Ⅰ. 서 론

2016년 12월 주택용 전기요금제가 큰 폭으로 바뀌었다¹⁾. 주택용 전기요금의 누진율이 바뀐 것은 2005년 12월 이후 11년 만으로, 장기간 지속되어 오던 누진요금체계 변화에 큰 영향을 준 것은 2016년 여름의 폭염이었다²⁾. 유난히 더웠던 2016년 여름, 냉방도일은³⁾ 전년 대비 87.2% 증가했고 가계의 냉방수요는 급증했다. 그러나 징벌적 누진요금체계의 과도한 전력 소비 억제는 전 국민적 불만을 야기했고, 이는 주택용 전기요금체계 개편의 주요 원인이 되었다.

2016년 주택용 전기요금제 개편 내용은 다음과 같이 정리할 수 있다.⁴⁾ 첫째, 누진구간 및 누진율이 대폭 축소되었다. 누진단계는 기존 100kWh 단위로 여섯 구간으로 나뉘어있었으나, 개편 후 200kWh 단위 세 구간으로 축소되었다. 누진율은 고압 기준으로 기존 9.98에서 2.75로 크게 낮아졌다. 둘째, 어느 누구도 요금제 개편으로 인한 전기요금 상승이 없도록 요금제가 설계 및 보완되었다. 요금제 개편 자체가 전반적으로 전기요금을 낮추는 식으로 설계되었고, 요금이 증가할 수 있는 일부 구간에 대해서는 “필수사용량 보장공제 제도”를 신설하여 소비량 전 구간에 걸쳐 요금제 변화로 인해 요금이 상승하는 경우가 없도록 보완했다. 셋째, 누진체계 개편 외에, 사회적 배려 계층을 위한 전기요금 할인이 확대되는 등 주택용 전기요금 체계에서 에너지 복지적 성격이 강화되었다. 넷째, 누진제 완화에 따른 과도한 전력 소비를 방지하는 한편, 가구의 자발적인 전력소비 감축을 유도하기 위한 제도가 도입되었다.

이처럼 주택용 전기요금체계가 큰 폭으로 개편됨에 따라 소비자들의 전력 소비행태가 변화했을 것으로 짐작되는 바, 이에 대한 분석이 필요하다. 또한, 그러한 변화가 “가계의 전기요금 부담 경감”이라는 2016년 주택용 전기요금 개편 목적에⁵⁾ 부합하는지 살펴볼 필요가 있다. 따라서 본 논문에서는 소득과 같은 가구 특성별로 전력 소비가 어떻게 변했는지 분석하여 2016년 요금제 개편 효과를 진단하고자 한다.

본 논문에서는 ｢가구에너지 상설표본조사｣ 자료를 이용해 가구의 전력 소비 행태를 분석한다. 패널 자료는 거시 자료에서 볼 수 없는 가구 특성별 전력 소비 행태 변화 관찰이 가능하다. 특히, 2016년의 전기요금제 개편의 누진체계 완화와 사회적 배려계층 할인 등의 변화는 에너지 복지와 밀접한 관련이 있는 만큼, 가계 소득이나 가구원 수 등 각 가구의 특성에 따라 요금제 변화로 인한 효과가 상이할 것으로 기대된다. 따라서 패널자료 분석을 바탕으로 2016년의 전기요금제 변화로 인한 정책 효과를 추정하고자 한다. 또한, 2016년 전기요금제 개편이 여름철 전력 소비와 밀접한 관련이 있고 누진요금제와 관련하여 가구의 전력 소비 의사 결정에 가장 큰 관심사는 냉방용 전력 소비이므로 분석 대상을 “여름철 전력 소비”로 한정한다.

가구의 전력 수요함수 분석에 관한 비교적 최근의 국내외 선행연구는 사용된 자료에 따라 크게 두 부분으로 나눌 수 있다. 첫째는 거시자료를 사용한 연구로는 Holtedahl and Joutz(2004), Fan and Hyndman(2011), 김영덕·박민수(2013), Youn and Jin(2016), Cialani and Mortazavi(2018), Gautam and Paudel(2018), 신동현(2018), 홍순동·김창식(2018), 박광수·남경식(2019) 등의 연구가 여기에 속한다. 둘째는 미시자료를 사용한 연구로 Reiss and White(2005), 조하현·장민우(2015), 조성진·박광수(2015), Schulte and Heindl(2017), Silva et al.(2018), Chindarkar and Goyal(2019), 감사원(2019), 이소임(2020) 등이 있다. 본 논문의 연구목적을 위해서는 가구 특성별 전력 소비 행태변화를 분석해야 하므로 미시자료가 적절할 것으로 판단된다. 위에서 언급한 대부분의 선행연구들은 전력 수요의 가격탄력도 추정에 초점을 맞추고 있다. 따라서 본 연구는 이들 연구와 연구주제에서 차별성을 갖는다. 감사원(2019)과 이소임(2020)은 본 연구와 동일한 연구주제를 다룬다. 하지만 단순 상관관계를 바탕으로 누진제의 성과를 분석한 감사원(2019)에 비해 본 연구에서 통계적으로 더 면밀한 결과를 제시할 수 있을 것으로 판단된다. 이소임(2020)에서는 이중차분법을 이용하여 본 연구와 같은 주제를 다루고 있지만, 설정한 통제집단에 문제가 있다. 본 논문에서는 이중차분법으로 2016년 요금제 개편효과 식별이 어려운 이유를 제시하고, 해당 효과를 근사할 수 있는 대안에 대해 논의한다는 점에서 이소임(2020)과 차별성을 갖는다.

