제1절 연구방법
1. 실험설계 및 설문조사 개요
앱 기반 피드백의 가계 절전 효과를 정량적으로 추정하기 위해서는 분석을 위한 미시통계자료(micro-level data)가 필요하다. 우리나라의 경우 가정 전력 소비량 정보는 한국전력이 월단위로 계량한 자료가 존재하나, 개인정보유출 우려 등으로 현재까지 공개 공유되고 있지 않 는 실정이다. 이러한 이유로 이 연구에서는 실험설계 및 설문조사를 통해 분석에 필요한 미시통계자료를 확보하였다. 2012년과 2013년 두 기간에 동일한 표본(가구)을 대상으로 4 차례에 걸쳐 설계된 그룹별로 설문조사를 수행하여 전력 소비 및 도시가스 소비에 관한 정보, 인구 통계학적 특성 정보, 피드백의 절전 인식 제고 효과 및 행동변화 추정 을 위해 필요한 기초통계자료 등을 수집하였다. 즉 2년 간의 패널통계 자료를 구축하였다.
앱 기반 피드백의 가계 절전 효과 추정을 위해 다음과 같은 실험을 설계하였다. 설문조사 대상을 세 그룹으로 분류하여 에너지절약 어플 리케이션인 ‘에너지 다이어트’를 제공받는 그룹을 ‘어플이용그룹’이라 하고, 매주 에너지 절약 홍보 자료를 이메일을 통해 제공하는 그룹을
‘메일발송그룹’으로 지정한다. 그리고 어떠한 형태의 피드백도 제공하 지 않은 그룹을 ‘일반그룹’으로 정의한다.
이 연구에서 활용된 앱 기반 피드백 수단인 ‘에너지 다이어트’는 정
부와 에너지관리공단이 2010년에 가정용 전력 소비 절감을 위해 개발
설문조사는 한국리서치(주)에서 수행하였으며, 수행방법으로는 한국 리서치가 보유 중인 MS 패널29)을 이용한 웹조사(Computer-Aided Web Interview, 이하 CAWI)방식을 선택하였다.
2. 설문조사 특징
2012년 3월에 처음 시작되어 2013년 8월말까지 수행한 이 설문조 사에 대한 특징을 간략히 설명하기로 한다.
설문조사 대상자는 스마트폰 브랜드 중 아이폰(iPhone) 사용자에 한 정하여 무작위로 선택하였다. 그 이유는 스마트폰 어플리케이션인 ‘에 너지 다이어트’가 iOS운영체계를 기반으로 개발되어 안드로이드 기반 의 타 스마트폰에서는 사용할 수 없기 때문이다. 또한 조사 응답자는 가구주 및 가구주의 배우자로 한정하고 있지만 가구 전체의 전력 소 비에 관한 정보를 물어보고 있어 설문조사 대상은 개인이 아니라 가 구 전체가 된다. 주거 건물은 단독주택, 아파트, 다세대 및 연립주택으 로 한정하여 설문조사를 수행하였다. 이러한 제한으로 본 조사에 1인 가구 혹은 2인 가구가 거주하고 있는 오피스텔과 같은 복합주택 거주 자들을 반영할 수 없다는 한계가 존재한다. 2013년 3월에 수행된 제3 차 조사에서는 2012년 조사 이후 이사를 한 경우 이주한 지역, 주택형 태, 난방연료에 대해서 재확인 과정을 거쳤다.30)
29) 한국리서치 MS 패널은 2001년부터 온라인과 오프라인의 다양한 채널을 통해 모집하고 구축한 28만 응답자 풀로 지역, 성, 연령, 휴대전화 종류, 주택형태 등 34가지 개인정보를 확보하고 있으며, 2010년 한국주택공사에서 발주한 ‘주택금 융 및 보금자리론 수요실태조사’에서 통계청 승인을 받음으로써 대표성을 검증 받음
30) 3차 설문조사 결과, 2012년 6월 이후 이사한 적이 있다는 응답자가 24.5%였음.
