Consumers' Heterogeneous Preferences Toward the Renewable Portfolio Standard Policy: An Evaluation of Korea's Energy Transition Policy


jihee-lee, Hyungbin Moon, 이종수 (2021) · Energy & Environment · DOI ↗

한국 RPS (Renewable Portfolio Standard) 정책의 5 attribute (전기료 인상 · GHG 감축 · 일자리 창출 · 정전 시간 증가 · 산림 훼손) 에 대한 잠재 집단별 선호를 2-class latent-class-model 로 식별 + Renewable Energy 3020 정책 (재생 8.8% → 20% by 2030) 의 수용성 simulation. Class 1 — 전기료·정전·산림 훼손에 민감, GHG 무관심; Class 2 — 전기료·GHG·정전 중시, 산림 훼손 무관심. 2025 년 전기료 spike 시 공공 수용율 급락 예상 — 강한 backlash 대비 정책 sequencing 필수.

  • RQ: 한국 RPS 정책의 5 attribute (cost · CO2 · job · stability · 산림) 에 대한 잠재 집단 별 선호 이질성은 어떻게 분포되며, 2030 년까지의 정책 강화 경로에서 공공 수용성은 어떻게 변하는가?
  • 방법론: latent-class-model, discrete-choice-experiment, bayesian-inference, 시나리오 분석
  • 데이터: 한국 수도권 + 광역시 20+ 세 face-to-face 설문 N=498 (2 outlier 제외, 2012-08-30~09-19, purposive quota); 5 attribute × 243 조합 중 fractional factorial 18 alternatives 6 sets; membership 변수 (sociodemographic + 재생에너지 인식)
  • 주요 발견: CAIC 최저화 2 class 결정; Class 1 — 전기료·정전·산림 훼손 중시 (MWTP 정전 1 분 감소 = 103 KRW/월, 산림 1 km² 보존 = 14 KRW/월), GHG 무관심; Class 2 — 전기료·GHG·정전 중시 (MWTP GHG 100 만톤 감축 = 81 KRW/월, 정전 1 분 감소 = 27 KRW/월), 산림 훼손 무관심; 2025 년 RPS 의무 강화 (전기료 spike) → 공공 수용율 급락 예상
  • 시사점: 재생에너지 정책 강화 시 전기료 점진 인상 + 사전 공공 동의 확보 의 sequencing 필수. Class 1 의 산림 보존 우려 + Class 2 의 GHG 감축 요구의 양방향 패키지 필요

Fig. 1. RPS 정책 DCE 의 예시 questionnaire. 5 attribute (전기료 · GHG · 일자리 · 정전 · 산림) 의 3 alternative 비교 선택. 산림 훼손은 여의도 면적의 N 배 로 직관적 시각화.

요약

한국은 전기료가 OECD 국가 중 가장 낮아 재생에너지 확대가 비용 부담 으로 직접 연결된다. 2012 RPS 도입 이후 2017 Renewable Energy 3020 발표 (재생 비중 2018 년 8.8% → 2030 년 20%) 로 정책 강화 압력이 더 커졌고, 전기료 spike 의 backlash 가 예측되지만 정량 분석이 없었다. 기존 연구 (Wüstenhagen et al. 2007, Shin et al. 2014 등) 는 재생에너지 기술 수용성에 집중하고 정책 attribute 별 trade-off 는 다루지 않았다. 본 paper 는 jihee-lee · Hyungbin Moon · 이종수2030 년 정책 경로 의 수용성 simulation 을 위해 latent-class-model정책 attribute 차원 첫 한국 적용한 작업.

5 attribute — (1) 전기료 인상 (2%·6%·10% 월간), (2) GHG 감축 (3%·5%·7%/년), (3) 일자리 창출 (1만·2만·3만/년), (4) 정전 시간 증가 (10·30·50 분/년), (5) 산림 훼손 (530·660·790 km²/년). 산림은 여의도 N 배 로 직관적 시각화. 243 조합 중 fractional factorial 18 alternatives 6 sets. latent-class-model utility:

Unjtq=kβkqXjkt+εnjtqU_{njt|q} = \sum_k \beta_{k|q} X_{jkt} + \varepsilon_{njt|q}

CAIC 최저화 2 class 결정. Class 1 (electricity-cost-sensitive) — 전기료 (음수 강함) · 정전 (음수 강함) · 산림 (음수) 중시; GHG 무유의 (수용성 정책의 직접 비용 만 인지). Class 2 (environment-balanced) — 전기료 (음수) · GHG (양수 강함) · 정전 (음수) 중시; 산림 무유의 (총 환경 효익 우선). MWTP — Class 1 정전 1 분 감소 103 KRW/월 > 산림 1 km² 보존 14 KRW > 일자리 11 KRW/월 (per 100 명); Class 2 GHG 100 만톤 감축 81 KRW > 정전 27 KRW > (산림 무유의).

