基于选择实验方法的北京市空气质量价值评估 本文关键词：空气质量，北京市，价值评估，实验，选择
基于选择实验方法的北京市空气质量价值评估 本文简介：摘要科学地评估空气质量的经济价值是政府制定空气污染治理政策的必要前提。近年来选择实验方法逐渐兴起，并被研究者广泛应用于环境价值评估。与其他陈述偏好方法相比，选择实验的一个优势是其具有更高的外部效度。选择实验方法在国内的应用研究尚处在起步阶段。本研究分别在2015年和2016年对北京市居民开展了两次基
基于选择实验方法的北京市空气质量价值评估 本文内容：
摘要 科学地评估空气质量的经济价值是政府制定空气污染治理政策的必要前提。近年来选择实验方法逐渐兴起，并被研究者广泛应用于环境价值评估。与其他陈述偏好方法相比，选择实验的一个优势是其具有更高的外部效度。选择实验方法在国内的应用研究尚处在起步阶段。本研究分别在2015年和2016年对北京市居民开展了两次基于选择实验方法的网络调查，在调查数据的基础上采用随机参数Logit和广义多元Logit模型分析了北京市居民对空气质量的偏好，并据此估算了空气质量价值。根据2015年样本的估算结果，雾霾天气（PM2.5超标）和沙尘天气（PM10超标）对北京市居民的平均边际价值分别为6.32元/d和2.69元/d；根据2016年样本的估算结果，两个价值分别为7.72元/d和2.81元/d。上述估算结果在两次调查样本中基本稳定，而且，在多种模型设定下都具有较强的稳健性，与近年来的同类研究结果基本一致。以2016年样本的估算结果为基础，2015年北京市雾霾天气和沙尘天气引起的价值损失分别为239.61亿元和45.13亿元，占北京市当年GDP总量的1.04%和0.20%。进一步研究发现，北京市2015年和2016年空气质量改善的价值均低于北京市政府同年用于治理空气污染投入的财政资金总量，说明资金使用效率有待进一步提高；此外，虽然空气质量对高收入居民具有更高的价值，但是，以收入水平为指标设计的累进税率并不比固定稅率更优。
关键词 空气质量；选择实验；价值评估；成本效益分析；雾霾
中图分类号 F062.2
文献标识码 A文章编号 1002-2104（2017）09-0046-10DOI：10.12062/cpre.20170449
空气污染是中国长期以来经济快速发展所带来的一个严重负面效果。伴随着一次又一次的“重霾锁城”，空气质量已经成为影响普通居民生活幸福感的一个关键因素。根据Freeman等[1]的总结，空气污染可以通过损害人体健康、增加防护支出、减少休闲娱乐、降低视觉和知觉舒适性等多种渠道对人类的福利造成影响。而评估这种福利影响则是经济学家长期关注的一项研究内容。环境政策制定和项目开发论证都需要对环境质量变化的经济价值进行科学的评估，进而结合政策成本、项目效益等信息判断政策和项目的可行性。基于此，本文拟采用选择实验方法对北京市的空气质量进行价值评估。
1 文献综述
由于空气质量的公共物品属性，其价值无法通过直接的市场数据进行评估。经济学家开展环境价值评估的方法可以分为陈述偏好方法和显示偏好方法两类：前者通过调查对象汇报的假想市场数据评估价值，其代表为条件价值评估方法（Contingent Valuation）；后者通过观测间接市场数据评估价值，其代表为特征价格方法（Hedonic Pricing）。早期有大量研究采用这两种方法评估了空气质量的经济价值。例如，蔡春光与郑晓瑛[2]采用双边界二分选择方法分析得到北京市居民对空气质量提高健康水平的支付意愿为652.33元/a；陈永伟和陈立中[3]采用房地产特征价格方法分析得到青岛市消费者因空气污染降低对商品住房的边际支付意愿为99.79元/a。近年来，也有研究通过主观幸福感函数中空气质量与货币收入的边际替代率来测算空气质量价值[4-6]。
从总体上看，显示偏好方法的优点在于真实市场数据具有较高的外部效度。但是，因为空气质量影响人类福利的渠道并非都存在间接市场，所以，通过单一间接市场评估的空气质量价值只能构成空气质量总价值的下界[3， 7]。与此相反，陈述偏好方法虽然可以在理论上得到居民对空气质量改善的最大支付意愿，但是，数据的假想性特征导致其外部效度一直备受质疑。这也是陈述偏好方法的结论难以被推广到政策应用中的一个主要原因。正如Louviere et al.[8]所述，陈述偏好方法在应用研究中的核心问题是如何保证结果的效度。
