1. 서론

관광 수요의 공간적 분포는 전통적으로 소수의 거점 지역에 집중되는 불균등한 패턴을 보여 왔다. 우리나라의 경우 외래 관광객과 국내 관광객 모두 서울과 수도권에 편중되는 경향이 뚜렷하여, 지역관광은 상대적으로 저조한 수준에 머물고 있다(서원석, 2025). 이러한 집중 현상은 도시 규모 분포에서 관찰되는 Zipf의 법칙(Zipf, 1949)과 유사한데, 인구나 경제활동과 마찬가지로 관광 수요 역시 멱함수(power law) 형태의 계층적 구조를 지닌다는 복잡계적 해석이 가능하다(Ulubaşoğlu and Hazari, 2004). 여기서 복잡계적 해석이란 관광 수요의 지역별 격차를 몇몇 개별 요인의 단순 합으로 환원하기보다 다수 구성요소의 상호작용과 적응이 누적되는 과정에서 거점 집중과 위계적 분포가 ‘아래로부터’ 형성되며, 그 결과가 일정한 규모별 규칙성으로 관찰될 수 있다는 관점을 의미한다(Holland, 2006; Batty, 2008). 즉, 일부 대도시, 인기 관광지 등 주요 거점이 전체 관광 수요의 상당 부분을 점유하는 반면, 다수의 지역은 미미한 수준의 수요를 보이는 구조적 불균형이 존재한다.

이러한 위계적 분포는 Christaller(1933)의 중심지 이론에서 제시한 바와 같이, 상이한 위계의 중심지들이 서비스 범위와 영향권에 따라 중첩적으로 배열되는 공간 체계로 이해될 수 있다(홍인호･윤혜진, 2021). 이와 같은 계층적 공간 질서는 규모에 따라 상이한 분포 특성을 보이는 규모의존성을 지니는 한편, 내부적으로는 부분이 전체와 유사한 형태로 반복되는 프랙털과 같이 자기유사적 속성(self- similarity)을 동시에 지닌다(홍인호･윤혜진, 2021). 또한 관광 수요의 공간 분포는 단순히 위계적으로 배열되는 데 그치지 않고, 외부의 의도적 간섭 없이 스스로 구조를 갖추고 새로운 질서를 만들어내는 자기조직적 성격(self-organization)을 보인다(윤영수･채승병, 2005; Baggio, 2008). 즉, 개별 지역의 수요 증감이 누적되어 전체 체계의 구조를 재편하는 과정에서 상위 거점과 주변 지역 간의 관계는 끊임없이 조정되고 진화하며, 자기조직적 변화는 외부의 직접적 개입이나 통제 없이도 체계 내부 상호작용만으로 전역적 패턴과 새로운 균형이 형성되는 복잡계적 현상으로 이해할 수 있다(Camazine et al., 2001; Heylighen, 1999).

한편, 코로나19의 확산은 기존의 관광 수요 구조에 급격한 변화를 불러왔다. 해외 이동 제한과 사회적 거리두기 조치로 인해 해외여행이 사실상 중단되면서 내국인의 관광 수요가 국내로 전환되는 대체효과가 나타났으며, 이에 따라 국내 관광의 중요성이 새롭게 부각되었다(강현수, 2021). 또한, 국내 관광의 행태도 새로운 국면을 맞이했다. 코로나19로 인해 국민의 관광 행태가 해외 중심에서 국내 중심으로 이동했을 뿐 아니라, 자가용을 이용한 근거리 여행, 자연자원 중심의 야외활동, 단기 체류형 여행의 확산 등 구체적인 변화 양상이 뚜렷하게 나타났다(문화체육관광부, 2022). 이러한 변화는 코로나19가 단순히 관광의 흐름을 일시적으로 바꾼 사건이 아니라, 국내 관광의 공간 구조를 재조정하는 계기가 되었음을 보여준다.

하지만 이러한 변화가 일시적 현상인지, 아니면 구조 자체의 변동으로까지 이어졌는지는 아직 명확히 규명되지 않았다. 코로나19로 인한 국내 관광 수요의 변화 및 대응, 지역별･형태별 영향 등을 다룬 연구는 다수 존재하나(박정하, 2022; 정규선, 2022; 윤호정･최우진, 2023, 양원석 등, 2024; 양원석, 2025), 관광 수요 분포의 구조와 그 안의 비선형적 변화를 정량적으로 분석한 연구는 여전히 드문 실정이다. 특히 단순한 지역별 증감률을 넘어, 상위권 집중이 강화･완화되었는지, 멱함수적 위계가 성립하는 범위가 축소 혹은 확대되었는지, 그리고 수요의 중심이 어느 지역군으로 이동했는지처럼 분포의 모양이 어떻게 변형되었는지를 함께 점검할 필요가 있다(Gabaix, 1999; Clauset et al., 2009). 이러한 변형이 모든 지역에서 동일한 비율로 나타나는 것이 아니라 순위-규모 구간에 따라 다르게 전개될 경우, 분포는 단순한 수준 변화가 아니라 형태 자체가 달라지는 비선형적･구조적 변화로 해석될 수 있다.

본 연구는 이러한 공백을 메우고자 코로나19 확산 전후의 내국인 관광 수요를 비교하여 그 구조 변화를 복잡계적 관점에서 살펴보고자 한다. 2024년 이후는 팬데믹으로 인한 제약이 대부분 해소되며 관광 활동이 정상화된 시기로, 코로나19 이전과 이후의 공간 구조를 실증적으로 비교할 수 있는 중요한 전환점이 된다. 팬데믹 이전과 확산기, 그리고 회복기의 시기를 구분해 관광 수요의 공간 분포 변화를 분석함으로써, 교란 이후 체계가 어떠한 경로를 통해 새로운 질서로 이행하는지를 파악할 수 있다.

분석은 크게 두 가지 핵심 축과 보조 분석으로 이루어진다. 첫째, 순위-규모 분포 분석을 통해 외생적 충격 이후에도 Zipf형 스케일링이 유지되는지 점검하고, 스플라인 회귀 기반의 국소 Zipf 지수를 추정하여 구간별 기울기 차이와 곡률을 확인한다. Zipf형 분포는 도시･지역 등 다양한 복잡계에서 반복적으로 관찰되는 규모 분포의 규칙성으로, 체계의 위계 구조가 어떤 형태로 조직되고 충격 이후에도 안정적으로 유지되는지(또는 변형되는지)를 진단하는 데 널리 활용되어 왔다(Newman, 2005; Batty, 2008). 둘째, 성장률-규모 관계 분석을 통해 Gibrat 법칙, 즉 규모와 성장률의 독립성이 성립하는지 검토하고 팬데믹 전후 성장 메커니즘의 변화를 파악한다. 규모 분포 연구에서는 비례적 성장 과정과 Zipf형 분포의 연관성에 대한 논의가 축적되어 있어, 두 접근을 함께 적용하는 것은 분포 구조 변화의 해석에 중요한 근거를 제공한다(Gabaix, 1999). 마지막으로 보조 분석으로서 시기별 지역별 변화율을 비교하고, 순위상관, 상위권 구성 변화, 순위 이동을 함께 검토하여 앞선 두 핵심 분석에서 관찰된 구조 변화의 방향성과 강건성을 확인한다.

분석 대상은 외래 관광객을 제외한 내국인 관광 수요로 한정하였다. 국내 관광 수요에는 원칙적으로 내국인과 외래 관광객이 모두 포함된다. 그러나 코로나19 확산으로 국경이 봉쇄되고 해외여행이 제한되면서 인바운드와 아웃바운드 관광이 모두 급감하였다. 따라서 실제 데이터상 2020년 방한 외래 관광객 수는 전년 대비 85,6% 감소하였고, 내국인의 해외관광 수요 또한 85.1% 줄어 급격히 위축되었다(관광지식정보시스템, 2025c). 반면 국내 관광 수요의 감소율은 약 34.7%로 비교적 완만하여, 팬데믹 시기 국내 관광의 중심축이 내국인으로 더 뚜렷하게 이동했음을 보여준다(윤성준･이희찬, 2022).

