Research Article

Korean Energy Economic Review. 31 March 2025. 171-198
https://doi.org/10.22794/keer.2025.24.1.007

ABSTRACT


MAIN

  • Ⅰ. 서 론

  • Ⅱ. 자료 및 현황

  •   1. 자료

  •   2. 지역별 제조업 에너지소비 및 생산 현황

  • Ⅲ. 분석 방법

  • Ⅳ. 분석 결과

  •   1. 가법적 요인분해 분석 결과

  •   2. 승법적 요인분해 분석 결과

  • Ⅴ. 결 론

  • ◎ 부 록 ◎

Ⅰ. 서 론

2015년 파리기후협약을 통해 전 세계는 온실가스배출 감축을 위해 공동으로 대응하기로 합의하였다. 우리나라도 협약 이행 당사국으로서 2018년 기준 온실가스 배출량 727.6백만 톤에서 2030년까지 약 436.6백만 톤(2018년 대비 40%)으로 감축해야하는 NDC(Nationally Determined Contribution) 목표를 설정하였다.1)

정부는 다양한 수단으로 목표 달성을 위해 힘쓰고 있으며, 산업부문에서는 에너지 효율성을 개선하려는 정책을 구상하여 왔다. 2021년 10월에 발표된 ‘2050 탄소중립 시나리오’2)에 의하면, 산업부문의 핵심 목표는 탈탄소화와 함께 산업 경쟁력을 유지하는 것이고 이를 위해 에너지 사용을 최소화할 수 있는 공정 최적화와 고효율 설비로의 전환이 제시되었다.

우리나라의 산업 부문은 최종에너지소비의 약 55%의 비중을 차지하고 있기에,3) 정부의 산업부문을 대상으로 한 탈탄소 목표 설정은 타당하지만 도전적일 것으로 예상된다. 특히, 국내 산업구조 특성이 지역별로 다르기 때문에, 효과적인 에너지 절감을 달성하기 위해서는 지역별로 세분화하여 에너지소비 특성을 살펴보고 이에 대한 적절한 대응방안을 마련할 필요가 있다.

가령, 전통적으로 부산・울산・경남(이하 부울경) 지역은 중공업 중심의 제조업이 발달하였으며, 특히, 자동차(40.8%), 자동차부품(27.7%), 조선(79.3%), 석유정제(47.5%) 등이 지역 경제의 핵심 산업이다. 이와 대조적으로 서울・경기・인천(이하 수도권) 지역은 첨단 기술 제조업이 주요 산업이며, 반도체(80.7%), 무선통신기기 및 전자부품(44.7%), 기계장비(42.5%) 등의 산업이 주를 이룬다.4) 중공업 중심의 산업구조는 에너지집약도가 높고, 원자재 집약적 공정에서는 에너지 소비 비중이 크다. 반면, 첨단 기술 제조업은 상대적으로 에너지 효율성이 높지만, 전력 의존도가 큰 특성을 보인다.5)

즉, 이러한 현실을 고려한다면, 전국적으로 일괄적인 에너지 절감 정책을 적용하기보다는 지역별 산업구조 및 에너지소비 특성을 파악하는 것이 우선이 되어야 한다. 그리고 지자체 단위에서 제조업 에너지소비에 대한 관리 정책을 개발하고 시행하는 것이 더욱 효과적일 것이다.

온실가스 감축과 에너지소비에서 지역 차원의 접근이 중요하므로, 지방정부는 지자체별 온실가스 감축계획과 에너지법 제7조에 의거하여 ‘지역에너지계획’을 수립하고 있지만, 이행단계에서 여러 측면의 한계점이 거론되고 있다. 특히, 박상현 외(2024)는 중앙정부의 연료 전환과 공정 혁신을 통한 감축 추진 계획에 대해 조선, 자동차, 석유화학 산업이 밀집되어 있는 부울경 지역의 단기 감축이 어려운 실정과 경제 위축 우려에 대해 지적하였다. 이에 따라, 지역별 산업구조를 고려한 차별화된 감축 전략과 정책적 지원이 요구되며 대표적인 방안으로 ‘지역에너지분권’이 추진되고 있으나, 집단에너지 공급, 발전소 운영, 에너지 요금 결정 등의 핵심 권한이 중앙정부에 집중되어 있어, 지방정부가 지역 특성에 맞는 에너지 정책을 독자적으로 설계 및 실행하기 어려운 구조적 제약이 거론되고 있다(오세신・진태영, 2021).

따라서 본 연구는 우리나라 산업에서 가장 큰 비중을 차지하고 있는 제조업의 에너지소비 특성을 지역별로 세분화하여 비교 분석함으로써 향후 보다 실효적인 에너지정책 설계 및 개선에 기여하는 것을 목적으로 한다.

에너지소비 특성을 파악하기 위해 에너지소비에 대한 요인분해분석 방법을 사용할 수 있다. 여러 요인분해 방법들 중에서도 LMDI(Log Mean Divisia Index)는 잔차가 남지 않는 완전한 분해가 가능하다는 장점으로 자주 사용되고 있다(Ang and Liu, 2001).6) 대표적으로 김수이(2022)는 1999년부터 2019년까지의 기간을 대상으로 LMDI방법을 활용하여 국내 제조업 에너지소비 요인을 생산・구조・집약도효과로 분해하여 분석하였다. 그 결과 우리나라 에너지소비는 전반적으로 생산효과로 인해 증가하는 경향이 있지만 2011년 이후 그 정도가 둔화되었고, 구조효과와 집약도효과는 에너지소비를 감소시키는 요인으로 작용해왔다는 것을 발견하였다. 이러한 결과는 2011년부터 실시된 온실가스에너지목표관리제와 2015년에 시작된 배출권거래제와 같은 온실가스 감축 정책의 효과로부터 비롯되었을 것으로 추측하고 있다.

진상현・황인창(2009a)은 LMDI방법을 이용하여 1990년부터 2006년까지의 기간을 대상으로 전국 16개 지방자치단체의 에너지소비 요인을 인구・생산・원단위(GRDP당 에너지소비량)로 분해하였다. 대부분의 지자체에서 에너지소비 증가를 주도한 요인은 생산효과에 있고, 인구효과는 큰 영향이 없었다. 원단위효과가 광역시에서는 에너지소비 증가를 상쇄하는 것으로 나타났지만 도 지역에서는 에너지소비 증가 상쇄 정도가 크지 않았다. 이러한 결과는 에너지 다소비형 기업들이 광역시보다는 도 지역을 중심으로 분포해 있기 때문으로 추론하고 있다.

