Ⅰ. 서 론
지난 수십 년간 모빌리티 산업은 단일 기술의 점진적 발전 형태가 아닌 전기화(동력원 전환), 자동화(운전 주체 전환), 공유화(소유 패러다임 전환)가 동시에 수렴하는 구조적 변화를 겪고 있다. 이 세 가지 전환은 상 호 보완적으로 작용하며 기술 발전과 확산 속도를 가속화해 왔다(Sperling, 2018;Sprei, 2018). 전기차의 구동 계는 자율주행시스템으로의 통합을 용이하게 하고, 자율주행기술은 공유 모빌리티 운영비용을 획기적으로 낮출 수 있으며 공유모빌리티의 확산은 전기차와 자율주행차의 경제성을 높이는 방향으로 작용하기 때문이 다. 이러한 기술 발전은 진공 상태에서 이루어져 온 것이 아니다. 기후변화에 대한 국제적 대응 압력은 내연 기관에서 전기·수소 동력으로의 전환을 가속화하고 있으며, 대부분의 선진국에서 친환경차 보급 확대 및 내 연차 퇴출이 국가 정책 차원으로 추진되고 있다. 미국은 2030년까지 신차 판매 중 50%를, 일본은 2035년까 지 신차 판매 전부를 전동화하는 목표를 수립했으며 중국은 2035년까지 신에너지차 비중 50% 전환을 추진 중이다(Wu et al., 2019). 한국 정부도 2030년까지 수송 부문에서 약 3,170만 톤의 온실가스 감축 목표를 달성 하기 위한 수단으로 친환경차 450만 대 보급 계획을 수립하였다(Ministry of Trade, Industry and Energy, 2021). 그러나 자율주행기술의 경우 기술 발전 속도를 시장 확산이 따라가지 못하는 비동조화(decoupling) 현상이 관 측되는데, 이에 관해 선행연구는 기술에 대한 높은 관심이 실제 구매 의향으로 이어지지는 않고 특정 조건 하에서만 사용을 허용하려는 경향이 존재함을 실증적으로 보인 바 있다(Bansal et al., 2016;Haboucha et al., 2017;Kyriakidis et al., 2015).
이러한 비동조화에 주목하여 본 연구는 소비자가 인식하는 완전자율주행기술의 조건부 수용 결정 영향요 인을 식별함으로써 기술 발전과 시장 확산 간 격차를 줄일 수 있는 정책적·전략적 시사점을 도출하고자 한 다. 특히 완전자율주행이 안전, 제도·책임, 프라이버시, 인프라 등 복수의 전제조건이 동시에 충족되어야 작 동 가능한 시스템형 기술이라는 점에서, 특정 요소 하나가 수용 가능한 수준에 도달하지 못할 경우 전체 수 용이 지연될 수 있다는 가장 약한 고리(weakest-link) 구조에 주목하였다. 이를 반영하여 본 연구에서는 총 9 개 요소에 대한 개선 요구수준을 상대적 수치로 측정하고 개별 요소의 평균이 아닌 최대 요구치를 수용장벽 지수로 정의한다. 이를 통해 개인별로 병목 요소가 상이하다는 이질성을 보존한 채 수용 지연 강도를 비교할 수 있으며 정책 및 기업 전략 관점에서 우선 개선 과제를 식별하는 데에도 유의미한 함의를 제공할 수 있다.
Ⅱ. 선행연구 검토
1. 자율주행기술 수용에 관한 실증연구
자율주행기술 수용에 관한 선행연구는 주로 TAM1)이나 그 확장모형인 UTAUT2)에 기초하여 자율주행차 가 제공하는 편익 또는 유용성이 충분히 클 때 소비자가 인지하는 위험이나 불편이 상쇄될 수 있다는 보상 적(compensatory) 관점을 취한다. 이러한 흐름의 연구들은 주로 소비자의 태도나 기술 성숙도에 관한 인식이 채택 의도에 미치는 영향을 평가하는 데 집중하였으나 점차 효용 중심 접근만으로는 고위험·신뢰기반 기술 의 수용 과정을 충분히 설명하기 어렵다는 한계가 지적되었다. 이에 신뢰(trust)와 인지된 위험(perceived risk) 을 핵심 매개변수로 포함하여 기존 모형을 확장하려는 시도가 이루어졌다. 예를 들어 Kenesei et al.(2022)는 성능 신뢰(performance trust)가 사용 의도에 직접적으로 영향을 미치며 제조사에 대한 신뢰는 개인정보 위험 (perceived privacy risk)을 매개로 간접적으로 작용함을 확인하였다. 신뢰와 인지된 위험의 역할은 다수의 연 구에서 일관되게 확인된다. 구체적으로, Panagiotopoulos and Dimitrakopoulos(2018)는 UTAUT 확장모형을 통 해 신뢰와 인지된 위험이 핵심 보완 변수임을 보였고 Nordhoff et al.(2019)은 국가 간 비교를 통해 성과 기대 가 문화적 차이와 관계없이 강력한 예측 변수임을 확인하였다.
인구통계학적 특성이나 문화적 맥락에 따른 수용 태도의 차이 역시 선행연구를 통해 실증적으로 확인되 었다. Haboucha et al.(2017)은 자율주행 수용 의향이 단순히 기술적 선호도가 아닌 개인의 라이프스타일 및 심리적 특성에 따라 달라짐을 밝혔다. 기술 친화적인 젊은 층은 프라이버시 문제에 민감한 반면 고령층이나 자녀가 있는 가구는 기술적 안전성과 비상 상황에서의 대처 능력을 더 중시하는 보수적인 태도를 보였다. Hohenberger et al.(2016)은 여성의 낮은 수용 의도가 불안에 의해 매개됨을 확인하였으며 Bansal and Kockelman(2017)은 거주 지역이 자율주행 인프라 접근성 및 서비스 가용성과 연관되어 수용에 영향을 미칠 수 있음을 보고하였다.
한편, 소비자들은 자율주행기술에 대해 높은 관심을 보이면서도 실제 구매 의향이나 지불의사액은 현저히 낮은 수준에 머무르며 기술이 제공하는 편익보다 시스템 실패에 대한 불안감이 수용 결정 과정에서 더 큰 영향을 미치는 것으로 보고되어 왔다(Bansal et al., 2016;Kyriakidis et al., 2015). 특히 기술의 신뢰성, 고비용, 제어권 상실, 개인정보 노출에 대한 우려 등이 결정적 요인으로 작용하며 상당수의 소비자는 수동 제어권 유 지 옵션과 점진적 자동화에 대한 선호를 보이고 있다(Haboucha et al., 2017;Kyriakidis et al., 2015). 이러한 맥 락에서 Fagnant and Kockelman(2015)은 정부 개입이 신뢰 구축과 공정한 기술 보급을 위한 선행 요건임을 강 조하였다.
