청년 1인 가구의 주거 불안정 실태
마해인
June 9, 2025
연구 목적 및 배경 설명
본 연구는 청년층 주거 문제를 개인적 경험에서 출발해 탐구했다. 필자 역시 대학생으로서 생활비를 아르바이트와 부모님이 주시는 용돈에 의존하며, 학교 근처의 높은 집값으로 기숙사에 살고 있다. 주변의 많은 친구들 역시 비싼 집값으로 긴 통학 거리나 기숙사 생활의 어려움을 겪고 있으며, 이는 청년층 전반이 마주하는 공통의 현실이다.
많은 청년들이 경제적 자립이 충분하지 않은 상황에서 상대적으로 저렴한 보증부월세 형태의 임차 주택에 거주하며, 이는 청년 주거 불안정의 현실을 반영한다. 특히 2022년 청년 삶 실태조사에 따르면 수도권 청년 1인 가구의 37.1%가 소득 대비 주거비 부담률 30%를 초과하며, 많은 청년이 주거비 부담으로 열악하거나 불안정한 주거 환경에 놓여 있다는 사실이 드러났다. 특히 부모 지원이 부족한 청년들이 주거비 부담을 직접 감당해야 하는 현실은 사회적 안전망 강화의 필요성을 시사한다.
본 연구는 이러한 문제의식을 바탕으로, 청년층 주거 불안정의 구조적 원인과 정책적 개선 방향을 데이터 기반으로 분석하고자 한다.
데이터에 대한 개괄적인 설명
본 연구에서는 2023년 18차 한국복지패널조사(가구용) 데이터를 활용했다. 분석 대상은 분석 대상은 만 19~34세, 고졸 이상, 1인 가구인 청년으로 한정하였다. 주요 분석 변수로는 주거 형태(자가, 전세, 보증부월세, 월세, 비가구원 명의 주택, 기타), 주택 유형(다가구 단독주택, 아파트, 오피스텔, 다세대주택 등), 경제적 배경(소득, 총부채, 부모 지원금)과 더불어 공공임대주택, 전세자금 융자, 월세 지원 등 복지 지원제도 이용 여부를 포함했다. 데이터 전처리 과정에서는 연령과 학력 기준을 충족하는 청년층을 추출한 뒤, 소득·부채·부모 지원금 등을 합산·가공해 최종 분석에 활용했다.일부 연령대의 표본 수가 적어 결과 해석 시 주의가 필요하다.
데이터 정제 및 가공 과정
한국복지패널 데이터를 불러온 후, 원본 데이터를 보존하기 위해 작업용 데이터셋(welfare)을 별도로 생성하였다.
청년층이 만 19~34세이며, 교육 수준이 고등학교 이상이고, 가구원 수가 1명인, 즉 1인 가구인 경우를 충족하도록 했다. 또한, 소득, 주거 형태, 주택 유형, 주거비 부담, 부모 지원, 부채 항목, 이사 경험 변수를 중심으로 분석을 진행하였다. 공공임대주택 지원, 전세자금 융자 지원, 월세 지원 항목의 응답은 ’이용’과 ’비이용’으로 재분류하였다.
그 외에도, 경제적 배경을 대표하는 주요 변수로서 부채 항목을 포함했다. 부채는 금융기관 대출, 사채, 카드빚, 연체금, 기타 부채, 주거 관련 부채 등으로 구성되어 있었으며, 이를 모두 합산하여 ‘총부채’ 변수를 생성하였다. 본 연구의 핵심은 청년 주거 실태와 문제의 심각성을 확인하고, 그중 어떤 요인이 더 큰 영향을 미치는지를 탐색하는 데 있다. 따라서 경제적 배경 변수들은 분석의 보조적 역할로만 활용해, 맥락을 보완하는 수준에서 한정적으로 사용했다.
마지막으로, 표본을 연령대별로 정리해 각 연령대의 특성과 경향을 살펴보았다.
