第三节 旅游资源经济价值主要评估方法述评

国内外学者对旅游资源经济价值评估的实证研究主要集中于旅行费用法（TCM）、条件价值法（CVM）、收益还原法（ICM）等评估方法的原理、案例实证、信效度检验等方面。目前，关于旅游资源经济价值的评估方法主要有两种思路：一种是国外以显示偏好法（revealed preference approach, RPA）与陈述偏好法（stated preference approach, SPA）为主导的评估方法，主要包括旅行费用法（TCM）、条件价值法（CVM）等；另一种是国内以收益还原法（ICM）为主导的资产评估方法。

一、旅行费用法

旅行费用法属于显示性偏好法，亦即通过旅游者在景区旅游资源游憩过程中所产生的旅游成本支出行为显示旅游者内在的旅行偏好，进而据此推算出景区旅游资源游憩价值。旅行费用法基于消费者剩余理论和需求理论，是将旅游者的实际旅行支出加总消费者剩余作为景区旅游资源游憩价值，是被国内外学者广泛使用的三大主流景区旅游资源经济价值评估方法之一。

（一）TCM模型的类型、性质及其应用

旅行费用法（TCM）源于1947年经济学家Hotelling的研究发现，并由Clawson于1959年创建。从1966年开始，国外学者逐步增加了应用TCM评估景区游憩价值的实证研究数量。而国内学者从20世纪90年代之后逐步增多了用TCM评估景区旅游资源游憩价值的实证研究数量。随着应用TCM评估景区旅游资源游憩价值研究的深入，国内外学者逐步提出具有创新性的TCM评估修正模型，大致可以划分为五种应用广泛的TCM评估模型。

1．区域旅行费用法（ZTCM）

旅行费用法（TCM）源于美国经济学家Hotelling（1947）的思想，Hotelling研究发现游客与旅游地的地理距离越远，其感受到的净效用就越少，即旅游者认为游览游憩地的价值小于其旅游花费；模拟了旅游者的需求曲线，并对其积分得到游憩地经济价值。其后，Claw son（1959）率先开发出区域旅行费用法（zonal travel cost method, ZTCM）。Clawson & Knetsch（1966）在其著作中进一步完善了ZTCM, Burt & Brewer（1971）也应用ZTCM进行了案例实证。Smith（1975）进一步研究了ZTCM的旅游需求函数，比较分析了线性模型、半对数（semi-log）模型、双对数（double-log）模型中的最小二乘估计（ordinary least square, OLS）和最大似然估计（maximum likelihood estimation, MLE）。Batie et al.（1976）应用优于线性和双对数模型的半对数模型来构建ZTCM的旅游需求函数，使用最小二乘法（ordinary least square, OLS）来估计函数系数，以研究游艇休闲问题。Vaughan et al.（1982）实证研究得出半对数模型能够减少ZTCM的异质性偏差。Strong（1983）在Bowes& Loomis（1980）基础上对被解释变量作Box-Cox转换，并应用加权最小二乘法（weighted least square, WLS）估计模型系数，同样得出半对数函数拟合效果好的实证结论。

ZTCM按照游客的客源地划分为若干个区域，以区域人口出游比例为被解释变量，以按照客源地与目的地的距离来计算的旅行成本为解释变量，来构造旅游需求函数。其隐含假设是来自同一客源地的旅游者对游憩地的偏好一致，且旅行成本一样。ZTCM的好处是其划分地域的做法可以使用统计年鉴数据等二手数据，节省了实地调研的时间和金钱。但其隐含假设与旅游出行方式多样化的现实不符。而且，由于区域内游客的异质性（heterogeneity）偏差，多元线性回归模型可能会产生多重共线性（multi-collinearity）问题。为了弥补ZTCM的不足，学者们开始探索新的TCM模型。

2．个体旅行费用法（ITCM）

为了克服ZTCM的上述局限性，Brown & Nawas（1973）提出使用旅游者个体数据来代替区域统计数据，开发出了基于旅游者个体观测数据内在变化的个体旅行费用法（individual travel cost method, ITCM）。Gum &Martin（1975）以旅行次数为因变量，以旅行成本、旅行时间、人口统计学变量等为自变量，构建了基于一般线性回归模型的ITCM。Cicchetti et al.（1976）进一步使用最小二乘法（OLS）对ITCM的旅游需求函数进行了计量经济学估计。McConnell（1977）应用ITCM分析了沙滩度假地的多目的地拥挤问题，其旅游需求函数使用了半对数模型。Wetzstein & Green（1978）则选择使用双对数模型来构建旅游需求函数，并使用OLS估计函数系数。Ziemer et al.（1980）构建了线性模型、二项式模型、半对数模型，并分别用OLS和经Box-Cox转换后的最大似然（maximum likelihood, ML）计量估计，得出半对数模型的拟合程度更好，并指出通过选择回归函数模型可以减少异质性偏差。1979年，美国水资源理事会（Water Resources Council）认定TCM为水资源评估的标准方法。1982年，TCM被评估为美国联邦水资源发展最有效的两种价值评估方法之一。

诚然，ITCM克服了ZTCM的一部分局限性，其优势是充分考虑了个体数据的内在变化，其数据利用效率高于ZTCM，且评估模型更有效（Brown, Nawas,1973）。但是，正如Shaw（1988）指出，ITCM应用一手旅游者数据的特点使其存在非负整数、截断偏差（truncation bias）问题，即实地调研数据未包含潜在的游客样本，可能会高估消费者剩余。而且，ITCM调研样本还倾向于更多地包含高重游率游客而产生内生分层（endogenous stratification）计量问题，即游览景区次数较多的旅游者更容易被选中成为实地调研的对象，这使得ITCM评估结果很可能出现高估的情形。此外，ITCM较适用于单目的地评估，其在多目的地评估过程中需要有效解决多目的地替代性与相应旅行成本分摊问题。

3．享乐旅行费用法（HTCM）

Ridker & Henning（1967）率先将基于要素价值理论（Lancaster,1966）的享乐价格法引入环境经济学研究领域。Brow n & Mendelsohn（1984）将享乐价格法和旅行费用法结合起来，形成了享乐旅行费用法（hedonic travel cost method, HTCM），其函数形式可以视为旅游需求函数的反函数，其优点是能够处理旅游地替代性问题。HTCM把旅游地属性纳入游憩分析，将旅游地属性视为一起购买的不同物品，结合每个潜在旅游地属性束的旅行费用构建计量回归模型以测度旅游地属性价格。再比较分析旅游者在旅游地属性的不同价格条件下做出的旅游地决策，基于此构建旅游者对于旅游地质量属性的需求函数，进而评估游憩地经济价值。HTCM的二阶段实施步骤之一是构建享乐价格函数，能够体现旅游地属性的边际变动引致的旅游者效用的变动。Cropper et al.（1993）的研究结果表明，较之RUTCM, HTCM能够更准确地测度旅游地的边际隐性价格。HTCM的这个优点能够为旅游地经营者做出定价决策提供理论和实证参考依据。Pendleton &Mendelsohn（2000）比较分析了HTCM和RUTCM，研究结果表明两者理论基础相同，对于旅游地属性变量纳入函数的处理方式不同，对于游憩需求函数的计量估计方法也不同，两者的适用性也存在差异。当然，HTCM不可避免地存在不足之处。其一是HTCM评估旅游地经济价值的二阶段应用实施步骤可能造成可用统计信息的大量损失。其二是HTCM作为旅游需求供给非均衡模型会使得旅游地属性的边际价格出现负值。Bockstael et al.（1987）提出应当删去负值边际价格，使得HTCM能够契合效应函数的经济学逻辑。Smith & Kaoru（1987）顺着这一研究思路进一步研究发现负值边际价格对于被解释变量具有一定的解释能力，删去负值边际价格会出现拟合度不高等一系列计量问题。基于此，HTCM在评估旅游地经济价值方面需要国内外学者进一步深入探讨研究。

4．随机效用旅行费用法（RUTCM）

为了有效解决多目的地替代问题，Smith & Kaoru（1986）、Bockstael et al.（1987）先后应用随机效用旅行费用法（random utility travel cost method, RU TCM）评估旅游地游憩价值。随机效用旅行费用法基于随机效用理论和消费者选择理论，将旅游地区域内的游客接待量在多目的地景区中进行分配，测算给定条件下个体游客i到景区j游憩的概率。RU TCM的离散选择模型中涵盖了景区属性变量和旅行费用变量，其优点是可以有效估计旅游者对于各备选景区的偏好，有效应对效用最大化条件下旅游者的多景区间选择问题，进而有效解决具有不同游憩特征的多个备选景区之间的替代性问题（Smith, Kaoru,1986）。

