Analysis of the Factors Influencing PM10 & PM2.5 in Korea by Panel Quantile-Regression

doi:10.15266/KEREA.2022.31.1.085

All Issue

2022 Vol.31, Issue 1 Preview Page Next Page

Research Paper

Analysis of the Factors Influencing PM10 & PM2.5 in Korea by Panel Quantile-Regression 패널 분위회귀분석을 통한한국의 미세먼지 국내외 영향요인 분석: 김해동*, 김재혁**, 조하현***
Haedong Kim*, Jaehyeok Kim** and Hahyun Jo***; *연세대학교 경제학과 박사과정, 제1저자(e-mail: vincentius@yonsei.ac.kr)
**연세대학교 경제연구소 전문연구원, 공동저자(e-mail: safin84@gmail.com)
***연세대학교 경제학과 교수, 교신저자(e-mail: hahyunjo@hanmail.net)

* Graduate Student, Dept. of Economics, Yonsei University, First author(e-mail: vincentius@yonsei.ac.kr)
** Researcher, Yonsei University, Coauthor(e-mail: safin84@gmail.com)
*** Dept. of Economics, Yonsei University, Corresponding author(e-mail: hahyunjo@hanmail.net)

31 March 2022. pp. 85-112

PDF

Abstract

This study analyzed the influence of domestic and Chinese factors on fine dust(PM10 & PM2.5) in Korea by using the panel quantile regression. Daily analysis was conducted for 11 regions in Korea. For domestic factors, electricity demand and traffic volume, and for Chinese factors, interaction term of Chinese three cities’ fine dust and the domestic west wind are used. As a result, the influence of domestic factors was different when the domestic fine dust concentration was high and low. When the fine dust concentration was low, electricity demand had a positive effect only on PM2.5, and didn’t affect PM10 in the national analysis. In regional analysis, the amount of electricity demand had a significant effect on fine dust and ultrafine dust only in the capital area and Chungcheong. Electricity demand was found to significantly increase both PM2.5 and PM10 when it was high. On the other hand, it was confirmed that the Chinese factor always had a significant effect regardless of the concentration of PM10 and PM2.5. Therefore, in order to solve the problem of high concentration of fine dust, in addition to international cooperation, the reduction of PM2.5 generated by domestic thermal power generation should also be strengthened compared to the present.

Keywords

PM10

PM2.5

Quantile regression

Panel analysis

Regional analysis

Thermal power generation

International collaboration

Electricity demand

우리나라의 미세먼지 및 초미세먼지 농도에 대하여 전국 및 지역별 패널 분위회귀분석을 진행하여, 국내 및 중국 요인의 영향력을 분석하였다. 2015년 5월 1일부터 2020년 12월 31일까지 일별 분석을 진행하였으며, 국내 요인으로는 전력수요 및 교통량을, 중국 측 요인으로는 베이징 등 3개 도시의 미세먼지 및 초미세먼지 농도와 서풍의 교차항을 이용하여 패널 분석을 진행하였다. 국내 미세먼지 농도가 높고 낮을 때 국내 요인의 영향력이 다르게 나타났다. 미세먼지 농도가 낮을 때, 전국분석에서 국내 화력발전의 대리변수인 전력수요량은 초미세먼지에 양(+)의 영향력을 미쳤다. 지역별 분석결과, 수도권 및 충청도 지역에서만 전력수요량이 미세먼지 및 초미세먼지에 유의한 영향을 미치는 것으로 나타났다. 반면, 미세먼지 농도가 높을 때, 전력수요량은 미세먼지 및 초미세먼지 농도를 모두 유의하게 상승시키는 것으로 나타났다. 초미세먼지의 경우 그 추정치가 더 높게 나타났다. 반면, 중국 요인의 경우 미세먼지 및 초미세먼지 농도와 관계없이 우리나라에 항시 양(+)의 영향을 미침을 확인하였다. 향후 국내 초미세먼지 문제를 해결하기 위해서는 4계절 항시 국제적 협력이 필요하며, 국내 화력발전으로 인한 초미세먼지 발생분에 대한 감축이 현재보다 강화되어야 함을 확인할 수 있다.

