從“中國城市居民的生態(tài)系統(tǒng)服務(wù)偏好”這個標(biāo)題第一反應(yīng)是又一個問卷調(diào)查但做環(huán)境研究的人都知道這類全國尺度的偏好調(diào)查價值遠(yuǎn)不止描述“大家更喜歡公園還是濕地”這么簡單。它背后是一整套關(guān)于“人對自然需求怎么測、怎么建模、怎么用”的方法論最終指向的是城市綠色空間的規(guī)劃、生態(tài)補(bǔ)償標(biāo)準(zhǔn)的制定甚至是一筆財(cái)政預(yù)算該往哪兒傾斜。這篇文章想把這條線完整拆開這個調(diào)查到底在測什么、問卷和抽樣怎么設(shè)計(jì)、拿到數(shù)據(jù)后怎么分析、實(shí)際應(yīng)用在中會遇到哪些坑以及我個人踩過之后總結(jié)出的幾件事。適合正在準(zhǔn)備相關(guān)課題的研究生、做城市生態(tài)規(guī)劃或景觀設(shè)計(jì)的從業(yè)者以及想用偏好數(shù)據(jù)支撐公共決策的伙伴參考。1. 這個調(diào)查到底在測什么生態(tài)系統(tǒng)服務(wù)偏好的概念拆解1.1 什么是生態(tài)系統(tǒng)服務(wù)偏好為什么偏偏要“偏好的數(shù)據(jù)”生態(tài)系統(tǒng)服務(wù)這個概念往簡單說就是自然給人類提供的各種“好處”干凈的飲用水、可呼吸的空氣、調(diào)節(jié)氣候的林地、讓人心情愉悅的公園綠地。學(xué)術(shù)界把它分成供給服務(wù)、調(diào)節(jié)服務(wù)、支持服務(wù)和文化服務(wù)四大類。過去幾十年主流研究側(cè)重的是“自然能提供什么”比如通過遙感反演一片森林的固碳量或者用模型計(jì)算濕地凈化了多少氮磷。這類客觀供給量數(shù)據(jù)很重要但它只回答了“有沒有”回答不了“夠不夠、值不值、居民到底領(lǐng)不領(lǐng)情”。偏好數(shù)據(jù)填補(bǔ)的正是這個空白。它測量的是人對不同生態(tài)系統(tǒng)服務(wù)的主觀排序和支付意愿。舉個例子同一個城市統(tǒng)計(jì)年鑒里綠化覆蓋率是40%但居民出門能真正走進(jìn)去、坐下來歇腳的公園綠地可能連10%都不到再比如同樣一塊地是修成開放式草坪還是種滿遮蔭大樹不同年齡段、不同收入群體的選擇很可能完全不同。如果沒有偏好數(shù)據(jù)規(guī)劃者就只能按“面積越大越好”的假設(shè)去決策結(jié)果往往是大草坪人滿為患角落里的密林無人問津。所以偏好調(diào)查本質(zhì)上是在給“自然的價值”打一個來自需求側(cè)的分。1.2 四種主要服務(wù)類型城市居民到底關(guān)心哪些如果按教科書框架硬套供給服務(wù)里城市居民關(guān)心的是本地食品供給和干凈水源調(diào)節(jié)服務(wù)關(guān)心的是空氣凈化、降溫降噪支持服務(wù)關(guān)心的是生物多樣性和土壤保持文化服務(wù)關(guān)心的是游憩空間、景觀美學(xué)和場所認(rèn)同。理論上四類都重要但放到城市場景里居民感知強(qiáng)度差別巨大。從已有全國調(diào)查數(shù)據(jù)看文化服務(wù)往往是居民感知最直接、排序最高的。原因很簡單城市居民接觸自然的日常場景大概率是下樓遛彎、周末去公園搭帳篷而不是參與碳匯核算。調(diào)節(jié)服務(wù)中的“降溫”和“空氣凈化”屬于“用了不知道”的隱形福利需要通過科普和可視化才能轉(zhuǎn)化為偏好。而供給服務(wù)在城市里更微妙陽臺種菜、社區(qū)菜園這類活動參與度在上升但主流樣本中更多表現(xiàn)為對食品安全和本地食材的支付意愿而不是自給自足。支持服務(wù)如生物多樣性則呈現(xiàn)出“高收入群體更關(guān)心、低收入群體相對無感”的分層特征。