이러한 환경에서 외래 관광객을 포함하여 전체 관광 수요를 그대로 분석하면, 시기별 변화가 국경 통제로 관광객 구성이 달라진 결과인지, 아니면 내국인 수요의 분포가 실제로 바뀌어 생긴 결과인지 구분하여 해석하기 어렵다. 더군다나 인바운드 관광객이 사실상 0에 가까운 구간에서는 순위-규모와 성장률-규모 계산 등이 불안정해질 수 있으며 이는 분석 결과와 해석 전반에 왜곡을 초래할 수 있다. 아울러 시군 단위에서 외래 관광객 규모를 시기별로 일관되게 추정할 수 있는 자료의 확보가 현실적으로 제한적이며, 특히 이동통신 기반 외래 관광객 추정치는 통신사 시장점유율 및 로밍 이용률 등에 따라 편의가 발생할 수 있다는 점에서 해석상 제약이 존재한다. 따라서 본 연구는 전 기간에 걸쳐 비교 가능한 모집단을 유지하기 위해 외래 관광객을 제외하고 내국인 관광 수요의 분포 구조와 시기별 변화에 초점을 두었다. 다만 외래관광 거점 지역에 대한 편향 가능성을 고려하여 대표 거점 지역(서울, 인천, 부산, 제주)을 제외한 표본에서도 결과의 방향성이 유지되는지 민감도 분석을 추가로 수행하였으며(결과는 부록에 제시), 이를 통해 특정 거점의 영향에 의해 결론이 좌우되는지 여부를 점검하였다. 이상의 논의를 바탕으로, 본 논문은 복잡계 이론의 틀 안에서 내국인 관광 수요 분포의 구조적 특성과 코로나19 전후 동태를 해석한다.

2. 이론적 고찰

1) 복잡계의 공간적 속성: 자기조직화와 자기유사성

최근 도시나 지역 시스템에 대한 연구에서는 사회･공간 현상이 단순한 선형적 인과로 설명되지 않고, 다수의 구성요소가 상호작용하며 자생적인 질서를 형성하는 복잡계로 이해되고 있다(Baggio, 2008; Batty, 2008; Mitchell, 2009). 복잡계란 다수의 구성요소가 상호작용하며, 그 집합적 행동이 개별 요소의 단순한 합으로 환원되지 않고 유추하기 어려운 새로운 거시적 질서가 출현하는 시스템을 말한다(윤영수･채승병, 2005; Newman, 2011). 이러한 거시적 질서가 형성되는 핵심 메커니즘으로는 자기조직화가 대표적이며, 이 과정의 결과로 자기유사성이나 스케일 불변성(scale-invariance)과 같은 구조적 특성이 나타난다(Mandelbrot, 1982; Batty, 2008).

자기조직화란 외부의 통제나 계획이 부재한 상태에서도 구성요소 간의 상호작용으로 일정한 공간적･기능적 질서가 형성되는 현상으로, 도시의 성장, 경제 네트워크, 혹은 관광지 체계와 같이 다수의 행위 주체가 분산적으로 의사결정하는 시스템에서 공통적으로 관찰된다(Batty, 2008). 이러한 조직화 과정은 위에서부터 강제로 조직된 하향식(top-down) 질서라기보단, 아래에서부터 자발적으로 조직된 상향식(bottom-up) 질서로 이해될 수 있다(윤영수･채승병, 2005; Batty, 2008). 전체 체계는 이러한 상향식 조직화 과정에서 스스로 질서를 만들어내며, 이는 복잡계가 평형을 벗어난 상태에서도 안정된 구조를 형성할 수 있음을 의미한다.

한편, 자기조직화의 속성과 관련된 또 하나의 특성으로서 비선형관계로부터 발생하는 갑작스러운 임계현상을 꼽을 수 있다(민병원, 2006). 임계성(criticality)은 체계가 질서와 무질서의 경계에서 작동하며 작은 교란에도 구조가 재편될 수 있는 상태를 의미한다(Bak et al., 1987). 이러한 체계는 정적 안정이 아니라 변화 속의 안정성, 즉 비평형적 질서(order out of chaos)를 유지한다는 점에서 특징적이다(Prigogine and Stengers, 1984). 도시의 다양한 산물들 역시 이러한 관점에서 보면, 결코 고정된 평형 상태가 아니라 다수의 상반된 힘의 긴장 속에서 스스로 질서를 재조정하는 동태적 평형 상태에 놓여 있는 것으로 이해할 수 있다(Batty, 2017). 이러한 논의는 복잡계가 외부의 통제 없이 스스로 임계 상태에 수렴하고, 교란 이후에도 내부의 상호작용을 통해 질서를 유지하는 과정을 설명하는 자기조직화된 임계성(Self-Organized Criticality, SOC)¹⁾ 개념으로 확장될 수 있다(Bak et al., 1987).

또한 복잡계는 부분과 전체가 유사한 형태로 반복되는 자기유사성을 구조적 특징으로 한다. 프랙털 기하학의 개념을 정립한 Mandelbrot(1982, 34)는 「The Fractal Geometry of Nature」에서 “형상의 각 부분이 전체와 기하학적으로 유사할 때, 그 형상과 그것을 생성하는 계단적 구조(cascade)는 자기유사적이라고 부른다”라고 정의하였으며, 이러한 관점은 공간 체계가 서로 다른 규모에서도 반복적･위계적으로 구성된다는 사실을 이해하는 이론적 기반이 되었다.

실제로 도시나 지역의 규모 분포에서 이러한 자기유사적 패턴이 관찰되며, 이를 통해 현실 체계가 일정한 스케일 법칙을 따르고 있음을 확인할 수 있다(Chen, 2011). 다만, 현실의 도시 및 사회 시스템은 수학적 의미의 완전한 프랙털이 아니라 제한된 스케일 범위 내에서만 자기유사적 속성을 보이는 준 프랙털(pre-fractal)적 특성을 보인다(Chen, 2020). 다시 말해, 현실 세계에서의 자기유사성은 일정한 규모 구간에서만 근사적으로 성립하는 제한된 범위의 자기유사성(limited self-similarity) 형태로 관찰되는 경우가 지배적이다(Frankhauser, 1998).

관광 수요는 수많은 개인의 선택이 누적되어 형성되는 집합적 결과이다. 이들의 선택 과정에선 필연적으로 특정 지역으로의 편향이 발생한다. 이러한 현상은 단일 요인의 선형적 합으로 환원되기보다 비선형적 관계와 예측 곤란성이 동반될 수 있다는 점에서 복잡계 관점의 논의와 맞닿아 있다(McKercher, 1999). 관광 목적지 또는 관광시스템을 복잡계 관점에서 다룬 선행연구에 따르면 관광은 다수 요소의 상호작용으로 진화하는 복잡계이며 관계가 강하게 비선형적일 수 있다는 주장을 강조해왔다(Baggio, 2008). 수요의 분포 측면에서는 관광지 방문 자료가 단일한 직선형 멱함수로 완전히 설명되기보다 곡률을 보일 수 있고, 이 비선형성을 고려한 스플라인 접근이 유용하다는 실증 연구가 제시되었다(Ulubaşoğlu and Hazari, 2004). 이는 수요 분포가 위계적 형태로 조직되면서도 그 규칙성이 전 구간에 균일하게 성립하지 않을 수 있음을 시사하며, 자기유사성의 범위가 제한될 가능성을 보여준다. 더 나아가 국제 관광 수요 측면의 복잡계 연구는 네트워크 관점에서 일부 국가에 관광 흐름과 연결 강도가 집중되는 불균등한 구조를 보고한 바 있다(Miguéns and Mendes, 2008). 다만 이러한 연구 흐름은 개념적 논의에 머무르거나 단일 사례 중심인 경우가 많고, 특히 외생적 충격 전후에 관광 수요 분포의 위계, 곡률, 순위 재배열 등이 어떻게 재조정 되었는지를 다룬 연구 자체가 제한적인 실정이다. 실제로 선형모형 위주의 관광 수요 분석 관행을 문제로 지적한 연구도 존재한다(Baggio and Sainaghi, 2016). 따라서 본 연구는 복잡계 이론이 제시하는 자기조직화와 자기유사성의 관점을 해석의 틀로 삼아 팬데믹 전후 관광 수요 분포의 위계 구조와 그 변형 양상을 정량적으로 점검하고자 한다. 다만 관광 수요를 단일한 복잡계로 단정하기보다, 복잡계 개념이 제공하는 설명력과 한계를 함께 고려하며 논의를 전개한다.

2) Zipf 법칙과 Gibrat 법칙의 적용

복잡계의 구조적 특성, 즉 자기조직화와 자기유사성은 사회･공간 시스템의 규모 분포를 통해 계량적으로 관찰될 수 있으며, 이때 등장하는 대표적인 법칙이 Zipf의 법칙과 Gibrat의 법칙다(Ulubaşoğlu and Hazari, 2004). 두 법칙 간 관계는 관광 수요 체계의 정태적 위계 구조(Zipf)와 동태적 성장 메커니즘(Gibrat)을 정량적으로 탐색하는 이론적･분석적 틀로 기능한다.

