張 穎，李曉格

北京林業(yè)大學經濟管理學院，北京 100083

自黨的十八大以來，我國把生態(tài)文明建設提升到了國家的戰(zhàn)略高度，對生態(tài)環(huán)境保護的重視不斷加強，對生態(tài)環(huán)境服務價值評價和支付意愿的研究也逐步升溫[1-3].具體到森林生態(tài)環(huán)境服務價值評價和支付意愿的研究，最早可追溯到1997年Costanza在Nature上發(fā)表的論文[2].公眾對于生態(tài)環(huán)境的理解、認識和參與是生態(tài)環(huán)境保護和資源環(huán)境管理的基礎，但是，關于他們的支付意愿如何，影響因素有哪些，以及森林生態(tài)環(huán)境的價值定量評估研究并不多見[4-5].因此，開展森林生態(tài)環(huán)境支付意愿的研究，并對影響支付意愿的主要因素進行分析，對提升公眾森林生態(tài)環(huán)境保護意識、加強森林資源管理、促進林業(yè)可持續(xù)發(fā)展等具有重要意義.

目前，有關公眾支付意愿的研究主要集中在城市[5-7]、森林[8-9]、濕地[9-12]、農田[13-14]、流域[12,15-16]、國家公園等方面[7]，尤其對生態(tài)服務價值補償及資源保護與開發(fā)補償的研究較多，采用的方法主要有條件價值法(CVM)、選擇性試驗法、Logit回歸、Probit回歸、Mixed Logit回歸和最優(yōu)尺度回歸等[9-16].在公眾對生態(tài)環(huán)境支付意愿的研究方面，公眾個體特征，如性別、年齡、個人收入水平、文化教育程度、家庭年收入、職業(yè)等對支付意愿有顯著影響，且公眾對不同生態(tài)環(huán)境支付意愿的差別較大，分別從10元/(人·a)到幾百元/(人·a)不等[4-15].具體到森林生態(tài)環(huán)境支付意愿的研究，一些學者運用結構方程的方法分析公眾支付意愿和影響因素，得出支付意愿與公眾滿意度、關注度、重視度之間存在中高度相關關系，滿意度與關注度、重視度存在負相關關系[16].還有一些學者對公眾對于森林生態(tài)環(huán)境保護不愿支付的原因進行了分析，認為主要原因是公眾存在“搭便車”和“對政府環(huán)境治理缺乏信任”[17-18]等.森林生態(tài)環(huán)境與一般生態(tài)環(huán)境一樣，屬于公共物品，影響公眾支付意愿的因素較多[18].目前，絕大部分研究僅對支付意愿的單個影響因素進行分析，缺少“群組”研究和“系統(tǒng)”研究[19-20]，存在一定的不足.實際上，“群組”研究和“系統(tǒng)”研究能夠對共同作用于同一目標的多個平行共變結構進行分析，并回答多個影響因素對總體的影響是否具有等同性，并從總體上判斷各影響因素的重要程度[21]，這明顯優(yōu)于單個因素對支付意愿影響的分析，有利于從整體上進行不同影響因素之間的比較，選出最優(yōu)的決策模型.鑒于此，該研究以甘肅省迭部縣為例，在相關研究基礎上，采用結構方程方法中的多群組結構方程模型，探討公眾對森林生態(tài)環(huán)境支付意愿的影響因素及其大小，并分析相關原因，以期為生態(tài)環(huán)境保護和資源環(huán)境管理等提供參考.

