基于Bayes和SWOT的跨流域调水生态补偿受偿意愿及激励机制研究

彭卓越 ，濮杭荣，吴灏

（1.扬州大学 中国大运河研究院，江苏 扬州 225009；2.扬州大学 水利科学与工程学院，江苏 扬州 225009）

中国的经济发展和生态保护之间的矛盾日益尖锐，流域资源和经济水平的空间分布不均造成地区间可持续发展的不平衡[1]，造成资源型产品生产和消费的空间分离，生态功能区往往与经济欠发达地区相重合。跨流域调水工程是将水资源从比较丰富的地区转移到相对贫乏的地区，用来解决缺水地区的水资源匮乏问题，使受水区的经济增长和社会福利不断扩大。而大多数跨流域调水的上游地区由于经济比较落后，面临着快速发展和加强环境保护的双重压力[2]。上下游的发展差距不断加大，危害了社会和谐和公共安全。构建跨流域调水生态系统服务付费（PES）是解决这些问题的有效手段之一，中国将PES 项目称为生态补偿[3]。下游应向上游支付增加或维持水资源数量和质量的费用[4]，而上游则应该通过积极的生态保护和用水管理来保证下游的用水需求，可以调整调水区和受水区的利益关系，将生态环境的外部成本内部化，实现上下游各地区的共赢和共享[5]。

目前，中国在新安江、赤水河、东江等流域都建立了生态补偿机制[6-7]。水源区居民是水资源保护的贡献者，对水源区公众受偿意愿（willingness to accept，WTA）的理性评估，是提升环保观念、建立流域生态补偿机制的关键问题之一。然而，目前中国总体上对于跨流域调水生态补偿机制并没有实际建成[8]。近年来，国内外许多学者对生态系统服务提供方参与生态补偿的受偿机制及其影响因素进行了研究[9-12]，研究表明生态服务提供方具备较好的生态补偿意识和环境意识，公众受偿意愿会随着自身社会背景差异和外部环境的不同而产生差别[13]。对于影响因素的分析方法一般采用因子分析法[14]、OLS 模型[15]、Tobit回归模型[16]、Logistic 回归模型[17]等。上述模型大多是采用局部独立的假设，忽略各变量之间的相互关系，并且是单层的线性模型结构，只能单向分析，各因素值必须清楚量化。贝叶斯网络模型可以将各要素联系起来，有利于更好地掌握事物的演变规律，具有重复循环学习的优势，并且允许部分影响因素值的缺失，实现多元信息的表达和融合，提高模型的精准性[18]。跨流域调水生态补偿激励机制的研究集中于上下游政府之间的博弈分析[19-20]，对公众意愿分析较少，且对于政府监管从哪些方面入手及其影响程度均分析不足。应当基于公众异质性[21-22]，提出针对性的政策建议。通过政府鼓励，调动公众积极性，增强生态保护的责任感，使公众被动参与变为主动参与。不但公众的基本水权益能够得到保障，公众意愿得到表达，而且可以提高人们的生活满意度和幸福感。

本文通过理论探索、实地调研和模型分析，以南水北调东线水源区扬州市为例，开展跨流域调水生态补偿的WTA 及影响因素的分析研究。首先，采用条件价值评估法，实地调查来获得水源区公众的WTA，结合参数估计法和非参数估计法对WTA 值进行测算；其次，采用贝叶斯网络模型来分析公众WTA 的影响因素；最后，采用SWOT 系统分析法提出针对性的激励机制。该研究成果可以为南水北调东线的生态补偿机制提供理论依据和技术支撑，同时也可以为南水北调中线或其他跨流域调水的生态补偿机制提供参考。

1 研究区域

南水北调工程是缓解我国北方水资源短缺和生态环境恶化状况的重大战略性基础设施。工程分东、中、西三条线路从长江调水北送，东线工程于2002 年12 月正式开工，2013 年11 月建成通水，工程从长江下游扬州市三江营段取水，利用京杭大运河及与其平行的新拓浚河道为输水路线，向黄淮海平原东部、胶东地区和京津冀地区提供生产生活用水。长江边一级提水规模达到500 立方米/秒，年抽水量87.7 亿立方米。自通水以来，南水北调东线工程缓解了水资源南北分布不均的问题，促进了北方受水区生态环境和区域经济协调发展。由于南水北调区域内的生态建设与保护，东线水源地生态保护区的输水河道周边地区被禁止开发，控制区被限制开发，客观上影响了地方经济的增长。扬州市作为南水北调东线工程水源所在地，其地处江苏省中部，位于长江北岸、江淮平原南端，开展了大量的生态环境治理措施。在改善区域自然环境、控制水污染的同时，也限制扬州市经济社会发展，建立扬州市调水源头生态补偿机制是促进系统生态环境保护、推进生态文明建设与构建和谐社会、实现社会公平正义的必然要求。