본 논문은 다음과 같이 구성되었다. 2장에서는 전기요금제 개편 효과 식별 가능 여부에 대해 논의하고, 본 논문의 분석 방법에 대해 설명한다. 그리고 3장에서는 ｢가구에너지 상설표본조사｣자료를 통해 가구특성별 전력 소비 특성을 살펴보고 통합 최소제곱법(Pooled Ordinary Least Squares; POLS)과 확률효과(Random Effects; RE)를 이용하여 2016년 요금제 변화로 인한 가구특성별 전력 소비 행태 변화를 분석한다. 마지막 4장에서는 이러한 분석 결과를 요약하고 결론을 맺는다.

Ⅱ. 연구 방법론

1. 2016년 전기요금제 개편 효과 식별(Identification) 방안 논의⁶⁾

2016년 전기요금제 개편의 정책효과 분석을 위해서는 해당 개편의 인과효과(causal effects) 추정이 필요하다. 일반적으로 정책의 인과효과 식별을 위해서는 정책의 변화 대상이 된 집단과 대상이 아닌 집단의 정책 변화 시점 전후의 관측치(y)가 필요하다. 정책 적용 대상이 된 집단을 처치집단(treatment group), 아닌 집단을 통제집단(control group)이라고 부른다⁷⁾. 정책 변화 전 시기를 1기로, 정책 변화 후 시기를 2기라고 지칭하자. 처치집단에 속한 경우 dTG는 1의 값을, 그렇지 않은 경우 0의 값을 갖는 더미 변수로, 2기인 경우 d2는 1의 값을, 1기인 경우 0의 값을 갖는 시간더미 변수로 정의한다. 정책 변화가 관측치(y)에 미친 영향을 추정하기 위하여 가장 단순한 추정식을 다음과 같이 작성한다.

여기서 u는 임의 오차(idiosyncratic error)를 나타낸다. 식 (1)에서 정책의 효과는 δ1에 의해 측정된다. 시간더미 계수인 δ0는 정책의 변화가 없었더라도 1기와 2기 사이에 발생할 수 있는 관측치의 변화를 의미한다.

δ1의 최소제곱법(Ordinary Least Squares; OLS) 추정량은 아래와 같이 작성된다.

y¯TG,t는 처치집단의 t기 평균 관측치를, y¯C,t는 통제집단의 t기 평균 관측치를 지칭한다. 식 (2)의 구조 때문에 δ^1OLS를 이중차분(DID) 추정량이라고 부른다.

δ^1OLS의 일치성을 보증하기 위해서는 u와 dTG의 상관관계가 없어야 하기 때문에, 두 변수의 상관성을 일으킬 수 있는 관측 개체의 특성을 통제하여 δ1을 추정하는 것이 보다 설득력 있는 방식이라 할 수 있다.⁸⁾

그렇다면 해당 방법으로 2016년 전기요금제 개편 효과가 식별이 가능한 상황인지 논의해보자. 2016년 전기요금제 개편으로 한날한시에 우리나라 전 가구의 요금제가 변경되었다. 즉, 동 개편에는 통제집단이 존재하지 않고 모든 가구가 처치집단이 되기 때문에 δ1을 식별할 수 없다.

따라서 본 논문에서는 DID 방법론 대신 정책 개편이 발생한 두 시기의 전력소비량의 차이로 개편 효과를 근사(approximation)하고자 한다. 즉 가구의 전력소비에 영향을 주는 다양한 설명변수를 통제한 상황에서 두 시기의 전력소비량의 차이로 개편효과를 추정하게 되기 때문에 요금제 개편과 상관없이 발생한 소비량의 시간적인 변화가 제거되지 않는 문제가 존재하게 된다.⁹⁾ 본 분석에서 추정되는 효과가 실제 개편효과와 같아지기 위해서는 “가구의 특성들이 통제된 상황에서 두 기간 동안 요금제 개편과 상관없이 발생한 소비량의 변화가 없다”라는 가정이 필요하다.

2. 분석 방법

먼저 가구의 여름철 전력소비함수를 아래와 같이 설정한다.

yit는 가구 i의 t년도 여름 전력소비량을, wit는 전력소비함수에 영향을 주는 가구 i의 t년도 특성을 포함한 설명변수 (1×k) 벡터를, D17it는 2017년의 더미변수(y17)와 , 가구특성변수와 y17의 교차항을 포함한 2017년 더미변수 벡터를, ci는 i의 관측불가능한 시간불변 이질성, 그리고 uit는 i의 t년도 임의오차를 의미한다.

POLS와 RE는 공통적으로 식 (4)와 같이 합성오차항(composite error term) νit를 구성하여 식 (3)에 존재하는 ci를 다루는 방식으로 각 추정량의 일치성(consistency)을 보장되기 위해서는 β^POLS는 식 (5) 가 필요하고, β^RE는 식 (6)과 식 (7)이 필요하다.

