기본연구보고서 13-29 · 2020. 10. 8. · 기본연구보고서 13-29 국가...

기본연구보고서 13-29

국가 에너지절약정책 평가시스템 구축:

정책효과 분석모형 및 방법론 구축

- 산업·수송부문 -

이성인, 이지연

참여연구진

연구책임자 : 연 구 위 원 이성인

부연구위원 이지연

연구참여자 : 아주대학교 교수 김수덕

박사과정 수료 민은주

박사과정 백민호

요약 i

<요 약>

1. 연구필요성 및 목적

최근 들어 우리나라에서도 에너지절약 및 효율향상 사업이 에너지

정책의 중요한 부분을 차지하게 되었으나 그 평가에 대한 체계가 미

비한 실정이다. 에너지절약 및 효율향상을 위한 다양한 정책이 추진되

고 있음에도 불구하고 관련 정책의 효과분석 시스템이 제대로 구축되

지 않아 체계적이고 효과적인 정책포트폴리오의 개발과 추진이 어렵

다. 그 동안 특정 정책수단에 대한 일회성 효과분석 및 평가가 일부

시도되어왔다. 그러나 종합적이고 체계적인 효과분석 및 평가를 위해

서는 국가차원의 시스템이 필요하다.

향후 우리나라의 체계적이고 효과적인 에너지 고효율 절감시스템

구축을 위해서는 동 부문의 다양한 정책과 프로그램에 대한 체계적인

효과분석 시스템의 구축이 시급하다. 이를 위해 모형구성, DB구축 및

평가체계의 설계에 대한 정책대안 마련이 요구된다. 국내외 연구사례

조사, 분석모형의 구축현황 등에 대해 조사하고, 조사결과를 비교하며,

실제 사례를 분석하고 정책제언을 도출하는 일련의 과정에 대한 설계

와 수립이 이행되어야 할 것이다.

이에 당해 연도 연구의 대상인 산업·수송부문 에너지절약 및 효율

향상 관련 정책효과를 체계적으로 평가할 수 있는 기존의 시스템 구

축현황에 대한 조사 분석이 우선될 필요가 있다. 이는 특정 정책수단

에 대한 일회성 효과분석이 아닌 종합적이고 체계적인 효과분석 및

평가를 위한 시스템 구축을 위해 선행되어야 할 과제이다.

ii

이에 본 연구는 국내외 관련 연구현황 조사를 수행하고, 모형구축현

황 및 구체적 방법론에 대해 조사, 비교, 검토함으로써, 향후 국내에

적용 가능한 시스템의 구축방안에 대한 정책제언을 제공하고자 한다.

이를 위해 먼저 에너지절약, 효율향상 뿐 아니라 온실가스 감축 등 에

너지 분야 전반의 관련 모형을 분류하고 해당 모형의 기본적인 틀과

산업·수송부문에의 적용사례를 조사한다. 이어 산업·수송 부문 정책의

효과 분석 방법론 중 적용 가능한 기법을 사용하여 에너지효율 정책

의 효과에 대해 분석한다. 마지막으로 조사한 방법론을 활용하여 수행

할 수 있는 다양한 분석을 위한 데이터베이스 구축 및 관리와 모형개

발의 지속적인 노력의 필요성에 대해 논의한다.

2. 연구결과 및 정책제언

본 연구는 국내외 관련 연구현황과 모형구축현황 및 구체적 방법론을

조사, 비교, 검토함으로써, 향후 국내에 적용 가능한 시스템의 구축방안

에 대한 정책제언을 시도한다. 요인분해분석과 계량경제학적 분석 방법

론 외에도 (1) CGE(Computable General Equilibrium) (2) MARKAL

(MARKet ALlocation) (3) 통합평가 모형 (4) NEMS(National Energy

Modeling)와 같은 분석 방법론들을 조사 및 비교한다.

앞서 조사한 방법론 중 요인분해분석과 계량경제학 방법론을 이용

하여 산업·수송 부문 정책 효과분석에 적용한다. 먼저 산업부문의 원

단위 효과를 통해 에너지효율 정책의 효과를 분석하였다. 이를 위해

제조업 원단위 변화(2000년~2011년)를 구조 변화, 업종 원단위 변화,

생산성 변화, 연료믹스 변화, 에너지효율 변화 등 5개 요인으로 분해

하였다. 분석 결과에 따르면 원료용 에너지를 포함한 경우 에너지효율

요약 iii

은 3.1% 개선되어 원단위 개선 요인으로 작용, 생산성 저하 및 연료

대체에 따른 악화요인에도 불구 에너지효율 향상으로 업종별 원단위

가 개선된 것으로 나타났다. 원료용을 제외한 경우 에너지효율 효과는

연평균 3.1% 개선되었으며 에너지효율 향상에 따른 효과는 전체 원단

위 개선에서 29.5%를 차지, 구조변화 효과 22.3%에 비하여 큰 비중

을 차지하는 것으로 나타났다.

두 번째 분석은 계량경제학 모형을 이용한 수송연료소비의 리바운

드 효과 분석이다. 고연비 차량 사용 시 주행거리가 오히려 늘어날 경

우 연료소비 절감효과를 상쇄시킬 가능성이 존재하는 까닭에 보다 정

확한 정책(연비규제 등) 효과 분석을 위해서는 리바운드 효과의 추정

이 필요하다. 2003년에서 2011년까지의 패널 자료에 계량경제학 모형

을 적용하여 추정한 단기 리바운드 효과는 주행비용이 1% 감소했을

때 주행거리가 약 36%정도 증가하는 것으로 나타났다. 또한 소비자들

이 적절하게 생각하는 연비 수준을 추정한 바, 이는 평균연비제도 시

행 초반에는 하락하다가 2009년을 기점으로 빠르게 규제 연비기준으

로 수렴하는 것으로 나타났다. 이에 차량 연비에 대한 소비자의 인식

이 평균연비제도 기준에 아직 미치지 못하는 것으로 나타났다.

앞서 에너지 효율정책효과 분석에 적용가능한 방법론들을 살펴보았

고 방법론을 실제 적용 분석한 결과를 제시하였다. 그러나 보다 체계

적인 에너지효율 추이 및 정책성과 분석을 위해서는 방대한 양의 자

료 확보가 필수적이다. 이에 에너지소비 통계 뿐 아니라 소비에 영향

을 미치는 활동(activity) 및 구조(structure)에 대한 세부 통계조사와

시계열 자료 확보가 요구된다. 에너지효율 분석을 위한 통계가 부재하

거나 조사주기로 인하여 발생하는 중간년도 결손통계는 관련 기초통

iv

계를 활용하여 시계열 데이터를 작성하는 것이 필요하다. 또한 다수의

에너지 관련 기관에서 주기적 또는 수시로 분산되어 작성중인 기초

및 조사통계 자료를 체계적으로 수집해 데이터베이스화하는 것이 시

급하다고 하겠다. 또한 모형개발에 있어서도 지속적인 관심을 가져야

되는 분야라는 점에 대해 인식하고 관련 예산의 지속성을 확보할 수

있어야 하겠다.

Abstract i

ABSTRACT

1. Research Purpose

Policy measures targeting energy efficiency have gained importance

due to the rapid increase in energy demand driven by emerging

countries including China and India. The main purpose of these

measures is to reduce energy consumption by promoting more

efficient use of energy. Multiple policies can be used to achieve the

same goal, but some may be more costly to implement and maintain

than others. The cost/benefit ratio of the measures under consideration

is important, especially when operating with a limited budget. A

unified methodological standard is essential in order to compare the

results of different policies and prioritize the most effective measures.

As the number of energy efficiency policies grows, the need will

become more pressing to develop a consolidated system of analysis

that can be applied to the policies’ achievements. To construct a

more efficient system, we need to perform a thorough investigation

not only of the existing analytical tools and but also of the relevant

databases.

Towards these ends, this study firstly aims to conduct a survey of

the existing literature for analytical systems that are used in various

countries to evaluate their energy efficiency policies in industry and

transportation sectors. The properties of various analytical models are

ii

presented and compared so that we can make more evident which

design is appropriate for our purpose. The scope of this survey is

not limited to tools that only relate to energy efficiency, but includes

those applied to energy issues in industry and transportation sectors

in general. Second, we apply the Divisia Index approach and an

econometric method (the simultaneous equation model) to energy

consumption in the industry and transportation sectors and interpret

the results. Finally, we present the importance of constructing an

integrated database as well as an analytical system with which to

extend the capacity of research in this area.

2. Research Results and Policy Suggestions

Besides a Divisia index analysis and econometric approaches, this

study examines several other analytical tools including (1) CGE

(Computable General Equilibrium) models (2) the MARKAL

(MARKet ALlocation) model (3) Integrated Assessment Models:

MESSAGE(Model for Energy Supply Systems And their General

Environmental impact) and AIM(Asia-Pacific Integrated Model) (4)

NEMS(National Energy Modeling System).

Next, as mentioned above, we employ the Divisia index method

and the simultaneous equation model to analyze the impact of energy

efficiency policies on energy intensity in the industrial sector and the

rebound effect of fuel consumption in the transportation sector,

respectively. First the changes in the energy intensity in the

Abstract iii

manufacturing industry over the data period(2000-2011) are divided

into 5 factors; structure changes, changes in the energy intensity for

each business line, productivity fluctuations, variations in energy mix,

and energy efficiency changes. When we include the consumption of

non-energy use, energy efficiency itself increased by 3.1% during

2000-2011, which contributes to the improvement in the overall

energy intensity of the manufacturing industry. With the consumption

of non-energy use excluded we obtained similar results, and energy

efficiency contributed 29.5% to the energy intensity improvements,

which is greater than the effect of structural change(22.3%).

The second analysis is of fuel consumption in the transportation

sector. It is possible that the consumers who newly purchase highly

fuel efficient vehicles increase their driving mileage due to lower

driving costs than before(the “rebound effect”). If such a tendency

prevails then it may substantially offset the effect of a policy such as

Corporate Average Fuel Efficiency Standards(CAFE). In order to

achieve a precise analysis, we need to estimate the magnitude of the

rebound effect. By applying a simultaneous equation model to a

panel dataset collected over the period 2003-2011, the rebound effect

is estimated around 36%for a decrease in driving costs of 1%. Also,

consumers’ perceptions of the “appropriate” level of average fuel

efficiency of cars decreased until 2009, but rose rapidly afterwards

towards the average fuel efficiency standard. The perceived appropriate

fuel efficiency level for consumers is still lower than the standard.

iv

In order to perform a comprehensive analysis of policy impact,

extensive micro-level data are required. Data on activities and market

structure that affect energy consumption are crucial to improve the

precision of researches in related areas. Currently there exists no

main body that collects the relevant data and provides an integrated

database. In line with the growing importance of energy efficiency

measures, we need to prepare a long-term plan to develop and

administer an integrated database as well as an appropriate evaluation

system.

차례 i

제목 차례

제1장 서론 ··················································································· 1

제2장 에너지효율개선평가를 위한 분석방법의 유형 ···················· 3

1. 개요 ··································································································· 3

2. 공학적 접근 모형 ············································································· 4

3. 승법분해 모형 ·················································································· 8

4. DEA 지수분석모형 ·········································································· 9

5. 계량분석모형 ·················································································· 12

가. 개요 ···························································································· 12

나. ARDL 모형과 적용사례 ··························································· 13

다. Panel 모형과 적용사례 ····························································· 17

6. 산업연관분석모형 ··········································································· 21

7. CGE(Computable General Equilibrium) 모형 ····························· 28

가. CGE 모형의 개요 ····································································· 28

나. 간단한 CGE 모형의 구성 ························································ 31

다. CGE 모형 운용의 실제 ···························································· 35

8. MARKAL(MARKet ALlocation) 모형 ········································ 39

가. MARKAL 모형의 개요 ···························································· 39

나. MARKAL-Standard Model ···················································· 42

다. MARKAL 모형의 최근의 발전 ············································· 44

라. MARKAL 모형의 국내 산업부문 적용사례 ·························· 50

ii

9. 통합평가모형(Integrated Assessment Model) ···························· 52

가. 기후변화시나리오와 통합평가모형 ·········································· 52

나. 통합평가모형의 현황과 의의 ··················································· 59

10. NEMS(National Energy Modeling System) ······························ 62

가. 개요 ···························································································· 62

나. 각 모듈의 특성 ········································································· 64

다. NEMS의 기능 및 영역 ···························································· 70

라. NEMS의 시멘트산업 모형화(예시) ········································· 71

제3장 산업·수송 부문 정책 효과 분석방법론의 적용 ·············· 79

1. 요인분해분석 ·················································································· 79

가. 요인분해 방법론을 통한 정책성과 평가 ······························· 79

나. 제조업 대상 실증분석 ······························································ 85

2. 계량경제모형 - 리바운드 효과 분석 ············································ 91

가. 리바운드 효과 정의 및 연구의 필요성 ·································· 91

나. 선행연구 ···················································································· 93

다. 방법론 ························································································ 97

라. 실증분석 자료 ········································································· 103

마. 실증분석 결과 ········································································· 109

제4장 에너지절약, 효율개선 평가관련 모형 및 DB구축 ········· 121

1. 개요 ······························································································· 121

2. 비용효과적 에너지관련 DB 구축 ··············································· 123

가. 에너지관련 데이터관리의 문제점 ·········································· 123

나. 에너지관련 DB 구축노력 ······················································· 125

차례 iii

다. 에너지, 환경부문의 통합정보청 등의 기구설립의 필요성 ·· 127

3. 모형개발 노력의 지속성 ······························································ 134

제5장 결론 ··············································································· 139

참 고 문 헌 ············································································· 145

iv

표 차례

<표 Ⅱ-1> 신재생에너지 경제성 분석 프로그램 ······························· 4

<표 Ⅱ-2> 자기회귀시차분포모형 추정의 예 ··································· 16

<표 Ⅱ-3> 분석에 사용된 본부별 부하자료의 분포 ······················· 20

<표 Ⅱ-4> 산업연관표의 기본구조 ··················································· 22

<표 Ⅱ-5> 산업연관표 상의 전력과 열부문의 구분 현황 ·············· 27

<표 Ⅱ-6> Utility 함수의 형태 ························································· 32

<표 Ⅱ-7> 에너지-자본간의 대체, 또는 보완관계에 대한 연구 ···· 37

<표 Ⅱ-8> ENV-Linkage 주요 모수(대체탄력성) 입력자료 ··········· 38

<표 Ⅱ-9> MARKAL 계열의 모형 ·················································· 46

<표 Ⅱ-10> TIME에서의 최종수요 ··················································· 48

<표 Ⅱ-11> 2030년 이전 도입 가능한 세 가지 신기술 ··················· 51

<표 Ⅱ-12> RCP의 유형 ····································································· 54

<표 Ⅱ-13> RCP산정을 위한 통합모형 후보 ···································· 54

<표 Ⅱ-14> RCP와 관련 모형 ···························································· 55

<표 Ⅱ-15> 에너지환경모형 현황 (계속) ··········································· 60

<표 Ⅱ-16> 통합모형 현황 ·································································· 61

<표 Ⅱ-17> 시멘트생산용 버너의 최초비중 ······································ 76

<표 Ⅱ-18> 초기연마과정의 배분 ······················································· 76

<표 Ⅲ-1> 제조업 에너지원단위(원료용 포함) 요인분해 지수(2000=1) ·· 88

<표 Ⅲ-2> 제조업 에너지원단위(연료용) 요인분해 지수(2000=1) ·· 90

<표 Ⅲ-3> 주행거리의 주행(연료)비용 탄력성 연구 비교 ············ 96

<표 Ⅲ-4> 변수명과 정의 ································································ 104

차례 v

<표 Ⅲ-5> 휘발유 국내소비 (시군구별/제품별/산업별-수송부문) · 104

<표 Ⅲ-6> 지역별주유소 휘발유 가격 ·············································· 105

<표 Ⅲ-7> 2011년 기준 지역별 전체 휘발유차량 주행거리 통계 · 106

<표 Ⅲ-8> 일인당 지역내 총생산 - 일인당 지역내 총생산 ········· 106

<표 Ⅲ-9> 행정구역별 성인인구 (천명) ········································· 107

<표 Ⅲ-10> 주민등록인구 (천명) ···················································· 107

<표 Ⅲ-11> 포장도로길이 (km) ······················································ 108

<표 Ⅲ-12> 시군구별 주민등록세대 (천세대) ·································· 108

<표 Ⅲ-13> 기타 변수 통계 ···························································· 109

<표 Ⅲ-14> 2006-2011자료를 이용한 연립방정식 추정결과

(표본개수: 192) ····························································· 110

<표 Ⅲ-15> 2006년-2011년 자료 추정결과에 따른 탄력성 추정치 · 114

<표 Ⅲ-16> 2003-2011 자료를 이용한 연립방정식 추정결과

(표본개수: 254) ····························································· 115

<표 Ⅲ-17> 2001-2011 자료 추정결과에 따른 탄력성 추정치 ······ 116

<표 Ⅲ-18> 식 (4) - 연료소비강도를 위한 추정 ·························· 118

<표 Ⅲ-19> 연비기준별 판매량 비중 ··············································· 119

<표 Ⅲ-20> 판매량으로 가중평균한 연도별 연비기준 ···················· 119

<표 Ⅳ-1> 부처이름 약자표시 요약 ··············································· 128

<표 Ⅳ-2> 부문별 온실가스 감축정책과 관련 정부부처 ·············· 129

<표 Ⅳ-3> 부문별 기후변화 적응정책과 관련 정부부처 ·············· 131

<표 Ⅳ-4> 환경부의 단계별 한국형 모형개발 계획 ····················· 135

<표 Ⅳ-5> 환경부의 한국형 모형개발 관련 연차별 예산계획 ····· 135

<표 Ⅳ-6> 온실가스 감축 통합관리 분야 ······································ 136

<표 Ⅳ-7> 기후변화 적응 통합관리 분야 ······································ 137

그림 차례

[그림 Ⅱ-1] 소수력 발전 경제성 분석 체계 ······································ 5

[그림 Ⅱ-2] Kaya Idenity를 이용한 이산화탄소배출량 분해

(1971-2009 세계 에너지유발 이산화탄소 기준) ··········· 9

[그림 Ⅱ-3] 중장기 석유수요 전망모형 (v.1.0) ······························· 14

[그림 Ⅱ-4] ARDL 추정결과의 예 ················································· 16

[그림 Ⅱ-5] 본 연구의 모형분석 흐름도 ·········································· 20

[그림 Ⅱ-6] 전력소비 분석시스템 개발 및 실시간 요금제도 도입

영향분석 ········································································ 21

[그림 Ⅱ-7] Flow chart outlining calibration procedures and model

use in typical applied general equilibrium model ····· 30

[그림 Ⅱ-8] 사회계정행렬의 구조 ····················································· 34

[그림 Ⅱ-9] 3-level nested CES 구조의 제시 ································· 35

[그림 Ⅱ-10] MARKAL의 Reference Energy System(RES) ············ 40

[그림 Ⅱ-11] MARKAL RES의 간단한 예 ······································· 40

[그림 Ⅱ-12] 특정에너지 분야의 균형 ··············································· 49

[그림 Ⅱ-13] 네 가지 SRES의 특징과 관련 시나리오들 ················· 52

[그림 Ⅱ-14] 에너지와 산업과 관련된 시나리오별 지구적 CO2 배출 · 53

[그림 Ⅱ-15] 각 RCP별 특성 ······························································ 55

[그림 Ⅱ-16] Reference Energy System(RES) ······························· 57

[그림 Ⅱ-17] AIM의 tom-down 구조 ················································· 58

[그림 Ⅱ-18] AIM의 Nesting 구조 ····················································· 58

차례 vii

[그림 Ⅱ-19] National Energy Modeling System ······························ 62

[그림 Ⅱ-20] NEMS의 지역구분 ························································· 63

[그림 Ⅱ-21] 전력시장모듈 개념도 ····················································· 65

[그림 Ⅱ-22] 산업부문 수요모듈 구성 ··············································· 67

[그림 Ⅱ-23] 신재생에너지 모듈의 구조 ·········································· 69

[그림 Ⅱ-24] 시멘트 산업의 공정흐름 ··············································· 72

[그림 Ⅱ-25] 시멘트 산업의 세부 공정흐름 ······································ 72

[그림 Ⅱ-26] 시멘트산업의 모듈 ························································· 73

[그림 Ⅱ-27] 시멘트 산업의 신규용량의 survival 함수 ···················· 74

[그림 Ⅲ-1] 에너지 정책효과 분석을 위한 전체 원단위 변동

요인분해 체계 ································································ 85

[그림 Ⅲ-2] 제조업 원단위변화 요인분해 결과(원료용 포함) ········ 87

[그림 Ⅲ-3] 제조업 원단위변화 요인분해 결과(연료용) ················· 89

[그림 Ⅲ-4] 추정된 “적절한” 연비수준과 평균연비제도의 기준 비교 · 118

[그림 Ⅳ-1] 해외에너지 정보분석 분야 ·········································· 126

[그림 Ⅳ-2] 에너지통계 구축사업 분야 ·········································· 126

[그림 Ⅳ-3] 에너지환경 분야의 통합정보청 설립(안) ··················· 132

제1장 서론 1

제1장 서 론

에너지 효율향상관련 정책은 최근 들어 세계 각국의 에너지 관련

전략에서 비중을 높이며 그 중요도를 더하고 있는 추세이다. EU와 일

본 중국 등의 국가들은 2020년까지 국가 에너지효율을 기준 대비

20%~30% 개선하는 것을 목표로 하여 다양한 정책들을 시행 중에 있

다. 우리나라도 또한 2020년까지 온실가스 배출량을 기준전망 대비

30% 감축하는 중기 목표를 2009년 공표한 바 있으며 최근 발표한 제

2차 에너지기본계획 권고안에 따르면 2035년까지 수요관리를 통하여

전력수요의 15% 이상을 감축할 계획이다.

이같이 우리나라에서도 에너지절약 및 효율향상 사업이 이미 에너

지정책의 중요한 부분을 차지하게 되었으나 그 평가에 대한 체계가

미비한 실정이다. 에너지절약 및 효율향상을 위한 다양한 정책이 추진

되고 있음에도 불구하고 관련 정책의 효과분석 시스템이 제대로 구축

되지 않아 체계적이고 효과적인 정책포트폴리오의 개발과 추진이 어

려운 것이 사실이다. 그 동안 특정 정책수단에 대한 일회성 효과분석

및 평가는 일부 시도되어왔다. 그러나 보다 종합적이고 체계적인 분석

을 위해서는 국가차원의 시스템이 필요하다고 하겠다.

본 연구는 3개년에 걸쳐 진행 중인 일반사업과제 “국가 에너지절약

정책 평가시스템 구축: 정책효과 분석모형 및 방법론 구축”의 2차년도

과제로 국내 산업 및 수송부문의 에너지절약·효율향상 관련 정책효과

분석을 그 대상으로 하고 있다. 해당부문의 정책효과를 체계적이고 효

과적으로 분석하기 위한 모형구성, 데이터베이스 구축 및 평가체계의

2

설계 방법에 대한 정책대안 마련을 그 목적으로 한다. 이를 위해 국내

외 연구사례조사, 분석모형의 구축현황 등에 대해 조사하고, 조사결과

를 비교하며, 실제 사례를 분석하고 마지막으로 정책제언을 도출하도

록 한다.

산업 및 수송부문의 에너지절약·효율향상 관련 정책효과의 체계를

확보하고자 하는 목적은 특정 정책수단에 대한 일회성 효과분석이 아

닌 종합적이고 체계적인 평가를 위한 국가차원의 시스템 구축을 통해

서 달성 가능한 것이라 하겠다. 이를 위해서는 관련 분야의 기술동향

등을 반영하여, 산업 및 수송부문의 에너지절약 및 효율향상 관련 정

책효과를 체계적이고 효과적으로 평가할 수 있는 기존의 시스템 구축

현황에 대한 조사 분석이 우선될 필요가 있다.

이에 본 연구는 먼저 국내외 관련 연구현황 조사와 모형구축현황

및 구체적 방법론에 대해 조사, 비교, 검토함으로써, 향후 국내에 적용

가능한 시스템의 구축방안에 대한 정책제언을 시도한다. 2장에서는

이러한 관점에서 에너지절약, 효율향상뿐 아니라 온실가스 감축 등 에

너지 분야 전반의 관련 모형을 분류한 뒤, 모형의 기본적인 틀과 산업

부문에의 적용사례 등을 중심으로 살펴보고자 한다. 3장에서는 2장에

서 소개한 산업·수송 부문 정책의 효과 분석 방법론 중 요인분해분석

과 계량경제학 기법을 사용하여 에너지효율 정책의 효과에 대해 분석

한다. 마지막으로 4장에서는 조사한 방법론을 활용하는 다양한 분석

을 위한 데이터베이스 구축 및 관리와 모형개발의 지속적인 노력의

필요성에 대해 논의하고 5장 결론으로 끝을 맺는다.

제2장 에너지효율개선평가를 위한 분석방법의 유형 3

제2장 에너지효율개선평가를 위한 분석방법의 유형

1. 개요

통상 에너지절약 및 효율향상의 효과분석을 위한 모형은 다양한 유

형으로 나타난다. 이를 대략적인 방법으로 나열하면 다음과 같다.

(1) 세부기술의 에너지효율개선 관련 공학적 접근방법

(2) 원단위 평가와 이의 승법적 분해에 의한 평가방법

(3) 자료포락분석(Data Envelopment Analysis, 이하 DEA)와 같은 상

대적 효율성 분석방법 등 수학적 분석방법

(4) 에너지절약 및 효율개선에 대한 계량분석방법

(5) 투입산출표를 이용한 산업연관분석과 각종 유발효과분석

(6) CGE(Computable General Equilibrium) 모형 유형의 하향식(Top-

Down) 모형을 통한 평가방법

(7) MARKAL(MARKet ALlocation) 모형과 같은 유형의 상향식(Bottom

-up) 모형을 통한 평가방법

(8) IAM(Integrated Assessment Model) 유형의 통합평가 모형

(9) NEMS(National Energy Modeling System)

계속되는 절에서는 이러한 분류에 따라 관련분야 모형의 특성과 적

용사례 등을 간략하게 살펴본다.

4

2. 공학적 접근 모형

우선 세부기술관련 공학적 모형은 우리의 논의 범위를 벗어나는 것

이지만, 경제학자들도 가끔 사용하는 모형들로는 신재생에너지산업

분야의 기술변화 및 경제성분석 등의 목적으로 개발된 몇몇 모형들이

<표 Ⅱ-1>에 제시되어 있다.

프로그램용도

(또는 full name) 개발기관 웹사이트

RETScreen Renewable Energy Technology Screen

Canada, Renewable Energy Decision Support

Center http://www.retscreen.net

Homer Optimization model for distributed power DOE 산하 National

Renewable Energy Laboratory(NREL)

http://www.nrel.gov/homer

Vipor Village Power Optimazation Model http://analysis.nrel.gov/vipor

Hybrid2Hybrid Power

System Simulation Model

CEEREUniv. of Massachusetts,

Amherst

http://www.ceere.org/rerl/projects/software/hybrid2/‎

<표 Ⅱ-1> 신재생에너지 경제성 분석 프로그램

이들 모형의 공학적 특성을 한가지 예로 설명해 보기로 한다. RETScreen

의 소수력 발전, 경제성분석 과정은 [그림 Ⅱ-1]과 같이 표시할 수 있다.


유량지속곡선

터빈 선정 및 효율곡선

발전설비 용량

발전량

투자비(토목공사, 설비)

유지보수비

발전설비 용량

발전량

전력판매

온실가스감축효과

발전량 계산 경제성 분석

[그림 Ⅱ-1] 소수력 발전 경제성 분석 체계

출처: 산업자원부(2006.5)

전체 분석이 완성되기 위해서는 분석체계표 상의 좌측에 있는 발전

량 계산이 우선되어야 하는데 이는 기본적으로 공학적인 과정을 거쳐

야 한다.

우선, 유량지속곡선(Flow Duration Curve)은 와이블(Weibul) 분포

의 누적밀도함수를 이용하여 얻을 수 있다. 누적밀도함수와 유량지속

곡선의 관계는 다음과 같다.1)

1) 박완순, 이철형, 2003. “소수력발전소의 성능예측 기법”, 한국 수소 및 신에너지 학

6

누적밀도함수

확률분포함수

유량지속곡선함수

유량

형상모수

척도모수

유역면적

유량지속곡선의 계산에는 수자원종합정보시스템2)의 월별 강우량 자

료를 이용하게 되며 단위면적()당 월평균 유량값을 계산한다. 추

가적으로 자연로그 최소자승법을 통해 유량지속곡선의 형상모수()를

도출할 수 있으며 척도모수()의 계산에는 형상모수와 평균유량을 사

용한다. 단, 유역면적 등 구체적인 유역 정보 없이 강우량정보로만으

로는 해당 지역의 유량곡선에 대한 추정이 불가능하다.

선정된 터빈을 주어진 것으로 한다면, 터빈제조자가 제공하는 터빈

의 출력커브를 이용하여 발전효율을 감안하게 된다. 그러나 여러 가지

종류의 터빈 중에서 가장 합당한 규모와 효율의 터빈을 선정하기 위

해서는 모든 터빈별로 경제성 평가 과정을 거쳐 최종적으로 가장 경

제성 있는 터빈을 선정하거나, 최적화 과정을 모형화하여 필요한 규모

와 이에 합당한 비용의 터빈을 선정하도록 하여야 한다.

이러한 과정은 소수력발전의 경우뿐만 아니라 신재생에너지의 경제성

평가에도 전반적으로 적용된다. 풍력발전의 경우, 와이블(Weibul) 분포

회 논문집 제 14권 제 1호, pp. 61~682) http://www.wamis.go.kr/WKW/RF_DUBRFOBS.ASPX.


로 표시되는 풍속분포와 출력커브를 통합하여(numerical integration) 발

전량을 계산하고 태양광발전의 경우 지구물리학의 방법론을 동원하여

계절별 시간대별 태양광(solar radiation)을 계산하며 여기에 태양광 패

널의 효율 등 공학적 기준을 감안하여 발전량을 계산하는 등 복잡한

과정을 거치게 된다.