raw_welfare <- read.spss(file = "Koweps_h18_2023_beta2.sav",
to.data.frame = T)## Warning in read.spss(file = "Koweps_h18_2023_beta2.sav", to.data.frame = T):
## Koweps_h18_2023_beta2.sav: Compression bias (0) is not the usual value of 100## Warning in read.spss(file = "Koweps_h18_2023_beta2.sav", to.data.frame = T):
## Koweps_h18_2023_beta2.sav: Very long string record(s) found (record type 7,
## subtype 14), each will be imported in consecutive separate variableswelfare <- raw_welfare
welfare <- welfare %>%
mutate(age = 2023 - h1801_5) %>%
filter(age >= 19 & age <= 34) %>%
filter(h1801_6 >= 5) %>%
filter(h1801_1 == 1)
welfare <- rename(welfare,
housing = h1806_1,
tenure = h1806_3,
income = h18_din,
parents_help = h1808_3aq6,
debt_bank_loan = h1809_aq1,
debt_private_loan = h1809_aq2,
debt_card = h1809_aq3,
debt_house_deposit = h1809_aq4,
debt_tab = h1809_aq5,
debt_others = h1809_aq6,
debit_for_living = h1809_12aq1,
debit_for_housing = h1809_12aq2,
debit_for_education = h1809_12aq3,
debit_for_med = h1809_12aq4,
debit_paid = h1809_12aq5,
debit_for_others = h1809_12aq6,
welfare_public_housing = h1806_27,
welfare_lease_fund = h1806_33,
welfare_rent = h1806_36)
welfare<- welfare %>%
mutate(welfare_public_housing = ifelse(welfare_public_housing == 1, "이용", "비이용"),
welfare_lease_fund = ifelse(welfare_lease_fund == 1, "이용", "비이용"),
welfare_rent = ifelse(welfare_rent == 1, "이용", "비이용"))
welfare <- welfare %>%
rowwise() %>%
mutate(debt_total = sum(c_across(debt_bank_loan:debt_others), na.rm = TRUE)) %>%
ungroup()
welfare <- welfare %>%
mutate(age_group = case_when(
age >= 19 & age <= 24 ~ "20대 초반",
age >= 25 & age <= 29 ~ "20대 후반",
age >= 30 & age <= 34 ~ "30대 이상",
TRUE ~ NA_character_))데이터 분석
데이터 분석을 위해 전체 청년 주거 형태의 분포를 확인하였다.
1. 주거 형태
1-1. 청년 주거 형태 분포
welfare <- welfare %>%
mutate(tenure_label = case_when(tenure == 1 ~ "자가",
tenure == 2 ~ "전세",
tenure == 3 ~ "보증부월세",
tenure == 4 ~ "월세",
tenure == 5 ~ "비가구원 명의 주택",
tenure == 6 ~ "기타",
TRUE ~ NA_character_))
welfare %>% count(tenure_label) %>% arrange(desc(n)) %>% rename ("주거 형태"=tenure_label , "빈도수"=n)## # A tibble: 6 × 2
## `주거 형태` 빈도수
## <chr> <int>
## 1 보증부월세 131
## 2 전세 70
## 3 기타 22
## 4 비가구원 명의 주택 20
## 5 자가 11
## 6 월세 7보증부월세, 전세, 기타의 비중이 각각 131명, 70명, 22명으로 나타났는데, 보증부월세뿐만 아니라 전세와 기타에 거주하는 경우도 적지 않았다. 이들 청년층의 나이대가 어떤지 추가로 분석해 볼 필요가 있다고 판단해 이에 따라 이들 주거 형태별로 청년들의 나이대와 경제적 배경을 함께 확인하고자 하였다.
먼저 청년들의 연령대를 20대 초반(만 19~24세), 20대 후반(만 25~29세), 30대 이상(만 30~34세)으로 나누고, 주거 형태에 따라 각 연령대의 인원수, 평균 소득, 최대 소득, 최소 소득을 알아보았다.
1-2. 연령대별 주거 형태와 소득 분포
welfare %>%
filter(tenure_label %in% c("보증부월세", "전세", "기타")) %>%
group_by(tenure_label, age_group) %>%
summarize(
인원수 = n(),
평균소득 = mean(income, na.rm = TRUE),
최대소득 = max(income, na.rm = TRUE),
최소소득 = min(income, na.rm = TRUE)
) %>%
arrange(tenure_label, age_group) %>% rename ("주거 형태"=tenure_label , "연령대"=age_group)## `summarise()` has grouped output by 'tenure_label'. You can override using the
## `.groups` argument.## # A tibble: 9 × 6
## # Groups: 주거 형태 [3]
## `주거 형태` 연령대 인원수 평균소득 최대소득 최소소득
## <chr> <chr> <int> <dbl> <dbl> <dbl>
## 1 기타 20대 초반 6 2813. 3473 1980
## 2 기타 20대 후반 12 3256. 5106 2174
## 3 기타 30대 이상 4 4485. 7312 1980
## 4 보증부월세 20대 초반 14 2776. 4044 1730
## 5 보증부월세 20대 후반 70 3379. 12912 500.
## 6 보증부월세 30대 이상 47 3709. 9617 990.
## 7 전세 20대 초반 6 2342. 3664 1224
## 8 전세 20대 후반 31 4516. 31308 1155
## 9 전세 30대 이상 33 4029. 7874 1348결과는 다음과 같았다. 보증부월세와 전세의 대부분은 20대 후반과 30대 이상, 기타는 주로 20대 후반이 차지하고 있었다. 기본적으로 20대 초반 표본이 적었기에 각 항목 모두 숫자가 적게 나타났는데, 이는 20대 초반의 다수가 독립하지 않고 부모님과 함께 거주하기 때문으로 생각된다. 기타에 거주하는 청년층의 최소 소득은 큰 차이가 나지 않았으나, 평균 소득과 최대 소득에서는 약 1.5배에서 2배 정도의 차이를 보였다. 보증부월세의 경우 전 연령대에서 따로따로 가장 많은 부분을 차지하고 있었고, 전세의 경우 20대 후반과 30대 이상이 대다수였다. 소득에서는 20대 초반이 다른 연령대보다 최소 소득에서 높은 수치를 보여주었지만, 최고 소득은 20대 후반이 가장 높았고, 평균 소득에서는 큰 차이를 보이지 않았다. 전세의 경우, 최소 소득은 차이가 크게 나지 않았으나 최고 소득에서 20대 중반이 높게 측정되었다. 평균 소득 역시 20대 중반이 가장 높았고, 20대 초반에서 나머지 연령대와 약 2배 정도의 차이가 있었다.
