Korean Energy Economic Review
Volume 17, Number 1, March 2018 : pp. 287~316
지역분산형 녹색전력구매제 도입에 대한 소비자 선호도 분석
*1)
배정환**
*
요 약
본 연구는 신재생에너지에 의해 생산된 녹색전력을 소비자가 자발적으로 구 매하도록 한 녹색전력구매제를 가상적으로 도입할 경우 소비자의 참여율에 어 떤 속성들이 영향을 미치는 지를 선택실험법을 이용하여 분석하였다. 선택실험 에 사용된 녹색전력구매제의 속성에는 신재생에너지원(태양광, 풍력, 연료전지, 바이오), 전기요금, 거주지로부터 발전소까지의 거리, 신규 일자리, 녹색전력비 중, 참여인센티브(소득공제, 탄소마일리지, 녹색인증, 신재생테마파크이용)의 6가지를 고려했다. 패널로짓모형 및 혼합로짓모형에 의해 속성별 모수를 추정 한 결과 연료전지>태양광>풍력 순으로 참여율이 증가했고, 거주지와 근접할수 록, 일자리가 늘어날수록 참여율이 늘어났다. 녹색전력비중과 참여율은 역U자 관계에 있었고, 참여 인센티브 가운데는 소득공제가 참여율에 가장 큰 영향을 미쳤다. 선호 이질성은 태양광>풍력>연료전지 순으로 크게 나타나고, 탄소마일 리지>소득공제로 나타났다.
주제어 : 인센티브, 녹색전력구매제, 신재생에너지, 선택실험법 JEL 분류：Q4, Q5
* 이 논문은 2015년 정부(교육과학기술부)의 재원으로 한국연구재단의 지원을 받아 수행된 연구임(NRF-2015S1A5A2A01010081).
Ⅰ. 서 론
우리나라는 2015년 파리 기후변화 당사국 총회에서 2030년까지 기준 시나 리오(BaU) 대비 온실가스 배출량을 37% 감축하겠다고 약속하였다. 2030년에 는 우리나라 온실가스 총배출량이 8억5천1백만톤으로 추정되고, 총배출량의 37%인 3억1천5백만톤을 감축해야 한다. 이 가운데 국내 감축분은 25.7%인 2억 1천9백만톤이고, 나머지 11.3%인 9천6백만톤은 해외로부터 매입한다는 계획 이다(산업통상자원부, 2017). 파리 협약은 우리나라를 포함한 전 세계 195개국이 제출한 온실가스 감축 목표를 이행할 것을 촉구하고 있다.
신재생에너지(재생가능에너지)는 온실가스 감축 목표를 이행하기 위한 주요 수단으로, 유럽, 미국, 일본 등에서 지속적으로 성장하고 있다. 프랑스는 과거 에는 원자력이 주요 발전원 이었으나 최근에는 에너지 전환법을 통해 원전 비중을 지속적으로 축소하고, 신재생 발전 중심으로 전환할 계획이고, 독일은 2050년까지 신재생 비중을 전체 발전량의 80% 이상으로 확대할 계획이다. 이미 아이슬란드는 2015년 기준으로 100% 재생에너지로 발전하고 있고, 노르웨이, 뉴질랜드, 호주, 캐나다, 스웨덴, 스위스 등은 신재생 발전비중이 전체 발전량의 50%를 넘긴 나라들이다(한국에너지공단, 2016).
그러나 우리나라는 2015년 기준으로 총일차에너지 대비 신재생에너지 비중 이 4.6%에 불과하고, 재생에너지 비중만 놓고 보면 전체 OECD 국가 34개국 가운데 꼴찌를 면하지 못하고 있다(한국에너지공단, 2016). 비록 다른 나라에 비해 신재생에너지 잠재량이 낮고, 높은 토지가격으로 인해 신재생에너지 비 중을 확대하기에 쉽지 않은 조건을 갖고 있지만, 온실가스 감축 목표를 달성 하고, 미세먼지를 비롯한 대기오염 문제에 대응하며, 화석에너지 고갈과 에너지 안보를 고려한다면 신재생에너지 확대 정책은 필연적이다. 문재인 정부에서도
2030년까지 신재생에너지 발전 비중을 20%로 상향조정한 3020전략을 2017년 11월에 발표하였다(산업통상자원부, 2017).
주요 국내 신재생에너지 보급 정책을 살펴보면 2012년부터 전력부문 신재 생에너지공급의무화 제도(RPS)를 도입하였고, 2015년부터 수송부문 신재생연 료공급의무화(RFS) 제도가 실시되고 있다. 또한 태양광 주택보급사업과 공공 건물 신재생 의무화 제도, 태양광대여사업, 지방보급사업 등이 있다. 이 가운 데 RPS 제도는 기존의 발전차액지원제도(FIT)가 정부의 지원 부담을 지속적 으로 증폭시키고, 과도한 지원에 따른 비효율성 문제가 제기되면서 정부 주도 로부터 시장 기능 중심으로 이전하기 위해 도입된 제도이다. 그러나 RPS 제 도는 주로 발전사들이 신재생에너지에 대한 대규모 투자를 유도하기 위한 제 도로서 전력가격이 정책적으로 결정되기 때문에 RPS 비용을 제대로 반영할 수 없고, 신재생에너지 공급인증서의 가격 변동성이 문제로 지적되어왔다.
이러한 문제를 해결하기 위해 RPS 제도 자체에 대한 다양한 개선 방안이 강구되고 있는 한편, 발전사업자가 부담을 지도록 하는 RPS 제도를 보완하기 위한 정책 수단도 고려할 필요가 있다. 즉 개별 소비자가 신재생에너지에 의 해 생산된 전력에 대해 자발적 혹은 강제적 프리미엄을 지불하도록 하는 그 린 프라이싱 또는 녹색전력1) 구매제(Green Electricity Purchase: GEP)인데, 이는 미국이나 독일, 영국, 일본 등 주요 선진국에서 녹색전력시장의 활성화 수단으로 시행되어왔다.
예를 들어 스웨덴의 녹색전력에 대한 소비자 지불용의액을 연구한 Hansla et al.(2008)는 벨기에, 이태리, 영국, 폴란드 등의 유럽 국가들이 신재생에너지 의무화제도를 성공적으로 실행하기 위해서는 가정부문의 녹색전력 이용이 활 성화될 필요가 있고, 이를 위해 녹색전력에 대한 구매 옵션이 고려되어야 함을 지적하였다. 미국 캘리포니아 전력회사인 PG&E(Pacific Gas & Electricity)는 2014년부터 마린(Marin) 카운티 및 소노마(Sonoma) 카운티와 협약(CCA:
Community Choice Aggregation)을 맺고, 이들 지역 공동체에서 태양광, 풍력,
바이오 등의 신재생에너지를 이용하여 전력을 공급하고, 일반 소비자가 녹색 전기를 선택할 수 있도록 하였다. 마린 카운티의 경우, PG&E 회사의 요금청 구서에는 1) 마린 카운티에서 공급하는 재생에너지의 50% 구매 2) 재생에너 지의 100% 구매, 3) 태양광 100% 구매 옵션과 같이 세 가지 옵션에 대해 소 비자가 선택할 수 있도록 하고 있다. 또한 소비자는 송전비용에 대해서는 PG&E에 지불하고, 전기사용료는 마린 카운티에 지불하는 방식으로 되어있다.
녹색전기를 선택한 소비자는 송전비용을 절약할 수 있으므로 녹색전기요금이 일반전기보다 5~8% 더 저렴한 경우도 있다.2)
이와 같이 일부 선진국에서 시행중인 지역분산형 그린 프라이싱 제도는 비 록 소규모 발전규모지만 지역 경제 활성화와 온실가스 및 대기오염 저감 수 단으로 평가받고 있어, 우리나라도 도입을 검토할 필요가 있다. 특히 중앙집 중식 전력 공급 시스템은 송전시설의 설치과정에서 밀양 송전탑 문제와 같이 지역사회와 갈등을 일으키고 있고, 환경단체들은 환경파괴 문제를 일으킨다고 지적하는 등 송전탑 건설을 둘러싸고 다양한 사회적 갈등이 야기되고 있다.
