基于IOSLAB的可再生能源发电投资个人支付意愿选择实验研究

刘贞，朱开伟，贲可蒙，吕指臣，蒲刚清

(1．重庆理工大学低碳能源研究中心，重庆市400054;2．清华大学能源环境经济研究所，北京市100084)

0 引言

近100多年来，全球平均气温经历了冷－暖－冷－暖2次波动，总体为上升趋势。进入80年代后，全球气温明显上升，1980—1981年全球平均气温比100年前上升了0.48℃ 。导致全球变暖的主要原因是人类在近1个世纪以来大量使用矿物燃料(如煤、石油等)，排放出大量的CO2等多种温室气体。根据国际气候变化委员会的推断，如果减少CO2排放的政策不迫切落实，到2100年地球上的平均气温预计将增加0.8～3.5℃［1］。此外，化石燃料(主要包括煤、石油、天然气)将逐渐枯竭，而像印度这样的发展中国家对能源的需求也在显著地增加。这种不断恶化的局势，伴随着世界市场上石油价格飙升，预计将导致国家之间为了获得更多能源而进行激烈竞争。因此，许多国家为了获得一个可持续的能源供应，都在大力发展可再生能源的有关法律和激励机制。例如，2007年3月，欧盟领导人在原则上达成协议:2020年，欧盟国家20%的能源都应来自可再生能源，同时各国都应减少温室气体的排放。

目前，关于可再生能源投资的研究已经很多。如曾晓斌(2012)分析了我国新能源投资的特点、存在的风险和问题，提出了相应的建议，以提高新能源投资的效益和效率［2］;史运杰(2012)从投资方向、投资方式，以及投资主体几个方面对我国可再生能源投资情况做了具体分析［3］;段宇平等(2015)从风险角度探讨了我国可再生能源的对外投资机遇［4］;董娟(2014)分析了可再生能源的投资规模、投资结构变化趋势，并据此对未来可再生能源的投资方向及趋势进行了分析［5］。然而，迄今为止，很少有研究关注个人对可再生能源投资的支付意愿，同时，关于可再生能源投资的分析，没有评估出可再生能源投资的经济效益。本文采用选择实验法，通过考虑各种属性来评估可再生能源投资的效益。

选择实验的应用最早由 Louviere-Hensher［6］和Louviere-Woodworth［7］报道，20 世纪 90 年代，选择实验才逐渐被运用到环境问题研究中，后来陆续运用于评估农业景观价值、公用林地价值及改善流域水质环境的价值等，如张小红(2012)运用选择实验法对湘江水污染治理中居民的支付意愿进行了实证分析［8］，但鲜见运用于评估可再生能源投资的价值。而大部分选择实验的研究都采用多项式Logit模型(multinomial logit model)，而本文采用了 MNP(multinomial probit model，MNP)模型。MNL模型允许概率在一个简单的封闭范围内选择，但Logit模型中的各个选项相关性较弱(IIA假设)。为了克服这一问题，相关文献提出了解决方法，如广义极端值模型法、异方差极端值模型法和MNP模型法。

本文首次尝试运用行为经济实验平台(individual，organization and society laboratory，IOSLAB)系统进行选择实验研究，并采用MNP模型完成关于可再生能源投资的评估。MNP模型具有较高灵活性，允许相关结构在一定的误差范围内。该方法可以假设所有的参与者对每个属性的价值具有相同偏好。模型最明显的优点就是能够模拟出群体中难以观察的不同参数的价值［9］。同时，本文使用IOSLAB系统的实验平台来对受访者进行调查，该平台不仅解决了人工统计数据的繁琐，而且对受访者的访问不受时间、地点等各种因素的限制，只要1台笔记本外加带有安卓系统的设备就可以开始调查，而且可以通过无线数据给受访者发放各种信息，也避免了调查问卷丢失以及评估问题不同的可能性。

