1. 서 론
최근 지속적인 에너지가격 상승과 인류의 생존을 위협하는 에너지사용에 의한 이산화탄소 배출과 같은 음(-)의 외부효과는 최소한의 에너지를 사용하여 최대 효과를 창출하기 위한 ‘에너지효율 향 상’에 대한 관심을 크게 증가시켰다. 특히, 대부분의 에너지를 수입에 의존하고 에너지사용이 지속 적으로 증가하고 있는 우리나라1의 경우 에너지효율의 중요성은 더 이상 언급할 필요도 없다. 현재 우리나라의 모든 경제주체들은 에너지효율 향상의 중요성을 인식하고 이를 위해 공동의 노력이 필 요하다는 점에 대해서는 동의하지만, 에너지효율 향상의 방법과 정도에 대해서는 다양한 의견이 제 시되고 있다.
근본적인 에너지효율 향상을 위해 가장 중요한 점은 에너지효율 향상 여지(에너지효율 갭(Gap2)이라 고 불리어지고 있음)의 존재여부와 에너지효율 향상 정책의 수립 및 실행에 따른 에너지효율 향상의 성과를 합리적이고 정확하게 측정 및 평가할 수 있는지에 대한 가능성이라고 할 수 있다. 다시 말하 면, 효과적인 에너지효율 정책의 수립과 실행을 위해 에너지효율 갭(Gap)의 존재와 다양한 원인(정 보비대칭(Information Asymmetric)과 환경외부성(Environmental Externality) 등)들을 확인하 고 에너지효율 향상 정책을 수립 및 실행한 후 에너지효율 정책의 실행 이전과 이후를 평가하는 것 이 필수적이다. 이와 같은 에너지효율 정책의 순환메커니즘에서 정확하고 합리적인 에너지효율 갭 (Gap)의 확인과 에너지효율 정책 효과분석을 위해 무엇보다 중요한 것은 에너지효율에 대한 보편타 당한 측정이 우선되어야 한다는 것이다.
현재 에너지효율의 중요성을 인식하고 있는 다수의 국가들은 에너지효율의 측정지표로서 생산량에 서 에너지사용량의 비중을 나타내는 ‘에너지원단위’를 활용하고 있다. 하지만 에너지원단위는 에너 지의 사용량과 생산량만을 고려할 뿐 생산에 투입된 노동 및 자본을 고려하고 있지 않기 때문에 정 확하게 측정된 에너지효율이라고 보기 어렵다. 또한, 국가 또는 산업 수준에서 에너지효율을 측정 하고 있기 때문에 에너지효율 향상을 극대화하기 위한 세세한 에너지효율 정책의 수립 및 실행에는
에너지효율 측정과 결정요인 분석
- 우리나라 제조업 통계조사 -
글 / 정용훈 (인하대 국제통상학부 교수)
1. 부록에 <표 1>을 참조
2. 잠재적인 최대 에너지효율과 현재 에너지효율 수준의 차이라고 정의할 수 있다.
ESCO Issue
너지효율 시장의 자원배분을 왜곡하고 정책집행의 의도와는 다르게 사회후생을 감소시켜 에너지 효율 향상뿐만 아니라 장기적으로 우리나라의 지속가능한 경제성장을 저해할 수도 있다는 것이다.
따라서 본 연구는 기존의 에너지효율지표인 에너지원단위를 개선할 수 있는 새로운 에너지효율 측 정방법을 제시하고 이를 활용하여 국가 및 산업 수준이 아닌 최소한의 생산단위인 사업체 수준에서 에너지효율을 측정하고자 한다. 또한 어떠한 정책변수들이 에너지효율의 실질적 향상에 도움을 줄 수 있는지에 대해 기존 에너지원단위에 대한 분석결과와 비교·평가하도록 할 것이다.
2. 에너지효율 측정과 결정요인 분석
1. 통계자료
본 연구는 우리나라 1990년부터 1999년까지의 광공업통계조사3를 활용하여 사업체별 에너지효율 을 측정하는 것이다. 광공업통계조사는 1968년에 최초로 실시된 이후로 매년 우리나라에서 활동하 는 종사자 5인 이상의 모든 사업체를 대상으로 하고 있다.