따라서 중앙 송전망 시스템에 계통 연계할 필요가 없는 지역분산형 전력 공 급 시스템은 중앙전력 시스템의 단점을 보완할 수 있고, 지역사회의 수용력을 증진시킬 수 있다는 점에서 심층 연구가 필요하다.
본 연구는 소비자 선호에 대한 선택실험법(Choice Experiment)을 이용하여 지역분산형 녹색전력구매제가 가상적으로 도입되는 것에 대한 선호도를 분석 함으로써 어떤 요인이 선호도에 긍정적인 영향을 미치는 지를 도출하고자 한다.
즉 전기요금고지서에서 소비자가 자발적으로 녹색전력에 대한 추가요금제를 선택할 수 있도록 하고, 녹색전력의 유형, 녹색전력 공급비중, 전기요금, 녹색 전력로 인한 지역 일자리 창출효과, 녹색전력 발전소로부터 떨어진 공간적 거리, 녹색전력구매제 제도 가입 시 제공되는 금전적, 비금전적 인센티브 등 여러 2) https://www.mcecleanenergy.org/ 참조. 미국은 우리나라에 비해 국토 면적이 매우 넓고 인구가 분산되어 있기 때문에 송전비용이 우리나라에 비해 훨씬 큰 비중을 차지한다.
따라서 소노마 카운티에서 지역분산형 신재생발전소를 도입하면서 송전비용을 크게 절 감할 수 있었고, 이러한 비용 절감분이 녹색전기요금에 반영된 것이다.
요인들이 녹색전력를 선택할 가능성에 미치는 영향을 분석함으로써 향후 녹 색전력구매제가 활성화될 수 있는 방안을 최종적으로 도출하고자 한다.
본 논문은 제 II 장에서 선행연구를 살펴보고, 제 III 장에서 선택실험설계 및 모형추정방법을 제시하며, 제 IV 장에서 모형추정결과와 해석을 기술하고, 제 V 장에서 연구 결과와 정책적 함의를 포함하는 것으로 구성하였다.
Ⅱ. 녹색전력 선호에 관한 선행연구
우선 국내에서 녹색전력에 대한 소비자 지불용의액을 추정한 최초의 학술 적 연구는 이창훈·황석준(2009)의 연구로 볼 수 있다. 물론 이전에 산업자원 부(2001), 에너지경제연구원(2002; 2005)이나 에너지관리공단(2007) 등 여러 기 관에서 녹색전력구매제를 도입하기 위한 연구들을 했지만 학술적 측면에서 엄밀성이 검증되지 못했기 때문에 본 연구에서는 검토하지 않기로 한다. 이창 훈·황석준(2009)은 전국을 대상으로 녹색전력에 대한 소비자 지불용의액을 조 건부가치추정법(CVM: Contingent Valuation Method)을 이용하여 추정하였다.
지불수단으로는 이중양분선택형을 채택하였고, 추정방법으로는 토빗모형을 이 용하였다. 모형에 포함된 설명변수는 나이, 소득, 성별, 주택소유여부, 교육 수 준과 같은 개별적인 사회경제적 특성과 전력요금에 대한 인지 및 신재생에너 지에 대한 인지도, 환경활동수준과 같은 인식 수준에 관한 변수가 포함되었 다. 또한 신재생에너지 전력 요금에 대한 일괄 인식 방식과 자발적 구매 방식 으로 구분하여 집단간 비교를 시도하였다. 분석 결과 성별, 신재생에너지에 대한 인지도, 환경활동수준만이 지불용의액에 유의한 영향을 미치는 것으로 나타나고, 소득이나 교육 수준과 같이 일반적으로 중요한 설명변수가 유의하 지 못한 것으로 나타났다. 특히 전력 요금을 일괄인상할 것인지, 자발적 구매 를 할 것인지에 따라 신재생전력에 대한 선호가 어떻게 영향을 받는지에 대 해서는 분석이 이루어지지 못하였다.
다음으로 김지효외(2011)은 RPS 도입을 앞두고 신재생전력 가격 인상이 예 상된다는 점에서 서울, 전남, 강원, 울산 지역 소비자의 신재생 전력에 대한 지불용의액을 이중양분선택형 조건부가치추정법을 사용하여 추정하였다. 유의 한 설명변수로는 재생에너지 및 일반 에너지 정책에 대한 인식, 재생에너지 설치 지역과의 근접성, 교육수준, 대도시 거주여부, 가족수 등으로 나타났다.
이들은 지역별로 신재생전력에 대한 지불용의액이 차이가 있는지에 연구의 초점을 맞추었고, 분석 결과 지역별로 신재생전력에 대한 지불용의액이 상당 한 차이가 있는 것으로 나타났다. 이들 연구에서도 지역분산형 신재생 발전소 를 감안하기 위해 설치지역과의 근접성 변수를 사용했지만 행정구역에 포함 되었는지의 여부만을 정보로 제공한 반면에, 본 연구는 <표 1>에서와 같이 거주지에서 얼마나 떨어져 있는지를 1, 5, 10, 15km로 세분화된 정보를 제공 하였고, 신재생 발전소의 입지로 인한 지역 일자리 창출 효과도 정량적인 수 준을 0, 15, 30명으로 제시했다는 점에서 차별적이다.
한국전력공사(2012) 보고서에서도 녹색요금제를 국내에 도입하기에 앞서 국 내 일반 국민 및 기업체를 포함한 전기 소비자들에 대해 소비자 의식 및 지 불의사를 연구하였다. 특히 본 보고서에서 녹색요금제에 대한 참여율을 제고 하기 위해 기업과 소비자별로 다양한 인센티브를 처음 시도한 연구라는 점에 서 주목할 만하다.
국내에 학술적으로 검토할 만한 중앙집중형 녹색전력구매제 관련 연구들은 이렇게 2편이 있고, 이들 연구에서는 다양한 정책 옵션을 고려하지 못했고, 온실가스 저감, 대기오염 저감, 에너지 안보 강화와 같은 신재생전력의 다양 한 사회적 편익에 대해 구체적인 설명이 없어서 응답자들이 신재생전력의 사 회적 편익을 정확하게 평가하기 어려운 것으로 보인다. 또한 선택실험법과 같 이 소비자가 보다 실제 선택상황에 기초하여 응답하도록 유도하지 못했다. 즉 조건부가치추정법은 지불용의액을 직접 질문하기 때문에 선택 대안들간의 비 용과 편익의 비교를 할 수 없다는 한계를 갖고 있다. 다만 학술적인 검증이 이루어지지 못하여 설문이나 분석 결과가 엄밀하다고 할 수는 없으나, 한국전
력은 선택실험법을 적용하여 인센티브와 결합한 중앙집중형 녹색전력구매제 에 대한 연구(2012)를 수행하였다. 본 연구는 지역분산형 녹색전력구매제에 대한 소비자 선호를 선택실험법을 적용하여 추정함으로써 국내 녹색전력 구 매제도 연구에 기여하는 바가 클 것으로 기대된다.
한편 해외의 녹색전력 선호에 관한 연구들을 살펴보면 대체로 학술적인 연 구는 2001년경에 시작된 것으로 보인다. 미국과 영국, 일본의 전력시장이 탈 규제화되고, 경쟁시장으로 전환됨에 따라 녹색전력시장에 대한 연구가 Roe et al.(2001) 및 Batley et al.(2001), Nomura and Akai(2004)에 의해 이루어졌다.
