---
type: paper
slug: jiwoon-ahn-2008-afv-mdcev-forecast
title: >-
  A forecast of household ownership and use of alternative fuel vehicles: A
  multiple discrete-continuous choice approach
authors:
  - '[[jiwoon-ahn]]'
  - '[[gicheol-jeong]]'
  - '[[yeonbaekim]]'
year: 2008
venue: '[[energy-economics]]'
volume: '30'
issue: '5'
pages: 2091-2104
doi: 10.1016/j.eneco.2007.10.003
categories:
  - '[[consumer-choice-research]]'
  - '[[energy-economics]]'
methods:
  - '[[mdcev]]'
  - '[[conjoint-analysis]]'
  - '[[bayesian-estimation]]'
  - '[[gibbs-sampling]]'
  - '[[random-coefficient-discrete-choice-model]]'
  - '[[markov-chain-monte-carlo]]'
themes:
  - '[[alternative-fuel-vehicle]]'
  - '[[multiple-vehicle-ownership]]'
  - '[[hybrid-car]]'
  - '[[cng-vehicle]]'
  - '[[korean-automobile-market]]'
  - '[[fuel-consumption-forecast]]'
  - '[[pollutant-emissions]]'
aliases:
  - ahn-jeong-kim-2008
last_updated: '2026-05-20T01:41:32+09:00'
---
# A forecast of household ownership and use of alternative fuel vehicles: A multiple discrete-continuous choice approach

*[[jiwoon-ahn]], [[gicheol-jeong]], [[yeonbaekim]] (2008)* · [[energy-economics]] 30(5):2091–2104 · [DOI ↗](https://doi.org/10.1016/j.eneco.2007.10.003)

> 한국 가구의 *복수 차량 보유 + 주행거리 동시 결정* 을 Bhat (2005) 의 [[mdcev]] (multiple discrete-continuous extreme value) 모형으로 추정. Stated-preference conjoint survey 280 가구 데이터 + Bayesian random-coefficient 추정. 시뮬레이션 — gasoline 차량이 여전히 first choice (78.2% choice ratio), 그러나 hybrid car 도입 시 **gasoline 사용량 33.6% 감소**, hybrid + CNG 동시 도입 시 **43.6% 감소**. 동시 도입 시 CO₂ 배출이 4,051 → 3,593 kg/year (11.3% 감소) — AFV 의 *효과적 substitute* 역할 정량 입증.

- **RQ**: 한국 가구가 *복수의 alternative fuel vehicle (AFV — hybrid, CNG)* 을 동시에 보유·사용할 수 있을 때 (i) 어느 차량을 얼마나 보유할지, (ii) 각 차량을 얼마나 주행할지, (iii) AFV 도입이 fuel 소비와 환경 오염에 미치는 정량 효과는?
- **방법론**: [[conjoint-analysis]] (stated preference, multi-attribute hypothetical alternatives), [[mdcev]] (Bhat 2005 의 multiple discrete-continuous extreme value model), [[random-coefficient-discrete-choice-model]] + [[bayesian-estimation]] + [[gibbs-sampling]] (Train 2003 framework 의 MDCEV 확장)
- **데이터**: 한국 가구 stated-preference conjoint survey 280 명. Attributes: fuel type (gasoline·diesel·LPG·CNG·hybrid), body type, maintenance cost, engine displacement, fuel cost (won/km). 응답자는 *원하는 만큼* 복수 alternative 선택 + 각 차량 주행거리 동시 응답
- **주요 발견**: (i) **Gasoline 이 모든 시나리오에서 first choice** (Scenario 1 78.2% choice ratio, 12,210 km/year average). (ii) Hybrid 단독 도입 시 (Scenario 2) gasoline usage **−33.6%**, gasoline choice ratio **−19.2%** — substitute 효과 큼. (iii) Hybrid + CNG 동시 도입 (Scenario 3) 시 gasoline usage **−43.6%**, choice ratio **−16.4%** + hybrid 47.9% / CNG 36.1% 의 choice ratio. (iv) **Fuel consumption (per year/가구)**: gasoline 1,110 → 950 L (−14%), diesel 358 → 215 L (−40%), LPG 318 → 158 L (−50%) — Scenario 1 → 3. (v) **CO₂ 배출 4,051 → 3,593 kg/년 (−11.3%)**, CO −14.5%, HC −17.7%, SOₓ −27.7%. (vi) Hybrid 가 보유율 (choice ratio) 대비 *주행거리 share* 가 큼 — 한 가구가 hybrid + conventional 동시 보유 시 *hybrid 를 더 많이 운행* (낮은 satiation).
- **시사점**: AFV 도입은 *gasoline·diesel 직접 대체* 효과를 가지나 *complete substitute 아닌 partial substitute* — 가구가 multi-vehicle 전략으로 *gasoline 을 first choice 로 유지하면서 AFV 를 보조 vehicle 로 사용*. 정책 수단은 (i) AFV 차량 가격 차이 해소 (subsidy), (ii) hybrid 가 CNG 보다 도입 장벽 낮음 (gasoline station 호환), (iii) CNG 와 hybrid 의 *complementary 정책 (둘 다 도입)* 이 single-tech 정책보다 효과 큼.