2. 자율주행기술 수용의 비보상적 의사결정 특성
자율주행 기술, 특히 레벨 4-5의 완전자율주행은 안전, 법·제도, 인프라 등 다수의 조건이 동시에 충족되어 야만 작동 가능한 시스템형 기술로 간주된다. 따라서 잠재적 수용자는 편의성이나 즐거움과 같은 보상적 요 인이 아무리 크더라도 안전성이나 제어권과 같은 필수 요인이 결여되면 채택을 거부하는 비보상적 (non-compensatory) 의사결정 패턴을 보일 가능성이 높다. Payne et al.(1993)은 의사결정자가 인지적 부담과 정 확성 간의 균형을 고려하여 상황에 따라 의사결정 전략을 적응적으로 조정한다고 설명하였다. 이러한 적응 적 의사결정 과정에서 Tversky(1972)의 EBA3) 이론은 비보상적 선택 규칙을 효과적으로 설명한다. 이 이론에 따르면 소비자는 모든 속성을 종합하여 평가하는 것이 아니라 특정 속성이 자신이 설정한 최소 허용 기준 (cutoff)에 미달하면 해당 대안을 즉시 배제한다. 자율주행기술 수용의 맥락에서 Shariff et al.(2021)의 실증연 구는 소비자들이 자율주행차에 대해 인간 운전자보다 훨씬 더 엄격하고 때로는 비현실적으로 높은 수준의 안전 기준을 요구한다는 점을 발견하였다. 이는 안전성이 단순한 선호 요인이 아니라 충족되지 않으면 수용 자체를 가로막는 위생요인으로 작용함을 의미한다(Herzberg et al., 1959). 따라서 이 기술에 대한 수용 결정은 연속적인 태도 변화의 결과가 아니라 특정 임계 조건을 충족하는 순간 발생하는 전환적 결정으로 이해될 필 요가 있다. 그러나 선형회귀 기반 모형들은 이러한 임계 조건 존재와 효용 함수의 불연속성을 간과함으로써 기술 확산 속도를 과대평가 할 가능성이 있다.
3. 완전자율주행기술의 조건부 수용구조와 결정 요인
완전자율주행기술의 수용을 위해 충족되어야 하는 조건들은 구체적이고 다차원적 양상을 띤다. Nelson (1970)은 소비재를 탐색재와 경험재로 구분하였고, Darby and Karni(1973)는 구매 후에도 품질 평가가 어려운 신뢰재 개념을 추가하였다. 자율주행 기술은 이 두 가지 특성을 동시에 내포하고 있다. 승차 경험을 통해 편 의성이나 승차감 등 일부 품질은 파악할 수 있으나 안전성이나 알고리즘 신뢰성은 외부 인증에 의존해야 하 기 때문이다. Xu et al.(2018)은 현장 실험을 통해 피험자들이 실제 자율주행차 탑승 후 인지된 위험이 감소하 고 유용성 인식이 증가하는 경향을 보이며 성능 기대와 신뢰가 수용 의도의 가장 강력한 예측 요인임을 확 인하여 자율주행기술이 경험재로서 기능함을 보였다. 그리고 Kaur and Rampersad(2018)는 제도적 신뢰가 여 전히 수용의 핵심 결정 요인임을 보여주었다. 경험재적 특성은 소비자들이 불확실한 기술 채택에 수반되는 사고 위험, 감가상각, 기술적 결함 등을 회피하고 기술이 충분히 입증된 시점까지 채택을 미루는 지연 수용 을 선택하게 만든다. 지연 수용은 IRT4)(Ram and Sheth, 1989)에서 설명하는 현상유지편향 및 정보 부족에 따 른 저항과도 밀접한 관련이 있다. 현행 교통수단 대비 압도적인 상대적 이점을 제공하지 않는 이상 전환비용 을 지불할 유인이 부족하며 소비자들은 초기 수용자의 경험을 사회적 증거로 활용하여 자신의 내부 저항 임 계치를 조정할 가능성이 높다.
선행연구에서 확인된 대표적인 조건부 수용 결정요인으로는 우선 운전자의 통제가능성 및 예측가능성을 들 수 있다. 비상 상황에서 제어권을 회수할 수 있는 장치 가용성이 유의미한 영향을 미치는데 이는 운전 행위에서 통제감을 상실하고 싶지 않은 장벽의 작용 결과로 설명된다(Schoettle and Sivak, 2014). 또한 소비자들은 복잡한 도심이나 혼잡한 교통 상황보다 고속도로, 전용차로, 저속 셔틀 등 예측 가능한 환경에서의 자율주행을 선호하 는데 이는 ODD5) 내에서의 제한적 허용을 통해 위험에 대한 통제권을 유지하고자 하는 심리를 반영한다. 인프라 및 제도적 지원 수준의 충족 여부도 수용의 중요한 결정요인이다. 차량의 독립적인 기술 성능보다 V2X6) 통신이 나 전용도로와 같은 인프라가 갖추어진 환경에서의 운행이 선호되며 이는 시스템의 안전성을 개별 차량이 아닌 교통시스템의 신뢰성에 근거하여 평가하는 인식을 반영한다(Castritius et al., 2020).
기존 연구들은 수용 의도를 연속 변수로 취급하거나 평균적인 태도 변화에만 집중함으로써 소비자가 설 정한 임계 장벽이 채택 여부를 결정하는 비보상적 메커니즘을 포착하지 못하였다. 또한 불안감, 신뢰 부족과 같은 수용장벽이 조건부 수용 결정과 상호 영향을 주고받는 내생성 문제를 간과해 온 경향이 있다. 본 연구 는 이러한 한계를 극복하기 위해 서로 다른 유형의 두 개의 종속변수를 정의하고 이중허들모형의 논리를 자 율주행기술 수용 결정 모형에 적용한다. 구체적으로 수용장벽을 속성별 가중 임계치의 최댓값으로 산출하고 종속변수로 활용함으로써 가장 높은 기준치를 갖는 조건 충족 여부가 수용 결정을 좌우할 수 있는지 실증적 으로 보이고자 한다.
