---
type: paper
slug: jungwoo-shin-2012-ev-existing-car-usage-mdcev
title: >-
  Impact of Electric Vehicles on Existing Car Usage: A Mixed Multiple
  Discrete-Continuous Extreme Value Model Approach
authors:
  - '[[jungwoo-shin]]'
  - '[[junhee-hong]]'
  - '[[gicheol-jeong]]'
  - '[[jongsulee]]'
year: 2012
venue: '[[transportation-research-part-d]]'
volume: '17'
issue: '2'
pages: 138-144
doi: 10.1016/j.trd.2011.10.004
categories:
  - '[[energy-economics]]'
  - '[[consumer-choice-research]]'
methods:
  - '[[mdcev]]'
  - '[[mixed-mdcev]]'
  - '[[bayesian-estimation]]'
  - '[[gibbs-sampling]]'
  - '[[conjoint-analysis]]'
  - '[[stated-preference]]'
  - '[[markov-chain-monte-carlo]]'
themes:
  - '[[electric-vehicle]]'
  - '[[multi-vehicle-household]]'
  - '[[time-allocation]]'
  - '[[vehicle-co2-emissions]]'
  - '[[purchase-subsidy]]'
  - '[[tax-incentive]]'
aliases: []
last_updated: '2026-05-20T02:07:35+09:00'
---
# Impact of Electric Vehicles on Existing Car Usage: A Mixed Multiple Discrete-Continuous Extreme Value Model Approach

*[[jungwoo-shin]], [[junhee-hong]], [[gicheol-jeong]], [[jongsulee]] (2012)* · [[transportation-research-part-d]] 17(2):138-144 · [DOI ↗](https://doi.org/10.1016/j.trd.2011.10.004)

> EV 가 기존 자동차 시장에 진입할 때 *기존 차량의 사용량 자체* 가 어떻게 변하는지를 Bhat (2005, 2008) 의 [[mdcev]] (Multiple Discrete-Continuous Extreme Value) 의 mixed 변형으로 분석한다. 한국 서울 250 가구 stated-preference 설문 (2009.6) + [[conjoint-analysis]] 4 fuel type × 5 attribute. *복수 차량 보유 + 사용량* 의 결합 결정 — 단순 EV 채택 모형이 잡지 못하는 *기존 차 운행 감소* (gasoline -55.93%, diesel -60.63%) 와 CO2 감축 (2.87 t/가구) 을 ex-ante 시뮬레이션. 정부 보조금 정책 중 *EV 구매보조금 (4 백만원/대) 단독* 이 *세금 감면 mix* 보다 CO2/원 효율 최고 (587.24 kg/백만원).

- **RQ**: EV 가 기존 차량 시장에 도입될 때 (i) 기존 gasoline/diesel 차량의 *사용량 (km, fuel L)* 은 어떻게 변하는가? (ii) 다양한 government incentive 시나리오 (구매보조금 vs 유지비 면세) 중 CO2 감축 cost-effectiveness 가 가장 높은 것은? (iii) CDM 의 CER 시장 가격과 비교하면 EV 산업 투자의 효율은?
- **방법론**: [[mixed-mdcev]] (Bhat 2005, 2008), [[bayesian-estimation]] + [[gibbs-sampling]] (20,000 draws, burn-in 10,000), [[conjoint-analysis]] (fractional factorial, 4 sets × 4 alternatives), [[stated-preference]] 설문
- **데이터**: 한국 서울 250 가구 (2009.6, purposive quota sampling). 1 vehicle 84.4% · 2 vehicles 14.0% · 3 vehicles 1.2%. 평균 주행거리 21,317 km/년. 5 attributes — fuel type (gasoline/diesel/hybrid/electric), fuel cost (20/50/100 won/km), purchase price (1,000~4,000 만원), maintenance cost (20/50/100 만원/년), fueling-station accessibility (50/80/100%)
- **주요 발견**: (1) Baseline utility 추정: 모든 fuel cost, purchase price, maintenance cost 음의 유의 (p<0.05); fueling accessibility +0.3051 양 유의. (2) Satiation parameter $\alpha$ 중 EV 가 가장 낮음 — *추가 사용 시 marginal utility 의 감소율이 가장 작다* (가장 큰 latent 사용량 잠재력). (3) Scenario A→A-2 (gasoline+diesel → +EV+hybrid): gasoline 사용량 -55.93% · 선택확률 -46.19%, diesel -60.63% / -42.44%, hybrid -72.49% / -53.55%. (4) 가구당 연간 CO2 감축 2,865 kg (-65.81%). 국가 전체 (자동차 12.77M 대): 화석연료 직접 절감 14.6 조원 + 에너지 수입비 5.5 조원 - 세수 6.9 조원 = 사회적 순편익 13.2 조원/년. (5) 정책 cost-effectiveness: B-4 (EV-only 400 만원 보조금) 가 587.24 kg CO2/백만원 으로 최고; C-2 (hybrid+EV 유지비 100% 면세) 346.00 으로 최저.
- **시사점**: 단순 EV 채택률만 보는 정책 평가는 CO2 효과를 *과대 또는 과소* 평가한다. *기존 차 사용 감소까지 포함* 한 가구 단위 결합 결정이 정확한 환경 효과의 기초. EV-only 구매보조금이 hybrid 와 분산하는 것보다 효율적. CDM CER 시장가 ($23.93/t CO2, Bataller et al. 2007) 와 비교 시 EV 투자 단가 (400,000 won/t = $320/t) 가 *현 carbon market 보다 비효율* — 그러나 인프라 외부성·산업 정책 외부효과 포함 시 재평가 필요.

