이번 장에서 소개하는 확률변경함수의 추정계수 및 온실가스감축 효율성의 결과는 식(9)의 비효율성항( )에 반정규분포(half-normal distribution)를 가정하여 추정한 값15)이다
가. 확률변경함수의 추정
추정방법은 Green(2005)이 제시한 고정효과(true-fixed effects) 모형 을 이용하였다. Green(2005)은 각 의사결정단위(DMU:decision-making unit)에 더미변수(dummy variables)를 고려함으로써 각 의사결정단위 (DMU)의 상이성(heterogeniety)을 통제하는 모형을 제안하였다16) 하지 만 본 연구는 각 의사결정단위(즉 업체) 대신 업종별 더미변수를 고려 하였다17). 이는 온실가스배출 또는 에너지사용의 특징이 같은 업종에 속한 기업일 경우 유사한 반면 타 업종 기업들과는 상이할 가능성이 높 다는 점에 근거하고 있다.
15) 추정결과의 강건성검증(robustness check)을 위해 반정규분포 대신 지수분포 (exponential distribution)를 고려하였고 거의 유사한 결과를 얻을 수 있었다(부록-3 참조). 추가로 절단정규분포(truncated normal distribution)을 고려하였으나 최대우 도추정법이 수렴하지 않았다.
16) 자료에서 광업에 속한 기업의 수는 1개이지만 광업업종의 온실가스배출 및 에너지 사용 특징이 타 업종과 상이하다는 가정하에 광업에 더미변수를 부여하여 추정을 실시하였다. 다만 온실가스감축효율성의 업종별 분석에서 광업업종의 결과를 1개 기업의 추정결과를 가지고 설명하는데 한계점이 있어 광업의 온실가스 감축효율성 분석은 실시하지 않았다.
17) 각 업종별 더미변수의 계수에 대한 결과값은 부록-1에 소개하였다.
<표 5-3> 확률변경함수 추정결과
추정계수 t-값
-15.85790*** -7.78000
0.63045*** 4.32000
0.43435*** 4.73000
0.27147 1.58000
-1.07439*** -6.22000
-0.04073*** -2.84000
-0.01619 -1.33000
0.03034* 1.80000
-0.02333*** -3.48000
0.00190 0.34000
0.02837*** 4.72000
0.02555*** 4.29000
0.10525*** 7.62
0.05393*** 11.61
로그우도값 -275.98047
LR 검정통계량 35.8461***
*** 1% 수준에서 통계적으로 유의함
** 5% 수준에서 통계적으로 유의함
* 10% 수준에서 통계적으로 유의함
제5장 주요 연구내용 및 결과 37
위의 <표 5-3>은 확률변경함수(식 (9))에 대한 추정결과를 보여주고 있다. 우선 비효율성항에 부여한 반정규분포(half-normal distribution) 의 표준편차인 의 값이 1% 수준에서 통계적으로 유의한 값(0.10525) 을 보였다. 하지만 이 결과를 통해 비효율항이 존재하는지 통계적으로 결론 내리기 어렵다. 이를 알아보기 위해 다음과 같은 귀무가설을 설정 하였다.
위의 귀무가설은 비효율성항이 존재하지 않는다는 가설이 되며 검정 통계량은 ln ln으로 구하였다18). <표 5-3>에서 확인할 수 있듯이 LR 검정통계량은 1%수준에서 유의하므로 귀무가설 을 기각할 수 있다. 따라서 분석모형에서 비효율성항이 통계적으로 존 재한다고 결론지을 수 있다. 즉 위의 결과를 통해 비효율성항의 존재를 받아들일 수 있으므로 확률변경분석이 가능할 수 있다.
추정계수에 대한 결과해석에 앞서 추정한 식(9)의 경우 종속변수에 음의 부호가 붙어 있음을 주의해야 한다. 즉 추정계수의 부호가 양일 경우에는 반대 방향의 관계가, 음일 경우에는 같은 방향의 관계가 있음 을 의미하게 된다.
배출원단위역수( )가 온실가스배출량에 미치는 영향을 나타내 는 계수인 는 통계적으로 유의한 양의 값(0.63045)을 보였다. 이는 배출원단위역수와 온실가스배출량 간에 역의 관계가 있음을 나타낸다.
