2数据来源及变量选择
2.1数据来源
问卷调查开展于2012年12月,根据《渭河流域重点治
中陕西省渭河流域水质情况说明,抽取了从中上游
到下游共4个样本县进行调查,分别为宝鸡市金台区、咸阳
市秦都区、渭南市临渭区和华阴市,受访居民包括城镇居民
表1调查样本分布样本县城镇居民农村居民总计金台区110115225秦都区
100125225临渭区102120222华阴市115113228总计
427473900
2.2变量选取
为了探究居民对渭河流域生态系统服务支付意愿的影
确其影响程度和显著性。
22.1因变量模型的因变量即为居民对渭河流域生态系统服务的支
付意愿,具体变量取值按照式(8)、式(9)、式(10)进行
赋值,即根据支付意愿的大小对因变量进行定序排列。
依据此决策,将样本最大支付意愿分为以下3个层次:
y=1,当
0vy*v200,占样本总体的16%;y=2,当200wy*<300,
占样本总体的57%;y=3,当300vy*v+^,占样本总体的
27%这里W1、W2分别取值为200和300的依据参考后文中
根据前人的研究和本研究具体情况,模型引入以下解释
变量:
(1)居民个体特征变量,包括受访者年龄(AGE)、
受访者性别(GENDER);
(2)居民家庭特征变量,包括居民家庭年收入(INCOME)、居民家庭社会地位(STATUS);
3)居民生活环境变量,受访者是否为农村居民(VILAGE);
4)居民环境认知变量,即居民认为为环境付费的必要性
(PAY),这在一定程度上代表了受访者认知生态系统服务改
善相对经济发展的重要程度。
具体的变量名称、解释及预期影响方向见表2。
表2模型变量解释变量名称变量含义变量类型变量赋值预期方向
Y支付意愿因变量1=(0,200)/2=[200,300]3=(300,+S
AGE受访者年龄个体特征变量受访者实际年龄(岁)?
GENDER受访者性别个体特征变量1表示男;0表示
女?
INCOME家庭年收入家庭特征变量1=(0,30000)+
2=[30000,70000]3=(70000,+8
STATUS家庭社会地位家庭特征变量1表示有公务员或
村干部+
0表示没有公务员或村干部
VILAGE是否为农村居民生活环境变量1表示农村居
民-
0表示城市居民
PAY为环境付费的必要性环境认知变量1表示不必要;
2表示有些必要+
3
表示比较必要;4表示必要;5表示非常必要
?
”表示预期方向未知,“/”为因变量,不做预测
2.3描述统计分析
23.1支付意愿统计描述在有支付意愿的695份问卷中,支付意愿的最小值为每
年每户10元,样本数为5;支付意愿的最大值为每年每户
的问卷进行整理,得出最大支付意愿投标额的频率分布图
见图1)。
由图1可知,695个投标额中,频率最大的为每年每户200元,约占样本总体的30%,其次为每年每户300
元,约占样本总体的26%。
最大支付意愿基本呈现为正态分
布。
图1渭河流域生态系统服务正支付意愿频率分布形态
23.2各变量统计描述表3列出了所有变量的基本统计数据。
从表3可以看出,
受访者的平均环境认知水平较高,表明渭河流域居民对生态系统服务改善具有较强的支付意愿。
表3各变量基本统计描述变量均值标准差最小值最大值支付上限
32279296751000300000支付意愿210065100300受访者年龄
41.18128816007800受访者性别0570490100家庭收入
193073100300家庭社会地位0260440100是否为农村居民
0500500100为环境付费必要性3.391.20100500
3实证结果分析
3.1支付意愿测算根据渭河流域居民最大支付意愿的频率分布,可以通过
离散变量的数学期望公式计算正支付意愿的平均值:
EWTP=刀ni=1WiPi(11)其中,W为最大支付意愿的投标值,P为受访者投标该
数额的概率,n为投标数。
通过计算已得到E(WTP)为32279
元/(户?
