---
type: paper
slug: jungwoo-shin-2014-rps-public-acceptance
title: >-
  Analyzing Public Preferences and Increasing Acceptability for the Renewable
  Portfolio Standard in Korea
authors:
  - '[[jungwoo-shin]]'
  - '[[jongroul-woo]]'
  - '[[sung-yoon-huh]]'
  - '[[jongsulee]]'
  - '[[gicheol-jeong]]'
year: 2014
venue: '[[energy-economics]]'
volume: '42'
pages: 17-26
doi: 10.1016/j.eneco.2013.11.014
categories:
  - '[[energy-economics]]'
  - '[[environmental-economics]]'
methods:
  - '[[choice-experiment]]'
  - '[[mixed-logit]]'
  - '[[bayesian-estimation]]'
  - '[[conjoint-analysis]]'
  - '[[willingness-to-pay]]'
  - '[[scenario-simulation]]'
themes:
  - '[[renewable-portfolio-standard]]'
  - '[[energy-transition-policy-acceptance]]'
  - '[[willingness-to-pay]]'
  - '[[public-acceptance]]'
aliases: []
last_updated: '2026-05-20T01:44:09+09:00'
---
# Analyzing Public Preferences and Increasing Acceptability for the Renewable Portfolio Standard in Korea

*[[jungwoo-shin]], [[jongroul-woo]], [[sung-yoon-huh]], [[jongsulee]], [[gicheol-jeong]] (2014)* · [[energy-economics]] 42:17-26 · [DOI ↗](https://doi.org/10.1016/j.eneco.2013.11.014)

> 한국 RPS 정책 시행 (2012.1) 직후 시점에 가구 *수용성 (acceptability)* 을 [[conjoint-analysis]] + Bayesian [[mixed-logit]] 으로 정량화한다. 5 핵심 속성 — 전기요금 인상, CO2 감축, 일자리 창출, 정전시간, 산림훼손 — 별 *marginal willingness-to-pay* (MWTP) 와 *상대 중요도* (RI) 추정 후 정책 시나리오 시뮬레이션. 핵심 결과: 한국 가구는 *일자리 창출* 을 가장 중요시 (RI 56.20%, 최고), RPS 시행에 월 *KRW 734.99 (USD 0.66)* 까지 WTP, 전기요금 *1.39% 인상까지 수용*. Baseline scenario (6% 인상 등) 에서 채택률 91.67%, 30% 인상 시 64.4%, 46% 인상에서 50% 채택 임계.

- **RQ**: (i) 한국 RPS 정책의 5 핵심 속성 (전기요금, CO2, 고용, 정전, 산림훼손) 중 가구의 *상대 중요도* 와 MWTP 는? (ii) RPS 시행의 *사회적 편익* (가구 총 MWTP) 이 *비용* (전력회사 transition 비용) 을 cover 할 수 있는가? (iii) 속성 levels 변동 시 RPS 채택률은 어떻게 변하는가?
- **방법론**: [[conjoint-analysis]] (5 attributes × 3 levels, 243 → 18 alternatives, 6 choice sets × 4 alternatives = 24 cards), Bayesian [[mixed-logit]] (lognormal for CO2 reduction, electricity price, outage; normal for jobs, forest damage), [[scenario-simulation]] (baseline + attribute variation), MWTP 계산.
- **데이터**: 한국 가구 500 명 face-to-face (2012.8-9, Gallup Korea, purposive quota sampling — gender × age). Attribute levels: 전기요금 인상 (2/6/10%), CO2 감축 (3/5/7%/year), 일자리 (10K/20K/30K/year), 정전 (30/60/120 분/year), 산림훼손 (660/1,320/2,640 km²/year). No-choice 옵션 포함.
- **주요 발견**: (1) Mean coefficient (모두 p<0.01) — 일자리 +0.0144 (RI **56.20%** 최고), 전기요금 -0.7029 (RI 19.65%), 산림훼손 -1.5895 (RI 11.13%), CO2 +0.0001 (RI 11.03%), 정전 -0.0455 (RI 1.99%). (2) MWTP — CO2 10,000 t/년 감축 KRW 3.18, 일자리 1 명 KRW 0.51, 정전 1 분 감소 KRW 66.67, 산림훼손 0.033 km² 감소 KRW 1.59, RPS 전체 시행 KRW **320,721 일시불** (USD 288.57). (3) 월 환산 (2.75% 할인율, perpetuity) KRW **734.99/월**, 2012 가구 전기요금 대비 **1.39% 인상까지 수용**. 전국 14.42M 가구 × 합계 = KRW **127.18 십억/년 총 사회적 WTP**. (4) Baseline scenario (6% 인상, 30 Mt CO2, 20K 일자리, 30 분 정전, 660 km² 산림) 채택률 **91.67%**, 30% 인상 시 64.4%, **46% 인상에서 50% 채택 임계**.
- **시사점**: (a) RPS 정책 홍보의 *프레이밍* — *환경* 보다 *일자리 창출* 강조가 채택률 leverage 최대. (b) 전기요금 인상은 *6% 이하* 로 제한하면 채택률 89.5% 이상 유지 가능. (c) 산림훼손은 가중 REC (옥상 PV 같은 비-산림 RPS) 로 minimize. (d) 가구 총 WTP 가 전력회사 transition 비용의 20% 를 *2013 이후 cover 불가* — 정부 보조 또는 추가 정책 도구 필요. (e) RFS, RHO 등 후속 renewable policy mix 에 동일 framework 확장 가능.

