ZEMCH 2019 International Conference Proceedings April.2020 | Page 23

3.2. DT analysis results 

Figure 1. Decision tree model for EUI for heating (Nodes with bold outline are terminal nodes, and mean of 
each terminal node represents the prediction. Separation point is set to 0.05) 

3.2.1. Determinants of EUI for heating 
The decision tree result for the EUI for heating is given in Figure 1. As described in Section 2, DT 
model  can  identify  nonlinear  relationships  among  variables  that  cannot  be  found  in  MLR  model. 
Accordingly, the first separation occurred by the year of building permit which was not found in MLR 
model. The average EUI for heating of the latest building permit group (node 3), is much lower than 
that of the middle group (node 2). This result is highly acceptable since all samples in the latest group 
are  permitted  after  2008,  in  which  the  South  Korean  design  standard  for  the  U‐value  of  apartment 
building envelope has been drastically strengthened. However, unexpectedly, the average EUI of the 
oldest  group  (node  1)  is  lower  than  that  of  the  middle  group.  One  possible  reason  for  this  result  is 
uneven distribution of samples. As shown in the 3 rd  row in Figure 1, the distribution ratio of samples 
with  heating  set  temperature  over  26.0℃  is  higher  in  the  middle  group  than  in  the  oldest  group, 
leading to higher average EUI.   
Heating set temperature is the second major determinant. Units with set temperature over 26.0℃ 
use more energy for heating than others. In addition, surface area and use of auxiliary heating devices 
are also found as significant factors in specific sample groups.   
Analyzing Determinants of Energy Consumption for Heating and Cooling in Apartment Units –
Comparison of Linear and Nonlinear Statistical Models
12