키워드

미세먼지

초미세먼지

분위회귀분석

월경성

지역별 분석

화력발전

국제협력

전력수요

References

국립환경과학원, “동북아 장거리이동 대기오염물질 국제공동연구 요약 보고서”, 2019.
김기환‧김오석, “시계열 분석을 활용한 한· 중 월경성 미세먼지 연구”, 「한국지리학회지」, 제8권 제1호, 2019, pp. 33~46. 10.25202/JAKG.8.1.3
김종희‧최대련‧구윤서‧이재범‧박현주, “2014년 2월 서울의 고농도 미세먼지 기간 중에 CMAQ-DDM 을 이용한 국내외 기여도 분석”, 「한국대기환경학회지」, 제32권 제1호, 2016, pp. 82~99. 10.5572/KOSAE.2016.32.1.082
박순애‧신현재, “한국의 초미세먼지 (PM 2.5) 의 영향요인 분석: 풍향을 고려한 계절성 원인을 중심으로”, 「환경정책」, 제25권 제1호, 2017, pp. 227~248.
박재우‧황병덕, “지역별 대기오염물질 (PM10, O3, CO) 이 호흡기질환에 미치는 영향”, 대한보건연구, 제43권 제3호, 2017, pp. 53~66. 10.17208/jkpa.2018.06.53.3.133
서석준‧임용재‧서영교‧정동희‧정해진‧이민도‧박진수‧홍유덕, “고농도 미세먼지 및 황사 발생사례에 대한 백령도 지역의 미세먼지 입경분포 특성”, 「한국도시환경학회지」, 제15권 제3호, 2015, pp. 241~250.
오세호‧이태형‧박태현‧안준영‧박진수‧최진수‧박규태‧배민석, “백령도에서 관측된 장거리 유입 PM 1.0 의 주성분 공간 분포: PSCF 및 군집분석 관계”, 「한국대기환경학회지」, 제33권 제4호, 2017, pp. 411~423. 10.5572/KOSAE.2017.33.4.411
오종민‧신현수‧신예슬‧정형철, “시계열 분석을 활용한 서울시 미세먼지 예측”, 「Journal of The Korean Data Analysis Society」, 제19권 제5호, 2017, pp. 2,457~2,468.
이성희‧강병욱‧연익준‧최준락‧박현필‧박상찬‧이학성‧조병렬, “충주시 미세입자 (PM 2.5) 농도특성에 대한 사례 연구”, 「한국대기환경학회지」, 제28권 제5호, 2012, pp. 595~605. 10.5572/KOSAE.2012.28.5.595
장경수‧여준호, “한국과 중국의 경제성장이 한국의 미세먼지에 미치는 영향분석”, 「환경정책」, 제23권 제1호, 2015, pp. 97~117.
차성기, “황사의 건강영향 – 역학문헌 비교”, 과학기술정보분석, 2010.
최기철, “중국의 대기관리정책 분석 및 한중협력 강화 방안”, 한국환경정책 평가연구원, 정책보고서, 2019.
Andreou, E., E. Ghysels, and A. Kourtellos, “Regression Models with Mixed Sampling Frequencies,” Journal of Econometrics, Vol. 158, No. 2, 2010, pp. 246~261. 10.1016/j.jeconom.2010.01.004
Bae, M., B. U. Kim, H. C. Kim, J. Kim, and S. Kim, “Role of Emissions and Meteorology in the Recent PM2. 5 Changes in China and South Korea from 2015 to 2018,” Environmental Pollution, 2021, p. 270. 10.1016/j.envpol.2020.116233 33326920
Baek, J. S., “The Effect of Subway Openings on Air Quality,” Korea Review of Applied Economics, Vol. 18, No. 2, 2016, pp. 53~76. 10.1016/j.econlet.2015.12.014
Canay, I. A., “A Simple Approach to Quantile Regression for Panel Data,” The Econometrics Journal, Vol. 14, No. 3, 2011, pp. 368~386. 10.1111/j.1368-423X.2011.00349.x
Clements, M., and A. Galvao, “Macroeconomic Forecasting with Mixed Frequency Data: Forecasting US Output Growth,” Journal of Business and Economic Statistics, Vol. 26, 2008, pp. 546~554. 10.1198/073500108000000015
Ebenstein, A., M. Fan, M. Greenstone, G. He, P. Yin, and Zhou, M, “Growth, Pollution, and Life Expectancy: China from 1991–2012,” American Economic Review, Vol. 105, No. 5, 2015, pp. 226~231. 10.1257/aer.p20151094
Ghysels, E., V. Kvedaras, and V. Zemlys, “Mixed Frequency data Sampling Regression Models: the R Package Midasr,” Journal of Statistical Software, 2016, pp. 1~35. 10.18637/jss.v072.i04
Ike, G. N., O. Usman, and S. A. Sarkodie, “Testing the Role of Oil Production in the Environmental Kuznets Curve of Oil Producing Countries: New Insights from Method of Moments Quantile Regression,” Science of the Total Environment, Vol. 711, 2020, p. 135208. 10.1016/j.scitotenv.2019.135208 31818555
Jia, R., and H. Ku, “Is China's Pollution the Culprit for the Choking of South Korea? Evidence from the Asian Dust,” The Economic Journal, Vol. 129, No. 624, 2019, pp. 3154~3188. 10.1093/ej/uez021
Kim, M. J., “The Effects of Transboundary Air Pollution from China on Ambient Air Quality in South Korea,” Heliyon, Vol. 5, No. 12, 2019, p. e02953. 10.1016/j.heliyon.2019.e02953 31890944 PMC6926254
Koenker, R., and G. Bassett Jr, “Regression Quantiles,” Econometrica: Journal of the Econometric Society, 1978, pp. 33~50. 10.2307/1913643
Koenker, R., “Quantile Regression for Longitudinal Data,” Journal of Multivariate Analysis, Vol. 91, No. 1, 2004, pp. 74~89. 10.1016/j.jmva.2004.05.006
Lin, J., D. Pan, S. J. Davis, Q. Zhang, K. He, C. Wang, D. G. Streets, D. J. Wuebbles, and D. Guan, “China’s International Trade and Air Pollution in the United States,” Proceedings of the National Academy of Sciences, Vol. 111, No. 5, 2014, pp. 1736~1741. 10.1073/pnas.1312860111 24449863 PMC3918792
Machado, J. A., and J. S. Silva, “Quantiles via Moments,” Journal of Econometrics, Vol. 213, No. 1, 2019, pp. 145~173. 10.1016/j.jeconom.2019.04.009
Powell, D., “Quantile Treatment Effects in the Presence of Covariates,” Review of Economics and Statistics, 2016, pp. 1~39.
Rosen, A. M., “Set Identification via Quantile Restrictions in Short Panels,” Journal of Econometrics, Vol. 166, No. 1, 2012, p. 137. 10.1016/j.jeconom.2011.06.011