집단에너지산업분야에서 주로 사용되고 있는 열병합(Combined Heat

and Power, 이하 CHP)도 매우 다양한 형태의 모형들을 수반한다. 열

과 전기를 동시에 생산하는 기기를 이용하여 대형 주상복합아파트의

소규모 열병합기기로 사용하기도 하고, 대규모 집단에너지 설비에서

열과 전기의 공급을 위해 사용하기도 한다. 시스템의 운영효율을 높이

기 위한 보조보일러, 축열조, 쓰레기 소각열과 같은 주변 열원 등의

설비에 대한 고려나, 열과 전기요금, 그리고 원료가 되는 가스요금 등

도 모두 모형에 반영하여야 한다. 이는 해당 분석방법론이 근본적으로

시스템 분석이기도 하지만 하나의 산업으로써의 집단에너지산업의 에

너지절약과 효율개선에 대한 분석방법이기도 하기 때문이다.

CHP는 집단에너지 산업분야에서만 사용되는 것은 아니다. 예를 들

어3) 연료전지(Fuel Cell)는 수소와 공기에 포함되어 있는 산소가 전기

화학 반응을 통해 전력을 생산하게끔 하는 장치이다. 최종적인 화학반

응의 결과 수소와 산소가 결합하여 전기와 열이 생성되게 되는데 이

또한 CHP 시스템인 것이다(류승현 외 2011 참조).

이들 공학적 모형은 해당 산업부문 에너지효율개선 및 절약효과를

평가하는데 있어 매우 기초적인 연구에 해당되는데, 비유하자면 전체

커다란 모형의 자그마한 부품에 해당한다고 하겠다.

3) 에너지관리공단 신재생에너지센터http://www.knrec.or.kr/knrec/11/KNREC110500.asp

8

3. 승법분해 모형

승법분해 모형으로 잘 알려져 있는 카야 항등식(Kaya Identity)은

다음과 같이 표시할 수 있다. 이산화탄소배출량은 여러 요인으로 분해

할 수 있는데([그림 Ⅱ-2] 참조), 전세계 에너지가 유발하는 이산화탄

소는 다음과 같이 분해할 수 있다.

×

×

×

현재 IPCC 5차 보고서에서도 이러한 승법모형에 의거한 분석이 진

행되고 있다는 점에서 그 유용성을 찾을 수 있다. 예를 들어 산업부문

에너지수요 시나리오 작성 시 ROK모형과 같은 경우 이러한 방법론이

여전히 적용하고 있다. 즉, 산업용 에너지원단위 ( )의 과거 추이

를 계량분석하여 이 추세가 지속될 것이라고 가정하고 나면, 해당 산

업부문의 부가가치 증가율에 대한 전제만 있으면

×

가 되어 에너지수요를 전망할 수 있게 된다. 여기에 추가적으로 각 세

부산업별 에너지소비를 비중공식(share equation)을 추정하여 적용하

거나, 기준년도 정보를 통해 가정하게 되면, 미래 세부산업부문별 에

너지수요에 대한 시나리오를 작성할 수 있다.


[그림 Ⅱ-2] Kaya Idenity를 이용한 이산화탄소배출량 분해

(1971-2009 세계 에너지유발 이산화탄소 기준)

출처: http://commons.wikimedia.org

4. DEA 지수분석모형

통상 경계선 분석(Frontier Analysis)이라고 불리는 DEA 모형의 시초는

Charnes, Cooper, and Rhodes(1978)이다. 비율분석과 같은 기존의 평

가방법들을 사용하여 효율성을 측정할 경우 통상적으로 단일투입물을

가정하고 이와 산출물과의 비율로 측정되었다. 전통적으로 효율성

(efficiency) 평가지표는 다음과 같이 정의된다.

효율성 = 산출물투입물그러나 이 지표는 투입물 혹은 산출물의 종류가 둘 이상인 경우 그

대로 적용하기 쉽지 않다. 예를 들어 병원, 레스토랑 체인점, 은행지점

등 비슷한 유형의 투입물과 산출물로 구분되는 대상들을 평가하고자

할 때 이런 문제에 부닥친다. 은행지점의 경우 투입물은 지점의 크기,

10

직원 수, 해당지역의 경쟁은행 지점 수 등이 있으며 산출물로는 은행

구좌 수, 예금액, 대출건 수 등 매우 다양하다.

두 개 이상의 투입물과 산출물이 존재하는 평가대상의 효율성 지표

문제는 Farrell(1957)에 의해 처음 제시되었다. 이 연구에서 Farrell은

상대적 효율성(relative efficiency)을 다음과 같이 정의하였다.

효율성 = 산출물의 가중합(weighted sum of outputs)투입물의 가중합(weighted sum of inputs)

또한 j번째 대상의 효율성은 다음과 같이 정의된다.

j번째 평가대상의 효율성 = u 1y1j + u 2y2j + .....

v1x1j + v2x2j +.....

여기서 u i = 산출물 i에 부과된 가중치

y ij = j번째 평가대상에서 나온 산출물 i의 크기

vi = 투입물 i에 부과된 가중치

xij = j번째 평가대상의 투입물 i의 크기

효율성은 평가대상이 되는 의사결정단위(Decision Making Unit, 이

하 DMU) 간 비교평가가 이루어지기 때문에 각 DMU는 근본적으로

유사한 성질을 가져야 하며 평가의 정밀성을 위해서는 충분한 수의

DMU가 필요하다.

Charnes, Cooper와 Rhodes(1978)는 상대적 효율성을 결정하는데 있

어 가중치 선정 과정상의 어려움을 극복하고자 상기의 모형을 일반화

하여 다음과 같은 모형을 제시하였다.


Max h 0 =∑ru ryr j 0

∑ivixij 0

subject to

∑ru ry r j

∑ivixij

≤ 1 , j= 1,....,n (모든 평가대상 j에 대해)

u r ,vi ≥ ε

이 모형에서 u 와 v는 0보다 큰 값을 가져야 하도록 제약함으로

써, 임의로 특정 투입물이나 산출물이 평가에서 제외되는 부작용을 막

는 효과가 있다.

DEA 방법론은 에너지와 여타 투입물을 사용하여 제품을 생산하는

다양한 산업에서의 효율을 평가하는데 있어 충분한 숫자의 DMU와

자료만 있다면 매우 유용하게 활용될 수 있는 모형이라고 하겠다. 예

를 들어, Athanassopoulos 외(1999)에서는 DEA 모형을 전력시장에

적용하여 서비스에 대한 수요, 비용, 그리고 오염물질 배출 등을 기준

으로 대응 우선순위를 평가하는데 사용하였다. 전력수요, 시장의 경쟁

정도, 그리고 규제의 정도 등은 기업이 통제하기 어려운 변수들이지만

기업 성과의 결정에 있어서는 중요한 요인이라는 데 착안하여 DEA

모형을 이용하여 시나리오의 민감도 분석을 시도하였다.

국내 전력시장에 대한 적용사례로 김태웅 외(2000)는 투입물 변수

로 종업원수, 설비용량을 사용하고 산출물변수로는 판매수입, 순이익,

판매량을 사용하여 세계 51개 전력회사들의 효율성을 측정해 보고한

바 있고, 구자열 외(2011)은 한국과 일본의 광역경제권 단위에서의 에

너지효율성을 비교분석한 바 있다.

12

5. 계량분석모형

가. 개요

산업부문의 에너지절약 및 효율향상 정책효과의 분석을 위해서 기

본적으로 확인되어야 하는 내용이 각 산업부문별 에너지수요에 대한

분석이다. 에너지수요분석을 통한 미래 에너지수요에 대한 전망방법

중 가장 대표적으로 사용되는 방법이 회귀분석을 통한 계량경제학적

방법이다.

단순한 OLS(Ordinary Least Squares) 추정방법부터, 패널모형까지

매우 다양한 방법론이 존재하며, 주어진 자료의 특성이나 빈도 등을

고려하여 차별적으로 적용될 수 있다. 이러한 회귀분석을 통해 기존의

변수들에 정부 정책 시행 이후로 구조적인 변화가 존재하였는지 여부

를 검증할 수 있는 까닭에 에너지절약시책의 효과 등을 평가할 수 있

는 모형으로 활용이 가능하다.

최근 전력산업부문에서는 신재생전원의 보급이 확대되고, 기존의

전력망에 정보기술(IT)을 도입하여 공급 측과 소비 측 양방향 정보교환

을 가능하게끔 하는 스마트그리드(Smart Grid)가 화두가 되고 있다. 여

기서 통신망의 정보교환을 이용한 양방향 통신을 통해 실시간으로 전

력요금의 변동을 소비자에게 전달하고 이에 따라 소비자가 수요결정에

반응하게 되는 요금제인 실시간요금제(Real Time Pricing, 이하 RTP)

은 스마트그리드의 매우 중요한 요소 중의 하나이다. 실시간 요금부과

에 따른 소비자의 반응 분석을 위해서는 다양한 회귀분석 모형을 동원

하게 된다.


나. ARDL 모형과 적용사례4)

이 절에서는 자기회귀시차분포모형(Autoregressive Distributed Lag

Model, 이하 ARDL)을 이용한 사례로 도시가스 수요분석(김수덕 외,

2008)과 중장기 석유수요전망 모형개발 연구(석유공사, 2009)의 방법

론과 전력소비 분석시스템 개발 및 실시간 요금제도 도입 영향분석

(한국전력공사, 2011)에 적용한 패널분석모형에 대해서 간략히 소개한다.

도시가스 수요분석(김수덕 외, 2008)은 1997년 1월부터 2007년 12

월까지의 도시가스, 전력의 월별 소비량, 판매금액, 산업부문 용도의

가중평균가격, 도시가스의 경우, 도시가스협회의 도시가스사업통계 월

보, 전력의 경우 한국전력거래소의 전력통계정보시스템에서 제공되는

월별 용도별 자료를 자기회귀시차분포모형(ARDL; autoregressive

distributed lag model)을 통해 분석함으로써, 에너지가격정책의 변화

와 이에 따른 타 에너지가격 변화 등의 효과를 분석할 수 있는 틀을

제공한 연구이다.

중장기 석유수요전망 모형개발 연구(2009, 아주대)는 석유정보망 페

트로넷(Petronet)에 있는 국내석유제품 세후가격정보, 국내석유제품 세

전(공장도)가격정보, 국제제품가격(Petronet or Platts), 국제유가 등의

자료를 이용하고, 외생변수로 원/미국달러(기준환율) 월평균환율, 산업

생산지수(총지수), 산업생산지수 내 화학물질 및 화학제품 제조업, 자

동차등록대수(승용차등록대수&화물차등록대수), 서비스업생산지수(수

상운송업&항공운송업&총지수), 건설기성액, 소비자물가지수, 생산자

물가지수, 도시가스 가격, 전력가격 및 전력거래량 등의 정보를 활용,

4) 에너지경제연구원의 산업용 전력수요예측관련 모형결과요약은 한국전력공사(2011.9) 참조.

14

세전, 세후 석유제품별 수요전망을 시도한 연구이다. 이는 통상의 수

요분석모형에서 가능한 생산관련 활동수준의 변화나 가격변화 등의

외생요인변화에 따른 수요변동 효과분석만 가능한 것이 아니라, 국내

유류세 정책의 변화에 따른 수요변화 효과 등도 가능하도록 함으로써,

국제 원유시장의 변동을 포함한 석유시장 전반의 조건변화에 따른 제

품별 수요의 변화를 예측해 볼 수 있도록 구성된 모형이다. 아래 그림

은 관련하여 개발된 모형의 예시이다.

[그림 Ⅱ-3] 중장기 석유수요 전망모형 (v.1.0)

출처: 아주대(2009)

ARDL 모형은 복수의 변수 간에 동태모형을 구성하는 포괄적인 모

형으로, 예를 들어 2개의 변수(즉, 1개의 설명변수)가 있는 모형은

, 또는


와 같이 표현할 수 있다. a(L ) 의 모든 근 λ i 가 |λ i | < 1 인 조건

을 만족하여야 안정적 시계열이 되며, a(L ) 의 근의 일부가 b(L ) 의

근과 동일하면 공통요인(COMFAC)을 가진다고 한다. 예를 들어,

a(L ) = (1-ρ L) a *(L ) ≡ ρ(L ) a *(L ) ,

b(L ) = (1-ρ L ) b *(L ) ≡ ρ(L ) b *(L )

이면, 위의 모형 식은 다음과 같이 표현되어 아래와 같이 새로운 오

차항 u t는 자기회귀과정을 따르게 된다.

a *(L ) yt=b *(L ) xt + u t, u t≡ ρ u t- 1 + ε t

ARDL모형에서 a(1 ) ≠ 0 이고 b(1 ) ≠ 0 이라면, 모형의 장기관계

를 찾아내는 것이 가능한데, 특히, (y t,xt) 가 함께 정상성을 가지는

변수라면 다음의 식과 같은 장기관계식이 된다.

E [y t -b(1 )a (1 )

xt ] = E [yt - Kxt ] = 0

Engle and Granger(1987)에 의하면, ARDL모형식에서 a(1 ) ≠ 0 ,

b(1 ) ≠ 0 , y t∼ I(1 ) , xt∼ I(1 ) , yt - Kxt∼ I(0 ) 이 성립하는

경우 y t 와 xt는 공적분(cointegration)의 관계에 있음을 보이고 있다.

일반적으로 k개의 설명변수가 있는 ARDL모형은

b0 (L ) y t = ∑k

i= 1b i (L ) x it + ε t

와 같이 표현할 수 있으며, 의 모든 근이 |λ i | < 1 이면

안정적인 모형이 되어, 아래와 같이 표현되는 ARDL(1,1)모형은 다양

한 시계열 모형을 모두 포괄하는 모형으로 이해될 수 있다.

16

y t = α 1 y t- 1 + β 0xt + β 1x t- 1 + ε t

아래는 간략한 ARDL 모형 적용의 사례이다.

자료: 1997:M01 ~ 2007:M10

종속변수: 싱가폴 현물시장에서의 휘발유 가격($)

설명변수: 상수항, 원유 가격($)

자기회귀시차분포모형: ARDL(1,1)

휘발유가격 휘발유가격 원유가격원유가격

추정결과: (단, 추정오차는 Newey-West serial correlation and

heteroskedasticity robust standard error임)

[그림 Ⅱ-4] ARDL 추정결과의 예

장기정태관계(long-run static relationship)

휘발유가격(t) =

+

원유가격 +

의 추정치(추정오차, p-값): 1.3187 (1.1031, 0.2342)

의 추정치(추정오차, p-값): 1.1527 (0.0375, 0.0000)

<표 Ⅱ-2> 자기회귀시차분포모형 추정의 예

출처: 한국전력공사(2011.9)


다. Panel 모형과 적용사례

전력소비 분석시스템 개발 및 실시간 요금제도 도입 영향분석(한국

전력공사, 2011)에 적용한 패널분석모형은 스마트그리드의 일환으로

계획 중인 RTP의 도입이 전력시장 수요변화에 어떤 영향을 줄 것이

며, 한국전력의 전력판매량 또는 수입 측면과, 최종적으로는 전력산업

의 수급에 미치는 효과를 평가할 수 있는 기초자료가 된다. 이를 위해

서는 개별 소비자의 소비패턴의 변화요인을 분석하고 이를 근거로

RTP 도입에 따른 효과분석이 가능해야 한다. 또 월별, 용도별, 산업부

문별 소비패턴에 대한 요인분석을 통해 전체 전력산업에 미치는 효과

를 분석해야 하기 때문에 두 가지 서로 다른 모형의 통합

(hybridization)이 필요하게 된다.5)

시간대별 모형이나 월별 모형 모두 기본적으로는 아래와 같은 기본

형태로 표시할 수 있다.

[횡단면 고정효과를 고려한 패널데이터 분석]

′ ∼

[부분조정과 횡단면 고정효과를 고려한 패널데이터 분석]

′ ∼

위의 표현식에 등장하는 변수들은 다음과 같이 설정된다. 는 설명

의 대상이 되는 변수로서 개별 / /용도별로 ‘1개 수용처당 전력소비

량’을 자연로그로 변환한 변수로 설정하였다. 는 개별 / /용도별

전력소비량을 결정하는 설명변수들을 대변한다. 구체적으로, 에 속

하는 대표적인 변수로는 해당 / /용도의 소득지수6), 해당 / /용도

5) 관련 해외연구사례 등 포함, 자세한 내용은 한국전력공사(2011.9) 참조.6) 제주도 스마트그리드 시범사업 해당 가구별 특성을 통해 proxy 변수를 추정함.

18

의 전력 실질가격을 자연로그로 변환한 변수, 해당 용도의 전력과 대

체관계에 있는 연관 에너지(도시가스/석유제품)의 / /용도의 실질가

격을 자연로그로 변환한 변수, 시간대별 모형의 경우 HDD(Heating

Degree Days) 나 CDD(Cooling Degree Days) 변수, 월별 모형의 경

우엔 계절변수 또는 월별 더미변수 등이다.7) 산업용의 경우에는, 추가

적으로 / 의 산업생산지수를 자연로그로 변환한 변수를 포함하였다.

는 설명변수에 명시적으로 포함되지 않은 광역시·도의 특성을 반영

하는 개별효과(individual effects)를 대변하며, 는 오차항(error term)

에 해당한다.

개별 기업의 효과를 를 통해 추정해 낼 수 있는 모형으로 위의 식

을 단순화하여 제시하면 다음과 같다.

′

따라서 부분조정구조를 포함한 두 번째 모형의 경우, 값의 1단

위 변화에 대한 의 변화량은 단기에서는 인 반면 장기에서는

가 된다.8)

′ ∼

구체적인 추정방법은 위 식을 아래와 같이 다시 표시하였을 때,

7) 난방용 등 온도와 관련성이 높은 용도의 경우에는, 해당 / 의 월평균온도에 10도를 더한 변수 또는 이 변수에 자연로그변환한 변수를 추가하였다. 월평균온도에 10도를 더한 이유는 겨울에는 월평균온도가 영하로 내려가 음의 수치로 표시됨에 따

라 자연로그를 취할 수 없는 점을 피하기 위함이다. 8) 표현을 간략히 하기 위하여 와 의 dimension이 1인 것으로 가정하였다. 실제

로는 와 는 벡터이다. 실제 모형 추정에서 원 자료변수를 자연로그로 변환한

변수를 와 로 설정하였으므로 는 단기탄력성, 는 장기탄력성에 해당한다.


여기서 는 ′ ⋯로 위 식을 전체 에 대해 다시 표시하면,

⋮

⋮

⋮

⋯

⋮

⋮

⋮

의 형태가 된다. × idempotent 전환행렬

′을 이

용, 위 식을 평균으로부터의 차이 형태로 나타내면, ⋯ 에

대해

가 된다. 패널의 추정계수 은

′

′

′

가 되며, 에 대한 추정치는

로 나타난다. 단 위에서

의 추정치는

로 구한다. 단, 여기서

이다.

[그림 Ⅱ-5]는 전체 모형의 흐름을 요약한 것이다. 연구를 위해 제공

된 자료는 16개 지점별로 14,149개 기업에 대해 전력부하 데이터가

존재한다. 이와 함께 제공된 고객정보변동데이터는 14개 지점별로

34,206개 기업에 대한 데이터이다(<표 Ⅱ-3> 참조).

20

[그림 Ⅱ-5] 본 연구의 모형분석 흐름도

출처: 한국전력공사 (2011)

지역구분 기업 × 날짜 기업 지역구분 기업 × 날짜 기업

경기북부본부 1,041,137 764 강원지사 312,906 235충북본부 269,208 182 강원본부 249,733 239충남본부 402,621 248 부산본부 3,668,584 2,291인천본부 1,723,160 1,209 서울&남서울본부 2,903,737 2,003전북본부 930,248 630 대구본부 573,901 370제주본부 298,976 230 경기본부 5,095,058 3,460전남본부 1,594,857 1,148 경남본부 1,516,664 1,055경북본부 123,928 85

총 합계 20,704,718 14,149* 상기 데이터 현황은 모형을 위해 데이터를 가공하기 전의 원본 데이터 현황이며,

중복데이터나 데이터오류로 인해 모형에 쓰인 데이터 현황과 약간의 차이가 있을 수 있음.

<표 Ⅱ-3> 분석에 사용된 본부별 부하자료의 분포


[그림 Ⅱ-6] 전력소비 분석시스템 개발 및 실시간 요금제도 도입 영향분석

출처: 한국전력공사 (2011)

[그림 Ⅱ-6]은 이러한 추정방법을 통해 구성한 모형이다. 구체적으

로 프로그램은 GAUSS(Aptech System) 통계 패키지를 사용하였고,

GUI(Graphic User Interface)는 C++를 사용하여 외국어 인터페이스를

구축함으로써 독립된 형태의 소비자 편의 프로그램을 만든 것이다.

6. 산업연관분석모형

산업연관표는 경제를 구성하는 부문과 활동 간의 상호의존관계를

표의 형식으로 나타낸 것이다. 여러 가지 경제활동과 관련된 움직임을

산업 간의 생산기술을 기반으로 한 연결구조에 초점을 맞추어 분석하는

방법이며 레온티예프 분석 또는 투입산출분석(input-output analysis)이

라고도 불린다. 최종수요의 변화에 따른 생산, 고용, 소득 등의 변화를

산업별로 분석할 수 있어 정책효과의 예측 및 측정 등에 활용되고 있

다. 산업연관표는 우선 국민경제를 여러 부문(sector)으로 나누고 일정

22

기간 동안 각 부문 간 발생한 거래 및 활동을 조사하여 이것을 기준형

식에 따라 종합한다(<표 Ⅱ-4> 참조). 따라서 산업연관표는 “통상 1년

동안 국민경제에서 발생한 재화와 서비스의 생산 및 처분과 관련된

모든 거래내역을 일정한 원칙과 형식에 따라 기록한 종합적인 통계표

라고 할 수 있으며 한국은행이 0, 5년도에 대해서는 실측표를 나머지

년도에 대해서는 연장표를 공표하고 있다(한국은행(2008))”.

내생부문9) 외생부문수입

(공제)

총산출액

⋯⋯중간수요계

소비 투자 수출

최종수요계

중간투입

⋮⋮

⋯ ⋯⋮ ⋮ ⋮ ⋯ ⋯ ⋮ ⋮ ⋮ ⋯⋯

⋮

⋮

⋯ ⋯

⋮ ⋮ ⋮ ⋯ ⋯

⋮ ⋮ ⋮ ⋯ ⋯

⋮

⋮

⋮

⋮

⋮

⋮

중간투입계 ⋯ ⋯

외생부문

피용자보수영업잉여

고정자본소모순생산세

⋯ ⋯

⋯ ⋯ ⋯ ⋯

⋯ ⋯

부가가치계 ⋯ ⋯

총투입액 ⋯ ⋯

<표 Ⅱ-4> 산업연관표의 기본구조

출처: 한국은행(2008) 기준으로 수정

산업연관표는 거래액의 평가방법, 수입액의 취급방법에 따라 여러

9) 내생부문은 재화와 서비스의 중간수요와 중간투입을, 외생부문은 최종수요와 부가

가치를 기록하는 부분을 뜻한다.


종류가 있으나, 본 연구에서는 ‘경쟁수입형표10)’ 중에서 ‘생산자가격

평가표11)’를 분석에 사용한다.

산업연관표 내에는 배분구조를 나타내는 가로방향과 투입 구조를

나타내는 세로방향으로 구성되어 있다. 각 구조에는 아래와 같은 관계

가 성립한다.

(배분구조)

(투입구조)

위의 투입산출표는 산출과 투입의 양쪽 측면으로 구분하여 식으로

표시하게 된다. 배분측면에서 상기의 표와 식의 최종수요-수입을

라고 두고, 번째 행을 예로 들었을 때 수식은

또는

과 같다. 이 때, 위의 산업연관표에서 총산출은 내생부문의 중간투입

의 합으로 나타내게 된다.

⋯ ⋯∈

여기서

또는 로 표시하면, 위 식은

⋯∈

⋮

10) 상품의 종류가 동일한 경우 국내생산품 혹은 수입품 여부의 구분 없이 각 수요부문

에 일괄적으로 기록한다.11) 중간 유통마진이 제외된 가격으로 평가된 가격평가표를 뜻한다.

24

와 같이 표시되고, 아래와 같이 나타낼 수 있다.

위의 식의 에 을 대입하여 주면, 가

되고, 이 식을 총 산출액 에 따라서 정리해 주면

이 된다. 상기 식에서의 12)를 유발계

수, 레옹티에프 역수(Leontief Inverse) 또는 총 필수요소행렬(Total

Requirement Matrix)라고 하기도 한다. 여기서,

⋯ ⋯ ⋮ ⋮ ⋮ ⋮ ⋯

⋯

⋯

⋮ ⋮ ⋮ ⋯

⋮

⋮

⋮

⋮

로 정의된다. 는 번째 총산출 1단위당 번째 산업생산이 번째

산업에 투입되는 가치의 비율을 나타내며, 이를 투입계수(technical

coefficient)라고 한다. 투입측면의 구조는 산출의 대각행렬 또는

⋯ ⋮ ⋯ ⋮ ⋯

이라고 두면, 상기의 행렬식은 로 표시될 수 있다. 투입측

면에서 투입산출표를 살펴보기 위해 ′ ⋯를 정의하면,

⋯ ⋯

이며, 이는 다음과 같은 관계로 표시될 수 있다.

′ ′ ′ ′ ′ ′ ′ 또는,

′ ′

12) 국산과 수입 구분없는 ‘경쟁 수입형’에서 사용하는 유발계수이다.


각 산업부문에서의 재화나 서비스의 생산은 궁극적으로 최종수요를

충족시키기 위하여 이루어진다. 즉 일정기간 동안 한 나라에서 생산되

는 재화와 서비스의 종류와 규모는 최종수요의 구성 및 크기에 따라

결정되기 때문에 산업별 생산은 최종수요의 변동과 일정한 관계를 갖

게 된다.

생산유발효과는 특정 산업에서 최종수요가 한 단위 증가함에 따라

전 산업에서 발생되는 직·간접 효과의 정도를 금액으로 나타낸 것이

다. 투입계수를 기초로 “소비, 투자, 수출 등 최종수요가 한 단위 증가

할 때 각 산업부문에서 직·간접으로 생산되어야 할 산출액 단위를 나

타내는(한국은행(2008))” 생산유발계수표를 이용하여 최종수요변동의

생산유발효과를 구할 수 있다.

위와 같은 유발계수관련 식을 이용할 경우 최종수요의 변동에 따른

생산유발효과를 도출할 수 있다. 또한, 최종수요가 증가함으로 인하여

생산이 증가하고 생산이 다시 노동수요를 유발하게 되는 과정을 통하

여 최종수요의 변화와 고용증가를 연결시킴으로써 고용유발효과를 분

석할 수 있다. 고용유발계수는 생산의 변화에 의해 직·간접적으로 유

발되는 노동량을 계량화한 것으로 특정 산업의 생산물 한 단위 증산

에 직접 필요한 노동량, 즉 고용계수 뿐만 아니라 생산파급과정에서

간접적으로 필요한 노동량까지 포함하는 개념이다. 고용유발계수는

앞에서 도출한 최종수요에 변동이 있을 때의 생산유발효과를 나타내는

식에 고용계수의 대각행렬을 곱하여 얻을 수 있다. 이 때 고용계수는

로 구할 수 있으며, 는 노동자 수를 의미한다. 고용계수의 대각행렬

26

( )은 의 숫자를 내에서 인 위치에 투입하는 방식으로 얻을

수 있다.

이때 을 고용유발계수라고 하며, 은 유발된 노동인원을

뜻한다. 이 때 노동자 수에 적용하는 값이 피용자수인지 취업자 수인

지 따라 고용유발계수와 취업유발계수로 구분하여 도출하게 된다. 위

의 식을 이용하면, 최종수요에 변동이 생겼을 때 고용유발효과의 계산

이 가능하다.

2009년 기준으로 29부문 통합대분류 기준 국내 투입산출표는 농림

수산품, 광산품, 건설, 도소매, 음식점 및 숙박, 운수 및 보관, 통신 및

방송, 금융 및 보험, 부동산 및 사업서비스, 공공행정 및 국방, 교육

및 보건, 사회 및 기타서비스 그리고 기타를 제외한 산업부문을 15개

부문으로 구분하고 있다.13)

특히, 산업연관표 상의 에너지부문은 수력, 화력, 원자력, 기타발전,

도시가스, 증기 및 온수공급업(열)로 구분되어 있고, 열병합발전 전력

은 화력부분에 속한다. 열 부문의 경우는 한국지역난방공사와 SH공사

집단에너지사업단, GS 파워㈜등 13개 업체의 온수 판매수입액에 ㈜한

주, 사이스대산열병합발전 및 반월공단 등 21개 업체의 증기 판매수

입액과 각 업체의 자가소비액이 더해져 얻어진다. 온천사업수익을 온

수공급업으로 보아 동 부문에서 합산함으로써 향후 실적의 업데이트

가 가능할 것으로 보인다. <표 Ⅱ-5>는 현재 산업연관표 상에 나타나

13) 음식료품/섬유 및 가죽제품/목재 및 종이제품/인쇄 및 복제/석유 및 석탄제품/화학

제품/비금속광물제품/제1차 금속제품/금속제품/일반기계/전기 및 전자기기/정밀기

기/수송장비/기타제조업제품/전력,가스및수도, 위 산업분류를 통합중분류, 통합소

분류, 그리고 기본부문에 해당하는 세부 내용은 지면 관계상 부록에 첨부한다.


는 전력부문과 열부문의 구분을 보여주는 내용이다.

<표 Ⅱ-5> 산업연관표 상의 전력과 열부문의 구분 현황

출처: 한국은행 (2005)

이들 중 수력, 화력, 원자력, 기타발전이 전력부문에 해당하며 특히

기타발전에는 자가발전과 다양한 신재생에너지원이 모두 포함되어 있

다. 2012년 한국은행은 이 기타발전 부문에서 신재생에너지부문을 분

리한 투입산출표를 발간할 계획인 것으로 알려져 있다.

