北京市城市湿地价值评估
全世文 秦光远 王昌海
摘要
环境价值评估中广泛存在支付工具效应，经济学家发现，当采用“缴税”和“劳动”支付工具分别开展环境价值评估时，得到的评估结果往往存在显著差异，但现有研究仍未对支付工具效应形成的原因进行解释。该研究同时采用“缴税”和“劳动”两种支付工具设计选择实验，对北京市城市湿地价值进行评估，并检验两种支付工具的评估结果是否存在差异。该研究首先基于时间分配理论比较了“缴税”和“劳动”支付工具在评估环境价值时存在的理论差异，并据此提出了研究假说。随后，课题组分别基于两种支付工具设计了两组选择实验，在2017年5月对北京市居民开展了网络调查，调查对象被随机分配到两组实验样本中。基于调查数据，该研究采用随机参数Logit模型和广义多元Logit模型分析了北京市居民对湿地属性的偏好，并据此估算了湿地属性的边际价值。结果显示，北京市湿地面积每增加1 000 hm2、湿地Ⅱ类与Ⅲ类水质的占比每增加1%、湿地动植物种类每增加10种、湿地植被覆盖率每增加1%，基于“缴税”支付工具估算的边际支付意愿分别为每年23.254元、17.266元、5.559元和9.041元，基于“劳动”支付工具估算的边际劳动意愿分别为每年0.211 d、0.138 d、0.042 d和0.093 d。采用缴税支付工具估算的边际支付意愿约为采用劳动支付工具估算的边际劳动意愿与实际工资率乘积的50%，即支付工具效应得到证实。男性样本中的支付工具效应强于女性样本。而且，工资性收入在总收入中的占比越高，支付工具效应越强。该研究的分析结论可以为城市湿地的修复与保护提供必要的决策参考。后续的研究者和政策制定者可以考虑利用支付工具效应设计环境政策，从而进一步提高社会福利。
关键词城市湿地；选择实验；价值评估；支付工具
中图分类号F062.2
文献标识码A文章编号1002-2104（2018）07-0054-11DOI：10.12062/cpre.20180305
湿地被称为“地球之肾”，对人类具有重要意义。作为生产力最强的生态系统之一，湿地发挥着一系列重要的生态功能，而且，湿地还可以向人类提供生产、生活所需的资源和休闲娱乐场所，从而直接产生经济价值。与乡村或荒野湿地相比，城市湿地的物质生产功能有所弱化，但是在环境调节和自然灾害防控方面的意义更加突出，而且，城市湿地在提供休闲娱乐和环境教育方面更具优势[1]。然而，伴随着快速的城镇化，城市人口急剧扩张，城市湿地受到的破坏和损失也最为严重。例如，顾丽等[2]通过对原始遥感影像的对比分析发现，1978—2005年将近30年间，北京市自然湿地和人工湿地都呈现显著的退化趋势，湿地总面积下降了54.13%。近年来，随着社会对湿地重要性的认识不断加强，北京市连续出台了多项涉及湿地保护的法规，并在发展规划中明确了对北京市各湿地公园的修复工程目标。该研究拟估算城市湿地对北京市居民的边际价值，从而为国内的湿地价值评估增加新的经验证据。
1文献综述
从理论上讲，科学地评估湿地的价值是开展湿地保护、管理和修复等一系列工作的前提条件。在经济学对环境价值的分类（包括直接使用价值、间接使用价值、选择价值和存在价值）中，湿地价值在每个分类中都有丰富的体现[3]。现有研究在湿地价值分类的基础上，尝试通过构建价值评估体系来量化地核算湿地的货币价值量[4]。因为湿地许多功能的载体都属于无市场的公共物品，甚至也不存在有效的替代市场，所以其价值无法直接通过市场数据进行核算，经济学家只能采用陈述偏好方法通过假想市场数据来评估其价值。由于数据的假想特征，所以，陈述偏好方法在应用研究中的核心问题是如何保证评估结果的外部效度[5- 6]。
传统的条件价值评估方法被广泛用于评价包括湿地在内的环境公共物品的价值[7-8]，但是，条件价值评估方法被广泛认为存在严重的假想偏差，多数情况下，调查对象倾向于高估其支付意愿[9]。相比之下，选择实验方法令调查对象在不同选项之间进行权衡的间接评估模式被研究者认为比条件价值评估方法令调查对象在选项和货币之间进行权衡的直接评估模式具有更高的外部效度[6]。而且，选择实验具有高信息负荷的优势，这意味着研究者可以从属性层面上获取更多调查对象关于评估主体的偏好信息[6]。从2000年以来，国际上已经陆续有一系列研究采用选择实验方法开展湿地价值评估[10-12]。目前，在湿地价值评估领域，国内仅有李京梅等[13]、苏红岩与李京梅[14]采用選择实验方法分别估算了居民对山东胶州湾湿地和广西红树林湿地主要属性的边际支付意愿。
该研究拟采用选择实验方法估算城市湿地对北京市居民的边际价值。该研究的主要贡献在于以下两点：第一，关注城市湿地的价值评估。如上文所述，城市湿地与人类活动的联系更加紧密，受到人类经济活动的影响、遭到破坏的程度也更大。但是，现有研究在开展湿地价值评估时对城市湿地的关注却相对较少。例如，Chaikumbung等[15]统计了2010—2014年的379篇涉及50个国家的湿地价值评估文献，其中，仅有22篇关注城市湿地，但城市湿地的评估价值却显著高于其他湿地，这一结果在不同的模型设定和子样本中都具有稳健性。鉴于湿地修复和保护越来越受到北京市政府的重视和普通市民的关注，该研究拟通过估算城市湿地价值，为政府决策提供必要的参考。
第二，采用缴税和劳动两种支付工具进行对比分析。选择合适的“支付工具”（Payment Vehicle）是陈述偏好方法的应用研究者在实验设计时面临的关键问题之一，因为支付工具直接充当着价值评估的一般等价物。现有研究已经广泛证实陈述偏好方法存在支付工具效应，即采用不同的支付工具得到的价值评估结果可能存在显著差异[16-17]。经验研究认为良好的支付工具应该具有高覆盖性、高接受度、强制性和现实可行性[18-19]。经济学家长期关注两种支付工具：缴税和劳动，两者的背后分别对应于货币和时间两种稀缺资源。早期一些研究建议在欠发达地区选择劳动作为支付工具。这是因为欠发达地区的市场不健全导致金钱不能有效测度环境价值，而且调查对象对环境税的接受度也比较低，因此，选择金钱类的支付工具很可能会低估环境价值[20-22]。该研究采用两种支付工具同时开展湿地价值评估有两个目的：一是通过对比分析来检验价值评估结果的效度，二是判断在收入相对较高的地区，支付工具选择是否仍然是选择实验设计时应予重视的一个关切点。
2理论与假说
2.1理论框架
Eom与Larson[23]基于时间分配理论提供了一个在条件价值评估方法中比较货币和时间两种性质的支付工具评估环境公共物品价值的理论框架。该研究将这一框架进行简单的拓展，并应用于选择实验方法。考虑在选择实验设计的情景中，作为被试者的普通居民需要在一系列“湿地修复效果”中做出选择。每个选项的湿地修复效果均由多个相同的湿地属性进行定义。被试者的优化问题可以描述为：
maxC，L，H，qU（C，L，H，q（A））
s.t.i.y+wh=pCC+pLL+pHH+gq（A）
ii.T=h+C+L+H+tq（A）
iii.H≥H>0
iv.qiqj=0，i≠j
v.C≥0，qj={0，1}，j（1）
在（1）式中，U表示C、L、H的拟凹效用函数，C、L、H分别表示消费、闲暇和家庭劳动（家庭劳动包括备餐、家庭清洁、洗衣、庭院劳动、婴幼儿陪护等活动），其对应的价格均为正，分别为pC、pL和pH；h表示工作时间（劳动供给），对应的工资率为w，y表示非工资性收入。q表示一个由J维向量定义的用来描述湿地修复效果的一系列“复合产品”，A是定义q的K维湿地属性向量，g和t分别表示实验设计为q提供的两种支付工具：缴税和劳动。约束条件1和条件2分别表示预算约束和时间约束，条件3表示家庭劳动时间约束，其中，H表示维持家庭运转所需的最低劳动时间，条件4表示不同的湿地修复效果之间具有互斥性，即同一时间点只能选择一种修复效果，且条件5限定了湿地复合产品的数量固定为1。
令Uj=Uj（C，L，H，qj（Aj））表示被试者在q中选择了qj的条件效用函数。设货币、工作时间和家庭劳动时间的边际效用分别为λ、μ和π，其中，λ>0表示货币的边际效用为正，μ>π>0表示时间的边际效用也为正，且家庭劳动时间的边际效用低于其他时间的边际效用，因此，被试者最优的角点解是选择最低家庭劳动时间H。由h的一阶条件可以求得w=μ/λ，即工作时间边际效用与货币边际效的比值（即工作时间的“影子价格”）为工资率。根据Eom与Larson[23]可以得到条件间接效用函数：
Vj（PF，MFj，Aj）≡Uj（C，L，H，qj（Aj））
MFj=y+wT-ψH-E（w，ψ，tj）-gj
E（w，ψ，tj）=Iwtj+（1-I）ψtj
（2）
在（2）式中，PF表示C、L、H的“全价格”（full price）向量。MFj表示被试者在对最低家庭劳动时间进行分配和对环境产品qj进行支付以后的“全收入”（full income），其中，ψ=π/λ，表示家庭劳动时间的“影子价格”，gj表示对qj的货币支付（缴税），tj表示对qj的时间支付（劳动）。E（·）表示劳动支付的货币价值，假设tj来自于两种性质的时间分配：工作时间和家庭劳动时间，其比例分别为I和1-I，0≤I≤1，I=0表示tj的性质完全等同于家庭劳动，I=1表示tj的性质完全等同于工作时间。于是，（1）式描述的效用最大化过程可以通过间接效用函数进行表达：
V（PF，MF，A）=max[V1（PF，MF1，A1），…，VJ（PF，MF1，A1）]
（3）
（3）式表示被试者会在J维湿地修复效果向量q中选择能够为其带来最大效用的一个产品选项qj，此时满足以下条件：Vj>Vi，i≠j。假设修复过程使湿地属性发生了一个由A0到A1的变化，考虑采用缴税和劳动两种支付工具来评价福利变化，基于补偿剩余定义的湿地价值可以分别描述为：
V（PF，MF-Wg，A1）≡V（PF，MF，A0）
（4）
V（PF，MF-（IwWt+（1-I）ψWt，A1）≡V（PF，MF，A0）
（5）
在（4）式和（5）式中，Wg和Wt分别是由Wg和Wt定义的J维同元素向量，Wg和Wt即为被试者對湿地属性变化的“支付意愿”和“劳动意愿”。
2.2研究假说
考虑对两种支付工具测度的湿地价值进行比较。假设（3）式中的间接效用对“全收入”有一个线性函数形式，即货币边际效用λ恒为常数，也即不存在收入效应，那么，在（4）式和（5）式中，Wg和Wt均可以从函数max[·]中分离。（4）式和（5）式可以改写为：V（PF，MF，A1）-λWg≡V（PF，MF，A0）（6）
V（PF，MF，A1）-λ（IwWt+（1-I）ψWt）≡V（PF，MF，A0）
（7）
根据（6）式和（7）式可以得到Wg和Wt的关系：
Wg=IwWt+（1-I）ψWt≤wWt（8）
据此可以提出假说1。
假说1：缴税支付工具评估的湿地货币价值低于劳动支付工具评估的湿地时间价值与工资率的乘积。
假说1也可以描述为：在湿地价值评估中，义务劳动的“影子工资率”低于实际工资率。导致这一结论的主要原因在于：被试者会从边际价值相对较低的家庭劳动时间中为湿地公共物品提供所需的义务劳动分配时间。或者说，被试者在时间资源上的自主分配权力可以降低被试者参与义务劳动的机会成本。将（8）式进行一个简单的转换：
WgwWt=I+（1-I）ψw=I+（1-I）πμ（9）
由（9）式可知，两种支付工具测度的湿地货币价值之间的差异取决于两个因素。一是义务劳动时间的来源：来自工作时间的比率越高，评估价值的差异越小，来自家庭劳动时间的比例越高，评估价值的差异越大。二是家庭劳动时间与工作时间的相对影子价格，或相对边际效用：两种时间的效用差异或价值差异越小，评估的货币价值差异越小。