1 研究地概況與問卷調查

1.1 研究地概況

迭部縣隸屬于甘肅省甘南藏族自治州，地處秦嶺西，岷山、迭山山系之間的高山峽谷之中，青藏高原東部邊緣的甘川交界處，轄區(qū)面積 5 108.3 km2.迭部縣森林資源豐富，林地面積39.94×104hm2，森林覆蓋率61.61%，植被覆蓋率超過87%，擁有 1 671 種高等植物，大熊貓等國家重點保護珍稀動物27種.全縣境內擁有152種菌類植物(屬低等植物)和127種藥用植物.據迭部縣國民經濟和社會發(fā)展統(tǒng)計公報資料顯示，2017年，迭部縣常住人口5.4×104人，包括藏族、漢族、回族、蒙古族等多個民族，其中藏族占總人口的72%.2017年迭部縣實現地區(qū)生產總值11.79×108元，人均GDP為21 839元，低于當年全國人均GDP(59 660元)水平.從林業(yè)生產來看，2017年迭部縣實現林業(yè)總產值1.23×108元[8]，占地區(qū)生產總值的10.43%.從生態(tài)區(qū)位來看，迭部縣是青藏高原東部重要的生態(tài)屏障和長江上游地區(qū)重要的水源涵養(yǎng)地，生態(tài)環(huán)境保護地位十分重要.因此，開展森林生態(tài)環(huán)境支付意愿的研究，對了解當地居民生態(tài)環(huán)境保護支付意愿、提升居民的生態(tài)環(huán)境保護意識等具有重要意義.

1.2 問卷調查

該文主要采用問卷調查的方式進行研究.在問卷設計中，相關內容包括三部分：①居民的基本特征，包括性別、年齡、民族、教育程度、家庭人口數、家庭年收入、外出打工情況、是否為村干部等.②森林生態(tài)環(huán)境支付意愿的影響因素，包括森林生態(tài)環(huán)境補償的預期收益、對森林資源認知、對森林生態(tài)環(huán)境服務價值認知、對森林生態(tài)環(huán)境補償認知、資金技術因素影響、對森林生態(tài)環(huán)境保護目的認知、外部影響因素等.③森林生態(tài)環(huán)境支付意愿，主要為森林生態(tài)環(huán)境支付意愿大小等.各種指標的選取主要是在多次預調研的基礎上，參考有關研究并按照心理學的要求進行設計[12-13,16].

問卷設計主要根據李克特的五點量表，采用結構化調查問卷，被調查者需要仔細閱讀并選擇最適宜的答案.每個問題包含5個選項，分別表示5種不同的支付意愿程度，即非常同意(計1分)、同意(計2分)、不一定(計3分)、不同意(計4分)、非常不同意(計5分).最終所得分數為不同問題得分的總和，分數代表此項調查的認同程度.問卷整體設計經過多次修改，最后確定不同的問題.

調查于2017年7月進行.課題組在調研之前對所有人員進行培訓，對各問題不斷修改、完善，并進行預調查，以確保調查內容科學、合理.調查采用分層隨機抽樣的方法，針對迭部縣不同區(qū)域，共發(fā)放問卷300份，剔除不完整答案的問卷，共獲得有效問卷291份，有效問卷率為97%.

1.3 描述性統(tǒng)計和信度檢驗

為了確保數據的質量，該研究對問卷的第一部分內容進行基本描述性統(tǒng)計分析，結果如表1所示.

從表1可以看出：此次調查的受訪者中男性相對較多，占52.58%，女性占47.42%.年齡主要分布在30～50歲之間，占比為74.57%.被調查者中高中以下文化程度占50.51%，說明被調查者的受教育程度較低.在家庭年收入中，收入在3.6×104元以下的占比為45.36%，反映出被調查者收入水平不高.另外，在民族構成中，藏族占被調查者的68.73%，漢族占29.21%，有2.06%為其他民族.在外出打工情況調查中，不外出的占比最高，為67.70%，外出6個月以上的占比最低，為5.50%；在是否為村干部的調查中，有5.80%的被調查者回答為村干部.

表1 問卷基本信息統(tǒng)計Table 1 Basis information of the questionnaire

另外，該研究采用李克特量表信度系數法——克朗巴哈系數(Cronbach′sα)對回收問卷中第二、三部分的主要內容進行了信度檢驗[8-9]，結果見表2.

表2 信度分析結果Table 2 Reliability analysis results

從表2所示檢驗結果可以看出：問卷總體的克朗巴哈系數為0.948，說明此次調查數據的可信度較高[11].各變量數據的克朗巴哈系數均大于0.8，其中森林生態(tài)環(huán)境支付意愿的克朗巴哈系數高達0.954，說明其變量的內部一致性和可信度比較高.因此，此次問卷具有較高的可靠性和有效性，可進行模型構建和分析.

