تأثير ناهمگني ترجيحات در برآورد ارزش احياي درياچه اروميه: كاربردي از روش رتبه‌بندي ناقص

The Impact of Heterogeneous Preferences in Estimating the value of Lake Urmia Restoration: An Application of Partial Ranking

مقدار تمايل به پرداخت كاربران منابع زيست محيطي، تعيين كننده ارزش آن منابع در ارائه كالاها مي باشد، اما مقادير تمايل به پرداخت براي كالاهاي زيست محيطي، تمايل به نماياندن ناهمگني بين افراد و ناهمگني مكاني دارند. روند نزولي وضعيت زيست محيطي درياچه اروميه در ساليان اخير، بيانگر اين واقعيت است كه كاركردهاي آن بدون تدابير و فعاليت هاي جمعي تداوم نخواهد يافت. لذا، در اين مقاله، داده هاي حاصل از رتبه بندي ناقص (انتخاب بهترين-بدترين) با استفاده از مدل كلاس پنهان چند سطحي تحليل شدند كه امكان كلاس بندي افراد را بر اساس ترجيحات شخصي و موقعيت جغرافيايي توأماً فراهم مي كند. داده ها با تكميل 382 پرسشنامه از شهروندان 13شهر در سال 1394 بدست آمد. نتايج نشان دادند براي برازش بهتر داده ها، به يك مدل ناهمگن با سه كلاس كوچك و دو كلاس بزرگ، كه هركدام از كلاس ها معرف نوع خاصي از ترجيحات مي باشد، نياز است. محاسبه خطاهاي پيش بيني براي انتخاب هاي بهتر و بدتر، حاكي از كاهش مقدار خطا در مدل برآوردي نسبت به مدل همگن معمول مي باشد. تمايل به پرداخت هاي نهايي محاسبه شده نيز بالاترين مقدار را براي احياي ويژگي تعديل آب و هوا و جلوگيري از وزش بادهاي نمكي آشكار مي كنند. برگزاري برنامه هاي بازديد و ايجاد مراكز براي افزايش آگاهي هاي زيست محيطي عموم مردم از پيشنهادهاي اين مطالعه است.

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.