.28 on 26 and 4293 DF,  p-value: < 2.2e-16

기준은 1분기로 설정되었다.

회귀분석 결과

폐업률은 3분기 > 4분기 > 2분기 > 1분기 순으로 높았다.
폐업률은 3분기(가을)에 가장 높고, 1분기(봄)에 가장 낮다.

Service(서비스 업종) factor로 변환

m_data$Service <- as.factor(m_data$Service)

df3

독립변수: Region(자치구), Service(업종), quarter(분기)

종속변수: Close_rate(폐업률)

df3 <- lm(Close_rate ~ Region + Service + quarter, data = m_data)
summary(df3)

## 
## Call:
## lm(formula = Close_rate ~ Region + Service + quarter, data = m_data)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -4.4055 -0.9985 -0.0892  0.8640  7.3328 
## 
## Coefficients:
##                        Estimate Std. Error t value Pr(>|t|)    
## (Intercept)            3.356852   0.133094  25.222  < 2e-16 ***
## RegionDongdaemun-gu   -0.111111   0.154544  -0.719 0.472206    
## RegionDongjak-gu      -0.144444   0.154544  -0.935 0.350023    
## RegionEunpyeong-gu     0.300000   0.154544   1.941 0.052301 .  
## RegionGangbuk-gu       0.250000   0.154544   1.618 0.105810    
## RegionGangdong-gu      0.005556   0.154544   0.036 0.971326    
## RegionGangnam-gu      -0.338889   0.154544  -2.193 0.028374 *  
## RegionGeumcheong-gu   -0.088889   0.154544  -0.575 0.565209    
## RegionGuro-gu         -0.061111   0.154544  -0.395 0.692547    
## RegionGwanak-gu        0.261111   0.154544   1.690 0.091186 .  
## RegionGwangjin-gu     -0.172222   0.154544  -1.114 0.265176    
## RegionJongno-gu       -0.566667   0.154544  -3.667 0.000249 ***
## RegionJung-gu         -0.933333   0.154544  -6.039 1.68e-09 ***
## RegionJungnang-gu      0.138889   0.154544   0.899 0.368864    
## RegionMapo-gu          0.238889   0.154544   1.546 0.122236    
## RegionNowon-gu        -0.194444   0.154544  -1.258 0.208396    
## RegionSeocho-gu       -0.594444   0.154544  -3.846 0.000122 ***
## RegionSeodaemun-gu    -0.250000   0.154544  -1.618 0.105810    
## RegionSeongbuk-gu     -0.283333   0.154544  -1.833 0.066821 .  
## RegionSeongdong-gu    -0.127778   0.154544  -0.827 0.408395    
## RegionSongpa-gu        0.116667   0.154544   0.755 0.450346    
## RegionYangcheon-gu     0.055556   0.154544   0.359 0.719254    
## RegionYeongdeungpo-gu -0.338889   0.154544  -2.193 0.028374 *  
## RegionYongsan-gu      -0.633333   0.154544  -4.098 4.24e-05 ***
## ServiceBar             2.048611   0.099758  20.536  < 2e-16 ***
## ServiceCafe            0.717593   0.099758   7.193 7.43e-13 ***
## ServiceChicken         1.476852   0.099758  14.804  < 2e-16 ***
## ServiceChinese         0.462963   0.099758   4.641 3.57e-06 ***
## ServiceFast_food       0.118056   0.099758   1.183 0.236709    
## ServiceJapanese        0.368056   0.099758   3.689 0.000228 ***
## ServiceKorean         -0.039352   0.099758  -0.394 0.693251    
## ServiceSnack           0.615741   0.099758   6.172 7.35e-10 ***
## ServiceWestern         0.118056   0.099758   1.183 0.236709    
## quarter2               0.205000   0.059855   3.425 0.000621 ***
## quarter3               0.708542   0.063486  11.161  < 2e-16 ***
## quarter4               0.330417   0.063486   5.205 2.04e-07 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1.466 on 4284 degrees of freedom
## Multiple R-squared:  0.2131, Adjusted R-squared:  0.2067 
## F-statistic: 33.15 on 35 and 4284 DF,  p-value: < 2.2e-16

기준은 Bakery로 설정되었다.

회귀분석결과

2019년~2023년2분기, 업종별 폐업률은 ServiceBar > ServiceChicken > ServiceCafe > ServiceSnack > ServiceChinese > ServiceJapanese 순으로 높았다.
업종 중 Bar(술집/호프집)와 Chicken(치킨집)이 평균적으로 폐업률이 높다.

df4

팬더믹 더미 변수 확인(2019:0, 2020~2023팬더믹:1)

2019년1분기~4분기: 팬더믹 이전-> 0 2020년1분기~2023년 2분기: 팬더믹 시기->1

m_data$Year_pandemic <- ifelse(m_data$Year_quarter <= 20194, 0, 1)

독립변수: Region(자치구), Service(업종), quarter(분기), Year_pandemic(팬더믹 더미변수), Open_rate(개업률)

종속변수: Close_rate(폐업률)

df4 <- lm(Close_rate ~ Region + Service + quarter + Year_pandemic + Open_rate, data = m_data)
summary(df4)

## 
## Call:
## lm(formula = Close_rate ~ Region + Service + quarter + Year_pandemic + 
##     Open_rate, data = m_data)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -4.1349 -0.9660 -0.0873  0.8425  7.3571 
## 
## Coefficients:
##                       Estimate Std. Error t value Pr(>|t|)    
## (Intercept)            3.13068    0.15121  20.704  < 2e-16 ***
## RegionDongdaemun-gu   -0.04407    0.15009  -0.294 0.769054    
## RegionDongjak-gu      -0.02210    0.15038  -0.147 0.883192    
## RegionEunpyeong-gu     0.25475    0.15002   1.698 0.089563 .  
## RegionGangbuk-gu       0.24832    0.14996   1.656 0.097816 .  
## RegionGangdong-gu      0.02902    0.14998   0.193 0.846582    
## RegionGangnam-gu      -0.27604    0.15007  -1.839 0.065930 .  
## RegionGeumcheong-gu   -0.10062    0.14997  -0.671 0.502286    
## RegionGuro-gu         -0.03597    0.14998  -0.240 0.810469    
## RegionGwanak-gu        0.26027    0.14996   1.736 0.082710 .  
## RegionGwangjin-gu     -0.13032    0.15001  -0.869 0.385036    
## RegionJongno-gu       -0.39990    0.15073  -2.653 0.008005 ** 
## RegionJung-gu         -0.72718    0.15113  -4.812 1.55e-06 ***
## RegionJungnang-gu      0.11291    0.14998   0.753 0.451595    
## RegionMapo-gu          0.24811    0.14997   1.654 0.098114 .  
## RegionNowon-gu        -0.13746    0.15005  -0.916 0.359679    
## RegionSeocho-gu       -0.40673    0.15093  -2.695 0.007071 ** 
## RegionSeodaemun-gu    -0.16201    0.15018  -1.079 0.280744    
## RegionSeongbuk-gu     -0.18780    0.15022  -1.250 0.211292    
## RegionSeongdong-gu    -0.12275    0.14996  -0.819 0.413101    
## RegionSongpa-gu        0.10829    0.14997   0.722 0.470286    
## RegionYangcheon-gu     0.07483    0.14997   0.499 0.617838    
## RegionYeongdeungpo-gu -0.26682    0.15011  -1.778 0.075551 .  
## RegionYongsan-gu      -0.50009    0.15045  -3.324 0.000895 ***
## ServiceBar             2.21517    0.09798  22.608  < 2e-16 ***
## ServiceCafe            0.44664    0.09989   4.471 7.98e-06 ***
## ServiceChicken         1.41260    0.09698  14.566  < 2e-16 ***
## ServiceChinese         0.38964    0.09703   4.016 6.03e-05 ***
## ServiceFast_food       0.05660    0.09696   0.584 0.559421    
## ServiceJapanese        0.27727    0.09715   2.854 0.004339 ** 
## ServiceKorean          0.06016    0.09722   0.619 0.536085    
## ServiceSnack           0.56581    0.09691   5.839 5.65e-09 ***
## ServiceWestern        -0.01987    0.09761  -0.204 0.838733    
## quarter2               0.08118    0.05916   1.372 0.170079    
## quarter3               0.59514    0.06211   9.583  < 2e-16 ***
## quarter4               0.21309    0.06215   3.429 0.000612 ***
## Year_pandemic         -0.49056    0.05374  -9.129  < 2e-16 ***
## Open_rate              0.15084    0.01373  10.984  < 2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1.423 on 4282 degrees of freedom
## Multiple R-squared:  0.2594, Adjusted R-squared:  0.253 
## F-statistic: 40.54 on 37 and 4282 DF,  p-value: < 2.2e-16

회귀분석 결과

팬더믹 시기, 오히려 폐업률이 낮음을 볼 수 있다. 이는 데이터의 불균형 문제이거나, 2023년이 포함되어서 팬더믹 특성이 유의미하게 적용되지 않았을 가능성이 있다. 따라서 후에 년도별로 분류하여 변수를 다시 적용해야 한다.
개업률이 높을 수록 폐업률이 높다는 결과이다.

df5

프랜차이즈 수는 유의한 영향을 줄까?

