劉貞，朱開(kāi)偉，賁可蒙，呂指臣，蒲剛清

(1．重慶理工大學(xué)低碳能源研究中心，重慶市400054;2．清華大學(xué)能源環(huán)境經(jīng)濟(jì)研究所，北京市100084)

0 引言

近100多年來(lái)，全球平均氣溫經(jīng)歷了冷－暖－冷－暖2次波動(dòng)，總體為上升趨勢(shì)。進(jìn)入80年代后，全球氣溫明顯上升，1980—1981年全球平均氣溫比100年前上升了0.48℃ 。導(dǎo)致全球變暖的主要原因是人類在近1個(gè)世紀(jì)以來(lái)大量使用礦物燃料(如煤、石油等)，排放出大量的CO2等多種溫室氣體。根據(jù)國(guó)際氣候變化委員會(huì)的推斷，如果減少CO2排放的政策不迫切落實(shí)，到2100年地球上的平均氣溫預(yù)計(jì)將增加0.8～3.5℃［1］。此外，化石燃料(主要包括煤、石油、天然氣)將逐漸枯竭，而像印度這樣的發(fā)展中國(guó)家對(duì)能源的需求也在顯著地增加。這種不斷惡化的局勢(shì)，伴隨著世界市場(chǎng)上石油價(jià)格飆升，預(yù)計(jì)將導(dǎo)致國(guó)家之間為了獲得更多能源而進(jìn)行激烈競(jìng)爭(zhēng)。因此，許多國(guó)家為了獲得一個(gè)可持續(xù)的能源供應(yīng)，都在大力發(fā)展可再生能源的有關(guān)法律和激勵(lì)機(jī)制。例如，2007年3月，歐盟領(lǐng)導(dǎo)人在原則上達(dá)成協(xié)議:2020年，歐盟國(guó)家20%的能源都應(yīng)來(lái)自可再生能源，同時(shí)各國(guó)都應(yīng)減少溫室氣體的排放。

目前，關(guān)于可再生能源投資的研究已經(jīng)很多。如曾曉斌(2012)分析了我國(guó)新能源投資的特點(diǎn)、存在的風(fēng)險(xiǎn)和問(wèn)題，提出了相應(yīng)的建議，以提高新能源投資的效益和效率［2］;史運(yùn)杰(2012)從投資方向、投資方式，以及投資主體幾個(gè)方面對(duì)我國(guó)可再生能源投資情況做了具體分析［3］;段宇平等(2015)從風(fēng)險(xiǎn)角度探討了我國(guó)可再生能源的對(duì)外投資機(jī)遇［4］;董娟(2014)分析了可再生能源的投資規(guī)模、投資結(jié)構(gòu)變化趨勢(shì)，并據(jù)此對(duì)未來(lái)可再生能源的投資方向及趨勢(shì)進(jìn)行了分析［5］。然而，迄今為止，很少有研究關(guān)注個(gè)人對(duì)可再生能源投資的支付意愿，同時(shí)，關(guān)于可再生能源投資的分析，沒(méi)有評(píng)估出可再生能源投資的經(jīng)濟(jì)效益。本文采用選擇實(shí)驗(yàn)法，通過(guò)考慮各種屬性來(lái)評(píng)估可再生能源投資的效益。

選擇實(shí)驗(yàn)的應(yīng)用最早由 Louviere-Hensher［6］和Louviere-Woodworth［7］報(bào)道，20 世紀(jì) 90 年代，選擇實(shí)驗(yàn)才逐漸被運(yùn)用到環(huán)境問(wèn)題研究中，后來(lái)陸續(xù)運(yùn)用于評(píng)估農(nóng)業(yè)景觀價(jià)值、公用林地價(jià)值及改善流域水質(zhì)環(huán)境的價(jià)值等，如張小紅(2012)運(yùn)用選擇實(shí)驗(yàn)法對(duì)湘江水污染治理中居民的支付意愿進(jìn)行了實(shí)證分析［8］，但鮮見(jiàn)運(yùn)用于評(píng)估可再生能源投資的價(jià)值。而大部分選擇實(shí)驗(yàn)的研究都采用多項(xiàng)式Logit模型(multinomial logit model)，而本文采用了 MNP(multinomial probit model，MNP)模型。MNL模型允許概率在一個(gè)簡(jiǎn)單的封閉范圍內(nèi)選擇，但Logit模型中的各個(gè)選項(xiàng)相關(guān)性較弱(IIA假設(shè))。為了克服這一問(wèn)題，相關(guān)文獻(xiàn)提出了解決方法，如廣義極端值模型法、異方差極端值模型法和MNP模型法。