그러나 이러한 경우에도 여전히 신재생에너지 분야는 8개의 재생에

너지와 3개의 신에너지가 하나의 부문으로 묶여 있게 된다는 한계점이

있으며, 그 투입구조는 새로운 산업연관표를 이용하여도 확인이 불가능

할 것이다. 하지만 현재 에너지관리공단에서 관련 산업의 투입, 산출자

료를 조사 중이며, 이를 통해 CGE 분석상의 SAM(Social Accounting

Matrix)를 업데이트하여 추가 연구가 진행될 수 있을 것으로 보인다.

28

7. CGE(Computable General Equilibrium) 모형

가. CGE 모형의 개요

일반균형(General Equilibrium ; GE) 모형의 기본 개념은 왈라스

(Walrasian) 일반균형 구조를 기반으로 한다. 왈라스 균형모형에서는

가격에 의해서 수요와 공급량이 결정되는데 산업은 각 기업의 이윤극

대화 조건으로부터 공급이 결정되고, 가계는 그들의 자산 가치에 의한

예산제약하의 수요를 극대화하며, 모든 재화의 초과수요가 0이 됨을

가정한다. 생산과 수요의 파라미터들을 명시함으로써 정책을 평가하는

데 사용되었다. 최초의 계산 가능한 일반균형(Computable General

Equilibrium; CGE)모형을 적용한 사례는 Johansen(1960)의 연구로 노

르웨이의 산업을 22개로 구분하고 가계와 기업, 각각의 특성을 구분

하여 분석하였다14).

이후 1980년, 1990년대의 균형모형(GE)의 대부분은 응용균형모형

(Applying General Equilibrium; AGE) 모형으로 분류된다. 이때의 모

형들의 대부분은 경제학적 이론들을 구현함으로써 모형의 발전을 이

끌었다. 그러나 적용 자체가 힘들거나 반복적으로 계산과정에 어려움

이 있는 경우가 종종 있었다. 1990년부터는 컴퓨터와 수학적 계산 툴

인 GAMS(General Algebraic Modeling System)가 상용화되어 계산

가능한 범위를 넓힘으로서 기존 모형의 한계를 극복하였다15). 이 후

일반균형(GE)모형은 계산 가능한 일반균형(CGE) 모형으로 통용되고 있다.

14) Dixon and Jorgenson(2013)에서는 Johansen(1960)을 기준으로 2010년이 CGE 모형의 50주년이 되는 해라고 명시하였다.

15) Ginsburgh and Keyzer(2002)은 GAMS 패키지가 AGE 모형의 수학적 특성을 실행

가능한 프로그램으로 바꾸었다고 밝혔다.


CGE 모형을 통해 정책 시뮬레이션의 효과를 비교하기 위해서는 분

석하고자 하는 경제사회를 설명하는 데이터를 작성해야 한다. 결과에

큰 영향을 미치는 것은 주로 함수의 형태와 모수의 값들이다. 가장 보

편적인 모수값들을 선택하여 투입하는 과정을 보정(calibration)이라

하는데 모형을 구성하는 과정을 단계적으로 요약하면 [그림 Ⅱ-7]과

같다.

분석은 기준년도 데이터를 구성하고, 외생변수를 수집하여 검토한

후 함수의 형태를 결정하여 균형점을 찾는 과정으로 이루어진다. 여기

에 추가적으로 탄력성 등의 모수값을 대입한다. 기준년도의 균형을 맞

춘 다음에는 분석하고자 하는 정책시나리오를 설정하여 모형에 적용

하고, 결과 값에 대한 타당성을 살펴보게 된다. 결국, 기준년도의 산업

연관표, 국가계정, 가계소비동향 등의 선택과 경제구조를 설명하는 함

수식이 결과 값에 큰 영향을 미치게 된다.

30

[그림 Ⅱ-7] Flow chart outlining calibration procedures and model use in

typical applied general equilibrium model

출처 : Shoven J. B. and Whalley, J.(1984)

현재 대부분의 CGE 모형은 기준년도의 경제상황을 설명하기 위해

사회계정행렬(Social Account Matrices; SAM)을 적용한다. 사회계정

행렬은 산업연관분석표를 기본으로 하지만 정부, 노동, 자본시장 등을

추가하여 최종수요의 변화가 경제상황에 어떤 영향을 미치는 분석할

수 있는 형태로 사회 전체의 경제흐름을 한눈에 보여주는 장점이 있

다. 즉, 각 산업간 거래뿐만 아니라 경제 주체간 거래를 함께 나타냄


으로써 자원의 효율적인 배분, 경제정책의 파급효과 등을 분석하는 도

구로 사용되기도 한다. 그러나 사회계정행렬에 정해진 형태가 있는 것

은 아니다. 분석하고자 하는 사회의 특성과 데이터 유무 등의 조건에

따라 다양한 형태로 작성될 수 있다16). 예시적으로 산업부문을 산업

활동과 재화로 구분하고, 가계, 정부, 기업, 해외, 노동·자본요소, 저축·

투자를 포함하면 사회계정행렬을 작성할 수 있다.

나. 간단한 CGE 모형의 구성17)

CGE 모형을 단순히 대표 소비자와 대표 생산자를 가정, 콥-더글라스

(Cobb-Douglas) 함수를 이용하여 모형을 설정하면 다음과 같다. 예를

들어, 대표소비자의 효용을 , 소비수준을 , 재화의 수를 개라고

하면 는 다음 식과 같이 나타낼 수 있다.

,

여기서 는 비례조정변수(Scaling parameter), 는 지수 파라미터

이다. 번째 산출물을 라고 할 때, 개의 중간재 와 개의 요소

를 투입물이라 하면 아래와 같이 표현되며, 이 때 는 재화의 투입

계수, 는 요소투입계수를 나타낸다.

,

효용함수나 생산함수는 연구의 목적에 따라 Cobb-Douglas 형태가

아닌 다른 다양한 형태로 모형에 적용되기도 한다. 그 중 대표적인 형

16) UN Statistics Division(1993)17) Wing(2004)의 모형을 요약 정리한 것임.

32

태가 CES(Constant Elasticity of Substitution) 함수 형태이다. <표 Ⅱ

-6>은 이러한 몇 가지 형태의 효용함수 유형을 정리한 것이다.

함수 형태 제약조건 비 고

Cobb-Douglas

=Expenditure share in demand function

CES

=elasticity of subsitution in

preferences between any pair of goods ,

LES(C.D)

=minimum requirements of each

commodity in demand function

LES(CES)

<표 Ⅱ-6> Utility 함수의 형태

출처 : Shoven J. B. and Whalley, J.(1984)

1) 가계 또는 소비자

대표소비자의 효용을 극대화하는 조건에서 콥-더글라스(Cobb-Douglas)

로부터의 효용함수는 아래와 같으며, 는 소비자의 예산제약이다.

max s.t.

제품의 한 단위를 교환기준(numeraire) 재화로 정의하고, 총 소비의

한계효용을 표시하면 극대화 문제의 해를 도출 할 수 있다. 는 총

소비의 한계효용, 는 저축을 의미할 때, 재화의 소비와 분배계수


(Share parameter)는 아래와 같이 구해진다.

max

,

2) 생산자

대표 생산자의 이윤을 극대화하는 조건은 산출물 y에서 투입요소의

차이에 따른 를 결정하는 문제로 볼 수 있다. 는 생산기술 수준을

나타낸다.

max

s.t. ∅

생산물은 투입되는 중간재와 요소의 합으로 나타낼 수 있으며, 이때

의 투입되는 중간재 와 요소투입물 는 아래와 같다.

,

3) 균형조건

위의 내용으로부터 간단한 왈라스 일반균형조건은 아래와 같이 표

현할 수 있으며, 시장청산조건에 의해 각 재화의 생산 총량은 번째

생산자의 생산물에 필요한 중간재 수요와 소비, 저축의 합을 나타낸다.

34

대표소비자의 자산의 합은 생산에 필요한 요소의 합이다.

최종 생산물은 투입되는 중간재와 요소의 가치와 같으며, 다음과 같

이 나타낼 수 있다.

또한 대표소비자의 총 수입은 생산자가 요소 사용에 대해 지불한

금액과 같다.

[그림 Ⅱ-8] 사회계정행렬의 구조

출처: 노영환(2006), Lofgren(2002), Isard, et al.,(1998), UN Statistics Division(1993)


다. CGE 모형 운용의 실제

사회계정행렬 등의 데이터를 구성한 후에는 함수의 형태를 고려해

야 한다. 모형의 함수는 대체탄력성을 어떻게 사용하느냐에 따라 결정

되는데 이는 기본적으로 수요측면에서 설명할 수 있다.

실제 CGE 모형을 설정함에 있어 보정(calibration) 등 실증모형 운

용 편의상 대부분의 경우 포함관계를 일대일(pairwise) 방식으로 설정

한다. 이러한 경우, 상기의 CES 모형에 가령 에너지분야의 수요를 대

체관계를 감안, 전력(E), 석탄(C), 석유제품(P) 그리고 가스(G)의 4개

의 투입요소로 설정한다고 하면 총 에너지수요함수는 다음과 같이 표

시할 수 있다.

[그림 Ⅱ-9] 3-level nested CES 구조의 제시

즉, [그림 Ⅱ-9]에서 , , 는 CES 치환 변수(substitution

parameters or engineering elasticities of substitution)라고 가정하고,

일대일(pair-wise) 형태로 포함(nesting) 구조를 갖는 CES함수를 수식

으로 표현하면 다음과 같다.

36

≥

⇒ ≡

실제 모형을 운용함에 있어 상기 식에 포함된 탄력성관련 모수의

값이 얼마인지, 대체관계인지 혹은 보완관계인지 등은 주어진 경제의

특성과 기술조건 등에 영향을 받으므로 관련 모수에 대한 추정이 병

행되어야 한다. <표 Ⅱ-7>에서는 관련 연구를 조사·정리한 결과를 보

여주고 있다.

국내에서 운용되는 모형들에 대해서 이러한 모수값들이 어떻게 설

정되었는지 밝히는 경우는 드물다. 하지만 환경정책평가연구원(2010)

은 관련 모수값으로 사용하고 있는 값들을 표로 정리하여 제시하고

있다(<표 Ⅱ-8> 참조). 그러나 모든 모수값들이 추정가능한 것은 아니

며 원천적으로 추정이 불가한 경우, 방법은 있어도 세부 관련 자료가

부족하여 추정이 불가한 경우 등 다양한 제약조건이 있다.

CGE 모형은 주로 정책적으로 어떤 조건이 주어졌을 때 변화를 분

석하거나 기준년도의 균형 상태와 비교하는 데 활용된다. 정책변화에

따른 결과를 평가하는데 있어 가능한 요소로는 누구에게 손실이 발생

하고 이익이 돌아갔는지, 혹은 그러한 변화가 사회 경제적으로 어떤

결과를 가져다주는지, 각 정책 변화에 따라 얼마나 다른 결과가 나타

나는지 등을 경제전반을 통해 살펴보는 것이 가능하다. 또한 지역단위

에 따라 전지구적 모형, 몇몇 지역구분에 따른 모형, 한 국가의 모형,

그리고 국가 내부에서도 세부 지역구분까지 포함한 모형도 가능하다.

산업이나 재화 또는 생산·소비 주체를 대상으로 한 다양한 조건 및 세


금의 변화를 고려하고 다국가 모형에서의 경우 각 국가 간의 무역정

책 및 환경정책 변화 결과를 비교하는 것 또한 가능하다.

<표 Ⅱ-7> 에너지-자본간의 대체, 또는 보완관계에 대한 연구

출처: Apostolakis(1990), p.53

38

Vintage of Capital region

new old new old new old쌀 5.05 0.5 0.06 0.8 0 2 0.25 0

기타농작물 2.55 0.5 0.06 0.8 0 2 0.25 0축산 2.09 0.5 0.06 0.8 0 2 0.25 0임업 2.5 0.5 0.06 0.8 0 2 0.25 0.50수산업 1.25 0.5 0.06 0.8 0 2 0.25 0.25석탄 3.05 0 0 0 0 0 0 1원유 5.20 0 0 0 0 0 0 2전기 2.80 1.02 0.12 0.8 0 2 0.25 0

가스생산유통 2.80 0 0 0 0 0 0 0천연가스 10.00 0 0 0 0 0 0 2정유 2.10 0 0 0 0 0 0 0광물 0.90 1.02 0.12 0.8 0 2 0.25 0.50

육류제품 4.17 1.02 0.12 0.8 0 2 0.25 0기타제품 2.16 1.02 0.12 0.8 0 2 0.25 0제지출판 2.95 1.02 0.12 0.8 0 2 0.25 0목제품 3.40 1.02 0.12 0.8 0 2 0.25 0철금속 2.65 1.02 0.12 0.8 0 2 0.25 0비철금속 4.20 1.02 0.12 0.8 0 2 0.25 0자동차 2.80 1.02 0.12 0.8 0 2 0.25 0화학 3.30 1.02 0.12 0.8 0 2 0.25 0

지타제조업 4.04 1.02 0.12 0.8 0 2 0.25 0상수도 2.80 1.02 0.12 0.8 0 2 0.25 0건설 1.90 1.02 0.12 0.8 0 2 0.25 0

무역/운송 1.90 1.02 0.12 0.8 0 2 0.25 0서비스 1.90 1.02 0.12 0.8 0 2 0.25 0부동산 0 1.02 0.12 0.8 0 2 0.25 0

: 국내 생산품과 수입품 간의 아밍턴 대체 탄력성

: 노동과 자본-에너지 복합재 간의 대체탄력성

: 에너지 복합재와 자본 간의 대체탄력성

: 에너지 복합재 내에서 서로 다른 에너지원 간 대체탄력성

: 부문별 특별 생산요소(천연자원, 에너지 등)의 공급 탄력성

출처 : 한국환경정책평가연구원(2008)

<표 Ⅱ-8> ENV-Linkage 주요 모수(대체탄력성) 입력자료


8. MARKAL(MARKet ALlocation) 모형

가. MARKAL 모형의 개요

MARKAL이란 용어는 MARKet ALlocation의 약자로, 컴퓨터를 이

용한 최적화모형으로 전략적 에너지 계획을 평가하기 위해 많게는

10,000 여개의 수식과 제약식을 사용한다. MARKAL 모형은 에너지,

환경, 경제요인들을 통합하여 국가적 계획과 정책결정을 위한 에너지

시스템의 해를 제공한다. MARKAL 모형은 서로 다른 미래 시나리오

의 비용을 평가하고, 에너지 체계상 적용이 가능한 특정 기술들의 상

대적인 장점을 추정해 낼 수도 있다.

BNL(Brookhaven National Laboratory)은 1970년대 후반 에너지시

스템 모형화와 분석을 위해 미국에너지청(Department of Energy, 이

하 DOE)와 국제에너지기구(International Energy Agency, 이하 IEA)

의 지원을 받아 MARKAL 모형을 개발하였다. 현재 이 모형은 전 세

계에서 광범위하게 사용되고 있으며, 환경분석을 포함한 다양한 모형

들이 추가되고 있다. MARKAL 이용자들은 국제 워크샵을 통해 모형

개발과 응용관련 논의들을 활발히 진행하고 있다.

다른 에너지시스템 모형들과 같이 MARKAL의 에너지인자(Energy

Carriers)들은 변환부문과 에너지소비부문을 연결해 준다. 이러한 연결

고리는 사용자가 지정하게되며 1차에너지공급, 에너지변환과 공정과

정, 그리고 에너지서비스 제공을 위한 최종에너지 단계의 모든 에너지

인자들을 포함한다. 에너지서비스에 대한 수요는 가정용, 상업용, 제

조업용, 수송용 등의 부문으로 세분화할 수 있고, 또 가정용 에어컨디

션, 난방, 조명, 급탕 등과 같이 한 부문내의 특정한 기능별로도 세분

화가 가능하다. [그림 Ⅱ-10]과 [그림 Ⅱ-11]은 이러한 MARKAL의

40

네트워크를 나타내는데, 이를 Reference Energy System, 줄여서 RES

라고 부른다.

[그림 Ⅱ-10] MARKAL의 Reference Energy System(RES)

출처: Seebregts(2001)

[그림 Ⅱ-11] MARKAL RES의 간단한 예

출처: Seebregts(2001)


MARKAL의 목적함수는 프로젝트의 수명기간 동안 전체 시스템비

용의 현재가치를 최소화하는 것이다. 매년의 전체 비용은 다음의 항목

을 포함한다.

✓ 매년의 연금화(Annualized)된 기술측면의 투자비

✓ 매년의 고정비와 기술관련(O&M) 변동비

✓ 에너지 그리고 투입용 재료 수입과 같은 외생적 비용 및 국내 자

원생산(e.g., mining) 비용

✓ 외생적 에너지와 투입용 재료 수출로 부터의 수입

✓ 연료 및 재료수송비용

✓ 최종수요 축소에 따른 후생수준 저감

✓ 에너지원, 기술, 그리고 온실가스배출 등과 관련된 세금 및 보조금

연도별 비용의 계산을 위해서는 각 기간별로 연금화된 다른 비용과

합산 이전에 우선적으로 투자비를 연금화하여야 한다. 그런 연후에,

MARKAL에서는 사용자가 선택한 기준년도에 맞추어 할인된 모든 연

도별 비용을 기반으로 순현재비용을 계산한다. 이 순현재비용이 바로

모형에서 균형계산을 위해 최소화되는 값이다. 비용최소화 과정에는

아래와 같은 MARKAL 모형의 제약조건들이 따른다.

✓ 에너지서비스수요(Energy Service Demands)의 충족

✓ 용량이전(Capacity Transfer) 조건 충족 – 투자비의 절감

✓ 사용용량 조건

✓ 전력과 열의 균형

✓ 피크예비력 제약조건(전력과 열부문만)

✓ 기저부하(발전부문만)

✓ 계절별 설비가동율(Availablity Factor, 전력과 열부문만)

42

✓ 온실가스배출제약

나. MARKAL-Standard Model18)

Loulou et al.(2004)은 MARKAL을 다음과 같은 특성을 갖는 모형

으로 설명하고 있다.

✓ 공학적 모형

✓ 다지역 모형

✓ 부분균형 모형(가격탄력적인 수요; 완전예견이 가능한 경쟁시장)

✓ 선형적 모형

✓ 총 잉여 극대화

✓ 완전예견이 가능한 경쟁적 에너지 시장

✓ 한계비용 가격형성

✓ 이윤 극대화

앞서 설명한 바와 같이 주어진 제약 조건 하에서 비용최소화의 문

제에 대한 해를 찾아내게 된다. 이들 지수를 이용하여 MARKAL에서

주로 사용되는 의사결정 변수들을 다음과 같이 표시할 할 때,

✓ : 조건의 (이하 생략) 새로운 투자 (용량추가)

✓ CAP rtk : 설치되어 있는 용량

✓ : 경제활동수준, 전환부문을 제외하면 대체로 년

간 활동수준으로 평가

✓ : 재화채굴량, 단위는 채굴단위비용

18) Loulou et al.(2004)


✓ EXPORTrtc l : 외생적 수출, 수입. 모형

이 내부적으로 밸런싱하지 않고, 사용자가 조정해야 함.

✓ andexp : 재화의 판매

(수출), 구매 (수입)량. 지역간 내생적 교역량의 결정이므로, 모든

재화가 내생적으로 거래되고, 가격이 매겨지는 전지구적인 모형

에서는 상기의 EXPORTrtcl 변수들은 불

필요하게 됨.

✓ : 최종수요. 기준안이 아닌 경우, 가격에 대한 수요반

응으로 인해 값이 달라질 수 있음

✓ : 오염물질 배출

: 지역 (모형 내에 한 개의 지역만 있는 경우, 불필요)

: 시간

: 기술

: 주어진 단위 시간 내의 부분

: 재화 (에너지 또는 중간투입물)

: 가격수준

목적함수19)는

×

⋯

로 표시할 수 있는데, 여기서

19) Loulou et al.(2004)의 page 41 목적함수는 오류가 포함된 것으로 보임.

44

✓ : MARKAL의 목적함수로 모든 지역의 총비용의 순현재

가치

✓ : 주어진 할인율로 할인된 의 년간 비용으로

앞에서 지적한 모든 비용이 포함된다.

✓ : 계획기간 내 존재하는 각 단위기간의 수

✓ : 각 단위기간 내에 존재하는 조각 시간단위의 수

✓ : 할인율

✓ : 전체 지역의 수

이다. 앞서 논의한 바와 같이 Reference Energy System에 정의된

각각의 역할에 따라 다음의 주요한 집합(Set)이 정의된다.

✓ 수요 (Demands)

✓ 배출 (Emissions)

✓ 에너지 운반자 (Energy Carriers)

✓ 요소 (Materials)

✓ 기술 (Technologies)

다. MARKAL 모형의 최근의 발전

<표 Ⅱ-9>는 MARKAL 계열의 모형들에 대한 개관이다. 대부분의

모형들이 표준 MARKAL모형에 다른 모형이 추가되는 형태로 구성되

어 있어, 함께 사용이 가능하다. 하지만 경우에 따라서는 동일한 대상

에 대한 설명을 위해서도 서로 다른 모형구성상의 기법이 동원되기도

한다. MACRO/MICRO/MED는 에너지 가격 변화에 대한 수요량의

변화를 설명하기 위한 모형들이다. 그러나, 각 모형들에 사용된 기본

이론적 바탕이 서로 달라, 함께 사용하는 데 어려움이 있다.


MARKAL 모형 개발을 위한 노력은 GAMS(General Algebraic

Modeling System)라는 개방형 설계(open architecture)에 의해 구현 되

었다(Brooke et al. 1992, Loulou et al., 2004). 모형이 구성하는 변수

와 수식에 필요한 정보가 주어지면, MARKAL은 사용자가 정의한 대

로 이들을 특별한 내부자료로 변환하게 되는데, 이를 행렬생성(Matrix

Generation)이라고 한다. 해가 풀리면, 리포트 라이터(Report Writer)

라는 프로그램이 모형사용자가 결과를 해석할 수 있도록 정리한다. 이

러한 행렬생성과 리포트 라이터 관련 파일은 모두 GAMS 언어로 쓰

여 있다. MARKAL은 GAMS가 요구하는 집합(set), 모수(parameter),

변수(variable), 공식(equation) 등의 모형구조를 이용해 최적화 문제를

푼다. 모형의 배경이 되는 이론과 수학이 다소 복잡하지만, MARKAL

사용자들은 계산에 사용되는 방법들에 대해 완전히 알지 못하여도 효

과적으로 작업이 가능하다. 이는 현대적인 데이터 처리방법과 윈도우

즈 기반의 ANSWER과 같은 프로그램을 이용함으로써 가능해진다.

46

Member/version

모형의 유형

간략 설명 (Reference or example)

MARKAL LPStandard model. Exogenous energy demand. (Fishbone et al. 1983)표준모형, 에너지 수요는 외생변수.

MARKAL-MACRO NLP

Coupling to macro-economic model, energy demand endogenous. (Hamilton et al. 1992)거시경제 모형과 연계, 에너지수요는 외생변수.

MARKAL-MICRO NLP

Coupling to micro-economic model, energy demand endogenous, responsive to price changes. (Regemorter and Goldstein 1998)미시경제 모형과 연계, 에너지수요는 외생변수, 가격변화에 반응.

MARKAL-ED(MED) LP

As MARKAL-MICRO but with step-wise linear representation of demand function. (Loulou and Lavigne 1996)MARKAL-MACRO 모형과 같으나 수요함수를 step-wise 선형으로 표현.

MARKALWith multiple

regionsNLP

Linkage of multiple country specific MARKAL-MED and MARKAL-MACRO, including trade of emission permits. (Bahn et al. 1998)MARKAL-MED와 MARKAL-MACRO 연계, 배출권 거래 포함.

MARKALwith material

flowsLP

Besides energy flows (electricity, heat) material flows and recycling of materials can be modelled in the RES. (Gielen et al. 1998)에너지 흐름(전력,열) 뿐만 아니라 물진 흐름도 나타냄.

MARKALwith

uncertaintiesSP

Stochastic Programming. Only with standard model. (Ybema at al. 1998)Standard 모형에 추계적(Stochastic) 방법 사용.

MARKAL-ETL MIP

Endogenous technology learning based on learning-bydoing curve. Specific cost decreases as function of cumulative experience. (Barreto and Kypreos 1999)학습곡선에 의한 내생적 기술 학습, 경험축적에 따른 비용 감소.

출처: Seebregts (2001), http://www.gerad.ca/fichierspdf/rx01039.pdf

<표 Ⅱ-9> MARKAL 계열의 모형


ANSWER는 ABARE(Australian Bureau of Agricultural and Resource

Econos)사가 개발한 프로그램으로 비주얼 베이직(Visual Basic)으로

구성되었다. MARKAL의 투입자료와 결과는 쉽게 자료 입출력이 가

능한 처리작업(예를 들어 엑셀 파일 기반 등)과 함께 마이크로 소프트

엑세스(MS Access) 데이터베이스에 저장된다.

몬테 카를로 분석(Monte Carlo Simulation)을 통해 모형 내 자료의

불확실성에 대해 분석하고 의미를 해석해 볼 수 있다. 이는 상당한 시

간을 요하는 작업이지만, 최근 컴퓨터의 속도와 저장능력 확대로 복잡

한 MARKAL 모형을 이용한 몬테 카를로 분석이 가능해졌다. 전통적

인 MARKAL 분석방법의 보완책으로 몬테 카를로 분석을 통해 시나

리오 분석, 민감도 분석 그리고 확률적 프로그래밍 등이 가능하다.

TIMES(The Integrated MARKAL-EFOM System)는 기존 MARKAL

에서 진화한 모형이다. 이 모형구조는 1999년에 도입되었는데, 기존

MARKAL 모형을 확장하여 지역 내 에너지계획의 문제뿐 아니라 다

양한 기술을 포함하는 전 세계 모형까지 포함하는 견고한 구성으로

되었다. 기존 MARKAL처럼, TIMES도 온실가스 배출 또는 다른 제

약조건 하에 최소비용의 해를 도출하는 최적화 구조를 갖는다. 각 지

역의 최종에너지서비스 수요의 기준안 분석을 위해 필요한 자료는 각

지역의 전문 연구자들이 입력하게 되며, 이를 기반으로 장비에 대한

투자, 운영, 에너지 공급과 거래 등 에너지 서비스의 공급 관련 의사

결정을 전지구적 기반에서 동시에 진행할 수 있다. 이렇게 한층 유연

해진 구조 덕분에 기존 MARKAL에서는 해결할 수 없었거나, 강한

가정을 해야만 풀 수 있었던 여러 가지 문제들에 대한 분석이 가능하

게 되었다(ETSAP, 2001, Goldstein et al. 2001 참조).

48

<표 Ⅱ-10> TIME에서의 최종수요

출처: Loulou et al., 2008


[그림 Ⅱ-12] 특정에너지 분야의 균형

출처: Loulou et al., 2008

MARKAL 모형과 EFOM(Finon 1974; van der Voort et al. 1984)

기반의 TIMES 모형에는 새로운 특성들이 추가되어 있다. TIMES과

MARKAL 모형은 기본적으로 동일한 기반을 갖는다. 두 모형 모두

에너지 시장의 기술을 명시적으로 고려하며, 동태적부분균형 모형의

특징을 갖는다. 두 경우 모두 선형 프로그래밍의 방식으로 소비자와

생산자의 잉여를 극대화하여 균형값을 찾는다. 또한 지형적으로 통합

된 모형으로 크게는 다지역 모형의 특성도 함께 갖고 있다.

두 모형의 기본적인 모형기반은 동일하지만 기술적 측면과 세부적

특성에는 차이를 보인다. 먼저 MARKAL에는 없으나 TIMES에만 추

가된 특성들은 다음과 같다.

50

✓ 변수 길이 기간 설정

✓ 자료 디커플링

✓ 유연한 시간 단위와 저장 과정

✓ 일반성

✓ 유연성

✓ 투자와 해체의 리드타임과 비용

✓ 연대별 과정과 시간의 흐름에 따라 변화하는 모수값

✓ 상품관련 변수

✓ 투자 비용 지급과 관련 세밀한 기술이 가능

✓ 기후 공식

반면, 아래는 TIMES에는 없지만 MARKAL에 있는 특성들이다.

✓ 확률 설정

✓ 목적함수에서 손해비용 통합

✓ 근시안적인 에너지 시장 (SAGE)

✓ MARKAL-MACRO

ETSAP-TIAM은 이러한 TIMES모형의 기본적인 특성을 전지구적

모형에 적용한다.

라. MARKAL 모형의 국내 산업부문 적용사례

안윤기 외(2010)은 MARKAL 모형을 통한 철강산업의 온실가스 감

축잠재량 분석을 시도하고, 이를 통해 2050년까지의 철강산업의 기술

별 온실가스 한계저감비용, 최대 감축잠재량을 평가하였다. 저자들은

분석을 위해 2030년 이전에는 확실히 도입이 가능하다고 전제한 세


가지 신기술은 아래와 같이 정리하고 있다.

<표 Ⅱ-11> 2030년 이전 도입 가능한 세 가지 신기술

출처: 안윤기 외(2010)

산업자원부(2006)는 학습곡선과 불확실성을 고려한 MARKAL 모형

을 이용, 발전부문, 시멘트부문, 수송부문, 자동차부문의 온실가스 배

량감축 및 감축잠재량을 분석하였다고 보고하고 있다.

에너지경제연구원(2010)은 3차년도의 보고서에서 1, 2차년도(2008-

2009) 연구를 통해 3차년도에는 상향식 모형인 MARKAL과 하향식

모형인 CGE를 서로 연계하는 방안을 강구하였다고 보고하고 있다.

하지만 내용상으로 보아서는 각각의 모형의 결과를 서로 보완적으로

비교 분석하는데 활용한 것으로 보인다. 산업부문에 대한 적용은 자동차,

시멘트, 석유화학, 제지, 철강산업을 대상으로 신기술도입, 연료전환,

원료전환, CHP 또는 이산화탄소 포집·처리장치(Carbon dioxide Capture

and Sequestration, 이하 CCS) 도입, 신재생발전 등의 시나리오를 평

가하였고, 전환부문의 연료전환, CHP, CCS, 발전부문의 송배전 손실

률 감소, 연료전지 도입 시나리오 등을 고려하였다. 또 가정상업부문

의 다양한 기술도입 관련 시나리오와 함께, 수송부분의 분석도 함께

시도하고 있다. 분석결과는 국가전체, 부문별, 지역별로 2020년 감축

잠재량, 감축율 및 비용을 제시하고 있다.

