CVM을 활용한 이륜자동차 정비제도 도입 시 이용자측면 기대효과 분석

1. 연구의 배경 및 목적

이륜자동차는 저렴한 구입비용 및 주차공간 확보 용이성 등으로 인하여 단거리 이동시 편의성이 높은 장점이 있다. 통계청 자동차등록현황에 따르면, 이륜자동차 신고대수(2012년부터 포함된 배기량 50cc 미만 제외)는 2001년 170만대에서 2015년 198만대로 연평균 1.1% 증가하였고, 전체 자동차 2,315만대 중 이륜자동차(50cc 미만 포함)는 216만대로 약 9.3%의 비교적 높은 비중을 보이는 것으로 조사되었다.

차량을 유지관리하기 위한 제도로서 자동차관리법을 통해 지정정비사업자의 시설 및 인력기준을 제시하고 있다. 하지만, 이륜자동차는 자동차관리법 제3조 제1항¹⁾에서 자동차의 한 종류로 구분됨에도 불구하고, 자동차관리법 제2조 제8항²⁾에 의해 정비업 대상에서 제외되어 있다. 이로 인해 전문정비소 양성이 어려워 판매소에서 매매와 정비를 겸하게 되고, 불법정비 및 불법개조가 발생해도 마땅한 행정규제 수단의 부재로, 이용자들도 이륜자동차 정비에 관한 불만이 제기되고 있는 상황이다.

따라서, 본 연구에서는 이러한 상황을 감안하여 사륜자동차와 같이 이륜자동차의 전문정비업 지정을 통한 시설기준을 설정하고, 국가공인자격제도를 통한 전문정비인력이 이륜자동차 정비업을 수행하는 가상의 시나리오를 설정하여, 정비제도 도입시 이륜자동차 이용자의 정비에 관한 신뢰도 및 만족도 제고에 대하여 기존 정비비용과는 별도의 추가 지불의사금액(WTP : Willingness to Pay)을 추정하여 제도도입의 효과를 분석하고자 한다.

2. 연구의 범위 및 수행절차

연구의 범위는 국내 이륜자동차 전체로 설정하였으며, 시간적 범위는 구득 가능한 최신시점의 자료를 기준으로 하였다.

본 연구의 수행절차는 <그림 1>과 같이 선행연구 검토 후, 연구방법론의 설정, 조건부가치측정법(CVM : Contingent Valuation Method) 분석, 정비제도 도입효과 분석, 결론 순으로 구성하였다.

Figure 1.

Flow Chart

선행연구에서는 정비제도의 현황 및 차량 정비관련 연구, CVM의 이론적 고찰 및 적용사례를 검토하였다. 연구방법론 설정에서는 시나리오를 설계하고 연구모형을 설정한 후, 조사대상을 설정하고 설문조사를 수행하였다. CVM 분석에서는 조사된 설문조사결과를 검토하고, 적합한 CVM 분석모형 적용을 통해 WTP를 도출하였다. 이후 정비제도 도입효과 분석에서는 모집단의 속성을 종합적으로 고려하여 도출된 WTP를 토대로 제도 도입 시 기대효과를 분석하였다. 마지막으로, 결론에서는 본 연구의 결론 및 향후 연구과제를 도출하였다.

1. 정비제도 관련현황

이륜자동차는 자동차관리법 제3조 제5항에 의해 자동차의 종류 중 한가지로 구분되어 있다. 하지만, 정비업에 관련된 국내 규정인 자동차 관리법 제2조 제8항 에서는 이륜자동차를 자동차 정비업에서 제외하고 있다. 일반자동차의 정비소는 자동차관리법 시행령에 의해 자동차종합정비업, 소형자동차정비업 등으로 구분되어 시설기준 및 관련 국가공인자격증 소지에 관한 규정이 명시되어 있으나, 이륜자동차는 관련규정의 부재로 일명 오토바이센터 등 판매와 정비를 겸하는 곳에서 이루어지고 있는 실정이다. 이로 인해 전문정비소 및 정비인력 양성이 구조적으로 어려운 문제점이 있다.(이지선 외, 2014; 방수혁․이지선, 2013)

