미세먼지가 서울시민의 행복에 미치는 영향과 가치

1. 대기오염과 삶의 질

대기오염은 개개인의 건강을 해치며, 각종 질병 및 호흡기질환, 폐암, 심장질환, 만성 폐쇄성 폐질환 및 천식 등의 직접적인 원인이 된다 (Darcin, 2014). 일반적으로 대기오염은 미세먼지를 비롯해 화학적 생물학적 인자들이 대기 중에 퍼지면서 발생하는데, 주로 화석연료의 사용과 자동차의 배기가스로 인해 증가한다. 최근 우리나라의 경우, 중국발 황사나 미세먼지로 인해 대기오염이 심각한 사회문제가 되고 있다. 세계보건기구 (WHO)는 미세먼지(PM10)와 초미세먼지(PM2.5)를 1급 발암물질로 지정하고 있는데, 그 이유는 대부분의 미세먼지는 코털이나 점막 등에 의해 걸러지지 않고, 몸속으로 침투하여 천식이나 폐질환을 유발하여 조기사망률을 증가시키기 때문이다.

대기오염은 전세계 심혈관계질환 원인의 2% 정도를 차지하며, 그 중 미세먼지는 성인 심혈관계질환으로 인한 사망 원인의 3%를 차지하고 있다(Cohen et al., 2004). 또한, 미세먼지는 폐암의 5%, 그리고 전세계　도시에 거주하는 어린아이들 호흡기질환으로 인한 사망원인의 1%를 차지하고 있다(Cohen et al., 2005). 뿐만 아니라, 미세먼지, 이산화질소, 이산화황, 오존과 같은 대기오염물질은 천식을 유발하며, 호흡기질환을 악화시킨다(Tatum and Shapiro, 2005).

이처럼 미세먼지와 같은 대기오염물질은 직접적으로 건강상의 문제를 일으키며, 이는 개개인의 삶의 질을 떨어뜨릴 뿐만 아니라 나아가 전반적인 행복수준을 저하시키는 원인이 된다. 최근 들어서, 과연 이러한 대기오염이 개개인의 행복수준을 떨어뜨리는지를 실증적으로 분석한 연구들이 국내외를 중심으로 진행되고 있으며, 대부분의 연구에서 대기오염의 증가는 개개인의 행복지수를 떨어뜨리고 있음이 실증적으로 나타나고 있다 (Ferreria et al., 2013; Levinson, 2012, Welsch, 2007, 김단야 외, 2017). 하지만, 안타깝게도 인구 천만이 사는 서울시를 사례로 진행된 연구는 여전히 없는 실정이다.

2. 대기환경에 대한 가치추정

삶의 질에 대한 관심이 높아지면서 대기오염을 줄이기 위한 정부의 노력이 증가하고 있지만, 과연 얼마만큼의 비용을 투자하여 얼마만큼의 대기오염을 줄이는 것이 합리적인가에 대한 논의는 부족하다. 깨끗한 공기는 돈으로 사고 팔수 있는 재화가 아니기 때문에 그 가치를 추정하는 것은 쉽지 않은 일이다. 그럼에도 학자들은 대기환경의 가치를 추정하기 위한 노력을 이어왔으며, 3가지 정도의 방법론이 많이 활용되어져 왔다. 첫째는 헤도닉모형(hedonic model)을 통해 주택가격에 반영된 대기환경의 가치를 추정하는 방법이 있다. 둘째는 사람들에게 직접 대기환경의 가치를 물어보는 조건부가치추정법(contingent valuation method: CVM)이다. 마지막으로 최근에 활용되고 있는 방법으로, 행복지수(happiness approach)를 활용하는 방법이다.