1 选择实验

选择实验法在测量可再生能源的各种属性的经济价值是可行性的，因为其涉及了超过特征变化范围的建模选择，而不只提供为评估支付意愿(willing to pay，WTP)的单一选择。研究确定了2个属性:空气污染和就业。表1描述了这2个属性和价格属性的定义，以及属性的每个级别的划分。

表1 选择实验每个属性的定义及其级别的划分Table 1 Definition and level division of each attribute in choice experiment

选择实验运用了统计设计理论去构造选择集，使评估的收益系数不受其他因素影响［10］。在本文中，研究采用“正交主效应设计”，其在选择上能够有效地排除个别属性的影响。正交设计在运用效果上超越了显示性偏好的随机模型。然而，一个属性通常与另一个属性高度相关［11］。研究将通过SPSS12.0软件包来完成正交主效应的设计［12］。

选择实验中，有3个选择项，其中2个选择项代表着可再生能源的属性水平和特定的价格水平的投资组合，第3个选择项代表着现状。属性和级别形成的选择集的组合有34×52种可能性。要求受访者从所有的组合中选择是不切实际的，所以研究根据所要求解的估算系数，得出了所有选择集的子集，并选取了36个选择集，随机分为6组，每组有6个选择集。图1给出了1个选择集的例子，以及要求受访者在现状和2个选择项之间选择。

图1 选择集范例Fig.1 Selection set example

调查问卷由3个部分组成。第1部分是为了衡量受访者对可再生能源的普遍认可度，使他们熟悉关于可再生能源评估的属性，为了加深受访者对可再生能源的理解，这一部分将提供一些关于可再生能源的彩色照片，如太阳能和风能发电。为了便于选择实验分析，第2部分将通过价格和其他属性的权衡引出受访者对可再生能源投资的支付意愿。最后一部分将涉及关于受访者的社会经济信息，如:收入、年龄、文化程度等。

由于预算所限，研究利用IOSLAB系统对100人进行了调查。本次调查是在重庆市进行的，重庆市是我国直辖市，且其城镇水平可以代表我国的平均水平。调查是随机选取的受访者，目的是使得到的详细问题和答案的范围最大化。

2 模型

2.1 实验仿真平台

IOSLAB系统［13］是一套可用于经济学、管理学、行为心理学课堂教学和现场实验研究的便携式经管实验平台。其建立了多终端无线串口通信平台，以无线通信平台模拟符合协议的各种类型实验，同时扩大了无线串口通信的应用领域。

IOSLAB系统由一个服务端和多个终端共同组成。服务端可以进行数据处理、控制调查过程和处理调查结果等，其中控制调查过程只要是服务端与终端的数据交换。服务端给终端发送调查内容和命令，而终端则恢复服务端要求回复的调查信息。调查过程中的数据收发使用无线串口技术，整个流程都在服务端控制下进行。其总体结构如图2所示。

该仿真平台采用了多线程的事件处理机制，即将仿真平台系统分成主线程、接收消息线程、发送消息线程、分发消息线程、处理消息线程和结果处理线程。其中主线程用于控制各个线程直线的协调工作;接收消息线程和发送消息线程用于对原始数据的收发，这些数据包括从服务端发送的指令、信息和从终端接收过来的信息等数据;分发消息线程主要用于对接收到的数据进行分类处理;处理消息线程是最重要的线程，主要对终端发送上来的数据进行集中处理，并将需要发送的数据交给发送消息线程，通过这些线程有效有序的控制调查过程的进行，如图3所示。

图2 仿真平台系统总体结构图Fig.2 System structure of simulation platform

图3 仿真平台系统多线程事件处理机制图Fig.3 Multi-threaded event handling mechanism of simulation platform system

调查结束后，主线程启动结果存储线程，将本次调查结果保存到数据库中。并且画出实验结果图便于实验者进行分析和评估，并且可将此实验的所有信息输出到Word文档中或者用打印机打印出来。下图给出了基于IOSLAB系统调查的操作步骤。

