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, 이종수, Junghun Kim (2021) · Energy Policy 154:112311 · DOI ↗

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 + 혼합 로짓 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), 혼합 로짓 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.

요약

이 paper 는 이종수 의 AFV consumer preference + 정책 시뮬레이션 라인의 LPG-확장 작업. 기존 AFV 선호 연구 (Hong et al. 2012 Ex-ante Evaluation of Profitability and Government's Subsidy Policy on Vehicle-to-Grid System, 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, Ex-ante Evaluation of Profitability and Government's Subsidy Policy on Vehicle-to-Grid System), Byun et al. (2018), Choi et al. (2018), Shin et al. (2019), Kim et al. (2020a/b) 의 이종수 연구실 라인 자매 작업. 이종수 의 연구 궤적 안에서는 Discrete Choice Experiment + 정책 시뮬레이션 라인의 LPG-확장이며, Kibum Kim 박사과정 작업의 reference-dependent 시리즈 (2018 Creative destruction of the sharing economy in action: The case of Uber 의 sharing-economy 와 별개, 2025 A Machine Learning Technique Embedded Reference-Dependent Choice Model for Explanatory Power Improvement: Shifting of Reference Point as a Key Factor in Vehicle Purchase Decision Making · Beyond the Status Quo: Leveraging Reference-Dependent Theory in a Neural Network for Consumer Choice Analysis 의 ML-결합 reference 모형의 출발점).

See also

• 이종수
• Kibum Kim
• Junghun Kim
• reference-dependent-model
• 혼합 로짓
• discrete-choice-experiment
• loss-aversion
• lpg-vehicle
• 대체연료차
• particulate-matter
• Ex-ante Evaluation of Profitability and Government's Subsidy Policy on Vehicle-to-Grid System
• A Machine Learning Technique Embedded Reference-Dependent Choice Model for Explanatory Power Improvement: Shifting of Reference Point as a Key Factor in Vehicle Purchase Decision Making
• Energy Policy

인접 그래프

1-hop 이웃 15개

• 인물 3
• 방법론 1
• 주제 2
• 수록처 2
• 분류 1
• 논문 6

↻ 초기화

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

이 문서를 가리키는 페이지

논문 (4)

• A Machine Learning Technique Embedded Reference-Dependent Choice Model for Explanatory Power Improvement: Shifting of Reference Point as a Key Factor in Vehicle Purchase Decision Making
• Beyond the Status Quo: Leveraging Reference-Dependent Theory in a Neural Network for Consumer Choice Analysis
• Environmental Impacts of Transportation Policy and Vehicle Market Share Predictions
• Public Preferences and Increasing Acceptance of Time-Varying Electricity Pricing for Demand-Side Management in South Korea

인물 (1)

• 이종수