각각의 방법은 장단점을 가지고 있는데, 헤도닉모형은 다른 변수들을 통제했을 때, 지역에 따라 다르게 나타나는 대기환경 수준이 주택가격에 반영되는 정도를 가지고 그 가치를 추정한다. 하지만, 이와 같은 방법은 사람들이 주거지역을 선택할 때 대기환경이 좋은 곳을 이미 선택하는 선호선택(self-selection)의 문제를 고려해야 하는 문제가 발생하여 정확한 추정이 쉽지 않다 (Luechinger, 2009). 조건부가치추정법은 사람들에게 직접 대기환경의 가치를 물어보는 것이다. 하지만, 설문조사를 할 때 대기환경가치의 범위를 설정하여 물어보는 것이 일반적인데, 이때 설문자의 설계에 따라 가치의 범위가 다양해지는 편의가 발생한다 (Welsch and Kuhling, 2009). 마지막으로 최근 들어 활용되고 있는 방법으로 행복지수를 활용하는 방법이 있다. 관측하기 힘든 개인의 효용을 행복지수로 대체하는 방법으로, 개인의 효용에 미치는 여러 가지 변수들 설정한 후 이를 소득과 대체(tradeoff)되는 정도를 가지고 비용을 산정하는 방법이다 (Blanchflower and Oswald, 2004).

앞의 두 방법론은 그동안 다양하게 활용되어왔지만, 행복지수를 활용하는 방법은 국내보다는 해외에서 활발하게 진행되고 있다. Levinson (2012)은 미국을 대상으로 대기오염과 행복간의 관계를 분석하였으며 1μg/㎥의 미세먼지(PM10)을 줄이기 위해 개개인이 연간 900불정도의 비용지불 의사가 있음을 밝혔다. Ambrey et al.(2014)는 호주를 대상으로 분석하였는데, 가구소득의 10% 정도인 연간 약 5,000달러의 비용을 투자할 의사가 있음을 밝혔다. Zhang et al. (2017)은 중국을 대상으로 개개인이 연간 소득의 3.8%의 비용을 지불 할 의사가 있음을 보여주었다. 이처럼 많은 나라에서 도시민의 삶의 질에 대한 설문을 오랜기간 동안 진행하고 축적하여 이를 정책연구에 활용하려고 노력한 반면, 우리나라는 이와 같은 연구가 미진하다. 단, 최근 들어 국내에서도 삶의 질에 대한 관심이 높아지면서 삶의 질 데이터를 활용한 연구가 진행되고 있다(진장익 외, 2017; 진은애 외 2017). 또한 경기도를 대상으로 대기환경에 대한 가치를 행복지수를 활용해 추정하려는 노력 역시 시작되고 있다(김단야 외, 2017). 그럼에도 여전히 관련 사례 및 연구는 부족한 상황으로, 보다 다양한 각도로 대기환경의 가치를 바라볼 수 있는 삶의 질 데이터를 활용한 연구가 필요하다.

1. 연구의 자료

미세먼지와 서울시민의 행복과의 관계를 실증적으로 파악하기 위해 본 연구는 2005년~2015년 서울서베이 자료를 활용한다. 서울서베이는 지난 10여년간 진행되어온 설문조사로 서울시민들의 전반적인 삶의 지표와 행복수준 등의 항목들을 포함하고 있으며, 이는 서울시민들의 삶의 만족도를 높이기 위한 정책적 지표로 활용되고 있다. 아쉬운 점은 동일한 개개인을 반복 추적하여 하는 개인별 패널자료가 아닌, 매년 다른 샘플을 사용하기 때문에 시간에 따라 변화하는 개개인의 만족도 변화를 추적하기는 힘들다. 그럼에도 불구하고, 매년 50,000명의 샘플을 서울 전지역을 대상으로 구축하기 때문에 서울시민들의 삶의 만족도를 파악하는데 유용하다. 또한, 개개인과 가구의 개별특성을 설문항목으로 포함하고 있기 때문에 성별, 나이, 결혼여부, 주택특성, 교육수준, 가구소득 등의 자료를 활용하여 개개인의 행복에 미치는 여러 가지 요인들을 파악할 수 있다.

대기환경 자료는 서울시에서 제공하는 구별 대기오염자료를 활용하였다. 이 자료는 월단위로 제공되는 자료로 월 평균 일산화탄소 (CO), 이산화질소(NO2), 이산화황(SO2) 및 미세먼지(PM10) 와 초미세먼지(PM2.5) 농도를 제공한다. 본 연구에서는 대기오염 자료 중 사회적으로 가장 이슈가 되고 있는 미세먼지(PM10)와 초미세먼지(PM2.5)에 초점을 맞추어서 연구한다.

