서 론

정부는 국가 건물 에너지 절감을 위해 1979년 이후 매년 ｢건축물의 에너지절약설계기준｣을 개정하며, 건물 외피와 설비 성능 기준을 지속적으로 강화해 신축 건물의 설계 단계에서부터 에너지 성능을 관리해왔다(MOLIT, 2025). 주거용 건물은 국내 건축물의 약 62%를 차지하며(2023년 기준), 난방은 주거 부문 에너지 소비에서 가장 큰 비중을 차지한다(Spandagos and Ng, 2017). 특히 겨울철 난방부하가 지배적인 국내의 기후 특성을 고려할 때, 주거 건물의 난방 에너지 절감은 정책의 핵심 목표로 설정되어 왔다. 건물 외피를 통한 열손실은 난방부하의 주요 원인으로서 인식되어져 왔으며, 이를 줄이는 가장 효과적인 수단으로 단열 성능 강화가 강조되어 왔다(Aydin and Brounen, 2019).

이에 따라, 에너지절약설계기준에서 외벽, 지붕, 창호 등 외피 요소별 열관류율(U-value)은 지역과 구조체에 따라 지속적으로 낮아졌으며(Table 1), 중부 지역의 외벽은 2000년 이전 0.46 W/m²·K에서 2013년 이후 0.27W/²·K로, 창호는 3.37W/²·K에서 1.50W/m²·K로 단열 규제가 강화되었다. 또한, 단열은 그린리모델링 수행 시 기존 건물의 성능 개선을 위한 가장 보편적인 전략으로 고려되며(de Oliveira et al., 2024), 이러한 단열 기준 강화가 실제로 건물의 에너지 절감으로 이어졌는지 규명하는 것은 건축물 에너지 정책의 효과를 평가하는 데 필수적이다.

단열 기준 강화의 정책적 효과를 검증하기 위해, 기존 연구에서는 주로 시뮬레이션 도구가 활용되어 왔다(Schwartz et al, 2016; Monna et al., 2021). 시뮬레이션은 대상 건물을 모델링하고, 단열 수준만 변경해 다른 요인을 통제함으로써 순수한 단열 효과를 추정할 수 있다는 장점이 있다. 그러나 이러한 접근은 상세한 물리적 입력 정보가 필요하고, 실제 건물과의 운영 특성 차이로 인한 성능 편차를 반영하기 어렵다는 한계가 있다. 즉, 시뮬레이션을 통해 추정된 절감량과 실제 절감효과와 차이가 발생할 수 있으며, 이는 실제 정책의 효과의 객관성을 확보하기 위한 근거 기반 방법이 필요함을 시사한다.

이러한 한계를 보완하기 위해 실제 운영 데이터를 활용한 데이터 기반 접근으로, 단열 수준이 다른 건물 집단 간의 차이를 비교하거나, 회귀분석을 통해 단열 수준과 난방 에너지 사용량 간의 관계를 추정하는 방식이 주로 사용되고 있다(Seo et al., 2023). 해당 접근은 실제 건물의 운영 특성을 반영하고 대규모 표본을 대상으로 정책 효과를 검증하여 보다 현실적인 효과를 추정할 수 있다. 다만, 건물의 에너지 사용량은 건물 규모, 기후, 운영 패턴, 설비 효율, 사용자 특성 등 다양한 요인에 영향을 받기 때문에 순수한 단열 효과를 명확히 분리하기에는 한계가 존재한다. 예를 들면, 최근 준공된 건물(단열 강화)이 주로 온난 지역에 위치한다면, 관측된 난방 에너지 절감은 단열 효과에 더해 기후의 영향도 반영된 결과일 수 있다. 결과적으로, 상술한 요인들로 인해 정책 효과는 과소 혹은 과대 평가될 수 있으며, 정책 개선이나 목표 설정에 객관적인 정보를 제공하는데 제약이 된다.

따라서, 단열 강화 정책에 따른 절감 효과를 보다 객관적으로 규명하기 위해서는 단열 효과 이외의 다른 모든 요인을 동일한 조건으로 두고 “순수한 절감효과”를 추정할 수 있는 방법론이 필요하다. 본 연구는 실제 데이터를 기반으로 건물 에너지에 영향을 미치는 다양한 요인의 효과를 최소화한 상태에서 단열 강화 정책의 순효과를 추정하고자 인과추론(Causal inference) 방법을 이용하였다. 인과추론은 정책 혹은 분석 대상 조건이 적용되지 않은 가상의 결과를 통계적으로 추정하고, 이를 실제 관측 결과와 비교함으로써 정책이 만들어낸 순효과, 즉 인과효과를 정량적으로 규명하는 접근이다. 즉, 단순한 전후 비교가 아닌 ‘정책이 적용된 경우’와 ‘적용되지 않은 경우’를 동시에 고려해 효과를 평가할 수 있도록 한다.