독립변수: Region(자치구), Service(업종), quarter(분기), Year_pandemic(팬더믹 더미변수), Open_rate(개업률), Franchise_number(프랜차이즈 수)

종속변수: Close_rate(폐업률)

df5 <- lm(Close_rate ~ Region + Service + quarter + Year_pandemic + Open_rate + Franchise_number, data = m_data)
summary(df5)

## 
## Call:
## lm(formula = Close_rate ~ Region + Service + quarter + Year_pandemic + 
##     Open_rate + Franchise_number, data = m_data)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -4.1333 -0.9669 -0.0866  0.8431  7.3551 
## 
## Coefficients:
##                         Estimate Std. Error t value Pr(>|t|)    
## (Intercept)            3.1272578  0.1520500  20.567  < 2e-16 ***
## RegionDongdaemun-gu   -0.0477168  0.1510416  -0.316 0.752080    
## RegionDongjak-gu      -0.0258055  0.1513618  -0.170 0.864634    
## RegionEunpyeong-gu     0.2511599  0.1509445   1.664 0.096201 .  
## RegionGangbuk-gu       0.2473125  0.1500525   1.648 0.099390 .  
## RegionGangdong-gu      0.0235283  0.1521144   0.155 0.877085    
## RegionGangnam-gu      -0.2958682  0.1757134  -1.684 0.092291 .  
## RegionGeumcheong-gu   -0.1036038  0.1506122  -0.688 0.491563    
## RegionGuro-gu         -0.0415309  0.1521696  -0.273 0.784924    
## RegionGwanak-gu        0.2550210  0.1519199   1.679 0.093292 .  
## RegionGwangjin-gu     -0.1349586  0.1515422  -0.891 0.373211    
## RegionJongno-gu       -0.4049417  0.1525241  -2.655 0.007962 ** 
## RegionJung-gu         -0.7340627  0.1544381  -4.753 2.07e-06 ***
## RegionJungnang-gu      0.1099114  0.1506339   0.730 0.465639    
## RegionMapo-gu          0.2389509  0.1558030   1.534 0.125184    
## RegionNowon-gu        -0.1429535  0.1521896  -0.939 0.347624    
## RegionSeocho-gu       -0.4154851  0.1562476  -2.659 0.007863 ** 
## RegionSeodaemun-gu    -0.1652900  0.1509527  -1.095 0.273588    
## RegionSeongbuk-gu     -0.1915514  0.1512230  -1.267 0.205338    
## RegionSeongdong-gu    -0.1250390  0.1503512  -0.832 0.405655    
## RegionSongpa-gu        0.0949690  0.1620494   0.586 0.557873    
## RegionYangcheon-gu     0.0713331  0.1508531   0.473 0.636334    
## RegionYeongdeungpo-gu -0.2756011  0.1554800  -1.773 0.076369 .  
## RegionYongsan-gu      -0.5018452  0.1506871  -3.330 0.000875 ***
## ServiceBar             2.2176409  0.0986540  22.479  < 2e-16 ***
## ServiceCafe            0.4304210  0.1247546   3.450 0.000566 ***
## ServiceChicken         1.4049783  0.1031577  13.620  < 2e-16 ***
## ServiceChinese         0.3964454  0.1019860   3.887 0.000103 ***
## ServiceFast_food       0.0533490  0.0981246   0.544 0.586686    
## ServiceJapanese        0.2823782  0.0999727   2.825 0.004757 ** 
## ServiceKorean          0.0428779  0.1256852   0.341 0.733005    
## ServiceSnack           0.5627659  0.0979277   5.747 9.73e-09 ***
## ServiceWestern        -0.0149187  0.1002496  -0.149 0.881706    
## quarter2               0.0811455  0.0591713   1.371 0.170333    
## quarter3               0.5950756  0.0621144   9.580  < 2e-16 ***
## quarter4               0.2130514  0.0621578   3.428 0.000615 ***
## Year_pandemic         -0.4902971  0.0537568  -9.121  < 2e-16 ***
## Open_rate              0.1509119  0.0137388  10.984  < 2e-16 ***
## Franchise_number       0.0001106  0.0005096   0.217 0.828196    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1.423 on 4281 degrees of freedom
## Multiple R-squared:  0.2594, Adjusted R-squared:  0.2529 
## F-statistic: 39.47 on 38 and 4281 DF,  p-value: < 2.2e-16

회귀분석 결과

Franchise_number은 유의하지 않으므로, 종속변수에 영향을 미치지 않는다. 그러므로 변수에서 제외한다.

df4의 결과를 보았을 때, 팬더믹 이전시기와 팬더믹 시기가 불균형 하다 생각됨으로, 더미변수를 2019/2020이후가 아닌, 2019를 기준으로 2020,2021,2022+2023 2분기로 나눌 것이다.

2019를 0

d1은 2020년 기준, 2020년은 1, 이외는 0

d2은 2021년 기준, 2021년은 1, 이외는 0

d3은 2022년+2023년 기준, 2022+2023은 1, 이외는 0

m_data$Year_d1 <- ifelse(m_data$Year_quarter <= 20204 & m_data$Year_quarter >= 20201, 1, 0)

m_data$Year_d2 <- ifelse(m_data$Year_quarter <= 20214 & m_data$Year_quarter >= 20211, 1, 0)

m_data$Year_d3 <- ifelse(m_data$Year_quarter <= 20232 & m_data$Year_quarter >= 20221, 1, 0)

팬더믹 전후 비교는 유의하지 않기에, 년도별로로 비교

df6

독립변수: Region(자치구), Service(업종), quarter(분기), Open_rate(개업률), Year_d1(2020년), Year_d2(2021년), Year_d3(2022년~2023년 2분기)

종속변수: Close_rate(폐업률)

df6 <- lm(Close_rate ~ Region + Service + quarter + Open_rate + Year_d1 + Year_d2 + Year_d3, data = m_data)
summary(df6)

## 
## Call:
## lm(formula = Close_rate ~ Region + Service + quarter + Open_rate + 
##     Year_d1 + Year_d2 + Year_d3, data = m_data)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -4.1364 -0.9567 -0.0800  0.8221  7.4117 
## 
## Coefficients:
##                       Estimate Std. Error t value Pr(>|t|)    
## (Intercept)            3.13914    0.15112  20.772  < 2e-16 ***
## RegionDongdaemun-gu   -0.04435    0.14936  -0.297 0.766525    
## RegionDongjak-gu      -0.02261    0.14965  -0.151 0.879938    
## RegionEunpyeong-gu     0.25494    0.14929   1.708 0.087768 .  
## RegionGangbuk-gu       0.24833    0.14923   1.664 0.096170 .  
## RegionGangdong-gu      0.02892    0.14925   0.194 0.846352    
## RegionGangnam-gu      -0.27630    0.14934  -1.850 0.064364 .  
## RegionGeumcheong-gu   -0.10057    0.14923  -0.674 0.500398    
## RegionGuro-gu         -0.03608    0.14925  -0.242 0.809011    
## RegionGwanak-gu        0.26028    0.14923   1.744 0.081209 .  
## RegionGwangjin-gu     -0.13050    0.14928  -0.874 0.382072    
## RegionJongno-gu       -0.40060    0.15001  -2.670 0.007604 ** 
## RegionJung-gu         -0.72804    0.15043  -4.840 1.34e-06 ***
## RegionJungnang-gu      0.11302    0.14925   0.757 0.448941    
## RegionMapo-gu          0.24807    0.14923   1.662 0.096527 .  
## RegionNowon-gu        -0.13770    0.14932  -0.922 0.356500    
## RegionSeocho-gu       -0.40751    0.15022  -2.713 0.006699 ** 
## RegionSeodaemun-gu    -0.16238    0.14945  -1.087 0.277317    
## RegionSeongbuk-gu     -0.18820    0.14949  -1.259 0.208113    
## RegionSeongdong-gu    -0.12277    0.14923  -0.823 0.410730    
## RegionSongpa-gu        0.10832    0.14923   0.726 0.467965    
## RegionYangcheon-gu     0.07475    0.14924   0.501 0.616493    
## RegionYeongdeungpo-gu -0.26712    0.14938  -1.788 0.073808 .  
## RegionYongsan-gu      -0.50065    0.14973  -3.344 0.000834 ***
## ServiceBar             2.21447    0.09753  22.705  < 2e-16 ***
## ServiceCafe            0.44777    0.09949   4.501 6.95e-06 ***
## ServiceChicken         1.41287    0.09651  14.640  < 2e-16 ***
## ServiceChinese         0.38994    0.09656   4.038 5.48e-05 ***
## ServiceFast_food       0.05686    0.09649   0.589 0.555726    
## ServiceJapanese        0.27765    0.09669   2.872 0.004104 ** 
## ServiceKorean          0.05975    0.09676   0.617 0.536958    
## ServiceSnack           0.56602    0.09644   5.869 4.71e-09 ***
## ServiceWestern        -0.01929    0.09716  -0.199 0.842620    
## quarter2               0.08170    0.05890   1.387 0.165502    
## quarter3               0.58469    0.06203   9.425  < 2e-16 ***
## quarter4               0.20265    0.06207   3.265 0.001104 ** 
## Open_rate              0.15021    0.01385  10.849  < 2e-16 ***
## Year_d1               -0.24827    0.06552  -3.789 0.000153 ***
## Year_d2               -0.66388    0.06519 -10.184  < 2e-16 ***
## Year_d3               -0.53973    0.06200  -8.705  < 2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1.416 on 4280 degrees of freedom
## Multiple R-squared:  0.267,  Adjusted R-squared:  0.2603 
## F-statistic: 39.98 on 39 and 4280 DF,  p-value: < 2.2e-16

회귀분석 결과

기준은 2019년으로 설정되었다. (팬더믹 이전)

폐업률은 2021년이 가장 낮다. Year_d2 -0.66388 (***)
폐업률은 2021년(-0.66) > 2022~2023년 2분기(-0.54) > 2020년(-0.25) > 2019년 순으로 낮다.
내가 예측한 가설 ’예측(2): 2019(팬더믹이전)과 2020년 이후(팬더믹)을 비교하였을 때, 팬더믹 시기에 폐업률이 높을 것이다.’이 틀렸다는 것을 확인하였다.