먼저 Zipf의 법칙은 도시 인구나 기업 규모, 소득 순위 등과 같은 다양한 사회현상에서 관찰되는 순위-규모 관계를 설명하는 경험 법칙으로 도시계획 및 도시지리학 분야에 널리 알려져 왔다(강세진, 2009). 특히 국내 지리학계에서도 도시, 인구, 문화유적 등 여러 대상에 적용되어 왔으며(권용우, 1998; 이현욱, 2017; 박수진 등, 2025), 최근에는 법칙 적용 과정에서의 쟁점과 연구･교육적 접근의 정비 필요성도 함께 논의되고 있다(박용하, 2025). 이 법칙은 도시 인구 분포가 흔히 파레토 분포(Pareto distribution)로 근사될 수 있음을 보여주며, 이에 따라 도시 체계는 소수의 대도시와 다수의 중･소도시로 구성된 위계적 구조를 지님을 시사한다(홍인호･윤혜진, 2021). 이는 규모가 큰 단위일수록 그 빈도가 일정한 비율로 감소한다는 멱함수 관계를 의미하며, 전체 체계가 일정한 자기유사적 비율 구조를 유지하고 있음을 나타낸다(Gabaix, 1999).

하지만 실제 사회･공간 시스템에서 Zipf의 법칙은 이상적인 형태로 들어맞지 않는다. 이론적으로라면 Zipf 분포가 로그-로그 스케일에서 기울기(절댓값) 1에 가까운 직선형 패턴을 보여야 하나, 현실에서는 규모 구간에 따라 기울기가 조금씩 달라지고 구간별로 다른 패턴이 존재하는 경우가 많다. 이는 멱함수 관계가 특정 스케일에서만 유효함을 의미한다. 이러한 패턴은 실제 현실 체계가 단일 스케일의 평형(equilibrium) 상태에 머무르지 않고, 비평형(far- from-equilibrium) 상태에서 다수의 상호작용을 통해 자기조직화된 질서를 형성함을 보여준다(Batty, 2012).

한편, Gibrat의 법칙은 Zipf형 구조가 형성되는 과정을 가장 설득력 있게 설명하는 성장 모형으로 알려져 있다(홍인호･윤혜진, 2021). 이는 개별 단위의 성장률이 초기 규모와 무관하다는 규모무관 성장의 법칙(Law of Proportionate Effect)에 근거한다(Gibrat, 1931). 각 도시의 성장률이 현재의 인구 규모와 관계없는 무작위 변수로 간주되고 평균이 일정하고 공통된 분산을 갖는 정규분포를 따른다는 가정에 기반하는데(홍인호･윤혜진, 2021), 관광 수요 역시 큰 지역과 작은 지역 모두가 그 규모에 상관없이 평균적으로 동일한 비율의 수요 성장 기회를 가진다는 것을 의미한다.

만약 체계가 일정 기간 동안 이러한 규모무관 성장 과정을 지속적으로 유지한다면 장기적으로 전체 분포는 로그정규 분포에 수렴하며, 일정한 조건 아래에서는 Zipf형 멱함수 구조에 도달할 수 있다(Gabaix, 1999; Eeckhout, 2004). 이와 반대로 외생적 충격 혹은 정책 개입 등으로 규모별 성장률의 차이가 확대될 경우, 체계는 불균등한 분포 구조로 전환되며, 결과적으로 Zipf형 관계 또한 변형된다(Ioannides and Overman, 2003).

결국 두 법칙은 복잡계의 서로 다른 측면을 표현한다. Gibrat의 법칙이 체계 내부에서 작동하는 성장 과정의 자기조직화를 설명한다면, Zipf의 법칙은 그 결과로 나타나는 분포 구조의 자기유사성을 설명한다. 관광 수요 체계가 안정적인 복잡계 구조를 유지할 때는 두 법칙이 동시에 성립하지만, 외생적 충격 등으로 인한 교란이 발생하면 두 법칙 모두에서 편차가 발생할 수 있다.

3. 연구 자료와 분석 방법론

1) 연구 자료

본 연구는 한국관광 데이터랩에서 제공하는 이동통신 빅데이터인 지역별 방문자 수를 분석 자료로 활용하였다. 특히, 내국인 관광 수요만을 면밀히 관찰하기 위해 내국인 방문자 수 데이터 중에서도 현지인 방문자를 제외한 외지인 방문자만을 분석 대상으로 포함하였다. 한국관광 데이터랩은 ‘방문자’를 ‘일상 생활권(거주, 통근, 통학 등)을 벗어나 관광 등의 목적으로 한 장소(분석대상 공간)에 일정시간 이상 머무른 사람’으로 정의한다(한국관광 데이터랩, 2025). 또한, 상주지(통학, 통근, 거주지 등)를 추정하여 상주인구 제외, 통과인구 제외, 전월 기준 방문 횟수가 많은 방문자 제외 등을 분석 로직에 적용하여 최종 방문자 수를 추정한다(한국관광 데이터랩, 2025). 이 자료는 이동통신 기반 추정치라는 점에서 절대적 관광총량의 엄밀한 측정보다는 동일한 기준으로 산출된 지표를 활용해 시기별 증감과 지역 간 상대적 비교를 수행하는 데 적합하다. 따라서 시군 단위 전 지역의 분포 형태와 시기별 변화를 비교 및 해석하고자 하는 본 연구의 목적에 비추어, 국민여행조사나 주요관광지점 입장객 통계 등 다른 가용 자료에 비해 활용 적합성이 높다고 판단하였다.²⁾

한편, 본 연구에서는 2018년부터 2024년까지의 전국 시군구 단위 자료를 기준으로 하여 초기 데이터를 추출하였다. 다만 구 단위까지 세분화하여 분석에 투입할 경우 시군 단위에서 나타나는 관광 수요의 특성을 직관적으로 파악하기 어렵다는 한계가 있었다. 이에 초기 자료에서 구 단위로 제시된 행정구역은 모두 상위 행정구역인 시 단위로 통합하였다. 구체적으로, 서울특별시와 6개 광역시는 자치구를 각각 시 단위로 집계하였다. 또한 수원시, 성남시, 고양시, 용인시, 창원시, 청주시, 전주시 등 도 소속이지만 자치구를 포함하는 일반 시 역시 동일한 규칙으로 시 단위로 통합하였다. 세종특별자치시는 구 단위가 존재하지 않으므로 별도 통합 없이 포함하였다. 이러한 정제 과정을 거쳐 최종적으로 161개의 시군 데이터를 확정하였다.

또한 분석의 시계열적 비교를 위해 연구의 기간을 코로나19 발생 이전(2018-2019년), 코로나19 확산기(2020-2022년)³⁾, 코로나19 회복기(2023-2024년)의 세 시기로 구분하였다. 시기별 방문자 수는 연도별 단순 합계가 아닌 연평균값을 산출하여 활용하였으며, 이를 통해 시기별 관광 수요의 변화를 보다 안정적으로 파악하고자 하였다.

2) 분석 방법론

(1) 순위-규모 분포 분석

본 연구에서는 각 시기에 따른 지역별 방문자 수 규모를 순위에 따라 내림차순 배열하여 그 분포 특성을 파악하고자 하였다. 일반적으로 순위-규모 분포는 도시체계나 산업 구조의 위계성을 분석하는 데 활용되며, Zipf의 법칙(Zipf, 1949)을 통해 멱함수의 형태로 표현된다.

위 식 (1)에서 P_r은 r번째 순위 지역의 방문자 규모, P₁은 1순위 지역의 방문자 규모, β는 분포의 기울기를 나타내는 지수이다. β값이 1에 근접할수록 전형적인 Zipf형 구조를 가진다고 해석된다(Gabaix, 1999). 그러나 이러한 형태는 멱함수 관계를 비선형적으로 포함하고 있어, 이를 직접 회귀분석에 적용하기 어렵다. 따라서 식의 양변에 로그를 취하면 식 (2)와 같은 선형식으로 변환할 수 있다.

이 식은 logP_r을 종속변수, logr을 독립변수로 하는 단순회귀식으로 해석할 수 있으며, 이때 단순 선형회귀를 통해 추정되는 기울기는 -β이며, 그 절댓값 β를 전체 분포를 요약하는 Zipf 지수로 사용하였다. 즉, 상위 순위의 지역일수록 방문자 규모가 멱함수적으로 감소한다는 경험적 관계를 선형 모형을 통해 검증할 수 있게 된다(Gabaix, 1999).

그러나 단일 멱함수식은 전체 분포를 하나의 지수로 단순화함으로써 실제로 존재하는 구간별 비선형적 특성을 충분히 반영하지 못하는 한계가 있다(Clauset et al., 2009). 이에 본 연구에서는 로그-로그 공간상에서 자연 스플라인 회귀(natural spline regression)를 추가로 적용하여 분포의 세밀한 곡률 변화를 추정하였다. 구체적으로 x_i = logr_i, y_i = logP_ri로 둘 때, 스플라인 회귀모형은 식 (3)과 같은 형태로 표현된다.

여기서 B_j(x)는 j번째 스플라인 기저함수(basis function), θ_j는 각 기저함수에 대응하는 회귀계수, ε_i​는 오차항이다. 스플라인 회귀에서 평활함수 f(x)는 이러한 기저함수들의 선형결합으로 표현되며, K는 사용된 기저함수의 개수로 곡선의 유연성을 결정한다(Wood, 2017).

