--- type: paper slug: kibum-kim-2021-lpg-vehicles-alternative-fuel title: >- Can Liquefied Petroleum Gas Vehicles Join the Fleet of Alternative Fuel Vehicles? Implications of Transportation Policy Based on Market Forecast and Environmental Impact authors: - '[[kibum-kim]]' - '[[jongsulee]]' - '[[junghun-kim]]' year: 2021 venue: '[[energy-policy]]' volume: '154' pages: '112311' doi: 10.1016/j.enpol.2021.112311 categories: - '[[energy-economics]]' - '[[consumer-choice-research]]' methods: - '[[discrete-choice-experiment]]' - '[[mixed-logit]]' - '[[reference-dependent-model]]' - '[[loss-aversion]]' themes: - '[[lpg-vehicle]]' - '[[alternative-fuel-vehicle]]' - '[[particulate-matter]]' - '[[korean-automobile-market]]' aliases: [] last_updated: '2026-05-20T02:07:35+09:00' --- # Can Liquefied Petroleum Gas Vehicles Join the Fleet of Alternative Fuel Vehicles? Implications of Transportation Policy Based on Market Forecast and Environmental Impact *[[kibum-kim]], [[jongsulee]], [[junghun-kim]] (2021)* · [[energy-policy]] 154:112311 · [DOI ↗](https://doi.org/10.1016/j.enpol.2021.112311) > 2019 년 4 월 한국이 *LPG 차량 구매 제한* 을 해제한 정책 변화를 배경으로, 일반 소비자의 LPG·가솔린·디젤·하이브리드·EV·HFCV 6 종 차량 선호를 *future-expectation* 기준점의 [[reference-dependent-model]] + [[mixed-logit]] 로 추정. 665 명 (Gallup Korea, 2019 년 5 월) 조사에서 *연료 효율·주행거리·충전 접근성* 의 loss aversion parameter 가 2 이상으로 강한 *비대칭 선호* 확인, 충전 인프라가 가장 강한 손실 회피 대상. 시나리오 시뮬레이션은 *단기 (2020)* 에는 LPG deregulation 이 PM 배출 약 *5.3%* 감축 효과를 내지만, *장기 (2030)* 에는 EV·HFCV 채택을 잠식해 PM 감축 효과가 사라짐을 보인다. - **RQ**: 한국의 LPG 차량 구매 제한 해제가 단기·장기 자동차 시장 점유율과 PM 배출에 미치는 영향은? *future expectation 을 기준점* 으로 한 reference-dependent 선호 분석은 LPG 차량의 *intermediary role* 가설을 지지하는가? - **방법론**: [[discrete-choice-experiment]] (32 alternative cards / 8 choice sets / 4 alternatives per set), [[mixed-logit]] with [[reference-dependent-model]] (gain·loss 영역 분리), [[loss-aversion]] parameter $\lambda_k$ 계산, 시나리오 기반 market share + PM 시뮬레이션 (2020 vs 2030) - **데이터**: Gallup Korea 2019-05 설문 N=665 (20-59 세, 서울·5 대 광역시·경기 신도시), 519 명은 현재 차량 보유 (가솔린 65.7%, 디젤 30.8%, LPG 2.7%, 하이브리드 0.6%). 7 attributes: fuel type, charging time, fuel efficiency, driving range, car type, charging station accessibility, purchasing price - **주요 발견**: (i) 연료 종류 선호: 하이브리드 > 가솔린 ≈ EV > LPG > 디젤 > HFCV (Model 1 mean coefficients: hybrid +0.452, diesel -0.840, LPG -0.719, HFCV -0.927, 모두 p<0.01). (ii) Loss aversion parameter: 충전 접근성 2.925, 연료 효율 2.373, 주행거리 1.394, 구매가 1.177 (Model 1). (iii) 차종 선호: SUV/RV +0.330\*\*\* > 대형/luxury +0.192\*\* > (sub)compact (기준). (iv) 시뮬레이션: 2020 LPG 허용 시 PM 배출 454,562 kg → 430,678 kg (5.3% 감소), 2030 에는 LPG 허용 vs 불허 PM 차이 거의 없음 (271,949 vs 271,703 kg) — 장기엔 LPG 가 EV·HFCV 도 잠식. - **시사점**: LPG deregulation 은 *단기 transitional fuel* 정책으로 정당하지만 *장기 PM 감축 목표* 와 충돌. 정부는 (a) AFV 기술·인프라 성숙 시점을 모니터하면서 (b) 일정 시점 후 LPG 구매 제한을 다시 도입하는 *flexible policy* 필요. 충전 인프라의 가장 큰 loss aversion 은 *EV·HFCV 보급 정책의 핵심 병목* 이 충전소 부족임을 정량 확인. ![Fig. 1. 2017 년 LPG 소비량과 LPG 차량 비중 (Source: WLPGA, 2018) — 한국은 LPG 차량 비중 8% (Turkey 22%, Ukraine 17%, Poland 11% 다음 4 위) 이지만 transport sector LPG 소비량은 1 위.](/papers/kibum-kim-2021-lpg-vehicles-alternative-fuel/fig1.jpeg) ## 요약 이 paper 는 [[jongsulee]] 의 *AFV consumer preference + 정책 시뮬레이션* 라인의 LPG-확장 작업. 기존 AFV 선호 연구 (Hong et al. 2012 [[junhee-hong-2012-v2g-subsidy-ex-ante]], Byun et al. 2018, Choi et al. 2018, Shin et al. 2019, Kim et al. 2020a/b) 들이 LPG 를 거의 다루지 않은 공백을 메우면서 — 2019 년 4 월 한국이 1980 년대부터 유지하던 LPG 차량 구매 제한 (택시·장애인·렌터카 한정) 을 일반 소비자로 확대한 *자연 실험* 을 활용해 단기·장기 효과를 정량화한다. 핵심 conceptual move 는 *reference point 를 future expectation 으로 설정* — 응답자에게 다음 차량 구매 시 기대 fuel type / charging time / efficiency / driving range / car type / station accessibility / price 의 *최소 기대치* 를 먼저 묻고, 그 값을 reference point 로 한 [[reference-dependent-model]] 을 추정. 현재 보유 차량을 기준점으로 삼는 통상의 방법은 *AFV 가 거의 없는 현실에서 biased estimate* 를 만들기 때문. 방법론적으로 두 모델을 비교한다. **Model 1** 은 fuel type 과 car type 을 standard mixed logit dummy 로 두고 나머지 5 attribute 에만 gain·loss 영역 분리. **Model 2** 는 모든 attribute 에 reference effect 적용 (단 fuel/car type 은 *선호 방향이 다양* 하므로 loss coefficient 만 추정 — Eq. 4 의 special form). Loss aversion parameter $\lambda_k = (1/N) \sum_n |\beta^L_{nk} / \beta^G_{nk}|$ 가 1 을 넘으면 loss aversion 존재. 결과는 charging station accessibility 의 $\lambda = 2.925$ (Model 1) 가 가장 크고, fuel efficiency 2.373, driving range 1.394 순. 즉 *충전 인프라 부족이 가장 강한 결정 장벽*. Fuel type 선호는 하이브리드가 가솔린보다 +0.452 (p<0.01) 로 가장 선호되고, EV 는 가솔린과 통계적으로 무차별 (-0.169, n.s.), LPG·디젤·HFCV 는 모두 가솔린보다 비선호. 차종은 SUV/RV 가 (sub)compact 보다 +0.330\*\*\* — 글로벌 SUV 전환 트렌드와 일치. 시뮬레이션 (Table 11) 은 *2020 vs 2030* 두 시점의 fuel type 별 attribute 수준을 가정해 시장 점유율을 forecast 하고 PM 배출량 (Table 12) 을 계산. 핵심 결과: 단기 (2020) 에 LPG 허용 → 가솔린·디젤·하이브리드 점유를 잠식 → PM 약 5.3% 감소. 그러나 장기 (2030) 에는 EV·HFCV 의 기술·가격·인프라가 개선되면서 LPG 가 *EV·HFCV 도 잠식* 하므로 PM 순감 효과가 사라짐 (271,949 vs 271,703 kg). 정책 함의: LPG deregulation 은 *transitional* 도구로만 정당하며 EV·HFCV 보급 성숙 시점 후엔 *재규제* 가 PM 감축에 더 효과적. 한계: (i) 차종별 PM 차이 미반영, (ii) EV·HFCV 의 non-exhaust PM (타이어·브레이크) 가정 단순화, (iii) PM 만 보고 CO2 미고려 — LPG 가 PM 적지만 CO2 는 가솔린 수준. ## 핵심 결과 | Fuel type | Mean coef. (Model 1) | 유의성 | |---|---:|---| | Hybrid (vs 가솔린) | +0.452 | \*\*\* | | EV | -0.169 | n.s. | | LPG | -0.719 | \*\*\* | | Diesel | -0.840 | \*\*\* | | HFCV | -0.927 | \*\*\* | | Attribute | Loss aversion λ (Model 1) | 비대칭? | |---|---:|---| | 충전 접근성 | **2.925** | Asymmetry | | 연료 효율 | 2.373 | Asymmetry | | 주행거리 | 1.394 | Asymmetry | | 구매가 | 1.177 | Symmetry | | 충전 시간 | 1.056 | Symmetry | | 시나리오 | 2020 PM (kg) | 2030 PM (kg) | |---|---:|---:| | LPG 불허 | 454,562 | 271,703 | | LPG 허용 | 430,678 | 271,949 | | 변화 | **-5.3%** | **+0.09% (사실상 무차이)** | 차종 선호 (vs (sub)compact): 대형/luxury +0.192\*\*, SUV/RV +0.330\*\*\*. 