2 研究方法

2.1 问卷设计

于2020 年10—12 月采用CVM 法对扬州市受工程影响较大区域（江都区和市区）的居民进行问卷调查。在问卷调查过程中，为保证样本的有效性，采用面对面调查的方式，并对7 名问卷调查员进行了针对性训练。本次调查共发放500 份问卷，实际回收有效问卷442 份，有效率88.40%。其中江都区207 份，邗江区143 份，广陵区92 份，如图1 所示。问卷分布情况主要依据该区人口和受工程的影响程度，受工程影响越大，人口越多，问卷的份数就越多；反之，受工程影响越小，人口越少，问卷份数就相应减少。

图1 扬州市区域图及问卷分布情况

调查问卷主要由四部分组成：第一部分是问卷调查说明，揭示问卷调查的原因、目的和意义，在简要介绍研究工作的同时，引导被调查者关注相关研究问题，消除他们对问卷调查的顾虑；第二部分是甄别部分，用于筛选连续居住一年以上和年满18 周岁的被访者；第三部分是正卷部分，也是问卷的主要部分，包括关于南水北调东线工程的基础认知状况、重要性认知状况、生态补偿政策认知状况以及生态补偿的受偿意愿；第四部分是背景部分，包括性别、年龄、文化程度、住房类型和面积等。

2.2 WTA值的测算方法

2.2.1 非参数估计法

对于区间值，根据统计学的合理性，采用了每个区间的中值来代替，2 000 元及以上根据受访者回答用端点值2 000 代替。结合非参数法的计算方式和原理以及受访者WTA 累计频率分布，WTA 的期望值可以运用下面的模型计算得出：

式中：Vi表示受访者选择的第i个投标值；pi表示受访者选择的第i个投标值的概率。

考虑到任何理性人都有追求自身利益最大化的心理，简单的算术平均值容易受到样本两端极端值的影响，因此需要进行一定的修整才能获得更能代表总体的均值，由此，采用5%修整的平均值来代表总体样本的均值。5%修整均值就是把排在最前面和最后面5%的数据都剔除，之后再计算均值，这样就使得均值不容易受极端值的影响，更能代表总体。

2.2.2 参数估计法

在CVM 问卷调研过程中，以支付卡引导的支付意愿会报告一些受偿意愿高于上限值，这些高于上限的值可能并不代表受访者的真实受偿意愿，而是受访者采用的策略性行为，若简单地把高于上限值的样本直接纳入或删除进行分析，估计结果都可能会产生策略性偏误。基于此，采用右端截取模型（Right Censored Model）处理受访者受偿意愿高于上限值的情形。

据此，本文在截取回归模型的两种不同情形下建立WTA 的估计模型：

式中：WTA*是居民生态补偿受偿意愿，X是包括居民社会经济特征变量和潜在影响因素在内的向量，βA是各自的待估计系数的向量，cA是常数项，μA是各自的随机误差项。

2.3 贝叶斯网络模型

贝叶斯网络模型的构建主要分为两部分：首先是结构学习，贝叶斯网络的结构学习过程是寻找与样本数据集拟合最好的网络结构。本项目采用相关分析法，通过SPSS22.0 软件实现各变量之间的两两相关性显著水平评价。其次是参数学习，建立好贝叶斯网络结构图之后，就是确定网络中各变量的条件概率，基于社会调查数据，以专家意见及参考文献为辅助，给出根节点的先验概率分布以及父节点和子节点之间的条件概率分布。

利用贝叶斯网络进行敏感性分析，可以找出影响支付意愿的关键因素。通过改变选定的节点变量的概率表，可以看出目标节点变量的概率表的变化。选定的节点变量SN对目标节点变量TN的重要性用重要性指标I表示：

式中：P(TN)为目标节点变量TN的先验概率，P(TN|SN)为所选节点变量SN变化下目标节点TN的条件概率。重要性指标I反映了选定节点变量对目标节点的影响程度，通过比较I大小得出影响支付意愿的重要因素。

通过敏感性分析可以找出影响支付意愿的关键因素，辨析出对生态补偿政策的直接影响因素以及间接影响因素，摒弃无明显相关性的因素。

2.4 SWOT矩阵分析法

本研究采用SWOT 系统分析法提出针对性的政策建议，通过SWOT 分析，能够精准快速地发现公众背景对于生态补偿机制建立的优势和短板，将公众的个人背景情况与外部环境政策进行匹配，从而制定出更有针对性的战略。SW（Strengths and Weaknesses）指内部因素，这里是指被调查者的个人社会背景因素对生态补偿机制建立的优势和劣势；OT（Opportunities and Threats）指外部因素，这里是指对工程的了解情况在机制建立过程中的机会和威胁，将分析得到的影响因素及其影响程度依照矩阵的形式排列。

