The Korean Housing Association

Current Issue

Journal of the Korean Housing Association - Vol. 30 , No. 2

[ Article ]
Journal of the Korean Housing Association - Vol. 30, No. 1, pp.13-25
Abbreviation: J Korean Hous Assoc
ISSN: 2234-3571 (Print) 2234-2257 (Online)
Print publication date 25 Feb 2019
Received 30 Aug 2018 Revised 02 Oct 2018 Accepted 11 Feb 2019
DOI: https://doi.org/10.6107/JKHA.2019.30.1.013

주거용 건물에서 건축물의 물리적 요소와 세대특성이 에너지사용량에 미치는 영향요인 분석
김만수* ; 정성원**
*정회원(주저자), 세종대학교 건축학과 석사과정
**정회원(교신저자), 세종대학교 건축학과 교수, 공학박사

Analysis of the Factors Affecting Energy Consumption by the Physical Elements and the Household Features in Residential Buildings
Kim, Man-Su* ; Jung, Sung-Won**
Correspondence to : Sung-Won Jung, Dept. of Architecture, Sejong. Univ., 209, Neungdong-ro, Gwangjin-gu, Seoul, Republic of Korea. E-mail: swjung@sejong.ac.kr

Funding Information ▼

Abstract

Energy consumption of the residential sector was the highest in the total energy consumption of Korea. The energy use of residential buildings is affected not only by the building factors, but also by the features of household. While many studies have been conducted on the building factors related to energy consumption, there is a limitation of research considering household features. Accordingly, this study analyzed the influence of energy consumption by integrating the building factors and household features integrated with the previous prior research. The aim of this study is to derive building factors and household features that affect residential building energy use. The data used in the study was 'Household Energy Standing Survey'. These data provide the physical characteristics of the living space of 2,514th generation, information about households and actual energy use. Multiple regression was performed to determine the impact on individual variables. It was divided into five periods, annual, spring, summer, fall and winter. Research has shown that in addition to the building factors, the household feature also has a strong influence on residential energy use. This study is meaningful in that it has derived the building factors and household features that can be applied to efficiently manage residential energy.


Keywords: Energy Consumption, Residential, Household Features, Building Factors
키워드: 에너지사용량, 주거, 세대특성, 건축물의 물리적 특성

I. 서 론
1. 연구의 배경 및 목적

2017년 에너지경제연구원의 조사에 따르면 국내 에너지 사용량 중 전력의 경우 가정산업 부분이 39%로 가장 큰 비중을 차지하고 있다. 이 중 최종 소비 에너지는 가정산업 부분이 17%를 차지하는 것으로 나타났다.

건축물 에너지사용량을 줄이기 위해 국내 정부와 에너지 관련 기관은 ‘건축물 에너지 절약 설계기준’ 등의 규제를 통해 기준을 강화하였다. 또한, ‘건축물 에너지 효율등급 인증제도’와 같은 제도의 적용 대상을 공동주택과 같은 주거용 건축물로 점차 확대하고 있다. ‘건축물 에너지 절약 설계기준’은 에너지사용량을 단위로 건축물의 물리적 성능을 평가한다. 그리고 ‘건축물 에너지 효율 등급 인증제도’는 인증을 신청한 건축물의 전체 에너지사용량을 산출하여 평가하고 있다. 이러한 제도 및 규제는 전기냉방난방 등의 각종 에너지사용 설비와 건축물의 부위별 열관류율과 같은 건축물의 물리적 성능에 영향을 미치는 부분을 대상으로 평가한다.

이러한 노력에도 불구하고, 2016년 통계청의 에너지사용량 통계를 살펴보면, 건물부문 중 공동주택의 전력사용량은 2013년 1,994,663MWh에서 2016년 3,119,662 MWh로 지속해서 증가하고 있다. Santamouris(2016)의 연구에 따르면, 주거용 건축물의 경우 거주면적과 창문 비율 등의 물리적 특성뿐만 아니라 에너지를 직접 사용하는 세대원 수, 세대 구성원 형태, 소득 수준과 같은 세대특성에도 큰 영향을 받는다고 한다. 따라서 에너지를 사용하는 세대특성을 건축물의 물리적 특성과 통합 분석하여 주거에너지사용량에 미치는 영향을 분석할 필요성이 제기되며, 이를 고려한 체계적인 개선이 필요하다.

본 연구는 건축물의 물리적 특성과 세대특성을 통합 고려하여 건축물의 에너지사용량에 미치는 영향요인을 분석하고 결론을 도출하고자 한다.


II. 선행연구 고찰

본 연구는 선행연구를 통해 에너지사용량과 영향력이 있는 것으로 나타난 요소를 분석에 적용한다. 해당 선행연구들의 내용은 다음과 같다.

1. 주거에너지사용량과 건축물의 물리적 특성에 관한 선행연구

건축물의 물리적 특성은 주거에너지사용량에 높은 영향력이 있는 것으로 연구되었다.

Kim(2013)은 서울시의 각 가정 전력사용에 관한 연구를 통해 주거형태, 건축 연도, 거주 건축물의 층수, 건축물 구조, 지역성 등이 단위면적당 연간전력사용량에 영향을 미치는 것으로 분석하였다. 단독주택이 공동주택보다, 건축 연도가 오래될수록, 층수가 낮을수록 전력사용량이 많다고 분석하였다.

Kim et al.(2011)은 서울시에 위치한 181개 공동주택 단지의 난방 에너지사용량에 영향을 미치는 요소를 분석하였다. 주거면적, 난방방식, 총 층수, 건축물의 방향 등이 유의미한 것으로 분석되었다.

Lee and Chae(2008)은 경북의 21개 공동주택 단지를 대상으로 난방 에너지사용량에 영향을 미치는 내 외부의 요소를 분석하였다. 연구 결과, 세대수, 난방방식, 외벽 창 등을 주요 외부 요소로 제시하였다.

Eum, Hong, and Lee(2018)은 대구의 214개 단지 공동주택을 대상으로 회귀분석을 진행하여 건축 년도, 세대면적, 건축물의 방향, 난방방식이 에너지사용량에 영향을 미치는 것으로 나타났다.

그 외 Park et al.(2014)은 세대면적이, Jung et al.(2007)은 외벽 창이 주거에너지사용량이 관계가 있는 것으로 분석하였다.

2. 주거에너지사용량과 세대특성에 관한 선행연구

주거에너지사용량과 관련된 대부분의 연구는 세대특성을 소득, 세대원 수, 나이, 성별 등과 같은 몇 가지 간접적인 요소를 통해 반영하였다.

소득은 에너지사용량에 많은 영향을 미치는 요인이다. 소득이 높을수록 건축물 주변의 환경, 즉 외부의 환경에 따라 사용자 생활 만족도 향상을 위한 방안으로 에너지 사용에 대해 의사 결정하는 것으로 나타났다. 이와 비교해 소득이 낮을수록 건축물 자체의 노후도와 같은 물리적 환경에 에너지사용량이 더 많은 영향을 받는 것으로 나타났다(Kim & An, 2017).

주거 공간에서 사용자가 에너지를 사용하는 재실 시간과 생활방식은 세대원의 직업, 세대 구성원의 형태, 세대원의 수 등에 따라 차이가 발생할 수 있다. Kim et al.(2011)에 따르면 직장인이 자영업자보다 월간 1.35배에서 1.57배까지 더 많은 전력을 사용하고, 구성원에 따라 재실 시간이 많은 순서로 더 많은 전력을 사용하는 것으로 나타났다.