理解這個結(jié)構(gòu)能幫問卷設(shè)計(jì)者避免一個常見錯誤不要平均用力把四類服務(wù)各設(shè)一堆題目。合理做法是以文化服務(wù)和調(diào)節(jié)服務(wù)為核心把供給、支持服務(wù)嵌入特定情景比如社區(qū)花園改造、濕地修復(fù)計(jì)劃這樣既貼合城市居民的真實(shí)感知又能覆蓋理論框架的要求。2. 全國調(diào)查的設(shè)計(jì)思路與抽樣邏輯2.1 為什么要做全國尺度的調(diào)查地域差異會怎么影響偏好做全國而不是單城市調(diào)查核心動機(jī)是捕捉偏好異質(zhì)性的空間規(guī)律。中國城市大致可以按氣候帶、經(jīng)濟(jì)發(fā)展水平、城市規(guī)模劃分出好幾類典型場景廣州的偏好里遮陰和降溫權(quán)重一定高于哈爾濱上海這樣高密度建成區(qū)居民對“下樓即達(dá)的小微綠地”的渴求比低密度城市強(qiáng)烈得多而在一些快速城鎮(zhèn)化中的三線城市居民可能把“綠地面積大不大”當(dāng)成第一指標(biāo)還沒開始細(xì)分“親水棧道”和“疏林草地”的差異。如果只在某個城市做調(diào)查得到的結(jié)果只代表那一個樣本一旦要回答“全國城市綠色空間怎么布局”“生態(tài)轉(zhuǎn)移支付怎么定”這類問題就必須有可比的跨區(qū)域數(shù)據(jù)。所以全國調(diào)查的意義不是把樣本拼起來求一個“全國平均值”而是通過統(tǒng)一工具、分層抽樣識別出“哪些偏好是跨區(qū)域穩(wěn)定存在的”哪些是“地方特定的”。后者的存在反而是地方制定差異化政策的需求證據(jù)。2.2 問卷設(shè)計(jì)的心機(jī)從陳述偏好到選擇實(shí)驗(yàn)怎么讓居民“說實(shí)話”早期研究常用李克特量表直接問“你是否愿意為改善空氣質(zhì)量支付100元/年”。這種陳述偏好法看似簡單毛病也大存在明顯的社會期望偏差受訪者為了顯得自己有環(huán)保意識會高估支付意愿而且沒有真實(shí)的權(quán)衡過程隨便說一個數(shù)不用付錢回答自然不嚴(yán)肅。所以目前全國調(diào)查的主流工具轉(zhuǎn)向了選擇實(shí)驗(yàn)法。核心設(shè)計(jì)是構(gòu)造一個虛擬的“城市綠地提升方案”每個方案由幾個屬性構(gòu)成比如綠地面積、距家距離、設(shè)施類型、生物多樣性水平、所需額外稅費(fèi)或捐款金額。每個屬性取幾個水平用正交或D-efficient設(shè)計(jì)生成若干組選擇卡片讓受訪者在兩三個方案加“維持現(xiàn)狀”里做選擇。這樣一來居民每選一次都是在各屬性之間的真實(shí)權(quán)衡研究者可以用隨機(jī)效用模型反推每個屬性的邊際意愿支付。這么說聽著抽象舉個例子你就懂了。假設(shè)一張卡片上方案A是“使用樓下500米的社區(qū)口袋公園內(nèi)有塑膠步道和兒童設(shè)施新增年稅費(fèi)50元”方案B是“使用3公里外的城市綜合公園有湖景和大量鄉(xiāng)土植物新增年稅費(fèi)80元”方案C是“維持現(xiàn)狀不增加費(fèi)用”。一個帶孩子、時間緊張的年輕家長大概率選A而一個退休且愿意為生態(tài)出力的老人大概率選B。大量這類細(xì)分選擇匯總后模型就能告訴你距離每減少1公里相當(dāng)于每年愿意多支付多少錢兒童設(shè)施和自然景觀的相對權(quán)重到底誰高。還有個容易被忽視的設(shè)計(jì)點(diǎn)屬性水平必須貼近實(shí)際。如果你的“綠地面積”水平設(shè)計(jì)成“增加10%、30%、50%”居民很難感受更直觀的方式是換算成“相當(dāng)于多少個足球場”或者配合示意圖。