df7_1

유동인구와 폐업률과의 상관관계

독립변수: Region(자치구), Service(업종), quarter(분기), Open_rate(개업률), Year_d1(2020년), Year_d2(2021년), Year_d3(2022년~2023년 2분기), Total_floar_population(총 유동인구 수)

종속변수: Close_rate(폐업률)

df7_1 <- lm(Close_rate ~ Region + Service + quarter + Open_rate + Year_d1 + Year_d2 + Year_d3 + Total_float_population, data = m_data)

summary(df7_1)

## 
## Call:
## lm(formula = Close_rate ~ Region + Service + quarter + Open_rate + 
##     Year_d1 + Year_d2 + Year_d3 + Total_float_population, data = m_data)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -4.2313 -0.9581 -0.0821  0.8222  7.3998 
## 
## Coefficients:
##                          Estimate Std. Error t value Pr(>|t|)    
## (Intercept)             3.404e+00  2.554e-01  13.328  < 2e-16 ***
## RegionDongdaemun-gu     1.186e-01  1.959e-01   0.605 0.544903    
## RegionDongjak-gu        6.266e-02  1.637e-01   0.383 0.701874    
## RegionEunpyeong-gu      3.958e-01  1.852e-01   2.138 0.032603 *  
## RegionGangbuk-gu        3.835e-01  1.825e-01   2.101 0.035694 *  
## RegionGangdong-gu       2.054e-01  2.028e-01   1.013 0.311065    
## RegionGangnam-gu        3.465e-02  2.842e-01   0.122 0.902977    
## RegionGeumcheong-gu    -2.140e-01  1.734e-01  -1.235 0.217047    
## RegionGuro-gu           1.633e-02  1.547e-01   0.106 0.915961    
## RegionGwanak-gu         5.279e-01  2.561e-01   2.061 0.039325 *  
## RegionGwangjin-gu      -1.789e-02  1.731e-01  -0.103 0.917649    
## RegionJongno-gu        -3.937e-01  1.501e-01  -2.623 0.008755 ** 
## RegionJung-gu          -7.567e-01  1.521e-01  -4.976 6.73e-07 ***
## RegionJungnang-gu       2.538e-01  1.851e-01   1.371 0.170386    
## RegionMapo-gu           4.515e-01  2.175e-01   2.076 0.037946 *  
## RegionNowon-gu          5.509e-03  1.863e-01   0.030 0.976408    
## RegionSeocho-gu        -2.746e-01  1.823e-01  -1.506 0.132161    
## RegionSeodaemun-gu     -5.214e-02  1.723e-01  -0.303 0.762170    
## RegionSeongbuk-gu       3.363e-02  2.283e-01   0.147 0.882892    
## RegionSeongdong-gu     -8.507e-02  1.521e-01  -0.559 0.575927    
## RegionSongpa-gu         3.482e-01  2.389e-01   1.458 0.145018    
## RegionYangcheon-gu      1.305e-01  1.554e-01   0.840 0.401093    
## RegionYeongdeungpo-gu  -9.829e-02  1.989e-01  -0.494 0.621163    
## RegionYongsan-gu       -5.042e-01  1.497e-01  -3.367 0.000766 ***
## ServiceBar              2.214e+00  9.753e-02  22.703  < 2e-16 ***
## ServiceCafe             4.483e-01  9.948e-02   4.507 6.76e-06 ***
## ServiceChicken          1.413e+00  9.650e-02  14.642  < 2e-16 ***
## ServiceChinese          3.901e-01  9.656e-02   4.040 5.44e-05 ***
## ServiceFast_food        5.699e-02  9.649e-02   0.591 0.554795    
## ServiceJapanese         2.778e-01  9.668e-02   2.874 0.004075 ** 
## ServiceKorean           5.954e-02  9.675e-02   0.615 0.538360    
## ServiceSnack            5.661e-01  9.643e-02   5.871 4.66e-09 ***
## ServiceWestern         -1.900e-02  9.715e-02  -0.196 0.844953    
## quarter2                5.120e-02  6.349e-02   0.806 0.420041    
## quarter3                5.772e-01  6.230e-02   9.265  < 2e-16 ***
## quarter4                1.987e-01  6.214e-02   3.198 0.001395 ** 
## Open_rate               1.499e-01  1.385e-02  10.825  < 2e-16 ***
## Year_d1                -2.177e-01  6.969e-02  -3.124 0.001797 ** 
## Year_d2                -6.447e-01  6.687e-02  -9.641  < 2e-16 ***
## Year_d3                -5.224e-01  6.345e-02  -8.232 2.41e-16 ***
## Total_float_population -4.091e-09  3.182e-09  -1.286 0.198549    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1.416 on 4279 degrees of freedom
## Multiple R-squared:  0.2673, Adjusted R-squared:  0.2604 
## F-statistic: 39.02 on 40 and 4279 DF,  p-value: < 2.2e-16

회귀분석 결과

폐업률과 총 유동인구수와의 상관관계는 없다는 것을 확인하였다. (p=0.19 > 0.05)
일반적으로 유동인구가 많은 지역은 폐업률이 낮을 것이라 생각하였지만, 총 유동인구를 변수로 설정하였을 때 유의한 결과가 나오지 않았다. 따라서 ’예측(1): 2019~2023 2분기 내(존재하는 데이터 내 전 시기기) 외식업체의 폐업률은, 총 유동인구수가 많은 자치구일수록 폐업률이 낮을 것이다.’는 유의하지 않다.
따라서 Total_float_population은 변수에서 제외한다.

df7_2

유동인구와 지역별 상호작용 변수 적용

독립변수: Region(자치구), Service(업종), quarter(분기), Open_rate(개업률), Year_d1(2020년), Year_d2(2021년), Year_d3(2022년~2023년 2분기), Total_floar_population(총 유동인구 수)*Region(자치구)상호작용변수

종속변수: Close_rate(폐업률)

df7_2 <- lm(Close_rate ~ Region + Service + quarter + Open_rate 
            + Year_d1 + Year_d2 + Year_d3
            + Total_float_population*Region, data = m_data)

summary(df7_2)