<그림 1>은 2005년부터의 2015년까지의 미세먼지의 평균 농도변화를 보여준다. 여러 언론에서는 최근 들어 미세먼지가 과거에 비해 증가한 것처럼 보도했지만, 미세먼지는 해마다 점차 감소하고 있는 추세에 있음을 알 수 있다. 그럼에도 미세먼지에 대한 관심이 높아진 이유는 소득의 향상으로 삶의 질에 대한 관심이 사회적으로 높아졌기 때문으로 판단된다. 또한 단시간 내 발생하는 미세먼지의 집중도가 과거에 비해 커졌기 때문에 실제 시민들이 체감하는 미세먼지에 대한 부정적 측면이 높아졌을 것으로 추측된다.

Figure 1.

Time trend of PM10 Level

<그림 2>는 미세먼지의 월별 평균농도변화를 보여준다. 보통 미세먼지는 가을부터 심해져서 봄에 가장 심해지고, 여름에는 감소하고 있음을 알 수 있다. 서울서베이가 일반적으로 10월에 진행되고 있기 때문에 본 연구는 미세먼지 자료 중 10월 데이터를 활용하였다. 미세먼지가 가장 심한 달인 3월부터 5월 자료를 사용하면 좋겠지만, 조사시점의 일치를 위해서는 10월 데이터 활용이 합리적이라 여겨진다. 또한 3~5월은 오히려 미세먼지가 사회적으로 이슈가 되는 기간으로 설문조사 응답에 편의가 발생할 수 있기 때문에, 10월 데이터를 사용하는 것이 오히려 유용할 것으로 판단된다.

Figure 2.

Box Plot: Monthly Mean Value of PM10

서울서베이에는 개인이 살고 있는 (구)단위의 공간적 위치정보가 포함되어 있다. 이러한 위치정보를 GIS를 통해 공간적으로 연결한 후, 11년간의 패널자료를 구축하여 연구를 진행하였다.

2. 분석모형

대기오염이 개개인의 행복수준에 어떠한 영향을 미치는지를 파악하기 위해 개개인의 효용함수를 활용해서 모형을 구축한다. 일반적으로 개인의 효용수준에 영향을 미치는 요인들은 다양하다. 일반적으로 개인의 소득과 개인별 특성이 가장 큰 요인이며, 환경적인 요인도 개인의 효용수준에 영향을 미친다. 이를 식(1)과 같이 표현할 수 있다.

식(1)

u: 개개인의 효용함수
y: 개인별 소득
x: 개인별 특성
z: 환경적 특성

일반적으로 개개인의 효용을 이론적으로는 나타내기 쉽지만, 실제적으로 관측하기는 어렵다. 따라서 최근 들어서 관측하기 힘든 개개인의 효용을 행복지수로 대체해서 활용하는 연구가 진행되어 왔다(Blanchflower and Oswald, 2004; Ferreira and Moro, 2010). 본 연구는 선행연구와 같이 효용식을 실증적으로 분석하기 위하여 식(2)와 같은 실증모형을 구축하였다.

식(2)

H_i,k,t : t시점에 지역k에 사는 개인i의 행복수준
Z_k,t : t시점에 지역k의 미세먼지 수준
Y_i,k,t : t시점에 지역k에 사는 개인i의 소득 (가구소득)
X_i,k,t : t시점에 지역k에 사는 개인i의 개별특성
θ_k : 공간고정효과
θ_t : 시간고정효과
θ_k×θ_t: 공간과 시간의 상호작용 고정효과
ϵ_i,k,t : 오차