식 (5)는 uit와 xis(t≠s)의 상관성에 대해 어떤 제약도 부여하지 않기에 식 (6)과 식 (7)에 비해 더 약한 조건이라고 할 수 있지만, 두 추정량 모두 {xit:t=1,...,T}와 ci의 상관성이 없다는 조건이 요구된다¹⁰⁾. 그에 반해 고정효과(Fixed Effects; FE) 방법론은 추정량의 일치성을 위해 {xit}와 ci의 관계성에 대해 어떠한 제약도 하지 않기 때문에 β^RE보다 더 현실적인 가정에 입각한 강건한 추정량을 제공할 수 있다¹¹⁾.

가구의 전력 소비 습관 또는 성향과 같은 관측불가능한 가구특성(ci)과 가구의 과거 또는 현재 소득, 주택 특성 등의 설명변수의 상관관계가 현실적으로 존재할 가능성이 있고, 분석의 주요 관심 계수인 δ가 시간불변 변수의 계수도 아니기 때문에 FE를 사용하는 것이 더 적절하다. 하지만 그럼에도 불구하고 본 연구에서 FE를 이용하지 않는 이유는 다음과 같다.

FE는 평균 차감을 통한 가구내 변수의 변화량(within variation)을 활용하여 추정량을 구하기 때문에 모형 내 시간변동 변수(time-varying variables)의 변화량에 의존하게 된다. 따라서 핵심 변수가 시간에 따라 크게 변하지 않을 때에는 FE가 부정확한 추정치를 제공할 가능성이 있다¹²⁾. 그런데 본 논문에서 분석모형에 포함해야 하는 다수의 변수가 정의상 시간 변동 변수에 해당하긴 하지만 실질적으로 변화가 크게 나타나리라 기대하기는 어려운 변수들이다.

기존 연구에서 가구의 에너지 소비량을 설명하는 주요 특성은 가구원 수, 가구소득, 거주면적이다. 본 연구에서 FE를 사용하는 것이 적절한지 판단하기 위해서는 세 변수의 시간에 따른 변화량이 충분한지를 살펴볼 필요가 있다. 먼저, 분석 자료에 포함된 가구 중 다른 주택으로 이사한 가구가 없기 때문에 주택의 거주면적은 시간 불변 변수이다. 또한 분석자료 상 소득이 연속변수가 아닌 5개의 범주 변수로 모형에 포함되어¹³⁾ 소득 변수의 변화량도 크지 않을 수 있다. 가구원 수 역시 변화가 가능한 변수이기는 하나, 변화량 자체가 크지 않은 변수이다¹⁴⁾. 따라서 식 (6)의 가정을 하지 않는 FE가 더 강건한 추정량을 제공하기는 하지만, 분석에 사용되는 자료의 특성을 고려하여 FE의 추정결과가 부정확할 수 있는 상황으로 판단하여 POLS와 RE 방법론을 사용하는 것이 더 적절하다고 판단하였다¹⁵⁾.

한편 POLS와 RE 추정량의 일치성을 보장하는 조건에는 계열상관(serial correlation)과 이분산성(heteroskedasticity)의 존재를 통제하는 조건이 포함되지 않는다. 따라서 두 추정량의 강건한 추론(robust inference)을 수행하기 위해서 White 표준오차를 사용한다.

Ⅲ. 분석 결과¹⁶⁾

1. 분석 자료 및 변수 설명¹⁷⁾

본 논문은 가구의 에너지소비 정보를 제공하는 국내 유일의 패널조사인 ｢가구에너지 상설표본조사｣를¹⁸⁾ 분석에 사용한다. 동 조사는 가구의 에너지소비실태를 파악하기 위해 매년 동일한 가구 및 주택을 추적하여 2,520가구의 전년도에 대한 자료를 조사한다. 가구가 사용한 모든 에너지소비량과 보유 가전기기 및 자동차의 이용 실태, 가구 특성과 주택 특성에 대한 자료가 포함되어 있다. 따라서 본 논문은 2016년과 2017년에 대한 자료인 7회차와 8회차 조사자료를 사용한다¹⁹⁾.

2개 연도 조사에 모두 참여한 1,674가구²⁰⁾ 중 분석에 사용되는 조사 항목에 무응답이 있거나 2016년과 2017년 7월부터 9월 중 월별 전력 소비량이 0인 가구를 제외한 1,648가구의 자료가 최종적으로 사용되었다²¹⁾. 1,648가구 자료의 여름철 전력소비량과 설명변수의 기초 통계량을 <표 1>에 정리하였다.