![Baseline scenario 와 *전기요금 인상* attribute 변동 시 RPS 채택률 — 0% 인상에서 92.2%, 30% 인상에서 64.4%, 46% 에서 50% 임계.](/papers/201403_ShinJ_Analyzing_public_preferences_and_increasing_acceptability_for_the_Renewable_Portfolio_Standard_in_Korea/fig3.jpeg)

## 요약

이 paper 는 [[jongsulee]] 의 *2 기 도메인 심화기* 의 [[energy-transition-policy-acceptance]] 라인의 *대표작* 이며, [[joongha-ahn-2015-energy-mix-electricity-generation]] (cost-risk 최적 mix) 의 *공급-side optimization* 과 짝을 이루는 *수요-side acceptance* 분석이다. 기존 renewable energy 정책 acceptance 연구 (Nomura-Akai 2004 Japan, Bollino 2009 Italy, Yoo-Kwak 2009 Korea, Kim et al. 2012 Korea) 는 대부분 *renewable energy source 자체* 의 WTP 만 측정 — Yoo-Kwak (2009) 의 KRW 1,681~2,072/월 같은 *green power general* WTP 추정. 본 paper 는 *특정 정책 (RPS) 자체* 의 WTP 를 처음으로 분리 측정하며, *cost-benefit 비교* 까지 진행한다는 점이 차별점. 본 paper 의 WTP (KRW 734.99/월) 가 Yoo-Kwak 의 절반인 이유는 *추상적 green power preference* 와 *구체적 정책 시행* 의 *수용 격차* 가 정량적으로 식별됨을 보여준다.

방법론은 *3-stage framework*. (i) [[conjoint-analysis]] — 5 attributes × 3 levels = 243 가능 조합 → fractional factorial 로 18 alternatives → 6 sets × 4 cards (No-choice 포함) 로 응답 부담 경감. (ii) Bayesian [[mixed-logit]] 추정 — utility $U_{ni} = \beta_n' X_{ni} + \varepsilon_{ni}$, $\beta_n \sim N(b, W)$ (CO2 감축·전기요금·정전은 *one-sided* 이므로 lognormal). MLE 의 *initial point* 와 *global optimum* 문제 회피 위해 Bayesian-MCMC (Train-Sonnier 2005). (iii) 정책 시나리오 시뮬레이션 — baseline 의 attribute 1 개만 변동시켜 채택률 변화 곡선 (Fig 3, 4).

