李国平 郭 江

(西安交通大学经济与金融学院，陕西西安710061)

榆林煤炭矿区生态环境改善支付意愿分析

李国平 郭 江

(西安交通大学经济与金融学院，陕西西安710061)

运用榆林煤炭矿区居民为改善当地生态环境支付意愿(WTP)的调研资料，得出每户每年平均的支出金额介于229．56－347．92元之间，由此推断出榆林煤炭矿区每年因煤炭开发而造成的生态环境破坏价值损失大约在13 822．09万－20 948．69万元之间。通过运用D-H模型和Tobit模型对调研资料分别进行分析，发现，D-H模型对被调查者支付意愿影响因素的分析明显优于Tobit模型。D-H模型的结果显示，被调查者“决定是否参与支付”与“决定支出多少金额”两个行为的影响因素不完全相同。被调查者对当地生态环境状况的满意程度对其“决定是否参与支付”呈负向影响;反映被调查者所在行政区域对其“决定是否参与支付”呈正向影响。被调查者的家庭年收入、受教育状况、年龄、职业状况、对当地生态环境状况的满意程度均对其“决定支出多少金额”具有显著的正向影响;被调查者的家庭人口数、对环境保护政策的了解程度对其“决定支出多少金额”有显著的负向影响。最后，提出了提高当地居民参与生态环境改善活动积极性的一些措施。

煤炭矿区;D-H模型;支付意愿(WTP)

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(Contingent Valuation Method，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(Willing To Pay，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(real zero)，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(protest zero)，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(sampling bias)，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(corner solution)［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-hurdle model，DH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过程中生态环境破坏的直接受害者，由于对生态环境治理主体认识的误区以及对治理效果的疑虑的原因，在接受CVM调查时，有可能会对受访问题表现出负面的态度，导致抗议性零观察值样本的出现。面对这种情况，D-H模型为分析居民的支付意愿提供更为合理的方法，该模型能够对零观察值做出更为合理的解释，更好的反映居民的支付意愿。

本文将D-H模型应用于对矿区居民改善生态环境的支付意愿的研究，并将D-H模型和Tobit模型的估计结果进行对比分析，以判断两种方法对矿区居民改善生态环境的支付意愿影响因素解释能力的优劣性。所运用的数据来自于2010年7月对榆林市的神木县、府谷县和榆阳区的调研。其中神木县、府谷县是神府煤田的所在地，该煤田是我国已探明的最大煤田，也是世界七大煤田之一;榆阳区横跨榆横、榆神煤田。这三县(区)的资源都以煤炭为主，并都已进入煤炭开采的高峰期，因煤炭开采引起的各种生态环境问题已经充分显现，调研价值显著。调查历时15天;调查组一行7人，包括4名博士研究生和3名硕士研究生;具体调研区域:神木县大柳塔镇、店塔镇，府谷县三道沟乡、庙沟门镇，榆阳区麻黄梁镇、牛家梁镇、小纪汗乡等;调查以户为单位，每户选取一名对家庭情况较为清楚，并长期居住在当地的成员作为被调查对象。

2 研究模型与数据说明

2．1 模型简介

D-H模型是Cragg对个体消费行为进行研究时提出的，用于分析个体消费决策中两个不同阶段的影响因素［4］。D-H模型针对每一个消费决策阶段，设立了相应的方程式与之对应，即一个是用来“决定是否参与支付”的参与方程式(participation function)，另一个则用来“决定支出多少金额”的支出方程式(expenditure function)。

D-H模型的形式如下:

其中:式(1)为第一个槛，即参与方程式;式(2)为第二个槛，即支出方程式。两个槛的残差项彼此是独立。Di为“决定是否参与支付”的虚拟变量，当Di等于1时，表示愿意参与支付;当Di等于0时，表示不愿意参与支付。为被调查者心中WTP的支出金额;α、β分别为待估计的解释变量系数;Zi、Xi分别为影响参与决策的解释变量;vi、εi分别为残差项。

