“引漢濟(jì)渭”受水區(qū)居民支付意愿研究

李國(guó)平, 趙 媛, 鄧廣凌, 李 智

(1.西安交通大學(xué) 經(jīng)濟(jì)與金融學(xué)院, 陜西 西安 710061; 2.中國(guó)人民大學(xué) 國(guó)際學(xué)院, 江蘇 蘇州 215000; 3.廈門大學(xué) 經(jīng)濟(jì)學(xué)院, 福建 廈門 361005)

一、研究背景

我國(guó)水資源南北分布不均,南方水量充沛,北方多數(shù)地區(qū)年人均水資源占有量低于聯(lián)合國(guó)劃定的400立方米警戒線。為了緩解北方水資源緊缺局面,我國(guó)“南水北調(diào)”、陜西省“引漢濟(jì)渭”等一系列跨流域大規(guī)模引水工程陸續(xù)展開?！耙凉h濟(jì)渭”工程于2016年啟動(dòng),計(jì)劃從長(zhǎng)江水域的漢江“黃金峽”開通引水隧道穿過秦嶺,將漢江水引入陜西關(guān)中地區(qū)水網(wǎng),工程造價(jià)約188億元。供水區(qū)主體涉及陜西省的鳳縣、略陽、寧強(qiáng)、勉縣、南鄭、漢中、留壩、城固、洋縣、佛坪、西鄉(xiāng)、鎮(zhèn)巴等縣市,受水區(qū)包括陜西省的西安、咸陽、寶雞、渭南以及8個(gè)縣城。受水區(qū)總面積約1.85萬平方千米,計(jì)劃未來年供水量約15.5億立方米,可使受水區(qū)年人均水資源占有量從370立方米提高到450立方米,年人均用水量從203立方米提高到302立方米。

跨流域引水工程會(huì)帶來上下游水資源成本收益的變化,涉及多方利益相關(guān)者。為保證向下游供水的水質(zhì)和水量,引水工程上游供水區(qū)主體需要進(jìn)行自然保育和水土涵養(yǎng),采取更為嚴(yán)格的環(huán)境標(biāo)準(zhǔn),調(diào)整產(chǎn)業(yè)結(jié)構(gòu),其經(jīng)濟(jì)活動(dòng)和發(fā)展機(jī)會(huì)受到限制,同時(shí),漢江水量減少,也會(huì)影響漢江流域下游湖北省等地的生態(tài)環(huán)境和經(jīng)濟(jì)活動(dòng)。而引水工程下游受水區(qū)獲得水質(zhì)與水量改善等正社會(huì)外部性收益卻無法通過市場(chǎng)機(jī)制自動(dòng)回饋給上游居民,出現(xiàn)上游補(bǔ)貼下游的不公平現(xiàn)象,并伴生下游居民缺乏珍惜水資源的意識(shí),而上游居民則缺乏自然保育的激勵(lì),使得水資源保育難以持續(xù),水質(zhì)與水量得不到保證。這就需要通過補(bǔ)償機(jī)制(包括生態(tài)服務(wù)付費(fèi)機(jī)制)進(jìn)行矯正,一方面通過政府財(cái)政轉(zhuǎn)移支付,另一方面積極探索下游居民的直接付費(fèi)政策。受水區(qū)居民對(duì)引水工程帶來的水質(zhì)與水量改進(jìn)的支付意愿(Willingness to Pay,WTP)是生態(tài)補(bǔ)償額度設(shè)定的重要參考值[1-2]。同時(shí),政府實(shí)施跨流域引水工程提供的水資源具有公共物品或半公共物品特征,新增水資源供水價(jià)格的定價(jià)方案要以受水區(qū)需求側(cè)消費(fèi)特征的分析和支付意愿的估值研究為基礎(chǔ)。

受水區(qū)的支付意愿情況可以通過兩種途徑得到[3]:一是間接方法或顯示性偏好揭示方法,如健康成本法等,通過觀察消費(fèi)者在市場(chǎng)上消費(fèi)與水資源有關(guān)商品的行為來推估水資源服務(wù)數(shù)量和品質(zhì)變化所產(chǎn)生的福利變動(dòng)幅度,需要基于歷史的或事后的數(shù)據(jù)估計(jì)其經(jīng)濟(jì)價(jià)值,具體估算過程中,受歷史經(jīng)驗(yàn)和數(shù)據(jù)所限,其估值結(jié)果較難作為決策分析的依據(jù);二是直接方法或陳述性偏好揭示方法,如應(yīng)用條件價(jià)值評(píng)估法(Contingent Valuation Method,CVM)、選擇實(shí)驗(yàn)等,通過直接詢問受水區(qū)居民對(duì)水資源供給服務(wù)的支付意愿,估計(jì)受訪者在假設(shè)情景下的行為和反應(yīng),進(jìn)行政策模擬[4],從而揭示水質(zhì)和水量變化的邊際價(jià)值。CVM自戴維斯(Davis)[5]首次應(yīng)用于價(jià)值評(píng)估以來,已有50年歷史,特別是經(jīng)由阿羅(Arrow)等[6]六位著名經(jīng)濟(jì)學(xué)家研究出一套指導(dǎo)性調(diào)研準(zhǔn)則后,得到了廣泛應(yīng)用。

