본 논문은 에너지 효율성 지표로써 투입물로 에너지뿐만 아니라 노동과 자본 등을 동시에 고려한 총요소 에너지 효율성을 DEA에 기초하여 2005-2013년 기간 동안 우리나라 16개 시 도의 제조업 부문에 대하여 추정하였다. 추정결과에 의하면, 단일요소 에너지 효율성과 총요소 에너지 효율성 간에 차이가 존재하여 두 지표를서로 보완적으로 사용할 필요성이 있는 것으로 나타났다. 한편, 총요소 에너지 효율성 지표는 대부분의 시 도들에서 높게 나타났는데 서울, 광주, 울산, 경북 등은 프런티어에 위치하지만, 강원, 부산, 대구, 인천 등은 상대적으로 매우 비효율적인 것으로 나타났다. 또한 패널 토빗 모형을 통해 총요소 에너지 효율성의 결정 요인을 추정한 결과에 의하면, 대기업의 생산액 비중이 클수록, 에너지 다소비업종의 생산액 비중이 작을수록, 그리고 전력 사용 비중이 클수록, 총요소 에너지 효율성에 긍정적인 영향을 주는 것으로 추정되었다.
본 논문은 에너지 효율성 지표로써 투입물로 에너지뿐만 아니라 노동과 자본 등을 동시에 고려한 총요소 에너지 효율성을 DEA에 기초하여 2005-2013년 기간 동안 우리나라 16개 시 도의 제조업 부문에 대하여 추정하였다. 추정결과에 의하면, 단일요소 에너지 효율성과 총요소 에너지 효율성 간에 차이가 존재하여 두 지표를서로 보완적으로 사용할 필요성이 있는 것으로 나타났다. 한편, 총요소 에너지 효율성 지표는 대부분의 시 도들에서 높게 나타났는데 서울, 광주, 울산, 경북 등은 프런티어에 위치하지만, 강원, 부산, 대구, 인천 등은 상대적으로 매우 비효율적인 것으로 나타났다. 또한 패널 토빗 모형을 통해 총요소 에너지 효율성의 결정 요인을 추정한 결과에 의하면, 대기업의 생산액 비중이 클수록, 에너지 다소비업종의 생산액 비중이 작을수록, 그리고 전력 사용 비중이 클수록, 총요소 에너지 효율성에 긍정적인 영향을 주는 것으로 추정되었다.
This paper analyzed 16 regional total factor energy efficiency (TFEE) of the Korean manufacturing sector using data envelopment analysis method for the period of 2005-2013. According to the empirical results, it is necessary to use TFEE as well as partial energy efficiency defined by the ratio of en...
This paper analyzed 16 regional total factor energy efficiency (TFEE) of the Korean manufacturing sector using data envelopment analysis method for the period of 2005-2013. According to the empirical results, it is necessary to use TFEE as well as partial energy efficiency defined by the ratio of energy usage to output (energy intensity) when we compare energy efficiency. Secondly, TFEE in the Korean manufacturing sector is quite different across 16 regions. For example, Gangwon province should improve energy efficiency by 55% compared to Seoul, Gwangju, Ulsan, and Gyeongbuk which are located on production frontier. Furthermore, the estimation of panel tobit regression model showed that the higher non fossil fuel using, the higher production share of large-sized firms, the lower energy intensity, and the lower capital-labor ratio could have positive effect on TFEE.
This paper analyzed 16 regional total factor energy efficiency (TFEE) of the Korean manufacturing sector using data envelopment analysis method for the period of 2005-2013. According to the empirical results, it is necessary to use TFEE as well as partial energy efficiency defined by the ratio of energy usage to output (energy intensity) when we compare energy efficiency. Secondly, TFEE in the Korean manufacturing sector is quite different across 16 regions. For example, Gangwon province should improve energy efficiency by 55% compared to Seoul, Gwangju, Ulsan, and Gyeongbuk which are located on production frontier. Furthermore, the estimation of panel tobit regression model showed that the higher non fossil fuel using, the higher production share of large-sized firms, the lower energy intensity, and the lower capital-labor ratio could have positive effect on TFEE.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구는 우리나라를 16개 시·도로 나누어 사용 가능한 자료들을 이용하여 제조업부문의 총요소 에너지 효율성을 추정하였다.