본 통계는 기존 에너지효율 지표인 에너지원단위를 사업체별로 측정할 수 있도록 총에너지사용량과 총생산액을 제공할 뿐만 아니라, SFA(Stochastic Frontier Analysis) 또는 DEA(Data Envelope Analysis) 방법론을 활용하여 에너지원단위 보다 정확한 사업체별 에너지효율을 측정할 수 있도록 에너지사용과 관련된 노동 및 자본과 같은 다양한 변수4들을 포함하고 있다. 본 통계는 우리나라에 서 활동하는 거의 모든 제조업 사업체를 포괄하기 때문에 국가 및 산업 수준의 통계활용으로 인한 에너지효율 측정의 오류를 해결할 수 있으며, 세밀하고 정확한 사업체별 에너지효율 측정을 통해 보 다 효과적인 에너지효율 정책의 수립 및 집행에 기여할 수 있다.
본 연구의 실증분석에 사용된 1990년부터 1999년까지 기간 동안의 관찰치 수는 총 823,074개이며, 총 사업체 수는 234,393개인 불균형 패널데이터(Unbalanced Panel Data)이다. 통계의 실질화를 위해 총생산액, 출하액, 부가가치 및 임금은 2-digit 산업분류를 기준으로 나눈 생산자물가지수를 통하여 명목변수에서 실질변수로 전환하였다. 사업체 자본의 대리변수로 활용될 연초 및 연말 유형
3. 현재 광공업통계조사는 매년 조사되고 있기 때문에 2009년까지 패널데이터로 이용이 가능하나, 2007년 이후는 종사자 5인 이상이 아닌 10인 이상으로 조사가 되고 있으며 연도별 데이터를 패널데이터로 전환하기 위해 사업체 식별번호가 필요하지만 보안상 전 기간의 사업체식별번호 확보가 쉽지 않다. 따라서 본 연구의 시간제약상 1999년 이후의 자료는 추후 연구과제로 남길 것이며, 1990년부터 1999년까지의 분석으로도 SFA를 이용한 정확한 에너지효율 측정과 기존 측정방법인 에너지원단위와 의 비교, 에너지효율에 영향을 줄 수 있는 정책변수들에 대한 분석의 결과에는 큰 영향을 미치지 않을 것으로 판단된다.
4. 사업체별 생산에 필요한 요소인 노동(총종사자수, 생산직, 사무직, 남자, 여자 등), 자본(유형고정자산(연초, 연말, 감사상각 등), 부가가치, 수출, 설립연도, 재고 등 다 양한 사업체 관련 정보를 제공하고 있다.
고정자산은 한국은행 국민계정의 자본재디플레이터에 의해, 생산에 따른 비용과 관련된 변수들은 중간재물가지수에 의해 실질화 하였다.
사업체별 에너지효율 측정을 위한 본 연구의 중요 변수인 사업체별 에너지사용은 연간 전력비와 연 료비를 합하여 측정하였으며, 실질변수로의 전환을 위해 에너지관련 물가지수5를 도출하고 연료비 는 에너지물가지수로, 전력비는 전력물가지수를 활용하여 전환하였다.
<표 1>은 본 실증분석에서 활용한 통계의 기초통계로서 사업체별 에너지효율을 추정하기 위하여 활용한 주요변수들의 평균과 표준편차 및 연도별 활용된 표본 수를 나타내고 있다. 총 사업체의 수 는 1990년에서 1999년까지 823,074의 사업체를 대상으로 하였으며, 각 연도별 표본 수는 1990년 65,041개에서 1999년 87,934개로 1998년 외환위기 시기를 제외하고는 점차 늘어나는 추세를 보이 고 있다. <표 1>에서 제시하고 있는 변수들은 사업체별 에너지사용량, 생산량, 종사자수, 자본과 사 업체별 에너지사용량을 생산량으로 나누어 구한 에너지원단위가 있다. 1990년부터 1999년까지 변 수들에 대한 연도별 추이를 보면, 평균적인 사업체별 생산량과 에너지사용량, 자본은 점차 증가하 는 추세를 보이는 반면 사업체별 종사자 수는 시간의 흐름에 따라 감소하는 모습을 보이고 있어 제 조업의 전반적인 노동 생산성 향상을 알 수 있다. 에너지원단위의 경우는 1998년을 제외하고는 값 이 점점 작아지고 있어 에너지원단위가 에너지효율을 정확하게 나타내고 있다면 1990년대 우리나라 의 전반적인 에너지효율은 증가하였다는 것을 알 수 있다.
