中国海洋大学经济学院,青岛 266100
Valuing the willingness to restore mangrove wetlands in Guangxi based on improved choice experiments
SUHongyan, LIJingmei通讯作者:
收稿日期:2016-03-16
修回日期:2016-07-4
网络出版日期:2016-09-25
版权声明:2016《资源科学》编辑部《资源科学》编辑部
基金资助:
作者简介:
-->
展开
摘要
关键词:
Abstract
Keywords:
-->0
PDF (737KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
1 引言
红树林是生长在热带、亚热带海岸潮间带上部,受周期性潮水侵淹,以红树植物为主体的常绿灌木或乔木组成的潮滩湿地,是具有重要意义的海岸生境[1,2]。红树林湿地在提供果实、近海养殖、休闲娱乐、维护海堤、净化水质、维护生物多样性等方面具有重要的经济和生态价值[3,4]。广西红树林约占中国红树林总面积的38%,主要分布在北海、钦州、防城港3个沿海市,是中国重要的红树林分布区[5]。但是随着养殖塘、盐田、海堤、港口码头建设及城镇发展等人为影响和病虫害等自然灾害的发生,广西红树林湿地遭到严重破坏[6]。据范航清等、李春干等、劳燕玲[3,7,8]的调查研究,1960-2010年广西红树林面积由9062.5hm2下降到7054.3hm2,减少了22.16%;红树林种群退化,斑块平均面积减小,生境破碎化严重;生活污水、工业废水、养殖污水的排放影响到近岸海域海水环境质量,对红树林湿地及其他生物的健康造成严重威胁。湿地修复对于保障广西红树林生态系统健康、维护其生态服务功能具有重要意义。基于环境效用标准,在保证居民效用水平不下降的前提下测度居民修复偏好和支付意愿,可为生态修复方案的选择提供科学依据。陈述偏好法(Stated Preference Method,SPM)是测度居民福利变化和偏好意愿进而得到环境产品价值和补偿标准的主要方法,其中选择实验法(Choice Experiment,CE)可以评价居民对环境产品和服务多个属性的偏好及支付意愿(Willingness to Pay,WTP),是目前国际上用于评估资源环境产品价值的前沿方法。该方法基于要素价值理论和随机效用理论,要素价值理论认为物品或服务可由其属性及相应属性状态水平描述;由随机效用理论被调查者进行选择的过程是追求效用最大化的过程,属性状态水平的变化可引起消费者偏好和选择的变化[9-12]。以此为基础,选择实验通过设计选择集并实施问卷调查完成,首先确定试验所需环境产品和服务的相关属性及各属性状态水平,进而由不同属性状态水平和成本随机组合形成选择集,被调查者在选择集中选择效用最大化方案。基于调查数据,借助效用模型统计分析居民对环境产品各属性的偏好,计算支付意愿间接得到环境产品和服务的经济价值或损失价值。
选择实验问卷的选择集中一般包括一个不变的保持现状方案和多个政策方案,现状状态水平通常由实验设计者统一给出,因此不管被调查者实际理解的环境产品或服务现状水平如何,其在问卷调查中都会面临相同的属性现状水平,有些****对此提出质疑。Artell等在评估水资源价值时发现50%的被调查者对水质现状的理解与实验设计者给定的现状水平不同[13],Kataria等也发现30%的被调查者并不赞同问卷中给定的环境产品属性现状[14]。这种被调查者理解的现状水平与实验设计者给定现状水平的偏差容易导致福利估计的有偏。为避免有偏的支付意愿测度,许多****提出在选择实验中应让被调查者根据自身了解定义环境产品各属性的现状水平,并通过该“特定现状水平”同政策方案中给出的属性水平的对比做出效用最大化选择,以增强选择实验测度结果的可靠性和可信性[15-17],为此本文将设计基于被调查者个人“特定现状评价”的选择实验。