가설 설정
DEA 방법은 기본적으로 다수 산출물(multiple outputs)-다수 투입물(multiple inputs)에 적용될 수 있다. 따라서 N개로 구성된 각 의사결정단위(decision making unit, DMU)는 K개의 투입물을 이용하여 M개의 산출물을 생산한다고 가정하자. 각 DMU i는 투입물과 산출물의 열벡터 xi와 yi를 갖는다.
본 논문은 규모에 대한 수확 불변을 가정하여 Farrell(1957)에 의해 고안된 투입물 중심(input-oriented)의 거리함수를 이용하여 효율성을 추정하였다. 자본 및 노동과 에너지사용량을 동시에 투입요소로 고려하고 이를 개선하기 위한 에너지효율성을 기반으로 하고 있으므로 투입물 중심의 거리함수는 주어진 산출량을 최소의 투입량으로 생산하기 위하여 투입요소의 투입량을 어느 정도 줄여야 하는지를 의미한다.
주 1) 각 시도가 차지하는 GDP 생산 비중이 가중치로 사용됨.
주: 모든 화폐가치는 2010년 불변가격 기준임.
제안 방법
4) 해외 논문에서는 총요소 에너지 효율성을 측정하기 위하여 한 국가 내에서 행정구역별 산출물과 에너지를 포함한 투입물 자료들을 이용하여 주로 자료포락분석(Data Envelopment Analysis, DEA) 기법으로 총요소 에너지 효율성을 추정하였다.
DEA는 효율성 추정을 위해 실제 산출량과 투입량 조합을 이용하여 등량곡선을 추정하고 등량곡선 상의 생산점들과 내부에 있는 생산점들 사이의 거리를 추정하여 효율성의 정도를 측정한다.
각 시도별 에너지 사용량은 에너지경제연구원에서 발간하는 『지역에너지통계연보』에 제시되어 있는 자료를 사용하였으며, 각 연료별 에너지열량을 에너지 전환계수를 사용하여 석유환산톤(Tons of Oil Equivalent, TOE) 단위로 전환한 후 합산하여 구하였다.
그리고 패널 토빗(panel tobit) 모형을 이용하여 시·도별 총요소 에너지 효율성에 미치는 요소들을 실증 분석하였다.
따라서 앞에서 DEA를 이용하여 추정한 총요소 에너지 효율성 지표 값을 이용하여 에너지 효율성을 결정하는 변수들을 추정하고자 한다.
본 논문에서는 우리나라 제조업부문을 대상으로 16개 시·도의 산출물과 투입물 자료들을 이용하여 시도별 총요소 에너지 효율성을 DEA 방법을 이용하여 추정하였으며, 본 연구의 분석기간은 사용 변수들의 사용 가능한 기간에 맞춰 2005~2013년이다.
본 연구에서는 DEA를 이용하여 우리나라 16개 시·도별 제조업부문의 총요소 에너지 효율성 지표를 추정하였다.
이 기간 동안에 우리나라 16개 시·도의 총요소 에너지 효율성을 추정한 후, 총요소 에너지 효율성을 결정하는 요인으로 시도별 대기업 생산비중, 전력과 같은 비화석 연료의 사용비중, 에너지 다소비업종의 생산비중 등을 고려한 Tobit 모형을 이용하여 추정하였다.
따라서 그 분포가 보통의 회귀분석모형에서 가정하고 있는 정규분포와는 다르기 때문에 최소자승법에 의한 회귀분석 계수가 불일치 추정치를 따르게 되므로 잘못된 실증 결과를 초래할 가능성이 내재되어 있다. 이러한 최소자승법의 문제점을 극복하기 위하여 본 연구에서는 패널 Tobit 모형을 이용하여 각 지역별 총요소 에너지 효율성 지표의 결정요인을 추정하였다. 이를 위한 추정모형은 다음과 같다.