Seo, Hong, and Nam(2012)에 따르면 전력사용량은 소득 수준과 거주자 구성 유형에 따라 시간별 사용 성향에 차이가 있다고 한다. 일반적으로 1인 세대나 부부로만 구성된 그룹은 사회 경제활동을 활발하게 하는 계층이므로 비교적 재실 시간이 적어 에너지사용량 또한 적었다. 하지만 자녀 출생 이후 재실 시간과 경제활동 패턴에 변화가 생기면, 에너지사용량 또한 달라지는 것으로 나타났다.

3. 주거에너지사용량과 기후특성에 관한 선행연구

Lee et al.(2005)에 따르면 기후특성에 따라 지역을 구분할 수 있고, 지역의 기후에 따라 에너지사용량이나 패턴에 차이가 발생할 수 있다. 따라서 본 연구는 이러한 지역별 기후와 사회적 특성을 반영하고자 지역변수를 대리변수1)로 사용한다.

4. 선행연구의 한계와 연구의 차별성

주거에너지사용량에 관한 선행연구 중 세대특성을 반영한 대부분의 연구는 소규모 설문조사를 진행하여 분석하였다. 하지만 설문조사의 경우, 수집 가능한 표본 수가 적고, 전국단위의 포괄적인 범위의 분석이 현실적으로 불가능하다는 단점이 있다.

이에 본 연구는 ‘가구 에너지 소비 상설표본조사(Korea Energy Economics Institute, 2016)’ 데이터를 활용하여 이러한 한계를 극복하고자 한다. ‘가구 에너지 소비 상설표본조사’ 데이터는 전국의 2,514세대의 주거용 건축물의 물리적 특성과 세대특성 요소를 파악할 수 있고, 해당 세대의 에너지사용량이 기간 및 에너지원별로 분류되어 있다. 이 데이터를 통해 건축물의 물리적 특성과 세대특성을 함께 고려하여 에너지사용량을 파악할 수 있다.

본 연구는 건축물의 물리적 특성과 함께 세대특성에 대한 다양한 요소를 통합하여 에너지사용량에 영향을 미치는 요소를 도출하여 분석하고자 한다.


III. 연구방법
1. 분석 데이터

본 연구는 에너지 경제연구원에서 제공하는 ‘가구 에너지 소비 상설표본조사’ 데이터를 사용한다. 데이터에는 2,514세대의 주택면적, 냉난방 방식, 세대원 수, 에너지원별 월별 사용량 등 75개 항목으로 구성되어 있다. 해당 데이터 중 선행연구에서 도출한 건축물의 물리적 특성과 세대특성 변수, 지역 변수를 통합하여 분석하였다.

건축물의 물리적 특성은 선행연구에서 도출된 요소를 기준으로 건축물의 총 층수, 거주 층수, 외벽 수, 건축 년도, 주택면적, 침실 수(방수), 외벽창문 수, 외벽창문이중창율, 주택유형, 주택방향, 냉방방식2), 주 난방방식, 보조 난방방식의 13가지 요소를 사용한다.

세대특성은 거주 기간, 세대원 수, 경제활동세대원 수, 65세 이상 세대원수, 세대주 연령대, 세대원의 연간 총소득, 주택소유형태, 세대원구성(자녀유무), 세대주 성별, 세대주 교육 정도, 세대주 직업, 세대 특이사항, 세대주 소득원의 13가지 요소를 사용한다.

또한, 각 도시의 기후, 사회적 특성을 도시 범위에서 고려하기 위하여 지역 변수를 분석에 포함하여 진행하였다. 본 연구에서 사용할 데이터의 항목과 변수는 <Table 1>과 같다. 분석에 활용한 변수는 27개이며, 데이터의 항목은 14개의 연속변수와 13개의 명목변수로 구성된다. 이 중 13개의 명목변수는 더미 변수3)로 코딩하여 분석한다. 더미 변수로 코딩할 때 각 항목이 변수에 해당할 경우 1로, 해당하지 않을 경우 0으로 설정한다.

Table 1. 
List of Variables and Descriptive Statistics
Category Variable Mean Standard deviation N Covalent statistics
Common difference VIF
Building
factor
(13)
Total floor Continuous variable 8.05 7.607 2,514 .173 5.788
Living floor Continuous variable 4.33 4.936 2,514 .422 2.369
Residential area Continuous variable 25.48 8.719 2,514 .506 1.977
Exterior wall Continuous variable 4.38 1.205 2,514 .588 1.700
Construction year Continuous variable 3.76 1.275 2,514 .329 3.038
Room Continuous variable 2.71 .738 2,514 .417 2.396
Exterior window Continuous variable 8.33 3.939 2,514 .635 1.574
Exterior double glazed
windows rate
Continuous variable .276 .269 2,514 .854 1.172
Type of house Single housing .38 .486 2,514 .400 2.501
Apartment .45 .498 2,514 .185 .217
Etc* - - - - -
Direction East .12 .328 2,514 .327 3.062
West .07 .250 2,514 .448 2.231
South .41 .492 2,514 .183 5.459
North* - - - - -
South-East .19 .393 2,514 .257 3.892
South-West .10 .306 2,514 .357 2.801
North-East .03 .181 2,514 .616 1.623
North-West .02 .145 2,514 .693 1.443
Air conditioner Have .66 .473 2,514 .827 1.209
Don't have* - - - - -
Main-heating system Individual .91 .283 2,514 .773 1.293
Central supply* - - - - -
Auxiliary heating Enable .27 .442 2,514 .880 1.137
Disable* - - - - -
Household
feature
(13)
Living years Continuous variable 10.69 7.930 2,514 .144 6.938
Living years (square) Continuous variable 177.07 327.444 2,514 .149 6.701
Household member Continuous variable 3.02 1.236 2,514 .574 1.742
Households in economic
activity
Continuous variable 1.43 .744 2,514 .633 1.581
Over 65 years old
household member
Continuous variable .43 .720 2,514 .567 1.765
Age Continuous variable 3.63 1.067 2,514 .473 2.113
Income Continuous variable 3.60 1.758 2,514 .421 2.373
Ownership Own .73 .443 2,514 .830 1.205
Etc* - - - - -
Household configuration Have Children .11 .310 2,514 .862 1.161
Don't have children* - - - - -
Gender Male .74 .439 2,514 .721 1.387
Female* - - - - -
Education level Undergraduate high school .59 .492 2,514 .621 1.609
Over college graduate degree* - - - - -
Occupation Service woker .52 .500 2,514 .283 3.528
Temporary woker .05 .217 2,514 .714 1.402
Self-employed .22 .414 2,514 .338 2.956
Other employee .02 .153 2,514 .859 1.164
Etc* - - - - -
Special note General .93 .261 2,514 .634 1.577
Etc* - - - - -
Source of income Earned income .67 .469 2,514 .320 3.122
Etc* - - - - -
Location(1) Seoul .16 .366 2,514 .103 9.737
Busan .06 .244 2,514 .200 5.008
Daegu .05 .213 2,514 .247 4.050
Inchen .05 .213 2,514 .251 3.981
Gwangju .05 .213 2,514 .245 4.088
Daejun .05 .213 2,514 .248 4.033
Ulsan .03 .176 2,514 .322 3.103
Gyunggi .11 .315 2,514 .133 7.504
Kangwon .05 .213 2,514 .249 4.017
Chungbuk .05 .212 2,514 .248 4.032
Chungman .06 .242 2,514 .204 4.901
Junbuk .05 .213 2,514 .246 4.059
Junnam .06 .243 2,514 .199 5.019
Gyungbuk .08 .270 2,514 .168 5.968
Gyungnam .08 .271 2,514 .166 6.023
Jeju* - - - - -
Energy
Consumption
(5)
Annual Continuous variable 13,250.127 6,345.777 2,514 - -
Spring Continuous variable 3,417.825 1,990.632 2,514 - -
Summer Continuous variable 1,718.057 1,046.192 2,514 - -
Fall Continuous variable 2,575.537 1,510.747 2,514 - -
Winter Continuous variable 5,538.708 2,905.709 2,514 - -
Note. [Energy consumption unit: kWh]
*Reference group

주택유형, 세대주 직업, 세대주 소득원의 경우 표본 수가 가장 적은 기타 항목을 기준으로 코딩을 진행하였다. 이는 표본수가 적을 경우 결과를 일반화하기에 무리가 있기 때문이다(Harrell, 2001). 냉방의 경우 에어컨사용 여부를 의미한다. 최근 에어컨의 경우 난방 기능도 함께 사용하기 때문에 모든 계절에 적용한다. 난방 또한 온수사용과 같이 모든 계절에 사용되므로 냉방과 동일하게 사계절 모두 적용한다. 냉방방식은 에어컨 없음을 기준으로 설정하였다. 또한, 난방방식은 표본 수가 적은 중앙공급식, 보조난방방식은 보조난방기기를 사용하는 경우를 기준으로 코딩하였다.

