曾贤刚(中国人民大学环境学院,北京 100872)
我国城镇居民对CO2减排的支付意愿调查研究
曾贤刚*(中国人民大学环境学院,北京 100872)
运用权变评价法(CVM)调查了我国城镇居民对CO2减排的支付意愿.结果表明,我国城镇居民愿意为到2050年全球CO2减排30%而每年支付132元;减排60%而每年支付216元;减排85%而每年支付264元.一般线性回归模型分析结果显示,城镇居民的受教育程度、家庭年收入、职业类型、所在城市、对气候变化的认知程度和环境意识,都对CO2减排的支付意愿有显著影响; 而且不同的CO2减排成本分配方案对人们的支付意愿也有显著影响.
CO2减排;支付意愿;权变评价法;一般线性回归模型
强制性的 CO2减排要求相当于在宏观经济中增加了一个“碳约束”,将会加大经济运行成本.对于这样的减排成本,消费者能否接受,支付意愿如何,影响因素又是什么,这些问题将关系到我国CO2减排政策的制定和执行,影响到我国未来低碳经济的发展方向.由于 CO2减排的外部性特征,所以它无法在市场上通过交换直接获得价值,目前国外主要应用权变评价法(CVM)来测度居民对 CO2减排的支付意愿.CVM 在环境价值评估领域已日趋成熟[1-2],近年来被借鉴运用到对 CO2减排的支付意愿测度之中.Lee等[3]通过CVM对美国1561个家庭样本进行了调查分析,结果表明,如果气候变化减缓成本由美国等少数发达国家来承担,则每个居民每月的平均支付意愿为 151美元,大约占该样本的平均家庭收入的2.6%;而如果气候变化减缓成本由世界各国共同来分担,则每个居民每月的平均支付意愿为 353美元.Viscusi等[4]采用CVM对哈佛大学250个学生进行了调查,其平均支付意愿大约占该样本的平均家庭收入的6%.Burghart等[5]研究发现,调查问卷中不同的选择情景将会产生不同的支付意愿,他为受访者提供的各种选择情景包括增高能源税、增高所得税、降低投资回报、增高消费品价格等.另外,Cameron等[6]还对 CVM 中影响支付意愿的各种社会经济变量进行了分析;Cai等[7]研究显示人们对气候变化减缓成本的不同态度会影响他们的支付意愿,Hersch等[8]研究发现年龄越大,支付意愿越低,收入水平越高,支付意愿越高等.目前,国内还没有见到关于居民对CO2减排的支付意愿研究.尽管一些学者对于 CVM 进行了深入研究[9-12],但是还没有应用于 CO2减排领域.从目前国内相关文献来看[13-15],主要集中于生产的低碳化研究,而对消费者对CO2减排的支付意愿和需求状况缺乏研究.本研究的目的就是深入了解我国部分城镇居民对CO2减排的态度,测度城镇居民对 CO2减排的支付意愿并分析其影响因素,以便为我国政府在 CO2减排领域的相关决策提供服务.
1.1 问卷设计与抽样调查
调查问卷包括4个部分:对于气候变化的看法;减少全世界 CO2排放的意愿;如何分担全球CO2减排成本;受访者的个人情况.其中,对气候变化的看法是指受访者对全球气候变暖及其产生原因的认识程度.减少全球 CO2排放的意愿,是通过假设情景的描述,引导被访者选择为减少全球CO2排放的支付意愿,这是CVM的核心部分.调查采用支付卡问卷,即被访者只需在列出的投标区间中选择最大支付意愿所在区间.如何分担全球 CO2减排成本,是对被访者在不同的减排成本分配方案下的选择意愿进行考察.受访者个人情况包括性别、年龄、职业状况、教育程度、收入水平等情况.本次调查方式为现场面对面的调查.
本次调查分别在南宁市、九江市、重庆市和北京市 4个城市进行,采用多阶段分层随机抽样方法和配额抽样相结合的办法,具体步骤为:在每个城市内以行政区为层,在每个层内随机抽取 1个街道办事处;在每个被选中的街道内按照街道规模大小随机抽选 1~2个居民小区;在每个被抽中的居民小区内按照楼房区域分布等距抽选20~30个居民户,如果被抽中住户不符合要求或者不愿意接受调查,由访问员在其近邻中选择替换样本住户.4个城市的样本量分配分别为: 南宁市300份、九江市250份、重庆市350份和北京市500份,样本规模一共为1400份.采集数据后,根据逻辑检查等质量控制方法,剔除了其中有逻辑错误和项目缺失的不合格调查问卷.最后的有效问卷为南宁市286份、九江市223份、重庆市324份和北京市445份,共为1278份,有效问卷率为90.13%.