2 研究方法

2.1 結構方程模型

該研究主要采用結構方程模型(Structural Equation Model,SEM)進行研究.結構方程模型是基于變量的協方差矩陣來分析變量之間關系的一種統(tǒng)計方法，它包括測量模型和結構模型[21-22].結構方程涉及變量主要包括潛在變量、觀察變量，其中，潛在變量亦稱隱變量，無法直接觀察并測量，需要通過設計若干指標間接加以測量.潛在變量可分為外因潛在變量和內因潛在變量，外因潛在變量在模型中不受其余任何變量的影響，但卻可以影響其余變量；內因潛在變量可受到任何變量的影響.觀察變量是能夠以量表或問卷為介質，通過測量所獲取的數據.

相對于其他傳統(tǒng)模型而言，結構方程模型能夠處置多個因變量，能夠對觀察變量和潛在變量之間、因子之間的關系予以精確地估計和衡量，設置的模型更具彈性，同時能夠對模型整體和數據擬合度予以準確估計[22].

2.2 模型構建

該研究主要分析對森林資源認知(FRC)、對森林生態(tài)環(huán)境服務價值認知(FVC)、對森林生態(tài)環(huán)境補償認知(FPC)、居民參與森林生態(tài)環(huán)境補償的預期收益(ER)、資金技術影響(FTI)、外部影響因素(EFI)、對森林生態(tài)環(huán)境保護目的的認知(FPP)與森林生態(tài)環(huán)境支付意愿(WTP)之間的關系，具體結構方程為

(1-B)η=τξ+e

(1)

式中：η為內生潛在變量，是指被調查者對森林生態(tài)環(huán)境的支付意愿；ξ為外生潛在變量，即對森林資源認知、對森林生態(tài)環(huán)境服務價值認知、對森林生態(tài)環(huán)境補償認知、居民參與森林生態(tài)環(huán)境補償的預期收益、資金技術影響、外部影響因素、對森林生態(tài)環(huán)境保護目的的認知；B為內生潛在變量之間的關系；τ為外生潛在變量影響內生潛在變量的程度；e為標識殘差.

針對觀測變量和潛變量間的關系，測量模型表示為

(2)

式中，X為外生潛在變量的觀測變量，Y為內生潛在變量的觀測變量，βX表示外生潛在變量和觀測變量之間的關系，βY表示內生潛在變量和觀測變量之間的關系，δ與ε表示觀測變量獲取的誤差項[21].選取的觀測模型方程如下：

Xi=βijξj+δj

(3)

式中：i為觀測變量，i=1,2,3,…,34；j為潛在變量,j=1,2,3,…,7.即x1、x2分別表示對森林資源認知變量FRC1、FRC2，x3、x4、x5、x6、x7分別表示對森林生態(tài)環(huán)境服務價值認知變量FVC1、FVC2、FVC3、FVC4、FVC5，x8、x9、x10、x11分別表示對森林生態(tài)環(huán)境補償認知變量FPC1、FPC2、FPC3、FPC4，x12、x13、x14分別表示生態(tài)環(huán)境補償的預期收益變量ER1、ER2、ER3，x15、x16、x17、x18分別表示資金技術影響變量FTI1、FTI2、FTI3、FTI4，x19、x20、x21分別表示外部影響因素變量EFI1、EFI2、EFI3，x22、x23、x24、x25、x26、x27分別表示對森林生態(tài)環(huán)境保護目的的認知變量FPP1、FPP2、FPP3、FPP4、FPP5、FPP6.在此，所有觀測變量共計34個，七大類潛在變量不同水平的變量為27個.

yj=βjηj+εj

(4)

式中，y1、y2、y3、y4、y5、y6、y7分別表示被調查者森林生態(tài)環(huán)境支付意愿WTP1、WTP2、WTP3、WTP4、WTP5、WTP6、WTP7.