<표 1> 중요변수들과 연도별 통계요약
에너지사용량 생산량 종사자수 연초/연말
유형고정자산의 평균값 에너지원단위
year Obs Mean (Stv) Mean (Stv) Mean (Stv) Mean (Stv) Mean (Stv)
전기간 823074 2.10 (1.48) 6.32 (1.48) 2.68 (0.97) 5.12 (1.80) -4.22 (1.11)
1990 65041 2.05 (1.48) 6.10 (1.51) 2.93 (1.03) 4.91 (1.74) -4.04 (1.10)
1991 69262 2.09 (1.46) 6.18 (1.48) 2.86 (1.01) 5.02 (1.75) -4.09 (1.09)
1992 72030 2.07 (1.46) 6.22 (1.47) 2.80 (0.10) 5.14 (1.73) -4.15 (1.11)
1993 85804 1.97 (1.46) 6.19 (1.44) 2.70 (0.96) 4.99 (1.81) -4.22 (1.10)
1994 88615 2.08 (1.44) 6.30 (1.44) 2.68 (0.95) 5.07 (1.80) -4.22 (1.09)
1995 92773 2.07 (1.47) 6.34 (1.46) 2.63 (0.95) 5.11 (1.82) -4.27 (1.11)
1996 94549 2.13 (1.47) 6.43 (1.44) 2.60 (0.94) 5.22 (1.79) -4.29 (1.09)
1997 89635 2.18 (1.50) 6.48 (1.48) 2.56 (0.94) 5.29 (1.81) -4.29 (1.12)
1998 77431 2.16 (1.54) 6.40 (1.52) 2.58 (0.93) 5.20 (1.86) -4.25 (1.13)
1999 87934 2.16 (1.54) 6.45 (1.52) 2.57 (0.92) 5.17 (1.85) -4.29 (1.15)
주) 모든 변수값에 log를 고려하였다.
5. 우리나라의 에너지가격 특히 전력가격은 정부에 의해 엄격하게 관리되고 있기 때문에 에너지가격지수와 전력가격지수는 타부문의 물가지수들과 완전히 다른 패턴 을 나타내고 있다.
ESCO Issue
려하는 에너지효율 측정의 방법론인 자료포락분석(DEA)과 확률변경분석(SFA), 그리고 지수요인분 해분석(Index Decomposition Analysis(IDA))이 있다.
에너지원단위6는 아래의 식과 같이 산출물에 대한 에너지사용이 얼마나 적은가를 살펴봄으로써 에 너지효율을 측정하는 방법이다.
에너지원단위(Energy Intensity) = 에너지사용 / 산출물
하지만 에너지원단위에 의해 측정된 에너지효율은 산출물의 합 또는 그 산출물의 구성이 변화하거 나 산출물 생산에 투입된 노동 및 자본까지도 고려한다면 변화될 수 있다는 단점이 있다. 이러한 단점을 보완하고자 실질적인 에너지효율을 추정하려는 기법들7이 등장한다. 대표적인 방법론이 바 로 자료포락분석(DEA)8과 확률변경분석(SFA)9으로 두 분석기법의 가장 큰 차이점은 자료포락방 법(DEA)은 비모수적 접근법(nonparametric approach)을, 확률변경분석(SFA)은 모수적 접근법 (parametric approach)을 활용한다는 것이다.
자료포락방법(DEA)은 동질적인 개별의사결정단위들 간의 상대적 효율을 측정하여 비효율적인 의 사결정단위들이 어떻게 개선될 수 있는지에 관한 정보를 제공할 수 있기 때문에 동질성을 갖는 개 별적인 산업 내의 기업단위 에너지효율 분석에서는 매우 효과적이다. 하지만 전체 산업을 고려하는 상호 이질적인 사업체들에 대한 연구에서는 상대적 효율을 고려하거나, 최적에 도달하지 못한 원인 을 모두 비효율성으로 간주하여 임의오차가 효율에 미치는 영향을 고려하지 못하기 때문에 본 연 구의 사업체별 에너지효율 추정에는 적합하지 않다. 따라서 전체 제조업을 대상으로 하는 본 연구 는 사업체별 새로운 에너지효율지표를 확률변경함수(SFA)를 통하여 측정 및 분석하는 것이 적합 하다고 판단된다.