本文首次嘗試運(yùn)用行為經(jīng)濟(jì)實(shí)驗(yàn)平臺(tái)(individual，organization and society laboratory，IOSLAB)系統(tǒng)進(jìn)行選擇實(shí)驗(yàn)研究，并采用MNP模型完成關(guān)于可再生能源投資的評(píng)估。MNP模型具有較高靈活性，允許相關(guān)結(jié)構(gòu)在一定的誤差范圍內(nèi)。該方法可以假設(shè)所有的參與者對(duì)每個(gè)屬性的價(jià)值具有相同偏好。模型最明顯的優(yōu)點(diǎn)就是能夠模擬出群體中難以觀察的不同參數(shù)的價(jià)值［9］。同時(shí)，本文使用IOSLAB系統(tǒng)的實(shí)驗(yàn)平臺(tái)來(lái)對(duì)受訪者進(jìn)行調(diào)查，該平臺(tái)不僅解決了人工統(tǒng)計(jì)數(shù)據(jù)的繁瑣，而且對(duì)受訪者的訪問(wèn)不受時(shí)間、地點(diǎn)等各種因素的限制，只要1臺(tái)筆記本外加帶有安卓系統(tǒng)的設(shè)備就可以開(kāi)始調(diào)查，而且可以通過(guò)無(wú)線數(shù)據(jù)給受訪者發(fā)放各種信息，也避免了調(diào)查問(wèn)卷丟失以及評(píng)估問(wèn)題不同的可能性。

1 選擇實(shí)驗(yàn)

選擇實(shí)驗(yàn)法在測(cè)量可再生能源的各種屬性的經(jīng)濟(jì)價(jià)值是可行性的，因?yàn)槠渖婕傲顺^(guò)特征變化范圍的建模選擇，而不只提供為評(píng)估支付意愿(willing to pay，WTP)的單一選擇。研究確定了2個(gè)屬性:空氣污染和就業(yè)。表1描述了這2個(gè)屬性和價(jià)格屬性的定義，以及屬性的每個(gè)級(jí)別的劃分。

表1 選擇實(shí)驗(yàn)每個(gè)屬性的定義及其級(jí)別的劃分Table 1 Definition and level division of each attribute in choice experiment

選擇實(shí)驗(yàn)運(yùn)用了統(tǒng)計(jì)設(shè)計(jì)理論去構(gòu)造選擇集，使評(píng)估的收益系數(shù)不受其他因素影響［10］。在本文中，研究采用“正交主效應(yīng)設(shè)計(jì)”，其在選擇上能夠有效地排除個(gè)別屬性的影響。正交設(shè)計(jì)在運(yùn)用效果上超越了顯示性偏好的隨機(jī)模型。然而，一個(gè)屬性通常與另一個(gè)屬性高度相關(guān)［11］。研究將通過(guò)SPSS12.0軟件包來(lái)完成正交主效應(yīng)的設(shè)計(jì)［12］。

選擇實(shí)驗(yàn)中，有3個(gè)選擇項(xiàng)，其中2個(gè)選擇項(xiàng)代表著可再生能源的屬性水平和特定的價(jià)格水平的投資組合，第3個(gè)選擇項(xiàng)代表著現(xiàn)狀。屬性和級(jí)別形成的選擇集的組合有34×52種可能性。要求受訪者從所有的組合中選擇是不切實(shí)際的，所以研究根據(jù)所要求解的估算系數(shù)，得出了所有選擇集的子集，并選取了36個(gè)選擇集，隨機(jī)分為6組，每組有6個(gè)選擇集。圖1給出了1個(gè)選擇集的例子，以及要求受訪者在現(xiàn)狀和2個(gè)選擇項(xiàng)之間選擇。