또한, 최근 기간 지역을 대상으로 수행된 요인분해분석 연구로 유재호 외(2023)는 LMDI를 활용하여 2000년부터 2020년까지 전국 8개 광역시의 전력소비 변화량을 인구・구조・경제・원단위효과로 분해하여 지역별로 분석하였다. 경제효과(GRDP)가 전력소비 증가에 가장 큰 영향을 미쳤고, 구조효과(1인 가구 등) 또한 소비 증가에 기여한 것으로 나타난 반면, 원단위효과(GRDP당 전력소비량)는 전력소비 절감에 중요한 역할을 한 것으로 나타났다. 특히, 산업구조가 서울과 같은 서비스업(금융・IT・첨단 등)의 비중이 높은 지역일수록 전력 효율성 개선 효과가 크며, 울산과 같은 에너지 집약적인 제조업(자동차・조선・석유화학 등)의 비중이 높은 지역은 경제성장이 전력소비 증가로 이어지는 경향이 크기에, 제조업 중심 지역에서는 고부가가치 산업으로의 구조 전환 또는 에너지효율 개선 정책이 필요함을 주장하였다.

진태영(2024)은 STIRPAT7) 모형을 기반으로 16개 광역지자체를 대상으로 1996년부터 2021년까지의 온실가스 배출량을 소득(1인당 GRDP), 에너지효율(GRDP당 에너지소비량), 인구, 산업구조(서비스업 비중)의 요인들로 분석하였다. 그 결과, 제조업 중심 산업구조를 가진 지역보다 서비스업 중심 지역이 온실가스 감축 효과가 더 크다는 것을 발견하여, 온실가스 감축을 위한 에너지효율 개선과 산업구조 전환이 주요함을 강조하였다.

온실가스 감축을 위한 실효적인 에너지 정책 수립을 위해서는 지역별 산업구조와 에너지소비에 대한 정밀한 분석이 필수적이나, 이에 대한 연구는 여전히 미흡한 실정이다. 기존 연구 중 국내 제조업 전체를 대상으로 에너지소비 요인을 분석한 김수이(2022)는 지역별 차이를 반영하지 못하였으며, 진상현・황인창(2009a)은 지역별 에너지소비 특성을 다루었으나, 분석 기간이 최근 산업구조 변화와 에너지소비 트렌드를 반영하기에는 충분하지 못한 측면이 있다. 유재호 외(2023)진태영(2024)은 보다 최근의 기간에 대해 분석하였지만, 지역 전체를 대상으로 분석하고 연구 초점이 온실가스 배출과 전력소비에 맞추어져 있어, 에너지소비에서 중요한 비중을 차지하는 제조업 부문에 대한 심층적 분석이 부족하다는 한계를 가진다.

이에 본 연구는 국내 제조업 부문의 에너지소비 특성과 변화 양상을 지역별로 보다 구체적으로 분석하고자 하며, 특히 수도권과 부울경을 대상으로 비교 분석을 수행하여 지역별 차이를 규명하는 데 중점을 둔다.

본 연구는 지역별로 다르게 나타날 수 있는 제조업의 에너지소비 특성을 분석하기 위해 지역구분을 광역권으로 설정한다. 단순한 행정 단위인 광역시와 도 지역을 구분하는 접근은 인접한 지역 간의 상호작용에 의한 실질적인 영향이 간과될 수 있기에, 행정 구역을 넘어서 지역 간 상호작용을 고려할 수 있는 접근 방식이 요구된다(진상현・황인창, 2009a, 2009b).

특히, 현재 추진되고 있는 지역에너지분권의 주요 목표는 지역 경제 활성화와 지역 맞춤형 에너지 시스템 구축이며, 이를 고려할 때 인근 지역 간의 밀접한 경제적 관계 및 인프라 구조를 반영할 수 있는 광역권 분석이 본 연구의 목적에 부합한다. 따라서 산업구조가 가장 이질적이라 평가되는 부울경 지역과 수도권 지역의 제조업 부문을 대상으로 에너지소비 요인을 분해 분석하고, 이를 전국 단위의 결과와 비교하는 방식으로 진행될 것이다.

분석 자료 또한 기존의 연구(김수이, 2022)와는 달리 산업통상자원부의 에너지 사용량 통계를 사용한다.8) 해당 통계는 지역별로 구분되는 장점이 있는 반면, 기존 연구에서 다뤄진 만큼의 장기간에 걸친 정보가 포함되지 않는 자료상의 제약이 있다. 다만, 본 연구는 접근할 수 있는 최대한의 기간(2013년~2022년)을 확보하여 분석을 진행하였고, 해당 기간의 자료만으로도 최근의 에너지정책 변화를 고려하기에는 충분할 것이다.

본 연구의 다음과 같이 진행된다. 먼저, 제2장에서 분석 자료를 살펴봄으로써 지역별로 구분한 제조업의 에너지소비 및 생산 현황에 대해 논의한다. 제3장에서는 분석 방법에 대해 설명하고, 제4장에서 분석 결과를 제시한다. 마지막으로 제5장에서는 결론을 다룬다.

Ⅱ. 자료 및 현황

1. 자료

제조업의 에너지소비 요인을 지역별로 비교 분석하기 위해, 본 연구에서는 산업통상자원부에서 제공하는 「에너지사용량 통계」를 사용한다. 해당 통계는 국가 차원의 공식 통계로, 「에너지이용합리화법」 제31조에 따라 연간 2,000toe 이상 에너지를 소비하는 사업체를 대상으로 조사된다.9) 한국에너지공단이 업체가 신고한 데이터를 검토한 후 매년 8월 국가통계포털(KOSIS)에 공표하여 연구 및 정책 수립의 기초 자료로 활용된다. KOSIS에서 확보할 수 있는 최대한의 기간인 2013년부터 2022년까지의 자료를 활용하고, 지역은 전국과 수도권(서울, 경기, 인천)과 부울경(부산, 울산, 경남)을 중점적으로 다룬다.

다만, 연간 2,000toe 이상의 에너지를 소비하는 다소비 사업체가 대상이기에, 소규모 제조업체의 에너지소비 패턴이 반영되지 않는 한계가 있다. 본 연구는 이러한 제약을 고려하고, 연구의 신뢰성을 높이기 위해 기존의 「개정에너지밸런스」자료를 활용한 김수이(2022)의 결과와 비교하는 논의를 포함하여 객관적인 결론을 도출하고자 한다.10)

산업분류 기준은 해당 자료를 기반으로 식품(식료품, 음료, 담배 포함), 섬유(섬유제품, 의복, 의복 엑세서리 및 모피제품, 가죽, 가방 및 신발 포함), 제지목재(목재 및 나무제품, 펄프, 종이 및 종이제품, 인쇄 및 기록매체 포함), 화공(코크스, 연탄 및 석유정제품, 화학 물질 및 화학제품, 의료용 물질 및 의약품, 고무 및 플라스틱 포함), 요업(비금속 광물제품 포함), 금속(1차 금속, 금속 가공제품, 전자 부품, 컴퓨터, 영상, 음향 및 통신장비, 의료, 정밀, 광학 기기 및 시계, 전기 장비, 기타 기계 및 장비, 자동차 및 트레일러, 기타 운송장비 포함) 등 6개의 제조업으로 분류하였다.11)

다음으로 제조업별 생산액은 통계청에서 제공하는 「광업제조업조사」의 ‘시도/산업분류별 출하액, 생산액, 부가가치 및 주요생산비(10인 이상)’에서 수집하였고, 수집된 제조업별 생산액 자료를 한국은행에서 제공하는「생산자물가조사」의 제조업별 생산자 물가지수(2020년 기준 100)로 실질화하였다.