이륜자동차 정비 분야는 자동차 관리법에서 제외되어 있으나, 사업체 관련 통계에서는 모터싸이클 수리업으로 별도 집계된다. 통계청(2014년 기준)에 의하면 모터싸이클 수리업의 사업체수는 전국 3,050개소, 종사자수는 3,864인으로 제시되어 있다. 일반 자동차 수리업과의 비교를 위하여 <표 1>과 같이 업종별로 종사자수 및 사업체수 등을 비교하였다. 자동차 수리업은 종합수리업 및 전문수리업으로 구분되는데, 종합수리업의 사업체당 종사자수는 6.60인으로 비교적 높은 반면, 전문수리업은 1.24인으로 다소 낮은 수준으로 나타났다. 이륜자동차 사업체당 평균 종사자수는 1.27인 수준으로 자동차 수리업 1.67인에 비해 소규모인 것으로 나타났다. 이륜자동차 사업체 1개소 당 담당하는 차량대수는 일반 자동차 대비 약 2.7배, 종사자 1인당 차량대수는 약 3.5배 더 많은 것으로 검토되었다.³⁾

Table 1.

Comparison of the Number of establishments and workers (2014)

2. 차량정비 관련 연구

이륜자동차 차량정비에 관한 기존연구는 매우 부족한 상황이며, 대부분 일반자동차의 차량정비 서비스수준이 고객만족도에 미치는 영향을 분석하는 형태의 연구가 다수 있는 것으로 검토되었다.

이지선 외(2014)에서는 이륜자동차 정비제도 도입을 위한 선행조건 및 시행방안에 관한 정책방안을 제시하였다. 김형길․오영희(2003) 및 윤성환(2012)은 자동차 정비 서비스센터 이용 고객을 대상으로 한 설문조사를 토대로, 구조방정식 모형 또는 SERVQULA 모형⁴⁾을 통해 정비서비스 품질이 고객의 만족과 신뢰에 정(+)의 영향을 미치는 것으로 분석하였다. 홍은실․이민희(2010)는 설문조사를 통해 정비서비스의 품질, 소비자 만족도, 충성도, 자동차 특성에 관한 특성을 조사하여 서비스품질이 충성도와 소비자 만족도에 영향을 미치는 것으로 분석하였다. 문창선․양해술(2014)은 설문조사 결과에 대한 회귀분석을 통해 정비서비스 품질이 고객만족에 중요 요소임을 확인하였다. 정기한․장태석(2008)은 설문조사 결과를 토대로 요인분석 및 구조방정식 모형을 통해 정확한 서비스 수행능력과 약속의 신뢰성이 고객만족에 영향을 미치는 것으로 분석하였다.

3. 조건부가치측정법(CVM) 이용 연구

비시장재의 가치를 화폐화하기 위한 3가지 방법(헤도닉 가격기법, 여행비용법, 조건부 가치측정법) 중 조건부 가치측정법은 실제로 시장이 존재하는 것처럼 가상적 시장을 설정하고 설문조사를 통해 소비자들의 지불의사금액(WTP)을 측정하여 비시장재에 대한 가치를 직접적으로 측정하는 방법이다.

국내의 경우 한국개발연구원(KDI)에서 비정형사업(일반적인 도로․철도를 제외한 사업, 기대효과가 특정되지 않고, 다양하게 도출될 수 있는 사업 등)의 예비타당성조사 단계에서 주로 활용되고 있다. 또한, 국내 연구 분야에서도 다양한 방면에서 활용되고 있다. 표순희(2012)는 CVM을 활용하여 공공도서관의 가치를 비교 연구하였다. 김태영 외(2013)는 해양바이오 에너지 사업으로 저감되는 온실가스 감소편익을 추정하였다. 김동주․신승도(2007)에서는 DMB 데이터 방송에 대한 소비자 지불의사액 및 경제적 가치를 추정하였다. 이주형․김명주(2011)는 문화유산자원의 보전가치를 평가하는데 CVM을 활용한 바 있다. 에너지경제연구원(2014)은 신재생에너지의 지불의사액 추정을 위해 로지스틱 회귀분석을 적용하였다.