然而，RUTCM的常用模型是多项分对数模型（multinomial logit model）或嵌套多项分对数模型（nested multinomial logit model），其需要满足“非相关替代决策的独立性”前提（independence of irrelevant alternatives, IIA），即假设个体旅游者的旅行决策是独立决策，其在景区间的选择仅有赖于景区属性和旅行成本，与其他因素无关，不考虑其他游憩行为影响。这个IIA假设忽略了旅游者收入和闲暇时间两个重要影响因素，与现实情形不相吻合。而且，RUTCM游憩价值评估所要求的海量数据与复杂的计量模型在很大程度上限制了其应用范围的扩大。此外，RUTCM无法推导得出常规的旅游需求函数，如何测算出符合经济学理论和统计学规律的旅游价格弹性也需要未来进一步探讨。

5．旅行费用区间分析（TCIA）

为了克服ZTCM的同区域旅游者的旅行成本一致的假设局限，李巍和李文军（2003）提出了旅行费用区间分析（travel cost interval analysis, TCIA），不再把地理距离作为旅游者的划分标准，而是以个体的旅行成本为维度划分旅游者区间，这能够克服ZTCM的假设与交通多元化现实不符的不足。詹丽等（2005）、郝伟罡等（2007）、肖建红等（2011）、周军等（2011）、李湘豫等（2013）分别应用TCIA对文化旅游资源、自然保护区、旅游景区的游憩价值进行了评估。谢双玉等（2008）基于高等数学的积分理论视角对ZTCM和TCIA进行了比较分析，研究得出ZTCM的演算步骤与原理深刻地表征了黎曼（Riemann）积分的分割定义域的数学分析思想，TCIA的演算步骤与原理深刻地表征了勒贝格（Lebesgue）积分的分割值域的数学分析思想；基于积分理论的比较视角，TCIA优于ZTCM。

TCIA的优点是能够克服ZTCM的假设局限。但是，TCIA放弃使用旅游统计年鉴数据，其有赖于实地调研数据的收集与分析，这造成了研究时间与研究成本的增加。而且，TCIA估计旅游需求函数的样本量取决于旅行费用区间的划分数，造成样本量过少，其样本量一般少于统计学推荐样本量的最低数30，造成TCIA实施步骤中的回归分析难以符合严格意义上的统计学回归分析的要求，这会降低TCIA评估结果的可靠性。更进一步地，正如李巍和李文军（2003）在文末指出的那样，TCIA的旅游需求函数仅考虑旅行费用一个变量，无法纳入其他关键变量，这会使TCIA的评估结果产生较大偏差，其可靠性与有效性值得进一步论证。

（二）旅行费用的测度研究

在旅行费用法的应用过程中，构建旅游需求函数的关键是确定旅行价格，而由于旅行价格体现的是旅游者对于旅行的需求，这种需求或价格基本上是不可观测的，所以国内外学者们常用旅行费用作为旅行价格的测量变量。然而，旅行费用的统计测算具有一定的主观性，旅行费用与真实的旅行价格之间存在一定的统计误差。换言之，旅行费用法中的难点都是旅行费用的内隐性与不可观测性的外在表征（Randall,1994）。国内外学者对于旅行费用的统计精确性问题主要集中在旅行费用的数据获取与涵盖内容、旅行时间的机会成本测算、旅行费用的多目的地分配等三个方面。

1．旅行费用的数据获取与涵盖内容

第一，旅行费用的数据获取方面，国外ITCM研究的旅行费用数据一般通过案例地调研获取，ZTCM研究的旅行费用数据一般直接来源于统计年鉴；国内TCM研究的旅行费用数据一般都通过案例地调研获取。实地调研方法获得的旅行费用数据精度一般略低于统计年鉴数据的精度，其可能存在内生分层偏差、抽样方式与抽样时间偏差（Shaw,1988; Stynes, White, 2006）。首先，由于实地调研方法是对景区的现实旅游者进行旅行费用的抽样调查，其容易形成对高重游率的旅游者的过度抽样，形成内生分层（endogenous stratification）偏差。换句话说，高重游率的旅游者在实地调研中被抽样调查的概率较大，将这一抽样调查结果推广到总体旅游者样本容易夸大旅游者重游率，进而导致旅行费用法高估景区游憩价值。学者们一般采用计量经济学修正方法和入户调查方法来解决内生分层偏差。其次，实地调研方法获得的旅行费用数据可能存在抽样方式偏差。理想中的实地调研应当采取概率抽样方法，而囿于统计调查的现状，国内大部分的TCM实地调研采用的是非概率多段抽样方法，当研究样本不具有内部一致性时或许存在一定的数据偏差（董雪旺等，2011）。再次，旅行费用的实地调研可能存在调研时间偏差。一般而言，待调查的旅行费用应当为整个旅行的总花费，而抽样调查对象可能是尚未完成整个旅程的旅游者，旅游者回答的旅行费用可能是截至调查时间的旅行费用。为了消除这一偏差，调研样本应当选取将要完成整个旅程的旅游者或者让旅游者预估旅游总花费。

第二，旅行费用应当涵盖哪些货币花费是旅行费用法应用中的一个难点，因为旅行费用的构成内容不同，基于旅行费用测算得出的消费者剩余也就差异较大。若景区质量与游憩之间存在弱互补关系（weak complement），则游憩的补偿需求应当涵盖评估景区质量的一系列必要信息，因而旅行价格法（travel price method, TPM）是适宜的评估方法（Randall,1994）。然而，游憩是非同质物品（non-homogeneous good），旅游者对于游憩的需求不可观测，即旅行价格不可观测，因而采用旅行费用作为旅行价格的测算变量。

Fix & Loomis（1998）将旅游者在旅行中产生的货币支出归纳为旅行中成本和旅游现场花费两个部分，其一是旅行中成本，包括机票费、汽油费、汽车租用费、交通费等；其二是旅游现场花费，包括景区门票费、旅游经营项目花费、景区导游费、住宿费、餐饮费、自行车租用费等。Garrod & Willis（1999）区分了仅包含汽油费的旅行费用与包含汽油费、折旧费、保险费等旅行总费用，并实证研究得出基于汽油费用测算得到的消费者剩余仅为基于旅行总费用测算得到的消费者剩余的1/4～1/3。此外，除了旅行中成本和旅游现场花费之外，旅行费用还包括前述的旅行时间机会成本。

2．旅行时间的机会成本测算

旅行费用是旅行费用法中测度消费者剩余的主要影响因素，其包括游憩活动的货币支出和旅行时间的机会成本，其中旅行时间机会成本因其在测算上的困难而成为一个学术界广泛争论的难题。学者们对于旅行时间机会成本争论的焦点主要包括其是否应当纳入旅行费用的必要性探讨、旅行时间究竟是按成本测算还是按照收益测算、旅行时间的机会成本的度量三个方面。

第一，旅行时间的机会成本是否纳入旅行费用的必要性方面。大部分学者都认同旅行时间的机会成本应当纳入旅行费用的观点，因为不考虑旅行时间的机会成本将导致基于旅行费用法的景区游憩价值评估值的低估（McConnell,1992）。在求解旅游需求函数计量模型的过程中，为了避免出现严重的多重共线性问题，一般不在计量模型中同时纳入具有强相关性的旅行时间机会成本与旅行费用，即旅行时间机会成本不作为解释变量纳入旅游需求函数中。为了在旅行费用法中体现旅行时间机会成本，国内外主流的做法是在旅行费用的统计中考虑旅行时间的机会成本。当然，也有个别作者持相反意见，Fleming & Cook（2008）在对白沙湖（Lake McKenzie）游憩价值评估的研究中指出，旅行时间的机会成本不需要包含在旅游者的游憩成本内。笔者认为在景区游憩价值评估中应当在旅行费用的统计中纳入旅行时间的机会成本，因为旅行时间相对于工作时间而言是一种闲暇时间，闲暇时间的成本收益比是旅游者出行决策的重要影响因素。