## 요약

본 paper 는 [[yeonbaekim]] author page 의 *제2기 (SNU-TEMEP 확장기 2007-2017)* 의 초기 작업으로, 그의 *consumer preference heterogeneity + Bayesian estimation* 라인을 *복수 차량 보유* 라는 새 차원으로 확장한 *대표적 응용*. [[jeongdonglee]] 의 demand-analysis 라인과 [[temep]] 의 에너지-환경 라인의 *교집합* 에 위치 — [[temep]] 부임 직후 [[seunghoon-yoo]] 와의 인도네시아 paper ([[seunghoon-yoo-2006-electricity-economic-growth-indonesia]]) 와 함께 *에너지 정책 연구* 의 기반 형성. 본 paper 의 conceptual move 는 — Brownstone-Train (1999), Dagsvik et al. (2002), Ewing-Sarigollu (2000) 의 *single-vehicle MNL/mixed logit* AFV 분석을 (i) *multiple vehicle ownership* 을 명시적 모델링, (ii) *vehicle usage (km)* 를 연속 결정으로 포함, (iii) Bayesian random-coefficient 로 preference heterogeneity 포착 — Bhat (2005) 의 MDCEV 를 *Bayesian 으로 추정* 한 first applications 중 하나.

방법론 핵심은 — (i) [[conjoint-analysis]] survey design (각 응답자가 5 개 hypothetical alternative 중 *원하는 만큼* 선택 + 주행거리 동시 응답, budget constraint 부과), (ii) Bhat (2005) 의 utility structure $U = \sum_j \exp(\beta_j'x_j) \cdot (m_j + \gamma_j)^{\alpha_j}$ — 각 alternative j 의 *baseline utility* (선택 확률 결정) 와 *satiation* (사용량 결정) 을 분리, (iii) 제약 $\sum_j m_j = M$ (총 주행거리 보존) 하의 Kuhn-Tucker conditions 로 closed-form expression 도출, (iv) Train (2003) 의 random-coefficient Bayesian Gibbs sampler 를 MDCEV 의 baseline coefficient $\beta_j$ + satiation $\alpha_j$ 의 random distribution 추정에 확장.

발견은 세 layer. (a) **Baseline utility**: Fuel type 의 신호 강도가 가장 큼 — gasoline 의 baseline 이 압도적으로 큼 (한국 소비자의 *gasoline preference* 의 정량 식별). (b) **Substitution**: Hybrid 단독 도입 시 gasoline usage −33.6%, hybrid + CNG 동시 도입 시 −43.6% — *복수 도입의 marginal 효과 감소* (CNG 의 추가 효과는 hybrid 만큼 크지 않음). (c) **환경 효과**: CO₂ −11.3%, SOₓ −27.7% — single-policy 정책 평가에서 *복수 차량 보유* 의 model 이 single-vehicle MNL 보다 *환경 효과를 더 보수적으로 추정* (가구가 AFV 를 *완전 대체* 가 아닌 *보조 차량* 으로 사용하기 때문). 한계: (i) 280 가구 small sample, (ii) AFV 가격을 모든 fuel type 에서 동일 가정 (현실에서는 hybrid·CNG 가격 프리미엄), (iii) CNG 기술 성숙도 한계, (iv) Korea-specific stated preference 의 일반화 한계.

## 핵심 결과

**시장 시뮬레이션 결과 (Tables 7-8)**

| Fuel | Scenario 1 (base) | Scenario 2 (+hybrid) | Scenario 3 (+hybrid+CNG) |
|---|---|---|---|
| Gasoline usage / choice% | 12,210 km / **78.2%** | 8,110 km / 63.2% | 6,890 km / 65.4% |
| Diesel | 5,370 km / 46.8% | 4,050 km / 34.6% | 3,230 km / 34.3% |
| LPG | 3,020 km / 27.9% | 1,750 km / 18.2% | 1,500 km / 20.0% |
| CNG | — | — | 3,150 km / 36.1% |
| **Hybrid** | — | **6,690 km / 47.9%** | 5,830 km / 47.9% |

> **정량 결론.** Hybrid + CNG 동시 도입 시 — gasoline 사용량 **−43.6%**, diesel **−39.9%**, LPG **−50.3%**. Gasoline 은 여전히 1 위 (choice ratio 65.4%) 이나 *주행거리 점유율* 은 크게 감소. AFV 가 complete substitute 아닌 *complementary vehicle* 로 사용됨을 시사.