结合中国的现实情况，家庭劳动分工在不同性别中存在显著差异。假设“男主外，女主内”仍然是最主流的一种家庭分工状态，那么，男性用于义务劳动的时间只能更多地从工作时间中进行分配，而女性用于义务劳动的时间则可以更多地从家庭劳动时间中进行分配。而且，假设男性更加“厌恶”家庭劳动，那么，对男性而言，家庭劳动时间与工作时间的边际效用差异就会更大。另外，从一个经验的视角出发，被试者总收入中来自“工资性收入”（这里的“工资性收入”主要是指与工作时间挂钩的劳动收入）的比例越高，认为被试者工作时间和家庭劳动时间的价值差异越大，且被试者更倾向于从家庭劳动时间中分配义务劳动时间。据此，可以分别提出经验假说2和假说3。
假说2：缴税和劳动两种支付工具评估的湿地货币价值之间的差异会受到性别的影响，在男性居民中的差异大于在女性居民中的差异。
假说3：工资性收入在总收入中的占比越高，缴税和劳动两种支付工具评估的湿地货币价值之间的差异也越大。
3实验设计、数据与计量模型
3.1实验设计
该研究采用一个组间对比的选择实验设计方案：第一组使用“缴税”作为支付工具，第二组使用“劳动”作为支付工具。实验设计的主要步骤如下：首先确定矩阵A中包含的湿地属性。该研究同时参考湿地生态系统服务的指标体系研究[24-26]和相关的湿地价值评估研究[13-14]确定了10个备选属性。该研究将这些属性定义为“通用属性”，而非“特定属性”，在此基础上，该研究采用一个泛指的“城市湿地”概念用来反映北京市城市湿地的总体情况，而不具体指代某个特定的湿地。进而，该研究通过一个预调查在10个备选属性中选择了北京市居民关切度靠前的4个湿地属性：湿地面积（size）、湿地水质（water）、生物多样性（spec）、植被覆盖率（vcr），用来构造矩阵A。4个属性的具体指标及其含义如表1所示。
然后确定各属性的水平。根据《北京市湿地公园发展规划》（2011—2020年），北京市2008年的湿地总面积为5.14万hm2，湿地内共有动植物1 410种。根据《2015年北京市环境状况公报》，在北京市河流、湖泊和水库中，Ⅱ、Ⅲ类水质的占比分别为48.0%、32.6%和80.0%。为了简化被试者的认知，该研究设定湿地面积、湿地动植物种类和Ⅱ、Ⅲ类水质占比三个属性的现状基准分别为5万hm2、1 400种和60%。另据报道，北京市2015年底的森林覆盖率和城市绿化覆盖率分别为41.6%和48%，而湿地植被覆盖率通常大幅高于这一水平，参照李京梅等[13]的研究，该研究设定北京市湿地植被覆盖率的现状基准为70%。根据各属性的现状基准设计两种不同程度的修复状态，即每个湿地属性共设计三个水平：维持现状，低水平修复和高水平修复。各属性水平的赋值见表1。此外，该研究根据预调查的结果，确定了以每年400元和2 d分别作为缴税和义务劳动的设计基准。分别在基准水平上提高50%和降低50%，于是，支付工具也具有三个设计水平（见表1）。
最后确定湿地修复状态向量q（即“环境复合产品向量”）并构建“选择集”（后文也称“选择情景”）。该研究采用正交设计方案，根据以上湿地属性及支付工具的设计水平可知，两个实验组都对应于一个5因素3水平的正交设计方案。该研究根据正交表定义了18种湿地修复状态，这一过程满足100%的D效率。随后，删除这18种状态中的“不修复”（即维持现状）和“最强修复”（即所有属性都为高水平修复）2种状态，将剩余的16种状态根据效用平衡原则配对为8个选择集，每个选择集包含的2种状态，分别命名为“修复效果A”和“修复效果B”。为了保留被试者的选择自由，在每个选择集中添加一个“维持现状”的选项，该选项可以用来反映被试者放弃选择或偏好现状的情形[6]。
考虑到在选择实验的应用研究中，8次选择尚不足以对被试者造成严重的认知负担，所以，该研究没有采用如李京梅等[13]研究中的分块技术，即所有被试者都被要求连续做出8次选择。为了避免系统性的排序效应，每个被试者面临的8个选择集都被随机排序。此外，在被试者正式进入选择情景以前，该研究首先提供了一个“暖身”的选择情景示例，向被试者说明了城市湿地的含义、4个湿地属性的含义以及在选择情景中的决策机制。
3.2调查实施与样本描述
该研究分析所用的数据来源于课题组在2017年5月对北京市居民开展的问卷调查。调查内容包括三个部分：居民社会统计学特征、居民对城市湿地保护的态度与认知、居民在以上8个选择情景中的决策。在居民特征部分，问卷重点询问了居民的个人总收入及其工资性收入。调查问卷分为两类，分别对应于实验设计部分的两个实验组，其中，第一类问卷（即第一实验组）的选择情景采用缴税作为支付工具，第二类问卷（即第二实验组）采用劳动作为支付工具。该研究采用网络调查方法，委托某网络调查公司在其北京市样本库中投放调查问卷，在为期1周的时间内共获取858份有效问卷。两类问卷被随机分配，其中，第一组和第二组分别包括426和432份有效问卷。两组样本的统计结果如表2所示。
由表2的統计结果可知，两组样本在各项统计特征上均不存在显著差异，印证了两类问卷在分配过程中的随机性，为后文的组间对比提供了必要的保障。与北京市居民的实际情况相比，调查样本具有年龄偏低、受教育水平偏高、收入水平偏高的特征，这也是网络调查方法面临的共同问题[27-28]。但是，随着移动互联网技术的快速发展与普及，网络调查方法面临的样本偏差也在快速减小[29]。由于选择实验的信息负荷较高，被试者需要在复杂的选择情景中连续做出多次决策，因此，传统的面对面调查和电话调查都面临着被试者拒答率过高的问题，这一过程也可能伴随样本选择偏差。但是，网络调查方法在一定程度上可以缓解这些问题，因此，近年来有越来越多的选择实验应用研究选择网络调查方法[27-28]。
3.3计量模型
将间接效用Vj（·）对“全收入”和湿地属性都写为一个线性函数形式，那么，在两个实验组中，任意被试者n∈N的条件间接效用函数可以分别写为：
V1nj（·）=α1gj+β1nAj+β1n0ASCj+ε1j
（10）
V2nj（·）=α2tj+β2nAj+β2n0ASCj+ε2j
（11）
在（10）式和（11）式中，Aj=[sizej，waterj，specj，vcrj]，上标1表示第一组，上标2表示第二组，α1和α2分别表示缴税和义务劳动的边际负效用：
α1<0且α2<0；β1n和β2n分别表示四个湿地属性的边际正效用向量，
β1nk>0，β2nk>0，k=1，2，3，4；ASCj表示“选项特定常数”，定义ASCj=1表示“维持现状”选项，定义ASCj=0表示“修复效果A”或“修复效果B”，那么βn0可以用来反映被试者对其他湿地属性综合效果的偏好以及被试者偏好“维持现状”的禀赋效应；引入该变量被认为可以更加准确地描绘被试者的决策过程[6]。于是，根据（10）式，任意湿地属性Ak对被试者n的边际货币价值为：Wgnk=-β1nk/α1，根据（11）式，Ak对被试者n的边际劳动价值为：Wtnk=-β2nk/α2。
因为现有研究已经广泛证实了被试者对选择实验中的产品属性具有异质性偏好[14]，所以，该研究将（10）式和（11）式中的所有β都定义为随机参数。根据Fiebig等[30]定义的广义多元Logit模型（Generalized Multinomial Logit，GMNL），在（10）式和（11）式中对βn进行如下定义：
βn=σnβ+γηn+（1-γ）σnηn
（12）
在（12）式中，ηn用来捕获个体对湿地属性的偏好异质性，σn用来捕获个体在决策过程中的范围异质性，γ用来分配两种异质性的权重并决定两种异质性的关系，0≤γ≤1。当γ=1且∑（ηn）=0时，个体异质性完全反映为范围异质性；当γ=0且σn=1时，个体异质性完全反映为偏好异质性，对应的模型退化为随机参数Logit模型（Random Paramet Logit，RPL）。在RPL模型中，通常假定随机参数服从正态分布，即ηnN（0，∑）。在GMNL模型中，通常进一步假定范围参数服从均值为1的对数正态分布，即σnLN（1，τ2）。据此，该研究同时采用RPL模型和GMNL模型对（10）式和（11）式进行估计，得到参数α的估计量和参数β的均值与协方差的估计量。
然后，该研究采用Train[31]提供的贝叶斯方法在被试者个体层面上估算偏好参数βn，并据此计算湿地属性的边际价值，得到Wgnk与Wtnk的估计量。为了对前文提出的研究假说进行验证，该研究将Wgnk与wWtnk的估计量作为混合样本进一步执行以下OLS回归：
Wnk=a0k+a1klaborn+a2kgendern+a3kgendern·laborn+a4kraten+a5kraten·laborn+bksn+enk（13）
在（13）式中，Wnk表示湿地属性Ak对被试者n的货币价值，当采用缴税支付工具时，Wnk=Wgnk，当采用劳动支付工具时，Wnk=wWtnk；labor表示是否采用劳动支付工具的虚拟变量，sn表示作为控制变量的被试者特征（包括年龄、受教育年限，等等）。因此，假说1可以被转化为，H1∶Wnk/labor=a1k+a3kgender+a5krate>0；在H1被证实的条件下，假说2和假说3则可以分别被转化为，H2∶Wnk/（gender·labor）=a3k>0；H3∶Wnk/（rate·labor）=a5k>0。
4结果与讨论
4.1估算湿地属性的边际价值
分别采用上文定义的随机参数Logit模型和广义多元
Logit模型对两个实验组的调查样本进行估计，结果如表3所示。从整体上看，4个模型都表现出了良好的拟合效果。在两组样本中，均值系数的符号与理论预期相吻合：pv的均值估计系数为负值，说明缴税和义务劳动都会给居民带来负效用；4个湿地属性的均值估计系数都为正值，说明各个湿地属性的改善或修复都可以提高居民的效用，增加居民的福利。
由于4个湿地属性的度量单位不完全一致，所以，均值系数的大小不能用来反映4个湿地属性的相对重要性。但是，对比两组样本的估计结果可知，4个湿地属性的均值系数在两组样本中具有相同的排列顺序，湿地属性之间的协方差系数在两组样本中也基本一致，说明被试者对湿地属性的偏好结构在支付工具的维度上具有较强的稳定性，并不会随着支付工具的变化而发生变化。在RPL模
型和GMNL模型之间进行比较可以进一步发现，两种模型的估计结果高度相似；因为反映范围异质性的参数τ并不显著，所以，GMNL模型并不比RPL模型更优。这一结果说明在缴税和劳动两种支付工具构造的选择情景中，被试者的决策过程都没有表现出明显的随机性或不确定性，即被试者对湿地属性的偏好在不同的选择情景中也具有较强的稳定性。
考慮随机参数协方差矩阵的估计结果。首先，4个湿地属性的方差系数（对角线元素）在两个实验组和两种模型中都统计显著，说明被试者对湿地属性的偏好具有明显的异质性特征，因此，设定随机参数模型较固定参数模型更为适宜。根据湿地属性的均值系数和方差系数可以描绘居民对湿地属性的偏好分布，例如，在第一组样本中，居民对湿地面积的偏好服从于均值为0.177和方差为0.010的正态分布，计算可知，湿地面积对95.91%的居民具有正向的边际效用。其次，多组湿地属性（例如，湿地面积与湿地水质）之间的协方差系数表现为正向的统计显著，即居民对不同湿地属性的偏好之间具有显著的正相关性。这一结果说明湿地属性之间具有一定的互补关系，因此，湿地属性的整体改善有助于在更大程度上提高社会福利，而仅修复某个特定的湿地属性并不能充分发挥湿地的价值。