핵심 발견 3 layer. (1) **Attribute 상대 중요도**: 일자리 (RI 56.20%) 가 압도적, 전기요금 19.65%, 산림훼손 11.13%, CO2 감축 11.03%, 정전 1.99%. *환경 효과 (CO2) 가 일자리보다 5 배 낮은 우선순위* — Korean 가구의 *경제적 motivation 우선* 의 정량 evidence. 정책 홍보 framing 의 strategic implication: *환경 키워드 보다 일자리 키워드가 setup* 효과적. (2) **MWTP 의 cost-benefit**: 가구당 KRW 320,721 일시불 → 월 환산 KRW 734.99 (1.39% 전기요금 상한). 전국 합계 KRW 127.18 십억/년. Samil PwC 전망의 전력회사 RPS transition 비용 KRW 348.9 십억 (2012) → 2,182.6 십억 (2022) 의 20% 가구 부담분 (가구 전기요금이 전체의 20%) 과 비교 — *2013 까지는 cover 가능하나 2014 이후 부족*. 정부 보조 또는 추가 정책 도구 필요. (3) **시나리오 채택률**: baseline 91.67%, 전기요금 30% 인상 시 64.4%, 46% 에서 50% 임계. 산림훼손 0~4,620 km²/년 변동에서 93.9~48.1%, 3,966 km² 에서 50% 임계. 정전은 0~140 분/년 변동에서 89.8~86.2% 로 미미. *전기요금 + 산림훼손이 dominant 결정자*. 한계: (i) Cross-section (single 시점), (ii) 5 attribute 만 (energy security, 비용 부담 방식 등 제외), (iii) 60 세 이상 제외, (iv) Stated 보다 actual 채택 행동 미관찰. 후속 [[201510_HuhSY_RPS_RFS_RHO]] (RFS, RHO 통합) 가 동일 framework 확장.

## 핵심 결과

**Mixed logit 추정 (Table 4) — 5 attribute 의 mean coefficient, RI, MWTP**

| Attribute | Mean coef | RI (%) | MWTP (KRW/가구/월) |
|---|---:|---:|---|
| **New jobs 1 명/년** | +0.0144\*\*\* | **56.20** | 0.51 |
| Electricity price 1% 인상 | -0.7029\*\*\* | 19.65 | — (price 기준) |
| Forest damage 0.033 km² 감소 | -1.5895\*\*\* | 11.13 | 1.59 |
| CO2 reduction 10,000 t/년 | +0.0001\*\*\* | 11.03 | 3.18 |
| Outage 1 분 감소 | -0.0455\*\*\* | 1.99 | 66.67 |
| **RPS 전체 시행 (no-choice dummy)** | -1.4012 | — | **KRW 320,721 일시불** |

**Cost-benefit 비교**

| 항목 | 값 |
|---|---:|
| 가구당 월 MWTP | KRW 734.99 (USD 0.66) |
| 전기요금 인상 수용 한계 | **1.39%** (vs 2012) |
| 전국 14.42M 가구 합계 연 MWTP | KRW 127.18 십억 (USD 114.43M) |
| 2012 전력회사 RPS 비용 | KRW 348.9 십억 (가구 부담분 20% = 69.78 십억) |
| 2022 전력회사 RPS 비용 | KRW 2,182.6 십억 (가구 부담분 = 436.52 십억) |

**시나리오 채택률 (Baseline 91.67%, attribute 변동)**

| Attribute 변동 | 채택률 |
|---|---:|
| 전기요금 0% 인상 | 92.2% |
| 전기요금 6% 인상 (baseline) | 89.5% |
| 전기요금 30% 인상 | 64.4% |
| **전기요금 46% 인상 (50% 임계)** | **50.0%** |
| 산림훼손 0 km²/년 | 93.9% |
| 산림훼손 4,620 km²/년 | 48.1% |
| 정전 0 분/년 | 89.8% |
| 정전 140 분/년 | 86.2% |

## 방법론 노트

[[mixed-logit]] + Bayesian estimation 의 채택은 *consumer heterogeneity* (분산 $W$) + lognormal 의 *single-sign restriction* (CO2 는 +, 전기요금·정전은 -) 동시 처리. MLE 의 numerical instability (local optima, initial value) 를 Gibbs sampling 으로 우회.