調(diào)研里圖片材料的標(biāo)準(zhǔn)化也很關(guān)鍵否則視覺偏好會干擾對真實(shí)屬性的判斷。3. 數(shù)據(jù)采集與分析的實(shí)操全流程3.1 樣本量、分層抽樣與線上線下的取舍全國調(diào)查最現(xiàn)實(shí)的約束是“錢”和“人”。樣本量方面選擇實(shí)驗(yàn)法沒有絕對標(biāo)準(zhǔn)但一般建議每個城市至少300到500個有效樣本全國20個左右城市就是6000到10000份。太少后續(xù)做分城市分群體的潛在類別分析就很勉強(qiáng)太多經(jīng)費(fèi)和時間線繃不住。關(guān)鍵是先想清楚分析層次只出全國模型6000份足夠要做城市間對比每個城市至少300份起步。抽樣最怕的是“方便抽樣”?，F(xiàn)實(shí)中很多團(tuán)隊(duì)圖省事用在線調(diào)查平臺發(fā)問卷鏈接結(jié)果樣本嚴(yán)重偏向年輕、高學(xué)歷、高收入群體而這種群體恰恰對生態(tài)服務(wù)偏好更強(qiáng)、支付意愿更高模型系數(shù)會系統(tǒng)性偏大。穩(wěn)妥的路線是分層配額抽樣按城市級別、城區(qū)/近郊、年齡、性別、收入等配額控制。線上渠道如問卷平臺樣本庫適合觸達(dá)年輕人和在職群體線下攔訪和入戶適合補(bǔ)充老年人、低學(xué)歷、低數(shù)字化程度人群。混合模式雖然管理成本高但樣本代表性比純線上高一個檔次。問卷實(shí)施里還有個細(xì)節(jié)選擇實(shí)驗(yàn)的題量控制。一組屬性三到四個方案做8到12個選擇任務(wù)已經(jīng)接近普通人的注意力極限。超過這個數(shù)量受訪者容易進(jìn)入“機(jī)械點(diǎn)選”狀態(tài)數(shù)據(jù)質(zhì)量斷崖式下跌。建議把選擇任務(wù)拆分為阻塞設(shè)計(jì)不同受訪者隨機(jī)看其中6到8個再配合一兩個注意力檢驗(yàn)題比如“請選擇左側(cè)方案”能有效篩掉無效答卷。3.2 數(shù)據(jù)分析利器從描述統(tǒng)計(jì)到離散選擇模型再到潛在類別分析拿到數(shù)據(jù)后常規(guī)第一步是清洗和描述統(tǒng)計(jì)但真正的核心分析在偏好建模?；A(chǔ)框架是隨機(jī)效用理論最常用的是Multinomial Logit模型甚至直接用logit的簡化形式也能得到可用的邊際效用估計(jì)。公式上受訪者n選擇方案j的概率由屬性值X和誤差項(xiàng)決定從一堆選擇中可以解出每個屬性的權(quán)重系數(shù)。再往上走普通MNL有一個硬性假設(shè)所有受訪者的偏好系數(shù)相同。這個假設(shè)在實(shí)際中基本不成立。年輕人和老年人對兒童設(shè)施的態(tài)度差異巨大所以進(jìn)階做法是隨機(jī)參數(shù)Logit也叫混合Logit讓系數(shù)服從某個分布輸出“平均偏好”的同時還能看出異質(zhì)性。另一種思路是潛在類別分析先按回答模式把受訪者分成幾個“類別”比如“實(shí)用主義者”“生態(tài)愛好者”“價格敏感型”“無感人群”然后分別估計(jì)各類別系數(shù)。這個輸出對城市規(guī)劃特別友好因?yàn)樗苤苯诱f“你這個城市有大約35%居民屬于生態(tài)愛好者他們愿意為生物多樣性支付溢價”。我覺得實(shí)操中比較實(shí)用的組合是先跑一個MNL摸清方向和顯著性再用潛在類別模型識別細(xì)分群體最后用隨機(jī)參數(shù)Logit做穩(wěn)健性檢驗(yàn)。三個模型層層遞進(jìn)輸出的故事完整也經(jīng)得起審稿人的考驗(yàn)。