건축물의 방향은 일사량이 가장 적은 방향인 북향을 기준으로, 지역 변수는 2016년 연간 기온 변화가 가장 작았던 제주도를 기준으로 코딩을 진행하였다.

2. 분석 방법

분석에는 각 변수들의 영향 정도를 파악하기 위해 SPSS 18.0 통계 프로그램을 활용하여 다중회귀분석4)을 진행하였다. 에너지사용량을 종속변수(Yk)에 적용하고, 건축물의 물리적 특성과 세대특성을 독립변수(xn)에 넣어 각 변수의 계수(βn)와 모델의 상수항(αn)을 추정한다.

Yk=αn+β1x1+β2x2++βnxnYk: Mcalαn:βn: xn:     

Yoon, Min, and Kim(1994)에 따르면 주거에너지사용량에 미치는 요인은 계절에 따라 다르게 나타난다. 이에 본 연구에서는 에너지사용량을 연간, 봄, 여름, 가을, 겨울의 5가지 기간으로 나누어 각 기간에 미치는 영향요소를 분석한다.

연간 주거에너지사용량(Yk)은 제공된 데이터 중 연간 에너지사용량을 사용한다. 또한 봄(3, 4, 5월), 여름(6, 7, 8월), 가을(9, 10, 11월), 겨울(1, 2, 12월) 에너지사용량은 각 기간에 맞추어 에너지사용량(Yk)을 합하여 사용한다. 독립변수(xn)는 건축물의 물리적 특성 13가지와 세대특성 13가지를 모두 분석에 적용한다.


IV. 연구 결과 및 해석

<Table 2>를 살펴보면 연간, 봄, 여름, 가을, 겨울의 주거에너지사용량의 회귀분석모형은 적합한 것으로 나타났다. 각 독립변수의 종속변수인 주거에너지사용량에 대한 설명력은 13.6%(연간), 14.3%(봄), 16.6%(여름), 14.6%(가을), 13.4%(겨울)로 나타났다. 이는 주거에너지사용량과 관련된 선행연구에 비해 높지 않은 설명력이지만, 사회인문학적 요소인 세대특성요소가 포함되었기 때문인 것으로 판단된다. 또한, 본 연구는 Durbin-Watson test를 실시하였다. 분석 결과, 결과값의 분포는 1.674에서 1.762로 2에 가깝게 나타나 자기상관성이 없는 것으로 판단된다.

Table 2. 
Model Information
R R2 Revised
R2
Estimated
Standard error
Durbin-Watson F Significant
probability
Annual .369 .136 .118 5,960.055 1.693 7.458 .000
Spring .378 .143 .125 1,862.079 1.706 7.903 .000
Summer .408 .166 .149 965.364 1.762 9.431 .000
Fall .382 .146 .128 1,410.962 1.729 8.077 .000
Winter .366 .134 .116 2,732.747 1.674 7.311 .000

다중공선성(multicollinearity)이란 여러 개의 독립변수 사이에 높은 상관관계가 존재하는 것을 의미한다. 즉, 여러 개의 독립변수 사이의 높은 상관관계는 분석 결과에 영향을 미쳐 잘못된 판단을 유도할 수 있다. 이로 인해 실제로 종속변수에 큰 영향을 미치는 독립변수가 무의미하게 나타날 수 있고, 회귀계수의 부호가 뒤바뀌는 상황도 발생할 수 있다. 다중선형회귀분석 결과, 공차(tolerance)가 0.1보다 크고, VIF(Variance Inflation Factor)가 10보다 작으면 측정변수 간에 다중공선성이 존재하지 않는 것으로 판단한다(Yang, 2006).

본 연구의 <Table 1>을 살펴보면, 분석 결과 모든 변수에서 VIF가 10보다 작으며, 다중공선성이 존재하지 않는 것으로 나타났다.

회귀분석 결과, 연간, 봄, 여름, 가을, 겨울의 주거에너지사용량에 영향을 미치는 건축물의 물리적 특성과 세대 특성 요소는 <Table 3, 4>와 같이 나타났다.