52

9. 통합평가모형(Integrated Assessment Model)

가. 기후변화시나리오와 통합평가모형

IPCC(2000)에 의하면 18개 국가의 50명이 넘는 저자들로 팀으로

구성하여 작성한 SRES(Special Report: Emission Scenarios)를 2000

년 3월 WGIII(Working Group III)회의에서 채택하였다고 보고하고

있다. 아래는 이들 시나리오의 특성과 관련하여 발생하는 다양한 시나

리오의 가짓수를 함께 표시하고 있다.

A1, A2, B1, B2 시나리오는 6개의 모형팀에 의해 모두 40개의

SRES 시나리오로 개발되었다. 위의 그림에서 보이듯이 A1 그룹에서

3개, 그리고 A2, B1, B2에서 각각 한 개씩의 시나리오가 도출되었으

며, A1 그룹은 A1FI(fossil fuel intensive), A1B(balanced), 그리고

A1T(predominantly non-fossil fuel)의 세 가지 서로 다른 에너지기술

개발의 시나리오를 갖고 있다.

[그림 Ⅱ-13] 네가지 SRES의 특징과 관련 시나리오들

출처: IPCC(2000)


[그림 Ⅱ-14] 에너지와 산업과 관련된 시나리오별 지구적 CO2 배출

출처: IPCC(2000)

이들 시나리오는 IPCC의 3차 평가보고서(2001) 작성의 기준이 되었으

며, 예상되는 이산화탄소 배출 양에 따라 A1B(720ppm), A2(830ppm),

B1(550ppm)의 시나리오가 있다. IPCC의 4차 평가보고서(2007)도 이들

시나리오를 근거로 작성되고 있는데, 이들 시나리오는 2000년 농도기

준 40%하락에서 250% 증가까지의 시나리오를 모두 담고 있다. 5차

평가보고서 작성을 위해 새로운 시나리오 개발 관련 논의가 2006년 4

월 모리셔스에서 열린 IPCC 회의에서 진행되었고, 이를 신기후 시나

리오(Representative Concentration Pathway, 이하 RCP)라고 한다.

54

<표 Ⅱ-12> RCP의 유형

출처: IPCC(2007)

위의 표에는 개발된 각 RCP의 특성에 대한 설명이 요약되어 있다.

<표 Ⅱ-13> RCP산정을 위한 통합모형 후보

출처: IPCC(2007)

이들 후보군에서 일관성 있는 자료를 제공할 수 있고, 연구결과와

심사과정을 거쳐 게재되었으며, 데이터요구를 충족할 수 있고, 충분한

경험을 보유한 모형팀이 운용하는 등의 조건을 충족하는 모형이 RCP

로 선정되었다.


RCP Publication IAMRCP8.5RCP6

RCP4.5RCP3-PD

Riahi et al.(2007) Fujino et al.(2006)Clarke et al.(2007)

van Vuuren et al.(2006, 2007)

MESSAGEAIM

MiniCAMIMAGE

<표 Ⅱ-14> RCP와 관련 모형

출처: IPCC(2007)

[그림 Ⅱ-15] 각 RCP별 특성

출처: IPCC(2007)

상기의 모형 중 여기서는 MESSAGE와 AIM에 대해 간략히 소개하

고자 한다. MESSAGE는 기본적으로 비용최소화라는 최적화모형으로

앞서 설명된 MARKAL과 기본적은 틀을 같이 하고 있으며, AIM은

일반연산균형모형(CGE)의 형태이기 때문이다.

MESSAGE(Model for Energy Supply Systems And their General

Environmental impact) 모형은 1970년대 International Institute of

56

Applied Systems Analysis(IIASA)의 에너지시스템 프로그램이 근원으

로 중장기 에너지 계획, 에너지 정책 분석, 시나리오 개발 등을 위한

System engineering 최적화 모형이다. 아래는 이 모형을 이용해 작성

된 보고서들이다.

✓ 세계 에너지 전망, IIASA-WEC 보고서(Nakićenović et al., 1998)

✓ 배출 시나리오, IPCC 보고서(Nakićenović, N. and R. Swart, eds, 2000)

✓ IPCC 평가 보고서(Metz et al., 2001).

MARKAL과 유사하게 자원채굴로부터 수출, 수입, 전환, 수송, 분

배, 에너지 최종 서비스에 대한 수요(유효에너지)에까지 모두 독립적

인 하나의 에너지 시스템으로 RES를 구성하는 것이 모형의 핵심이다.

유효에너지는 소비자에게 요리, 조명, 공간 컨디셔닝, 냉장고, 수송,

산업적 생산 과정, 소비재와 같은 에너지 서비스를 제공한다. 따라서

본 모형의 목적은 주어진 에너지서비스에 대한 수요를 주어진 기술조

건 하에서 최소의 비용으로 충족시킬 수 있는 최적에너지공급믹스를

찾는 것이다.

여기에서 비용은 투자비용(고정비용, 가변비용), 유지보수비용, 연료

비용, 사용자 정의 비용(오염의 환경비용)을 모두 포함한다. 비용을 계

산하는데 사용된 함수가 목적함수이며, 이 목적함수를 최소화하는 최

적조건을 찾는 것이 MESSAGE의 모형구성으로 이해할 수 있다.

AIM(Asia-Pacific Integrated Model)은 NIES(National Institute for

Environmental Studies)가 쿄토대학교의 마츠오카 교수와 함께 개발한

CGE 모형으로 기후변화에 대응하여 온실가스저감의 효과를 평가하고

자 하는 모형이다.


[그림 Ⅱ-16] Reference Energy System(RES)

출처: http://www.iiasa.ac.at/

이 모형은 전세계를 21개 지정학적 지역으로 구분하는 것이 특징이

다. 특히 교토 의정서 기간 이후를 위해 Annex I 국가를 일본, 호주,

뉴질랜드, 미국, 캐나다, 유럽연합, 동유럽, 전 소비에트 연방 국가 지

역으로 구분한다.

AIM 모형이 아태지역에 초점을 맞추어 이 지역을 대만, 한국, 홍콩,

싱가폴, 중국, 인도, 인도네시아, 말레이시아, 필리핀, 태국 등 10개 지

역으로 구분하고, 기타 지역은 중남미, 중앙 아시아와 북아프리카, 남

아프리카, 기타지역으로 구분한다.

58

[그림 Ⅱ-17] AIM의 tom-down 구조

출처: Kainuma et al.(년도미상)

[그림 Ⅱ-18] AIM의 Nesting 구조

출처: Kainuma et al.(년도미상)


NIES의 AIM관련 홈페이지20)에 따르면, AIM은 AIM/온실가스배출

(emission), AIM/기후(climate), 그리고 AIM/효과(impact)의 세 개 모

듈로 구성되어 있다. 이와 같은 구성으로 보건데 이 모형은 CGE모형

에 기반을 둔 통합평가모형으로 진화하고 있다고 할 수 있다.

나. 통합평가모형의 현황과 의의

아래에서는 확인 가능한 통합평가모형을 표로 정리하여 보았다. 구

체적인 모형의 시스템 구성은 어떤 전제를 근거로 관련 부문들을 어

떻게 모형화 하였는지가 모호한 경우가 많다.

<표 Ⅱ-15>는 에너지환경분야의 주요 모형들을 나타내고 있으며,

CGE와 기타 통합평가모형을 포함한다. 하지만 아래의 모형들을 비용

최소화 모형인 MARKAL의 유형, 일반연산균형모형인 CGE, 그리고

통합평가모형의 기준으로 구분하지는 않는다. 왜냐하면, 상기의 모든

모형들이 이미 상호간의 연계를 시도하고 있고, 그 외 여타분야의 기

상, 토지, 삼림(forest), 물(water) 등 다양한 모형들과 연계하고 있기

때문에 이러한 구분은 그다지 의미가 없을 것으로 판단되기 때문이다.

20) http://www-iam.nies.go.jp/aim/infomation.htm

60

모델명 모델 유형균형개념(Solution Concept)

개발자

AIMMulti-Sector

General Equilibrium

RecursiveDynamic

J.Fujino,R.Nair,M.Kainuma,T.Masui(National Institute for Environment Studies, Japan)and Y.Matsuoka(Kyoto Univ., Japan)

AMIGAMulti-Sector

General Equilibrium

RecursiveDynamic

D.Hansen(Argonne National Laboratory, U.S.), J.Laitner(U.S.EPA)

GTEMMulti-Sector

General Equilibrium

RecursiveDynamic

G.Jakemanand B.Fisher(Australian Bureau of Agricultural and Resource Economics)

GEMINI-E3/GEMWT

rap

Multi-SectorGeneral

EquilibriumRecursiveDynamic

A.Bernard(Min.of Equipment, Transport, and Housing, France), M.Vielle(CEA-LERNA, France), and L.Viguier(HECGeneva and Swiss Federal Institute of Technology)

PACEMulti-Sector

General Equilibrium

IntertemporalOptimization

C.Böhringer,(University of Heidelberg), A.Löschel(Centre for European Economic Research–ZEW, and T.Rutherford (University of Colorado)

EDGEMulti-Sector

General Equilibrium

RecursiveDynamic J. Jensen( TECA TRAINING ApS )

EPPAMulti-Sector

General Equilibrium

RecursiveDynamic

J.Reilly, M.Sarofim, S.Paltsev and R.Prinn (Massachusetts Institute of Technology, U.S.)

IPACMulti-Sector

General Equilibrium

RecursiveDynamic

K.Jiang,X.Hu,&S.Zhu(Energy Research Institute, China)

SGMMulti-Sector

General Equilibrium

RecursiveDynamic

A.Fawcett(U.S. EPA) and R.Sands(PNNL/Univ. Maryl and,U.S.)

WIAGEMMulti-Sector

General Equilibrium

RecursiveDynamic

C.Kemfert(GermanInst of Economic Research & Humboldt University), T.P.Truong(Univ.of New South Wales, Australia)and T.Bruckner (Institute for Energy Engineering, TechUniv, Germany)

COMBATAggregate General

Equilibrium


H.A.Aahaim, J.S.Fuglestvedt and O.Godal(CICERO, Norway)

<표 Ⅱ-15> 에너지환경모형 현황


모델명 모델 유형균형개념(Solution Concept)

개발자

FUNDAggregate General

EquilibriumIntertemporalOptimization

Richard Tol(Economic and Social Research Institute, Ireland and Hamburg, Vrije & Carnegie Mellon Universities)

GRAPEAggregate General


A. Kurosawa (Institute of Applied Energy, Japan)

MERGEAggregate General


A.Manne(Stanford University,U.S.)and R.Richels (Electric Power Research Institute, U.S.)

IMAGE Market Equilibrium

RecursiveDynamic

D.P.vanVuuren,B.Eickhout,P.L.Lucas andM.G.J.den Elzen(National Institute for Public Health and the Environment, The Netherlands)

MESSAGE Market Equilibrium


S.RaoandK.Riahi(International Institute for AppliedSystemsAnalysis,Austria)

MiniCAM Market Equilibrium

RecursiveDynamic

S.Smith(PNNL/Univ.Maryl and U.S.)and T.M.L. Wigley(National Center for Atmospheric Research,U.S.)

POLES-GEGS

Market Equilibrium

RecursiveDynamic

P.Criqui(Institute of Energy Policy and Economics, France), Peter Russ(EC-Institute for Prospective Technological Studies, Spain),and Daniel Deybe (EC Environment DG)

ENV-Linkage

Aggregate General

EquilibriumRecursiveDynamic

Jean-Marc Burniaux, Jean Chateau (OECD), Yong Gun Kim(KEI)

출처 : Weyant et al.(2006)

<표 Ⅱ-16> 통합모형 현황

62

10. NEMS(National Energy Modeling System)

가. 개요

미국의 경우 국가적인 에너지를 통합적으로 관리한다는 차원에서

1차에너지, 전환에너지, 수요를 총망라한 에너지모형시스템(NEMS)을

’93년도 미 에너지성(DOE: Department of Energy) 산하 에너지정보

국(EIA: Energy Information Administration)에서 개발․운용 중에 있

다. NEMS는 거시 경제 및 재정적 변수, 국제 에너지 시장과 관련된

변동, 소비자의 행태와 생산 기술의 변화, 인구통계 등과 관련된 전제

로 에너지의 생산, 수입, 전환, 소비, 가격에 대한 중장기 전망을 산출

한다.

[그림 Ⅱ-19] National Energy Modeling System

출처 : EIA(2009)


NEMS는 [그림 Ⅱ-21]에서 볼 수 있듯이, 4개의 공급모듈(석유 및

가스, 천연가스 수송 및 배급, 석탄, 신재생 연료), 2개의 전환 모듈(전

력 및 석유정제), 4개의 최종 용도 수요모듈(주택, 상업, 수송, 산업),

1개의 에너지/경제 상호작용 시뮬레이션 모듈, 1개의 세계 석유시장

(국제에너지상황) 시뮬레이션 모듈, 그리고 모든 모듈들 간의 전체 시

장균형을 도출하는 통합모듈(Integrating Module)로 구성되어 있다.

[그림 Ⅱ-20] NEMS의 지역구분

출처: EIA(2009)

64

나. 각 모듈의 특성

아래에서는 그림에 나타나 있는 각 모듈들을 하나씩 추가로 살펴보

기로 한다.

1) 통합모듈(Integrating Module)

NEMS의 통합모듈은 모든 NEMS 모듈을 통해 전체적인 시장 균형

점을 도출하기 위하여 반복되는 전체 NEMS 솔루션 프로세스를 제어

하는데, 그 주요기능은 다음과 같다.

✓ NEMS 전역 데이터 구조 관리

✓ 반복수렴 알고리즘 내에서 사용자가 선택한 모듈을 실행

✓ 수렴 체크 및 수렴결과로 산출된 변수 보고

✓ 변수 기준완화를 통한 수렴 가속화

통합모듈은 또한 에너지사용으로 발생한 탄소배출을 계산하고, 탄

소배출 한계를 설정하거나 배출비용을 에너지가격에 포함시키기 위한

배출정책관련 서브모듈을 포함하고 있다.

2) 거시경제활동 모듈(Macroeconomic Activity Module, MAM)

거시경제 활동 모듈은 NEMS와 NEMS의 공급, 수요, 전환모듈에

의한 경제요인변수들의 예측을 제공하는 거시경제 지표들을 제공한다.


3) 국제 에너지 모듈(International Energy Module)

세계전체 석유수요와 공급을 일치시키는 연간 평균 국제유가(원유

수입 정제사 획득비용)를 계산하는데, 여기에 5개의 원유등급에 대한

수입원유, 12개 유형의 석유정제품에 대한 수입정제품에 대한 공급곡

선을 제공한다.

4) 전환부문 모듈

가) 전력시장 모듈(Electricity Market Module)

전력시장모듈(EMM)은 석탄, 석유제품, 천연가스 등의 공급가격, 신

재생 연료를 사용한 발전비용, 자본비용, 국내투자관련 변수, 그리고

전력부하형태 및 수요에 영향을 받는 발전, 송전, 전력요금을 구현한다.

[그림 Ⅱ-21] 전력시장모듈 개념도

출처 : EIA(2009)

66

나) 석유시장 모듈(Petroleum Market Module)

석유제품 수요, 수입석유의 가용성 및 가격, 원유, 천연가스 액화,

에탄올 및 바이오디젤과 같은 알코올 및 바이오연료의 영향을 받는

석유제품 가격, 원유 및 석유제품 수입, 국내 정유공장가동을 계획한다.

다) 석탄시장 모듈(Coal Market Module)

열량 및 황 함유량으로 구분된 석탄의 최종수요의 영향을 받는 채

광, 수송, 그리고 석탄가격을 모의하며 미국의 석탄생산은 석탄시장

모듈(Coal Market Module)을 통해 지역, 채광유형, 석탄등급, 황 함유

량에 따른 40개의 공급곡선으로 구현된다.

5) 수요부문 모듈

가) 주택, 상업부문 수요모듈(Residential and Commercial Demand

Module)

주택부문 수요모듈(RDM)은 공급된 에너지의 가격, 가용한 설비목

록, 신재생에너지원의 가용성, 그리고 주택착공현황에 기초하여 주거

형태 및 최종사용에 의한 주택부문의 에너지소비량을 추정한다.

상업부문 수요모듈(CDM)은 공급된 에너지의 가격, 신재생에너지원

의 가용성, 그리고 이자율 및 건출면적을 나타내는 거시경제변수를 기

초로 하여 건물유형 및 비건물에너지사용, 그리고 최종사용 분류에 의

한 상업부문의 에너지소비량을 추정한다.


나) 산업부문 수요모듈(Industrial Demand Module)

산업부문 수요모듈은 공급된 에너지가격 및 고용에 대한 거시경제

변수와 각 산업의 출하량의 가치에 종속되는 열 및 전력, 공급원료,

그리고 21개 산업별 원료소재에 대한 에너지소비를 예측한다. 특히

산업부문(industrial demand module)의 수요모형은 에너지원별 전력,

석탄, 석유, 도시가스, 석유제품 시장, 집단에너지 등의 하부모듈을 구

성할 수 있다. 아래는 산업부문 수요모듈의 도식이다.

[그림 Ⅱ-22] 산업부문 수요모듈 구성

출처 : EIA(2009)

68

다) 수송부문 수요모듈(Transportation Demand Module)

수송부문 수요모듈은 에너지연료의 공급가격과 개인소득, GDP, 인

구, 이자율, 산업출하량을 나타내는 거시경제변수에 종속적인 수송형

태, 차량연식, 크기에 따른 석유제품, 전력, 메탄올, 에탄올, 압축천연

가스(CNG), 수소의 산업부문에서의 연료소비를 예측한다.

6) 공급부문 모듈

가) 신재생연료모듈(Renewable Fuels Module, 이하 RFM)

신재생연료모듈은 기존의 수력발전, 바이오메스(우드, 에너지작물,

바이오매스 혼합소각), 지열, 매립지가스, 태양열, 태양광(PV), 풍력에

너지를 포함하는 중앙통제실, 계통연계 발전기술에 대한 신재생자원

공급 및 기술투입정보를 구현하는 서브모듈이 포함되어 있다. RFM은

신재생자원의 공급량 추정을 포함하여 신재생에너지 개발 지역의 개

발 가능성에 대한 분석이 가능하다. 대부분의 신재생에너지원들은 전

력발전에 사용되므로 RFM은 일차적으로 EMM과 상호연관성을 갖도

록 설정되어 있다.21)

21) 자세한 신재생에너지부문 모듈(RFM)의 구조에 대해서는 EIA(2003, p. 50)을 참조

바람.


[그림 Ⅱ-23] 신재생에너지 모듈의 구조

출처 : EIA(2009)

위의 그림은 해당 모형에서 신재생에너지 부문에서 RPS(Renewable

Portfolio Standard)와 같은 정책 도입 및 그에 따른 효과를 분석하기

위한 구체적 모형의 구조를 나타낸 것이다. 이러한 모형의 가장 큰 특

성은 거시경제적 효과의 추적이 가능하도록 모형을 구성하고 운용할

수 있게 설계되어 있다는 점이다.

나) 석유 및 가스 공급모듈(Oil and Gas Supply Module)

석유 및 가스 공급모듈은 기존 또는 새로운 기법22)을 통해 디양한

70

공급원 간의 상호관계를 찾아내는 통합된 구조안에서 국내 원유 및

천연가스공급을 구현한다.

다) 천연가스 수송 및 공급모듈

(Natural Gas Transmission and Distribution Module)

천연가스 최종수요와 국내천연가스 및 국제시장에서 거래된 천연가

스의 가용성에 의해 영향을 받는 수송, 배급, 천연가스요금을 구현한다.

다. NEMS의 기능 및 영역

NEMS는 오랜 기간동안 개발되고, 여러 모듈의 혼합(hybrid) 형태

로 연계된 모델이고 각 모듈들은 여러 개의 서브모듈들로 구성되어

있어 각 서브모듈에서 계산된 변수 값이 통합모듈로 취합되어 이를

통해 다른 모듈들과 상호작용을 하도록 되어 있다. CGE등과 같이 복

잡한 파급효과과정을 거치기보다는 각각의 모듈의 효과를 확인할 수

있는 개별모듈들이 존재함으로써 이에 대한 해석이 용이하여, 새로운

에너지 프로그램들과 정책들에게 변화의 영향을 제공할 수도 있다는

점이 장점으로 작용하기도 한다.

분석가능 영역으로 에너지 세금 정책의 영향, 탄소 저감 정책에 대

한 에너지 가격의 반응 및 에너지 생산·소비에 미치는 영향, 세계 석

유 시장의 정세 변화에 대한 개발도상국의 에너지 시스템과 경제 시

스템의 반응, 소비와 생산, 배출에 있어 새로운 기술의 영향, 에너지

소비에 있어서 효율향상 및 신재생 에너지의 세금공제 같은 특수한

22) 탄층(coal bed)과 사암(sandstone) 및 혈암(shale)의 저투과성 형질로부터 천연가스

를 회수하는 것을 포함.


정책의 효과, 연료 사용 제약의 영향, 탐사와 생산 기술의 발전에 따

른 생산·가격에 대한 영향, 생산성 증가에 따른 가격에 대한 영향 등

을 들 수 있다. 또한 NEMS의 구현요소에는 에너지시장 상호작용, 에

너지의 공급·전환·수요의 상호작용, 시간에 따른 경제적 의사결정, 기

술 및 시간에 따른 기술향상 구현 등이 포함된다.

현재 미국 내에서는 NEMS 또는 NEMS 모형의 일부 모듈이 로렌

스 버클리 연구소(Lawrence Berkeley National Laboratory), 오크 리

지 연구소(Oak Ridge National Laboratory), 전력 연구소(the Electric

Power Research Institute), 국가 에너지기술 연구소(the National Energy

Technology Laboratory), 국가 신재생에너지 연구소(the National

Renewable Energy Laboratory) 그리고 몇몇 컨설팅 기업과 대학교에

서 운용되고 있다.

이 모형은 거시부문의 세부모형 뿐 아니라, 각 부문별 수요모형에

신재생과 전환부문을 고려한 공급부문의 제약이 주어져 여러 형태의

하부 모형이 합성된 형태로 이루어진 것으로 방대한 규모의 입력 자

료를 요구하고 있어, 남미의 여러 나라가 NEMS 모형을 자국에 적용

하고자 시도하였으나 성공적인 결과를 얻지 못하였고, 다만 캐나다가

MAPLE-C라는 형태로 NEMS모형의 자국적용에 성공하였다.

라. NEMS의 시멘트산업 모형화(예시)

아래에서는 에너지집약산업 중 그 모형이 가장 상세히 기술되어 있

는 시멘트 산업에 대해 NEMS가 어떤 모형구성을 하고 있는지를 살

펴봄으로써 NEMS의 산업모형구성 방법에 대해 간략히 살펴보기로

한다.

72

[그림 Ⅱ-24] 시멘트 산업의 공정흐름

출처: EIA(2013)23)

[그림 Ⅱ-25] 시멘트 산업의 세부 공정흐름

출처: EIA(2013)

23) 좀 더 상세한 내용은 U.S.G.S. Minerals Yearbook, 2006, Table 7, p. 16.14. http://minerals.usgs.gov/minerals/pubs/commodity/cement/myb1-2006-cemen.pdf. U.S.G.S. Minerals Yearbook, 2010, Table 1, p. 16.7. Website available at http://minerals.usgs.gov/minerals/pubs/commodity/cement/myb1-2010-cemen.pdf.


[그림 Ⅱ-26] 시멘트산업의 모듈

출처: EIA(2013)

NODE 1: 최종연마단계 (FINISH_GRIND_CAP)

×

여기서 는 각각 당해 연도, 기준연도를, 는 각각 출하량

(shipment)과 총산출가치를 나타낸다. 단 의 22는 시멘트산업의

코드를 나타낸다. 가 산정되면, 시멘트생산을 위한 최종연마투입량

()을 다음과 같이 산정할 수 있으며, 이는 다시 여러 출처로 구분이

74

된다. 는 시멘트량, 는 각각 공급, 수출, 수입, 그리고 재

고의 변동을 의미한다.

× 24)

여기서 는 비산회(flyash)에 대한 계수로 현재 5% 상수로 적용

되고 있다. 연마량 를 근거로 설비형태별( ) 기본 설비용량

은 다음과 같이 산정한다.

×

여기서 는 기술별 비중에 대한 자료로 Consolidated Impacts Modeling

System(CIMS)25)에 기반하고 있는 것으로 알려져 있다.

[그림 Ⅱ-27] 시멘트 산업의 신규용량의 survival 함수

출처: EIA(2013)

24) EIA (2013)의 식 (14), (16) 참조.25) Portland Cement Association and U.S. Department of the Interior, U.S. Geological

Survey.


한편 설비용량에 대해서는 연식을 적용한 모형이 사용되며, 새로운

설비의 지속성에 대해서는 상기와 같은 생존함수를 가정하고 있다.

NODE 2: KILN용량 단계 (KILN_CAPACITY)

NODE 1의 시멘트생산을 위한 최종연마투입량 중 KILN 공정을

통해 투입되는 량 은 수입과 additive를 통해 조달되는 비율을

제외한 량으로 표시되며, 다음과 같은 식으로 표시가 가능하다.

다시 흡식과 건식공정은 2008년 실제 비중자료를 통해 다음과 같이

구분된다.

×

× 단

NODE 3: BURNER 용량 (BURNER_CAP)

주어진 해당 년도의 각 기술별 시장비중은 기본적으로 다음과 같은

방법으로 산정이 가능하다.

76

<표 Ⅱ-17> 시멘트생산용 버너의 최초비중

출처: EIA(2013)

위 표는 서로 다른 연료를 사용하는 버너별 기술비중에 관한 표이다.

NODE 4: 기초연마 용량 (RAW_GRIND_CAP)

기초연마용량은 <표 Ⅱ-18>에 기초하여 모형화할 수 있다.

<표 Ⅱ-18> 초기연마과정의 배분

출처: EIA(2013)

원재료 투입을 이라고 하면,

×

여기서 손실률은 60%로 적용된다고 보고하고 있다.

위의 모형에서는 각 단계별로 필요한 용량 중 잔존하는 용량과 필


요 원자재투입(NODE 4), 필요 건식버너 용량(NODE 3), KILN 공정

투입 필요용량(NODE 2), 출하필요용량(NODE 1) 간의 차이가 나는

용량을 계산, 단계별 필요설비용량을 별도로 산정하고 있는 것이 특징

이다.

제3장 산업·수송 부문 정책 효과 분석방법론의 적용 79

제3장 산업·수송 부문 정책 효과 분석방법론의 적용

1. 요인분해분석

가. 요인분해 방법론을 통한 정책성과 평가

1) 에너지효율 지표 및 측정방법

에너지효율정책 성과(performance) 평가 척도로 에너지 효율(efficiency)

이 가장 널리 이용되고 있다. 에너지 효율(energy efficiency)은 투입과

산출의 비율로서 동일한 생산에 투입 에너지를 적게 사용하는 능력으

로 정의 된다. 에너지 효율에 대해 투입과 산출요소에 근거한 기술적,

물리적, 경제적 관점에서 정의되고 측정된다. 기술적 정의는 에너지

서비스 양 대비 에너지 투입량의 비율로 기술적 에너지 효율을, 물리

적 관점에서 정의는 서비스 및 재화 생산량 대비 에너지 투입량의 비

율로 물량 에너지원단위를 나타낸다. 경제적 관점에서 정의는 일정한

서비스와 재화의 생산액을 위해 투입된 에너지 비율로 부가가치 에너

지원단위를 의미한다.

가) 기술적 에너지효율

기술적 에너지효율은 에너지 기기 및 설비의 효율 지표로 널리 이

용되고 있다. 에너지사용 기기의 에너지서비스 생산량(동력, 열, 조명

등)은 에너지 투입량에 의해 결정되며, 다음과 같이 함수식으로 표시

된다.

80

여기서 는 에너지 서비스 생산량이며, 는 에너지 투입량을 나

타낸다. 에너지 투입량을 에너지 서비스 생산량 함수로 표시하면 상기

식은 다음과 표시된다.

에너지 서비스와 투입 에너지 간에 선형관계가 있을 경우 에너지소

비 양은 다음과 같이 표시된다.

여기서 는 기술의 에너지 전환효율을 나타내는 기술적 에너지효

율로 다음과 같이 표시 된다.

기술적 에너지 효율은 기기 및 설비의 기술적 효율 측정지표로 유

용하다. 에너지 소비량은 기술의 효율과 에너지 서비스에 대한 수요에

의해 결정된다. 여기서 노후 기기의 고효율 기기로 교체를 통한 기술

변화, 또는 불필요한 조명 소동 등 에너지 서비스의 낭비 요인 제거

등을 통해 소비량은 변동된다. 따라서 소비자의 소비행태를 상기 식에

추가하면 다음과 같이 표시된다.

상기 수식은 에너지소비 절감이 기술적 요인과 소비자의 행태적 요

인임을 보여준다. 여기서 기술향상으로 인한 에너지효율 증가분이 비

효율적인 소비행태로 일부 혹은 전체가 상쇄될 수 있다. 그리고 일반

적으로 기기의 기술적 효율은 일정 조건의 제약 하에서 측정되고 있


어 사용 환경의 변화에 따라 달라 질 수 있다. 따라서 에너지효율에

대한 정책효과 평가는 기술의 변화뿐 아니라 실제 사용행태의 변화까

지 함께 종합 분석이 필요하다.

나) 물량 에너지원단위

물리적(물량) 에너지원단위는 물리적 생산량에 대한 에너지 투입량

의 비율(techno-economic ratios)이다. 물량 에너지원단위는 단위당 평

균 에너지 소비를 나타내어 생산물 단위당 에너지소비(SEC: specific

energy consumption)로 칭하기도 한다. 철강 1톤의 생산을 위해 투입

된 에너지량(TOE/톤), 1인당 에너지소비량(TOE/인), 건물 에너지원단

위(TOE/건물 또는 면적), 수송 에너지원단위(TOE/자동차, 인-㎞, 톤-

㎞, ㎞) 등이 가장 좋은 물량기준 에너지원단위 예이다. 물량 에너지

원단위는 다음과 같이 정의되고 측정된다.