## 
## Call:
## lm(formula = Close_rate ~ Region + Service + quarter + Open_rate + 
##     Year_d1 + Year_d2 + Year_d3 + Total_float_population * Region, 
##     data = m_data)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -3.9276 -0.9434 -0.0810  0.8035  7.4230 
## 
## Coefficients:
##                                                Estimate Std. Error t value
## (Intercept)                                   6.229e+00  1.321e+00   4.715
## RegionDongdaemun-gu                          -3.635e+00  1.905e+00  -1.908
## RegionDongjak-gu                             -5.979e+00  1.830e+00  -3.266
## RegionEunpyeong-gu                           -7.238e-01  1.811e+00  -0.400
## RegionGangbuk-gu                             -2.190e+00  1.814e+00  -1.207
## RegionGangdong-gu                            -3.091e+00  1.820e+00  -1.699
## RegionGangnam-gu                             -5.394e+00  1.854e+00  -2.909
## RegionGeumcheong-gu                          -3.221e+00  1.846e+00  -1.745
## RegionGuro-gu                                -9.777e-01  1.851e+00  -0.528
## RegionGwanak-gu                              -1.557e+00  1.855e+00  -0.839
## RegionGwangjin-gu                            -8.837e-01  1.875e+00  -0.471
## RegionJongno-gu                              -2.461e+00  1.873e+00  -1.314
## RegionJung-gu                                -5.131e+00  1.869e+00  -2.746
## RegionJungnang-gu                            -3.590e+00  1.814e+00  -1.979
## RegionMapo-gu                                -2.062e+00  1.883e+00  -1.095
## RegionNowon-gu                               -2.650e+00  1.774e+00  -1.493
## RegionSeocho-gu                              -3.560e+00  1.886e+00  -1.888
## RegionSeodaemun-gu                           -2.246e+00  1.918e+00  -1.171
## RegionSeongbuk-gu                            -2.738e+00  1.855e+00  -1.476
## RegionSeongdong-gu                           -4.246e+00  1.838e+00  -2.310
## RegionSongpa-gu                              -2.572e+00  1.839e+00  -1.399
## RegionYangcheon-gu                            2.277e-01  1.794e+00   0.127
## RegionYeongdeungpo-gu                        -3.090e+00  1.869e+00  -1.653
## RegionYongsan-gu                             -2.055e+00  1.872e+00  -1.098
## ServiceBar                                    2.213e+00  9.743e-02  22.709
## ServiceCafe                                   4.509e-01  9.940e-02   4.536
## ServiceChicken                                1.414e+00  9.640e-02  14.664
## ServiceChinese                                3.908e-01  9.645e-02   4.052
## ServiceFast_food                              5.757e-02  9.638e-02   0.597
## ServiceJapanese                               2.787e-01  9.658e-02   2.886
## ServiceKorean                                 5.859e-02  9.665e-02   0.606
## ServiceSnack                                  5.666e-01  9.633e-02   5.882
## ServiceWestern                               -1.769e-02  9.705e-02  -0.182
## quarter2                                      3.579e-02  6.389e-02   0.560
## quarter3                                      5.707e-01  6.229e-02   9.161
## quarter4                                      1.908e-01  6.218e-02   3.069
## Open_rate                                     1.485e-01  1.388e-02  10.696
## Year_d1                                      -1.995e-01  7.031e-02  -2.837
## Year_d2                                      -6.252e-01  6.747e-02  -9.267
## Year_d3                                      -5.143e-01  6.368e-02  -8.077
## Total_float_population                       -4.700e-08  1.996e-08  -2.354
## RegionDongdaemun-gu:Total_float_population    5.172e-08  2.375e-08   2.177
## RegionDongjak-gu:Total_float_population       8.004e-08  2.469e-08   3.242
## RegionEunpyeong-gu:Total_float_population     2.592e-08  2.340e-08   1.108
## RegionGangbuk-gu:Total_float_population       4.039e-08  2.352e-08   1.717
## RegionGangdong-gu:Total_float_population      4.726e-08  2.295e-08   2.059
## RegionGangnam-gu:Total_float_population       6.128e-08  2.190e-08   2.798
## RegionGeumcheong-gu:Total_float_population    4.777e-08  3.959e-08   1.207
## RegionGuro-gu:Total_float_population          1.964e-08  2.586e-08   0.760
## RegionGwanak-gu:Total_float_population        3.729e-08  2.221e-08   1.679
## RegionGwangjin-gu:Total_float_population      2.194e-08  2.447e-08   0.896
## RegionJongno-gu:Total_float_population        3.171e-08  2.801e-08   1.132
## RegionJung-gu:Total_float_population          6.924e-08  3.003e-08   2.305
## RegionJungnang-gu:Total_float_population      5.311e-08  2.342e-08   2.267
## RegionMapo-gu:Total_float_population          4.024e-08  2.303e-08   1.747
## RegionNowon-gu:Total_float_population         4.125e-08  2.309e-08   1.786
## RegionSeocho-gu:Total_float_population        4.760e-08  2.414e-08   1.972
## RegionSeodaemun-gu:Total_float_population     3.612e-08  2.491e-08   1.450
## RegionSeongbuk-gu:Total_float_population      4.248e-08  2.264e-08   1.876
## RegionSeongdong-gu:Total_float_population     6.075e-08  2.621e-08   2.318
## RegionSongpa-gu:Total_float_population        4.370e-08  2.237e-08   1.954
## RegionYangcheon-gu:Total_float_population     6.141e-09  2.509e-08   0.245
## RegionYeongdeungpo-gu:Total_float_population  4.448e-08  2.340e-08   1.901
## RegionYongsan-gu:Total_float_population       2.332e-08  2.856e-08   0.816
##                                              Pr(>|t|)    
## (Intercept)                                  2.49e-06 ***
## RegionDongdaemun-gu                           0.05652 .  
## RegionDongjak-gu                              0.00110 ** 
## RegionEunpyeong-gu                            0.68946    
## RegionGangbuk-gu                              0.22749    
## RegionGangdong-gu                             0.08945 .  
## RegionGangnam-gu                              0.00364 ** 
## RegionGeumcheong-gu                           0.08108 .  
## RegionGuro-gu                                 0.59748    
## RegionGwanak-gu                               0.40149    
## RegionGwangjin-gu                             0.63752    
## RegionJongno-gu                               0.18902    
## RegionJung-gu                                 0.00606 ** 
## RegionJungnang-gu                             0.04789 *  
## RegionMapo-gu                                 0.27350    
## RegionNowon-gu                                0.13538    
## RegionSeocho-gu                               0.05913 .  
## RegionSeodaemun-gu                            0.24171    
## RegionSeongbuk-gu                             0.14005    
## RegionSeongdong-gu                            0.02093 *  
## RegionSongpa-gu                               0.16198    
## RegionYangcheon-gu                            0.89898    
## RegionYeongdeungpo-gu                         0.09839 .  
## RegionYongsan-gu                              0.27243    
## ServiceBar                                    < 2e-16 ***
## ServiceCafe                                  5.88e-06 ***
## ServiceChicken                                < 2e-16 ***
## ServiceChinese                               5.18e-05 ***
## ServiceFast_food                              0.55034    
## ServiceJapanese                               0.00392 ** 
## ServiceKorean                                 0.54441    
## ServiceSnack                                 4.37e-09 ***
## ServiceWestern                                0.85536    
## quarter2                                      0.57535    
## quarter3                                      < 2e-16 ***
## quarter4                                      0.00216 ** 
## Open_rate                                     < 2e-16 ***
## Year_d1                                       0.00458 ** 
## Year_d2                                       < 2e-16 ***
## Year_d3                                      8.59e-16 ***
## Total_float_population                        0.01860 *  
## RegionDongdaemun-gu:Total_float_population    0.02952 *  
## RegionDongjak-gu:Total_float_population       0.00120 ** 
## RegionEunpyeong-gu:Total_float_population     0.26811    
## RegionGangbuk-gu:Total_float_population       0.08604 .  
## RegionGangdong-gu:Total_float_population      0.03953 *  
## RegionGangnam-gu:Total_float_population       0.00516 ** 
## RegionGeumcheong-gu:Total_float_population    0.22763    
## RegionGuro-gu:Total_float_population          0.44748    
## RegionGwanak-gu:Total_float_population        0.09326 .  
## RegionGwangjin-gu:Total_float_population      0.37005    
## RegionJongno-gu:Total_float_population        0.25766    
## RegionJung-gu:Total_float_population          0.02119 *  
## RegionJungnang-gu:Total_float_population      0.02342 *  
## RegionMapo-gu:Total_float_population          0.08068 .  
## RegionNowon-gu:Total_float_population         0.07412 .  
## RegionSeocho-gu:Total_float_population        0.04870 *  
## RegionSeodaemun-gu:Total_float_population     0.14708    
## RegionSeongbuk-gu:Total_float_population      0.06075 .  
## RegionSeongdong-gu:Total_float_population     0.02051 *  
## RegionSongpa-gu:Total_float_population        0.05082 .  
## RegionYangcheon-gu:Total_float_population     0.80667    
## RegionYeongdeungpo-gu:Total_float_population  0.05739 .  
## RegionYongsan-gu:Total_float_population       0.41428    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1.414 on 4256 degrees of freedom
## Multiple R-squared:  0.2728, Adjusted R-squared:  0.262 
## F-statistic: 25.34 on 63 and 4256 DF,  p-value: < 2.2e-16

df7_3

유동인구와 년도별 상호작용

독립변수: Region(자치구), Service(업종), quarter(분기), Open_rate(개업률), Year_d1(2020년), Year_d2(2021년), Year_d3(2022년~2023년 2분기), Total_floar_population(총 유동인구 수)*Year_d1,d2,d3(년도별 더미변수)상호작용변수

종속변수: Close_rate(폐업률)

df7_3 <- lm(Close_rate ~ Region + Service + quarter + Open_rate 
            + Year_d1 + Year_d2 + Year_d3
            + Total_float_population*Year_d1
            + Total_float_population*Year_d2 
            + Total_float_population*Year_d3, data = m_data)

summary(df7_3)

## 
## Call:
## lm(formula = Close_rate ~ Region + Service + quarter + Open_rate + 
##     Year_d1 + Year_d2 + Year_d3 + Total_float_population * Year_d1 + 
##     Total_float_population * Year_d2 + Total_float_population * 
##     Year_d3, data = m_data)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -4.2329 -0.9561 -0.0862  0.8238  7.4005 
## 
## Coefficients:
##                                  Estimate Std. Error t value Pr(>|t|)    
## (Intercept)                     3.455e+00  2.677e-01  12.909  < 2e-16 ***
## RegionDongdaemun-gu             9.983e-02  2.013e-01   0.496  0.62001    
## RegionDongjak-gu                5.213e-02  1.654e-01   0.315  0.75274    
## RegionEunpyeong-gu              3.792e-01  1.897e-01   1.999  0.04568 *  
## RegionGangbuk-gu                3.676e-01  1.866e-01   1.970  0.04886 *  
## RegionGangdong-gu               1.851e-01  2.090e-01   0.886  0.37578    
## RegionGangnam-gu               -8.875e-04  2.979e-01  -0.003  0.99762    
## RegionGeumcheong-gu            -2.010e-01  1.764e-01  -1.139  0.25458    
## RegionGuro-gu                   1.026e-02  1.555e-01   0.066  0.94738    
## RegionGwanak-gu                 4.970e-01  2.673e-01   1.860  0.06301 .  
## RegionGwangjin-gu              -3.093e-02  1.760e-01  -0.176  0.86051    
## RegionJongno-gu                -3.934e-01  1.501e-01  -2.620  0.00882 ** 
## RegionJung-gu                  -7.529e-01  1.524e-01  -4.941 8.06e-07 ***
## RegionJungnang-gu               2.373e-01  1.895e-01   1.252  0.21068    
## RegionMapo-gu                   4.287e-01  2.249e-01   1.906  0.05669 .  
## RegionNowon-gu                 -1.187e-02  1.907e-01  -0.062  0.95037    
## RegionSeocho-gu                -2.895e-01  1.862e-01  -1.555  0.12009    
## RegionSeodaemun-gu             -6.420e-02  1.752e-01  -0.366  0.71407    
## RegionSeongbuk-gu               7.908e-03  2.369e-01   0.033  0.97337    
## RegionSeongdong-gu             -8.947e-02  1.525e-01  -0.587  0.55741    
## RegionSongpa-gu                 3.207e-01  2.486e-01   1.290  0.19708    
## RegionYangcheon-gu              1.236e-01  1.563e-01   0.791  0.42917    
## RegionYeongdeungpo-gu          -1.168e-01  2.048e-01  -0.570  0.56856    
## RegionYongsan-gu               -5.041e-01  1.498e-01  -3.366  0.00077 ***
## ServiceBar                      2.214e+00  9.755e-02  22.694  < 2e-16 ***
## ServiceCafe                     4.489e-01  9.951e-02   4.511 6.63e-06 ***
## ServiceChicken                  1.413e+00  9.652e-02  14.640  < 2e-16 ***
## ServiceChinese                  3.902e-01  9.658e-02   4.041 5.42e-05 ***
## ServiceFast_food                5.711e-02  9.651e-02   0.592  0.55407    
## ServiceJapanese                 2.780e-01  9.670e-02   2.875  0.00406 ** 
## ServiceKorean                   5.935e-02  9.677e-02   0.613  0.53975    
## ServiceSnack                    5.662e-01  9.645e-02   5.871 4.67e-09 ***
## ServiceWestern                 -1.874e-02  9.717e-02  -0.193  0.84711    
## quarter2                        4.925e-02  6.356e-02   0.775  0.43844    
## quarter3                        5.786e-01  6.237e-02   9.278  < 2e-16 ***
## quarter4                        2.009e-01  6.222e-02   3.229  0.00125 ** 
## Open_rate                       1.496e-01  1.386e-02  10.796  < 2e-16 ***
## Year_d1                        -4.539e-01  2.572e-01  -1.765  0.07771 .  
## Year_d2                        -6.657e-01  2.581e-01  -2.579  0.00994 ** 
## Year_d3                        -5.944e-01  2.343e-01  -2.537  0.01122 *  
## Total_float_population         -4.505e-09  3.227e-09  -1.396  0.16277    
## Year_d1:Total_float_population  2.455e-09  2.579e-09   0.952  0.34112    
## Year_d2:Total_float_population  2.405e-10  2.651e-09   0.091  0.92773    
## Year_d3:Total_float_population  7.865e-10  2.424e-09   0.324  0.74560    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1.416 on 4276 degrees of freedom
## Multiple R-squared:  0.2675, Adjusted R-squared:  0.2601 
## F-statistic: 36.31 on 43 and 4276 DF,  p-value: < 2.2e-16