Table 3. 
Affect on Energy Consumption in Annual and Spring
Category Annual Spring
Unstandardized
coefficients
Standardized
coefficient
t p Unstandardized
coefficients
Standardized
coefficient
t p
B Standard
error
B Standard
error
Building
factor
(13)
Total floor 15.144 37.600 .018 .403 .687 -1.558 11.747 -.006 -.133 .895
Living floor 5.204 37.075 .004 .140 .888 -1.812 11.583 -.004 -.156 .876
Exterior wall 561.588 138.715 .107 4.049 ***.000 152.216 43.338 .092 3.512 ***.000
Construction year -62.798 121.555 -.013 -.517 .605 53.158 37.977 .034 1.400 .162
Residential area 76.664 23.766 .105 3.226 ***.001 28.185 7.425 .123 3.796 ***.000
Room 130.008 249.250 .015 .522 .602 -21.263 77.872 -.008 -.273 .785
Exterior window 37.587 37.876 .023 .992 .321 8.952 11.833 .018 .757 .449
Exterior double glazed
windows rate
-269.362 477.546 -.011 -.564 .573 43.587 149.198 .006 .292 .770
Type of
house
Single
housing
668.963 386.550 .051 1.731 *.084 96.100 120.769 .023 .796 .426
Apartment -450.550 512.609 -.035 -.879 .380 212.337 160.152 .053 1.326 .185
Direction E -746.579 634.344 -.039 -1.177 .239 -296.953 198.186 -.049 -1.498 .134
W -539.892 711.068 -.021 -.759 .448 -250.918 222.156 -.031 -1.129 .259
S -1,475.570 565.019 -.114 -2.612 ***.009 -419.353 176.527 -.104 -2.376 **.018
S-E -1,466.912 597.096 -.091 -2.457 **.014 -376.850 186.548 -.074 -2.020 **.043
S-W -373.506 651.144 -.018 -.574 .566 -121.161 203.435 -.019 -.596 .552
N-E -568.948 837.865 -.016 -.679 .497 -326.862 261.771 -.030 -1.249 .212
N-W 1,894.540 984.883 .043 1.924 *.055 621.156 307.703 .045 2.019 **.044
Air conditioner 846.376 276.239 .063 3.064 ***.002 195.906 86.304 .047 2.270 **.023
Main-heating system 536.736 478.297 .024 1.122 .262 594.999 149.433 .084 3.982 ***.000
Auxiliary heating 364.081 286.814 .025 1.269 .204 259.358 89.608 .058 2.894 ***.004
Household
feature
(13)
Living year 86.209 39.491 .108 2.183 **.029 40.419 12.338 .161 3.276 ***.001
-1.031 .940 -.053 -1.097 .273 -.715 .294 -.118 -2.435 **.015
Household member 372.180 126.987 .072 2.931 ***.003 122.034 39.674 .076 3.076 ***.002
Households in economic
activity
-235.668 200.968 -.028 -1.173 .241 -96.598 62.788 -.036 -1.538 .124
Over 65 years old
household member
227.328 219.269 .026 1.037 .300 71.596 68.506 .026 1.045 .296
Age 33.852 162.029 .006 .209 .835 -5.999 50.622 -.003 -.118 .906
Income 387.677 104.197 .107 3.721 ***.000 124.746 32.554 .110 3.832 ***.000
Ownership 77.766 294.376 .005 .264 .792 -44.927 91.971 -.010 -.488 .625
Household
configuration
41.529 413.630 .002 .100 .920 50.928 129.229 .008 .394 .694
Gender 358.952 318.614 .025 1.127 .260 -74.350 99.543 -.016 -.747 .455
Education
level
High school 163.490 306.456 .013 .533 .594 -38.774 95.745 -.010 -.405 .686
Occupation Service
woker
426.003 446.826 .034 .953 .340 42.478 139.600 .011 .304 .761
Temporary
woker
185.067 649.865 .006 .285 .776 5.942 203.035 .001 .029 .977
Self
employed
1,089.593 493.727 .071 2.207 **.027 262.266 154.253 .055 1.700 *.089
Other
employee
600.985 840.329 .014 .715 .475 -63.073 262.541 -.005 -.240 .810
Special note 1,356.365 571.661 .056 2.373 **.018 337.044 178.602 .044 1.887 *.059
Source of income -55.005 448.023 -.004 -.123 .902 80.010 139.974 .019 .572 .568
Location
(16)
Seoul 2,604.957 1,014.038 .150 2.569 ***.010 1,128.183 316.812 .207 3.561 ***.000
Busan 576.525 1,089.664 .022 .529 .597 244.586 340.440 .030 .718 .473
Daegu 859.315 1,121.969 .029 .766 .444 453.522 350.533 .049 1.294 .196
Incheon 3,901.092 1,112.377 .131 3.507 ***.000 1,479.248 347.536 .158 4.256 ***.000
Gwangju 4,167.593 1,127.289 .140 3.697 ***.000 1,014.552 352.195 .109 2.881 ***.004
Daejeon 2,283.500 1,119.661 .077 2.039 ***.042 936.248 349.812 .100 2.676 ***.007
Ulsan 3,873.372 1,192.905 .107 3.247 ***.001 1,261.353 372.695 .111 3.384 ***.001
Gyunggi 2,951.001 1,035.049 .146 2.851 ***.004 1,153.600 323.377 .182 3.567 ***.000
Gangwon 4,328.881 1,117.434 .145 3.874 ***.000 1,297.154 349.116 .139 3.716 ***.000
Chungbuk 1,305.989 1,123.985 .044 1.162 .245 555.533 351.163 .059 1.582 .114
Chungnam 2,076.025 1,087.507 .079 1.909 *.056 341.934 339.766 .042 1.006 .314
Jeonbuk 2,319.479 1,123.290 .078 2.065 **.039 727.295 350.946 .078 2.072 **.038
Jeonnam 1,696.562 1,094.048 .065 1.551 .121 441.867 341.809 .054 1.293 .196
Gyungbuk 1,988.406 1,075.627 .085 1.849 *.065 825.224 336.054 .112 2.456 **.014
Gyungnam 648.268 1,078.091 .028 .601 .548 302.550 336.824 .041 .898 .369
Reference group Type of house: etc, Direction: North, Air conditioner: etc, Main-heating system: central supply, Auxiliary heating: disable, Ownership: etc, Household configuration: Don't have children, Gender: female, Education level: Over college graduate, Occupation: etc, Special note: etc, Source of income: etc, Location: Jeju
Note. *90% Confidence interval (p-value <0.10)
**95% Confidence interval (p-value <0.05)
***99% Confidence interval (p-value <0.01)