영국의 전력시장 자유화는 1999년에 완전히 이루어졌고, 미국에서는 1992년에 전력시장 자유화가 시작된 이후 1999년 기준으로 24개 주와 수도에서 경쟁적 전력시장이 형성되었다. 일본은 2000년부터 전력산업법 개정을 통해 2MW이 상의 발전소가 필요한 대기업이 자율적으로 발전사업자를 선택할 수 있도록 하였고, 2000년부터 Green Power Funds라는 프로그램으로 녹색전력구매제를 실시해왔다.
Roe et al.(2001)은 전력시장 자유화 이후 미국 소비자의 녹색 전기에 대한 지불용의액을 선택실험법에 의해 추정한 다음, 그 결과를 21개 전력회사의 녹 색전력에 대한 실제 프리미엄 요금 데이터를 이용한 회귀분석 결과와 비교하 였다. 선택실험법에 사용된 속성으로는 전기요금, 계약기간, 고정가격 여부, 연료믹스, 대기오염도이다. 이들은 미국 전체를 6개 지역으로 분할하고, 재생 가능연료나 원자력에 의해 전기를 생산하여 대기오염을 감소시킬 경우 추가 적인 전기요금 지불용의액이 지역별, 연료별로 편차가 있는지를 검토하였다.
분석 결과 지역이나 그룹별로 대기오염 1% 저감에 대한 지불용의액은 월
$0.38∼5.66인 것으로 나타났다.
한편 Batley et al.(2001)은 영국의 경쟁적 전력시장을 대상으로 녹색전력에 대한 소비자 지불용의액을 추정하였다. 이들은 녹색전력 시장이 활성화되기 위해서는 소비자의 자발적 녹색구매제도가 필요하고, 이를 위해서는 소비자에게 녹색전력에 대한 충분한 정보가 전달되어야 한다고 보았다. 한편 자발적으로
녹색전력에 대해 프리미엄을 지불하도록 하면 공공재라는 전기의 특성상 무 임승차문제가 발생할 수 있으므로 모든 소비자가 프리미엄을 지불하도록 하 는 비화석연료의무화제도(Non Fossil Fuel Obligation: NFFO)와 비교하였다.
전력공급회사는 일정 비율의 비화석연료를 공급해야 하고, 소비자는 화석연료 세(Fossil Fuel Levy)를 지불하는 방식이다. 분석 결과 응답자 667명 중 34%
가 프리미엄을 지불할 용의가 있는 것으로 나타났다. 또한 녹색전력에 대한 프리미엄은 평균 16.6%인 것으로 나타났다. 즉 기존의 전기요금에 대해 추가 적으로 16.6%를 더 낼 용의가 있다는 것이다.
Nomura and Akai(2004)는 이중양분선택형 조건부가치추정법을 이용하여 일본 소비자들의 녹색전력에 대한 지불용의액을 추정하였다. 이들은 설문에서 대답한 지불용의액과 실제 지불용의액 사이의 간극을 좁히기 위해 녹색전력 프리미엄 지불을 보상한다면 어떤 항목에 대한 지출을 줄일 것인지를 추가로 질문했다. 와이불 분포를 이용하여 추정한 녹색전력에 대한 지불용의액은 월 2천엔(17달러)으로 나타났다.
Rose et al(2002)은 자발적 그린프라이싱 제도는 공공재의 사적 공급방식이 므로 무임승차로 인한 과소공급 문제에 봉착하게 된다고 지적하고, 일정 수준 이 상의 참여율이 확보되어야 녹색전력이 공급되는 provision point mechanism을 통해 과소공급 문제가 해결될 수 있는지를 소규모 및 대규모 실험(laboratory experiment)에 의해 검증하였다. 분석 결과 요금 환급시스템과 더불어 공급 임계점을 초과할 경우 추가적인 인센티브가 제공되면 무임승차 문제가 어느 정도 해결될 수 있음을 보여주었다. Clark et al(2003)도 이러한 맥락에서 개 별 소비자의 내면적 혹은 외면적 요인에 의해 녹색전력에 대한 자발적 구매 제도의 성패가 영향을 받는지를 검증하였다. 이들은 디트로이트 지역의 녹색 전력구매제 참여자 및 비참여자를 대상으로 프로그램의 참여 동기와 비참여 동기를 조사하였다. 자발적 녹색전력구매제에 대한 내면적 동기로는 이타심 (altruism)과 환경적 배려심(environmentalism)을 고려하였고, 외면적 요인으 로는 가계소득 및 사회인구학적 변수를 고려하였다. 분석 결과 이타심과 환경적
배려심, 가계소득, 가구원수가 참여 동기에 유의한 영향을 미치는 것으로 나 타났다.
Hansla et al(2008)은 스웨덴의 소비자를 대상으로 녹색전력에 대한 지불용 의액에 긍정적으로 영향을 미치는 심리적 요인을 분석하였다. 이들은 환경문 제가 자신과 타인, 그리고 생태계에 초래하는 결과에 대한 인식과 이러한 결 과가 얼마나 심각한 지에 대한 의식수준, 이타심 등이 녹색전력에 대한 긍정 적 태도에 영향을 미치는 것으로 분석하였다. Yoo & Ready(2014)는 신재생 에너지 기술에 대한 선호 이질성(heterogeneity)을 선택실험법을 이용하여 분 석하였다. 즉 소비자 선호는 서로 이질적이기 때문에 선호의 이질성을 반영하 여 분석하는 것이 분석의 정확성을 높일 수 있다고 하였다. 추정을 위해 다항 로짓, 혼합로짓, 잠재계층 모형, 혼합모형 등을 이용하였다. 신재생에너지 전력 비중, 지역내 일자리 증가 정도, 전력 요금을 고려하였으며, 개인적인 특성에 관한 질문으로는 정치성향, 기후변화에 대한 인식 등을 고려하였다. 집단을 내재적으로 구분하여 신재생에너지 선호를 추정한 결과 태양광에 대한 선호가 가장 이질적인 것으로 나타났고, 바이오매스에 대해서는 일관되게 선호도가 감소하는 것으로 나타났다. 또한 소비자 가운데는 신재생 전력 비중 증가에 대해 부정적인 경우도 존재한다는 것을 보여주었다.
녹색전력 선호도에 대한 해외 연구를 검토해보면, 다양한 측면에서 녹색전력 확대를 위한 조건과 요인들을 검토하였고, 선택실험법이 주로 적용되었음을 알 수 있다. 본 연구는 여러 해외연구들에서 공통적으로 적용한 속성(attributes)들 을 선택실험법에 적용하였고, 특히 금전적, 비금전적 인센티브 옵션이 지역분 산형 녹색전력에 대한 선호도 개선에 영향을 미치는 지를 검증했다는 점에서 선행연구와 차별적이라고 할 수 있다.
Ⅲ. 선택실험설문 및 추정 모형
1. 선택실험설문
선택실험법은 비시장가치(non-market value)를 추정하기 위한 방법으로 진 술선호기법(stated preference method)에 속한다. 선택실험법은 조건부가치추 정법과 마찬가지로 가상시장 접근법이라고 할 수 있지만 한 상품의 총체적 가치가 속성별 가치로 분할 가능하다고 전제한다는 점에서 조건부가치추정법 과 다르다(Holms and Adamowicz, 2003). 즉 시장에서 거래되지 않는 가상의 상품에 대한 잠재적 소비자의 속성별 지불용의액을 추정하기 위해 서로 상이 한 수준의 속성들을 갖는 동일한 가상 상품들을 제시하고 가장 선호하는 대 안을 선택하도록 유도하는 방법이다(배정환, 2014). 이렇게 수집한 설문자료로 부터 다항로짓이나 혼합로짓, 잠재계층모형 등과 같은 추정기법을 활용하여 속성별 지불용의액을 추정할 수 있다(Train, 2009).