이를 위해 본 연구에서는 산출물인 생산액을 에너지사용량으로 나누어 16개 시·도별 제조업 분야의 단일요소 에너지 효율성을 계산하였다.
대상 데이터
본 연구에서 사용된 자료는 우리나라 16개 광역시·도를 표본으로 하고 있다.
산출물은 한국은행에서 발표하는 각 시·도의 제조업 부문의 총산출액으로서 각 시도의 2010년 불변가격기준의 GRDP(경제활동별 지역내 총생산)를 사용하였다.
각 시도별 에너지 사용량은 에너지경제연구원에서 발간하는 『지역에너지통계연보』에 제시되어 있는 자료를 사용하였으며, 각 연료별 에너지열량을 에너지 전환계수를 사용하여 석유환산톤(Tons of Oil Equivalent, TOE) 단위로 전환한 후 합산하여 구하였다. 산출물을 포함한 노동 및 자본 투입물은 국가통계포털 사이트(http://kosis.kr)의 행정구역별 자료를 이용하였다.8)
자료: 에너지경제연구원(http://www.keei.re.kr)과 국가통계포털(http://kosis.kr) 자료를 정리한 것임.
전자는 중국 30개 성에 대하여 2005-2009년 동안의 자료를 이용하였으며, 후자는 지역별 산업자료의 제약 때문에 10개의 성만을 고려하였으며 39개 산업 중 25개 산업부문에 대하여 1997-2007년 기간이 표본으로 선정되었다.
투입요소로는 자본, 노동, 그리고 에너지 사용량을 사용하였으며, 산출물로는 제조업 부문의 총산출액을 사용하였다.
데이터처리
제4장은 사용자료와 기초 통계량을 제시하였으며, 총요소 에너지 효율성의 추정결과와 토빗(tobit) 회귀분석의 결과를 분석하였다.
추가적으로 총요소 에너지 효율성의 결정요인을 살펴보기 위하여 패널 토빗(Tobit) 회귀분석을 이용하여 총요소 에너지 효율성(TFEE)의 결정요인을 추정하였다.
이론/모형
본 논문은 우리나라 16개 지역의 총요소 에너지 효율성을 추정하기 위하여 비모수적 방법인 DEA를 적용하였다. DEA는 효율성 추정을 위해 실제 산출량과 투입량 조합을 이용하여 등량곡선을 추정하고 등량곡선 상의 생산점들과 내부에 있는 생산점들 사이의 거리를 추정하여 효율성의 정도를 측정한다.
성능/효과
각 독립변수와 종속변수의 관계를 좀 더 구체적으로 살펴보면, 첫째로 제조업 전체 생산액 중에서 에너지 다소비업종의 생산액 비중의 추정계수는 음(-)의 부호를 띠고 있으며, 1% 유의수준에서 통계적으로 유의미한 것으로 추정되었다.
그리고 강원도는 총요소 에너지 효율성도 다른 시도에 비해 가장 낮지만 단일요소 에너지 효율성도 가장 낮은 것으로 분석되었으며, 제주는 단일요소 에너지 효율성은 높지만 총요소 에너지 효율성은 낮음을 알 수 있다.
둘째, 지역별 중소기업의 생산액 비중이 커질수록 총요소 에너지 효율성이 감소하는 것으로 추정되었다.
각 독립변수와 종속변수의 관계를 좀 더 구체적으로 살펴보면, 첫째로 제조업 전체 생산액 중에서 에너지 다소비업종의 생산액 비중의 추정계수는 음(-)의 부호를 띠고 있으며, 1% 유의수준에서 통계적으로 유의미한 것으로 추정되었다. 따라서 에너지 다소비업종의 생산액 비중이 클수록 에너지 효율성은 좋지 않는 것으로 나타났다. 이는 에너지 사용량이 많을수록 에너지 효율성에 부정적인 영향을 미치기 때문으로 보인다.
또한 본 논문에서 1인당 자본 투자량이 증가할수록 에너지 효율성이 낮아지는 결과가 나타났는데, 이는 자본집약적인 산업일수록 에너지 효율성이 낮아지는 경향이 있음을 시사한다.