Table 4. 
Affect on Energy Consumption in Summer, Fall and Winter
Category Summer Fall Winter
Unstandardized
coefficients
Standardized
coefficient
t p Unstandardized
coefficients
Standardized
coefficient
t p Unstandardized
coefficients
Standardized
coefficient
t p
B Standard
error
B Standard
error
B Standard
error
Building factor (13) Total floor -3.238 6.090 -.024 -.532 .595 6.166 8.901 .031 .693 .489 13.773 17.240 .036 .799 .424
Living floor 5.279 6.005 .025 .879 .379 .986 8.777 .003 .112 .911 .752 16.999 .001 .044 .965
Exterior wall 20.143 22.468 .023 .897 .370 119.824 32.839 .096 3.649 ***.000 269.406 63.602 .112 4.236 ***.000
Construction year 42.385 19.688 .052 2.153 **.031 -72.027 28.776 -.061 -2.503 **.012 -86.314 55.734 -.038 -1.549 .122
Residential area 4.181 3.849 .035 1.086 .277 8.342 5.626 .048 1.483 .138 35.955 10.897 .108 3.300 ***.001
Room 56.517 40.372 .040 1.400 .162 56.930 59.007 .028 .965 .335 37.824 114.284 .010 .331 .741
Exterior window 2.795 6.135 .011 .456 .649 8.274 8.967 .022 .923 .356 17.565 17.367 .024 1.011 .312
Exterior double
glazed windows
rates
-103.637 77.349 -.027 -1.340 .180 -148.340 113.053 -.026 -1.312 .190 -60.972 218.960 -.006 -.278 .781
Type of
house
Single
housing
-25.077 62.610 -.012 -.401 .689 220.196 91.511 .071 2.406 **.016 377.744 177.237 .063 2.131 **.033
Apartment 150.469 83.028 .072 1.812 *.070 -200.468 121.353 -.066 -1.652 *.099 -612.889 235.036 -.105 -2.608 ***.009
Direction E -255.841 102.746 -.080 -2.490 **.013 -79.280 150.172 -.017 -.528 .598 -114.504 290.853 -.013 -.394 .694
W -230.213 115.173 -.055 -1.999 **.046 -71.706 168.336 -.012 -.426 .670 12.944 326.032 .001 .040 .968
S -303.975 91.517 -.143 -3.321 ***.001 -332.797 133.761 -.108 -2.488 **.013 -419.445 259.067 -.071 -1.619 .106
S-E -288.757 96.713 -.108 -2.986 ***.003 -369.260 141.354 -.096 -2.612 ***.009 -432.045 273.774 -.058 -1.578 .115
S-W -95.109 105.467 -.028 -.902 .367 -111.425 154.149 -.023 -.723 .470 -45.811 298.556 -.005 -.153 .878
N-E -1,63.969 135.711 -.028 -1.208 .227 -36.511 198.353 -.004 -.184 .854 -41.607 384.170 -.003 -.108 .914
N-W 113.434 159.524 .016 .711 .477 275.504 233.158 .026 1.182 .237 884.445 451.579 .044 1.959 **.050
Air conditioner 133.893 44.743 .061 2.992 ***.003 159.619 65.396 .050 2.441 **.015 356.958 126.659 .058 2.818 ***.005
Main-heating
system
307.112 77.471 .083 3.964 ***.000 -407.105 113.230 -.076 -3.595 ***.000 41.730 219.304 .004 .190 .849
Auxiliary heating 69.770 46.456 .029 1.502 .133 -33.333 67.899 -.010 -.491 .624 68.286 131.507 .010 .519 .604
Household feature (13) Living
year
8.793 6.397 .067 1.375 .169 4.781 9.349 .025 .511 .609 32.216 18.107 .088 1.779 *.075
-.178 .152 -.056 -1.167 .243 .108 .223 .023 .484 .628 -.246 .431 -.028 -.571 .568
Household
member
60.731 20.568 .072 2.953 ***.003 48.968 30.063 .040 1.629 .103 140.448 58.225 .060 2.412 **.016
Households in
economic activity
6.972 32.551 .005 .214 .830 1.874 47.576 .001 .039 .969 -147.917 92.146 -.038 -1.605 .109
Over 65 years old
household
member
-35.038 35.516 -.024 -.987 .324 19.030 51.909 .009 .367 .714 171.739 100.537 .043 1.708 *.088
Age 16.355 26.244 .017 .623 .533 14.180 38.358 .010 .370 .712 9.315 74.292 .003 .125 .900
Income 74.267 16.877 .125 4.400 ***.000 53.211 24.667 .062 2.157 **.031 135.453 47.775 .082 2.835 ***.005
Ownership 2.835 47.681 .001 .059 .953 42.336 69.689 .012 .607 .544 77.523 134.974 .012 .574 .566
Household
configuration
-114.531 66.997 -.034 -1.710 *.087 -29.868 97.921 -.006 -.305 .760 135.000 189.654 .014 .712 .477
Gender 4.881 51.607 .002 .095 .925 200.953 75.427 .058 2.664 ***.008 227.468 146.088 .034 1.557 .120
Education
level
High
school
35.835 49.637 .017 .722 .470 58.003 72.549 .019 .799 .424 108.426 140.513 .018 .772 .440
Occupation Service
woker
-46.305 72.373 -.022 -.640 .522 114.150 105.780 .038 1.079 .281 315.680 204.874 .054 1.541 .123
Temporary
woker
-184.475 105.260 -.038 -1.753 *.080 68.156 153.847 .010 .443 .658 295.444 297.970 .022 .992 .322
Self
employed
134.275 79.970 .053 1.679 *.093 242.631 116.883 .066 2.076 **.038 450.421 226.379 .064 1.990 **.047
Other
employee
-77.548 136.110 -.011 -.570 .569 262.816 198.936 .027 1.321 .187 478.789 385.300 .025 1.243 .214
Special note 185.401 92.593 .046 2.002 **.045 305.822 135.333 .053 2.260 **.024 528.098 262.112 .047 2.015 **.044
Source of income 74.300 72.567 .033 1.024 .306 -1.170 106.063 .000 -.011 .991 -208.144 205.423 -.034 -1.013 .311
Location (16) Seoul -73.982 164.246 -.026 -.450 .652 -51.226 240.060 -.012 -.213 .831 1,601.982 464.947 .202 3.446 ***.001
Busan -2.460 176.495 -.001 -.014 .989 -186.483 257.963 -.030 -.723 .470 520.883 499.622 .044 1.043 .297
Daegu -271.208 181.728 -.055 -1.492 .136 -454.698 265.611 -.064 -1.712 *.087 1,131.699 514.435 .083 2.200 **.028
Incheon 290.252 180.174 .059 1.611 .107 311.663 263.340 .044 1.183 .237 1,819.929 510.037 .134 3.568 ***.000
Gwangju 803.014 182.590 .164 4.398 ***.000 1,292.889 266.870 .182 4.845 ***.000 1,057.138 516.874 .078 2.045 **.041
Daejeon 150.668 181.354 .031 .831 .406 76.151 265.064 .011 .287 .774 1,120.433 513.376 .082 2.182 **.029
Ulsan 649.596 193.218 .109 3.362 ***.001 427.561 282.404 .050 1.514 .130 1,534.863 546.959 .093 2.806 ***.005
Gyunggi 108.277 167.649 .033 .646 .518 128.644 245.034 .027 .525 .600 1,560.479 474.581 .169 3.288 ***.001
Gangwon 250.626 180.993 .051 1.385 .166 944.547 264.537 .133 3.571 ***.000 1,836.553 512.355 .135 3.585 ***.000
Chungbuk -150.189 182.054 -.030 -.825 .409 -41.757 266.088 -.006 -.157 .875 942.403 515.359 .069 1.829 *.068
Chungnam -45.276 176.146 -.010 -.257 .797 258.535 257.453 .041 1.004 .315 1,520.832 498.633 .127 3.050 ***.002
Jeonbuk 236.543 181.942 .048 1.300 .194 497.904 265.924 .070 1.872 *.061 857.737 515.040 .063 1.665 *.096
Jeonnam 356.090 177.205 .083 2.009 **.045 360.011 259.001 .058 1.390 .165 538.594 501.632 .045 1.074 .283
Gyungbuk -149.425 174.222 -.039 -.858 .391 -124.040 254.640 -.022 -.487 .626 1,436.648 493.186 .134 2.913 ***.004
Gyungnam 65.403 174.621 .017 .375 .708 -165.851 255.223 -.030 -.650 .516 446.166 494.316 .042 .903 .367
Reference group Type of house: etc, Direction: North, Air conditioner: etc, Main-heating system: central supply, Auxiliary heating: disable, Ownership: etc, Household configuration: Don't have children, Gender: female, Education level: Over graduate degree, Occupation: etc, Special note: etc, Source of income: etc, Location: Jeju
Note. *90% Confidence interval (p-value < 0.10)
**95% Confidence interval (p-value < 0.05)
***99% Confidence interval (p-value < 0.01)

각 항목은 다음과 같이 해석한다. 더미변수의 경우 기준이 되는 변수에 비한 비표준화계수(B) 값의 차이만큼 에너지를 소비한 것으로 판단하다. 연속 변수는 각 항목이 1만큼 증가할 때 비표준화계수의 B값(kWh)만큼 더 많은 에너지를 소비하는 것으로 판단한다.

1. 주거에너지사용량에 영향을 미치는 건축물의 물리적 특성 요소

본 연구는 조사결과에 나타난 표준화계수(Standardized coefficient)를 중심으로 주거 에너지사용량에 영향을 미치는 건축물의 물리적 특성 요소를 파악하고자 한다. 분석 결과 주거에너지사용량에 영향을 미치는 요소는 <Table 5>와 같다.

Table 5. 
Significant Variables of Building Factor.
Period Building factor
Annual Exterior wall, Residential area, Type of house, Direction, Air conditioner
Spring Exterior wall, Residential area, Direction, Air conditioner, Main-heating system, Auxiliary heating
Summer Construction year, Type of house, Direction, Air conditioner, Main-heating system
Fall Exterior wall, Construction year, Type of house, Direction, Air conditioner, Main-heating system
Winter Exterior wall, Residential area, Type of house, Direction, Air conditioner

전반적으로 연간 주거 에너지사용량에 영향을 미치는 건축물의 물리적 특성 요소는 외벽 수, 주택면적, 주택유형, 주택방향, 냉방방식 등으로 나타났다. 세부적으로 주거 에너지사용량 증가에 미치는 영향은 주택방향(북서방향), 냉방방식, 주택유형, 외벽 수 및 주택면적 순서로 높게 나타났다. 또한, 주택방향에 따라 남, 남서의 순으로 주거에너지사용량이 낮게 나타났으며, 북서의 주거에너지사용량이 유의미하게 높은 것으로 나타났다.

외벽 수는 연간, 봄, 가을, 겨울의 주거에너지사용량에 영향을 미치는 것으로 나타났다. 외벽 수는 외기에 면한 주거 공간의 외벽을 의미하는 것으로, 1개에서 최대 6개까지의 범주로 조사되었다. 이는 주택의 하부층, 중간층, 최상부층 및 인접 주택 등 주택의 세대별 위치와 주택 유형에 따라 달라진다. 겨울, 가을, 봄의 순서로 에너지사용량이 증가하는 영향력이 나타났다.