Ⅲ. 연구방법론과 실증모형
1. 자료수집 및 표본구성
본 연구는 (1) 수용 의향과 조건부 수용 결정을 위해 필요한 개선 수준의 상하한, (2) 공유모빌리티 서비스 에 대한 태도, (3) 이동 행태 및 차량보유 특성, (4) 인구통계학적 특성 및 개인의 성향(시간선호, 위험인식 등)으로 구성된 구조화된 설문을 통해 수집된 데이터를 활용하였다. 각 문항은 선행연구에서 타당성이 검증 된 측정 도구를 기반으로 구성하되 본 연구의 맥락에 맞게 수정·보완하였다. 조사는 2022년 4월 한국갤럽을 통해 한국 내 성인 1,020명을 대상으로 온라인 설문으로 진행되었다. 표본은 행정안전부의 주민등록 인구통 계에 등록된 성별과 연령대를 기준으로 한 할당표집방식으로 추출되었으며 총 표본의 인구통계학적 구성비 는 <Table 1>과 같다.
<Table 1>
Demographic Characteristics of Survey Respondents
| Variable | Category | Number of Respondents | Ratio (%) |
|---|---|---|---|
| Gender | Male | 587 | 57.5 |
| Female | 433 | 42.5 | |
| Age | 20 to below 30 | 103 | 10.1 |
| 30 to below 40 | 227 | 22.3 | |
| 40 to below 50 | 271 | 26.6 | |
| More than 50 years old | 419 | 41.1 | |
| Region | Seoul | 220 | 21.6 |
| Provincial metropolitan cities | 269 | 26.4 | |
| Others | 531 | 52.1 | |
| Monthly household income | < KRW 3 million | 230 | 22.5 |
| Between KRW 3 million and KRW 6 million | 487 | 47.7 | |
| ≥ KRW 6million | 303 | 29.7 | |
| Total | 1,020 | 100.0 |
2. 측정 문항의 설계 및 기술통계
1) 종속변수와 핵심 설명변수
본 연구의 핵심 종속변수인 조건부 수용 여부(1=조건부 수용, 0=즉시 수용)는 완전자율주행차(SAE 레벨 4-5) 구매 의향이 있는지, 그리고 의향이 있다면 즉시 수용할지 또는 기술적·제도적 조건이 일정 수준 개선 될 때까지 유보할지에 관한 판단이다. 이는 Haboucha et al.(2017)의 조건부 수용 개념과 혁신확산이론이 설명 하는 전략적 대기 행동을 포착하기 위한 변수이다. 기술 수준이나 환경 변화와는 관계없이 수용 의향이 없다 고 답변한 202명은 분석에서 제외하였다. <Table 2>는 818명을 수용 의향 유형에 따라 구분한 기술통계로, 즉시 수용자의 평균 예상시점(4.56년)은 조건부 수용자(5.80년) 대비 짧고 수용 예상시기를 조사시점으로부터 10년 이상 이후로 응답한 경우는 조건부 수용 비율(20.4%)이 즉시 수용(9.0%)의 두 배 이상이다.
<Table 2>
Expected Adoption Timeline by Adoption Type (N=818, adopters only)
| Expected Timeline | Total | Immediate Adopters | Conditional Adopters |
|---|---|---|---|
| 1-2 years | 208 (25.4%) | 104 (32.3%) | 104 (21.0%) |
| 3-5 years | 342 (41.8%) | 137 (42.5%) | 205 (41.3%) |
| 6-10 years | 138 (16.9%) | 52 (16.1%) | 86 (17.3%) |
| 10+ years | 130 (15.9%) | 29 (9.0%) | 101 (20.4%) |
| Total | 818 | 322 | 496 |
| Mean (years) | 5.31 | 4.56 | 5.80 |
연립식의 종속변수이자 2차 식의 핵심 설명변수 중 하나로 활용되는 수용장벽지수(threshold index)는 완전 자율주행기술 수용을 위해 개선이나 충족이 선행되어야 할 주요 요소 중 가장 강한 제약 요건의 현재 대비 향상 필요 수준을 정량화한 지표이다. 구체적으로 응답자들은 총 9개로 구분된 기술적·제도적 요소에 대해 각각 “해당 조건이 현재 대비 어느 수준까지 개선되어야 완전자율주행차를 이용할 의향이 있는가”를 평가하 도록 요구받았으며, 지수 산출 과정은 <Table 3>과 같다.
<Table 3>
Descriptive Statistics of Threshold Index Components (N=818, adopters only)
Importance weights sum to 100. Values in parentheses indicate standard deviations. ‘Identifying as Threshold’ refers to the percentage of respondents for whom the specific attribute served as the binding constraint (maximum weighted strictness).
| Component | Importance Weight | Required Threshold | Normalized Strictness | Weighted Strictness | Cost excluded | Cost included | ||
|---|---|---|---|---|---|---|---|---|
| Identifying as threshold | Rank | Identifying as threshold | Rank | |||||
| Purchase price | 25.58 (20.43) | 6.47 (1.92) | 0.39 (0.21) | 10.40 (11.57) | - | - | 26.65 | 1 |
| Accident risk | 20.48 (18.48) | 6.18 (2.76) | 0.42 (0.31) | 8.33 (12.22) | 40.46 | 1 | 22.00 | 3 |
| Maintenance cost | 12.91 (9.35) | 4.13 (2.06) | 0.65 (0.23) | 8.38 (7.12) | - | - | 24.57 | 2 |
| Usability | 8.46 (7.34) | 4.97 (2.21) | 0.44 (0.25) | 3.80 (4.55) | 15.40 | 3 | 6.72 | 5 |
| Liability system | 7.83 (7.87) | 5.03 (2.98) | 0.52 (0.36) | 3.42 (5.46) | 16.99 | 2 | 7.82 | 4 |
| Road infrastructure | 7.68 (7.38) | 4.99 (2.99) | 0.52 (0.36) | 3.41 (5.09) | 8.92 | 5 | 6.23 | 6 |
| V2X intrastructure | 6.50 (6.56) | 4.75 (2.90) | 0.50 (0.36) | 2.63 (4.06) | 5.62 | 6 | 2.81 | 7 |
| Privacy/data breach | 5.86 (6.36) | 5.96 (2.30) | 0.45 (0.26) | 2.54 (3.36) | 11.37 | 4 | 2.44 | 8 |
| Driver training for AV use | 4.70 (5.09) | 4.00 (2.81) | 0.44 (0.38) | 1.52 (2.54) | 1.22 | 7 | 0.73 | 9 |
가중치를 살펴보면 구매가격(25.58%), 사고위험(20.48%), 유지관리비(12.91%)의 순이다. 그러나 중요도와 실제로 수용을 가로막는 장벽으로서의 역할은 구분될 필요가 있다. 각 요소에 대해 응답자가 평가한 중요도 와 개선 요구수준을 결합한 가중 엄격성(weighted strictness)을 산출한 결과 <Fig. 1>에서 보여지는 것과 같이 구매가격(10.40), 유지관리비(8.38), 사고위험(8.33) 순으로 나타났다. 특히 사고위험지수의 높은 표준편차는 이 요소에 대한 인식의 이질성을 보여준다.