第二，在旅行时间究竟是按成本测算还是按照收益测算的探讨方面，大部分学者都认同旅行时间应当按照成本测算，并以工资率作为旅行时间的机会成本。在旅游者进行出行决策中，会考虑出行这段闲暇时间用在其他用途中能够得到的价值，这就是用货币度量的旅行时间的机会成本。不可避免地，个别作者的研究结论中提出了不同的看法，Chaudhry & Tewari（2006）的调研结果表明，仅15.8%的受访旅游者认为去旅游地游玩存在放弃工作收益的机会成本。笔者认为这一结果的稳健性会受到调研对象、调研样本数量的较大制约。此外，旅行时间包括在旅途中的时间和现场游憩时间。旅游者一般都期望“旅少游多”，即花在旅途中的时间尽可能地少，在景区游憩的时间尽可能地多。所以，在旅途中的时间一般被视为成本进行统计处理，现场游憩时间一般被视为收益进行统计处理。

第三，旅行时间的机会成本的度量方面，Knetsch（1963）首先提出将工资率作为旅行时间机会成本的测度变量。Smith & Kavangh（1969）认为由于存在旅行时间中的现场游憩时间应当被视作收益，所以旅行时间机会成本应当是平均工资率的一部分，而不是全部。对于旅行时间机会成本应当是平均工资率的多少比例，学者们意见不一。Cesario（1976）较早提出将工资率的1/3作为旅行时间机会成本，Willis & Benson（1989）则认为工资率的30%～50%都比较合适。Layman et al.（1996）提出采用回归模型判决系数来选择适宜的工资率，即在包含不同工资率的回归模型中选择拟合程度最好的工资率。Rosenberger & Loomis（1999）也采用了类似的方法，选择对被解释变量的解释程度最高的25%工资率作为旅行时间机会成本。我国学者一般都认同工资率的1/3作为其替代指标的观点。此外，Feather &Shaw（1999）采用享乐工资评估法度量旅行时间机会成本。Alvarez-Farizo et al.（2001）采用条件定价法（contingent rating approach）度量旅行时间机会成本。张冬青和宁宣熙（2006）采用修正的随机效用函数模型和新型模型参数标定算法基于京沪通道相关数据测度了旅客时间价值。

简而言之，国内外学者在旅行时间的机会成本是否应当纳入旅行费用的必要性、旅行时间究竟是按成本测算还是按照收益测算、旅行时间的机会成本测度等方面进行了深入探讨，然而值得注意的是各度量方法或多或少存在一定的不足之处，在选择度量方法时应当综合其优缺点进行判断选择以适宜于待评估案例地的游憩价值测算分析。

3．旅行费用的多目的地分配

旅行费用法在多目的地评估过程中会出现多目的地替代性与相应旅行成本分摊问题。多目的地替代性问题是指旅游者在多个备选游憩地中如何进行出行选择，这一选择过程涉及旅游地属性、旅游地间的互补/替代关系等。旅行成本分摊问题是指个体游客的旅行费用如何在多个游憩地之间进行分配。学者们对于多目的地替代性与相应旅行成本分摊问题的争论大致形成了三种问题处理方式：忽略多旅游地的替代性、旅行费用在多个游憩地之间按比例分配、应用能够解决多目的地替代性的RUTCM、HTCM等模型。

第一种多目的地替代性处理方式就是不考虑多目的地的替代性，将所有研究样本都视为单一旅游地样本来处理（吕君等，2006；许抄军等，2006）。这一处理方式简单便捷，不过，Loomis et al.（2000）和Kuosmanen et al.（2004）指出，忽略多景区游憩地的替代性也许会在估计旅游需求函数时难以得到准确参数值，并进一步影响游憩价值评估值的准确性与科学性。

第二种多目的地替代性处理方式就是在多旅游地之间按比例分配旅行费用。其具体的操作方式包括直接询问旅游者如何分配，多旅游地之间平均分配，基于停留时间、门票花费得多旅游地之间的简单加权分配（张茵，蔡运龙，2004；郭剑英，王乃昂，2004），基于层次分析法、熵权方法的多旅游地之间的复杂加权分配（郭剑英，王乃昂，2004；许丽忠等，2007）。其中，直接询问旅游者如何分配旅行费用这一方式由于数据采集较难而少有应用；多旅游地之间平均分配方式过于简单化，无法体现旅游者真实的旅行费用分配状况；简单加权分配方式易于操作，一定程度上能够体现旅游地之间的相对重要性，在现实调研中被广泛采用；复杂加权分配方式提高了旅行费用分配的精度，但是其更多地采纳了专家的意见，偏离了旅行费用法的显示偏好属性。

第三种多目的地替代性处理方式就是应用能够解决多目的地替代性的RUTCM、HTCM等模型。这些模型都将旅游地质量作为变量纳入旅游需求函数中。在测度旅游需求函数时，RUTCM、HTCM应用高级统计模型能够考虑多旅游地的替代性。不过这样一来，旅游需求函数就变得非常复杂，其求解需要多组旅游线路数据和海量的观测值，其现实应用存在较大的难度。

（三）旅游需求函数的模型构建与计量

1．旅游需求函数的模型构建

旅行费用法的应用关键之一是旅游需求函数的模型构建。由于旅游需求函数构建方式没有一个统一的标准，不同的建构方式会形成不同的旅游需求曲线。值得注意的是，旅游需求函数的构建不仅需要符合计量模型的数学基础，而且要重视其经济学意义。所以，旅游需求函数的构建不能仅考虑计量模型的判决系数R2，而且要考虑其他一系列因素：第一，遵循实证研究的基本步骤，通过被解释变量与解释变量间的散点图来估计大致的模型形式，并进行计量回归；第二，结合经济学理论与旅游学理论来选定适宜的模型形式；第三，基于实证计量经济学的研究规范，对计量回归模型的判决系数、F检验、t检验、Wald检验、似然比检验、残差正态性检验等进行比较分析；第四，检验计量回归模型的多重共线性、异方差性、序列相关性、遗漏变量、内生性检验等问题，必要时对原有模型进行修正以保证计量回归结果的稳健性。

国内外相关文献梳理表明，线性函数、半对数函数和双对数函数是被广泛应用的三大类旅游需求函数形式。Ziemer（1980）、Ward & Loomis（1986）、Adamowicz et al.（1989）、Garrod& Willis（1999）都尝试评估不同的函数形式的选择对于资源价值评估的影响。国内外一部分学者认为线性对数和对数线性模型的显著性较好，推荐在TCM研究中优先选用（OECD, 1996；孙睿君，钟笑寒，2005；赵强等，2009）。笔者认为，在旅游需求函数的模型构建时，应当综合考虑多种形式的函数，基于经济学、旅游学和统计学原理比较分析多个模型，择优选取最适宜的旅游需求函数。

2．旅游需求函数的计量问题

旅游需求函数的解释变量主要包括旅游费用、旅游者收入、游览景点数，一般还包括性别、年龄、受教育程度等人口统计学变量。此外，旅游体验质量、客源地距离等也会影响旅游需求。一般而言，旅游需求函数应当包含影响游憩需求的主要变量。不过，包含过多影响因素的旅游需求计量模型容易出现多重共线性，即一个自变量与另一个自变量之间存在强相关关系。所以，选取旅游需求函数的自变量时，并不是纳入越多变量越好，应当根据案例地现实情况和评估目标进行适当的选择。

除了多重共线性，旅游需求函数模型还容易出现内生性（endogeneity）偏差（Randall,1994），即解释变量与被解释变量之间存在相互影响。例如，在区域旅行费用法中，被解释变量——旅游地的游览率可能不是只单方面地受到解释变量——旅行费用的影响，它可以提高出行效率、改善交通工具来反向影响旅行费用。这样旅游需求函数模型就会产生计量偏差，降低计量回归模型的有效性。Murdock（2006）构建了一个二阶段工具变量计量回归模型来消除内生性偏差。

（四）旅行费用法的有效性检验

TCM的效度（validity）也被称为TCM的有效性，是指TCM调研的测度标准表征基本概念的内涵时的一致性程度。TCM的效度主要包括内容效度、准则效度、结构效度等（Carson et al.,1996；艾尔·巴比，2000），其中备受国内外学者关注的是准则效度。