圖1 選擇集范例Fig.1 Selection set example

調(diào)查問(wèn)卷由3個(gè)部分組成。第1部分是為了衡量受訪者對(duì)可再生能源的普遍認(rèn)可度，使他們熟悉關(guān)于可再生能源評(píng)估的屬性，為了加深受訪者對(duì)可再生能源的理解，這一部分將提供一些關(guān)于可再生能源的彩色照片，如太陽(yáng)能和風(fēng)能發(fā)電。為了便于選擇實(shí)驗(yàn)分析，第2部分將通過(guò)價(jià)格和其他屬性的權(quán)衡引出受訪者對(duì)可再生能源投資的支付意愿。最后一部分將涉及關(guān)于受訪者的社會(huì)經(jīng)濟(jì)信息，如:收入、年齡、文化程度等。

由于預(yù)算所限，研究利用IOSLAB系統(tǒng)對(duì)100人進(jìn)行了調(diào)查。本次調(diào)查是在重慶市進(jìn)行的，重慶市是我國(guó)直轄市，且其城鎮(zhèn)水平可以代表我國(guó)的平均水平。調(diào)查是隨機(jī)選取的受訪者，目的是使得到的詳細(xì)問(wèn)題和答案的范圍最大化。

2 模型

2.1 實(shí)驗(yàn)仿真平臺(tái)

IOSLAB系統(tǒng)［13］是一套可用于經(jīng)濟(jì)學(xué)、管理學(xué)、行為心理學(xué)課堂教學(xué)和現(xiàn)場(chǎng)實(shí)驗(yàn)研究的便攜式經(jīng)管實(shí)驗(yàn)平臺(tái)。其建立了多終端無(wú)線串口通信平臺(tái)，以無(wú)線通信平臺(tái)模擬符合協(xié)議的各種類型實(shí)驗(yàn)，同時(shí)擴(kuò)大了無(wú)線串口通信的應(yīng)用領(lǐng)域。

IOSLAB系統(tǒng)由一個(gè)服務(wù)端和多個(gè)終端共同組成。服務(wù)端可以進(jìn)行數(shù)據(jù)處理、控制調(diào)查過(guò)程和處理調(diào)查結(jié)果等，其中控制調(diào)查過(guò)程只要是服務(wù)端與終端的數(shù)據(jù)交換。服務(wù)端給終端發(fā)送調(diào)查內(nèi)容和命令，而終端則恢復(fù)服務(wù)端要求回復(fù)的調(diào)查信息。調(diào)查過(guò)程中的數(shù)據(jù)收發(fā)使用無(wú)線串口技術(shù)，整個(gè)流程都在服務(wù)端控制下進(jìn)行。其總體結(jié)構(gòu)如圖2所示。

該仿真平臺(tái)采用了多線程的事件處理機(jī)制，即將仿真平臺(tái)系統(tǒng)分成主線程、接收消息線程、發(fā)送消息線程、分發(fā)消息線程、處理消息線程和結(jié)果處理線程。其中主線程用于控制各個(gè)線程直線的協(xié)調(diào)工作;接收消息線程和發(fā)送消息線程用于對(duì)原始數(shù)據(jù)的收發(fā)，這些數(shù)據(jù)包括從服務(wù)端發(fā)送的指令、信息和從終端接收過(guò)來(lái)的信息等數(shù)據(jù);分發(fā)消息線程主要用于對(duì)接收到的數(shù)據(jù)進(jìn)行分類處理;處理消息線程是最重要的線程，主要對(duì)終端發(fā)送上來(lái)的數(shù)據(jù)進(jìn)行集中處理，并將需要發(fā)送的數(shù)據(jù)交給發(fā)送消息線程，通過(guò)這些線程有效有序的控制調(diào)查過(guò)程的進(jìn)行，如圖3所示。

圖2 仿真平臺(tái)系統(tǒng)總體結(jié)構(gòu)圖Fig.2 System structure of simulation platform

圖3 仿真平臺(tái)系統(tǒng)多線程事件處理機(jī)制圖Fig.3 Multi-threaded event handling mechanism of simulation platform system

調(diào)查結(jié)束后，主線程啟動(dòng)結(jié)果存儲(chǔ)線程，將本次調(diào)查結(jié)果保存到數(shù)據(jù)庫(kù)中。并且畫(huà)出實(shí)驗(yàn)結(jié)果圖便于實(shí)驗(yàn)者進(jìn)行分析和評(píng)估，并且可將此實(shí)驗(yàn)的所有信息輸出到Word文檔中或者用打印機(jī)打印出來(lái)。下圖給出了基于IOSLAB系統(tǒng)調(diào)查的操作步驟。

