Current Issue

세계경제포럼(WEF: World Economic Forum, 2021)에 의하면, 전 세계적으로 영향을 받고 있는 코로나19와 함께 기후변화로 인해 오랫동안 존재하고 있는 교육, 재정 안정성, 고용 등의 격차로 국가 전반적인 불균형에 더 좋지 않은 영향을 줄 수 있다고 하였다. 한국은행(2020)은 기후변화 대응을 위해 국가 간 갈등이 발생하겠지만 환경규제의 강화 추세가 세계경제의 기조적 흐름이 되면서 주요 산업 및 시장교역에 영향을 줄 것이라고 하였다. 기후변화의 주요 요인은 온실가스 배출과 관련되어 있다. 한국의 온실가스 배출량은 2019년 기준 701.4백만톤 CO2eq이며 1990년 대비 140%가 증가하였다.¹⁾ 배출량 중 가장 많이 차지하는 것이 에너지 분야이다. 에너지 분야는 총 배출량의 87.2%(2019년 기준)로 1990년 대비 154.5% 증가하였다. 한국은 에너지 분야 배출량의 99.3%를 차지하는 연료연소에 의한 이산화탄소 배출량만을 봤을 때 전 세계에서 7위이다(IEA, 2020).

한국의 온실가스 총배출량을 감축하기 위해서 에너지 분야를 집중적으로 줄일 필요가 있다. 국제에너지기구(IEA)에 의하면 한국의 1차 에너지공급의 85%가 화석연료이고, 84%의 높은 에너지수입의존, 그리고 IEA 국가들 중 산업 부문에서 최종에너지 중 55%를 사용할 정도로 가장 높은 비중을 차지하고 있다. 이러한 화석에너지사용으로 발생하는 이산화탄소 배출량을 줄이기 위해서 에너지의 합리적인 소비를 유도할 수 있는 에너지효율 개선이 필요하다.²⁾ 특히 산업부문이 에너지 다소비업종(석유화학 등)으로 소비가 증가하면서 국가의 에너지원단위는 2017년 기준 0.159로 OECD 평균(0.105)보다 효율성이 낮은 수준에 있다.³⁾

한국은 제조업 비중이 높은 국가 중 하나이다. 지난해 코로나19로 인해 세계경제의 성장률(-3.3%)이 악화된 상황에서 한국 경제성장률은 제조업으로 인해 –1.0%로 하락 비율이 낮았다 (KIET, 2021). 한국은 유엔산업개발기구(United Nations Industrial Development Organization, UNIDO)의 세계제조업경쟁력(Competitive Industrial Performance Index, CIP) 지수에서 전세계 5위를 차지할 정도의 수준을 가지고 있다. 또한 동일한 통계자료에서 총 GDP에서 제조업 부가가치 비중과 총 수출에서 제조업 수출이 상위권을 차지하고 있었다. 2018년 기준으로 GDP(명목, 10억 달러)가 높은 주요 국가들(1위 미국, 2위 중국, 3위 일본, 4위 독일)과 비교했을 때 한국은 CO2 배출량은 7위, 최종에너지소비량은 10위, GDP는 12위였다. 하지만 제조업 비중(명목)은 다른 국가들(미국 11.2%, 중국 28.5%, 일본 20.8%, 독일 22.2%)보다 가장 높은 비중(29.1%)을 차지하였다. 주요 국가들과 비교했을 때, GDP에 비하여 한국의 에너지소비와 CO2 배출량이 많다는 것을 알 수 있다. 이것은 앞서 설명했듯이 한국이 최종에너지소비에서 55%를 산업부문에서 사용한다는 점과 제조업 비중이 다른 국가들에 비해 가장 높다는 점과 관련이 있다. 이처럼 한국의 온실가스 총배출량의 대부분이 제조업 부문에서 발생하므로 제조업 부문에서 에너지효율 향상이 된다면 온실가스배출 감축에 영향을 미칠 수 있을 것이다 (이슬기, 2019).

