基于CVM的城市大气细颗粒物健康风险的经济评估——以北京市为例

曾贤刚，许志华，鲁颐琼 （中国人民大学环境学院，北京 100872）

基于CVM的城市大气细颗粒物健康风险的经济评估
——以北京市为例

曾贤刚*，许志华，鲁颐琼 （中国人民大学环境学院，北京 100872）

运用权变评价法（CVM）调查北京居民对降低PM2.5健康风险的支付意愿，结果表明居民为PM2.5年平均浓度降低30%、45%和60%的平均支付意愿分别71.60元/月、85.66元/月和94.31元/月.基于结构方程模型，以风险特征、风险情绪、风险沟通3个维度衡量风险认知，构建风险认知与支付意愿相关模型，分析表明风险认知对支付意愿的影响系数为0.37；风险认知3个维度中风险情绪反映度最高，负荷量为0.95，且风险情绪中“现实满意度”影响最显著，负荷量为0.71；风险特征中PM2.5健康风险发生可能性、后果严重性影响程度最高，负荷量均为0.85；个人特征能直接或通过风险认知间接影响支付意愿，总影响系数为0.47，且个人特征中受教育程度与收入表现出强共变性，共变系数为0.67.

PM2.5；支付意愿；风险认知；结构方程模型

近年来，PM2.5导致北京雾霾天气严重，并影响居民身体健康［1-3］.了解居民对 PM2.5健康风险的认知程度、降低PM2.5健康风险的支付意愿及其影响因素，关系到国家 PM2.5治理政策的制定与实施.目前国内外还缺乏针对降低 PM2.5健康风险的支付意愿研究，仅有的相关研究主要是针对空气污染的.由于空气的公共物品属性导致价值难以在市场交换中体现，所以需通过非市场价值评估方法进行衡量，目前国内外主要采用权变评价法（CVM）.权变评价法通过建立假想市场，以调查问卷形式询问人们对环境改善的支付意愿（WTP）或对环境恶化的受偿意愿（WTA），推导环境改善或恶化的经济价值［4-5］.Carlsson等［6］调查瑞典居民对于空气改善的支付意愿，结果表明人们愿为减少空气中 50%的有害物质支付2000SEK/a，且支付意愿与收入、财富和教育呈正相关关系.Welsch［7］调查发现空气污染对主观幸福感有较强影响，且调查结果表明20世纪90年代西欧改善空气中二氧化氮和铅的价值分别为$750/a和$1400/a.Fabian等［8］调查573名马尼拉居民，结果表明收入大于 10000PhP的居民愿为空气改善支付（1.21，1.75）PhP，但对低收入者难以得到统一结论.Istamto等［9］调查多个国家居民在3种不同情形下对交通空气污染的支付意愿，结果表明不同国家间居民支付意愿存在较大差距，且风险认知与态度和环境污染感知对支付意愿存在显著影响.Du等［10］调查若空气质量维持在奥运会水平时的北京居民的支付意愿，结果表明平均支付意愿为（22000，24000）CNY/a，中位值约为1700CNY/a，明显高于假设型研究结果.蔡春光等［11］研究结果表明二分法下北京居民对改善空气质量的支付意愿为652.33元/年，支付意愿受家庭经济水平和受教育程度影响最大，且与之呈正相关关系.杨宝路等［12］通过两次调查发现居民对空气改善的支付意愿随时间有所增长，且收入、年龄、受教育程度以及环境介质接触程度等因素对支付意愿影响显著.周洁等［13］对青岛、烟台、临沂、枣庄1950位居民进行调查，结果表明青岛居民空气改善的支付意愿最高，且月收入是影响支付愿意的重要因素.然而空气污染并不等于同于PM2.5，如Welsch［8］研究表明同时减少空气中二氧化氮和铅的价值高于两者价值之和，因此有必要对PM2.5进行单独研究.从目前国内PM2.5相关文献［1-3］来看，主要集中于分析 PM2.5的来源、特征及健康影响，缺乏居民对 PM2.5健康风险认知及支付意愿研究.本文旨在深入了解居民对PM2.5的健康风险认知及支付意愿，分析风险认知与年龄、受教育程度等社会经济特征对支付意愿的影响，为我国进行 PM2.5治理与有效风险管理提供决策服务.