회귀분석 결과

폐업률과 총 유동인구수와의 상관관계는 없다는 것을 다시 확인하였다. (p=0.16 > 0.05)
Year_d1, Year_d2, Year_d3(년도별 더미변수)와 총 유동인구수의 상호작용 변수를 적용하였을 때 또한 유의한 결과가 나오지 않았다.
따라서 Total_float_population은 변수에서 완전히 제외한다.

df8

주중유동인구 수, 주말 유동인구 수 적용

독립변수: Region(자치구), Service(업종), quarter(분기), Open_rate(개업률), Year_d1(2020년), Year_d2(2021년), Year_d3(2022년~2023년 2분기), Weekday_float_population(주중유동인구수), Weekend_float_population(주말유동인구수)

종속변수: Close_rate(폐업률)

df8 <- lm(Close_rate ~ Region + Service + quarter + Open_rate + Year_d1 + Year_d2 + Year_d3 + Weekday_float_population + Weekend_float_population, data = m_data)

summary(df8)

## 
## Call:
## lm(formula = Close_rate ~ Region + Service + quarter + Open_rate + 
##     Year_d1 + Year_d2 + Year_d3 + Weekday_float_population + 
##     Weekend_float_population, data = m_data)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -4.4208 -0.9591 -0.0880  0.8314  7.4099 
## 
## Coefficients:
##                            Estimate Std. Error t value Pr(>|t|)    
## (Intercept)               3.818e+00  2.765e-01  13.808  < 2e-16 ***
## RegionDongdaemun-gu      -1.939e-01  2.116e-01  -0.916 0.359516    
## RegionDongjak-gu         -1.043e-02  1.645e-01  -0.063 0.949468    
## RegionEunpyeong-gu        5.807e-01  1.909e-01   3.041 0.002370 ** 
## RegionGangbuk-gu          4.832e-01  1.840e-01   2.626 0.008676 ** 
## RegionGangdong-gu         2.124e-01  2.024e-01   1.049 0.294071    
## RegionGangnam-gu         -2.657e+00  7.514e-01  -3.536 0.000410 ***
## RegionGeumcheong-gu      -5.099e-01  1.892e-01  -2.695 0.007069 ** 
## RegionGuro-gu            -1.512e-01  1.604e-01  -0.942 0.346028    
## RegionGwanak-gu           9.653e-01  2.796e-01   3.453 0.000560 ***
## RegionGwangjin-gu        -4.135e-02  1.729e-01  -0.239 0.810998    
## RegionJongno-gu          -1.508e+00  3.247e-01  -4.645 3.51e-06 ***
## RegionJung-gu            -2.379e+00  4.460e-01  -5.334 1.01e-07 ***
## RegionJungnang-gu         4.357e-01  1.907e-01   2.285 0.022352 *  
## RegionMapo-gu             2.893e-02  2.431e-01   0.119 0.905273    
## RegionNowon-gu            1.371e-01  1.890e-01   0.725 0.468496    
## RegionSeocho-gu          -1.758e+00  4.245e-01  -4.142 3.51e-05 ***
## RegionSeodaemun-gu       -7.755e-01  2.540e-01  -3.052 0.002283 ** 
## RegionSeongbuk-gu         5.002e-02  2.279e-01   0.219 0.826313    
## RegionSeongdong-gu       -6.104e-01  2.037e-01  -2.997 0.002745 ** 
## RegionSongpa-gu           1.415e-01  2.444e-01   0.579 0.562576    
## RegionYangcheon-gu        1.042e-01  1.553e-01   0.671 0.502205    
## RegionYeongdeungpo-gu    -6.000e-01  2.371e-01  -2.530 0.011442 *  
## RegionYongsan-gu         -8.786e-01  1.781e-01  -4.934 8.38e-07 ***
## ServiceBar                2.212e+00  9.737e-02  22.720  < 2e-16 ***
## ServiceCafe               4.514e-01  9.932e-02   4.545 5.66e-06 ***
## ServiceChicken            1.414e+00  9.634e-02  14.674  < 2e-16 ***
## ServiceChinese            3.909e-01  9.640e-02   4.055 5.10e-05 ***
## ServiceFast_food          5.768e-02  9.633e-02   0.599 0.549372    
## ServiceJapanese           2.789e-01  9.652e-02   2.889 0.003884 ** 
## ServiceKorean             5.842e-02  9.660e-02   0.605 0.545344    
## ServiceSnack              5.667e-01  9.627e-02   5.886 4.25e-09 ***
## ServiceWestern           -1.745e-02  9.699e-02  -0.180 0.857197    
## quarter2                 -7.036e-03  6.515e-02  -0.108 0.914010    
## quarter3                  4.874e-01  6.639e-02   7.341 2.52e-13 ***
## quarter4                  1.758e-01  6.232e-02   2.820 0.004820 ** 
## Open_rate                 1.482e-01  1.383e-02  10.715  < 2e-16 ***
## Year_d1                  -2.676e-01  7.076e-02  -3.782 0.000158 ***
## Year_d2                  -6.947e-01  6.800e-02 -10.216  < 2e-16 ***
## Year_d3                  -5.619e-01  6.417e-02  -8.757  < 2e-16 ***
## Weekday_float_population  1.245e-07  3.340e-08   3.729 0.000195 ***
## Weekend_float_population -3.281e-07  8.381e-08  -3.915 9.18e-05 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1.413 on 4278 degrees of freedom
## Multiple R-squared:  0.2698, Adjusted R-squared:  0.2628 
## F-statistic: 38.56 on 41 and 4278 DF,  p-value: < 2.2e-16

회귀분석결과

Weekend_float_population: -3.281e-07로, 주말 유동인구 수가 많을 수록 폐업률이 감소한다. (***)
총 유동인구는 의미가 없지만, 주중/주말은 유의미한 차이가 있다는 것을 확인하였다.(주중/주말 음식점에 언제 방문하는 사람 수가 많은 지 유의한 영향을 준다.)
주중 유동인구수가 많은 것은, 음식점 방문이 아닌 다른 목적이 있기에 방문하는 것일 가능성이 크다. 예를 들어 음시점을 방문하고 관광/여가를 즐기러 방문하는 것이 주목적이 아니라, 직장 및 학교가 그 지역에 있어 이동하는 것일 가능성이 있다. 따라서 음식점 방문/관광/여가의 목적으로 유동인구 수가 많은 것은 주말에 해당된다.
Weekday_float_population(주중 유동인구 수)와 Weekend_float_population(주말 유동인구 수) 변수는 그대로 유지한다.

df9

식당 종류와 년도별 상호변수

독립변수: Region(자치구), Service(업종), quarter(분기), Open_rate(개업률), Weekday_float_population(주중유동인구수), Weekend_float_population(주말유동인구수), Year_d1(2020년), Year_d2(2021년), Year_d3, ServiceYear_d1(업종2020년),ServiceYear_d2(업종2021년), ServiceYear_d3(업종2022년~2023년 2분기)

종속변수: Close_rate(폐업률)

df9 <- lm(Close_rate ~ Region + Service + quarter + Open_rate 
          + Weekday_float_population + Weekend_float_population
          + Year_d1 + Year_d2 + Year_d3
          + Service*Year_d1
          + Service*Year_d2 
          + Service*Year_d3, data = m_data)

summary(df9)