녹색전력에 대한 선호도를 분석한 국내외 선행연구로부터 녹색전력 요금제 (그린프라이싱)에 기본적으로 포함되어야 할 속성으로 신재생에너지의 종류, 녹색전력 공급 비중, 월 추가전기요금 부담액, 응답자의 거주지에서 녹색전력을 생산하는 발전소까지의 거리, 녹색전력 생산으로 인한 신규 일자리 수, 녹색 전력구매제 가입시 제공되는 인센티브를 포함하였다.3) 6개 각 속성별로 다음
<표 1>과 같이 다양한 수준을 갖도록 하였고, 신재생에너지의 종류는 범주 변수(categorical variable)로 태양광, 풍력, 연료전지, 바이오에너지의 4가지
3) 6개의 속성을 결정하기 위해 기존 해외 문헌 가운데 선택실험법을 사용한 Borchers et al.(2007), Yoo and Ready(2014), Bergmann et al.(2006) 등의 논문을 참조하였고, 추가 전기요금의 결정을 위해 포커스 그룹 및 예비설문조사를 실시하였음.
유형을 포함하였고, 각 범주는 더미변수로 처리하고, 바이오에너지를 기준으 로 삼았다. 또한 인센티브는 소득공제, 탄소마일리지, 녹색마크인증, 신재생테 마파크 체험으로 범주화하고, 각 범주를 더미변수로 처리하였으며, 녹색마크 인증을 기준으로 삼았다.
속성의 종류 속성별 범주 변수명 수준
1) 신재생에너지원
태양광 Solar 0 / 1
풍력 Wind 0 / 1
연료전지 Fuel cell 0 / 1
바이오에너지 Bio-energy 기준 범주
2) 녹색전력 공급비중(%) Green share 25/ 50/ 75/ 100 3) 거주지로부터 녹색전력 발전소의 거리(km) Distance 1 /5 /10 /15 4) 녹색전력로 인한 신규 일자리 수(명) Job 0 / 15 /30
5) 월 추가 전기요금(천원) Tariff 2.5/5.0/7.5/10
6) 인센티브
소득공제혜택 Tax credit 0 / 1
탄소 마일리지 제공 Green mileage 0 / 1 신재생에너지 테마파크 체험 Green park 0 / 1
녹색마크인증 Eco-labelling 기준 범주
<표 1> 녹색전력구매제의 속성과 수준
특히 신재생에너지원별 정의와 장단점에 대한 설명과 녹색전력구매제 가입 시 제공되는 혜택에 대해서는 추가 설명이 필요하기 때문에 다음 [그림 1], [그림 2]와 같이 상세한 설명을 추가했다.
태양광 정의 태양광 발전은 태양의 빛에너지를 전지판을 통해 변환시켜 전기를 생산하는 것입니다.
장점 햇빛이 있는 곳이면 어느 곳에나 간단하게 설치 할 수 있으며 건설기간이 짧다는 점입니다. 또한 소음과 진동이 없고 대기오염을 일으키지 않습니다.
단점 설치비용이 많이 들고, 빛반사 문제가 있고, 대규모 태양광발전단지가 들어서기 위해서는 큰 설치면적 이 필요합니다.
[그림 1] 신재생에너지원별 정의 및 장·단점
풍력 정의 풍력발전은 바람 에너지를 이용하여 전기를 생산
하는 것입니다.
장점 풍력발전기는 일정한 바람만 불면 끊임없이 재생 될 수 있으며 운전 중 온실가스나 대기오염물질 의 배출이 없습니다.
단점 바람이 없는 날에는 전기를 만들 수 없으며, 날 개가 회전할 때 소음 발생이나 빛반사 문제가 있 습니다.
바이오 정의 바이오에너지란 나무나 임목폐기물을 목재펠릿으로
전환하여 발전소 연료로 이용하는 것입니다.
장점 온실가스를 배출하지 않고 환경 친화적으로 전기 를 생산할 수 있습니다.
단점 원료를 대량으로 수집하거나 수송하는데 어려움이 있고, 과도하게 이용하게 되면 산림이 훼손될 가능성이 있습니다.
연료전지 정의 연료전지는 수소를 산소와 반응시켜 전기를 생산
하는 장치로 신재생에너지로 분류됩니다.
장점 소음이 전혀 없고 물이 유일한 생성물로 환경 오 염 문제가 없습니다.
단점 연료전지에 공급할 수소의 대량 생산과 저장, 운 송, 공급 등의 기술적 문제가 걸림돌이고, 가격이 비싼 편입니다.
가입시 혜택의
종류 예시 그림 내 용
소득공제 추가요금 지불액만큼 세금공제
탄소 포인트 (마일리지)
에코머니 제휴카드(그린카드, 에코마일리지카드)를 통해 ‘녹색요금제’에 가입한 고객들의 추가비용을 마일리지로 적립
예시) 100원당 1포인트 또는 1마일리지 적립
녹색인증 마크
각 가정별 대문에 문패를 제작해 제공함.
이 문패에는 각 가정이 공급받는 신재생에너지 원별 및 비중을 제시하여 녹색전력 소비자임을 나타냄
신재생 테마파크 체험
전국에 설치된 신재생 테마파크 및 지자체 문화시설 무료입장 및 할인
예시 그림) 전북 부안 신재생에너지 테마 파크 [그림 2] 녹색전력구매제 가입시 제공되는 혜택의 종류와 내용
한편 각 응답자는 5개의 선택집합에 대해 두 가지 유형의 녹색전력구매제 가운데 더 선호하는 대안을 선택하도록 하였고, 녹색전력구매제 가입의사가 없는 경우 ‘가입의사 없음’도 포함하였다. 5개의 선택집합에 대해 총 10개의 대 안이 도출되었는데, 대안간 직교성과 효율성이 최대화되도록 하는 D-efficiency 방식을 사용하여 20개의 대안을 도출한 다음 이를 두 그룹으로 나누어 10개 씩의 대안을 배당하였다.4) [그림 3]은 녹색전력구매제에 대한 선호 조사 때 응답자들에게 제시했던 선택 집합 중의 일부이다.
[그림 3] 녹색전력구매제 설문 선택 집합 예시
선택실험 설문지는 기후변화에 대한 인식, 에너지원에 대한 인식, 녹색전력 구매제에 대한 선호도 질문, 전력요금에 대한 일반적 질문, 응답자 개인적 특 성으로 구성되었다. 선택실험법을 녹색전력구매제에 적용하기 위해 전문가 세 미나와 전문설문기관에 의한 예비설문조사를 거쳐 완성된 최종설문지를 전국 16개 시도에 대해 균등분할방식으로 표본 집단을 생성하고, 온라인 설문 플랫 폼을 제작하여 인터넷 기반 설문조사 방식으로 진행하였다.5) 설문대상은 전 국의 전기요금 납부자들이고, 예비설문조사는 60부, 최종설문지는 600부로 구 성하였고, 나이, 소득, 성비, 교육 수준 등을 고려하여 모집단 평균에 가깝도 록 표본을 비례할당방식으로 추출하였다. 표집오차는 전체 응답자 기준
±4.0%p이며 응답률은 27.5%이다. 본 조사는 2016년 4월 15일부터 4월 25일까 지 총 11일간 온라인 플랫폼을 이용하여 진행하였다.
2. 선택실험설문 기초 통계
전체 600명의 응답자 중 남성이 48.7%, 여성이 51.3%로 나타났다. 설문에 응답한 연령은 20대 18%, 30대 19.3%, 40대 20.7%, 50대 19.7%, 60대 이상이 5) 선택 실험 설문의 경험이 풍부한 전문설문조사기관인 한국리서치에 설문조사를 의뢰하
였다.
22.3%로 나타났다. 설문에 응답한 응답자들의 거주지역의 경우 서울(19.3%), 경기도(23.3%)가 주를 이루었다. 또한, 응답자들의 최종학력은 고등학교 졸업이 47.8%, 대학교(4년제 이상)이 28.3%, 대학교(4년제 미만)이 15.5%로 나타났다.