건축 년도는 여름과 가을의 주거에너지사용량에 유의미한 영향을 미치는 것으로 나타났다. 여름에는 건축 년도가 오래될수록 에너지사용량이 높은 반면, 가을에는 건축년도가 오래될수록 에너지사용량이 낮은 것으로 나타났다.

주택면적은 연간, 봄, 겨울의 주거에너지사용량에 영향을 미치는 것으로 나타났다. 특히, 다른 계절에 비해 겨울철에 유의미한 영향력이 더 높았다. 이러한 결과를 볼 때, 냉방 에너지사용량에 비해 난방 에너지사용량은 면적이 클수록 더 많은 에너지를 사용하는 것으로 판단할 수 있다.

주택유형은 단독주택과 공동주택, 기타로 구성되어 있으며, 연간, 여름, 가을, 겨울의 주거에너지사용량에 영향을 미친다. 연간으로 볼 때 단독주택이 다른 주거형태보다 더 많은 에너지를 사용한다. 여름에는 공동주택이, 가을과 겨울에는 단독주택이 더 많은 에너지를 사용하는 것으로 나타났다. 이로 미루어보아 비교적 난방에너지와 관련된 성능에서 공동주택이 더 유리한 것으로 판단된다.

주택방향은 가장 에너지효율이 떨어지는 북쪽을 기준으로 분석을 진행하였으며, 모든 기간의 주거에너지사용량에 영향력을 나타내는 것으로 분석되었다. 연간을 살펴보면 남, 남동의 순서로 에너지를 적게 소비하는 것으로 확인되었다. 세부적으로 봄에는 남동, 남, 여름에는 남, 남동, 동, 서, 가을에는 남동, 남의 순으로 에너지사용량이 적었다. 또한, 모든 기간에서 북서방향의 주택이 가장 많은 에너지를 사용하는 것으로 나타났다. 이러한 분석 결과로 미루어보아 주택방향이 남향일 경우, 전반적으로 주거에너지사용량이 가장 적으며 북서향일 때 북쪽방향보다 주거에너지사용량이 높은 것으로 판단된다.

<Figure 1>에서 <Figure 3>은 2016년 건물의 방향에 따른 실제 주거에너지사용량의 분포를 보여준다. 가을과 겨울기간 동안 주택이 북쪽(4)보다 북서(8)향일 경우 더 많은 에너지를 소비하는 분포를 보인다.


Figure 1. 
Energy Consumption in Annual by Direction


Figure 2. 
Energy Consumption in Fall by Direction.


Figure 3. 
Energy Consumption in Winter by Direction.

냉방방식은 에어컨의 사용 여부를 기준으로 분석을 진행하였으며, 모든 기간의 주거에너지사용량에 유의미한 영향이 나타났다. 이러한 결과는 에어컨의 경우 대기전력이 10.7W로 주거 공간에서 사용하는 전자기기 중 가장 높기 때문으로 판단된다(Hwang & Jeon, 2013). 또한, 최근 에어컨의 경우 난방 기능과 공기청정 기능이 혼용되어 계절에 상관없이 사용할 수 있게 변화한 것이 이러한 결과에 영향을 준 것으로 보인다.

주 난방방식은 개별난방을 사용할 때 봄, 여름의 주거에너지사용량이 중앙난방방식에 비해 더 높은 것으로 나타났다. 가을에는 개별난방을 사용하는 세대가 주거에너지를 더 적게 사용하는 것으로 분석되었다. 또한, 보조난방방식을 활용하는 세대는 그렇지 않은 세대에 비해 봄철 주거에너지사용량이 더 높은 것으로 나타났다.

2. 주거에너지사용량에 영향을 미치는 세대특성 요소

본 연구의 분석결과, 주거에너지사용량에 영향을 미치는 세대특성 요소는 <Table 6>과 같다. 연간 주거에너지사용량 증가에 유의미한 영향을 미치는 세대특성 요소는 세대 특이사항, 세대주의 직업, 세대원 연간 총소득, 세대원수, 거주기간의 순서로 높게 나타났다.

Table 6. 
A Significant Variables of Household Feature.
Period Household feature
Annual Living year, Household member, Income, Occupation, Special note
Spring Living year, Household member, Income, Occupation
Summer Household member, Income, Household configuration, Occupation, Special note
Fall Income, Gender, Occupation, Special note
Winter Living year, Household member, Over 65 years old household member, Income, Occupation, Special note

거주 기간 등의 시간 관련 변수의 경우, 표본의 분포가 곡선 형태로 나타날 수 있다. 즉, 선형의 표본을 분석하는 일반적인 회귀분석에서는 결과가 유의미하지 않게 나타날 수 있다. 이에 대한 세부사항을 확인하기 위해 다중회귀분석의 결과를 바탕으로 표본 분포를 시각적으로 관찰하고자 산포도를 제시하였다. 이는 표본 분포의 추세에서 변화량이 변하는 시점, 즉 변곡점을 알아보기 위함이다.

이는 각 데이터 값을 제곱하여 선형의 분포로 바꾸어 회귀분석을 진행하여 분석에 적용할 수 있다.

<Figure 4>를 살펴보면 봄 기간의 주거에너지사용량은 변곡점(그래프의 기울기가 변하는 지점)이 되는 약 6년까지 증가하는 분포를 보이고, 그 후에는 감소하는 분포가 나타난다. 이러한 분포는 <Figure 5>와 <Figure 6>에서도 유사하게 나타난다. 분포를 살펴보면 연간과 겨울철에도 거주 기간이 영향을 미치는 것으로 나타났다. 두 기간 모두 연간과 같이 거주 시작 후 6년이 되는 기간까지 에너지사용량이 증가하는 형태로 나타난다.


Figure 4. 
Energy Consumption in Spring by Living yea


Figure 5. 
Annual Energy Consumption by Living yearr


Figure 6. 
Energy Consumption in Winter by Living year

Seo, Hong, and Nam(2012)에 따르면 세대원의 경우 에너지를 직접적으로 사용하는 주체이므로 세대원 수가 증가할 때 에너지사용량도 증가한다고 한다. 이와 마찬가지로 본 연구의 분석결과 연간, 봄, 여름, 겨울의 주거에너지사용량에 세대원 수가 증가할 때 에너지사용량이 증가하는 것으로 나타났다.

세대원의 연간 총소득은 모든 기간의 주거에너지사용량에 영향이 있는 것으로 나타났다. 소득은 사용자가 에너지를 사용하는 행위를 결정할 때 가장 영향이 높기 때문에(Seo, Hong, & Nam, 2012), 이러한 결과가 발생한 것으로 보인다.

세대원 구성은 자녀의 유무를 기준으로 분석하였으며, 여름철 주거에너지사용량에 영향이 있는 것으로 나타났다. 세대주 성별은 세대주가 남성일 경우 가을에 더 많은 주거에너지를 소비하는 것으로 나타났다.

세대주의 직업은 모든 기간에서 자영업 종사자가 그 외 상용근로자, 임시 일용근로자, 기타 종사자보다 더 많은 에너지를 사용하는 것으로 분석되었다. 직업에 따라 소득과 재실 시간에 차이가 발생하기 때문에(Kim et al., 2011) 에너지사용량이 다르게 나타나는 것으로 판단된다. 이는 자영업자가 다른 직업군에 비해 주거지 내 재실 시간이 더 많고, 직장과 주거지가 같은 곳인 세대도 포함되어 있기 때문인 것으로 판단된다.