이와 같은 모형을 통해 행복에 영향을 미치는 개개인의 소득 및 개별특성을 통제했을 때, 미세먼지의 수준이 얼마나 개개인의 행복에 영향을 주는지를 파악할 수 있으며, 특히, 공간적・시간적으로 다르게 나타날 수 있는 영향 정도를 고정효과(fixed-effects)변수를 통해서 통제할 수 있다. 뿐만 아니라, 식(2)를 통해 도출된 결과를 통해서 소득과 미세먼지의 한계대체율을 산출할 수 있다. 즉, 행복수준이 동일할 경우, 미세먼지와 소득의 한계대체율을 통해 개개인이 느끼는 미세먼지의 화폐가치를 추정할 수 있으며, 이를 미세먼지에 대한 개개인의 간접적인 비용지불의사(implicit Willingness To Pay)로 볼 수 있다. 식(2)를 Z에 관해 편미분하고 이를 정리하면 식(3)이 도출되는데 여기서 식(3)은 미세먼지와 소득의 한계대체율을 나타낸다.

식(3)

일반적으로 행복지수에 대한 설문은 점수(1~10점)로 표현하기도 하고, 매우만족, 다소만족, 만족, 다소불만족, 매우불만족 등의 등간 척도로 표현되기도 한다. 따라서 이와 같은 종속변수의 계수를 추정할 때는 일반적인 선형회귀식(Ordinary Least Square, OLS)이 아닌 순위형 프라빗모형(Ordered Probit Model)을 사용한다(Ambrey et al., 2014). 하지만, Levinson(2012)은 행복지수를 활용하여 계수를 추정할때에는 선형회귀식이나 프라빗모형이나 큰 차이가 없다고 설명하였다. 특히, 공공재에 대한 화폐가치를 추정하기 위한 한계대체율을 산출할 때에는 큰 차이를 보이지 않는다고 주장하였다. 본 연구는 선형회귀식과 순위형 프라빗 모형을 둘 다 활용하여 계수를 추정해보고자 한다.

1. 기술통계

<표 1>은 사용변수들의 기술통계를 나타내며, 분석에 사용된 총 샘플 수는 409,663개이다. 2005년부터 2015년의 지난 11년간 서울시민의 평균행복지수는 6.85점으로 100점 만점으로 환산하면, 평균 68.5점 정도라고 할 수 있다 (<그림 3> 참고).

Table 1.

Descriptive Statistics (N: 409,663)

Figure 3.

Distribution of Happiness

설문 응답자중 결혼한 사람은 62%였으며, 여성이 50%로 남녀가 비슷한 비율이었다. 평균 월 가구소득은 2015년을 기준으로 환산하였을 때, 408만원정도이며, 57%의 가구가 주택을 소유한 것으로 나타났다. 아파트에 사는 비율은 37%였으며, 대졸이상의 교육을 받은 응답자는 31%로 나타났다. 평균나이는 43세였으며, 60%정도가 직장인으로 분석되었다. 또한 미세먼지(PM10)는 평균 41μg/㎥, 초미세먼지(PM2.5)는 19μg/㎥으로 나타났다. 초미세먼지는 2013년부터 자료가 제공되기 때문에 2013년 이후부터 2015년까지 3년간의 평균이다.

2. 실증모형 분석결과

<표 2>는 실증모형 분석결과이다. 우선 기본 변수들을 사용해서 OLS로 추정한 후, 순위형 프라빗모형과 비교분석하였다. 추정결과의 일관성여부를 확인하기 위해 우선적으로 주요변수인 미세먼지농도만을 넣어서 분석하였으며 (모형 1), 그다음으로 가구소득(모형 2), 개인별특성(모형 3), 고정효과변수(모형 4)를 차례대로 추가하여 분석하였다.

Table 2.

Results of Happiness and PM10l

분석결과, 미세먼지의 계수가 조금씩 변하였는데, 특히 고정효과변수를 추가하였을 때 계수의 변화가 크게 나타남을 알 수 있었다. 보다 자세한 검증이 필요하겠지만, 이는 개개인의 행복이 개개인의 특성뿐만이 아니라 공간이나 시간적인 요인에 의해서도 변화하기 때문인 것으로 여겨진다. 고정효과변수를 추가하더라도, 다른 변수들의 계수값이 크게 달라지지는 않는 것으로 보아 모형이 적절하게 설정되었다고 판단된다. 추가적으로 순위형 프라빗 모형으로 계수를 추정해본 결과, 계수값의 약간의 변동이 있었으나, 눈에 띄게 변하는 값들은 없는 것으로 나타나 모형이 적절하게 설정되었다고 판단된다.

