李国平, 赵 媛, 邓广凌, 李 智

(1.西安交通大学 经济与金融学院, 陕西 西安 710061; 2.中国人民大学 国际学院, 江苏 苏州 215000; 3.厦门大学 经济学院, 福建 厦门 361005)

一、研究背景

我国水资源南北分布不均,南方水量充沛,北方多数地区年人均水资源占有量低于联合国划定的400立方米警戒线。为了缓解北方水资源紧缺局面,我国“南水北调”、陕西省“引汉济渭”等一系列跨流域大规模引水工程陆续展开。“引汉济渭”工程于2016年启动,计划从长江水域的汉江“黄金峡”开通引水隧道穿过秦岭,将汉江水引入陕西关中地区水网,工程造价约188亿元。供水区主体涉及陕西省的凤县、略阳、宁强、勉县、南郑、汉中、留坝、城固、洋县、佛坪、西乡、镇巴等县市,受水区包括陕西省的西安、咸阳、宝鸡、渭南以及8个县城。受水区总面积约1.85万平方千米,计划未来年供水量约15.5亿立方米,可使受水区年人均水资源占有量从370立方米提高到450立方米,年人均用水量从203立方米提高到302立方米。

跨流域引水工程会带来上下游水资源成本收益的变化,涉及多方利益相关者。为保证向下游供水的水质和水量,引水工程上游供水区主体需要进行自然保育和水土涵养,采取更为严格的环境标准,调整产业结构,其经济活动和发展机会受到限制,同时,汉江水量减少,也会影响汉江流域下游湖北省等地的生态环境和经济活动。而引水工程下游受水区获得水质与水量改善等正社会外部性收益却无法通过市场机制自动回馈给上游居民,出现上游补贴下游的不公平现象,并伴生下游居民缺乏珍惜水资源的意识,而上游居民则缺乏自然保育的激励,使得水资源保育难以持续,水质与水量得不到保证。这就需要通过补偿机制(包括生态服务付费机制)进行矫正,一方面通过政府财政转移支付,另一方面积极探索下游居民的直接付费政策。受水区居民对引水工程带来的水质与水量改进的支付意愿(Willingness to Pay,WTP)是生态补偿额度设定的重要参考值[1-2]。同时,政府实施跨流域引水工程提供的水资源具有公共物品或半公共物品特征,新增水资源供水价格的定价方案要以受水区需求侧消费特征的分析和支付意愿的估值研究为基础。

受水区的支付意愿情况可以通过两种途径得到[3]:一是间接方法或显示性偏好揭示方法,如健康成本法等,通过观察消费者在市场上消费与水资源有关商品的行为来推估水资源服务数量和品质变化所产生的福利变动幅度,需要基于历史的或事后的数据估计其经济价值,具体估算过程中,受历史经验和数据所限,其估值结果较难作为决策分析的依据;二是直接方法或陈述性偏好揭示方法,如应用条件价值评估法(Contingent Valuation Method,CVM)、选择实验等,通过直接询问受水区居民对水资源供给服务的支付意愿,估计受访者在假设情景下的行为和反应,进行政策模拟[4],从而揭示水质和水量变化的边际价值。CVM自戴维斯(Davis)[5]首次应用于价值评估以来,已有50年历史,特别是经由阿罗(Arrow)等[6]六位著名经济学家研究出一套指导性调研准则后,得到了广泛应用。

随着国内外应用CVM进行实证研究文献的增加,CVM的研究框架和引导方式得到发展和改进。引导方式由最初的确定性假设改进为对不确定性因素的考虑。原有单边界、支付卡法、开放式等引导方式均假设受访者确切知道其最大支付意愿,并基于效用函数推导其对环境质量等变动的支付意愿。但实际上,受访者往往对环境物品缺乏认知,对其价值的估值缺乏经验。奥帕施(Opaluch)等[7-8]学者指出,CVM对环境等物品估值时,考虑到受访者对环境物品经验缺乏等各种不确定性因素,会存在受访者估值的模糊区间(Ambivalence Region)。当CVM投标值靠近这一模糊区域时,受访者难以精确确定无差异曲线的位置,因此很难根据投标值和无差异曲线位置判定接受还是拒绝,造成CVM估值误差,需要将不确定性纳入CVM估值框架之中以减少偏误、提高其估值精度。