이를 위해, 본 연구에서는 건축물대장, 기상청 데이터, 에너지 데이터를 연계하여 1,313개 아파트를 분석 대상으로 선정하였으며, 건물별 단열 성능 데이터가 부재하므로, 준공연도를 단열 기준 강화 시점과 연계해 단열 수준을 정의하고(Table 1), 이를 활용해 난방 에너지 사용량에 대한 인과적 효과를 추정하였다. 단열 수준 외의 영향 요인으로는 외기온도와 아파트 매매가격을 고려하였다. 외기온도는 ｢건축물의 에너지절약설계기준｣에서 주거 건물 설계 기준을 구분하는 지역 특성을 반영하고, 아파트 매매가격은 사회경제적 요인의 대리변수로 사용하였다. 즉, “동일한 기후 및 사회경제적 조건을 가정했을 때 단열 강화가 아파트 난방 에너지 사용량에 어느 정도 기여했는지”를 정량적으로 분석하고자 하였다. 또한, 단순 회귀분석과의 비교를 통해 인과추론과 상관성 분석의 효과 차이를 검증하고, 기존 단열 수준·기후 조건·매매가격에 따라 효과가 어떻게 달라지는지 관찰함으로써 정책 효과의 이질성을 분석한다. 나아가, 인과추론으로 ‘건물을 최신 단열 기준으로 리모델링 한다면?’이라는 반사실적 시나리오에 대한 잠재적 에너지 절감 효과를 도출함으로써, 정책 의사결정 및 활용에 있어 인과추론 기반 분석의 유용성을 보인다.

인과추론

단순 비교나 회귀분석은 건물 에너지 정책 효과를 검증하는데 직관적이고 활용도가 높지만, 건물 규모, 기후 조건, 운영 특성 등 다양한 요인들이 동시에 영향을 미치기 때문에, 단열 효과만을 독립적으로 식별하기 어렵다. 이로 인해 단열 수준이 난방 에너지 사용량에 미치는 효과가 실제 인과적 효과(원인-결과)가 아니라 단순한 상관관계로 해석되는 한계를 지닌다. 이러한 왜곡은 통계 분석에서 흔히 생략변수 편의(omitted variable bias)로 불린다. 예를 들어, 난방 에너지 사용량 Y가 단열 수준 T와 기후 조건 X에 의해 결정된다고 할 때, X가 모형에서 제외되면 추정된 단열 효과 βT~가 갖는 편의는 수식 (1)과 같다.

여기서, EβT~는 기후조건 X를 제외한 단순 회귀모형에서 추정된 상관계수, βT는 실제 단열 효과(True value), βX는 기후 조건 X의 실제 효과이다. Cov(T,X)와 Var(T)는 각각 단열 수준 T와 기후 조건 X의 공분산 그리고 단열 수준의 분산을 의미한다. 따라서, T와 X가 상관되어 있을 경우, 실제 단열 효과 βT는 과대 또는 과소 추정될 수 있다. 이처럼 단열 수준과 에너지 사용량에 모두 영향을 미치는 요인을 ‘교란변수(Confounder)’라 하며, 이를 통제하지 않으면 정책 효과를 단순 상관관계로 해석하게 되는 한계를 가진다.

한편, 인과추론은 단순한 상관관계가 아닌 실제 정책의 인과적 효과를 규명하는 데 목적을 둔다. 핵심은 ‘정책이 적용되지 않았다면 어떤 결과가 발생했을까?’라는 반사실적(counterfactual) 결과를 통계적으로 추정하고, 이를 실제 관측값과 비교함으로써 정책으로 인한 순효과를 도출하는 것이다. 무작위 통제실험(Randomized Controlled Trial, RCT)이 이상적이지만, 특정 건물에만 단열 기준을 임의로 적용하거나 배제하는 것이 어렵고, 또 대규모 실험을 수행하는 데 소요되는 시간·비용도 크며, 무엇보다 정책 특성상 전국적으로 일괄 적용되기 때문에 무작위 대조군을 설정이 현실적으로 어렵다. 이러한 제약으로 인해, 실제 운영 데이터를 활용하는 관측자료 기반의 준실험적 인과추론 기법이 대안으로 사용된다. 이 접근은 단열 수준과 에너지 사용량 모두에 영향을 미칠 수 있는 건물 특성, 기후, 사회경제적 요인 등 교란변수 영향을 통계적으로 보정함으로써, 단열 강화가 만들어낸 순수한 효과를 추정할 수 있도록 한다.