한편, 스플라인 회귀는 국소적으로 다른 기울기를 허용함으로써 분포 곡선의 세밀한 변화 양상을 포착할 수 있으며(Ulubaşoğlu and Hazari, 2004), 이를 통해 각 지점(구간)에서의 국소 기울기(local Zipf exponent), 즉 국소 Zipf 지수를 도출할 수 있다. 본 연구에서는 스플라인 회귀로 추정된 함수 f(x)의 도함수 f′(x)를 이용하여, 다음과 식 (4)와 같이 국소 Zipf 지수 α(x)를 정의하였다.

여기서 α(x)는 로그-로그 좌표 상에서 해당 순위 지점의 국소 기울기의 절댓값을 의미하며, 분포의 국소 불균등도･집중도를 나타내는 지표로 해석된다. 따라서 본 연구에서는 스플라인 회귀로 추정된 함수의 도함수를 활용하여 국소 Zipf 지수를 계산하고, 각 시기의 구간별 집중도 차이를 비교하였다(Ioannides and Overman, 2003; Ulubaşoğlu and Hazari, 2004; Giesen et al., 2010; González-Val et al., 2015).

(2) 성장률-규모 관계 분석

본 연구에서는 관광 수요의 시기별 성장 메커니즘을 검증하기 위하여 규모무관 성장의 법칙(Law of Proportionate Effect)에 근거하여 분석을 진행하였다(Gibrat, 1931). 앞서 언급했듯이 이 법칙은 초기 규모가 이후 성장률에 영향을 미치지 않을 경우 체계가 균등 성장 구조를 보인다고 설명한다(Gibrat, 1931). 지역의 초기 규모가 크거나 작더라도 평균적으로 동일한 성장률을 보인다면 Gibrat 법칙이 성립하며, 반대로 규모에 따라 성장률의 차이가 존재할 경우 불성립으로 판단할 수 있다(Gabaix, 1999).

이를 검증하기 위해 두 시기(코로나19 이전 → 확산기, 확산기 → 회복기)의 내국인 관광 수요 변화를 통합적으로 분석하는 회귀모형을 설정하였다. 다만 두 전이구간은 포함 연수가 서로 다르므로(이전 → 확산기: 3년, 확산기 → 회복기: 2년), 성장률을 연 단위로 비교할 수 있도록 연율화(annualization)를 적용하였다. 구체적으로 지역 i의 시기 t에서 방문자 규모는 각 시기 동안의 연간 평균 방문자 수로 정의하였다. 즉, 시기 내 누적 방문자 수를 해당 시기의 연수로 나눈 값을 시기 t의 방문자 규모로 사용하였다. 이때 시기 t-1에서 t로의 연평균 로그 성장률은 다음의 식 (5)와 같이 정의된다.

여기서 Δt는 전이구간의 연수로 정의되며, 본 연구에서는 ‘이전 → 확산기’ 구간에 대해 Δt = 3, ‘확산기 → 회복기’ 구간에 대해 Δt = 2를 적용하였다. 식 (5)는 두 시점의 로그 차이를 연수로 나눈 값이므로, 각 지역의 연평균(연율화된) 로그 성장률을 의미한다. 이어서 식 (5)에서 정의된 값을 종속변수로 두고, 시기별 규모 효과의 존재 및 변화 여부를 검정하기 위해 다음의 회귀모형을 식 (6)와 같이 설정하였다.

여기서 S_i,_t-1은 직전 시기(t-1)의 초기 방문자 규모이며, 본 연구에서는 직전 시기의 연간 평균 방문자 수를 초기 규모로 사용하였다. D_t는 회복기 전이구간(확산기 → 회복기)이면 1, 기준 구간(이전 → 확산기)이면 0인 시기 더미 변수이다. 상호작용항 logS_i,_t-1 × Dt는 회복기 전이구간에서 규모-성장률 관계가 기준 구간과 비교해 얼마나 달라졌는지를 나타낸다. 따라서 β₁은 기준 구간에서의 규모 효과를 의미하고, 회복기 전이구간의 규모 효과는 β₁ + β₃로 해석된다. 본 모형을 통해 두 시기 간의 Gibrat 법칙 성립 여부를 비교하고 내국인 관광 수요의 성장 구조가 균등 혹은 불균등 형태로 변화하였는지를 검증하였다.

한편, Gibrat 모형의 기본적 가정은 개별 단위의 독립적 비례 성장을 전제하므로(Gibrat, 1931), 이 가정의 적합성을 점검하고자 회귀식 잔차에 대한 Global Moran’s I 검정을 실시하였다. 이는 규모로 설명되고 남은 성장 편차의 공간 의존성을 진단함으로써, 성장 과정이 독립적으로 발생했는지 혹은 공간적 상호작용을 통해 조직화되었는지 구분하기 위함이다(Anselin, 1988).

(3) 변화율 및 순위 재배열 진단

앞선 성장률-규모 관계 분석은 규모 효과의 존재 여부를 검정하는 데 유용하나, 관광 수요 분포의 재조정이 공간적으로 어떤 지역에서 두드러졌는지, 그리고 지역 간 상대적 위계(순위)의 재배열로 이어졌는지를 직접적으로 보여주기에는 한계가 있다. 이에 본 연구는 전이구간별로 지역별 변화율을 산출하여 공간 분포의 증감 패턴을 지도와 표로 제시하고, 동시에 순위 기반 지표를 통해 위계 구조의 안정성과 이동을 추가 진단하였다.

구체적으로 각 시기에서 지역 방문자 규모(시기 내 연간 평균 방문자 수)를 기준으로 순위를 산정한 뒤, 시기 간 순위 배열의 전반적 일치 정도는 Spearman 순위상관계수(ρ)와 Kendall 순위상관계수(τ)로 측정하였다. 또한 상위권에서의 구조 변화를 확인하기 위해 상위 k지역 집합의 구성 유지율(top-k overlap)을 계산하고(k는 10, 20, 30으로 반복 산출), 지역별 위계 이동의 크기는 순위변화량(절대 이동폭)을 요약하여 제시하였다. 이를 통해 변화율에서 관찰되는 공간적 증감 패턴이 순위 재배열 지표에서 관찰되는 변화와 일관적인지 교차 검증하였다.

3) 자료 접근성 및 분석 환경

본 연구에서 사용한 지역별 방문자 수 자료는 한국관광 데이터랩에서 제공되는 이동통신 기반 추정치이며, 독자는 동일 서비스 내에서 본문 3.1절에 제시한 조건에 따라 자료를 확인 및 재추출할 수 있다. 행정구역 통합 규칙, 시기 구분(코로나19 이전･확산기･회복기) 및 시기별 연평균값 산출 등 자료의 전처리와 집계 기준 또한 3.1절에 명시하였다. 모든 통계 분석과 도표 작성은 R 4.5.0 환경에서 수행하였으며, 지역별 변화율의 공간 분포는 지도 제작(시각화) 목적에서 ArcGIS Pro 3.4.0을 활용하였다. 주요 분석인 순위-규모 분포 분석과 성장률-규모 회귀의 추정은 stats, 자연 스플라인 기반 추정은 splines 패키지를 사용하였다. 또한 성장률-규모 회귀 잔차의 공간 자기상관 진단(Global Moran’s I)은 sf 및 spdep 패키지를 활용하여 수행하였다. 마지막으로 보완적 분석으로서 순위 재배열 진단에서 사용한 Spearman 순위상관계수(ρ) 및 Kendall 순위상관계수(τ) 산출은 stats, 상위 k지역 구성 유지율(top-k overlap)과 순위 이동량 요약은 R 기본 연산 및 tidyverse 기반의 집계 절차로 계산하였다.

4. 실증 분석 결과

1) 기초 통계 지표와 시기별 분포 특성

표 1은 전국 161개 시군을 대상으로 내국인 관광 수요를 대리하는 지표인 외지인 방문자 수에 대한 주요 통계량을 시기별로 요약한 것이다. 먼저 코로나19 이전 시기(2018- 2019)의 연평균 방문객 수는 약 2,959만 명으로 집계되었고, 표준편차는 약 5,638만 명으로 지역별 편차가 큰 것으로 나타났다. 중앙값은 약 1,339만 명으로 평균에 비해 현저히 낮게 측정되어, 내국인 관광 수요가 일부 대도시에 집중되어 있음을 알 수 있다.