只有当被调查者i的参与变量Di等于1时，且心中WTP的支出金额大于0时，该被调查者回答的WTP的支出金额将等于;而在其他情况下，无论被调查者i心中WTP的支出金额是正或是负值，被调查者所回答的WTP的支出金额均为0，即

结合式(1)、式(2)、式(3)，将可能产生的四种消费决策组合，见表1。

表1 支付决策组合Tab．1 Pay decision combination

2．2 基本数据

本次调研采用的CVM问卷由3个部分组成，一是矿区居民对当地生态环境问题的认识态度;二是为改善本地区的生态环境，当地居民的支付意愿调查;三是矿区居民的社会经济信息，如年龄、文化程度、家庭人口数、家庭收入等。其中，对当地居民支付意愿调查的引导方式选择了开放式:开放式引导技术避免了其他引导方式因投标值的设定而对被调查者支付意愿形成的偏差;被调查者长期居住于矿区，对煤矿开采造成的生态环境破坏具有较为深刻的了解和切身的感受，符合使用开放式引导技术的使用前提。在设计问卷时，对开放式引导技术进行了改进:询问被调查者是否愿意每年为改善当地的生态环境而支付一定的费用。如果被调查者回答“不愿意”，则询问拒绝的原因;如果被调查者回答“愿意”，则询问他的愿付金额，以及愿意支付的原因。

调查采用随机入户访谈的方式，共发放问卷580份，问卷全部收回，得到有效问卷535份，问卷有效率为92．24%。

2．2．1 被调查者的基本信息

调查的有效样本中，男性380人，女性155人，男性比例大于女性比例。被调查对象的年龄最小16岁，最大88岁，平均年龄39．78岁，被调查对象主要集中于21－60岁之间;文化水平以初中为最多，其次分别为高中和小学，大专及以上和未上学最少;职业以农民最多，商人、工人、学生也有很大的比重;家庭年收入主要分布于30 000元以下，占有效样本量的55．14%。

表2 被调查者的基本情况Tab．2 The basic situation of respondents

2．2．2 被调查者对当地生态环境问题的认识态度

调查的有效样本中，大多数被调查者认为本地区生态环境亟需治理，只有很少部分被调查者认为当地生态环境的治理不急迫，其中:认为本地区生态环境治理非常急迫的有123人、急迫的有287人，分别占有效样本量的22．99%和53．64%;而认为不急迫和不必改善的有4人和1人，分别占有效样本量的0．75%和0．19%。从调查结果的统计来看，被调查者对环境保护政策的了解程度有待加强，其中:表示自己对环境保护政策很了解和了解的有32人和94人，分别占有效样本量的5．98%和17．57%;而表示自己对环境保护政策知道一点的有245人、不了解的有164人，分别占有效样本量的45．79%和30．65%。

2．2．3 被调查者的支付意愿(WTP)

在被调查的535份有效样本中，有353份表示“愿意”参与支付，而且支出金额大于0。可以计算出，有效样本中，正支付意愿所占的比重为65．98%，即有效样本的支付率为65．98%。支出金额主要集中在100元及以下和101－300元两个档次。愿意支付的原因主要集中在三个方面，依次是:为了自己的生活环境更好;把良好的生存环境留给子孙后代;保护生态环境是一种社会责任。34．02%的调查样本为零观察值样本，原因主要集中在三个方面，依次是:家庭收入水平较低，没有支付能力;认为污染企业和政府应承担相应的责任;对生态环境改善没有信心，担心生态环境治理不能达到预期的目的，其中后两种原因导致了抗议性零观察值的出现。

表3 被调查者的支付意愿Tab．3 Respondents'WTP

3 研究结果与分析

3．1 榆林煤炭矿区居民支付意愿的支出金额估算

3．1．1 支出金额估算

根据调查资料，本文采用Kristrom的 spike模型［8］对平均支出金额进行估算，该模型对开放式问卷和二分式问卷均有效。

首先计算被调查者中正支出金额的平均值:

E(WTP)正=∑AiPi=347．92元

式中:Ai为支出金额，Pi为被调查者选择该数额的概率。

其次，采用Kristrom的spike模型对平均支出金额进行修正，经过 spike模型修正后的平均支出金额E(WTP)非负等于E(WTP)正乘以正支付意愿占全部支付意愿的比例，所以:

E(WTP)非负=E(WTP)正×65．98%=229．56 元

由于选择零支出金额的被调查者心中WTP的支出金额并不一定为0，因此E(WTP)非负可被认为是其对支出金额的保守估计，E(WTP)正则认为是上限。综合以上分析，榆林煤炭矿区居民为改善当地生态环境每户每年平均的支出金额介于229．56－347．92元之间。

3．1．2 煤炭矿区生态环境破坏价值损失计算

根据张志强等［9］利用支付率对调查相关区域居民户数量的处理方法，结合矿区居民WTP支出金额的估计值，计算出榆林煤炭开采所造成的生态环境破坏价值损失:

生态环境破坏价值损失=平均支出金额×(居民户数×支付率) (4)

《陕西统计年鉴2010》的资料显示，榆林煤炭矿区共有居民912 568户，结合本次调研的支付率以及矿区居民WTP支出金额的估计，本文推断，榆林煤炭矿区每年因煤炭开发而造成的生态环境破坏价值损失大约在13 822．09万－20 948．69万元之间。

表4 解释变量说明Tab．4 Model variables

3．2 榆林煤炭矿区居民支付意愿的影响因素分析

CVM研究通常选择一些常见的特征变量来研究影响WTP的因素，如收入、教育、职业等［11－12］。本文根据调查的实际情况，并结合国内外应用CVM的研究，选定被调查者的家庭年收入、受教育程度、年龄、家庭人口数、性别、职业状况、对当地生态环境状况的满意程度、对环境保护政策的了解程度，以及所在行政区域作为解释变量(见表4)。本文运用Eviews 6．0软件对影响被调查者支付意愿的影响因素分别进行D-H模型和Tobit模型估计，结果见表5。

表5 被调查者支付意愿的影响因素估计结果Tab．5 The affect factors of the respondents'WTP

表5列出了Tobit模型和D-H模型的估计结果。Tobit模型的估计结果显示，被调查者的家庭收入状况、受教育程度和年龄对其WTP的支出金额有显著的正向影响，这与D-H模型中支出方程的估计结果相一致。反映被调查者所在行政区域的两个变量在Tobit模型和D-H模型的支出方程的估计结果中均不显著。除此之外，其余的变量均表现出了较大差异。其中，Tobit模型的结果显示，被调查者的家庭人口数、性别、对当地生态环境状况的满意程度、对环境保护政策的了解程度均对其WTP的支出金额没有显著性影响，但这些变量在D-H模型的支出方程的估计结果中均通过了显著性检验。另外，Tobit模型中，被调查者的职业状况对其WTP的支出金额具有显著的负向影响，但在D-H模型的支出方程中，被调查者的职业状况对其“决定支出多少金额”具有显著的正向影响;通过观察D-H模型的参与方程，本文发现，被调查者的职业状况对其“决定是否参与支付”呈负向影响，但在统计意义上不显著，这表明被调查者的职业状况对其“决定是否参与支付”这一行为的影响程度非常的微弱。考虑到Tobit模型将“决定是否参与支付”与“决定支出多少金额”合并为一个支出方程进行研究，同时D-H模型的支出方程在估计过程中对有效样本量进行了必要的选择，本文认为，这些现象属于一种可接受的结果。如同Jones对D-H模型和Tobit模型进行比较后所做出的结论，Tobit模型的估计结果可能会存在误导的现象，也就是说有些变量的特征是在Tobit模型中所无法观测到的，或者说相同的变量在不同的方程中对解释变量的影响方向和影响程度会有所不同［13］。鉴于此，本文根据 Teklewold 等［14］提出的建议，采用似然比值法来检验D-H模型是否比Tobit模型在分析支付决策影响因素上更具有效性。似然比值检验可以通过下式计算:

式(5)中，Lt、Lp、Ltr分别是分别估算 Tobit模型、参与方程模型和支出方程的对数似然值，k是模型中独立变量的个数。假设:H0:采用Tobit模型估算。如果Γ＜χ2k，则接受原假设，采用Tobit模型估算;否则拒绝原假设，采用DH模型进行估算。

在5%的显著性水平下，根据式(5)计算得:

因此，拒绝H0，证明，D-H模型对被调查者支付意愿影响因素的分析明显优于Tobit模型。所以，本文采用DH模型来解释被调查者支付意愿的影响因素。

(1)参与方程式的估计结果表明，被调查者“决定是否参与支付”受其对当地生态环境状况的满意程度和所在行政区域的影响;但没有发现被调查者的家庭年收入、受教育程度、年龄、家庭人口数、性别、职业状况、对环境保护政策的了解程度这些因素对被调查者“决定是否参与支付”有显著性影响。其中，被调查者对当地生态环境状况的满意程度对其“决定是否参与支付”呈负向影响，该变量通过了5%的显著性水平检验，这说明，被调查者对当地生态环境的满意程度越低，其更愿意参与支付，表明了被调查者渴望当地生态环境改善的愿望。反映被调查者所在行政区域的两个变量PLACE1和PLACE2都对被调查者“决定是否参与支付”呈正向影响，且两个变量都通过了10%的显著性水平检验，这意味着，榆阳区和府谷县的被调查者比神木县的被调查者具有更高的参与愿望。

(2)支出方程式的估计结果表明，被调查者“决定支出多少金额”受其家庭年收入、受教育程度、年龄、家庭人口数、性别、职业状况、对当地生态环境状况的满意程度、对环境保护政策的了解程度的影响。其中，被调查者的家庭年收入、受教育状况对其“决定支出多少金额”均具有显著的正向影响，并且分别通过了1%的显著性检验，这与经验判断一致。

被调查者的年龄对其“决定支出多少金额”具有显著的正向影响，且通过了1%的显著性检验。可能的原因是:相对于年轻人，年纪大的被调查者更愿意留在当地继续生活，所以他们更愿意为改善当地生态环境出一份力。被调查者的职业状况也对其“决定支出多少金额”具有显著的正向影响，且通过了1%的显著性检验，这一结论似乎与经验判断不符，但本文认为这一结果具有一定的合理性，可能的原因是:煤田开采对地下水、地表水、土地的破坏直接影响农业生产，因此，农业生产从事者为了自己的工作和生存，更愿意为改善当地生态环境出资。

被调查者对当地生态环境状况的满意程度对其“决定支出多少金额”也具有正向影响，其通过了10%的显著性检验，这一结果似乎也与经验判断不符，但结合参与方程式的估计结果，本文发现，被调查者对当地生态环境状况的满意程度作为唯一影响被调查者“决定是否参与支付”与“决定支出多少金额”两个行为的共同因素，反映了对当地生态环境的满意程度较低的被调查者的一种矛盾心理，即一方面被调查者渴望当地生态环境能够得到改善;另一方面，被调查者又对当地生态环境治理缺乏信心，而在实际的支付中选择较低的金额。这一点也是Tobit模型的结果所不能反映的。

被调查者的家庭人口数对其“决定支出多少金额”具有显著的负向影响，其通过了5%的显著性检验，说明，被调查者的家庭人口数越多，其支付金额就越少;被调查者的性别对其“决定支出多少金额”具有显著的负向影响，并且通过了10%的显著性检验，说明，男性的支付金额比女性的支付金额少。

被调查者对环境保护政策的了解程度对其“决定支出多少金额”具有显著的负向影响，该变量通过了1%的显著性检验，说明，被调查者对环境保护政策越了解，其支付金额越少。这可能与我国当前实行的生态环境治理政策有关，我国目前实行的煤炭行业生态环境治理政策主要遵循“谁开发、谁保护，谁污染、谁治理，谁破坏、谁恢复”的原则，这种原则使得被调查者倾向于认为生态环境治理的责任者应该是污染者、破坏者。因此，这种倾向在一定程度“挤出”了对环境保护政策较为熟悉的被调查者的愿付金额。