핵심 식. Utility:

$$
U_{ni} = \beta_1 X_{\text{price}} + \beta_2 X_{\text{CO}_2} + \beta_3 X_{\text{jobs}} + \beta_4 X_{\text{outage}} + \beta_5 X_{\text{forest}} + \beta_6 D_{\text{no-choice}} + \varepsilon_{ni}, \quad \beta_n \sim N(b, W)
$$

Mixed logit probability:

$$
P_{ni} = \int \frac{\exp(\beta_n' x_{ni})}{\sum_j \exp(\beta_n' x_{nj})}\, f(\beta)\, d\beta
$$

MWTP for attribute $t$ (non-price):

$$
\text{MWTP}_t = -\frac{\partial U/\partial x_t}{\partial U/\partial x_{\text{price}}} = -\frac{\beta_t}{\beta_{\text{price}}}
$$

Relative importance:

$$
RI_k = \frac{(\text{level}_{\max} - \text{level}_{\min}) \times |\beta_k|}{\sum_k (\text{level}_{\max} - \text{level}_{\min}) \times |\beta_k|} \times 100
$$

월 환산은 *perpetual annuity 가정* (2.75% 할인율, 2012.10 한국은행 기준금리):

$$
\text{Monthly MWTP} = \frac{\text{One-off MWTP} \times r}{12} = \frac{320{,}721 \times 0.0275}{12} \approx 735\text{ KRW}
$$

식별: (i) Conjoint orthogonal design 으로 attribute 독립성 보장, (ii) No-choice 옵션이 *overall preference for RPS* dummy 의 식별 (Louviere-Woodworth 1983, Oppewal-Timmermans 1993), (iii) Lognormal 가정으로 sign-consistent estimation.

## 연구 계보

직접 predecessor 는 (i) [[choice-experiment]] 정통 (Hensher, Train 2003), (ii) Korea WTP 선행 (Yoo-Kwak 2009 *Energy Policy*, Kim et al. 2012 *RSER*, Ku-Yoo 2010 *RSER*) — green power general 의 WTP 측정, (iii) Longo et al. (2008, *Ecol. Econ.*) 의 UK *renewable energy policy attribute* conjoint 의 framework, (iv) Bayesian mixed logit + WTP 의 Choi et al. (2012, *Behav. Inform. Technol.*) tablet PC 사례 (자매 도메인 적용), (v) RPS-specific Kydes (2007), Palmer-Burtraw (2005) 의 미국 RPS effect 추정. [[jongsulee]] author page 의 *renewable energy + consumer preference* 라인 — sibling 으로 [[201510_HuhSY_RPS_RFS_RHO]] (RFS, RHO 통합 분석, 본 paper 의 framework 확장), [[joongha-ahn-2015-energy-mix-electricity-generation]] (공급 측 cost-risk optimization), [[201906_LimS_renewable_heat]] (RHO 단일 분석). [[gicheol-jeong]] (STEPI) 의 corresponding author 위치는 정책 응용 라인의 institutional anchor. [[jungwoo-shin]] 의 1 저자 시리즈 (2012 EV, 2014 cloud, 2014 RPS) 의 *energy 도메인 응용 sibling*.

## See also

- [[jongsulee]]
- [[jungwoo-shin]]
- [[jongroul-woo]]
- [[sung-yoon-huh]]
- [[gicheol-jeong]]
- [[choice-experiment]]
- [[mixed-logit]]
- [[bayesian-estimation]]
- [[conjoint-analysis]]
- [[willingness-to-pay]]
- [[renewable-portfolio-standard]]
- [[joongha-ahn-2015-energy-mix-electricity-generation]]
- [[jungwoo-shin-2014-cloud-computing-iaas]]
- [[jungwoo-shin-2012-ev-existing-car-usage-mdcev]]
- [[energy-economics]]