TCM的准则效度是指TCM测度的评估值与另一个公允的标准指标进行比较以测度前者的有效性高低。在应用TCM评估旅游资源游憩价值的过程中，选定一个公允的准则指标一般很困难，因为当且仅当一种评估指标被学术界公认时才能够作为准则指标。而且，当TCM测度指标与标准指标都存在统计偏误时，只能测算TCM测度指标与标准指标之间的收敛效度。换言之，收敛效度是准则效度的替代方法，国外TCM研究学者常常将TCM评估结果与以CVM为典型的陈述偏好法的评估结果进行比较研究，研究结论说明两者的收敛效度较好（Carson et al.,1996）。

国外学术界普遍认为，TCM较之CVM会得出偏高的旅游地游憩价值评估值。当然，对于旅游吸引力有限（即旅行成本较低）且生态服务能力显著（即支付意愿较高）的生态型旅游地，TCM较之CVM会得出偏低的旅游地游憩价值评估值。Carson et al.（1996）对1966—1994年间616例的CVM与显示性偏好法的比较研究文献进行了综述，研究结果表明，CVM评估结果与TCM评估结果的比较研究数量超过了CVM评估结果与所有显示偏好法评估结果的比较研究数量的75%,71%的CVM评估结果与TCM评估结果的比较研究的评估对象为旅游资源游憩价值。而且，该述评研究表明，CVM与显示偏好法（RP）评估同一个研究对象的评估值差异不大，CVM评估值一般略小于显示偏好法评估值，CVM评估值与RP评估值的比值在95%置信水平上的置信区间为0.81～0.96，均值为0.89, spearman相关系数为0.78～0.92。Pendleton & Mendelsohn（2000）比较分析了享乐旅行费用法（HTCM）和随机效用旅行费用法（RUTCM）的优势与不足，且实证结果表明两种评估方法都具有有效性。Chaudhry & Tewari（2006）分别应用TCM和CVM评估印度城市森林的游憩使用价值，研究结果发现，CVM评估值与TCM评估值之比为0.022，收敛效度不理想。刘亚萍等（2006）应用TCM和CVM评估武陵源风景区游憩价值，研究结果表明发现TCM游憩价值评估值是CVM游憩价值评估值的8～9倍。郭剑英（2007）应用TCM评估出2007年乐山大佛旅游资源游憩价值为13.18亿元，熊明均等（2007）应用CVM评估出2007年乐山大佛旅游资源非使用价值为0.46亿元，CVM评估值/TCM评估值为0.0349。张茵和蔡运龙（2004）应用多目的地ZTCM评估出2003年九寨沟旅游资源游憩价值为15.61亿元，张茵和蔡运龙（2010）应用改进的CVM评估出2003年九寨沟旅游资源游憩价值为4.05亿～4.40亿元，CVM评估值/TCM评估值为0.2594～0.2819。

诚然，CVM不是一种公允完美的准则指标，马中等（1999）、董雪旺等（2011）都应用CVM评估中国旅游地的游憩价值，研究结果表明在发展中国家应用CVM评估旅游地游憩价值倾向于得出偏低的评估值。所以，发展中国家CVM研究文献中出现的TCM评估值与CVM评估值差异较大的情况不能推导出应用TCM评估出游憩价值的估值一定偏高的结论。只能推论出TCM与CVM在发展中国家的游憩价值评估应用可能在研究设计、实施过程与统计分析时存在某些问题，TCM与CVM的游憩价值评估结果在未来进一步应用过程中应当得到更多的检验和验证。

综上所述，国内外最常见的TCM模型主要包括区域旅行费用法（ZTCM）、个体旅行费用法（ITCM）、享乐旅行费用法（HTCM）、随机效应旅行费用法（RU TCM）和旅行费用区间分析（TCIA），这五种TCM模型各有适用性和优劣势。作为显示性偏好法典型的旅行费用法在应用中可能会存在几个值得关注的容易产生研究偏误的问题，包括旅行费用的数据获取与涵盖内容问题、旅行时间的机会成本测算问题、旅行费用的多目的地分配问题、旅游需求函数的模型构建与计量问题等。但是，旅行费用法适用于评估已开发景区的旅游资源游憩价值，其准确性和客观性尚可，适用程度较高，特别是其可行性较强，被认可程度较高，已经成为景区旅游资源价值评估的三大主流方法之一。

二、条件价值法

条件价值法属于陈述性偏好法，亦即通过旅游者对于景区旅游资源质量改善的最大支付意愿（willingness to pay, WTP）或最小支付补偿（willingness to accept, WTA）来体现旅游者内在的旅行偏好，进而依据旅游者意愿支付行为推算出景区旅游资源游憩价值。条件价值法基于消费者剩余理论和效用价值理论，是估算旅游者的WTP或WTA，将旅游者WTP或WTA总和作为景区旅游资源游憩价值，是被国内外学者广泛使用的三大主流景区旅游资源经济价值评估方法之一。

（一）CVM调查问卷引导技术

条件价值法（CVM）WTP值的得出有赖于实地调研问卷技术的引导。以问卷引导技术为划分标准，CVM可以分为连续型（continuous）和离散型（discrete）两类。

连续型问卷格式包括反复投标博弈问卷格式（iterative bidding game）、开放式问卷格式（open-ended question format）、支付卡式问卷格式（payment card）。在反复投标博弈CVM调查过程中，调研者重复修改投标值以明确受访旅游者的WTP。但由于其受投标初始值影响较大，且仅适用于面谈和电话访谈，故该问卷引导技术如今很少使用。开放式CVM调查需要受访旅游者自行报出WTP，这会对部分受访旅游者造成困扰。因为受访者有时不熟悉待评估对象，难以说出自己的WTP或WTA，所以他们拒绝回答该开放式问卷或提供的数值难以准确反映他们的WTP（Loomis, Walsh,1997）。这个局限性也使开放式问卷格式在现今较少使用。支付卡问卷格式包括非锚定型（unanchored）和锚定型（anchored）两大类（Loomis et al.,1997）。在非锚定型支付卡式CVM调查过程中，受访旅游者需要从问卷的投标值集合中选择一个能够代表他们WTP的数值，也可自行报出能体现他们WTP的一个数值。在锚定型支付卡式CVM调查过程中，调研者询问受访旅游者在其他公共资源项目中的WTP，目的是给正在进行的调研提供约束性背景资料。支付卡式问卷格式可以克服开放式问卷格式的不足，但其投标值范围的确定需要通过预调查来确定，以制定一个能够大致囊括受访旅游者WTP的投标值范围。

离散型问卷格式是指封闭式问卷格式（closed-ended question format），包含二分式选择（dichotomous choices）问卷格式和不协调性最小化（dissonance-minimizing）问卷格式。在二分式选择问卷格式的调研过程中，受访旅游者需要对给出的WTP回答“同意”或“不同意”，这并不能提供WTP的直接估计值，但比开放式问卷格式要求受访旅游者自行报出WTP更能模拟真实的旅游者最大支付意愿。Bishop & Heberlein（1979）最先引入二分式选择问卷格式以进行CVM评估。Hanemann（1984）构建了二分式问卷数据与WTP之间的数理函数关系，使得二分式选择问卷格式的应用范围开始扩展。美国国家海洋和大气管理局（NOAA）和美国蓝带CVM高级委员会（Blue-Ribbon Panel）推荐二分式选择问卷格式作为CVM研究的优先选择（Loomis, Walsh,1997）。如今，二分式选择问卷格式包含单边界（singlebound）（Bishop, Heberlein,1979; Hanemanne,1984; Cameron,1991）、双边界（double-bound）或公民复决投票（referendum）（Hanemann et al.,1991;Carson et al.,1998; Loomis et al.,2000; Chambers, Whitehead,2003）、三边界（triple-bound）或多边界（multiple-bound）（Ready et al.,1995; Bateman et al.,2001; Vossler, Mckee,2006）等多种格式。二分式选择问题格式已受到CVM学者的广泛关注和应用。

（二）CVM的WTP与WTA估值及其不对称性

Hicks（1939）率先创新性地提出消费者剩余包含补偿变差和等价变差。在应用CVM评估景区游憩价值的过程中，补偿变差是指旅游者为了获得旅游资源或环境改善带来的一定效用而放弃的货币收入（WTP），等价变差是指旅游者为了弥补旅游资源或环境恶化带来的效用水平降低而被提供的货币补偿量（WTA）。一般而言，WTP或WTA都可以测度旅游资源或环境变动时旅游者偏好的变动情况，但CVM评估景区旅游资源游憩价值的理论和实证研究都表明WTA一般会高于WTP（Venkatachalam,2004）。Hammack & Brown（1974）进行了应用WTP与WTA测度旅游者支付意愿的数值比较分析，结果发现WTA旅游者支付意愿估值是WTP估值的5倍。