따라서 본 연구의 목적은 한국의 경제성장과 직결되는 에너지 사용량과 이산화탄소를 배출하는 산업부문 중 가장 많은 배출 비중을 차지하는 제조업을 중심으로 에너지 효율성과 그 결정요인을 분석해 보고자 함이다. 특히 관련 결정요인들 중에서 에너지 및 환경자본스톡에 대한 투자가 증가할수록 에너지 효율에 미치는 영향에 초점을 두고자 한다.

제조업의 에너지효율 분석방법으로는 로그평균 디비지아 지수분해법(Logarithmic Mean Divisia Index Decomposition, LMDI)과 자료포락분석(Data Envelopment Analysis, DEA), 확률변경분석(Stochastic Frontier Analysis, SFA)이 많이 사용되고 있다. 하지만 LMDI 방법은 생산효과, 구조효과, 에너지 집약도효과를 분석하는 것으로 에너지효율만을 분석하지 않는다. 또한 DEA는 확률오차(random error)를 기술비효율 오차(technical inefficiency error)에 포함시키기 때문에 기술효율 추정에서 정확도의 한계가 있지만 SFA를 이용하면 이 문제를 해결할 수 있다는 장점이 있다. 그래서 본 연구에서는 에너지효율성 분석을 위해 확률오차를 고려한 SFA 접근법을 사용하고자 한다.

SFA 접근법을 사용한 제조업과 에너지 효율성에 관련된 선행연구들은 이전부터 존재하였다. 우선 제조업에 대한 이 접근을 사용한 국외 선행연구들은 Boyd(2008), Boyd(2014), Shui et al.(2015), Honma and Hu(2018), Sun et al(2019), Boyd and Lee(2019), Hu et al(2019), Na et al.(2019), Haider and Mishra(2021) 등이 있다.

Boyd(2008)는 미국의 제조업 부문에서 공장 수준의 에너지 사용효율을 측정하였다. 투입물 거리함수를 이용하여 에너지투입량을 종속변수로 두고 습식 옥수수 정제 공장의 사례를 통해 분석하였다. 전력과 연료라는 두 가지 유형의 에너지 효율성을 추정하였다. Boyd(2014)는 투입물 함수를 이용해 EPA의 ENERGY STAR 프로그램과 발전된 ENERGY STAR 에너지 성과 지표(Energy Performance Indicator, EPI)에 의해 측정된 자동차 제조 산업을 분석하였다. 2003-2005년 사이의 조립 공장의 에너지(화석연료, 전력) 효율성과 1997-2000년 사이의 결과를 비교하였다. Shui et al(2015)는 산출물과 투입물 효율접근을 둘 다 사용하여 공장의 생산과 유틸리티 소비 데이터를 기반으로 자동차 제조업의 에너지 효율성을 추정하였다. Honma and Hu(2018)는 일본 47개 도도부현을 대상으로 2단계 투입물 SFA 접근법을 이용하여 메타프론티어 총요소에너지효율(Total-Factor Energy Efficiency, TFEE)을 측정하였다. 47개 지역을 대도시와 대도시가 아닌 2개의 그룹으로 나누어서 에너지 집약적인 제조업의 비중, 비제조업의 비중, 정부 서비스 등 8가지 환경적 변수들을 고려해 에너지효율을 측정하였다. Sun et al(2019)은 2000년에서 2016년 기간 동안 중국의 26개 산업부문의 탄소 효율성 증대를 위한 배출감소 잠재력을 평가하였다. 온실가스배출 효율성을 향상시키기 위해 현재 기술보다는 새로운 기술을 통해 에너지 절약과 배출량 감소가 산업구조에 필요하다고 하였다.

국내적으로 제조업의 에너지효율성에 대해 SFA 접근법을 이용한 선행연구로는 정용훈(2012), 민윤지(2015), 김길환･이지웅(2017), 서윤석(2017), 임승모･김명석(2017), 민윤지(2018) 등이 있다.

