榆林煤炭矿区生态环境改善支付意愿分析.docxVIP

?

?

榆林煤炭矿区生态环境改善支付意愿分析

?

?

榆林煤炭矿区生态环境改善支付意愿分析

煤炭资源是国民经济发展的重要保障，但煤炭资源开发过程中产生的生态环境破坏问题，即煤炭资源开发过程中的外部不经济性问题，已成为影响煤炭资源可持续利用，区域经济可持续发展的关键。国家“十二五”规划提出，加大生态保护和建设力度，从源头上扭转生态环境恶化趋势。然而，矫正煤炭资源开发过程中的外部不经济性问题，制定相应的生态环境改善方案，扭转生态环境恶化趋势，需要对煤炭资源开发所造成的生态环境破坏价值损失进行评估。

1研究背景

由于生态环境本身具有的公共性，无法通过其市场信息计算生态环境破坏的价值损失，学术界通常选用条件价值评估法（ContingentValuationMethod，CVM）作为评估生态环境破坏价值损失的方法。CVM一般通过研究矿区居民为改善当地生态环境的支付意愿（WillingToPay，WTP），估计矿区资源开发所造成的生态环境破坏价值损失。也就意味着，矿区居民为改善当地生态环境的WTP将直接影响矿区资源开发所造成的生态环境破坏价值损失估算，因此，有必要对矿区居民为改善当地生态环境的WTP进行分析。

对于CVM中居民支付意愿影响因素的分析，国内多采用多元线形回归、Logit模型、Probit模型等传统的计量分析方法。但是，这些方法在分析CVM的调查资料时，存在一个共同的缺陷，即对CVM调查中出现的零观察值不能进行合理的分析。在CVM调查中出现的零观察值可分为两类：①真正的零观察值（realzero），即被调查者对受访问题呈支持态度，但由于经济等方面的原因，没有能力支付；②抗议性零观察值（protestzero），即被调查者对受访问题呈负面的态度，不愿意答复其心中的WTP，而选择了零支付，并非该环境资源对其没有效益可言。对于含有抗议性零观察值的CVM调查资料，传统的处理方式是先将抗议性零观察值样本删除，再对剩余下的视为合理的非抗议性答复样本进行分析。但删除大量抗议性样本，不但将缩小原有样本规模，更有可能引起抽样偏差（samplingbias），导致最终的估计结果的偏误。也就是说，原来的样本虽然是随机选择的，但并不意味着删除抗议性样本仍符合随机抽样的条件。为了解决这一问题，学术界采用了能够分析受限（censored）资料的Tobit模型［1-2］。Tobit模型假设所有的被调查者都愿意参与支付，即将真正的零观察值与抗议性零观察值均视为角解（cornersolution）［3］。

然而，Cragg认为零观察值的由来，除了可能是角解之外，也有可能是被调查者对该物品的需求为零，也就是被调查者选择不参与该支付行为［4］。于是，Cragg在Tobit模型的基础上发展出了双槛式模型（doublehurdlemodel，DH模型）。DH模型将被调查者的支付意愿决策分为两个槛，即“决定是否参与支付”的参与决策与“决定支出多少金额”的支付决策。根据Blackwell等［5］对消费行为的定义，消费行为是人们为获取并使用财货所直接参与的行为，包括在行为之前决定该行为的种种决策程序，可以判断DH模型对被调查者支付意愿决策的分解，反映了被调查者做出参与决策和支出决策的先后顺序，符合被调查者在做出支付意愿决策时的心理变化。DH模型认为唯有在两个决策行为同时确立的情况下，才会构成一个完整的支付意愿决策。DH模型有两个优于Tobit模型的特点：一是Tobit模型将“决定是否参与支付”与“决定支出多少金额”合并为一个支出决策，即Tobit模型忽略了被调查者的参与决策，而直接分析支出决策；DH模型将“决定是否参与支付”与“决定支出多少金额”分为两个步骤分别进行研究，且可以比较影响“决定是否参与支付”与“决定支出多少金额”两个行为的因素的差异。二是Tobit模型假设所有的零观察值都是角解，而DH模型允许零观察值可以同时有角解与非参与的理由存在。而且相关的文献也已经论证了DH模型较Tobit模型对被调查者的支付意愿决策更具解释能力，如Eulàlia［6］、吴佩瑛等［3］、Salvador和Pau［7］。

国内对于矿产资源开发过程中居民支付意愿的研究，具有代表性的是李国平等［2］对陕北煤炭、油气矿区居民支付意愿的研究。该研究成果运用Tobit模型分析了影响矿区居民支付意愿的影响因素，得出了影响居民“决定支出多少金额”这一行为的因素，但没有考虑居民“决定是否参与支付”的行为对支付意愿的影响，因此，分析结果难以对居民支付意愿决定的决策行为做出较为全面的评价。

事实上，对于矿区居民改善当地生态环境支付意愿的分析，需要将居民“决定是否参与支付”与“决定支出多少金额”两种行为分别考虑。矿区居民作为资源开采