코로나19 확산기(2020-2022)에는 연평균 방문객 수가 2,854만 명으로 줄었고, 표준편차도 4,824만 명으로 함께 낮아졌다. 이동이 제한되고 안전에 대한 우려가 커지면서 전체적으로 내국인 관광 수요의 총량이 줄어들었음을 알 수 있다. 이 시기의 변동계수(CV) 또한 1.91에서 1.69로 감소하였는데, 이는 지역 간 격차가 이전만큼 크게 벌어지지 않았다는 뜻으로 해석된다. 즉, 예전처럼 특정 대도시 혹은 인기 관광지에만 내국인 관광 수요가 강하게 쏠리기보다는 중･소규모 도시로 수요가 퍼진 흐름이 나타났다고 볼 수 있다. 이 시기에 중앙값이 소폭 상승한 점 또한 극단적으로 높은 상위 지역이 주도하던 내국인 관광 수요 구조가 잠시 누그러졌음을 뒷받침한다.

회복기(2023-2024)로 넘어가면 이러한 양상은 재차 변화를 보인다. 연평균 방문객 수는 3,174만 명 수준으로, 확산기에 비해 다시 늘어나며 내국인 관광 수요가 회복되는 흐름이 나타났으며, 표준편차와 중앙값이 또한 함께 상승하였다. 변동계수도 1.76으로 반등하여 지역 간 불균등성이 다시 커지는 조짐을 보였다.

정리하면, 코로나19 시기에는 내국인 관광 수요가 잠시 줄고 분산되는 경향을 확인할 수 있었지만, 결국 공간적 불균등 구조 자체는 그대로 남아 있었고 팬데믹 이후 회복기에는 다시 대도시 중심의 집중이 강해지는 흐름이 관찰된다.

2) 순위-규모 분포 분석 결과

(1) 단순 멱함수 적합 결과

그림 1은 세 시기의 내국인 관광 수요를 로그-로그 스케일로 표현한 순위-규모 분포 결과이다. 추정된 기울기(β)는 모든 시기에서 1에 매우 가까운 값(1.01-1.04)으로 나타나, 상위 소수 지역이 전체 방문자의 대부분을 차지하는 전형적 Zipf형 분포를 보였다. 모든 시기에서 수정된 결정계수는 약 0.91-0.92로 높게 나타나⁴⁾, 내국인 관광 수요의 순위-규모 패턴이 멱함수 형태로 대부분 설명됨을 보여준다.

그림 1.

내국인 관광 수요의 순위-규모 분포

시기별로 보면, 코로나19 이전(2018-2019)에는 기울기(β = 1.038)가 가장 가파르게 나타나 상위 지역의 집중도가 두드러졌다. 이후 확산기(2020-2022)에는 주요 도시로의 방문이 줄어들면서 기울기가 상대적으로 완만해졌고(β = 1.010), 회복기(2023-2024)에는 상위 도시의 수요가 다시 증가하며 기울기가 소폭 상승했다(β = 1.015). 즉, 팬데믹 충격으로 일시적 분산이 일어났으나, 이후 불균등 구조가 재강화되었음을 확인할 수 있다.

다만 멱법칙적 순위-규모 관계는 전 구간에서 일률적으로 성립하기보다, 주로 상위 꼬리(upper tail)에서 검증하는 것이 일반적이며, 추정 지수는 하위 구간 처리(threshold)에 따라 달라질 수 있다는 점이 지적되어 왔다(Gabaix and Ioannides, 2004). 이에 본 연구는 상위 꼬리를 기준으로 표본을 절단(cutoff)했을 때 추정 기울기와 직선성(Adj. R²)이 어떻게 변하는지 민감도 분석을 추가로 수행하였다. 그림 2와 표 2는 상위 꼬리를 Top 50%(n = 80), Top 30%(n = 48), Top 20%(n = 32), Top 10%(n = 16)으로 제한하여 기울기를 재추정한 결과이다.

그림 2.

절단 기준 변화에 따른 멱함수 기울기 추정의 민감도

분석 결과, 절단 기준을 상위로 좁힐수록 β는 0.6-0.8대로 낮아졌다. 이는 전 구간이 단일 지수로 완전히 수렴하기보다는 상･중･하 구간에서 기울기가 달라지는 곡률이 공존함을 시사한다. 한편 상위 20-50% 구간에서 Adj. R²는 0.95-0.97 수준으로 높게 유지되어, 상위 구간에서는 로그-로그 공간의 직선 근사(스케일링)가 뚜렷함을 확인할 수 있다. 한편, Top 10%는 표본 수가 작아 상대적으로 변동성이 커진 것으로 예상된다. 또한 절단 기준을 달리하더라도 시기 비교의 상대적 관계(대체로 2018-2019 > 2023-2024 > 2020-2022)가 유지되어 확산기에 완만화되고 회복기에 재상승하는 방향성은 하위 구간 처리에 의해 쉽게 뒤집히지 않았다. 이는 시기별 구조 변화 해석이 일정 수준의 강건성을 갖는다는 점을 뒷받침한다.

종합하면, 전체 구간(161개)을 대상으로 단일 직선을 적합했을 때 추정 기울기는 1에 근접하여 순위-규모 관계가 전반적으로 Zipf형 분포에 가까운 요약값을 보인다. 그러나 상위 꼬리만을 대상으로 절단 기준을 달리하여 재추정한 결과, 전 구간이 하나의 지수로 완전히 설명되기 어렵다는 점이 확인된다. 다시 말해 상위 구간에서는 멱법칙적 스케일링(직선성)이 유지되지만, 지수 값은 구간에 따라 달라질 수 있으며, 이러한 특성은 현실 분포에서 제한된 자기유사성(limited self-similarity)과 구간별 이질성이 공존할 가능성을 시사한다(Frankhauser, 1998). 이에 다음 절에서는 스플라인 회귀모형을 적용하여 전 구간에서의 국소적 기울기 변화와 곡률 양상을 보완적･탐색적으로 살펴보고자 한다(Ulubaşoğlu and Hazari, 2004).

(2) 스플라인 회귀 기반 국소 Zipf 지수(α) 분석 결과

앞 절의 단순 멱함수 적합 및 상위 꼬리 절단 민감도 분석에서 확인했듯이 순위-규모 관계는 로그-로그 공간에서 전반적으로 직선 근사가 가능하나, 절단 기준에 따라 추정 기울기가 달라져 전 구간이 단일 지수로 완전히 수렴하지 않을 가능성이 있다. 이에 본 절에서는 스플라인 회귀모형을 적용하여 전 구간에서의 곡률과 국소적 기울기 변동을 보완적으로 확인하였다.

스플라인 회귀 적합 결과, 자유도(df) = 5인 모형이 세 시기 모두에서 가장 우수한 성능을 보여 최종 해석 모형으로 채택하였다.⁵⁾그림 3는 df = 5 스플라인 적합 결과를 제시한 것이다. 전반적으로 직선적 경향은 유지되나 상･하위 구간에서 곡률 변화가 관찰되며 특히 하위 구간에서의 변화가 상대적으로 두드러진다. 이는 순위-규모 분포가 전 구간에서 하나의 지수로 완전하게 설명되기보다 구간별로 상이한 기울기 변동을 가질 수 있음을 뜻한다.

그림 3.

스플라인 회귀분석 결과

곡률의 변화를 보다 직접적으로 요약하기 위해 스플라인 적합 곡선의 국소 기울기를 이용해 국소 Zipf 지수(α)를 산출하였다(표 3, 그림 4).⁶⁾표 3에 따르면, 세 시기 모두에서 국소 Zipf 지수는 구간별로 뚜렷한 비대칭성을 보인다. 상위 20% 구간의 α 평균은 0.686-0.730 수준으로 완만한 반면, 하위 20% 구간은 3.85-4.01 수준으로 가파른 기울기를 보여 분포 내부의 구간별 이질성과 곡률을 뒷받침한다. 또한 상위 20% 구간의 IQR은 0.08-0.11로 좁게 나타나 국소 기울기가 비교적 안정적으로 유지되는 반면, 하위 20% 구간의 IQR은 0.75-0.83으로 크게 나타나 하위 구간에서 국소 기울기 변동과 이질성이 두드러짐을 보여준다.

그림 4.

시기별 관광 수요 분포의 국소 Zipf 지수(α) 변화 곡선

시기별로 보면, 확산기(2020-2022)에는 상위 20%의 평균 α가 0.686으로 이전기(2018-2019, 0.730) 대비 낮아져 상위 구간의 기울기가 일시적으로 완만해지는 경향이 관찰되며 회복기(2023-2024)에는 0.703으로 일부 재상승하였다. 중위 60% 구간의 평균 α는 1.30-1.34 범위로 상대적 안정성을 보인 반면, 하위 20% 구간은 회복기에 평균 α가 4.01(중앙값 4.18)로 이전 시기들에 비해 비교적 가파르게 상승하여 하위 구간에서의 급격한 기울기 변화가 강화되는 양상이 나타났다.