韦尔什(Welsh)等[9-10]基于个人偏好的模糊区间理论(Ambivalence Region Theory)[7]和个人支付意愿分布假说(Individuals′ Valuation Distribution Hypothesis)[10],运用个人偏好分布来刻画不确定性,开发出多边界离散选择(Multiple Bounded Discrete Choice,MBDC)模型,并提出体系化计量估值模型[11]。MBDC模型在询问受访者更多投标值时,还同时询问其对每一投标值的确定性水平,从数据数量和质量两个维度进行拓展,从而得到更为全面的CVM估值信息。近年来,国内外学者仍在不断探索完善CVM,如库藤(Kooten)[12]提出的模糊模型(Fuzzy Model),以及布朗(Braun)等[13]提出的范围支付意愿(Rang Willingness-to-Pay,Range WTP)。比较该领域文献的代表性成果,MBDC模型因具有较为完善的理论基础和计量分析体系而受到学者的重视。

MBDC问卷设计提供了一系列投标值供受访者选择,要求受访者对每个投标值表达自己愿意支付的确定性程度,分别为肯定愿意、可能愿意、不确定、可能不愿意和肯定不愿意,进而可以获得受访者不同确定性程度下的支付意愿。对于MBDC模型所获得的数据,韦尔什(Welsh)等[9]最早采用最大似然区间估计模型(简称Welsh-Poe模型),分别估计出可能愿意、不确定等不同的不确定性区间所对应的WTP值。为得出样本总WTP值,王(Wang)等[11]应用个人估值分布假说,分别开发出一步法(简称Wang-He一步法)模型和两步法(简称Wang-He两步法)模型进行估值,完善了MBDC模型。而且应用MBDC模型评价我国云南华坪河流(污染治理)水质改善的支付意愿[14],对于问卷调研所获取的MBDC数据,同时采用Welsh-Poe模型、Wang-He一步法模型与Wang-He两步法模型进行了对比研究。而对于受水区支付意愿的CVM实证研究主要采用投票法、单边界、支付卡等引导方式。罗德里格兹(Rodriguez)等[15]应用CVM投票法分析厄瓜多尔安第斯地区274户家庭对改善饮用水的流域生态补偿支付意愿。莫雷诺-桑切斯(Moreno-Sanchez)等[16]应用投票法在哥伦比亚安第斯流域研究了218户用水户对于上游供水者的支付意愿。汉克(Hecken)等[17]则基于单边界离散选择模型对尼加拉瓜马塔加尔帕地区河流下游1 015户居民获得水质和水量改善的支付意愿进行了研究。周晨等[18]基于CVM支付卡法对“南水北调中线工程”受水区郑州市进行问卷调查,得出受水区居民对引水工程水质和水量改进的支付意愿为5—8.09元/户*月-1。金(Jin)等[19]应用CVM单边界离散选择模型,对湖北省松滋地区居民改善饮用水的支付意愿进行调研,得到支付意愿均值为16.71元/户*月-1。

本文基于CVM的研究框架和MBDC引导方式进行问卷设计和调研,研究陕西省跨流域引水工程 ——“引汉济渭”工程受水区典型城市西安市居民的支付意愿,并同时应用Welsh-Poe模型和Wang-He两步法模型分析受水区居民的支付意愿及其影响因素。

二、MBDC与估值模型

MBDC问卷在询问受访者一系列投标值的同时,要求受访者对每一投标值表达自己愿意支付的确定性程度。本文通过MBDC模型获得区间型数据,同时应用两类模型进行估值:一是运用Welsh-Poe模型对调研的投标值分别计算肯定愿意、可能愿意、不确定三个不同区间的WTP值;二是运用Wang-He两步法模型估算样本的WTP均值。