1) 에너지 수요함수와 에너지효율 측정을 위한 계량모형 도출
각 기업의 생산함수 Y는 노동(XL), 자본(XK), 중간재(XM) 및 에너지(XE)로 구성되어 있다고 하자. 이 최종재화의 가격은 P이고, 투입재의 가격 벡타를 W라고 하고 각 기업의 이윤 극대화로부터 아래의
6. Boyd, McDonald et al.(1987), Boyd, Hanson et al. (1988), Greening, Davis et al.(1997), Ang and Liu(2001), Boyd and Roop(2004)를 참조.
7. 자세한 문헌조사는 Ang and Liu (2001)를 참조
8. Farrell(1957), Charnes, Cooper & Rhodes (1978), Banker, Charnes & Cooper (1984)를 참조.
9. Kumbhakar, Ghosh and McGuckin (1991), Reifschneider and Stevenson (1991), Battese and Coelli (1995), Caudill, Ford and Gropper (1995), Wang (2002), Alvarez, Amsler, Orea and Schmidt (2006)을 참조.
식과 같은 에너지 수요함수를 도출할 수 있다.
Max π=PY–C(W,Y) f.o.c: XE* = XE(P, W, Y)
각 기업의 이윤극대화 전략으로부터 도출된 에너지 수요함수는 최종생산물의 생산량(Y)과 가격(P) 및 각 투입요소의 가격들(W)로 구성되어진다. 이렇게 이론적으로 도출된 에너지 수요함수에 근거하 여 에너지 수요함수를 추정하는 계량모형을 도출해보면 다음과 같다.
에너지 수요함수는 최종생산물의 생산량, 가격 및 각 투입요소의 가격들로 이루어진다. 이에 근거하 여 에너지 수요함수를 추정하는 확률변경모형(SFA)은 다음과 같이 나타낼 수 있다.
ei=α+βyyi+xiβx+vi-ui(zi;δ), ui(zi;δ)=0
여기서 e, y, x는 각각 기업의 에너지 수요, 산출량, 생산요소 벡터의 자연로그 값을 나타내고 z는 기타 지역더미 또는 산업더미 등을 나타낸다.
2) 에너지효율 결정요인 분석
에너지효율 향상을 위한 효과적인 에너지효율 정책도출을 위해 필요한 확률변경분석(SFA)에 의해 추정된 사업체별 에너지효율과 정책변수들 간의 관계는 다음과 같은 방법으로 분석하였다.
확률변경분석(SFA)을 통해 에너지 수요함수를 추정하여 각 사업체별 에너지효율을 측정하고 측정 된 사업체별 에너지효율을 좌변의 종속변수로, 사업체별 에너지효율에 영향을 미칠 것으로 예상되 는 정책변수들을 우변의 독립변수로 두어 분석하였다. 이를 위한 계량모형을 다음과 같이 제시할 수 있다.
사업체별 에너지효율 = G (정책변수들10)
위 식에서 정책변수들은 각 사업체들의 특성을 고려하기 때문에 본 연구가 중점을 두고 있는 사업 체별 분석은 기존 집계통계를 통해 수행된 연구에서 도출될 수 없는 다양한 정책적 시사점을 제공 할 것으로 예상된다.
3. 확률변경분석(SFA)을 활용한 사업체별 에너지효율 측정
본 절에서는 확률변경분석(SFA)11에 의해 사업체별 에너지 수요함수를 추정하고 추정된 에너지 수 요함수를 활용하여 사업체별 에너지효율을 측정하였다. 아래의 식과 같이 종속변수는 사업체별 에 너지사용량을 활용하였으며, 독립변수는 사업체별 생산량과 투입요소들인 종사자수(노동), 유형
10. 사업체의 나이, 수출여부, 시장구조, 노동 및 자본 집약도, 총에너지 중 전력사용 비중 등을 정책변수로 고려할 수 있다.