1　降低PM2.5健康风险的支付意愿

1.1问卷设计与抽样调查

调查问卷可分为以下5个部分：①风险特征：主要包括被调查者认为的PM2.5的影响程度、健康风险发生可能性、持续时间、后果严重性等10个方面；②风险情绪：包括对PM2.5健康风险的恐惧、焦虑和愤怒，以及现状满意度和未来乐观度；③风险沟通：主要包括居民认为的实际 PM2.5健康风险与政府、专家、媒体等发布的健康风险之间的对比；④支付意愿：为问卷核心部分，采用支付卡式调查居民对PM2.5年平均浓度降低不同程度下的支付意愿，以及不愿支付的原因；⑤个人特征：包括被调查者的性别、年龄、受教育程度、月收入以及职业.正式开展问卷调查之前，于2014年2月在中国人民大学及周边社区实施预调查，修改问卷中存在的问题与不足.2014年4月在北京市东城区、西城区、朝阳区、丰台区、海淀区和石景山区以面对面访谈的方式开展正式的随机抽样调查.共发放问卷 1322份，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，得有效问卷1027份，有效问卷率为77.69%.

1.2支付意愿结果

问卷设计有 3种 PM2.5降低情景，分别是PM2.5年平均浓度降低30%、45%和60%.之所以如此设计，是因为即将在2016年实施的《环境空气质量标准》中对于PM2.5达标限值为年均浓度35mg/m3，日均浓度75微克/立方米；而2013年北京市PM2.5年均浓度约为90mg/m3，若希望PM2.5年均浓度从90mg/m3下降至35mg/m3，需要下降60%才可以达到国家标准.另外，居民的支付意愿分别以WTP30%，WTP45%和WTP60%表示.调查中，为降低被访者的回答难度和更加精确地描述支付意愿情况，根据经验研究与预调查结果，将北京居民对降低PM2.5的支付意愿划分为24档次，最低档次为0元/月，最高档次为700元以上/ 月.对被调查者各档次支付意愿进行统计，结果如表1所示.

对表1数据进行计算，可以得到PM2.5年平均浓度降低30%、45%和60%时的支付意愿平均值分别为71.60元/月、85.66元/月和94.31元/月.可以发现，北京居民对 PM2.5年平均浓度降低的支付意愿呈现边际递减.与蔡春光等［11］和杨宝路等［12］对空气改善的平均支付意愿54.36和30.54 元/月相比，本次调查的支付意愿有显著提高，这说明北京居民对空气污染健康风险的认知有了显著提高.然而与其他国家相比，我国居民支付意愿仍相对较低，如1995年索菲亚居民对空气改善的平均支付意愿为收入的 4.2%［6］，而本研究中支付意愿仅为可支配收入的2.13%～2.81%（2013年北京市城镇居民月均可支配收入为 3360.08元［14］），这说明北京居民对空气质量问题的重视程度仍有待于提高.

表1　支付意愿频数统计Table 1　Statistical situation of willingness to pay

2　支付意愿影响因素分析

图1　风险认知与支付意愿理论模型Fig.1　Theoretical model of the risk perception and the willingness to pay

众多学者对CVM中影响支付意愿的因素进行了研究，但大都集中于收入、受教育程度等个人因素，而对居民环境风险认知未有详细分析，仅在因素分析中加入一些具体问题，如杨宝路等［12］在支付意愿影响因素分析中加入“认为环境污染严重程度”等；咸会琛等［15］加入“空气质量意识概况”.本文采用结构方程模型对居民PM2.5风险认知情况和支付意愿的关系进行探讨，深入解析支付意愿受影响机理.

