2006年-世界发展银行全球_Welfare_Measurement_Bias_in_Household_and_On-Site_Surveying_of_Water-Based_Recreation___An_Application_to_Lake_Sevan_Armenia_23页_502kb

总结：家庭调查与现场调查中水基休闲福利测量偏差分析——以亚美尼亚塞凡湖为例

核心内容

本研究探讨了在家庭调查与现场调查中，水基休闲福利测量存在的偏差问题，并通过亚美尼亚塞凡湖的案例进行了实证分析。研究重点在于比较两种调查方法在估计福利时的差异，同时考虑非参与者的零访问问题和现场调查中的内生分层问题。

主要观点

1. 家庭调查的零访问问题
   家庭调查中常出现大量零访问数据，这可能是因为受访者未参与休闲活动或对资源无需求。若简单地将零访问视为访问，则会导致需求和福利估计的高估。因此，采用**零膨胀负二项模型（ZINB）**可以更准确地捕捉这种零值结构。

2. 现场调查的内生分层问题
   现场调查仅包含实际访问者，因此数据被截断，且样本可能偏向高频率访问者，导致福利估计偏差。通过引入内生分层调整（ES），可以对模型进行修正，以减少偏差。

3. 两种调查方法的福利估计结果相近
   通过ZINB模型和TRNBES模型的估计，研究发现家庭调查与现场调查的福利估计值在考虑偏差后非常接近，分别为 $8.82、$8.73 和 $8.21。这表明两种调查方法在某些情况下可能具有相似的代表性。

4. 模型选择依据
   研究中通过似然比检验（LR）和Vuong检验确定模型的适用性。对于家庭调查，零膨胀模型（ZINB）优于普通负二项模型（NB）；对于现场调查，负二项截断模型（TRNB）优于泊松截断模型（TRPoisson）。

5. 变量对访问频率的影响
   收入、年龄、家庭规模和教育水平是影响访问频率的重要因素。其中，收入和家庭规模增加会提高访问频率，而年龄和教育水平增加则可能降低访问频率。此外，居住在叶里温的受访者更少参与休闲活动。

关键信息

• 调查样本

  • 家庭调查：3,358户，覆盖亚美尼亚全国。
  • 现场调查：389名游客，集中在塞凡湖。

• 访问频率特征

  • 家庭调查中，约75%的受访者未访问塞凡湖，平均访问次数为0.81次。
  • 现场调查中，平均访问次数为3.17次，无零访问者。

• 模型类型

  • 家庭调查：使用零膨胀负二项模型（ZINB）。
  • 现场调查：使用截断负二项模型（TRNB）和截断负二项内生分层模型（TRNBES）。

• 福利测量

  • 家庭调查：消费者剩余为 $8.82，补偿变化（CV）和等价变化（EV）分别为 $1/β_i \ln(1 + λβ_i/β_p)$ 和 $-1/β_i \ln(1 - λβ_i/β_p)$。
  • 现场调查：消费者剩余为 $8.21，CV 和 EV 分别为 $1/β_i \ln(1 + λβ_i/β_p)$ 和 $-1/β_i \ln(1 - λβ_i/β_p)$。

• 变量影响

  • 家庭调查模型：
    • 收入、教育和居住地（叶里温）显著影响参与决策。
    • 年龄和家庭规模增加会提高访问频率，而教育和旅行成本增加会降低访问频率。
  • 现场调查模型：
    • 旅行成本、年龄和教育水平显著影响访问频率。
    • 内生分层调整后，变量的显著性增强，估计系数更准确。

结构分析

• II. 旅行成本模型

  • 家庭调查中需处理零访问数据，采用ZINB模型。
  • 现场调查中需处理截断数据和内生分层问题，采用TRNBES模型。
  • 模型的似然函数需特别处理，尤其是ZINB和TRNBES模型。

• III. 应用于塞凡湖

  • 塞凡湖是亚美尼亚重要的休闲资源，但近年来面临生态退化问题。
  • 政府希望评估其恢复的效益，因此需要准确测量当前的休闲福利。
  • 由于塞凡湖是单一资源，无替代选项，因此比较家庭与现场调查样本更具可行性。

• IV. 估计结果

  • 家庭调查中，ZINB模型的估计系数和标准误差均低于NB模型，且具有更高的显著性。
  • 现场调查中，TRNBES模型的估计结果比TRNB模型更稳健，调整后变量的显著性提高。
  • 参与决策和访问数量决策存在差异，需分别建模。

结论

家庭调查与现场调查在测量水基休闲福利时均存在统计偏差，但通过适当模型调整，两种方法的估计结果较为接近。这表明在某些情况下，使用现场调查可以有效替代家庭调查，尤其是在单一资源且无替代选项的场景下。研究为政策制定者提供了重要的参考，帮助他们在资源保护和恢复决策中更准确地评估社会福利。