우리나라에서 가장 많은 전기를 생산하는 에너지원은 무엇이라고 생각하는 가에 대한 질문에는 응답자 중 65%가 원자력이라고 응답했으며, 석유 17%, 석탄 10%라고 응답했다. 반면 천연가스라고 응답한 응답자는 4%라고 응답했 으며, 신재생에너지도 4%의 응답률을 나타냈다.
‘신재생에너지 또는 녹색에너지’라는 말을 언론이나 대중매체를 통해 접해 본 적이 있는가에 대한 설문에는 응답자의 91.5%가 언론이나 대중매체를 통 해 들어 본 적이 있다고 응답하였다. 온실가스의 주범인 화석연료를 사용하여 전기를 생산하는 대신 신재생 에너지로 전기를 생산할 필요가 있다고 생각하 는가에 대한 설문에는 93.5%가 신재생에너지로 전기를 생산할 필요가 있다고 응답했다. 한편 거주 지역에서 녹색전력 생산을 증가시킬 경우 녹색전력 비중 을 어느 정도 증가시켜야 한다고 생각하는가에 대한 설문 항목에 대해서는 25~50% 비중으로 증가시켜야 한다고 응답한 응답자가 가장 많은 42%로 나 타났고, 응답자의 25%가 50~75% 비중으로 증가시켜야 한다고 하였고, 응답 자의 3%만이 5~10% 미만의 비중으로 증가시켜야 한다고 하였다. 또한 녹색 전력 보급이 지역경제 활성화(일자리 창출 등)에 긍정적인 영향을 미친다고 생각하는가에 대한 설문에는 응답자 중 68%가 ‘긍정적이다’라고 응답하였다.
거주 지역에서 녹색전력이 공급되길 원하는가에 대한 설문에는 전체 응답 자 중 98.2%가 ‘공급되길 원한다’고 응답하였다. 이어서 거주 지역에서 녹색전 력이 공급되기 원한다고 응답한 경우, 거주지역 반경 몇 km에서 공급되기 원 하는지에 대한 추가 질문에 대해서는 1km 미만이라고 응답한 응답자는 4%로 나타났고, 1km∼5km라고 응답한 응답자는 27% 였고, 5∼10km라고 응답한 응답자는 35% 였으며, 10km 이상이라고 응답한 응답자는 34%로 나타났다.
다수의 응답자가 신재생에너지가 거주지역에서 공급되길 원하지만, 거주 지역 에서 다소 떨어진 곳에서 공급되길 바라는 것으로 파악된다.
한편 녹색전력구매제에 가입한다면, 녹색전력의 종류를 직접 선택하기를 원 하는가에 대한 설문에는 ‘직접선택하고 싶다’라고 응답한 응답자는 75%였고, 가장 선호하는 에너지원은 무엇인지에 대한 설문에는 72%의 응답자들이 ‘태 양광’을 선택하였고, 바이오에너지는 12%, 연료전지는 9%, 풍력은 응답자의 7%가 선택하였다. 녹색전력구매제를 이용할 경우, 인센티브를 준다면 가장 선호하는 혜택은 무엇인가에 대한 설문에는 응답자의 51%가 ‘소득공제 혜택’
을 선택하였고, 응답자의 30%가 탄소마일리지 적립을 선택하였다.
3. 추정 모형
선택실험 설문 결과를 이용하여 각 속성별 모수를 추정하기 위해 사용하는 추정방법은 기본적으로 다항로짓모형(multinomial logit model) 또는 조건부 로짓모형(conditional logit model)을 적용한다. 그러나 다항로짓모형은 속성간 IIA(Independence from Irrelevant Alternatives)를 전제로 하고 있고, 교란항 이 white noise인 것으로 전제하고 있기 때문에 현실적으로 성립하기 어렵다.
또한 성별, 나이, 교육수준, 이타심 등 응답자의 사회경제적 변수에 따라 속성 에 차이가 있는지를 분석하기 위해 사회경제적 변수와 속성간의 교차항을 이용할 수 있지만, 관측이 불가능한 응답자의 상이한 취향과 같은 이질성 (heterogeneity)는 혼합로짓모형(mixed logit model)6)이나 잠재계층모형(Latent class model)을 이용해야 한다.
조건부로짓모형은 선택 모형에서 사용되는 가장 기본적인 모형으로 이론적 배경은 확률효용모형이다. 확률효용이론에 따르면, 응답자 가 대안 을 선 택함으로 얻는 효용은 다음과 같이 표현할 수 있다.
6) 혼합로짓모형은 속성별 추정계수를 확률 계수로 전제하고 있다는 점에서 확률계수로짓 모형(random parameter logit model: RPM) 이라고도 한다.
(1)
여기서
는 응답자 효용이 관측 가능한 부분, 는 관측불가능한 확률 적 부분이다.
는 대안 에 대한 관측 가능한 특성의 선형함수이고, 는 독립적이고 동일한 분포의 extreme value type I을 갖는 확률변수라고 가정한 다. 응답자 가 대안집합
에서 보다 를 선택할 확률은 다음과 같이 나 타낼 수 있다.P r ∀
exp exp
(2)
여기서,
는 속성변수의 벡터7)이고 는 추정된 속성 파라메터들의 벡터 이다. 응답자의 개인별 특성은 선택대안에 따라 변하지 않기 때문에 효용함수 에는 포함되지 않고, 선택속성과의 교차항을 통해 응답자의 선택 확률에 영향 을 미칠 수 있다(Champ et al., 2003). 통상 개별 응답자는 다수의 선택집합에 대해 선택을 하기 때문에 패널데이터가 된다. 본 논문에서는 패널로짓모형을 적용하였다. 기본적인 모형 구조는 다항로짓이나 조건부 로짓과 같기 때문에 모형에 대한 설명은 생략한다. 패널 로짓모형의 경우 다시 고정효과모형과 확 률효과모형으로 추정할 수 있으며, 하우스만 테스트에 의해 한 가지를 선택하 게 된다(민인식, 최필선, 2012).다항로짓 또는 패널로짓에서 속성별 모수를 추정하면, 속성별 한계지불용의액 (MWTP)을 도출할 수 있고, 다음 <식 3>을 사용해서 구할 수 있다(Champ et al., 2003).
7) 본 연구에서는 신재생에너지원(태양광, 풍력, 연료전지, 바이오에너지), 녹색전기비중, 지역 일자리 수, 거주지로부터 발전소까지의 거리, 인센티브(세금공제, 탄소마일리지, 녹색라
(3)
기본적으로 한계대체율(MRS:Marginal Rate of Substitution)의 개념을 이 용한 것으로, 속성 A의 한계효용과 비용을 대변하는 속성 C의 한계효용간의 비율로 정의할 수 있다. 즉, 한계대체율은 비용에 의해 평가된 속성A의 한계 편익을 의미하며, 이는 곧 한계지불용의액이 된다. 패널 로짓에 의해 추정된 전기요금에 대한 모수 추정값(βc)과 다른 속성 A에 대한 모수 추정값(βa)의 비율을 이용하여 한계지불용의액이 도출된다.
