Application of the choice experiment to the evaluation of willingness to manage Enteromorpha prolifera disasters from the perspective of attribute cut-offs
SHANJingzhu通讯作者:
收稿日期:2018-01-11
修回日期:2018-07-24
网络出版日期:2018-10-25
版权声明:2018《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 (2763KB)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
选择实验法是目前国内外评估资源环境非市场价值的前沿方法,该方法通过获取大量个体对于不同资源环境属性状态组合而成的选择集的偏好信息,对资源环境物品整体价值或单一属性价值进行评估,因具有高信息负荷量,且能够进行多属性、多水平决策,近年来被广泛应用于湿地、淡水资源、海洋资源、旅游资源等资源环境价值评估领域[1,2,3,4,5,6]。该方法基于补偿性策略选择模型,假设消费者在面临多个备选项时,将根据备选物品的属性,并就属性之间的替代进行权衡、综合考虑后,以选项的效用最大化为依据做出相应选择[7]。然而,研究表明,当个体面临选择实验的高信息负荷时,由于认知能力有限、信息处理成本过高等原因,将采取一系列非补偿性策略来简化决策过程[8],即消费者决策时不再就商品所有属性进行权衡和综合考虑,而是在得到一定可支持信息时就停止进行有关信息搜索,直接进行最终决策[9]。其中,属性临界值(Cut-off)在消费者的非补偿性策略中使用广泛,消费者为减少决策成本或为达到特定整体效用水平,往往会对(商品)某属性设定最低/最高接受水平,该最低/最高接受水平即为属性临界值。为简化决策过程,消费者经常使用属性临界值[10],且决策过程越复杂,消费者越倾向使用属性临界值[11]。同时,消费者在实际选择中会违反其设定的属性临界值,这是因为当单独考虑某一属性时,设定的属性临界值可能反映了决策者的真实行为意图,但当面临多个属性时,若违反属性临界值带来的利益大于其造成的损失,消费者可能会改变或打破属性临界值。作为非补偿性策略的重要组成部分,属性临界值的存在及违反均具普遍性,当受访者普遍使用属性临界值时,继续使用原有选择框架对消费者选择进行分析,将导致分析结果产生偏差[12]。因此,有必要对传统选择框架进行修正,使其囊括存在和违反属性临界值的情况,令消费者行为研究更加贴近现实,从而更好地解释消费者选择行为。20世纪60—70年代,大量研究证实了消费者决策过程中属性临界值的存在及其应用的普遍性[13,14],相关****提出不同模型来处理属性临界值问题[15,16],但因实施难度、基本假设等原因,对于如何将属性临界值纳入选择框架一直未有明确定论。2001年,Swait首次提出将属性临界值纳入效用方程,扩展了传统选择模型,使其涵盖了存在和违反属性临界值的情况,为属性临界值的研究提供了研究范式,研究表明考虑属性临界值的模型将显著提高选择行为的解释性[17],该属性临界值分析框架得到普遍认可,被广泛应用于消费者决策分析领域。Ding等基于属性临界值,分析加拿大消费者对于功能性食物的属性偏好,并验证了属性临界值的内生性,结果显示引入属性临界值将显著提高模型拟合优度[18]。Bush等对属性临界值选择模型进行了扩展,将价格属性超出临界值一定比例的样本视为“不选择任何商品”,并以此评估了旅游者对于卢旺达生态旅游的属性偏好,研究表明,对样本的重新分类有助于识别消费者的非一致性选择,对评估支付意愿具有显著影响[19]。Danielis等运用考虑属性临界值的选择模型评估某意大利制造业公司的运货商对于货物服务属性的偏好,结果表明传统选择模型将引起属性重要性的高估,经属性临界值修正的模型可更真实地反映消费者偏好[20]。目前,诸多研究将属性临界值的存在及违反情况纳入选择模型,但多应用于存在真实市场的商品领域,如交通运输市场、食品消费市场等。在假想市场中,消费者的偏好多基于假设,面对不存在真实交易的资源环境产品和服务时,由于对商品缺乏了解,更易采取非补偿性策略以简化决策过程。因此,有必要在非市场价值评估领域考虑受访者使用并违反属性临界值的情况,以解决传统分析框架造成的消费者决策信息失真问题。