ASC的均值系数在两个实验组中都不显著，但两组样本中的ASC方差系数分别在1%和10%的统计水平上显著。这一结果首先说明被试者在选择情景中的决策并没有呈现出明显的“安于现状”的禀赋效应，即被试者没有夸大对“维持现状”选项的偏好。其次，这一结果也反映出北京市居民对城市湿地其他属性综合现状的态度并不一致。以RPL模型的估计结果为例，在两组样本中，其他湿地属性具有正向边际效用的样本比例分别为47.42%和51.14%，并没有明显的低于或高于具有负向边际效用的样本比例。
进一步估算被试者个体层面上的偏好参数，并计算湿地属性对每个被试者的边际价值，统计结果如表4所示。考虑到RPL模型与GMNL模型的估计结果基本一致，表4仅汇报了根据RPL模型的估算结果。表4的估算结果可以被描述为：城市湿地的面积每增加1 000 hm2、湿地Ⅱ类与Ⅲ类水质的占比每增加1%、湿地动植物种类每增加10种、湿地植被覆盖率每增加1%，北京市居民平均边际支付意愿分别为每年23.254元、17.266元、5.559元和9.041元，平均边际劳动意愿分别为每年0.211 d、0.138 d、0.042 d和0.093 d。
根据两种不同程度的湿地修复目标进行一个简单的效益转移分析。考虑一个低水平的“修复目标A”：计划在现状基础上进一步使北京市城市湿地面积增加5 000 hm2，Ⅱ、Ⅲ类水质的占比提高10%，动植物种类一共增加200种，湿地植被覆盖率提高10%。那么，北京市居民平均每年愿意支付490.52元，或愿意参加义务劳动4.21 d。考虑一个高水平的“修复目标B”：使北京市城市湿地面积增加10 000 hm2，Ⅱ、Ⅲ类水质的占比提高20%，动植物种类一共增加400种，湿地植被覆盖率提高20%。那么，北京市居民平均每年愿意支付981.04元，或参加义务劳动8.41 d。无论是“修复目标A”还是“修复目标B”，该研究测算的北京市居民的平均支付意愿都显著高于李京梅等[13]、苏红岩与李京梅[14]估算的山东胶州湾湿地和广西红树林湿地的价值。这一结论与Chaikumbung等[15]的统计结果相一致，说明收入更高的城市地区评估的湿地价值也更高。北京市统计局发布的数据显示，2016年北京市常住人口为2 172.9万人，地区生产总值（GDP）为24 899.3亿元。据此计算，实现“修复目标A”和“修复目标B”的货币总价值分别为106.59亿元和213.17亿元，分别占2016年北京市GDP的0.428%和0.856%。
4.2两种支付工具估算边际价值的比较
按照日均工资率（见表2）进行折算，表4中报告的第二组样本的平均边际劳动意愿对应的货币价值分别为48.476元、31.836元、9.689元和21.454元，明显高于第一组样本采用缴税支付工具得到的平均边际支付意愿。
或者说，将第一组的平均边际支付意愿除以第二组的平均边际劳动意愿得到义务劳动的“影子工资率”分别为每天110.209元、125.116元、132.357元和97.215元，约为实际工资率（230元）的一半。根据平均工资率计算得到第二组样本中每个被试者边际劳动意愿的货币价值，并将其与第一组样本中的边际支付意愿进行组间均值检验，结果显示，4个湿地属性中，劳动意愿的货币价值都在1%的统计水平上显著地大于支付意愿。据此，假说1得到证实。
进而使用混合样本的数据对4个湿地属性的边际价值分别执行（13）式的回归，结果如表5所示。由表5可知，从整体上看，支付工具虚拟变量和被试者个人特征对湿地的评估价值具有较强的解释力度，说明被试者对湿地属性的异质性偏好在一定程度上可以由个人特征因素进行解释。容易发现，在gender和rate的定义域内，Wk/labor>0恒成立，也就是说，第二组样本通过劳动意愿乘以实际工资率测算的湿地价值显著地高于第一组样本直接通过支付意愿测度的湿地价值，与组间均值检验的结果一致，再次证实了假说1。而且，交叉项gender·labor的系数估计值显著地大于零，说明在男性样本中，两种支付工具评估的湿地价值差异更大，据此，假说2得到证实。交叉项rate·labor的系数估计值也显著地大于零，说明工资性收入的占比越高，两种支付工具评估的湿地价值差异就越大，据此，假说3也得到证实。除此以外，与经验研究的结论一致，该研究验证出收入水平和受教育水平对部分湿地属性的边际价值具有显著的正向影响，也就是说，城市湿地对高收入和受教育水平高的人群具有更高的价值。另外，park变量系数的估计值也显著为正，说明游览湿地公园的经历也可以提高居民对湿地价值的认知。
根据以上分析结果，该研究证实了湿地价值评估中存在支付工具效应：采用缴税支付工具评估的湿地价值低于劳动支付工具评估的湿地价值。在环境价值评估领域，许多研究都得到了与该研究相似的研究结论。例如，Eom与Larson[23]以韩国河流水质的价值评估为例，研究发现劳动时间的“影子工资率”仅有劳动市场上实际工资率的20%～30%；CasiwanLaunio 等[20]以菲律賓渔业保护区作为评估对象，发现当地村民更愿意支付劳动而非支付货币，劳动时间的“影子工资率”近似为实际工资率的1/3。该研究的估算结果显示，劳动时间的“影子工资率”约为
实际工资率的50%。这一结论说明即使是在发达地区，采用货币类支付工具评估的环境价值仍有可能异于劳动支付工具的评估结果。但是，与劳动市场不健全的欠发达地区有所不同，这一差异并不是因为居民对货币的偏好大于对劳动的偏好，而是因为居民可以自主地从具有不同边际价值的时间中分配用于义务劳动的时间。基于（9）式可以做两个简单的推测，首先，义务劳动时间来自于工作时间的比例最高不超过50%，即居民会更大程度上从低价值的家庭劳动时间中分配义务劳动时间；其次，家庭劳动时间的平均边际价值也不超过实际工资率的50%。
5结论与启示
该研究首先在时间分配理论的基础上分析了采用缴税和义务劳动两种支付工具进行湿地价值评估的差异及其原因，然后同时采用两种支付工具设计选择实验，在调查数据的基础上基于随机参数Logit模型和广义多元Logit模型估算了北京市城市湿地4个不同属性的边际价值，最后对两种支付工具评估价值的差异进行了验证。该研究得到了以下主要结论：
第一，北京市城市湿地的面积每增加1 000 hm2、湿地Ⅱ类与Ⅲ类水质的占比每增加1%、湿地动植物种类每增加10种、湿地植被覆盖率每增加1%，北京市居民平均边际支付意愿分别为每年23.254元、17.266元、5.559元和9.041元，平均边际劳动意愿分别为每年0.211 d、0.138 d、0.042 d和0.093 d。如果湿地修复的目标要求在北京市湿地现状的基础上使动植物种类增加200种，其他三个湿地属性的水平都上升10%，那么，北京市居民对湿地修复的平均支付意愿为每年490.52元，修复的湿地总价值为106.59亿元，占北京市2016年GDP的0.428%。
第二，北京市居民对4个湿地属性的偏好具有明显的异质性特征，分别有95.91%、99.55%、94.05%、83.82%的居民对城市湿地面积、Ⅱ类与Ⅲ类水质的占比、动植物种类的数量以及植被覆盖率具有正向的支付意愿，个人特征可以在一定程度上解释居民的异质性偏好，其中，受教育水平更高、收入水平更高和对湿地公园有过游览经历的居民具有更高的支付意愿。此外，北京市居民对不同湿地属性的偏好具有显著的正相关性，即不同的湿地属性之间存在互补关系。
第三，湿地价值评估中存在显著的支付工具效应，采用缴税支付工具估算的边际支付意愿约为采用劳动支付工具估算的边际劳动意愿与实际工资率乘积的50%。出现这一差异的原因是居民可以自主地从工作时间和家庭劳动时间中分配用于义务劳动的时间，而家庭劳动时间的边际价值低于工作时间。由于家庭分工存在差异，所以，在男性样本中，两种支付工具评估的湿地价值差异更大。而且，工资性收入占总收入的比例越高，两种支付工具评估的湿地价值差异也越大。
该研究的分析结论首先说明基于良好设计规范的选择实验可以有效地评估包括湿地在内的环境公共物品的价值，尤其是，不同环境属性的相对价值可以通过选择实验得到量化的、稳健的体现，从而可以为环境政策的制定提供必要的决策参考。其次，在城市湿地管理的过程中，政府应当重视对不同湿地属性进行协同的修复和保护，使城市湿地的多元功能得以实现，从而在更大程度上发挥城市湿地的价值，提高城市居民的社会福利。
此外，缴税和义务劳动在价值评估中存在的差异意味着陈述偏好方法的研究者需要重新思考支付工具效应产生的原因，并在实验设计时审慎地选择适宜的支付工具。与此同时，支付工具效应也为政府提供环境公共物品的募资途径提供了一种新的思路，在合理的制度设计下，引导城市居民为提供环境公共物品而贡献义务劳动可能比单纯地通过税收来提供环境公共物品更為有效。一个合理的推论是，如果居民拥有对支付工具的选择权利，尤其是，如果居民可以参与式地贡献义务劳动，那么，政府提供环境公共品的货币成本就会有所下降，从而可以从整体上提高社会福利。当然，后续研究有必要进一步验证支付工具效应在其他环境公共品的价值评估中是否同样存在，并探讨上述制度设计在操作层面上的可行性。
（编辑：李琪）
参考文献（References）
[1]
王建华， 吕宪国. 城市湿地概念和功能及中国城市湿地保护[J]. 生态学杂志， 2007（4）：555-560. [WANG Jianhua， LV Xianguo. Urban wetland： its concept， ecological services and protection[J]. Chinese journal of ecology， 2007（4）：555-560.]
[2]顾丽， 王新杰， 龚直文， 等. 基于RS与GIS的北京近30年湿地景观格局变化分析[J]. 北京林业大学学报， 2010（4）：65-71. [GU Li， WANG Xinjie， GONG Zhiwen， et al. Changes of landscape patterns in Beijing wetlands over the past three decades based on RS and GIS technologies[J]. Journal of Beijing Forestry University， 2010（4）：65-71.]
[3]BARBIER E B， ACREMAN M， KNOWLER D. Economic valuation of wetlands： a guide for policy makers and planners[M]. Gland， Switzerland： Ramsar Convention Bureau， 1997.
[4]蒋卫国， 李雪， 蒋韬， 等. 基于模型集成的北京湿地价值评价系统设计与实现[J]. 地理研究， 2012（2）：377-387. [JIANG Weiguo， LI Xue， JIANG Tao， et al. The design and implementation of wetland evaluation system of Beijing based on models[J]. Geographical research， 2012（2）：377-387.]
[5]LOUVIERE J J， HENSHER D A， SWAIT J D. Stated choice methods： analysis and applications[M]. New York： Cambridge University Press， 2000.
[6]全世文. 选择实验方法研究进展[J]. 经济学动态， 2016（1）： 127-141. [QUAN Shiwen. Research advances on choice experiment[J]. Economic perspectives， 2016（1）： 127-141.]