Membership 분석 — sociodemographic 변수보다 재생에너지 인식 (need · technology · policy awareness) 이 class 분리에 더 결정적. 정책 시뮬레이션 — Renewable Energy 3020 의 점진적 RPS 강화 (2018 → 2030) 시 전기료가 2025 년에 spike (현재 의무비율 가속 단계). Simulation 결과 — 2025 시점에 공공 수용율 sharp decline. 해석 — Class 1 (전기료 sensitive) 이 threshold spike 에서 강하게 backlash. 정책 함의 — (i) 전기료 인상의 점진적 sequencing (2025 spike 회피), (ii) Class 1 대상 직접 정전 보상 + 산림 보호 동시 추진, (iii) Class 2 대상 GHG 감축 효과 명확 communication 으로 지지 동원.

핵심 결과

LCM 추정 (N=498, 2 class)

AttributeClass 1 (전기료 sensitive)Class 2 (환경 균형)
전기료 인상− (강함)
GHG 감축n.s.+ (강함)
일자리 창출+ (약함)(less significant)
정전 시간− (강함)
산림 훼손n.s.

MWTP

Class 1 (KRW/월)
정전 1 분 감소103
산림 1 km² 보존14
일자리 100 명/년11
Class 2 (KRW/월)
GHG 100 만톤 감축81
정전 1 분 감소27
일자리 100 명/년3

2030 년 시나리오 simulationRenewable Energy 3020 의 점진적 강화에서 2025 시점 전기료 spike → 공공 수용율 sharp decline 예측. Class 1 의 backlash 가 핵심 동인.

방법론 노트

latent-class-model 의 핵심 — 모집단을 unobserved QQ class 로 분리 + class 내 동질 선호 + class 간 이질. Class-conditional utility:

Unjtq=kβkqXjkt+εnjtqU_{njt|q} = \sum_k \beta_{k|q} X_{jkt} + \varepsilon_{njt|q}

Choice probability:

Pntq(i)=exp(Xitβq)jexp(Xjtβq)P_{nt|q}(i) = \frac{\exp(X_{it}' \beta_q)}{\sum_j \exp(X_{jt}' \beta_q)}

Class membership:

Hnq=exp(znθq)q=1Qexp(znθq)H_{nq} = \frac{\exp(z_n' \theta_q)}{\sum_{q=1}^Q \exp(z_n' \theta_q)}

znz_n 은 인구학적 + 재생에너지 인식 변수. Likelihood:

lnL=nln[qHnqtPntq]\ln L = \sum_n \ln \left[ \sum_q H_{nq} \prod_t P_{nt|q} \right]

MLE 추정. CAIC 최저화로 class 수 결정. Posterior class probability (Bayes):

H^qn=P^nqH^nqqP^nqH^nq\hat{H}_{q|n} = \frac{\hat{P}_{n|q} \hat{H}_{nq}}{\sum_q \hat{P}_{n|q} \hat{H}_{nq}}

MWTP:

MWTPxk=β^nkβ^n,priceMWTP_{x_k} = -\frac{\hat{\beta}_{nk}}{\hat{\beta}_{n,price}}

식별은 (i) 18 alternatives orthogonal design, (ii) 5 attribute 의 within-set variation, (iii) membership 변수의 between-respondent variation. Scenario simulation 은 정부 발표 2018-2030 RPS 의무 비율 trajectory + 전기료 예측 → 매년 attribute level 변화 → choice probability 시뮬레이션 → 공공 수용율 시계열.

연구 계보

본 paper 의 method 조상은 Greene and Hensher (2003) LCM framework + Train (2009) Bayesian DCM. 한국 RPS / 재생에너지 수용성 라인의 직접 선행은 Analyzing Public Preferences and Increasing Acceptability for the Renewable Portfolio Standard in Korea · The Economic Value of South Korea's Renewable Energy Policies (RPS, RFS, and RHO): A Contingent Valuation Study · Public Attitudes Toward the Construction of New Power Plants in South Korea · Do People Really Want Renewable Energy? Who Wants Renewable Energy? Discrete Choice Model of Reference-Dependent Preference in South Korea. 글로벌 사회 수용성 framework 는 Wüstenhagen et al. (2007, Energy Policy) 의 sociopolitical-community-market acceptance 3 분류 + Schumann (2010) 의 passive acceptance + Longo et al. (2008) · Bertsch et al. (2016) heterogeneity. Procedural justice 는 Zoellner et al. (2008). 이종수 author page 의 제3기 행동경제학 심화 의 정책 수용성 sub-line 안에서, 본 paper 는 2014 Analyzing Public Preferences and Increasing Acceptability for the Renewable Portfolio Standard in Korea2021 시점 정책 강화 시뮬레이션 확장 작업이며, sibling Public Attitudes Toward the Construction of New Power Plants in South Korea 와 함께 발전소·재생 정책 수용성 시리즈 의 정책 forecast 표지작.

See also

인접 그래프

1-hop 이웃 10
  • 인물 2
  • 방법론 1
  • 개념 1
  • 수록처 2
  • 논문 4
휠 = 확대/축소 · 드래그 = 이동 · hover = 강조 · 클릭 = 페이지 이동