세대 특이사항은 일반 가구와 독거노인, 한 부모, 등록장애인, 다문화, 기초생활보장수급, 조손의 항목으로 구분되어 있었다. 그러나 표본수의 분포가 일반 가구에 편중되어 있기 때문에 일반 가구와 기타로 나누어 분석하였다. 분석 결과 모든 기간에서 일반 가구가 다른 특이사항이 있는 기타 가구에 비해 주거에너지사용량이 더 높은 것으로 분석되었다.

3. 지역에 따른 주거에너지사용량

기상청에서 제공한 데이터를 통해 16개 도시 중 2016년 연간 최고 온도와 최저 온도의 차이가 가장 큰 서울과 가장 작은 제주도의 온도를 확인하였다. 이는 <Figure 7>과 같다.


Figure 7. 
Annual Temperature in Seoul and Jeju

제주도의 경우 연간 평균 최고기온과 최소기온의 차이가 다른 도시에 비해 비교적 적은 편이다. 이에 따라 제주도를 기준으로 분석을 진행하였다.

연간과 봄철에 주거에너지사용량이 제주도에 비해 높은 지역은 서울, 인천, 광주, 대전, 울산, 경기, 강원, 전북, 경북이고, 연간에는 충남역시 높은 것으로 나타났다. 여름철에 주거에너지사용량이 제주도에 비해 높은 지역은 광주, 울산, 전남으로 나타났다. 가을철에는 광주, 강원, 전북이 제주도보다 많은 주거에너지를 사용하고, 대구의 경우 더 적은 에너지를 사용하는 것으로 분석되었다. 겨울철 제주도보다 많은 에너지를 소비하는 지역은 부산과 전남, 경남을 제외한 모든 도시로 나타났다.

강원지역의 경우, 연간 주거에너지사용량이 가장 높은 곳으로 나타났다. 강원지역은 다른 지역에 비해 2016년 가을과 겨울에 평균 상대습도와 평균온도가 낮은 편이었다. 또한, 지형적 위치가 태백산맥을 중심으로 영동과 영서로 분리되어 있으며, 계절에 따라 건조한 높새바람이 분다(Kim, Youn, & Kim, 2010). 이에 따라 다른 지역과 실제 기온에 비해 체감온도가 낮아 사용자가 더 많은 에너지를 사용하는 것으로 분석된다.


V. 결론 및 제언

본 연구는 건축물의 물리적 특성과 세대특성을 함께 고려하여 주거 에너지사용량에 미치는 영향요인을 분석하기 위한 목적으로 진행하였다. 이를 위해 13가지의 세대특성과 13가지 건축물의 물리적 특성과 16개의 지역적 특성을 통합하여 연간, 봄, 여름, 가을, 겨울의 주거에너지사용량에 영향을 미치는 요소를 분석하였다.

주거에너지사용량에 미치는 영향요인 중 세대특성을 분석한 대부분의 선행연구는 소규모 설문조사를 통해 분석을 진행하였다. 그러나 설문조사의 경우 표본의 수가 적고, 광범위한 지역을 조사하기 어렵다는 한계가 있다. 또한, 건축물의 물리적 특성과 통합하여 분석하지 못하였다. 본 연구에서는 이러한 한계를 보완할 수 있는 ‘가구 에너지 소비 상설표본조사’ 데이터를 사용하여 다중회귀분석을 진행하여 각 요소의 영향력을 분석하였다. 본 연구 결과를 바탕으로 다음의 결론을 제시한다.

첫째, 건축물의 물리적 특성과 세대특성을 통합하여 고려하였을 때, 연간 주거에너지사용량에 영향을 미치는 건축물의 물리적 특성은 외벽 수, 주택면적, 주택유형, 주택방향, 냉방방식으로 나타났다.

봄의 주거에너지사용량의 증가에 외벽 수, 주택면적, 주택방향, 냉방방식, 주 난방방식과 보조난방방식이 영향을 미치는 것으로 나타났다.

여름의 주거에너지사용량의 증가에는 건축 년도, 주택유형, 냉방방식, 주 난방방식이 영향을 미치는 것으로 나타났으며 주택방향이 주거에너지사용량 감소에 영향을 미치는 것으로 나타났다.

가을 주거에너지사용량의 증가에는 외벽 수, 주택유형, 주택방향과 냉방방식이 영향을 미치고, 주거에너지사용량의 감소에 건축년도와 주 난방방식이 영향을 미치는 것으로 나타났다.

겨울 주거에너지사용량의 증가에는 외벽 수, 주택면적, 주택방향, 주택유형, 냉방방식 등이 영향을 미치는 것으로 나타났다.

주 난방방식의 경우, 난방에너지를 가장 많이 사용하는 겨울철에 유의미하지 않은 것으로 나타났다. 이러한 결과는 연간 에너지사용량에서도 유의미하지 않은 것으로 확인되었다. 이는 겨울철이 가장 많은 에너지를 사용하는 계절이기 때문에 다른 계절에는 온수사용에 주로 이용되는 주 난방방식이 겨울철에는 상대적으로 다른 영향요소보다 에너지사용량에 미치는 영향력이 낮기 때문이다.

따라서 주거에너지사용량 저감을 위해 건축물의 물리적 특성을 반영할 때, 냉방방식과 난방방식을 모든 기간에 적용하여 고려해야 한다.

둘째, 연간 주거에너지사용량에 영향을 미치는 세대특성은 세대원 연간 총소득, 거주 기간, 세대원 수 및 세대주의 직업 등으로 나타났다.

세대원 수와 소득, 세대주 직업은 모든 기간에서 유의미한 변수로 나타났다. 세대원 수는 주거용 건축물 내부에서 에너지를 직접 소비하는 소비자가 많아지고, 소득은 소득이 높을수록 에너지 많이 소비한다는 기존 선행연구(Seo, 2012)와 맥락을 같이 한다. 세대주 직업의 경우, 기타직종에 비해 자영업자가 에너지를 더 많이 사용하는 것으로 나타났다.

본 연구의 분석결과 주거에너지사용량에 영향을 미치는 요소는 건축물의 물리적 특성과 더불어 세대특성요소 역시 높은 영향력을 미치는 것으로 나타났다. 특히, 직업과 소득 수준의 경우 모든 기간에서 건축물의 물리적 특성 중 가장 높은 영향력이 나타난 건축물 방향과 비슷한 수준의 영향력이 나타났다. 따라서 주거용 건축물의 계획 및 에너지 저감을 위해서는 예상 거주 세대원 수와 주변 주거지의 사회경제적 특성을 바탕으로 예상 소득 수준과 직업군, 거주 예상기간 등의 세대특성 요소를 반영하여야 한다.

본 연구는 세대특성을 나타내는 요소 중 연간소득과 직업, 교육수준의 경우 공개된 세대주의 정보를 통해 분석을 진행하였다. 이로 인해 세대를 구성하는 개개인의 특성을 직접적으로 반영하지 못한 한계가 있다. 또한, 데이터의 범위가 시도 단위이므로 주거 공간 주변의 미시적 환경을 직접적으로 반영하지 못하였다. 지역변수를 공통적인 지역적 기후 특성을 대표할 수 있는 대리변수로써 분석에 적용하였지만 보다 직접적인 주거 공간 주변의 미시적 환경을 분석에 포함하여 연구를 보완할 필요가 있다. 그리고 건축물의 물리적 특성의 경우 각각의 개수와 비율, 크기를 통해 적용하였기 때문에 개별 요소의 성능과 효율 등 세부적인 정보를 적용하지 못하였다. 추후 직접적인 건축물의 물리적 특성의 개별 성능과 효율 등의 정보를 분석에 포함하여 연구를 보완할 필요가 있다. 마지막으로 본연구의 데이터의 기간은 2016년에 한정되어 있다. 일반적인 적용을 위해서 더 많은 기간의 데이터를 포함하여 분석을 보완할 필요가 있다.