2. 지역별 제조업 에너지소비 및 생산 현황

요인분해분석에 앞서 지역별 에너지소비 및 생산 변화 추이와 현황에 대해 살펴볼 수 있다. 전국, 수도권, 부울경 지역의 자세한 변화 추이는 부록에 담고자 한다. 종합적으로 요약하면 [그림 1]과 같이 모든 지역에서 금속과 화공 부문의 에너지소비 및 실질 생산액 비중이 매우 높으며, 이는 두 부문이 에너지효율뿐만 아니라 경제적인 측면에서 가장 주요하게 고려되어야 하는 대상임을 보여준다.

https://cdn.apub.kr/journalsite/sites/keer/2025-024-01/N0700240107/images/Figure_keer_24_01_07_F1.jpg
[그림 1]

지역별 에너지소비 및 실질 생산액 산업 비중(2022년)

[그림 2]은 금속과 화공 부문의 에너지소비 및 집약도, 실질 생산액의 변화를 분석한 것이다. 부울경보다 수도권에서 두 부문의 에너지소비 증가율이 두드러지며, 수도권은 금속 부문의 에너지소비 증가율이 화공보다 높다. 반면, 부울경에서는 금속보다 화공 부문의 증가율이 오히려 높다. 부울경에서도 에너지소비의 증가 추세가 확인되지만, 수도권과 비교해서는 상당히 낮은 수준이며, 화공 부문이 금속보다 높은 증가세를 보인다.

수도권의 실질 생산액에서 금속 부문의 증가율이 가장 높고, 그 다음이 화공 부문으로 에너지소비 증가율의 경우와 전반적으로 비슷한 양상이 확인된다. 반면, 부울경의 화공 부문에서 상대적으로 낮은 증가 추세와 금속에서는 오히려 감소 추세를 보인 것이 특징이다.

단위 생산량 당 소비되는 에너지의 량을 뜻하는 에너지집약도 측면에서도 전체적으로 하락하는 추세가 수도권에서는 나타난 반면, 부울경에서는 오히려 상승하였다. 종합적으로 정리하면, 수도권과 부울경의 제조업은 서로 상이한 양상을 보이고 있다. 에너지소비 및 실질 생산액 증가율 부문에서 수도권은 큰 증가세를 보이는 반면, 부울경은 그 정도가 작고, 에너지집약도 변화율 부문에서 수도권은 감소하였던 것에 반해 부울경은 오히려 증가하였다.

https://cdn.apub.kr/journalsite/sites/keer/2025-024-01/N0700240107/images/Figure_keer_24_01_07_F2.jpg
[그림 2]

지역별 에너지소비, 실질 생산액, 집약도 총 변화율

Ⅲ. 분석 방법

본 연구에서는 제조업의 에너지소비 변화에 기여한 요인을 정량적으로 분석하기 위해 LMDI(Log Mean Divisia Index) 요인분해 방법을 사용한다. 주로 전통적 추정방법(OLS, Ordinary Least Squares 등)은 변수 간 인과관계, 동태적 영향 등을 분석하기에 유용하지만, 본 연구 목적을 달성하는 데에는 다소 한계가 있다. 가령, OLS를 활용해 제조업 내 세부 업종 구조 변화가 에너지소비에 미치는 영향을 분석하려면, 업종별 특성을 모형에 반영해야하지만, 업종별 공정의 이질성을 적절히 고려하는 것은 복잡하고, 특정 업종이 동시에 성장하는 경우 독립변수 간 높은 상관관계로 인해 다중공선성 문제가 발생할 수 있다. 반면, 요인분해 분석 방법(LMDI, Laspeyres, Shapley 등)은 각 요인의 기여도를 독립적으로 평가할 수 있는 장점이 있다(Ang, 2015). 다만, 그 중에서도 LMDI는 로그 평균을 사용해 잔여 항이 없는 완전한 분해를 제공할 수 있어 어떤 요인이 에너지소비 변화에 기여했는지 직관적이고 명확히 보여줄 수 있는 장점이 있다.12) 본 연구에서는 Ang(2015)이 제시한 모형을 바탕으로 산업 활동에 따른 에너지소비의 변화를 총 3가지 요인으로 분해하여 분석하였다.

(1)
E=iEi=iQQiQEiQi=iQSiIi

E : 제조업의 총 에너지소비량

Ei : i 산업의 에너지소비량

Q : 제조업 생산액

Qi : i 산업의 생산액

Si : i 산업이 제조업 총생산액에서 차지하는 비중

Ii : i 산업의 에너지집약도

제조업의 에너지소비 변화는 생산량 증가, 업종 구조 변화, 에너지효율 개선 등의 복합적 요인에 의해 결정되므로, 각 요인의 독립적 기여도를 명확히 분석하기 위해 총 에너지소비량(E)을 식 (1)과 같이 생산효과(Q), 구조효과(Si), 집약도효과(Ii)로 세분화한다.

생산효과는 경제활동 규모 확대가 에너지소비 증가에 미치는 영향을 설명하며, 이를 통해 산업 생산 증가(또는 감소)가 에너지소비에 미친 기여도를 정량적으로 평가할 수 있으며, 생산량 증가 대비 에너지소비 증가율이 낮다면 효율개선 등의 요인이 영향을 미쳤음을 암시할 수 있다.13)

구조효과는 업종별 에너지소비 패턴 차이를 반영하여 제조업 내 산업구조 변화가 에너지소비에 미치는 영향을 설명한다. 제조업 내 업종별 에너지소비 패턴이 크게 상이하므로, 구조적 전환이 실제 에너지 사용에 어떤 영향을 미칠 수 있는지 해석할 수 있다. 가령, 특정 시기에 에너지 다소비 업종이 크게 성장했다면, 구조효과가 전체 제조업 에너지소비에 더 많이 기여하게 된다. 이러한 평가로 업종별 정책 지원 및 구조조정 방향 설정에 활용될 수 있다.

집약도효과는 에너지가 집중된 정도를 구체적으로 측정하는 지표로 환경경제학 분야에서 주로 활용된다. 동일한 규모의 생산을 하면서도 에너지소비를 얼마나 줄이는지 평가할 수 있으며, 제조업의 공정 개선이나 설비 교체 등이 에너지소비 절감에 미친 영향을 분석할 수 있다. 이를 통해 에너지효율의 개선 효과를 검증하고, 추가적인 효율 투자 필요성에 대해 논의할 수 있다. <표 1>은 각 효과의 정의와 요인을 나타낸다.