1.2 支付意愿的估算与比较
问卷针对3种CO2减排情景,分别是:到2050年,全球CO2减排30%;到2050年,全球CO2减排60%;到 2050年,全球 CO2减排 85%.相应地,在 3个层面上调查了城镇居民对 CO2减排的支付意愿,分别是:居民家庭对全球CO2减排30%的支付意愿,用WTP30%表示;在全球CO2减排30%的基础上,居民家庭对 CO2再减排 30%的支付意愿,用WTP60%表示;在全球CO2减排60%的基础上,居民家庭对 CO2再减排 25%的支付意愿,用WTP85%表示.
调查中,为了降低被访者的回答难度,将城镇居民对CO2减排的支付意愿划分为23档次,最低档次为0元/月,最高档次为740元/月(在调查中,居民表达的支付意愿都低于该数额),各档次所代表的支付金额见表 1.因为相邻档次之间的支付金额差不一定相等,所以,与平均值相比使用中位数能够更准确地反映城镇居民的支付意愿,本研究将使用中位数来衡量城镇居民的代表性支付意愿.
表1 调查问卷中支付意愿的档次及其对应的支付金额Table 1 WTP levels and corresponding payment in the questionnaire
对所调查的支付意愿求解中位数,计算结果 见表 2.总体而言,代表性城镇居民家庭愿意为全球CO2减排30%而每月支付11元,每年支付132元;与减排30%相比,代表性城镇居民家庭愿意为全球CO2减排60%而每月多支付7元,每年多支付 84元;与减排 60%相比,代表性城镇居民家庭愿意为全球CO2减排85%而每月多支付4元,每年多支付 48元.可以发现,城镇居民对 CO2减排的支付意愿呈现边际递减.将 4个城市居民的支付意愿进行比较,可以发现:北京城镇居民对全球CO2减排的支付意愿最高;重庆与九江城镇居民的支付意愿与 4个城市的平均水平相当,低于北京、高于南宁;南宁城镇居民对CO2减排的支付意愿最低.
表2 城镇居民对CO2减排的支付意愿Table 2 Chinese urban resident’s WTP for CO2emission reductions
与美国相比,我国城镇居民对全球 CO2减排的支付意愿偏低.这说明,我国政府在发展低碳经济问题上体现了远见卓识,具有一定的超前性.该问题与我国其他环境问题有类似性,即最高决策层对环境保护是非常重视的,很多政策都是有的,但是基层和百姓却认识不够,政策执行不力.而美国政府在发展低碳经济和气候变化谈判中的态度与民意基础相比,实际上严重滞后了,其相关决策更多的是受到了利益集团的操纵.
2.1 模型设定
根据研究目的和具体需要,采用一般线性回归模型来分析决定城镇居民家庭对 CO2减排支付意愿的影响因素.模型见式(1)所示:
式中:WTP表示城镇居民家庭对CO2减排的支付意愿; X’表示影响居民家庭支付意愿的因素,包括被访者的个人背景及家庭特征、对气候变化的认知程度、对全球 CO2减排成本分摊的认知程度以及环保意识等;β表示回归系数;表示随机误差.
2.2 解释变量的选取
与收入相关的因素主要包括:被访者的文化水平、职业和家庭收入等.其中,文化水平用受教育年数来衡量;职业被划分“工作-拿工资”、“工作-自营”、“不工作-失业”、“不工作-下岗”、“不工作-退休”、“家庭主妇”和“学生”7种,用 6个虚拟变量为表示,基准情况为“工作-拿工资”;家庭收入用2008年家庭年收入来衡量,从低到高被划分为 12个档次①这 12个年收入档次分别为 0~10000元、10001~15000元、15001~20000元、20001~30000元、30001~40000元、40001~50000元、50001~60000元、60001~70000元、70001~90000元、90001~110000元、110001~150000元、150000元以上.,用档次序号来表示家庭年收入水平.
