A country-sector dataset of environmental intensity and geographic variability across industrial activities

기술 요약: 환경 집약도 및 지리적 가변성에 관한 국가-부문 데이터셋

문제 제기
EXIOBASE와 같은 기존의 환경 확장 다지역 투입-산출(EEMRIO) 데이터베이스는 환경 영향을 정량화하는 데 중요한 도구이지만, 상당한 이질성을 겪고 있다. 환경 지표들은 대개 서로 다른 단위와 규모로 보고되어, 지표 간, 부문 간, 그리고 국가 간 비교를 어렵게 만든다. 또한, 이러한 데이터베이스들은 환경적 압력이 고유한 부문 특성에서 기인하는지 아니면 지리적 맥락(예: 기술, 규제, 자원 품질)에서 기인하는지를 탐구하는 데 필요한 데이터를 포함하고 있음에도 불구하고, 이러한 체계적인 분석을 용이하게 할 조화된 메트릭(metric)이 부족하다. 결과적으로, 산업 시스템 전반에 걸친 환경적 압력의 규모와 지리적 의존성을 이해하는 데 공백이 존재한다.

방법론
본 연구는 EXIOBASE 3.8.1 데이터베이스로부터 유도된 44개국 및 5개 기타 지역(RoW)을 아우르는 6,781개 경제 부문을 포함하는 조화된 데이터셋을 구축한다. 방법론은 다음 세 가지 주요 단계로 구성된다:

1. 지표 선정 및 변환:

   • 기후 변화, 대기 오염, 산성화, 부영양화, 생태 독성, 인체 독성, 광화학 오존 형성 및 물 사용을 포괄하기 위해 13개의 환경 지표를 선정하였다. 이 지표들은 가용성, 개념적 차별성, 그리고 중간 단계 영향 범주(midpoint impact categories)의 대표성을 고려하여 선택되었다.
   • 단위의 이질성과 왜곡된 분포를 해결하기 위해, 모든 지표 값은 모든 국가-부문 관측치에 대해 **백분위 순위(percentile ranks)**로 변환되었다. 이 접근 방식은 극단값이나 이상치의 영향을 최소화하면서 상대적 순위를 보존한다. 구조적 제로(해당 사항 없는 조합)는 비적용성을 낮은 환경 부하와 혼동하는 것을 방지하기 위해 정규화 전에 제외되었다.

2. 환경 집약도 차원의 계산:

   • 직접 환경 집약도 ($D_i$): 해당 부문의 운영 내에서 생성된 지표들의 백분위 순위에 대한 산술 평균으로 계산된다.
   • 공급망 환경 집약도 ($P_i$): 기술 계수 행렬($A$)과 직접 환경 계수($e$)에 적용된 레온티에프 역행렬 분석($L = (I - A)^{-1}$)을 사용하여 추정된다. 이는 상류 생산 네트워크에 내재된 압력을 포착한다. 도출된 값들 역시 백분위 순위로 변환된 후 평균화되었다.
   • 시스템적 환경 집약도 ($S_i$): 직접 점수와 공급망 점수의 기하 평균($S_i = \sqrt{D_i \times P_i}$)을 사용하여 단일 메트릭으로 통합된다. 이 방법은 운영과 공급망 양측의 관점에서 모두 환경적으로 유의미한 활동을 강조하고, 한 가지 차원에서만 높은 점수를 보이는 관측치의 가중치를 줄이기 위해 선택되었다.

3. 지리적 가변성 정량화:

   • 지리적 가변성은 각 특정 부문에 대해 국가 간 시스템적 환경 집약도 점수의 표준 편차로 정의되었다. 이 메트릭은 동일한 활동이 서로 다른 국가적 맥락 하에서 나타내는 환경 성과의 분산을 평가한다.

4. 데이터 필터링 및 검증:

   • 선택된 지표 중 유효한 데이터가 50% 미만인 관측치는 제외되었다. 강건성 검토 결과, 이 임계값을 75%로 높여도 동일한 결과가 나타남을 확인하였으며, 이는 높은 데이터 커버리지를 나타낸다.
   • 기술적 검증에는 대안적인 집계 방법(예: 산술 평균 대 기하 평균, 평균 대 중앙값 백분위) 및 지표 커버리지 임계값에 대한 순위의 안정성을 테스트하기 위한 스피어먼 순위 상관 분석이 포함되었다.