잠재적 결과 모형(potential outcome framework)은 인과추론의 기본 틀을 제공하며, 각 건물은 단열 기준이 강화된 경우와 그렇지 않은 경우의 두 가지 잠재적 결과를 가진다고 가정한다(Imbens and Rubin, 2015). 이때 단열 기준 강화 여부와 같은 정책적 개입(intervention)에 해당하는 변수를 ‘처치(treatment)’라 한다. 그러나 동일한 건물에서 두 결과를 동시에 관측할 수 없으므로, 실제로는 하나의 결과만 주어지며, 관측되지 않은 대안적 결과는 통계적으로 추정된다(Imbens and Rubin, 2015). 이를 통해 정책의 평균처치효과(Average treatment effect, ATE)는 수식 (2)와 같이 정의된다.

여기서 Y(1)와 Y(0)은 처치를 한 경우와 하지 않은 결과로, 본 연구에서는 단열 기준이 강화된 경우(사실)와 그렇지 않은 경우(반사실)에 해당된다.

또한, 건물의 규모, 기후 조건, 사회경제적 요인 등 특정 조건에 따라 달라질 수 있는 조건부 평균처치효과(Conditional average treatment effect, CATE)는 수식 (3)으로, 건물 특성에 따른 이질적 인과효과 분석이 가능하다.

이러한 잠재적 결과 모형을 실제 데이터에 적용하기 위해, 본 연구에서는 Causal Forest Double Machine Learning (CausalForestDML) 기법을 사용하였다. CausalForestDML은 Frisch-Waugh-Lovell (FWL) 정리에 기반하여, 결과와 처치가 교란변수의 영향을 받는 부분을 먼저 제거한 뒤, 남은 변동으로 인과효과를 추정한다. CausalForestDML은 랜덤 포레스트 구조를 활용해 비선형적 패턴과 변수 간 상호작용을 반영할 수 있어, 전통적인 회귀 기반 방법보다 유연성이 높다. 따라서, 단열 강화 정책의 평균적 효과뿐만 아니라, 건물 특성별로 상이하게 나타나는 정책 효과의 이질적 효과까지 분석할 수 있다. 본 연구에서는 이러한 특성을 활용하여 단열 강화 정책의 전체 효과와 건물 특성별 차이를 분석하고자 한다.

데이터 및 변수 설정

건물에서 소비되는 에너지는 내외부적 다양한 인자에 영향을 받는다. Yoshino et al. (2017)은 주요 영향 요인을 (1) 기후(외기온도, 습도, 일사 등), (2) 물리적 특성(형상, 규모, 단열, 창면적비 등), (3) 설비 성능(설비 부하, 효율 등), (4) 운영 특성(공간 및 기기 활용), (5) 활동 특성 정보(영업, 매출), (6) 사용자 특성(나이, 성별 등), (7) 사회·문화·경제적 특성 정보, (8) 주변공간 특성의 여덟 가지 범주로 구분하였다. 따라서 단열 강화에 따른 절감 효과를 분석하기 위해서는 단열 수준 외 다른 요인들을 동등하게 설정한 상태에서 비교해야 한다. 그러나 실제 운영 중인 건물에서 상술한 모든 요인을 확보하는 데에는 데이터 접근성과 측정 가능성 측면에서 근본적인 제약이 존재한다. 예컨대, 아파트의 경우 설비 효율, 세대별 생활 패턴, 내부 발열 조건 등이 난방 에너지 사용에 영향을 미치지만, 이러한 요인은 대규모 표본 차원에서 일관되게 수집·관리되지 않아 분석에 반영하기 어렵다. 이러한 한계는 개별 건물 수준에서의 절감 효과 추정치를 과대 또는 과소 평가할 수 있지만, 대규모 표본을 활용한 평균적 인과 효과 추정에서는 개별적 변동성이 상쇄되어 광역적 차원에서의 정책 효과를 검증하는 데에는 유효할 수 있다. 본 연구는 개별 건물 단위의 정밀 분석에 국한하기보다, 광역적 차원에서의 효과 검증에 초점을 두었다. 이를 위해 인과적 질문인 “단열 강화가 난방 에너지 사용량 절감에 어느 정도 기여하는가?”를 중심으로, 실제 확보 가능한 공공데이터를 연계하고 도메인 지식에 근거하여 주요 변수를 설정하였다.