본 연구에서는 비용 요소(구매가격, 유지관리비)를 수용장벽지수 산출 대상에서 제외하고, 이 지수는 나머 지 7개 기술적·제도적 요소의 가중 엄격성 중 최댓값으로 정의되었다. 비보상적 의사결정 규칙에서는 특정 속성이 개인의 최소 허용 기준에 미달하면 다른 속성의 우수성과 무관하게 해당 대안이 즉시 배제된다 (Tversky, 1972;Payne et al., 1993). 그런데 가격은 이러한 규칙이 적용되기 어려운 속성이다. 소비자는 예산 제약 내에서 가격과 다른 속성 간 trade-off를 일상적으로 수행하며 높은 가격이라도 안전성이나 편의성이 이 를 보상하면 수용할 수 있기 때문이다(Swait, 2001). 또한 비용 요소를 포함할 경우 응답자의 과반(51.22%)에 서 비용이 최대 장벽으로 분류되어 기술적·제도적 요인 간 이질성이 무효화 될 가능성이 높다. 이러한 가정 은 4장 2절에서 재확인된다. 또한, 기술가격은 경험곡선과 규모의 경제에 의해 시간이 지나면 자연스럽게 하 락하며 보조금·세제혜택 등 외생적 정책개입이 가능하다는 점에서 안전성·인프라·제도적 신뢰 등 기술적 장 벽과 질적으로 다른 성격을 갖는다는 점을 감안할 필요가 있다. 비용 제외 시 사고위험이 최대 장벽으로 분 류되는 비중은 40.46%로 포함했을 때(22.00%) 대비 크게 증가하여 안전성·인프라·제도 등 요소 간 이질적인 장벽구조가 보다 선명하게 포착된다.
<Fig. 2>는 비용요소를 제외한 경우(cost excluded)와 포함한 경우(cost included)로 구분하여 식별된 최대 수 용장벽 유형별로 수용 시점 선택 비중을 비교한 것이다. 특히 운전자 교육과 V2X 인프라와 같은 요소에 대 한 장벽이 높은 응답자 중에서는 조건부 수용 비율이 70% 이상인 반면 개인정보 유출·데이터 침해를 주요하 게 우려하는 경우 즉시 수용 비중이 상대적으로 높다. 또한, 비용요소 제외 시에는 수용장벽과 조건부 수용 간 유의한 관계가 확인되었으나(χ2(6) = 14.14, p = 0.028), 포함 시에는 유의하지 않았다(χ2(8) = 12.35, p = 0.136). 이는 기술적·제도적 요소만 고려하는 접근이 조건부 수용을 설명하는 데에 더 효과적일 수 있음을 시 사한다.
2) 독립변수와 통제변수
공유 모빌리티에 대한 응답자의 태도를 측정하여 구성된 세 개의 변수는 첫 번째 식에만 포함되었다. 완 전자율주행기술의 초기 상용화는 개인 소유형 차량뿐 아니라 공유형 서비스(로보택시, SAV) 형태로 전개될 가능성이 높으므로 완전자율주행 수용 판단도 공유 모빌리티에 대한 선호 또는 저항과 결합되어 나타날 수 있음을 감안했다(Fafoutellis et al., 2022;Rahimi et al., 2020). 구체적으로 이 변수들은 TAM과 그 확장모형에 서 널리 활용되어 온 측정도구를 차용하였다. 신뢰 척도는 Gefen et al.(2003)과 Pavlou(2003)의 신뢰 구성개념 을 자율주행차 맥락에 적용한 Choi and Ji(2015)의 접근을 응용하였으며 구체적으로 예측가능성, 안전성, 신 뢰성을 측정하는 4개 문항으로 구성되었다. 개인정보 우려는 IUIPC7) 척도에 기초하여 3개 문항으로 측정하 고 가용성 불확실성은 지각된 불확실성 개념을 공유 모빌리티 맥락에 맞추어 조작화 하였다(Malhotra et al., 2004;Pavlou et al., 2007).
한편, 연간 이동거리는 첫 번째 식의 도구변수로만 포함되며 두 번째 식에서는 제외된다. 이는 이동거리가 길수록 다양한 주행환경에 대한 노출 빈도가 증가하여 자율주행 기술의 안전·책임·인프라·보안 등에 대한 구체적 평가기준 형성에 영향을 미치지만(Bansal et al., 2016), 이미 장벽이 형성된 이후의 조건부 수용 결정 은 위험감수 성향, ADAS 사용 경험 등 기술 수용에 대한 심리적 준비도에 의해 좌우될 수 있기 때문이다.
두 번째 식에만 포함된 변수 중 ADAS8) 활성화 수준은 자동화 기술에 대한 직접 경험이 심리적 장벽 형 성에 영향을 미친다는 선행연구(Abraham et al., 2017;Hohenberger et al., 2016)에 근거하여 도입되었다. 또한 위험선호성향이 높은 소비자일수록 기술적 불확실성에 대한 심리적 장벽이 낮아 즉시구매를 선택할 가능성 이 높고 위험회피 성향의 소비자는 기술 성숙을 기다리는 전략적 대기를 선호할 것이라는 이론적 배경 하에 위험선호성향 변수를 포함하였다(Bansal and Kockelman, 2017). 마지막으로, 주요 두 연립방정식에 통제변수 로 포함된 응답자의 인구통계학적 특성은 선행연구에서 일관되게 자율주행기술 수용의 예측변수로 확인되 어 온 요인이다. 실증모형에 포함된 변수 정의 및 기술 통계 요약은 <Table 4>와 같다.