마지막으로 근로자 1인당 자본투입량이 많을수록 총요소 에너지 효율성에 부정적인 효과를 미치는 것으로 추정되었다.
마지막으로 산출물인 생산액 측면에서는 전체 제조업 생산액 중 경기도의 비중은 24.5%로 16개 시·도 중에서 가장 높은 비중을 차지하고 있으며, 그 다음으로 경북(11.3%), 충남(11.1%) 순으로 나타나고 있다.
본 논문의 총요소 에너지 효율성 추정결과에 의하면, 각 지역의 제조업분야 총요소 에너지 효율성을 TFEE로 추정하였을 때 를 기준으로 생산 프런티어에 있는 서울, 광주, 울산, 경북 등에 비해서 나머지 지역들은 많게는 55%(강원), 적게는 7%(경남) 정도 에너지 효율성을 개선시킬 잠재성이 있는 것으로 나타났다.
에너지 다소비업종의 생산액 비중(lnEint)이 클수록, 중소기업 생산액 비중(lnSmall)이 클수록, 그리고 근로자 1인당 자본투입량(lnK/L)이 클수록 총요소 에너지 효율성이 악화되며, 비화석 연료인 전력의 사용량 비중(lnElec)이 클수록 총요소 에너지 효율성이 개선되는 것으로 추정되었다.
이들의 추정 결과에 따르면, 중국 산업 부문에서 에너지 효율성이 개선될 여지가 높음을 보였으며, 지역적으로 동부에 비해 중부나 서부 지역에서 에너지 효율성 개선에 대한 필요성이 좀 더 큰 것으로 나타났다.
이들의 추정결과에 의하면, 전통적인 에너지 효율성 지표인 PFEE보다 TFEE가 더 나은 지표임을 보였고, 중국의 중앙 지역이 다른 지역에 비해 에너지 효율성이 좋지 않은 것으로 나타났다.
총 에너지 사용량 대비 비화석 연료(전력) 사용량 비중의 추정계수는 1% 유의수준에서 통계적으로 유의미하게 추정되었다.
추정결과에 의하면, 비화석 연료인 전력의 사용 비중이 클수록, 대기업의 생산액 비중이 클수록, 에너지 다소비업종의 생산액 비중이 작을수록, 그리고 1인당 자본투입량이 작을수록 총요소 에너지 효율성이 개선되는 것으로 나타났다.
후속연구
따라서 온실가스 감축을 위한 수단으로 높은 에너지 효율성을 달성해야 하며, 부문별 에너지 절약을 통하여 지속 가능한 경제성장을 이루어야 할 것이다.
또한, TFEE와 PFEE를 비교하면 그 상관관계가 낮은 것으로 나타났는데, 이러한 결과는 단순히 에너지원단위라고 하는 단일요소 에너지 효율성 지표와 더불어 총요소 에너지 효율성 지표를 보완적으로 고려할 필요가 있음을 보여주었다.
이러한 측면에서 에너지 투입량만 고려하는 단일요소 에너지 효율성 지표와 에너지 투입량뿐만 아니라 노동, 자본, 주요생산비 등 주요 투입요소를 동시에 고려하는 총요소 에너지 효율성 지표가 서로 보완적으로 사용될 필요성이 있음을 알 수 있다.
따라서 제조업을 좀 더 세분화하여 지역별 에너지 효율성을 평가할 필요가 있다. 이를 위해서 각 부문별 총요소 에너지 효율성 추정에 대한 연구가 좀 더 활성화되기를 기대한다.
중소기업의 생산액 비중보다 대기업의 생산액 비중이 클수록 규모의 경제로 인해 에너지 효율이 개선될 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
자발적 기여공약에서 우리나라는 무엇을 제시하였는가?
또한, 우리나라 정부는 2015년 6월 말 UN 기후변화협약에 최종 제출한 ‘자발적 기여공약(INDCs)’1)에서 2030년 온실가스 배출량 전망치(Business As Usual, BAU) 대비 37%를 감축하는 안을 제시하였으며 2015년 12월에 열린 파리 기후변화협정 당사국총회(COP21)에서 채택되었다.2) 따라서 온실가스 배출량 감축을 위하여 석탄과 석유와 같은 화석연료의 의존도를 줄여야 하는 에너지원 구성(energy mix)의 변화와 더불어 에너지 절약과 관련한 에너지의 효율적인 사용도 매우 중요하게 다룰 수밖에 없다.