運用Amos 17.0軟件構建森林生態(tài)環(huán)境支付意愿的影響因素模型，并評價各因子的重要性.需要說明的是，在Amos 17.0軟件中，將繪制圖形的要素劃分成以下類別：橢圓形表示潛在變量，矩形表示測量指標，圓形表示誤差(e)，有向箭頭表示要素間的關聯性，各箭頭上均加載回歸權重系數[22].該研究采取β系數表示各潛在變量間的回歸系數.在規(guī)定模型中，各潛在變量所對應的測量指標內均包括回歸系數，其中，當回歸系數等于1時，意味著所規(guī)定的潛在變量的度量單位等同于所對應的指標單位.此次調查的森林生態(tài)環(huán)境支付意愿影響因素模型見圖1.

圖1 森林生態(tài)環(huán)境支付意愿影響因素分析路徑 Fig.1 The path map of factors influencing the willingness to pay for forest ecological environment

結構方程模型構建之后，需要通過各項模型適配指標來對模型的識別情況進行判斷，并對假設模型與實際情況的一致性進行評價.卡方值(χ2)體現了模型對識別效果的擬合程度，它與自由度系數(df)密切關聯，χ2/df值愈小，表示擬合程度愈佳.一般要求相對擬合指數(Comparative Fit Index,CFI)與擬合優(yōu)度指數(Goodness of Fit Index,GFI)值介于0～1之間(實際使用中要求二者均大于0.9)，與1愈接近，說明其擬合效果愈佳.該研究檢驗了結構方程模型的擬合效果，且對參數進行估計，其適配度的檢驗結果如表3所示.

表3顯示，模型的χ2/df值等于1.965(<2)，與要求的評價標準相符合.近似均方根誤差(Root Mean Square Error of Approximation，RMSEA)與GFI和調整后的擬合優(yōu)度指數(Adjusted Goodness-of-fit Index，AGFI)、CFI等指標值的評價標準不一致，表明其假設模型的擬合結果不符合評判標準，需要進一步修正或完善，以達到理想的擬合狀態(tài)，此時模型的擬合路徑見圖2.

圖2 森林生態(tài)環(huán)境支付意愿影響因素擬合路徑Fig.2 The path map of factors influencing the willingness to pay for forest ecological environment

表3 各項指標的模型檢驗Table 3 Model test of various indexes

2.3 模型分析與修正

2.3.1探索性因子分析

探索性因子分析法(Exploratory Factor Analysis,EFA)可將復雜繁瑣的多變量綜合為少數幾個主成分.該研究采取探索性因子分析方法找到觀測變量的主成分數量，探究各主成分與各觀測變量間的相關程度，根據分析結果對理論模型的合理性予以判定[14].運用SPSS 22.0軟件對問卷所得數據進行探索性因子分析，統(tǒng)計結果表明，整體的Bartlett球形檢驗KMO值為0.875，說明調查數據適合進行因子分析[21].

根據方差和累積方差貢獻率，共提取8個主成分，累積方差解釋貢獻率為78.77%，表明8個主成分能夠解釋原變量的絕大多數方差，方差貢獻率計算結果如表4所示.

表4 所提取的8個主成分的解釋總方差Table 4 Total variance of the 8 principal components extracted for interpretation

根據因子載荷矩陣得到各指標在不同主成分下的負荷量，采用方差法進行因子旋轉之后，得到旋轉成分矩陣表，共得到8個主成分.其中，居民森林生態(tài)環(huán)境支付意愿的觀測指標在第1主成分的因子載荷值大于0.7，所以將其主成分定義為森林生態(tài)環(huán)境支付意愿影響因素;第2主成分定義為對森林生態(tài)環(huán)境補償認知因素;第3主成分定義為對森林生態(tài)環(huán)境保護目的認知因素;第4主成分定義為預期收益因素;第5、6、7、8主成分分別定義為外部影響因素、森林資源認知因素、資金技術影響因素和對森林生態(tài)環(huán)境服務認知因素.提取的這8個主成分也說明了驗證性因子分析結果與之前構建的理論模型存在較好的一致性，能夠采用結構方程模型對森林生態(tài)環(huán)境支付意愿的影響因素進行分析.