종속변수인 여름전력소비량은 가구의 7월부터 9월 기간 소비량의 합계를 사용하였다. 통상적으로 여름을 짧게는 7월과 8월로, 길게는 6월부터 9월까지로 생각할 수 있지만, 여름철 전력소비량의 특징이 가장 잘 나타나는 시기인 7월과 8월을 포함하는 것이 분석에 적절하다고 판단하였다²²⁾. 7월과 8월의 실소비량은 7월 이후에야 한국전력공사의 전력소비량으로 계측되는 것을 고려하여, 본 논문에서는 7월부터 9월까지의 전력소비량 자료를 사용하였다²³⁾. 분석자료에 따르면 가구의 여름철 기간 평균 전력소비량은 2016년 850kWh였으나, 2017년에는 904kWh로 약 6.4% 증가하였다. 기록적인 폭염이 발생한 2016년에 비해 2017년이 다소 선선한 여름이었다는 것을 고려할 때, 평균 전력소비량의 증가는 두 시기 사이에 가구의 전력소비를 증가시킨 어떤 큰 변화가 있었을 가능성을 제시해준다.

wit에는 가구와 주택 특성, 가구의 냉난방 이용 현황, 냉방도일을 포함하였다.

먼저 가구 특성으로는 가구원 수²⁴⁾, 소득 정보, 대가족 여부, 장애인 포함 여부에 대한 변수를 포함하였다. 가구원 수와 소득은 가구가 사용 또는 보유한 가전기기의 양과 기기의 사용빈도 및 사용강도와 높은 관련성이 있을 것이다. 소득에 대한 변수로는 전 가구원의 세금 공제 전 연간 총소득 정보로 5구간의 소득구간으로 포함하였다. 소득구간별 두 해의 여름전력소비량을 <표 2>에 정리하였다.

그리고 2016년 전기요금제 개편을 통해 사회적 배려계층에 대한 복지할인 혜택이 확대되었기 때문에 혜택이 확대된 그룹의 개편 전후의 전력소비 변화를 확인하기 위하여 대가족, 장애인가구를 포함하였다. 복지할인 혜택이 확대된 사회적 배려계층으로는 장애인, 국가 독립유공자, 기초생활수급자, 차상위 계층, 3자녀 이상, 대가족 (5인 이상), 출산가구가 있지만, 분석자료로는 대가족과 장애인에 대해서만 변수 작성이 가능하다.

한편 한국전력공사의 대가족 요금할인 대상은 주민등록등본 세대 구성원수가 5인 이상에 해당한다. 대가족과 장애인가구는 ｢가구에너지 상설표본조사｣의 가구원 수와 가구원 특성 정보로 작성되었기 때문에 실제 한국전력공사의 대가족 또는 장애인 복지할인 혜택을 받은 가구가 아닐 가능성이 있다. 따라서 상기 변수는 대가족 복지할인 혜택을 받은 가구의 대리변수로 간주되어야 한다.

주택 특성으로는 거주면적과 아파트 여부 정보를 사용하였다. 거주면적과 보유한 가전기기 수량 및 사용강도 간의 양의 상관성이 존재할 수 있다. 그리고 아파트에 거주하는 가구는 대체적으로 전기요금을 포함한 관리비를 납부하기 때문에²⁵⁾ 아파트와 아파트 외 가구의 전력소비 관련 의사결정에 차이가 발생할 수 있다.²⁶⁾ 1,648가구 중 2016년과 2017년 사이에 이사한 가구는 없기 때문에, 두 변수는 모두 시간 불변 변수이다. 하지만 현재 공개된 2개 연도의 원시 자료상 두 변수의 값이 변하는 가구가 존재한다. 주택패널 아이디가 2개 연도에서 동일하기 때문에, 2년간 동일주택에 거주했다는 점이 명확하고, 2018년도에 진행된 조사가 2017년도에 진행된 조사에 비해 정확도가 더 높다는 조사책임자의 의견에 따라 해당 변수는 2018년도의 조사자료에 맞추어 시간 불변 변수로 보정되었다.

가구 및 주택 특성과 더불어 가구의 냉방 및 난방 이용 정보도 가구의 전력소비량에 영향을 줄 수 있는 특성으로 판단하여 함께 사용하였다. 가구와 주택 특성이 동일한 가구라 할지라도 에어컨을 냉방기기로 사용하는 가구의 여름 전력소비량이 클 가능성이 높다.²⁷⁾ 또한 여름철 전력소비량에 대한 분석이기는 하나 가구가 사용하는 주난방연료가²⁸⁾ 가구의 전력소비패턴에 대한 추가적인 정보를 제공할 수 있다. 예를 들어, 이전 연구에서 전기를 난방으로 사용하는 가구는 주택에 설치된 설비와 상관없이 좁은 공간을 위해 최소한의 난방을 전기로 이용하기 위해 전력을 난방 연료로 선택한다고 종종 설명된 바 있다. 에너지를 이용하는데 제약이 있어 최소한의 난방을 사용하기 위함일 가능성도 있으나, 제약이 없는 상황에서도 에너지를 절약하고자 하는 가구의 소비패턴으로 인해 난방에너지로 전기가 선택되었을 가능성이 있다고 보인다. 따라서 가구의 난방에너지 선택 정보가 앞서 언급한 가구 및 주택 특성이 통제하지 못하는 가구의 에너지소비 제약 여부와 가구의 소비 습관을 설명할 수 있을 것으로 기대한다.