한편 혼합로짓모형은 <식 4> 및 <식 5>와 같이 응답자 n이 선택집합 s에 서 대안 i를 선택할 확률(Pni)이 다항로짓모형의 로그우도함수(Lni)을 상이한 모수값에서 평가한 가중평균함수가 되며, 가중치는 확률밀도함수 g로 주어진다 (Train, 2009).
b b b g d L
Pni=
ò
ni( ) ( ) (4)C
Ss j njs
nis
ni x
L x
1
)] ' exp(
) ' [ exp(
=
å
= b
b
(5)
혼합로짓모형은 속성에 대한 추정계수가 평균과 분산을 갖는 확률계수가 되며, 통상 정규확률분포를 따르며, 확률계수간 상관관계가 있는 것으로 전제 할 수도 있다<식 6>.
njs njs ns
njs x u
U =b + , bns~N(m,sb), ~ (0, 6) p2 njs x
u (6)
Ⅳ. 추정 결과
1. 패널 로짓모형 추정결과
패널 로짓을 고정효과와 확률효과로 추정한 결과, 두 모형 모두에서 유의도 에서는 탄소 마일리지 속성을 제외하고 모든 속성의 추정계수가 유의하게 나 타났다. 녹색전력구매제를 선택한 사람들 가운데 신재생에너지 종류별로 살 펴보면, 속성으로 고려한 태양광, 풍력, 연료전지는 모두 녹색전력구매제에 대한 선호를 증가시키는 것으로 나타났으며, 신재생에너지별로 선호 크기를 비교해보면 연료전지 > 태양광 > 풍력 순으로 나타났다. 바이오는 기준(reference) 에너지원이므로 타에너지원에 대한 추정계수로부터 유도되며 계수 값이 –0.58198) 로 나타났다. 또한 녹색전력구매제의 월 추가 부담액이 낮을수록, 거주지로부터 신재생 발전소까지 거리가 가까울수록,9) 지역 일자리 창출이 많을수록 소비 자가 녹색전력구매제를 선택할 확률이 증가하는 것으로 나타났다. 또한 가입 시 인센티브와 관련해서는 소득공제 혜택만이 유의하게 녹색전력 요금제 가입 확률을 증가시켰다. 탄소마일리지도 가입확률을 증가시켰으나 통계적으로 유의
8)
태양광 풍력 연료전지9) 신재생발전소가 거주지에서 가까울수록 더 선호하는 이유는 사람들이 보이지 않는 먼 거리에 발전소가 세워진다면 이에 대한 애착이나 신뢰도도 떨어진다고 볼 수 있고, 또 한 신재생발전소의 장점인 대기오염 및 온실가스 저감효과가 자신이 거주하는 지역에 직접 영향을 미치지 못할 것이라는 우려가 작용했을 것으로 판단된다. 또한 녹색 발전 소가 거주지 가까이에 위치하면 지역경제 활성화나 일자리 창출에 기여할 것으로 사람 들은 기대할 것이다. 물론 실제로 태양광이나 풍력을 NIMBY 시설로 인식하는 경우도 많은데 이는 대규모 태양광이나 풍력단지가 설치된 지역 주민인 경우에 나타나고 일반 인을 대상으로 한 본 설문의 경우 이러한 상황에 있는 응답자가 별로 없었던 것으로
하지 않았고, 신재생 테마파크 체험 혜택은 선택확률을 감소시키는 것으로 나 타났다. 녹색인증마크도 기준 인센티브이므로 타 인센티브 유형에 대한 추정 계수로부터 간접 계산되며 0.6609로 나타났다.
한편 녹색전력 공급비중은 선택확률과 역U자형의 2차 비선형 관계를 보였 고, 공급 비중이 57.9%가 될 때까지는 소비자의 선택확률이 증가하였지만, 그 이후에는 선택확률이 감소하는 것으로 나타났다.
하우스만 테스트 결과 값이 -64.76로 나타났으며, 고정효과과 확률효과 모형 가운데 어떤 모형이 더 우수한 지 판단하기 어렵지만, 유사결정계수인 Pseudo-R2를 비교하면, 고정효과 모형이 더 크기 때문에 고정효과 모형을 기 준으로 속성별 지불용의액을 도출하였다.
속성 고정효과 모형 확률효과 모형
추정계수/표준오차 추정계수/표준오차 wind 0.2790*** (0.0727) 0.3012*** (0.0759) solar 0.3413*** (0.0603) 0.3667*** (0.0626) fuelcell 0.9616*** (0.0962) 1.0411*** (0.0973) Tariff -0.00001***(0.0000) -0.00001***(0.0000) green share2 -0.0004*** (0.0000) -0.0004*** (0.0000) green share 0.0463*** (0.0053) 0.0498*** (0.0055) distance -0.0477*** (0.0075) -0.0521*** (0.0079) job 0.0339*** (0.0032) 0.0366*** (0.0032) tax credit 0.1864*** (0.0613) 0.2309*** (0.0597) Green mileage 0.0300 (0.0685) 0.0409 (0.0719) green park -0.8773*** (0.1021) -0.9476*** (0.1027)
상수항 -0.6818*** (0.1353)
LR Chi2(11) 1040.01 990.48
Pseudo’ R2 0.1624 0.1234
(*** p<0.01, ** p<0.05,* p<0.1)
<표 2> 패널 로짓모형 추정결과
속성별 지불용의액을 추정한 결과, 우선 풍력에 대한 지불용의액은 평균 6,342원, 태양광 지불용의액은 평균 7,758원, 연료전지는 21,854원, 일자리 창출 771원으로 나타났다. 또한, 가입시 혜택을 소득공제를 해주었을 때 4,237원을 지불할 용의가 있는 것으로 나타났으며, 탄소 마일리지 혜택을 해주었을 때는 681원으로 나타났다. 그러나 탄소 마일리지는 하한값이 음의 값을 가지기 때 문에 응답자 가운데 선호하지 않는 경우가 있음을 보여준다.
지불용의액 평균 하한값 상한값
풍력 6,356 1,936 5,980
태양광 7,775 3,164 6,519
연료전지 21,904 10,966 16,313
일자리 773 394 569
소득공제 4,247 942 4,347
탄소 마일리지 682 -1,478 2,328
<표 3> 패널조건부로짓 고정효과에 의한 속성별 지불용의액(원/월)
2. 혼합로짓모형 추정결과
패널조건부로짓모형 추정의 경우 IIA 가정이나 관측불가능한 응답자의 이 질성 등을 감안하지 못하는 한계가 있으므로 혼합로짓모형을 적용하여 추정 하였다. <표 4>의 왼쪽은 평균값 기준 속성별 모수추정결과로서, 풍력, 신재 생 테마파크 체험에 대한 속성을 제외한 모든 속성에 대해 유의수준 1%에서 유의하였고, 부호 역시 예상과 일치하였다.
신재생에너지원에 대한 추정결과를 살펴보면, 태양광, 풍력, 연료전지는 모 두 녹색전력구매제에 대한 선호를 증가시켰고, 신재생에너지원간 선호 크기를 비교해보면 연료전지 > 태양광 > 풍력 순으로 나타났다.
다음으로 녹색전력 공급비중은 녹색전력 선호확률과 역U자형의 비선형 관 계가 있는 것으로 나타났고, 공급 비중이 64.4%가 될 때까지는 선택확률이 증가하다가 그 이상 비중이 늘어나면 선택확률이 감소하는 것으로 나타났다.
이는 녹색전력 비중 증가로 인한 요금 부담 증가나 부정적 외부효과 등이 반 영된 결과로 추정된다. 또한 녹색전력비중에 대한 전환점(turning point)을 패 널로짓모형(57.9%)과 비교하면 더 높은 것을 알 수 있다. 패널로짓 결과와는 다르게 녹색전력 요금제 가입시 혜택인 탄소 마일리지 속성은 유의하게 나타 났다. 소득공제와 마찬가지로 탄소포인트도 녹색전력구매제에 가입을 이끌어 내는데 효과적인 인센티브라고 해석할 수 있다.
한편 응답자별로 관측불가능한 이질성에 따라서 각 속성이 녹색전력구매제 선택확률에 어떠한 차이를 보이는 지를 검토하기 위해 <표 4>의 오른편에 있는 표준편차 값을 기준으로 속성별 모수추정계수를 살펴보기로 한다.