WTP与WTA估值及其不对称性是CVM中常见的一个应用现象，国外学者多从公共物品理论、期望理论、禀赋效应等理论对其进行阐释。首先，应用CVM评估公共旅游资源游憩价值一般会存在WTP与WTA估值的不对称性。Willig（1976）指出收入效应会对应用WTP评估公共旅游资源游憩价值造成影响，而应用WTA进行估值时则不受此影响。Hanemann（1991）认为替代效应也会显著影响WTP与WTA估值及其不对称性。其次，国外学者也有应用前景理论解释CVM应用过程中的WTP与WTA估值及其不对称性。根据Kahneman & Tversky（1973）的研究思路，就同一货币数量的损益而言，旅游者因旅游资源或环境恶化而减少的效用大于因旅游资源或环境改善而增加的效用，故旅游者在面对效用程度下降时，一般会期望得到更高的补偿。Thaler（1980）应用禀赋效用解释CVM应用过程中的WTP与WTA估值及其不对称性，提出这种不对称性可能源于风险决策下的消费者期望。

不仅如此，国外学者还从CVM实证案例应用的视角来解释CVM应用过程中的WTP与WTA估值及其不对称性。根据Cumming et al.（1986）的研究结论，受访旅游者对于CVM评估旅游资源游憩价值案例的认知程度不仅会造成CVM的假想偏差与信息偏差，还会造成WTP与WTA估值的不对称性。而且他们还提出多次调研同一案例地、给予受访旅游者充分的问卷或访谈应答时间能够在某种意义上降低WTP与WTA估值的不对称性。

不可否认，WTP与WTA估值的不对称性普遍存在于应用CVM评估旅游资源游憩价值的实证案例中，并受到一系列理论与实证因素的影响，但是国外学者一般认为这一不对称性不会对应用CVM评估旅游资源游憩价值的实证结果造成实质性影响。换言之，国外学者在CVM实证研究中多采用WTP这个指标表征旅游者意愿支付值，且能够接受WTP与WTA估值的不对称性产生的估值偏差。不过，也有国外学者提出相反的意见，Venkatachalam（2004）提出发展中国家一般更关注景区旅游资源或环境变动对景区周边社区的低收入群体的负面影响，因为这部分低收入者负担了旅游资源或环境恶化而产生的负外部性。所以基于福利损失的视角而言，发展中国家学者在应用CVM评估旅游资源游憩价值的实证研究中建议采用WTA这个指标表征旅游者意愿支付值。

（三）CVM支付意愿的效用函数设定

CVM研究准确得出受访旅游者WTP的另一关键是要设定准确的旅游者效用函数。综观国外CVM研究文献，其对于反应函数的设定可大致分为两类，包括间接效用函数（indirect utility function）和支出函数（expenditure function）。

Hanemann（1984）最先引入McFadden（1973）提出的随机效用最大化原理（random utility maximization, RUM），将微观经济学理论应用于CVM，研究了受访旅游者的支付偏好问题。他选择了受访旅游者的效用差异来阐释其偏好行为，即观察刻画受访旅游者在比较了不同情形的效用程度后做出的选择。他使用了Bishop & Heberlein（1979）的调研数据，应用RUM原理研究了受访旅游者面对两种旅游资源或环境选择方案时的偏好行为，分析认为受访旅游者的效用函数为效用之差。在原旅游资源或环境质量和改善后的旅游资源或环境质量两种情形下，受访旅游者比较这两种情形下得到的效用程度以判断是否意愿支付该金额。即旅游资源或环境质量改善后给受访者带来的正效用差至少会等于或大于损失了支付金额给受访旅游者带来的负效用差。所以，Hanemann（1984）研究得出受访旅游者的反应函数应该设定为两种不同旅游资源或环境质量情形下个体间接效用函数的差，并进一步应用数理概率模型来估计效用差异下的福利函数。案例实证方面，Seller et al.（1985）、Bowker & Stoll（1988）、Kriström（1990）等在二分式CVM研究中都将Hanemann（1984）提出的间接效用函数作为反应函数。

Cameron & James（1987）从另一个角度分析了二分式CVM，将受访旅游者的人口特征学变量纳入评价函数中，按照受访旅游者的支出函数分析其偏好行为。区别于随机效用理论，其认为受访旅游者的行为反应不是依赖于两种旅游资源或环境质量下间接效用函数的差值，而是决定于个体支出函数的差值。在相同效用背景下，不同旅游资源或环境质量引致的受访旅游者个体支出的差异应当成为福利量度的指标。换言之，当调研者提供旅游资源或环境质量改善条件下的某一个金额，若受访旅游者愿意支付，则此意愿支付额至少等于或小于其在维持效用不变情况下个体支出函数的差额。案例实证方面，Loomis et al.（1991）、Cameron & Quiggin（1994）等在二分式CVM研究中都将Cameron & James（1987）提出的支出函数作为反应函数。McConnell（1990）比较分析了间接效用函数和支出函数，研究得出其差异在于函数中的随机扰动项：当随机扰动项等于零时，间接效用函数和支出函数存在对偶关系；特别地，当个体效用函数为线性函数、边际效用为常数的情形下，两者将趋同。

（四）CVM计量模型选择

由于旅游者现实偏好的不确定性（preference uncertainty），应用条件价值法（CVM）问卷引导技术获得的旅游者的支付意愿难以准确地体现旅游者对于景区旅游资源经济价值的认识，这会显著影响CVM评估值的准确性。这是国外旅游资源经济学研究中的一个热议问题。伴随着CVM实地调研问卷引导技术的推进，国外学者们提出并应用不同的统计学模型与计量经济学模型估计支付意愿函数，其目的是为了减少CVM中可能出现的偏差（Arrow et al.,1993; Loomis & Walsh,1997; Bateman et al.,1999）。

Cameron（1988）、Hanemann et al.（1991）分别应用最大似然估计（MLE）计量模型对非市场资源物品进行CVM价值评估。McConnell（1990）实证检验了Logit模型在CVM估值中的有效性。Kriström（1990）采用非参数估计法检验了生存函数（survival function）模型推导值在CVM应用中的有效性。Loomis et al.（1991）进一步选择Logit模型和Probit模型来检验CVM二分式问卷引导技术的有效性。Ready et al.（1995）、Loomis& Ekstrand（1998）分别应用概率统计模型来应对CVM中出现的由于随机性而产生的旅游者偏好不确定性问题。Kriström（1997）应用分段函数Spike模型来评估对环境资源的支付意愿。Hackl & Pruckner（1999）分别应用Logit模型、Probit模型与最大似然函数对支付卡式和封闭式问卷引导技术评估值进行了比较研究，实证结果表明双边界封闭式CVM适宜选用Spike模型进行估计。

（五）CVM的可能偏差及其解决方法

1．假想偏差及其解决方法

CVM的假想偏差（hypothetical bias）是指由于受访旅游者在假想市场条件下的WTP行为策略与在真实市场条件下的支付行为策略不一致而形成的CVM测度偏误；一部分国外CVM研究显示假想WTP会大于实际WTP，即存在假想偏差（Venkatachalam,2004）。CVM假想偏差的形成原因包括受访旅游者对旅游地认知程度不高、受访旅游者对假想市场调研方式的不理解和不接受。选择大众了解的公共物品作为调研对象、准确界定CVM评估对象、重复实验法都能够让受访旅游者更加了解调研方法和调研地的基本情况，以达到降低CVM假想偏差的目的（Lee,1997）。此外，Lee & Mjelde（2007）在韩国生态旅游资源CVM问卷设计中增加“捐赠”等支付方式以降低假想偏差。