2.1模型设定

根据经验研究和结构方程模型，建构风险认知与支付意愿理论模型如图1所示.其中居民风险认知由风险特征、风险情绪、风险沟通3个维度进行反映，并受到个人特征影响；支付意愿的影响变量包括风险认知和个人特征，这两个变量直接作用于支付意愿；此外个人特征通过中介变量风险认知间接作用于支付意愿.对于各潜在变量的测量变量，风险特征包括问卷第一部分的10个问题，分别为PM2.5熟悉程度、对社会影响程度、健康风险发生可能性、后果严重性、持续时间、可控性、平等性、人为性、对家人健康是否有影响、自愿性；风险情绪包括对PM2.5风险的恐惧、焦虑、愤怒、现实满意度、未来乐观度5个方面；风险沟通包括居民认为的实际风险与政府、专家、媒体、非政府组织发布的风险间的对比 4个方面.个人特征包括性别、年龄、受教育程度、月收入、职业5个方面.

2.2数据先验性分析

统计分析.测量变量均采用Likert五点量表进行测度（个人特征 5方面除外），基本形式为给出风险特征、风险情绪、风险沟通相关描述，再由被调查者从5个选项中选择.如关于风险熟悉性，问题为是否之前知道什么是 PM2.5，答案分别为“非常了解”、“比较了解”、“一般了解”、“不太了解”、“完全不了解”（此选项负向设置），对选项1～5分别赋值为1、2、3、4、5.则风险特征、风险情绪、风险沟通的描述统计结果如表2所示，此外个人特征赋值方式与描述统计结果如表 3所示.

表2　风险特征、情绪、沟通的描述统计结果Table 2　Descriptive statistics of the risk characteristics，emotion and communication

表3　被调查者个人特征Table 3　The social and economic characteristics of interviewee

信度检验，即问卷各项目之间的内部一致性，常以Cronbach’s a系数进行衡量.经计算，本文调查数据整体Cronbach’s a系数为0.698，标准化项下Cronbach’s a系数为0.852，均大于临界值0.5，说明问卷整体可行度较高.

效度检验，包括潜在变量与测量变量之间的聚敛效度及潜在变量间的区别效度.对聚敛效度，要求因子负荷量大于 0.5，若存在多项测量变量小于0.5，逐步删除因子负荷量最小（显著性最低）的变量，有助于提高聚敛效度.经计算，风险特征中影响程度、健康风险发生可能性、后果严重性、持续时间、家人健康是否有影响5项满足条件；风险情绪中5项均满足条件；风险沟通中与非政府组织发布风险的对比因子负荷量小于 0.5，予以删除；个人特征中性别，职业是否为国家单位、组织机构和其他不满足要求（职业在分析中采用虚拟变量赋值）；支付意愿中 WTP30%、WTP45%、WTP60%存在较强相关性，因此支付意愿以三者平均值进行度量.此外经检验，各潜在变量之间的区别效度均满足条件，删除因子负荷量小于 0.5的测量变量后，聚敛效度与区别效度均有所增加.

因子分析检验.据效度检验，本研究最终使用的测量变量包括风险特征5项、风险情绪5项、风险沟通3项、个人特征5项，支付意愿1项.对剩下 19项测量变量进行 KMO检验，经计算，KMO检验值为0.843，Bartlett球形度检验卡方统计量为7603.01，显著性水平为0.000，说明适合进行因子分析.采用主成分分析方法，限定抽取因子数为 5个，得 5个因子的累积贡献率达到63.17%，说明5个因子对19个测量变量的63.17%的解释能力.