(一)Welsh-Poe模型

对于MBDC问卷所获得的区间数据,采用双边界最大似然估计方法对肯定愿意、可能愿意、不确定等区间的支付意愿估值。假设受访者i的支付意愿位于两个相邻的可能性的转换区间内,即肯定愿意的支付意愿可以基于肯定愿意和可能愿意的转换区间计算,可能愿意的支付意愿可以通过可能愿意与不确定的转换区间计算,不确定的支付意愿则通过不确定和可能不愿意之间的转化区间计算。这样,运用最大似然方法进行区间估值,可以分别得出三个不确定性区间所对应的支付意愿。

假设S为环境质量改善前后两个支出方程的差,并保证在初始的效用水平上。根据王(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,依赖于收入(Y);Z为其他相关变量;环境质量(或水质和水量)从E0变化到E1。对离散选择问卷,设投标值为B。当Si≥B时,受访者会回答是(Yes);当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的累积分布函数。沿袭韦尔什(Welsh)等[9]的研究,根据本文调研数据分布,假设ε服从Logistic分布,每个受访者的似然贡献可以写成

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

(4)

其中,di是一个虚拟变量,当回答是(Yes)时为1,否(No)时为0。对MBDC的数据,设受访者选择的低值为BL,高值为BU,则

Pr(BL

(5)

每个受访者的似然贡献可以写成

LnL=Fε(BU-WTP)-Fε(BL-WTP)

(6)

这样,对于MBDC问卷,可以分别估计出肯定愿意、可能愿意、不确定等区间的支付意愿。

(二)Wang-He两步法模型

Welsh-Poe模型可以分别估计出肯定愿意、可能愿意、不确定等区间对应的支付意愿,但是并没有给出总的支付意愿。如何得到总的支付意愿呢?参考王(Wang)[10]的研究,基于MBDC问卷,对每一个受访者,存在肯定愿意、可能愿意、不确定、肯定不愿意等值,可以看作其接受概率,根据所得到的接受概率,可以算出每个受访者的支付意愿,并进一步根据个人的支付意愿计算出总样本的支付意愿。

假设个体i的支付意愿Vi,是一个累积密度函数为F(t)的随机变量。Vi均值为μi,标准差为σi。那么个体i的支付意愿的模型可以写成

Vi=μi+εi

(7)

其中,εi是均值为0的随机项。个体i知道自己的估值分布,那么对提供的投标值tij(j为第j个投标值的序号),该个体表达愿意支付的概率为

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

(8)

一旦给出Pij,即个体i愿意支付投标值tij的概率,就可以进行估值。估计的模型为

Pij=1-F(tij)+λi

(9)

其中,λi是误差项,均值为0,标准差为δ,δ对个体i来讲是常数,对不同的受访者可以不同;Pij是因变量,是第i个受访者对第j个投标值的回答,取值在0和1之间,可以看作连续型变量;tij是自变量,对应于问卷中不同的投标值,也是连续型变量。

假设Fi(·)服从均值为μi,标准差为σi的正态分布,可以得到

(10)

假设λi服从Logistic分布,应用Wang-He两步法模型进行如下两阶段估计。

(11)

其中,Λ为Logistic概率密度函数。

(12)

第二阶段:估计出每个受访者的均值μi和标准差σi,可得

(13)

(14)

其中,x和z为个人异质性及不确定性变量,β和v是待估参数,e1和e2是随机变量。

三、调研设计和数据收集

“引汉济渭”受水区西安市是陕西省省会,地处关中平原中部,常住人口883.21万人,水资源年人均占有量为325立方米,属于缺水地区。西安市历史上大量依赖地下水,水质和水量均得不到保障,20世纪80年代以来陆续修建了“引乾济石”“黑河引水”等工程,用水紧张状况得到一定程度的缓解。目前,西安市用水约45%来自黑河,20%来自“引红济石”“引乾济石”等引水工程,12%来自地下水自备井,其余分别来自渭河、灞河、浐河等地表水。根据陕西省水利厅的相关资料,2020年“引汉济渭”受水区西安市缺水量预计达6.12亿立方米,占总需水量的51.19%。水资源短缺不仅制约社会经济发展,也使居民生活用水安全状况令人担忧。同时,工业和居民用水大量挤占生态水和农业用水,地下水超采,导致生态破坏、地面沉降。加之水资源利用效率不高,浪费严重,加剧了水资源短缺局面。根据陕西省水利厅和“引汉济渭”办公室资料,“引汉济渭”工程完成后可使西安市年人均水资源占有量达到450立方米,水质达到二级标准,水量得到保障。