2．信息偏差及其解决方法

CVM信息偏差（information bias）是指CVM调研者提供的评估物品的信息水平和性质会影响受访旅游者的真实偏好显示和支付行为策略，信息的不准确或缺失会影响受访旅游者做出准确的支付意愿（Bergsrtom et al., 1990），属于典型的调查者（researcher-based sources）的偏差。一般而言，信息偏差可能会导致CVM评估值偏低（Venkatachalam,2004）。受访旅游者一般需要了解案例地旅游资源的基本情况与该旅游资源的替代资源或互补资源信息（Ruijgork,2006; Andersson,2007; Kim et al.,2007）。所以，CVM调研问卷的设计中要考虑纳入清晰、准确的调研案例地旅游资源的特征与基本信息，使得受访旅游者能够对待评估旅游资源有一个整体的认知。当然，调研问卷提供的评估对象信息不宜过多，厚厚的调研问卷可能使受访旅游者不愿意接受调研。调研问卷提供的信息含量边界依赖于CVM评估对象、评估目的与预算开支等。由于CVM调研问卷的篇幅所限，难以给予受访旅游者完整的背景信息（Oliver,1995）。如何在有限的CVM调研问卷中完整、清晰地呈现受访旅游者应当了解的评估基本信息，值得国内外学者未来进一步探讨分析。

3．嵌入偏差及其解决方法

CVM的嵌入性偏差（embedding bias）是指同一环境或资源物品单独评估时的WTP小于其作为更大评估对象的一部分时评估得到的WTP（Kahneman, Knestch,1992）。国内外学者又称之为范围效应（scope effect）或部分—整体偏差（part-whole bias）。Mitchell & Carson（1989）指出嵌入性偏差仅在CVM评估非使用价值中出现，Kahneman & Knestch（1992）则提出CVM应用于公共资源使用价值评估时也存在嵌入性偏差。Carson et al.（2001）指出部分嵌入性偏差形成于旅游资源的替代性及其边际效用递减规律，部分嵌入性偏差的存在是由于受访旅游者的收入有限或者调研者的研究设计不完善。Smith & Osborne（1996）对以美国国家公园为案例地应用CVM评估其使用价值和非使用价值的研究进行了元分析，研究结果表明CVM的嵌入性偏差既具有统计有效性，又符合经济学原理。换言之，国外CVM元分析研究论证了CVM嵌入性偏差对于CVM估值准确性基本无影响。在减少CVM嵌入性偏差的解决途径方面，国内外学者大致提出了以下四种方式：准确描述调研案例地、简明扼要地介绍待评估旅游资源的改善方案、图文并茂的调研问卷设计、允许修正最大支付意愿值。

4．策略性偏差及其解决方法

CVM的策略性偏差（strategic bias）是指受访旅游者由于某些原因试图影响调研结果，在接受调查时不显示真实支付意愿，刻意提高或降低WTP值，属于典型的受访者（respondent-based sources）偏差。策略性偏差的形式主要包括“搭便车”、谨慎偏差、过度承诺、奉承偏差等（董雪旺等，2011）。其中，“搭便车”是指受访旅游者认为其他旅游者的整体会产生较大的支付意愿，他们无须再支付而报出偏低的意愿支付值；谨慎偏差是指受访旅游者担心需要真实支付而报出偏低的意愿支付值；过度承诺是指由于假想市场条件下受访旅游者不必真实支付而报出偏高的意愿支付值；奉承偏差是指受访旅游者碍于调研者的身份与情面而报出偏高的意愿支付值。Carson et al.（2001）给出了三点理由说明策略性偏差对于CVM估值准确性影响不大：首先，由于CVM个体调研时间较短，大多数受访旅游者会报出符合内心第一反应的支付意愿值，不会刻意报出偏高或偏低的支付意愿值；其次，绝大部分CVM调研都采用面对面的问卷调查或访谈形式，受访旅游者基本了解调查仅用于研究目的；最后，CVM调研问卷中的题项会提醒受访旅游者收入约束的存在，受访旅游者一般不会报出偏高的支付意愿。Venkatachalam（2004）的CVM研究综述也表明多数国外研究人员认为策略偏差不会影响CVM的估值有效性。

5．排序偏差及其解决方法

CVM排序偏差（order effect）是指在评估多个旅游资源游憩价值的调研问卷中，各题项的不同出现顺序对CVM评估结果的影响。Kahneman &Knestch（1992）、Boyle, et al.（1996）先后探讨分析了排序偏差对CVM评估准确性与有效性的影响。分析结果显示，受访旅游者越了解调研地旅游资源的基本情况就越不会受到问卷题项的影响，也就是说排序偏差就越小（Venkatachalam,2004）。Carson et al.（2001）指出CVM的排序偏差或许源于受访旅游者的收入约束与待评估旅游资源的替代性，或许源于调研者本身设计的CVM问卷内部一致性较差。在减少CVM排序误差方面，其又提出了四点建议：一是在受访旅游者填写问卷前简明扼要地告诉其填写流程与要点；二是提醒受访旅游者仔细阅读前后题项后对比参照回答；三是给予受访旅游者修正意愿支付报价的机会；四是调研者对于调研有效问卷的适当统计处理。

6．调查方式偏差及其解决方法

CVM广泛采用的三种调查方式为面对面调查、电话调查和邮寄调查。基于CVM的旅游地游憩价值准确评估有赖于调查方式的准确选择。常见的CVM调查方式偏差包括样本结构性偏差、社会称许性偏差、热望偏差和无响应偏差（Amirnejad et al.,2006）。其中，样本结构性偏差是指CVM研究设计中调研样本的选取与待评估对象不一致引起的评估结果偏误，例如评估游憩价值的CVM调研对象应当为旅游者，评估非使用价值的CVM调研对象应当为当地居民（董雪旺等，2011）；社会称许性偏差是指受访旅游者对于不同的调查方式给出了不同的意愿支付值而形成了评估结果偏差；热望偏差是指受访旅游者对被评估对象非常感兴趣而倾向于给出偏积极的支付意愿回答；无响应偏差是指调研过程中部分受访者由于某些原因拒绝配合调研而导致的CVM样本选取误差。Maguire（2009）比较分析了面对面调查、电话调查和邮寄调查后得出结论，选择CVM调查方式的一个关键因素是受访者的收入状况，不同的调查方式会显著影响同一个评估对象的CVM评估值，调查方式会影响受访者的支付意愿及其真实旅行决策。美国海洋与大气管理局（NOAA）推荐三种常用CVM调查方式中的面对面调查。基于此，国内外旅游资源游憩价值研究大部分沿用了面对面调查方式来进行CVM调研（Lee, Han,2002）。

可见，CVM的应用过程中确实可能存在较多的偏差，这使得CVM的估值准确性与有效性难免会受到部分学者的质疑。为了从整体上减少CVM的可能偏差，国内外学者还梳理出了一系列指导CVM研究设计与应用实施的基本准则与要义，其中最具代表性且最有影响的是美国海洋与大气管理局（NOAA）归纳的15条CVM环境资源价值评估准则（董雪旺等，2011）。这15条评估准则同样适用于指导旅游资源游憩价值评估研究。

（六）CVM信度检验

Carson（2000）述评了1966—2000年国外千余篇CVM研究文献，这些成果显示CVM理论体系已基本构建，信度和效度检验研究成为进一步研究的热点。近十年来，国内CVM研究也逐步增加了信度和效度检验的研究篇幅（许丽忠等，2007；董雪旺等，2011）。CVM的信度又被称为CVM的可靠性，指在不同的时刻应用同一种CVM评估同一旅游资源价值时，其评估结果的稳定性、可重复性和一致性。试验—复试法（test-retest）是CVM信度检验的标准方法，又可分为重复受访者法和重复目标人群法（查爱苹等，2013）。

重复受访者法是指应用同一CVM对同一组受访者进行相隔一段时间的两次调查，测度两次调查的WTP值的相似程度，以检验受访者偏好的一致性。该方法的调研样本要求较严格，必须相隔一段时间调研同一组受访者，而且务必设计一个恰当的时间间隔，以规避受访者回想起前一次实验的支付意愿，即消除回忆效应（recall effect）。如果两次CVM调查中受访者普遍存在回忆效应，那么即使两次试验的WTP值一致也无法证明CVM具有研究信度。此外，应用CVM评估旅游资源游憩价值时，受访者为旅游者，难以二次取样，所以国内应用CVM评估旅游资源游憩价值研究的信度检验都采用了另一种试验—复试法——重复目标人群法。