마지막으로, 여름철 전력소비에 무엇보다 가장 크게 영향을 미치는 특성은 날씨라고 할 수 있다. 따라서 가구가 거주하는 행정구역의 시군구²⁹⁾와 가장 가까운 관측소의 2016-17년의 일별 평균기온 자료를 이용하여 24도 기준으로 냉방도일(CDD)을 작성하였다³⁰⁾. <표 1>에서 2017년 냉방도일은 2016년 냉방도일보다 12% 낮은 것으로 나타난다. 기록적인 폭염이 발생했던 2016년과 더위가 심하지 않았던 2017년의 여름 날씨가 가구의 냉방도일 자료에서도 확인된다.

한편 가구의 전기 및 에너지소비와 관련한 대다수의 연구에서 가구주에 대한 정보가 사용되는데, 본 분석에서는 가구주에 대한 정보를 사용하지 않았다. 조사자료에서 가구주 연령대, 성별, 교육에 대한 자료가 포함되어 있으나 1,648가구 중 244가구의 가구주 관련 정보가 2년 사이에 변경된 것으로 확인된다.³¹⁾ 실제로 가구주가 변동된 가구도 있을 수 있으나 같은 조사 시기의 타 패널자료의 가구주 성별 변동 비율 대비 ｢가구에너지 상설표본조사｣의 비율이 상당히 높은 편이다.³²⁾ 따라서 가구주에 대한 정보는 분석에 활용하지 않는 편이 더 적절하다고 판단하였다³³⁾.

앞서 3장에서 핵심변수의 시간변동 변화량이 FE 결과의 정확성에 영향을 줄 수 있다고 설명한 바 있다. 위에 언급된 시간변동 설명변수 중 가구원과 소득이 가구의 전력소비량에 영향을 주는 핵심 변수라고 할 수 있다. <표 3>에 정리된 두 변수의 변화량 정보를 통해 각 변수의 가구내 변화량(within variation)이 적음을 확인할 수 있다.

2. 2016년과 2017년 전력소비량의 변화

다른 특성을 통제하여 2016년과 2017년의 소비량의 차이를 분석하기 전에, 두 해의 월별 전력소비량의 분포를 통해 가구의 소비행태 변화를 확인하고자 한다.

[그림 1]은 7월부터 9월 모두 2016년 대비 2017년의 가구 월평균 소비량이 증가하였고, 소비량의 격차가 다소 감소하였음을 보여준다. 조하현·장민우(2015)는 2013년도 ｢가계동향자료｣를 이용하여 1월부터 12월의 월별 전력소비량 분포를 제시하며, 누진단계 소비량 경계 부근에서 불균형 분포가 나타난다고 설명하였다. 조하현·장민우(2015)에³⁴⁾ 비해 [그림 1]에서 불균형한 부분이 덜 나타나는 것으로 보이나 여전히 소비량의 증가 속도가 둔화되는 부분이 존재함을 알 수 있다. 하지만 속도가 둔화되는 구간이 누진단계 소비량 경계와 일치하진 않는 것으로 나타난다. 이는 가구가 누진구간을 정확하게 인지하지 못하고 있기 때문일 수도 있으나, 가구가 누진구간을 정확하게 인지하고 있다고 하더라도 실시간으로 가구의 소비량을 정확하게 인지하는 것이 현실적으로 어렵기 때문일 수도 있다.

[그림 1]

2016-17 여름철 월별 전력소비량 분포

주: 그래프의 가시성을 위하여 1,648가구 중 월별 전력소비량이 800kWh 미만인 자료를 이용하여 커널 밀도(kernel density) 추정을 활용하여 작성

한편 2017년의 7월부터 9월 분포는 가구가 누진구간에 반응한다는 것을 간접적으로 제시해준다. 소비량의 증가세가 둔화되는 구간이 8월과 9월에 더 두드러지게 나타나고, 8월에는 200kWh와 300kWh 사이에서, 9월에는 400kWh 근처에서 나타나고 있다. 7월 실소비량이 8월 자료로, 8월 실소비량이 9월 자료로 포함될 가능성이 높다는 점을 고려할 때, 이는 자연스러운 결과라고 보인다. 보통 여름철 무더위가 7월보다는 8월에 나타나기에, 7월에는 누진 단계의 첫 경계인 200kWh, 8월에는 두 번째 경계인 400kWh 부근에서 소비량을 조절하려는 가구가 있는 것으로 짐작된다.

소득 구간별로는 어떤 차이가 나타나는지 확인하기 위하여 7월부터 9월까지의 소득 구간별로 전력 소비 분포를 그려보았다. [그림 2]에서 세 개의 열은 해당 월(각 7~9월)을 구분하고 있으며, 다섯 개의 행은 소득 구간(1~5구간)을 구분하고 있다. 예를 들어 소득 3구간의 8월 전력 소비 분포는 15개의 그래프 중, 가장 가운데 위치한 그래프가 된다. 또한, 각 그래프에서 녹색은 2016년의 전력 소비 분포를, 파란색은 2017년의 분포를 나타낸다. [그림 2]에서 눈에 띄는 것은 소득구간이 낮을수록, 요금제 개편 후인 2017년 전력 소비 증가가 뚜렷하다는 것이다. 첫 번째 행의 세 그래프를 보면 파란색 그래프가 초록색 그래프보다 확연히 오른쪽으로 치우쳐져 있음을 알 수 있다. 이러한 경향은 점차 약해지다가 소득 4구간부터는 찾아보기 힘들다. 따라서 2016년의 요금제 개편으로 인한 전기요금 부담완화 효과는 저소득층에서 더 크고 분명하게 나타난다고 할 수 있다³⁵⁾.