年),然后根据调整的Spike模型,计算整个样本的
平均支付意愿[19]:
E(WTP)=E(WTP)X(1-WTPO)(12)
其中,WTP0为零支付率,为2278%。
根据式(12)计
算得出陕西省渭河流域居民的生态系统服务支付意愿为
24927元/(户?
年)。
表4列出了通过本文得出的支付意愿与部分国内外其他
学者用CVM得到的研究结果。
通过对比可以发现,支付意愿的大小与研究区域和CVM所使用的问卷调查方式不同有关。
总体来说,发达国家和地区的居民具有更高的支付意愿,而不同的CVM问卷方式也可能会导致支付意愿结果不同程度的偏差。
3.2支付意愿影响因素分析本文利用Eviews60软件对有序Probit模型进行极大似然
估计,估计结果如表5所示。
表5显示的估计结果通过了对数似然比检验和LR检验,且大部分解释变量通过了Z检验,说明模型估计结果较理想。
模型对支付意愿分类的两个切断点估计系数Limit_2和Limit_3分别在10%和1%的水平上显
著,表明选取误差项为服从标准正态分布的有序Probit模型是合适的[22]。
如果回归结果的解释变量系数为正,表示该解释变量越大,潜变量y*取值越大,从而显变量y处于更高等级的概率越大。
如果回归结果的解释变量系数为负,表示该解释变量越大,潜变量y*取值越小,从而显变量y处于更低等级的概率越大。
按照这一原理,对模型估计结果做出具体分析。
表5最大支付意愿影响因素的OrderedProbit模型估计
结果
变量系数标准差Z统计量P统计量AGE(受访者年龄)
-0007*0004-19110056GENDER(受访者性别)
0025006403880698STATUS(家庭社会地位)
0203***003755100000Limit_2-0396*0238-16640096Limit_31.
316***024254490000LogLikelihood值-637879
LR值71614Prob(P值)0000PseudoR-squared(伪判
决系数)0053Observations(观察值)695
的水平上显著
在居民个体特征变量中,受访者年龄通过了10%的显著
性检验,且估计系数为负,说明年轻受访者比年长受访者具
有更高的支付意愿。
受访者性别通过了1%的显著性检验,且估计系数为正,说明男性受访者与女性受访者相比,具有明显的更高的支付意愿。
在家庭特征变量中,居民家庭收入变量对流域生态系统
服务支付意愿的影响不显著,这可能是由于目前流域居民的收入更多用于家庭生活的补贴,而对流域生态系统服务这种环境物品的消费不受收入大小的影响。
家庭社会地位变量在
5%的水平下显著,且估计系数为正,说明随着居民家庭社会地位的提高(家里有村干部或公务员),其社会责任感增强,而对生态系统服务这种公共物品消费便有更大的偏好,即具
有更高的支付意愿。
从居民生活环境变量(受访者是否为农村居民)来看,
估计结果在5%的水平下显著,且估计系数为负,说明陕西
省渭河流域城市居民与农村居民相比,前者对流域生态系统服务的改善具有更高的支付意愿。
从环境认知变量来看,为环境付费的必要性变量通过了
1%的显著性检验,且估计系数为正,这反映了流域居民的环
境认知与付费行为的一致。
对流域生态系统服务改善认知较高的受访者,同时也愿意为流域生态系统服务这一公共物品带来的正外部性进行一定的生态补偿,以获取更高的个人福利。
4结论与讨论
4.1研究结论本文基于来自陕西省渭河流域居民的微观调研数据,采
用CVM方法对流域生态系统服务居民的支付意愿进行了测算,并运用有序Probit模型对支付意愿的影响因素进行了实证分析,研究主要得到以下结论:
一是陕西省渭河流域居民为生态系统服务的支付意愿为24927元/(户?