隨著國(guó)內(nèi)外應(yīng)用CVM進(jìn)行實(shí)證研究文獻(xiàn)的增加,CVM的研究框架和引導(dǎo)方式得到發(fā)展和改進(jìn)。引導(dǎo)方式由最初的確定性假設(shè)改進(jìn)為對(duì)不確定性因素的考慮。原有單邊界、支付卡法、開放式等引導(dǎo)方式均假設(shè)受訪者確切知道其最大支付意愿,并基于效用函數(shù)推導(dǎo)其對(duì)環(huán)境質(zhì)量等變動(dòng)的支付意愿。但實(shí)際上,受訪者往往對(duì)環(huán)境物品缺乏認(rèn)知,對(duì)其價(jià)值的估值缺乏經(jīng)驗(yàn)。奧帕施(Opaluch)等[7-8]學(xué)者指出,CVM對(duì)環(huán)境等物品估值時(shí),考慮到受訪者對(duì)環(huán)境物品經(jīng)驗(yàn)缺乏等各種不確定性因素,會(huì)存在受訪者估值的模糊區(qū)間(Ambivalence Region)。當(dāng)CVM投標(biāo)值靠近這一模糊區(qū)域時(shí),受訪者難以精確確定無差異曲線的位置,因此很難根據(jù)投標(biāo)值和無差異曲線位置判定接受還是拒絕,造成CVM估值誤差,需要將不確定性納入CVM估值框架之中以減少偏誤、提高其估值精度。

韋爾什(Welsh)等[9-10]基于個(gè)人偏好的模糊區(qū)間理論(Ambivalence Region Theory)[7]和個(gè)人支付意愿分布假說(Individuals′ Valuation Distribution Hypothesis)[10],運(yùn)用個(gè)人偏好分布來刻畫不確定性,開發(fā)出多邊界離散選擇(Multiple Bounded Discrete Choice,MBDC)模型,并提出體系化計(jì)量估值模型[11]。MBDC模型在詢問受訪者更多投標(biāo)值時(shí),還同時(shí)詢問其對(duì)每一投標(biāo)值的確定性水平,從數(shù)據(jù)數(shù)量和質(zhì)量?jī)蓚€(gè)維度進(jìn)行拓展,從而得到更為全面的CVM估值信息。近年來,國(guó)內(nèi)外學(xué)者仍在不斷探索完善CVM,如庫藤(Kooten)[12]提出的模糊模型(Fuzzy Model),以及布朗(Braun)等[13]提出的范圍支付意愿(Rang Willingness-to-Pay,Range WTP)。比較該領(lǐng)域文獻(xiàn)的代表性成果,MBDC模型因具有較為完善的理論基礎(chǔ)和計(jì)量分析體系而受到學(xué)者的重視。

MBDC問卷設(shè)計(jì)提供了一系列投標(biāo)值供受訪者選擇,要求受訪者對(duì)每個(gè)投標(biāo)值表達(dá)自己愿意支付的確定性程度,分別為肯定愿意、可能愿意、不確定、可能不愿意和肯定不愿意,進(jìn)而可以獲得受訪者不同確定性程度下的支付意愿。對(duì)于MBDC模型所獲得的數(shù)據(jù),韋爾什(Welsh)等[9]最早采用最大似然區(qū)間估計(jì)模型(簡(jiǎn)稱Welsh-Poe模型),分別估計(jì)出可能愿意、不確定等不同的不確定性區(qū)間所對(duì)應(yīng)的WTP值。為得出樣本總WTP值,王(Wang)等[11]應(yīng)用個(gè)人估值分布假說,分別開發(fā)出一步法(簡(jiǎn)稱Wang-He一步法)模型和兩步法(簡(jiǎn)稱Wang-He兩步法)模型進(jìn)行估值,完善了MBDC模型。而且應(yīng)用MBDC模型評(píng)價(jià)我國(guó)云南華坪河流(污染治理)水質(zhì)改善的支付意愿[14],對(duì)于問卷調(diào)研所獲取的MBDC數(shù)據(jù),同時(shí)采用Welsh-Poe模型、Wang-He一步法模型與Wang-He兩步法模型進(jìn)行了對(duì)比研究。而對(duì)于受水區(qū)支付意愿的CVM實(shí)證研究主要采用投票法、單邊界、支付卡等引導(dǎo)方式。羅德里格茲(Rodriguez)等[15]應(yīng)用CVM投票法分析厄瓜多爾安第斯地區(qū)274戶家庭對(duì)改善飲用水的流域生態(tài)補(bǔ)償支付意愿。莫雷諾-桑切斯(Moreno-Sanchez)等[16]應(yīng)用投票法在哥倫比亞安第斯流域研究了218戶用水戶對(duì)于上游供水者的支付意愿。漢克(Hecken)等[17]則基于單邊界離散選擇模型對(duì)尼加拉瓜馬塔加爾帕地區(qū)河流下游1 015戶居民獲得水質(zhì)和水量改善的支付意愿進(jìn)行了研究。周晨等[18]基于CVM支付卡法對(duì)“南水北調(diào)中線工程”受水區(qū)鄭州市進(jìn)行問卷調(diào)查,得出受水區(qū)居民對(duì)引水工程水質(zhì)和水量改進(jìn)的支付意愿為5—8.09元/戶*月-1。金(Jin)等[19]應(yīng)用CVM單邊界離散選擇模型,對(duì)湖北省松滋地區(qū)居民改善飲用水的支付意愿進(jìn)行調(diào)研,得到支付意愿均值為16.71元/戶*月-1。

本文基于CVM的研究框架和MBDC引導(dǎo)方式進(jìn)行問卷設(shè)計(jì)和調(diào)研,研究陜西省跨流域引水工程 ——“引漢濟(jì)渭”工程受水區(qū)典型城市西安市居民的支付意愿,并同時(shí)應(yīng)用Welsh-Poe模型和Wang-He兩步法模型分析受水區(qū)居民的支付意愿及其影響因素。