Information

Publisher :Environmental and Resource Economics Review
Publisher(Ko) :자원 · 환경경제연구
Journal Title :자원·환경경제연구
Journal Title(Ko) :Environmental and Resource Economics Review
Volume : 31
No :1
Pages :85-112
DOI :https://doi.org/10.15266/KEREA.2022.31.1.085

[1] 국립환경과학원, “동북아 장거리이동 대기오염물질 국제공동연구 요약 보고서”, 2019.

[2] 김기환‧김오석, “시계열 분석을 활용한 한· 중 월경성 미세먼지 연구”, 「한국지리학회지」, 제8권 제1호, 2019, pp. 33~46. 10.25202/JAKG.8.1.3

[3] 김종희‧최대련‧구윤서‧이재범‧박현주, “2014년 2월 서울의 고농도 미세먼지 기간 중에 CMAQ-DDM 을 이용한 국내외 기여도 분석”, 「한국대기환경학회지」, 제32권 제1호, 2016, pp. 82~99. 10.5572/KOSAE.2016.32.1.082

[4] 박순애‧신현재, “한국의 초미세먼지 (PM 2.5) 의 영향요인 분석: 풍향을 고려한 계절성 원인을 중심으로”, 「환경정책」, 제25권 제1호, 2017, pp. 227~248.

[5] 박재우‧황병덕, “지역별 대기오염물질 (PM10, O3, CO) 이 호흡기질환에 미치는 영향”, 대한보건연구, 제43권 제3호, 2017, pp. 53~66. 10.17208/jkpa.2018.06.53.3.133

[6] 서석준‧임용재‧서영교‧정동희‧정해진‧이민도‧박진수‧홍유덕, “고농도 미세먼지 및 황사 발생사례에 대한 백령도 지역의 미세먼지 입경분포 특성”, 「한국도시환경학회지」, 제15권 제3호, 2015, pp. 241~250.

[7] 오세호‧이태형‧박태현‧안준영‧박진수‧최진수‧박규태‧배민석, “백령도에서 관측된 장거리 유입 PM 1.0 의 주성분 공간 분포: PSCF 및 군집분석 관계”, 「한국대기환경학회지」, 제33권 제4호, 2017, pp. 411~423. 10.5572/KOSAE.2017.33.4.411

[8] 오종민‧신현수‧신예슬‧정형철, “시계열 분석을 활용한 서울시 미세먼지 예측”, 「Journal of The Korean Data Analysis Society」, 제19권 제5호, 2017, pp. 2,457~2,468.

[9] 이성희‧강병욱‧연익준‧최준락‧박현필‧박상찬‧이학성‧조병렬, “충주시 미세입자 (PM 2.5) 농도특성에 대한 사례 연구”, 「한국대기환경학회지」, 제28권 제5호, 2012, pp. 595~605. 10.5572/KOSAE.2012.28.5.595

[10] 장경수‧여준호, “한국과 중국의 경제성장이 한국의 미세먼지에 미치는 영향분석”, 「환경정책」, 제23권 제1호, 2015, pp. 97~117.