주요 결과

• 데이터셋 구성: 최종 데이터셋은 조화된 직접, 공급망 및 시스템적 환경 집산도 점수와 지리적 가변성 메트릭을 포함하는 6,781개 국가-부문 관측치로 구성된다.
• 부문별 패턴:
  • 제조업 및 건설업: 이 부문들은 중간 정도의 직접 집약도를 보이지만, 공급망 집약도는 현저히 높게 나타난다. 이는 이들의 환경적 부담이 상류 네트워크에 의해 크게 주도됨을 시사한다.
  • 1차 산업 (농업, 임업, 광업, 유틸리티): 이 부문들은 반대의 패턴을 보인다. 즉, 높은 직접 집산도를 보이고 낮은 공급망 집산도를 보이는데, 이는 이들의 영향이 운영 경계 내에 본질적으로 존재함을 시사한다.
  • 서비스업: 서비스 부문은 일반적으로 가장 낮은 시스템적 환경 집산도 점수를 보인다.
• 지리적 가변성:
  • 이원 분산 분석(Two-way ANOVA) 결과, 부문 효과가 국가 효과보다 더 큰 분산 비율($\eta^2 = 0.414$)을 설명함을 밝혔다(국가 효과 $\eta^2 = 0.224$). 이는 환경 집약도가 지리적 맥락보다는 생산 활동의 성격과 더 밀접하게 연관되어 있음을 시사한다.
  • 그러나 특정 부문, 특히 광업, 추출, 재활용, 발전 및 농업에서는 유의미한 지리적 가변성이 존재한다. 이 부문들은 높은 환경 집산도와 높은 국가 간 분산을 특징으로 하며, 지속 가능성 업그레이드 및 기술 이전의 주요 대상이 된다.
• 강건성: 본 연구는 기하 평균과 산술 평균으로부터 도출된 순위 사이의 매우 강력한 일치성(스피어먼 $\rho = 0.974$)과 평균 및 중앙값 백분위 점수 사이의 상관관계($\rho > 0.98$)를 발견하였다. 직접 점수와 공급망 점수 사이의 상관관계는 양수였으나 약하였으며($\rho = 0.337$), 이는 두 차원을 별도로 측정해야 할 필요성을 입증한다.

의의 및 주장
본 논문은 이 데이터셋이 사용자가 원시 EEMRIO 데이터를 처리하거나 복잡한 투입-산출 계산을 수행할 필요 없이, 다차원적인 환경 성과 벤치마킹을 위한 투명하고 재현 가능한 프레임워크를 제공한다고 주장한다. 본 연구의 주요 의의는 다음과 같다:

1. 조화(Harmonization): 다양한 지표를 공통된 서수 척도(ordinal scale)로 변환함으로써 이질적인 환경 차원, 국가 및 부문 간의 비교를 가능하게 한다.
2. 차별화(Differentiation): 직접적인 운영 압력과 상류 공급망 압력을 구분하며, 이들은 부문에 따라 서로 다른 패턴을 따르는 경우가 많다.
3. 정책적 유용성(Policy Utility): 환경 성과가 지리적 조건에 매우 민감한 부문과 생산 과정에 본질적인 부문을 식별한다. 이러한 구분은 타겟팅된 산업 정책, 기술 이전 분석 및 지속 가능한 공급망 관리를 지원한다.
4. 상대적 벤치마킹(Relative Benchmarking): 저자들은 이 점수가 절대적인 환경 부하가 아닌 상대적 환경 집산도를 나타낸다고 명시적으로 밝힌다. 따라서 이 데이터셋은 절대적인 물리적 영향의 정량화보다는 순위 매기기, 비교 평가 및 탐색적 분석에 가장 적합하다.

본 연구는 지속 가능성 전략을 위한 기초 자원으로 제시되며, 연구자와 정책 결정자가 환경 집약도가 부문 특성에 의해 주도되는지, 아니면 해당 부문이 운영되는 지리적 맥락에 의해 주도되는지를 평가할 수 있도록 한다.