모든 속성에 대해 유의수준 5%에서 표준편차에 대한 속성별 추정계수가 유의하게 나타났다는 것은 응답자의 관측불가능한 선호 이질성이 존재함을 보여 준다.10) 신재생에너지원 가운데 태양광에 대한 선호 이질성이 1.22로 가 장 큰 것으로 나타났고, 이어서 풍력 0.81, 연료전지 0.41 순으로 나타났다. 즉 응답자들 가운데는 태양광이 갖는 단점이 장점을 압도하여 태양광 설치에 대 해 부정적인 경우가 다른 에너지원에 비해 비교적 높다는 것을 의미한다. 이 러한 결과는 Yoo & Ready(2014)의 연구 결과와도 동일한 것이다. 한편 인센 티브에 대한 이질성을 살펴보면, 탄소 마일리지 혜택에 대한 응답자의 이질성이 1.28로 가장 높고, 이어서 소득공제 0.84, 신재생테마파크 체험 0.76의 순으로 나타났다. 신재생테마파크 체험 속성에 대한 평균 추정값이 유의하지 않고, 음의 값을 갖기 때문에 해석에서 제외할 경우 소득 공제 혜택이 이질성이 더 적다는 점에서 탄소 마일리지 혜택보다 더 적합한 혜택임을 알 수 있다.
10) 반면, 표준편차가 비유의적인 경우는 표준편차가 통계적으로 0인 경우로 속성의 분포에 대한 모든 정보는 평균값으로 압축될 수 있다는 것으로 해석할 수 있다(Hensher et al.
2005).
구분 속성 추정계수 속성 추정계수
평균값
Tariff -0.00023***(3.42E-05)
표준편차
wind -0.8089*** (0.2077) wind 0.0471 (0.2050) solar 1.2214*** (0.1704) solar 0.6107*** (0.1769) fuelcell 0.4088*** (0.1420) fuelcell 0.8157*** (0.2691) green share2 -0.0001** (0.0001) green share2 -0.0007*** (0.0001) green share -0.0474*** (0.0039) green share 0.0954*** (0.0137) distance -0.1453*** (0.0217) distance -0.0433** (0.0183) job 0.0289** (0.0146) job 0.0664*** (0.0086) tax credit 0.8374*** (0.1319) tax credit 0.3455* (0.1885) mileage 1.2757*** (0.2124) mileage 0.4468** (0.1731)
greenpark 0.7577*** (0.1603) greenpark -0.4339 (0.3070)
관측수 7,200
로그-우도값 -1934.8369
Pseudo R2 0.1572
(***p<0.01,** p<0.05, * p<0.1)
<표 4> 혼합로짓을 이용한 추정결과
혼합로짓모형을 통해 추정된 속성에 대한 모수들을 이용하여 신재생에너지 원별 지불용의액을 추정한 결과, 패널로짓모형에 비해 모두 낮게 나타났다11)
<표 5>. 이처럼 패널로짓에 기반한 에너지원별 지불용의액이 혼합로짓에 기 반한 지불용의액보다 과다추정되는 이유는 속성들간에는 IIA(Independence from Irrelevant Alternatives) 원칙이 적용된다고 보기 때문이다. 그러나 속성 들간에 이러한 IIA 원칙이 성립되지 않는 경우에는 패널로짓모형으로 추정한 지불용의액이 과다추정될 수 있기 때문에 IIA원칙을 완화한 혼합로짓모형을 이용해서 지불용의액을 추정해야 한다. 예를 들어 인센티브라는 속성이 에너
11) 혼합로짓모형에서 지불용의액을 추정하기 위해서는 원칙적으로 WTP SPACE 모형을 이용해야 하지만 본 연구에서는 패널로짓모형과 같은 방식으로 지불용의액을 추정하였고, 이는 가격변수가 확률계수가 아니라고 가정하였기 때문에 WTP SPACE 추정결과와
지원별 지불용의액을 과다추정하도록 유도할 가능성이 있을 수 있기 때문에 지불용의액은 혼합로짓에 기반해서 추정해야 한다.
혼합로짓에 기반한 속성별 지불용의액의 경우에도 신재생에너지원 가운데는 연료전지가 가장 높게 평가되었고, 다음으로 태양광, 풍력 순으로 나타났다.
패널로짓모형이나 혼합로짓모형 추정결과 에너지원에 대한 선호도는 일관되 게 연료전지>태양광>풍력>바이오의 순으로 나타났고, 설문조사 전반부에 에 너지원별 정의 및 장단점에 관한 정보를 제공하기 전에 실시한 선호도 조사 에서는 태양광>바이오>연료전지>풍력의 순으로 나타났다. 이와 같이 응답자 의 선호도가 바뀐 이유는 각 에너지원에 대한 사전 지식을 제공하기 전에는 주관적인 기준에 따라 선호도를 결정했을 가능성이 높은 반면에 사전 지식을 제공한 이후 실시한 선택실험 질문에는 보다 객관적인 기준에 의거하여 선택 을 결정했을 가능성이 높은 것으로 보인다.
지불용의액(원/월) 패널로짓모형 혼합로짓모형
풍력 6,356 205
태양광 7,775 2,655
연료전지 21,904 3,547
<표 5> 패널로짓모형과 혼합로짓모형에서 추정한 지불용의액 비교
V. 결론 및 정책적 함의
문재인 정부에서는 3020 목표를 설정하고, 2030년까지 신재생에너지 보급비 중을 20%로 확대할 계획이다. 이에 따라 태양광과 풍력을 중심으로 한 신재 생에너지 전력 비중이 단기간에 확대될 것으로 보인다. 그러나 아직까지 주요 정책 수단이 RPS와 같은 발전기업에 대한 의무화제도나 직간접적인 보급지 원 제도에 국한되어 있어, 향후 신재생에너지 비중이 크게 확대될 경우 재정 적 부담 또한 매우 커질 수 있다. 따라서 녹색전력구매제와 같은 전기요금제 도의 개선을 통해 전기소비자의 적극적인 참여가 필요한 것으로 판단된다.
이에 본 연구에서는 신재생에너지에 기반한 녹색전력이 확대되기 위해 가 정부문 전기 소비자를 대상으로 가상의 녹색전력구매제도가 도입될 경우 어 떤 요인들을 고려해야 하고, 특히 금전적, 비금전적 인센티브 옵션이 소비자 들의 참여율 개선에 도움이 되는지를 선택실험법을 이용하여 평가해 보았다.
패널로짓모형과 혼합로짓모형을 이용하여 녹색전력구매제에 포함된 속성들을 추정한 결과, 어떤 신재생에너지원을 녹색전력 생산에 투입할 것인지가 소비 자들의 녹색전력구매제 참여율에 유의한 영향을 미치는 것으로 나타났다. 특 히 연료전지가 태양광이나 풍력보다 참여율에 더 많은 영향을 미치는 것으로 분석되었다. 또한 제목에서 강조했듯이 지역분산형 녹색전력이라는 점을 반영 하여 응답자 거주지와 신재생발전소간의 거리와 지역 일자리 창출을 주요 속 성으로 포함하였고, 발전소가 거주지에서 가까울수록, 지역 일자리가 늘어날 수록 자발적인 참여율이 개선되는 것으로 나타났다. 아직 우리나라는 신재생 발전의 경우 대부분 발전사업자 주도로 중앙집중식 계통연계로 되어 있는데, 이러한 연구 결과는 향후 지역분산형 신재생발전 방식으로 전환할 필요성을 보여준다고 하겠다.
한편 녹색전력이 공급되는 비중도 소비자의 녹색전력구매제 참여율에 유의 하게 영향을 미치며, 임계점을 초과할 경우 오히려 참여율이 감소하는 역U자 형의 관계에 있는 것으로 나타났다. 이는 과도하게 녹색전력 비중이 증가할 경우 추가적인 금전적 부담이나 외부효과와 같은 비용이 긍정적인 편익을 압 도하기 때문인 것으로 보인다.