[그림 2]

2016-17 여름철 월별/소득 구간별 전력소비량 분포

주: 그래프의 가시성을 위하여 1,648가구 중 월별 전력소비량이 1,000kWh 미만인 자료를 이용하여 커널 밀도(kernel density) 추정을 활용하여 작성

3. 분석 결과

본 절에서는 다른 설명변수를 통제한 상황에서 두 시기의 소비량의 차이를 분석한 결과로 요금제 개편 효과를 살펴본다.

<표 4>에 분석결과를 정리하였다. 모형 (1)은 전기요금제가 발생한 이후 시기인 2017년에 소비량 변화가 있었는지를 확인하기 위하여 식 (3)에서 D17it에 y17 하나만을 포함한 결과이며, 모형 (2)는 가구의 특성별로 2016-17년의 소비량 변화를 확인하기 위하여 D17it에 y17과 함께 가구특성 변수와 y17의 교차항을 추가한 결과이다. 사회적 배려계층에 확대된 혜택을 받은 그룹의 소비량 변화와 전기요금제 개편이 소득특성별로 미친 영향, 그리고 주택 특성별 소비량의 변화를 확인하기 위하여 대가족, 장애인가구, 소득 구간 변수, 거주면적, 아파트와 y17의 교차항이 D17it에 포함되었다. 대가족과 y17의 교차항을 설명변수에 추가하면서 모형 (2)에 대가족을 함께 포함하였고, 거주면적과의 교차항은 거주면적의 평균중심 변환(centering)한 변수인 거주면적¨을 활용하여 추가하였다³⁶⁾.

먼저 모형 (1)의 결과를 살펴보자. 가구원이 한 명 증가할 때 여름전력소비량은 44~47kWh 증가하는 것으로 나타났다. 이는 2016년 평균 여름전력소비량의 약 5%에 해당한다.³⁷⁾ 소득 구간의 추정치는 첫 번째 소득 구간(소득1)과의 차이를 의미하는데, 소득 구간이 높아질수록 전력소비량이 증가하는 것으로 확인되며 모두 1%의 유의수준에서 통계적으로 유의하게 나타난다. 예상했던 것처럼 소득과 전력소비량 사이에 양의 상관관계가 존재함을 확인할 수 있다. 장애인가구는 등록장애인을 포함하지 않은 가구에 비해 여름전력소비량이 약 126 ~133kWh 더 높은 것으로 추정되었다.

주택특성과 관련해서는 거주면적이 넓어질수록 전력소비량도 증가하는 것으로 추정되었으나, 아파트에 사는 가구와 그렇지 않은 가구 간의 전력 소비의 차이는 통계적으로 유의하지 않는 것으로 확인되었다.

난방연료는 도시가스를 주 난방연료로 사용하는 가구와의 소비량 차이를 의미하는데, 지역난방을 사용하는 가구는 약 64~66kWh 정도 적게, 전기를 주 난방으로 사용하는 가구는 약 196~197kWh 정도 적게, 임산연료를 사용하는 가구는 약 158~180 kWh 정도 높은 것으로 추정되었다. RE 추정치에서는 심야전기 가구도 도시가스 가구에 비해 통계적으로 유의하게 약 52kWh 정도 낮게 추정된다. 주목할 점은 소득을 포함한 가구 특성과 주택 특성이 동일한 상황에서 전기 난방 가구가 타 연료 대비 상당히 낮은 여름전력소비량을 보이는 것으로 추정되었다는 것이다. 이는 앞서 논의했었던 것처럼 전기를 주난방연료로 선택한 가구가 도시가스와 비교해 에너지를 절약하고자 하는 소비패턴을 갖고 있을 가능성과 에너지 사용의 제약이 있는 가구일 가능성을 보여주는 결과라고 해석된다³⁸⁾³⁹⁾.

에어컨을 냉방기기로 사용하는 가구의 여름전력소비량이 80~88kWh 높은 것으로 추정되어 예상했던 대로, 에어컨이 가구의 여름철 전력소비량에 상당히 큰 영향을 준다는 것을 확인할 수 있다. 한편 가구 및 주택 특성을 통제한 뒤에는 CDD가 가구의 여름전력소비량에 미치는 영향이 통계적으로 유의하지 않는 것으로 나타났다. 이러한 결과가 나온 것은 본 분석에서 사용된 CDD 자료의 변화 특성 때문으로 추정된다. CDD의 변화량은 두 가지 측면으로 볼 수 있는데, 첫째는 연간 변화이고 둘째는 지역 간 변화이다. 우리나라는 국토면적이 넓지 않아 지역 간 CDD의 변화가 충분하지 않은 상황에서 연간 변화는 전력소비 변화와 반대 방향으로 나오니⁴⁰⁾ 본 분석에서는 CDD의 효과가 제대로 추정되기 힘든 것으로 판단된다.