11. 사업체별 에너지효율을 추정하기 위하여 활용한 SFA는 시간불변모형(Time-invariant model)으로 비효율성항()은 절단정규분포(Truncated-normal distribution)를 가 정하여 아래와 같은 함수형태를 고려하였다.
ESCO Issue
서로의 공분산은 0으로 서로 독립적으로 분포되어 있다고 가정한다.
사업체별 에너지효율12은 아래의 회귀분석결과를 활용하여 사업체별 에너지수요 추정치를 도출한 후 사업체별 실제 에너지수요와의 차이로 간주한다. 본 연구에서 도출하고 활용한 사업체별 에너지 효율은 확률변경함수를 활용한 것으로 오차항을 랜덤항과 기술적 비효율항으로 나누어 기술적 비 효율항을 에너지효율로 고려하기 때문에 실제에너지수요에서 랜덤항을 포함하는 에너지수요 추정치 를 제외하여 아래와 같이 도출한다.
<표 2> SFA를 통한 에너지 수요함수 추정13
Coefficient (S.E)
총생산 0.365*** (0.001)
노동 0.230*** (0.002)
자본 0.203*** (0.0009)
시간 0.010*** (0.0003)
상수 -17.543 (27.209)
/mu 5.005 (27.201)
lnsigma2 -0.165*** (0.002)
/iltgamma 0.370*** (0.004)
sigma2 0.847*** (0.001)
gamma 0.591*** (0.001)
sigma_u2 0.501*** (0.0019)
sigma_v2 0.346*** (0.0006)
* : 10% ** : 5% ***: 1% significance level
주1: 종속변수는 사업체별 에너지사용량이며, 독립변수들로서 생산은 log(생산량), 노동은 log(종사자수), 자본은 log(유형고정자산)이다. 본 회귀분석에서는 각 사업체를 고 려한 고정효과(Fixed Effect)를 반영하였기 때문에 산업 또는 지역더미를 고려할 필요가 없다.
주2: 위의 확률변경함수를 고려한 회귀분석 결과는 독립변수들에 대한 계수값 이외에 여러 값들이 제시되고 있는데, 이들은 모두 랜덤항과 비효율성항의 특성을 나타내 고 있다. 회귀분석결과에 나오는 변수들을 설명하면 sigma_v2는 συ2, sigma_u2는 συ2, gamma는 γ=συ2/σδ2, sigma2는 σδ2=συ2+συ2, mu는 μ, ilgtgamma는 γ의 inverse logit, lnsigma2는 1n(σδ2)이다.
12. 사업체별 에너지수요 추정치를 어떻게 고려하느냐에 따라 결정변경함수(Deterministic Frontier Function)와 확률변경함수(Stochastic Frontier Function)로 나눌 수 있 는데 오차항의 비효율항을 고려하지 않고 실제에너지수요와 추정된 에너지수요의 차를 에너지효율로 간주하는 경우 결정변경함수이고 다음과 같이 에너지효율을 구할 수 있다.
13. 사업체별 에너지효율을 추정하기 위한 SFA를 활용한 회귀분석결과에서 생산량 1%의 증가는 에너지사용량 약 0.37%의 증가, 총 종사자수 1%의 증가는 에너지사용량 약 0.23%의 증가, 유형고정자산 1%의 증가는 에너지사용량 0.20%의 증가를 야기한다는 것을 알 수 있다. 또한 시간 변수에 대한 계수가 양(+)이고 유의하기 때문에 시간 이 지남에 따라 에너지소비가 증가하는 추세임을 보여주고 있다.
4. 에너지효율 결정요인 분석
본 절의 에너지효율 결정요인 분석에서 사업체별 에너지효율에 영향을 미칠 것으로 예상되는 정책 변수들은 사업체의 나이, 수출여부, 시장집중도, 노동집약도, 자본집약도, 에너지사용량 중 전력의 비중을 고려하였다. 아래의 <표 3>은 두 에너지효율 지표, 확률변경분석(SFA)을 활용한 에너지효율 과 에너지원단위에 대한 정책변수들에 대한 회귀분석결과를 보여주고 있다.