선행연구들을 따라 본 연구도 순위형 프라빗 모형을 통해 계수값을 설명하면, 미세먼지(PM10)가 증가하면 예상한대로 개개인의 행복지수는 떨어지는 것으로 나타났다. 특히 PM10이 한단위(μg/㎥) 증가할 때, 행복지수는 0.02정도 떨어지는 것으로 확인되었다. 또한 가구소득이 높아질수록 행복지수는 크게 상승하는 것으로 나타났으며, 결혼여부는 행복지수를 높이는 것으로 분석되었다. 응답자 중에서 여성일수록 행복지수가 낮게 나타났으며, 주택을 보유할수록 행복지수는 높아지는 것으로 확인되었다. 더불어 교육수준이 높아질수록 행복지수는 높아지는 것으로 나타났으며, 나이가 많아질수록 행복지수는 점점 감소하는 것으로 분석되었다.

모든 변수들이 선행연구들에서 분석했던 결과와 일치했던 반면, 나이변수는 반대로 나타났다. 행복지수에 영향을 미치는 많은 연구들에서 나이는 행복지수와 U자형태의 관계를 보인다고 설명한다(Blanchflower and Oswald, 2004). 예를 들어, 젊은 시절에는 행복지수가 높아졌다가, 중년시기에는 과중한 업무와 성공에 대한 스트레스로 인해 행복지수가 감소하며, 말년에는 다시 행복지수가 높아진다는 설명이다. 다른 연구들이 개인을 추적해 연구한 패널자료를 가지고 분석했다는 점에 본 연구와 차이가 있긴 하지만, 우리나라의 경우 노인복지를 중시하는 선진국과는 달리 노년생활에 대한 지원이나 복지 등 정책적 배려가 부족하고, 어쩌면 지금 노인들에게는 다함께 성장하고 발전했던 중년기가 더 행복했을지도 모르기 때문에 나타난 결과라고 여겨진다. 더불어 우리나라는 연령대별로 살아온 시대적・사회적 환경이 다르기 때문에 인구구조에 따른 행복지수 변화가 다양하게 나타날 것으로 여겨진다. 이에 대한 보다 다양한 후속연구가 진행되어야 함을 밝혀둔다.

3. 미세먼지 감소에 대한 서울시민들의 비용지불의사 추정

모형부분에서도 설명했지만 행복지수를 활용하면, 소득과 미세먼지에 대한 한계대체율을 산출할 수 있으며, 이는 간접적으로 미세먼지 감소에 대한 화폐가치를 추정할 수 있는 하나의 방법이 될 수 있다. <표 2>에 마지막 부분을 보면, 미세먼지 1μg/㎥을 줄이기 위해서 서울시민은 가구소득중에서 한 달에 273,242원의 비용을 지불할 의사가 있는 것을 알 수 있다. 이는 평균 가구소득의 6.68%에 해당된다. 선진국을 중심으로 해외의 여러 도시들에서 이미 유사한 연구가 진행되어왔다. 본 연구에서 추정된 비용지불의사가 해외의 경우와 어느 정도 차이가 나는지를 비교해 보았다. 중국의 경우, 미세먼지 1μg/㎥을 줄이기 위해서 개인 소득별 연간 3.8%의 비용을 투자할 의사를 나타냈고(Zhang et al., 2017), 호주의 경우 연간 약 5,000달러인 가구소득의 10%정도를 지불할 의사가 있었으며(Ambrey et al., 2014), 미국의 경우는 연간 약 838달러의 비용지불의사를 나타냈다(Levinson, 2012). 이러한 결과를 비교해 보았을 때 도시마다 다소 차이가 있긴 했지만, 그 차이가 크지는 않으며, 서울시도 세계적 추세와 비교해 보았을 때 적정 수준의 비용지불의사를 보이고 있음을 알 수 있었다. 하지만 보다 면밀하게 비용지불의사에 관한 세계도시와의 비교연구도 후속연구로 진행될 필요가 있음을 밝혀둔다.