<표 1>

각 효과별 정의 및 요인

효과 정의 상승 요인 하락 요인
생산
효과
생산활동(Q) 증감에 따른 에너지소비(E)의 변화 경제 성장 등으로 인한 생산량 증가 경제 불화 등으로 인한 생산량 감소
구조
효과
각 산업이 총생산에서 차지하는 비중(Si) 변화에 따른 에너지소비(E)의 변화 에너지 집약적 산업 (제조업, 중공업 등)
비중 증가
저에너지 산업
비중 증가
집약도
효과
i산업에서 사용하는 에너지소비량 비중(Ii)의 변화에 따른 에너지소비(E)의 변화 낮은 효율성, 에너지 소모가 높은 기기 사용 등으로 인한 에너지집약도 증가 고효율 장비 도입, 에너지 절약 기술 적용 등으로 인한 에너지 효율성 개선

LMDI 요인분해 분석 방법은 가법적(additive)과 승법적(multiplicative) 방식으로 나뉜다(Ang, 2004). 각 방법을 통해 에너지소비의 절대적 변화와 비율적 변화를 파악하여 에너지소비의 기여 요인을 정량적으로 평가한다.

식 (2)는 가법적 요인은 절대적인 에너지소비의 변화를 분해하는 방법으로, 기준연도(0기)에서 목표연도(T기)까지의 에너지소비량 증감분을 생산(Epro), 구조(Estr), 집약도(Eint) 효과로 분해한다. 분해한 세 가지 요인을 더하면 총에너지소비의 변화가 된다. 이를 통해 각 요인의 변화가 전체 에너지소비의 절대적인 변화에 미친 영향을 계산할 수 있다.

(2)
ΔEint =iEiT-Ei0lnEiT-lnEi0lnIiTIi0

다음으로 식 (3)은 승법적 요인 분해 방법으로, 기준연도(0기)에서 목표연도(T기)까지 에너지소비량 증감분을 생산(Dpro), 구조(Dstr), 집약도(Dint) 효과로 분해한다. 세 가지 요인의 변화를 비율로 표현하여 각 요인의 변동이 에너지소비에 미친 비율적 기여를 분석한다. 즉, 상대적 변화를 평가하는 데 중요한 도구로 활용될 수 있다.

(3)
ΔDt=ETE0=ΔDproΔDstrΔDintΔDpro =expiEiT-Ei0/lnEiT-lnEi0ET-E0/lnET-lnE0lnQTQ0ΔDstr =expiEiT-Ei0/lnEiT-lnEi0ET-E0/lnET-lnE0lnSiTSi0ΔDint =expiEiT-Ei0/lnEiT-lnEi0ET-E0/lnET-lnE0lnIiTIi0

Ⅳ. 분석 결과

1. 가법적 요인분해 분석 결과

가법적 요인분해는 두 가지 관점에서 분석하였는데, 먼저 기준연도(2013년) 대비 에너지소비량을 생산・구조・집약도효과로 분해하여 시간 경과에 따른 장기적인 변화 추세를 파악하고, 기준연도 이후 변화의 절대적 기여도를 비교하였다. 이러한 접근 방식은 누적된 에너지소비의 변화를 평가하기 때문에 시계열 분석의 한계를 극복할 수 있다는 장점이 있다.14) 2013년은 경제적으로 비교적 안정된 시기로 평가되며, 배출권거래제 도입이나 코로나19 팬데믹 등 외생적 충격에 따른 변화를 식별하는 데 유리하다는 점에서 기준연도로 설정되었다.

[그림 3]은 기준연도 2013년을 기준으로 2022년까지 누적된 에너지소비량을 나타낸다. 자세한 에너지소비량 변화 수치는 <부록 표 4>에 제시되어있다. 전국, 수도권, 부울경 지역에서 각 요인별 효과가 상이하게 나타남을 확인할 수 있다. 먼저 생산효과의 경우, 전국과 수도권에서는 모두 일관되게 양(+)의 효과를 보인다. 이는 생산 활동의 증가로 에너지소비가 지속적으로 증가했음을 의미한다. 2015년의 메르스 사태나 2020년 코로나19와 같이 대내외적으로 큰 타격을 준 사건이 발생하였을 때 생산효과로 인한 에너지소비 증가세가 정체되는 흐름을 관찰할 수 있다.

반면, 부울경 지역의 경우 전반적으로 음(-)의 생산효과가 관찰되어 해당 지역에서 생산 활동의 축소가 에너지소비 감소에 기여한 것으로 해석된다. 최근 조선업 불황, 경기 둔화 등의 영향으로 생산량이 감소하면서 조선, 석유화학 산업에 높은 의존도를 가지고 있는 부울경 지역의 에너지소비 감소가 크게 나타난 것으로 판단된다.

구조효과의 경우 모든 지역에서 양(+)의 값이 나타나, 에너지집약도가 높은 산업의 비중이 확대되었음을 시사한다. 즉, 산업구조 재편 과정에서 에너지소비가 많은 산업의 비중 증가가 전체 에너지소비 증가에 기여한 것으로 해석된다.

집약도효과의 경우 2020년부터 2022년 사이에 전국과 수도권에서 음(-)의 값이 관찰되었지만, 같은 시기에 부울경은 양(+)의 값이 관찰되었다. 수도권의 제조업은 동일한 생산 활동을 유지하며 사용하는 에너지의 양이 줄어든 반면, 부울경 지역은 에너지 사용량이 증가했다는 것을 의미한다. 전국과 수도권에서는 배출권거래제가 실시된 2015년 이후 2018년까지 에너지소비의 증가폭이 감소했음을 확인할 수 있다. 특히나 2020년부터는 집약도효과로 인한 에너지소비 감소가 더욱 뚜렷해졌다. 2019년 8월 에너지효율 혁신전략이 발표된 후 지속적인 에너지효율 향상을 위한 정책적 노력이 강화되며 이러한 부분이 긍정적 영향을 미친 것으로 판단된다.

반면, 부울경 지역에서는 에너지 효율성 개선으로 인한 에너지소비 증가 또는 감소가 전국과 수도권 지역의 추이와 다르게 나타났다. 2015년 배출권거래제 시행 이후에도 부울경 지역에서는 에너지소비 감소 효과가 다소 미흡했으며, 이는 조선업, 석유화학 등 에너지 집약적인 산업이 밀집된 구조적 한계에 기인한 것으로 판단된다.15)

https://cdn.apub.kr/journalsite/sites/keer/2025-024-01/N0700240107/images/Figure_keer_24_01_07_F3.jpg
[그림 3]

제조업 에너지소비 가법적 요인분해 분석(기준연도 2013년)

[그림 4]는 전년 대비 에너지소비량 증감을 생산, 구조, 집약도효과로 분해한 결과를 보여준다. 이러한 접근으로는 단기적 변화나 예외적 사건의 영향을 반영함으로써 연도별 변화를 추적할 수 있는 장점이 있다. 전년 대비 에너지소비량 변화의 자세한 수치는 <부록 표 5>에 표기되어 있다. [그림 4]를 보면 먼저, 생산효과는 모든 지역에서 전반적으로 양(+)의 값을 보여 그래프가 상승하고 있으나, 일부 연도에서는 음(-)의 값도 관찰된다. 특히 전국의 결과를 살펴보면, 기준연도 대비 분석 결과와 같게 2015년에 감소하였으며 2020년에도 증가폭이 줄어들었음을 확인할 수 있다. 부울경 지역에서도 양측 효과가 혼재되어 나타나며, 기준연도 대비 분석 결과와 유사하게 생산 감소의 영향을 받은 것으로 해석될 수 있다.