年)。
二是居民
对流域生态系统服务的支付意愿主要受受访者个体特征、家庭特征、生活环境以及环境认知等方面的影响,其中居民社会地位和居民环境认知程度对其支付意愿具有显著的正向影响,受访者年龄和是否为农村居民对其支付意愿具有显著
的负向影响,男性受访者与女性受访者相比具有显著更高的支付意愿,而居民家庭收入状况对其支付意愿影响不显著。
4.2展望与讨论对流域生态系统服务支付意愿的研究有助于流域生态
补偿机制的完善,进一步调控流域微观治理,实现流域的可持续发展。
本文应用CVM的方法对陕西省渭河流域生态系统服务的支付意愿进行了测算。
为了研究的方便,具体的问卷设计采用了开放式模式,这使得研究的结果难免存在一定程度上的偏差,对于今后如何开展CVM的研究,以便更精确地测算支付意愿还有待进一步探讨。
参考文献:
[1]DeGrootR,VanDerPerkJ,ChiesuraA,etal.
EcologicalFunctionsandSocioeconomicValuesofCritical
NaturalCapitalasaMeasureforEcologicalIntegrityand
EnvironmentalHealth[M].ImplementingEcologicalIntegrity
Springer,2000.191-214.
[2]BishopRC,HeberleinTA,KealyMJ.Contingent
ValuationofEnvironmentalAssets:
Comparisonwitha
619.
StimulatedMarket[J].NaturalResourcesJournal,1983,23:
[3]DavisRK.RecreationPlanningasanEconomic
Problem[J].NaturalResourcesJournal,1963,(3):
239-249.
[4]WhittingtonD,BriscoeJ,MuX,etal.Estimatingthe
ACaseStudyoftheUseofContingentValuationSurveysin
SouthernHaiti[J].EconomicDevelopmentandCultural
Change,1990,38
(2):
293-311.
[5]JakobssonKM,DragunAK.ContingentValuationand
EndangeredSpecies:
MethodologicalIssuesand
Applications[M].EdwardElgarPublishing,1996.
[6]LoomisJ,KentP,StrangeL,etal.MeasuringtheTotal
EconomicValueofRestoringEcosystemServicesinan
ImpairedRiverBasin:
ResultsfromaContingentValuation
Survey[J].Ecologicaleconomics,2000,33
(1):
103-117.
[7]HitzhusenFJ.EconomicValuationofRiver
Systems[M].EdwardElgarPublishing,2007.
[8]
薛达元.长白山自然保护区生物多样性非使用价值评
[9]张志强,徐中民,龙爱华,等.黑河流域张掖市生态
系统服务恢复价值评估研究――连续型和离散型条件价值
230-239.
9):
1841-1850.
[11]郑海霞,张陆彪,涂勤.金华江流域生态服务补偿
支付意愿及其影响因素分析[J].资源科学,2010,32(4):
761-767.
[12]FreemanAM.TheMeasurementofEnvironmentaland
ResourceValues:
TheoryandMethods[M].Resourcesforthe
Future,2003.
[13]侯守礼,王威,顾海英.消费者对转基因食品的意
2004,
愿支付:
来自上海的经验证据[J].农业技术经济,
4):
2-9.
[14]曾寅初,刘媛媛,于晓华.分层模型在食品安全支
付意愿研究中的应用――以北京市消费者对月饼添加剂支付意愿的调查为例[J].农业技术经济,2008,
(1):
84-90.
[15]刘军弟,王凯,韩纪琴.消费者对食品安全的支付
意愿及其影响因素研究[J].江海学刊,2009,(3):
83-89.
[16]罗丞.消费者对安全食品支付意愿的影响因素分
6):
22-34.
[17]梁爽,姜楠,谷树忠.城市水源地农户环境保护支
55-60.
[18]GreeneWH,HensherDA.ModelingOrdered
Choices:
APrimer[M].CambridgeUniversityPress,2010.
AmericanJournalofAgriculturalEconomics,1997,79(3):
1013-1023.
[20]ImandoustS,GadamS.ArePeopleWillingtoPayfor
RiverWaterQuality,ContingentValuation[J].International
JournalofEnvironmentalScience&Technology,2007,4
3):
401-408.
[21]乔旭宁,杨永菊,杨德刚.渭干河流域生态系统服
2012,20(9):
1254-1261.
[22]GreeneWH.EconometricAnalysis[M].Pearson
EducationIndia,2003.
责任编辑:
杨锐)