2.3.2模型修正

模型修正手段包括兩類：①修正初始模型，如果計算的指標值與評價標準條件不符，加以刪除或修改；②根據模型擬合結果中的修正模塊(modification模塊)的結果進行修正.每次修正只改變一個參數值，以獲得理想的結果[10].

圖2的擬合路徑顯示，FRC(對森林資源認知)對WTP(森林生態(tài)環(huán)境支付意愿)的回歸權重系數只有0.08，FPC(對森林生態(tài)環(huán)境補償認知)對ER(預期收益)的回歸權重系數僅為0.06，其數值極低，說明與結構方程要求的評價標準不相符合，需要刪除森林資源認知對森林生態(tài)環(huán)境支付意愿及森林生態(tài)環(huán)境補償認知對預期收益的關系路徑.另外，參考修正模塊的計算結果，考慮到實際情況與所計算結果，添加FTI(資金技術)對EFI(外部影響因素)的關系路徑，并對模型進行進一步修正，修正后模型路徑如圖3所示.

根據修正后的模型擬合路徑(見圖3)對相關模型重新進行擬合，利用最大似然估計法(Maximum Likelihood Estimation,MLE)進行參數估計，此時模型的適配指標如表5所示.從絕對擬合適配統(tǒng)計量來看，各項檢驗指標基本都符合結構方程模型的評價標準，因此，該結構方程模型較好地擬合了實際調查數據[22-23].

表5 修正后各項指標的模型檢驗Table 5 Model test of various indexes after modify

2.3.2.1觀測模型擬合分析

結構方程模型由結構模型與觀測模型構成，表6為觀測模型檢驗結果.由表6可知，各潛在變量與觀測變量之間的回歸系數均大于0.5，基本都在0.7以上，說明該研究的觀測變量即調查題目能夠反映潛在變量的狀況[24].

由表6可知，被調查者對森林資源認知(FRC)的2個觀測變量對森林資源認知的回歸系數均大于0.7，解釋效果良好，說明被調查者對森林資源有較好的認知.被調查者對森林生態(tài)環(huán)境服務價值認知(FVC)的5個觀測變量回歸系數均在0.6以上，解釋效果良好.其中對森林生態(tài)服務價值的了解程度(FVC2)和對森林生態(tài)服務價值能提高林地總收入(FVC3)的回歸系數均在0.85以上.因此，宣傳森林生態(tài)服務價值、提升被調查者對森林生態(tài)服務價值的認知程度，可以進一步提高被調查者森林生態(tài)環(huán)境支付意愿.對森林生態(tài)環(huán)境補償認知(FPC)的4個觀測變量回歸系數均在0.88以上，解釋效果良好.因此，可以從森林生態(tài)環(huán)境補償的角度對居民進行宣傳和培訓引導，提高被調查者的生態(tài)環(huán)境保護意識，進而提升被調查者森林生態(tài)環(huán)境的支付意愿.被調查者森林生態(tài)環(huán)境補償預期收益(ER)的3個觀測變量回歸系數均大于0.7，解釋效果良好，這也說明被調查者參與生態(tài)環(huán)境支付是期望相關收益增加.資金技術影響(FTI)的4個觀測變量的回歸系數在0.5以上，解釋效果基本良好.其中被調查者認為林地適合生態(tài)環(huán)境建設(FTI4)的回歸系數為0.847，表明如果居民有適合的林地資源，他們是愿意參與投資和學習相關技術并參與森林生態(tài)環(huán)境的保護.被調查者受外部環(huán)境因素影響(EFI)的3個觀測變量的回歸系數均大于0.6，解釋效果良好.其中國家政策制度(EFI2)的影響最大，回歸系數為0.888.因此，政策制度越完善，被調查者的權益保障越好，居民參與環(huán)境保護的意愿也會隨之提高.支付意愿(WTP)的7個觀測變量的回歸系數均在0.75以上，解釋效果良好，也說明被調查者提高森林資源認知、主動參與森林生態(tài)環(huán)境保護活動等有利于居民生態(tài)環(huán)境支付.被調查者參與生態(tài)環(huán)境保護目的(FPP)認知的6個觀測變量的回歸系數均在0.65以上，解釋效果良好.其中，獲得生態(tài)補償收益及響應政府號召的系數較大，說明對居民來說收益和政策是影響其參與生態(tài)環(huán)境保護的主要影響因素.