[7]NDEBELE T， FORGIE V. Estimating the economic benefits of a wetland restoration programme in New Zealand： a contingent valuation approach[J]. Economic analysis and policy， 2017，55：75-89.
[8]敖长林， 董育宁， 焦扬， 等. 基于双栏模型的三江平原湿地生态保护价值评估[J]. 资源科学， 2016（5）：929-938. [AO Changlin， DONG Yuning， JIAO Yang， et al. Ecological value evaluation of the Sanjiang Plain Wetland based on the DoubleHurdle Model[J]. Resources science， 2016（5）：929-938.]
[9]LOOMIS J B. Strategies for overcoming hypothetical bias in stated preference surveys[J]. Journal of agricultural and resource economics， 2014，39（1）：34-46.
[10]SUZIANA H. Environmental attitudes and preference for wetland conservation in Malaysia[J]. Journal for nature conservation， 2017，37：133-145.
[11]NEWELL L W， SWALLOW S K. Realpayment choice experiments： valuing forested wetlands and spatial attributes within a landscape context[J]. Ecological economics， 2013，92：37-47.
[12]CARLSSON F， FRYKBLOM P， LILJENSTOLPE C. Valuing wetland attributes： an application of choice experiments[J]. Ecological economics， 2003，47（1）：95-103.
[13]李京梅， 陳琦， 姚海燕. 基于选择实验法的胶州湾湿地围垦生态效益损失评估[J]. 资源科学， 2015（1）：68-75. [LI Jingmei， CHEN Qi， YAO Haiyan. Valuing the loss of ecological benefits from wetland reclamation in Jiaozhou Bay based on choice experiments[J]. Resources science， 2015（1）：68-75.]
[14]苏红岩， 李京梅. 基于改进选择实验法的广西红树林湿地修复意愿评估[J]. 资源科学， 2016（9）：1810-1819. [SU Hongyan， LI Jingmei. Valuing the willingness to restore mangrove wetlands in Guangxi based on improved choice experiments[J]. Resources science， 2016（9）：1810-1819.]
[15]CHAIKUMBUNG M， DOUCOULIAGOS H， SCARBOROUGH H. The economic value of wetlands in developing countries： a metaregression analysis[J]. Ecological economics， 2016，124：164-174.
[16]VONDOLIA G K， EGGERT H， NAVRUD S， et al. What do respondents bring to contingent valuation？ a comparison of monetary and labor payment vehicles [J]. Journal of environmental economics and policy， 2014，3（3）：253-267.
[17]AKCURA E. Mandatory versus voluntary payment for green electricity[J]. Ecological economics， 2015，116：84-94.
[18]DO T N， BENNETT J. Estimating wetland biodiversity values： a choice modelling application in Vietnams Mekong River Delta[J]. Environment and development economics， 2009，14（2）：163-186.
[19]BATEMAN I J， CARSON R T， DAY B， et al. Economic valuation with stated preference techniques： a manual [R]. Cheltenham： Edward Elgar，2002.
[20]CASIWANLAUNIO C， SHINBO T， MOROOKA Y. Island villagers willingness to work or pay for sustainability of a marine fishery reserve： case of San Miguel Island， Philippines[J]. Coastal management， 2011，39（5）：459-477.
[21]HUNG L T， LOOMIS J B， THINH V T. Comparing money and labour payment in contingent valuation： the case of forest fire prevention in Vietnamese context[J]. Journal of international development， 2007，19（2）：173-185.
[22]HARDNER J J. Measuring the value of potable water in partially monetized rural economies[J]. Journal of the American Water Resources Association， 1996，32（6）：1361-1366.
[23]EOM Y， LARSON D M. Valuing housework time from willingness to spend time and money for environmental quality improvements[J]. Review of economics of the household， 2006，4（3）：205-227.
[24]刘红玉， 李兆富， 李玉凤， 等. 基于生态约束与支撑作用的国家湿地公园生态可持续评估指标研究[J]. 资源科学， 2015（4）：805-814. [LIU Hongyu， LI Zhaofu， LI Yufeng， et al. Evaluation of sustainable capacity of national wetland park ecological analysis based on constraint and support function[J]. Resources science， 2015（4）：805-814.]
[25]崔丽娟， 张曼胤， 李伟， 等. 国家湿地公园管理评估研究[J]. 北京林业大学学报， 2009（5）：102-107. [CUI Lijuan， ZHANG Manyin， LI Wei， et al. Management and assessment of national wetland parks[J]. Journal of Beijing Forestry University， 2009（5）：102-107.]
[26]張峥， 朱琳， 张建文， 等. 我国湿地生态质量评价方法的研究[J]. 中国环境科学， 2000（S1）：55-58. [ZHANG Zheng， ZHU Lin， ZHANG Jianwen， et al. Study on ecological quality evaluation method for wetland in China[J]. China environmental science， 2000（S1）：55-58.]
[27]全世文， 黄波. 环境政策效益评估中的嵌入效应——以北京市雾霾和沙尘治理政策为例[J]. 中国工业经济， 2016（8）：23-39. [QUAN Shiwen， HUANG Bo. Embedding effects in evaluation of multiple environmental policies： evidences from Beijings haze and sand control policies[J]. China industrial economics， 2016（8）：23-39.]
[28]全世文. 基于选择实验方法的北京市空气质量价值评估[J]. 中国人口·资源与环境， 2017，27（9）：46-55. [QUAN Shiwen.Using choice experiment to evaluate air quality in Beijing[J]. China population， resources and environment， 2017，27（9）：46-55.]
[29]WINDLE J. Comparing responses from internet and paperbased collection methods in more complex stated preference environmental valuation surveys[J]. Economic analysis and policy， 2011，41（1）：83-97.
[30]FIEBIG D G， KEANE M P， LOUVIERE J， et al. The generalized multinomial Logit Model： accounting for scale and coefficient heterogeneity[J]. Marketing science， 2010，29（3）：393-421.
[31]TRAIN K E. Discrete choice methods with simulation[M]. Cambridge，UK： Cambridge University Press， 2003.