近年来,浒苔连年在中国黄海、东海海域呈暴发式生长,给海洋生态环境造成严重损害。对浒苔造成的生态损害进行货币化评估,可为浒苔减灾、控灾投资决策提供重要依据,从而为浒苔治理政策的成本收益分析提供更有参考意义的价值标准。但浒苔造成的生态损害具有非市场性,难以用市场价格进行衡量,鉴于此,本文使用选择实验法,通过构造浒苔修复的选择集,询问居民对浒苔治理的支付意愿,为了避免受访者简化决策过程导致估值结果的偏差,在评估中考虑属性临界值的存在及违反情况,设计用于引出属性临界值的选择实验问卷,构建修正选择模型,探讨纳入属性临界值存在及违反情况的选择模型在非市场价值评估领域中的应用。研究方法的改进有助于提高选择实验估值结果的效度,研究结论可作为浒苔生态损害评估的重要参考。
2 研究方法与数据来源
2.1 选择实验法及其计量模型
选择实验法(Choice Experiment, CE)通过构建假想市场,为受访者提供资源环境产品和服务不同属性状态水平组合而成的选择集,根据受访者偏好信息,间接获得资源环境产品和服务的经济价值。选择实验法的理论基础源自Lancaster的要素价值理论,该理论认为消费者从商品的属性中获得效用,而非来源于商品本身[21]。相关统计分析基于随机效用理论,该理论通过构造选择的随机效用函数,进而将选择问题转化为效用比较问题,用效用的最大化来表示消费者对选择集合中最优方案的选择,以达到估计模型参数的目的[22]。根据随机效用理论,个体的选择效用由可观测效用和不可观测效用组成[23],即:式中Uni为个体n从第i项选择中获得的效用;Vni为效用中可观测的确定项;εni为效用中不可观测的随机误差项。
在理性人假设下,对于由J个方案构成的选择集C,个体n选择i方案而非j方案的概率Pni为:
在模型估计方面,本文采用随机参数Logit模型(Random Parameter Logit Model, RPL),该模型充分考虑受访者偏好的异质性[24],因此更加贴近现实。
基于随机参数Logit模型,假设效用函数中随 机误差项服从Gumbel分布,则个体n选择i的概率Pni为:
式中Vni(β)为效用中可观测的确定项;β为参数向量;f(β)为β的概率密度函数。
通过极大似然估计可得各参数估计量,在此基础上,某一属性的边际价值可表示为:
式中MWTPk为k属性的边际价值;βk为k属性的边际效用;βp为支付额的边际效用。
属性边际价值揭示了受访者对属性偏好的程度,在此基础上计算的补偿剩余则可反映居民在特定资源环境治理情景下福利的变化,公式为:
式中CS为补偿剩余,反映了受浒苔影响的各生态环境属性情况由现状水平变化至预期水平时社会福利的变化;V 0为初始状态的居民福利效用水平;V 1为加强浒苔治理后的居民福利效用水平。
选择实验通常会要求受访者连续在多个选择情境中进行决策,以采集更多的偏好信息。但是,受访者在面临选择实验的大量信息时,由于认知水平受限,经常使用非补偿性策略以节省决策成本,简化决策流程,传统选择实验法基于线性补偿性效用模型,在测度受访者对生态环境属性的边际价值及补偿剩余时,并未考虑消费者采用非补偿性策略的潜在可能性,最终可能导致估计结果的偏差。因此,笔者在传统选择实验模型中,引用属性临界值策略,设计用于引出属性临界值的选择实验问卷,提高选择实验模型估计的效度。
2.2 考虑属性临界值的选择模型