近年来,有国外****研究发现居民对于环境产品服务改善和破坏时有“非对称性偏好”:居民为避免环境产品损失的支付意愿(也可以理解为环境产品损失时居民的受偿意愿(Willingness to Accept,WTA))要大于其对各属性状态改善相同幅度时的支付意愿[18];国内****赵军、杨凯等也对WTP和WTA的不对称性进行了研究[19],发现破坏环境资源所引起的居民福利损失远大于保护、改善相同数量或质量的环境资源引起的福利改进。当选择实验中环境物品属性的现状水平是由被调查者个人给出时,修复方案中随机组合的属性水平相对于没有修复方案时的“特定现状水平”就可能出现上升和下降,通过测度各属性水平上升和下降相同幅度时居民效用变化的差异可以检验被调查者的“非对称性偏好”。广西红树林湿地破坏和修复改善时居民偏好和支付意愿非对称性的研究有利于支付意愿评估的精准化,因此,除建立分析一般的离散选择模型外,本文将基于选择实验的调查数据设计非对称的效用模型形式。
2 选择实验理论模型
选择实验法基于随机效用理论,被调查者n在选择集中选择i的效用可以表示为:式中U为选择效用,包括非随机效用V及由不确定性因素形成的随机效用
离散选择模型的具体类型由随机效用
式中非随机效用V是环境产品属性Z的函数;j为第j个属性;
本文基于选择实验法建立随机参数Logit模型对广西沿海市红树林湿地修复中居民的偏好及支付意愿进行定量分析,建立的三个模型分别为:
模型1:
模型2:
模型3:
式中
式中
此外,选择实验法中居民对某个修复属性状态水平改变的边际支付意愿(Marginal Willingness to Pay,MWTP)可以用该属性系数估计值与货币属性系数估计值的比率表示[21];修复方案中环境产品所有属性状态改变引起的居民福利变化可以通过补偿剩余(Compensating Surplus,CS)即居民总支付意愿测度,MWTP和CS计算公式如下所示:
式中
3 问卷设计与调查
选择实验问卷设计首要的一步是将环境产品描述为几个主要属性特征的组合,并确定各属性的状态水平。借鉴Westerberg、Kaffashi、李京梅等关于湿地属性特征的划分,结合范航清等对广西红树林湿地生境现状的评价因子,最终确定本文中广西红树林湿地的修复属性及状态水平(表1)[[27-30]。对于支付属性水平的确定,首先研读了相关文献,如伍淑婕等通过意愿调查法(Contingent Valuation Method,CVM)对广西红树林湿地非使用价值实施问卷调查的结果显示,100元和50元是支付频率最高的数值,参考以上研究成果、结合广西经济发展程度和人均收入水平,初步确定支付水平[31];在问卷预调查时对初步设计的支付水平向当地居民进行咨询,最终确定了0,50,100,150四个属性水平(只有选择“不修复”方案时相应支付水平才为0)。根据表1定义描述的红树林湿地修复属性及其水平,基于全要素组合原理一共可以生成162种修复方案,将其两两组合将形成13 041个选择集。运用SAS正交设计方法筛选出最优的18个选择集。为减轻被调查者的负担、提高问卷质量进一步将18个最优选择集随机分成3组,每组包含6个选择集。因此,最终设计的问卷共有3个版本,每个版本有6个选择集,选择集示例见表2,每个选择集中包括2个修复方案和1个不修复方案(不修复方案支付费用为0)。修复方案为期10年,其中各属性水平为实施方案10年后的相应水平及居民每人每年需为此支付的费用。
Table 1
表1
表1广西红树林湿地修复属性及状态水平解释
Table 1Description of attributes and levels of mangrove restoration in Guangxi
属性 | 状态水平 | 解释 |
---|---|---|
红树林面积 | 增加 | 红树林面积增加 |
不增加 | 红树林面积不变或减少 | |
景观完整性 | 高 | 红树林平均斑块面积较大,斑块连片程度高,生境较完整 |
中 | 红树林平均斑块面积较小,出现破碎化 | |
低 | 红树林平均斑块面积很小,斑块连片程度低,生境破碎化严重 | |
湿地水质 | 良好 | 红树林生长区域水环境质量为优质 |
一般 | 红树林生长区域水环境质量为中等 | |
较差 | 红树林生长区域水环境质量较差 | |
生物多样性* | 高 | 红树林种群很多,生长区域内底栖动物很多 |
中 | 红树林种群较多,生长区域内底栖动物较多 | |
低 | 红树林种群较少,生长区域内底栖动物较少 | |