摘要
环境价值评估中广泛存在支付工具效应，经济学家发现，当采用“缴税”和“劳动”支付工具分别开展环境价值评估时，得到的评估结果往往存在显著差异，但现有研究仍未对支付工具效应形成的原因进行解释。该研究同时采用“缴税”和“劳动”两种支付工具设计选择实验，对北京市城市湿地价值进行评估，并检验两种支付工具的评估结果是否存在差异。该研究首先基于时间分配理论比较了“缴税”和“劳动”支付工具在评估环境价值时存在的理论差异，并据此提出了研究假说。随后，课题组分别基于两种支付工具设计了两组选择实验，在2017年5月对北京市居民开展了网络调查，调查对象被随机分配到两组实验样本中。基于调查数据，该研究采用随机参数Logit模型和广义多元Logit模型分析了北京市居民对湿地属性的偏好，并据此估算了湿地属性的边际价值。结果显示，北京市湿地面积每增加1 000 hm2、湿地Ⅱ类与Ⅲ类水质的占比每增加1%、湿地动植物种类每增加10种、湿地植被覆盖率每增加1%，基于“缴税”支付工具估算的边际支付意愿分别为每年23.254元、17.266元、5.559元和9.041元，基于“劳动”支付工具估算的边际劳动意愿分别为每年0.211 d、0.138 d、0.042 d和0.093 d。采用缴税支付工具估算的边际支付意愿约为采用劳动支付工具估算的边际劳动意愿与实际工资率乘积的50%，即支付工具效应得到证实。男性样本中的支付工具效应强于女性样本。而且，工资性收入在总收入中的占比越高，支付工具效应越强。该研究的分析结论可以为城市湿地的修复与保护提供必要的决策参考。后续的研究者和政策制定者可以考虑利用支付工具效应设计环境政策，从而进一步提高社会福利。
关键词城市湿地；选择实验；价值评估；支付工具
中图分类号F062.2
文献标识码A文章编号1002-2104（2018）07-0054-11DOI：10.12062/cpre.20180305
湿地被称为“地球之肾”，对人类具有重要意义。作为生产力最强的生态系统之一，湿地发挥着一系列重要的生态功能，而且，湿地还可以向人类提供生产、生活所需的资源和休闲娱乐场所，从而直接产生经济价值。与乡村或荒野湿地相比，城市湿地的物质生产功能有所弱化，但是在环境调节和自然灾害防控方面的意义更加突出，而且，城市湿地在提供休闲娱乐和环境教育方面更具优势[1]。然而，伴随着快速的城镇化，城市人口急剧扩张，城市湿地受到的破坏和损失也最为严重。例如，顾丽等[2]通过对原始遥感影像的对比分析发现，1978—2005年将近30年间，北京市自然湿地和人工湿地都呈现显著的退化趋势，湿地总面积下降了54.13%。近年来，随着社会对湿地重要性的认识不断加强，北京市连续出台了多项涉及湿地保护的法规，并在发展规划中明确了对北京市各湿地公园的修复工程目标。该研究拟估算城市湿地对北京市居民的边际价值，从而为国内的湿地价值评估增加新的经验证据。
1文献综述
从理论上讲，科学地评估湿地的价值是开展湿地保护、管理和修复等一系列工作的前提条件。在经济学对环境价值的分类（包括直接使用价值、间接使用价值、选择价值和存在价值）中，湿地价值在每个分类中都有丰富的体现[3]。现有研究在湿地价值分类的基础上，尝试通过构建价值评估体系来量化地核算湿地的货币价值量[4]。因为湿地许多功能的载体都属于无市场的公共物品，甚至也不存在有效的替代市场，所以其价值无法直接通过市场数据进行核算，经济学家只能采用陈述偏好方法通过假想市场数据来评估其价值。由于数据的假想特征，所以，陈述偏好方法在应用研究中的核心问题是如何保证评估结果的外部效度[5- 6]。
传统的条件价值评估方法被广泛用于评价包括湿地在内的环境公共物品的价值[7-8]，但是，条件价值评估方法被广泛认为存在严重的假想偏差，多数情况下，调查对象倾向于高估其支付意愿[9]。相比之下，选择实验方法令调查对象在不同选项之间进行权衡的间接评估模式被研究者认为比条件价值评估方法令调查对象在选项和货币之间进行权衡的直接评估模式具有更高的外部效度[6]。而且，选择实验具有高信息负荷的优势，这意味着研究者可以从属性层面上获取更多调查对象关于评估主体的偏好信息[6]。从2000年以来，国际上已经陆续有一系列研究采用选择实验方法开展湿地价值评估[10-12]。目前，在湿地价值评估领域，国内仅有李京梅等[13]、苏红岩与李京梅[14]采用選择实验方法分别估算了居民对山东胶州湾湿地和广西红树林湿地主要属性的边际支付意愿。
该研究拟采用选择实验方法估算城市湿地对北京市居民的边际价值。该研究的主要贡献在于以下两点：第一，关注城市湿地的价值评估。如上文所述，城市湿地与人类活动的联系更加紧密，受到人类经济活动的影响、遭到破坏的程度也更大。但是，现有研究在开展湿地价值评估时对城市湿地的关注却相对较少。例如，Chaikumbung等[15]统计了2010—2014年的379篇涉及50个国家的湿地价值评估文献，其中，仅有22篇关注城市湿地，但城市湿地的评估价值却显著高于其他湿地，这一结果在不同的模型设定和子样本中都具有稳健性。鉴于湿地修复和保护越来越受到北京市政府的重视和普通市民的关注，该研究拟通过估算城市湿地价值，为政府决策提供必要的参考。
第二，采用缴税和劳动两种支付工具进行对比分析。选择合适的“支付工具”（Payment Vehicle）是陈述偏好方法的应用研究者在实验设计时面临的关键问题之一，因为支付工具直接充当着价值评估的一般等价物。现有研究已经广泛证实陈述偏好方法存在支付工具效应，即采用不同的支付工具得到的价值评估结果可能存在显著差异[16-17]。经验研究认为良好的支付工具应该具有高覆盖性、高接受度、强制性和现实可行性[18-19]。经济学家长期关注两种支付工具：缴税和劳动，两者的背后分别对应于货币和时间两种稀缺资源。早期一些研究建议在欠发达地区选择劳动作为支付工具。这是因为欠发达地区的市场不健全导致金钱不能有效测度环境价值，而且调查对象对环境税的接受度也比较低，因此，选择金钱类的支付工具很可能会低估环境价值[20-22]。该研究采用两种支付工具同时开展湿地价值评估有两个目的：一是通过对比分析来检验价值评估结果的效度，二是判断在收入相对较高的地区，支付工具选择是否仍然是选择实验设计时应予重视的一个关切点。
2理论与假说
2.1理论框架
Eom与Larson[23]基于时间分配理论提供了一个在条件价值评估方法中比较货币和时间两种性质的支付工具评估环境公共物品价值的理论框架。该研究将这一框架进行简单的拓展，并应用于选择实验方法。考虑在选择实验设计的情景中，作为被试者的普通居民需要在一系列“湿地修复效果”中做出选择。每个选项的湿地修复效果均由多个相同的湿地属性进行定义。被试者的优化问题可以描述为：
maxC，L，H，qU（C，L，H，q（A））
s.t.i.y+wh=pCC+pLL+pHH+gq（A）
ii.T=h+C+L+H+tq（A）
iii.H≥H>0
iv.qiqj=0，i≠j
v.C≥0，qj={0，1}，j（1）
在（1）式中，U表示C、L、H的拟凹效用函数，C、L、H分别表示消费、闲暇和家庭劳动（家庭劳动包括备餐、家庭清洁、洗衣、庭院劳动、婴幼儿陪护等活动），其对应的价格均为正，分别为pC、pL和pH；h表示工作时间（劳动供给），对应的工资率为w，y表示非工资性收入。q表示一个由J维向量定义的用来描述湿地修复效果的一系列“复合产品”，A是定义q的K维湿地属性向量，g和t分别表示实验设计为q提供的两种支付工具：缴税和劳动。约束条件1和条件2分别表示预算约束和时间约束，条件3表示家庭劳动时间约束，其中，H表示维持家庭运转所需的最低劳动时间，条件4表示不同的湿地修复效果之间具有互斥性，即同一时间点只能选择一种修复效果，且条件5限定了湿地复合产品的数量固定为1。
令Uj=Uj（C，L，H，qj（Aj））表示被试者在q中选择了qj的条件效用函数。设货币、工作时间和家庭劳动时间的边际效用分别为λ、μ和π，其中，λ>0表示货币的边际效用为正，μ>π>0表示时间的边际效用也为正，且家庭劳动时间的边际效用低于其他时间的边际效用，因此，被试者最优的角点解是选择最低家庭劳动时间H。由h的一阶条件可以求得w=μ/λ，即工作时间边际效用与货币边际效的比值（即工作时间的“影子价格”）为工资率。根据Eom与Larson[23]可以得到条件间接效用函数：
Vj（PF，MFj，Aj）≡Uj（C，L，H，qj（Aj））
MFj=y+wT-ψH-E（w，ψ，tj）-gj
E（w，ψ，tj）=Iwtj+（1-I）ψtj
（2）
在（2）式中，PF表示C、L、H的“全价格”（full price）向量。MFj表示被试者在对最低家庭劳动时间进行分配和对环境产品qj进行支付以后的“全收入”（full income），其中，ψ=π/λ，表示家庭劳动时间的“影子价格”，gj表示对qj的货币支付（缴税），tj表示对qj的时间支付（劳动）。E（·）表示劳动支付的货币价值，假设tj来自于两种性质的时间分配：工作时间和家庭劳动时间，其比例分别为I和1-I，0≤I≤1，I=0表示tj的性质完全等同于家庭劳动，I=1表示tj的性质完全等同于工作时间。于是，（1）式描述的效用最大化过程可以通过间接效用函数进行表达：
V（PF，MF，A）=max[V1（PF，MF1，A1），…，VJ（PF，MF1，A1）]
（3）
（3）式表示被试者会在J维湿地修复效果向量q中选择能够为其带来最大效用的一个产品选项qj，此时满足以下条件：Vj>Vi，i≠j。假设修复过程使湿地属性发生了一个由A0到A1的变化，考虑采用缴税和劳动两种支付工具来评价福利变化，基于补偿剩余定义的湿地价值可以分别描述为：
V（PF，MF-Wg，A1）≡V（PF，MF，A0）
（4）
V（PF，MF-（IwWt+（1-I）ψWt，A1）≡V（PF，MF，A0）
（5）
在（4）式和（5）式中，Wg和Wt分别是由Wg和Wt定义的J维同元素向量，Wg和Wt即为被试者對湿地属性变化的“支付意愿”和“劳动意愿”。
2.2研究假说
考虑对两种支付工具测度的湿地价值进行比较。假设（3）式中的间接效用对“全收入”有一个线性函数形式，即货币边际效用λ恒为常数，也即不存在收入效应，那么，在（4）式和（5）式中，Wg和Wt均可以从函数max[·]中分离。（4）式和（5）式可以改写为：V（PF，MF，A1）-λWg≡V（PF，MF，A0）（6）
V（PF，MF，A1）-λ（IwWt+（1-I）ψWt）≡V（PF，MF，A0）
（7）
根据（6）式和（7）式可以得到Wg和Wt的关系：
Wg=IwWt+（1-I）ψWt≤wWt（8）
据此可以提出假说1。
假说1：缴税支付工具评估的湿地货币价值低于劳动支付工具评估的湿地时间价值与工资率的乘积。