주택 유형 또한 같은 방법으로 알아보았다.
2. 주택 유형
2-1. 청년 주택 유형 분포
welfare <- welfare %>%
mutate(housing_type = case_when(
housing == 1 ~ "일반단독주택",
housing == 2 ~ "다가구 단독주택",
housing == 3 ~ "다세대주택",
housing == 4 ~ "연립주택",
housing == 5 ~ "아파트",
housing == 6 ~ "고시원",
housing == 7 ~ "영업겸용 단독주택",
housing == 8 ~ "비거주용 건물 내 주택",
housing == 9 ~ "오피스텔",
housing == 10 ~ "임시가건물",
housing == 11 ~ "기타",
TRUE ~ NA_character_))
welfare %>% count(housing_type) %>% arrange(desc(n)) %>% rename ("주택 유형"=housing_type , "빈도수"=n)## # A tibble: 9 × 2
## `주택 유형` 빈도수
## <chr> <int>
## 1 다가구 단독주택 117
## 2 아파트 66
## 3 오피스텔 37
## 4 다세대주택 27
## 5 영업겸용 단독주택 8
## 6 연립주택 2
## 7 일반단독주택 2
## 8 고시원 1
## 9 비거주용 건물 내 주택 12-2. 연령대별 주택 유형과 소득 분포
welfare %>%
filter(housing_type %in% c("아파트", "다가구 단독주택", "오피스텔", "다세대주택")) %>%
group_by(housing_type, age_group) %>%
summarize(
인원수 = n(),
평균소득 = mean(income, na.rm = TRUE),
최대소득 = max(income, na.rm = TRUE),
최소소득 = min(income, na.rm = TRUE)
) %>%
arrange(housing_type, age_group) %>%
rename ("주거 형태"=housing_type , "연령대"=age_group)## `summarise()` has grouped output by 'housing_type'. You can override using the
## `.groups` argument.## # A tibble: 12 × 6
## # Groups: 주거 형태 [4]
## `주거 형태` 연령대 인원수 평균소득 최대소득 최소소득
## <chr> <chr> <int> <dbl> <dbl> <dbl>
## 1 다가구 단독주택 20대 초반 13 2642. 3456 1947
## 2 다가구 단독주택 20대 후반 67 3670. 31308 1236
## 3 다가구 단독주택 30대 이상 37 3397. 7312 271
## 4 다세대주택 20대 초반 3 5492. 10812 2581
## 5 다세대주택 20대 후반 12 3425. 6911. 929.
## 6 다세대주택 30대 이상 12 3660. 7874 1467
## 7 아파트 20대 초반 8 6942. 36240 1730
## 8 아파트 20대 후반 28 3950. 12272 500.
## 9 아파트 30대 이상 30 4039. 6175 1344
## 10 오피스텔 20대 초반 7 2738. 4044 1224
## 11 오피스텔 20대 후반 16 3645. 7152 1155
## 12 오피스텔 30대 이상 14 4277. 9617 1348청년 주택 유형 분포에서 다가구 단독주택과 아파트의 빈도가 높게 측정된 것을 보고 나이대와 소득, 인원수를 고려해 가장 높게 측정된 다가구 단독주택, 아파트, 오피스텔, 다세대주택을 다시 표로 분석해 보았다. 4개의 유형 모두 20대 후반과 30대 이상이 대다수로 분석되었다. 이 역시 앞선 표와 같이 원자료에서 20대 초반의 수가 다른 연령대 군에 비해 적기 때문에, 상대적으로 소득이 높을 수밖에 없는 20대 후반과 30대 이상이 주택 유형 분포에 영향을 준 것으로 보인다. 그러나 앞선 분석에서 보증부 월세가 가장 많았던 것을 고려하면, 경제적 여유가 되는 중상위층은 주택 유형을 다가구 단독주택이나 아파트로 하되, 주거 형태로 보증부 월세를 많이 선택한다고 생각된다.
그래프 만들기
Figure 1
각 주거 형태별 빈도수를 시각적으로 가장 단순하고 직관적으로 보여주고, 숫자나 비율의 상대적 크기를 바로 인식할 수 있을 것 같아 bar graph를 선택했다.