본 연구에서는 선행 연구와 달리 금전적, 비금전적 인센티브 옵션을 녹색전 력 요금제와 결합하였는데, 다양한 옵션 가운데 소득공제 혜택이 가장 참여율 을 높이는 것으로 나타났고, 탄소 마일리지 옵션은 선호하지 않는 소비자들도 많은 것으로 평가되었다. 소비자의 이질성과 관련하여 여러 신재생에너지 가 운데 태양광의 경우 선호하지 않는 소비자들이 타 에너지원에 비해 더 많은 것으로 나타나 정부의 신재생에너지원별 보급 시 이러한 이질성을 감안할 필 요가 있을 것이다.
향후 신재생 발전을 대폭 확대하기 위해서는 계통접속 과부하, 입지규제, 계통 불안정성, 신재생에너지원간 형평성, 난개발, 외부효과 등 해결해야 할 문제들이 산적해 있다. 이와 더불어 이제 RPS나 보급지원정책에만 의존하기 보다는 전기요금제를 개선하여 일반 소비자가 녹색전력 확대에 적극적으로 동참할 수 있는 방법도 모색해야 할 것이다. 다만 미국이나 유럽과 같이 전력 시장이 민간에 완전 개방되어 있고, 자발적인 기부 문화가 발달한 곳에서는 이러한 자발적 녹색전력 구매제도도 활성화될 여지가 있겠지만 우리나라와 같이 전력시장이 아직 정부 통제를 받고 있고, 전력시장에 참여하는 민간부문 비중이 낮으며, 자발적 기부문화가 발달하지 못한 곳에서는 자발적 녹색전력 구매제가 성공할 가능성이 상대적으로 낮다고 하겠다. 이러한 맥락에서 적절 한 인센티브 옵션이 추가될 당위성도 커진다고 볼 수 있을 것이다.
접수일(2017년 12월 20일), 게재확정일(2018년 2월 19일)
◎ 참 고 문 헌 ◎
김지효, 박정규, 김진수, 허은녕, 2011. “RPS 도입시 재생에너지 전력에 대한 소비자 선호 연구:
지역별 차이를 중심으로.” 자원·환경경제연구 20권 4호: 797-826.
민인식, 최필선, 2012. ｢고급 패널데이터 분석.｣ 지필미디어.
배정환, 2014. “선택실험설문에 의한 방사능 피폭 가능성에 대한 원자력 기술개발 종사자의 지불용의액 추정.” 자원·환경경제연구 제22권 제3호: 411-435.
산업통상자원부, 2017, “새정부 신재생에너지 정책: 재생에너지 3020.” 2017 BIXPO 에너지 밸리포럼 발표자료.
엄영숙, 2011. “양분선택형 조건부가치측정법 응답자료의 실증적 쟁점분석.” 자원·환경 경제연구 20권 1호: 119-133.
유병국, 2012. “선택실헙법 자료에서의 선호이질성 분석을 위한 혼합로짓모형 및 잠재계층 모형의 활용.” 자원·환경제연구 21권 제 4호: 921-945.
이창훈, 황석준, 2009. “신재생에너지 전력에 대한 소비자 지불의사.” 자원·환경경제연구 18권 2호: 173-190.
한국전력공사, 2012. “전력산업 저탄소 녹색성장 추진비용에 대한 소비자 의식 및 지불의사 연구.” 지식경제부.
한국에너지공단, 2016, “2015년 신재생에너지 보급통계.”
Batley, S.L., Colbourne, D., Fleming, P.D., Urwin, P, 2001. “Citizen versus consumer:
challenges in the UK green power market.” Energy Policy 29: 479-487.
Bergmann, Ariel, Nick Hanley, Robert Wright, 2006, “Valuing the attributes of renewable energy investments.” Energy Policy 34: 1004–1014.
Borchers, Allison M., Joshua M. Duke, George R. Parsons, 2007, “Does willingness to pay for green energy differ by source? ” Energy policy 35: 3327-3334.
Clark, C.F., Kotchen, M.J., Moore, M.R., 2003. “Internal and external influences on pro-environmental behavior: Participation in a green electricity program.” Journal of
Environmental Psychology 23: 237-246.
Hensher, D. A., J. M., Rose and W. H., Greene, 2005. “Applied choice analysis: a primer.”
Cambridge: Cambridge University Press.
Hansla, A., Gamble, A., Juliusson, A., Garling, T., 2008. “Psychological determinants of attitude towards and willingness to pay for green electricity.” Energy Policy 36:
768-774.
Holmes, T. P., Adamowicz, W. L. 2003. “Attribute-Based Methods.” In: A Primer on Nonmarket Valuation. Champ, Patricia A.; Boyle, K. J. Brown, Thomas C. eds Kluwer Academic Publishers.
Dordrecht. 2003.
Kotchen, M. J., 2006. “Green Markets and Private Provision of Public Goods.” Journal of Political Economy 114(4): 816-834.
Kotchen, M.J., Moore, M.R., 2007. “Private provision of environmental public goods:
Household participation in green-electricity programs.” Journal of Environmental Economics and Management 53: 1-16.
Miranda, A., Rabe-Hesketh, S., 2006. “Maximum likelihood estimation of endogenous switching and sample selection models for binary, ordinal, and count variables.” The Stata Journal 6(3): 285-308.
Nomura, N, Akai, M., 2004. “Willingness to pay for green electricity in Japan as estimated through contingent valuation method.” Applied Energy 78: 453-463.
Roe, B., Teisl, M.F., Levy, A., Russell, M., 2001. “US consumers' willingness to pay for green electricity.” Energy Policy 29: 917-925.
Rose, S.K., Clark, J., Poe, G. L., Rondeau, D., Sshulze, W.D., 2002. “The private provision of public goods: tests of a provision point mechanism for funding green power programs.” Resource and Energy Economics 24: 131-155.
Scarpa Riccardo and Rose J. M., 2008. “Design efficiency for non-market valuation with choice modelling: how to measure it, what to report and why.” The Australian Journal of Agricultural and Resource Economics 52: 253-282.
Train, K., 2009. “Discrete choice methods with simulation, Cambridge University Press, Cambridge.”
Yoo, J., Ready, R. C. 2014. “Preference heterogeneity for renewable energy technology.”
Energy Economics 42: 101-114.
Wiser, R. H., 1998. “Green power marketing: increasing customer demand for renewable energy.” Utilities Policy 7: 107-119.
Zarnikau, J., 2003. “Consumer demand for ‘green power’ and energy efficiency.”
Energy Policy 31: 1661-1672.
ABSTRACT
Consumer Preference Analysis on Introduction of Locally Distributed Green Electricity Purchase
program*
Jeong Hwan Bae**
This paper analyzes which attributes improve participation rate of green electricity purchase program by using a choice experiment approach. Main attributes include new and renewable energy sources (solar, wind, fuelcell, and bio), distance from residence, job creation, proportion of green electricity, and incentive options (tax credit, green mileage, eco-labelling, and free visit of new&renewable theme park). According to panel logit and mixed logit model estimation, participation rates increase with fuelcell followed by solar, and wind, and vicinity of power plants as well as more job creation increase participation rates. Proportion of green electricity has inverted U shaped curve with participation rate, and tax credit affects participation rates the most significantly. Preference heterogeneity based on mixed logit results exists the most for solar, followed by wind, and fuelcell, while green mileage has more heterogeneity than tax credit. Government should consider the outcomes revealed by this study when the green electricity purchase program is accounted.
Key Words : Incentives, Green electricity purchase program, New & renewable energy, Choice Experiment
* This work was supported by the National Research Foundation of Korea Grant funded by the korean Government (NRF-2015S1A5A2A01010081)
** Associate professor, Chonnam National University. jhbae@jnu.ac.kr.