이는 조사 대상을 단독주택, 아파트, 다세대 및 연립주택 거주자이면서 도시가
또 다른 특징은 이 설문조사에서 가구별 전력사용 정보 외에 도시 가스 사용 정보에 대한 질문을 포함하였다는 점이다. 도시가스 사용의 용도에 따라서 세분하여 조사하는 것이 더욱 바람직하지만 현실적인 제약, 즉 주택용 도시가스의 경우 취사용과 난방용 가스 사용량을 하 나의 계량기로 측정하는 특성으로 인해 월별 전체 도시가스 소비량 및 도시가스 요금 수준 정보를 분석에 이용하였다.
본 연구에서 수행한 설문조사는 웹조사방식을 이용하고 있어 대면 면접에 준하는 설문 길이로 진행이 가능하다는 장점이 있으나, 실제 전기료 납부내역서를 확인할 수 없어 응답 내용의 정확성을 보증할 수 없다는 한계가 존재한다. 대면면접으로 진행할 경우 면접원이 응답 자의 납부영수증을 확인하여 정확한 사용량 정보를 제공받을 수 있는 데 이 연구의 설문조사는 시간과 예산의 제약으로 웹조사방식을 통한 설문조사를 진행하였다.
설문조사의 한계와 더불어 설문 응답자 관리의 한계도 존재한다. 본 연구에서 실시한 패널 조사의 경우 다음 조사(2013년 설문조사)를 위 해 응답자의 주소, 전화번호 등이 변경될 경우 응답자에게 소정의 답 례품을 제공하며, 조사 결과에 대한 제공, 소식지 제공 등 패널 유지 율 확보를 위한 담당기관의 관리가 필수적이다. 그러나 본 연구의 설 문조사는 2012년 조사 이후에 대상자의 응답률 유지를 위한 추가적인 관리가 수행되지 않고 있고, 또한 2012년 조사 시 조사 대상자에게 2012년 2차례에 걸쳐 조사를 한다는 공지 이외에 2013년 추가적인 조사가 있다는 안내가 없었다. 추가적으로 응답자가 조사에 응하기 위 해서는 당월 및 전월 전기, 도시가스 납부영수증을 보관하고 있거나
스 사용 가구로 한정한 결과임
개인메일을 통해 확인할 수 있어야 하는데, 실제로 이러한 과정 상의 불편함으로 인해 응답률이 낮을 개연성도 존재한다.
제2절 분석방법
1. 패널데이터 분석방법 소개31)
이 연구의 분석방법에 대한 설명에 앞서 패널데이터 분석방법에 대 한 기초적인 내용을 간략히 소개하기로 한다. 민인식 외(2009)의 저서 에서는 패널데이터 분석방법론에 대해 독자가 알기 쉽도록 상세히 설 명하고 있어 이 저서의 내용을 개략적으로 요약 정리하기로 한다.32)
먼저 패널데이터의 선형회귀모형 추정방법론을 살펴보자. 다음과 같 은 선형회귀모형을 가정해 보자.
및 (1)
균형패널이라고 가정하면 위의 식 (1)의 관측개체 수(N)은 n × T가 된다. 만약 주어진 관측 데이터가 패널구조라는 점을 무시하고 식 (1) 을 통상최소자승법(OLS)으로 추정한다면 이를 일컬어 합동최소자승 법(Pooled OLS)이라 한다. 이 추정방법이 합리성을 갖추기 위해서는
31) 민인식, 최필선(2009), STATA 패널데이터 분석, 한국STATA학회출판, page 89~161의 내용을 요약 정리함
32) 본 연구에서 사용되고 있는 계량경제학 용어들은 경제학에서 널리 통용되는 일 반지식으로 간주할 수 있어, 다른 문헌에서 사용되는 관련 용어와 매우 흡사할 수 있음
다음의 <표 3-2>와 같은 OLS의 기본 전제(가정)들이 성립해야 한다.
correlation) 및 자기상관(auto-correlation 혹은 serial correlation)이 존재하면 안됨.
일반적으로 패널데이터는 위에서 기술한 전제에 위배될 가능성이 높은 편인데, 특히 전제 2를 위반하는 오차항에 이분산성(heteroskedasticity) 이 존재할 경우에는 효율적인 추정량 도출을 위해 GLS(generalized least squares) 방법을 사용해야 한다.