本文根据陕西省政府“引汉济渭”工程政策和研究目标的要求,假设西安市水量和水质在达到不停水、水质二级标准的情形下,西安市居民对引水工程调水所引起的水质和水量变化的支付意愿,并分析其特征。问卷调查以户为单位,采用MBDC引导方式。水资源CVM调研常见的支付工具包括税、水价、一揽子基金捐赠、月水费的增加额等。预调研分别对不同支付工具测试后,最后选定家庭水费月固定支付额的增加额作为支付工具。通过焦点团体访谈和不同区域68个样本的预调研,确定多边界离散选择问卷投标值。

问卷在对投标值进行询价的同时,还要获取家庭异质性因素的信息[21-24],包含四部分内容:一是受水区居民自来水供给和使用状况;二是受水区居民对水资源和环境的认知;三是基于MBDC引导方式询问受水区居民的支付意愿;四是家庭、社会和经济信息。

具体调研在西安市水网所覆盖的、常住城镇居民为主的行政区(碑林区、雁塔区、莲湖区、新城区、未央区、灞桥区、长安区)展开,采用分层随机抽样和地图法抽样相结合的方法,抽选了580户样本家庭,选择18岁以上、有应答能力且了解家庭用水情况的成员,于2017年4—5月进行了面对面访谈。每份问卷平均问询时间为25—30分钟。最后,经过数据双录入和清洗,并按照王(Wang)等[14]的数据筛选方法,将抗议性回答的样本剔除,最终获得有效样本566个,描述性统计结果汇总见表1。

由表1可见,家庭平均常住人口数(Fsize)为3.39人。根据《西安统计年鉴2016》[25],西安市家庭平均人口数为3.1人,本文调研按照同灶人口数进行统计,因此略高于统计年鉴数据。调研得到家庭月人均收入(Income)为2 359.5元,与《西安统计年鉴2016》的家庭月人均收入2 320元基本一致。同时,西安市36%以上的家庭有接受过大专以上教育的家庭成员;受访者年龄(Age)均值为48.23岁;有56%的受访者为女性;71.5%的受访者为群众,10.7%为共青团员,17.6%为共产党员;74%的受访者已经在西安市居住10年以上;24%的家庭租房住;根据对自来水的静置沉淀、异味、浑浊等方面进行询问(从1分至5分),得到3.23分;有16%的家庭在过去的一年中遭遇到停水;被访家庭中有27%的家庭有净水装置;在态度和行为等方面,对于受访者是否关注“水污染方面报道”,1分为“从不关心”,2分为“看到时会留意”,3分为“会主动找这方面新闻”,评分为1.82分,有27%的受访者表示“从不关心”,66%表示“会留意”,只有6%表示“会主动找这方面新闻”;对于水源认知,21%的受访者能答对自家水源;在节水方面,31%的家庭有循环用水行为;有约1/3的受访者听说过“引汉济渭”工程。

问卷统计的西安市家庭月水费(Fee)均值为36.18元,约占家庭月收入(Income)的1.5%。国际上

表1 主要变量的描述性统计

普遍认为月水费在家庭收入中占比在3%以内较为合理[26]。长期以来我国对于居民水、电等基本需求品进行补贴,水费—收入比远远低于3%这一标准。我国居民水价由政府管制,为提高用水效率,实现交叉补贴效应,西安市自2015年12月15日起实施阶梯水价,一档水价规定一年162吨水量以内为3.8元/吨,二档162—275吨为4.65元/吨,三档275吨以上为7.18元/吨。调研结果显示,一半受访者不了解现有水价,信息不对称会影响政策效果。