18) 와 귀무가설이 제약될 경우와 제약되지 않았을 때의 로그우도 값 을 의미한다.
배출원단위는 온실가스배출량을 매출액으로 나눈 값이다. 일반적으로 배출원단위역수의 값이 커진다는 것은 배출원단위가 개선되었다는 것 을 의미하며 매출액 단위당 온실가스 배출량이 줄어든다는 것을 나타 낸다. 따라서 추정된 역의 관계는 배출원단위의 개선효과를 의미한다고 볼 수 있다.
한편 유형자산()이 온실가스 배출에 미치는 영향을 나타내는 도 통계적으로 유의한 양의 값(0.43435)을 보이고 있다. 이는 유형자산과 온실가스배출량 간의 역의관계를 의미한다. 즉 유형자산의 값이 클수록 온실가스배출량이 감소하는 경향을 보이고 있다는 것이다. 앞서 언급 했듯이 본 연구에서 사용된 유형자산 자료는 기업별 전체 유형자산 총 액에서 토지 및 건물 평가액을 제외한 값이다. 따라서 본 연구에서 사 용된 자본으로서의 유형자산은 실질적으로 기업이 생산과정에 투입한 기계 및 설비에 대한 대리변수로 볼 수 있다. 이런 맥락에서 유형자산 과 온실가스배출량의 역의 관계는 생산과정에 투입된 기계 및 설비의 규모가 크거나 비교적 최신식일 경우 온실가스배출량이 줄어드는 경향 을 보인다고 해석할 수 있다19). 이는 최신식이거나 규모가 큰 기계 및 설비의 경우 높은 에너지효율에 따라 온실가스배출량이 상대적으로 낮 을 가능성을 시사하고 있다.
노동자 수()의 경우 양의 영향을 미치는 것으로 나타났으나 통계적 으로는 유의하지 않았다. 이는 노동자 수와 온실가스배출량은 서로 관 계가 없는 것을 의미하나 노동자 수와 다른 변수 간의 곱하기 항 (interaction term 혹은 moderate term)을 세밀히 살펴봐야 노동자수와
19) 최신 기계 및 설비일수록 감가상각률이 낮게 설정되므로 재무제표에 높은 평가액 이 기록되게 된다.
제5장 주요 연구내용 및 결과 39
해석될 수 있다. 에너지사용량()과 배출원단위역수()의 곱하기 항 (ln · ln)의 계수는 통계적으로 유의한 양의 값(=0.02837)을 보이 고 있으며 온실가스배출량과는 역의 관계를 나타낸다. 이는 에너지사용 량이 늘어 날 경우 온실가스 배출량도 늘어나지만 배출원단위의 개선 효과가 있는 경우 배출량 증가가 어느 정도 상쇄되고 있음을 의미한다.
한편 유형자산()과 에너지사용량()의 곱하기 항(ln · ln) 및 노 동자 수()와 배출원단위역수()의 곱하기 항(ln · ln)이 온실가스배 출량에 미치는 효과는 통계적으로 유의미하지 않았다.
마지막으로 시간()의 효과는 0.02555이며 통계적으로 유의하다. 이 결과는 온실가스배출량과 역의 관계를 나타낸다. 일반적인 확률변경분 석에서 종속변수를 산출액으로 놓고 독립변수로 투입액 및 시간()을 설정할 경우 시간()의 효과는 외생적 기술진보의 방향성을 의미한다.
같은 맥락에서 본 연구의 시간()의 효과는 온실가스배출과 관련된 기 술의 영향으로 해석할 수 있다. 따라서 양의 값을 보이는 시간()의 효 과는 온실가스감축 관련 기술진보가 진행되어 왔다는 의미로 해석될 수 있다.
나. 전체 대상기업의 평균 온실가스 감축효율성 결과
전체 분석 대상기업의 전 기간 및 연도별 온실가스감축효율성의 전반적 인 수준을 살펴보기 위하여 평균 온실가스감축효율성(이하 : average greenhouse-gas reduction efficiency)을 아래와 같이 각각 구하였 다.