구조효과는 2018년부터 2022년 사이에 전국과 부울경에서 주로 음(-)의 값을 보이며 비슷한 양상을 나타낸다. 이는 상대적으로 에너지 사용량이 적은 제조업 산업으로 전환이 이뤄졌을 가능성을 암시한다. 반면, 수도권의 경우 전체적으로 양(+)의 값을 유지하고 있어, 에너지소비가 많은 산업이 확대되었음을 나타내며, 기준 연도 대비 분석과 같은 결과를 보인다.

2016년부터 2022년까지 집약도효과는 전국에서 2019년을 제외한 모든 연도에서 음(-)의 값이 관측되며, 수도권도 대체로 음(-)의 값이 우세했다. 반면, 부울경은 양(+)의 값이 많아 상반된 양상을 나타내고 있다. 하지만, 모든 지역에서 값이 일정하지 않아 에너지 효율성이 지속적으로 개선되거나 악화되었다고 판단하기에는 어려움이 있다.

배출권거래제 시행 후인 2016년 모든 지역에서 집약도효과가 감소하였지만, 부울경 지역에서는 2017년부터 2020년 사이 양(+)의 값이 관측되어 에너지효율 개선이 상대적으로 더디다는 것을 확인할 수 있다. 부산광역시 제5차 지역에너지계획에 따르면, 제조업 중심의 에너지 집약적 산업구조로 인해 감축 목표 달성에 어려움이 있음을 지적하고 있다.16) 기준연도 분석 결과에서 예측했던 이유와 일맥상통함을 알 수 있다. 일부 고효율 설비 도입과 공정 개선이 이루어졌으나, 단기적인 감축 효과는 미미했던 것으로 판단된다. 또한, 부산·울산·경남이 개별적으로 지역에너지계획을 추진하면서 시행 시기와 목표에 차이가 발생했으며, 이에 따라 정책 효과는 단기적으로 뚜렷하게 나타나기보다 점진적으로 축적될 가능성이 크다.

https://cdn.apub.kr/journalsite/sites/keer/2025-024-01/N0700240107/images/Figure_keer_24_01_07_F4.jpg
[그림 4]

제조업 에너지소비 가법적 요인분해 분석(전년 대비)

2. 승법적 요인분해 분석 결과

승법적 분석은 비율 변화에 중점을 두고, 장기적인 추세를 파악하는데 적합하다. 또한, 누적 비율 변화를 통해 전체적인 흐름을 파악하고 변화 정도를 평가하기 용이하다. 결과는 <부록 표 6>에 제시되어있고, 기준연도(2013년) 대비 에너지소비량 변화율을 생산, 구조, 집약도효과로 분해하였다. 지수의 결과가 1보다 크면 에너지소비 증가에, 1보다 작으면 에너지소비 감소에 영향을 준 것으로 해석할 수 있다.

전국의 경우, 2013년부터 2022년까지 총에너지소비량은 8.09% 증가하였다. 이는 생산효과에 의해 24.42% 증가, 구조효과에 의해 1.37% 감소, 집약도효과에 의해 11.91% 감소하였다. 마찬가지로 수도권 지역의 경우, 2013년부터 2022년까지 생산효과에 의해 13.69%, 구조효과에 의해 0.24% 증가하였으며, 집약도효과에 의해 0.24% 감소하였고, 총에너지소비량은 11.23%이다. 부울경 지역의 경우, 2013년부터 2022년까지 총에너지소비량은 2.28% 증가하였는데, 생산효과에 의해 1.33%, 구조효과에 의해 1.34% 증가하였으며, 집약도효과에 의해 0.39% 감소하였다.

부울경 지역을 중심으로 에너지소비의 변화 양상을 분석해보면 다음과 같다. 생산효과는 전국 및 수도권과 달리 2015년부터 2021년까지 지수값이 지속적으로 1에 미치지 못하고 있으므로, 생산 활동 감소가 에너지소비를 감축시키고 있음을 추론할 수 있다. 구조효과는 전국 및 수도권과 마찬가지로 지수값이 1을 상회하고 있어, 미세하긴 하나 에너지 다소비 산업으로의 이행이 에너지소비의 증가에 기여하고 있는 것으로 보인다. 집약도효과는 2014년, 2015년, 2016년, 2020년, 2021년에 전국과 반대의 결과를 나타내며, 초기에는 에너지소비 억제에 기여했으나 이후 점진적으로 에너지소비를 유발하는 요인으로 작용하였다.

2013년 대비 2022년의 결과를 나타낸 [그림 5]에서, 가법적 요인분해 결과와 마찬가지로 전국과 수도권이 유사한 동향을 나타내지만 부울경 지역은 상이한 양상을 나타내고 있음이 관찰 가능하다.

전국과 수도권은 생산효과가 상대적으로 크게 나타난 반면, 부울경은 비교적 낮아 생산 증가에 따른 에너지소비 증가가 상대적으로 적었다. 구조효과는 전부 1에 가깝게 나타나, 산업구조가 에너지소비에 대한 유의미한 결정 요인으로 작용하지 않았던 것으로 보인다. 집약도효과는 전국과 수도권에서 1보다 낮아 에너지 효율성이 개선되었음을 의미하는 반면, 부울경은 거의 1에 가까워 구조적인 에너지소비 절감이 어려운 상태임을 보여준다.

부울경 지역은 수도권이나 전국 평균에 비해 집약도효과 개선이 적고, 구조효과가 오히려 증가하여 단기적 에너지소비 절감이 어려운 한계를 가지는 것으로 해석된다. 즉, 부울경 지역의 에너지소비를 줄이기 위해서는 단순한 에너지효율 개선을 넘어 에너지집약도가 높은 산업의 저탄소 전환 등 산업구조 개편이 필요함을 암시한다.

https://cdn.apub.kr/journalsite/sites/keer/2025-024-01/N0700240107/images/Figure_keer_24_01_07_F5.jpg
[그림 5]

제조업 에너지소비 승법적 요인분해 분석(2013년-2022년)

Ⅴ. 결 론

본 연구는 2013년부터 2022년까지 전국, 수도권, 부울경 지역의 에너지소비 변화를 가법적 및 승법적 요인분해 방법을 이용해 분석하였다. 그 결과, 분석 방법에 따라 부분적인 예외가 존재하지만, 전반적인 흐름은 다음과 같이 나타났다.

전국과 수도권의 에너지소비 변화 양상이 비슷하게 나타났으며 생산효과와 구조효과가 에너지소비를 이끌었다. 전국의 제조업 에너지소비에서 생산효과가 증가에 기여한 사실은 김수이(2022) 연구의 결과와 부합하는 것이며, 생산, 구조, 집약도효과의 전반적인 추이 또한 유사한 흐름을 보여주고 있다.