OLS로 추정한 모형(4)와 순위형 프라빗 모형으로 추정한 결과가 약간의 차이가 있긴 했지만 큰 차이가 아님으로 봐서 모형이 적절하게 설정되었음을 확인할 수 있다. 또한, 누락변수(Omitted variables)로 인해 발생하는 오차를 확인하기 위해 모형의 강건성 검증(Robustness Check)을 하였다. 미세먼지에 영향을 줄 수 있는 공간변수들, 예를 들어 교통체증으로 인한 배기가스 배출이나 미세먼지를 경감시켜줄 수 있는 녹지비율 등은 미세먼지와 상관관계에 있을 수 있기 때문에 이를 고려한 모형을 설정해 계수 값의 변화를 확인해보았다. 특히, 미세먼지에 직접적인 영향을 줄 수 있는 여러 변수들 중, 공원녹지비율, 승용차 등록수, 화물차 등록수, 그리고 인구밀도를 사용하였다. 결과를 간단히 설명하면 <표 3>에서 보는 바와 같이, 공원면적이 증가할수록 행복지수는 증가하는 것으로 나타났으며, 대기오염 증가에 영향을 미치는 승용차나 화물차의 증가는 행복지수를 떨어뜨리는 것으로 나타났다. 또한 여러 변수들을 추가하여도 미세먼지의 계수는 크게 달라지지 않음을 확인할 수 있었고, 이를 통해 모형이 잘 설정되었음을 확인할 수 있었다.

Table 3.

Robustness Check

4. 그룹별(소득, 연령, 성별) 미세먼지와 행복과의 관계

미세먼지에 대한 민감도는 서로 다른 집단에서 다르게 나타날 수 있다. 예를 들어, 연령이 낮은 계층과 높은 계층이 느끼는 대기질에 대한 느낌은 다를 수 있고, 이는 개개인의 전반적인 삶의 행복지수에 직간접적인 영향을 미칠 수 있다 (Zhang, et al., 2017). 본 연구는 <표 4>와 같이 소득, 연령, 성별에 따라 미세먼지와 행복과의 관계에 차이가 있는지를 실증적으로 분석해보았다. 소득별로 미세먼지와 행복과의 관계를 실증 분석한 결과, 고소득그룹의 미세먼지 계수가 음(-)의 방향으로 높게 나타났다. 하지만, 저소득 그룹에서 통계적으로 미세먼지와 행복과의 관계가 유의하지 않았다. 이러한 이유는, 고소득그룹이 보통 삶의 질에 대한 관심이 더 높고, 대기오염과 같은 환경오염에 민감하게 반응하기 때문이며, 저소득층의 경우 미세먼지에 대한 반응이 직접적인 행복수준까지 영향을 주지 않기 때문으로 판단된다. 계수값을 자세히 들여다보면 저소득층의 행복에 있어서는 주택소유여부나 교육수준, 직업유무가 더 크게 작용하는 것으로 나타났다. 종합해보면 저소득층의 행복에는 환경적 측면보다는 사회경제적인 부분이 더 크게 작용하고 있음을 알 수 있다.

Table 4.

Results of Subgroup Models

연령별 미세먼지와 행복과의 실증분석 결과, 65세이상의 그룹에서는 미세먼지와 행복의 관계가 통계적으로 유의하지 않았다. 반면, 40세이상 65세미만의 그룹과 40세미만의 그룹에서는 미세먼지가 행복수준을 떨어뜨리는 것으로 나타났다. 특히, 40-65세 그룹보다 40세미만의 그룹에서 미세먼지의 증가가 행복수준을 더 크게 떨어뜨리는 것으로 나타났으며, 40세미만 그룹이 40-65세 그룹에 비해 두 배 이상의 비용지불의사를 보였다. 다양한 해석이 있을 수 있지만, 아마도 영유아의 자녀를 둔 부모가 40세미만의 그룹에서 많기 때문인 것으로 판단된다. 실제로 해외의 연구에서도 6세미만 영유아 자녀가 있는 그룹에서 미세먼지의 증가가 행복수준을 더 떨어뜨리는 것으로 분석되었다(Zhang, et al., 2017). 물론 보다 세부적인 분석과 검증이 필요하지만, 자료의 한계상 보다 세부그룹을 나누는 것이 쉽지 않았음을 밝혀둔다.