2.3理论假设与模型适配

根据数据先验性分析结果，得到 PM2.5风险认知与支付意愿路径初步分析模型（如图2所示）.根据路径分析模型可提出如下假设：

图2　PM2.5风险认知与支付意愿路径分析模型Fig.2　Path analysis model of the relationship between risk perception to PM2.5and the willingness to pay

H1：风险认知对支付意愿有显著影响；

H2：个人特征对支付意愿有显著影响；

H3：风险认知在个人特征对支付意愿影响过程中起中介作用.

据表2和表3可知，各测量变量偏度与峰度均相对较小，大都满足偏度小于 3、峰度小于 8的条件，表明数据整体符合正态分布，满足最大似然估计ML的要求.且模型有19个测量变量，待估计路径数19个，待估计方差数24个，则自由度df 为147，为过度识别模型.运用AMOS进行模型计算，并在不违背理论以及结构方程模型修正基本原则条件下根据 MI值进行模型修正，得最终标准化结果如图3所示.

结构方程模型的适配度是检验结果合理性的重要标准.卡方值χ2、卡方显著性P、卡方自由度比（χ2/df）为基础适配指标，但均易受样本容量影响，样本容量较大时难以满足标准.因此需其他指标进行检验，通常采用比较适配度指数 NFI、绝对适配度指数GFI、AGFI、CFI和RMSEA.本研究中 NFI值为 0.885（接近 0.9）；GFI值为0.919（＞0.9）；AGFI值为0.892（接近0.9）；CFI值为0.902（＞0.9）；最重要适配度指标 RMSEA值为0.071（＜0.08），可此可知，风险认知与支付意愿理论模型合理适配.

图3　模型标准化结果Fig.3　Standardized coefficient estimates of the structural model

2.4估计结果与分析

表 4为结构方程模型标准化路径估计结果.由表可知，风险认知对支付意愿有显著影响（理论假设H1得到支持），标准化回归系数为0.37，表明风险认知越强，支付意愿越高，符合经验研究，因此提高居民风险认知，有助于提高居民的支付意愿.对反映风险认知的3个维度，风险特征、风险情绪与风险沟通的标准化回归系数分别为 0.76、0.95、0.48，其中风险情绪系数最高，对风险认知反映程度最高，风险特征中RP2、RP3、RP4、RP5和RP9标准化系数分别为 0.70、0.85、0.85、0.62和0.55，则对风险认知的标准化影响系数分别为 0.53、0.65、0.65、0.47、0.42，对支付意愿的标准化影响系数分别为0.15、0.17、0.24、0.24、0.19，说明居民认为PM2.5对社会影响越大、对健康造成危害可能性越大、对人体健康造成的后果越严重、对健康危害持续时间越长、对自己及家人造成的危害越大，居民风险认知越强，其支付意愿越大.风险情绪中RM1、RM2、RM3、RM4和RM5标准化系数分别为0.49、0.54、0.55、0.71和0.63，其中RM1虽小于 0.5，但极为接近且显著，因此本文予以保留，对风险认知的标准化影响系数分别为0.47、0.51、0.52、0.67、0.60，表明人们对 PM2.5越感到恐惧、焦虑、愤怒，对现实PM2.5感觉越不满意且对PM2.5健康风险越不乐观，风险认知越强，支付意愿越大.风险沟通中RC1、RC2和RC3标准化系数分别为0.73、0.75、0.69，对风险认知的标准化影响系数分别为 0.35、0.36、0.33，说明居民认为PM2.5实际健康风险越大于政府、专家以及媒体报道，其风险认知越强，支付意愿越大.