2.2 多項(xiàng)式Probit模型

本文中，隨機(jī)效用模型是通過(guò)選擇項(xiàng)中特定的效用函數(shù)去解釋個(gè)人選擇。在間接效用函數(shù)中，i代表每個(gè)受訪者，j代表在選擇集中選取的備選方案，則可以表示為

式中:間接效用函數(shù)Uij，可以被分解成確定性部分Vij和隨機(jī)部分eij。Vij是某個(gè)指定屬性的函數(shù)，Xij是指在備選方案j中被受訪者i選擇。eij不可觀測(cè)的因素，對(duì)受訪者i選擇方案j的影響。

多項(xiàng)式Probit模型中假設(shè)誤差eij服從均值為0的多元正態(tài)分布，其協(xié)方差矩陣為

則第1方案被選擇的概率為

式中:η21=ei2－ ei1，η31=ei3－ ei1，f(η21，η31)是關(guān)于協(xié)方差矩陣Ω的變形矩陣Ω1的二元正態(tài)分布。而給協(xié)方差矩陣的第1對(duì)角元素的每個(gè)元素增加1個(gè)屬性，其形式的變化不會(huì)影響所要觀察選擇項(xiàng)的概率分布。則Ω1可以表示為

第2個(gè)和第3個(gè)方案被選擇的概率可以類似得出。

2.3 效應(yīng)函數(shù)和邊際支付意愿

這個(gè)模型的效用函數(shù)，除了誤差部分以外，可以表示成關(guān)于屬性的線性函數(shù)，則為［Z1，Z2，Z3］=［空氣污染，就業(yè)，價(jià)格］。其中，包含了2個(gè)選擇項(xiàng)的特定常量(CASCs)，其表示受訪者在選擇集中選擇A和B的模擬。而CASCs只獲得了該方案的選擇項(xiàng)信息，并沒(méi)有得到其屬性價(jià)值。

式中βs是估計(jì)每個(gè)屬性影響受訪者效用的參數(shù)，如果計(jì)算出邊際支付意愿(Marginal Willingness to Pay，MWTP)的每個(gè)屬性的水平，并假設(shè)其他所有變量保持常數(shù)，則可以通過(guò)微分方程計(jì)算出如下的 MWTP公式，為了簡(jiǎn)潔起見(jiàn)，省略了i。

MWTPs的每個(gè)屬性表示價(jià)格和其屬性之間的邊際替代率。

3 實(shí)驗(yàn)結(jié)果及分析

3.1 調(diào)查結(jié)果

本次調(diào)查是隨機(jī)對(duì)重慶市各個(gè)地區(qū)的人進(jìn)行了訪問(wèn)，總共有400(100×4)個(gè)選擇結(jié)果。圖5給出了受訪者對(duì)各種可再生能源的認(rèn)識(shí)情況。當(dāng)問(wèn)到受訪者是否知道給出的每個(gè)可再生能源時(shí)，有67.4%的受訪者知道太陽(yáng)能發(fā)電，風(fēng)能、潮汐能和水力發(fā)電各有48.7%，50.1%，34.0%的受訪者了解，只有7.9%的受訪者知道生物質(zhì)能。

圖5 各種能源的認(rèn)識(shí)情況Fig.5 Understanding of renewable energy

3.2 估算結(jié)果

表2給出了MNP模型的估算結(jié)果。通過(guò)GHK仿真估計(jì)該模型［14-16］。使用Wald統(tǒng)計(jì)，估算方程從0到1%的水平在統(tǒng)計(jì)上顯著不同。從統(tǒng)計(jì)結(jié)果推測(cè)，所有屬性的系數(shù)都是重要的。而且，系數(shù)的變化軌跡與預(yù)期結(jié)果是相同的。例如，空氣污染系數(shù)和就業(yè)的系數(shù)都是遞增的。這意味著，這些屬性的水平增加，受訪者對(duì)公共事業(yè)的效用將增加。而價(jià)格屬性的系數(shù)是負(fù)的，調(diào)查結(jié)果中也顯示出:價(jià)格越高，受訪者的效用越低。