여기서 는 i 산출물 당 에너지 투입량(물량 에너지원단위), E i

는 i 산출물에 대한 에너지 투입량, 는 i 물리적 산출량을 나타낸

다. 물량 원단위에는 기술 수준과 에너지관리 행태 모두를 내재하고

있어 에너지효율 향상의 효과가 원단위()의 감소로 직접 나타난다.

또한 물량 원단위는 부가가치 원단위에서 발생하는 구조적 문제점도

없다.

그러나 물량 원단위는 중간재의 에너지 사용을 반영하지 못하는 내

생적 단점을 가지고 있다. 만약, 중간재를 외부에서 조달, 또는 외부에

82

판매 할 경우 중간재의 에너지소비를 최종 산출물에서 반영하여야 하

나 어렵다는 점이다. 또한 동질의 단일 생산품을 생산하는 경우는 측

정이 용이하나, 산업 단위에서는 여러 산출물을 생산하기 때문에 이러

한 물량기준의 지표사용이 어렵다. 이러한 단점 때문에 부가가치 기준

에너지원단위가 널리 이용되고 있다.

다) 부가가치 에너지원단위

특정 산업(i)의 에너지 원단위는 i 산업의 에너지 소비량을 생산으로

나눈 값( )으로 정의된다. 생산수준은 생산량(), 생산

액(), 부가가치( ) 등 여러 가지로 측정될 수 있다. 산업 단위에

서는 여러 산출물을 생산하기 때문에 물량기준의 지표사용이 어렵다.

대신 여러 재화에 동일하게 적용할 수 있는 불변가격 기준의 금액(부

가가치 또는 생산액)이 생산수준으로 이용되는 것이 일반적이다. 생산

액 기준 에너지원단위( )를 수식으로 표현하면 다음과 같다.

여기서, 는 생산량, 는 생산액( ). ( )는 i 재화의

가격( )의 역수로서 상수 값을 나타낸다. 상기 식에서 물량

원단위( )가 변하게 되면 생산액 기준 원단위( )도 변화하는

것을 보여준다. 물량 원단위가 중간재의 에너지 투입량을 반영하지 못

하는 내재적 한계를 가지고 있어 생산액 기준 원단위도 같은 한계를

갖는다.

따라서 에너지 원단위로 부가가치 기준 원단위가 가장 일반적으로


사용되고 있다. 부가가치 기준 원단위( )를 수식으로 표현하면 다

음과 같다.

상기 식은 물량 원단위( )가 변하지 않더라도 부가가치율

( )이 변하게 되면 부가가치 기준 원단위( )도 변화될 수 있

음을 보여준다. 즉, 물량 원단위의 변화 없더라도 해당 재화의 부가가

치가 상승하게 되면, 에너지 투입량이 감소하는 것으로 해석될 수 있

다. 에너지 효율에 대한 대리 지표로 널리 이용되고 있는 부가가치 기

준 원단위는 통상 부가가치 백만원(혹은 US1,000＄)당 투입 에너지

(toe)로 표기한다.

2) 요인분해를 통한 정책효과 분석 방법론

부가가치 에너지원단위는 생산에 대한 에너지소비 비율( )이며,

전체 산업 에너지원단위()는 업종별 생산비중( )과 업종별 에너지원

단위( )의 곱의 합으로 아래와 같이 나타낼 수 있다.

여기서, 는 총에너지소비, 는 i 업종의 에너지소비, 는 총부가

가치 생산액, 는 i 업종의 부가가치 생산액, 는 전체 에너지원단위,

는 i 업종의 에너지원단위, 는 i 업종 부가가치 비중() 이다.

84

상기 식에서 산업 전체 원단위는 산업구조와 업종별 원단위에 의해

결정되고, 산업 단위 변화는 산업구조 효과()와 업종 원단위 효과()

2가지 요인으로 분해 될 수 있음을 보여준다.

또한 업종별 원단위는 생산기술 변화에 따른 부가가치율의 변화에

따른 생산성 효과와 에너지기술 효과로 분리될 수 있다. 에너지기술

효과는 사용하는 연료원에 따른 에너지믹스 효과와 실질 에너지기

술 효과(순수 에너지 효율)로 분해될 수 있다. 에너지원별 사용설비

및 기기의 기술적 효율 수준을 달리 사용하는 연료원에 따라 업종 원

단위는 변한다. 따라서 특정 업종에서의 에너지믹스 변화는 에너지원

단위를 변화시키게 된다.

여기서, Xi는 i 업종의 총산출액(생산액), Mi는 i 업종의 에너지믹

스, Ei는 i 업종의 에너지효율 수준을 나타낸다. 정책에 따른 에너지효

율 수준을 파악하기 위해서는 위해 전체 원단위의 변화를 야기하는

요소들을 가능한 한 추가적으로 분리해 낼 필요가 있다. 즉, 산업 세

부 업종 원단위가 물리적 에너지 효율에 보다 근접하는 의미를 갖도

록 순수한 에너지효율 변화를 찾아낼 필요가 있다. 업종별 원단위는

전체적인 생산 기술 수준을 나타내는 생산성 효과와 에너지사용 기술

의 수준 나타내는 연료믹스에 의해 결정된다. 따라서 이들 요인에 대

한 추가적인 분리를 통해 순수 에너지효율의 변화에 따른 효과를 분

석하여 정책효과를 평가하고자 한다. 아래 그림은 본 연구에서 제안하

는 요소분해 분석의 구조로서 분해 요소들과 전체 산업의 원단위간의


관계를 나타내고 있다.

에너지원별 사용설비 및 기기의 기술적 효율 수준을 달라 사용하는

연료원에 따라 업종 원단위는 변한다. 따라서 특정 업종에서의 에너지

믹스 변화는 에너지원단위를 변화시키게 된다.

전체 원단위 산업구조(구조효과)

업종원단위(원단위효과)

생산기술(생산성효과)

에너지기술(효율효과)

연료믹스(믹스효과)

에너지효율(효율효과)

[그림 Ⅲ-1] 에너지 정책효과 분석을 위한 전체 원단위 변동 요인분해 체계

나. 제조업 대상 실증분석

본 연구에서는 2000년부터 2011년 기간 동안의 제조업 원단위 변

화를 로그 디비지아 평균방식을 활용하여 구조 변화, 업종 원단위 변

화, 생산성 변화, 연료믹스 변화, 에너지효율 변화 등 5개 요인에 의한

기여도를 분해하였다. 원단위 요인분해에 대한 선행연구 대부분은 구

조효과와 업종 원단위 효과 등 2 요소 분해 방식을 택하고 있다. 본

실증분석에서는 세부 업종의 원단위 변화에 대해 생산성 효과, 연료

믹스 효과 및 에너지효율 효과 에 대해 추가적인 요인분해를 수행하

86

였다.

요인분해 분석은 분석대상의 충분한 세분화를 전제로 하며, 세분화

의 정도가 심화될수록 각각의 효과를 보다 충실하게 파악 할 수 있다.

제조업의 업종별 세분화의 정도는 통상적으로 자료의 가용성에 의해

결정된다. 제조업의 업종을 에너지수급통계의 업종 분류를 기준으로

① 음식료담배, ② 섬유가죽, ③ 목재종이인쇄, ④ 석유화학, ⑤ 비금속

광물, ⑥ 1차금속, ⑦ 조립금속, ⑧ 기타 제조업 등 8개로 구분하였다.

업종별 에너지소비량은 열량환산 기준이 2007년 이후 변경된 점을

고려, 시계열의 일관성을 위하여 2007년 이전 자료를 신열량 기준으

로 환산하여 사용하였다. 생산 변수로 제조업의 부가가치(실질가격 기

준)를 사용하였다. 그리고 연료 믹스 효과의 경우 전력과 비 전력만을

대상으로 분석하였다.

1) 제조업 원단위 요인분해 결과(원료포함)

제조업 전체 에너지원단위 변화는 크게 구조효과와 업종 원단위 효

과로 나눌 수 있다. 업종 원단위 효과는 물리적 에너지효율 효과뿐만

아니라 투입요소의 생산성 효과와 연료믹스(연료대체) 효과를 포함하

는 비구조적 효과를 모두 포괄하고 있다. 2000년부터 2011년까지 제

조업 원단위 변화에 대한 승법적 요인분해 실증분석 결과는 [그림 Ⅲ

-2]에서 보는 바와 같다.

제조업 원단위 지수(2000년=1 기준)는 2000년에서 2011년까지 분

석대상 기간 동안 25.8% 개선되었다. 이를 요인별로 살펴보면 구조변

화 지수는 23.1% 개선되고, 업종 에너지원단위 지수는 3.5% 개선된

것으로 나타났다. 따라서 전체 제조업 에너지원단위 개선 중에서 구조


변화 효과가 89% 기여하고, 나머지 11%가 업종 에너지원단위 개선

효과가 기여한 것으로 분석되었다. 분석대상 기간 동안 구조변화 효과

가 전체 제조업의 원단위 개선을 주도하였는데, 이는 국내 제조업의

산업구조가 에너지저소비형으로 전환되고 있다는 것을 의미한다.

[그림 Ⅲ-2] 제조업 원단위변화 요인분해 결과(원료용 포함)

세부 업종의 에너지 원단위 변화에 대해 추가적 요인 분해 결과, 생

산성 효과와 연료 믹스 효과는 에너지 원단위 악화 요인을 작용하고

에너지효율 효과는 개선 요인으로 작용 한 것으로 나타났다. 분석대상

기간 동안 생산성 효과는 28.7%, 연료 믹스 효과는 6.2% 악화된 것으

로 분석 되었다. 반면에 에너지효율 효과는 29.4% 개선 된 것으로 분

석되었다. 따라서 업종 원단위는 생산성 악화 및 연료 대체에 따른 악

화요인에도 불구하고 에너지효율 향상으로 개선된 것으로 나타났다.

종합 해보면, 제조업의 원료용 포함 에너지원단위는 생산성 및 연료

대체에 따른 연료믹스가 원단위 악화 요인으로 작용 했음에도 불구하

88

고 구조 변화와 에너지효율 향상으로 개선된 것으로 나타났다. 그리고

에너지효율 향상에 따른 원단위 개선 효과가 총 29.4%로 구조변화 효

과에 따른 개선 효과 총 23.1%에 비하여 큰 것으로 나타났다.

년도제조업원단위

구조 효과원단위 효과

업종 원단위 효과

생산성 연료믹스 에너지효율

2000 1.000 1.000 1.000 1.000 1.000 1.000 2001 0.975 1.019 0.957 0.992 0.976 0.988 2002 0.939 1.001 0.939 0.95 1.00 0.99 2003 0.908 0.966 0.940 0.96 1.01 0.97 2004 0.841 0.932 0.902 0.98 1.00 0.92 2005 0.807 0.909 0.888 1.02 1.02 0.86 2006 0.767 0.877 0.875 1.09 1.00 0.80 2007 0.762 0.855 0.892 1.12 0.97 0.82 2008 0.758 0.821 0.923 1.32 1.04 0.67 2009 0.759 0.816 0.931 1.21 1.06 0.72 2010 0.715 0.791 0.903 1.20 1.04 0.72 2011 0.742 0.769 0.965 1.29 1.06 0.71

연평균개선율

-2.7% -2.4% -0.3% 2.3% 0.5% -3.1%

<표 Ⅲ-1> 제조업 에너지원단위(원료용 포함) 요인분해 지수(2000=1)

2) 제조업 에너지원단위 요인분해 결과(연료용)

제조업 부문의 원료용 에너지(납사, 원료탄 등)가 제조업 전체 에너

지소비에서 차지하는 비중은 60% 상회하고 있다. 원료용 에너지는 생

산 활동을 줄이지 않고는 소비를 줄이는데 한계가 있으며, 대체가 불

가능한 특성이 있다. 따라서 정책효과를 분석하기 위해서는 이러한 원

료용의 에너지 소비를 제외하고, 순수하게 에너지로 연료용으로 사용

된 에너지원만을 대상으로 분석이 필요하다. 2000년부터 2011년까지


제조업의 연료용 에너지원단위 변화 요인분해 결과는 [그림 Ⅲ-3]과

같다.

연료용 에너지 기준 제조업의 에너지원단위는 분석대상 기간 동안

원료용 포함 원단위(연평균 2.7% 개선)에 비하여 높은 연평균 3.7%

개선되었다. 제조업 원단위 연평균 개선율 3.7% 중에서 2.3%는 구조

변화 효과로 나타났고, 나머지 1.4%는 업종 에너지원단위 개선을 통

해 나타난 것으로 분석되었다. 원료용 에너지 사용을 제외한 연료용

기준 분석 결과가 원료용 포함 분석한 결과에 비하여 구조 효과 개선

은 다소 낮으나 업종 에너지원단위 개선에 따른 효과는 훨씬 큰 것으

로 나타났다.

[그림 Ⅲ-3] 제조업 원단위변화 요인분해 결과(연료용)

업종 에너지 원단위 변화에 대해 추가적 요인 분해 결과, 생산성 효

과와 연료 믹스 효과는 에너지 원단위 악화 요인으로 작용하고 에너

지효율 효과는 개선 요인으로 작용 한 것으로 나타났다. 업종 에너지

90

원단위 지수 연평균 1.4% 개선은 생산성 효과 지수와 연료 믹스 효과

지수는 각각 연평균 1.6%, 0.1% 악화되었음에도 불구, 에너지효율 효

과는 연평균 3.1% 개선된 것으로 나타났다. 따라서 업종 원단위 변화

에서 생산성과 연료 대체에 연료믹스는 원단위 악화요인으로 작용하

고, 에너지효율 향상은 개선효과로 작용하고 있는 것으로 보인다.

제조업의 연료용 에너지원단위는 생산성 및 연료 대체에 따른 연료

믹스가 원단위 악화 요인으로 작용 했음에도 불구하고 구조 변화와

에너지효율 향상으로 개선된 것으로 나타났다. 그리고 분석대상 기간

동안 에너지효율 향상에 따른 효과는 29.5%로 구조변화 효과 22.3%

에 비하여 큰 것으로 나타났다. 에너지효율 향상 효과는 연료 포함과

제외한 분석 모두 비슷한 수준으로 나타났다.


년도제조업원단위

구조 효과원단위 효과

업종 원단위 효과

생산성 연료믹스 에너지효율

2000 1.000 1.000 1.000 1.000 1.000 1.000 2001 0.958 0.990 0.968 1.000 1.015 0.954 2002 0.923 0.971 0.951 0.98 1.02 0.95 2003 0.883 0.939 0.940 1.00 1.03 0.92 2004 0.800 0.891 0.898 1.02 1.03 0.85 2005 0.759 0.866 0.876 1.04 1.02 0.82 2006 0.715 0.846 0.845 1.09 1.00 0.77 2007 0.684 0.829 0.826 1.11 1.03 0.72 2008 0.690 0.812 0.850 1.21 1.04 0.68 2009 0.689 0.820 0.839 1.15 1.02 0.72 2010 0.647 0.793 0.815 1.14 1.02 0.70 2011 0.663 0.777 0.853 1.19 1.01 0.71

연평균개선율

-3.7% -2.3% -1.4% 1.6% 0.1% -3.1%

<표 Ⅲ-2> 제조업 에너지원단위(연료용) 요인분해 지수(2000=1)

2. 계량경제모형 - 리바운드 효과 분석

가. 리바운드 효과 정의 및 연구의 필요성

에너지 효율성의 향상을 도모하는 이유는 근본적으로 에너지 소비

의 감소를 유도하기 위함에 있다고 할 것이다. 그러나 기술의 개발,

합리적인 사용 등에 의해 에너지 효율이 좋아지는 것은 바꾸어 말하

면 동일한 사용에서 발생하는 비용이 감소된다는 것을 의미하여 수요

법칙에 의해 소비량은 오히려 늘게 되는 일이 발생하게 된다. 이를 통

상적으로 “리바운드 효과”라 정의하고 에너지 효율 향상을 위한 시책

이나 전략의 효과를 평가하는 경우 고려해야 할 요소로 분류된다. 만

92

일 리바운드 효과가 존재하지 않는다면 에너지 소비 감소는 에너지

효율의 증가와 비례하여 발생하게 되는 까닭에 실제로 리바운드 효과

의 존재 여부를 판단할 때 해당 변수들의 관계가 이 “비례”에서 얼마

나 벗어나 있는가를 측정하여 판단하기도 한다.

수송부문에서의 리바운드 효과는 연비와 관련되어 발생한다. 동일

한 소비자라 할지라도 연비가 더 좋은 차량을 구매하여 사용할 경우

주행거리 당 연료비용이 감소할 경우 적어도 총 비용이 기존보다 늘

어나지 않을 만큼이라도 주행거리를 오히려 늘릴 가능성이 존재한다.

통상적으로 기존의 총 연료비용을 상회하는 수준으로 주행거리를 늘

릴 확률은 적을지도 모르겠으나, 차량의 연료효율의 증가로 발생한 연

료절감 효과를 많은 부분 상쇄시키는 방향으로 작용할 가능성이 있는

것이다. 따라서 연비규제의 효과를 판단하는 경우 리바운드로 인하여

성과가 실제보다 평가절하 되는 상황을 맞이할 수도 있다. 고연비를

택한 소비자의 선택과 저렴해진 주행비용에 직면한 차량사용 선택은

영향을 주고받지만 근본적으로 차별적인 선택이다. 따라서 연료절감

을 상쇄하는 리바운드 효과의 폭이 적어지도록 하는 목표로는 차별적

인 정책 방법을 사용하여 개선해야할 수도 있다. 이에 연비규제로 인

한 연료절감효과가 존재하였다면 그 전체로 평가하고 리바운드 효과

로 상쇄되는 부분은 독립적으로 추정하여 개선의 대상을 명확히 해야

할 필요가 있다.

이에 본 절에서는 수송부문의 리바운드 효과를 추정하기 위한 방법

론을 소개하고 이를 우리나라 자료에 적용하여 분석결과를 제시한다.

동 분석의 방법론은 Small and van Dender의 2007년 연구 방법론을

차용하였으며 이에 대한 소개는 계속되는 절에서 추가적으로 논의한


다. 개략적인 소개를 추가한다면, 본 연구에서는 리바운드 효과의 추

정을 위해 주행거리, 자동차 대수, 연료효율에 대한 수요가 동시에 결

정되는 연립방정식 모형을 구성하였다. 해당 모형은 OLS(Ordinary

Least Squares)와 3SLS(3-Stage Least Squares) 추정방식을 통해 추정

된 바, 리바운드 효과는 단계에 걸쳐 결정되는데 연비의 변화가 일단

외생적으로 주어진 상태에서 시작되어 다음단계에서 모형을 통해 내

생적으로 결정된다는 개념에 기본을 두고 있다.

따라오는 ‘나’절 에서는 리바운드 효과와 관련된 선행연구들을 살펴

보고 ‘다’절에서는 방법론에 대한 보다 자세한 논의를 진행하며 ‘라’

절에서는 분석에 사용된 자료의 출처 및 기초통계량을 제시하며 마지

막으로 ‘마’에서는 실증분석 결과에 대한 논의로 리바운드 효과의 추

정에 대한 분석의 끝을 맺는다.

94

나. 선행연구

David L. Greene의 1992년 연구는 리바운드 효과를 주행거리의 마

일 당 연료비용 탄력성으로 정의하고 추정하였다. 해당 실증 연구에서

는 시계열 자료를 이용하였는데 1966년에서 1989년까지의 미국의 연

간자료를 사용하여 분석한 결과 단기 및 장기 리바운드 효과는 5% ~

15% 사이인 것으로 추정되었다.(가장 정확한 추정결과는 12.7%) 또

한 기술적인 연비 개선으로 인한 승용차와 경형트럭에서의 에너지 절

감의 주행거리 증가로 인한 감소는 미미한 것으로 나타났다. 마일 당

연료비용 탄력성은 시간이 경과함에 따라 감소하는 것을 밝혔다.

David L. Greene, James R. Kahn, Robert C. Gibson의 1999년 연

구는 미국의 EIA(Energy Information Administration)을 통해 15년 동

안 3년 주기로 조사된 서베이 데이터를 이용하여 리바운드 효과를 분

석하였다. 장기 리바운드 효과는 20%수준으로 추정되었고 소비자는

연비의 변화 혹은 갤런 당 연료가격 변화에 정도는 유사하나 다른 방

향으로 반응하는 것으로 나타났다.

Clifton T. Jones의 1993년 연구에서는 Greene의 연구에 1990년 자료

를 추가하고 시계열 분석과 관련된 문제를 개선하여 다시 한 번 동일한

연구를 수행하였다. 동 연구에서는 Greene의 자기상관 모형(AR(1))이

통계적으로 적절하지만 이 외에도 lagged-dependent variable 분석모형

을 사용하여 비교분석하였다. lagged-dependent variable 모형의 사용

했을 때 장기 리바운드 효과(31%)는 단기 리바운드 효과(11%)를 훨

씬 상회하는 결과가 도출되었다.

Kenneth A. Small and Kurt van Dender(2007)는 1966년에서 2001

년의 미국 주별 자료를 활용하여 연비의 개선이 주행거리 변화에 미


치는 영향, 즉 리바운드 효과를 분석하였다. 단기 및 장기 리바운드

효과는 각각 4.5%와 22.2%로 추정되었고 연료비용이 싸지는 효과에

힘입어 소득이 증가할수록 리바운드 효과는 시간이 지남에 따라 현저

히 감소하게 되는 것으로 나타났다. 1999년에서 2001년 사이의 변수

값들을 기준으로 측정했을 때 리바운드 효과는 2.2%와 10.7%에 불과

한 것으로 조사되었다.

일련의 다른 연구들은 pooled cross-sectional time-series 자료를 사용

하여 보다 소규모의 지역을 단위로 분석하였다. 대표적으로 Jonathan

Haughton과 Soumodip Sakar의 1996년 연구에서는 1970년부터 1991

년까지 미국의 50개주와 워싱턴 DC의 자료를 사용하여 휘발유 세의

증가가 휘발유 소비, 주행거리, 교통사고 사망률에 미치는 영향을 분

석하였다. 미국에서 연료 가격은 주별로 차이를 보이는데 이는 주마다

연료 소비에 부과되는 세율이 다르기 때문이다. 이와 같은 차이를 이

용하면 연료가격의 변화가 주행거리에 어떠한 변화를 주는지를 분석

할 수 있다. 이에 동 연구에서는 주행거리 당 휘발유 사용과 운전자 1

인당 주행거리에 대한 추정식을 독립적으로 구성하여 추정하였다. 추

정결과에 따르면 단기 리바운드 효과는 16% 장기 효과는 22% 수준

인 것으로 나타났다.

미시 데이터를 이용하여 리바운드 효과를 추정하는 연구에는 Don

Pickrell과 Paul Schimek의 1999년 연구가 있다. 동 연구에서는 1995

년 Nationwide Personal Transportation Survey 자료를 사용해 횡단면

분석을 하였다. NPTS의 서베이 자료는 가계의 차량 보유와 사용 및

행태적 특성의 변화에 대한 정보를 제공한다. 이러한 자료에 대한 분

석을 통해 동 연구는 개인의 주행거리 증가와 그 원인, 가계가 보유하

96

고 있는 차량의 숫자, 차종, 연식의 분포변화, 차량 사용 패턴 변화 등

에 대해 분석하였다. 이 분석에는 리바운드 효과의 추정도 포함되었는

데 동 연구에서 도출한 리바운드 효과는 4%정도에 불과한 것으로 나

타났다.

일 년 동안의 횡단면 분석을 통하여 분석한 Sarah E. West의 2004년

연구도 리바운드 효과를 추정하였다. 1997년 CES(Consumer Expenditure

Survey) 자료를 이용하여 분석한 결과, 리바운드 효과가 소득 수준에

따라 감소하는 경향을 보이나 전체적으로 87% 수준으로 추정되었다.

<표 Ⅲ-3>은 David L. Greene, James R. Kahn and Robert C.

Gibson(1999)에서 발췌한 표로 1980년대~1990년대에 리바운드 효과

분석을 진행한 연구에 대한 비교가 정리되어 있다. 가구당 보유 차량

대수가 1대, 2대, 3대 이상인 경우를 나누어서 시행한 분석도 다수 존

재하는 것으로 나타났으며 실제로 추정된 리바운드 효과는 차량 보유

대수에 따라 차별적으로, 특히 차량의 보유대수가 많아질수록 탄력성

이 더욱 크게 나타나는 것으로 보인다. 자료는 미국의 CES 자료 등

서베이 자료가 주를 이루었으며 해당 미시데이터를 이용하여 추정한

리바운드 효과는 대략적으로 20%~40% 수준이 주를 이루는 것으로

나타난다.


연구1대/1가구

(총) 2대/1가구 3대/1가구 자료종류 표본개수

Puller & Greening (1996,1997)

cost-per mile (cpm)

-0.485 U.S. CES, 1984-90

90,872 인터뷰

(34,535 가구)

Goldberg(1996) OLS 축약형

모형, 도구변수-0.22 U.S. CES,

1984-90 2,954 가구

Golob et al. (1996) cpm 0.01 California,

1993Greening et al.

(1995) cpm -0.292 U.S. CES, 1990

9,864 분기별 가구 자료

Walls et al. (1993) cpm -0.288 -0.408 -0.782 U.S. NPTS,

1990

22,317 가구, 차량

41,178대

Oum et al. (1992) cpm (-0.28)

1984년에서 1990년사이 개제된 7개의 연구 결과

Hensher et al. (1990) cpm -0.222 -0.317 -0.389

1981-1982 서베이자료

(호주, 시드니)1,172 가구

Hensher & Smith (1986) cpm

단기:장기: (-0.099)

(-0.260)

서베이자료(호주, 시드니) 1,434 가구

Mannering (1986)cpm -0.280 -0.150 서베이자료

(U.S.) 364 가구

Train(1986)cpm -1.607 -0.202 U.S. NTS,

1978 1,095 가구

Mannering & Winston(1985)

cpm-0.228 -0.059 NIECS, 1978,

RTECS, 1979 3,487 가구

<표 Ⅲ-3> 주행거리의 주행(연료)비용 탄력성 연구 비교

98

연구1대/1가구

(총) 2대/1가구 3대/1가구 자료종류 표본개수

Grenne & Hu (1984) mpg -0.307 -0.328~

-0.372-0.319~-0.413

U.S. 휘발유 구매 서베이

1978-198146,217대

Mannering (1983) cpm -0.113 RTECS,

1979-1980 272 가구

Arch. & Gill (1981)

(a) Price(b) Price

-0.418-0.610

-0.418-0.157

U.S. CES, 1972-73 1,853 가구

Arch. & Gill (1980)Price -0.430 -0.428

U.S. CES, 1972-73 1,853 가구

출처: David L. Greene, James R. Kahn and Robert C. Gibson(1999)

다. 방법론

본 연구에서는 Small and van Dender(2007) 연구의 방법론과 2001

년에서 2011년까지의 자료를 이용하여 분석을 수행한다. 본 절에서는

해당 방법론에 대해 소개하며 변수와 공식의 표기는 Small and van

Dender(2007)의 방식을 따랐음을 밝혀두는 바이다.

수송연료의 리바운드 효과는 연료효율을 나타내는 변수 가 외생적

으로 변화하는데 따른 효과로 정의되며 다음과 같은 관계가 성립된다.

여기서 는 수송연료 소비량을 나타내고 은 연간주행거리로 정

의되며 또한 아래와 같은 식도 성립된다.


는 리터 당 연료가격을 의미하여 은 단위 주행거리(km) 당

연료비용을 나타내게 된다.

리바운드 효과는 주행거리()가(다른 변수보다) 운행 km 당 발생

하는 비용, 즉 km당 연료비용에 영향을 받기 때문에 발생한다. 연료

효율이 좋아질 경우 동일한 거리를 보다 적은 연료를 이용하여 운행

이 가능하게 되고 따라서 연료비용이 감소하게 된다. 단 이렇게 연료

비용이 감소하는 것은 1km 주행의 비용이 종전보다 저렴해지는 상황

인 까닭에 수요법칙에 의해 소비자는 주행거리를 증가시킬 가능성이

다분하다. 리바운드 효과는 이와 같이 증가한 주행거리로 인해 추가적

으로 발생하는 연료소비를 일컬으며 본 연구에서 리바운드 효과는 거

리 당 연료비용()의 변화에 따른 주행거리()의 탄력성(≡)

을 통해 추정한다. 연료효율()이 외생변수로 주어지는 경우 연료소

비의 연료효율 탄력성은 탄력성 공식은 다음과 같이 정리된다.

26)

즉, 이 0이 아닌 것은 연료 소비 가 에 반비례하지 않는다

는 것을, 의 절댓값은 1보다 작은 것을 뜻하여 이를 보통 리바운

드 효과로 정의한다.

이와 같은 리바운드 효과의 추정은 그러나 연료효율이 외생적으로

결정되는 것이 아닌 연료의 가격이나 주행거리를 결정하는 변수에 영

향을 받아 내생적으로 결정된다는 가정에 근거한다. 보다 구체적으로

26) ∆

∆

∆

∆⋅∆⋅⋅

∆

∆

∆

⋅

100

는 다음과 같은 선택결정을 동시에 내린다는 전제하에 모형이 구성된

다. 첫 번째는 주행거리에 대한 선택이다. 소비자는 차량의 크기, 거리

당 운전비용 등을 감안하여 주행거리에 대한 결정을 하게 된다. 두 번

째는 차량 대수의 선택이다. 소비자는 차량을 소유할 것인가, 한다면

얼마나 많은 차량을 구매할 것인가에 대한 결정을 신차의 가격, 운전

비용과 여타의 특성들을 감안하여 내리게 된다. 마지막으로 연료효율

은 연료의 가격 및 규제환경, 주행거리를 결정하는 변수들에 의해 영

향을 받아 결정된다. 본 연구에서 연료효율은 사용 연료효율을 나타내

며 따라서 이는 생산자와 소비자 사이의 상호작용을 거쳐 결정되는

변수라고 할 수 있다. 또한 이와 같은 결정에는 다양한 모델의 상대가

격에 대한 제조업자의 조정, 소비자의 폐차 결정, 운전 습관과 같은

다양한 요인이 포함된다. 이러한 상호작용 및 요소들을 보다 구체적으

로 고려하는 동태적 모형을 구성하는 것은 의미가 있다고 하겠으나

본 연구의 범위에서는 벗어나 추후의 과제로 남겨두기로 한다.