Figure 1은 본 연구의 전체 프로세스를 도식화한 것으로, 요약하면 다음과 같다: (1) 데이터 수집 및 인과적 질문 정의, (2) 가용 데이터 및 도메인 지식 기반 처치/결과/교란 변수 선정, (3) CausalForestDML를 이용한 ATE, CATE 추정, (4) 결과 분석.

Figure 1.

Research process

본 연구에서는 건축물대장(MOLIT, 2024), 기상청 데이터(KMA, 2019), 한국건설기술연구원 ‘데이터넷 프로젝트’(Shin et al., 2024)에서 구축된 2019년도 에너지 사용량 데이터를 연계하여 활용하였다. 건축물대장의 표제부를 통해 건물의 용도와 준공연도 등 건물의 특성을 확보하였고, 공동주택가격을 통해 아파트의 매매가격을 사회경제적 변수의 대리변수로서 수집하였다. 기상 데이터는 건물 위치의 위치를 기반으로 Haversine 거리를 이용해 최근접 기상관측소와 매칭하였으며(Sinnott, 1984), 수식 (4)와 같이 외기온도를 난방 및 냉방 도일(Heating/cooling degree-days)로 변환하여 기후 요인을 반영하였다.

여기서 HDD와 CDD는 각각 난방 및 냉방도일을 의미하며, i는 시간, Tbase는 기준온도(18℃로 설정), TOi는 시간별 외기온도를 나타낸다. Figure 2는 지역별 난방도일(HDD)과 냉방도일(CDD)에 대해 산점도로 나타낸 것이다.

Figure 2.

Scatter plot of heating degree-days (HDD) and cooling degree-days (CDD) by regions

분석 대상은 단일 건물 필지, 연면적 100 m², 1995년 이후 준공된 아파트로 설정하였고, 이러한 전처리를 거쳐 1,313개 아파트 건물이 분석에 포함되었다.

인과추론을 위한 처치변수는 준공연도를 기준으로 단열 수준을 구분하여 정의하였으며, 이는 ｢건축물의 에너지절약설계기준｣ 개정 시점에 따라 건물 준공 당시 인허가 과정에서 적용된 외피 열관류율 강화 수준이 외피 단열 성능을 대리할 수 있다고 간주한 것이다. 물론 동일한 준공년도 내에서도 시공 품질이나 자재 선택에 따라 단열 수준의 차이가 존재할 수 있으며, 열화현상에 따라 단열 성능의 저하가 발생할 수 있으나, 광역적 차원의 대규모 표본을 다루는 관점에 있어 개방된 국내 공공데이터의 범주에서 제도 개정이 단열 성능을 구분하는 일관적 기준이 될 수 있음을 전제로 하였다. 결과변수(outcome)는 단위면적당 난방 에너지 사용량으로 설정하였으며, 이는 건물 에너지 성능을 평가하는 연구에서 널리 활용되는 핵심 지표이다(Shin et al., 2024). 교란변수는 난방도일 및 아파트 매매가격을 포함하였다. 난방도일은 지역별 기후 차이를 반영하는 지표이며, 아파트 매매가격은 각각 지역별 기후 차이와 거주자의 소득 수준, 건물의 유지·관리 상태 등 다양한 사회경제적 특성 등을 포괄하는 대표 변수로, 에너지 사용 행태와 밀접하게 연관된 점을 고려해 통제 대상으로 설정하였다. 다만, 본 통제 대상의 교란변수가 열원 및 개별 세대의 행태까지 완전히 설명하기 어려운 한계가 있으며, 이는 추정치의 불확실성이 내포될 수 있다. Table 2는 본 연구에서 사용된 1,313개 아파트의 변수를 요약한 것이다.