对气候变化的认知程度与环保意识的高低决定居民对 CO2减排的支付意愿.问卷中设计了9个问题,用以了解居民对气候变化的认知程度.考虑到问题中选项的层次性,本文选取其中的 2个问题来反映居民对气候变化的认知程度.相应的 2个变量分别是:“是否认为全球气温在过去100年间一直在缓慢上升”②该问题有2个选项,依次为:⑴是的,这种现象确实在发生;⑵不是,这种现象并没有发生.,“是否可以减缓甚至中止全球性变暖”③该问题有4个选项,依次为:⑴全球变暖已经不可避免了,我们没有任何办法去中止它;⑵我们可以减缓全球变暖,但是不可能中止它;⑶我们可以中止全球变暖;⑷全球气温没有产生变化..问卷还设计了 1个问题,用来了解居民对经济发展与环境保护之间关系的态度.就选取该问题来反映居民的环保意识,相应的变量为“是否同意优先考虑保护环境”④该问题有5个选取项,依次为:⑴完全同意;⑵部分同意;⑶中立;⑷部分不同意;⑸完全不同意..
对全球 CO2减排成本分摊的认知.一般而言,如果居民认为本国应该为全球 CO2减排分摊更多成本,那么居民就会相应地愿意承担更多的CO2减排成本.问卷中设计了4种减排成本的分摊方案,按照低等收入、中等CO2排放国家(中国属于该组国家)的成本承担比例由低到高,这4种方案依次为按各国的历史排放水平来分摊成本、按照各国的收入水平来分摊成本、按照 CO2排放权相等来分摊成本(即所有国家每个人有权排出的 CO2量都相等)和按照各国的目前排放量水平来分摊成本⑤根据IPCC的测算结果,在4种方案下,低等收入、中等排放国家分别承担18%、29%、38%和40%的全球CO2减排费用..在此基础上,让被访者对4组独立选项⑥把按各国的历史排放水平来分摊成本、按照各国的收入水平来分摊成本、按照CO2排放权相等(也就是说每个人有权排出的二氧化碳量应该相等)来分摊成本和按照各国的目前排放水平来分摊分别称为方案1、方案2、方案3与方案4.第一组独立选项是方案1与方案3;第二组独立选项是方案3与方案2;第三组独立选项是方案2与方案4;第四组独立选项是方案4与方案1.分别进行选择.本调查用4个虚拟变量来衡量被访者对全球CO2减排费用分摊的偏好.
本文将以经济发展水平最低、环境质量最好的南宁市为基准,用3个虚拟变量来衡量4个地区之间的差异性.
研究选取的解释变量共18个,包括13个虚拟变量.这些变量的简单统计描述见表3.
表3 解释变量的简单统计描述Table 3 Statistical result of the explanatory variables
2.3 回归结果分析
依次将城镇居民对全球 CO2减排 30%的支付意愿(WTP30%)、对在减排30%的基础上再减排30%的支付意愿(WTP60%)以及对在减排60%的基础上再减排 25%的支付意愿(WTP85%)分别对上述的解释变量进行回归分析,回归结果见表4.从整体来看,3种减排情景中调整的R2均达到0.97以上,表明所选取的解释变量能够很好地解释城镇居民对全球CO2减排的支付意愿.
表4 模型的回归结果Table 4 Regression result of the explanatory variables influencing on WTP
2.3.1 教育与家庭收入 教育与家庭收入对城镇居民支付意愿的影响均为正,表明随着被访者受教育年数和家庭年收入的增加,其对CO2减排的支付意愿会相应增强.一般而言,受教育程度越高,居民的自身收入水平会越高,而且会越清楚了解气候变化可能造成的环境与生态损害,因此文化水平较高的居民既有能力也愿意承担更多的CO2减排成本.家庭收入越高,整个家庭就越有能力也愿意分担更多的 CO2减排费用.3种减排情景中家庭收入的系数递减(即 0.2075>0.1796>0.1678),表明随着收入增加城镇居民家庭愿意分担的减排费用呈现边际递减.这意味着,城镇居民可能已经认识到CO2减排投入的边际收益递减.
2.3.2 职业类型 职业类型与个人收入密切相 关.从系数估计的符号来看,在3种减排情景中前5个职业虚拟变量的系数为负,最后 1个职业虚拟变量的系数为正.这表明,在其他条件相同的情况下,自营业主、失业居民、下岗居民、退休居民和家庭主妇对 CO2减排的支付意愿弱于拿工资的在职城镇居民,学生对 CO2减排的支付意愿在所有城镇居民中最强.对自营业主来说,虽然他们有比较稳定的收入,甚至远高于普通拿工资的城镇居民,但是他们更倾向于把收入投到自己的经营中以获取更多利润,更不关注正外部性很强的CO2减排活动,因此自营业主对CO2减排的支付意愿较弱.家庭主妇没有收入来源,另外处于失业、下岗或退休状态的居民只能拿到补贴或退休金,都低于在职工资收入,所以他们对CO2减排的支付能力弱于在职城镇居民.虽然学生没有收入来源,但是他们都具有较高学历(多数都在本科以上),对将来的预期收入较高;而且学生比较关注气候变化等环境问题,环境保护的责任感较强,因此他们对 CO2减排的支付意愿最强.从系数估计绝对值的大小来看,“自营”虚拟变量的系数估计显著小于“失业”、“下岗”、“退休”和“家庭主妇”4个虚拟变量的系数估计,这表明,在其它条件相同的情形下,没有工资收入的城镇居民(学生除外)对 CO2减排的支付意愿都小于自营的城镇居民.