在传统的选择模型中,通常假设受访者是理性的,通过在有限选择集C中进行选择以实现效用最大化:式中U为效用函数;Xi为用来描述商品属性的k维向量;δi为指示变量,当受访者选择商品i时,δi=1,反之,δi=0;C为备选项选择集;pi为商品i的价格;Y为受访者收入。
属性临界值是指个体为减少决策成本或为达到特定整体效用水平而对(商品)某一属性设定的最低/最高接受水平。然而,在现实决策过程中,面临一系列给定商品,个体可能会选择违反其设定的属性临界值,这意味着,消费者会选择某些属性低于/高于其最低/最高接受水平的商品,并愿意为此付出一定代价[17]。
传统选择模型并未考虑消费者决策过程中存在及违反属性临界值的情况,为使选择模型涵盖该情形,Swait[17]对传统选择模型进行了修正,将属性临界值纳入效用方程,则经过属性临界值修正的选择模型表示如下:
式中U、δi、Xi、pi、Y、C表示的意义同公式(6);θ L为受访者能接受的各属性最低临界值;θ U为受访者能接受的各属性最高临界值;Zi为描述商品属性和价格的k+1维向量;wk和vk为违反属性最低/最高临界值的惩罚系数,即违反属性最低/最高临界值的边际负效用,因此,该系数一般为负;λik和κik分别代表受访者对于k属性最低/最高临界值的违反程度,在数量上
在该修正框架下,假设决策者依旧通过在选择集C中进行选择以实现效用最大化,与传统随机效用分析框架所不同的是,该修正模型假设决策者对属性设定了最低/最高接受水平θ L/θ U,并假设决策者在进行选择时可以违反其对属性设定的临界值,但必须为此付出一定成本,该成本在目标函数中通过wk和vk来体现,即违反属性最低/最高临界值的边际负效用。因此,将属性临界值纳入选择实验随机效用分析框架,实际上是基于属性临界值的存在及违反情况对可观测效用进行修正,经修正的可观测效用包含两部分:消费者n从商品属性中获得的效用和由于违反属性临界值而造成的效用惩罚,即:
式中Vni为个体n从第i项选择中获得的效用;βk为估计参数;Xik为第i项商品属性k的水平;λnik和κnik分别代表受访者n对于k属性最低/最高临界值的违反程度;wk和vk表示的意义同公式(7)。
该修正选择模型在传统随机效用分析框架基础上,纳入了属性临界值存在及违反的情况,使消费者行为研究更加贴近现实,从而更好地解释消费者选择行为。其经济学含义为:如果效用能够得到充分补偿,消费者会违反属性临界值,但会为此付出一定代价。
经过属性临界值修正的选择模型,可以理解为消费者将依据商品属性的“实际”边际效用进行决策,该“实际”边际效用包含了原有属性的边际效用和违反对应属性临界值的边际负效用。假设效用方程Ui(Z)是属性Zik的线性函数,则加入属性临界值后,属性的“实际”边际效用为:
式中
基于修正的随机效用方程,各生态环境物品与服务属性边际效用做出调整,相应地,某一属性的实际边际价值可表示为:
补偿剩余可表示为:
式中
3 研究区概况与实验设计
3.1 研究区概况
青岛市位于山东半岛东南部沿海,胶东半岛东部,濒临黄海,隔海与朝鲜半岛相望,东北与烟台毗邻,西连潍坊,西南与日照接壤。青岛以优美的滨海景观闻名中外,红瓦绿树,碧海蓝天,是著名的滨海度假旅游城市,素有“东方瑞士”之美称。然而,2007年起,以浒苔为优势种的绿潮开始侵袭中国黄海,自此,浒苔绿潮连年爆发,青岛地区海域受影响严重。其中,2008年爆发的大规模浒苔绿潮严重威胁了奥运会帆船比赛的顺利举办,2016年,黄海海域浒苔绿潮最大分布面积约57 500km2,仅次于2009年的58 000km2 [25],为近5年的最大值,受到社会各界的广泛关注。浒苔的爆发对海洋生态环境造成了极大损害,相关研究表明,浒苔在生长过程中大量吸收氮、磷等元素,与海洋中浮游植物产生竞争关系,使浮游植物因无法获得足够的营养物质而减少,而其在消亡过程中则会大量消耗海水中的溶解氧,造成鱼类等其他生物窒息死亡,对海洋生物资源的质量及数量产生不利影响,使生物多样性降低[26,27];同时,浒苔的衰亡会释放大量营养盐,导致水质的恶化[28];另外,大量浒苔在近岸的堆积破坏了沿岸海域的滨海自然生态景观,干扰旅游观光和水上运动。3.2 选择实验设计