支付意愿/(元/(年·人)) | 0,50,100,150 | 每人每年为修复红树林湿地的支付费用(期限为10年) |
新窗口打开
Table 2
表2
表2红树林修复方案选择集示例
Table 2An example of a choice set in mangrove restoration scheme
要素 | 方案A | 方案B | 不修复 |
---|---|---|---|
红树林湿地面积 | 增加 | 不增加 | 保持现状 |
景观完整性 | 低 | 中 | 保持现状 |
湿地水质 | 一般 | 较差 | 保持现状 |
生物多样性 | 中 | 低 | 保持现状 |
每人每年支付费用 | 150元 | 50元 | 0元 |
我选择 |
新窗口打开
本文所设计选择集不修复方案中各属性特定 “保持现状”水平将在问卷统计时根据被调查者自身对广西红树林湿地的现状判断及未来预测综合得出(由于修复方案描述的是10年后红树林湿地的属性水平,被调查者进行对比选择时,不修复方案中的属性状态水平也应考虑预期,引导被调查者在对现状评判的基础上进行合理预测是有必要的)。因此,在6个选择问题之前,问卷不仅要求被调查者对红树林湿地各属性目前水平进行判断,而且要给出其未来发展趋势(包括不变、改善、减少或下降)预测。
对问卷实施了多轮预调查,征求被调查者的意见适当修改问卷内容,最终确定的问卷主要包括4部分:①解释调查目的、红树林湿地修复属性及水平;②被调查者对广西红树林湿地各属性目前状态水平的评价及未来发展趋势预测;③问卷核心内容,即6个选择集的选择问题;④被调查者社会经济特征信息,包括家庭年平均收入、家庭人口数、被调查者受教育水平等,此外,该部分增加了关于红树林湿地认知情况的调查。
调查小组主要由中国海洋大学经济学院部分研究生和博士生组成,由于预调查时已经对小组成员进行了先期培训,其对问卷内容及如何有效调查已经相当熟悉。调查小组于2015年12月赴广西调研,调查地点主要在北海、钦州、防城港3个有红树林分布的沿海市。考虑到被调查者的理解能力及对其偏好意愿的准确表达能力,仅对18岁及以上的人口进行随机抽样。3个版本问卷基本平均分配,共发放297份,有效问卷为258份,问卷有效率为87%。
4 问卷结果统计分析
经统计,被调查者中7%对红树林湿地非常了解,79%有一些了解,14%完全不了解。被调查者职业涉及工人、个体工商户、公务员、教育科研工作者、农民及离退休人员等,文化程度涉及范围较广;年龄分布在18~19岁、20~29岁、30~59岁、60岁及以上的比例分别为7.55%、30.19%、56.60%、5.66%;家庭年平均收入为4万元及以下、4~10万、10~16万、16万以上的分别占53.04%、39.13%、4.35%、3.48%,与广西经济发展水平较为接近。可见统计数据具有较强随机性和广泛代表性。4.1 被调查者评判结果统计及其“特定现状评价”定义
被调查者关于广西红树林湿地生境各属性目前状态水平的判断及其预测结果统计如表3和表4所示。表3、表4数据显示,认为红树林面积、景观完整性、湿地水质、生物多样性各属性目前状态水平处于中等及以下的被调查者比例分别为82%、92%、73%和80%;20%左右的被调查者认为景观完整性、湿地水质和生物多样性已经处于最低水平;80%左右的被调查者预测如果没有任何修复措施未来10年内各属性水平将继续下降。这说明多数居民已经认识到人类活动和病虫害等自然灾害对红树林湿地生境的破坏。同当地居民的访谈中也可以了解到红树林湿地的破坏已经影响到居民福利,因此被调查者能够根据修复方案中各属性状态水平的变化准确表达自己的偏好和支付意愿。Table 3
表3
表3红树林湿地属性现状判断
Table 3Respondents’ assessment of current quality of mangrove attributes
属性 | 红树林面积 | 景观完整性 | 湿地水质 | 生物多样性 | |||||||
---|---|---|---|---|---|---|---|---|---|---|---|
状态 | 增加 | 不增加 | 高 | 中 | 低 | 良好 | 中等 | 较差 | 高 | 中 | 低 |
百分比/% | 18 | 82 | 8 | 72 | 20 | 27 | 54 | 19 | 20 | 58 | 22 |