정용훈(2012)은 1990년부터 1999년까지의 한국의 광공업 통계조사를 통해 산업별 및 지역별로 기존의 에너지원단위와 SFA 방법을 이용한 에너지효율 결과를 비교･분석하였다. 김길환･이지웅(2017)은 투입물거리함수를 이용하여 2011-2015년 사이 석유화학제품을 사용하는 기업들의 에너지효율성을 연도별로 분석하였다. 또한 한국 석유화학 기업들의 재고관리성과가 에너지효율에 미치는 영향에 대해서도 분석하였다. 민윤지(2018)는 1990년에서 2012년까지 OECD 10개국을 대상으로 에너지소비효율에 영향을 주는 요소로서 국내총생산과 최종에너지의 실질가격을 통제변수로 설정하였다. 또한 설명변수로서 각각의 모델에 에너지진단, 보조금, 저리 융자, 세금공제 및 감면, 비효율기기에 대한 세금부과를 포함하여 추정하였다.

그런데 이러한 선행연구들에서 한국의 제조업에 대해 SFA 방법론을 적용시켜 에너지 효율성 분석을 하였지만 기술적 비효율성의 결정요인까지 살펴보지는 못했다는 한계가 있다. 그래서 본 연구는 선행연구들과는 달리 한국의 산업만을 대상으로 확률변경함수의 추정과 기술적 비효율성 영향요인까지 고려할 수 있는 Battese and Coelli(1995)의 2단계 접근법을 채택하여 초월대수함수를 이용해 투입물 SFA 분석을 하였다는 점에서 차이가 있다. 세부적인 차이점으로는 3가지가 있다. 첫째는 한국의 제조업 에너지효율성을 기술적 비효율 효과까지 고려한 선행연구가 없다는 점이다. 둘째는 에너지 및 환경관련 설비투자에 대해 영구재고법을 사용해 누적시킨 에너지 환경자본스톡 비중 확대에 따른 에너지효율의 변화를 분석했다는 점이다.⁴⁾ 세 번째는 에너지 및 환경자본스톡 비중, 수입액 및 수출액 비중, 매출액 비중, 평균 기온, 평균 최저 및 최고 기온을 에너지비효율의 설명 변수로 두고 에너지 효율에 미치는 영향을 추정한다는 점이다.

본 연구는 다음과 같이 구성된다. 제2장에서는 한국의 산업 및 제조업에서의 본 연구에서 사용한 초월대수함수를 적용한 확률변경함수에 대한 방법론을 기술한다. 제3장에서는 에너지 및 환경자본스톡 비중을 1차식과 2차식으로 나누어 추정한 결과들과 에너지 효율성 결과들을 설명할 것이다. 제4장에서는 본 연구에 대한 결론을 기술할 것이다.

본 연구에서 사용한 SFA 방법은 Aigner et al.(1977)에 의해 처음 소개되었다. SFA는 에너지뿐만 아니라 일반적으로 효율성을 추정하는데 사용된다(Boyd, 2008). 본 연구에서는 Battese and Coelli(1995)에 따라 1단계에서는 확률변경함수의 추정과 기술적 비효율을 측정하고 2단계에서는 예측된 기술적 비효율 효과에 대한 회귀분석을 하는 2단계 접근법을 사용한다. 우선 Battese and Coelli(1995)가 제시한 확률변경생산함수의 기본 모형은 다음과 같다.

여기서 Y_it는 개별 산업 i의 t기 동안의 생산량, f ( K_it, L_it )는 생산함수를 나타낸다. υ_it는 확률오차로서 iid~N(0, συ2)으로 분포하고 u_it와 독립적이다. u_it은 기술적 비효율성과 관련된 변수로서 비음이고 독립적이며 iid~(z_itδ, σ²)의 절단정규분포(truncated-normal distribution)를 하는 것으로 가정한다. z_it는 설명변수 (1 x m) 벡터이고, 기술적 비효율성과 관련된 변수이다. 그리고 δ는 (m x 1) 벡터로 각각의 설명변수의 추정계수이다. 기술적 비효율성 오차항은 u_it=z_itδ+w_it 로 구체적으로 나타낼 수 있으며 생산함수 f (K_it, L_it )와 함께 추정계수(δ)를 추정할한다. 만약 δ가 0의 값을 가지게 된다면 z 설명변수들과 관련이 없어지면서 반정규분포(half-normal distribution) 형태가 될 것이다.

확률변경함수와 기술적 비효율성을 동시에 추정하기 위해 최대우도추정(Maximum Likelihood Estimation, MLE) 방법을 사용할 것이다. 우도추정은 σs2≡συ2+σ2, γ≡σ2/σs2와 같이 분산변수로 나타낼 수 있다. 개별산업 i의 t기 동안의 기술적 효율을 나타내면 식 (2)와 같다.