选择实验设计的核心是确定属性指标及其状态水平。本研究遵循属性指标的代表性、全面性、可比性、通俗易懂等选取原则[29],基于浒苔对景观、水质、浮游植物和动物资源存量以及生物多样性的影响[30,31],将治理浒苔、修复的生态环境属性依次确定为:滨海景观、近海水质、生物资源及生物多样性。各属性状态水平如表1所示,其中,将支付额属性根据预调查情况确定为0、50元、100元、200元。Table 1
表1
表1浒苔治理修复要素及其状态水平
Table 1Description of attributes and levels of Enteromorpha prolifera governance
修复要素 | 状态水平 | 解释 |
---|---|---|
滨海景观 | 良好 | 治理方案使浒苔得到全面清理,该年海面及海岸保持完全无浒苔,滨海景观完全恢复至浒苔发生前的基线水平 |
中等 | 治理方案使多数浒苔得到清理,该年海面及海岸偶尔漂浮、堆积少量浒苔 | |
较差* | 治理方案效果不佳,该年海面及海岸不断漂浮、堆积大量浒苔,严重影响居民及游客娱乐休闲 | |
近海水质 | 良好 | 该年浒苔未腐烂即全部打捞,近海水质完全恢复至浒苔发生前的基线水平 |
中等 | 该年少量浒苔沉降,近海水质略有下降 | |
较差* | 治理方案效果不佳,该年大量浒苔沉降、腐烂,近海水质严重恶化 | |
生物资源 | 恢复基线水平 | 治理方案使该年受影响的鱼虾贝藻等生物资源质量提高、数量增加,完全恢复并保持浒苔发生前的基线水平 |
略有下降 | 治理方案使该年受影响的鱼虾贝藻等生物资源质量提高、数量增加,但较基线水平仍略有下降 | |
明显下降* | 治理方案效果不佳,鱼虾贝藻等受影响生物资源质量降低,数量严重减少 | |
生物多样性 | 恢复基线水平 | 治理方案使该年受影响海域生物种群结构稳定,物种丰富度提高,完全恢复并保持受影响前的基线水平 |
略有下降 | 治理方案使该年受影响海域生物群落结构稳定,物种丰富度提高,但较基线水平仍略有下降 | |
明显下降* | 治理方案效果不佳,浮游植物等群落结构发生明显不利变化,物种丰富度明显降低 | |
支付意愿/(元/(人•a)) | 0*,50,100,200 | 每人每年对治理浒苔达到以上不同状态水平的支付意愿 |
新窗口打开
基于属性及其水平的设定,可产生324种选择组合,考虑实际操作的可行性,本文运用SAS软件,通过正交化分析筛选出研究所需的15个选择集,每个选择集由2个改善选项和1个维持现状选项组成(如表2所示)。将15个选择集随机组合,形成除选择集不同外其他内容完全相同的3个不同版本问卷,每个版本问卷含5个选择集。
Table 2
表2
表2选择集示例
Table 2An example of a choice set
修复要素 | 方案A | 方案B | 方案C |
---|---|---|---|
滨海景观 | 中等 | 较差 | 较差 |
近海水质 | 较差 | 较差 | 较差 |
生物资源 | 明显下降 | 略有下降 | 明显下降 |
生物多样性 | 恢复基线水平 | 略有下降 | 明显下降 |
支付费用/(元/(人•a)) | 200 | 50 | 0 |
我选择 |
新窗口打开
为真实反映受访者在选择时使用及违反属性临界值的情况,提高选择实验的估计效度,在问卷中设置一系列引出属性临界值的附加问题,如“您认为经过加强浒苔治理,滨海景观至少应达到什么水平?”“您每年最多愿意支付_____元用于加强浒苔治理?”根据各属性性质,分别询问受访者对于加强浒苔治理以恢复滨海景观、近海水质、生物资源、生物多样性的最低临界值以及支付意愿的最高临界值。同时,为保证受访者的属性临界值不受选择集备选项的影响,附加问题被安排于选择集之前。