表4　模型路径估计结果Table 4　Path coefficient estimates of the structural model

个人特征对支付意愿亦有显著影响（理论假设H2得到支持），标准化回归系数为0.35.对于理论假设H3风险认知在个人特征对支付意愿影响过程中起介变量的作用，一方面个人特征对风险认知的影响路径标准化回归系数为 0.34，显著性值亦小于 0.001；另一方面可通过对比，去除风险认知，仅个人特征对支付意愿作回归分析，结果表明个人特征对支付意愿的影响路径系数虽然显著，但t值下降，且模型适配度亦有所下降，因此可认为风险认知起中介作用，即 H3得到支持.则个人特征对于支付意愿标准化总影响系数为 0.47.其中年龄的标准化回归系数为 0.65，说明居民年龄越大，风险认知越强，支付意愿越大，这可能是由于年轻人易忽视健康问题，年龄较大人群对于健康重视程度较高；学历标准化数值为-0.22，与经验研究相违背，这是由于学历与收入之间所存在较强共变关系导致（两者共变关系标准化系数为 0.67），若去除两者共变关系，结果表明学历标准化系数亦为正，但模型适配度下降，即学历越高，其收入越高，两者相互作用使得风险越强，支付意愿越大；收入标准化系数为 0.91，表明收入越高，风险认知越强，支付意愿越大，这可能是由于低收入者往往更关注于家庭经济生活，对于 PM2.5关注相对较少，而高收入者则更加注重生活享受，对PM2.5健康风险重视程度更高；对于职业，是否为学生、个体户或企业人员两项显著，且学生、个体户或企业人员的标准化系数分别为-0.79、0.45，表明不是学生或者是个体户或企业人员，风险认知更强，支付意愿更大，这可能是学生大都属于低收入群体，且学生关注点大都位于学习与求职，因此支付意愿较低，而个体户或企业人员的收入往往较高.

3　建议

基于上述结果对PM2.5治理与健康风险管理提出以下建议：（1）提高居民的 PM2.5健康风险意识.由于居民风险认知与支付意愿呈正相关关系，所以提高居民的健康风险意识可提高支付意愿，有助于PM2.5治理.（2）人群差异化处理.年龄、收入等个体特征对风险认知和风险规避能力均有显著影响，因此不同人群需区别对待，对风险认知较低与风险规避能力较低的人群需给予特别关注.（3）政府主导性.相比其他国家，我国居民支付意愿仍较低，因此在 PM2.5治理过程中仍需以政府为主导.

4　结语

运用CVM调查北京居民对于降低PM2.5的支付意愿，结果表明居民平均愿意为PM2.5年平均浓度下降30%而每月支付71.60元；愿意为PM2.5年平均浓度下降45%每月支付85.66元；愿意为PM2.5年平均浓度下降60%每月支付94.31元.

基于经验研究与结构方程模型，构建风险认知与支付意愿理论模型，分析支付意愿与风险认知之间的关系.结果表明：风险认知对支付意愿存在显著影响，影响系数为 0.37；个人特征对支付意愿存在直接显著影响，且通过中介变量风险认知对支付意愿产生间接影响，总影响系数为 0.47.在反映风险认知的风险特征、风险情绪和风险沟通三个维度中，风险情绪反映程度最高，标准化系数为0.95；其中风险特征的PM2.5的影响程度、健康风险发生可能性、后果严重性、持续时间、家人健康是否有影响5个测量变量表现显著，因素负荷量分别为0.70、0.85、0.85、0.62和0.55；风险情绪的恐惧、焦虑、愤怒、现实满意度和未来乐观度因素负荷量分别为 0.49、0.54、0.55、0.71和0.63，对风险认知和支付意愿有显著影响；风险沟通中实际风险与政府、专家、媒体发布的风险间的对比因素负荷量分别为 0.73、0.75、0.69，对风险认知和支付意愿有显著影响.个人特征方面，性别显著性不高；年龄表现出较强显著性，因素负荷量为 0.65，与支付意愿呈正相关关系；学历与收入因素负荷量分别为-0.22和 0.91，两者呈现较强共变关系，表现为学历越高，收入越高，风险认知越强，支付意愿越大；职业亦表现出显著性，其中以是否为学生、是否为个体户或企业人员尤为显著.