2.3.3 对气候变化的认识和环保意识 反映气候变化认知程度的 2个变量的系数估计在减排情景1与2中均显著为负值,在减排情景3中并不显著.这表明:如果居民认为全球气温在过去100年间没有上升、认为可以通过一些措施去减缓甚至中止全球性变暖,那么他们就会减少对全球 CO2减排费用的分担(即降低 WTP30%和WTP60%).同时,如果居民认为全球变暖确实已经发生,而且全球变暖的趋势已经无法逆转,那么他们能够预期到全球变暖会造成严重的环境与生态损害,于是愿意支付更多资金用于减少 CO2排放.反映环境意识的变量的系数估计为负值,表明不同意“即使保护环境导致经济发展速度下降和失业产生,也应该优先考虑保护”的居民,会减少他们对全球CO2减排的支付意愿.优先考虑环境保护的居民会把环境保护产生的正外部性更多地纳入自己的决策,在全球CO2减排问题上,会赋予CO2减排活动以更高的环境收益,因此环保意识强的居民愿意投入更多资金来分担 CO2减排费用.
2.3.4 对全球 CO2减排成本分摊方案的认知 衡量4组独立选项的虚拟变量都对 CO2减排支付意愿存在显著影响.衡量第 1组选项的虚拟变量系数为正,表明选择方案3(按照CO2排放权相等来分摊成本,需承担38%的减排费用)的居民比选择方案 1(按照各国的历史排放水平来分摊成本,需承担18%的减排费用)的居民愿意多分摊全球CO2的减排成本;衡量第2组选项的虚拟变量系数为正,表明选择方案 3的居民比选择方案2(按照各国的收入水平来分摊成本,29%)的居民愿意多分摊全球CO2的减排成本.通过对前两组方案选择的分析,可以得出一个结论:如果按照CO2排放权相等来分摊减排成本,那么我国城镇居民家庭对全球CO2减排的支付意愿会增强,这可能是因为他们认为该方案3比方案1、方案2更公平,相应地他们也就愿意多支付资金用于承担本国应尽的减排义务. 衡量第3组选项的虚拟变量系数为负,表明选择方案 2的居民比选择方案 4(按照各国的目前排放水平来分摊成本,需承担40%的减排费用)的居民愿意多分摊全球CO2的减排成本;衡量第 4组选项的虚拟变量系数为正,表明选择方案1的居民比选择方案4的居民愿意多分摊全球CO2的减排成本.通过对后两组方案选择的分析,可以得出另一个结论:如果按照各国目前的 CO2排放水平来分摊减排成本,那么我国城镇居民家庭对全球 CO2减排的支付意愿会减弱,这可能是因为他们认为方案4不公平,他们不应该承担发达国家所造成的部分环境与生态损害.
2.3.5 地区虚拟变量 地区虚拟变量可以衡量除模型中解释变量以外的因素(如环境质量、自然灾害、文化传统等)所造成的地区差异性.除“是否在九江”虚拟变量的系数估计只在模型Ⅰ与模型Ⅱ中显著外,其他 2个地区虚拟变量的系数估计在 3种减排情景中都显著不为零.地区虚拟变量以环境质量好、收入水平低的南宁市为基准,系数估计均为正值,表明:保持其他解释变量相同时,九江、重庆与北京的城镇居民对全球CO2减排的支付意愿更高.
3.1 运用CVM评估了我国城镇居民对CO2减排的支付意愿,结果表明,我国城镇居民愿意为到2050年全球 CO2减排 30%而每年支付 132元;与减排30%相比,城镇居民愿意为全球CO2减排60%而每年多支付 84元;与减排 60%相比,城镇居民愿意为全球CO2减排85%而每年多支付48元.而且可以发现,我国城镇居民对CO2减排的支付意愿呈现边际递减.
