空气污染健康损失中统计生命价值评估研究

曾贤刚,蒋 妍

(1.中国人民大学环境学院,北京 100872；2.中国人民大学统计学院,北京 100872)

空气污染健康损失中统计生命价值评估研究

曾贤刚1*,蒋 妍2

(1.中国人民大学环境学院,北京 100872；2.中国人民大学统计学院,北京 100872)

采用权变评价法(CVM)评估了我国空气污染健康损失中的统计生命价值,并分析了其影响因素.结果表明,我国空气污染健康损失中的统计生命价值约为100万元/a.区间值线性回归模型分析显示,年龄、受教育程度、人均年收入、健康和家庭规模等因素对统计生命价值均有显著影响,但是城市的不同对统计生命价值并没有显著影响.

空气污染；健康损失；统计生命价值；权变评价法；区间值线性回归模型

Abstract：Value of statistical life(VSL) in health costs attributable to China’s air pollution was measured by contingent valuation method (CVM), and its influencing factors were analyzed. The value of statistical life in health costs attributable to China’s air pollution was about 1 million yuan/year. Through interval linear regression model analysis, it was found that the age, education level, annual per capita income, health status and family size were extremely closely correlated with the value of statistical life, but the city variable wasn’t closely correlated with the value of statistical life.

Key words：air pollution；health costs；value of statistical life；contingent valuation method；interval linear regression model

空气污染造成的健康损失,引起了世界各国的广泛关注和不少研究.根据经济学、流行病学和统计学的理论和方法,通过现场调查或实验获得相关资料和数据,对空气污染造成的健康损失进行直接计算,包括疾病成本法和人力资本法等[1].由于空气污染的特性及其对健康影响的复杂性和不确定性,使得直接计算面临诸多困难[1].目前,国内主要采用意愿支付调查方法来评价空气污染的健康损失[2-5].该方法由于难以向被调查者准确描述空气污染变化的情况,而使得调查结果存在一定的局限性.若采用通过流行病学得出空气污染变化与健康状态变化之间的关系,然后通过陈述偏好方式得出健康状况变化或死亡风险变化的经济评价方法,则可以避免这个问题,且只需让被调查者能够判断健康状况变化或死亡风险变化,这种评价方法关键是要对统计生命价值(VSL)进行评估.VSL评估研究主要集中在如下几个方面:对 VSL的理论与方法进行研究,尤其是对权变评价法(CVM)、选择实验法以及工资-风险法等在 VSL评估中的应用进行比较研究

[6-11];对空气污染、水污染等分别进行VSL评估[12-15];对VSL与年龄、健康状况等影响因素之间的关系进行深入分析[16-18]等.本研究采用CVM对我国城市空气污染健康损失中统计生命价值进行评估,并运用经济计量模型对影响价值评估的各种因素进行实证分析.

1 CVM在统计生命价值估算中的应用

在空气污染健康损失评估中,一般使用 VSL来评价死亡风险.VSL是指人们为降低死亡风险,而愿意支付的少量金额,这些数额加起来的总值就相当于是一个统计生命.在没有获得VSL法的估计数据时,往往用人力资本法代替,得出 VSL的下限.例如,某人可能愿意在来年支付200元人民币使其死亡风险降低万分之一,这就是降低风险的价值.如果每人愿意支付的金额为200元,则VSL=10000×200(元)=200万(元).CVM是一种典型的陈述偏好评估法,它利用效用最大化原理,在假想市场情况下,直接调查和询问人们对死亡风险降低的支付意愿(WTP),以估算环境效益改善或环境污染损失的经济价值.

在VSL 应用中,CVM的经济学原理是:假设人们对环境服务具有消费偏好,不同的服务水平(用死亡概率 P来表示)带给消费者不同的效用;在选择环境服务水平时,消费者在其预算约束下,力图获得最大期望效用,即期望效用函数最大化.关于死亡概率变化的WTP模型假设个人追求期望效用最大化:

式中:I为外生变量,表示可支配收入;WTP表示死亡概率为 P时的支付意愿;U(⋅)表示在生存情况下的效用函数.