经过对调研组成员的前期培训,正式调查于2017年6—8月进行,调研组成员由中国海洋大学经济学院博士生、硕士生与本科生组成,调研区域覆盖青岛典型的滨海区域。本次调查采取不记名随机抽样、面对面方式,共发出调查问卷420份,回收415份,回收率98.81%,剔除胡乱作答、不完整作答及前后矛盾问卷后,得到有效问卷397份,问卷有效率为95.66%,共获得1985个有效观测值。
4 结果及分析
4.1 受访者基本特征描述性统计
分析受访者社会经济特征,男性占比47.36%,性别分布较为平均,年龄分布主要以20~49岁为主。受教育程度主要集中在本科及大专学历,占比63.48%,其次为研究生及以上学历,占比17.88%,反映出样本具有较高的文化素养。74.56%的受访者认为浒苔对海洋生态环境造成影响较为严重或非常严重,65.24%的受访者认为非常有必要对浒苔加强治理,样本反映出公众对浒苔损害有基本的认知能力,对于治理有迫切要求,具有较好代表性。分析受访者属性临界值存在及违反情况(见 表3),针对经过浒苔治理修复的每项生态属性及支付金额,均有超过90%的受访者表示对相应属性存在临界值。在有效观测值中,对于滨海景观、近海水质、海洋生物资源、生物多样性4项修复属性,均有超过一半的观测值显示受访者违反了相应属性的最低临界值,另有34.81%的观测值显示受访者违反了支付金额最高临界值,该结果反映出受访者违反属性临界值的普遍性,也反映出受访者对于支付金额的敏感性,因此,忽略属性临界值及其违反情况可能造成估计结果的偏差。
Table 3
表3
表3样本属性临界值及其违反情况统计
Table 3Occurrence and violations of cut-offs in sample
属性临界值 | 水平 | 样本数/个 | 比例/% | 违反比例/% |
---|---|---|---|---|
滨海景观修复最低临界值 | 良好 | 236 | 59.45 | 57.78 |
中等 | 156 | 39.29 | ||
较差(保持现状) | 5 | 1.26 | ||
近海水质修复最低临界值 | 良好 | 250 | 62.97 | 54.16 |
中等 | 136 | 34.26 | ||
较差(保持现状) | 11 | 2.77 | ||
海洋生物资源修复最低临界值 | 恢复基线水平 | 281 | 70.78 | 57.08 |
略有下降 | 102 | 25.69 | ||
明显下降(保持现状) | 14 | 3.53 | ||
生物多样性修复最低临界值 | 恢复基线水平 | 268 | 67.51 | 55.87 |
略有下降 | 111 | 27.96 | ||
明显下降(保持现状) | 18 | 4.53 | ||
支付金额最高临界值 /(元/(人•a)) | 0 | 61 | 15.37 | 34.81 |
1~200 | 301 | 75.82 | ||
>200 | 35 | 8.82 |
新窗口打开
4.2 模型估计结果
本文采用NLOGIT 5.0软件,对随机参数模型进行估计,并分别运用考虑属性临界值与不考虑属性临界值的模型对统计结果进行分析。对各项属性状态值进行虚拟赋值,并对模型中具体的参数设定如下:将浒苔治理的4个属性设定为服从正态分布的随机参数;将支付额属性、属性临界值违反程度设定为固定参数。模型估计结果如表4所示,其中,X1–X4代表浒苔治理修复的生态属性,依次为滨海景观、近海水质、海洋生物资源、生物多样性,Y代表支付额,VX1–VX4代表相应属性临界值违反程度,VY代表支付额临界值违反程度。Table 4
表4
表4随机参数Logit模型估计结果
Table 4Results of random parameter Logit models
变量 | 无cut-off模型 | 含cut-off模型 | |||
---|---|---|---|---|---|
系数 | 标准误 | 系数 | 标准误 | ||
X1 | 0.776*** | 0.070 | 0.407** | 0.164 | |