![EV·hybrid 도입에 따른 가구 평균 사용량 분포 변화 — 기존 gasoline/diesel 의 *사용량 자체* 가 단순 채택률 감소보다 크게 줄어든다.](/papers/201203_ShinJ_Impact_of_electric_vehicles_on_existing_car_usage_A_mixed_multiple_discrete_continuous_extreme_value_model_approach/fig1.jpeg)

## 요약

이 paper 는 [[jongsulee]] 의 *2 기 도메인 심화기* 의 EV-energy 시리즈의 출발점에 가깝다. 기존 EV 정책 평가 (Ahn et al. 2008 등) 가 *binary 채택* 만 다뤘다면, 본 paper 는 *동시 다중 보유 + 사용량* 의 결합 결정 — 가구가 gasoline 차와 EV 를 *모두 보유* 하면서 *어느 비율로 운행 분담* 할지를 추정한다. Bhat (2005) 의 [[mdcev]] 가 *discretionary time-use* 결정에 적용된 것을 자동차 보유·운행에 1:1 매핑. Mixed MDCEV 는 parameter 에 random distribution 을 부여해 consumer heterogeneity (소득·가구 구성 별 선호 차이) 를 흡수한다.

방법론 핵심은 utility 식 $U_i = \sum_{j=1}^{K} \Psi(x_j)(m_j+\gamma)^{\alpha_j}$ 의 *satiation parameter* $\alpha_j = 1/(1+\exp(-\delta_j))$ — diminishing marginal utility 의 정도를 fuel type 별로 추정. $\alpha_j$ 가 낮을수록 *더 많이 사용해도 지루해지지 않는* 차종. 추정 결과 EV 의 $\delta$ 가 -0.6591 로 모든 type 중 가장 큼 → $\alpha$ 가 가장 낮음 → *latent 사용량 잠재력 최대*. 250 가구 SP 설문에서 4 fuel × 5 attribute 의 conjoint design (432 가능 조합 → 4×4 fractional factorial). Bayesian-MCMC 추정 ([[gibbs-sampling]] 20,000 draws, burn-in 10,000) 이 mixed MDCEV 의 복합 적분 ($\widetilde{P}_n = \int \cdots f(v|\theta)dv$) 의 MLE 계산 불가능성을 우회.

시나리오 분석이 정책 핵심. Scenario A (현행 gasoline+diesel) 에서 가구는 gasoline 88.0%, diesel 73.6% 선택. EV+hybrid 도입 (A-2) 시 gasoline 사용량 -55.93% · 선택확률 -46.19%, diesel -60.63% / -42.44% — *기존 차 사용량 감소가 채택률 감소보다 크다* (가구가 EV 를 *주력* 으로 쓰면서 기존 차는 보조 역할로 격하). 연간 CO2 감축 2,865 kg/가구 (-65.81%). 국가 전체 환산: 직접 화석연료 절감 14.6 조원 + 에너지 수입비 절감 5.5 조원 - 유류세 세수 감소 6.9 조원 = *사회 순편익 13.2 조원/년*. 정책 효율성 비교에서 B-4 (EV-only 400 만원 구매보조금) 가 587.24 kg CO2/백만원 으로 hybrid 분산 (B-2 의 213.23) 의 2.7 배 효율. CDM 의 CER 시장가 ($23.93/t CO2) 보다 EV 투자 단가 ($320/t) 가 *13 배 비싸* — 단순 carbon market 비교는 EV 투자 비합리적이지만, 산업·에너지 안보 외부효과 포함 시 재평가 가능. 한계: (i) SP 가설적 상황의 *행동-진술 간격*, (ii) 인프라 (충전소) 외부성 미포함, (iii) electricity 가 화석연료로 생산될 때 well-to-wheel 효과 누락 (이후 [[202002_KimI_well_to_wheel]] 에서 보완).