根据消费者需求理论,由式(1)可得到:

式中:U′(⋅)为U(⋅)的1阶导数.

用CVM估算VSL的方法是依据式(2)提出的.其优点是可以明显地看出降低1个单位风险的支付意愿如何随着年龄和收入等的变化而变化,缺点是对小概率事件进行估测,这会使受访人回答比较困难.另外,由于支付意愿评估询问的问题是假设性的,因此这类研究通常需要对给出的答案进行有效性检验.随着环境经济学的迅速发展,CVM在国外VSL评估领域得到广泛应用,研究案例不断增多.在欧美等发达国家,有关 VSL的评估结果已被应用于环境服务分析,并成为环境领域公共决策的重要参数.

2 支付意愿调研和VSL的估算

2.1 问卷设计与抽样调查

调查问卷包括 4个部分:基本情况介绍、调查对象甄别、问题与选项、背景资料.其中,基本情况介绍是对本次调查进行简要说明,以便被访者迅速明确调查目的;调查对象甄别是小概率事件与死亡风险之间的关系测试,如果被访者能够作出正确的选择,表明被访者能够理解死亡风险的涵义,是符合要求的调查对象;问题与选项是通过假设情景的描述,引导被访者选择为改善空气质量而降低死亡风险的支付意愿,这是 CVM的核心部分,本次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;背景资料是被访者的性别、年龄、职业、文化程度、收入等情况.调查问卷除了细小的变化外,基本上与 Alberini等[18]在美国、加拿大、法国、意大利和日本开展调研使用的问卷相同.目标人群的年龄为40～80岁.调查人员告诉受访人在未来 10年期间,如果能将死亡风险降低10‰和 5‰,他们愿意支付多少钱.并且将问卷编写成了电脑软件,具体调查时在电脑上运行.这种调查方式为现场面对面的调查.

本次调查分别在上海市、南宁市和九江市3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一个街道办事处;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.

由于需要进行城市比较,因此每个城市内的样本量都必须达到一定水平.为满足 95%的置信度下,5%的绝对误差水平的要求,以及调查成本的约束,3个城市的样本量分配分别为:上海市400个,南宁市360个,九江市360个,样本规模一共为 1120个.采集数据后,根据逻辑检查等质量控制方法,删掉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,上海 380份,九江344份,南宁355份.

2.2 样本分布的城市比较

比较不同城市的样本分布(表1),通过中位数检验可得 3个城市的性别分布和年龄分布差异并不显著,但是在收入、受教育程度和自我健康评价上有显著差异,其中上海的人均收入和平均受教育程度高于九江和南宁,九江的人均收入和平均受教育程度略高于南宁;在自我健康评价上由优到差的顺序仍依次为上海、九江和南宁. 收入、受教育年限和性别比例等变量的样本分布与中国城市统计年鉴的数据相近,说明本次调查的样本对于总体具有代表性.

表1 3个城市的样本背景分布Table 1 Sample distribution of the three cities

2.3 意愿支付的城市比较

剔除调查中出现逻辑错误和支付意愿异常的样本单元(如不理解机会这个概念,在备选的两个死亡概率中选择高死亡概率,或支付意愿等于0等)后,比较3个城市的支付意愿(WTP5和WTP10)样本均值和中位数(表 2),其中的 WTP5表示在未来 10年期间,如果能将死亡风险降低5‰受访者每年愿意支付金额;WTP10表示在未来 10年期间,如果能将死亡风险降低 10‰受访者每年愿意支付金额.结果显示:各城市和总样本的 WTP10均值和中位数都显著高于 WTP5(P< 0.001),验证了支付意愿调查数据的有效性;支付意愿呈现右偏分布,极端值的存在直接导致均值大于中位数,利用中位数推算VSL比用均值更为稳健;3个城市的支付意愿差异在统计上不显著,但鉴于城市个数和居民样本量有限、城市居民背景分布不同等原因,并不能证明不同城市居民的VSL相同.