<표 2>와 같이 교통분야에서도 다양한 연구주제로 CVM을 활용하고 있는 것으로 나타나, 설문방법 및 적용모델을 비교 및 검토하였다. 유정복․이성준(2014)은 교통사고의 심리적 비용을 측정하기 위해 오프라인 개별면접조사를 통해 로짓모형을 활용하였다. 임정현 외(2007)는 대중교통서비스 개선의 가치측정을 위해 오프라인 개별면접조사를 통해 로짓 및 프로빗 모형을 활용하였다. 이윤정 외(2015)는 교통사고 긴급통보 시스템의 가치측정을 위해 온라인 면접조사를 통해 회귀분석 및 토빗모형을 활용하였다. 최정윤․유정훈(2013)은 VMS에서 표출되는 교통정보의 가치측정을 위해 토빗모형을 활용한 것으로 검토되었다. 설문방식 검토결과, 오프라인 개별면접조사가 대부분이지만, 최근에는 조사의 어려움으로 온라인 조사를 병행 또는 단독으로 수행하는 것으로 나타났다.

Table 2.

Survey List

4. 시사점 도출

선행연구 검토결과, 이륜자동차 정비에 관련된 연구는 매우 제한적인 것으로 나타났으나, 일반자동차의 차량정비에 관한 연구에서는 서비스 수준이 고객만족에 영향을 미치는 것으로 분석된 바 있다. 따라서, 이륜자동차 정비제도가 도입될 경우 이용자의 만족도 및 신뢰도는 제고될 것으로 추정할 수 있다. 이에 대한 가치평가는 다양한 선행연구에서 수행된 조건부 가치측정법(CVM)을 수행하여 분석 가능한 것으로 판단된다.

1. 시나리오 설계

5) 설문 구성

설문지의 내용은 총 3개 부분 12개 문항으로 설정하였다. 가급적 불필요한 개인정보에 대한 질의를 최소화하여 설문의 응답성 및 신뢰성을 향상시키고자 하였다.

첫 번째는 이륜자동차의 제원 및 경력에 관한 부분으로, 이륜자동차의 보유여부, 이륜자동차의 배기량 및 연식, 운전경력, 최근 1년간 정비횟수 및 소요금액을 구성하였다.

두 번째는 가상 시나리오에 대한 연간 추가 지불의사금액에 관한 부분이다. 우선 가상의 정비제도가 도입될 경우, 본인의 만족도 및 신뢰도가 증진될 것으로 판단하는지에 대해 질의하였다. 답변을 “예”로 한 응답자에 한해 최초 추가 지불의사금액(6단계 무작위)을 질의한 뒤, <표 3>과 같이 답변에 따라 두 번째 추가 지불의사금액(“예” 선택시 첫 번째 금액의 약 2배, “아니오” 선택시에는 약 1/2배 수준의 금액)을 질의하였다.

Table 3.

Additional Suggestion Cost

마지막으로는 개인정보에 관한 부분으로 응답자의 연령대 및 성별, 거주지역(광역시도 단위)에 대해 질의하였다.