제5장 주요 연구내용 및 결과 41
연도 전년대비 증가율
2011 0.79168 ･
2012 0.79487 0.40%
2013 0.79280 -0.26%
2014 0.77869 -1.78%
2015 0.79127 1.62%
연평균증가율 -0.01% ･
[그림 5-1] 연도별 추이
자료출처: 저자작성
<표 5-5> 연도별 및 전년대비 증가율
제5장 주요 연구내용 및 결과 43
성에서 비롯된 기업의 대응방식이라는 틀로 위의 결과를 해석하고자 한 (demand uncertainty)과 공급의 불확실성(supply uncertainty)으로 구분하였다. 수요 의 불확실성은 기업이 새로운 신제품을 시장에 출시하기 전에 어느 정도의 시장
제5장 주요 연구내용 및 결과 45
만들었을 가능성이 있다23).
제5장 주요 연구내용 및 결과 47 전년대비 온실가스 배출증가율(A) 전년대비 에너지 사용증가율(B)
2012 1.2% 3.3%
2013 1.7% 1.0%
2014 0.3% -8.5%
2015 -5.0% -1.5%
자료로 2015년 한 개 연도를 고려하였기 때문에 배출권거래제 이후의 기 업의 대응방식에 대한 논의를 진행하지 못하였다. 따라서 향후 2015년 이 후의 자료를 추가 확보하여 배출권거래제에 대한 불확실성이 어느 정도 제거된 상황이 기업의 온실가스감축효율성에 어떤 영향을 미치는지 살펴 볼 필요가 있다. 둘째, 온실가스감축효율성의 결과가 감축정책의 불확실 성에서 비롯된 기업의 전략적 행동이 아닌 경기변동이나 업종별 시장상황 에 영향을 받았을 가능성을 배제할 수 없다. 마지막으로 목표관리제와 배 출권거래제하에서 기업별로 상이하게 부여된 감축목표 또는 할당된 배출 권 수량에 따라 기업의 감축노력 및 성과의 차이가 발생할 수 있다. 따라 서 위에서 제시한 한계점을 수정·보완하기 위한 향후 연구가 필요할 것으 로 판단된다.
<표 5-6> 전년대비 총 온실가스 배출증가율과 총 에너지 사용증가율
한편 <표 5-6>는 전년대비 총 온실가스 배출량증가율과 총 에너지 사 용증가율를 보여주고 있다. 위 표와 <표 5-5>을 함께 살펴보면 전년대비
증가한 해의 경우 온실가스 배출증가율이 에너지 사용증가율보 다 낮은 것을 확인할 수 있다. 반대로 가 감소한 해의 경우 온실 가스 배출증가율이 에너지 사용증가율보다 높다. 예를 들어 가 증 가한 2012년과 2015년의 경우(<표 5-5> 참조) 온실가스 배출증가율은 각 각 1.2%, -5.0% 증가하였으나 에너지 사용증가율은 각각 3.3%, -1.5%을 보였다. 반면 2013년과 2014년 의 증가율은 연속해서 감소하여 – 0.26% 및 –1.78% 을 보였고 온실가스 배출증가율은 1.7% 와 0.3%을 보 였으나 에너지 사용증가율은 이보다 낮은 1.0%, -8,5%을 보였다. 즉
의 연도별 증가율의 결과는 온실가스 배출증가율과 에너지 사용 증가율의 연도별 결과와 유사한 형태를 보이고 있는 것을 알 수 있다. 이 를 통해 본 연구에서 제시한 온실가스감축효율성()의 결과가 온실가 스 배출량과 에너지사용량 간의 관계에서 비롯되었을 가능성을 시사하고 있다.
다. 업종별 온실가스감축효율성(GRE) 결과
업종별 온실가스 감축효율성()의 수준을 비교·검토하기 위해 업종 별 평균 온실가스감축효율성(이하 ) 및 각 업종의 연도별 평균 온 실가스감축효율성(이하 )을 고려하였다. 구체적으로 위에서 제시 한 식(21)와 식(22)을 통해 각각의 값을 구하였다.
제5장 주요 연구내용 및 결과 49
업종 순위 업종 순위
반도체·디스플레이
·전기전자 0.79978 8 발전에너지 0.78620 12
·전기전자 0.79978 8 발전에너지 0.78620 12