종합하면, 스플라인 및 국소 Zipf 지수(α) 분석은 순위-규모 곡선의 변화가 전 구간에 균등하게 나타나기보다 특정 구간(특히 하위 구간)에서 더 크게 나타난다는 점을 보여준다. 즉 상위 구간에서는 국소 기울기가 비교적 안정적으로 유지되는 반면, 하위 구간에서는 기울기의 수준과 변동성이 동시에 확대되어 분포의 비선형성이 강화된다. 이러한 결과는 팬데믹 전후의 구조 변화가 전체 기울기 변화로만 환원되기보다 구간별 이질성의 재배치(특히 하위 구간에서의 이탈 강화)로 나타날 수 있음을 시사한다. 나아가 이는 상위 소수 거점의 집중과 하위 지역의 취약성이 공존하는 비균질적 구조가 관광시장에서도 관찰될 수 있음을 의미하며, 특정 도시 중심의 수요 쏠림과 관광취약지역의 문제를 논의하는 근거로 활용될 수 있다.

3) 성장률-규모 관계 분석 결과

앞선 국소 Zipf 지수 분석에서 내국인 관광 수요 분포의 상･중･하위권 간 이질성을 확인할 수 있었다. 이러한 결과는 특정 시점 내에서 규모에 따른 불균등성이 존재함을 의미한다. 본 절에서는 이러한 구조적 불균등성이 시간 경과에 따라 어떤 성장 메커니즘을 통해 조정되었는지를 검증하고, 그 과정에서 공간적 의존성이 잔존하는지를 함께 분석하였다.

(1) Gibrat 회귀분석 결과

표 4는 회귀분석 결과를 제시한 것이다. 기준 시기인 코로나19 이전 → 확산기의 규모효과는 음의 방향으로 유의하였다(β₁ = -0.0084, p = 0.0002). 이는 평균적으로 초기 규모가 큰 지역일수록 성장률이 낮아지는 경향, 즉 규모무관 성장(Gibrat형 성장)에서의 이탈이 관찰됨을 의미한다. 다만 계수의 절댓값이 매우 작으므로, 본 결과는 법칙의 성립 혹은 불성립을 이분법적으로 단정하기보다 약한 수준이지만 통계적으로는 검출 가능한 수준의 규모효과가 관찰된다고 제한적으로 정리할 수 있다. 해석을 돕기 위해 규모를 두 배로 늘렸을 때의 차이를 연율 기준으로 환산하면, 연간 약 -0.58%p의 성장률 격차가 발생한다.⁷⁾

반면 확산기 → 회복기의 규모효과는 0에 가깝고 통계적으로 유의하지 않았다(β₁ + β₃ = 0.0008, p = 0.7244). 이는 회복기에는 성장률-규모 간 관계가 약화되어, 규모무관 성장에 더 가까운 양상(근사적 Gibrat형 성장)이 관찰됨을 시사한다. 아울러 상호작용항은 양의 방향으로 유의하였다(β₃ = 0.0092, p = 0.0046). 이는 확산기에 관찰된 음의 규모효과가 회복기에 완화되었음을 뒷받침한다. 그림 5의 회귀선은 평균적 경향을 나타내는데, 이전 → 확산기 구간에서는 음의 기울기가 확인되지만, 확산기 → 회복기 구간은 거의 수평 경향을 보여 규모와 성장률 간 차이가 미미함을 확인할 수 있다. 이와 같은 결과는 코로나19 확산기에 나타난 불균등한 수요 충격이 이후 시기에는 완화되어 내국인 관광 수요의 공간적 성장 구조가 상대적으로 점차 안정화되었음을 보여준다.

그림 5.

시기별 내국인 관광 수요의 성장률-규모 관계 변화

(2) 회귀모형 잔차의 Global Moran’s I 분석 결과

Gibrat 법칙은 지역 간 성장률이 서로 독립적으로 결정된다고 가정한다. 즉, 한 지역의 성장률이 이웃 지역의 성장률에 영향을 받지 않는다는 전제하에 추정이 이루어진다. 그러나 실제 공간 자료에서는 인접 지역 간 상호작용이나 누락된 공간적 요인으로 인해 이러한 독립성 가정이 위배될 가능성이 있다(Anselin, 1988). 이러한 점을 감안하여 본 연구에서는 도시 순위-규모 분포의 공간 의존성을 분석한 선행연구(Bergs, 2021)의 접근을 참고하여 회귀모형의 잔차에 공간 의존성이 남아 있는지를 확인하기 위해 잔차의 Global Moran’s I를 산출하였다.⁸⁾

분석 결과, 이전 → 확산기 구간의 잔차는 양의 공간 자기상관이 유의하게 나타났다(Moran’s I = 0.1319, z = 3.79, p = 0.0002). 이는 예측오차가 공간적으로 군집하는 경향을 보이며, 규모와 시기 변수만으로는 설명되지 않는 공간적 요인이 있음을 의미한다. 이어서 확산기 → 회복기 잔차 역시 양의 공간 자기상관이 유의하였으나(Moran’s I = 0.0952, z = 2.80, p = 0.0052), Moran’s I 값은 이전 → 확산기 대비 약 28% 감소하였다. 회복기로 전환되면서 공간 자기상관의 강도가 완화된 것은, 내국인 관광 수요의 성장 구조가 Gibrat 법칙이 가정하는 균등 성장 패턴에 부분적으로 가까워지는 경향을 보인다고 해석할 수 있다.

이러한 결과는 팬데믹 확산기엔 지역 간 공간 의존성이 상대적으로 강해 성장률의 독립성 가정이 뚜렷하게 위배되었으나, 회복기로 접어들면서 그 공간 의존성이 일부 완화되고 있음을 보여준다. 즉, 잔차의 Moran’s I 분석은 Gibrat 법칙의 독립성 가정이 현실에서 완전히 충족되지는 않더라도 시기별로 그 위배 정도가 약화되는 경향을 포착함으로써, 균등 성장 구조에 대한 이론적 기대와 실증 결과가 일정 부분 부합함을 뒷받침하는 보조적 근거로 이해될 수 있다.

4) 지역별 변화율 및 순위 재배열 진단 결과

앞선 결과는 팬데믹을 거치며 대도시 중심의 집중 구조가 완화되고 시계열적으로 규모효과가 약화되어 균등 성장(Gibrat형)에 근접해 가는 흐름을 보여주었다. 다만 회귀분석과 잔차에 대한 Global Moran’s I 분석만으로는 어떤 지역에서 변화가 두드러졌는지를 구체적으로 파악하기 어렵다. 이에 본 절에서는 전이구간별 지역별 방문자 수 변화율을 산출하여 공간적 증감 패턴을 제시하고(그림 6, 표 5), 동시에 순위 기반 지표를 통해 위계 구조의 안정성과 이동을 추가로 진단하였다(표 6, 7, 8).

그림 6.

시기별 내국인 관광 수요 변화율의 공간 분포(좌: 코로나19 이전 대비 확산기; 우: 확산기 대비 회복기)

(1) 지역별 변화율의 공간 분포

2018-2019년 대비 2020-2022년 기간 동안 내국인 관광 수요가 크게 증가한 지역은 임실군(+27.4%), 신안군(+23.3 %), 하남시(+22.4%), 진도군(+22.3%), 연천군(+20.0%) 등이었다. 이들은 대체로 중･소규모 도시나 농산어촌 지역으로, 자연경관을 기반으로 한 체류형 관광이 발달한 곳이다. 반면 서울(-17.6%), 인천(-14.0%), 부산(-12.8%), 대전(-10.3 %) 등 대도시는 두드러진 감소세를 보였다. 이러한 변화는 앞서 확인된 음의 성장률-규모 관계와 같은 방향을 가진다. 임실･신안･진도･연천 등 중･소규모의 농산어촌 지역들은 정부의 사회적 거리두기 방침과 비대면 여가 선호 속에서 대안적 관광지로 부상했으며, 반대로 대도시는 이동 제한과 대형 행사의 중단, 위험 인식 증가로 인한 이미지 약화 등의 이유로 관광 흐름이 크게 위축되었다(배민영･정지연, 2021). 팬데믹 시기 이동 제한과 위험 인식 변화 속에서 대도시 중심의 관광 활동이 위축되고 상대적으로 분산된 목적지로 수요가 이동했을 가능성을 시사한다(김은희, 2020).

다음으로 2020-2022년 대비 2023-2024년의 변화를 살펴보면 내륙 지역의 회복세가 특히 두드러졌다. 함양군(+28.4 %), 정선군(+24.4%), 보은군(+23.5%)이 대표적인데, 세 곳 모두 산악 지형과 자연환경을 기반으로 한 체류형 관광지라는 공통점이 있다. 이러한 결과는 팬데믹 기간 동안 강화된 자연 중심 여가 선호가 이후에도 일정 부분 지속되었을 가능성을 보여준다. 반면 수도권 인접 지역인 횡성군(-7.0 %), 양평군(-5.8%), 이천시(-1.6%), 여주시(-1.2%), 포천시(-0.7%) 등은 성장세가 다소 꺾이는 모습을 보인다. 이는 팬데믹 시기 급증했던 근교 중심의 수요가 일정 수준에 도달하여 조정 단계에 접어들었음을 시사하며, 재균형을 모색하는 과도기적 과정으로 이해할 수 있다.

(2) 순위 구조의 안정성 및 이동

변화율 분석은 지역별 방문자 수의 증감 폭을 보여주지만, 그 자체만으로 공간 구조가 ‘재편’되었는지 여부를 판단하기는 어렵다. 이를 보완하기 위해 본 연구는 시기별 방문자 규모에 기반해 순위를 산정하고 시기 간 순위 배열의 전반적 일치 정도와 상위권 구성의 유지 여부, 그리고 순위 이동의 규모를 함께 점검하였다.

먼저 시기 간 순위 상관 분석 결과(표 6), 순위 질서는 전반적으로 매우 높은 안정성을 보였다. Spearman 순위상관계수는 2018-2019와 2020-2022 간 0.996, 2020-2022와 2023-2024 간 0.997, 2018-2019와 2023-2024 간 0.993으로 모두 0.99 내외의 높은 값을 보였다. Kendall 순위상관계수 또한 세 비교에서 0.938-0.958 수준으로 나타나 팬데믹 전후에도 지역 간 위계가 크게 뒤집히지 않았음을 시사한다.

상위권 구성 역시 제한된 변화만이 관찰되었다(표 7). Top-20 지역은 세 시기 모두 동일하여 교집합이 20/20으로 유지되었다. Top-10의 경우 2018-2019 ↔ 2020-2022 및 2020-2022 ↔ 2023-2024 비교에서 각각 9/10이 유지되었다. 2018-2019 ↔ 2023-2024 비교에서는 Top-10이 10/10 동일하게 나타났다. 더 나아가 Top-30까지 확장해도 교체 폭은 매우 제한적이었다. 2018-2019 ↔ 2020-2022 비교에서 Top-30 교집합은 28/30, 2020-2022 ↔ 2023-2024에서는 29/30, 2018-2019 ↔ 2023-2024에서도 29/30로 나타나, 상위 방문지의 근본적 교체가 매우 제한적임을 보여준다.

순위 이동의 규모를 보면(표 8), 일정 수준 이상의 변동은 일부 지역에서 관찰되었으나 전면적 재배열로 해석될 만큼 광범위하지는 않았다. 2018-2019 ↔ 2020-2022 구간에서 순위 이동폭(절댓값) 10 이상인 지역은 6개(최대 이동폭 17), 2020-2022 ↔ 2023-2024 구간에서도 순위 이동폭 10 이상인 지역은 6개(최대 이동폭 14)로 나타났다. 2018-2019 ↔ 2023-2024 장기 비교에서는 순위 이동폭 10 이상인 지역이 17개로 증가했으나 최대 이동폭은 18에 그쳤고, 순위 이동폭 20 이상인 사례는 관찰되지 않았다. 이는 팬데믹 전후 변화가 특정 지역에서의 상대적 상승･하락을 동반하더라도 전체 위계를 근본적으로 교체하는 수준의 ‘재편’이라기보다는 기존 위계가 유지되는 가운데 변화의 강도와 구간별 이질성이 조정되는 ‘재조정’의 형태로 나타났을 가능성을 시사한다.

5. 논의 및 결론

본 장에서는 복잡계의 핵심 개념인 자기유사성과 자기조직화를 이론적 분석 틀로 삼아 실증 분석 결과를 심층적으로 논의한다. 분석 결과, 내국인 관광 수요 분포는 전체적으로 자기유사적 패턴을 유지하면서도 구간별로 구간에 따라 서로 다른 기울기를 보이는 제한된 자기유사성의 특성을 보였다. 동시에 자기조직화의 속성 또한 견지하고 있음을 확인하였다.

순위-규모 분포 분석 결과, 내국인 관광 수요 분포는 시기의 변화에도 불구하고 일부 상위 지역에 수요의 대부분이 몰리는 형태로 유지됨을 확인하였다. 이는 전형적인 멱함수 관계로, 관광 수요 분포 역시 도시 인구나 경제 규모에서 관찰되는 자기유사적 속성을 보임과 동시에 부분이 전체의 축소판처럼 작동하는 스케일 불변성을 보인다는 점을 시사한다(Mandelbrot, 1982; Chen, 2011). 아울러 단일 직선 적합뿐 아니라 상위 꼬리 구간을 절단한 민감도 분석에서도 로그-로그 공간의 직선성이 높게 유지되고 시기별 기울기 변화의 상대적 방향이 쉽게 뒤집히지 않는 것으로 나타났다. 이는 내국인 관광 수요의 순위-규모 관계가 적어도 상위 구간에서 멱함수적 스케일링으로 근사됨을 의미한다.

Zipf 적합이 전반적으로 지지되는 가운데, 스플라인 회귀분석을 기반으로 산출한 국소 Zipf 지수는 상･중･하위 구간 간 뚜렷한 차이를 보였다. 이는 분포 내부에 비선형적 곡률이 존재함을 드러내며, 실제 체계가 단일 스케일의 평형 상태에 머물지 않고 특정 규모 범위에서만 자기유사성이 근사적으로 성립하는 준 프랙털적 양상을 시사한다(Chen, 2020). 즉, 내국인 관광 수요의 공간적 분포는 완전한 프랙털이 아니라, 전체적으로는 Zipf형의 자기유사적 질서를 유지하면서도 내부적으로는 구간별 비대칭성과 국지적 이질성이 공존하는 제한된 자기유사성의 특징을 지닌다(Frankhauser, 1998).

더 나아가 국소 Zipf 지수의 구간별 비대칭성에서 알 수 있듯, 내국인 관광 수요는 단일한 기울기로 설명되는 균질한 시장이라기보다 소수의 거점 지역(상위권)과 다수의 소규모 지역(하위권)이 공존하는 위계적 공간체계로 표현된다. 상위권에서 기울기가 완만하고 IQR이 좁게 유지된다는 점은 거점 지역의 수요 기반이 상대적으로 안정적으로 유지됨을 시사하는 반면, 하위권에서 기울기 수준과 변동성이 동시에 확대된다는 점은 분포의 하위 구간에 해당하는 다수 지역에서 수요 기반이 취약하고 변동에 민감한 구조가 강화될 수 있음을 의미한다. 이는 지리학에서 논의되어 온 중심-주변 구조와 누적적 인과, 공간적 불균등 발전의 관점에서, 관광 수요 역시 상위 거점으로의 집중과 하위 지역의 구조적 취약성이 병존하는 형태로 조직･재생산될 수 있음을 실증적으로 뒷받침한다(Myrdal, 1957; Friedmann, 1966; Harvey, 1982).

한편, Gibrat의 법칙을 적용한 성장률-규모 관계 분석에서는 코로나19 확산기라는 특정 충격 국면에서 내국인 관광 수요 분포가 재조정되는 자기조직화의 양상을 관찰할 수 있었다. 확산기에는 규모가 클수록 성장률(변화율)이 낮게 나타나 Gibrat 법칙이 성립하지 않았는데, 이는 감염 위험 인식과 방역 조치가 결합된 상황에서 밀집도가 높은 대규모 목적지에 제약이 상대적으로 더 강하게 작동했을 가능성과 정합적이다. 반면 확산기 이후에는 규모와 성장률 간 관계가 통계적으로 유의하지 않아 규모와 무관하게 유사한 성장 양상이 나타나는 Gibrat형 구조로 부분적으로 회복되는 경향을 보였다(Ioannides and Overman, 2003). 다만 이러한 조정 양상은 충격의 유형(감염병, 자연재해, 경제위기 등)과 정부의 정책 설계, 국민 정서에 따라 달라질 수 있으므로 본 결과를 코로나19 시기 한국의 제약 조건 하에서 관찰된 경험적 패턴으로 해석하는 것이 타당하다.

회귀모형의 잔차에 대한 Global Moran’s I 분석 결과에서도 이러한 변화는 일관되게 확인되었다. Gibrat 회귀의 전제인 성장률의 독립성 가정은 코로나19 확산기에는 부분적으로 위배되었으나, 회복기로 전환되는 시기엔 공간 자기상관이 약화되어 체계가 점차 균등 성장 구조로 수렴하는 경향을 보였다. 이는 외생적 충격 이후에도 지역 간 상호작용을 통해 공간적 질서가 조정 및 복원되는 자기조직화적 과정으로 해석할 수 있다(Prigogine and Stengers, 1984; Bak et al., 1987; Camazine et al., 2001).