計(jì)算工具方面R里的mlogit、Apollo包解決80%需求操作不復(fù)雜但需要注意數(shù)據(jù)格式Stata的asclogit、lclogit也能做。沒有軟件基礎(chǔ)的用Python的statsmodels搭multinomial logit也能入門但隨機(jī)參數(shù)這部分還是得上專門包。4. 我踩過的坑與偏好數(shù)據(jù)使用的避坑指南4.1 問卷落地時的典型問題社會期望偏差、錨定效應(yīng)、順序效應(yīng)理論上都知道這些偏差存在實(shí)際操作中才是重災(zāi)區(qū)。社會期望偏差在生態(tài)支付意愿里極其頑固。直接問“你愿意每年多交多少錢用于濕地保護(hù)”答案動輒翻倍。緩解辦法除了前述選擇實(shí)驗(yàn)還可以嵌入真實(shí)約束的措辭比如明確寫“該費(fèi)用將從家庭年支出中扣除”甚至加上“需要家庭成員討論”。騙過理性沒問題騙過直覺有點(diǎn)難。錨定效應(yīng)往往來自問卷前序題目。如果前面有一道題提到“本地居民月均收入8000元”后面再給支付意愿選項(xiàng)受訪者的出價會被這個數(shù)字牽引。最安全的辦法是讓屬性水平和錨定信息盡量自然比如把費(fèi)用水平設(shè)定為10元、50元、100元、200元這種有規(guī)律的增量減少“參考點(diǎn)”的隨機(jī)擾動。順序效應(yīng)則藏在選項(xiàng)排序里。如果方案A永遠(yuǎn)是“綠地面積更大”受訪者可能形成慣性選擇根本不再細(xì)讀屬性。解決辦法是屬性水平做隨機(jī)旋轉(zhuǎn)甚至卡片順序都隨機(jī)化。我用過一次教訓(xùn)深刻的網(wǎng)絡(luò)問卷就因?yàn)楣潭樞驅(qū)е路桨窤被選爆后期只能做加權(quán)校正麻煩至極。所以編程出題時務(wù)必把選擇卡片做完全隨機(jī)排列。4.2 數(shù)據(jù)解讀時最容易犯的三個錯誤第一個錯誤是拿全國平均偏好指導(dǎo)單個城市。全國模型系數(shù)是幾十個城市混合后的“平均水平”放在具體城市可能完全失準(zhǔn)。比如全國數(shù)據(jù)顯示“增加綠地面積”的效用很高但在上海這種建成區(qū)飽和、增量極難的城市更現(xiàn)實(shí)的屬性可能是“優(yōu)化設(shè)施”或“縮短距離”。正確的解讀方式是把城市啞變量或隨機(jī)截距放進(jìn)模型看看偏差方向再決定政策重點(diǎn)。第二個錯誤是混淆“支付意愿”和“真實(shí)支付行為”。選擇實(shí)驗(yàn)得到的支付意愿帶有假想性普遍高于真實(shí)行為通常要打折扣或單獨(dú)校準(zhǔn)。報(bào)告里一定要說明這是陳述性支付意愿不能直接當(dāng)價格建議。如果用于定價和補(bǔ)償標(biāo)準(zhǔn)最穩(wěn)妥的做法是疊加“接受者意愿”WTA或做競價實(shí)驗(yàn)來交叉驗(yàn)證。第三個錯誤是忽視無效樣本對潛在類別模型的污染。有些受訪者所有選擇都選第一個方案或者全程隨機(jī)點(diǎn)選這類樣本會被潛在類別模型識別成一個“完全無差異類”雖然表面上能擬合但實(shí)際上拉低了其他類別的樣本純度。清洗階段除了設(shè)最短答題時間還要做“重復(fù)選項(xiàng)比例”篩查并優(yōu)先排除注意力檢驗(yàn)失敗的問卷。5. 這套數(shù)據(jù)能用來干什么從城市規(guī)劃到政策評估的落地場景5.1 識別城市綠色空間的“短板”指導(dǎo)公園綠地布局規(guī)劃上最直接的應(yīng)用是“偏好地圖”。拿本地調(diào)查數(shù)據(jù)建模后可以把每個空間屬性的邊際效用投影到GIS圖層上識別出哪些片區(qū)居民對“近距離綠地”的偏好特別高但實(shí)際可達(dá)性很差那這就是典型的“綠地服務(wù)盲區(qū)”。