## 
## Call:
## lm(formula = Close_rate ~ Region + Service + quarter + Open_rate + 
##     Weekday_float_population + Weekend_float_population + Year_d1 + 
##     Year_d2 + Year_d3 + Service * Year_d1 + Service * Year_d2 + 
##     Service * Year_d3, data = m_data)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -4.6008 -0.8957 -0.0736  0.7944  7.1169 
## 
## Coefficients:
##                            Estimate Std. Error t value Pr(>|t|)    
## (Intercept)               3.552e+00  2.896e-01  12.265  < 2e-16 ***
## RegionDongdaemun-gu      -1.755e-01  2.020e-01  -0.869 0.385052    
## RegionDongjak-gu          1.987e-02  1.571e-01   0.126 0.899385    
## RegionEunpyeong-gu        5.590e-01  1.824e-01   3.065 0.002188 ** 
## RegionGangbuk-gu          4.751e-01  1.758e-01   2.703 0.006893 ** 
## RegionGangdong-gu         2.114e-01  1.933e-01   1.094 0.274223    
## RegionGangnam-gu         -2.591e+00  7.177e-01  -3.610 0.000310 ***
## RegionGeumcheong-gu      -5.016e-01  1.807e-01  -2.776 0.005531 ** 
## RegionGuro-gu            -1.428e-01  1.532e-01  -0.932 0.351391    
## RegionGwanak-gu           9.443e-01  2.670e-01   3.537 0.000409 ***
## RegionGwangjin-gu        -3.431e-02  1.651e-01  -0.208 0.835395    
## RegionJongno-gu          -1.439e+00  3.102e-01  -4.639 3.61e-06 ***
## RegionJung-gu            -2.287e+00  4.261e-01  -5.366 8.46e-08 ***
## RegionJungnang-gu         4.191e-01  1.821e-01   2.302 0.021408 *  
## RegionMapo-gu             3.313e-02  2.321e-01   0.143 0.886525    
## RegionNowon-gu            1.432e-01  1.805e-01   0.793 0.427685    
## RegionSeocho-gu          -1.680e+00  4.055e-01  -4.143 3.50e-05 ***
## RegionSeodaemun-gu       -7.400e-01  2.426e-01  -3.050 0.002305 ** 
## RegionSeongbuk-gu         6.581e-02  2.177e-01   0.302 0.762399    
## RegionSeongdong-gu       -5.983e-01  1.945e-01  -3.076 0.002113 ** 
## RegionSongpa-gu           1.347e-01  2.334e-01   0.577 0.564030    
## RegionYangcheon-gu        1.077e-01  1.483e-01   0.726 0.467941    
## RegionYeongdeungpo-gu    -5.761e-01  2.265e-01  -2.544 0.011001 *  
## RegionYongsan-gu         -8.349e-01  1.701e-01  -4.907 9.58e-07 ***
## ServiceBar                2.930e+00  1.950e-01  15.024  < 2e-16 ***
## ServiceCafe               4.327e-01  1.959e-01   2.209 0.027227 *  
## ServiceChicken            8.117e-01  1.950e-01   4.163 3.21e-05 ***
## ServiceChinese            1.418e-01  1.949e-01   0.728 0.466911    
## ServiceFast_food         -4.186e-01  1.948e-01  -2.149 0.031706 *  
## ServiceJapanese           8.515e-01  1.949e-01   4.370 1.27e-05 ***
## ServiceKorean             2.552e-02  1.951e-01   0.131 0.895942    
## ServiceSnack              7.585e-01  1.949e-01   3.891 0.000101 ***
## ServiceWestern            2.811e-01  1.950e-01   1.441 0.149522    
## quarter2                 -3.682e-02  6.231e-02  -0.591 0.554573    
## quarter3                  4.713e-01  6.343e-02   7.431 1.30e-13 ***
## quarter4                  1.570e-01  5.956e-02   2.636 0.008421 ** 
## Open_rate                 1.877e-01  1.388e-02  13.517  < 2e-16 ***
## Weekday_float_population  1.217e-07  3.190e-08   3.816 0.000138 ***
## Weekend_float_population -3.204e-07  8.005e-08  -4.003 6.36e-05 ***
## Year_d1                  -2.871e-02  1.972e-01  -0.146 0.884258    
## Year_d2                  -6.014e-01  1.958e-01  -3.071 0.002145 ** 
## Year_d3                  -5.375e-01  1.800e-01  -2.986 0.002846 ** 
## ServiceBar:Year_d1       -2.014e-02  2.755e-01  -0.073 0.941747    
## ServiceCafe:Year_d1      -2.123e-01  2.756e-01  -0.770 0.441082    
## ServiceChicken:Year_d1    8.124e-02  2.758e-01   0.295 0.768308    
## ServiceChinese:Year_d1    8.928e-02  2.756e-01   0.324 0.746001    
## ServiceFast_food:Year_d1 -7.311e-02  2.760e-01  -0.265 0.791098    
## ServiceJapanese:Year_d1  -5.638e-01  2.755e-01  -2.046 0.040779 *  
## ServiceKorean:Year_d1    -2.905e-01  2.757e-01  -1.054 0.292134    
## ServiceSnack:Year_d1     -3.928e-01  2.759e-01  -1.423 0.154692    
## ServiceWestern:Year_d1   -6.993e-01  2.757e-01  -2.537 0.011228 *  
## ServiceBar:Year_d2       -2.187e-02  2.764e-01  -0.079 0.936937    
## ServiceCafe:Year_d2      -3.508e-02  2.756e-01  -0.127 0.898725    
## ServiceChicken:Year_d2    1.080e+00  2.757e-01   3.916 9.14e-05 ***
## ServiceChinese:Year_d2    1.166e-01  2.756e-01   0.423 0.672208    
## ServiceFast_food:Year_d2  2.244e-01  2.760e-01   0.813 0.416127    
## ServiceJapanese:Year_d2  -1.109e+00  2.755e-01  -4.024 5.82e-05 ***
## ServiceKorean:Year_d2    -2.200e-01  2.755e-01  -0.798 0.424642    
## ServiceSnack:Year_d2      1.009e-01  2.755e-01   0.366 0.714142    
## ServiceWestern:Year_d2   -8.198e-01  2.756e-01  -2.974 0.002955 ** 
## ServiceBar:Year_d3       -1.994e+00  2.515e-01  -7.927 2.84e-15 ***
## ServiceCafe:Year_d3       8.288e-03  2.519e-01   0.033 0.973760    
## ServiceChicken:Year_d3    9.817e-01  2.517e-01   3.900 9.76e-05 ***
## ServiceChinese:Year_d3    5.524e-01  2.516e-01   2.195 0.028197 *  
## ServiceFast_food:Year_d3  1.280e+00  2.516e-01   5.088 3.78e-07 ***
## ServiceJapanese:Year_d3  -6.742e-01  2.517e-01  -2.679 0.007422 ** 
## ServiceKorean:Year_d3     5.171e-01  2.515e-01   2.056 0.039833 *  
## ServiceSnack:Year_d3     -4.202e-01  2.527e-01  -1.663 0.096453 .  
## ServiceWestern:Year_d3    8.703e-03  2.515e-01   0.035 0.972397    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1.35 on 4251 degrees of freedom
## Multiple R-squared:  0.3383, Adjusted R-squared:  0.3277 
## F-statistic: 31.96 on 68 and 4251 DF,  p-value: < 2.2e-16

회귀분석 결과

기준은 2019년, Sevcice_Bakery이다.

2019년 대비 2020년(Year_d1) 업종 폐업률

ServiceJapanese:Year_d1 -5.638e-01 (), ServiceWestern:Year_d1 -6.993e-01 ()

2019년 대비 2020년에는 업종 중 Japanese(일식)과 Western(양식) 일반 음식점업의 폐업률이 유의하게 낮았다. 농립축산식품부의 ’외식업체경영실태조사’에 따르면, 일반음식점 부문 세부업종들의 사업체당 매출액이 2019년 대비 2020년에 모든 업종에서 하락하였으나, 한식, 중식, 일식 등의 업종은 매출 하략률이 10% 이하로 코로나 19의 충격이 상대적으로 미약했음을 보여주었다.

2019년 대비 2021년(Year_d2) 업종 폐업률

ServiceChicken:Year_d2 1.080e+00 (), ServiceJapanese:Year_d2 -1.109e+00 (), ServiceWestern:Year_d2 -8.198e-01 ()**

2019년 대비 2021년, 업종 중 Western(양식)의 폐업률이 유의하게 가장 낮았다.
2019년 대비 2021년, 업종 중 Japanese(일식)의 폐업률이 유의하게 낮았다.
2019년 대비 2021년, 업종 중 Chicken(치킨)의 폐업률이 유의하게 높았다.
‘예측(3): 팬더믹 시기(2020년~2023년 2분기기)와 2019년과 비교하였을 때, 팬더믹시기에 업종 중 Bar, Chicken, 그리고 Café가 폐업률이 높을 것이다.’ 에서 ’Chicken이 팬더믹 시기에 폐업률이 높다’는 가설이 맞다는 것을 확인하였다.
ServiceChicken의 2021년도 폐업률이 상대적으로(2019년 대비) 높은 것은 다양한 요인이 있을 수 있는데, 첫번째 요인을 ‘배달 시장 점유율 변화’라고 보았다. 배달 대행업체 부릉을 운영하는 메쉬코리아에 따르면, 2020년 한 해 배달 데이터를 분석한 결과 음식 배달 순위에서의 변화가 있음을 밝혔다. 2018∼2019년 음식 배달 건수 ‘톱 5’ 메뉴는 버거, 치킨, 한식, 분식, 디저트 순이었다. 그러나 2020년에는 버거, 한식, 치킨, 디저트, 분식 순으로 일부 바뀌었다는 결과가 있다. 이는 팬더믹 이후 배달앱 이용이 활성화되기 이전, 배달시장은 중식과 치킨, 그리고 패스트푸드의 점유율이 높았다. 그러나 팬더믹 이후 소비자들이 배달앱을 이용하기 시작하고 타 업종도 배달앱의 가맹점으로 등록하기 시작하여, 소비자들이 다양한 업종을 배달로 접하게 되었다. 따라서 2021년, 배달 시장의 경쟁이 심화되어 업종별 독점 시장 양상이 바뀌었고, 치킨 시장 내에서도 경쟁이 심화되어 치킨의 폐업률이 높아졌을 가능성이 있다.
ServiceChicken의 2021년도 폐업률이 상대적으로(2019년 대비) 높은 두번째 요인은 ‘과포화상태인 치킨 시장’이다. 이영주 국토연구원 국토시뮬레이션센터장에 따르면, “치킨집 창업비용은 5800만 원대로, 1억원을 훌쩍 넘는 커피점이나 패스트푸드점의 절반 수준”이라 밝히며 치킨집 창업의 낮은 진입장벽을 설명하였다. 2005년부터 치킨집은 폐업과 창업이 비슷한 수를 보이며 포화상태를 맞이했다. 2013년에는 폐업이 8143건으로 개업(7880건) 수를 앞서기 시작하며 치킨집은 이후 쇠퇴기라는 분석이 있다. 또한 국토연구원은 지난 20년간 치킨집 폐업률은 78.2%라고 밝혔다. 이미 치열한 경쟁시장에, 낮은 진입장벽으로 개업률도 높지만 이에 따라 폐업률도 높다는 것이다.
ServiceChicken의 2021년도 폐업률이 상대적으로(2019년 대비) 높은 세번째 요인은 ‘상승하는 닭 값’이다. ’한국육계협회’에 따르면, 2020년 3433원/kg였던 닭고기 가격이 2021년 4600원/kg으로 상승하였다. 이는 물가상승/2021년 초 발생하였던 조류인플루엔자(AI)/폭염의 영향이 있음을 파악하였다. 따라 이러한 원재료값 인상에 치킨집 운영이 어려워져 타 년도보다 더 높은 폐업률 양상을 보인 것이다.