表6 觀測變量標準化的回歸系數及其顯著性檢驗結果Table 6 Standardized regression coefficients and its significance test of observation variable

2.3.2.2結構模型擬合分析

表7是潛在變量標準化的回歸系數及其顯著性檢驗結果.結果表明，各回歸系數顯著，均通過顯著性水平檢驗，說明模型能夠被識別[25-26].

由表7可知，外部環(huán)境影響因素(EFI)受居民森林生態(tài)環(huán)境支付意愿(WTP)的顯著影響，具體回歸系數為0.830，說明政策等外部環(huán)境對居民參與森林生態(tài)環(huán)境支付意愿影響最重要.被調查者森林生態(tài)環(huán)境服務價值認知(FVC)、森林生態(tài)環(huán)境補償認知(FPC)的回歸系數分別為0.760、0.650，表明被調查者對生態(tài)環(huán)境服務價值相關知識及政策的了解有利于提高他們的支付意愿.居民個人的資金技術影響(FTI)也受其支付意愿影響，回歸系數為0.501.森林生態(tài)環(huán)境補償預期收益(ER)也受森林生態(tài)環(huán)境支付意愿(WTP)的影響，但不是主要影響因素，回歸系數較低，僅為0.335.觀測變量中森林生態(tài)環(huán)境保護目的認知(FPP)對潛在變量森林生態(tài)環(huán)境補償認知(FPC)、預期收益(ER)、外部環(huán)境影響因素(EFI)和資金技術影響(FTI)存在一定的影響，而資金技術影響(FTI)受森林生態(tài)環(huán)境保護目的認知(FPP)的影響最小，回歸系數僅為0.283.

表7 潛在變量標準化的回歸系數值及其顯著性檢驗結果Table 7 Standardized regression coefficients and its significance test of latent variable

2.3.2.3假設檢驗分析

由表6、7參數估計與適配指數結果可以看出，所構建的結構模型具有較好的適配程度，理論模型中的各項假設通過了潛在變量的回歸系數驗證[27].表8為假設和驗證結果之間的對應關系.

從檢驗結果來看，構建的13個研究假設均是正相關關系，所以當結構變量間的回歸系數大于0時，證明假設的結構變量間所存在的關系是成立的，大于0.5則證明相關關系較強.由表8可知，13個研究假設中有11個成立，有2個不成立.這2個不成立的關系表明，居民對森林資源認知(FRC)與森林生態(tài)環(huán)境支付意愿(WTP)不存在正相關關系，居民對生態(tài)環(huán)境服務價值認知(FVC)與森林生態(tài)環(huán)境補償預期收益(ER)也不存在正相關關系.其他假設的標準化回歸系數估計值均大于0，說明均存在正相關關系.

表8 研究假設與驗證結果Table 8 Research hypothesis and verification results

3 多群組結構方程模型分析

3.1 基于性別的多群組分析

表9為不同性別下結構方程模型適配指標的擬合結果.結果顯示，模型的適配檢驗符合模型評價標準，多群組結構方程模型與觀測數據擬合較好[28-29].

表9 基于性別的各項指標模型檢驗Table 9 Model test of various indexes based on gender

表10是基于性別的多群組結構方程模型擬合結果.結果顯示，假設H2、H3、H12中男性居民對森林生態(tài)環(huán)境支付意愿影響顯著，女性居民影響不顯著.

表10 基于性別的研究假設與驗證結果Table 10 Research hypothesis and verification results based on gender

H5、H10、H9主要是資金技術、預期收益方面的假設，這幾個假設的檢驗結果表明男性和女性群體對森林生態(tài)環(huán)境支付意愿的影響情況基本一致.假設H6、H11是居民參與生態(tài)環(huán)境保護的外部影響因素的影響程度，研究結果表明，女性居民較男性對支付意愿的影響更為顯著.