通过以上分析,综合总样本的支付意愿(WTP5和 WTP10)的中位数,可以认为我国的VSL大约等于100万元人民币.法国和意大利的VSL相对较高,分别为 125、87万美元,美国的VSL为69万美元,日本的VSL为48万美元.[18]根据购买力平价调整法,按照人民币与美元的购买力平价为3.4进行计算,我国的VSL约为29.4万美元.与其他国家相比,我国的 VSL偏低.应该说这个估算结果与我国目前所处的经济发展阶段基本上是相一致的.

表2 各城市样本的WTP和VSLTable 2 WTP and VSL of the three cities

3 VSL的影响因素分析

3.1 模型选取与变量说明

在问卷调查中,为了降低被访者的回答难度,“每年的支付意愿”的真实值 yi*被划分为若干个连续区间,调查后收集的因变量值 yi为有序区间数据,对应的关系为:

式中:ci为区间的切点,这里为给定值;m代表区间个数.

采用区间值线性回归模型[19],如下式:

自变量向量xi包含城市、降低死亡概率、收入、教育程度、年龄和性别等变量,其定义见表3.β是指回归系数; μi是模型扰动项.

该模型假定:自变量向量 xi与模型扰动项μi不相关;误差项服从正态分布,即

将3个城市调查数据进行合并,采用极大似然估计法建立区间回归模型.同时,因为区间回归模型的假设类似经典线性回归假设,所以可用类似普通最小二乘法的方法对系数β进行解释.

表3 模型中的自变量Table 3 Variable definition of the model

3.2 回归结果分析

利用上述模型和调查数据,使用stata软件对居民的意愿支付进行回归分析和相关检验.表 4中模型2比模型1增加了城市和人均年收入的交叉乘积变量.

表4 模型系数估计值及检验结果Table 4 Coefficient estimate and test result of the model

模型 1的结果显示,年龄、教育、人均年收入、健康、不同城市都对WTP有显著影响.模型2在引入城市和收入的乘积项之后,年龄、教育、人均年收入、健康依旧对WTP有显著影响,但是城市这个变量本身对 WTP的影响不显著,不过,九江和南宁的人均年收入对WTP的偏效应显著高于上海.此外,模型 2还显示家庭规模对 WTP也有正向影响,即家庭规模越大支付意愿越高.而在自变量中,性别对支付意愿没有显著影响.

模型1和模型2的结果显示,死亡概率和支付意愿的回归系数一直稳定在210左右,表明降低的死亡概率由 10‰减少到 5‰时年支付意愿平均减少 210元左右.年龄对于支付意愿有反向影响,即年龄越大支付意愿越低,模型2的回归系数表明年龄增大10岁WTP10会平均下降64元左右.教育程度对支付意愿的正向影响非常显著,模型 2显示在其他条件不变的条件下教育年限每增长1年WTP10增长45元左右.收入对高意愿支付也有显著正向影响,而且其影响系数在不同的城市也显著不同,随着收入的增长,九江和南宁的 WTP增速显著大于上海.健康状况也是支付意愿的显著影响因素,对自我的健康评价越低,支付意愿越高.

4 结论

4.1 运用 CVM评估了我国空气污染健康损失中的VSL,结果表明,我国空气污染健康损失中的VSL约为 100万元/a.与其它国家相比,我国的VSL偏低,这与我国目前所处的经济发展阶段基本相一致.

4.2 人们的年龄、受教育程度、人均年收入、健康和家庭规模,都对空气污染死亡风险降低的支付意愿有显著影响;而不同的性别和不同的城市,对空气污染死亡风险降低的支付意愿却没有显著影响.

4.3 在同一个城市或将所调查的3个城市作为一个整体,人均年收入对空气污染死亡风险降低的支付意愿都有显著影响,收入越高则支付意愿越高.但是在城市之间支付意愿的差异不显著.