假说1也可以描述为：在湿地价值评估中，义务劳动的“影子工资率”低于实际工资率。导致这一结论的主要原因在于：被试者会从边际价值相对较低的家庭劳动时间中为湿地公共物品提供所需的义务劳动分配时间。或者说，被试者在时间资源上的自主分配权力可以降低被试者参与义务劳动的机会成本。将（8）式进行一个简单的转换：
WgwWt=I+（1-I）ψw=I+（1-I）πμ（9）
由（9）式可知，两种支付工具测度的湿地货币价值之间的差异取决于两个因素。一是义务劳动时间的来源：来自工作时间的比率越高，评估价值的差异越小，来自家庭劳动时间的比例越高，评估价值的差异越大。二是家庭劳动时间与工作时间的相对影子价格，或相对边际效用：两种时间的效用差异或价值差异越小，评估的货币价值差异越小。
结合中国的现实情况，家庭劳动分工在不同性别中存在显著差异。假设“男主外，女主内”仍然是最主流的一种家庭分工状态，那么，男性用于义务劳动的时间只能更多地从工作时间中进行分配，而女性用于义务劳动的时间则可以更多地从家庭劳动时间中进行分配。而且，假设男性更加“厌恶”家庭劳动，那么，对男性而言，家庭劳动时间与工作时间的边际效用差异就会更大。另外，从一个经验的视角出发，被试者总收入中来自“工资性收入”（这里的“工资性收入”主要是指与工作时间挂钩的劳动收入）的比例越高，认为被试者工作时间和家庭劳动时间的价值差异越大，且被试者更倾向于从家庭劳动时间中分配义务劳动时间。据此，可以分别提出经验假说2和假说3。
假说2：缴税和劳动两种支付工具评估的湿地货币价值之间的差异会受到性别的影响，在男性居民中的差异大于在女性居民中的差异。
假说3：工资性收入在总收入中的占比越高，缴税和劳动两种支付工具评估的湿地货币价值之间的差异也越大。
3实验设计、数据与计量模型
3.1实验设计
该研究采用一个组间对比的选择实验设计方案：第一组使用“缴税”作为支付工具，第二组使用“劳动”作为支付工具。实验设计的主要步骤如下：首先确定矩阵A中包含的湿地属性。该研究同时参考湿地生态系统服务的指标体系研究[24-26]和相关的湿地价值评估研究[13-14]确定了10个备选属性。该研究将这些属性定义为“通用属性”，而非“特定属性”，在此基础上，该研究采用一个泛指的“城市湿地”概念用来反映北京市城市湿地的总体情况，而不具体指代某个特定的湿地。进而，该研究通过一个预调查在10个备选属性中选择了北京市居民关切度靠前的4个湿地属性：湿地面积（size）、湿地水质（water）、生物多样性（spec）、植被覆盖率（vcr），用来构造矩阵A。4个属性的具体指标及其含义如表1所示。
然后确定各属性的水平。根据《北京市湿地公园发展规划》（2011—2020年），北京市2008年的湿地总面积为5.14万hm2，湿地内共有动植物1 410种。根据《2015年北京市环境状况公报》，在北京市河流、湖泊和水库中，Ⅱ、Ⅲ类水质的占比分别为48.0%、32.6%和80.0%。为了简化被试者的认知，该研究设定湿地面积、湿地动植物种类和Ⅱ、Ⅲ类水质占比三个属性的现状基准分别为5万hm2、1 400种和60%。另据报道，北京市2015年底的森林覆盖率和城市绿化覆盖率分别为41.6%和48%，而湿地植被覆盖率通常大幅高于这一水平，参照李京梅等[13]的研究，该研究设定北京市湿地植被覆盖率的现状基准为70%。根据各属性的现状基准设计两种不同程度的修复状态，即每个湿地属性共设计三个水平：维持现状，低水平修复和高水平修复。各属性水平的赋值见表1。此外，该研究根据预调查的结果，确定了以每年400元和2 d分别作为缴税和义务劳动的设计基准。分别在基准水平上提高50%和降低50%，于是，支付工具也具有三个设计水平（见表1）。
最后确定湿地修复状态向量q（即“环境复合产品向量”）并构建“选择集”（后文也称“选择情景”）。该研究采用正交设计方案，根据以上湿地属性及支付工具的设计水平可知，两个实验组都对应于一个5因素3水平的正交设计方案。该研究根据正交表定义了18种湿地修复状态，这一过程满足100%的D效率。随后，删除这18种状态中的“不修复”（即维持现状）和“最强修复”（即所有属性都为高水平修复）2种状态，将剩余的16种状态根据效用平衡原则配对为8个选择集，每个选择集包含的2种状态，分别命名为“修复效果A”和“修复效果B”。为了保留被试者的选择自由，在每个选择集中添加一个“维持现状”的选项，该选项可以用来反映被试者放弃选择或偏好现状的情形[6]。
考虑到在选择实验的应用研究中，8次选择尚不足以对被试者造成严重的认知负担，所以，该研究没有采用如李京梅等[13]研究中的分块技术，即所有被试者都被要求连续做出8次选择。为了避免系统性的排序效应，每个被试者面临的8个选择集都被随机排序。此外，在被试者正式进入选择情景以前，该研究首先提供了一个“暖身”的选择情景示例，向被试者说明了城市湿地的含义、4个湿地属性的含义以及在选择情景中的决策机制。
3.2调查实施与样本描述
该研究分析所用的数据来源于课题组在2017年5月对北京市居民开展的问卷调查。调查内容包括三个部分：居民社会统计学特征、居民对城市湿地保护的态度与认知、居民在以上8个选择情景中的决策。在居民特征部分，问卷重点询问了居民的个人总收入及其工资性收入。调查问卷分为两类，分别对应于实验设计部分的两个实验组，其中，第一类问卷（即第一实验组）的选择情景采用缴税作为支付工具，第二类问卷（即第二实验组）采用劳动作为支付工具。该研究采用网络调查方法，委托某网络调查公司在其北京市样本库中投放调查问卷，在为期1周的时间内共获取858份有效问卷。两类问卷被随机分配，其中，第一组和第二组分别包括426和432份有效问卷。两组样本的统计结果如表2所示。
由表2的統计结果可知，两组样本在各项统计特征上均不存在显著差异，印证了两类问卷在分配过程中的随机性，为后文的组间对比提供了必要的保障。与北京市居民的实际情况相比，调查样本具有年龄偏低、受教育水平偏高、收入水平偏高的特征，这也是网络调查方法面临的共同问题[27-28]。但是，随着移动互联网技术的快速发展与普及，网络调查方法面临的样本偏差也在快速减小[29]。由于选择实验的信息负荷较高，被试者需要在复杂的选择情景中连续做出多次决策，因此，传统的面对面调查和电话调查都面临着被试者拒答率过高的问题，这一过程也可能伴随样本选择偏差。但是，网络调查方法在一定程度上可以缓解这些问题，因此，近年来有越来越多的选择实验应用研究选择网络调查方法[27-28]。
3.3计量模型
将间接效用Vj（·）对“全收入”和湿地属性都写为一个线性函数形式，那么，在两个实验组中，任意被试者n∈N的条件间接效用函数可以分别写为：
V1nj（·）=α1gj+β1nAj+β1n0ASCj+ε1j
（10）
V2nj（·）=α2tj+β2nAj+β2n0ASCj+ε2j
（11）
在（10）式和（11）式中，Aj=[sizej，waterj，specj，vcrj]，上标1表示第一组，上标2表示第二组，α1和α2分别表示缴税和义务劳动的边际负效用：
α1<0且α2<0；β1n和β2n分别表示四个湿地属性的边际正效用向量，
β1nk>0，β2nk>0，k=1，2，3，4；ASCj表示“选项特定常数”，定义ASCj=1表示“维持现状”选项，定义ASCj=0表示“修复效果A”或“修复效果B”，那么βn0可以用来反映被试者对其他湿地属性综合效果的偏好以及被试者偏好“维持现状”的禀赋效应；引入该变量被认为可以更加准确地描绘被试者的决策过程[6]。于是，根据（10）式，任意湿地属性Ak对被试者n的边际货币价值为：Wgnk=-β1nk/α1，根据（11）式，Ak对被试者n的边际劳动价值为：Wtnk=-β2nk/α2。
因为现有研究已经广泛证实了被试者对选择实验中的产品属性具有异质性偏好[14]，所以，该研究将（10）式和（11）式中的所有β都定义为随机参数。根据Fiebig等[30]定义的广义多元Logit模型（Generalized Multinomial Logit，GMNL），在（10）式和（11）式中对βn进行如下定义：
βn=σnβ+γηn+（1-γ）σnηn
（12）
在（12）式中，ηn用来捕获个体对湿地属性的偏好异质性，σn用来捕获个体在决策过程中的范围异质性，γ用来分配两种异质性的权重并决定两种异质性的关系，0≤γ≤1。当γ=1且∑（ηn）=0时，个体异质性完全反映为范围异质性；当γ=0且σn=1时，个体异质性完全反映为偏好异质性，对应的模型退化为随机参数Logit模型（Random Paramet Logit，RPL）。在RPL模型中，通常假定随机参数服从正态分布，即ηnN（0，∑）。在GMNL模型中，通常进一步假定范围参数服从均值为1的对数正态分布，即σnLN（1，τ2）。据此，该研究同时采用RPL模型和GMNL模型对（10）式和（11）式进行估计，得到参数α的估计量和参数β的均值与协方差的估计量。
然后，该研究采用Train[31]提供的贝叶斯方法在被试者个体层面上估算偏好参数βn，并据此计算湿地属性的边际价值，得到Wgnk与Wtnk的估计量。为了对前文提出的研究假说进行验证，该研究将Wgnk与wWtnk的估计量作为混合样本进一步执行以下OLS回归：
Wnk=a0k+a1klaborn+a2kgendern+a3kgendern·laborn+a4kraten+a5kraten·laborn+bksn+enk（13）
在（13）式中，Wnk表示湿地属性Ak对被试者n的货币价值，当采用缴税支付工具时，Wnk=Wgnk，当采用劳动支付工具时，Wnk=wWtnk；labor表示是否采用劳动支付工具的虚拟变量，sn表示作为控制变量的被试者特征（包括年龄、受教育年限，等等）。因此，假说1可以被转化为，H1∶Wnk/labor=a1k+a3kgender+a5krate>0；在H1被证实的条件下，假说2和假说3则可以分别被转化为，H2∶Wnk/（gender·labor）=a3k>0；H3∶Wnk/（rate·labor）=a5k>0。
4结果与讨论
4.1估算湿地属性的边际价值
分别采用上文定义的随机参数Logit模型和广义多元
Logit模型对两个实验组的调查样本进行估计，结果如表3所示。从整体上看，4个模型都表现出了良好的拟合效果。在两组样本中，均值系数的符号与理论预期相吻合：pv的均值估计系数为负值，说明缴税和义务劳动都会给居民带来负效用；4个湿地属性的均值估计系数都为正值，说明各个湿地属性的改善或修复都可以提高居民的效用，增加居民的福利。
由于4个湿地属性的度量单位不完全一致，所以，均值系数的大小不能用来反映4个湿地属性的相对重要性。但是，对比两组样本的估计结果可知，4个湿地属性的均值系数在两组样本中具有相同的排列顺序，湿地属性之间的协方差系数在两组样本中也基本一致，说明被试者对湿地属性的偏好结构在支付工具的维度上具有较强的稳定性，并不会随着支付工具的变化而发生变化。在RPL模