한편, 에너지효율의 추정식을 설정하여 최대우도추정이 필요하다. 이를 위하여 본 연구에서는 투입물 거리함수를 이용해 초월대수함수형태(translog function)를 사용하고자 한다.⁵⁾ 거리함수 D_E(K_i, L_i, E_i, Y_i)에 대한 1차 동차함수의 특성을 적용하면 다음과 같이 표현할 수 있다.

여기서 i는 개별산업, K는 유형고정자산, L은 종업원수, Y는 부가가치, E는 에너지소비를 나타내며 식(3)의 양변을 로그취하면 다음과 같다.

식(4)의 투입물 거리함수는 D_E(K_i, L_i, E_i, Y_i)를 설명변수들로 구체적으로 초월대수 함수형태로 표현하면 다음과 같다.

여기서 υ_i는 통계적 오차를 뜻하는 확률오차이다. 마찬가지로 투입물 거리함수에 1차 동차함수의 특성을 부여한 D_E(K_i, L_i, 1, Y_i)도 다음과 같이 표시된다.

식(5)와 식(6)을 식(4)에 대입하고 정리하면 다음과 같은 식을 얻는다. 즉,

식(7)을 다시 식(5)에 넣고 정리하면 최종적으로 에너지를 종속변수로 하는 다음과 같은 추정식을 얻을 수 있다.⁶⁾ 즉,

따라서 식(8)의 최종 추정식을 이용하여 에너지 효율을 추정하고자 한다. 여기서 E_it는 개별 산업 i의 t기 동안의 최종에너지소비량, Y_it는 개별산업 i의 t기 동안의 부가가치, K_it는 개별 산업 i의 t기 동안의 유형고정자산, L_it은 개별 산업 i의 t기 동안의 종업원수를 나타낸다. u_it는 기술적 비효율성 효과를 나타내는 설명변수이다. 1단계 추정을 한 이후 u_it가 도출되면 종속변수로서 기술적 비효율 결정요소들을 설명하기 위한 2단계 모형의 추정식은 식 (9), (10)과 같이 각각 제시할 수 있다.

여기서 u_it는 기술적 비효율오차항이고 I_it, IM_it, EX_it, Sale_it, AT_it, LT_it, HT_it 은 확률변경함수를 이용한 1차 추정에서 사용된 변수들로는 설명될 수 없는 에너지 비효율에 영향을 미치는 설명변수들이다. 각각 개별 산업 i의 t기 동안의 에너지 및 환경자본스톡 비중(I), 수입액 비중(IM), 수출액 비중(EX), 매출액 비중(Sale), 평균기온(AT), 평균최저(LT) 및 최고기온(HT)을 나타낸다. 에너지 및 환경자본스톡(I)을 포함한 기술적 비효율성의 결정요인들 모두가 본래 값에서는 유의한 결과를 얻지 못해, 본 연구에서는 모든 기술적 비효율성 결정요인들을 비중으로 변환하여 에너지 환경자본스톡 비중 확대에 따른 에너지효율 변화를 분석하였다. 식(10)은 I의 변곡점을 확인할 수 있게 I의 제곱항을 포함하고 있다는 점에서 식(9)와 상이하다.

본 연구는 2005년부터 2019년까지 한국 제조업의 에너지 효율성과 그 결정요인을 분석해 보았다. 초월대수함수를 적용한 확률변경모형을 이용하여 에너지효율을 측정하였고 에너지 및 환경자본스톡 비중(I), 수입액 비중(IM), 수출액 비중(EX), 매출액 비중(Sale), 평균기온(AT), 평균최저기온(LT), 평균최고기온(HT)이 에너지 비효율성의 결정요인으로 사용하였다. 실증결과를 요약하면 다음과 같다.