[1] Freeman A M.环境与资源的价值评估:理论与方法 [M]. 曾贤刚译.北京:中国人民大学出版社, 2002.

[2] 彭希哲,田文华.上海市空气污染疾病经济损失的意愿支付研究[J]. 世界经济文摘, 2003,(2):32-44.

[3] 杨开忠,白 墨,李 莹,等.关于意愿调查价值评估法在我国环境领域应用的可行性探讨——以北京市居民支付意愿研究为例 [J]. 地球科学进展, 2002,17(3):420-425.

[4] 蔡春光,郑晓瑛.北京市空气污染健康损失的支付意愿研究 [J].经济科学, 2007,(1):107-115.

[5] 王 艳,张宜升,刘 斌.青岛市居民减少空气污染致病的支付意愿调查 [J]. 环境与健康杂志, 2008,25(4):326-330.

[6] Viscusi W K, Magat W, Huber J. Pricing environmental health risks: A survey assessment of risk-risk and risk-dollar tradeoffs for chronic bronchitis [J]. Journal of Environmental Economics and Management, 1991,21:32-51.

[7] Hammitt J K. Valuing mortality risk: theory and practice [J]. Environmental Science and Technology, 2000,34:1396-1400.

[8] Viscusi W K, Aldy J E.The value of a statistical life: a critical review of markets estimates throughout the world [J]. Journal of Risk and Uncertainty, 2003,27:5-76.

[9] Tsuge T, Kishimoto A,Takeuchi K.A choice experiment approach to the valuation of mortality [J]. Journal of Risk and Uncertainty,. 2005,31:73-95.

[10] Alberini A, Alistair H, Markandya A.Willingness to pay to reduce mortality risks:evidence from a three-country contingent valuation study [J]. Environmental and Resource Economics, 2006,33:251-264.

[11] Viscusi W K, Aldy J E. Labor market estimates of the senior discount for the value of statistical life [J]. Journal of Environmental Economics and Management, 2007,53:377-392.

[12] U. S. Environmental Protection Agency. The benefits and costs of the clean air act, 1970 to 1990 [R]. Washington, DC: Government Printing Office, 1997.

[13] Rabl A.Interpretation of air pollution mortality: number of deaths or years of life lost? [J]. Journal of the Air and Waste Management Association, 2003,53:41-50.

[14] Vassanadumrongdee S,Matsuoka S. Risk perceptions and value of a statistical life for air pollution and traffic accidents: evidence from Bangkok, Thailand [J]. Journal of Risk and Uncertainty, 2005,30:261-287.

[15] Adamowicz V, Dupont D, Krupnick A. Willingness to pay to reduce community health risks from municipal drinking water: a stated preference study [R]. Kyoto: the Third World Congress of Environmental and Resource Economics, 2006.

[16] Evans M F, Smith V K. Do we really understand the age-VSL relationship? [J]. Resource and Energy Economics. 2006,28:242-261.

[17] Aldy, Joseph E,Viscusi W K. Age differences in the value of statistical life: revealed preference evidence [J]. Review of Environmental Economics and Policy, 2007,1:241-260.

[18] Alberini A, Cropper M, Krupnick A, et al. Does the value of statistical life vary with age and health status? Evidence from the U. S. and Canada [J]. Journal of Environmental Economics and Management, 2004,48:769-792.

[19] Jeffrey M W. Econometric Analysis of Cross Section and Panel Data [M]. Cambridge: Massachusetts Institute of Technology Press, 2001:50.

Evaluation of value of statistical life in health costs attributable to air pollution.

ZENG Xian-gang1*, JIANG Yan2
(1.School of Environmental and Natural Resources, Renmin University of China, Beijing 100872, China；2.Statistical School, Renmin University of China, Beijing 100872, China). China Environmental Science, 2010,30(2)：284～288

X820.3

A

1000-6923(2010)02-0284-05

2009-06-16

中国人民大学明德学者计划项目(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30余篇.