二、MBDC與估值模型

MBDC問卷在詢問受訪者一系列投標(biāo)值的同時(shí),要求受訪者對(duì)每一投標(biāo)值表達(dá)自己愿意支付的確定性程度。本文通過MBDC模型獲得區(qū)間型數(shù)據(jù),同時(shí)應(yīng)用兩類模型進(jìn)行估值:一是運(yùn)用Welsh-Poe模型對(duì)調(diào)研的投標(biāo)值分別計(jì)算肯定愿意、可能愿意、不確定三個(gè)不同區(qū)間的WTP值;二是運(yùn)用Wang-He兩步法模型估算樣本的WTP均值。

(一)Welsh-Poe模型

對(duì)于MBDC問卷所獲得的區(qū)間數(shù)據(jù),采用雙邊界最大似然估計(jì)方法對(duì)肯定愿意、可能愿意、不確定等區(qū)間的支付意愿估值。假設(shè)受訪者i的支付意愿位于兩個(gè)相鄰的可能性的轉(zhuǎn)換區(qū)間內(nèi),即肯定愿意的支付意愿可以基于肯定愿意和可能愿意的轉(zhuǎn)換區(qū)間計(jì)算,可能愿意的支付意愿可以通過可能愿意與不確定的轉(zhuǎn)換區(qū)間計(jì)算,不確定的支付意愿則通過不確定和可能不愿意之間的轉(zhuǎn)化區(qū)間計(jì)算。這樣,運(yùn)用最大似然方法進(jìn)行區(qū)間估值,可以分別得出三個(gè)不確定性區(qū)間所對(duì)應(yīng)的支付意愿。

假設(shè)S為環(huán)境質(zhì)量改善前后兩個(gè)支出方程的差,并保證在初始的效用水平上。根據(jù)王(Wang)等[14,20]的研究,即

S=V(E0,P,Z,U0)-V(E1,P,Z,U0)

(1)

其中,V是支出方程;U0是初始的效用,依賴于收入(Y);Z為其他相關(guān)變量;環(huán)境質(zhì)量(或水質(zhì)和水量)從E0變化到E1。對(duì)離散選擇問卷,設(shè)投標(biāo)值為B。當(dāng)Si≥B時(shí),受訪者會(huì)回答是(Yes);當(dāng)Si

Pr(Yes)=Pr(S≥B)=Pr(ε≥B-WTP)=

1-Fε(B-WTP)

(2)

Pr(No)=1-Pr(Yes)

(3)

其中,Fε是ε的累積分布函數(shù)。沿襲韋爾什(Welsh)等[9]的研究,根據(jù)本文調(diào)研數(shù)據(jù)分布,假設(shè)ε服從Logistic分布,每個(gè)受訪者的似然貢獻(xiàn)可以寫成

LnL=[Pr(Yes)]di[1-Pr(Yes)]1-di

(4)

其中,di是一個(gè)虛擬變量,當(dāng)回答是(Yes)時(shí)為1,否(No)時(shí)為0。對(duì)MBDC的數(shù)據(jù),設(shè)受訪者選擇的低值為BL,高值為BU,則

Pr(BL

(5)

每個(gè)受訪者的似然貢獻(xiàn)可以寫成

LnL=Fε(BU-WTP)-Fε(BL-WTP)

(6)

這樣,對(duì)于MBDC問卷,可以分別估計(jì)出肯定愿意、可能愿意、不確定等區(qū)間的支付意愿。

(二)Wang-He兩步法模型

Welsh-Poe模型可以分別估計(jì)出肯定愿意、可能愿意、不確定等區(qū)間對(duì)應(yīng)的支付意愿,但是并沒有給出總的支付意愿。如何得到總的支付意愿呢?參考王(Wang)[10]的研究,基于MBDC問卷,對(duì)每一個(gè)受訪者,存在肯定愿意、可能愿意、不確定、肯定不愿意等值,可以看作其接受概率,根據(jù)所得到的接受概率,可以算出每個(gè)受訪者的支付意愿,并進(jìn)一步根據(jù)個(gè)人的支付意愿計(jì)算出總樣本的支付意愿。

假設(shè)個(gè)體i的支付意愿Vi,是一個(gè)累積密度函數(shù)為F(t)的隨機(jī)變量。Vi均值為μi,標(biāo)準(zhǔn)差為σi。那么個(gè)體i的支付意愿的模型可以寫成

Vi=μi+εi

(7)

其中,εi是均值為0的隨機(jī)項(xiàng)。個(gè)體i知道自己的估值分布,那么對(duì)提供的投標(biāo)值tij(j為第j個(gè)投標(biāo)值的序號(hào)),該個(gè)體表達(dá)愿意支付的概率為

Pij=Pr(Vi>tij)=1-F(tij)

(8)

一旦給出Pij,即個(gè)體i愿意支付投標(biāo)值tij的概率,就可以進(jìn)行估值。估計(jì)的模型為

Pij=1-F(tij)+λi

(9)

其中,λi是誤差項(xiàng),均值為0,標(biāo)準(zhǔn)差為δ,δ對(duì)個(gè)體i來講是常數(shù),對(duì)不同的受訪者可以不同;Pij是因變量,是第i個(gè)受訪者對(duì)第j個(gè)投標(biāo)值的回答,取值在0和1之間,可以看作連續(xù)型變量;tij是自變量,對(duì)應(yīng)于問卷中不同的投標(biāo)值,也是連續(xù)型變量。

假設(shè)Fi(·)服從均值為μi,標(biāo)準(zhǔn)差為σi的正態(tài)分布,可以得到

(10)

假設(shè)λi服從Logistic分布,應(yīng)用Wang-He兩步法模型進(jìn)行如下兩階段估計(jì)。

(11)

其中,Λ為L(zhǎng)ogistic概率密度函數(shù)。

(12)

第二階段:估計(jì)出每個(gè)受訪者的均值μi和標(biāo)準(zhǔn)差σi,可得

(13)