[11] 차성기, “황사의 건강영향 – 역학문헌 비교”, 과학기술정보분석, 2010.

[12] 최기철, “중국의 대기관리정책 분석 및 한중협력 강화 방안”, 한국환경정책 평가연구원, 정책보고서, 2019.

[13] Andreou, E., E. Ghysels, and A. Kourtellos, “Regression Models with Mixed Sampling Frequencies,” Journal of Econometrics, Vol. 158, No. 2, 2010, pp. 246~261. 10.1016/j.jeconom.2010.01.004

[14] Bae, M., B. U. Kim, H. C. Kim, J. Kim, and S. Kim, “Role of Emissions and Meteorology in the Recent PM2. 5 Changes in China and South Korea from 2015 to 2018,” Environmental Pollution, 2021, p. 270. 10.1016/j.envpol.2020.116233 33326920

[15] Baek, J. S., “The Effect of Subway Openings on Air Quality,” Korea Review of Applied Economics, Vol. 18, No. 2, 2016, pp. 53~76. 10.1016/j.econlet.2015.12.014

[16] Canay, I. A., “A Simple Approach to Quantile Regression for Panel Data,” The Econometrics Journal, Vol. 14, No. 3, 2011, pp. 368~386. 10.1111/j.1368-423X.2011.00349.x

[17] Clements, M., and A. Galvao, “Macroeconomic Forecasting with Mixed Frequency Data: Forecasting US Output Growth,” Journal of Business and Economic Statistics, Vol. 26, 2008, pp. 546~554. 10.1198/073500108000000015

[18] Ebenstein, A., M. Fan, M. Greenstone, G. He, P. Yin, and Zhou, M, “Growth, Pollution, and Life Expectancy: China from 1991–2012,” American Economic Review, Vol. 105, No. 5, 2015, pp. 226~231. 10.1257/aer.p20151094

[19] Ghysels, E., V. Kvedaras, and V. Zemlys, “Mixed Frequency data Sampling Regression Models: the R Package Midasr,” Journal of Statistical Software, 2016, pp. 1~35. 10.18637/jss.v072.i04

[20] Ike, G. N., O. Usman, and S. A. Sarkodie, “Testing the Role of Oil Production in the Environmental Kuznets Curve of Oil Producing Countries: New Insights from Method of Moments Quantile Regression,” Science of the Total Environment, Vol. 711, 2020, p. 135208. 10.1016/j.scitotenv.2019.135208 31818555

[21] Jia, R., and H. Ku, “Is China's Pollution the Culprit for the Choking of South Korea? Evidence from the Asian Dust,” The Economic Journal, Vol. 129, No. 624, 2019, pp. 3154~3188. 10.1093/ej/uez021

[22] Kim, M. J., “The Effects of Transboundary Air Pollution from China on Ambient Air Quality in South Korea,” Heliyon, Vol. 5, No. 12, 2019, p. e02953. 10.1016/j.heliyon.2019.e02953 31890944 PMC6926254

[23] Koenker, R., and G. Bassett Jr, “Regression Quantiles,” Econometrica: Journal of the Econometric Society, 1978, pp. 33~50. 10.2307/1913643

[24] Koenker, R., “Quantile Regression for Longitudinal Data,” Journal of Multivariate Analysis, Vol. 91, No. 1, 2004, pp. 74~89. 10.1016/j.jmva.2004.05.006

[25] Lin, J., D. Pan, S. J. Davis, Q. Zhang, K. He, C. Wang, D. G. Streets, D. J. Wuebbles, and D. Guan, “China’s International Trade and Air Pollution in the United States,” Proceedings of the National Academy of Sciences, Vol. 111, No. 5, 2014, pp. 1736~1741. 10.1073/pnas.1312860111 24449863 PMC3918792

[26] Machado, J. A., and J. S. Silva, “Quantiles via Moments,” Journal of Econometrics, Vol. 213, No. 1, 2019, pp. 145~173. 10.1016/j.jeconom.2019.04.009

[27] Powell, D., “Quantile Treatment Effects in the Presence of Covariates,” Review of Economics and Statistics, 2016, pp. 1~39.

[28] Rosen, A. M., “Set Identification via Quantile Restrictions in Short Panels,” Journal of Econometrics, Vol. 166, No. 1, 2012, p. 137. 10.1016/j.jeconom.2011.06.011

자원·환경경제연구 ISSN:1229-9146(Print) Environmental and Resource Economics Review

All Issue