<Table 4>
Variable Operationalization and Descriptive Statistics (N=818, adopters only)
Likert scales range from 1 (Strongly disagree) to 5 (Strongly agree). Continuous variables were standardized for analysis.
| Variable | Survey Item and Coding | Mean | SD |
|---|---|---|---|
| Conditional Adoption | Willingness to purchase Level 5 AV at future purchase/replacement (1 = Purchase now; 2 = Wait for improvement; 3 = Not willing) | 60.6% | - |
| Adoption Threshold Index | Importance weights (sum=100) × required improvement level across non-compensatory autonomous vehicle attributes (usability, accident risk, privacy risk, infrastructure, driver training, liability, etc.); Max of weighted strictness scores; Standardized | 12.19 | 12.39 |
| Log (Travel Distance) | Annual travel distance (km) including all modes; Log-transformed; Standardized | 9.62 | 0.93 |
| Living in Seoul | Current residence (1 = Seoul; 0 = Other) | 21.1% | - |
| Trust toward Shared Mobility | 4 items on service reliability and safety assurance; 5-point Likert average; Standardized | 3.32 | 0.65 |
| Privacy Concern toward Shared Mobility | 3 items on personal data and asset safety concerns; 5-point Likert average; Standardized | 3.63 | 0.73 |
| Uncertainty Concern toward Shared Mobility | 2 items on vehicle availability concerns; 5-point Likert average; Standardized | 3.49 | 0.70 |
| Risk-taking Propensity | Enjoyment of challenges despite social norm violation risk; 5-point Likert; Standardized | 2.88 | 1.02 |
| ADAS Activation | Number of activated ADAS features in own vehicle (Max. 7); Standardized | 2.05 | 2.18 |
| Gender | Respondent’s gender (1 = Female; 0 = Male) | 41.7% | - |
| Age | Age in years; Standardized | 45.93 | 11.45 |
| Having Child(ren) | Presence of minor children in household (1 = Yes; 0 = No) | 43.9% | - |
| Education | Highest education level (1-4 scale); Standardized | 2.85 | 0.78 |
3. 실증모형
CMP 모형은 서로 다른 유형의 종속변수를 갖는 다중 방정식을 연립 추정하면서 오차항의 상관을 허용하 는 유연한 프레임워크이다(Roodman, 2011). 본 연구에서는 연속형 종속변수(수용장벽)를 갖는 1단계 식과 이 항 종속변수(조건부 수용 여부)를 갖는 2단계 식을 동시에 추정한다.
1) 모형의 설정 (Model Specification)
1단계 식은 응답자 i의 수용장벽(연속형 변수) Bi를 종속변수로 하는 선형 회귀식의 형태를 갖는다. Zi 는 1단계 식에만 포함된 도구변수의 벡터, Xi 는 외생 통제변수의 벡터이며 γ, δ는 추정 파라미터 벡터이며 νi는 이 식의 오차항을 나타낸다.
2단계 식은 조건부 수용 결정을 종속변수로 하는 프로빗 모형으로 다음과 같이 표현된다.
는 조건부 수용 결정의 잠재변수이고 Wi 는 조건부 수용 의사를 갖고 있을 때 1의 값을 갖는 지시함수 (관측 이항 변수)이다. Mi 는 2단계 식에만 포함된 변수 벡터로 조건부 수용 결정에는 직접 영향을 미치지만 수용장벽의 형성과는 구조적으로 구분되는 요인을 포함한다. 오차항 ∈i은 표준정규분포를 따른다. 이때, 조 건부 수용 선택 확률은 Equation (3)으로 쓸 수 있다.
Φ(∙) 는 표준정규분포의 누적함수이다. 그리고, 오차항이 상관될 수 있게 허용한 상태에서 동시에 추정하 기 위해 오차항의 결합분포가 다음의 이변량 정규분포를 따른다고 가정한다.
는 1단계 오차항의 분산이고 ρ12는 두 식 오차항 간 상관계수로 두 의사결정에 공통으로 영향을 미치지 만 관측할 수 없는 요인의 존재를 나타낸다. ρ12 ≠ 0이면 수용장벽 지수 Bi가 2단계 식에서 내생변수임을 의 미하므로 이 상관을 통해 추정 편의를 보정한다.
프로빗 모형 계수 추정치로 절대적 효과 크기의 해석이 어렵기 때문에 평균한계효과(AME9))를 산출한다. Bi의 평균한계효과는 다음 식으로 정의된다.
ϕ(∙)는 표준정규분포의 확률밀도함수이며, 로 추정된 잠재지수 값이다. 이 지 표는 수용장벽지수가 한 단위 증가할 때 조건부 수용 선택 확률이 평균적으로 얼마나 변화하는지를 나타 낸다.
2) 추정 방법
CMP 모형은 완전정보최대우도법(FIML)으로 추정된다. 관측치 i의 개별 우도 기여분은 두 방정식의 결합 분포에 기반해 구성되며 전체 로그우도 함수는 모든 관측치의 우도 기여분을 합산한 후 최대화된다.
ρ12의 값은 (-1, 1) 구간 제약을 갖기 때문에 추정 안정성을 확보를 위해 역쌍곡탄젠트변환(atanh)을 적용했다.
3) 내생성 검정과 식별 전략
본 실증 모형은 재귀적 연립방정식 구조를 전제로 하며 1단계에서 형성된 수용장벽지수가 2단계 대기 선택에 영향을 미치되 두 방정식의 오차항 상관을 허용함으로써 잠재적 내생성을 보정한다(Roodman, 2011). 완전자율주행 기술의 수용장벽은 관측되지 않은 태도 요인과 상관될 가능성이 높다. 예컨대 기술에 대해 본질적으로 비관적(또는 위험회피적)인 개인은 높은 수용장벽을 형성하는 동시에 대기를 선택할 가 능성이 높으므로, 수용장벽을 외생변수로 간주하는 단순 프로빗(naive probit) 추정은 편의된 추정치로 이어 질 수 있다.