(14)

其中,x和z為個(gè)人異質(zhì)性及不確定性變量,β和v是待估參數(shù),e1和e2是隨機(jī)變量。

三、調(diào)研設(shè)計(jì)和數(shù)據(jù)收集

“引漢濟(jì)渭”受水區(qū)西安市是陜西省省會(huì),地處關(guān)中平原中部,常住人口883.21萬人,水資源年人均占有量為325立方米,屬于缺水地區(qū)。西安市歷史上大量依賴地下水,水質(zhì)和水量均得不到保障,20世紀(jì)80年代以來陸續(xù)修建了“引乾濟(jì)石”“黑河引水”等工程,用水緊張狀況得到一定程度的緩解。目前,西安市用水約45%來自黑河,20%來自“引紅濟(jì)石”“引乾濟(jì)石”等引水工程,12%來自地下水自備井,其余分別來自渭河、灞河、浐河等地表水。根據(jù)陜西省水利廳的相關(guān)資料,2020年“引漢濟(jì)渭”受水區(qū)西安市缺水量預(yù)計(jì)達(dá)6.12億立方米,占總需水量的51.19%。水資源短缺不僅制約社會(huì)經(jīng)濟(jì)發(fā)展,也使居民生活用水安全狀況令人擔(dān)憂。同時(shí),工業(yè)和居民用水大量擠占生態(tài)水和農(nóng)業(yè)用水,地下水超采,導(dǎo)致生態(tài)破壞、地面沉降。加之水資源利用效率不高,浪費(fèi)嚴(yán)重,加劇了水資源短缺局面。根據(jù)陜西省水利廳和“引漢濟(jì)渭”辦公室資料,“引漢濟(jì)渭”工程完成后可使西安市年人均水資源占有量達(dá)到450立方米,水質(zhì)達(dá)到二級(jí)標(biāo)準(zhǔn),水量得到保障。

本文根據(jù)陜西省政府“引漢濟(jì)渭”工程政策和研究目標(biāo)的要求,假設(shè)西安市水量和水質(zhì)在達(dá)到不停水、水質(zhì)二級(jí)標(biāo)準(zhǔn)的情形下,西安市居民對(duì)引水工程調(diào)水所引起的水質(zhì)和水量變化的支付意愿,并分析其特征。問卷調(diào)查以戶為單位,采用MBDC引導(dǎo)方式。水資源CVM調(diào)研常見的支付工具包括稅、水價(jià)、一攬子基金捐贈(zèng)、月水費(fèi)的增加額等。預(yù)調(diào)研分別對(duì)不同支付工具測(cè)試后,最后選定家庭水費(fèi)月固定支付額的增加額作為支付工具。通過焦點(diǎn)團(tuán)體訪談和不同區(qū)域68個(gè)樣本的預(yù)調(diào)研,確定多邊界離散選擇問卷投標(biāo)值。

問卷在對(duì)投標(biāo)值進(jìn)行詢價(jià)的同時(shí),還要獲取家庭異質(zhì)性因素的信息[21-24],包含四部分內(nèi)容:一是受水區(qū)居民自來水供給和使用狀況;二是受水區(qū)居民對(duì)水資源和環(huán)境的認(rèn)知;三是基于MBDC引導(dǎo)方式詢問受水區(qū)居民的支付意愿;四是家庭、社會(huì)和經(jīng)濟(jì)信息。

具體調(diào)研在西安市水網(wǎng)所覆蓋的、常住城鎮(zhèn)居民為主的行政區(qū)(碑林區(qū)、雁塔區(qū)、蓮湖區(qū)、新城區(qū)、未央?yún)^(qū)、灞橋區(qū)、長(zhǎng)安區(qū))展開,采用分層隨機(jī)抽樣和地圖法抽樣相結(jié)合的方法,抽選了580戶樣本家庭,選擇18歲以上、有應(yīng)答能力且了解家庭用水情況的成員,于2017年4—5月進(jìn)行了面對(duì)面訪談。每份問卷平均問詢時(shí)間為25—30分鐘。最后,經(jīng)過數(shù)據(jù)雙錄入和清洗,并按照王(Wang)等[14]的數(shù)據(jù)篩選方法,將抗議性回答的樣本剔除,最終獲得有效樣本566個(gè),描述性統(tǒng)計(jì)結(jié)果匯總見表1。

由表1可見,家庭平均常住人口數(shù)(Fsize)為3.39人。根據(jù)《西安統(tǒng)計(jì)年鑒2016》[25],西安市家庭平均人口數(shù)為3.1人,本文調(diào)研按照同灶人口數(shù)進(jìn)行統(tǒng)計(jì),因此略高于統(tǒng)計(jì)年鑒數(shù)據(jù)。調(diào)研得到家庭月人均收入(Income)為2 359.5元,與《西安統(tǒng)計(jì)年鑒2016》的家庭月人均收入2 320元基本一致。同時(shí),西安市36%以上的家庭有接受過大專以上教育的家庭成員;受訪者年齡(Age)均值為48.23歲;有56%的受訪者為女性;71.5%的受訪者為群眾,10.7%為共青團(tuán)員,17.6%為共產(chǎn)黨員;74%的受訪者已經(jīng)在西安市居住10年以上;24%的家庭租房住;根據(jù)對(duì)自來水的靜置沉淀、異味、渾濁等方面進(jìn)行詢問(從1分至5分),得到3.23分;有16%的家庭在過去的一年中遭遇到停水;被訪家庭中有27%的家庭有凈水裝置;在態(tài)度和行為等方面,對(duì)于受訪者是否關(guān)注“水污染方面報(bào)道”,1分為“從不關(guān)心”,2分為“看到時(shí)會(huì)留意”,3分為“會(huì)主動(dòng)找這方面新聞”,評(píng)分為1.82分,有27%的受訪者表示“從不關(guān)心”,66%表示“會(huì)留意”,只有6%表示“會(huì)主動(dòng)找這方面新聞”;對(duì)于水源認(rèn)知,21%的受訪者能答對(duì)自家水源;在節(jié)水方面,31%的家庭有循環(huán)用水行為;有約1/3的受訪者聽說過“引漢濟(jì)渭”工程。