1-1-1. 청년 주거 형태 분포 그래프
wes_colors <- wes_palette("Zissou1", n = 6, type = "continuous")
welfare %>%
mutate(tenure_label = fct_infreq(tenure_label)) %>%
ggplot(aes(x = tenure_label, fill = tenure_label)) +
geom_bar() +
labs(title = "청년 주거 형태 분포",
x = "주거 형태",
y = "빈도") +
scale_fill_manual(values = wes_colors) +
theme(legend.position = "none",
plot.title = element_text(hjust = 0.5))
그러나 단순한 주거형태 그래프로는 인원수와 소득 간의 관계를 한눈에 파악하기 어려웠다. 이에 따라 연령대별로 산점도 그래프를 재구성해, 주거 형태별 소득 분포를 시각적으로 표현하였다. 특히 연령대별로 소득의 범위 차이가 크게 나타나 이를 한눈에 확인할 수 있도록 산점도를 사용했으며, 보다 자세히 탐색할 수 있도록 인터랙티브 그래프를 함께 구현하였다.
Figure 2
일부 청년이 극단적으로 높은 소득을 보이거나, 특정 연령대에서 소득 분포가 넓어지는 패턴을 바로 확인할 수 있고, 점의 밀집도를 통해 어느 집단에 더 많은 청년이 몰려 있는지 한눈에 볼 수 있어서 산점도를 택했다.
1-2-1. 연령대별 주거 형태와 소득 분포 산점도
p <- welfare %>%
filter(tenure_label %in% c("보증부월세", "전세", "기타")) %>%
ggplot(aes(x = tenure_label, y = income, color = tenure_label)) +
geom_jitter(width = 0.2, size = 2, alpha = 0.8) +
facet_wrap(~ age_group) +
labs(title = "연령대별 주거 형태와 소득 분포",
x = "주거 형태",
y = "소득 (만원)",
color = "주거 형태") +
scale_color_manual(values = wes_palette("Zissou1", 3, type = "discrete")) + # 글씨체 바꾸지 않음
theme_minimal() +
theme(panel.background = element_rect(fill = "grey95"),
plot.background = element_rect(fill = "grey95"),
legend.position = "right",
axis.text.x = element_text(angle = 0, hjust = 1),
plot.title = element_text(hjust = 0.5))
ggplotly(p)20대 초반의 경우, 대부분이 낮은 소득으로 보증부월세 형태를 선택하고 있어 이 연령대의 주거 불안정이 더욱 두드러진다. 20대 후반으로 접어들면서 보증부월세와 전세를 택하는 청년들이 많아지지만, 소득의 변화는 여전히 크지 않았다. 이는 부모의 집에서 독립하는 청년들이 늘어나면서 주거 형태에는 점진적인 변화가 있으나, 경제적 여건이 여전히 주거의 안정성을 충분히 뒷받침하지 못한다는 점을 시사한다. 30대 이상에서는 소득 분포가 전반적으로 넓어지고, 산점도의 밀집도 또한 위쪽으로 이동하는 경향이 나타났다. 보증부월세를 선택하는 사람의 수는 줄었지만, 그렇다고 전세를 택하는 청년의 비율이 크게 늘지는 않았다. 그러나 평균 소득의 증가는 주거 안정성이 점진적으로 개선되고 있다는 신호로 해석할 수 있다.
이처럼 산점도를 통해 20대 초반 청년층이 주로 낮은 소득으로 보증부월세를 선택하고, 30대 이상은 소득 증가와 함께 보다 다양한 주거 형태로 이동하는 양상을 한눈에 확인할 수 있었다. 이러한 연령대별 소득 및 주거 선택의 구조적 차이는 청년층의 주거 불평등 문제를 더 깊이 이해할 수 있는 단서를 제공한다.
2-1-1. 청년 주택 유형 분포 그래프
wes_colors <- wes_palette("Zissou1", n = 9, type = "continuous")
welfare %>%
mutate(housing_type = fct_infreq(housing_type)) %>%
ggplot(aes(x = housing_type, fill = housing_type)) +
geom_bar() +
labs(title = "청년 주택 유형 분포",
x = "주택 유형",
y = "빈도") +
scale_fill_manual(values = wes_colors) +
theme_minimal() +
theme(legend.position = "none",
axis.text.x = element_text(angle = 35, hjust = 1),
plot.title = element_text(hjust = 0.5))
그래프를 통해 청년층이 다가구 단독주택에 가장 많이, 그다음으로 아파트와 오피스텔, 다세대주택에 주로 거주한다는 것을 알 수 있었다.