파리 기후변화협정 당사국총회에서 우리나라의 공약이 채택됨에 따라 무엇이 중요하게 되었는가?
또한, 우리나라 정부는 2015년 6월 말 UN 기후변화협약에 최종 제출한 ‘자발적 기여공약(INDCs)’1)에서 2030년 온실가스 배출량 전망치(Business As Usual, BAU) 대비 37%를 감축하는 안을 제시하였으며 2015년 12월에 열린 파리 기후변화협정 당사국총회(COP21)에서 채택되었다.2) 따라서 온실가스 배출량 감축을 위하여 석탄과 석유와 같은 화석연료의 의존도를 줄여야 하는 에너지원 구성(energy mix)의 변화와 더불어 에너지 절약과 관련한 에너지의 효율적인 사용도 매우 중요하게 다룰 수밖에 없다.
총요소 에너지 효율성 지표에 의하면 각 지역별 특징은 어떠한가?
추정결과에 의하면, 단일요소 에너지 효율성과 총요소 에너지 효율성 간에 차이가 존재하여 두 지표를서로 보완적으로 사용할 필요성이 있는 것으로 나타났다. 한편, 총요소 에너지 효율성 지표는 대부분의 시 도들에서 높게 나타났는데 서울, 광주, 울산, 경북 등은 프런티어에 위치하지만, 강원, 부산, 대구, 인천 등은 상대적으로 매우 비효율적인 것으로 나타났다. 또한 패널 토빗 모형을 통해 총요소 에너지 효율성의 결정 요인을 추정한 결과에 의하면, 대기업의 생산액 비중이 클수록, 에너지 다소비업종의 생산액 비중이 작을수록, 그리고 전력 사용 비중이 클수록, 총요소 에너지 효율성에 긍정적인 영향을 주는 것으로 추정되었다.
참고문헌 (30)
강상목, 2015, 효율성 생산성 성과분석, 경기: 법문사.
고경완.김대철, 2016, 지역 간 특성에 따른 소매점의 효율성 차이 및 결정요인 분석, 생산성논집, 30(1), pp.75-101.
김광욱.황석준, 2015, 제조업 에너지 생산성 분해분석, 자원.환경경제연구, 24(2), pp.411-433.
최영준.박현용, 2015, "기후환경변수와 한국의 지역별 총요소생산성의 연관성에 관한 연구," 생산성논집, 29(2), pp.121-141.
최원철.이종근.이만형, 2013, "자료포락분석(DEA) 기법에 근거한 시.군의 도시공공서비스 공급 효율성과 영향요인 분석," 지역연구, 29(1), pp.49-65.
한광호, 2005, "한국 제조업의 총요소 생산성, 효율성 변화와 기술진보: SFA와 DEA에 의한 추정," 한국경제연구, 53(4), pp.119-146.
한국은행 경제통계(http://ecos.bok.or.kr).
Coelli, T.(1996), A Guide to DEAP Version 2.1 : A Data Envelopment Analysis (Computer) Program, Centre for Efficiency and Productivity Analysis, Department of Econometrics, University of New England. Working paper 96/08.
Farrell, M. J., 1957, The measurement of productive efficiency, Journal of the Royal Statistical Society, Series A, 120(3), pp.253-290.
Roy, J., Sathaye, J., Sanstad, A., Mongia, P., and Schumacher, K., 1999, Productivity trends in India's energy intensive industries, Energy Journal, 20(3), pp.33-61.
Wang, C., 2007, Decomposing energy efficiency change: a distance function approach, Energy, 32(8), pp.1326-1333.
Wang, Z.-H., Zeng, H.-L., Wei, Y.-M. and Zhang, Y.-X., 2012, Regional total factor energy efficiency: An empirical analysis of industrial sector in China, Applied Energy, 97, pp.115-123.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.