通过以上对D-H模型估计结果的分析，本文发现，被调查者“决定是否参与支付”与“决定支出多少金额”两个行为的影响因素不完全相同，这与吴佩瑛等［3］的研究结论一致。

4 结论

本文运用CVM对榆林煤炭矿区居民为改善当地生态环境的支付意愿进行了调研，得出每户每年平均的支出金额介于229．56－347．92元之间，由此推断出榆林煤炭矿区每年因煤炭开发而造成的生态环境破坏价值损失大约在13 822．09 万 －20 948．69 万元之间。

通过运用D-H模型和Tobit模型对调研资料分别进行分析，发现，Tobit模型与D-H模型支出方程对被调查者支付决策影响因素的分析存在一定的异同。

运用似然比值法对两种模型在分析支付决策影响因素上的有效性进行分析，得出，D-H模型对被调查者支付意愿影响因素的分析明显优于Tobit模型。

D-H模型的估计结果显示，被调查者“决定是否参与支付”与“决定支出多少金额”两个行为的影响因素不完全相同。被调查者对当地生态环境状况的满意程度对其“决定是否参与支付”呈负向影响;反映被调查者所在行政区域的两个变量对被调查者“决定是否参与支付”呈正向影响。被调查者的家庭年收入、受教育状况、年龄、职业状况、对当地生态环境状况的满意程度均对其“决定支出多少金额”具有显著的正向影响;被调查者的家庭人口数、对环境保护政策的了解程度对其“决定支出多少金额”有显著的负向影响。

本文的政策含义也十分明显。第一，政府部门应该通过一些切实可行的工作，确保矿区生态环境治理工作的高效性和有效性，让矿区居民认识到当地生态环境的可治理性，从而增强居民改善当地生态环境的信心。

第二，进一步加强矿区生态环境治理宣传的力度，增强居民对保护生态环境意义的认识和生态环境治理重要性的认识。只有提高居民的生态环境保护意识，才能调动他们参与生态环境治理的积极性。

第三，大力发展教育事业，切实提高居民的文化水平，有助于增强矿区居民对生态环境保护治理政策的理解力、对矿产资源开发引起的外部不经济性的认识力，进而提高居民参与生态环境治理活动的积极性。

第四，本文的研究表明，家庭收入是影响居民支付意愿的重要因素，家庭收入低也是导致居民选择零支付的一个原因。因此，政府部门应当根据当地的实际状况，鼓励和引导居民发展多种生产经营，提高收入水平;同时鼓励非农生产从事者积极参与到改善当地生态环境的活动中来。

References)

［1］何忠伟，王有年，李华．基于CVM方法的京北水资源涵养区建设研究［J］．农业经济问题，2007，(8):76 － 80．［He Zhongwei，Wang Younian， LiHua． North ofBeijingWaterResources Construction Research by the Method of CVM［J］．Issues in Agricultural Economy，2007，(8):76 －80．］

［2］李国平，刘治国，赵敏华．中国非再生能源资源开发中的价值损失测度及补偿［M］．北京:经济科学出版社，2009:128－133．［Li Guoping，Liu Zhiguo，Zhao Minhua．The Loss Value Measure and Compensate of the Non-Renewable Energy Resource Development in China．Beijing:Economic Science Press，2009:128 －133．］

［3］吴佩瑛，郑琬方，苏明达．复槛式决策过程模型之建构:条件评估法中抗议性答复之处理［J］．农业与经济(台湾)，2004，(33):1－29．［Wu Peiying，Zheng Wanfang，Su Mingda．The Construction of the Multiple-Hurdle with Decision Process Model:the Treatment of the Protest Reply in Contingent Valuation Method［J］．Agriculture and Economy(Taiwan)，2004，(33):1 －29．］

［4］Cragg J G．Some Statistical Models for Limited Dependent Variable with Application to the Demand for Durable Goods［J］．Econometrica，1971，(39):829 －844．