이러한 가구 특성 효과와 함께, 모형 (1)은 동일한 가구 및 주택특성이 통제된 이후에도 2017년 가구의 여름전력소비량이 2016년 대비 약 52~53kWh 증가한 것으로 추정되었다.⁴¹⁾ POLS와 RE 추정치 모두 유의수준 1%에서 통계적으로 유의한 결과이다. 앞서 <표 1>과 [그림 1]을 통해 2016년 대비 2017년의 가구의 평균 여름전력소비량이 증가했을 것으로 기대할 수 있었다. 추정된 증가량은 <표 1>에서 제시된 두 해의 평균 여름전력소비량의 변화량(54.25kWh)과 비슷한 수준이다.⁴²⁾ 따라서 모형 (1)의 추정 결과는 전력소비에 서로 다른 영향을 주는 여타 특성들이 통제된 상황에서도 2017년의 가구의 여름철 소비량이 증가하였음을 말하며, 2016년 요금제 개편의 효과가 여름철 전력소비량을 평균적으로 증가시키는 영향을 주었을 가능성을 시사해준다.

모형 (2)의 결과는 분석의 주 관심인 y17과 y17 교차항의 추정치를 중심으로 설명한다. 모형 (1)에서 y17 계수가 전체 가구의 2016년과 2017년 소비량의 평균 증감량을 포착하는 것이라면, 모형 (2)에서는 장애인가구=0, 대가족=0, 소득1=1, 거주면적=평균(거주면적), 아파트=0인 가구의 2016년 대비 2017년 소비량의 증감량을 의미한다. 즉, 2017년 가구원 중 등록장애인이 없고, 가구원 수가 4인 이하이며, 세전 연간 총 소득이 2,400만원 이하이면서, 약 88m²의 거주면적을 가진 비 아파트에 거주한 가구의 소비량 변화를 보여주는 것이다. 따라서 모형 (2)의 y17 계수 추정치에 따르면 동 그룹의 2017년 여름전력소비량이 2016년에 비해 71~72kWh 정도 크며, 이는 1% 유의수준에서 통계적으로 유의하다.

한편 y17과 y17 교차항의 추정치를 활용하여 자료 내 대표 가구의 2017년 여름 전력소비 변화량을 추정할 수 있다. 먼저 대표 가구를 모형 내 변수의 평균값을 가지는 가구로 정의한다. 더미변수는 평균값 대신 1과 0 중 비중이 더 큰 값을, 구간변수의 경우는 평균값 대신 최빈도 구간을 사용한다. 이 기준에 따라 분석자료 상 2017년 대표 가구는 장애인가구=0, 대가족=0, 소득2=1, 거주면적=평균(거주면적), 아파트=0인 가구이다⁴³⁾. 동 가구의 2016년 대비 2017년 소비량은 약 16kWh⁴⁴⁾ 증가한 것으로 추정된다⁴⁵⁾.

거주면적 변수의 교차항의 경우, 2016년보다 2017년 전력소비량 증가량이 더 높은 것으로 추정되었고, 아파트에 거주하는 가구가 2016년에는 타 주택유형 가구에 비해 전력소비량이 약 46~47kWh 정도 낮았지만, 2017년에는 전력소비량이 약 66~67kWh 만큼 더 높은 것으로 추정되었다. 이는 거주면적이 넓을수록, 또는 아파트에 거주하는 가구가 전기요금제 변화에 더 민감하게 반응하여 소비를 증대시켰을 가능성을 제시한다.

대가족의 추정치는 음의 부호를 갖는 것으로 나타났는데⁴⁶⁾, 2017년 세대원이 5인 이상인 가구에 대해 할인 혜택이 확대되었지만, 분석 상 5인 이상 가구의 2017년 소비량은 2016년과의 통계적으로 유의한 차이는 확인되지 않았다.

장애인가구의 경우 2016년 요금제 개편에서 장애인 가구에 대한 혜택이 확대되었기에 양의 값이라는 것은 예상과 일치하지만, 통계적으로 충분히 유의하지 않은 것으로 나타나고 있다. 이는 분석 표본 중 장애인가구가 2016년과 2017년에 각각 16가구와 58가구로 상당히 적기 때문에 나타나는 통계적 현상이라고 판단된다.

소득 구간의 추정치는 모형 (1)과 마찬가지로 소득 구간이 높아질수록 전력소비량이 증가하는 것으로 나타났다. 그러나 모형 (2)의 추정 결과에서 흥미로운 것은 소득구간과 y17 교차항의 계수 추정결과이다. 가장 높은 소득 구간을 제외한 3개의 소득구간과 y17 교차항의 추정치 모두 통계적으로 유의한 음의 값을 갖는 것을 확인할 수 있다. 즉, 2016년에 비해 2017년에 소득구간별 전력소비 편차가 축소되는 것으로 추정되었다.

<표 5>는 모형 (2)의 추정결과를 바탕으로 2016년과 2017년 소득구간별 전력 소비 차이를 계산한 것이다. POLS와 RE의 결과가 대동소이하니 RE의 결과를 기준으로 설명하기로 한다. 기준 소득구간은 소득이 가장 낮은 1구간이다. 2016년의 경우, 2구간의 전력소비량은 1구간에 비해 83.1kWh나 높다. 그리고 소득이 3~5구간 한 단계씩 높아지면서 전력소비량은 각각 45.3, 68.2, 57.6kWh 증가하는 것을 볼 수 있다. 그러나 2017년의 경우, 소득 2구간의 전력소비량은 1구간 대비 27.0kWh 높은 수준에 그친다. 이후, 3구간으로 가면서 2구간 대비 24.2kWh가 증가하고 4구간에서는 3구간의 전력 소비와 거의 유사한 값을 보인다. 반면, 5구간에서는 전력 소비가 4구간 대비 123.0kWh 증가하여 2016년보다 더 큰 증가폭을 보여준다.

