Current Issue

본 연구는 1)도시의 선정, 2)변수의 선정 및 데이터 수집, 3)지속가능한 도시를 위한 노력과 CO₂ 배출량과의 관계를 살펴보기 위한 통계 분석 진행 순으로 이루어지며, 전체적인 흐름은 다음 그림 1과 같다.

Figure 1. 
Study flow

본 연구는 미국의 28개 도시를 대상으로 연구를 진행하였으며, 선행연구 및 공신력 있는 데이터 수집 가능성을 바탕으로 변수를 선정하였다. 이를 바탕으로 자료수집 및 조사를 진행하였으며, 각 도시의 지속가능한 도시를 위한 노력과 CO₂ 배출량과의 관계를 살펴보기 위해서 통계분석을 사용하였다. 본 연구에서 사용한 통계분석은 1인당 CO₂ 배출량과 이와 관련 있는 다양한 변수들 간의 관계를 분석하기 위해서 상관분석을 실시하였으며, 1인당 CO₂ 배출량을 종속변수로 설정하고, 지속가능한 도시 지표 및 CO₂ 배출량에 영향을 미치는 다른 변수들을 독립변수로 설정하여 회귀분석을 실시하였다.

도시별 CO₂ 배출량 자료를 수집하기 위하여 CDP(Carbon Disclosure Project)의 자료를 활용하였다. CDP에서는 전 세계 도시들의 CO₂ 배출량을 수집하여 데이터베이스를 제공하고 있으며, 미국의 63개 도시들에 대해서도 배출량 자료를 제공하고 있다.

본 연구에서는 미국 전체 도시 중에서 도시 간 규모의 차이를 고려하여, 인구수를 기준으로 상위 50개 도시를 우선 대상으로 하였으며, 그 중 CDP에서 CO₂ 자료를 제공하고 있는 28개 도시를 대상으로 연구를 진행하였다. 본 연구의 대상 도시는 표 1과 같다.

본 연구에서 사용한 종속변수는 1인당 CO₂ 배출량이다. 본 연구에서 도시별 CO₂ 배출량 대신 1인당 CO₂ 배출량을 사용한 이유는 인구가 CO₂ 배출량에 영향을 미치는 주요 요인 중 하나이기 때문이다(Lantz and Feng, 2006; 유성필ㆍ황지욱, 2015). CO₂ 배출량 자료는 CDP 홈페이지를 통해 자료를 구축하였으며, 인구수는 US센서스 홈페이지를 통해 자료를 구축하였다. CDP에서 제공하는 CO₂ 배출량 자료는 각 지자체별로 측정한 CO₂ 배출량을 CDP에서 정리한 것이기 때문에, 지자체별 측정연도에 차이가 발생하는 한계가 있다. 다만 현재 수집가능한 지자체별 CO₂ 배출량 자료가 CDP 자료가 유일하기 때문에 이 같은 한계에도 불구하고 위 자료를 사용하였다.

한편 독립 변수의 선정은 연구에 적합하고, 공신력 있는 데이터를 수집가능성을 고려해 선정하였다. 이를 위해 US센서스에서 데이터를 제공하고 있는 변수들을 중 CO₂ 배출량과의 관계가 있는 변수들을 일차적으로 도출하였으며, 이후 선행연구 검토를 통해 변수 적용의 적합성을 확인하였다. 이에 지역 주민들의 평균 소득, 빈곤율, 도시 내 회사 개수, 제조업 매출액, 교육, 나이, 이동시간을 선정하였다.

지역 주민들의 평균 소득과 빈곤율은 도시 내 전반적인 에너지 소비와 그로인한 CO₂ 배출량과 밀접한 관련이 있는 도시 경제에 영향을 미치는 것으로 알려져 있으며(Lantz and Feng, 2006; Chen, et al., 2007; Alam et al., 2011; Li et al., 2011; Collins and Zheng 2015), 그에 따라 본 연구에서는 두 가지 변수를 모두 사용하였다.

또한 도시 내 기업체 개수는 그 도시가 얼마나 산업적으로, 경제적으로 발달하였는지를 보여주며, 이는 에너지 소비량과 CO₂ 배출량과 밀접한 관련이 있는 변수이다(장명준 외 2012; 유성필·황지욱, 2015).

제조업은 제품 생산을 위해 기계적, 화학적 혹은 생물학적 과정을 필요로 하며, 이는 다양한 산업 중에서 가장 큰 CO₂ 배출원 중의 하나이다. 따라서 본 연구에서는 도시 내 제조업의 규모를 반영하기 위해서 제조업의 매출액을 이용하였다(유성필·황지욱, 2015).

교육을 더 많이 받은 사람일수록 더욱 친환경적으로 행동하며, CO₂ 감축에 긍정적인 기여를 하는 것으로 나타났다. 따라서 본 연구에서는 24세 이상 인구 중에서 고등학교 이상의 교육을 받은 사람들에 대한 비율을 변수로 사용하였다(Wei et al., 2007; Sharp et al., 2009; Yang at al., 2014).