2. 표본 설계

본 연구의 목적은 이륜자동차의 정비제도 도입 시 기대효과를 도출하기 위한 것이므로, 모집단은 국내 이륜자동차 이용자가 해당된다. 따라서 표본집단은 이륜자동차 이용자만을 대상으로 설정되어야하기 때문에 국내 이륜자동차 이용자들 대상으로 설정하였다. 조사된 표본수는 총 292부(오프라인 108부, 온라인 184부)⁵⁾이며, 개별면접조사 만으로는 충분한 표본을 확보하기 어려워 온라인조사를 병행하였다. 오프라인조사는 사전교육을 통해 내용을 충분하게 숙지한 설문조사원을 활용하여 2016년 9월 29일～30일간 서울시 동대문구 일원에서 수행하였으며, 온라인조사는 포털사이트 동호회 사이트의 협조를 통해 2016년 9월 22일~10월 14일간 실시하였다.⁶⁾

3. 연구모형 설정

본 연구에서는 이중양분선택형(DB-DC)으로 설문조사를 수행하였으나, 가치측정분석시에는 단일양분선택형(SB-DC)의 첫 번째 추가지불의사 응답만을 종속변수로 활용할 경우와, 이중양분선택형(DB-DC)의 두 번째 추가지불의사 응답을 종속변수로 설정할 경우로 구분하여 수행하였다. 선행연구에서 이중양분선택형(DC-DC) 및 단일양분선택형(SB-DC)중 한 가지를 선택하여 활용하고 있으나, 실증연구에서는 단일양분선택형(SB-DC)의 적용 사례가 더 많은 것으로 나타났다. 이는 이중양분선택형(DC-DC) 질문법이 정보량이 크게 증가하고 통계적 비효율성이 상당히 해소되는 장점이 있으나, 한국개발연구원(2015)과 Bateman et al(2001)에서는 이중양분선택형 질문에서는 내적 일관성이 결여됨을 사유(첫 질문에서 “Yes”를 응답한 사람이 관성적으로 두 번째 질문에서도 “Yes”를 응답할 가능성이 높은 현상)로 두 번째 응답을 활용하지 않는 것으로 권고하였기 때문이다.

추가지불의사금액 추정을 위해 Henemann (1991)의 확률모형을 사용하였다. Henemann이 제시한 확률효용모형은 응답자가 자신의 효용함수를 인지하고 있으며, 소득(y)과 개인특성(s)에 의해 서비스 수준변화에 대해 느끼는 효용(υ(j,y;s))을 표현할 수 있지만, 연구자가 관찰할 수 없는 부분이 존재하기 때문에 효용함수는 “식(1)” 같은 확률적인 요소(ϵ_j)를 갖게 된다. 이때, 응답자가 서비스에 대한 지불의사(B)에 대한 질문에 “예”라고 응답하는 경우의 효용함수는 “식(2)”와 같다.

효용극대화 문제에 직면한 각 응답자(i = 1,....,N)는 제시금액(B)을 지급할지 여부에 대해 “예” 또는 “아니오”로 응답할 수 있으며, 이는 “식(3)”과 같다. 이는 응답자의 선택에 따라 “1” 또는 “0”의 값을 가지는 지시(Indicator) 함수로 구성할 수 있다.

효용극대화를 추구하는 응답자 N명의 표본을 가정할 경우, i번째 응답자의 응답결과를 구분하여 “식(4)”와 같이 로그우도 함수로 구성할 수 있다.

“식(4)”의 G_c(B)를 로지스틱 분포로 가정하면, “식(5)”와 같이 정형화 할 수 있으며, WTP의 평균값(overall mean)은 “식(6)”과 같이 계산된다. 본 분석에서는 “SPSS 19”를 이용하여, 이분형 로지스틱 회귀모형을 활용하였다.

1. 설문결과 분석

회수된 표본 292개를 검토한 응답자의 개별특성은 <표 4>와 같다. 분석결과, 남성이 대부분(98.3%)이며, 대부분 20대~30대(67.4%), 수도권 거주자(77.7%)로 나타났다.

Table 4.

Analysis of Individual Characteristics

이륜자동차 운전경력은 대부분 5년 이하(53.7%), 차령은 대부분 5년 이내(73.6%)인 것으로 나타났다. 배기량 기준으로 볼 때, 대형(260cc 초과)이 46.7%로 나타났는데, 실제 통계청 이륜자동차 신고대수 기준(2015년)으로는 대형이 3.1%에 불과하기 때문에 대형 차량 과다로 인한 편의(bias)가 우려된다. 따라서 분석시 이에 대한 극복방안이 필요한 것으로 판단된다.