두 지표에 대한 회귀분석결과는 아주 흥미로운 결과를 나타내고 있다. 사업체의 자본집약도와 에너 지 사용량 중 전력이 차지하는 비중이 에너지원단위와 확률변경분석(SFA)를 활용한 에너지효율에 미치는 영향은 사업체의 자본집약도가 높을수록 에너지효율은 낮아지고 전력비중이 높을수록 에 너지효율은 높아지는 것으로 나타났다. 또한 전력비중과 시간을 동시에 고려한 변수는 양(+)의 유 효한 계수 값을 갖는데 이는 전력의 비중이 높아지면 에너지효율이 높아지고 전력비중 증가에 따른 에너지효율의 증가분은 점차 체감한다는 것을 보여주고 있다. 결국 자본집약도가 높아짐에 따라 에 너지효율이 낮아질 수 있지만, 에너지사용을 전력으로 전환한다면 비록 체감효과가 있더라도 에너 지효율은 증가할 수 있다는 것을 보여준다. 또한 시간이 음(-)의 유효한 계수 값을 가짐으로써 시간 이 흐름에 따라 에너지효율은 점차 개선되었다는 것을 확인할 수 있다.
하지만, 타 정책변수들에 대해서는 에너지원단위와 SFA를 활용하여 측정한 에너지효율 간에 완전 히 상반된 결과가 도출되었다. 에너지원단위는 사업체의 나이가 많고, 수출활동을 하며, 시장집중도 가 높고, 노동집약도가 낮을수록 사업체의 에너지효율이 높은 것으로 나타났다. 하지만 확률변경분 석(SFA)을 활용한 에너지효율은 신생 사업체일수록 수출활동을 하지 않으며, 시장집중도가 낮고, 노동집약도가 높을수록 사업체의 에너지효율이 높은 것으로 나타났다.
위의 두 에너지효율 지표에 따른 상반된 회귀분석결과는 두 에너지효율 지표를 추정하는 과정에서 자연스럽게 예상될 수 있다. 에너지원단위는 사업체의 생산량만을 고려하였기 때문에 오래된 사업 체일수록 생산량이 많아지고 수출의 가능성도 높아지며 낮은 경쟁의 시장환경에서 경제활동을 영 위할 확률이 높다. 따라서 위와 같은 특성을 지닌 사업체들의 에너지원단위로 측정된 에너지효율은 높을 것으로 예상된다. 반면, 확률변경분석(SFA)을 활용한 에너지효율은 사업체별 에너지효율을 추정하기 위해 이미 생산요소(노동, 자본)가 에너지사용에 기여한 부분과 생산과정에서 있을 수 있 는 비효율을 제거하였기 때문에 새로운 에너지효율 기술을 보유하고 있을 가능성이 높은 신생 사업 체일수록 에너지효율이 높게 된다. 또한 신생기업은 기존기업에 비해 수출을 위한 매몰비용(Sunk Entry Cost) 때문에 수출 가능성이 낮아서 수출하지 않는 기업일수록 에너지효율이 높을 것으로 해석될 수 있다. 시장집중도 측면에서도 신생기업이고 비수출 기업일수록 낮은 시장집중도의 경쟁환 경에 처할 가능성이 높다. 따라서 경쟁이 높은 시장 내에서 기업들에게도 생존을 위해 높은 에너지 효율을 요구할 것이다. 노동집약도의 경우는 대부분의 에너지는 자본 즉 기계 및 설비를 운용함으
ESCO Issue
율이라고 할 수 있다. 둘째, 확률변경분석(SFA)을 활용한 에너지효율에 대한 회귀분석 결과에 따르 면, 높은 에너지효율을 보유한 사업체들의 특징은 신생업체, 비 수출업체, 높은 시장경쟁환경, 높은 노동집약도, 낮은 자본집약도, 총에너지 중 높은 전력비중이라고 요약할 수 있다. 따라서 아래의 회 귀분석 결과를 토대로 정부의 에너지효율정책은 기존기업, 수출기업, 낮은 시장경쟁환경, 낮은 노동 집약도, 높은 자본집약도, 총에너지 중 낮은 전력비중의 특성을 가지고 있는 사업체에 초점을 맞추 어 에너지효율 정책을 수립 및 실행해야 할 것이다.