**연간 배출량 (가구당, Scenario 1 → Scenario 3)**

| 오염원 | Scenario 1 | Scenario 3 | 변화 |
|---|---:|---:|---:|
| CO₂ (kg) | 4,051 | 3,593 | **−11.3%** |
| CO (kg) | 37.3 | 31.9 | −14.5% |
| HC (kg) | 7.9 | 6.5 | −17.7% |
| SOₓ (kg) | 19.1 | 13.8 | −27.7% |

## 방법론 노트

[[mdcev]] (Bhat 2005) 는 single-vehicle MNL 의 *one-of-many* 제약 + 연속 사용량 미반영 의 두 한계를 동시 해결. Utility structure 는 random coefficient — 각 alternative $j$ 에 baseline utility $\psi_j = \exp(\beta_j' x_j)$ + satiation $\gamma_j$, $\alpha_j$. Budget constraint $\sum_j m_j = M$ 하의 효용 극대화.

핵심 식. 가구 $q$ 의 다중 차량 보유·사용 결정:

$$
\max U_q = \sum_{j=1}^{K} \exp(\beta_q' x_{qj}) \cdot (m_{qj} + \gamma_q)^{\alpha_{qj}}
$$

subject to $\sum_j m_{qj} = M_q$, $m_{qj} \geq 0$. 여기서 $K$ = alternative 수, $m_{qj}$ = 차량 $j$ 주행거리, $\gamma_q, \alpha_q$ = satiation 모수. Kuhn-Tucker 의 *consumption 0 (non-chosen) vs positive (chosen)* 조건이 *discrete + continuous* 결합을 generate. 이 utility 의 random component (i.i.d. extreme value) 가 closed-form joint probability $P(m_1, \ldots, m_K)$ 산출. Bayesian estimation 으로 $\beta_q \sim N(b, W)$ 의 random-coefficient draw + $\gamma_q, \alpha_q$ 의 transformation 모수 동시 추정. 식별은 (i) ranking 정보가 single-choice 보다 풍부, (ii) random coefficient variance 가 between-household preference 차이 식별, (iii) Bhat (2005) 의 utility specification 의 Kuhn-Tucker condition 이 unique solution.

## 연구 계보

본 paper 는 (a) Brownstone-Train (1999), Dagsvik et al. (2002), Ewing-Sarigollu (2000), Horne et al. (2005) 의 *AFV consumer preference* literature 와 (b) Kim et al. (2002), Bhat (2005), Bhat-Sen (2006) 의 *multiple discrete-continuous choice model* literature 의 *접속점*. Bhat (2005) 의 MDCEV utility structure 를 채택하되 *추정* 은 Bayesian Gibbs sampler (Train 2003 framework 확장) 로 — Bhat 의 classical (simulated MLE) approach 의 *random coefficient + 복수 시도 안정성* 한계를 회피. [[yeonbaekim-2005-imt2000-consumer-preferences]] 의 Bayesian mixed logit + [[yeonbaekim-2005-consumer-preferences-convergence]] 의 conjoint 응용을 *복수 결정 + 연속 변수* 로 확장한 직접 후속작. [[yeonbaekim]] author page 의 *제2기 SNU-TEMEP 확장기 (2007-2017) 의 에너지-소비자 선호 통합* 에 위치 — 본 paper 가 1 기의 두 줄기 (Bayesian discrete choice + 에너지) 의 *명시적 통합점*. 이후 [[yeonbaekim-2007-alternative-fuel-vehicle-bayesian-approach]] ([[transportation-research-part-d]] 등) 의 후속 AFV 분석으로 확장된다 (author page 분류). [[temep]] 내 자매 작업으로 [[seunghoon-yoo-2006-electricity-economic-growth-indonesia]] 와 함께 *에너지 정책의 정량 evidence* 라인을 구축.

## See also

- [[mdcev]]
- [[conjoint-analysis]]
- [[bayesian-estimation]]
- [[random-coefficient-discrete-choice-model]]
- [[alternative-fuel-vehicle]]
- [[multiple-vehicle-ownership]]
- [[hybrid-car]]
- [[korean-automobile-market]]
- [[jiwoon-ahn]]
- [[gicheol-jeong]]
- [[yeonbaekim]]
- [[yeonbaekim-2005-imt2000-consumer-preferences]]
- [[yeonbaekim-2007-alternative-fuel-vehicle-bayesian-approach]]
- [[energy-economics]]