2.2 多项式Probit模型

本文中，随机效用模型是通过选择项中特定的效用函数去解释个人选择。在间接效用函数中，i代表每个受访者，j代表在选择集中选取的备选方案，则可以表示为

式中:间接效用函数Uij，可以被分解成确定性部分Vij和随机部分eij。Vij是某个指定属性的函数，Xij是指在备选方案j中被受访者i选择。eij不可观测的因素，对受访者i选择方案j的影响。

多项式Probit模型中假设误差eij服从均值为0的多元正态分布，其协方差矩阵为

则第1方案被选择的概率为

式中:η21=ei2－ ei1，η31=ei3－ ei1，f(η21，η31)是关于协方差矩阵Ω的变形矩阵Ω1的二元正态分布。而给协方差矩阵的第1对角元素的每个元素增加1个属性，其形式的变化不会影响所要观察选择项的概率分布。则Ω1可以表示为

第2个和第3个方案被选择的概率可以类似得出。

2.3 效应函数和边际支付意愿

这个模型的效用函数，除了误差部分以外，可以表示成关于属性的线性函数，则为［Z1，Z2，Z3］=［空气污染，就业，价格］。其中，包含了2个选择项的特定常量(CASCs)，其表示受访者在选择集中选择A和B的模拟。而CASCs只获得了该方案的选择项信息，并没有得到其属性价值。

式中βs是估计每个属性影响受访者效用的参数，如果计算出边际支付意愿(Marginal Willingness to Pay，MWTP)的每个属性的水平，并假设其他所有变量保持常数，则可以通过微分方程计算出如下的 MWTP公式，为了简洁起见，省略了i。

MWTPs的每个属性表示价格和其属性之间的边际替代率。

3 实验结果及分析

3.1 调查结果

本次调查是随机对重庆市各个地区的人进行了访问，总共有400(100×4)个选择结果。图5给出了受访者对各种可再生能源的认识情况。当问到受访者是否知道给出的每个可再生能源时，有67.4%的受访者知道太阳能发电，风能、潮汐能和水力发电各有48.7%，50.1%，34.0%的受访者了解，只有7.9%的受访者知道生物质能。

图5 各种能源的认识情况Fig.5 Understanding of renewable energy

3.2 估算结果

表2给出了MNP模型的估算结果。通过GHK仿真估计该模型［14-16］。使用Wald统计，估算方程从0到1%的水平在统计上显著不同。从统计结果推测，所有属性的系数都是重要的。而且，系数的变化轨迹与预期结果是相同的。例如，空气污染系数和就业的系数都是递增的。这意味着，这些属性的水平增加，受访者对公共事业的效用将增加。而价格属性的系数是负的，调查结果中也显示出:价格越高，受访者的效用越低。

研究又进行了似然比实验测试IIA的属性是否可以保持。在假设误差是不相关的条件下，似然比的检验值服从自由度为1的卡方分布，在进行IIA测试时，选择了0.1的显著性水平。因此IIA测试中，可以拒绝假设——误差不相关。由于MNP模型不需要IIA的假设，因此，这是一个较合适的模型来估计本文的数据。

表2 MNP模型估算结果Table 2 Estimation results of MNP model

3.3 每个属性的MWTP估计

表3给出了每个属性的MWTP估算结果。每个月空气污染的 MWTP是0.048 8元，每个月就业的MWTP是0.063元，而国家电力监管委员会认为我国的家用电的平均价格大概是0.4元/(kW·h)。因此，空气污染和就业的 MWTP价格分别是电力价格的12.2%，15.75%。

由于不确定性的存在，研究根据每个属性的MWTP的点估计构建了置信区间［17］。所以在测量MWTPs时，Monte Carlo仿真技术［18］假设了95%的置信区间。表3也给出了95%的置信区间下的数据。

表3 每个属性的MWTP估算结果Table 3 Estimation results of MWTP with different attributes

4 结论

(1)研究结果显示，社会普遍认可发展可再生能源发电带来的空气污染减少和就业机会增加。个人每月为改善1%空气污染的 MWTP为0.049元，个人每月为获得额外的本地长期就业机会的MWTP是0.063元。此外，重庆市的所有居民在可再生能源发电上愿意支付约784.7万元。与化石燃料电厂相比，每发展一个可再生能源发电厂将减少100%的空气污染，同时增加30个新的本地的长期就业机会。