<표 3> 정책변수들을 고려한 에너지효율에 대한 회귀분석
SFA Energy_intensity
OLS (1) OLS (2)
사업체나이 0.002*** 0.002***
(0.0001) (0.0001)
수출여부 0.058*** -0.126***
(0.003) (0.003)
HHI 0.304*** -0.488***
(0.012) (0.013)
노동집약도 -0.054*** 0.411***
(0.001) (0.001)
자본집약도 0.127*** 0.33***
(0.001) (0.001)
전력비중 -1.107*** -1.089***
(0.008) (0.0001)
Time*전력비중 0.049*** 0.048***
(0.001) (0.001)
연도 -0.043*** -0.021***
(0.001) (0.0001)
상수 83.03*** 40.45***
(1.981) (1.981)
Observations 823069 823069
R-squred 0.088 0.345
*:10% ** : 5% ***: 1% significance level
3. 결론
무한하고 청정한 에너지원이 확보되기 전까지 ‘에너지효율’의 중요성은 더욱 커질 것으로 예상된다.
하지만 에너지효율 향상이라는 것은 말처럼 쉬운 인류의 숙제가 아니다. 에너지효율 향상을 위한 일 련의 과정들이 모두 어렵겠지만, 무엇보다도 중요한 것은 ‘과연 에너지효율이 무엇인가?’와 에너지효 율이 정의 되었다면 ‘현재 우리의 에너지효율 수준은 어떠한가?’에 대한 질문에 답하는 것이다. 다시 말하면 에너지효율에 대한 정의와 우리의 에너지효율 수준에 대한 올바른 평가는 에너지효율에 관 련된 모든 정책들의 시작인 동시에 끝이라고 말할 수 있다.
본 연구는 위 두 질문에 대한 답을 제시함으로써 기존 에너지효율 연구에 기여하고 있다. 첫째, 국가 및 산업 수준에 집중된 에너지효율에 대한 연구를 사업체 수준으로 확대하였다는 것이다. 사업체 수준의 패널통계를 활용함으로써 산업수준의 에너지효율정책을 개별 기업 및 사업체까지 고려하여 세밀하게 적용할 수 있는 발판을 마련하였다. 사업체 수준에서의 에너지효율정책은 에너지효율 향 상을 위한 자원의 효율적 배분을 향상시켜 실질적인 에너지효율 향상에 기여할 것이다. 둘째, 기존 에너지효율 지표인 에너지원단위의 한계인 단일 변수만을 고려한다는 단점을 극복하여 다 변수를 고려하는 확률변경분석(SFA)을 활용하여 사업체별 에너지수요함수를 추정하고 에너지효율을 측정 하였다는 것이다. 셋째, 기존 에너지효율 연구에서는 고려할 수 없었던 사업체별 특성을 정책변수들 로 고려하여 사업체별 에너지효율의 결정요인을 분석함으로써 구체적이며 세밀한 에너지효율 정책 수립에 크게 기여할 수 있다는 것이다. 마지막으로 앞 장의 회귀분석결과에서도 보았듯이 어떤 에너 지효율지표를 사용하느냐에 따라 에너지효율 정책이 적용될 사업체 대상은 완전히 반대의 결과를 가져온다. 따라서 올바르고 정확한 에너지효율 측정의 중요성을 인식케 하였다.
본 연구의 한계점과 향후 연구방향은 다음과 같다. 본 연구는 1990년부터 1999년까지의 통계를 활 용하였기 때문에 에너지효율의 최근 현황을 반영하지 못하고 있다는 것이다. 과거의 통계일지라도 새로운 에너지효율 측정 방법론과 기존 방법론과의 차이를 보여준다는 나름의 의의가 있으나, 본 연구의 결과를 직접적으로 현재의 에너지효율 정책에 반영하기는 어려울 것이다. 따라서 본 연구에 서 활용한 통계를 가장 최근 연도까지 확대하여 현실에 바로 반영할 수 있는 연구결과를 도출하는 것이 시급하다.
ESCO Issue
of Productivity Analysis 25(3), 201-212.
Ang, B.W., Liu, F.L., 2001. A new energy decomposition method:
perfect in decomposition and consistent in aggregation.
Energy 26(6), 537–.548.
Banker, R.D., Charnes, A. and Cooper, W.W(1984). "Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis", Management Science, 30 (9), 1078-1092.
