네 가지 실험설계의 분석결과를 어떻게 이해하고, 평가할 수 있을 것인가
② PSM 분석에서 도출한 네 가지 실험설계의 처치효과(ATT) 를 정책 관점에서 해석하고, 그 편익분석 결과를 제시한다.
“당진·서산을 거쳐온 공기가 화성시 초미세먼지를 실제로 얼마나 끌어올리는가, 그리고 그중 우리가 관리할 몫과 협력이 필요한 몫은 어떻게 나뉘는가?”
날씨 조건이 유사한 “쌍둥이 날”끼리 비교(성향점수매칭)한 결과, 각 경로를 거쳐온 날은 그렇지 않은 날보다 PM2.5가 아래만큼 높았다(ATT, 단위: ㎍/㎥).
att_summary <- readRDS("./data/results.rds")
att_summary 경로 대조군평균 ATT SE CI_하한 CI_상한 상승률
1 당진 only 20.00 2.53 0.164 2.21 2.85 12.7
2 당진 any 20.30 1.37 0.094 1.19 1.55 6.7
3 서산 any 20.29 1.08 0.110 0.86 1.30 5.3
4 통합(treated any) 20.36 1.39 0.092 1.21 1.57 6.8library(ggplot2)
ggplot(att_summary, aes(x = reorder(경로, ATT), y = ATT)) +
geom_col(width = 0.6, fill = "#4C78A8") +
geom_errorbar(aes(ymin = CI_하한, ymax = CI_상한), width = 0.2) +
geom_text(aes(label = sprintf("+%.2f", ATT)), hjust = -0.5, vjust=-1.2) +
coord_flip() +
labs(x = NULL, y = "PM2.5 상승분 (㎍/㎥)",
title = "경로별 화성 초미세먼지 기여도") +
theme_minimal(base_size = 14)
any에는 당진·서산을 모두 거친 날이 섞이면서 효과가 희석된다. 두 도시를 거친 날은 대체로 경로가 길고 확산이 커 상승폭이 작아진다.표준화 효과크기(Cohen’s d, 표준화계수)를 별도로 구하면 0.03~0.08 수준으로 나온다. 그러나 이는 PM2.5의 표준편차(SD≈31)가 워낙 커서 나오는 값일 뿐이며, 정책·환경 맥락에서 실질적으로 의미 있는 효과크기는 이미 ㎍/㎥ 단위의 ATT 그 자체다. 표준화계수는 “작은 효과”로 오독될 수 있어, 본 리포트는 원단위(㎍/㎥) 를 효과크기로 사용한다.
서울연구원에서 수행한 서울시 미세먼지 관리정책의 사회경제적 편익 분석 보고서에 따르면, 서울시내 551가구의 앙케이트 조사 결과를 바탕으로 초미세먼지 10㎍/㎥ 감축을 위해 지불가능한 추가 지방세 부담액을 가구당 약 14만원으로 산정한 바 있다.
이를 기준으로 우리가 산출한 경로효과(ATT)에 샘플링된 개수만큼을 곱하고, 모두 더해 식별가능한 총량이라고 상정하고, 여기에 4년을 시간수로 환산한 값(24*365*4*8개측정소=280,320)으로 나눠주면, 화성권역내에 경로유형에 따른 평균적인 영향을 계산할 수 있고, 이 값을 기준으로 서울연구원에서 책정한 추가지방세부담액(10㎍/㎥당 138,107원/가구/년)과 화성시 2025년말 세대수(428,268 세대, 행안부 주민등록 데이터 기준)를 적용하면 예상 편익을 정산이 가능한 금액으로 환산하여 추정할 수 있다.
다만, 주의해야 할 점은 이 계산은 화성시의 입장에서만 계산된 것이라는 점이다. 공기가 넘어올 수 있다면 넘어갈 수도 당연히 있기 때문에 최종적인 정산금액이 얼마나 될지는 아직은 미지수이나, 내가 담당자라면 눈에 불을 켜고, 정산 금액을 줄이도록 노력할 것 같다.
이 분석의 목적은 “남 탓”이 아니라 역할 범위를 명확히 하여 각자의 개선 여지를 드러내는 것이다. 기여 갈래에 따라 대응도 두 방향으로 나뉜다.