X2 | 0.736*** | 0.067 | 0.423*** | 0.149 | |
X3 | 0.577*** | 0.053 | 0.378*** | 0.141 | |
X4 | 0.643*** | 0.064 | 0.432*** | 0.143 | |
Y | -0.004*** | 0.000 6 | 0.005*** | 0.001 | |
VX1 | -0.387** | 0.187 | |||
VX2 | -0.320* | 0.165 | |||
VX3 | -0.152 | 0.155 | |||
VX4 | -0.165 | 0.157 | |||
VY | -0.013*** | 0.001 | |||
随机参数的标准差 | |||||
σX1 | 0.815*** | 0.089 | 0.802*** | 0.088 | |
σX2 | 0.860*** | 0.085 | 0.772*** | 0.085 | |
σX3 | 0.465*** | 0.084 | 0.436*** | 0.085 | |
σX4 | 0.489*** | 0.124 | 0.401*** | 0.132 | |
log likelihood | -1 669.430 | -1 606.745 | |||
Pseudo R2 | 0.234 | 0.263 |
新窗口打开
从模型拟合效果来看,根据对数似然函数值(Log likelihood)与伪决定系数(Pseudo R2)可知,考虑属性临界值的模型拟合度更优,因此,考虑属性临界值存在及其违反情况令模型估计结果更符合现实情况。从随机参数的标准差来看,两个模型中,各浒苔治理修复的生态属性均通过了1%水平的显著性检验,表明受访者对浒苔治理修复的生态属性的偏好存在显著的异质性,具有随机特征,进一步证实随机参数模型在现实解释力度方面的优势。
从浒苔治理的生态环境属性系数来看,在两个模型中,所有生态环境属性均通过显著性检验,且符号为正,表明滨海景观、近海水质、海洋生物资源及生物多样性等浒苔治理修复的生态环境属性对效用的影响均为正向,反映出受访者对加强浒苔治理带来的海洋生态环境改善的积极态度,符合现实情况。
从支付额系数来看,在不考虑属性临界值的模型中,支付额属性显著为负,表明治理方案的支付额对受访者效用有负向影响,即随着治理方案支付额的升高,受访者效用下降。值得关注的是,在考虑属性临界值的模型中,支付额属性显著为正,与常规假设存在不一致,结合属性临界值,可以做出如下解释:在调研中,发现受访者认为更高的支付额度可能意味着更好的浒苔治理效果,对于良好海洋生态环境的迫切渴望导致受访者倾向于选择更高支付额度方案,表现为支付额系数为正;但同时,受访者对于支付额存在最高接受水平,且对超出临界值的支付额度表现出强烈反感,当支付额度超出其最高临界值,受访者对支付额度变得更为敏感,支付额将不再对受访者效用有正向影响,因此,表现为支付额临界值违反程度系数为负,且绝对值大于支付额系数。
从属性临界值违反程度系数来看,对于滨海景观、近海水质属性临界值的违反程度系数显著为负,其它两项系数不显著,表明若治理方案中滨海景观、近海水质属性不满足受访者的最低接受水平,将对受访者效用产生显著负向影响,该治理方案被选中的概率随之下降,而治理方案中对海洋生物资源、生物多样性最低接受水平的违反则不会显著影响受访者的效用水平,体现了受访者对于滨海景观、近海水质等对生活造成直接影响的属性是否满足最低接受水平较为敏感。
4.3 属性边际价值核算
在考虑属性临界值存在及违反情况的修正模型中,更为关注的是各浒苔治理修复的生态属性的“实际”边际效用,即原有属性的边际效用和违反对应属性临界值的边际负效用综合下的边际效用。根据模型估计结果,利用公式(4)和公式(10),分别计算两种模型下各浒苔治理属性的边际价值,如表5所示。Table 5
