برآورد مدلهاي ارزشگذاري مشروط با انتخاب دو‌گانه دو‌بعدي با استفاده از مدلهاي رگرسيوني پروبيت به‌ظاهر نامرتبط

Estimating Double-Bounded Dichotomous Choice Contingent Valuation Models Using Seemingly Unrelated Bivariate Probit Regressions

با وجود مباحث زيادي كه عليه استفاده از ارزشگذاري مشروط در برآورد ارزشهاي غير بازاري مطرح ميشود، اين روش بسيار استفاده شده است. از بين روشهاي مختلف استخراج در ارزشگذاري مشروط، به روش انتخاب دوتايي (DC) توجه ويژهاي شده ‌است. دو نوع روش انتخاب دوتايي وجود دارد: انتخاب دوتايي يكبعدي (SBDC) و انتخاب دوتايي دوبعدي (DBDC) . كارايي روش DBDC از روش SBDC بيشتر است. در بيشتر مطالعات ارزشگذاري مشروط در ايران، از روش DBDC استفاده شده و تحليل آن‌ها با استفاده از الگوي لوجيت انجام گرفته است كه كارايي روش DBDC را بالا نميبرد. هدف اين مطالعه تحليل دادههاي DBDC با استفاده از مدل پروبيت به‌ظاهر نامرتبط است. براي اين منظور پرسشنامه ارزشگذاري مشروط DBDC براي برآورد تمايل به پرداخت افراد براي حفاظت از گل سوسن چلچراغ طراحي و از سوي 177 سرپرست خانوار در سال 1390 در مركز استان گيلان تكميل شد. تحليل دادهها به دو صورت مدلهاي مقيد و غيرمقيد انجام شد كه در مدل مقيد محدوديت برابر‌بودن ضرايب متغيرها در دو مدل اعمال شد. نتايج نشان ميدهد كه در مدل مقيد تعداد متغيرهاي معنيدار بيشتر از مدل غيرمقيد است؛ همچنين تمايل به پرداخت (WTP) با استفاده از مدل اول (مدلي كه متغير وابسته آن پاسخ به پيشنهاد اول است) و دوم (مدلي كه متغير وابسته آن پاسخ به پيشنهاد دوم است) در مدل غيرمقيد به ترتيب 6650 ريال و 6963 ريال و با استفاده از مدل مقيد 7225 ريال است. پيشنهاد ميشود محققان ارزشگذاري مشروط در مطالعات خود براي تحليل دادههاي DBDC بهمنظور دستيابي به برآوردهاي كاراتر از مدلهاي پروبيت به‌ظاهر نامرتبط استفاده كنند.

Despite controversy, the contingent valuation method (CVM) is widely used for non-market valuation. Among elicitation methods of CVM, the dichotomous choice (DC) has been paid attention. There are two types of DC methods: Single-Bounded DC (SBDC) and Double-Bounded DC (DBDC). DBDC is more efficient than SBDC. Many of CVM studies in Iran used DBDC but data analyses were done by Logit model; that do not raise the efficiency of DBDC. The purpose of this study is to analyze DBDC data using Seemingly Unrelated Bivariate Probit Regression. To do this, the DBDC CVM questionnaire designed to estimate willingness to pay (WTP) for preserving Lilium ledebourii used; and filled in the center of Guilan province by 177 respondents in 1390. Data analysis was done in two ways: restricted and unrestricted in which in restricted models the equality of parameters in two models were imposed. Results showed that number of significant variables is much more using restricted model than unrestricted model. Also, WTP using first (model in which its dependent variable is the response to the first offered bid) and second (model in which its dependent variable is the response to the second offered bid) unrestricted models are 6650 and 6963 Rls, respectively and is 7225 Rls using restricted model. It’s proposed that the researchers of CVM use Seemingly Unrelated Bivariate Probit Regression to analyze DBDC data for acquiring efficient estimates.