2019년 대비 2022년~2023년 2분기(Year_d3) 업종 폐업률

ServiceBar:Year_d3 -1.994e+00 (), ServiceChicken:Year_d3 9.817e-01 (), ServiceChinese:Year_d3 5.524e-01 (), ServiceFast_food:Year_d3 1.280e+00 (), ServiceJapanese:Year_d3 -6.742e-01(**), ServiceKorean:Year_d3 5.171e-01 (*) **

2019년 대비 2022~2023-2년, 업종 중 Chicken(치킨)의 폐업률이 유의하게 가장 높았다. 이는 분석과 동일한 요인이 영향을 주었다고 본다.
2019년 대비 2022~2023-2년, 업종 중 Chinese(중식)의 폐업률이 유의하게 높았다. 이는 앞서 언급한 치킨의 폐업률 요인 중 첫번째 요인인 ’배달 시장 점유도 변화’와 비슷할 것이라 추측한다.
2019년 대비 2022~2023-2년, 업종 중 Korean(한식)의 폐업률이 유의하게 높았다.
2019년 대비 2022~2023-2년, 업종 중 Fast_food(패스트푸드)의 폐업률이 유의하게 높았다.
반면, 2019년 대비 2022~2023-2년, 업종 중 Japanese(일식)의 폐업률이 유의하게 가장 낮았다. 이는 일식일반음식점업의 운영방식 중 ‘포장’과 ’배달서비스’ 도입 비율(+6.4%p)이 크게 증가한 요소가 영향을 주었을 가능성이 있다(농림축산식품부, 2021) 또한, 세부 업종별 배달앱 이용률 결과조사에 따르면, 일식(55.4%)의 배달앱 이용률이 한식(22.5%)보다 월등히 높은 수준을 보인다(농림축산식품부, 2021).
2019년 대비 2022~2023-2년, 업종 중 Bar(술/호프집)의 폐업률이 유의하게 낮았다. 이는 팬더믹이 가장 강하게 영향을 주었던 2021년을 벗어나, 회복단계에 접어들어 ’거리두기 단계’가 사라진 2022년에 사람들이 모두 일상생활로 돌아가 이전과 같은 문화/여가 생활을 즐기기 시작한데에 있다고 본다. 술집/음식점 운영시간 제한 정책과 거리두기 정책이 사라지고, 사람들이 학교/직장에 이전과 같이 통학/출근을 함으로써 상권도 다시 살아나기 시작하였다. 특히, 술집/호프집은 코로나 거리두기 정책에 가장 큰 영향을 받은 업종으로 2022년 부터 다시 사람들의 보상심리로 더욱 활성화되었기에 폐업률이 상대적으로 낮았다 볼 수 있다.

최종

My_Model

독립변수: Region(자치구), Service(업종), quarter(분기), Open_rate(개업률), Weekday_float_population(주중유동인구수), Weekend_float_population(주말유동인구수), Year_d1(2020년), Year_d2(2021년), Year_d3, ServiceYear_d1(업종2020년),ServiceYear_d2(업종2021년), ServiceYear_d3(업종2022년~2023년 2분기)

종속변수: Close_rate(폐업률)

My_model <- lm(Close_rate ~ Region + Service + quarter + Open_rate 
               +Weekday_float_population + Weekend_float_population 
               + Year_d1 + Year_d2 + Year_d3 
               + Service*Year_d1 + Service*Year_d2 + Service*Year_d3,
               data = m_data)

summary(My_model)

## 
## Call:
## lm(formula = Close_rate ~ Region + Service + quarter + Open_rate + 
##     Weekday_float_population + Weekend_float_population + Year_d1 + 
##     Year_d2 + Year_d3 + Service * Year_d1 + Service * Year_d2 + 
##     Service * Year_d3, data = m_data)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -4.6008 -0.8957 -0.0736  0.7944  7.1169 
## 
## Coefficients:
##                            Estimate Std. Error t value Pr(>|t|)    
## (Intercept)               3.552e+00  2.896e-01  12.265  < 2e-16 ***
## RegionDongdaemun-gu      -1.755e-01  2.020e-01  -0.869 0.385052    
## RegionDongjak-gu          1.987e-02  1.571e-01   0.126 0.899385    
## RegionEunpyeong-gu        5.590e-01  1.824e-01   3.065 0.002188 ** 
## RegionGangbuk-gu          4.751e-01  1.758e-01   2.703 0.006893 ** 
## RegionGangdong-gu         2.114e-01  1.933e-01   1.094 0.274223    
## RegionGangnam-gu         -2.591e+00  7.177e-01  -3.610 0.000310 ***
## RegionGeumcheong-gu      -5.016e-01  1.807e-01  -2.776 0.005531 ** 
## RegionGuro-gu            -1.428e-01  1.532e-01  -0.932 0.351391    
## RegionGwanak-gu           9.443e-01  2.670e-01   3.537 0.000409 ***
## RegionGwangjin-gu        -3.431e-02  1.651e-01  -0.208 0.835395    
## RegionJongno-gu          -1.439e+00  3.102e-01  -4.639 3.61e-06 ***
## RegionJung-gu            -2.287e+00  4.261e-01  -5.366 8.46e-08 ***
## RegionJungnang-gu         4.191e-01  1.821e-01   2.302 0.021408 *  
## RegionMapo-gu             3.313e-02  2.321e-01   0.143 0.886525    
## RegionNowon-gu            1.432e-01  1.805e-01   0.793 0.427685    
## RegionSeocho-gu          -1.680e+00  4.055e-01  -4.143 3.50e-05 ***
## RegionSeodaemun-gu       -7.400e-01  2.426e-01  -3.050 0.002305 ** 
## RegionSeongbuk-gu         6.581e-02  2.177e-01   0.302 0.762399    
## RegionSeongdong-gu       -5.983e-01  1.945e-01  -3.076 0.002113 ** 
## RegionSongpa-gu           1.347e-01  2.334e-01   0.577 0.564030    
## RegionYangcheon-gu        1.077e-01  1.483e-01   0.726 0.467941    
## RegionYeongdeungpo-gu    -5.761e-01  2.265e-01  -2.544 0.011001 *  
## RegionYongsan-gu         -8.349e-01  1.701e-01  -4.907 9.58e-07 ***
## ServiceBar                2.930e+00  1.950e-01  15.024  < 2e-16 ***
## ServiceCafe               4.327e-01  1.959e-01   2.209 0.027227 *  
## ServiceChicken            8.117e-01  1.950e-01   4.163 3.21e-05 ***
## ServiceChinese            1.418e-01  1.949e-01   0.728 0.466911    
## ServiceFast_food         -4.186e-01  1.948e-01  -2.149 0.031706 *  
## ServiceJapanese           8.515e-01  1.949e-01   4.370 1.27e-05 ***
## ServiceKorean             2.552e-02  1.951e-01   0.131 0.895942    
## ServiceSnack              7.585e-01  1.949e-01   3.891 0.000101 ***
## ServiceWestern            2.811e-01  1.950e-01   1.441 0.149522    
## quarter2                 -3.682e-02  6.231e-02  -0.591 0.554573    
## quarter3                  4.713e-01  6.343e-02   7.431 1.30e-13 ***
## quarter4                  1.570e-01  5.956e-02   2.636 0.008421 ** 
## Open_rate                 1.877e-01  1.388e-02  13.517  < 2e-16 ***
## Weekday_float_population  1.217e-07  3.190e-08   3.816 0.000138 ***
## Weekend_float_population -3.204e-07  8.005e-08  -4.003 6.36e-05 ***
## Year_d1                  -2.871e-02  1.972e-01  -0.146 0.884258    
## Year_d2                  -6.014e-01  1.958e-01  -3.071 0.002145 ** 
## Year_d3                  -5.375e-01  1.800e-01  -2.986 0.002846 ** 
## ServiceBar:Year_d1       -2.014e-02  2.755e-01  -0.073 0.941747    
## ServiceCafe:Year_d1      -2.123e-01  2.756e-01  -0.770 0.441082    
## ServiceChicken:Year_d1    8.124e-02  2.758e-01   0.295 0.768308    
## ServiceChinese:Year_d1    8.928e-02  2.756e-01   0.324 0.746001    
## ServiceFast_food:Year_d1 -7.311e-02  2.760e-01  -0.265 0.791098    
## ServiceJapanese:Year_d1  -5.638e-01  2.755e-01  -2.046 0.040779 *  
## ServiceKorean:Year_d1    -2.905e-01  2.757e-01  -1.054 0.292134    
## ServiceSnack:Year_d1     -3.928e-01  2.759e-01  -1.423 0.154692    
## ServiceWestern:Year_d1   -6.993e-01  2.757e-01  -2.537 0.011228 *  
## ServiceBar:Year_d2       -2.187e-02  2.764e-01  -0.079 0.936937    
## ServiceCafe:Year_d2      -3.508e-02  2.756e-01  -0.127 0.898725    
## ServiceChicken:Year_d2    1.080e+00  2.757e-01   3.916 9.14e-05 ***
## ServiceChinese:Year_d2    1.166e-01  2.756e-01   0.423 0.672208    
## ServiceFast_food:Year_d2  2.244e-01  2.760e-01   0.813 0.416127    
## ServiceJapanese:Year_d2  -1.109e+00  2.755e-01  -4.024 5.82e-05 ***
## ServiceKorean:Year_d2    -2.200e-01  2.755e-01  -0.798 0.424642    
## ServiceSnack:Year_d2      1.009e-01  2.755e-01   0.366 0.714142    
## ServiceWestern:Year_d2   -8.198e-01  2.756e-01  -2.974 0.002955 ** 
## ServiceBar:Year_d3       -1.994e+00  2.515e-01  -7.927 2.84e-15 ***
## ServiceCafe:Year_d3       8.288e-03  2.519e-01   0.033 0.973760    
## ServiceChicken:Year_d3    9.817e-01  2.517e-01   3.900 9.76e-05 ***
## ServiceChinese:Year_d3    5.524e-01  2.516e-01   2.195 0.028197 *  
## ServiceFast_food:Year_d3  1.280e+00  2.516e-01   5.088 3.78e-07 ***
## ServiceJapanese:Year_d3  -6.742e-01  2.517e-01  -2.679 0.007422 ** 
## ServiceKorean:Year_d3     5.171e-01  2.515e-01   2.056 0.039833 *  
## ServiceSnack:Year_d3     -4.202e-01  2.527e-01  -1.663 0.096453 .  
## ServiceWestern:Year_d3    8.703e-03  2.515e-01   0.035 0.972397    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 1.35 on 4251 degrees of freedom
## Multiple R-squared:  0.3383, Adjusted R-squared:  0.3277 
## F-statistic: 31.96 on 68 and 4251 DF,  p-value: < 2.2e-16