选择实验方法在近年来逐渐兴起，并被研究者广泛应用于环境价值评估。与陈述偏好方法相比，选择实验的一个优势是其更高的外部效度。经验研究广泛证实了在条件价值评估中，被试者倾向于采取策略性行为，导致其汇报的支付意愿偏离真实支付意愿[9-10]。但是，选择实验方法要求被试者在一系列构造的选项之间进行对比权衡，从而间接地进行价值评估，这种问题形式会加大被试者采取策略性行为的认知成本，因而选择实验具有更高的外部效度[11-12]。许多经验研究的结论也都支持选择实验满足激励相容的原则[13]。
目前，国际上已有部分研究采用选择实验方法评价了不同地区的空气质量价值[14-15]。但是，选择实验方法在国内的应用研究尚处在起步阶段，这也是本文重新讨论空气质量价值评估问题的原因。本文采用选择实验方法为空气质量价值评估增加新的经验证据，对分析结果的稳健性进行重点讨论；在价值评估结果的基础上开展空气污染治理的成本效益分析，并讨论个人环境税的征税方案。
2 理论与方法
2.1 理论依据
选择实验会向被试者提供一系列的“复合环境产品”选项供被试者选择，每个复合产品均由多个环境属性进行定义。环境属性本身是连续的，但是，被试者对“复合环境产品”的选择则是离散的。被试者的优化问题可以被定义为：
在（1）式中，U表示拟凹效用函数，q表示一个由J维向量定义的用来描述空气质量综合状况的一系列复合产品，A是定义q的K维空气污染物属性向量，z表示一个作为参照的私人物品，设其价格为1。约束条件i表示预算约束，其中，y表示收入，t表示q的“价格”向量，即被试者为了消费每种特定的空气质量都需要缴纳一定的税额（本文不考虑空气质量的初始产权设定，在现实中，消费者可能并不需要为空气污染治理承担缴税义务，但这意味着实现特定空气质量的成本被转嫁到了市场产品的价格中）。约束条件ii表示复合产品的互斥性，即被试者在选择集合q中能且只能选择一种空气质量的复合产品，且约束条件iii限定了这种产品的数量固定为1。假设被试者的效用函数满足弱互补性的条件，上述优化问题也可以由（2）式的间接效用函数进行表达：
在（2）式中，Vj表示被试者选择qj时的条件间接效用，被试者会选择一个为其带来效用最高的空气质量状况。于是，一个典型的离散选择问题可以被描述为：Vj>Vi，i≠j。此时，考虑空气污染水平发生了一个由A0到A1的变化，那么，通过补偿变差定义的空气质量价值可以被描述为：
研究者的任务是在（3）式中对CV进行估算。
2.2 实证模型
为了估算CV，研究者最常用的一种设定是在随机效用理论的基础上将条件间接效用Vj定义为一个线性函数形式：
在（4）式中，α表示收入的边际效用，β表示K种空气污染物的边际效用向量，将（4）式代入（3）式，并假设εj服从第一极值分布，于是，可以求得[16]：
假设A0到A1的变化仅为空气污染物Ak发生了一个边际变化，那么，Ak的边际价值可以求解为wk=βk/α。研究者估算CV的任务可以转化为估算偏好参数α和β。
在（4）式中估算偏好参数的传统方法是多元Logit模型，随着现有研究广泛证实了个体的偏好异质性，偏好参数不再被定义为一个固定参数，而是被定义为一个随机参数。Fiebig et al.[17]将个体的异质性分解为两个来源：“偏好异质性”（Preference Heterogeneity）和“范围异质性”（Scale Heterogeneity），前者衡量个体偏好偏离平均偏好的差异，后者衡量个体决策随机性的差异，即（4）式被进一步定义为：
（6）式定义了一个广义多元Logit模型（Generalized Multinomial Logit，GMNL）的效用函数形式，其中，下标n∈N表示第n个被试者，ηn用来捕获个体对污染物Aj的偏好异质性，σn用来捕获个体在决策过程中的范围异质性，γ用来分配两种异质性的权重并决定两种异质性的关系，0≤γ≤1。当γ=1且∑（ηn）=0时，个体异质性完全反映为范围异质性；当γ=0且σn=1时，个体异质性完全反映为偏好异质性，对应的模型退化为随机参数Logit模型（Random Paramet Logit，RPL）。在RPL模型中，通常假定随机参数服从正态分布，即ηn～N（0，∑）。在GMNL模型中，通常进一步假定范围参数服从均值为1的对数正态分布，即σn～LN（1，τ2）。