## 핵심 결과

| 시나리오 | gasoline 사용량 변화 | diesel 사용량 변화 | hybrid 사용량 변화 | 가구 CO2 (kg/년) | CO2 감축률 |
|---|---:|---:|---:|---:|---:|
| A (현행) | baseline | baseline | — | 4,353.26 | — |
| A → A-1 (+hybrid) | -39.75% | -21.24% | new | 3,871.82 | -11.06% |
| A-1 → A-2 (+EV+hybrid) | -55.93% | -60.63% | -72.49% | 1,488.21 | -65.81% |

**정책 cost-effectiveness (단위: kg CO2 / 백만원 보조금)**

| 시나리오 | 보조금 구성 | CO2/100 만원 |
|---|---|---:|
| B-1 (hybrid+EV 200+200) | 균등 | 416.97 |
| B-2 (hybrid+EV 400+400) | 균등 | 213.23 |
| B-3 (hybrid+EV 200+400) | EV 우대 | 296.61 |
| **B-4 (EV-only 0+400)** | **EV 단독** | **587.24** |
| C-2 (유지비 100% 면세 hybrid+EV) | 균등 | 346.00 |

Satiation parameter (낮을수록 사용량 잠재력 큼): EV $\delta=-0.6591$ < hybrid -0.7562 < diesel -0.7888 < gasoline -0.8495.

## 방법론 노트

[[mixed-mdcev]] 은 가구가 *복수 alternatives 중 일부를 양적으로 결합* 할 수 있는 결정 ($K$ 개 중 $J$ 개 선택, 각각 $m_j$ 사용) 을 일관되게 다룬다. random utility 와 Kuhn-Tucker 조건이 결합되어 corner solution (특정 차종 미사용) 과 interior solution (모든 차종 사용) 을 동시 허용.

핵심 식. Utility:

$$
U_i(m_1,\ldots,m_J,0,\ldots,0) = \sum_{j=1}^{K} \exp(\beta' x_j + \varepsilon_j) (m_j+\gamma)^{\alpha_j}
$$

여기서 $\Psi(x_j)=\exp(\beta'x_j+\varepsilon_j)$ 는 baseline utility, $\alpha_j=1/(1+\exp(-\delta_j))$ 는 satiation parameter (0~1, diminishing marginal utility 강도), $\gamma$ 는 corner solution 허용 여부 결정. 예산제약 $\sum m_j = M$ 하 utility 최대화 → Kuhn-Tucker 로 선택확률 도출:

$$
P(m_2^*,\ldots,m_J^*,0,\ldots,0) = \left[\prod_{i=1}^{J}c_i\right]\left[\sum_{i=1}^{J}\frac{1}{c_i}\right]\left[\frac{\prod_{i=1}^{J}e^{V_i}}{\left(\sum_{j=1}^{K}e^{V_j}\right)^J}\right](J-1)!
$$

with $c_i=(1-\alpha_i)/(m_i^*+\gamma)$, $V_j=\beta'x_j+\ln\alpha_j+(\alpha_j-1)\ln(m_i^*+\gamma)$. Mixed 변형은 parameter 에 random distribution $f(v_n|\theta)$ 적용 후 적분 — MLE 계산 어려워 [[gibbs-sampling]] 기반 [[bayesian-estimation]] 채택 (20,000 draws, burn-in 10,000).

식별: (i) [[conjoint-analysis]] 의 fractional factorial design 으로 attribute 독립성 보장, (ii) Mixed 의 random parameter 가 unobserved heterogeneity 흡수, (iii) gasoline 을 reference fuel type 으로 dummy normalization.

## 연구 계보

직접 predecessor 는 (i) Bhat (2005, 2008, *Transportation Research B*) 의 MDCEV 정착 paper, (ii) Ahn, Jeong & Kim (2008, *Energy Economics*) — *alternative fuel vehicle ownership* 의 MDCEV 첫 한국 적용 (본 paper 의 공저자 [[gicheol-jeong]] 이 anchor), (iii) Kim, Allenby & Rossi (2002, *Marketing Science*) 의 *consumer demand for variety* 의 corner solution 모형, (iv) Train (2003) 의 simulation discrete choice 정통. [[jongsulee]] author page 의 *consumer preference for new technology* 라인 + *EV-에너지 결합* 라인의 출발 sibling 으로 [[201203_HongJ_V2G]] (같은 batch, V2G), [[201203_KooY_efficiency_grades]] (가전 효율등급). [[jungwoo-shin]] 의 1 저자 시리즈 시작점 — 이후 RPS 공공수용성 [[jungwoo-shin-2014-rps-public-acceptance]], 클라우드 컴퓨팅 [[jungwoo-shin-2014-cloud-computing-iaas]] 로 동일 mixed-MDCEV / SEM 도구를 다양한 정책 도메인에 적용.

## See also

- [[jongsulee]]
- [[jungwoo-shin]]
- [[junhee-hong]]
- [[gicheol-jeong]]
- [[mdcev]]
- [[mixed-mdcev]]
- [[bayesian-estimation]]
- [[conjoint-analysis]]
- [[stated-preference]]
- [[electric-vehicle]]
- [[transportation-research-part-d]]