Table 5Implicit prices for attribute (元/(人·a))
属性 | 边际价值 | |
---|---|---|
无cut-off模型 | 含cut-off模型 | |
滨海景观 | 189.82 | 90.68 |
近海水质 | 180.07 | 84.92 |
海洋生物资源 | 140.50 | 43.17 |
生物多样性 | 157.20 | 49.34 |
新窗口打开
结果显示,基于传统模型,青岛市居民每年为加强浒苔治理以改善滨海景观、近海水质、海洋生物资源、生物多样性的人均支付意愿分别为189.82元、180.07元、140.5元、157.2元;将属性临界值的存在及违反情况纳入选择实验随机效用分析框架,则基于属性临界值修正模型,青岛市居民每年为加强浒苔治理以改善滨海景观、近海水质、海洋生物资源、生物多样性的人均支付意愿分别为90.68元、84.92元、43.17元、49.34元。对比可知,传统模型由于忽略属性临界值的存在,在浒苔治理修复的各生态属性边际价值核算方面存在明显高估,这与Bush等****[19]研究成果一致。虽然两种模型估计的浒苔治理修复的生态属性的边际价值结果差异较大,但各生态属性相对重要性一致,相对重要性由高到低依次为:滨海景观、近海水质、生物多样性、海洋生物资源。滨海景观、近海水质之所以成为公众关注重点,其原因可能是浒苔在海岸和海面堆积,最为直观的影响就是对滨海景观造成的破坏,对近海水质的影响则与居民生活息息相关,因此居民对受浒苔影响的景观和水质的改善意愿较为迫切,愿意支付更多金额以改善滨海景观和近海水质。
4.4 浒苔治理总支付意愿评估
补偿剩余反映了受浒苔影响的各生态环境属性情况由现状水平变化至预期水平时社会福利的变化,从前文状态水平设定可知,受浒苔影响的各生态环境属性现状水平为:滨海景观较差、近海水质较差、海洋生物资源明显下降、海洋生物多样性明显下降,假设浒苔治理工作的预期目标为各生态环境属性均达到浒苔发生前的水平,即滨海景观和近海水质恢复至良好水平,海洋生物资源和生物多样性恢复至基线水平。基于上述现状水平和预期水平计算得到的补偿剩余即居民对于浒苔进行治理以恢复生态环境的总支付意愿,可用于推导受浒苔影响的生态环境质量变化的价值,即浒苔造成的生态损害成本。鉴于考虑属性临界值存在及违反情况的修正模型更为符合现实情况,故依据该修正模型估计结果及补偿剩余计算公式(11),得出居民的人均补偿剩余为374.64元,以青岛市为研究区域,根据《青岛统计年鉴》[32],2016年青岛市常住人口为920.4万人,将人均支付意愿与地区人口数相乘,并根据本次调查结果去除4.28%的零支付意愿值,得总支付意愿为33.006亿元/a,该支付意愿值可作为青岛市胶州湾及周边海域浒苔造成的生态损害成本评估的重要参考。
5 结论与讨论
5.1 结论
选择实验的高信息负荷导致受访者使用非补偿性策略以简化决策过程,忽略这些策略的存在性,将影响选择实验估计的效度,最终可能导致估计结果的偏差。属性临界值作为非补偿性策略的重要组成部分,其存在及违反均具普遍性,当受访者普遍使用属性临界值时,继续使用原有选择框架对消费者选择进行分析,将导致分析结果产生偏差。因此,本文在居民浒苔治理意愿选择实验评估中,考虑属性临界值的存在及违反情况,建立修正选择模型,设计用于引出属性临界值的选择实验问卷,基于随机参数Logit模型,对青岛市胶州湾及其周边海域浒苔治理居民支付意愿进行评估。所得结论如下:(1)样本统计结果表明,属性临界值的存在及违反具有普遍性,针对每项浒苔治理修复的生态属性及支付金额,均有超过90%的受访者对相应属性存在临界值,针对每项修复属性,均有超过一半的观测值显示受访者违反了相应属性的最低临界值,另有34.81%的观测值显示受访者违反了支付金额最高临界值。属性临界值的存在及违反情况违反了传统选择实验方法中的补偿性选择模型假设,因此忽略这种行为会导致估计结果有偏。