重复目标人群法是指应用同一CVM对同一目标人群的两组不同受访者进行相隔一段时间的两次调查，测度两次调查的WTP值的相似程度，以检验受访者偏好的一致性。Carson et al.（2001）认为采用CVM重复目标人群法能够规避回忆效应的影响，还能够有效解决如何选定时间间隔的问题。许丽忠等（2007）应用CVM评估武夷山非使用价值的信度检验中，选择了环评班学员作为CVM信度检验的受访者，两次调查的时间间隔为半年。董雪旺等（2011）应用CVM评估九寨沟游憩价值的信度检验中，选择了游客作为信度检验的受访者，两次调查的时间间隔为一年。董冬等（2011）应用CVM评估九华山林木资源游憩价值的信度检验中，同样选择了游客作为信度检验的受访者，两次调查的时间间隔为4个月。上述三篇国内文献CVM信度检验研究结果都表明CVM的信度较好，这与国外大部分研究得出的CVM具有良好信度的研究结论相吻合。

（七）CVM效度检验

CVM的效度又被称为CVM的有效性，是指CVM调研的测度标准表征基本概念的内涵时的一致性程度。CVM的效度主要包括预测效度、内容效度、理论效度、准则效度、收敛效度等（Mitchell, Carson,1989；艾尔·巴比，2000），其中预测效度和收敛效度最为重要。

1．预测效度

CVM预测效度是指CVM测度出来的受访者对于资源物品福利变化的陈述支付意愿对其真实支付意愿的有效预测程度。国外CVM预测效度检验方法主要包括三类：其一是将CVM的受访者WTP值与公民复决投票（referendum approach）结果进行比较分析，Vossler & Kerkvliet（2003）采用了这种方法检验CVM的预测效度；其二是将CVM的受访者WTP值与真实拍卖结果进行比较分析，Loomis et al.（1997）采用了这种实验方法检验CVM的预测效度；其三是将CVM的受访者WTP值与真实捐款行为进行对比分析，Seip & Strand（1992）、Christie（2007）、许丽忠等（2009）都采用了这种实验室方法检验CVM的预测效度。就基于CVM的旅游资源游憩价值评估而言，第三种方法比较便捷易行，第一种方法数据难以获得，第二种方法不太适宜。

鉴于旅游者对于旅游资源改善方案的支付意愿难以获得，Cummings等（1986）开创性地提出了CVM预测效度的主流测度变量——校正因子CF（calibration factor），其将CF定义为受访者在假想市场上的陈述支付意愿（SWTP）与其在真实市场下的表现支付意愿（RWTP）之比，即校正因子CF测度的是受访者的陈述与表现支付意愿的不一致程度。循着这一研究思路，List & Gallet（2001）率先采用元分析方法较系统地梳理了国外29篇CVM预测效度研究论文，综合这些文献得出的校正因子CF均值为3.05，并发现当CVM评估公共资源价值时校正因子CF值较大。Little & Berrens（2004）在此基础上又进一步研究了CVM的预测效度检验。Murphy et al.（2005）述评了以WTP为表征变量的CVM预测效度检验文献，研究结论显示校正因子CF均值为2.60，公共资源或私有资源的物品属性不会显著影响校正因子CF。

2．内容效度

CVM的内容效度是指CVM调研问卷中的题项是否能够清晰、一致地表征所要测度的研究内容，包括调研问卷的题项清晰明了、无歧义，调研者设计的问题不包含调研者的判断倾向、无诱导性的问题，调研问卷的实施过程严格按照CVM的指导方针等。CVM的内容效度的检验方式有受访者拒绝回应的比例、有效问卷的比例、检验调查问卷的奉承偏差等（张茵，蔡运龙，2005）。其中，受访者拒绝回应调查的主要影响因素包括调查问卷太厚、开放式问题太多、面对邮寄方式和在线填写方式、支付方式太少、受访者性格特征。Meyerhoff & Liebe（2010）应用元分析方法分析了国外应用CVM评估环境资源价值的157篇研究文献，发现现有研究要么忽略受访者拒绝回应调查这一现象，要么一笔带过这一现象、不作深入分析，然而这些文献的研究结论是受访者拒绝回应调查这一现象不会影响CVM评估结果；并提出在检验CVM内容效度的过程中需要对拒绝回应的受访者数量、受访者拒绝回应比例、识别拒绝回应的受访者的方式进行简明扼要的说明，特别要说明受访者拒绝回应调查这一现象是否会影响CVM评估结果的准确性。董雪旺等（2011）应用CVM评估九寨沟游憩价值的研究结论显示，假想偏差、信息偏差、较高的受访者拒绝回应比例都会导致CVM的游憩价值评估值偏低。

3．理论效度

CVM的理论效度是指CVM资源价值评估结果与经济学原理的契合性，其检验方法包括测度WTP与其他解释变量的相关关系、是否符合经济学原理、测度嵌入效应等。Smith & Osborne（1996）研究证实了CVM的研究设计、调研过程与评估结论符合经济学理论。Lee & Han（2002）应用CVM评估了韩国国家公园的使用价值和保存价值，同样都从经济学视角阐释了评估模型与结论。

4．准则效度

CVM的准则效度是指CVM测度的评估值与另一个公允的标准指标进行比较以测度前者的有效性高低。在应用CVM评估旅游资源游憩价值的过程中，选定一个公允的准则指标一般很困难，因为当且仅当一种评估指标被学术界公认时才能够作为准则指标。而且，当CVM测度指标与标准指标都存在统计偏误时，只能测算CVM测度指标与标准指标之间的收敛效度。换言之，收敛效度是准则效度的替代方法，国外CVM研究学者常常将CVM评估结果与以TCM为典型的显示偏好法的评估结果进行比较研究，研究结论说明两者的收敛效度较好（Carson et al.,1996）。Cummings et al.（1986）再次强调以TCM为典型的显示偏好法的评估结果不一定就是标杆或准则，将CVM评估结果与显示偏好法评估结果进行比较研究，与其说是测度准则效度，还不如说是测度收敛效度。

5．收敛效度

CVM的收敛效度指对同一待评估对象采用CVM和另一种方法分别进行评估，比较两者结果的一致性程度。国内外学者一般将CVM评估结果与以TCM为典型的显示偏好法或与选择实验法（choice experiments, CE）的评估结果进行比较分析以检验CVM的收敛效度。

国外学者在评估CVM的收敛效度方面，Loomis et al.（1991）基于置信区间（confidence interval）分析法比较研究了TCM和CVM的游憩价值评估结果。Carson et al.（1996）对1966—1994年间616例的CVM与显示性偏好法（RP）的比较研究文献进行了综述，研究结果表明，CVM与显示偏好法评估同一个研究对象的评估值差异不大，进而给出了CVM具有良好的收敛效度的稳健性研究结论。相比较而言，选择实验法（CE）应用于旅游资源游憩价值评估的案例研究鲜见于国内外相关文献。与CVM相比，CE具有假想偏差小、同时测度多个旅游资源福利变动等优点，不过嵌入性偏差、样本结构偏差等难以完全消除（Choi et al.,2010）。Boxall et al.（1996）在分别应用CVM与CE评估游憩价值时发现两者差异较大，深入分析后得出结论，若CE中注明不存在替代物，则CVM与CE的评估结果将比较一致，两者能够表现出收敛效度。List & Gallet（2001）进行了包含29组数据的实验研究，得出意愿支付值与实际支付值之间存在显著差异。Horowitz & McConnell（2002）基于30多年时序的50个横截面案例，比较研究了CVM的WTA与WTP在公共资源物品中的评估值差异，得出WTA/WTP稍高、意愿估值与真实估值差异不大的研究结论。Foster & Mourato（2003）比较研究了选择实验法（CE）与CVM的评估值，实证结果表明CE估值的敏感性更高。Sanz et al.（2003）分别应用参数估计法、半参数估计法、非参数估计法评估了西班牙国家自然博物馆的文化遗产游憩价值，实证结果表明3种方法的组合估计更有效。Isik（2004）梳理比较了已有文献的WTA/WTP比值，分析发现CVM评估中的效用函数选择和偏好不确定性会显著影响评估结果。Bengochea-Morancho et al.（2005）对自然环境经济价值评估值进行了参数和非参数估计，研究结果表明WTP值较之WTA值对实证计量模型更易波动。Nayga et al.（2005）采用真实物品与货币等值交易的方式减少了CVM评估中的WTA/WTP比值，验证了CVM的效度。