新窗口打开
Table 4
表4
表4红树林湿地属性变化预测
Table 4Respondents’ forecast for the change of mangrove attributes (%)
红树林面积 | 景观完整性 | 湿地水质 | 生物多样性 | |
---|---|---|---|---|
不变 | 4 | 7 | 4 | 4 |
改善 | 11 | 15 | 13 | 12 |
减少或下降 | 85 | 78 | 83 | 84 |
新窗口打开
为基于被调查者对现状的判断及预测得出模型估计所需特定“保持现状”水平选项,借鉴Heini Ahtiainen等的研究方法[18],假设预期发展趋势只会使目前状态水平变化一个等级,即如果被调查者对湿地水质目前状态的评价等级为“中等”且预期是“改善”,则认为该被调查者对不修复方案中湿地水质“保持现状”的评价为“良好”。表5是本文在问卷数据处理时对被调查者“特定现状评价”的定义。
4.2 模型估计
基于问卷调查数据,在对属性状态水平及社会经济特征变量进行虚拟赋值的基础上,使用Nlogit5统计软件对随机参数模型进行估计。随机参数Logit模型估计前,首先要对参数分布进行设定。本文根据Hensher等的研究成果,将属性因素的系数均设为正态分布[32]。基本模型、扩展模型及非对称模型的估计结果如表6所示。ASC1、ASC2分别为修复方案1和修复方案2的选择特定常数;X1-X4依次代表红树林面积、景观完整性、湿地水质和生物多样性;IN、FA、ED为被调查者社会经济特征变量,其中IN表示居民家庭年平均收入,FA表示家庭人口数,ED表示被调查者受教育水平。随机参数Logit模型整体拟合程度和解释力可以由McFadden pseudo R2来判断,当该值位于0.2~0.4时模型拟合程度较好,可以用于分析被调查者的偏好、计算支付意愿[33],可见三个模型均符合条件(同时,模型1和模型2较好的拟合程度也说明了本文所选湿地修复属性为影响居民偏好的主要属性因素,模型3设定假设合理)。模型1和模型2中,除景观完整性属性外,红树林面积、湿地水质、生物多样性及成本属性均显著,其中红树林面积、湿地水质、生物多样性三个属性水平与居民效用正相关,修复方案的支付费用与居民效用负相关,即居民效用水平随着红树林面积增加、湿地水质改善、生物多样性提高而提高,随着支付费用的增加而下降。景观完整性统计不显著的原因可能是与其他属性相比,该属性对居民的日常生活并不会造成直接和显著的影响。模型1中面积、景观完整性和湿地水质参数标准分布离差均统计显著,体现了居民对红树林湿地修复属性偏好的异质性,居民对生物多样性偏好的异质性也可在模型3中得到体现。在模型2扩展模型中,被调查者社会经济特征变量均统计显著。具体来看,家庭年平均收入较高的居民对红树林修复方案有更高的支持,居民受教育水平越高其修复意愿也越强;但是家庭人口的增加会使得居民更倾向于选择支付费用为零的不修复方案,其原因可能是在收入一定的条件下,家庭人口的增加会使家庭其他方面支出增加,一定程度上降低了居民对环境产品的关注及对环境产品属性更高水平的追求。
在模型3非对称模型中,多数变量统计显著,且统计显著的变量均有预期的符号,表明属性状态水平上升时居民效用增加,反之居民效用减少。居民对环境产品属性状态水平上升和下降时偏好的非对称性在湿地水质和生物多样性两个属性中表现尤为明显,代表属性水平下降的变量其系数绝对值大于代表该属性水平上升的变量系数绝对值,说明当红树林湿地水质和生物多样性水平下降时居民福利的减少量要远大于其状态水平上升相同幅度时居民福利的增加量。从另一个角度讲,这种福利变化的非对称性也是居民对于环境产品和服务质量上升时支付意愿(WTP)和质量下降时受偿意愿(WTA)的非对称性[19]。
Table 5
表5
表5被调查者特定现状评价定义
Table 5Defining the respondent-specific assessment for the status quo alternatives
预测不变 | 预测改善 | 预测减少或下降 | ||
---|---|---|---|---|
要素 | 现状 | |||
红树林面积 | 增加 | 增加 | 增加 | 不增加 |