반면 부울경 지역에서 생산효과는 에너지소비 감소, 집약도효과는 에너지소비 증가에 기여했다고 나타났다. 이러한 결과는 해당 지역의 산업구조 특성에 기인한 것으로 보인다. 부울경은 조선, 자동차, 석유화학 등 에너지집약도가 높은 중공업 중심의 산업이 밀집되어 있으며, 원료 투입형 공정이 많아 상대적으로 높은 에너지를 소비하는 구조이다. 특히, 조선, 석유화학 등의 산업의 설비는 교체 주기가 길고, 초기투자 비용이 높아 대규모 설비 교체나 저탄소 공정 전환이 단기간에 이루어지기 힘든 실정이다. 2015년 배출권거래제 시행 및 에너지소비 감축 정책이 시행되었지만, 이러한 부울경 지역의 산업 특성적인 이유로 실질적인 효율 개선보다는 생산량 감소에 따른 자연적인 소비 축소가 더 크게 작용한 것으로 해석된다.

수도권과 부울경의 제조업 부문별 에너지소비를 분석한 결과와 현황을 연결지어 보았을 때, 지역 간 차별적 특성이 도출되었다. 수도권의 경우, 화공과 금속 부문의 성장이 두드러지며, 에너지효율 개선도 비교적 지속적으로 이루어졌다. 즉, 산업 경쟁력 강화와 에너지효율 측면에서 긍정적인 평가를 받을 수 있다. 반면 부울경 지역은 화공 부문의 비중이 상대적으로 높은 성장률과 에너지 효율성에 있어 개선은 미흡한 것으로 판단된다.

화공(석유화학, 정유, 플라스틱, 고무 등) 산업의 특성상 공정 구조가 에너지집약적이며 대규모 플랜트 기반으로 운영되기 때문에 단기간의 공정 효율화 및 친환경 연료 전환이 어려운 측면이 존재한다. 특히, 부울경 화공 산업은 에너지소비가 많은 정유・석유화학 중심으로 구성되어 있기 때문에 에너지효율 개선이 더디게 이루어질 가능성이 크다. 더불어 최근의 글로벌 경기 둔화와 환경 규제 강화로 인해 정유・석유화학 산업의 성장률 역시 둔화될 수 있으며, 이로 인해 산업 경쟁력 확보에 어려움을 겪고 있는 것으로 판단된다.

이러한 구조적 한계는 부울경 화공 산업의 성장 정체뿐만 아니라, 산업 전반의 경쟁력 약화와 환경적인 부담을 가중시킬 수 있음을 시사한다. 특히, 부울경 제조업에서 중요한 비중을 차지하는 금속 부문 역시 생산성 감소와 에너지효율 저하로 인해 산업 경쟁력이 위축될 가능성이 크며, 이를 극복하기 위한 지역적 차원의 전략 마련이 필수적이라 판단된다.

따라서, 본 연구의 분석 결과는 제조업의 에너지 효율성을 제고하기 위해 실효적인 지역 맞춤형 에너지 정책 시행이 필요하다는 점을 뒷받침한다. 수도권과 부울경 지역의 에너지소비 패턴이 상반되므로, 차별화된 에너지소비 전략을 수립해야만 에너지 효율성 향상이라는 공통된 목표를 효과적으로 달성할 수 있을 것이다. 이를 위해서는 지방정부의 역할을 강화하여 중앙정부 주도의 일괄적인 정책이 초래할 수 있는 비효율성을 최소화하는 것이 중요할 것이다.

각 지자체는 에너지 효율성 제고와 온실가스 감축을 목표로 다양한 정책 마련을 위해 노력하고 있으나, 현재는 지역별 에너지소비 요인 중 취약한 부분을 정확히 진단하고, 이에 대한 맞춤형 대응이 필요한 시점이라 사료된다. 특히, 본 연구에서 부울경 지역의 에너지소비 증가가 집약도효과에 의해 주도되었음을 확인하였으며, 이는 해당 지역 제조업의 에너지 효율성을 개선할 여지가 크다는 점을 시사한다. 부울경 지역은 제조업의 고부가가치화를 통한 에너지소비 감축과 더불어, 에너지 집약적 산업의 효율 개선 및 친환경 생산 공정의 도입을 통해 장기적인 에너지 절감을 도모해야 하며, 이를 위한 지역 맞춤형 정책이 요구된다. 즉, 지역별 차별화된 정책을 적극 추진하고 지역에너지분권의 실효성을 제고하는 방안을 모색할 필요가 있을 것이다.

◎ 부 록 ◎

<부록 표 1>

전국 제조업별 에너지소비 및 실질 생산액 변화

제조업 분류 식품 섬유 제지목재 화공 요업 금속 전체




20
13
1135.40 961.33 1506.60 22056.36 5346.59 33902.56 64908.84
비중 1.75 1.48 2.32 33.98 8.24 52.23 100.00
20
22
1397.53 231.88 1201.67 25742.53 4950.76 36636.03 70160.39
비중 1.99 0.33 1.71 36.69 7.06 52.22 100.00
총 증가율 23.09 -75.88 -20.24 16.71 -7.40 8.06 8.09




20
13
854.42 457.58 312.28 2695.19 309.38 8645.24 13274.09
비중 6.44 3.45 2.35 20.30 2.33 65.13 100.00
20
22
1184.21 385.42 330.67 3239.57 332.84 11049.36 16522.06
비중 7.17 2.33 2.00 19.61 2.01 66.88 100.00
총 증가율 38.60 -15.77 5.89 20.20 7.58 27.81 24.47
집약 도 2013 132.89 210.09 482.46 818.36 1728.15 392.15 488.99
2022 118.01 60.16 363.41 794.63 1487.43 331.57 424.65
총 변화율 -11.19 -71.36 -24.68 -2.90 -13.93 -15.45 -13.16

자료: 에너지사용량 통계, 광업제조업 조사를 기반으로 저자가 작성함.

주: 에너지소비량의 단위는 1000TOE, 실질생산액의 단위는 10억 원, 에너지집약도(에너지소비량/실질생산액)의 단위는 TOE/억 원이고 비중, 총 증가율, 총 변화율의 단위는 %임.

<부록 표 2>

수도권 제조업별 에너지소비 및 실질 생산액 변화

제조업 분류 식품 섬유 제지목재 화공 요업 금속 전체




20
13
439.99 132.79 289.18 914.36 292.22 3063.44 5131.98
비중 8.57 2.59 5.63 17.82 5.69 59.69 100.00
20
22
481.75 66.74 214.26 1284.95 311.88 4683.40 7042.98
비중 6.84 0.95 3.04 18.24 4.43 66.50 100.00
총 증가율 9.49 -49.74 -25.91 40.53 6.73 52.88 37.24




20
13
272.26 272.61 146.57 431.60 73.89 2667.71 3864.64
비중 7.04 7.05 3.79 11.17 1.91 69.03 100.00
20
22
376.62 233.41 161.49 610.55 99.54 4186.51 5668.13
비중 6.64 4.12 2.85 10.77 1.76 73.86 100.00
총 증가율 38.33 -14.38 10.18 41.46 34.71 56.93 46.67
집약 도 2013 161.60 48.71 197.29 211.85 395.46 114.83 132.79
2022 127.91 28.59 132.68 210.46 313.31 111.87 124.26
총 변화율 -20.85 -41.30 -32.75 -0.66 -20.77 -2.58 -6.43

자료: 에너지사용량 통계, 광업제조업 조사를 기반으로 저자가 작성함.