1차 추정식에서는 모든 변수들이 유의하였다. 기업의 부가가치는 양(+)의 값을 가졌으며 종업원수와 유형고정자산은 음(-)의 값을 가졌다. 에너지 비효율의 2단계 추정에서는 수출액 비중, 매출액 비중, 평균 최저 및 최고 기온은 양(+)의 영향을 주는 반면, 수입액 비중, 평균 기온은 음(-)의 영향을 주는 것으로 나타났다. 또한 2단계 추정 결과에 기초할 때, 에너지 및 환경자본스톡의 경우, 비중이 증가할수록 음(-)에서 양(+)으로 U자형을 나타내 에너지 효율을 감소시킨다는 결과를 보였다. 실제 본 연구 기간인 2005년부터 2018년 사이의 산업연구원의 자료에서 전체 제조업의 설비투자 가운데 에너지 및 환경 관련 투자 비중을 살펴보면 2005년(86.77%)부터 상승과 하락을 반복해 2019년은 50.88%였다. 이는 기업들이 환경오염 감소를 위한 설비개선이나 신규 도입의 투자 비중을 줄여나갔으며, 에너지 효율성 증가에 기여하지 못한 것으로 보인다. 하지만 2019년 이후 기업들이 에너지 관련 설비투자 비중을 2020년 54.3%, 2021년 63.5%로 증가시키는 추세를 보이기에 정책적으로도 유도하면 향후 산업의 에너지 효율성 향상에 도움이 될 수 있을 것이다.

가장 에너지 효율성이 높게 나타난 업종은 음식･담배였으며 전반적으로, 비철금속, 목재･나무, 기타제조, 섬유･의복의 에너지효율성이 점차 증가하였다. 이들 업종들은 대부분 경공업에 속하며 16% 정도의 낮은 부가가치를 가지고 생산성도 낮고 에너지 소비도 적어 에너지 효율성이 높게 나타난 것으로 보인다. 에너지 및 환경자본스톡 비중이 증가할수록 가장 에너지 효율성이 낮게 나타난 업종은 조립･금속이고 석유･화학, 펄프･인쇄, 1차 금속, 비금속 순으로 에너지효율이 낮았다. 1차 금속, 조립･금속, 석유･화학 , 비금속은 같은 에너지다소비 산업에 속해있으며 한국 산업의 대부분을 차지하는 중화학공업인 동시에 제조업 비중이 높은 한국의 산업 경쟁력 향상을 위한 핵심이고 에너지다소비 문제를 해결하기 위해 FEMS 등 정부의 에너지효율 투자정책 및 지원이 집중되어 있다. 따라서 현재는 상승과 하락을 반복하는 에너지 및 환경 관련 설비투자로 인해 효과가 미미하여 낮은 에너지효율성을 가졌지만, 산업별 에너지효율의 실증결과에서처럼 에너지 및 환경자본스톡 비중이 증가할수록 에너지효율성이 점차 증가할 것으로 예상된다.

실증 결과를 기반으로 한 본 연구에서의 시사점은 다음과 같다. 첫째,에너지 및 환경자본스톡 비중을 증가시켜 산업전반의 생산성 향상과 부가가치를 높이면서 에너지 효율성도 향상시키는 방향으로 투자 전환을 할 수 있도록 유도해야 한다. 이를 위해 현재 시행되고 있는 연간 에너지사용량 2,000toe이상인 에너지다소비 사업장을 대상으로 하는 자발적 에너지효율목표제를 정식 출범시켜 목표 달성 시 인센티브를 지급하는 등 다방면으로 산업계의 에너지효율을 장려할 제도 및 투자유인책을 마련할 필요가 있다. 둘째, 설비투자 내에 에너지 및 환경 관련투자가 일관되게 투자되지 못하고 경제상황이 좋지 않으면 감소하는 등 굴곡이 많았다. 향후에는 기업이나 정부 모두 에너지 효율향상이라는 목표를 수립하였으면 이를 경제상황에 따라 중단하거나 후퇴시키지 말고 계획대로 일관되게 추진해 나가야 할 것이다.

본 연구는 에너지 소비 자료 획득의 한계로 제조업들 중 10개 산업만을 다루어 전체 산업의 에너지 효율성을 추정하지 못했다는 점과 기술적 비효율성의 결정요인들이 모두 유의하지 않아 비중으로 변환하여 에너지효율 변화를 추정하였다는 점에서 한계를 가지고 있다.