응답자의 이륜자동차의 정비현황은 <표 5>와 같다. 검토결과, 1년간 정비횟수는 5회 이하가 63.3%로 대부분이며, 정비금액은 40만원 초과가 46.9%로 가장 많은 것으로 나타났다.

Table 5.

Analysis of Repair Status

총 응답자 292명 중, 정비제도 도입시 추가비용 지불의사를 나타낸 223명(76.4%)에 대하여, <표 6>과 같이 보유하고 있는 이륜자동차 배기량(260cc 이하, 260cc 초과)별로 첫 번째 질문(SB-DC)을 이용하여 추가 지불의사금액의 수락비율을 분석하였다.

Table 6.

Accepted Rate of Additional Payment(1st Bid)

전반적으로 제시금액이 증가할수록 수락비율은 감소(1만원 수락비율 76.3%, 10만원 수락비율 17.9%)하며, 대형(260cc 초과)에 비해 중소형(260cc 이하)의 제시금액에 대한 수락비율이 상대적으로 적은 것으로 분석되어 설문조사결과는 합리적인 것으로 판단된다.

이륜자동차 배기량별 이중양분(DB-DC)에 의한 추가 지불의사금액의 수락비율은 <표 7>과 같다.

Table 7.

Distribution of Addtional Payment(2nd Bid)

첫 번째 제시금액이 2만 원 이하에서, 첫 번째 제시금액을 수락(Y)했을 경우, 두 번째 제시금액도 수락한 비율이 더욱 높은 것(Y-Y의 비율이 Y-N 보다 높음)으로 분석되었다. 반면, 첫 번째 제시금액 5만 원 이상에서, 첫 번째 제시금액을 거절(N)했을 경우, 두 번째 제시금액도 거절한 비율이 더욱 높은 것으로 나타났다.

두 번째 제시금액의 수락여부를 포함한 결과는 <표 8>과 같다. 제시금액별 수락비율을 보면, 모든 차종에서 제시금액이 5천원에서 5만원으로 증가할수록 수락비율이 감소하는 패턴이 나타나지만, 6만 원 이상인 경우에서는 수락비율이 100%인 것으로 나타났다. 이는, 두 번의 질문에서 모두 “Yes”를 선택한 비율이 높기 때문으로 판단되는데, 이로 인해 SB-DC에 비해 분포의 합리성은 저하되는 것으로 판단된다.

Table 8.

Distribution of Addtional Payment Rate(2nd Bid)

2. 모형 분석결과

다양한 변수 중 추가금액 지불의사(WTP)에 영향을 미치는 변수를 검토하기 위하여 응답자의 개별특성 및 정비 현황 등을 모두 반영하여 이분형 로지스틱 회귀모형을 분석하였다. 분석시 적용한 개별특성 변수는 <표 9>와 같이 재분류 하였다. 우선 제시금액은 천원단위로 구성하였으며, 배기량은 “중소형(260cc 이하)” 및 “대형(260cc 초과)” 2가지로 구분하였다. 아울러 이륜자동차 운전경력은 “5년 이하” 및 “5년 초과” 2가지로 구분하였고, 이륜자동차 차령은 0년부터 11년 이상으로 구성하였다.

Table 9.

Analysis of Explanatory variables

첫 번째 제시금액 수락여부를 기준으로 이분형 로지스틱모형 적용시 우선 여러 가지 설명변수를 포함하여 이륜자동차 전체 표본을 대상으로 <표 10>과 같이 분석하였다.

Table 10.

Estimation model of WTP(1st BID)

분석결과, 지불금액(BID, 천원) 및 배기량(Displacement)이 유의미한 변수로 도출되었다. 이와 같은 결과는 <표 6>과 같이 배기량별로 추가 지불의사금액이 상이하기 때문이며, 표본의 대형차량 비율이 <표 4>와 같이 모집단에 비해 과도하게 도출되어 분석상 편의(Bias)가 발생할 가능성이 매우 높을 것으로 우려된다.