마지막으로 성별에 따른 미세먼지와 행복의 관계에 관한 실증분석 결과, 예상한대로 남성보다 여성일수록 더욱 미세먼지에 민감하며, 미세먼지의 증가가 행복수준을 크게 떨어뜨리는 것으로 나타났다. 특히, 여성은 남성에 비해 미세먼지를 감소시키는데 대해 2.5배정도 많은 비용을 지불할 의사가 있음을 알 수 있었다. 남자의 경우는 미세먼지와 행복의 관계가 통계적으로 유의하지 않았다. 이는 서울 여성시민들을 위한 미세먼지 관련 정책적 배려가 필요한 대목이다. 오히려 남자의 경우는 여성보다 직업의 유무가 행복수준과 더 큰 상관관계를 가지는 것으로 나타났다. 이와 같은 결과는 미세먼지에 대한 감축노력도 정책적으로 중요한 문제이지만, 미세먼지에 대한 대응방안을 수립할 때에는 더 민감한 계층을 대상으로 정책을 마련하는 것이 필요함을 시사한다.

5. 초미세먼지(PM2.5)와 행복과의 관계

마지막으로 초미세먼지와 행복과의 관계에 관한 실증분석을 하였다. 최근 들어, 미세먼지 뿐만이 아니라 초미세먼지(PM2.5)에 대한 관심이 사회적으로 높아졌기에 과연 초미세먼지와 행복과의 관계는 어떻게 다르게 나타나는지를 실증적으로 분석해보았다. 한 가지 아쉬운 점은 초미세먼지에 대한 관측은 장기간동안 이루어지지 못했다는 것이다. 서울시에서 제공하고 있는 초미세먼지에 대한 자료는 2013년 이후부터이기 때문에, 2005년부터 조사된 서울서베이 자료를 최대로 활용할 수는 없었다. 그럼에도 2013년부터 2015년까지의 자료를 가지고 실증분석을 시도하였다.

<표 5>는 초미세먼지와 행복과의 실증분석 결과이다. 초미세먼지의 증가는 서울시민의 행복수준을 떨어뜨리고 있음으로 나타났다. 특히, 0.1μg/㎥의 초미세먼지를 줄이는데 서울시민의 간접적인 비용지불의사는 25~30만원 정도인 것으로 분석되었다. 이는 서울시민이 미세먼지를 줄이는 비용보다 더욱 많은 비용을 초미세먼지를 줄이는데 투자할 의사가 있음이 확인되는 부분이다. 또한 <표 6>에 제시된 것과 같이, 초미세먼지에 대한 비용지불의사 역시 미세먼지에 대한 결과와 유사하게 분석되었다. 특히 40대 이하 계층에서 초미세먼지에 대한 비용지불의사가 가장 크게 나타났으며, 성별 간에는 큰 차이를 보이지 않았다. 주의할 점은, 미세먼지와 초미세먼지의 농도 및 인체에 주는 영향 정도가 다르기 때문에 계수값을 단순히 비교하기는 어렵다는 점이다. 또한, 분석에 사용한 데이터가 동일하지도 않기 때문에 계수값이나 비용지불의사에 대한 부분을 비교하기가 쉽지 않다. 따라서 미세먼지와 초미세먼지의 농도를 얼마나 감소시키는 것이 보다 쾌적한 대기환경을 만들 수 있는지에 대한 세세한 검토는 본 연구의 범위를 벗어나는 점을 밝혀둔다. 그럼에도 불구하고, 미세먼지와 초미세먼지가 행복에 미치는 영향을 실증적으로 판단한 부분에 연구의 의의가 있다.

Table 5.

Results of Happiness and PM2.5

Table 6.

Results of Subgroup Models