表2显示了受访者在不同确定性程度下接受某一个具体投标值的比例。从中可见,对肯定愿意的接受比例随着投标值的增大而严格递减(第二列),对肯定不愿意的接受比例随着投标值的增大而严格递增(第六列)。对于同一投标值,如2元/户*月-1,横向加总为100%。调研结果符合预期。观察肯定愿意列,有100%的受访者接受0元/户*月-1,54%的受访者支付意愿大于5元/户*月-1,有37.4%的受访者支付意愿大于10元/户*月-1,6%的受访者支付意愿大于35元/户*月-1(西安市家庭月水费均值为36.18元),0.7%的受访者支付意愿大于300/户*月-1元。观察肯定不愿意列,55.2%的受访者在27元/户*月-1以上表示肯定不愿意,12.8%的受访者在5元/户*月-1以上表示肯定不愿意,34.1%的受访者在10元/户*月-1以上表示肯定不愿意,62.3%的受访者表示在35元/户*月-1以上肯定不愿意,98.1%的受访者表示在300元/户*月-1以上肯定不愿意。

四、估值结果

(一)支付意愿估值结果

根据Welsh-Poe模型可以估计出MBDC肯定愿意、可能愿意、不确定三组值。根据Wang-He两步法模型将MBDC中用文字表示的不确定性转换为主观概率,并把肯定愿意、可能愿意、不确定、可能不愿意、肯定不愿意的概率定义为0.999、0.75、0.5、0.25和0.001,得出总支付意愿。本文主要估值结果见表3,前三项是Welsh-Poe模型的三组结果,第四组结果(总样本WTP)由Wang-He两步法模型得出。

表3显示MBDC问卷肯定愿意的支付意愿均值为8.36元/户*月-1,可能愿意的均值为14.39元/户*月-1,不确定的均值为20.82元/户*月-1,基于Wang

表2 MBDC投标值接受比例

表3 MBDC估值结果

注:以上四个模型中,α和β均达到1%的显著性水平。

-He两步法模型的总样本WTP均值为17.14元/户*月-1。可以看出,不确定的WTP均值最大,肯定愿意WTP均值最小,与韦尔什(Welsh)等[9,20]的结果一致。那么Welsh-Poe模型计算出的三个区间值,与Wang-He两步法模型计算出的总样本WTP均值是什么关系?两种模型所给出的结果是否一致?对此,可以依照韦尔什(Welsh)等[9]的分析方法,通过两类模型的似然比检验,验证支付意愿的一致性,并比较Welsh-Poe模型和Wang-He两步法模型结果的关系。

设第i个人的支付意愿为WTPi,用F(xi,β)表示WTPi的累积概率分布密度,γ是参数向量。对于某个回答,如肯定愿意,如果第i个人选中的区间是[XiL,XiU],则WTPi落在该区间的概率为F(xiU,γ)-F(xiL,γ),相应的对数似然函数为

(15)

基于调研所获得的数据分布,假设F是Logistic累积概率函数,则

(16)

其中,参数向量γ包含两个参数,分别是α与β,用极大似然法即可估计出支付意愿均值α与标准差β的值以及对数似然值。根据估计出的最大似然反应方程的等价性假设,可以通过似然比进行检验。

LR=2*[(ll1+ll2)-llpool]～χ2(r)

(17)

其中,ll1与ll2分别是要比较的两个模型(Welsh-Poe模型和Wang-He两步法模型)的对数似然值,llpool是假设要比较的两个模型的参数(γ)相同后估计出来的模型的对数似然值,r是要比较的模型参数的数目。这样,就可以对Welsh-Poe模型和Wang-He两步法模型估值结果进行比较和检验。