Battese, George and Coelli, Timothy (1995) A Model for Technical Inefficiency Effects in a Stochastic Frontier Production Function for Panel Data, Empirical Economics, 20, 325-332
Battese, G. E. and Corra, G. S., 1977, Estimation of a Production Frontier Model: With Empirical Applications in Agricultural Economics, Agricultural Economics
Boyd, G. A., Hanson, D.A. and Sterner, T., 1988, Decomposition of changes in energy intensity-A comparison of the Divisia index and other methods, Energy 10(4), pp.309-312.
Boyd, G. A., J. F. McDonald, et al. (1987). "Separating the Changing Compostion of U.S. Manufacturing Production from Energy Efficiency Improvements: A Divisia Index Approach."
Energy Jornal 8(2): 77-96.
Boyd, G. A. and J. M. Roop (2004). "A Note on the Fisher Ideal Index Decomposition for Structural Change in Energy Intensity." The Energy Journal 25(1): 87-101.
Economic Statistics 13, 105-111.
Charnes, A., W.W. Cooper, and E. Rhodes, 1978, Measuring the Efficiency of Decision Making Units, European Journal of Operational Research, Vol.2: 429-444.
Farrell, M.J., 1957, “"The Measurement of Productivity Efficiency,”" Journal of the Royal Statistical Society, Vol. 120, No. 3, pp. 253-281.
Greening, L., W. Davis, et al. (1997). "Comparison of six decomposition methods: Application to aggregate energy intensity for manufacturing in 10 OECD countries." Energy Economics 19(3): 375-390.
Kumbhakar, S. C., S. Ghosh, and J. T. McGuckin., (1991), “A Generalized Production Frontier Approach for Estimating Determinants of Inefficiency in U.S. Dairy Farms,” Journal of Business and Economic Statistics 9, 279-286.
Lui, X. Q., B. W. Ang, et al., 1992, "The application of the Divisia index to the ecomposition of changes in industrial energy consumption." The Energy Journal 13(4): 161-177.
Reifschneider, D. and R. Stevenson, 1991, “Systematic departures from the frontier: A framework for the analysis of firm inefficiency,” International Economic Review 32, 715-723.
Wang, H. J., 2002, “Heteroscedasticity and Non-Monotonic Efficiency Effects of a Stochastic Frontier Model,” Journal of Productivity Analysis 18, 241-253.
부록
<표 1> 우리나라 에너지소비 및 효율 현황
구 분 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011
국내총생산(조원)
(2005년 기준) 773.9 795.6 832.3 865.2 910.0 956.5 978.5 981.6 1,042.1 1,081.6 1차 에너지소비
(백만TOE) 208.6 215.1 220.2 228.6 233.4 236.5 240.8 243.3 262.6 271.3 최종에너지소비
(백만TOE) 160.5 164.0 166.0 170.9 173.6 181.5 182.6 182.1 193.8 200.1
산업부문 89.2 90.8 93.0 94.4 97.2 104.3 106.5 106.1 115.2 121.5
가정·상업부문 34.3 35.0 34.8 36.9 36.0 35.9 36.2 35.7 37.3 37.4
수송부문 33.8 34.6 34.6 35.6 36.5 37.1 35.8 35.9 36.9 36.8
공공·기타부문 3.2 3.6 3.6 4.1 3.8 4.1 4.1 4.3 4.5 4.5
에너지원단위
(TOE/백만원) 0.270 0.270 0.265 0.264 0.256 0.247 0.246 0.248 0.252 0.251 1인당 에너지소비(TOE) 4.38 4.49 4.58 4.75 4.83 4.86 4.95 4.99 5.37 5.45
석유의존도(%) 49.1 47.6 45.7 44.4 43.6 44.6 41.6 42.1 39.7 38.7
석유정제능력(천B/일) 2,438 2,438 2,438 2,735 2,772 2,812 2,855 2,855 2,855 2,855 에너지 해외의존도(%) 97.1 96.9 96.7 96.6 96.5 96.5 96.4 96.4 96.5 96.5
에너지 수입액 (억불) 32,290 38,306 49,600 66,697 85,566 94,978 141,475 91,160 121,654 171,828 총수입 중
에너지 비중(%) 21.2 21.4 22.1 25.5 27.7 26.6 32.5 28.2 28.6 32.8