不增加(不变或减少) | 不增加(不变或减少) | 增加 | 不增加 | |
景观完整性 | 高 | 高 | 高 | 中 |
中 | 中 | 高 | 低 | |
低 | 低 | 中 | 低 | |
湿地水质 | 良好 | 良好 | 良好 | 中等 |
中等 | 中等 | 良好 | 较差 | |
较差 | 较差 | 中等 | 较差 | |
生物多样性 | 高 | 高 | 高 | 中 |
中 | 中 | 高 | 低 | |
低 | 低 | 中 | 低 |
新窗口打开
Table 6
表6
表6随机参数Logit模型估计结果
Table 6Results of random parameter logit models
模型1 | 模型2 | 模型3 | ||||
---|---|---|---|---|---|---|
变量 | 系数均值 (s.e.) | 标准分布离差 (s.e.) | 系数均值 (s.e.) | 标准分布离差 (s.e.) | 系数均值 (s.e.) | 标准分布离差 (s.e.) |
ASC1 | 0.635 5 (0.428 8) | -1.349 5 (1.055 0) | ||||
ASC2 | 0.759 2* (0.438 6) | -1.410 6 (1.126 8) | ||||
X1 | 1.110 3***(0.252 0) | 1.276 8***(0.342 2) | 1.034 1***(0.237 5) | 0.965 0** (0.426 4) | ||
X2 | 0.196 1 (0.160 7) | 0.627 9** (0.251 4) | 0.182 8 (0.156 2) | 0.991 6***(0.216 1) | ||
X3 | 1.600 5***(0.190 4) | 1.123 7***(0.312 0) | 1.681 4***(0.189 4) | 0.410 4 (0.266 6) | ||
X4 | 1.051 3***(0.217 2) | 0.360 5 (0.381 5) | 0.958 6***(0.182 2) | 0.027 5 (0.295 6) | ||
ASC1 | 0.206 9***(0.061 3) | |||||
ASC1 | -0.497 9** (0.213 0) | |||||
ASC1 | 1.022 7***(0.205 1) | |||||
ASC2 | 0.264 3***(0.060 0) | |||||
ASC2 | -0.552 4** (0.223 9) | |||||
ASC2 | 1.088 8***(0.204 4) | |||||
X1(inc) | 1.631 2***(0.520 9) | 5.023 4***(0.950 0) | ||||
X1(dec) | 1.440 9 (1.464 2) | 0.094 1 (2.432 9) | ||||
X2(inc) | -0.479 3 (0.335 0) | 3.219 1***(0.607 4) | ||||
X2(dec) | -1.309 1* (0.789 1) | 0.477 2 (0.873 4) | ||||
X3(inc) | 2.760 4***(0.457 1) | 4.287 2***(0.704 1) | ||||
X3(dec) | -3.311 4***(1.132 3) | 3.756 1***(1.094 6) | ||||
X4(inc) | 1.447 7***(0.412 7) | 2.606 1***(0.488 2) | ||||
X4(dec) | -3.026 8** (1.184 7) | 3.818 7***(1.086 2) | ||||
COST | -0.045 8***(0.007 0) | 0.0488 3***(0.007 4) | -0.034 7***(0.005 2) | 0.036 1***(0.005 2) | -0.055 4***(0.008 0) | |
McFadden Pseudo-R2 | 0.37 | 0.40 | 0.37 |
新窗口打开
4.3 属性边际价值核算