問卷統(tǒng)計(jì)的西安市家庭月水費(fèi)(Fee)均值為36.18元,約占家庭月收入(Income)的1.5%。國(guó)際上

表1 主要變量的描述性統(tǒng)計(jì)

普遍認(rèn)為月水費(fèi)在家庭收入中占比在3%以內(nèi)較為合理[26]。長(zhǎng)期以來我國(guó)對(duì)于居民水、電等基本需求品進(jìn)行補(bǔ)貼,水費(fèi)—收入比遠(yuǎn)遠(yuǎn)低于3%這一標(biāo)準(zhǔn)。我國(guó)居民水價(jià)由政府管制,為提高用水效率,實(shí)現(xiàn)交叉補(bǔ)貼效應(yīng),西安市自2015年12月15日起實(shí)施階梯水價(jià),一檔水價(jià)規(guī)定一年162噸水量以內(nèi)為3.8元/噸,二檔162—275噸為4.65元/噸,三檔275噸以上為7.18元/噸。調(diào)研結(jié)果顯示,一半受訪者不了解現(xiàn)有水價(jià),信息不對(duì)稱會(huì)影響政策效果。

表2顯示了受訪者在不同確定性程度下接受某一個(gè)具體投標(biāo)值的比例。從中可見,對(duì)肯定愿意的接受比例隨著投標(biāo)值的增大而嚴(yán)格遞減(第二列),對(duì)肯定不愿意的接受比例隨著投標(biāo)值的增大而嚴(yán)格遞增(第六列)。對(duì)于同一投標(biāo)值,如2元/戶*月-1,橫向加總為100%。調(diào)研結(jié)果符合預(yù)期。觀察肯定愿意列,有100%的受訪者接受0元/戶*月-1,54%的受訪者支付意愿大于5元/戶*月-1,有37.4%的受訪者支付意愿大于10元/戶*月-1,6%的受訪者支付意愿大于35元/戶*月-1(西安市家庭月水費(fèi)均值為36.18元),0.7%的受訪者支付意愿大于300/戶*月-1元。觀察肯定不愿意列,55.2%的受訪者在27元/戶*月-1以上表示肯定不愿意,12.8%的受訪者在5元/戶*月-1以上表示肯定不愿意,34.1%的受訪者在10元/戶*月-1以上表示肯定不愿意,62.3%的受訪者表示在35元/戶*月-1以上肯定不愿意,98.1%的受訪者表示在300元/戶*月-1以上肯定不愿意。

四、估值結(jié)果

(一)支付意愿估值結(jié)果

根據(jù)Welsh-Poe模型可以估計(jì)出MBDC肯定愿意、可能愿意、不確定三組值。根據(jù)Wang-He兩步法模型將MBDC中用文字表示的不確定性轉(zhuǎn)換為主觀概率,并把肯定愿意、可能愿意、不確定、可能不愿意、肯定不愿意的概率定義為0.999、0.75、0.5、0.25和0.001,得出總支付意愿。本文主要估值結(jié)果見表3,前三項(xiàng)是Welsh-Poe模型的三組結(jié)果,第四組結(jié)果(總樣本W(wǎng)TP)由Wang-He兩步法模型得出。

表3顯示MBDC問卷肯定愿意的支付意愿均值為8.36元/戶*月-1,可能愿意的均值為14.39元/戶*月-1,不確定的均值為20.82元/戶*月-1,基于Wang

表2 MBDC投標(biāo)值接受比例

表3 MBDC估值結(jié)果

注:以上四個(gè)模型中,α和β均達(dá)到1%的顯著性水平。

-He兩步法模型的總樣本W(wǎng)TP均值為17.14元/戶*月-1?？梢钥闯?不確定的WTP均值最大,肯定愿意WTP均值最小,與韋爾什(Welsh)等[9,20]的結(jié)果一致。那么Welsh-Poe模型計(jì)算出的三個(gè)區(qū)間值,與Wang-He兩步法模型計(jì)算出的總樣本W(wǎng)TP均值是什么關(guān)系?兩種模型所給出的結(jié)果是否一致?對(duì)此,可以依照韋爾什(Welsh)等[9]的分析方法,通過兩類模型的似然比檢驗(yàn),驗(yàn)證支付意愿的一致性,并比較Welsh-Poe模型和Wang-He兩步法模型結(jié)果的關(guān)系。

設(shè)第i個(gè)人的支付意愿為WTPi,用F(xi,β)表示W(wǎng)TPi的累積概率分布密度,γ是參數(shù)向量。對(duì)于某個(gè)回答,如肯定愿意,如果第i個(gè)人選中的區(qū)間是[XiL,XiU],則WTPi落在該區(qū)間的概率為F(xiU,γ)-F(xiL,γ),相應(yīng)的對(duì)數(shù)似然函數(shù)為

(15)

基于調(diào)研所獲得的數(shù)據(jù)分布,假設(shè)F是Logistic累積概率函數(shù),則

(16)

其中,參數(shù)向量γ包含兩個(gè)參數(shù),分別是α與β,用極大似然法即可估計(jì)出支付意愿均值α與標(biāo)準(zhǔn)差β的值以及對(duì)數(shù)似然值。根據(jù)估計(jì)出的最大似然反應(yīng)方程的等價(jià)性假設(shè),可以通過似然比進(jìn)行檢驗(yàn)。

