تأثیر ناهمگنی ترجیحات در برآورد ارزش احیای دریاچه ارومیه: کاربردی از روش رتبه‌بندی ناقص
محورهای موضوعی : فصلنامه علمی -پژوهشی تحقیقات اقتصاد کشاورزی
مینا صالح نیا
1
(گروه اقتصاد کشاورزی دانشگاه تبریز)
باب اله حیاتی
2
(عضو هیئت علمی دانشگاه تبریز)
مرتضی مولائی
3
(عضو هیئت علمی دانشگاه ارومیه)
کلید واژه: دریاچه ارومیه, تمایل به پرداخت, رتبه‌بندی ناقص, مدل کلاس پنهان چند سطحی,
چکیده مقاله :
میزان تمایل به پرداخت کاربران منابع زیست محیطی، تعیین کننده ارزش آن منابع در ارائه کالاها می‌باشد. اما مقادیر تمایل به پرداخت برای کالاهای زیست محیطی، تمایل به نمایاندن ناهمگنی بین افراد و ناهمگنی مکانی دارند. روند نزولی وضعیت زیست محیطی دریاچه ارومیه طی سالیان اخیر، بیانگر این واقعیت است که کارکردهای آن بدون تدابیر و فعالیت‌های جمعی تداوم نخواهد یافت. لذا در این مقاله، داده‌های حاصل از رتبه‌بندی ناقص (انتخاب بهترین-بدترین) با استفاده از مدل کلاس پنهان چند سطحی تحلیل شدند که امکان کلاس‌بندی افراد را بر اساس ترجیحات شخصی و موقعیت جغرافیایی توأماً فراهم می-کند. نتایج نشان داد برای برازش بهتر داده‌ها، به یک مدل ناهمگن با سه کلاس کوچک و دو کلاس بزرگ، که هرکدام از کلاس‌ها معرف نوع خاصی از ترجیحات می‌باشد، نیاز است. محاسبه خطاهای پیش‌بینی برای انتخاب‌های بهتر و بدتر، حاکی از کاهش میزان خطا در مدل برآوردی نسبت به مدل همگن معمول می‌باشد. تمایل به پرداخت‌های نهایی محاسبه شده نیز بالاترین میزان را برای احیای ویژگی تعدیل آب و هوا و جلوگیری از وزش بادهای نمکی آشکار می‌کنند.
Willingness to pay (WTP) of environment users, determines the value of those resources. But WTP values for environmental goods tend to display heterogeneity among individuals and spatial heterogeneity. The downward trend in the environmental status of Lake Urmia during last years expresses the fact that its functions will not continue without collective measures and activities. Thus in this paper, partial ranking (best-worst) data analyzed using multilevel latent class model which provides the possibility of classifying individuals based on personal preferences and geographic location. Results showed to better fit the data, a heterogeneous model with three classes and two grand classes is required. Calculating prediction errors for best-worst choices suggests a reduction in the estimated model than the usual homogeneous model. Estimating willingness to pays diagnosed climate regulation and prevention from salt storms as the most important attribute for the respondents.
- اداره کل حفاظت محیط زیست استان آذربایجان غربی. (1389). برنامه مدیریت جامع دریاچه ارومیه.
- ایزدی مهر، ن. (1393). برآورد ارزش کارکردهای غیربازاری دریاچه ارومیه: رهیافت آزمون انتخاب. پایاننامه کارشناسی ارشد، دانشکده کشاورزی، دانشگاه ارومیه.
- رجبی هشجین، م. سراوانی، س. نوربخش، ا. و تجریشی، م. (1394). ضرورت احیای دریاچه ارومیه، علل خشکی و تهدیدات. ستاد احیای دریاچه ارومیه.
- صالح نیا، م. (1395). بررسی ناهمگنی ترجیحات خانوارها در رابطه با احیای دریاچه ارومیه با استفاده از مدلهای کلاس پنهان چندسطحی و بیزین سلسله مراتبی. رساله دکتری، دانشکده کشاورزی، دانشگاه تبریز.
- صالح نیا، م. حیاتی، ب. قهرمانزاده، م. و مولائی، م. (1392). برآورد ارزش بهبود وضعیت زیست محیطی دریاچه ارومیه: کاربرد روش آزمون انتخاب. نشریه اقتصاد و توسعه کشاورزی. جلد 27، (4): 276-267.
- ملیکی اسفنجانی، م. (1390). برآورد ارزش حفاظتی دریاچه ارومیه از دیدگاه مردم شهرهای ارومیه و تبریز. پایاننامه کارشناسی ارشد، دانشکده کشاورزی، دانشگاه تبریز.
Refrences
- Aitkin, M. (1999). A general maximum likelihood analysis of variance componentsin generalized linear model. Biometrics, 55: 117-128.
- Asparouhov, T. & Muthen, B.O. (2008). Multilevel Mixture Models, in Hancock G.R. and Samuelsen K.M. (eds). Advances in latent variable mixture models, IAP.
- Bartholomew, D.J. & Knott, M. (1999). Latent Variable Models and Factor Analysis, London: Arnold.
- Bateman, I.J., Day, B.H., Georgiou, S. & Lake, I. (2006). The aggregation ofenvironmental benefit values: welfare measures: distance decay and total WTP. Ecological Economics, 60: 450–460.
- Birol, E. & Das, S. (2010). Estimating the value of improved wastewater treatment: the case of River Ganga, India. Journal of Environmental Management, 91: 2163–2171.
- Brouwer, R., Martin-Ortega, J. & Berbel, J. (2010). Spatial preference heterogeneity: a choice experiment. Land Economics, 86: 552–568.
- Duran, R., Farizo, B. A. & Vazquez, M. X. (2015). Conservation of maritime cultural heritage: A discrete choice experiment in a European Atlantic Region. Marine Policy, 51: 356-365.
- Farizo, B. A., Joyce, J. & Solino, M. (2014a). Dealing with heterogeneous preferences using multilevel mixed models. Land Economics, 90: 181-198.
- Farizo, B. A., Louviere, J. J. & Solino, M. (2014b). Mixed integration of individual background, attitudes and tastes for landscape management. Land Use Policy, 38: 477-486.
- Fishbein, M. & Ajzen, I. (1975). Belief, Attitude, Intention, and Behavior: An Introduction to Theory and Research. Addison-Wesley Publishing, Reading, MA.
- Food and Agriculture Organization of the United Nations (FAO). (2003).Fisheries Management 2. The ecosystem approach to fisheries. FAO technical guidelines for fisheries. Rome.
- Haghjou, M., Hayati, B., Pishbahar, E. & Molaei, M. (2016). Using the contingent ranking approach to assess the total economic valuation the of arasbaran forests in iran. Taiwan Journal of Forest Science, 31(2):87-102.
- Hanley, N., Mourato, S. & Wright, R. (2001). Choice modeling approaches: A superior alternative for environmental valuation. Journal of Economic Surveys, 15: 435-462.
- Hanley, N., Schläpfer, F. & Spurgeon, J. (2003). Aggregating the benefits of environmental improvements: distance-decay functions for use and non-use values. Journal of Environmental Management, 68: 297–304.
- Hensher, D.A. & Greene, W.H. (2003). The mixed logit model: the state of practice. Transportation 30, 133–176.
- Johnston, R.J. & Ramachandran, M. (2014). Modeling spatial patchiness and hot spotsin stated preference willingness to pay. Environmental Resources Economics, 59: 363–387.
- Kaffashi, S., Shamsudin, M.N., Radam, A., Rahim, K.A. & Yacob, M.R. (2013). We are willing to pay to support wetland conservation: local users’ perspective. International Journal of Sustainable Development of World Ecology, 20: 325–335.
- Kuhfeld, W. F. (2010). Marketing research methods in SAS. SAS institute Inc. Cary, NC, USA.
- Louviere, J. J., Hensher, D., Swait, J. & Adamowicz, W. (2000). Stated Choice Methods: Analysis and Applications. Cambridge University Press, Cambridge.
- Magidson, J., & Vermunt, J. K. (2004). Latent class models, in Kaplan D. (ed.). The Sage Handbook of Quantitative Methodology for the Social Sciences, 175-198. Thousand Oakes: Sage Publications.
- Martín-López, B., Montes, C. & Benayas, J. (2007). Influence of user characteristics on valuation of ecosystem services in Doíana Natural Protected Area (south-west Spain). Environmental Conservation, 34: 215–224, http://dx.doi.org/10.1017/S0376892907004067.
- Rose, J. M. & Bliemer, M. C. J. (2013). Sample size requirements for stated choice experiments. Transportation, 40: 1021-1041.
- Skrondal, A. & Rabe-Hesketh, S. (2007). Latent variable modeling: a survey. Board of the Foundation of the Scandinavian Journal of Statistics, 34: 712-745.
- Upton, V., Dhubháin, Á.N. & Bullock, C. (2012). Preferences and values for afforestation: the effects of location and respondent understanding on forest attributes in a labelled choice experiment. Forest Policy Economics, 23: 17–27.
- Vecchiato, D. & Tempesta, T. (2012). Valuing the benefits of an afforestation project in a peri-urban area with choice experiments. Forest Policy Economics, 26: 111–120.
- Vermunt, J. K. (2003). Multilevel latent class models. Sociological Methodology, 33: 213-239.
- Vermunt, J. K. (2008). Latent class and finite mixture models for multilevel data sets. Statistical Methods in Medical Research, 17: 33-51.
- Vermunt, J. K. & Magidson, J. (2005). Technical guide for Latent GOLD 4.0: basic and advanced. Statistical Innovations Inc.
- Vermunt, J. K. & Magidson, J. (2014). Upgrade Manual for Latent GOLD Choice 5.0: Basic, Advanced, and Syntax. Belmont Massachusetts: Statistical Innovations Inc.
- Vermunt, J. K. & Van Dijk, L. A. (2001). A non-parametric random-coefficient approach: the latent class regression model, Multilevel Modeling Newsletter, 13: 6-13.
- Vollmer, D. Ryffel, A.N. Djaja, K. & Gret-Regamey, A. (2016). Examining demand for urban river rehabilitation in Indonesia: Insights from a spatially explicit discrete choice experiment. Land Use Policy, 57: 514-525.
- Wang, H., He, J., Kim, Y. & Kamata, T. (2013). Willingness-to-pay for water quality improvements in Chinese rivers: an empirical test on the ordering effects of multiple-bounded discrete choices. Journal of Environmental Management, 131C: 256–269.
- Zander, K.K., Garnett, S.T. & Straton, A. (2010). Trade-offs between development, culture and conservation-willingness to pay for tropical river management among urban Australians. Journal of Environmental Management, 91: 2519–2528.
- Zander, K.K., Signorello, G., DE Salvo, M., Gandini, G. & Drucker, A.G. (2013). Assessing the total economic value of threatened livestock breeds in Italy: implications for conservation policy. Ecological Economics, 93: 219–229.
- Zander, K.K., Pang, S.T., Jinam, C., & Tuen, A.A. & Garnett, S.T. (2014). Wild and valuable? Tourist values for orang-utan conservation in sarawak. Conservative Society, 12: 27.
_||_