Analyzing Public Preferences and Increasing Acceptability for the Renewable Portfolio Standard in Korea

Jungwoo Shin, Jongroul Woo, Sung Yoon Huh, 이종수, Gicheol Jeong (2014) · Energy Economics 42:17-26 · DOI ↗

한국 RPS 정책 시행 (2012.1) 직후 시점에 가구 수용성 (acceptability) 을 컨조인트 분석 + Bayesian 혼합 로짓 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: 컨조인트 분석 (5 attributes × 3 levels, 243 → 18 alternatives, 6 choice sets × 4 alternatives = 24 cards), Bayesian 혼합 로짓 (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.

요약

이 paper 는 이종수 의 2 기 도메인 심화기 의 energy-transition-policy-acceptance 라인의 대표작 이며, Optimal Allocation of Energy Sources for Sustainable Development in South Korea: Focus on the Electric Power Generation Industry (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) 컨조인트 분석 — 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 혼합 로짓 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

혼합 로짓 + 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. 이종수 author page 의 renewable energy + consumer preference 라인 — sibling 으로 201510_HuhSY_RPS_RFS_RHO (RFS, RHO 통합 분석, 본 paper 의 framework 확장), Optimal Allocation of Energy Sources for Sustainable Development in South Korea: Focus on the Electric Power Generation Industry (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.

인접 그래프

1-hop 이웃 18개

인물 5
방법론 3
개념 1
주제 1
수록처 1
논문 7

휠 = 확대/축소 · 드래그 = 이동 · hover = 강조 · 클릭 = 페이지 이동

이 문서를 가리키는 페이지

논문 (5)

인물 (1)

이종수