(2)本文表明了，利用选择实验对可再生能源投资分析的可行性。从决策的角度来看，本文为决策者在制定和实施适当的政策来解决可再生能源投资的问题提供了有用的信息。特别是可以用于具体的可再生能源投资的成本效益分析。而且，本文重视了MNP模型的使用，这个模型可以抛开IIA的假设对选择实验调查收集的数据进行合理分析。因此，本文可以为可再生能源投资的评估提供适当的参考。

［1］ Intergovernmental panel on climate change．IPCC special report on carbon dioxide storage［M］．New York:Cambridge University Press，2005．

［2］曾晓斌．我国新能源投资的“冷”思考［J］．价值工程，2012(1):122-123．Zeng Xiaobin．A reconsideration of the new energy investment in China［J］．Value Engineering，2012(1):122-123．

［3］史运杰．我国可再生能源投资分析［J］．时代金融，2012(3):87．Shi Yunjie．A analysis of renewable energy investment［J］．Times Finance，2012(3):87．

［4］段宇平，吴昊．中国全球能源投资分析［J］．中外能源，2015(3):9-15．Duan Yuping，Wu Hao．China’s overseas energy investment overview［J］．Sino-Global Energy，2015(3):9-15．

［5］董娟．全球可再生能源发展现状及投资趋势 分析［J］．当代石油化工，2014(8):25-31．Dong Juan．Development status of global renewable energy and analysis on its investment trends［J］．Petroleum ＆ Petrochemical Today，2014(8):25-31．

［6］ Louviere J，Hensher D A． Using discrete choice models with experimental design data to forecast consumer demand for a unique cultural event［J］．Journal of Consumer Research，1983，10(3):348-361．

［7］ Louviere J，Woodworth G． Design and analysisofsimulated consumer choice or allocation experiments:An approach based on aggregate data［J］．Journal of Marketing Research，1983，20(4):350-367．

［8］张小红．基于选择实验法的支付意愿研究——以湘江水污染治理为例［J］．资源开发与市场，2012，28(7)600-603．Zhang Xiaohong．Study on willingness to pay based on choice experiment method:A case study of Xiangjiang river water pollution［J］．Resource Development＆ Market，2012，28(7):600-603．

［9］ Layton D F． Random coefficientmodelsforstated preference surveys［J］．Journal of Environmental Economics and Management，2000，40(1):21-36．

［10］Yoo S H，Kwak S J，Lee J S．Using a choice experiment to measure the environmental costs of air pollution impacts in Seoul．［J］．Journal of Environmental Management，2008，86(1):308-318．

［11］Adamowicz W，Hanley N，Wright R E，et al．Using choice experiments tovalue the environment［J］． Environmental ＆Resource Economics，1998，11(3-4):413-428．

［12］SPSS．SPSS conjoint 14.0［M］．Chicago:SPSS Inc．．2005．

［13］刘贞，施於人．微观经济与宏观经济 实验原理、方法与案例［M］．北京:机械工业出版社，2012:21-22．

［14］ Geweke J．Bayesian inference in econometric models using Monte Carlo integration［J］．Econometrica，1989，57(6):1317-39．

［15］Keane M P．A computationally practical simulation estimator for panel data［J］．Econometrica，1994，62(1):95-116．

［16］Hajivassiliou V A，Mcfadden D L．The method of stimulated scores for the estimation of LDV models［J］．Econométrica Journal of the Econometric Society，1998，66(4):863-896．

［17］Park T，Loomis J B，Creel M．Confidence intervals for evaluating benefits estimates from dichotomous choice contingent valuation studies．［J］．Land Economics，1991，67(1):64-73．

［18］ Krinsky I，Robb A L．On approximating the statistical properties of elastic ties［J］．Review of Economics ＆ Statistics，1986，68(4):715-19．