LR=2*[(ll1+ll2)-llpool]～χ2(r)

(17)

其中,ll1與ll2分別是要比較的兩個(gè)模型(Welsh-Poe模型和Wang-He兩步法模型)的對(duì)數(shù)似然值,llpool是假設(shè)要比較的兩個(gè)模型的參數(shù)(γ)相同后估計(jì)出來的模型的對(duì)數(shù)似然值,r是要比較的模型參數(shù)的數(shù)目。這樣,就可以對(duì)Welsh-Poe模型和Wang-He兩步法模型估值結(jié)果進(jìn)行比較和檢驗(yàn)。

不確定)的支付意愿分布是一致的,且Wang-He兩步法模型總WTP均值位于MBDC的可能愿意與不確定之間,比較靠近不確定的分布。

圖1 MBDC不同WTP估值結(jié)果的分布

上述分析都是基于總體分布假設(shè)為L(zhǎng)ogistics分布進(jìn)行的。為了檢驗(yàn)結(jié)果的穩(wěn)健性,調(diào)整Wang-He兩步法模型中用文字表示的不確定性的主觀概率(肯定愿意、可能愿意、不確定、可能不愿意、肯定不愿意的概率),并調(diào)整分布函數(shù)(如應(yīng)用正態(tài)分布),同樣支持以上一致性檢驗(yàn)結(jié)果?；赪ang-He兩步法模型的第一階段估計(jì),可以得出每一個(gè)受訪者的支付意愿。將受訪者支付意愿的累積分布繪制于表4,可以看出,約1/3的受訪者接受5元/戶*月-1的投標(biāo)值,50%的家庭投標(biāo)值在11.19元/戶*月-1以內(nèi),90%的人在50.58元/戶*月-1以內(nèi)。

表4 受訪者支付意愿的累積分布

在計(jì)算西安市居民對(duì)“引漢濟(jì)渭”引水工程帶來的水質(zhì)和水量改善的WTP分布及均值的同時(shí),還需要估計(jì)調(diào)研區(qū)域家庭加總支付意愿。這是引水工程社會(huì)收益的重要衡量指標(biāo)。近些年,西安市城鎮(zhèn)化進(jìn)程加快,不少地區(qū)改縣為區(qū),但是市政水網(wǎng)設(shè)施的擴(kuò)建相對(duì)滯后。目前西安市轄新城、碑林、蓮湖、雁塔、灞橋、未央、閻良、臨潼、長(zhǎng)安、高陵、鄠邑(原為戶縣)11個(gè)區(qū),以及藍(lán)田、周至2個(gè)縣。為了估計(jì)“引漢濟(jì)渭”工程西安市受水區(qū)居民的支付意愿,本文調(diào)研主要針對(duì)西安市水網(wǎng)基礎(chǔ)設(shè)施所覆蓋的城鎮(zhèn)居民展開。根據(jù)西安市水務(wù)局提供的相關(guān)數(shù)據(jù),去除西安市水網(wǎng)未覆蓋的、農(nóng)村人口占絕對(duì)主體的藍(lán)田和周至2個(gè)縣,以及臨潼、高陵、鄠邑、閻良4區(qū),在其他7個(gè)主要行政區(qū)(新城、碑林、蓮湖、雁塔、灞橋、未央、長(zhǎng)安)進(jìn)行抽樣調(diào)研,家庭總戶數(shù)為158.89萬戶,總?cè)丝跒?91.05萬人,約占西安市轄區(qū)總?cè)丝诘?0%[25]。

運(yùn)用Wang-He兩步法模型估計(jì)出調(diào)研樣本區(qū)域居民家庭對(duì)“引漢濟(jì)渭”工程的支付意愿為17.14元/戶*月-1,由此估算出加總的支付意愿約為每年3.27億元。這是“引漢濟(jì)渭”西安市受水區(qū)社會(huì)收益的重要參考指標(biāo)。同時(shí),基于Welsh-Poe模型還可以得到更為豐富的信息,調(diào)研區(qū)域肯定愿意、可能愿意、不確定的支付意愿均值分別為8.36、14.39和20.82元/戶*月-1,據(jù)此,可以估算出每年肯定愿意、可能愿意、不確定的支付總額分別為1.59、2.74和3.97億元。

(二)受水區(qū)支付意愿的影響因素分析

首先對(duì)MBDC問卷所獲得的家庭異質(zhì)性變量進(jìn)行相關(guān)性檢驗(yàn),然后分別基于Wang-He兩步法模型(模型1)、Welsh-Poe模型可能愿意(模型2)、Welsh-Poe模型不確定(模型3)進(jìn)行回歸,結(jié)果匯總見表5。

表5 MBDC估計(jì)結(jié)果

注:*、**、***分別表示通過10%、5%、1%顯著性水平檢驗(yàn)。

根據(jù)前文的結(jié)果,三個(gè)模型所對(duì)應(yīng)的WTP值分別為17.14、14.39和20.82元/戶*月-1。Wang-He兩步法模型(模型1)R2為0.184。

三個(gè)模型的結(jié)果顯示了一定的一致性。觀察受訪者個(gè)人變量,三個(gè)模型均顯示受訪者年齡在5%的顯著性水平下與WTP負(fù)相關(guān)。與年輕人相比,越是老年人,支付意愿越低。受訪者性別方面,已有研究表明其對(duì)水資源的WTP影響方向不定,在這里,受訪者性別與WTP顯著負(fù)相關(guān),說明西安市女性的支付意愿低于男性。以往研究很少涉及黨派變量,本文研究了“是否共產(chǎn)黨員和共青團(tuán)員”對(duì)WTP的影響,結(jié)果顯示共產(chǎn)黨員和共青團(tuán)員的支付意愿明顯高于民主黨派和群眾,且分別在1%和5%的顯著性水平下顯著。