본 연구의 의의는 13가지의 건축물의 물리적 특성과 13가지의 세대특성 요소를 통합 고려하여 분석을 진행하여 주거에너지사용량에 영향을 주는 영향요인을 계절별로 도출해낸 것이다. 특히 세대특성 요소를 통제변수가 아닌 주거에너지사용량에 직접적인 영향을 주는 요소로써 영향력을 파악하고 개별 요소를 도출해내었다. 이를 토대로 추후 에너지사용량 예측과 에너지사용량을 저감을 연구하는 기초연구로 활용할 수 있을 것이다.


Acknowledgments

본 연구는 2018년도 국토교통부 국토교통기술촉진연구사업의 의한 결과의 일부임. 과제번호: 18CTAP-C133446-02


각주
1) 대리변수: 직업, 종교, 기후 등과 같이 측정하기 어려운 질적인 요소를 유사한 속성을 보유하면서 측정이 가능한 다른 변수로 적용하는 것을 의미한다(Park, 2002). 기상청에서 제공하는 2016년 전국 기상관측지점의 1년간 데이터를 함께 고려하려 분석을 진행했을 때 지역변수와 높은 상관관계로 인해 다중공선성 문제가 발생하여 분석에서 제외하였다. 이러한 결과가 나타난 것은 ‘가구 에너지 소비 상설표본조사’의 데이터가 시도 단위이기 때문에 동일한 범위의 온도 습도 데이터가 같은 분포를 나타내었기 때문인 것으로 판단된다.
2) 냉방방식의 경우 에어컨 사용의 유무를 활용하였다.
3) 더미 변수(가변수): 범주형 변수를 개별 범주를 지칭하기 위해 만든 변수이다. 개별 범주에 속하는 유무에 따라 0과 1의 값으로 나눈다. 범주의 수를 K라고 하면 (K-1)만큼 더미 변수가 만들어질 수 있다(Park, 2000).
4) 다중 회귀분석: “독립변수가 2개 이상인 추정 식을 이용하는 회귀분석을 의미한다. 예를 들어 개개인의 매월 사용액은 단순히 월수입에만 달려 있는 것이 아니라 개인의 재산 상태이자율부양가족 수 등의 영향도 받는다고 할 때, 이러한 많은 변수를 가진 추정 식을 만들어 분석하는 회귀분석을 다중회귀분석이라 한다(Lee, 2000).”

References
1. Eum, M. R., Hong, W. H., & Lee, J. A., (2018), Deriving factors affecting energy usage for improving apartment energy consumption evaluation, Journal of the Architectural Institute of Korea Structure & Construction, 34(7), p27-34.
2. Harrell, F. E., (2001), Regression modeling strategies, with applications to linear models, survival analysis and logistic regression, New York, Springer.
3. Hong, S. H., Jang, M. S., Park, H. S., & Yang, K. S., (2001), A study on the typical energy consumption of apartment, Journal of the Architecture Institute of Korea, 17(12), p151-160.
4. Hwang, H. J., & Jeon, Y. S., (2013), Empirical research of energy saving based on measurement of the standby power of household electrical appliances, The Korea Society of Energy and Climate Change Education, 3(2), p127-132.
5. Jung, J. H., Kim, J. H., Choo, J. H., Lee, S. H., & Hyun, C. T., (2017), Common maintenance cost estimation model using random forest for multi-family housing, Journal of the Architectural Institute of Korea Planning & Design, 33(3), p19-27.
6. Jung, S. H., Kim, S. W., Park, S. H., Lee, J. C., ... Kim, B. S., (2007), A comparison analysis of the position of low emissivity coating in low-e glazing considering indoor temperature change and energy performance, Journal of the Architecture Institute of Korea, 23(8), p255-262.
7. Kim, G. H., Youn, J. H., & Kim, B. S., (2010), Producing wind speed maps using Gangwon weather data, Journal of the Korean Society for Geospatial Information Science, 18(1), p31-39.
8. Kim, K. J., & An, Y. S., (2017), Analysis of influencing factors of building and urban planning on building energy consumption considering income gap, Journal of the Korea Planning Association, 52(5), p253-267.
9. Kim, K. J., An, Y. S., & Lee, S. G., (2016), A study on direct and indirect effect of urban compositional elements on urban heat or energy consumption, Seoul Studies, 17(1), p125-145.
10. Kim, M. K., (2013), An estimation model of residential building electricity consumption in Seoul, Seoul Studies, 14(2), p179-192.
11. Kim, Y. I., & Song, S. Y., (2014), Energy consumption status of apartment buildings and influence of various factors on energy consumption, Journal of the Korea Solar Energy Society, 34(2), p93-102.
12. Kim, Y. L., Hong, W. H., Seo, Y. K., & Jeon, G. Y., (2011), A study on the electricity consumption propensity by household members in apartment houses, Journal of the Korean Housing Association, 22(6), p43-50.
13. Korea Energy Economics Institute (KEEI), (2016), '2016 survey on household energy consumption' survey guide, Retrieved from http://www.kesis.net/sub/sub_0001)04.jsp.
14. Lee, J. S., (2000), The public administration dictionary, Seoul, Daeyoung.
15. Lee, K. H., & Chae, U., (2008), Estimation model of the energy consumption under the building - Focused on the maintenance stage, Journal of the Architecture Institute of Korea, 24(9), p85-92.
16. Lee, S. H., Heo, I. H., Lee, K. M., & Kwon, W. T., (2004), Classification of local climatic region in Korea, Journal of the Korean Meteorological Society, 41(6), p983-995.
17. Noh, S. C., & Lee, H. Y., (2013), An analysis of the factors affecting the energy consumption of the household in Korea, Journal of Korea Planning Association, 48(4), p295-312.
18. Park, J. K., (2002), Dictionary of economics, Seoul, Nurimedia.
19. Park, S. B., (2004), A study in the increase of city temperature in Gwangju by using the of meteorological data, Journal of the Korean Solar Energy Society, 24(3), p65-71.
20. Park, S. H., (2000), Terminology of educational psychology, Seoul, Korean Educational Psychology Association.
21. Park, S. H., Park, J. C., Rhee, E. K., & Cho, K. H., (2014), A survey on energy consumption through operational level in apartment buildings, Journal of the Architecture Institute of Korea, 30(2), p233-240.
22. Santamouris, M., (2016), Cooling the building-Past, present and future, Energy and Buildings, 128, p678-638.
23. Seo, H. C., Hong, W. H., & Nam, G. M., (2012), Characteristics of electric-power use in residential building by family composition and their income level, Journal of the Korean Housing Association, 23(6), p31-38.
24. Yang, B. K., (2006), Understanding multivariate data analysis, Seoul, Communicationbooks.
25. Yoo, H. S., Chung, J. H., Moon, J. H., & Lee, J. H., (2007), Proposal of unit building method for calculating unit heating load of apartment houses, Korea Journal of Air-Conditioning and Refrigeration Engineering, 9(1), p68-76.
26. Yoon, I. H., Min, K. D., & Kim, K. E., (1994), A study on the meteorological characteristics of Taegu area and its application to the atmospheric dispersion: II. Characteristic features of the urban heat island: Case study, Journal of the Korean Meteorological Society, 30(2), p303-313.
27. Yoon, Y. R., Shin, S. H., & Moon, H. J., (2017), Analysis of building energy consumption patterns according to building type using clustering methods, Journal of Korean Living Environment System, 24(2), p232-237.