型和GMNL模型之间进行比较可以进一步发现，两种模型的估计结果高度相似；因为反映范围异质性的参数τ并不显著，所以，GMNL模型并不比RPL模型更优。这一结果说明在缴税和劳动两种支付工具构造的选择情景中，被试者的决策过程都没有表现出明显的随机性或不确定性，即被试者对湿地属性的偏好在不同的选择情景中也具有较强的稳定性。
考慮随机参数协方差矩阵的估计结果。首先，4个湿地属性的方差系数（对角线元素）在两个实验组和两种模型中都统计显著，说明被试者对湿地属性的偏好具有明显的异质性特征，因此，设定随机参数模型较固定参数模型更为适宜。根据湿地属性的均值系数和方差系数可以描绘居民对湿地属性的偏好分布，例如，在第一组样本中，居民对湿地面积的偏好服从于均值为0.177和方差为0.010的正态分布，计算可知，湿地面积对95.91%的居民具有正向的边际效用。其次，多组湿地属性（例如，湿地面积与湿地水质）之间的协方差系数表现为正向的统计显著，即居民对不同湿地属性的偏好之间具有显著的正相关性。这一结果说明湿地属性之间具有一定的互补关系，因此，湿地属性的整体改善有助于在更大程度上提高社会福利，而仅修复某个特定的湿地属性并不能充分发挥湿地的价值。
ASC的均值系数在两个实验组中都不显著，但两组样本中的ASC方差系数分别在1%和10%的统计水平上显著。这一结果首先说明被试者在选择情景中的决策并没有呈现出明显的“安于现状”的禀赋效应，即被试者没有夸大对“维持现状”选项的偏好。其次，这一结果也反映出北京市居民对城市湿地其他属性综合现状的态度并不一致。以RPL模型的估计结果为例，在两组样本中，其他湿地属性具有正向边际效用的样本比例分别为47.42%和51.14%，并没有明显的低于或高于具有负向边际效用的样本比例。
进一步估算被试者个体层面上的偏好参数，并计算湿地属性对每个被试者的边际价值，统计结果如表4所示。考虑到RPL模型与GMNL模型的估计结果基本一致，表4仅汇报了根据RPL模型的估算结果。表4的估算结果可以被描述为：城市湿地的面积每增加1 000 hm2、湿地Ⅱ类与Ⅲ类水质的占比每增加1%、湿地动植物种类每增加10种、湿地植被覆盖率每增加1%，北京市居民平均边际支付意愿分别为每年23.254元、17.266元、5.559元和9.041元，平均边际劳动意愿分别为每年0.211 d、0.138 d、0.042 d和0.093 d。
根据两种不同程度的湿地修复目标进行一个简单的效益转移分析。考虑一个低水平的“修复目标A”：计划在现状基础上进一步使北京市城市湿地面积增加5 000 hm2，Ⅱ、Ⅲ类水质的占比提高10%，动植物种类一共增加200种，湿地植被覆盖率提高10%。那么，北京市居民平均每年愿意支付490.52元，或愿意参加义务劳动4.21 d。考虑一个高水平的“修复目标B”：使北京市城市湿地面积增加10 000 hm2，Ⅱ、Ⅲ类水质的占比提高20%，动植物种类一共增加400种，湿地植被覆盖率提高20%。那么，北京市居民平均每年愿意支付981.04元，或参加义务劳动8.41 d。无论是“修复目标A”还是“修复目标B”，该研究测算的北京市居民的平均支付意愿都显著高于李京梅等[13]、苏红岩与李京梅[14]估算的山东胶州湾湿地和广西红树林湿地的价值。这一结论与Chaikumbung等[15]的统计结果相一致，说明收入更高的城市地区评估的湿地价值也更高。北京市统计局发布的数据显示，2016年北京市常住人口为2 172.9万人，地区生产总值（GDP）为24 899.3亿元。据此计算，实现“修复目标A”和“修复目标B”的货币总价值分别为106.59亿元和213.17亿元，分别占2016年北京市GDP的0.428%和0.856%。
4.2两种支付工具估算边际价值的比较
按照日均工资率（见表2）进行折算，表4中报告的第二组样本的平均边际劳动意愿对应的货币价值分别为48.476元、31.836元、9.689元和21.454元，明显高于第一组样本采用缴税支付工具得到的平均边际支付意愿。
或者说，将第一组的平均边际支付意愿除以第二组的平均边际劳动意愿得到义务劳动的“影子工资率”分别为每天110.209元、125.116元、132.357元和97.215元，约为实际工资率（230元）的一半。根据平均工资率计算得到第二组样本中每个被试者边际劳动意愿的货币价值，并将其与第一组样本中的边际支付意愿进行组间均值检验，结果显示，4个湿地属性中，劳动意愿的货币价值都在1%的统计水平上显著地大于支付意愿。据此，假说1得到证实。
进而使用混合样本的数据对4个湿地属性的边际价值分别执行（13）式的回归，结果如表5所示。由表5可知，从整体上看，支付工具虚拟变量和被试者个人特征对湿地的评估价值具有较强的解释力度，说明被试者对湿地属性的异质性偏好在一定程度上可以由个人特征因素进行解释。容易发现，在gender和rate的定义域内，Wk/labor>0恒成立，也就是说，第二组样本通过劳动意愿乘以实际工资率测算的湿地价值显著地高于第一组样本直接通过支付意愿测度的湿地价值，与组间均值检验的结果一致，再次证实了假说1。而且，交叉项gender·labor的系数估计值显著地大于零，说明在男性样本中，两种支付工具评估的湿地价值差异更大，据此，假说2得到证实。交叉项rate·labor的系数估计值也显著地大于零，说明工资性收入的占比越高，两种支付工具评估的湿地价值差异就越大，据此，假说3也得到证实。除此以外，与经验研究的结论一致，该研究验证出收入水平和受教育水平对部分湿地属性的边际价值具有显著的正向影响，也就是说，城市湿地对高收入和受教育水平高的人群具有更高的价值。另外，park变量系数的估计值也显著为正，说明游览湿地公园的经历也可以提高居民对湿地价值的认知。
根据以上分析结果，该研究证实了湿地价值评估中存在支付工具效应：采用缴税支付工具评估的湿地价值低于劳动支付工具评估的湿地价值。在环境价值评估领域，许多研究都得到了与该研究相似的研究结论。例如，Eom与Larson[23]以韩国河流水质的价值评估为例，研究发现劳动时间的“影子工资率”仅有劳动市场上实际工资率的20%～30%；CasiwanLaunio 等[20]以菲律賓渔业保护区作为评估对象，发现当地村民更愿意支付劳动而非支付货币，劳动时间的“影子工资率”近似为实际工资率的1/3。该研究的估算结果显示，劳动时间的“影子工资率”约为
实际工资率的50%。这一结论说明即使是在发达地区，采用货币类支付工具评估的环境价值仍有可能异于劳动支付工具的评估结果。但是，与劳动市场不健全的欠发达地区有所不同，这一差异并不是因为居民对货币的偏好大于对劳动的偏好，而是因为居民可以自主地从具有不同边际价值的时间中分配用于义务劳动的时间。基于（9）式可以做两个简单的推测，首先，义务劳动时间来自于工作时间的比例最高不超过50%，即居民会更大程度上从低价值的家庭劳动时间中分配义务劳动时间；其次，家庭劳动时间的平均边际价值也不超过实际工资率的50%。
5结论与启示
该研究首先在时间分配理论的基础上分析了采用缴税和义务劳动两种支付工具进行湿地价值评估的差异及其原因，然后同时采用两种支付工具设计选择实验，在调查数据的基础上基于随机参数Logit模型和广义多元Logit模型估算了北京市城市湿地4个不同属性的边际价值，最后对两种支付工具评估价值的差异进行了验证。该研究得到了以下主要结论：
第一，北京市城市湿地的面积每增加1 000 hm2、湿地Ⅱ类与Ⅲ类水质的占比每增加1%、湿地动植物种类每增加10种、湿地植被覆盖率每增加1%，北京市居民平均边际支付意愿分别为每年23.254元、17.266元、5.559元和9.041元，平均边际劳动意愿分别为每年0.211 d、0.138 d、0.042 d和0.093 d。如果湿地修复的目标要求在北京市湿地现状的基础上使动植物种类增加200种，其他三个湿地属性的水平都上升10%，那么，北京市居民对湿地修复的平均支付意愿为每年490.52元，修复的湿地总价值为106.59亿元，占北京市2016年GDP的0.428%。
第二，北京市居民对4个湿地属性的偏好具有明显的异质性特征，分别有95.91%、99.55%、94.05%、83.82%的居民对城市湿地面积、Ⅱ类与Ⅲ类水质的占比、动植物种类的数量以及植被覆盖率具有正向的支付意愿，个人特征可以在一定程度上解释居民的异质性偏好，其中，受教育水平更高、收入水平更高和对湿地公园有过游览经历的居民具有更高的支付意愿。此外，北京市居民对不同湿地属性的偏好具有显著的正相关性，即不同的湿地属性之间存在互补关系。
第三，湿地价值评估中存在显著的支付工具效应，采用缴税支付工具估算的边际支付意愿约为采用劳动支付工具估算的边际劳动意愿与实际工资率乘积的50%。出现这一差异的原因是居民可以自主地从工作时间和家庭劳动时间中分配用于义务劳动的时间，而家庭劳动时间的边际价值低于工作时间。由于家庭分工存在差异，所以，在男性样本中，两种支付工具评估的湿地价值差异更大。而且，工资性收入占总收入的比例越高，两种支付工具评估的湿地价值差异也越大。
该研究的分析结论首先说明基于良好设计规范的选择实验可以有效地评估包括湿地在内的环境公共物品的价值，尤其是，不同环境属性的相对价值可以通过选择实验得到量化的、稳健的体现，从而可以为环境政策的制定提供必要的决策参考。其次，在城市湿地管理的过程中，政府应当重视对不同湿地属性进行协同的修复和保护，使城市湿地的多元功能得以实现，从而在更大程度上发挥城市湿地的价值，提高城市居民的社会福利。
此外，缴税和义务劳动在价值评估中存在的差异意味着陈述偏好方法的研究者需要重新思考支付工具效应产生的原因，并在实验设计时审慎地选择适宜的支付工具。与此同时，支付工具效应也为政府提供环境公共物品的募资途径提供了一种新的思路，在合理的制度设计下，引导城市居民为提供环境公共物品而贡献义务劳动可能比单纯地通过税收来提供环境公共物品更為有效。一个合理的推论是，如果居民拥有对支付工具的选择权利，尤其是，如果居民可以参与式地贡献义务劳动，那么，政府提供环境公共品的货币成本就会有所下降，从而可以从整体上提高社会福利。当然，后续研究有必要进一步验证支付工具效应在其他环境公共品的价值评估中是否同样存在，并探讨上述制度设计在操作层面上的可行性。
（编辑：李琪）
参考文献（References）
[1]
王建华， 吕宪国. 城市湿地概念和功能及中国城市湿地保护[J]. 生态学杂志， 2007（4）：555-560. [WANG Jianhua， LV Xianguo. Urban wetland： its concept， ecological services and protection[J]. Chinese journal of ecology， 2007（4）：555-560.]