CMP의 식별은 다음의 세 가지 근거에 의해 확보된다. 첫째, 배제제약(exclusion restriction)이다. 1단계 식에 만 포함된 도구변수 Zi 는 자율주행기술에 대한 평가 기준의 엄격성(수용장벽 형성)에는 영향을 미치지만 이 미 수용 의향이 있는 개인이 구매시점(timing) 결정에는 직접 경로가 제한적이라는 이론적 해석에 기초한다. 둘째, 보조적 식별원(functional-form identification)으로서 1단계 선형회귀와 2단계 프로빗이라는 함수형태 차 이가 추가적인 식별 정보를 제공한다(Roodman, 2011). 셋째, 실증적 검증 측면에서 과대식별 검정(Hansen J-statistic) 및 reduced-form 검정을 통해 배제제약 가정 부합여부를 평가할 수 있다. 한편, 비보상적 의사결정 구조는 종속변수 구성을 통해 구현된다. 구체적으로 수용장벽지수를 개별 요소의 가중 엄격성 점수 중 최댓 값으로 정의함으로써 단 하나의 미충족 조건이 전체 수용을 지연시킬 수 있다는 weakest-link 논리를 지표에 반영하였다. 반면 CMP는 수용장벽지수가 2단계 대기 선택식에서 내생변수로 작용할 가능성을 통제하기 위 한 추정(estimation) 프레임워크로 기능하며 비관측 태도 요인이 장벽 형성과 대기 선택에 동시에 영향을 미 칠 때 발생하는 편의를 두 식의 상관계수로 보정한다. 즉 비보상성은 측정, CMP는 불편추정의 문제라는 점 에서 두 기여는 상호 보완적이다.
식별 가정과 내생성 보정의 필요성은 다음의 같은 단계적 검정으로 뒷받침된다. 우선, 도구변수 관련성 (relevance)은 1단계 선형회귀식에서 배제변수들의 공동 유의성을 검정하는 Joint F-statistic으로 평가하였다 . 이 검정통계 값이 충분히 크지 않을 경우 약한 도구변수 가능성이 존재하므로 효과의 방향성과 통계적 유의성 중심으로 해석해야 한다(Stock and Yogo, 2005). 다음으로 배제제약(exclusion restriction)은 Zi 가 2단계 종속변수에 직접 경로를 갖지 않는다는 가정에 대한 경험적 점검으로 배제변수들을 2단계 결과에 직접 투입한 reduced-form에서의 joint test(χ2)를 수행하였다 . 또 한 과대식별(over-identification) 상황에서는 Hansen J-statistic을 통해 도구변수들이 2단계 오차항과 독립이라는 외생성 가정이 전체적으로 타당한지 평가하였다 . 내생성(endogeneity) 진단은 단일방정식 (naive probit) 대비 CMP 연립추정 필요성을 판단하기 위해 IV-2SLS 기반 Durbin–Wu–Hausman(DWH)검정 과 Equation (7)과 같이 1단계 OLS의 잔차 를 2단계 식에 포함하여 잔차계수(λ)의 유 의성을 검정 하는 control function 방식을 사용했다.
λ가 유의하면 수용장벽지수의 내생성이 지지되면 그 부호가 편의 방향에 대한 정보를 제공한다. 마지막으 로 CMP 모형에서 정의된 오차항 간 상관계수가 통계적으로 유의하면 연립 추정 활용이 지지 된다.
Ⅳ. 분석결과
1. 조건부 수용결정에 관한 실증모형 추정 결과
수용장벽지수 (Bi) 의 내생 가능성을 고려한 CMP 모형은 완전자율주행기술을 즉시 또는 조건부로 미래에 수용할 의사가 있다고 응답한 총 818명의 표본을 활용하여 추정되었으며, Zi 와 Xi 로 회귀한 모형은 통계적 으로 유의하다. <Table 5>의 1단계 추정결과에서 Zi 중 연간이동거리(로그 변환 값)와 공유모빌리티 서비스 에 대한 신뢰는 수용장벽지수와 유의한 음의 관계를 보였다. 이는 이동 수요가 크고 공유모빌리티에 대한 신 뢰가 높은 개인일수록 자율주행기술 수용 판단에서 요구하는 심리적 임계치가 낮아지는 경향이 있음을 시사 한다.
<Table 5>
Conditional Mixed Process (CMP) Estimation Results (N=818, adopters only)
Robust standard errors in parentheses. *** p<0.01, ** p<0.05, * p<0.10.
| Category | Variable | Adoption Threshold Index | Conditional Adoption |
|---|---|---|---|
| Endogeneous Variable | Adoption Threshold Index | — | 0.74 (0.21)*** |
| Excluded Instruments | Log (Annual Travel Distance) | -0.11 (0.04)*** | — |
| Living in Seoul | -0.07 (0.07) | — | |
| Trust toward Shared Mobility | -0.10 (0.03)*** | — | |
| Privacy Concern toward Shared Mobility | 0.02 (0.03) | — | |
| Uncertainty Concern toward Shared Mobility | -0.01 (0.03) | — | |
| Equation 2 Specific variables | Risk-taking Propensity | — | -0.14 (0.06)** |
| ADAS Activation | — | -0.12 (0.05)*** | |
| Sociodemographic characteristics (Controls) | Gender (Female=1) | -0.06 (0.07) | 0.09 (0.09) |
| Age | -0.08 (0.04)** | 0.11 (0.04)** | |
| Having Child (ren) | 0.09 (0.08) | -0.16 (0.09)* | |
| Education | -0.01 (0.04) | -0.06 (0.05) | |
| Constant | 0.00 (0.07) | -0.32*** (0.11) | |
| Error Structure and Model diagnostics | σ1 | 0.98 (0.07) | |
| ρ12 | -0.61** (0.22) | ||
| Waldχ² | 242.34*** | ||
| Log-pseudolikelihood | -1659.90 | ||
2단계 식 추정결과에 따르면, 완전자율주행기술 수용과 관련하여 개인의 최대 임계장벽이 높을수록 조건 부 수용확률이 높아지는 경향이 확인되었다. 위험감수성향과 ADAS 활성화 수준은 조건부 수용 확률을 유의 하게 낮추는 방향으로 작용하였다. 또한, 연령이 높을수록 조건부 수용 확률이 높아지는 경향을 보였으며 자 녀가 있는 가구는 조건부 수용 확률이 낮아지는 경향이 확인되었다. 오차항의 상관계수 값은 수용장벽지수 를 높이는 방향으로 기여하는 관측되지 않은 요인이 조건부 수용 확률은 낮추는 방향으로 작용하고 있음을 의미한다.