3.2 城镇居民的受教育程度、家庭年收入、职业类型、对气候变化的认知程度和环境意识,都对 CO2减排的支付意愿有显著影响; 而且不同城市的居民,由于其面临气候变化的影响程度和社会经济条件的差异,他们对 CO2减排的支付意愿也有显著差异.
3.3 如果把按照各国的历史排放水平来分摊成本、按照各国的收入水平来分摊成本、按照CO2排放权相等来分摊成本和按照各国的目前排放水平来分摊成本分别称为方案1、方案2、方案3与方案4,那么我国城镇居民对方案3的支付意愿最强,而对方案4的支付意愿最弱.这说明我国城镇居民更倾向于按照 CO2排放权相等来分摊成本,而认为按照各国的目前排放水平来分摊CO2减排成本是最不公平的.
[1] Carson R T, Mitchell R C, Hanemann M, et al. Contingent Valuation and lost Passive Use: Damages from the Exxon Valdez oil spill [J]. Environmental and Resource Economics, 2003,25:257-286.
[2] Carson R T, Hanemann W. Contingent valuation-handbook of environment economics [M]. M. Elsevier, 2005:824-826.
[3] Lee J J, Cameron T A. Popular Support for Climate Change Mitigation: Evidence from a General Population Mail Survey [J].Environ. Resource Econ., 2008,41:223-248.
[4] Viscusi W K, Zeckhauser R J. The perception and valuation of the risks of climate change: a rational and behavioral blend [J].Climatic Change, 2006,77:151-177.
[5] Burghart D R, Cameron T A, Gerdes G R. Valuing publicly sponsored research projects: risks, scenario adjustments, and inattention [J]. Journal of Risk Uncertainty, 2007,35:77-105.
[6] Cameron T A, Crawford G D. Independent dimensions of sociodemographic variability in neighborhood characteristics at the tract level of the 2000 census [R]. Eugene, OR: Department of Economics, University of Oregon, 2003:35.
[7] Cai B, Cameron T A, Gerdes G R. Distributional preferences and the incidence of costs and benefits in environmental policy [R].Eugene OR: Department of Economics, University of Oregon,2007: 45.
[8] Hersch J, Viscusi W K. The generational divide in support for environmental policies: European evidence [J]. Climatic Change,2006,77:121-136.
[9] 曾贤刚.环境影响经济评价 [M]. 北京:化学工业出版社, 2003.
[10] 张 茵,蔡运龙.条件估值法评估环境资源价值的研究进展 [J].北京大学学报(自然科学版), 2005,41(2):317-328.
[11] 曾贤刚,王 克,程磊磊,等.三江源区生态资源非使用价值评价[J]. 中国环境科学, 2009, 29(6):589-593.
[12] 曾贤刚,蒋 妍.空气污染健康损失中统计生命价值评估研究[J]. 中国环境科学, 2010,30(2):284-288.
[13] 张坤民,潘家华,崔大鹏.低碳经济论 [M]. 北京:中国环境科学出版社, 2008.
[14] 毕军,中国低碳城市发展的路径与困境 [J]. 现代城市研究,2009,(11):13-16.
[15] 曾贤刚,庞含霜.我国各省区CO2排放状况、趋势及其减排对策[J]. 中国软科学, 2009,(12):64-70.
China urban resident’s willingness to pay for carbon dioxide emission reductions.
ZENG Xian-gang*(1.School of Environmental and Natural Resources, Renmin University of China, Beijing 100872, China). China Environmental Science, 2011,31(2):346~352
The factors which affect Chinese urban resident’s willingness to pay (WTP) for CO2emission reductions were investigated by using contingent valuation method (CVM). China urban resident’s WTP was 132 yuan/year for reducing CO2emissions by 30% until the year 2050, 216 yuan/year for a reduction of 60%, and 264 yuan/year for a reduction of 85%. Through the general regression model analysis, it was found that the urban resident’s education level, household’s annual per capita income, job type, city location, cognitive level on climate change and environmental awareness were closely correlated with the WTP, and how the costs for reducing CO2emissions should be shared among countries also had significant impact on the WTP.
CO2emission reductions;willingness to pay;contingent valuation method;general regression model
X196,X508
A
1000-6923(2011)02-0346-07
2010-06-08
国家社会科学基金资助项目(10BJY049);中国人民大学科学研究基金项目(10XNJ013)
* 责任作者, 副教授, zengxg@ruc.edu.cn
曾贤刚(1972-),男,江西九江人,副教授,博士,研究方向为环境与资源经济学.发表论文50余篇.