따라서, 배기량별(중소형 및 대형)로 구분하여 추가 지불의사금액에 대한 분석을 수행하였다. 아울러, 많은 선행 연구 및 KDI(2015)에서는 공변량 없이 지불금액과 상수항을 대상으로 WTP를 도출하는 것을 권장하여 분석시 다른 설명변수는 제외하여 분석하였다.

첫 번째 제시금액 수락여부를 기준으로 중소형 및 대형을 구분하여 <표 11>과 <표 12>와 같이 분석한 결과(SB-DC), 추가 지불의사금액과 상수항 모두 유의확률 5% 이내를 만족하는 것으로 나타났다. 또한, 지불금액(BID)에 대한 계수의 부호는 음(-)으로 나타나 제시가격이 높을수록 추가 지불의사가 감소하는 것으로 나타나 경제이론의 합리성에 부합되는 것으로 판단된다. Hosmer Lemeshow 검정은 추정된 모형이 적합할 경우, 카이제곱(Chi2)의 분포를 따르게 되는데, 유의확률이 0.05보다 크게 나타나 적합한 것으로 분석되었다. 아울러 예측의 적중도도 67.9%~73.5%로 나타나 양호한 수준으로 판단된다.

Table 11.

Estimation model of WTP(1st BID, ≤260cc)

Table 12.

Estimation model of WTP(1st BID, > 260cc)

두 번째 제시금액 수락여부를 기준으로 중소형 및 대형을 구분하여 <표 13>과 <표 14>와 같이 분석한 결과(DB-DC), 지불금액의 유의확률이 5%를 상회하고, Hosmer Lemeshow 검정결과도 유의확률이 0.05보다 적게 나타나 적합하지 않은 것으로 분석되었다. 이와 같은 결과는 <표 8>과 같이 제시금액별 수락비율의 합리성이 저하되었기 때문으로 판단된다.

Table 13.

Estimation model of WTP(2nd BID, ≤260cc)

Table 14.

Estimation model of WTP(2nd BID, > 260cc)

따라서 추가 지불의사금액(WTP) 추정시에는 이중(DB)양분선택형에 비해 상대적으로 적합하게 도출된 단일(SB) 양분선택형 모형 추정결과를 활용토록 하였다.

3. 정비제도 도입효과 분석

KDI(2015) 관련지침에서는 CVM 수행시 모형분석에서 추정된 WTP^*(식 7)에 지불의향자의 가중치를 고려하여 최종 WTP를 도출하도록 제시하고 있다. 이는 <표 15>와 같이 모형 분석시 미지불의사를 보인 23.6%의 표본(총 292개 응답중, 223개 응답에서 지불의사 표현)은 분석대상에서 제외하였기 때문이다.

Table 15.

Expected Effect of Introduction of Repair System(Unit : won/vehicle, Billion won/year)

도출된 이륜자동차 이용자의 추가 지불의사금액을 차종별 이륜자동차 신고대수에 곱하면, 이는 이륜자동차 정비제도에 따른 기대효과로서 연간 편익으로 계상 가능하다. 분석결과, 모형에서 도출된 WTP^*는 중소형(≤260cc) 2만2천 원, 대형(>260cc) 5만 원이지만, 지불의향비율을 감안한 WTP는 중소형 1만7천 원, 대형 3만9천 원으로 분석되었다. 이는 고배기량인 대형차량이 대부분 고가이며, 레저용으로 활용되는 현실적인 배경을 감안할 때 배기량별 WTP의 차이는 합리적인 것으로 판단된다. 도출된 배기량별 WTP를 중소형 및 대형 이륜자동차 신고대수에 곱하여 산정한 결과, 연간 약 380.6억 원(중소형 354.7억 원, 대형 25.9억 원)으로 도출되었다.