2-2-1. 연령대별 주택 유형과 소득 분포 산점도
q <- welfare %>%
filter(housing_type %in% c("아파트", "다가구 단독주택", "오피스텔", "다세대주택")) %>%
ggplot(aes(x = housing_type, y = income, color = housing_type)) +
geom_jitter(width = 0.2, size = 2, alpha = 0.8) + # 점 크기와 투명도 조정
facet_wrap(~ age_group) +
labs(title = "연령대별 주택 유형과 소득 분포",
x = "주택 유형",
y = "소득 (만원)",
color = "주택 유형") +
scale_color_manual(values = wes_palette("Zissou1", 4, type = "discrete")) +
theme_minimal() +
theme(panel.background = element_rect(fill = "grey95"),
plot.background = element_rect(fill = "grey95"),
legend.position = "right",
axis.text.x = element_text(angle = 25, hjust = 1),
plot.title = element_text(hjust = 0.5))
ggplotly(q)추측을 더욱 확실히 하기 위해 산점도를 생성했다. 20대 초반은 다가구 단독주택에, 20대 후반과 30대 이상은 다가구 단독주택과 아파트 순으로 거주하는 것으로 나타났다. 20대 초반에서 30대 이상으로 갈수록 평균적인 소득이 높아지며, 점점 거주하는 주택 유형이 다양해지는 것을 볼 수 있다.
3. 주택 유형별 주거 형태 비율
wes_colors <- wes_palette("Zissou1", n = 9, type = "continuous")
welfare %>%
mutate(housing_type = fct_infreq(housing_type)) %>%
ggplot(aes(x = housing_type, fill = housing_type)) +
geom_bar() +
labs(title = "청년 주택 유형 분포",
x = "주택 유형",
y = "빈도") +
scale_fill_manual(values = wes_colors) +
theme_minimal() +
theme(legend.position = "none",
axis.text.x = element_text(angle = 35, hjust = 1),
plot.title = element_text(hjust = 0.5))
주택 유형별로 주거 형태를 확인했을 때, 모든 주택 유형에서 보증부 월세가 높게 측정되었다. 그중에서도 다가구 단독주택이 빈도수도 높고, 보증부 월세 비율도 가장 많았다. 보증부월세 다음으로 전세 비중이 높았고, 이어서 다세대주택과 아파트 순으로 나타났다. 연립주택과 일반 단독주택의 경우 비가구원 명의 주택의 비중도 있는 것으로 나타났다. 고시원과 비거주용 건물 내 주택의 경우 표본이 각각 1개씩 있었기 때문에 논외로 판단했다.
4. 소득 분포
Figure 3
소득 같은 연속형 변수의 분포와 차이, 중앙값과 극단값 등을 시각화하기에 가장 적합하고 어느 집단의 소득이 높고 낮은지를 파악하기 좋을 것으로 생각해 boxplot을 사용했다.
4-1. 주거 형태별 소득 분포
wes_colors <- wes_palette("Zissou1", n = length(unique(welfare$tenure_label)), type = "continuous")
ggplot(welfare, aes(x = tenure_label, y = income, fill = tenure_label)) +
geom_boxplot(alpha = 0.7) +
labs(title = "주거 형태별 소득 분포",
x = "주거 형태",
y = "소득 (만원)") +
scale_fill_manual(values = wes_colors) +
theme_minimal() + # 깔끔한 배경
theme(legend.position = "none",
plot.title = element_text(hjust = 0.5))
어느 주거 형태에 거주하든 평균적으로 소득이 5,000만 원을 넘지 않았다. 그중에서도 비가구원 명의 주택의 소득이 많았는데, 가족 명의의 주택에 살며 어느 정도 지원을 받기 때문에 가처분소득이 높게 나온 것으로 생각된다. 그다음으로 자가와 전세 거주자의 소득 평균이 높게 측정되었다. 일부 극단적으로 높은 소득을 가진 사례(이상치)도 확인되는데, 이는 부모 지원이나 개인·가족 자산 등과 연관될 수 있다. 주거 형태에 따라 소득 수준의 뚜렷한 차이가 나타나며, 비가구원 명의 주택·자가·전세 거주 청년층의 경우 경제적 여유가 상대적으로 높다는 점이 시각적으로 드러난다.
4-2. 주택 유형별 소득 분포
wes_colors <- wes_palette("Zissou1", n = length(unique(welfare$housing_type)), type = "continuous")
ggplot(welfare, aes(x = housing_type, y = income, fill = housing_type)) +
geom_boxplot(alpha = 0.7) +
labs(title = "주택 유형별 소득 분포",
x = "주택 유형",
y = "소득 (만원)") +
scale_fill_manual(values = wes_colors) +
theme_minimal() + # 깔끔한 배경
theme(legend.position = "none",
axis.text.x = element_text(angle = 35, hjust = 1),
plot.title = element_text(hjust = 0.5))
박스플롯을 통해 주거 형태별 소득의 분포를 한눈에 파악할 수 있었다. 특히 비가구원 명의 주택, 자가, 전세 거주 청년층은 평균 소득이 높았는데, 이는 부모 지원이나 가족 자산 등의 배경이 반영된 결과로 해석된다. 반면, 보증부월세나 월세 거주 청년층은 평균 소득과 중앙값이 낮아, 경제적 자립의 어려움과 주거 불안정이 보다 명확히 드러났다. 또한, 주택 유형별 소득 분포에서는 소득이 평균적으로 높은 청년들이 아파트와 일반 단독주택에 거주하는 경향이 관찰되었고, 다가구 단독주택, 다세대주택, 아파트, 오피스텔에서는 소득의 이상치가 자주 나타났다. 이는 일부 청년들이 높은 소득이나 가족 자산을 바탕으로 특정 주택 유형을 선택하고 있음을 보여준다.