3 分析与讨论

3.1 基本信息

在调查走访过程中，将受访者年龄控制在18 周岁及以上，在职业分布上尽量多地覆盖各个行业的人群，以使结果更具代表性，统计结果如表1 所示。在扬州市442份有效样本中，有332 个受访者具有受偿意愿，比例达到75.11%，其中77.7%的居民的受偿意愿值在每人每年650元以下，14.8%的居民受偿意愿值为每人每年2 000元。

表1 扬州市受访者基本信息情况

3.2 WTA测算

根据问卷直接计算得到的WTA 平均值为455.32 元/(人·年)，5%修整平均值为394.80 元/(人·年)，两者求得的平均值间存在差异，说明WTA 数据中首尾可能存在较大的异常值[此异常值来自愿意受偿的受访者中有14.76%的人群受偿意愿为2 000 元/(人·年)]。为了进一步减小可能存在的误差，将非参数法和参数法的计算结果进行加和求平均值，结果如表2 所示，WTA均值为443.29 元/(人·年)。

表2 结合非参数法和参数法的WTA测算结果

3.3 影响因素分析

采用相关分析法，通过SPSS22.0 软件实现各变量之间的两两相关性显著水平评价。各社会经济属性变量的相关性显著水平结果如表3 所示，由表3 中可以看出WTA与年龄（AG）、工程给个人带来的影响（PI）、对当前生活用水水质的满意程度（WQ）在0.01 水平上显著相关，以这三个要素归为贝叶斯网络结构的第一层次；将影响第一层次的变量归为第二层次，年龄（AG）与学历（EB）、家庭月收入（HI）、居住时间（LT）在0.01 水平上显著相关；工程给个人带来的影响（PI）与对当前生活用水水质的满意程度（WQ）、工程对于北方受水区的重要性认知（NW）在0.01 水平上显著相关；对当前生活用水水质的满意程度（WQ）与工程给个人带来的影响（PI）、工程对于北方受水区的重要性认知（NW）在0.01 水平上显著相关。

表3 各社会经济属性变量的相关系数表

贝叶斯网络建模的主要任务是确定网络结构以及网络结构中各节点的概率分布，给出各节点参数概率的计算方法。通过各因素的相关性分析获取贝叶斯网络模型的结构，从数据中获取大部分节点的概率或条件概率，个别节点参数概率由于数据量限制无法给出，借助于专家知识、相关文献或经验给出。贝叶斯网络模型的结构如图2所示，由图2 可以看出，一个节点可以同时影响若干个子节点，比如节点NW的变化既可以影响PI，也可以影响WQ；同样一个节点可能被若干个子节点影响，比如节点EB、HI、LT同时影响着节点AG。基于贝叶斯网络可以将各因素对WTA以及相互之间的影响进行全面分析。

图2 贝叶斯网络模型的结构图

为观察模型与实际的拟合情况，对目标节点的样本概率分布和后验概率分布进行误差分析，绝对误差均在1%以内，相对误差在3%以内，认为本模型是合理的。根据式（5），可得到扬州市公众WTA 的影响因素分析如表4 所示，重要性指标I从大到小依次排列分别是：AG＞WQ＞PI＞EB＞NW＞HI＞LT。

表4 影响WTA的重要性指标I

对于调水区扬州市而言，年龄、对当前生活用水水质的满意程度、工程给个人带来的影响对WTA 影响显著。年龄越大对于WTA 的要求越高，年龄和教育背景、家庭月收入，以及当地生活时间相关，教育水平越高，家庭月收入越高，生活时间越短（至少生活一年以上），公众就越年轻化，相对应的受偿意愿就会越低；工程给个人带来的影响（积极、无、消极），影响越积极，WTA值越低，工程给个人带来的影响与对当前生活用水水质的满意程度和工程对于北方受水区的重要性认知相关，对当地水质越满意、认为工程对受水区越重要，公众会认为工程带来的影响越积极，相应的WTA 值就越低；公众对当前生活用水水质越满意，受偿意愿就越低，对当前生活用水水质的满意程度与工程对于北方受水区的重要性认知相关，公众认为工程对受水区越重要，其对水质越满意，WTA 值就越低。

3.4 激励机制

基于SWOT 矩阵分析法，提出跨流域调水生态补偿的激励机制。

SO（机会+优势，策略：最大限度的发展）：75.11%的扬州市居民愿意接受一定的费用作为生态补偿，扬州市居民的WTA 均值为443.29 元/(人·年)。图3 反映的是同意接受补偿的受访者愿意采用的不同受偿方式占比情况，78.01%和13.86%的居民愿意按照现金和财政补贴的方式接受生态补偿。因此，相关政府部门应顺应当地居民的生态补偿意愿，结合区域的生态资源以及对社会经济的影响[23-24]，进一步明确生态补偿方式的制定和实施。一方面可以适当提高受水区的水资源费标准和用于保护的比例，提取部分费用对水源地的有关地方政府和群众进行补偿；另一方面应该完善水价形成机制，将水资源保护部分成本纳入水价统一核算，或作为水费附加，扭转中国水利工作长期亏本运行的局面，为筹集生态补偿资金创造条件。

图3 不同补偿方式所占比例

WO（机会+劣势，策略：利用机会，回避弱点）：从影响因素来看，年龄越大对于受偿意愿的要求越高，一方面是老年人的赚钱能力下降[25-26]；另一方面老年人一般都是土著居民，在问卷调查中，我们发现江都泵站周围之前部分老居民因为工程而拆迁去了别处生活，目睹了工程的起始和运行，对于之前的征地补偿或者当前生活不是很满意。因此，制定生态补偿政策必须树立生态文明理念，全面提高公众的生态意识，在了解民意的基础上制定和实施生态补偿政策，才能让居民积极参与，发挥政策预期的作用。从家庭月收入来看，收入越低，对于补偿的要求越高，这在很多研究中也有体现[15,21-29]；教育水平越低，对于补偿的要求也越高，因此政府应当积极吸引人才、扩大就业、招商引资，提供更多的就业岗位。

ST（威胁+优势，策略：利用优势，降低威胁）：从表5 中可以看出，有126 人认为该工程使居民的生活用水量更加充足了，并且水质也变好了；117 人认为这项工程使得用水更加便利了。不仅水源区居民在生态保护工作中付出了努力，当地政府从财政收入上也做出了巨大的牺牲。政府为保护水源区环境，拒绝了很多污染严重、破坏资源的招商引资项目，关闭了污染严重和资源消耗量大的企业，对于扬州市居民的就业环境和收入也有影响。如果水源区的努力得不到合理补偿，则可能降低资源保护的力度，导致水生态恶化。因此，建立跨流域调水的生态补偿机制迫在眉睫。为防止水源区居民要求支付却不实施保护承诺的风险，可以上下游联合开展水质监测[30-31]，统筹推进全流域联防联控，以此可以激励水源区公众参与水源保护。

表5 公众对工程影响的认知情况

WT（威胁+劣势，策略：收缩、合并）：南水北调东线工程是否给个人生活带来影响对WTA 影响也很大，有37 人认为南水北调工程给个人或城市带来了消极的影响，如表5 所示，其中有31 人认为该工程占用自家耕地，影响农业发展，这些居民大多是扬州市江都区的原居民，因为工程搬迁而失去了耕地；认为工程给自身生活带来消极/积极影响的受偿意愿平均值比值为1.5；认为是消极影响的居民可能具有“受害者”心理，从而使得这部分人的WTA 值更高。工程对于北方受水区的重要性认知也对WTA 有影响，认为工程越重要的公众，其WTA 值也越低。因此，要加强宣传引导，在实地调研中发现，大部分受访者不了解生态补偿政策，为了使当地居民能够积极参与生态补偿机制的建设，应加强生态文明建设和南水北调工程的科普宣传，强化生态补偿政策的解读[10]，引导居民增强节约水资源、保护水生态的思想意识和行动自觉，加快推动生产生活方式绿色转型。水源区公众是保护水源区的最佳管理者[32]，尊重上游利益管理方，使他们对生态环境保护管理感到骄傲。

4 结论

本文基于CVM 考察了南水北调东线源头区扬州市居民生态补偿受偿意愿，采用贝叶斯网络模型分析了居民受偿意愿的影响因素，并基于SWOT 矩阵法提出政策建议。主要有以下结论：（1）在442 份有效样本中，332 个受访者具有受偿意愿，比例达到75.11%，其中77.72%的居民的受偿意愿值在每人每年650 元以下，且14.76%的居民的受偿意愿值为每人每年2 000 元；（2）采用非参数法和参数法结合估计得WTA 均值为443.29元/(人·年)；（3）年龄、对当前生活用水水质的满意程度、工程给个人带来的影响对WTA 影响显著；（4）根据分析结果，从内部公众背景、外部环境政策等角度，提出激励机制。