주: 에너지소비량의 단위는 1000TOE, 실질생산액의 단위는 10억 원, 에너지집약도(에너지소비량/실질생산액)의 단위는 TOE/억 원이고 비중, 총 증가율, 총 변화율의 단위는 %임.

<부록 표 3>

부울경 제조업별 에너지소비 및 실질 생산액 변화

제조업 분류 식품 섬유 제지목재 화공 요업 금속 전체




20
13
154.40 180.83 430.09 7981.87 114.14 3160.78 12022.10
비중 1.28 1.50 3.58 66.39 0.95 26.29 100.00
20
22
120.39 6.10 404.91 8451.52 68.89 3244.89 12296.70
비중 0.98 0.05 3.29 68.73 0.56 26.39 100.00
총 증가율 -22.03 -96.63 -5.85 5.88 -39.64 2.66 2.28




20
13
115.97 53.93 42.69 884.20 31.16 2448.79 3576.74
비중 3.24 1.51 1.19 24.72 0.87 68.46 100.00
20
22
142.73 51.98 42.86 918.36 29.76 2438.76 3624.45
비중 3.94 1.43 1.18 25.34 0.82 67.29 100.00
총 증가율 23.08 -3.61 0.38 3.86 -4.51 -0.41 1.33
집약 도 2013 133.14 335.30 1007.36 902.72 366.30 129.08 336.12
2022 84.35 11.73 944.77 920.28 231.52 133.06 339.27
총 변화율 -36.65 -96.50 -6.21 1.95 -36.79 3.08 0.94

자료: 에너지사용량 통계, 광업제조업 조사를 기반으로 저자가 작성함.

주: 에너지소비량의 단위는 1000TOE, 실질생산액의 단위는 10억 원, 에너지집약도(에너지소비량/실질생산액)의 단위는 TOE/억 원이고 비중, 총 증가율, 총 변화율의 단위는 %임.

<부록 표 4>

제조업 에너지소비 가법적 요인분해 분석(기준연도 2013년)

생산효과 구조효과 집약도효과 총효과
전국 수도권 부울경 전국 수도권 부울경 전국 수도권 부울경 전국 수도권 부울경
2014 1696 215 45 111 60 39 2226 -25 -361 4033 250 -277
2015 0 224 -421 971 234 308 4287 678 -206 5258 1135 -318
2016 4177 683 -94 1105 199 384 605 -47 -272 5888 835 18
2017 5614 1102 -648 1194 162 799 402 -161 105 7211 1104 256
2018 6927 1352 -731 1135 139 1097 327 14 410 8389 1506 776
2019 7452 1401 -468 824 150 896 2030 260 982 10306 1810 1409
2020 7537 1559 -1140 596 190 670 -2728 -403 1055 5405 1346 585
2021 12324 2103 -566 8 123 580 -4355 -475 741 7977 1751 755
2022 14747 2303 160 -932 43 162 -8563 -435 -48 5252 1911 275

주: 분석 단위는 천 TOE.

<부록 표 5>

제조업 에너지소비 가법적 요인분해 분석(전년 대비)

생산효과 구조효과 집약도효과 총효과
전국 수도권 부울경 전국 수도권 부울경 전국 수도권 부울경 전국 수도권 부울경
2014 1696 215 45 111 60 39 2226 -25 -361 4033 250 -277
2015 -1764 -123 -486 848 298 289 2141 710 156 1224 885 -41
2016 4343 365 236 89 158 165 -3801 -824 -65 630 -300 336
2017 1459 294 -597 98 85 442 -234 -111 393 1323 269 238
2018 1335 86 -121 -62 113 315 -95 203 325 1178 402 520
2019 466 -137 230 -385 171 -224 1837 271 627 1917 305 633
2020 368 95 -779 -254 191 -161 -5015 -751 116 -4901 -465 -824
2021 4843 393 541 -620 82 -39 -1652 -70 -332 2572 406 170
2022 2825 38 685 -951 76 -363 -4599 46 -803 -2725 160 -481

주: 분석 단위는 천 TOE.

<부록 표 6>

제조업 에너지소비 승법적 요인분해 분석(기준연도 2013년)

생산효과 구조효과 집약도효과 총효과
전국 수도권 부울경 전국 수도권 부울경 전국 수도권 부울경 전국 수도권 부울경
2014 1.0257 1.0158 1.0038 1.0017 1.0044 1.0033 1.0338 0.9982 0.9701 1.0621 1.0184 0.9769
2015 1.0000 1.0153 0.9651 1.0145 1.0159 1.0263 1.0656 1.0470 0.9828 1.0810 1.0799 0.9735
2016 1.0635 1.0463 0.9922 1.0164 1.0133 1.0324 1.0090 0.9969 0.9776 1.0907 1.0569 1.0015
2017 1.0855 1.0717 0.9481 1.0176 1.0102 1.0680 1.0059 0.9900 1.0087 1.1111 1.0718 1.0213
2018 1.1056 1.0830 0.9428 1.0166 1.0083 1.0925 1.0048 1.0008 1.0336 1.1292 1.0929 1.0646
2019 1.1124 1.0847 0.9638 1.0119 1.0087 1.0730 1.0294 1.0152 1.0803 1.1588 1.1108 1.1172
2020 1.1180 1.0952 0.9116 1.0089 1.0111 1.0559 0.9604 0.9767 1.0895 1.0833 1.0817 1.0486
2021 1.1961 1.1257 0.9554 1.0001 1.0069 1.0479 0.9387 0.9736 1.0616 1.1229 1.1037 1.0628
2022 1.2442 1.1369 1.0133 0.9863 1.0024 1.0134 0.8809 0.9760 0.9961 1.0809 1.1123 1.0228

주: 분석 단위는 천 TOE.

References

1

2050탄소중립위원회. (2021). 2050 탄소중립 시나리오. 2050탄소중립녹색성장위원회.

2

구자열, 주희천, 정은호. (2016). 전력소비 변화 요인분석을 통한 국내 제조업의 전력효율성 평가. 에너지경제연구, 15(2), 23-54.

3

김수이, 김현석. (2011). LMDI 방법론을 이용한 국내 제조업의 에너지 소비 요인 분해 분석. 에너지경제연구, 10(1), 49-76.

4

김수이. (2022). 국내 제조업부문에 대한 에너지소비 요인 분해 분석. 자원・환경경제연구, 31(4), 825-848.

5

김수이. (2023). 국내 제조업의 전력 소비 요인분해 분석. 에너지경제연구, 22(1), 73-99.