주거 형태별 소득 분포 그래프와 주택 유형별 소득 분포 그래프를 종합해 보면, 비가구원 명의 주택에 거주해 이미 축적된 자산을 활용할 수 있는 일부 청년층이 존재하는 한편, 보통은 소득 수준이 높을수록 자가나 전세를 선택하며 아파트를 거주지로 삼는다. 반면, 소득 수준이 낮은 청년들은 기타나 월세를 주로 이용하며, 비거주용 건물 내 주택이나 연립주택 같은 불안정한 주거 유형을 선택할 수밖에 없음을 알 수 있다.
5. 외부 요인
이 청년들의 주거 문제가 단순히 소득의 영향만 받는 것이 아닌, 부모의 지원이나 부채 같은 외부 요인의 영향을 받는지 알아보기 위해 다음과 같은 그래프를 생성했다.
5-1. 주거 형태별 부모 지원금 분포
wes_colors <- wes_palette("Zissou1", n = length(unique(welfare$tenure_label)), type = "continuous")
ggplot(welfare, aes(x = tenure_label, y = parents_help, fill = tenure_label)) +
geom_boxplot(alpha = 0.7) +
labs(title = "주거 형태별 부모 지원금 분포",
x = "주거 형태",
y = "부모 지원 (만원)") +
scale_fill_manual(values = wes_colors) +
theme_minimal() +
theme(legend.position = "none",
plot.title = element_text(hjust = 0.5))
박스플롯을 통해 주거 형태별 부모 지원금 분포를 한눈에 파악할 수 있었다. 특히 월세 이용층이 평균적으로 부모로부터 가장 많은 지원을 받았는데, 이는 경제적 여건이 부족한 청년층이 월세 부담을 부모 지원으로 보완하고 있음을 시사한다. 그러나 표본 수가 7개에 불과하다는 점에서 일반화하기에는 한계가 있었다. 반면, 기타, 비가구원 명의 주택, 자가 거주자의 경우 박스플롯이 낮게 위치해 부모 지원금의 평균이 낮았다. 비가구원 명의 주택은 주택 자체를 부모로부터 제공받았을 가능성이 높아, 이미 실질적 지원을 받았다고 볼 수 있다. 자가에 거주하는 청년층은 주로 경제적 여유가 있는 20대 후반과 30대 이상으로, 높은 소득으로 인해 별도의 부모 지원이 필요하지 않았을 가능성이 있다. 또한, 보증부월세와 전세 형태에서는 부모 지원금의 이상치가 자주 나타났다. 이는 일부 청년들이 부모의 경제력에 크게 의존하며 상대적으로 더 안정적인 주거 형태를 선택할 수 있었음을 보여준다. 억대의 부모 지원을 받은 극단적 사례들은 부모의 경제력이 청년층의 주거 선택을 크게 양극화하고 있음을 시사한다.
결과적으로, 기타와 보증부월세에 거주하는 153명의 평균적인 청년층은 부모의 지원 없이 열악한 주거 형태에 머물 수밖에 없었던 반면, 일부 청년은 부모의 경제력을 바탕으로 보다 안정적이고 편리한 주거를 선택할 수 있었다. 이러한 부모 지원금의 양극화는 청년층의 주거 불평등이 단순한 소득 차이가 아니라, 가족 자산·지원의 격차에 의해 심화되고 있음을 보여준다.
5-2. 주거 형태별 부채 분포
wes_colors <- wes_palette("Zissou1", n = length(unique(welfare$tenure_label)), type = "continuous")
ggplot(welfare, aes(x = tenure_label, y = debt_total, fill = tenure_label)) +
geom_boxplot(alpha = 0.7) +
labs(title = "주거 형태별 부채 분포",
x = "주거 형태",
y = "부채 (만원)") +
scale_fill_manual(values = wes_colors) +
theme_minimal() +
theme(legend.position = "none",
plot.title = element_text(hjust = 0.5))
박스플롯을 통해 주거 형태별 부채 분포를 확인해 본 결과, 자가와 전세 거주 청년층은 중앙값이 높게 나타나 평균적으로 많은 부채를 보유하고 있음을 보여주었다. 이는 주택 구입 자금이나 전세금 마련을 위한 주택담보대출·전세자금 대출이 주요 원인으로 작용했을 가능성이 크다. 특히 자가 거주자의 경우, ’내 집 마련’을 위한 대출이 부채의 큰 부분을 차지하고 있는 것으로 보인다. 반면, 보증부월세, 월세, 기타 형태로 거주하는 청년들은 대부분 부채가 없거나, 작은 규모의 부채만을 보유하고 있었다. 모든 주거 형태에서 이상치가 발견되었지만, 그 의미는 서로 달랐다. 자가와 전세 거주자의 이상치는 고액의 주택 구입·전세자금 대출 사례를 반영할 가능성이 높았다. 그러나 보증부월세 등에서 나타난 이상치는 주거 비용 외에 사업 자금, 생계형 신용대출, 의료비 등 다른 경제적 어려움에 따른 이례적 부채일 가능성이 컸다.