위 논의는, 통계적으로 유의하지 않게 나온 마지막 5구간의 추정치를⁴⁷⁾ 제외할 경우, 다음과 같이 정리할 수 있다. 2016년 12월의 요금제 개편 전에는 소득 1구간과 2구간 사이 전력 소비 격차가 80kWh 정도로 가장 컸다. 그리고 이후 소득 구간에서도 소득 구간이 올라갈 때마다 50~70kWh 정도씩 소비량이 증가했다. 그러나 요금제 개편 이후 1구간과 2구간의 소비량 격차는 30kWh 미만으로 축소되었고 다른 구간에서도 전력 소비량의 격차는 2016년에 비해 크게 감소한 것을 알 수 있다. 이처럼 소득 격차에 따른 전력 소비 차이가 큰 폭으로, 그리고 통계적으로 상당히 유의하게 축소된 것은 전력 요금제 개편으로 인해 가구의 여름철 전력 소비에 대한 부담이 상당히 경감되었음을 의미한다. 즉, [그림 2]의 결과가 다른 특성이 통제되는 상황에서도 유효함을 확인할 수 있다.

Ⅵ. 결 론

본 논문은 2016년의 주택용 전기요금제 변화로 인한 가구 특성별 전력 소비 변화를 실증적으로 분석하였다. 2016년 전기요금제 개편이 전 가구를 대상으로 동일한 시점에 발생한 관계로 개편의 인과효과를 정확히 식별하는 것이 어려워 2017년과 2016년의 소비량의 차이로 개편의 효과를 간접적으로 분석하였다.｢가구에너지 상설표본조사｣자료에 POLS와 RE를 적용한 결과, 전기요금제 개편 후인 2017년 가구의 여름철 전력소비량이 52~53kWh 증가한 것으로 추정되었고 소득 1~5구간 사이의 전력 소비 차이가 현저하게 줄어든 것을 확인하였다. 즉, 2016년의 전기요금제 개편이 전력 서비스가 필요할 때 누구나 큰 부담 없이 이를 사용할 수 있는 환경을 조성함으로써 전반적 가계의 효용을 높이는데 기여한 것으로 평가할 수 있다.

한편 소득 구간에 따른 소비량의 격차가 감소하였고 요금제 개편으로 전 구간의 전기요금이 낮아진 것을 고려할 때, 본 논문의 결과는 소득에 따라 가구가 전기 가격 인하에 반응하는 정도가 다를 가능성을 제시한다. 일반적으로 저소득 가구가 고소득 가구에 비해 전력소비에 제약이 있을 가능성이 높다. 따라서 요금제 개편으로 인해 기존에 제약 없이 전력을 사용하고 있던 가구와 제약이 있던 가구가 가격 인하에 반응하게 되는 변화량에 차이가 발생할 수 있을 것이다. 하지만 본 연구의 분석이 이러한 해석을 직접적으로 제시하고 있는 것은 아니다. 누진제 완화와 함께 저소득 가구를 대상으로 다양한 혜택이 함께 제공되었기 때문에 현재 분석된 소득에 따른 소비량 격차가 누진제 완화로 인함인지에 대해서는 확인할 수가 없다. 다양한 혜택 중 무엇에 의해 어떤 효과가 발생했는지를 분석하기 위해 개별 효과 식별 가능 여부, 필요한 가정, 사용가능한 자료 유무 등에 대한 신중한 검토와 논의가 향후 추가 연구를 통해 진행되어야 할 것이다.

또한 본 연구에서는 다른 특성이 통제되었을 때 냉방도일이 여름철 전력소비에 통계적으로 유의한 영향을 주지 못하는 것으로 나타났는데, 향후 연구에서는 좀 더 다양한 기후 정보(폭염, 습도, 열대야 지수 등)를 추가적으로 이용하는 것도 흥미로울 것이다. 다양한 기후 정보를 이용한 분석 결과와 본 연구 결과를 비교하고, 차이가 있다면 그 이유에 대한 상세한 답을 제시할 수 있는 분석이 수행되길 기대한다.

마지막으로, 본 연구의 목적은 2016년 요금제 변화가 가구의 전력소비에 미치는 영향을 실증적으로 확인하는 것이기 때문에, 동 요금제 개편이 사회적 후생에 미친 영향에 대한 분석은 수행하지 않았다. 가계의 효용을 증대하는 효과를 가져왔다는 결론을 제시하고 있으나, 가계의 효용 증대가 반드시 사회적 후생 증대로 연결되는 것은 아니다. 따라서 전기요금 현실화와 사회 후생 증대 측면에서 동 요금제 개편이 적절하였는지를 평가하는 향후 연구 역시 필요하다고 할 수 있다.