6

나인강, 이성근. (2008). 산업부분 에너지 효율 변화요인 분석. 자원・환경경제연구, 17(2), 255-286.

7

박년배, 심성희. (2015). 감축목표 업종 분류체계에 따른 산업부문의 에너지 소비 및 온실가스 배출 요인 분해 분석. 자원・환경경제연구, 24(1), 189-224.

10.15266/KEREA.2015.24.1.189
8

박상현, 이천환, 정민경, 염성찬. (2024). 지역에너지계획 및 온실가스 배출량 분석을 통한 2030 국가온실가스 감축목표 이행 현황 진단. 한국기후변화학회, 15(3), 327-341.

10.15531/KSCCR.2024.15.3.327
9

박성준, 김진수. (2014). 우리나라 1차 에너지와 최종 에너지 소비 변화요인 분해 비교분석. 자원・환경경제연구, 23(2), 305-330.

10.15266/KREEA.2014.23.2.305
10

박정욱, 김수이. (2013). 한국과 일본의 산업부문 에너지 소비에 대한 LMDI 요인분해 분석. 에너지경제연구, 12(1), 67-103.

11

에너지산업과. (2018). 부산광역시 제5차 지역에너지 계획. 부산광역시.

12

오세신, 진태영. (2021). 지역에너지분권을 통한 탄소중립형 집단에너지 발전 방안 연구. (제2021-16호). 에너지경제연구원.

13

유재호, 이승현, 이진영, 전의찬. (2023). 요인분해분석을 이용한 지역별 전력 소비 특성 연구: 광역시를 중심으로. 에너지공학, 32(2), 60-71.

10.5855/ENERGY.2023.32.2.060
14

진상현, 황인창. (2009a). 지수분해분석을 이용한 지자체의 에너지 소비특성에 관한 연구. 자원・환경경제연구, 18(4), 557-586.

15

진상현, 황인창. (2009b). 지자체의 온실가스 배출특성에 관한 지수분해분석: 에너지부문을 중심으로. 환경정책, 17(3), 101-128.

16

진태영. (2024). 우리나라 온실가스 배출량 결정요인 분석: 16개 광역지자체 자료를 바탕으로. 자원・환경경제연구, 33(3), 241-261.

17

한국에너지공단. (2023). 2022년도 에너지사용량 통계. 한국에너지공단.

18

한국은행. (2023). 우리나라 주요 제조업 생산 및 공급망 지도. 한국은행.

19

한국환경연구원. (2023). 탄소중립형 메가시티 구축을 통한 국가균형발전 전략 연구. 경제・인문사회연구회.

20

Akyurek. (2020). LMDI decomposition analysis of energy consumption of Turkish manufacturing industry: 2005-2014. Energy Efficiency, 13(4), 649-663.

10.1007/s12053-020-09846-8
21

Ang, B. W., Liu, F. L. (2001). A new energy decomposition method: perfect in decomposition and consistent in aggregation. Energy, 26(6), 537-548.

10.1016/S0360-5442(01)00022-6
22

Ang, B. W. (2004). Decomposition analysis for policymaking in energy: which is the preferred method?. Energy Policy, 32(9), 1131-1139.

10.1016/S0301-4215(03)00076-4
23

Ang, B. W. (2005). The LMDI approach to decomposition analysis: a practical guide. Energy Policy, 33(7), 867-871.

10.1016/j.enpol.2003.10.010
24

Ang, B. W. (2015). LMDI decomposition approach: A guide for implementation. Energy Policy, 86, 233-238.

10.1016/j.enpol.2015.07.007
25

Dietz, T., Rosa, E. A. (1997). Effects of population and affluence on CO2 emissions. Proceedings of the National Academy of Sciences, 94(1), 175-179.

10.1073/pnas.94.1.1758990181PMC19273
26

International Energy Agency (IEA). (2020). World Energy Outlook 2020. Paris: IEA.

27

Kaya, Y. (1989). Impact of carbon dioxide emission control on GNP growth: interpretation of proposed scenarios. Intergovernmental panel on climate change/response strategies working group.

28

Olanrewaju, O. A. (2018). Energy consumption in South African industry : A decomposition analysis using the LMDI approach. Energy&Environment, 29(2), 232-244.

10.1177/0958305X17745364

각주

[10] 1) 2021년 제26차 유엔기후변화협약 당사국총회(COP26)에서 NDC 목표를 기존 26.3%에서 40%로 상향 조정하였다.

[11] 2) 2050탄소중립위원회(2021)를 참조할 수 있다.

[12] 3) IEA(International Energy Agency) 국가 중 가장 높은 수준이다(IEA, 2020).

[13] 4) 괄호 안의 수치는 해당 산업이 국내 전체 생산액에서 차지하는 비중을 뜻하며, 한국은행(2023)의 자료를 참조하여 각 권역에서 비중이 가장 높은 주요 산업만 선별하였다.

[14] 5) 구자열 외(2016), 김수이(2023) 등을 참조할 수 있다.

[16] 7) Stochastic Impacts by Regression on Population, Affluence and Technology는 Dietz and Rosa(1997)에 의해 제안된 온실가스 배출량 결정요인 분석 모형이다.

[17] 8) 김수이(2022) 연구에서 제조업부문의 에너지소비량은 국가에너지통계 종합정보시스템(KESIS)를 통해 공개되고 있는 개정에너지밸런스를 기준으로 분석을 진행하였다.

[18] 9) 한국에너지공단(2023)을 참조할 수 있다.

[19] 10) 김수이(2022)에서 사용된 KESIS의 개정에너지밸런스 자료는 더 많은 기간과 세분화된 산업분류에 대한 정보를 포함하고, 대상 업체의 규모에 대한 제한이 없지만, 지역별 구분이 불가능한 제약이 있다.

[20] 11) 산업기타(에너지산업 포함)는 전체에서 차지하는 생산액 비중이 매우 작고, 최종재화 생산을 담당하는 제조업의 성격과 부합하지 않은 측면이 있어 분석대상에서 제외하였다.

[21] 12) 전통적 요인분해방법(예: Laspeyres, Shapley 등)은 분해 과정에서 특정 가정이나 단순화로 인해 전체 변화량과 요인별 기여도의 합이 정확히 일치하지 않을 수 있다.

[22] 13) Kaya(1989)의 카야 항등식(Kaya equation) 등에서 경제규모가 환경영향이나 에너지소비에 직결되는 핵심 요인임을 밝히고 있다.

[23] 14) 전통적인 시계열 분석으로 연도별 총량 변화를 파악할 수 있지만, 누적 변화의 효과를 평가하거나 특정 요인이 에너지소비 변화에 얼마나 기여했는지 분석하기 어려운 측면이 있다.

[24] 15) 한국환경연구원(2023)을 참조하면 부울경 지역이 산업구조적으로 에너지를 많이 소비하는 산업이 집중되어 있음을 알 수 있다.

[25] 16) 부산광역시 에너지산업과(2018)를 참조할 수 있다.

페이지 상단으로 이동하기