종합적으로, 이 데이터는 “자가나 전세 거주 청년층은 주거 관련 부채를 상당히 부담하고 있지만, 보증부월세 거주 청년층 중 일부가 보이는 높은 부채는 주거 목적이 아닌 다른 경제적 어려움을 반영한다”는 사실을 시사한다.
실제 부채 부담이 어느 집단에 더 큰지 알기 위해 주거 형태별 소득 대비 부채 비율 분포를 알아보았다.
5-2-1. 주거 형태별 소득 대비 부채 비율 분포 그래프
wes_colors <- wes_palette("Zissou1", n = length(unique(welfare$tenure_label)), type = "continuous")
welfare <- welfare %>%
mutate(DTI = (debt_total / income) * 100)
ggplot(welfare, aes(x = tenure_label, y = DTI, fill = tenure_label)) +
geom_boxplot(alpha = 0.7) +
labs(title = "주거 형태별 소득 대비 부채 비율 분포",
x = "주거 형태",
y = "DTI (%)") +
scale_fill_manual(values = wes_colors) +
theme_minimal() +
theme(legend.position = "none",
plot.title = element_text(hjust = 0.5))
추측대로 자가와 전세 거주 청년층이 박스플롯에서 소득 대비 부채가 가장 높게 나타나, 평균적으로 많은 부채를 보유하고 있음을 보여준다. 이는 앞서 언급했듯 주택 구입 자금이나 전세금 마련을 위한 주택담보대출·전세자금 대출이 주된 원인으로 작용했을 가능성이 높다.
5-2-2. 보증부월세 이용자 중 부채 유형
welfare %>%
filter(tenure_label == "보증부월세") %>%
summarize("생활비" = sum(debit_for_living != 0, na.rm = TRUE),
"주택관련 자금" = sum(debit_for_housing != 0, na.rm = TRUE),
"교육" = sum(debit_for_education != 0, na.rm = TRUE),
"의료비" = sum(debit_for_med != 0, na.rm = TRUE),
"빚 갚음" = sum(debit_paid != 0, na.rm = TRUE),
"기타" = sum(debit_for_others != 0, na.rm = TRUE))## # A tibble: 1 × 6
## 생활비 `주택관련 자금` 교육 의료비 `빚 갚음` 기타
## <int> <int> <int> <int> <int> <int>
## 1 9 9 8 0 1 20보증부월세 이용자들이 어떤 목적을 위한 부채를 가지는지 알아보기 위해 표를 작성했다. 생활비와 주택 관련 자금, 그리고 학자금 대출과 같은 교육이 있었으며, 기타에서도 20건이 확인되었다. 이렇듯 보증부월세 데이터에서 유독 자주 나타나는 이상치는 단순한 통계적 예외가 아니라, 주거 목적 외 대출 활용, 복합적 경제적 어려움, 정책 지원의 한계, 가족 지원의 양극화 등 구조적 결함이 있다고 예상된다.
6. 지원 이용 현황
그렇다면 주거 불안정을 겪고 있는 청년들이 공공임대주택 지원, 전세자금 융자 지원, 월세 지원 등의 복지를 활발하게 이용하고 있는지를 확인해 보았다.
6-1. 공공임대주택 지원 이용 현황
welfare_public_housing <- welfare %>%
count(welfare_public_housing) %>%
rename(`이용 현황` = welfare_public_housing, '빈도수' = n)
print(welfare_public_housing)## # A tibble: 2 × 2
## `이용 현황` 빈도수
## <chr> <int>
## 1 비이용 234
## 2 이용 27기본적으로 비이용 수가 이용의 수보다 약 10배 정도 차이가 난다. 이는 지원 정책이 있음에도 청년들이 지원을 활발하게 이용하지 못하고 있다는 것을 나타낸다.
6-1-1.소득과 공공임대주택 지원 이용 여부 그래프
ggplot(welfare, aes(x = income, y = welfare_public_housing, color = welfare_public_housing)) +
geom_jitter(height = 0.2, alpha = 0.5) +
labs(title = "소득과 공공임대주택 지원 이용 여부",
x = "소득 (만원)",
y = "공공임대주택 지원 이용 여부") +
theme(legend.position = "none",
plot.title = element_text(hjust = 0.5))
6-2. 전세자금 융자 지원 이용 현황
welfare_lease_fund <- welfare %>%
count(welfare_lease_fund) %>%
rename(`이용 현황` = welfare_lease_fund)
print(welfare_lease_fund)## # A tibble: 2 × 2
## `이용 현황` n
## <chr> <int>
## 1 비이용 246
## 2 이용 15전세자금 융자 지원 역시 이용 현황에서 비이용이 이용의 약 13배 정도 차이가 날 정도로 이용 수가 많지 않다. 20대 초반에서 20대 후반 청년의 전세 이용 빈도수가 40이라는 것을 고려했을 때 상대적으로 전세 자금 융자는 30대 이상이 이용할 것이라는 추측을 할 수 있기 때문에, 전세 자금 융자 지원 이용 현황이 청년들의 불안정한 주거 환경에 큰 영향을 미치지는 않는 것으로 생각된다.