居民对红树林湿地修复属性边际支付意愿的测度,是政策制定者了解各属性对居民福利影响的相对重要性、进而制定合理高效修复措施的必要前提。根据MWTP计算公式(9),求得3个模型居民对红树林湿地修复方案中面积、湿地水质、生物多样性的支付意愿如表7所示(只计算统计显著的属性价值)。其中模型3为体现非对称性偏好只对湿地水质和生物多样性两个属性水平上升和下降的边际价值进行计算。模型1和模型2中各属性价值的计算结果存在一定差异,但从各属性的相对重要性,即居民支付意愿高低来看两个模型具有一致性:属性边际价值最高的是湿地水质,其次是红树林面积,最低的是生物多样性,红树林面积属性和生物多样性属性的边际价值相差不大。由于引入居民社会经济特征的扩展模型更能体现偏好异质性,本文以模型2的估计结果为例进行分析:三地市居民平均每人每年愿意支付48.44元改善湿地水质,支付29.79元增加红树林面积,对生物多样性的支付意愿仅为27.62元。Table 7
表7
表7红树林各修复属性的价值
Table 7Implicit prices for attributes of mangrove restoration (元/(年·人))
属性 | 变化 | 模型1 | 模型2 | 模型3 |
---|---|---|---|---|
红树林面积 | 24.23 | 29.79 | ||
湿地水质 | 上升 | 34.93 | 48.44 | 49.86 |
下降 | 59.82 | |||
生物多样性 | 上升 | 22.94 | 27.62 | 26.15 |
下降 | 54.68 |
新窗口打开
实地调查时同当地居民的访谈中,居民反映最多和关注最高的是红树林湿地水质污染状况,这同湿地水质边际价值最高的估算结果具有一致性。综合调查访谈及相关研究,湿地水质之所以成为当地居民的关注重点,原因有以下几点:①工业发展、陆源排污等导致近岸海域污染严重,湿地水质下降,对红树林的生长环境造成较大压力,改善湿地水质是改善红树林湿地生境、增加红树林面积的必要前提;②红树林湿地作为许多生物的栖息地,水质污染也破坏了其他生物的生存环境,造成生物多样性下降,因此改善水质也是维持红树林湿地生物多样性的重要条件;③湿地水质直接影响到附近居民的居住环境和自然景观,还会通过降低贝类、虾蟹等的产量影响居民经济收入,因此居民对湿地水质污染有更深刻的感受和较高的关注,更希望红树林湿地修复方案能首先提高水质。
模型3中,保持其他因素不变,当湿地水质状态水平上升一个单位时居民的支付意愿为49.86元,而下降一个单位时居民的受偿意愿为59.82元。同样,居民对生物多样性状态水平上升和下降的支付意愿和受偿意愿分别为26.15元和54.68元,受偿意愿都要大于支付意愿,体现了偏好的非对称性,其原因可能是WTA不受收入、家庭人口数等变量的约束[19]。
4.4 红树林湿地修复总支付意愿评估
本文环境物品的现状水平是由被调查者个人给出,而属性状态判断不同、修复方案目标不同,居民支付意愿也就不同。结合问卷调查结果及表5对被调查者“特定现状评价”的定义,49.57%的居民认为如果没有修复方案,10年后广西红树林湿地各属性状态都将处于最低水平,在各种属性“特定现状评价”中占最高比例,且此部分居民的福利损失及修复意愿对政策制定有最重要的参考价值,因此本文重点计算其总支付意愿。假设修复工作的预期目标是各属性状态均达到历史最高水平,即修复方案实施10年后红树林面积增加、景观完整性较高、湿地水质良好、生物多样性较高。利用随机参数Logit模型2的估计结果,运用补偿剩余计算公式(10),可以计算出该部分居民的补偿剩余即总支付意愿。模型2中两个选择特定常数差异不大,此处取ASC1,计算得居民每人每年总支付意愿为153.56元。根据《广西统计年鉴》,2014年北海、钦州、防城港常住人口为569.23万,以其中福利损失最大的49.57%作为支付群体,则总支付意愿为4.33亿元/年,即对这部分福利损失最大的居民来说,每年愿意支付4.33亿元以使红树林湿地各属性均达到历史最高水平。5 结论和讨论
5.1 结论及建议