[2]顾丽， 王新杰， 龚直文， 等. 基于RS与GIS的北京近30年湿地景观格局变化分析[J]. 北京林业大学学报， 2010（4）：65-71. [GU Li， WANG Xinjie， GONG Zhiwen， et al. Changes of landscape patterns in Beijing wetlands over the past three decades based on RS and GIS technologies[J]. Journal of Beijing Forestry University， 2010（4）：65-71.]
[3]BARBIER E B， ACREMAN M， KNOWLER D. Economic valuation of wetlands： a guide for policy makers and planners[M]. Gland， Switzerland： Ramsar Convention Bureau， 1997.
[4]蒋卫国， 李雪， 蒋韬， 等. 基于模型集成的北京湿地价值评价系统设计与实现[J]. 地理研究， 2012（2）：377-387. [JIANG Weiguo， LI Xue， JIANG Tao， et al. The design and implementation of wetland evaluation system of Beijing based on models[J]. Geographical research， 2012（2）：377-387.]
[5]LOUVIERE J J， HENSHER D A， SWAIT J D. Stated choice methods： analysis and applications[M]. New York： Cambridge University Press， 2000.
[6]全世文. 选择实验方法研究进展[J]. 经济学动态， 2016（1）： 127-141. [QUAN Shiwen. Research advances on choice experiment[J]. Economic perspectives， 2016（1）： 127-141.]
[7]NDEBELE T， FORGIE V. Estimating the economic benefits of a wetland restoration programme in New Zealand： a contingent valuation approach[J]. Economic analysis and policy， 2017，55：75-89.
[8]敖长林， 董育宁， 焦扬， 等. 基于双栏模型的三江平原湿地生态保护价值评估[J]. 资源科学， 2016（5）：929-938. [AO Changlin， DONG Yuning， JIAO Yang， et al. Ecological value evaluation of the Sanjiang Plain Wetland based on the DoubleHurdle Model[J]. Resources science， 2016（5）：929-938.]
[9]LOOMIS J B. Strategies for overcoming hypothetical bias in stated preference surveys[J]. Journal of agricultural and resource economics， 2014，39（1）：34-46.
[10]SUZIANA H. Environmental attitudes and preference for wetland conservation in Malaysia[J]. Journal for nature conservation， 2017，37：133-145.
[11]NEWELL L W， SWALLOW S K. Realpayment choice experiments： valuing forested wetlands and spatial attributes within a landscape context[J]. Ecological economics， 2013，92：37-47.
[12]CARLSSON F， FRYKBLOM P， LILJENSTOLPE C. Valuing wetland attributes： an application of choice experiments[J]. Ecological economics， 2003，47（1）：95-103.
[13]李京梅， 陳琦， 姚海燕. 基于选择实验法的胶州湾湿地围垦生态效益损失评估[J]. 资源科学， 2015（1）：68-75. [LI Jingmei， CHEN Qi， YAO Haiyan. Valuing the loss of ecological benefits from wetland reclamation in Jiaozhou Bay based on choice experiments[J]. Resources science， 2015（1）：68-75.]
[14]苏红岩， 李京梅. 基于改进选择实验法的广西红树林湿地修复意愿评估[J]. 资源科学， 2016（9）：1810-1819. [SU Hongyan， LI Jingmei. Valuing the willingness to restore mangrove wetlands in Guangxi based on improved choice experiments[J]. Resources science， 2016（9）：1810-1819.]
[15]CHAIKUMBUNG M， DOUCOULIAGOS H， SCARBOROUGH H. The economic value of wetlands in developing countries： a metaregression analysis[J]. Ecological economics， 2016，124：164-174.
[16]VONDOLIA G K， EGGERT H， NAVRUD S， et al. What do respondents bring to contingent valuation？ a comparison of monetary and labor payment vehicles [J]. Journal of environmental economics and policy， 2014，3（3）：253-267.
[17]AKCURA E. Mandatory versus voluntary payment for green electricity[J]. Ecological economics， 2015，116：84-94.
[18]DO T N， BENNETT J. Estimating wetland biodiversity values： a choice modelling application in Vietnams Mekong River Delta[J]. Environment and development economics， 2009，14（2）：163-186.
[19]BATEMAN I J， CARSON R T， DAY B， et al. Economic valuation with stated preference techniques： a manual [R]. Cheltenham： Edward Elgar，2002.
[20]CASIWANLAUNIO C， SHINBO T， MOROOKA Y. Island villagers willingness to work or pay for sustainability of a marine fishery reserve： case of San Miguel Island， Philippines[J]. Coastal management， 2011，39（5）：459-477.
[21]HUNG L T， LOOMIS J B， THINH V T. Comparing money and labour payment in contingent valuation： the case of forest fire prevention in Vietnamese context[J]. Journal of international development， 2007，19（2）：173-185.
[22]HARDNER J J. Measuring the value of potable water in partially monetized rural economies[J]. Journal of the American Water Resources Association， 1996，32（6）：1361-1366.
[23]EOM Y， LARSON D M. Valuing housework time from willingness to spend time and money for environmental quality improvements[J]. Review of economics of the household， 2006，4（3）：205-227.
[24]刘红玉， 李兆富， 李玉凤， 等. 基于生态约束与支撑作用的国家湿地公园生态可持续评估指标研究[J]. 资源科学， 2015（4）：805-814. [LIU Hongyu， LI Zhaofu， LI Yufeng， et al. Evaluation of sustainable capacity of national wetland park ecological analysis based on constraint and support function[J]. Resources science， 2015（4）：805-814.]
[25]崔丽娟， 张曼胤， 李伟， 等. 国家湿地公园管理评估研究[J]. 北京林业大学学报， 2009（5）：102-107. [CUI Lijuan， ZHANG Manyin， LI Wei， et al. Management and assessment of national wetland parks[J]. Journal of Beijing Forestry University， 2009（5）：102-107.]
[26]張峥， 朱琳， 张建文， 等. 我国湿地生态质量评价方法的研究[J]. 中国环境科学， 2000（S1）：55-58. [ZHANG Zheng， ZHU Lin， ZHANG Jianwen， et al. Study on ecological quality evaluation method for wetland in China[J]. China environmental science， 2000（S1）：55-58.]
[27]全世文， 黄波. 环境政策效益评估中的嵌入效应——以北京市雾霾和沙尘治理政策为例[J]. 中国工业经济， 2016（8）：23-39. [QUAN Shiwen， HUANG Bo. Embedding effects in evaluation of multiple environmental policies： evidences from Beijings haze and sand control policies[J]. China industrial economics， 2016（8）：23-39.]
[28]全世文. 基于选择实验方法的北京市空气质量价值评估[J]. 中国人口·资源与环境， 2017，27（9）：46-55. [QUAN Shiwen.Using choice experiment to evaluate air quality in Beijing[J]. China population， resources and environment， 2017，27（9）：46-55.]
[29]WINDLE J. Comparing responses from internet and paperbased collection methods in more complex stated preference environmental valuation surveys[J]. Economic analysis and policy， 2011，41（1）：83-97.
[30]FIEBIG D G， KEANE M P， LOUVIERE J， et al. The generalized multinomial Logit Model： accounting for scale and coefficient heterogeneity[J]. Marketing science， 2010，29（3）：393-421.
[31]TRAIN K E. Discrete choice methods with simulation[M]. Cambridge，UK： Cambridge University Press， 2003.