최종 결과

기간: 2019년~2023년 2분기 기준

통계적으로 유의한 결과 기준으로만 도출

외식업체의 폐업률은 지역별로 상이하였다. 폐업률이 높았던 자치구(Region)는 은평구, 강북구, 관악구, 마포구이며, 가장 높았던 자치구는 관악구이다. 다음으로 폐업률이 낮았던 자치구(Region)는 강남구, 금천구, 종로구, 중구, 서초구, 서대문구, 성동구, 영등포구, 용산구이며, 가장 낮았던 자치구는 용산구이다. (기준: 도봉구)

2.외식업체의 폐업률은 서비스 업종별(휴게음식점영업, 일반음식점영업과 제과점영업, 편의점/휴게소 제외)로 상이하였다. 폐업률이 높았던 업종(Service)은 호프-간이주점, 커피-음료 전문점, 치킨전문점, 일식음식점, 분식전문점이며, 가장 높았던 업종은 일식음식점과 치킨전문점이다. 다음으로 폐업률이 낮았던 업종(Service)은 패스트푸드이다. (기준: 제과점)

외식업체의 폐업률은 분기별로 상이하였다. 폐업률은 3사분기 > 4사분기 > 1사분기 기준으로 높았다. 이는 여름(7~9월)에 폐업률이 가장 높음을 알 수 있다.
외식업체의 폐업률은 개업률과 상관관계가 있다. 외식업체의 개업률이 높을 수록, 폐업률 또한 높아지는 양의 상관관계를 보인다.
외식업체의 폐업률은 요일별 총 유동인구 수에 따라 차이를 보였다. 주중(월요일~금요일) 총 유동인구 수가 많을 수록, 폐업률이 높았으며, 주말(토요일~일요일) 총 유동인구 수가 많을 수록, 폐업률이 낮았다.
외식업체의 폐업률은 2019년 기준, 2020년(팬더믹 초기)/2021년(팬더믹 중기)/2022년~2023년 2분기(팬더믹 말기) 별로 차이를 보였다. 폐업률은 2021년(팬더믹 중기)가 가장 높았으며, 다음으로 2022~2023년 2분기(팬더믹 말기), 2020년(팬더믹 초기) 순으로 높았다. 또한 2019년(팬더믹 발생 이전)이 가장 낮은 폐업률을 보여주었다. 따라 팬더믹은 폐업률에 영향을 주었다는 결론이다.

7-1. 외식업체의 폐업률은 팬더믹 이후, 시기별 서비스업종에 따라 차이를 보였다. 2020년에는 업종 중 Japanese(일식)과 Western(양식) 일반 음식점업의 폐업률이 낮았다.

7-2. 2021년에는 업종 중 Western(양식)의 폐업률이 가장 낮았으며, 다음으로 japanese(일식)의 폐업률이 낮았다. 반면, 업종 중 Chicken(치킨)의 폐업률이 높았다.

7-3. 2022~2023년 2분기에는, 업종 중 Chicken(치킨)의 폐업률이 가장 높았다. 그 다음으로 Chinese(중식), Korean(한식), 그리고 Fast_food(패스트푸드)순으로 폐업률이 높았다. 반면, 업종 중 Japanese(일식)의 폐업률이 가장 낮았으며, Bar(술/호프집)의 폐업률 또한 낮았다. (기준: 제과점*2019년)

팬더믹 이후 2023 외식산업 비즈니스 분석

김정호

2023-12-25

세종대학교 호텔관광외식경영학부 외식경영학과

20010321 김정호

<팬더믹 이후 서울시 외식업체 폐업률 영향 요인 분석>

활용 파일 출처

데이터 정제

분석

R 회귀분석

Df1

독립변수 = Region 자치구, 종속변수: Close_rate 폐업률

회귀 분석 결과

예측(6): 1분기/2분기/3분기/4분기로 나누어 계절별로 폐업률이 차이가 있을 지 확인한다.

quarter 별로 나누어 계절별 차이 확인한다. (1분기~4분기)

df2

독립변수: Region(자치구), quarter(분기-계절별)

종속변수: Close_rate(폐업률)

회귀분석 결과

Service(서비스 업종) factor로 변환

df3

독립변수: Region(자치구), Service(업종), quarter(분기)

종속변수: Close_rate(폐업률)

회귀분석결과

df4

팬더믹 더미 변수 확인(2019:0, 2020~2023팬더믹:1)

독립변수: Region(자치구), Service(업종), quarter(분기), Year_pandemic(팬더믹 더미변수), Open_rate(개업률)

종속변수: Close_rate(폐업률)

회귀분석 결과

df5

프랜차이즈 수는 유의한 영향을 줄까?

독립변수: Region(자치구), Service(업종), quarter(분기), Year_pandemic(팬더믹 더미변수), Open_rate(개업률), Franchise_number(프랜차이즈 수)

종속변수: Close_rate(폐업률)

회귀분석 결과

2019를 0

d1은 2020년 기준, 2020년은 1, 이외는 0

d2은 2021년 기준, 2021년은 1, 이외는 0

d3은 2022년+2023년 기준, 2022+2023은 1, 이외는 0

팬더믹 전후 비교는 유의하지 않기에, 년도별로로 비교

df6

독립변수: Region(자치구), Service(업종), quarter(분기), Open_rate(개업률), Year_d1(2020년), Year_d2(2021년), Year_d3(2022년~2023년 2분기)

종속변수: Close_rate(폐업률)

회귀분석 결과

df7_1

유동인구와 폐업률과의 상관관계

독립변수: Region(자치구), Service(업종), quarter(분기), Open_rate(개업률), Year_d1(2020년), Year_d2(2021년), Year_d3(2022년~2023년 2분기), Total_floar_population(총 유동인구 수)

종속변수: Close_rate(폐업률)

회귀분석 결과

df7_2

유동인구와 지역별 상호작용 변수 적용

독립변수: Region(자치구), Service(업종), quarter(분기), Open_rate(개업률), Year_d1(2020년), Year_d2(2021년), Year_d3(2022년~2023년 2분기), Total_floar_population(총 유동인구 수)*Region(자치구)상호작용변수

종속변수: Close_rate(폐업률)

df7_3

유동인구와 년도별 상호작용

독립변수: Region(자치구), Service(업종), quarter(분기), Open_rate(개업률), Year_d1(2020년), Year_d2(2021년), Year_d3(2022년~2023년 2분기), Total_floar_population(총 유동인구 수)*Year_d1,d2,d3(년도별 더미변수)상호작용변수

종속변수: Close_rate(폐업률)

회귀분석 결과

df8

주중유동인구 수, 주말 유동인구 수 적용

독립변수: Region(자치구), Service(업종), quarter(분기), Open_rate(개업률), Year_d1(2020년), Year_d2(2021년), Year_d3(2022년~2023년 2분기), Weekday_float_population(주중유동인구수), Weekend_float_population(주말유동인구수)

종속변수: Close_rate(폐업률)

회귀분석결과

df9

식당 종류와 년도별 상호변수

종속변수: Close_rate(폐업률)

회귀분석 결과

2019년 대비 2020년(Year_d1) 업종 폐업률

2019년 대비 2021년(Year_d2) 업종 폐업률

2019년 대비 2022년~2023년 2분기(Year_d3) 업종 폐업률

최종

My_Model

종속변수: Close_rate(폐업률)

최종 결과

기간: 2019년~2023년 2분기 기준

통계적으로 유의한 결과 기준으로만 도출

최종 연구일자: 2023년 12월20일

연구 및 작성자: 김정호

제출일자: 2023년 12월 21일