다음으로 소개할 패널데이터 분석방법은 고정효과모형(fixed effects model)이다. 수식 (2)과 같은 패널 선형회귀모형을 가정해 보자.
및 (2)
이 선형회귀모형은 시간에 따라 변하지 않는 패널의 개체특성 (individual specific effects)을 보여주는 와 시간과 패널 개체에 따 라 변하는 순수 오차항인 로 구성되어 있다. 만약 을 확률변수(random variable)가 아닌 추정해야 할 모수(parameter)로 간주한다면 이 를 고정효과모형(fixed effects model)이라 할 수 있다. 즉 수식 (2) 는 다음의 식 (3)과 같이 표현할 수 있다.
(3)
수식 (3)을 추정하는 첫 번째 방법은 각 변수들에 대해 within 변환 을 하는 것이다. 이를 위해 먼저 패널 그룹별 평균으로 이루어진 between 모형을 살펴보자.
(4)
수식 (3)에서 (4)를 빼주면 수식 (5)와 같은 within 변환을 적용한 추정모형이 되고, 이를 OLS 추정을 통해 에 대한 일치추정량을 구 할 수 있다.
(5)
수식 (3)을 추정하는 두 번째 방법은 패널 개체별 더미변수(dummy variable)를 이용하는 것이다. 이 방식은 다음의 수식 (6)과 같이 표현 할 수 있다.
(6)위 수식 (6)에서 는 수식 (3)에서 와 같다. 이와 같은 방 식으로 도출한 추정량을 최소제곱더비변수(LSDV, least squares dummy variable) 추정량이라 한다. 이 방법은 패널 개체수(n)가 많지 않고, 패널 그룹 내의 T가 충분할 때 유용하다(Baltagi, 2008)33).
다음으로 소개할 패널데이터 분석방법은 특정 정책변수(설명변수) 가 종속변수에 어떤 영향을 미치는지 추정하기 위해 의학 분야에서 자주 활용되고 있는 이중차감추정법(DID, Difference-in-Difference)이 다. T=2인 패널 선형회귀모형을 가정해 보자.
33) Baltagi, B. (2008), Using Stata for Principles of Econometrics, John Wiley &
Sons 인용
(7)
수식 (7)에서 는 정책변수로서 특정 정책의 영향을 받으면 1, 영향을 받지 않으면 0의 값을 갖는 더미변수이고, 는 기간 (period) 더미변수로서 정책 시행 전 기간이면 0, 정책 시행 이후이면 1값을 갖는다. 위 수식 (7)의 1차 차분방정식을 구하면 다음의 식 (8) 과 같이 상수항이 포함된 횡단면 모형이 된다.
(8)
위의 수식 (8)처럼, 의 추정치는 실험군과 대조군의 두 기간 간의 차이를 각각 계산한 후 다시 이 둘의 차이를 계산하는 것과 같음을 알 수 있다. 즉 다음과 같이 구한 에 대한 추정량을 이중차감추정량 (DID)이라 한다.
실험군 대조군 (9)
1차 차분을 이용하지 않고 데이터를 합동시킨(pooling) 상태에서도 이중차감추정량(DID)을 도출할 수 있는데, 다음의 수식 (10)은 이러한 추정방정식을 표현하고 있다.
× (10)
위 식 (10)에서 변수는 실험군이면 1이고, 대조군이면 0의 값 을 갖는 더미변수다. 변수는 정책시행 이전 기간이면 0값을, 시행 이후 기간이면 1값을 갖는 더미변수이다.
위 수식 (10)을 이용하면 다음의 4가지의 종속변수 의 기댓값을 구할 수 있다.
결과 1: 실험군이고 정책 시행 이전에 속하는 경우: 결과 2: 실험군이고 정책 시행 이후에 속하는 경우:
결과 1: 실험군이고 정책 시행 이전에 속하는 경우: 결과 2: 실험군이고 정책 시행 이후에 속하는 경우: