---
type: paper
slug: youngsang-cho-2015-energy-efficient-incentive
title: >-
  Evaluation of a consumer incentive program for an energy-efficient product in
  South Korea
authors:
  - '[[youngsang-cho]]'
  - '[[yunmokoo]]'
  - '[[sung-yoon-huh]]'
  - '[[misuk-lee]]'
year: 2015
venue: '[[energy-efficiency]]'
doi: 10.1007/s12053-014-9319-x
categories:
  - '[[energy-economics]]'
  - '[[environmental-economics]]'
methods:
  - '[[discrete-choice-model]]'
  - '[[mixed-logit]]'
  - '[[conjoint-analysis]]'
  - '[[bayesian-estimation]]'
themes:
  - '[[consumer-incentive-program]]'
  - '[[energy-efficient-product]]'
  - '[[ex-ante-policy-evaluation]]'
aliases: []
last_updated: '2026-05-17T21:30:00+09:00'
---
# Evaluation of a consumer incentive program for an energy-efficient product in South Korea

*[[youngsang-cho]], [[yunmokoo]], [[sung-yoon-huh]], [[misuk-lee]] (2015)* · [[energy-efficiency]] · [DOI ↗](https://doi.org/10.1007/s12053-014-9319-x)

> 한국 *친환경 LCD TV 소비자 인센티브 프로그램* — 포인트 적립 + 세제 혜택 — 의 시장 점유 변화와 CO2 감축 효과를 [[conjoint-analysis]] + [[mixed-logit]] (Bayesian) 으로 *ex-ante* 평가. MWTP 추정 (1W 절감 = -13,300 KRW; 1% 적립 = +22,000 KRW; 100만원 세액공제 = +67,000 KRW), 시뮬레이션 결과 *세액공제 가중 인센티브* 가 CO2 감축에 가장 효과적.

- **RQ**: 친환경 LCD TV 의 *전력소비량·포인트 적립률·세액공제* 속성에 대한 소비자 MWTP 는 얼마인가? 인센티브 조합별 시장 점유 변화와 CO2 감축 효과는?
- **방법론**: [[conjoint-analysis]] (4 대안 × 6 속성) + [[mixed-logit]] 베이지안 추정 (Gibbs sampler, 70,000 iterations + 30,000 burn-in)
- **데이터**: 501 명 응답자 × 3 시나리오 = 1,503 관측, 한국 LCD TV 시장 + 전력가격·CO2 배출계수
- **주요 발견**: (1) **전력소비 MWTP -13,300 KRW/W**, *3DTV* 프리미엄 2.62 백만 KRW. (2) **속성별 상대중요도**: 3DTV 30%, 화면크기 29%, 전력소비 25%, 가격 11%, 적립률 3%, 세액공제 3%. (3) 모든 모수 99% 사후신뢰구간이 0 제외, 정규 분포 가정 standard deviation 도 큰 *개인 이질성*. (4) 인센티브 시나리오별 시장 점유 변화와 CO2 감축량 차등.
- **시사점**: 친환경 가전 인센티브 설계 시 *제품 핵심 속성 (크기·기능)* 의 가치가 인센티브 수단 (포인트·세제) 의 약 *10 배* — 제품 자체의 매력이 우선, 인센티브는 *보완적 푸시*. 적립률보다 *세액공제* 가 CO2 감축에 더 효과적 (효용계수 5 배).

![](/papers/201507_ChoY_Evaluation_of_a_consumer_incentive_program_for_an_energy_efficient_product_in_South_Korea/fig2.jpeg)

*Fig. 2 — 인센티브 시나리오별 LCD TV 점유 변화와 CO2 감축 효과 시뮬레이션.*

## 요약

이 paper 는 [[yunmokoo]] 의 *1기 KEI 시기* — 환경-에너지 정책 평가 — 의 또 한 작업. [[yunmokoo-2013-point-card-public-transport]] (대중교통 포인트) 의 자매로, 이번엔 *친환경 가전 (LCD TV)* 영역에 동일 *[[conjoint-analysis]] + [[mixed-logit]] + 시나리오 시뮬레이션* 프레임 적용. 한국이 2010 년대 초 *에너지 라벨 + 인센티브 정책* 을 적극 도입한 맥락의 사전평가.

방법론적 핵심은 *베이지안 [[mixed-logit]]* — Train (2003) 의 Gibbs sampler 로 평균·분산 모수의 사후 분포를 추정해 *개인 이질성* 을 명시적으로 포함. Gibbs 70,000 회 iter, 30,000 burn-in, thinning 20 → 2,000 saved draws 로 비제로 비율 산출. 핵심 발견 (Table 4) — MWTP 가 직관과 일치: 전력 1W 감소 = -13,300 KRW (양음 부호 맞음), 1% 포인트 적립 = +22,000 KRW. 

흥미로운 *상대중요도*: 3DTV 30% + 화면크기 29% = 59%, 즉 제품의 *핵심 기능* 이 결정의 절반 이상. 가격 11%, 전력소비 25%, 인센티브 (포인트 3% + 세제 3%) 6%. 인센티브 수단은 *효용 weight* 가 작지만 *MWTP 환산 효과* 는 크다. 시뮬레이션 (Section "Market simulation with incentive variations"): 세액공제 100만 → 300만 KRW 확대 시 친환경 LCD TV 시장점유가 baseline 대비 유의 증가, CO2 감축량은 비례. 결론: *적립률 증가* 보다 *세액공제 확대* 가 CO2 감축에 더 비용효과적.

[[yunmokoo]] 의 *연구 궤적* 안에서 이 paper 는 *1기 KEI 작업* 의 한 갈래로, [[yunmokoo-2013-point-card-public-transport]] 와 *인센티브 정책 평가* 라인을 형성. 도구 (Bayesian mixed logit) 는 후속 [[hyojung-choi-2019-vehicle-replacement-strategic]] (2019 차량교체모형) 의 베이지안 추정 기반이 된다.

## 핵심 결과

| 모수 | 평균 (β) | 표준편차 (이질성) | MWTP | 상대 중요도 |
|---|---:|---:|---:|---:|
| 전력소비 (W) | −0.4762\*\* | 1.0164 | −13,300 KRW/W | 25% |
| 포인트 적립률 (%) | +0.0144\*\* | 0.0374 | +22,000 KRW/% | 3% |
| 세액공제 (백만 KRW) | +0.0781\*\* | 0.4518 | +67,000 KRW/M | 3% |
| 화면크기 (in) | +0.4233\*\* | 0.9833 | +97,000 KRW/in | 29% |
| 3DTV dummy | +1.0662\*\* | 2.0461 | +2.62M KRW | 30% |
| 가격 (M KRW) | −0.5335\*\* | 1.1094 | — | 11% |

(\*\* 99% posterior probability interval excludes zero; N=1,503 observations, 501 respondents)

## 방법론 노트

[[mixed-logit]] 효용함수 (Eq. 9):

$$
U_{nj} = \beta_{power} X_{power} + \beta_{point} X_{point} + \beta_{tax} X_{tax} + \beta_{size} X_{size} + \beta_{3D} D_{3D} + \beta_{price} X_{price} + \varepsilon_{nj}
$$

각 $\beta$ 가 정규분포 $N(\bar\beta, \sigma_\beta^2)$ 로 가정되어 개인 이질성 포함. 베이지안 추정 — Gibbs sampler 70k iter, 30k burn-in, thinning 20 → 2,000 sampled draws. 사후 유의성은 *2,000 draws 중 부호 일치 비율* 로 판정 (frequentist t-stat 대체).

식별 가정: (i) [[conjoint-analysis]] 의 [[stated-preference]] 가 실제 시장 행동 근사, (ii) 6 속성이 직교 설계, (iii) [[mixed-logit]] 의 정규분포 가정. 시뮬레이션 단계: 추정된 효용 → 인센티브 변화 시 점유 변화 → 전력 절감 → CO2 감축 (한국 전력 부문 배출계수).

## 연구 계보

이 paper 는 (i) Train (2003) 의 [[mixed-logit]] + Bayesian estimation 정통, (ii) [[jongsulee]] 의 [[conjoint-analysis]] 한국 적용 라인, (iii) [[yunmokoo]] 본인의 [[yunmokoo-2013-point-card-public-transport]] 의 *인센티브 평가* 작업 — 의 직접 선행. [[yunmokoo]] 의 *연구 궤적* 안에서 *1기 KEI 시기 인센티브 평가 라인* 의 자매작이며, 후속 [[hyojung-choi-2019-vehicle-replacement-strategic]] 에서 Bayesian [[mixed-logit]] 이 동학적 차량 교체 모형의 추정 엔진으로 발전.

## See also

- [[yunmokoo]]
- [[youngsang-cho]]
- [[sung-yoon-huh]]
- [[misuk-lee]]
- [[conjoint-analysis]]
- [[mixed-logit]]
- [[discrete-choice-model]]
- [[consumer-incentive-program]]
- [[energy-efficiency]]
- [[yunmokoo-2013-point-card-public-transport]]