이에 따라 리바운드 효과를 도출하는데 필요한 모수들은 주행거리,

자동차 등록대수(혹은 판매량), 연료효율을 동시에 결정하는 연립방정식

모형을 이용하여 추정하게 된다. 이 구조방정식(structural equations)

은 다음과 같이 나타낼 수 있다.

(1)

은 성인 일인당 총 주행거리, 는 성인 일인당 자동차 크기 평균,

는 연료 효율, 는 신차의 가격지표, 는 연료 가격,

는 거리(km)당 연료비용, , , 는 절편을 포함한 외생변수들


을 지칭하며 는 평균 연료 효율에 직간접적으로 영향을 주는 규제

정책들을 나타낸다.

식 (1)의 구조모형은 부분 축약형(partially reduced form)으로 변형

이 가능하다.27)

≡ (2)

위의 식은 는 제거한 반면 는 그대로 남아있는 까닭에 “부분”

축약형으로 분류되며 는 에 포함되어 내생성 문제가 존재하게

된다. 부분축약형 모델을 이용하여 표현하는 경우 리바운드 효과는

으로 나타낼 수 있는 바 이는 의 변화에 따른 축약형 모형

에서 도출된 ⋅의 탄력성이라 정의할 수 있다. 식 (2)를 미분하고

정리하면 는 다음과 같이 나타낼 수 있다.

≡

⋅

⋅

⋅

앞서 정의한 구조방정식을 기반으로 하여 실증분석 방법론을 구성

한다. 먼저 주행거리, 자동차 판매량, 연료효율에 존재하는 행태적 관

성을 종속변수의 시차변수로 정의하고 설명변수로 포함한다. 구조방

정식에서 명시가 추가적인 설명변수들을 포함시켜 추정식을 구성하면

다음과 같다.

(3)

27) 두 번째 식을 첫 번째 식 에 대입

102

위 식에서 소문자로 표시된 모든 변수는 log를 취한 값이며 는

성인 일인당 주행거리 평균 자연로그 값, 는 성인 한명 당 평

균 자동차 대수의 자연로그 값, 는 연료 효율의 역수(주행거리-연

료 비율)에 자연로그를 취한 값, 는 연료 가격의 자연로그 값,

는 거리(km)당 주행비용의 자연로그 값 ( ), 는 신차 가

격 지수의 자연로그 값, 는 연료 효율 규제 변수, 마지막으로

는 평균이 0인 잔차항을 의미한다.

식 (3)을 추정한 결과를 이용한 단기 리바운드 효과는 다음 같이 도

출된다.

두 번째로 단기 주행거리의 신차 가격 탄력성은 다음과 같이 계산

되며,

마지막으로 단기 주행거리-연료 비율의 연료 가격 탄력성은 다음과

같이 도출한다.

식 (3)에서 연료효율을 설명하는 마지막 공식의 설명변수에는 규제

정책 변수()가 포함되어 있다. 동 변수는 규제의 강도를 측정하는

변수로 직접관찰은 가능하지 않아 추정을 하게 된다. 를 추정하

는 방법 역시 Small and van Dender(2007)의 방법론을 따랐으며 절차

에 대한 설명은 다음과 같다.


먼저 규제가 부재했던 기간의 자료만을 가지고 Dataset을 구성하여

연료소비강도(fuel intesity)에 대한 추정을 시행한다. 추정식은 식 (3)

에 포함된 모든 외생변수를 포함하는 것을 원칙으로 하며 연료소비강

도의 시차변수 또한 포함되게 된다.

⋅ ⋅ (4)

는 지역, 은 축약형 모델임을 나타내는 지수이고, 는 모든

외생변수를 의미한다.

시차변수의 계수 은 다음과 같은 부분조정모형(Partial Adjustment

Model)에 따라 조정계수로 정의된다.

는 장기의 바람직한 연료소비강도(logged) 수준을 의미한다.

즉, 소비자와 생산자는 를 초래하는 차종으로 바꾸기를 희망하지

만 바로바로 신차를 구입할 수 없는 까닭에 조정은 시간을 두고 천천

히 일어나며 이러한 조정의 속도를 반영하는 것이 계수 이다.

로 가정하면 목표 연료소비강도는 다음과 같이 나타낼 수

있다.

다음으로 전국 평균 목표 연료소비강도를 도출한다.

exp

은 기의 지역 의 총주행거리를 의미한다.

104

마지막으로 바람직한 연비 혹은 목표 연비

가 평

균연비기준 를 하회하는 경우 평균연비규제가 구속력을 갖는다

고 정의한다. 이에 평균연비규제의 강도를 측정하는 규제변수는

max 혹은 로그를 취하여 다음과 같이 나타낸다.

max

여기서 ln, ln

로 정의된다. 따라서 는 지역별

이 아니라 전국의 평균으로 추정된다.

라. 실증분석 자료

추정모형에 사용될 변수는 <표 Ⅲ-4>에 요약되어 있다. 본 연구의

분석은 지역(시도) 자료를 기반으로 구성되어 앞서 소개한 연립방정식

모형의 추정을 통해 이루어졌다. 따라서 자료는 2003년에서 2011년까

지 지역 패널데이터 형식으로 구성되었다고 할 수 있다. 대상이 되는

차종은 승용차(다목적 포함)와 승합차이며 자료의 일관성 측면에서 휘

발유를 연료로 사용하는 차량만을 대상으로 하였다. 먼저 주행거리는

교통안전공단에서 매해 발행되는 ‘자동차 주행거리 실태조사 연구’를

취합하여 자료를 구성하였으며 해당 기초통계량은 <표 Ⅲ-7>에서 확

인할 수 있다. 연간 연료소비량의 경우 지역별로 수송부문에 해당하는

소비량이 합산된 자료만 존재하여 차종별로 소비량 구분은 2002,

2005, 2008, 2011 에너지총조사자료집의 차종별 연료소비량을 기준으

로 비중을 산정하고, 자료가 누락된 년도는 기간별로 균등하게 내삽

(interpolate)하였다. 이렇게 도출된 비중으로 소비량을 차종별로 나누

어 자료로 사용하였다. 여타 변수에 대한 통계량과 출처는 <표 Ⅲ-5>

에서 <표 Ⅲ-13>에서 확인할 수 있다.


변수병 정의주행거리 ()

연료비용 ()실질연료가격(won/L)/리터 당 주행거리(km/L)(리터당 주행거리(km/L) = 연간주행거리(km) /연간연료소비량(Liter))

소득 () 일인당지역별총생산(백만원)단위포장도로 (m) 당 성인인구 () 성인인구/포장도로길이

가구크기 () 인구수/세대수

인당 차량등록대수 () 차량등록대수/성인인구

이자율 () 신협 일반대출금리

운전면허소지자비욜 () 면허소지자/성인인구

연료소비강도 () 연료소비량/연간주행거리

연료가격 () 연료가격

규제변수 ()

<표 Ⅲ-4> 변수명과 정의

지역명 2005 2006 2007 2008 2009 2010 2011 합 계

강원 342 335 348 343 370 381 373 2,493경기 2,283 2,352 2,500 2,549 2,658 2,793 2,853 17,988경남 637 650 687 707 750 785 789 5,004경북 552 566 610 618 663 690 690 4,388광주 223 212 241 243 262 289 295 1,765대구 392 379 398 400 427 466 480 2,942대전 247 244 263 274 290 302 313 1,932부산 522 525 540 534 552 596 597 3,865서울 1,616 1,614 1,620 1,571 1,587 1,598 1,571 11,177울산 226 225 237 242 251 270 277 1,730인천 432 436 464 480 502 498 520 3,333전남 311 292 326 323 346 367 368 2,333전북 343 328 321 338 348 391 402 2,470제주 87 83 82 60 67 103 102 585충남 463 476 507 519 555 572 570 3,662충북 334 338 357 368 389 406 409 2,601

출처: 한국석유공사, petronet

<표 Ⅲ-5> 휘발유 국내소비 (시군구별/제품별/산업별-수송부문)

단위: 1,000 KL

106

년제품

서 울 부 산 대 구 인 천 광 주 대 전 울 산 경 기

2003년 1,341 1,291 1,275 1,318 1,285 1,299 1,292 1,3122004년 1,407 1,360 1,348 1,386 1,371 1,370 1,363 1,3772005년 1,479 1,430 1,414 1,446 1,433 1,443 1,435 1,4432006년 1,539 1,497 1,490 1,496 1,477 1,505 1,501 1,5012007년 1,582 1,532 1,524 1,535 1,517 1,525 1,533 1,5382008년 1,752 1,692 1,690 1,694 1,681 1,694 1,696 1,6952009년 1,666 1,611 1,600 1,599 1,595 1,601 1,599 1,6042010년 1,776 1,714 1,701 1,714 1,699 1,714 1,706 1,7142011년 1,996 1,932 1,919 1,938 1,910 1,934 1,923 1,9362012년 2,059 1,984 1,966 1,987 1,962 1,987 1,974 1,994평 균 1,660 1,604 1,593 1,611 1,593 1,607 1,602 1,611

년제품

강 원 충 북 충 남 전 북 전 남 경 북 경 남 제 주

2003년 1,301 1,267 1,276 1,262 1,265 1,273 1,285 1,3502004년 1,362 1,342 1,349 1,341 1,347 1,344 1,353 1,4152005년 1,423 1,405 1,414 1,417 1,412 1,408 1,423 1,4742006년 1,481 1,465 1,474 1,474 1,471 1,477 1,485 1,5152007년 1,511 1,493 1,500 1,506 1,509 1,503 1,515 1,5412008년 1,687 1,679 1,684 1,671 1,684 1,681 1,686 1,6952009년 1,601 1,595 1,597 1,581 1,597 1,586 1,591 1,6152010년 1,714 1,705 1,707 1,695 1,698 1,699 1,704 1,7342011년 1,932 1,925 1,929 1,916 1,915 1,918 1,920 1,9322012년 1,987 1,986 1,995 1,977 1,974 1,969 1,973 1,988평 균 1,600 1,586 1,592 1,584 1,587 1,586 1,594 1,626

출처: 한국석유공사, petronet

<표 Ⅲ-6> 지역별주유소 휘발유 가격

단위: 원/L


시도 등록 대수1대당

1일 평균일간

주행거리월간

주행거리연간 주행거리

서울특별시 1,640,306 26.0 42,606,769 1,295,955,904 15,551,470,852부산광역시 609,570 28.8 17,540,328 533,518,302 6,402,219,626대구광역시 509,798 29.6 15,073,416 458,483,073 5,501,796,881인천광역시 453,793 28 12,703,440 386,396,289 4,636,755,473광주광역시 251,240 30 7,525,179 228,890,861 2,746,690,329대전광역시 306,969 28.6 8,791,874 267,419,491 3,209,033,890울산광역시 241,215 29.3 7,069,675 215,035,952 2,580,431,424경기도 2,142,116 30.2 64,683,938 1,967,469,772 23,609,637,265강원도 268,712 30.2 8,122,113 247,047,594 2,964,571,124충청북도 284,463 31 8,818,941 268,242,777 3,218,913,330충청남도 385,184 32.2 12,416,772 377,676,812 4,532,121,742전라북도 307,638 31.7 9,741,339 296,299,047 3,555,588,560전라남도 277,353 32.6 9,051,542 275,317,724 3,303,812,689경상북도 516,961 31.8 16,417,490 499,365,323 5,992,383,880경상남도 716,101 31.5 22,574,129 686,629,749 8,239,556,988

제주특별자치도 98,497 27.9 2,744,831 83,488,611 1,001,863,330출처: 교통안전공단, 2011년도 자동차 주행거리 실태분석 연구

<표 Ⅲ-7> 2011년 기준 지역별 전체 휘발유차량 주행거리 통계 (대, km)

시도별 2003 2004 2005 2006 2007 2008 2009 2010 2011 서울특별시 19.43 19.82 20.87 21.94 23.55 24.64 25.49 27.03 28.22 부산광역시 12.03 12.70 13.40 13.90 14.92 16.02 15.92 17.17 17.93 대구광역시 10.33 10.95 11.47 12.16 13.01 13.22 13.25 14.41 15.12 인천광역시 14.14 15.12 15.67 16.64 18.12 17.83 18.67 20.96 21.52 광주광역시 11.47 12.05 13.09 14.03 14.64 14.87 14.95 16.88 17.39 대전광역시 12.57 13.23 13.64 14.06 14.88 15.50 16.09 17.48 18.21 울산광역시 33.43 38.40 38.97 40.22 44.64 48.16 46.87 54.07 61.88 경기도 14.56 15.59 15.95 16.69 17.55 17.71 18.31 20.08 20.69 강원도 14.31 15.00 15.46 16.30 17.62 17.79 18.44 19.39 20.20 충청북도 15.83 17.59 18.00 18.85 20.10 19.98 21.24 23.81 25.18 충청남도 20.97 23.10 24.76 26.44 27.97 28.82 31.95 36.79 40.34 전라북도 12.24 13.32 13.88 14.71 15.96 16.49 17.79 19.31 21.08 전라남도 18.67 21.10 23.12 23.04 26.03 29.19 28.59 33.06 35.17 경상북도 19.05 22.01 23.29 23.62 24.21 25.67 26.30 29.80 30.82 경상남도 16.66 17.83 18.74 19.79 22.08 23.50 24.24 25.67 26.90 제주도 12.99 13.95 14.71 14.90 16.10 16.26 17.71 19.15 20.38

출처: 통계청

<표 Ⅲ-8> 일인당 지역내 총생산 - 일인당 지역내 총생산 (백만원)

108

행정구역 2003 2004 2005 2006 2007 2008 2009 2010 2011 서울특별시 7,736 7,779 7,831 7,893 7,943 7,996 8,051 8,205 8,210 부산광역시 2,799 2,804 2,806 2,805 2,803 2,803 2,806 2,850 2,856 대구광역시 1,851 1,858 1,862 1,862 1,870 1,881 1,893 1,928 1,940 인천광역시 1,848 1,868 1,900 1,935 1,978 2,015 2,045 2,104 2,155 광주광역시 980 990 997 1,007 1,016 1,028 1,043 1,067 1,082 대전광역시 1,024 1,039 1,055 1,070 1,082 1,093 1,103 1,128 1,146 울산광역시 749 763 774 784 796 811 821 838 854 경기도 7,270 7,504 7,737 7,944 8,137 8,329 8,513 8,836 9,022 강원도 1,140 1,143 1,146 1,147 1,151 1,162 1,172 1,194 1,207 충청북도 1,091 1,099 1,107 1,118 1,133 1,149 1,162 1,187 1,206 충청남도 1,421 1,459 1,478 1,496 1,518 1,543 1,563 1,602 1,630 전라북도 1,436 1,418 1,412 1,406 1,407 1,411 1,418 1,439 1,452 전라남도 1,511 1,499 1,495 1,486 1,482 1,481 1,484 1,498 1,504 경상북도 2,047 2,043 2,053 2,067 2,073 2,080 2,091 2,122 2,142 경상남도 2,289 2,307 2,336 2,360 2,389 2,424 2,459 2,509 2,541 제주도 397 401 405 408 409 412 416 425 432

출처: 통계청

<표 Ⅲ-9> 행정구역별 성인인구 (천명)

행정구역 2003 2004 2005 2006 2007 2008 2009 2010 2011 서울특별시 10,174 10,173 10,167 10,181 10,193 10,201 10,208 10,313 10,250 부산광역시 3,691 3,666 3,638 3,612 3,587 3,565 3,543 3,568 3,551 대구광역시 2,530 2,525 2,511 2,496 2,493 2,493 2,490 2,512 2,507 인천광역시 2,570 2,579 2,600 2,624 2,665 2,693 2,711 2,758 2,801 광주광역시 1,396 1,401 1,402 1,408 1,413 1,423 1,434 1,455 1,463 대전광역시 1,432 1,443 1,455 1,466 1,476 1,481 1,484 1,504 1,516 울산광역시 1,073 1,081 1,088 1,092 1,100 1,112 1,115 1,126 1,135 경기도 10,207 10,463 10,697 10,906 11,106 11,292 11,461 11,787 11,937 강원도 1,527 1,521 1,513 1,505 1,504 1,509 1,513 1,530 1,536 충청북도 1,490 1,489 1,489 1,495 1,507 1,520 1,527 1,550 1,563 충청남도 1,913 1,953 1,963 1,974 1,996 2,019 2,038 2,076 2,101 전라북도 1,954 1,907 1,885 1,868 1,862 1,856 1,855 1,869 1,874 전라남도 2,018 1,986 1,967 1,943 1,930 1,919 1,913 1,918 1,914 경상북도 2,721 2,696 2,688 2,689 2,681 2,674 2,670 2,690 2,699 경상남도 3,139 3,144 3,160 3,173 3,197 3,225 3,250 3,291 3,309 제주도 552 555 558 558 559 561 563 571 576

출처: 통계청, 인구·가구 – 주민등록인구통계

<표 Ⅲ-10> 주민등록인구 (천명)


시도 2005 2006 2007 2008 2009 2010 2011 2012서울시 8,047 8,071 8,104 8,142 8,144 8,145 8,198 8,198부산시 2,629 2,653 2,681 2,895 2,900 2,928 2,983 3,220대구시 2,190 2,212 2,271 2,349 2,366 2,410 2,435 2,362인천시 2,003 2,120 2,204 2,189 2,246 2,256 2,314 2,315광주시 1,354 1,368 1,404 1,477 1,588 1,604 1,610 1,657대전시 1,682 1,703 1,846 1,861 1,886 1,893 1,930 1,929울산시 1,501 1,549 1,590 1,623 1,639 1,664 1,671 1,742경기도 10,906 10,658 10,746 10,992 11,145 11,351 11,359 11,593강원도 6,511 6,561 6,651 6,814 6,923 7,012 7,081 7,611충북 4,672 4,805 4,909 5,026 5,100 5,179 5,267 5,182충남 5,544 5,585 5,657 5,703 5,926 6,005 6,032 5,618전북 5,485 5,464 5,566 5,644 5,666 5,795 5,850 5,936전남 6,899 6,936 7,046 7,112 7,337 7,446 7,614 8,319경북 8,314 8,473 8,757 8,801 8,964 9,080 9,260 9,410경남 8,182 8,365 8,533 8,517 8,677 8,738 8,824 9,801

제주도 2,667 2,671 2,675 2,684 2,687 2,690 2,694 2,965출처: 통계청, e-나라지표

<표 Ⅲ-11> 포장도로길이 (km)

행정구역 2003 2004 2005 2006 2007 2008 2009 2010 2011 서울특별시 3,715 3,780 3,871 3,979 4,046 4,098 4,117 4,224 4,193 부산광역시 1,236 1,251 1,271 1,289 1,301 1,312 1,324 1,371 1,381 대구광역시 845 853 866 875 884 895 906 935 941 인천광역시 892 909 934 965 996 1,015 1,027 1,060 1,078 광주광역시 461 470 482 495 504 513 524 541 549 대전광역시 480 492 506 518 526 532 538 556 566 울산광역시 348 356 365 373 381 390 394 406 413 경기도 3,592 3,748 3,911 4,069 4,184 4,284 4,359 4,527 4,579 강원도 552 563 574 584 594 607 618 639 649 충청북도 523 534 547 562 574 587 599 617 627 충청남도 692 736 756 774 796 813 828 854 869 전라북도 672 675 684 693 701 711 721 741 754 전라남도 737 742 752 758 766 773 783 800 805 경상북도 974 985 1,006 1,030 1,045 1,058 1,073 1,101 1,115 경상남도 1,074 1,096 1,129 1,154 1,178 1,204 1,231 1,269 1,287

제주특별자치도 195 200 205 208 212 215 218 225 228 출처: 통계청, 인구·가구 – 주민등록인구통계

<표 Ⅲ-12> 시군구별 주민등록세대 (천세대)

110

시점 운전면허 소지자 신협일반대출금리2000 18,697,346 11.582001 19,884,337 9.992002 21,223,010 8.822003 22,062,457 8.622004 22,735,053 8.362005 23,497,657 7.692006 24,088,229 7.472007 24,681,440 7.512008 25,268,379 8.632009 25,822,149 8.032010 26,402,364 7.662011 27,251,153 7.312012 28,263,317 7.02

출처: 통계청(운전면허소지자현황(면허종별)), 한국은행(대출금리(신규취급액기준))

<표 Ⅲ-13> 기타 변수 통계

마. 실증분석 결과

추정은 두 가지의 추정방법(3SLS와 OLS)을 사용하여 이루어졌으며

<표 Ⅲ-14>와 <표 Ⅲ-16>에 결과가 정리되어 있다. 먼저 <표 Ⅲ-14>

는 2006년에서 2011년도의 자료만 사용하여 추정을 한 결과를 나타

낸다. 2006년 이전에는 평균연비제도가 시행되지 않았기 때문에 규제

변수가 전부 0의 값을 갖게 되고, 또한 평균연비제도의 시행이전과 이

후를 동일한 환경이란 가정에 대한 검증 또한 필요할 것이라 판단되

어 2006년 이후 기간을 별도로 분석하였다.

<표 Ⅲ-16>의 가장 위의 패널은 주행거리를 설명하는 식을 추정한

결과이다. 해당 주행거리에 대한 분석은 기본적으로 크기 및 연비를

포함한 차량의 특성이 고정되어있음을 가정하고 이루어진다. 통계적

으로 유의한 추정치는 주행거리의 시차변수와 차량판매량 그리고 연

료비용과 소득의 교차항 정도이다. 시차변수의 계수 추정치는 0.1862


로 소비자의 관성이 생각보다는 크지 않은 것으로 나타났다. 대신 차

량의 판매량 계수는 대략 1정도로 추정되어 주행거리는 차량대수에

민감하게 보다 반응하는 것으로 보인다. 주행비용과 소득은 통계적으

로 유의한 범위에서는 벗어나 주행거리에 주는 영향이 불분명하다 하

겠으나 주행비용의 상승은 주행거리를 감소시키는 쪽으로 작용하는

것으로 나타났다. 이는 수요법칙에 따른 결과라 할 수 있으나 특이한

점은 소득의 증가도 주행거리를 감소시키는 방향으로 나타났다는 것

이다. 소득()의 계수는 연료비용이 고정(평균값)되어 있음을 가정

하고 도출한 주행거리의 소득탄력성을 나타내며, 단기에 -0.1154이고

장기에는

로 나타났다.

주행거리()

Estimated Using 3SLS Estimated Using OLSCoeff Std. Err. P-value Coeff Std. Err. P-value

0.1862 0.0533 0.0000 0.2974 0.0622 0.0000

1.0395 0.1195 0.0000 0.8730 0.1356 0.0000

-0.4210 0.2698 0.1190 -0.2899 0.3183 0.3640

0.0073 0.0358 0.8390 0.0151 0.0445 0.7350

⋅ 0.0375 0.0181 0.0380 0.0059 0.0237 0.8030

-0.1154 0.0730 0.1140 -0.0407 0.0829 0.6240

-0.0230 0.0306 0.4520 -0.0184 0.0322 0.5690

0.0302 0.3921 0.9390 0.0308 0.4877 0.9500

9.6530 1.1346 0.0000 7.9129 1.2996 0.0000 R-square 0.9951 0.9952

<표 Ⅲ-14> 2006-2011자료를 이용한 연립방정식 추정결과 (표본개수: 192)

112

차량등록대수()


0.8613 0.0535 0.0000 0.9942 0.0161 0.0000

0.1240 0.0501 0.0130 0.0177 0.0106 0.0960

-0.1271 0.3843 0.7410 -0.3057 0.3465 0.3790

0.0350 0.0179 0.0500 0.0060 0.0156 0.7010

-0.0173 0.0098 0.0790 -0.0209 0.0083 0.0120

-0.0073 0.0049 0.1350 -0.0111 0.0041 0.0070

0.2110 0.0545 0.0000 0.2033 0.0468 0.0000

0.4481 0.3789 0.2370 0.4190 0.3729 0.2630

-0.9774 2.1619 0.6510 1.0426 1.7441 0.5510 R-square 0.9998 0.9999

연료소비강도()


0.8591 0.0259 0.0000 0.8845 0.0237 0.0000

-0.0397 0.0086 0.0000 -0.0312 0.0078 0.0000

-0.1113 0.0612 0.0690 -0.1319 0.0626 0.0360

0.0402 0.0181 0.0260 0.0361 0.0186 0.0530

0.0072 0.0129 0.5730 0.0069 0.0131 0.5980

0.0027 0.0075 0.7200 0.0044 0.0076 0.5670

-0.0970 0.1087 0.3720 -0.1020 0.1114 0.3610

0.8994 0.5175 0.0820 1.0559 0.5292 0.0470 R-square 0.9977 0.9977

변수의 계수 추정치는 소득이 1% 증가하였을 때 단기 리

바운드 효과는 4% 증가하는 것으로 나타났다. 이는 이론적으로 소득

이 늘어날수록 소비자들은 연료비용에 둔감해 진다는 분석에 배치되

는 결과라고 할 수 있다. 마지막으로 연료비용이 증가할수록 리바운드

효과를 더 빨리 증가시키나 (의 계수) 그 효과는 크지 않고 통계


적으로 유의하지도 않다.

성인 운전자는 도로구비가 잘되어 있을수록 (adrm, 마이너스 계수),

성인 일명이 보다 많은 인구를 담당할수록(pop/adult) 주행거리를 늘

이는 것으로 나타났다. Small and van Dender 2007에 따르면 adrm의

계수가 음수로 추정되는 것은 도로의 증설로부터 차량이용에 대한 수

요가 파생되었을 것이라는 추측을 뒷받침하는 것일 수도 있다.

다음으로 차량판매량(등록대수)을 설명하는 식의 추정결과를 보면

시차변수의 계수는 행태에 존재하는 관성이 큰 것으로 나타났다. 다시

말하면 소비자들이 차량 판매량의 영구적인 변화에 대해 오직 24%만

을 해당연도에 반영하여 조정하는 것을 의미한다. 차량 소유와 관련된

(예를 들어 소득의 증가로부터 발생한) 단기 효과는 장기에는

지수에 비례하여 증가하게 된다.

주행거리는 유의한 영향을 미치며 주행거리 1%가 늘어남에 따라

차량판매량이 12% 늘어나게 되는 것을 보여준다. 차량가격지표는 판

매량과 역의 관계를 갖는 것으로 나타났으나 영향이 통계적으로 유의

하지는 않았다. 대신 주행비용의 상승은 미약하나마 차량의 판매량을

오히려 증가시키는 것으로 나타났다. 이와 유사하게 대출조건의 악화

(이자율의 증가)도 차량의 판매량을 오히려 증가시키는 것으로 나타났

다. 두 변수 모두 차량 판매량에 통계적으로 유의한 영향을 미치는 것

으로 나타났다.

연료소비강도를 설명하는 모형의 추정결과에 따르면 연간 주행거리

가 늘어날수록 연료소비의 강도는 떨어지는(연료효율은 높아지는) 것

으로 나타났다. 비록 통계적으로 유의적이지는 않으나 연료가격의 상

승도 연료효율을 높이는 쪽으로 작용하는 것으로 보인다. 이는 사람들

114

이 신차 구입 시 연비를 구매결정에 반영함으로써 연료 가격의 상승

에 대응한다는 것을 보여주는 근거라고 할 수 있다. 그러나 추정결과

에 따르면 연비규제변수의 계수는 양수값을 갖는 것으로 나타났으며

이는 규제의 강화가 오히려 연비를 감소시키는 방향으로 작용하고 있

음을 의미한다. 이는 자료 기간 초반에는 연비규제가 강화됨에도 불구

하고 적정 연비수준이 오히려 감소했던 경향이 나타났었기 때문으로

해석되며 본 절 마지막 규제변수 추정결과 부분에서 좀 더 논의한다.

OLS로 추정의 결과와 3SLS의 결과의 차이가 클 경우 이는 내생성

문제가 심각하다는 것을 의미하는 것일 수 있다. 실제로 <표 Ⅲ-14>

에서도 두 추정 결과의 차이가 발생하는 것으로 보인다. 그러나 정도

로 볼 때 심각한 것으로 보이지는 않아 3SLS와 OLS 분석방향은 어

느정도 일치하는 것으로 나타난다.

<표 Ⅲ-15>는 주행거리의 주행(연료)비용 탄력성(마이너스 리바운

드 효과)과 모형의 구조에서 파생된 몇몇의 다른 탄력성을 보여준다.

단기 리바운드 효과는 –0.3655로 나타났으며 이는 주행비용이 1%

감소했을 때 주행거리가 약 36%정도 증가하는 것을 나타낸다. OLS

추정치는 이보다 낮은 –0.2860로 이보다 낮으나 약 30% 수준으로

추정되었다. 결과치로 판단했을 때 내생성으로 인해 OLS 추정에서 리

바운드 효과를 과대추정하게 되는 효과는 거의 없는 것으로 나타났다.


단기 리바운드 효과

3SLS OLS-0.3655 -0.2860

단기 차량사용의 신차가격지수 탄력성

3SLS OLS-0.1517 -0.2710

단기 연료소비강도 연료가격 탄력성

3SLS OLS-0.0962 -0.1240

단기 차량사용 소득 탄력성

3SLS OLS-0.1531 -0.0599

<표 Ⅲ-15> 2006년-2011년 자료 추정결과에 따른 탄력성 추정치

단기 차량사용의 신차가격지수 탄력성의 경우는 –0.1517로 추정되

어 신차가격지수가 1% 상승할 때 차량사용은 15%가 감소하는 것으

로 나타났으며 OLS 추정량은 약 이의 두 배정도 되는 27%로 추정되

었다. 연료소비강도의 연료가격 탄력성의 9% 수준으로 연료가격이 비

싸질수록 연료효율도 높아지는 것으로 해석된다. 마지막으로 단기의

차량사용의 소득 탄력성의 경우 앞선 추정결과에서도 나타났듯이 소

득이 증가함에 따라 차량사용은 오히려 감소하는 결과를 나타냈다. 단

OLS 추정치의 경우 3SLS 추정결과에 비해 현저하게 그 정도가 약한

것으로 보이나 여전히 차량사용은 소득 수준과는 역의 관계를 갖는

것으로 나타났다.