研究又進(jìn)行了似然比實(shí)驗(yàn)測(cè)試IIA的屬性是否可以保持。在假設(shè)誤差是不相關(guān)的條件下，似然比的檢驗(yàn)值服從自由度為1的卡方分布，在進(jìn)行IIA測(cè)試時(shí)，選擇了0.1的顯著性水平。因此IIA測(cè)試中，可以拒絕假設(shè)——誤差不相關(guān)。由于MNP模型不需要IIA的假設(shè)，因此，這是一個(gè)較合適的模型來(lái)估計(jì)本文的數(shù)據(jù)。

表2 MNP模型估算結(jié)果Table 2 Estimation results of MNP model

3.3 每個(gè)屬性的MWTP估計(jì)

表3給出了每個(gè)屬性的MWTP估算結(jié)果。每個(gè)月空氣污染的 MWTP是0.048 8元，每個(gè)月就業(yè)的MWTP是0.063元，而國(guó)家電力監(jiān)管委員會(huì)認(rèn)為我國(guó)的家用電的平均價(jià)格大概是0.4元/(kW·h)。因此，空氣污染和就業(yè)的 MWTP價(jià)格分別是電力價(jià)格的12.2%，15.75%。

由于不確定性的存在，研究根據(jù)每個(gè)屬性的MWTP的點(diǎn)估計(jì)構(gòu)建了置信區(qū)間［17］。所以在測(cè)量MWTPs時(shí)，Monte Carlo仿真技術(shù)［18］假設(shè)了95%的置信區(qū)間。表3也給出了95%的置信區(qū)間下的數(shù)據(jù)。

表3 每個(gè)屬性的MWTP估算結(jié)果Table 3 Estimation results of MWTP with different attributes

4 結(jié)論

(1)研究結(jié)果顯示，社會(huì)普遍認(rèn)可發(fā)展可再生能源發(fā)電帶來(lái)的空氣污染減少和就業(yè)機(jī)會(huì)增加。個(gè)人每月為改善1%空氣污染的 MWTP為0.049元，個(gè)人每月為獲得額外的本地長(zhǎng)期就業(yè)機(jī)會(huì)的MWTP是0.063元。此外，重慶市的所有居民在可再生能源發(fā)電上愿意支付約784.7萬(wàn)元。與化石燃料電廠相比，每發(fā)展一個(gè)可再生能源發(fā)電廠將減少100%的空氣污染，同時(shí)增加30個(gè)新的本地的長(zhǎng)期就業(yè)機(jī)會(huì)。

(2)本文表明了，利用選擇實(shí)驗(yàn)對(duì)可再生能源投資分析的可行性。從決策的角度來(lái)看，本文為決策者在制定和實(shí)施適當(dāng)?shù)恼邅?lái)解決可再生能源投資的問(wèn)題提供了有用的信息。特別是可以用于具體的可再生能源投資的成本效益分析。而且，本文重視了MNP模型的使用，這個(gè)模型可以拋開(kāi)IIA的假設(shè)對(duì)選擇實(shí)驗(yàn)調(diào)查收集的數(shù)據(jù)進(jìn)行合理分析。因此，本文可以為可再生能源投資的評(píng)估提供適當(dāng)?shù)膮⒖肌?/p>

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

［2］曾曉斌．我國(guó)新能源投資的“冷”思考［J］．價(jià)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］史運(yùn)杰．我國(guó)可再生能源投資分析［J］．時(shí)代金融，2012(3):87．Shi Yunjie．A analysis of renewable energy investment［J］．Times Finance，2012(3):87．

［4］段宇平，吳昊．中國(guó)全球能源投資分析［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．全球可再生能源發(fā)展現(xiàn)狀及投資趨勢(shì) 分析［J］．當(dāng)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］張小紅．基于選擇實(shí)驗(yàn)法的支付意愿研究——以湘江水污染治理為例［J］．資源開(kāi)發(fā)與市場(chǎng)，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］劉貞，施於人．微觀經(jīng)濟(jì)與宏觀經(jīng)濟(jì) 實(shí)驗(yàn)原理、方法與案例［M］．北京:機(jī)械工業(yè)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．