優(yōu)先級排序就不再憑感覺而是按“偏好缺失指數(shù)偏好權(quán)重 × 可達(dá)性差”來打分。舉個例子假如某老城區(qū)居住人口偏老齡化模型顯示他們對“安靜休息區(qū)”和“廁所設(shè)施”的偏好權(quán)重顯著高于年輕人。如果規(guī)劃部門還在按“標(biāo)準(zhǔn)化公園建設(shè)規(guī)范”均勻配置球場和兒童設(shè)施就會南轅北轍。偏好數(shù)據(jù)能讓設(shè)計(jì)回歸到“為誰服務(wù)”而不是“照規(guī)范交差”。5.2 生態(tài)補(bǔ)償、環(huán)境支付意愿測算與定價參考生態(tài)補(bǔ)償標(biāo)準(zhǔn)測算一直是難題早年常用成本法和市場替代法完全沒考慮需求側(cè)價值。偏好數(shù)據(jù)提供了一種“受益者付費(fèi)”的視角如果綠地提升帶來的平均支付意愿是每年每戶120元那么據(jù)此測算區(qū)域總受益規(guī)模就能作為財(cái)政補(bǔ)貼或?qū)ｍ?xiàng)債規(guī)模的參考。還有一種情形是綠色基礎(chǔ)設(shè)施的優(yōu)先級論證。比如要在流域上游投資人工濕地評估報(bào)告如果只寫“預(yù)計(jì)削減COD多少噸”決策者很難有感但如果補(bǔ)一句“居民對水質(zhì)改善的平均支付意愿為每年150元流域受益家庭50萬戶總支付意愿約7500萬元高于項(xiàng)目年均運(yùn)營成本”說服力完全不一樣。當(dāng)然這仍然只是意愿層面但要論證公共品的福利效果這是最接近市場信息的替代指標(biāo)。5.3 還有三個容易被低估的應(yīng)用方向一是氣候適應(yīng)性規(guī)劃。面對高溫?zé)崂似脭?shù)據(jù)顯示居民對“樹蔭覆蓋率”的支付意愿在南方城市尤其高這能支撐“行道樹優(yōu)先于大草坪”的設(shè)計(jì)決策。二是社區(qū)參與式更新。做老舊小區(qū)改造時用輕量版選擇實(shí)驗(yàn)問卷5個題以內(nèi)篩選居民偏好比開三次居民代表會更能反映沉默多數(shù)的訴求。三是生態(tài)教育的成效評估。在濕地公園做前后對比調(diào)查就會發(fā)現(xiàn)“去過自然解說步道的游客對保護(hù)區(qū)支付意愿明顯上升”量化了生態(tài)體驗(yàn)對環(huán)保行為的促進(jìn)效應(yīng)。6. 關(guān)于這套數(shù)據(jù)的幾點(diǎn)切身感受前后參與過幾次這類全國性偏好調(diào)查之后最大的感觸是做這個方向真正的難點(diǎn)不在統(tǒng)計(jì)模型跑不跑得出而在每一個“更前”的環(huán)節(jié)——怎么把抽象的生態(tài)系統(tǒng)服務(wù)翻譯成居民一聽就懂的場景怎么在半年跨城市調(diào)研里守住一致性怎么在數(shù)據(jù)清洗時忍住“差不多就行”的沖動。這些瑣碎功夫數(shù)據(jù)質(zhì)量早晚會給你回報(bào)。最后分享一個小技巧出問卷之前一定先找?guī)讉€目標(biāo)城市的普通居民做半結(jié)構(gòu)式訪談。注意不要找學(xué)生學(xué)生太容易聽懂專業(yè)術(shù)語。讓大媽大爺看一遍選擇卡片里的屬性描述如果他們說“這個‘物種豐富度’我看不懂”說明你沒翻譯到位得改成“能看到的鳥和花草種類多少”之類的日常表達(dá)。這一步省下來后面所有統(tǒng)計(jì)分析都是在漂亮地處理垃圾輸入。全國尺度的生態(tài)服務(wù)偏好數(shù)據(jù)本身不會告訴政府“該在哪修公園”但如果讀懂它它就會告訴你“居民在魚和熊掌之間到底怎么選”。對做規(guī)劃和研究的朋友來說掌握這套從設(shè)計(jì)、采集到建模、落地的閉環(huán)會是未來幾年很值錢的一項(xiàng)技能。