從受訪者家庭特征來看,家庭受教育程度在模型1回歸結(jié)果中顯著正向影響WTP,教育程度越高,支付意愿越高?，F(xiàn)在支付的月水費(fèi)在模型1和模型2的回歸結(jié)果中顯著正向影響WTP,月水費(fèi)越高,支付意愿越高,但在模型3的回歸結(jié)果中不顯著。家庭收入僅在模型1中在10%顯著性水平下正向影響WTP,家庭收入越高,支付意愿越高,但其系數(shù)很小,家庭收入每增加1 000元,支付意愿增加0.23元/戶*月-1。是否租住戶僅在模型2中在5%顯著性水平下正向影響WTP。

在用水習(xí)慣和環(huán)境意識(shí)方面,是否有節(jié)水行為和習(xí)慣在三個(gè)模型中均顯著負(fù)向影響WTP,是否循環(huán)用水也在三個(gè)模型中顯著負(fù)向影響WTP。飲水來源變量?jī)H在模型2中在10%顯著性水平下正向影響WTP。觀察自來水異味和渾濁等以及停水次數(shù)兩個(gè)變量,三個(gè)模型均顯示:停水次數(shù)變量不顯著,而自來水異味和渾濁等在5%的顯著性水平下顯著負(fù)向影響WTP,現(xiàn)有水質(zhì)越不好的家庭,支付意愿越高。

五、結(jié)論與建議

本文基于條件價(jià)值評(píng)估法的多邊界離散選擇模型,應(yīng)用Welsh-Poe模型以及Wang-He兩步法模型對(duì)“引漢濟(jì)渭”工程受水區(qū)西安市居民的支付意愿進(jìn)行評(píng)估,結(jié)論與建議如下:

第一,對(duì)于MBDC問卷所獲取的西安市調(diào)研區(qū)域的566個(gè)樣本數(shù)據(jù),應(yīng)用Wang-He兩步法模型進(jìn)行估計(jì),總支付意愿為17.14元/戶*月-1;根據(jù)Welsh-Poe模型,得出肯定愿意、可能愿意、不確定的支付意愿均值分別為8.36、14.39和20.82元/戶*月-1。根據(jù)函數(shù)擬合總體支付意愿分布曲線,通過Wang-He兩步法模型總支付意愿與Welsh-Poe模型支付意愿的似然比檢驗(yàn)可以看出,Wang-He兩步法模型得到的總支付意愿位于Welsh-Poe模型的可能愿意與不確定之間,兩類方法估值是一致的,證明本文對(duì)西安市受水區(qū)居民支付意愿實(shí)證研究結(jié)果的可靠性和有效性。

第二,本文根據(jù)調(diào)研覆蓋區(qū)域西安市城鎮(zhèn)居民家庭總戶數(shù)(158.89萬戶)[25]估算出加總的支付意愿約為每年3.27億元(Wang-He兩步法模型)。同時(shí),運(yùn)用Welsh-Poe模型得出西安市居民對(duì)于“引漢濟(jì)渭”工程每年不確定的支付總額為3.97億元,可能愿意的支付總額為2.74億元,而肯定愿意的支付總額僅為1.59億元。西安市居民對(duì)于該工程的支付意愿存在較大的不確定性。陜西省“引漢濟(jì)渭”引水工程不能僅作為技術(shù)工程來建設(shè)和維護(hù),還應(yīng)作為西安市乃至陜西省的經(jīng)濟(jì)、社會(huì)工程來建設(shè)和維護(hù)。受水區(qū)家庭獲得水質(zhì)和水量改善,是以限制上游發(fā)展機(jī)會(huì)等為代價(jià)的,要實(shí)現(xiàn)跨流域引水的可持續(xù)利用、節(jié)約用水,需要通過宣傳和教育等來轉(zhuǎn)變西安市居民的觀念,建立起資源保護(hù)和水資源有償使用的理念,提高西安市居民對(duì)“引漢濟(jì)渭”工程水資源有償使用的支付意愿。

第三,根據(jù)本文調(diào)研數(shù)據(jù),西安市家庭平均月用水量為9.52噸(家庭月均水費(fèi)約36.18元,占家庭收入的1.5%)。假如“引漢濟(jì)渭”工程使家庭月均水費(fèi)上升為53.32元(原家庭月均水費(fèi)36.18元加上工程新增水支付意愿17.14元),約占家庭收入的2.26%,而國(guó)際上的平均標(biāo)準(zhǔn)是月水費(fèi)在家庭收入中占比在3%以內(nèi)較為合理[26],所以西安市仍有水價(jià)的提升空間,以提高西安市居民水資源保護(hù)和節(jié)水意識(shí)。西安市一檔水價(jià)覆蓋80%的家庭用水量,按照一檔水價(jià)(一年162噸水量以內(nèi)為3.8元/噸)進(jìn)行粗略估計(jì),西安市居民家庭因“引漢濟(jì)渭”工程新增用水愿意每噸水比一檔水價(jià)多付約1.89元。對(duì)于“引漢濟(jì)渭”工程,要實(shí)現(xiàn)水資源的可持續(xù)利用,應(yīng)將西安市居民對(duì)于“引漢濟(jì)渭”工程帶來的水質(zhì)和水量改善的支付意愿納入水價(jià)政策等的調(diào)整之中,通過西安市水價(jià)制度的逐步完善,約束西安市居民的用水行為,真正將水資源有償使用和保護(hù)的理念,轉(zhuǎn)化為有償使用的水價(jià)等制度。

[1] 蕭代基, 洪鴻智, 黃德秀. 土地使用制度之補(bǔ)償與報(bào)償制度的理論與實(shí)務(wù)[J]. 財(cái)稅研究, 2005(3): 1-15.