不确定)的支付意愿分布是一致的,且Wang-He两步法模型总WTP均值位于MBDC的可能愿意与不确定之间,比较靠近不确定的分布。

图1 MBDC不同WTP估值结果的分布

上述分析都是基于总体分布假设为Logistics分布进行的。为了检验结果的稳健性,调整Wang-He两步法模型中用文字表示的不确定性的主观概率(肯定愿意、可能愿意、不确定、可能不愿意、肯定不愿意的概率),并调整分布函数(如应用正态分布),同样支持以上一致性检验结果。基于Wang-He两步法模型的第一阶段估计,可以得出每一个受访者的支付意愿。将受访者支付意愿的累积分布绘制于表4,可以看出,约1/3的受访者接受5元/户*月-1的投标值,50%的家庭投标值在11.19元/户*月-1以内,90%的人在50.58元/户*月-1以内。

表4 受访者支付意愿的累积分布

在计算西安市居民对“引汉济渭”引水工程带来的水质和水量改善的WTP分布及均值的同时,还需要估计调研区域家庭加总支付意愿。这是引水工程社会收益的重要衡量指标。近些年,西安市城镇化进程加快,不少地区改县为区,但是市政水网设施的扩建相对滞后。目前西安市辖新城、碑林、莲湖、雁塔、灞桥、未央、阎良、临潼、长安、高陵、鄠邑(原为户县)11个区,以及蓝田、周至2个县。为了估计“引汉济渭”工程西安市受水区居民的支付意愿,本文调研主要针对西安市水网基础设施所覆盖的城镇居民展开。根据西安市水务局提供的相关数据,去除西安市水网未覆盖的、农村人口占绝对主体的蓝田和周至2个县,以及临潼、高陵、鄠邑、阎良4区,在其他7个主要行政区(新城、碑林、莲湖、雁塔、灞桥、未央、长安)进行抽样调研,家庭总户数为158.89万户,总人口为491.05万人,约占西安市辖区总人口的60%[25]。

运用Wang-He两步法模型估计出调研样本区域居民家庭对“引汉济渭”工程的支付意愿为17.14元/户*月-1,由此估算出加总的支付意愿约为每年3.27亿元。这是“引汉济渭”西安市受水区社会收益的重要参考指标。同时,基于Welsh-Poe模型还可以得到更为丰富的信息,调研区域肯定愿意、可能愿意、不确定的支付意愿均值分别为8.36、14.39和20.82元/户*月-1,据此,可以估算出每年肯定愿意、可能愿意、不确定的支付总额分别为1.59、2.74和3.97亿元。

(二)受水区支付意愿的影响因素分析

首先对MBDC问卷所获得的家庭异质性变量进行相关性检验,然后分别基于Wang-He两步法模型(模型1)、Welsh-Poe模型可能愿意(模型2)、Welsh-Poe模型不确定(模型3)进行回归,结果汇总见表5。

表5 MBDC估计结果

注:*、**、***分别表示通过10%、5%、1%显著性水平检验。

根据前文的结果,三个模型所对应的WTP值分别为17.14、14.39和20.82元/户*月-1。Wang-He两步法模型(模型1)R2为0.184。

三个模型的结果显示了一定的一致性。观察受访者个人变量,三个模型均显示受访者年龄在5%的显著性水平下与WTP负相关。与年轻人相比,越是老年人,支付意愿越低。受访者性别方面,已有研究表明其对水资源的WTP影响方向不定,在这里,受访者性别与WTP显著负相关,说明西安市女性的支付意愿低于男性。以往研究很少涉及党派变量,本文研究了“是否共产党员和共青团员”对WTP的影响,结果显示共产党员和共青团员的支付意愿明显高于民主党派和群众,且分别在1%和5%的显著性水平下显著。

从受访者家庭特征来看,家庭受教育程度在模型1回归结果中显著正向影响WTP,教育程度越高,支付意愿越高。现在支付的月水费在模型1和模型2的回归结果中显著正向影响WTP,月水费越高,支付意愿越高,但在模型3的回归结果中不显著。家庭收入仅在模型1中在10%显著性水平下正向影响WTP,家庭收入越高,支付意愿越高,但其系数很小,家庭收入每增加1 000元,支付意愿增加0.23元/户*月-1。是否租住户仅在模型2中在5%显著性水平下正向影响WTP。