为了分析模型估计结果的稳健性，后文进一步考虑在RPL模型和GMNL模型中引入“特定选项常数项”（Alternative Specific Constant，ASC），将式（6）修改为：
在（7）式中，ASC可以用来捕获被试者对模型中未加控制的其他空气污染物的综合偏好，也可以用来反映被试者高估现状偏好的情形，被认为可以更加准确地描绘被试者在选择情景中的决策过程[12]。此外，后文还考虑了在RPL模型中引入被试者个人统计学特征的情形，将（6）式修改为：
在（8）式中，sn表示被试者n的个人特征向量。由于随机效用理论中的信息价值反映在选项之间的效用差值上，而非单一选项的绝对值上，所以，sn不能以独立变量的形式出现在效用函数中（否则会被消减），只能以和属性变量的交叉项的形式被引入模型，如（8）式所示，参数θ可以用来捕获个人特征对被试者空气质量偏好的边际影响。此时，空气污染物Ak的边际价值为wk=（β+ηk+θks）/α。
3 实验设计与数据
3.1 选择实验设计
设计选择实验的基本步骤包括：①选择空气污染物属性向量A；②确定每种污染物属性的水平；③生成空气质量的复合产品q；④构造选择情景。其中，前两个步骤是设计选择实验的基础。与其他陈述偏好方法相比，选择实验的一个典型特点是信息负荷很高，随着属性数量和属性水平的上升，实验的信息负荷会随之呈现出指数型的上升。而大量研究均已证实：过高的信息负荷会导致被试者根据启发式采取一系列非理性的信息处理策略用来简化决策过程，从而使分析结果出现偏误[12]。因此，本文根据一个预调查的结果，仅选择了普通居民最为关切的两种污染物：可吸入颗粒物（PM10）和细颗粒物（PM2.5），用来设计选择实验。其中，PM10是沙尘天气的主要成分，PM2.5是雾霾天气的主要成分。此外，本文使用“缴税”作为评价空气质量价值的“支付工具”。
在第②步中，首先需要定义污染程度的“单位”，现有研究主要有两种定义方法：以浓度为单位[6， 18-19]和以天数为单位[20-21]。为了统一被试者对污染程度的主观认知，本文采用以天数为单位的定义方法。本文向被试者首先提供了两张“中度雾霾天气”和“中度沙尘天气”的图片，并以两种天气在一年中的发生天数来衡量污染程度。中国环境监测总站发布的数据显示，2014年北京市PM2.5超标（雾霾天气）天数为162 d，PM10超标（沙尘天气）天数为86 d。为了便于认知，本文将这两个数值约等为180 d和100 d，并据此作为设计属性水平的现状基准，分别设定了三个水平的治理效果（见表1）。然后，本文參考同类研究的价值评估结果[18]，选择以400元/年作为缴税基准，也设定了三个缴税额度（见表1）。
在第③步中，根据表1的定义，选择实验对应于一个3属性3水平的实验设计方案，即一共可以组合出27种反映空气质量的复合产品。本文采用标准的正交设计方案在这27种组合中提取了9个复合产品选项。然后，在第④步中，本文依据属性水平平衡、效用平衡和最小重叠的原则将9个复合产品选项配对为4个选择情景（每个情景中有两个选项，舍弃1个选项）。此外，在每个选择情景中，本文都增加了一个“维持现状”的选项。为了避免“排序效应”，4个选择情景在每份问卷中都被随机排序。在正式进入选择实验以前，问卷还向被试者提供了一个示例情景，用来说明情景设定的含义及填答方法。
3.2 调查实施与样本描述
课题组于2015年11月和2016年10月对北京市常住居民开展了两次问卷调查。两次调查使用相同的问卷，主要询问了被试者的人口统计学特征、大气污染认知以及在上述选择情景中的决策。两次调查均采用网络调查方法，委托同一家大型网络调查公司向其北京市样本库中投放调查问卷，并限定调查对象均为在北京市常住时间超过3年的成年居民。两次调查分别收集了232与222份有效问卷，表2汇报了两次调查样本（后文分别称“样本1”和“样本2”）的统计学特征。
《
基于选择实验方法的北京市空气质量价值评估》由：
免费论文网互联网用户整理提供；
链接地址：http://www.csmayi.cn/show/210988.html
转载请保留,谢谢!