[2] 李國(guó)平, 李瀟, 蕭代基. 生態(tài)補(bǔ)償?shù)睦碚摌?biāo)準(zhǔn)與測(cè)算方法探討[J]. 經(jīng)濟(jì)學(xué)家, 2013(2): 42-49.

[3] WHITEHEAD J C, HOUTVEN G V. Methods for Valuing the Benefits of the Safe Drinking Water Act: Review and Assessment[R]. East Carolina University Working Paper, No. 9705, 1997: 1-35.

[4] CARSON R T, HANEMAN W M. Contingent Valuation[J]. Handbook of Environmental Economics, 2005, 2(5): 821-936.

[5] DAVIS R K. Recreational Planning as An Economics Problem[J]. Natural Resource Journal, 1962(3): 239-249.

[6] ARROW K, SOLOW R, LEAMER E, et al. Report of the NOAA Panel on Contingent Valuation[J]. Federal Register, 1993, 58: 4600-4614.

[7] OPALUCH J J, SEFERSON K. Rational Roots of Irrational Behavior, New Theories of Economic Decision-Making[J]. Northeastern Journal of Agricultural & Resource Economics, 1989, 18(2): 81-95.

[8] READY R C, WHITEHEAD J C, BLOMQUIST G C. Contingent Valuation When Respondents Are Ambivalent[J]. Journal of Environmental Economics and Management, 1995, 29(2): 181-196.

[9] WELSH M P, POE G L. Elicitation Effects in Contingent Valuation: Comparisons to a Multiple Bounded Discrete Choice Approach[J]. Journal of Environmental Economics and Management, 1998, 36(2): 170-185.

[10] WANG H. Treatment of ″Don′t-know″ Responses in Contingent Valuation Surveys: A Random Valuation Model[J]. Journal of Environmental Economics and Management, 1997, 32(2): 219-232.

[11] WANG H, HE J. Estimating Individual Valuation Distributions With Multiple Bounded Discrete Choice Data[J]. Applied Economics, 2011, 43(21): 2641-2656.

[12] VAN KOOTEN G C, KRCMAR E, BULTE E H. Preference Uncertainty in Non-Market Valuation: A Fuzzy Approach[J]. American Journal of Agricultural Economics, 2001, 83(3): 487-500.

[13] BRAUN C, REHDANZ K, SCHMIDT U. Validity of Willingness to Pay Measures under Preference Uncertainty[J]. Plos One, 2016, 11(4): 1-17.

[14] WANG H, HE J, KIM Y, et al. Willingness-to-pay for Water Quality Improvements in Chinese Rivers: An Empirical Test on the Ordering Effects of Multiple-Bounded Discrete Choices[J]. Journal of Environmental Management, 2013, 131: 256-269.

[15] RODRIGUEZ F, HAAB D S T. Is Better Drinking Water Valued in the Latin American Countryside? Some Evidence from Cotacachi, Ecuador[J]. Water International, 2009, 34(3): 325-334.

[16] MORENO-SANCHEZ R, MALDONADO J H, WUNDER S, et al. Heterogeneous Users and Willingness to Pay in an Ongoing Payment for Watershed Protection Initiative in the Colombian Andes[J]. Ecological Economics, 2012, 75(2): 126-134.

[17] VAN HECKEN G, BASTIAENSEN J, VASQUEZ W F. The Viability of Local Payments for Watershed Services: Empirical Evidence From Matiguas, Nicaragua[J]. Ecological Economics, 2012, 74: 169-176.

[18] 周晨, 李國(guó)平. 流域生態(tài)補(bǔ)償?shù)闹Ц兑庠讣坝绊懸蛩?——以南水北調(diào)中線工程受水區(qū)鄭州市為例[J]. 經(jīng)濟(jì)地理, 2015(6): 38-46.

[19] JIN J J, WANG W Y, FAN Y, et al. Measuring the Willingness to Pay for Drinking Water Quality Improvements: Results of a Contingent Valuation Survey in Songzi, China[J]. Journal of Water & Health, 2016, 14(3): 504-512.

[20] 李智. 條件價(jià)值評(píng)估中的偏好不確定性研究[D]. 北京: 北京大學(xué), 2006: 10-11.

[21] DAUDA S A, YACOB M R, RADAM A. Household′s Willingness to Pay for Heterogeneous Attributes of Drinking Water Quality and Services Improvement: An Application of Choice Experiment[J]. Applied Water Science, 2014, 5(3): 253-259.

[22] METCALFE P J, BAKER W, ANDREWS K, et al. An Assessment of the Nonmarket Benefits of the Water Framework Directive for Households in England and Wales[J].Water Resources Research, 2012, 48(3): 1-18.

[23] ALCUBILLA R G. Derived Willingness-To-Pay For Water: Effects of Probabilistic Rationing And Price[J]. Journal of Water Resource Planning and Management, 2002(6): 424-433.

[24] WHITTINGTON D, PATTANAYAK S K, YANG J C, et al. Household Demand for Improved Piped Water Services: Evidence from Kathmandu, Nepal[J]. Water Policy, 2002, 4(6): 531-556.

[25] 西安市統(tǒng)計(jì)局. 西安統(tǒng)計(jì)年鑒2016[M]. 北京: 中國(guó)統(tǒng)計(jì)出版社, 2016: 240-262.

[26] WHITTINGTON D, LAURIA D T, OKUN D A, et al. Water Vending Activities in Developing Countries[J]. International Journal of Water Resources Development, 1989, 5(5): 158-168.