조건부 수용 결정에 대한 각 변수의 AME 및 단순 프로빗(naive Probit)모형과의 비교 결과는 <Table 6>에 요약되었다. 단순 프로빗에서 수용장벽지수의 AME는 5.94%p로 추정됐으나 CMP에서는 29.02%p로 약 4.9배 증가하였다. 즉, 내생성을 통제하지 않을 경우 변수 간 관계가 과소추정될 수 있음을 의미하고 상당한 하향 편의가 존재함을 보여준다. 수용장벽지수의 큰 영향은 인지된 기술적, 제도적 병목 요인이 수용시점의 결정 에 실질적 영향을 미칠 수 있으므로 정책적으로 핵심 병목요인 완화가 조기 확산에 중요하다는 함의를 준다. 위험선호성향과 ADAS 활성화 수준의 한계효과는 두 모형 간 변화 폭이 각각 0.98%p, 0.46%p에 불과하여 상 대적으로 안정적인데 수용장벽지수의 AME가 약 4.9배 변화한 것과 대비되며 이는 두 변수가 내생성 문제로 부터 상대적으로 자유롭고 조건부 수용 결정에 독립적인 영향을 미치고 있음을 시사한다. 구체적으로, 위험 선호성향이 한 단위 증가하면 조건부 수용 확률이 약 6.4%p 감소하며, 활성화된 ADAS 기능이 1개 증가할 때마다 조건부 수용 확률이 약 5.6%p 감소하는 것으로 해석할 수 있다.
<Table 6>
Comparison of AME(pp) of Naive Probit and CMP Equation 2 on Conditional Adoption
CMP AMEs are based on the control-function specification accounting for endogeneity of the adoption threshold.
| Variable | Naive Probit | CMP |
|---|---|---|
| Adoption threshold index | 5.94* (2.06) | 29.02* (11.05) |
| Risk-taking | -7.38* (1.66) | -6.40* (1.73) |
| ADAS active | -6.04* (1.58) | -5.58* (1.59) |
| Female | 1.17 (3.39) | 3.50 (3.57) |
| Age | 3.28 (1.72) | 4.85* (1.87) |
| Has children | -5.12 (3.53) | -6.98 (3.62) |
| Education | -3.31 (1.75) | -2.90 (1.77) |
2. 내생성·식별 진단 및 강건성 검정 결과
1) 도구변수 적절성 및 내생성 진단
Zi 의 적합성을 평가하기 위한 배제제약 조건 검정 결과는 <Table 7>에 보고되었다. Joint F-statistic은 도구 변수가 수용장벽지수를 공동으로 유의하게 설명함을 보이나 그 값이 Stock and Yogo(2005)의 단일 내생변수 에 대한 10% 상대적 편의 임계값에 미달하므로 약한 도구변수(weak IVs)의 가능성이 존재한다. 배제제약에 대해서는 Reduced-form joint test에서 대부분의 Zi 가 조건부 수용 결정과 약하거나 유의하지 않은 상관관계를 보였으며 Hansen J-statistic의 과대식별 검정에서도 귀무가설이 기각되지 않아 Zi의 외생성이 지지된다. 이는 Zi 가 수용장벽 형성에는 영향을 미치지만 조건부 수용 결정에는 직접적 경로를 갖지 않는다는 배제제약 가 정을 지지한다. 내생성 검정에서 DWH 검정통계량은 수용장벽지수가 외생변수라는 귀무가설을 5% 유의수 준에서 기각하였으며 Control function 잔차계수 역시 통계적으로 유의하여 내생성의 존재가 재확인되었다.
<Table 7>
Instrumental Variable Validity and Endogeneity Tests
| Test Statistics | p-value | ||
|---|---|---|---|
| IV Relevance | First-stage R² | 0.033 | - |
| Joint F-statistic (excluded IVs) | 4.20 | 0.001 | |
| Exclusion Restriction | Reduced-form joint test (χ²) | 10.57 | 0.061 |
| Hansen J-statistic | 4.09 | 0.394 | |
| Endogeneity Test | Durbin-Wu-Hausman (χ²) | 4.54 | 0.033 |
| Control function residual (z) | -2.13 | 0.033 | |
2) 배제제약 타당성 및 모형의 강건성 검정
제안된 모형 사양의 강건성에 대한 검정을 다음과 같이 실시하였다(<Table 8>). 첫째, 배제제약의 타당성 을 검증하기 위해 주요 도구변수인 연간 이동거리를 대상으로 세 가지 대안 사양을 추정하였다. 1단계 도구 변수로 유지하면서 2단계 식에 동시에 투입한 모형(ER-B)에서 이동거리의 직접효과는 통계적으로 유의하지 않았다. 또한, 수용장벽지수와 이동거리를 모두 포함한 축약형 사양(ER-C)에서도 이동거리는 수용장벽지수 통제 시 유의성을 상실하였다. Zi 중 이동거리, 공유모빌리티 신뢰만 투입한 2-IV 사양(ER-A)에서는 1단계 Joint F-statistic이 제안된 모형 대비 크게 개선되었고 내생성 보정의 유의성도 강화되어 도구변수 강도에 대 한 우려를 완화하였다. 이는 이동거리가 수용장벽지수를 통해서만 조건부 수용에 영향을 미친다는 배제제약 가정을 지지한다.
<Table 8>
Robustness Check
Robust standard errors in parentheses. *** p<0.01, ** p<0.05, * p<0.10.