［1］ 郭新彪，魏红英.大气PM2.5对健康影响的研究进展 ［J］. 科学通报，2013，58（13）：1171-1177.

［2］ 羊德容.兰州市PM2.5污染特性及其对人体健康的影响 ［D］. 兰州大学，2013.

［3］ 戴海夏，宋伟民.大气 PM2.5的健康影响 ［J］. 国外医学，2001，28（5）：299-303.

［4］ Carson R T，Flores N E，Meade N F. Contingent valuation：Controversies and evidence ［J］. Environmental and Resource Economics，2001（19）：173-210.

［5］ Mitchell R C，Carson R T. Using surveys to value public goods：The contingent valuation method ［M］. Washington D. C.：Resource for the Future，1989.

［6］ Carlsson F，Johansson Stenman O. Willingness to pay for improved air quality in Sweden ［J］. Applied Economics，2000，32（6）：661-669.

［7］ Welsch H. Environment and happiness： Valuation of air pollution using life satisfaction data ［J］. Ecological Economics，2006，58（4）：801-813.

［8］ Fabian H G，Vergel K N. Air Pollution Exposure and Willingnessto-Pay.

［9］ Istamto T，Houthuijs D，Lebret E. Willingness to pay to avoid health risks from road-traffic-related air pollution and noise across five countries ［J］. Science of the Total Environment，2014（497-498）： 420-429.

［10］ Du X，Mendel sohn R O. Estimating the value of the reduction in air pollution during the Beijing Olympics ［J］ Environment and Development Economics，2011（16）：735-749.

［11］ 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.

［12］ 杨宝路，邹骥.北京市环境质量改善的居民支付意愿研究 ［J］.中国环境科学，2009，29（11）：1209-1214.

［13］ 周洁，王艳，任亮.山东典型城市居民改善空气质量的支付意愿 ［J］. 环境与健康杂志，2010，27（6）：507-510.

［14］ 北京市统计局.北京市 2013年国民经济和社会发展统计公报［R］. 2014.

［15］ 咸会琛，胡萌.青岛市居民对改善空气质量的支付意愿研究［J］. 城市发展研究，2013，20（8）：95-100.

Economic evaluation of health risks caused by PM2.5in Beijing based on contingent valuation method.

ZENG Xian-gang*，XU Zhi-hua，LU Yi-qiong （School of Environment and Natural Resources，Renmin University of China，Beijing 100872，China）.

China Environmental Science，2015，35（7）：2233～2240

Resident’s willingness to pay （WTP） for reductions of health risks caused by PM2.5were investigated in Beijing by using contingent valuation method （CVM）. The WTP for reducing the annual average concentration of PM2.5was 71.60 yuan/month，85.66 yuan/month and 94.31 yuan/month for a reduction of 30%，45%，and 60%，respectively. Based on structure equation model and by using risk characteristic，risk emotion and risk communication as three dimensions to reflect risk perception，a theoretical model of the relationship between WTP and risk perception was constructed. The results showed that the impact factor of risk perception on WTP was 0.37. Among the three variables used to reflect risk perception，the loading of risk emotion was the highest，which was 0.95. Reality satisfaction was the most significant factor in risk emotion，the influence coefficient was 0.71. The likelihood of health risks and the severity of the consequences had the greatest impact on risk characteristic，with a factor loading of 0.85. The individual features have a direct influence on WTP，it also affect WTP indirectly by way of risk perception. The total impact factor was 0.47. Education and income had a strong correlation，the covariant coefficient was 0.67.

PM2.5；willingness to pay；risk perception；structure equation model

X32

A

1000-6923（2015）07-2233-08

2015-10-30

国家自然科学基金项目（41371530）；国家社会科学基金重大项目（13&ZD045）

* 责任作者，教授，zengxg@ruc.edu.cn

曾贤刚（1972-），男，江西九江人，中国人民大学环境学院教授/博士生导师，研究方向为环境与资源经济学.发表论文70余篇.