为避免一般的选择实验中给定属性现状水平与被调查者个人理解偏差而导致支付意愿估计有偏,本文设计了基于被调查者“特定现状评价”的选择实验,引导被调查者个人评估属性现状水平并对未来发展趋势做出预测,由培训后的调查小组采用面对面方式发放问卷,使用能体现居民偏好异质性的随机参数Logit模型对调查数据进行统计分析。研究结果表明:(1)北海、钦州、防城港80%以上的居民对红树林湿地生态服务功能有一定了解,且认识到了湿地生境的破坏,愿意通过货币支付维护红树林湿地的生态功能。三个沿海市各属性“特定现状评价”均为最低水平的居民每年愿意支付4.33亿元使红树林各项属性状态均达到历史最高水平。
(2)红树林湿地不同属性的变化对居民福利影响不同、各属性边际价值不同。居民最关注的是与其生产生活密切相关的湿地水质,为改善水质的支付意愿最高,其次是红树林面积和生物多样性;景观完整性统计不显著。随机参数Logit模型表明,居民对各属性的偏好存在异质性;对湿地水质和生物多样性属性状态水平上升和下降的偏好存在显著非对称性,避免红树林湿地生境的进一步破坏对维持和改善居民福利水平具有重要意义。
(3)居民收入、受教育水平和家庭人口规模等社会经济特征对其支付意愿有显著影响。随着居民收入增加、受教育水平提高其支付意愿会提高,而家庭人口规模与支付意愿负相关。
综上,今后广西红树林湿地修复补偿工作中,首先应通过治理陆源污染、加强底泥疏浚等措施改善湿地水质,保证红树林及其他生物生长生境的健康;其次,加强红树林自然保护区的建设和管理,结合物种选育和培植等方式促进红树林面积增加;建设红树林湿地监测体系,对其进行长期动态监测,完善红树林湿地统计信息数据库;鉴于受教育程度会影响居民的修复补偿意愿、提高其对红树林的保护意识,因此应加强对居民关于红树林湿地保护必要性的宣传教育;最后,促进生态补偿金制度的建立和完善,多数居民提倡补偿金应由近海排污企业、海水养殖户等缴纳。
5.2 讨论
虽然基于被调查者“特定现状评价”的选择实验设计及随机参数Logit模型的应用能在一定程度上避免支付意愿测度的有偏、提高估计结果的精度,但是仍存在以下问题需在今后的研究中进一步完善:①选择实验法作为陈述偏好法的一种,仍然不可避免试验实施过程中的假想偏差,在准确揭示被调查者支付意愿方面仍待提高;②选择实验法的设计和实施都较为复杂,一方面在设计过程中对于能全面描述环境产品的属性及状态水平的科学界定非常重要,是选择实验法的前提和基础,虽然本文对红树林湿地属性的界定参考了大量相关文献和研究报告,并向该领域专家进行咨询,但是景观完整性属性统计不显著,其原因有待进一步研究,今后也应进一步完善选择实验设计中环境产品属性的界定方法,另一方面,选择实验法问卷的复杂性客观上增加了被调查者准确理解问卷并合理表达偏好的难度,尤其是在受教育水平相对较低的地区,可能会影响估计结果的精度,如何使被调查者充分理解问卷内容也是今后的研究重点;③进一步加强关于环境产品非对称性偏好的研究。The authors have declared that no competing interests exist.
参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子
[1] | [J]. , [J]. , |
[2] | [M]. , |
[3] | |
[4] | [J]. , [J]. , |
[5] | |
[6] | [J]. , [J]. , |
[7] | [J]. , [J]. , |
[8] | [D]. , [D]., |
[9] | [J]. , |
[10] | |
[11] | [J]. , |
[12] | [J]. , |
[13] | [J]. , |
[14] | [J]. , |
[15] | [J]. , |
[16] | [J]. , |
[17] | [J]. , |
[18] | [J]. , |
[19] | [J]. , [J]. , |
[20] | [J]. , [J]. , |
[21] | [J]. , |
[22] | [M]., |
[23] | |
[24] | [J]. , |
[25] | [J]. , |
[26] | [J]. , |
[27] | [J]. , |
[28] | [J]. , |
[29] | [J]. , [J]. , |
[30] | |
[31] | [J]. , [J]. , |
[32] | |
[33] | , |