［5］Blackwell R D，Miniard P W，Engel J F．Consumer Behaviov．Ft．Worth［M］．Tex:Harcourt College Publishers，2001:13 －25．

［6］Eulàlia D M．Alternative Approaches to Obtain Optimal Bid Values in ContingentValuation Studiesand toModelProtestZeros:Estimating the Determinants of Individuals'Willingness to Pay for Home Care Services in Day Case Surgery［J］．Health Economics，2001，(10):101 －118．

［7］Salvador del Saz-Salazar，Pau Rausell-Koster．A Double-Hurdle Model of Urban Green Areas Valuation:Dealing with Zero Responses［J］．Landscape and Urban Planning，2008，(84):241 －251．

［8］Bengt Kristrm．Spike Models in Contingent Valuation［J］．American Journal of Agricultural Economics，1997，(3):1013 －1023．

［9］张志强，徐中民，龙爱华，等．黑河流域张掖市生态系统服务恢复价值评估研究［J］．自然资源学报，2004，19(2):230－239．［Zhang Zhiqiang，Xu Zhongmin，Long Aihua，et al．Measuring the Economic Value of Restoring Ecosystem Services in Zhangye City of Heihe River Basin:Comparison and Application of Continuous and Discrete ContingentValuation Survey［J］．JournalofNatural Resources，2004，19(2):230 －239．］

［10］Freeman A M．The Measurement of Environmental and Resource Values:Theory and Methods［R］．Washington D．C:Resources for the Future，1993:52 －200．

［11］Venkatachalam L．The Contingent Valuation Method:a Review［J］．Environmental Impact Assessment Review，2004，24:89 －124．

［12］Jones A M．A Note on Computation of the Double-Hurdle Modle with Ependce with An Application to Tobacco Expendediture［J］．Bulletin of Economic Research，1992，(44):67 －74．

［13］Teklewold H，Dadi，L N Dana．Determinants of Adoption of Poultry Technology:A Double-Hurdle Approach［J］．Livestock Research for Rural Development，2006，18(3):40 －45．

WTP Research in Yulin Coal Mining Area

LI Guo-ping GUO Jiang
(School of Finance and Economics，Xi'an Jiantong University，Xi'an Shaanxi 710061，China)

Using the willing to pay(WTP)investigation data which took from residents in Yulin Coal Mining Area for improving the local ecological environment，the paper found that the average amount of expense was between 229．56 －347．92 Yuan(RMB)for each household in one year，the loss value of ecological environmental of damage was between 138，220，900 －209，486，900 Yuan(RMB)．This paper used the D-H model and the Tobit model to analyze survey data，and found that the D-H model was significantly better than the Tobit model to analyze the factors which affect the respondents'willingness to pay．The results of the D-H model showed that，the influencing factors of the surveyor“whether to participate the payment”was not the same as“decision expenditures number amount”．The surveyor's satisfaction of local ecological environment was a negative effects to“whether to participate the payment”;the administrative area was a positive effect to“whether to participate the payment”．The surveyor's household income，educational status，age，employment status，and satisfaction of local ecological environment were positive effect to “decision expenditures number amount”．The surveyor's family population and the knowledge of the environmental protection policy were negative effects to“decision expenditures number amount”．Finally，this paper suggested some measures to improve the surveyor's positive activities to participate in the improvement of ecological environment．

coal mining area;D-H model;willing to pay(WTP)

F062．1

A

1002－2104(2012)03－0137－07

10.3969/j.issn.1002－2104.2012.03．023

2011－11－02

李国平，教授，博导，主要研究方向为矿产资源有偿使用制度。

教育部哲学社会科学重大课题攻关项目“矿产资源有偿使用制度和生态补偿机制研究”(编号:09JZD0019);西安交通大学基本科研业务费专项科研项目(中央高校基本科研业务费专项资金资助)“加大陕西省产业结构的调整与优化研究”(SKZD11016)。

(编辑:温武军)