나이가 많은 사람일수록 환경을 생각하는 경향이 있으며, 젊은 사람과 비교하며 보면 활동량이 적다. 이는 CO₂의 배출이 더 적음을 의미하며, 이에 본 연구에서는 65세 이상 인구비율을 변수로 사용하였다(Yang et al., 2014; 유성필·황지욱, 2015).

도시 내 이동은 CO₂ 배출과 직접적인 관련이 있다. 개인차량 또는 대중교통 모두 이용할수록 CO₂ 배출이 늘어나기 때문이다. 본 연구에서는 도시 내에서 출근에 걸리는 이동시간을 변수로 사용하였다(Barla et al., 2011; Figliozzi, 2011; 김병석·문태훈, 2014). 한편, 차량 및 대중교통은 CO₂ 배출에 중요하게 작용하지만 US센서스에서 자료를 제공하지 않았다. 이에 이를 설명할 수 있고 공신력 있는 데이터 수집이 가능한 변수 중 지하철 노선 길이와 관련된 변수를 추가하였다(Andrade and D’Agosto, 2016).

또한 도시의 개발 밀도를 추가했다. 도시의 개발밀도는 차량 의존도와 관련이 있으며, 고밀화된 도시일수록 CO₂의 배출량이 적기 때문이다(Tiwari et al., 2011; 김병석·문태훈, 2014).

마지막으로 지자체의 노력은 Portney(2013b)지속가능한 도시 지표를 기준으로 하였다. Portney 의 지표는 지속가능 종합계획, 녹색빌딩 프로그램, 브라운필드 정책, 카풀정책 등 지자체 단위에서 지속가능도모를 위해 추진가능한 정책을 38개의 리스트로 만든 지표로, 지자체의 종합적인 노력을 검토할 수 있는 틀로 활용할 수 있으며, 구체적인 내용은 앞선 표 2와 같다. 2013년 당시에 Portney가 미국 50개 도시를 대상으로 추정한 지표 값이 이미 존재하고 있으며, 그는 이 지표가 실제로 지역사회 어메니티 및 건강에 영향을 미친다는 것을 증명하기도 했다(Portney, 2017). 단, 정책의 수가 정책의 질을 대변할 수 없고, 2013년 당시의 정책과 현재의 정책에는 변화가 있을 것으로 판단하여, 본 연구에서는 38개의 리스트를 기준으로 각 지자체별 정책들을 직접 조사하여 실제 대대적으로 실행되고 있는 정책들만을 실행 정책으로 판단하여 점수를 산정하였다. 이를 바탕으로 정리한 최종 변수 목록은 표 3과 같으며, 도시별 현황은 부록 표 A1과 같다.

본 연구에서는 지속가능한 도시를 위한 정책적 노력과 CO₂ 배출량과의 관계를 밝히기 위하여 OLS 회귀분석을 사용하였다. 본 연구에서 사용한 기본적인 수식은 다음 식 1과 같다.

아울러, 이상치(Outliers)와 영향력 있는 사례(Influential point)에 대한 진단을 위해서 잔차 분석과 Cook’s distance 분석을 실시하였다. 잔차 분석의 경우 표준잔차(Standardized residual)를 이용하였으며 표준잔차 값이 ±3보다 클 경우 이상치로 판단하였다(이희연·노승철, 2012). 또한 레버리지 값과 잔차를 종합한 지수로 Cook’s distance를 활용하여 영향력 있는 사례를 제거하였다. Cook’s distance를 도출하는 수식은 다음 식 2와 같으며, 점정적인 영향력있는 사례는 다음 식 3과 같은 방법을 적용하여 변수에서 제외하였다(이희연·노승철, 2012).

단, Yj^i는 i사례를 제거한 경우에 추정된 예측치(Yj^)이다.

구축된 DB를 활용하여 1인당 CO₂ 배출량과 지속가능한 도시 지표와의 잔차분석 및 Cook’s distance 분석을 시행하였으며, 이를 통해 이분산성을 개선하였고, 클리블랜드(Cleveland), 디트로이트(Detroit), 라스베가스(Las Vegas) 등 3개 도시는 분석에서 제외하였다. 조사 결과 25개 도시의 지속가능한 도시를 위한 정책 개수는 평균 30.24개로 나타났으며, 세인트루이스는 19개로 최저로 나타났으며, 샌프란시스코는 37개의 정책을 시행중에 있는 것으로 나타났다. 또한 1인당 CO₂ 배출량은 약 12.76 tCO₂로 나타났으며, 평균 소득은 약 5.2만 달러, 빈곤율은 약 20%, 평균 기업체 수는 약 14.6만개, 제조업의 매출액은 약 1,250만 달러, 고등학교 이상 교육률은 약 85%, 65세 이상 인구 비율은 약 11%, 평균 출근시간은 약 27분, 각 도시들의 평균 지하철 길이는 약 396km, 도시 개발 밀도는 약 128로 나타났다(표 4).