결 과

본 연구에서는 단순 회귀분석과 ATE를 비교하여 교란변수의 영향을 확인하였다. Table 3은 “단열이 한 단계(Table 1의 Lv.) 강화될 때 난방 EUI가 얼마나 변화하는가”에 대한 확인을 위해, 난방 EUI에 대한 단열 수준의 영향력을 상관성(correlation)과 인과성(causation) 관점에서 각각 분석한 결과다. 두 분석 모두 단열 강화에 따라 난방 에너지가 줄어드는 경향을 보였으나, 인과추론으로 추정된 효과는 단순 상관계수보다 완화되어 나타났다. 이는 기후와 사회경제적 요인을 통제했을 때 단열 효과가 실제로 기여하는 순수한 효과(causation)는 그렇지 않은 경우(correlation)보다 더 작음을 시사한다.

Figure 3는 단열 수준, 기후조건(HDD), 그리고 평균 매매가격에 따른 조건부 평균처치효과 CATE로, 모든 경우에서 단열 수준 강화는 난방 에너지의 감소에 영향을 미친 것으로 분석되었다. Figure 3의 (a)는 단열 성능이 다른 건물 집단에서 단열 강화의 효과를 인과추론 방법으로 추정한 결과다. 단열 성능이 낮은 Lv.1에 속한 건물에서 -10.3kWh/m²/yr로 가장 큰 절감 효과가 나타났으며, 중간 수준(Lv.2, Lv.3)에서는 -5.7, -5.2 kWh/m²/yr로 효과가 완화되었다. 반면, Lv.4에서는 -6.5 kWh/m²/yr로 소폭 더 큰 절감 효과가 확인되었으나, Lv.2~Lv.4 간 차이는 크지 않았다. 이는 단열 성능이 열악할수록 단열 강화 효과가 크게 나타남을 시사한다.

Figure 3의 (b)는 기후 조건이 다른 건물 집단에서 단열 강화의 효과를 인과성 기반으로 분석한 결과다. 난방도일(HDD)이 낮은 부산(-1.5kWh/m²/yr)과 김해(-2.3kWh/m²/yr)에서는 효과가 제한적이었으나, HDD가 높은 서울(-10.6kWh/m²/yr), 인천(-11.6kWh/m²/yr), 수원(-10.9kWh/m²/yr)에서는 절감 효과가 크게 나타났다. 대구(-8.4kWh/m²/yr)는 중간 수준의 절감량을 보였다. 본 결과는 한랭한 지역일수록 단열 강화가 난방 에너지 절감 효과에 효과적일 수 있다는 물리적 기대와 부합한다.

Figure 3의 (c)는 사회경제적 요인으로 설정한 아파트 매매가격이 차이나는 서울시 자치구 건물 군에서의 단열 강화 인과성 효과를 분석한 결과다. 강서구(-11.3kWh/m²/yr), 은평구(-10.8kWh/m²/yr) 등 상대적으로 주택가격이 낮은 지역에서 큰 절감 효과가 나타났으며, 반대로 서초구(-2.5kWh/m²/yr)와 같이 고가 주택 비중이 높은 지역에서는 효과가 제한적이었다. 이는 동일한 단열 수준에서도 건물 상태나 거주자 특성 차이에 따라 정책 효과가 달라질 수 있음을 보여준다.

종합하면, 단열 강화 정책은 전체적으로 난방 에너지 절감에 기여하지만, 효과의 크기는 건물의 기존 성능, 기후 조건, 사회경제적 요인 등에 따라 이질적으로 나타났다. 이는 향후 단열 성능 개선 정책을 설계할 때 지역적·사회경제적 특성을 함께 고려해야 함을 시사한다.

Figure 3.

CATE by building characteristics

본 연구에서는 반사실적(counterfactual) 시뮬레이션을 통해 두 가지 리모델링 의사결정 시나리오를 비교하였다. 분석의 핵심 질문은 “아파트의 단열 수준을 최고 수준(Lv.4)으로 개선한다면, 난방 EUI는 어떻게 변할 것인가?”로, 처치변수인 단열 수준 T를 Lv.4로 바꿨을 때의 난방 EUI를 추정하였다. 첫 번째 시나리오는 전통적으로 활용되어 온 상관성 기반 접근으로, 단열 수준이 낮고 난방 EUI가 높은 상위 20% 중 30개 아파트를 선정하였다. 두번째 시나리오는 Figure 2의 인과추론 결과를 활용하여, 예상 절감량이 가장 크게 나타난 그룹을 고려해 서울에 위치하고 아파트 매매가격이 하위 20%인 건물 중 30개를 선정하였다.