가장 큰 시사 — *EV 초기 모델이 (sub)compact 위주* 라서 *spacious vehicle 을 선호하는 한국 소비자* 의 EV 채택 지연 원인 중 하나. ## 방법론 노트 Reference-dependent utility 의 base 형식 (Eq. 3): $$ U_{nj}(r_n) = I(x \ge r) \sum \beta_{nk}^G (x_k - r_{nk}) + I(x < r) \sum \beta_{nk}^L |x_k - r_{nk}| + \varepsilon_{nj} $$ $r_n$ 은 응답자의 future expectation, $\beta^G_{nk}$ 는 gain 영역 (기준점 이상) marginal utility, $\beta^L_{nk}$ 는 loss 영역. Mixed logit 의 random coefficient 가정으로 $\beta$ 는 정규 또는 로그정규 분포. Fuel·car type 처럼 *선호 방향이 응답자마다 다른 attribute* 는 Eq. 4 의 special form 으로 loss term 만 추정 — 즉 응답자 기대와 다른 type 을 선택하면 *모두 loss* 로 해석. Loss aversion parameter: $$ \lambda_k = \frac{1}{N} \sum_n \left| \frac{\beta_{nk}^L}{\beta_{nk}^G} \right| $$ $\lambda_k > 1$ → loss aversion. 식별 핵심: future expectation 을 reference 로 둠으로써 (i) 현재 차량 기반 reference 의 *반응자 bias 회피* 와 (ii) AFV 처럼 *현재 보유 거의 없는* 신상품 type 의 reference 도 자연스럽게 정의. 단기·장기 시뮬레이션은 Table 11 의 가정된 attribute level vector 를 mixed logit 의 estimated coefficient 와 결합해 individual-level 선택 확률 평균으로 market share 산출. ## 연구 계보 이 paper 는 (i) Mabit & Fosgerau (2011, *Transp Res D*), Mabit et al. (2015) 의 *vehicle choice + reference-dependent preference* 라인, (ii) Kim, Lee, Ahn (2016, *Computers in Human Behavior*) 의 *smartphone 의 reference effect with heterogeneous direction*, (iii) Kim, Park, Lee (2018, *Energy Policy*) 의 *renewable energy reference-dependent*, (iv) Kim et al. (2020a, *Energy Economics*) 의 *EV asymmetric preference* 직접 선행을 통합. Loss aversion 이론은 Tversky & Kahneman (1991), Kahneman & Tversky (2013, prospect theory). Korean AFV 선호 분석은 Hong et al. (2012, [[junhee-hong-2012-v2g-subsidy-ex-ante]]), Byun et al. (2018), Choi et al. (2018), Shin et al. (2019), Kim et al. (2020a/b) 의 *[[jongsulee]] 연구실 라인 자매 작업*. [[jongsulee]] 의 *연구 궤적* 안에서는 *Discrete Choice Experiment + 정책 시뮬레이션* 라인의 LPG-확장이며, [[kibum-kim]] 박사과정 작업의 *reference-dependent 시리즈* (2018 [[kibum-kim-2018-time-series-regression-new-york-taxi]] 의 sharing-economy 와 별개, 2025 [[kibum-kim-2025-ml-reference-dependent]] · [[kibum-kim-2025-rd-ann-neural-network]] 의 ML-결합 reference 모형의 출발점). ## See also - [[jongsulee]] - [[kibum-kim]] - [[junghun-kim]] - [[reference-dependent-model]] - [[mixed-logit]] - [[discrete-choice-experiment]] - [[loss-aversion]] - [[lpg-vehicle]] - [[alternative-fuel-vehicle]] - [[particulate-matter]] - [[junhee-hong-2012-v2g-subsidy-ex-ante]] - [[kibum-kim-2025-ml-reference-dependent]] - [[energy-policy]]