116

주행거리()


0.4275 0.0533 0.0000 0.4470 0.0540 0.0000 0.8364 0.1137 0.0000 0.8084 0.1136 0.0000

-0.6054 0.2367 0.0110 -0.6079 0.2390 0.0120

0.0414 0.0340 0.2230 0.0508 0.0347 0.1450 ⋅ 0.0219 0.0198 0.2680 0.0106 0.0205 0.6040

-0.1006 0.0688 0.1440 -0.0762 0.0705 0.2810 -0.0078 0.0260 0.7640 -0.0065 0.0265 0.8080

0.4180 0.3989 0.2950 0.4408 0.4126 0.2860 7.3499 1.0907 0.0000 6.9988 1.0959 0.0000 R-square 0.9954 0.9954

차량등록대수()


0.9769 0.0290 0.0000 0.9998 0.0136 0.0000 0.0250 0.0260 0.3350 0.0103 0.0092 0.2640 -0.2640 0.2897 0.3620 -0.2578 0.2786 0.3560 0.0199 0.0122 0.1030 0.0098 0.0125 0.4360 -0.0201 0.0069 0.0030 -0.0212 0.0070 0.0030 -0.0141 0.0034 0.0000 -0.0145 0.0034 0.0000

0.1885 0.0431 0.0000 0.1883 0.0410 0.0000 0.7351 0.2834 0.0090 0.7387 0.2864 0.0100

0.8464 1.5387 0.5820 1.0258 1.3975 0.4640 R-square 0.9999 0.9999

연료소비강도()


0.9359 0.0199 0.0000 0.9442 0.0187 0.0000 -0.0169 0.0069 0.0150 -0.0139 0.0065 0.0320 -0.0799 0.0442 0.0700 -0.0745 0.0449 0.0980 0.0484 0.0104 0.0000 0.0450 0.0106 0.0000 -0.0026 0.0116 0.8250 -0.0030 0.0118 0.8000 -0.0032 0.0062 0.6100 -0.0032 0.0063 0.6150

-0.0209 0.0953 0.8260 -0.0245 0.0972 0.8010 0.6049 0.3803 0.1120 0.5681 0.3863 0.1430 R-square 0.9978 0.9978

<표 Ⅲ-16> 2003-2011 자료를 이용한 연립방정식 추정결과 (표본개수: 254)


단기 리바운드 효과3SLS OLS

-0.5800 -0.6015

단기 차량사용의 신차가격지수 탄력성3SLS OLS

-0.2256 -0.2102

단기 연료소비강도 연료가격 탄력성

3SLS OLS-0.0705 -0.0666

단기 차량사용 소득 탄력성

3SLS OLS-0.1200 -0.0941

<표 Ⅲ-17> 2001-2011 자료 추정결과에 따른 탄력성 추정치

<표 Ⅲ-16>은 평균연비제도가 시행되기 이전인 2003년에서 2005년

까지의 자료를 포함하여 추정을 시행한 결과이다. 평균연비제도가 시

행되어 소비자들이 일괄적으로 보다 좋은 연비의 차량조합에 직면하

게 되었다면 의도하였던 그렇지 않았던 주행거리 당 연료비용을 감소

시킬 수 있을 것이다. 그러나 이렇게 저렴해진 운행은 다시 주행거리

를 증가시키는 방향으로 작용하게 된다. 따라서 평균연비제도가 시행

된 이후의 리바운드 효과 추정이 정책 효과를 정밀하게 측정하는데

보다 중요한 의미를 갖는다 할 수 있을 것이다. 연립방정식 추정에 있

어 설명변수로 투입되는 규제변수는 2006년 이전에는 일괄적으로 0의

값을 갖는 까닭에 추정결과에 일정부분 왜곡을 가져올 수 있다.

<표 Ⅲ-16>의 상단 패널에는 주행거리의 식으로부터 도출한 결과가

나타나있다. 2006년에서 2011년 자료를 사용한 앞선 결과와 가장 큰

차이점은 시차변수의 계수가 0.4275로 추정되어 관성의 영향이 커진

118

것이다. 또한 주행거리 당 연료비용 의 계수도 커져 단기 탄력성

을 확대하는 요인이 된다. 두 번째 차량대수에 대한 영향에서는 추가

적으로 성인인구 중 운전면허 소지자의 비율이 영향이 확대되고 통계

적인 유의성도 갖게 되었다. 운전면허 소지자가 늘어날수록 차량판매

가 유의적으로 늘어나는 것은 상식선에서 쉽게 이해가 가는 상황이라

할 수 있다. 마지막으로 연료소비강도에는 앞선 분석 결과와 큰 차이

점은 보이지 않는 것으로 나타났다.

해당 추정결과에 바탕을 둔 탄력성은 <표 Ⅲ-17>와 같이 도출되었

다. 앞서 언급한 바와 같이 주행거리의 주행거리 당 연료비용 탄력성

은 거의 58%에 달해 앞선 결과보다 확대된 것을 볼 수 있다. 이는

OLS 추정결과에서는 일관적으로 나타난다. 반면 여타의 탄력성은 앞

선 추정결과와 큰 차이를 보이지는 않는 것으로 나타났다.

앞서 연립방정식의 추정결과를 살펴보았지만 리바운드 효과를 추정

하기에 앞서 연료소비강도를 위한 설명식을 추정 규제변수를 도출하

는 작업이 선행되어야 했다. 이를 통해서 추정된 적절한 연비수준에

대한 소비자의 인식은 현행 평균연비제도의 기준과 비교해 볼 수 있

다. <표 Ⅲ-18>는 식 (4)를 추정한 결과를 나타내고 있다. 해당식의

외생변수들의 선형조합을 조정계수 (1- 0.9479)로 나누면 장기적으로

도달해야할 것으로 인식되는 “적절한” 연료소비강도 수준 혹은 바꾸

어 말하면 연비수준을 추정할 수 있다. 이렇게 도출된 가상의 연비기

준을 <표 Ⅲ-19>의 연비별 판매량 비중으로 가중평균한 <표 Ⅲ-20>

의 평균연비제도의 연비기준과 비교하면 [그림 Ⅲ-4]과 같은 결과를

얻는다.


Coef. Std. Err. t P > |t| [95% Conf. Interval] 0.9479 0.0210 45.1000 0.0000 0.9065 0.9893

-0.2831 0.0934 -3.0300 0.0030 -0.4670 -0.0992

0.7545 0.4852 1.5600 0.1210 -0.2012 1.7102

-0.0171 0.0099 -1.7300 0.0850 -0.0365 0.0024

-0.0066 0.0065 -1.0200 0.3080 -0.0194 0.0062

-0.0056 0.0122 -0.4600 0.6490 -0.0296 0.0185

0.0011 0.1003 0.0100 0.9910 -0.1964 0.1987

0.1820 0.0707 2.5700 0.0110 0.0427 0.3213

0.6820 0.5627 1.2100 0.2270 -0.4263 1.7903

-2.2564 2.4066 -0.9400 0.3490 -6.9968 2.4839 R-square 0.9978

<표 Ⅲ-18> 식 (4) - 연료소비강도를 위한 추정

[그림 Ⅲ-4] 추정된 “적절한” 연비수준과 평균연비제도의 기준 비교

120

연비기준(km/L) 2006년 2007년 2008년 2009년 2010년 2011년 2011년

12.4(1600cc 미만)

6% 8% 14% 11% 13% 14% 14%

9.6(1600cc 이상)

94% 92% 86% 89% 87% 86% 86%

합계 100% 100% 100% 100% 100% 100% 100%

<표 Ⅲ-19> 연비기준별 판매량 비중

2006년 2007년 2008년 2009년 2010년 2011년

9.774835 9.828955 9.978595 9.910149 9.953305 9.997118

<표 Ⅲ-20> 판매량으로 가중평균한 연도별 연비기준

붉은색으로 표시된 선이 평균연비제도의 연비기준이고 푸른색으로

나타난 선이 소비자들이 적절하다 인식하고 있는 연비 수준이다. 앞서

도 언급하였다 시피 가상의 연비수준이 평균연비규제의 기준을 하회

하는 경우 규제가 구속력이 있다(binding)고 해석할 수 있는 바, 자료

기간 동안 해당 규제가 구속력을 가짐을 볼 수 있다. 또한 규제기간

초반에는 고유가 상황에도 불구하고 적절한 연비의 수준이 하락하다

가 2009년을 기점으로 빠르게 규제 연비 기준으로 수렴하고 있는 것

을 볼 수 있다. 이에 차량 연비에 대한 소비자의 인식은 전반적으로

평균연비제도 기준에 미치지 못하는 것으로 나타나지만 최근 들어 연

비에 대한 인식이 높아지고 있음을 추측할 수 있으며 이는 고유가가

지속되고 있는 상황에 일정부분 영향을 받고 있을 가능성이 있다.

122

제4장 에너지절약, 효율개선 평가관련 모형 및 DB구축

1. 개요

앞에서 여러 유형의 에너지 분야의 모형들을 살펴보았다. 에너지모

형이 얼마나 다양하게 존재하는지는 Jebaraja(2006)의 연구에서도 자

세히 조사되어 있다. 이 연구는 에너지 분야와 관련된 수백 개의 모형

에 대한 서베이를 진행하여 보고하고 있는데, 모형의 구분을 다음과

같다.

(1) 에너지 계획 모형 (Energy planning models)

(2) 에너지 수요-공급 모형 (Energy supply–demand models)

(3) 전망 모형 (Forecasting models)

가. 상업 에너지 모형 (Commercial energy models)

나. 신재생 에너지 모형 (Renewable energy models)

1) 태양광 에너지 모형 (Solar energy models)

2) 풍력 에너지 모형 (Wind energy models)

3) 바이오메스·바이오에너지 모형

(Biomass and bioenergy models)

(4) 최적화 모형 (Optimization models)

(5) 신경회로망 기반 에너지 모형

(Energy models based on neural networks)

(6) 배출감소 모형 (Emission reduction models)

모든 에너지모형들은 각각의 목적이 별도로 존재한다는 점에서 어

제4장 에너지절약, 효율개선 평가관련 모형 및 DB구축 123

떤 하나의 모형이면 다른 모형을 모두 대체할 수 있는 그런 모형은 존

재하지 않는다고 보는 것이 합당하다. 하지만 정확한 자료에 기초하여

과학적 방법론으로 에너지 분야의 문제를 평가하고 그 결과를 비교분

석하는 것은 우리나라와 같이 97% 가까이의 에너지자원을 해외 에너

지시장에 의존해야하는 나라에서는 더욱 중요한 문제가 된다. 2011년

기준으로 한해 에너지수입액이 1,725억 달러로 전체 수입액의 33%에

육박하는 우리나라로서는 다양한 에너지 분야의 평가도구를 개발, 이

를 근거로 합리적인 정책제안이 제시될 수 있는 기초자료를 제공하는

것이 중장기적 안목에서 매우 중요한 이슈가 된 것이 사실이다. 하지

만, 현실은 여전히 많은 부분에서 부족하다고 판단된다.

예를 들어 MARKAL의 경우 미국 브루클린 국립연구소(Brookhaven

National Lab.)에서 1970년대의 석유위기에 대응하기 위해 개발된 것

이다. 1978년 IEA가 모형개발을 돕기 위해 ETSAP(Energy Technology

and Systems Analysis Program)을 설립했으며, 동 기관은 지금까지

관련 모형개발의 중심이 되고 있다. 미국 DOE산하 에너지정보기구

(Energy Information Administration, 이하 EIA)에서는 SAGE(Analysis

of Global Energy Markets) 모형의 근간으로 MARKAL을 채택하였

고, SAGE를 이용하여 매년 국제 에너지 전망(International Energy

Outlook)을 발간한다.28)

1976년 설립된 ETSAP 홈페이지29)에 의하면 에너지/경제/환경/공학

(energy/economy/environment/engineering)의 4E 분석 방법론의 구축

을 위해 전 세계 70여개 국가가 참여하고 있다. 즉, 현재의 이 모형의

28) EPA의 MARKAL Technology Database and Model(EPANMD) 참조. Available at http://www.epa.gov/nrmrl/appcd/climate_change/markal.htm

29) http://www.iea-etsap.org/web/index.asp

124

개발에는 거의 40년에 가까운 시간동안 많은 연구자의 노력과 관련

기관들의 지속적인 지원이 뒤따랐음을 알 수 있다.

스탠포드 대학교의 EMF(Energy Modeling Forum) 역시 1976년 시

작되었으며, 통합평가모형 연구의 필요성에 따라 IPCC의 요청에 의해

Integrated Assessment Consortium(IAMC) 을 함께 운영하고 있기도

하다.

국내에서 산업부문의 에너지절약 및 효율향상 관련 정책효과를 체

계적이고 효과적으로 분석하기 위한 정책분석의 틀을 확보하자는 논

의가 진행되는 것은 매우 바람직하지만 일과성에 그치지 않고, 상기의

사례에서 볼 수 있듯이 다수의 연구자들을 통해 지속적인 연구가 진

행되고 개발 응용될 수 있는 기반 마련이 필요한 것으로 보인다.

본 장에서는 이러한 모형구축을 위한 최소한의 필요조건으로, 우선

관련 데이터 수집 및 데이터베이스 구축과 이의 효율적인 수행을 위

해 필요한 사항들, 그리고 지속적인 연구를 위해 필요한 조건들을 중

심으로 논의하고자 한다.

2. 비용효과적 에너지관련 데이터베이스 구축

가. 에너지관련 데이터관리의 문제점

에너지 분야의 수급관련 데이터는 다양한 관련정책 평가를 위한 필

수 기초자료이다. 특히 산업부문 에너지 모형을 구성하고 이를 운용하

기 위해서는 모형의 목적에 맞는 자료의 취합이 매우 중요하다는 것

은 두 말할 필요가 없다.

분야별로 살펴보면, 우선 석유부문은 민영화된 석유시장구조를 갖


고 있지만, 한국석유공사의 페드시스(pedsis), 페트로넷(petronet)이 각

각 석유수급정보와 가격정보를 제공하고 있다. 가스분야는 독점화된

도매부문의 가스공사, 그리고 소매부분의 사업자들을 대표하는 한국

도시가스협회에서 정보를 제공하고 있다. 그 중에서도 특히 도매부분의

정보는 거의 전무한 상태라 해도 과하지 않다(가스공사 홈페이지 참

조). 전력분야의 경우, 주요관련 정보는 전력거래소의 엡시스(epsis)30)

가 담당하고 있으며, 로그인 정보 등을 제공할 경우 접근할 수 있으

나, 전력산업의 상세정보는 공개대상에서 제외되어 있다. 무엇보다도

독점 소매업자로서의 역할을 하고 있는 한전과 도매시장의 운영을 도

맡아 하고 있는 전력거래소 간에 관련 정보 교류가 전혀 없다고 해도

과언이 아니다. 상기에서 빠져있는 석탄(유연탄, 무연탄 등) 관련 자료

는 특별히 자료를 관리, 공급하는 기관이 현재 별도로 없으며, 해외의

프랫(pratt) 데이터베이스 등을 활용하여야 하는 것이 현실이기도 하다.

이들 산재된 정보는 국내 에너지경제연구의 전문기관인 에너지경제

연구원이 수집 정리하여 에너지통계월보와 연보의 형태로 발간하고

있으나, 에너지밸런스표의 경우, 공급통계기반으로 구축된 산업구분은

11개 부문으로 한정되어 있고, 물량표 위주로 되어 있으며, 해당 가격

정보가 발간되지 않고 있다. 또 원래 자료의 근간이 되는 각 기관과의

협조가 원활하지 않고 각 기관별로 별도의 운영을 함으로써 자료가

존재한다고 하더라도 실제 연구자들이 연구목적으로 자료의 구득이

용이하지 않은 것이 현실이다.

30) https://epsis.kpx.or.kr

126

나. 에너지관련 DB 구축노력

현재 에너지경제연구원(KEEI)은 KEEI-LEDS(장기에너지수요 전망

시스템)에 따라 온실가스 감축 종합기본계획을 위한 국가 에너지수요

및 온실가스 배출량 전망을 수행하고 있으나, 앞서 지적한 바와 같이

에너지 밸런스 자료가 공급통계량을 기반으로 작성되어 있다는 점에

서, 수요전망을 위해 사용하기에는 적절하지 못하다는 지적이 있는 것

이 사실이다. 또한 에너지원별 가격체계의 변화, 외부적 충격(오일가

격폭등)에 대한 산업부분별 에너지수요의 변화 등을 적절히 반영하는

메카니즘 구축이 필요하지만 에너지밸런스 표에 준하는 모든 에너지

원별 가격지표자료가 없다는 점은 모형 구축의 한계를 보여주는 단적

인 사례라 할 수 있다.

환경정책평가연구원(KEI)의 모형인 ENV- Linkage 모형은 OECD에

서 사용하던 CGE(Computable General Equilibrium) 형태의 전세계

일반균형모형으로 매우 다양한 산업부문을 명시적으로 반영할 수 있

는 기능을 내재하고 있는 틀이다. 앞서 모형 설명에서 지적한 바와 같

이 CGE 모형은 기본적으로 기준년도 1년을 근거로 보정의 과정을 거

쳐 미래에 대한 시뮬레이션을 진행하는 까닭에 이 모형이 합당한 결

과를 도출하기 위해서는 보정에 사용되는 대체탄력성 등의 모수에 대

한 통계적 점검이 필요하다. 기존의 관련된 연구로는 환경정책평가연

구원(2010.11)이 있으며, 향후에도 지속적으로 관련 연구들이 필요할

것으로 보인다.

정부에서도 관련 노력을 지속하고 있는 것으로 확인은 된다. 지식경

제부(2011.1)에 따르면, 국내외 정보분석체계 구축을 위해 다음과 같

은 추진체계를 확보하고 있는 것으로 보고하고 있다.


[그림 Ⅳ-1] 해외에너지 정보분석 분야

출처: 지식경제부(2011.1)

[그림 Ⅳ-2] 에너지통계 구축사업 분야

출처: 지식경제부(2011.1)

128

한편, 위와는 별도로 2010년 6월에 출범한 온실가스 종합정보센터

(GIR, Greenhouse Gas Inventory and Research Center of Korea)도

국가온실가스 배출통계, 온실가스 저감을 위한 목표관리제, 온실가스

에너지 목표관리제 등에 활용하기 위한 국가 온실가스 종합관리시스

템을 운영하고 있다.

다. 에너지, 환경부문의 통합정보청 등의 기구설립의 필요성

아래는 에너지환경부문의 주요 정책을 온실가스감축과 기후변화적

응 정책관련 내용으로 분류하고, 해당 주요정책을 검토한 뒤, 주관적

판단 하에 관련부처와 부처의 산하기관을 서로 연결시켜 본 것이다.

표에서 확인할 수 있듯이 기후변화대응관련 정책은 정부 부처별로 산

업부의 경우에는 온실가스 감축정책으로, 또 환경부의 경우에는 기후

변화 적응정책에 맞추어져 있는 것으로 보이지만 세부 부문을 살펴보

면 이들 정책이 명확히 구분되지 않을 뿐만 아니라, 정부 내의 여타부

처들의 협력이 필요하다는 것을 알 수 있다.


부처이름 관련산하기관

PS 대통령비서실

PMO 총리실

NHRCK 국가인권위원회

NIS 국가정보원

KCC 방송통신위원회

MOSF 기획재정부 NTS 국세청

NCS 관세청

PPS 조달청

NSO 통계청

MSIP 미래창조과학부 MOE 교육부

MOFA 외교부 MOU 통일부 MOJ 법무부 SPO 검찰청

MND 국방부 MMA 병무청

DAPA 방위사업청

MOSPA 행정안전부 NPA 경찰청

NEMA 소방방재청

MCST 문화체육관광부 CHA 문화재청

MAFRA 농림수산부 RDA 농촌진흥청

KFS 산림청

MOTIE 산업통상자원부 SMBA 중소기업청

KIPO 특허청

MW 보건복지부 ME 환경부 KMA 기상청

MOEL 노동부 MOGEF 여성부 MOLIT 국토교통부 MACCA 행정중심복합도시건설청

MOF 해양수산부 KCG 해양경찰청

<표 Ⅳ-1> 부처이름 약자표시 요약

130

Sector Policies, measures and instruments shown to be environmentally effective

Key constraints or opportunities(Normal font = constraints;italics = opportunities)

Government Organizations to Participate

Energy supply

Reduction of fossil fuel subsidies; taxes or carbon charges on fossil fuels

Resistance by vested interests may make them difficult to implement

-MOTIE-MOSF

Feed-in tariffs for renewable energy technologies; renewable energy obligations; producer subsidies

May be appropriate to create markets for low- emissions technologies

-MOTIE-MOSF

Transport

Mandatoryfueleconomy;biofuelblendingandCO2standardsforroadtransport

Partial coverage of vehicle fleet may limit effectiveness

-MOLIT-MOTIE

-METaxes on vehicle purchase, registration, use and motor fuels; road and parking pricing

Effectiveness may drop with higher incomes

-MOSF-MOTIE

-ME

Influence mobility needs through land-use regulations and infrastructure planning; investment in attractive public transport facilities and non-motorised forms of transport

Particularly appropriate for countries that are building up their transportation systems

-MOLIT-MOTIE

Agriculture

Financial incentives and regulations for improved land management; maintaining soil carbon content; efficient use of fertilisers and irrigation

May encourage synergy with sustainable development and with reducing vulnerability to climate change, thereby overcoming barriers to implementation

-MAFRA-MOSF

Buildings

Appliance standards and labelling

Periodic revision of standards needed

-MAFRA-MSIP-MOE

Building codes and certification

Attractive for new buildings. Enforcement can be difficult

-MAFRA-MOTIE

Demand-side management programmes

Need for regulations so that utilities may profit

-MOTIE-ME

<표 Ⅳ-2> 부문별 온실가스 감축정책과 관련 정부부처


Sector Policies, measures and instruments shown to be environmentally effective

Key constraints or opportunities(Normal font = constraints;italics = opportunities)

Government Organizations to Participate

Buildings

Public sector leadership programmes, including procurement

Government purchasing can expand demand for energy-efficient products

-PPS(MOSF)

Incentives for energy service companies (ESCOs)

Success factor: Access to third party financing

-MOTIE-MOSF

Industry

Provision of benchmark information; performance standards; subsidies; tax credits

May be appropriate to stimulate technology uptake. Stability of national policy important in view of international competitiveness

-MOTIE-MOSF

Tradable permits Predictable allocation mechanisms and stable price signals important for investments

-ME-MOTIE-MOSF

Voluntary agreements

Success factors include: clear targets, a baseline scenario, third-party involvement in design and review and formal provisions of monitoring, close cooperation between government and industry

-ME-MOTIE-MOLIT

Forestry/forests

Financial incentives (national and international) to increase forest area, to reduce deforestation and to maintain and manage forests; land-use regulation and enforcement

Constraints include lack of investment capital and land tenure issues. Can help poverty alleviation

-KFS(MAFRA)-MOSF-MOLIT

Waste

Financial incentives for improved waste and wastewater management

May stimulate technology diffusion -ME, MOSF

Renewable energy incentives or obligations

Local availability of low-cost fuel

-MOTIE, MOSF

Waste management regulations

Most effectively applied at national level with enforcement strategies

-ME

출처: Kim et al.,(2013)

132

National Adaptation Measures for Climate Change(2011~2015)

General Coordination by ME

Health

Protect people's life from extreme heat & air pollution,

-MW-KMA(ME)

-KFS (MAFRA)

Disaster

Minimize damage by strengthening community-based

disaster control

-NEMA

(MOSPA)-MOLIT

-KMA (ME), ME

Agriculture

Switch to climate-friendly agricultural production systems

-RDA (MAFRA)

-MAFRA

Sectoral

Adaptation Measures

Forestry

Promote healthy forest and forest Disaster Reduction

-KFS (MAFRA)

Marine/Fishery

Secure stable food resources, fisheries and minimize the

damage

-MOLIT

-MAFRA

Water

Management

Safe water management system intact from climate

change

-MOLIT-ME

-RDA (MAFRA)

Eco-System

Secure biodiversity of Korean peninsula through ecosystem

protection and restoration

-ME-RDA, KFS (MAFRA)-MOLIT-MAFRA

-MW

<표 Ⅳ-3> 부문별 기후변화 적응정책과 관련 정부부처


Climate Change

Monitoring Forecast

Provide the basic data on adaptation to reduce

uncertainty arising from climate change

-KMA (ME),

ME-MOE

-MOLIT

Adaptation Infrastructure Measures

Industry adaptation/

Energy

Guiding industries to adapt to climate change and discovery

of new business in adaptation

-MOTIE

-ME-MSCT

-MOLIT

Education, PR,

International Cooperation

Establishing the adaptation

infrastructure in domestic and abroad

- ME

-Related

Ministries and Agencies

Division of Adaptation

Sectors Underlying Policy Framework

Participating Government

Organizations

출처: Kim et al., (2013)

[그림 Ⅳ-3] 에너지환경 분야의 통합정보청 설립(안)

134

[그림 Ⅳ-3]은 이러한 현황을 감안하되, 관련 정책수립과 집행을 위

해 필요한 정보를 체계적으로 취합 관리할 수 있는 기구의 설립을 검

토해 본 “안”이다.

현재 케이시스(KESIS), 온실가스 종합정보센터, 통계청 기타 여러

기구에서 분담하고 있는 관련 정보 수집을 통합정보청 또는 에너지정

보청으로 통일하되, 취합된 정보는 관련 모든 기관에서 쉽게 공유할

수 있도록 체계적인 관리를 해야 한다. 그렇게 함으로써, 환경부의 경

우는 기후변화대응 관련 노력을 통한 국가재난방지의 역할을 수행하

고, 산업부는 자연독점의 성격을 갖는 공공 에너지 공급체계를 제대로

규제할 수 있는 정보를 확보하여 관련 정책수립과 평가에 필요한 기

초자료를 제공받을 수 있는 형태를 갖추어야 할 것으로 보인다.

향후, IT분야의 기술을 활용한 데이터베이스의 개선은 정보의 체계

적 관리를 더욱 비용효과적으로 가능하게 할 것이고, R&D사업과 같

이 정부지원시업의 경우, 데이터베이스 갱신에 대한 의무부과 등을 통

해 관련 통계체계가 자동적으로 축적될 수 있는 방안마련이 가능할

것으로 보인다. 향후 산업부문 에너지효율개선평가관련 모형구축을

염두에 둔다면 더욱 중요한 이슈로 부각될 것으로 예상되며, 일원화된

정보체계를 통해 실효성 있는 관련 분석모형의 구축과 이의 이용은

장기적으로 국가 경제에 크게 기여할 수 있을 것으로 판단된다.


3. 모형개발 노력의 지속성

새로운 정부가 들어설 때마다 정부의 담당 공무원들은 관련 계획

수립 및 정책마련을 위해 매우 단기적인 안목에서 연구자들의 도움을

필요로 한다. 이러한 사례는 항상 주위에서 발견되며, 장기적이고 지

속적인 연구결과는 우수한 연구자의 능력결과로 저절로 얻어지는 것

으로 치부하기가 쉽다.

하지만 앞서 살펴본 바와 같이 관련 분야가 광범위하고, 분석모형의

범주가 복잡하게 되는 경우, 모형 구축에 필요한 자료의 수집 및 이용

가능한 DB구축과 동시에 이를 이용한 복합적인 모형을 구성하고, 동

시에 그 분석결과를 비교 검토한 뒤, 정부의 정책수립의 기초자료로

제공한다는 것은 사실상 불가능하다는 점을 인식해야 한다. 국내에서

이러한 노력이 전혀 없었던 것은 아닌 것으로 판단되지만 짧은 연구

기간 내에 가시적인 성과가 나타나지 않는다는 점을 이유로 그 지원

이 지속되지 않았던 점이 지적될 수 있다. 연구자의 노력도 부족하였

고, 또 이해당사자의 관심도 지속적이지 못했던 것으로 판단된다.

모형개발의 노력을 지속하는 것은 우선적으로는 연구자의 몫이라고

판단된다. 하지만 그 필요성에 공감하고 관심과 지원을 지속하는 것

또한 관련 이해당사자들의 몫이기도 하다.

최근 환경부에서는 중장기적인 관점에서 모형구축과 관련 데이터베

이스 구축을 위한 계획이 진행 중인 것으로 알려져 있다. 구체적으로

환경부의 모형개발 계획(안)을 살펴보면 다음과 같다.

136

목 표 추진 내용

1단계(’13~’15) 기존 모형 고도화 ․행태변화를 반영한 CGE모형 개선

2단계(’16~’18) 한국형 감축모형 개발․상향식 모형과 통합을 고려한 하향식 모형 개선

3단계(’19~’20) 한국형 감축모형 고도화 ․상-하향식 모듈 통합

<표 Ⅳ-4> 환경부의 단계별 한국형 모형개발 계획

출처: 온실가스 종합정보센터 (2013)

세부기술 ’13 ’14 ’15 ’16 ’17 ’18 ’19 ’20 계

① 기존상향식 감축모형을 국내 현실에 적합하도록 개선

6 6 8 20

② 국내 기술수준 및 사회경제적 여건을 반영한 한국형 온실가스 감축모형 개발

10 10 10 30

③ 감축목표 재설정 및 배출권 할당을 위한 감축기술 DB구축

15 10 10 10 7 7 59

④ 온실가스 감축의 거시경제영향 분석․평가를 위한 하향식 모형 고도화

3 3 3 3 2 2 16

⑤ 한국형 온실가스 감축모형 실증 및 고도화

8 8 16

<표 Ⅳ-5> 환경부의 한국형 모형개발 관련 연차별 예산계획

단위: 억원

출처: 온실가스 종합정보센터 (2013)


<표 Ⅳ-6> 온실가스 감축 통합관리 분야

단위: 억원

출처: 환경관리공단 (2012.10)

138

<표 Ⅳ-7> 기후변화 적응 통합관리 분야

단위: 억원

출처: 환경관리공단 (2012.10)

상기의 자료에서 알 수 있는 점은 한국형 온실가스 감축모형 개발에

만 2020년까지 141억원의 예산이 배정되어 있고, 기타 감축분야와 적응

분야를 모두 합하면 2020년까지 총 835억원의 예산이 배정되어 있다는

것이다.