(2)模型估计结果表明,考虑属性临界值存在及违反情况的修正模型拟合度更优,能更好地解释受访者选择行为,提高选择实验估计的效度。在参数估计方面,浒苔治理修复的各生态属性对效用水平显著正向影响,滨海景观、近海水质属性临界值的违反对于效用水平显著负向影响。值得关注的是,在修正模型中,支付额对效用水平显著正向影响,对支付额最高接受水平的违反则对效用水平显著负向影响,体现出受访者对超出临界值的支付额的厌恶,由此可见,属性临界值的引入,赋予支付额属性及其违反情况以更丰富的内涵。
(3)基于考虑属性临界值存在及违反情况的修正模型,青岛市居民为加强浒苔治理以改善滨海景观、近海水质、生物多样性、海洋生物资源的支付意愿分别为90.68元、84.92元、49.34元、43.17元,浒苔治理总支付意愿为33.006亿元/a,与传统模型的对比表明,考虑属性临界值的模型将更有效地反映受访者的实际边际效用,并提高在此基础上计算的支付意愿估计结果的效度。
(4)对比浒苔治理修复的各生态属性价值可以看出,居民对浒苔治理恢复的生态属性偏好由高到低分别为滨海景观、近海水质、生物多样性、海洋生物资源,其中滨海景观和近海水质属性边际价值约为海洋生物资源和生物多样性属性边际价值的2倍。因此,为更有效地改善居民福利,使浒苔治理相关决策机制在各种生态需求之间进行科学合理的分配,政府应将浒苔治理重点放在修复因浒苔造成的景观破坏和水质降低方面,通过及时清理和转运上岸浒苔,不断提高沙滩及滨海旅游景区保洁工作质量等手段,修复滨海景观,同时,根据海面浒苔分布和漂移情况,将海域打捞与拦网堵截相结合,及时对海面漂浮浒苔进行打捞回收,防止其腐烂沉降,进而影响水质。另外,有针对性地对受浒苔影响的生物进行生态修复,通过对浒苔爆发海域生物进行实时监测、增殖放流和物种保护等手段,恢复海域受损生物资源与生物多样性。
5.2 讨论
尽管本文将属性临界值的存在及违反情况纳入选择模型,对提高选择实验的估计效度进行了初步尝试,但本文仍存在以下不足,且是进一步研究方向:(1)本文假设属性临界值的违反是外生变量,且设定为固定参数,事实上,属性临界值的违反可能与受访者年龄、性别等社会经济特征相关,且参数在受访者间可能存在异质性,因此,对于属性临界值的内生性及异质性有待进一步考察。
(2)本文将引出属性临界值的附加问题安排于选择集之前,该做法保证了受访者的属性临界值不受选择集备选项的影响,但由于在调查初期,受访者对于浒苔治理相关问题仍缺乏深入思考,由此引出的属性临界值可能是武断的,因此,属性临界值的引出时间仍有待进一步讨论。
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]. , |
[2] | [J]. , |
[3] | [J]. , |
[4] | [J]. , |
[5] | [J]. , |
[6] | [J]. , [J]. , |
[7] | [J]. , |
[8] | [C]. , |
[9] | [J]. , [J]. , |
[10] | [J]. , |
[11] | [J]. , |
[12] | [J]. , |
[13] | [J]. , |
[14] | [J]. , |
[15] | [J]. , |
[16] | [J]. , |
[17] | [J]. , |
[18] | [J]. , |
[19] | [J]. , |
[20] | [J]. , |
[21] | [J]. , |
[22] | [J]. , [J]. , |
[23] | [J]. , |
[24] | [J]. , [J]. , |
[25] | [EB/OL]. ( [EB/OL]. ( |
[26] | [J]. , [J]. , |
[27] | [J]. , [J]. , |
[28] | [J]. , [J]. , |
[29] | [J]. , [J]. , |
[30] | [J]. , [J]. , |
[31] | [D]. , [D]. , |
[32] |