3.2 基于民族的多群組分析

表11為不同民族的結構方程模型適配計算結果.結果顯示，模型適配指標基本符合模型評價標準.具體來說，藏族、漢族的模型適配指標檢驗結果相差不大，其結果值分別為2.069和1.989，并無明顯區(qū)別.計算過程中，由于其他民族統(tǒng)計數據較少，故僅對藏族、漢族兩個民族的數據進行了檢驗.

表11 基于民族的各項指標模型檢驗Table 11 Model test of various indexes based on the nationality

表12所示擬合結果也顯示，兩組樣本的各研究假設檢驗結果較為接近，也進一步說明不同民族的居民在各路徑的影響情況基本一致，不同民族對森林生態(tài)環(huán)境支付意愿的影響差異較小.

表12 基于民族的研究假設與驗證結果Table 12 Research hypothesis and verification results based on the nationality

3.3 基于年齡的多群組分析

此次調查中，年齡數據分為<30歲、30～40歲、41～50歲、51～60歲和>60歲共5組，分別擬合不同年齡段下的結構方程模型，將不同模型適配指標結果整理得出：5組模型的χ2/df在1.796～2.124之間，RMSEA在0.088～1.027之間，GFI在0.879～0.931之間，CFI在0.894～0.925之間，各模型適配指標基本符合模型評價標準，說明多群組結構方程模型與觀測數據擬合程度較好[30-31].

表13為基于年齡的多群組結構方程模型的擬合結果.結果顯示，對于認知的相關假設H2和H3，年齡在31～40歲和41～50歲之間的群體比其他年齡段群體的影響更為顯著，也說明相比于其他年齡段而言，該群體更加關注生態(tài)環(huán)境保護.在預期收益相關假設H4、H9中，除>60歲群體影響不顯著以外，其他群體影響均較為顯著，說明不同群體對森林生態(tài)環(huán)境補償的預期收益均比較關注.在資金技術(H5)和外部因素影響(H6)方面，除<30歲的群體影響不顯著以外，其他群體均較為顯著.在其他假設下，各群體之間的影響基本無差異.

表13 基于年齡的研究假設與驗證結果Table 13 Research hypothesis and verification results based on the age

3.4 基于教育程度的多群組分析

將教育程度數據分為小學及以下、初中、高中、專科和大學及以上共5組，由各模型適配指標結果可知，5組模型的χ2/df在1.952～2.094之間，RMSEA在0.085～1.009之間，GFI在0.898～0.922之間，CFI在0.876～0.938之間.各模型適配指標基本符合模型評價標準，顯示多群組結構方程模型與觀測數據擬合程度較好[23,31].

表14是基于教育程度的多群組結構方程模型的擬合結果.結果顯示，在所有認知程度方面，高中及以上學歷水平群體對森林生態(tài)服務價值認知的影響較為顯著，說明該群體對森林生態(tài)服務價值認知的程度較高.在其他研究假設情況下，各群體認知差異不明顯.

表14 基于教育程度的研究假設與驗證結果Table 14 Research hypothesis and verification results based on education level

4 討論

該研究主要采用多群組結構方程模型分析了甘肅省迭部縣居民森林生態(tài)環(huán)境支付意愿的影響因素，針對上述研究結果，以下問題值得思考：

a) 完善生態(tài)環(huán)境保護相關政策，落實生態(tài)環(huán)境補償制度，有利于提高居民的森林生態(tài)環(huán)境保護支付意愿.實際上，對參與森林生態(tài)環(huán)境建設的居民給予一定的補貼，激勵居民參與森林生態(tài)環(huán)境保護活動.對于資金不足而又積極參與森林生態(tài)環(huán)境建設的居民，應放寬貸款優(yōu)惠政策，解決他們的實際問題等，也有利于提高他們的生態(tài)環(huán)境保護支付意愿[13].