在用水习惯和环境意识方面,是否有节水行为和习惯在三个模型中均显著负向影响WTP,是否循环用水也在三个模型中显著负向影响WTP。饮水来源变量仅在模型2中在10%显著性水平下正向影响WTP。观察自来水异味和浑浊等以及停水次数两个变量,三个模型均显示:停水次数变量不显著,而自来水异味和浑浊等在5%的显著性水平下显著负向影响WTP,现有水质越不好的家庭,支付意愿越高。

五、结论与建议

本文基于条件价值评估法的多边界离散选择模型,应用Welsh-Poe模型以及Wang-He两步法模型对“引汉济渭”工程受水区西安市居民的支付意愿进行评估,结论与建议如下:

第一,对于MBDC问卷所获取的西安市调研区域的566个样本数据,应用Wang-He两步法模型进行估计,总支付意愿为17.14元/户*月-1;根据Welsh-Poe模型,得出肯定愿意、可能愿意、不确定的支付意愿均值分别为8.36、14.39和20.82元/户*月-1。根据函数拟合总体支付意愿分布曲线,通过Wang-He两步法模型总支付意愿与Welsh-Poe模型支付意愿的似然比检验可以看出,Wang-He两步法模型得到的总支付意愿位于Welsh-Poe模型的可能愿意与不确定之间,两类方法估值是一致的,证明本文对西安市受水区居民支付意愿实证研究结果的可靠性和有效性。

第二,本文根据调研覆盖区域西安市城镇居民家庭总户数(158.89万户)[25]估算出加总的支付意愿约为每年3.27亿元(Wang-He两步法模型)。同时,运用Welsh-Poe模型得出西安市居民对于“引汉济渭”工程每年不确定的支付总额为3.97亿元,可能愿意的支付总额为2.74亿元,而肯定愿意的支付总额仅为1.59亿元。西安市居民对于该工程的支付意愿存在较大的不确定性。陕西省“引汉济渭”引水工程不能仅作为技术工程来建设和维护,还应作为西安市乃至陕西省的经济、社会工程来建设和维护。受水区家庭获得水质和水量改善,是以限制上游发展机会等为代价的,要实现跨流域引水的可持续利用、节约用水,需要通过宣传和教育等来转变西安市居民的观念,建立起资源保护和水资源有偿使用的理念,提高西安市居民对“引汉济渭”工程水资源有偿使用的支付意愿。

第三,根据本文调研数据,西安市家庭平均月用水量为9.52吨(家庭月均水费约36.18元,占家庭收入的1.5%)。假如“引汉济渭”工程使家庭月均水费上升为53.32元(原家庭月均水费36.18元加上工程新增水支付意愿17.14元),约占家庭收入的2.26%,而国际上的平均标准是月水费在家庭收入中占比在3%以内较为合理[26],所以西安市仍有水价的提升空间,以提高西安市居民水资源保护和节水意识。西安市一档水价覆盖80%的家庭用水量,按照一档水价(一年162吨水量以内为3.8元/吨)进行粗略估计,西安市居民家庭因“引汉济渭”工程新增用水愿意每吨水比一档水价多付约1.89元。对于“引汉济渭”工程,要实现水资源的可持续利用,应将西安市居民对于“引汉济渭”工程带来的水质和水量改善的支付意愿纳入水价政策等的调整之中,通过西安市水价制度的逐步完善,约束西安市居民的用水行为,真正将水资源有偿使用和保护的理念,转化为有偿使用的水价等制度。

[1] 萧代基, 洪鸿智, 黄德秀. 土地使用制度之补偿与报偿制度的理论与实务[J]. 财税研究, 2005(3): 1-15.

[2] 李国平, 李潇, 萧代基. 生态补偿的理论标准与测算方法探讨[J]. 经济学家, 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, 李国平. 流域生态补偿的支付意愿及影响因素 ——以南水北调中线工程受水区郑州市为例[J]. 经济地理, 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. 条件价值评估中的偏好不确定性研究[D]. 北京: 北京大学, 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] 西安市统计局. 西安统计年鉴2016[M]. 北京: 中国统计出版社, 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.