| (1) Exclusion Restriction | (2) Adoption Threshold | |||||
|---|---|---|---|---|---|---|
| ER-A (2-IVs) | ER-B (Overspecified) | ER-C (Reduced-form) | Averaged Threshold | Counted Threshold | Max Threshold (Cost included) | |
| Adoption Threshold Index | 0.75*** (0.20) | 0.90*** (0.16) | 0.16*** (0.06) | 0.66* (0.35) | -0.43 (0.65) | 0.57* (0.31) |
| Log (Annual Travel Distance) | -0.11*** (0.04) | -0.13*** (0.03) | — | -0.10*** (0.04) | 0.02 (0.04) | -0.05 (0.03) |
| Living in Seoul | — | -0.04 (0.07) | — | -0.08 (0.09) | 0.02 (0.08) | -0.13 (0.08) |
| Trust toward Shared Mobility | -0.11*** (0.03) | -0.09** (0.04) | — | -0.05 (0.04) | 0.09** (0.04) | -0.12*** (0.03) |
| Privacy Concern toward Shared Mobility | — | 0.02 (0.03) | — | 0.10** (0.04) | 0.11 (0.09) | -0.07 (0.05) |
| Uncertainty Concern toward Shared Mobility | — | -0.01 (0.03) | — | 0.01 (0.04) | 0.01 (0.04) | -0.04 (0.03) |
| Risk-taking Propensity | -0.13** (0.05) | -0.10* (0.05) | -0.20*** (0.05) | -0.18** (0.08) | -0.17 (0.11) | -0.15** (0.06) |
| ADAS Activation | -0.12*** (0.05) | -0.09* (0.05) | -0.16*** (0.04) | -0.15** (0.06) | -0.15* (0.08) | -0.14** (0.05) |
| Log (Annual Travel Distance) [Equation 2] | — | 0.07 (0.05) | -0.06 (0.05) | — | — | — |
| Joint F-statistic (excluded IVs) | 8.98*** | 4.19*** | — | 3.80*** | 3.61*** | 6.09*** |
| σ1 | 0.98*** (0.07) | 0.98*** (0.07) | — | 0.98*** (0.03) | 0.98*** (0.02) | 0.98*** (0.05) |
| ρ12 | -0.63** (0.21) | -0.80** (0.18) | — | -0.51 (0.39) | 0.47 (0.63) | -0.48 (0.31) |
| Waldχ² | 239.66*** | 427.17*** | 56.08*** | 155.37*** | 132.40*** | 174.41*** |
| Log-pseudolikelihood | -1660.55 | -1659.21 | -515.56 | -1661.50 | -1662.98 | -1659.84 |
수용장벽지수의 조작적 정의에 대한 검정도 추가로 실시하였다. 가중엄격도의 평균을 취하는 보상적 (compensatory) 사양(averaged threshold)과 중위수 초과 속성의 개수를 사용하는 반보상적(semi-compensatory) 사양(counted threshold)으로 대체한 결과 수용장벽지수의 계수가 두 사양 모두에서 5% 수준에서 유의하지 않 았으며 내생성 보정 효과도 확인되지 않았다. 이는 단일 최대 장벽이 수용 결정을 좌우한다는 비보상적 의사 결정 구조가 데이터에 의해 지지됨을 시사한다. 또한, 비용 속성(구매가격, 유지관리비)을 포함하여 정의한 최대 수용장벽 사양에서는 수용장벽지수의 계수가 5% 수준에서 비유의로 전환되었고 내생성 보정 역시 통 계적으로 유의하지 않았다. 이는 비용 속성이 응답자의 과반 이상에게 최대 장벽으로 분류됨으로써 기술적· 제도적 장벽의 변별력이 희석된 데 기인하는 것으로 판단된다. 따라서, 비용 요소를 제외한 최댓값 수용장벽 정의가 완전자율주행의 기술적 불확실성과 수용 간 관계를 적절하게 포착하는 사양임을 확인하였다.
3. 주요 시사점
본 연구의 분석 결과는 자율주행차 확산 정책 및 전략 수립에 대해 다음과 같은 함의를 제공한다. 우선, 소비자의 수용 판단이 가장 높은 단일 장벽에 의해 좌우되고 있을 가능성이 확인된 점은 평균적 인식수준의 전반적 개선보다는 소비자 집단별로 이질적인 최대 병목요인을 식별하고 이를 우선적으로 완화하는 접근이 확산 촉진에 더 유효할 수 있음을 의미한다. 예를 들어, 소비자의 수용장벽 구조가 균일하지 않다는 결과는 기술 요건과 제도적 조건의 완화 순서를 설정하는 데 참고자료로 활용될 수 있다. 사고위험이 비용을 제외한 최대 수용장벽으로 가장 빈번하게 식별된 점은 안전성 관련 기준의 명확화와 검증 결과의 공개가 다른 제도 적 조건에 앞서 선행될 필요가 있음을 시사한다. 아울러 도로인프라·V2X 통신 등 인프라 요인이 주된 장벽 으로 작용하는 소비자층이 존재한다는 점은 시범운행 구역 선정 시 인프라 조건의 충족 수준을 고려한 대상 지 선정이 수용 촉진에 유효할 수 있음을 보여준다. 그리고, 위험감수성향과 ADAS 활성화 수준의 유의한 효 과는 기술 친숙성과 운전 보조 경험이 확산 지연을 완화하는 경로로 작용할 수 있음을 시사한다. 따라서 완 성차 제조사는 양산 차량에 탑재된 ADAS 기능의 활성화율을 높이기 위한 사용자 경험 개선 방안을 강구할 필요가 있다. 마지막으로, 위험선호 성향이 낮고 연령이 높은 소비자층에서 조건부 수용 경향이 강하게 나타 난 점은 이들을 대상으로 한 시승 프로그램이나 단계적 정보 제공 등 기술적 신뢰 구축 수단의 활용이 요구 됨을 의미한다.
Ⅴ. 결 론
본 연구는 완전자율주행기술 수용 의사결정을 즉시 채택과 조건부 대기로 분화된 구조로 모형화하고 수 용장벽을 최대 개선 요구치로 정의한 CMP 모형으로 비보상적 판단 구조와 내생성을 동시에 고려했다. 본 연구의 학술적 기여는 다음과 같다. 첫째, 보상적·반보상적 대안 정의가 모두 비유의한 결과를 산출한 반면 비보상적 최댓값 정의에서만 유의한 효과가 확인되어 시스템형 기술의 수용에서 비보상적 의사결정 구조의 존재를 실증적으로 보였다. 둘째, 수용장벽 효과가 내생성 통제 이후 크게 확대된 점은 심리적 장벽과 수용 태도를 독립적으로 취급하는 기존 접근의 한계를 드러낸다. 셋째, 위험감수성향과 ADAS 경험이 조건부 수 용에서 즉시 수용으로의 전환을 촉진하는 경로를 보임으로써 기술수용 연구에서 경험 변수의 역할에 대한 근거를 제시하였다.
단, 본 연구의 결과를 해석·활용함에 있어 다음과 같은 한계를 고려할 필요가 있다. 첫째, 과대식별 검정 에서 배제제약 가정이 기각되지 않았고 도구변수 축소 시 F-statistic이 크게 개선되면서도 핵심 추정결과가 안정적으로 유지되었으나 잠재적인 약한 도구변수의 가능성이 남아 있으므로 향후 연구에서는 보다 강한 관 련성을 갖는 도구변수를 탐색할 필요가 있다. 둘째, 횡단면 설문 데이터의 특성상 수용장벽 인식과 의사결정 간의 동태적 변화를 포착할 수 없으며, 자율주행기술과 관련 제도의 변화 속도를 고려하면 패널 등 종단 데 이터의 활용이 인식의 변화와 실제 수용 간의 관계를 보다 정확히 규명하는 데 기여할 것이다. 마지막으로, 종속변수가 가상적 구매 상황에서의 자기보고식 설문에 기초하고 있어 현시선호와의 괴리가 존재할 수 있 다. 향후 레벨 4 이상의 상용화 이후 시장 데이터를 활용한 검증이 요구된다.