모형개발이라는 작업이 지속적인 관심의 대상이 되어야 하는 분야

라는 점이 인식된 것은 긍정적이다. 다른 한편으로는 관련 예산이 얼

마나 다양한 연구자들을 포용하여 지속성을 확보할 수 있는 기초로

작용할 수 있을 것인지에 대해서는 우려의 여지가 있다.

140

제5장 결 론

본 연구에서는 간략히 에너지 분야의 모형들을 구분해 보고, 국내

산업부문의 에너지절약 및 효율향상 관련 정책효과를 체계적이고 효과

적으로 분석하기 위한 정책분석의 틀을 확보하기 위해 필요한 조건들

로 어떤 것들이 있을지를 검토해 보았다. 모형의 분류 시, MARKAL,

CGE, 그리고 IAM 등을 각각 상향식(bottom-up), 하향식(top-down),

그리고 통합평가모형 등으로 구분 짓고 있지만 본 연구에서는 명시적

인 분류는 시도하지 않았다. 이미 각 모형들을 서로 다양한 합성

(hydrid) 형태로 연계 짓는 시도들이 상당히 진행되고 있어 이러한 분

류 자체가 그다지 큰 의미를 갖지 못하는 것으로 판단되기 때문이다.

모형의 분류와 개략적인 설명 외에도 실제 분석 방법(요인분해분석,

계량경제모형)을 이용해 산업 및 수송부문의 정책효과를 분석하였다.

먼저 2000년부터 2011년 기간 동안의 제조업 원단위 변화를 로그 디

비지아 평균방식을 활용하여 검토한 바, 구조 변화, 업종 원단위 변화,

생산성 변화, 연료믹스 변화, 에너지효율 변화 등 5개 요인에 의한 기

여도를 분해하였다. 또한 세부 업종의 원단위 변화에 대해 생산성 효

과, 연료 믹스 효과 및 에너지효율 효과 에 대해 추가적인 요인분해를

수행하였다. 원료용 에너지를 포함한 제조업 원단위변화 요인분해 결

과에 따르면 제조업 원단위 지수(2000년=1 기준)는 2000년에서 2011

년까지 분석대상 기간 동안 25.8% 개선된 것으로 나타났다. 구조변화

지수는 23.1% 개선되고, 업종 에너지원단위 지수는 3.5% 개선된 것

으로 나타나 전체 제조업 에너지원단위 개선 중에서 구조변화 효과가

제5장 결 론 141

89%, 나머지 11%가 업종 에너지원단위 개선 효과가 기여한 것으로

분석되었다. 분석대상 기간 동안 구조변화 효과가 전체 제조업의 원단

위 개선을 주도하였는데, 이는 국내 제조업의 산업구조가 에너지저소

비형으로 전환되고 있다는 것을 의미한다.

세부 업종의 에너지 원단위 변화에 대해 추가적 요인 분해 결과, 에

너지효율 효과는 개선 요인으로 작용한 것으로 보인다. 분석대상 기간

동안 생산성 효과는 28.7%, 연료 믹스 효과는 6.2% 악화된 것으로 나

타난 반면 에너지효율 효과는 29.4% 개선되었다. 따라서 업종 원단위

는 생산성 악화 및 연료 대체에 따른 악화요인에도 불구하고 에너지

효율 향상으로 개선된 것으로 보인다.

원료용 에너지를 제외한 연료용 에너지관련 제조업 에너지원단위

요인분해 결과에 따르면 분석대상 기간 동안 원료용 포함 원단위(연

평균 2.7% 개선)에 비하여 높은 연평균 3.7% 개선된 것으로 나타났

다. 제조업 원단위 연평균 개선율 3.7% 중에서 2.3%는 구조변화 효과

로 나타났고, 나머지 1.4%는 업종 에너지원단위 개선을 통해 나타난

것으로 분석되었다. 원료용 포함 분석한 결과에 비하여 구조 효과 개

선은 다소 낮으나 업종 에너지원단위 개선에 따른 효과는 훨씬 큰 것

으로 나타났다. 업종 에너지원단위 지수는 연평균 1.4% 개선되었으며

생산성 효과 지수와 연료 믹스 효과 지수는 각각 연평균 1.6%, 0.1%

악화되었음에도 불구, 에너지효율 효과는 연평균 3.1% 개선된 것으로

나타났다.

다음으로 “리바운드 효과”는 에너지 효율 향상을 위한 시책이나 전

략의 효과를 평가하는 경우 고려해야 할 요소로 분류된다. 리바운드

효과가 존재하지 않는다면 에너지 소비 감소는 에너지 효율의 증가와

142

비례하여 발생되므로 리바운드 효과의 존재 여부를 판단할 때 해당

변수들의 관계가 이 “비례”에서 얼마나 벗어나 있는가를 측정하여 판

단하곤 한다.

수송부문에서의 리바운드 효과는 연비와 관련되어 발생한다. 동일

한 소비자라 할지라도 연비가 더 좋은 차량을 구매하여 사용할 경우

주행거리 당 연료비용이 감소할 경우 적어도 총 비용이 기존보다 늘

어나지 않을 만큼이라도 주행거리를 오히려 늘릴 가능성이 존재하기

때문이다. 이에 본 분석에서는 수송부문의 리바운드 효과를 추정하기

위한 방법론을 소개하고 이를 우리나라 자료에 적용하여 분석결과를

제시하였다. 주행거리의 주행(연료)비용 탄력성과 모형의 구조에서 파

생된 몇몇의 다른 탄력성를 추정한 바, 단기 리바운드 효과는 –

0.3655로 나타났으며 이는 주행비용이 1% 감소했을 때 주행거리가

약 36%정도 증가하는 것을 의미한다. 단기 차량사용의 신차가격지수

탄력성의 경우는 –0.1517로 추정되어 신차가격지수가 1% 상승할 때

차량사용은 15%가 감소하는 것으로 나타났다. 연료소비강도의 연료

가격 탄력성의 9% 수준으로 연료가격이 비싸질수록 연료효율도 높아

지는 것으로 해석될 수 있다.

추가적으로 본 분석에서는 적절한 연비수준에 대한 소비자의 인식

의 수준을 추정, 현행 평균연비제도의 기준과 비교하였다. 리바운드

효과 추정을 위해 사용한 연립방정식을 이용, 연비규제의 강도에 관련

된 변수를 추정, 적절한 연비수준에 대한 소비자의 인식을 현행 평균

연비제도의 기준과 대조하였다. 가상의 연비수준이 평균연비규제의

기준을 하회하는 경우 규제가 구속력이 있다(binding)고 해석할 수 있

는 바, 자료 기간 동안 해당 규제가 구속력을 가짐을 볼 수 있었다. 또

제5장 결 론 143

한 규제기간 초반에는 고유가 상황에도 불구하고 적절한 연비의 수준

이 하락하다가 2009년을 기점으로 빠르게 규제 연비 기준으로 수렴하

는 것으로 나타났다. 이에 평균연비제도가 소비자의 연비에 대한 의식

에 선행하여 보다 효율적인 연료 소비에 대한 인식을 강화하는 쪽으

로 작용하고 있다고 추론하여 볼 수 있었다.

이와 같이 산업 및 수송부문의 정책을 대상으로 한 분석을 수행하

였으나 에너지 분야의 데이터베이스가 확장되고, 연구자들이 쉽게 접

근할 수 있는 통로를 만들어 준다면, 많은 연구자들이 에너지 분야에

먼저 관심을 갖고 접근할 것으로 보인다. 현재 에너지 분야의 자료는

상대적으로 매우 접근성이 떨어지는 것이 사실이고, 이러한 보이지 않

는 장벽이 능력 있는 연구자들이 이 분야에서 두각을 나타낼 수 있는

기회를 제한할 수 있다. 필요하다면 정부 모든 부처에 분산되어 있는

관련 정보를 통합하여 관리하는 것도 필요해 보인다는 점을 지적한

바 있다. 특히 기술 데이터베이스를 바탕으로 하는 통합모형의 개발

등은 관련 산업의 세부기술개발에 따른 파급효과와 국제경쟁력 평가

등을 가능하게 하여 과학기술 정책수립에 많은 기초자료를 제공하게

될 것이다. 하지만 이러한 모형의 개발에는 장기간의 지속적인 관심과

지원, 그리고 경쟁적인 연구 환경이 필요하다.

앞서 통합평가모형에서 이미 지적했던 바와 같이 해외의 많은 모형

들이 소위 ‘블랙 박스(black box)’로 통하는 경우가 많다. 실제 모형운

용팀이 아니면, 어떤 자료를 근거로 각 부문별 모형을 어떻게 구체화

하였는지를 잘 이해할 수 없는 경우가 많기 때문이다. 미국의 경우,

DOE산하 정부기관으로 정부의 연구개발 지원을 받는 경우에는 관련

모형을 프로그램 코드(Source Code)까지 공개해야 하는 의무가 있다.

144

대학교에 속한 연구소 등에서는 이러한 조건이 엄격하게 적용되지는

않는 것으로 보이지만31), 많은 국립연구원에서 관련 연구가 공개되고

있다.

우리나라에서도 정부의 연구개발 지원을 받아 개발된 모형은 적절

한 기준을 마련하여, 기본적인 틀에 해당하는 최소한의 프로그램 코

드와 데이터 그리고 관련 기술보고서를 공개하도록 함으로써 향후 여

러 연구자들이 연구 성과를 공유하고, 관련 연구가 지속적으로 진행될

수 있는 연구 환경을 조성하는 것이 필요해 보인다.

31) MIT의 EPPA모형은 프로그램 코드가 공개는 되지만 해당 모형을 수정하거나 개

선하기 위해 다루어야 하는 데이터의 기본형태가 어떻게 구성되어 있는지에 대한

정보를 제공하지 않음으로써 실질적인 운용이 불가능하도록 하고 있음.

146

참 고 문 헌

구자열·김수덕, 2011, 자료포락분석법 을 적용한 한국과 일본의 광역

경제권 단위에서 에너지 효율성 분석, 한국지구시스템공학회지,

48(1), 79-88.

김수덕·문춘걸, 2008, 도시가스 수요의 용도별 가격탄력성 분석, 최

종보고서, 삼일회계법인.

김영창, 2006, 발전설비 투자이론, 애경 M&B, IECC 에너지시리즈-3.

김영창, 2011, 발전설비 확장계획 이론과 환경제약을 고려한 WASP

모형, 대한전기학회 기술조사보고서 제 19호.

김태웅·조성한, 2000, Data Envelopment Analysis 모형을 이용한 전력

회사 효율성 분석에 관한 연구, Sungkyun Management Research

Institute Work, Vol.2.

노영환·남상호, 2006, 사회회계행렬을 통해 본 한국경제의 소득재분

배 구조, 경제연구, 12(2), 67-106.

류승현·김수덕, 2011, 기후 변화 대응을 위한 가정용 연료전지 시스

템의 시간대별 최적화 운전방안 제시와 경제성 평가 및 민감

도 분석, 에너지경제연구, 10(1), 25-48.

민은주·김수덕, 2009, CHP를 이용한 지역난방의 효율성 분석, 한국

기후변화학회 춘계학술대회, 서울교육문화회관.

산업자원부, 2006, 신재생에너지시스템 경제성분석 프로그램개발 및

적용방안 연구, 최종보고서, 아주대학교, 2004-N-PS04-P-01.

산업자원부, 2006, 온실가스배출감축 잠재량 분석연구, 최종보고서,

건국대학교.

참고문헌 147

석유공사, 2009, 중장기석유수요전망 모형개발 연구, 최종보고서, 아

주대학교.

안윤기·허재용·진윤정, 2010, MARKAL 모형을 통한 철강산업의 온실

가스 감축잠재량 분석, 한국지구시스템공학회지, 47(3), 312-323.

온실가스종합정보센터, 2013.1, 감축목표팀, 기후변화 대응 R&D(하

향식 모형) 계획 수립 자문회의(안)

에너지경제연구원, 2005, 기후변화협약 제3차 국가보고서작성을 위한

기반구축연구(제2차년도).

에너지경제연구원, 2010, 저탄소 경제시스템 구축 전략 연구: 상·하

향식 통합모형 개발 및 저탄소 정책효과 분석, 기본연구보고서

10-32.

전력경제연구실, 1985, 한국전력공사, WASP 모형의 개선에 관한 연구.

지식경제부, 2011, 2011년 에너지자원예산 세부사업 설명자료(II).

한국개발연구원, 1978, WASP 이용법.

한국은행, 2008, 2005년 산업연관표.

한국전력공사, 1989, 전력경제연구실, 전력계통 공급신뢰도 -LOLP를

중심으로-.

한국전력공사, 2011, 전력소비 분석시스템 개발 및 실시간 요금제도

도입 영향분석, 최종보고서, 아주대.

환경관리공단, 2012.10, 2013년도 기후변화대응 사업 추진 계획(안)

환경정책평가연구원, 2008, 국제 온실가스 배출권 거래 제도의 파급

효과 분석.

환경정책평가연구원, 2010, 에너지원간 대체탄력성 추정 및 이산화탄

소 감축 잠재력 평가, 최종보고서, 아주대학교.

148

Apostolakis, B.E., 1990. Energy–capital substitutability/complementarity.

The dichotomy. Energy Economics 12(1), 48–58.

Athanassopoulos, Antreas D., Nikos Lambroukos, Lawrence Seiford,

1999. Theory and Methodology: Data envelopment scenario

analysis for setting targets to electricity generating plants.

European Journal of Operational Research 115, 413-428.

Balistreri, E. J., Hillberry, R. H., Rutherford, T. F., 2011. Structural

estimation and solution international trade models with

heterogeneous firms. Journal of international economics,

95-108.

Böhringer, Christoph, 1998. The synthesis of bottom-up and top-down

in energy policy modeling. Energy Economics 20(3), 233-248.

Böhringer, Christoph, Rutherford, Thomas F., 2008. Combining

bottom-up and top-down. Energy Economics 30(2), 574–596.

Bouwman, A.F., T. Kram, K. Klein Goldewijk, 2006. Integrated

modelling of global environmental change: An overview of

IMAGE 2.4. Netherlands Environmental Assessment Agency

(MNP), Bilthoven, MNP publication number 500110002/2006.

Brook, J.S., Whiteman, M. Cohen, P., Tanaka, J.S., 1991.

Childhood precursors of adolescent drug use: A longitudinal

analysis. Genet Soc Gen Psychol Monogr 118(2), 195-213.

Clarke, L., J. Edmonds, H. Jacoby, H. Pitcher, J. Reilly, R.

Richels, 2007. Scenarios of Greenhouse Gas Emissions and

Atmospheric Concentrations. Sub-report 2.1A of Synthesis

참고문헌 149

and Assessment Product 2.1 by the U.S. Climate Change

Science Program and the Subcommittee on Global Change

Research. Department of Energy, Office of Biological &

Environmental Research, Washington, DC, 154.

Covarrubias, A.J., Heinrich, P. Molina, P.E., 1981. “Development

of the WASP-III at the International Atomic Energy Agency”,

in Proc. Conf. Electric Generation System Expansion Analysis

(WASP Conf.), Ohio State University, Columbus.

Dixon, P. B., Jorgenson, D. W., 2013. Introduction, Handbook of

computable general equilibrium model. North-Holland.

EIA, 2009. The National Energy Modeling System: An Overview

2009, DOE, DOE/EIA-0581(2009), Available at

http://www.eia.doe.gov/oiaf/aeo/over view/

EIA, 2013. Model Documentation Report: Industrial Demand Module

of the National Energy Modeling System. Available at

http://www.eia.gov/sites/default/files/forecasts/aeo/nems/docume

ntation/industrial/pdf/m064(2012).pdf

Engle, Robert F., Clive W. J. Granger, 1987. Co-integration and

Error Correction: Representation, Estimation, and Testing.

Econometrica 55(2), 251-276.

ETSAP, 2000. Available at ETSAP website http://www.iea-etsap.org/

web/Markal.asp

Finon D., 1974. Optimization model of the French energy sector.

Energy Policy 2(2), 136–151.

150

Fujino, J., R. Nair, M. Kainuma, T. Masui, Y. Matsuoka, 2006.

Multigas mitigation analysis on stabilization scenarios using

AIM global model. Multigas Mitigation and Climate Policy.

The Energy Journal Special Issue, 343–354.

Ginsburgh, V., Keyzer, M., 2002. The structure of applied general

equilibrium mocels. 1 ed. Cambridge: The MIT press.

Goldberg, P.K., 1996. The Effects of the Corporate Average Fuel

Efficiency Standards. Working Paper 5673, National Bureau

of Economic Research, Cambridge, MA.

Goldstein, G.A., Remme, U., 2001. Schellman, U., Schelenzig, C.,

MESAP/TIMES – Advanced Decision Support for Energy and

Environmental Planning. Presented at OR2001 Symposium.

Golob, T.F., S. Kim, W. Ren, 1996. How Households Use

Different Types of Vehicles: A Structural Driver Allocation

and Usage Model. Transportation Research A 30(2), 103-118.

Greene, David L., 1992. Vehicle Use and Fuel Economy: How Big

is the “Rebound” Effect?. The Energy Journal 13(1),

117-143.

Greene, David L., James R. Kahn, Robert C. Gibson, 1999. Fuel

Economy Rebound Effect for U.S. Household Vehicles. The

Energy Journal 20(3), 1-31.

Greene, David L., P.S. Hu, 1984. The Influence of the Price of

Gasoline on Vehicle Use in Multivehicle Households.

Transportation Research Record 988 , Transportation Research

참고문헌 151

Board, Washington, DC, 19-23.

Greening, L.A., H.T. Jeng, J. Formby, D.C. Cheng, 1995. Use of

Region, Life-Cycle, and Role Variables in the Short-Run

Estimation of the Demand for Gasoline and Miles Traveled.

Working Paper WP-94001, Division of Research and Service,

College of Commerce and Business Administration, University

of Alabama, Tuscaloosa, Alabama.

Haughton, Jonathan and Soumodip Sarkar, 1996. Gasoline Tax as a

Corrective Tax: Estimates for the United States, 1970-1991.

The Energy Journal 17(2), 103-126.

Heaps, C.G., 2012. Long-range Energy Alternatives Planning (LEAP)

system. [Software version 2012.0049] Stockholm Environment

Institute. Somerville, MA, USA. www.energycommunity.org

Heaps, C., E. Kemp-Benedict, P. Raskin, 1998. Conventional Worlds:

Technical Description of Bending the Curve Scenarios.

PoleStar Series Report no. 9.

Hensher, D.A., F.W. Milthorpe, N.C. Smith, 1990. The Demand for

Vehicle Use in the Urban Household Sector. Journal of

Transport Economics and Policy 24(2), 119-137.

Hensher, D.A., N.C. Smith, 1986. A Structural Model of the Use

of Automobiles by Households: A Case Study of Urban

Australia. Transport Reviews 6(1), 87-111 .

IAEA, 2009. IAEA Tools and Methodologies for Energy System

Planning and Nuclear Energy System Assessments.

152

IAEA, INTERNATIONAL ATOMIC ENERGY AGENCY, 1973.

Market Survey for Nuclear Power in Developing Countries:

General report. IAEA, VIENNA.


Model for Analysis of Energy Demand (MAED): Users'

Manual for MAED-1 Version. IAEA-TECDOC-386, VIENNA.


VALORAGUA - A Model for the Optimal Operating Strategy

of Mixed Hydrothermal Generating Systems, Users' Manual

for the Mainframe Computer Version. IAEA Computer

Manual Series No. 4, VIENNA.


WASP-Ⅱ USER'S MANUAL. Division of Nuclear Power

and Reactors.


Wien Automatic System Planning (WASP) Package - A

Computer Code for Power Generating System Expansion

Planning, Version WASP-IV User’s Manual. VIENNA.

IPCC, 2000. Special Report: Emission Scenarios, Summary for

PolicyMakers, A Special Report of IPCC Working Group III.

IPCC, 2007. TOWARDS NEW SCENARIOS FOR ANALYSIS OF

EMISSIONS, CLIMATE CHANGE IMPACTS, AND RESPONSE

STRATEGIES, IPCC EXPERT MEETING REPORT, 19–21.

Isard, W. et al., 1998. Methods of interregional and regional

참고문헌 153

analysis. 1 ed. aldershot: Ashgate.

Jebaraja, S., S. Iniyanb, 2006. A review of energy models.

Renewable and Sustainable Energy Reviews 10(4), 281–311.

Jenkins, R.T., D.S. Joy, 1974. Wien Automatic System Planning

Package (WASP) - An Electric Utility Optimal Generation

Expansion Planning Computer Code.

Johansen, L., 1960. A Multisectoral study of economic growth. 1

ed. Amsterdam: North-Holland.

Jones, Clifton T., 1993. Another Look at U.S. Passenger Vehicle

Use and the ‘Rebound’ Effect from Improved Fuel Efficiency.

The Energy Journal 14(4), 99-110.

Kainuma, M., Y. Matsuoka, T. Morita, 1999. Analysis of Post-Kyoto

Scenarios : The AIM Model. In: Weyant, J. (Ed.), The Costs

of the Kyoto Protocol: A Multi-Model Evaluation. Energy J.,

Special Issue, 207–220.

Kanudia, Amit, Maryse Labriet, 2013. TIAM-WORLD TIMES

Integrated Assessment Model of the World. Presented at

Regular ETSAP workshop, Paris.

Kaya, Yoichi, Keiichi Yokobori, 1997. Environment, Energy, and

Economy: Strategies for Sustainability. United Nations University

Press.

Kim, Hoseok, 2012. The ROK Energy System, Energy Policies,

and the LEAP-ROK Model. Resilience and Security of Spent

Fuel in East Asia Working Group Meeting 13 April.

154

2012/Australian Embassy, Seoul, ROK.

Kim, Suduk, Yungsan Kim, 2013. Energy and Environmental Policy

in Korea. Chapter 30 of the Handbook of Environmental

Economics in Asia. Edited by Shunsuke Managi, Taylor &

Francis Books, Forthcoming.

Lim, Jong-Soo, Yong-Gun Kim, 2013. Combining carbon tax and

R&D subsidy for climate change mitigation. Energy Economics

34, s496-s502.

Lofgren, h., 2002. A Standard Computable General Equilibrium (CGE)

Model in GAMS. [Online] Available at: http://www.ifpri.org/

publication/standard-computable-general-equilibrium-cge-model-

gams-0

Loulou, Richard, Gary Goldstein, Ken Noble, 2004. Documentation

for the MARKAL Family of Models. ETSAP. Available at:

http://www.iea-etsap.org/web/MrklDoc-I_StdMARKAL.pdf

Loulou, Richard, Uwe Remne, Amit Kanudia, Antti Lehtila, Gary

Goldstein, 2005. Documentation for the TIMES Models.

ETSAP. Available at http://www.iea-etsap.org/web/Docs/TIMES

Doc-Intro.pdf

Loulou, R., M. Labriet, 2008. ETSAP-TIAM: Part I: Model structure,

CMS 5:7–40, DOI 10.1007 / s10287-007-0046-z. Available

at http://home.eng.iastate.edu/~jdm/ee590-Old/TIMES1.pdf

Mannering, F., 1983. An Econometric Analysis of Vehicle Use in

Multivehicle Households. Transportation Research A 17A(3),

참고문헌 155

183-189.

Mannering, F., 1986. A Note on Endogenous Variables in Household

Vehicle Utilization Equations. Transportation Research B

20(1), 1-6.

Mannering, F., C. Winston, 1985. A Dynamic Empirical Analysis

of Household Vehicle Ownership and Utilization. Rand

Journal of Economics 16(2), 215-23.

OAK RIDGE NATIONAL LABORATORY, 1974. Wien Automatic

System Planning Package (WASP): An Electric Expansion

Utility Optimal Generation Expansion Planning Computer

Code. Rep. ORNL-4925.

Pickrell, Don, Paul Schimek, 1999. Growth in Motor Vehicle

Ownership and Use: Evidence from the Nationwide Personal

Transportation Survey. Journal of Transportation and Statistics

2(1), 1-17.

Puller, S.L., L.A. Greening, 1996. Household Adjustment to

Gasoline Price: An Analysis Using Nine Years of U.S.

Survey Data. No. LBNL-40015, Lawrence Berkeley National

Laboratory, Berkeley, California.

Riahi, K., A. Gruebler, N. Nakicenovic, 2007. Scenarios of long-term

socioeconomic and environmental development under climate

stabilization. Greenhouse Gases - Integrated Assessment. Special

Issue of Technological Forecasting and Social Change 74(7),

887–935, doi:10.1016/j.techfore.2006.05.026.

156

Robert Archibald, Robert Gillingham, 1980. An Analysis of the

Short-Run Consumer Demand for Gasoline Using Household

Survey Data. Review of Economics and Statistics 62(4),

622-628.

Robert Archibald, Robert Gillingham, 1981a. The Distributional

Impact of Alternative Gasoline Conservation Policies. w Bell

Journal of Economics 12(2), 426-444

Robert Archibald, Robert Gillingham, 1981b. A Decomposition of

the Price and Income Elasticities of the Consumer Demand

for Gasoline. Southern Economic Journal 47(4), 1021-1031

Rutherford, Thomas F., Böhringer, Christoph, 2006. Combining

Top-Down and Bottom-up in Energy Policy Analysis: A

Decomposition Approach, ZEW Discussion Papers, No.

06-07.

Seebregts, 2001. Ad, Energy/Environmental Modelling Using the

MARKAL Family of Models, Presented at and selected for

publication in the Proceedings of the OR2001 Conference.

Energy and Environment Session, Duisburg, Germany.

Shoven, J. B. & Whalley, J., 1992. Applying General Equilibrium.

3 ed. Cambridge: Cameridge University Press.

Small, Kenneth A., Kurt Van Dender, 2007. Fuel Efficiency and

Motor Vehicle Travel: The Declining Rebound Effect. The

Energy Journal 28(1), 25-51.

Strachan, Neil, GabrialAnandarajah, Steve Pye, Will Usher, 2010.

참고문헌 157

UK Energy-economic modellingAn overview of the UK

MARKAL/TIMES family. UCL Energy Institute, University

College London.

Train, K., 1986. Qualitative Choice Analysis: Theory, Econometrics

and Application to Automobile Demand. Cambridge, MA:

MIT Press.

UN Statistics Division, 1993. System of National Accounts 1993.

[Online] Available at: http://unstats.un.org/unsd/nationalaccount/

sna1993.asp

van der Voort E, Donni E, Thonet C, Bois d’Enghien E,

Dechamps C, Guilmot JF, 1984. Energy supply modelling

package EFOM-12C Mark I, Mathematical description.

Commission of the European Communities, Louvain-la-Neuve,

EUR-8896.

van Vuuren, D.P., B. Eickhout, P.L. Lucas, M.G.J. den Elzen,

2006. Long-term multi-gas scenarios to stabilise radiative

forcing - Exploring costs and benefits within an integrated

assessment framework. Multigas Mitigation and Climate

Policy. The Energy Journal Special Issue.

van Vuuren, D.P., M.G.J. den Elzen, P.L. Lucas, B. Eickhout, B.J.

Strengers, B. van Ruijven, S. Wonink, R. van Houdt, 2007.

Stabilizing greenhouse gas concentrations at low levels: an

assessment of reduction strategies and costs. Climatic Change

81, 119–159.

158

Walls, M.A., A.J. Krupnick, H.S. Hood, 1993. Estimating the

Demand for Vehicle-Miles Traveled Using Household Survey

Data: Results from the 1990 Nationwide Personal

Transportation Survey. Discussion Paper ENR 93-25, Energy

and Natural Resources Division, Resources for the Future,

Washington.

West, Sarah E., 2004. Distributional effects of alternative vehicle

pollution control policies. Journal of Public Economics 88,

735-757.

Weyant, J. P., de la Chesnaye, F. C., Blanford, G. J., 2006.

Overview of EMF-21: Multigas Mitigation and Climate

Policy. The Energy J. Spec. Issue Multi-Greenh. Gas Mitig.

Clim. Policy, 1-32.

Wing I. S., 2004, Computable General Equilibrium Models and

Their Use in Economy-Wide Policy Analysis. MIT Technical

Note No 6

Wing I. S., 2006. The synthesis of bottom-up and top-down

approaches to climate policy modeling: Electric power technology

detail in a social accounting framework. Energy Economics.

Wise. MA, Smith. SJ, Sinha. P, Lurz JP, 2007. Long-Term US

Industrial Energy Use and CO2 Emissions, PNNL-17149.

이 성 인

現 에너지경제연구원 연구위원

<주요저서 및 논문>

저소비·고효율 경제사회 구축을 위한 국가 에너지효율화 추진전략 연

구, 에너지경제연구원, 2012

에너지절약성과 평가시스템 구축 기획연구, 에너지관리공단, 2011

제5차 에너지이용합리화 기본계획 수립 연구, 지식경제부, 2010

이 지 연

現 에너지경제연구원 부연구위원

<주요저서 및 논문>

국가 에너지절약정책 평가시스템 구축 – 정책효과 분석모형 및 방법론

구축, 에너지경제연구원, 2012

국내 수송용 석유제품 수요의 가격탄력성 변화연구, 에너지경제연구원,

2012

기본연구보고서-2013-29

국가 에너지절약정책 평가시스템 구축: 정책효과 분석모형 및 방법론 구축

2013년 12월 30일 인쇄

2013년 12월 31일 발행

저 자 이 성 인, 이 지 연

발행인 손 양 훈

발행처 에너지경제연구원

- 경기도 의왕시 내손순환로 132 전화: (031)420-2114(代) 팩시밀리: (031)422-4958

등 록 1992년 12월 7일 제7호인 쇄 크리커뮤니케이션(02)2273-1775

ⓒ에너지경제연구원 2013 ISBN 978-89-5504-458-4 93320

* 破本은 交換해 드립니다. 값 7,000원

기본연구보고서 13-29 · 2020. 10. 8. · 기본연구보고서 13-29 국가...

Documents