6-2-1. 소득과 전세자금(융자)지원 이용 여부 그래프
ggplot(welfare, aes(x = income, y = welfare_lease_fund, color = welfare_lease_fund)) +
geom_jitter(height = 0.2, alpha = 0.5) +
labs(title = "소득과 전세자금(융자)지원 이용 여부",
x = "소득 (만원)",
y = "공공임대주택 지원 이용 여부") +
theme(legend.position = "none",
plot.title = element_text(hjust = 0.5))
6-3. 월세 지원 이용 현황
welfare_rent <- welfare %>%
count(welfare_rent) %>%
rename(`이용 현황` = welfare_rent)
print(welfare_rent)## # A tibble: 2 × 2
## `이용 현황` n
## <chr> <int>
## 1 비이용 258
## 2 이용 3월세 지원의 경우 월등한 차이를 보인다. 비이용자의 수가 이용자의 수보다 약 120배 이상 차이가 난다.
6-3-1. 월세 지원 이용 현황과 주거 형태 파악
welfare %>%
filter(welfare_rent == "이용") %>%
select(tenure_label, welfare_rent) %>%
rename(`주거 형태` = tenure_label) %>%
rename(`이용 현황` = welfare_rent)## # A tibble: 3 × 2
## `주거 형태` `이용 현황`
## <chr> <chr>
## 1 보증부월세 이용
## 2 보증부월세 이용
## 3 보증부월세 이용또한 이용자의 주거 형태를 확인해 월세 지원이 단순히 월세만을 말하는 것이 아닌, 보증부 월세 또한 포함한다는 것을 할 수 있었다. 이는 월세를 이용하는 청년들의 수가 다수를 차지하고 있는데도 (빈도수 167) 활발하게 지원을 받지 못하고 있다는 것을 나타낸다.
6-3-2. 소득과 월세지원 이용 여부 그래프
ggplot(welfare, aes(x = income, y = welfare_rent, color = welfare_rent)) +
geom_jitter(height = 0.2, alpha = 0.5) +
labs(title = "소득과 월세지원 이용 여부",
x = "소득 (만원)",
y = "공공임대주택 지원 이용 여부") +
theme(legend.position = "none",
plot.title = element_text(hjust = 0.5))
공공임대주택 지원, 전세자금 융자 지원, 월세 지원 등의 복지와 소득을 비례해 그래프를 만들었다. 세 그래프 모두 기본적으로 이용 수가 매우 적었고, 비이용군 대다수가 이용 군과 비슷한 소득 수준을 가지고 있다는 점에서 소득 수준이 높지 않음에도 주거 환경에 대한 지원을 받지 못하고 있다는 것을 알아냈다. 이를 바탕으로 보았을 때 불안정한 주거 환경 개선을 위해서는 일차적으로 더 많은 청년층이 주거 환경에 대한 지원을 받을 수 있어야 한다고 생각된다.
주거 형태별로 소득, 부채, 부모 지원 등 변수의 분포가 뚜렷한 차이를 보였다. 특히 자가와 전세 거주 청년은 중앙값과 이상치가 높게 나타나 부채 부담이 큰 반면, 보증부월세 거주 청년은 중앙값이 낮고 부채가 적은 경향을 보였다. 보증부월세와 다가구 단독주택에 거주하는 청년들은 소득이 상대적으로 낮고 부모 지원도 적었다. 연령대별로는 20대 후반부터 30대 이상으로 넘어가면서 소득이 증가하고 전세나 아파트로 주거 수준이 이동하는 경향이 있으나, 이 과정에서 부채 부담이 크게 늘어났다. 이러한 결과는 청년 주거 사다리의 존재와 그 과정에서의 경제적 부담을 시사한다.
결론
앞서 제시한 결과를 바탕으로, 청년 주거 불안정은 소득, 부모 지원, 부채 등 경제적 요인이 복합적으로 작용하는 구조적 문제임이 확인된다. 이를 완화하기 위해서는 저소득 및 부모 지원이 부족한 청년층에 대한 정책적 지원 확대와, 주거 사다리 이동 과정에서의 부채 부담 경감이 필요하다. 이러한 노력이 청년 독립의 현실적 어려움을 완화하고, 사회적 불평등 심화를 방지하는 데 기여할 것이다.