여기서 중요한 점은, 이러한 조정이 위계의 전면적 교체(공간 구조 재편)로 곧바로 이어졌다고 보기는 어렵다는 사실이다. 4장에서 수행한 순위 구조의 안정성 및 이동 분석 결과(표 6, 7, 8), 시기 간 순위 상관이 매우 높게 유지되었고 상위권 구성 역시 교체 폭이 제한적으로 나타났다. 또한 순위 이동이 비교적 크게 나타난 사례가 일부 존재하더라도 그 변화가 전체 위계를 광범위하게 재배열하는 수준으로 확산되지는 않았다. 이는 팬데믹 전후의 변화가 상위 방문지의 근본적 교체나 중심의 급격한 이동을 동반한 ‘재편’이라기보다는 기존 위계가 유지되는 가운데 일부 지역의 상대적 상승･하락과 성장 메커니즘의 변형이 나타나는 ‘재조정’의 형태로 이해하는 것이 더 타당함을 시사한다.

이러한 재조정의 배경에는 코로나19 시기의 제약 조건이 지역에 따라 비대칭적으로 작동했다는 점을 들 수 있다. 확산기에는 밀집･대면 활동에 대한 제약과 위험 회피가 강화되면서 대규모 도시･거점의 방문 수요가 상대적으로 크게 위축되었다. 반대로 자연환경 기반 야외활동, 자가용 중심 근거리 이동, 단기･분산형 방문과 친화적인 지역 유형에서는 감소폭이 상대적으로 제한되었을 가능성이 있다. 특히 내륙의 산악･자연자원 기반 체류형 관광지의 상대적 회복은 이러한 조건 변화와 정합적으로 연결될 수 있으며, 이는 중심의 교체라기보다 기존 위계 구조 내에서 일부 지역 유형이 상대적으로 덜 감소하거나 더 회복하는 방식의 ‘재조정’으로 이해하는 것이 타당하다. 또한 확산기 이후 성장률-규모 관계가 규모무관적 형태로 수렴한 결과는 회복 경로가 특정 규모에 고정되기보다 비교적 넓게 분산되었음을 시사한다.

이러한 맥락에서 회복기(2023-2024)의 국소 Zipf 지수 결과는 ‘재편’보다는 ‘재조정’의 성격을 더욱 분명히 보여준다. 회복기에는 하위권의 국소 Zipf 지수가 이전보다 더 가파르게 나타나, 하위 구간에서 수요 기반의 취약성과 변동성이 강화되는 양상이 관찰되었다. 이는 회복 국면에서 수요가 전 구간에 균등하게 분산되기보다 상위권 일부 거점은 상대적으로 안정적으로 회복되는 반면, 하위권 다수 지역은 회복이 지연되거나 감소폭이 누적되면서 분포의 하위권에서 비선형성이 확대되는 방향의 부분적 재조정이 나타날 수 있음을 시사한다. 다시 말해, 충격 이후 분포는 완전히 재편되기보다는 기존 위계적 공간체계를 유지한 채 구간별 회복 속도와 변동성이 반영되며 조정되는 것으로 이해할 수 있으며, 이러한 조정 양상은 복잡계가 교란 하에서도 내부 상호작용을 통해 질서를 유지･조정하며 안정성을 회복하는 자기조직화의 속성과도 연결된다(윤영수･채승병, 2005; Prigogine and Stengers, 1984; Camazine et al., 2001).

종합하면, Zipf의 법칙은 내국인 관광 수요 분포가 시기 변화에도 일정한 자기유사적 골격을 유지한다는 점을 보여주며, 국소 Zipf 지수는 그 골격 내부에서 구간별 기울기와 변동성이 상이하게 나타나는 제한된 자기유사성을 드러낸다. 또한 Gibrat의 법칙은 외생적 충격 전후로 성장 메커니즘이 일시적으로 규모 의존적 형태로 변형되었다가 회복기로 갈수록 규모 무관적 형태로 수렴하는 조정 과정을 설명한다(Gabaix, 1999). 아울러 순위 안정성 및 이동 분석은 팬데믹 전후에도 상위권 위계 질서가 대체로 유지되었음을 보여줌으로써, 본 연구에서 관찰된 변화가 ‘공간 구조 재편’이라기보다 ‘기존 위계 하에서의 재조정’으로 해석되어야 함을 보완적으로 뒷받침한다. 이는 코로나19라는 충격 하에서 내국인 관광 수요 체계가 완전한 무질서로 붕괴하기보다 기본적 위계 구조를 유지하면서도 성장 메커니즘과 구간별 이질성의 크기가 부분적으로 재조정될 수 있음을 시사한다(Batty, 2008).

본 연구 결과는 크게 두 가지 함의를 갖는다. 첫째, 내국인 관광 수요의 공간 분포를 복잡계 관점에서 해석함으로써 관광 수요가 고정된 구조가 아니라 지역 간 상호작용과 적응을 통해 변화하는 동태적 체계임을 보여주었다. 특히 국소 Zipf 지수와 IQR에서 확인된 하위 구간의 급경사화와 변동성 증가는 관광시장에서 논의되는 대도시 및 거점 중심의 수요 쏠림과 인구감소지역 등 관광취약지역의 존재를 분포의 형태 변화(기울기, 변동성) 차원에서 포착한 결과로 이해할 수 있다. 둘째, 관광 수요를 연구하는 데 있어 순위-규모 분포와 성장률-규모 관계를 병행하여 분석하는 방법론을 제시하였다. 단순히 멱함수 적합에 그치지 않고 스플라인 회귀분석을 통한 국소 Zipf 지수 산출과 규모무관 성장 법칙에 기반한 회귀분석, 그리고 지역별 변화율과 순위 재배열 분석을 보완적으로 결합함으로써, 관광 수요 체계의 구조적 특성과 시기별 변화를 한꺼번에 점검할 수 있는 분석 틀을 마련하였다.

다만 한계도 존재한다. 첫째, 본 연구는 이동통신 기반 방문자 통계를 활용하여 분석을 수행하였는데, 해당 지표는 상주인구를 제외한 생활인구 혹은 관계인구의 변화 추세를 파악하는 데에는 유용하지만 이동의 목적을 자료만으로 엄밀히 식별하기는 어렵다. 관광객의 체류, 소비, 여행행태 등을 직접 관측하는 자료가 아니라는 점에서 엄밀한 의미의 관광 수요를 완전하게 대변하는 자료로는 분명한 한계점이 존재한다. 향후 연구에서는 국민여행조사, 카드소비 데이터 등 타 자료와의 교차검증 또는 결합 분석을 통해 지표의 타당성을 보완할 필요가 있다. 둘째, 구득 가능한 방문자 통계의 기간이 2018년 이후로 한정되어 시계열 분석의 폭이 좁았다는 점이다. 따라서 장기적 추세나 구조적 변화의 지속성을 충분히 파악하기 어려웠다. 향후 연구에서는 외생적 충격이 일어난 사건을 기준으로 전후 약 5-10년의 시계열 자료를 확보하고 월･분기 단위의 보다 촘촘한 시계열 분석을 통해 구조 변화의 지속성을 면밀히 검토할 필요가 있다. 셋째, 본 연구는 비교가능성과 해석의 일관성 확보를 위해 연구 대상을 내국인 관광 수요에 한정하였으므로, 외래관광 수요를 포함한 전체 관광 수요 체계로의 일반화에는 한계가 있다. 특히 외래관광 비중이 높은 거점 지역에서는 내국인 수요만으로는 순위-규모의 괴리가 발생할 수 있다. 이를 완전히 해소할 수는 없으나, 대표 거점 지역(서울, 인천, 부산, 제주)을 제외한 표본에서도 순위-규모 분포의 기울기와 직선성이 대체로 유지됨을 민감도 분석으로 확인하였다(부록 참조). 향후 연구에서는 신뢰성 높은 외래관광 추정치 자료와의 결합 및 교차검증을 통해 전체 관광 수요를 대표하는 지표를 구축하고, 본 연구의 구조적 결론이 재현되는지 확장 검증할 필요가 있다. 넷째, 본 연구는 시군 단위를 기준으로 한 방문자 수 집계자료를 분석에 활용하여 더욱 미시적인 공간 수준(예: 읍･면･동, 개별 관광지 등)에서 자기유사적 구조가 일관되게 관찰되는지는 검증하지 못하였다. 향후 연구에서는 공간 단위를 보다 세분화하여 관광 수요의 자기유사성이 공간 단위 수준을 달리하더라도 지속적으로 관찰되는지 검토할 필요가 있다.

결과적으로 본 연구는 내국인 관광 수요의 분포와 그 공간 구조를 복잡계의 관점에서 해석하려는 시도의 출발점으로서, 코로나19 전후 변화가 기존 위계 하에서의 ‘재조정’으로 나타날 가능성을 실증적으로 제시하였다. 향후 보다 세밀한 자료와 확장된 분석을 통해 이러한 재조정이 어떤 조건에서 강화 혹은 완화되는지(정책 제약, 위험 인식, 공간적 접근성 등)를 규명한다면 관광 수요의 공간 구조를 설명하는 이론적･정책적 함의가 더욱 구체화될 것으로 기대된다.