b) 加強政策引導和宣傳教育，提高居民對生態(tài)環(huán)境服務價值的認知程度，激發(fā)他們的環(huán)保意識.一方面，政府可以搭建生態(tài)環(huán)境專題網站、創(chuàng)建微信公眾號、舉辦講座、設立報刊專欄等，對森林生態(tài)環(huán)境服務價值進行宣傳和普及，為廣大居民提供更多的信息渠道；另一方面，政府可以通過舉辦生態(tài)環(huán)境保護專題活動，如植樹造林、森林撫育管護、以資代勞等多種形式的活動等，引導居民積極參與，并加強輿論宣傳，培養(yǎng)他們的生態(tài)環(huán)境服務有償消費觀，強化他們對生態(tài)環(huán)境保護的關注度和重視度等[16]，也有利于提高他們的森林生態(tài)環(huán)境保護支付意愿.

c) 基于個體的差異性來制定差異化的生態(tài)環(huán)境保護方案，有助于有效提高居民的生態(tài)環(huán)境保護支付意愿.應根據居民的性別、年齡、受教育程度等差異，采取有針對性的生態(tài)環(huán)境價值和保護的宣傳策略.如對于女性群體側重于生態(tài)環(huán)境服務知識的普及，對于男性群體側重于生態(tài)價值補償及收益等方面的宣傳，從而提高他們生態(tài)環(huán)境保護意識等，并提高他們的森林生態(tài)環(huán)境保護支付意愿.

d) 從研究方法來看，采用結構方程模型分析的最大優(yōu)點是可以同時處理許多因變量，并比較、評價不同的理論模型，也允許不同變量之間存在測量誤差[22,32-33].當采用多群組結構方程模型分析時，可了解不同組別內各變量的關系是否保持不變，各因子的均值是否有顯著差異，并選出最優(yōu)的決策模型.但在分析過程中，如果采用過多的多群組結構方程模型，會對數據的量要求更大，如何在不擴大樣本量的情況下，采用更多的多群組結構方程模型分析，這也是多群組結構方程模型分析過程中值得討論和思考的問題.

5 結論

a) 居民對生態(tài)環(huán)境服務價值認知、對森林生態(tài)環(huán)境保護目的認知、對生態(tài)環(huán)境補償認知和生態(tài)環(huán)境補償預期收益、居民個人資金技術因素及外部影響因素與居民森林生態(tài)環(huán)境支付意愿存在正相關關系，且都存在顯著影響.居民對森林生態(tài)環(huán)境補償認知、生態(tài)環(huán)境補償預期收益、外部影響因素和資金技術因素與居民生態(tài)環(huán)境保護目的的認知呈正相關關系.對森林生態(tài)環(huán)境服務價值認知與森林生態(tài)環(huán)境補償認知呈正相關關系.這些發(fā)現有助于了解迭部縣居民森林生態(tài)環(huán)境支付意愿的影響因素.這些影響因素在生態(tài)環(huán)境支付意愿影響研究中也具有一定的普適性和代表性.

b) 在居民森林生態(tài)環(huán)境支付意愿的不同影響因素中，最主要的影響因素是外部因素，其回歸系數為0.830，具體包括相關政策、制度、法律法規(guī)以及被調查者的權益保障規(guī)定等，這些外部影響因素越完善，居民森林生態(tài)環(huán)境支付意愿越強；影響最小的是資金技術因素，回歸系數僅為0.283.另外，研究結果也顯示，被調查者對森林生態(tài)環(huán)境服務價值及補償相關知識的認知程度也會影響其支付意愿.因此，應加強相關宣傳，提高居民森林生態(tài)環(huán)境保護的認知程度.

c) 多群組結構方程模型計算結果顯示，男性居民森林生態(tài)環(huán)境支付意愿相對于女性更高，且主要受對森林生態(tài)環(huán)境的認知程度的影響，女性更容易受外部因素的影響；不同年齡段的被調查者在森林生態(tài)環(huán)境服務價值認知、資金技術條件因素和外部影響因素方面存在差異性；不同教育程度的被調查者之間的差異主要體現在對森林生態(tài)環(huán)境服務價值認知和森林生態(tài)環(huán)境補償的認知上.