Figure 4와 Table 4는 두 접근법에 따른 단열 성능 보강 전후 난방 EUI 변화를 비교한 결과를 제시한다. 상관성 기반 접근에서도 단열 강화에 따른 절감 효과가 관찰되었으나, 인과성 기반 접근에서 더 큰 절감 효과가 확인되었다. 구체적으로, 상관성 기반 접근의 중앙값 절감량은 37 kWh/m²/yr (23%)였던 반면, 인과성 기반 접근에서는 43 kWh/m²/yr (33%)로 추정되었다. 이러한 차이는 인과추론 기반 접근이 정책 효과를 보다 정교하게 포착할 수 있음을 보이며, 향후 아파트 단열 리모델링 의사결정에서 인과적 평가틀 도입의 필요성을 시사한다.

Figure 4.

Distribution of heating EUI before and after counterfactual insulation improvement under two green remodeling decision-making approaches

결 론

본 연구는 국내 1,313개 아파트를 대상으로 단열 기준 강화가 난방 에너지 사용량에 미치는 인과적 효과를 규명하고자, CausalForestDML 기법을 적용하여 인과효과를 추정하였다. 기존 상관성 기반 접근(상관계수)과 비교하여 분석한 결과, 상관성 기반 접근에서는 단열 효과가 더 크게 추정된 반면, 인과추론을 통해 기후 조건과 아파트 매매가격과 같은 교란변수를 통제했을 때 효과의 크기는 완화되었다. 또한 건물의 기존 단열 성능, 지역적 기후 조건, 사회경제적 특성에 따라 절감 효과는 상이하게 나타났으며, 이는 정책 효과를 일률적으로 해석하기보다, 건물과 지역의 특성을 반영한 차별화된 정책 설계가 필요함을 보여준다.

또한, 분석 결과의 리모델링 의사결정 활용 가능성을 평가하기 위해, 반사실적(counterfactual) 시뮬레이션을 통해 두 가지 리모델링 의사결정 시나리오를 비교하였다. 그 결과, 인과성 기반 접근은 상관성 기반 접근보다 더 큰 절감 효과를 보여주었으며, 이는 단순히 고소비 건물을 우선 대상으로 선정하는 방식보다, 인과추론을 활용해 실제 절감 잠재력이 큰 건물을 선별하는 방식이 리모델링 효과를 보다 정밀하게 반영할 수 있음을 의미한다. 따라서 향후 리모델링 우선순위 선정 및 정책 자원 배분에 있어 인과적 평가틀의 도입하는 것이 효과적일 수 있다.

본 연구는 실제 난방 에너지 사용에 영향을 미치는 설비 효율, 거주자 행태, 내부 발열 조건 등 다양한 요인을 직접적으로 반영하지 못했다는 한계를 가진다. 본 연구에서는 준공연도를 기준으로 한 단열 수준, 기후 조건(난방도일), 사회경제적 요인(아파트 매매가격) 등 가용한 공공데이터에 근거해 주요 변수를 정의하였다. 이러한 단순화는 대규모 표본을 활용한 광역적 수준의 정책 효과 검증을 가능하게 하지만, 개별 건물 단위의 세밀한 분석을 대체하기에는 한계가 있다. 다만, 이러한 단순화는 Urban Building Energy Modeling (UBEM)에서도 건물 archetype 정의를 통한 일률적 건물 속성 정보 맵핑하는 방식에 적용되는 접근으로, 대규모 표본을 다루는 건물 에너지 해석 분야에서 분석 목적상 수용 가능한 한계일 수 있다. 즉, 본 연구는 개별 건물 단위 보다는 집합적, 정책적 차원에서의 의미를 지닌다.

향후 연구에서는 다양한 건축물 유형을 포괄하는 확장 분석과 더불어, 사용자 행태나 설비 효율 등 미관측 요인을 반영할 수 있는 데이터 보완이 필요하다. 특히, 본 연구가 광역적 차원에서 정책 유효성을 검증한데 이어, 개별 건물 단위의 세부 정밀 데이터를 활용한 인과추론 분석을 수행하여, 광역적 분석 결과와 그 의의가 일관되는지 교차 검증할 계획이다. 이러한 다층적 접근은 광역적 수준의 정책 평가와 개별 건물 단위의 운영 특성을 동시에 설명할 수 있는 보다 범용적인 인과추론 기반 분석 프로세스 확립에 기여할 것이다.