国内学者在评估CVM的收敛效度方面，郭剑英和王乃昂（2004）应用TCM评估出2001年敦煌旅游资源游憩价值为7.896亿元，郭剑英和王乃昂（2005）应用CVM评估出2002年敦煌旅游资源非使用价值为0.12亿元，CVM评估值/TCM评估值为0.0152。许丽忠等（2007）应用TCM评估出2002年武夷山景区游憩资源旅游价值为22.03亿元，许丽忠等（2007）应用CVM评估出2006年武夷山景区游憩资源旅游价值为32.42亿元，CVM评估值/TCM评估值为1.4716。李京梅等（2010）应用TCM和CVM评估出2009年青岛海滨游憩价值分别为569亿元与451亿元，CVM评估值/TCM评估值为0.7926。董雪旺等（2011）的研究也发现，应用TCM评估出的2009年九寨沟游憩价值为48.9亿元，应用CVM评估出的2009年九寨沟游憩价值为3.46亿元，CVM评估值/TCM评估值为0.0708，即九寨沟CVM评估研究不具有良好的收敛效度。闫伟等（2011）应用TCM评估出的胶州湾湿地资源游憩价值为8.05亿元/年，应用CVM评估出的胶州湾湿地资源游憩价值为6.26亿元/年，两种方法的评估值比较接近。上述大部分国内CVM与TCM的比较研究结果证实了发展中国家旅游资源游憩价值的CVM评估值与TCM评估值的差异较之发达国家偏大，应用CVM在发展中国家评估旅游资源游憩价值倾向于得到偏低的评估值。

综上所述，应用CVM准确评估旅游资源游憩价值首先要得出真实的旅游者意愿支付值，CVM调查问卷引导技术主要包括连续型与离散型两大类，而近几年离散型引导技术应用更广泛。与此同时，调查者要结合受访旅游者的整体情况和待评估旅游资源或环境的质量情况选择WTP或者WTA，以尽可能地消除WTP与WTA的估值不准确性。在CVM支付意愿的效用函数设定方面，间接效用函数和支出函数是两者主要选择，当个体效用函数为线性函数、边际效用为常数的情形下，两者趋同。在进一步的CVM计量模型选择方面，应当根据待评估旅游资源或环境的特征进行选择，备选模型主要包括生存函数模型、模糊数学模型、Logit模型、Probit模型、Spike模型等。然后，需要准确识别并着手解决CVM评估应用实践中可能存在的假象偏差、信息偏差、嵌入偏差、策略性偏差、排序偏差、调查方式偏差等。进而再进行CVM的信度检验以及预测效度、内容效度、理论效度、准则效度、收敛效度等效度检验。

三、收益还原法

（一）收益还原法评估原理及其案例应用

收益还原法以其充分的理论依据，在国内外被广泛地用于收益性地产的估值，并被引入到景区经营权价值的评估上。鉴于我国的旅游资源估值具有特殊性，且旅游资源的开发与投融资迫切需要景区旅游资源经营权的科学估值，收益还原法逐渐成为评估景区旅游资源经营权价值的一种可选方法。收益还原法是指在综合考虑旅游地资源禀赋、地理区位、社会经济发展水平的基础上评估景区开发价值和产权价值（程绍文，徐樵利，2004）。收益还原法的方法类型都属于资产评估方法，亦即通过旅游资源经营权带来的预期收益流来评估其在评估时点的公允价值。收益还原法的内在逻辑是：有完全信息的买者的出价不会大于资产未来预期收益的现值。收益还原法的理论基础是地租理论和生产要素分配理论，其方法思路是估算未来预期收益和资本化率，将未来收益期内各期的收益现值总和作为景区旅游资源经营权价值。收益还原法的优点在于其无须抽样调查，数据与测算相对客观，计算简单。但其预测景区预期收益及其相应资本化率的主观性较强，评估结果存在分歧。此外，收益还原法需要较多的景区旅游资源收益历史数据，且由于牵涉到景区未来几年旅游收益值的预测和资本化率的测算，其计算复杂性较高，而且只能适用于经营了一段年限的处于发展期或者成熟期的景区。因而，收益还原法在我国景区旅游资源经营权价值评估应用中受到较大的局限。

李家兵、张江山（2003）应用收益还原法评估了武夷山风景区游憩价值。曹辉（2007）分别运用成本法和收益法测算分析了福建省灵石山国家森林公园的旅游资源经营权价值，研究结果表明基于成本法的案例地森林公园旅游资源经营权评估价值为1765.65万元，基于收益法的旅游资源经营权评估价值为3176.14万元。喻燕、卢新海（2009）应用条件价值法和收益还原法分别测算九华山旅游资源的非使用价值和使用价值。喻燕（2010）应用收益还原法测算出2008年黄山景区旅游资源使用价值为1385.71亿元，应用条件价值法测算出2008年黄山景区旅游资源非使用价值为182.03亿元。李卫华（2011）在分析了收益现值法原理的基础上评估了案例地景区经营权价值。

国内收益还原法应用于景区经营权出让定价研究领域，王炳贵和曹辉（1999）采用收益现值法对森林景观资产进行了评价。叶浪（2002）着重分析了旅游资源经营权价格的形成因素。吴楚材等（2003）实例分析了现行市价法与收益现值法在森林旅游资源资产评估中的应用。程绍文和徐樵利（2004）构建了湖泊旅游地的评价指标体系和地价评估方法体系，并用收益还原法实证估算了武汉市东湖风景区的出让价值。胡北明等（2004）构建了旅游资源经营权的价格评估的指标体系，并提出了收益现值法、成本法等两种估价方法。李向明（2006）构建出旅游资源资产评估指标体系，探讨了旅游资源资产的形成和评估方法。刘敏等（2007）基于景区旅游资源经营权资产评估方法的前提条件、价值类型与准确性的分析，提出景区旅游资源经营权价值应当采用三大资产评估法中的收益法。黄先开、刘敏（2012）在初步构建景区经营权价值评估方法体系基础上，根据评估方法本身特点、方法科学性、所需资料等综合分析出面向不同对象的具体评估方法。折现现金流量法较适宜成熟型景区的评估，开发初期的景区在具备详细资料的前提下可采用折现现金流量法，或可采用收益还原法，潜在景区在参考同地区类似景区假设开发的前提下采用收益权益法较合适。

（二）资本化率的科学量化研究述评

资本化率是收益还原法中的两大关键参数之一，是投资者在投资风险一定的情况下对投资所期望的回报率（周春波，林璧属，2013）。国外资本化率科学量化研究进程大致可分为三个前后相继的时序演进阶段：第一阶段是19世纪90年代到20世纪40年代，主要研究方向是收益还原法及其关键参数的理论阐述。1890年，阿尔弗雷德·马歇尔（Alfred Marshall）率先创新性提出收益还原法的早期模型——收益资本化法的理论原理及其测度方式。1930年，欧文·费雪（Irving Fisher）在其专著中阐述了收益资本化法测算的理论原理，并创新性地提出将利率作为收益资本化法中的资本化率。第二阶段是20世纪50年代到20世纪70年代，主要研究方向是资本化率的定义、特征、度量公式等内容。1959年，Ellw ood在前人基础上新创了Ellw ood抵押权益法，亦即基于加权平均资本成本模型新纳入权益以测算出基准比率，进而再结合资产价值的变动值测算出资本化率，这一方法能够将企业逐期的现金流量都折算成具有可比性的现值。第三阶段是20世纪80年代至今，主要研究方向是基于数理模型的资本化率量化测度。在1980年之后，国外学者逐渐关注构建数理模型来剖析与诠释资本化率的经济学意义，并进一步深入探讨资本化率的量化测算。

总资本化率法、求和法、一揽子投资法、总收入乘数法这四种方法是国外较常用的资本化率量化测度方法（周春波，林璧属，2013）。第一，总资本化率法是指收集公开交易市场上待评估资产的具有可比性的类似资产的财务数据，包括可比资产的交易价格、交易时间、净利润等，进行比较分析后测算出资本化率（Garrigan, Parsons,1997）。第二，求和法是以银行定期存款利率或短期国债利率为典型的无风险利率加上风险调整值来作为资本化率（Ross,1976）。第三，一揽子投资法则是首先明确资本结构，清晰划分抵押贷款与自有资本，再依据抵押贷款与自有资本的占比进行加权计算抵押贷款与自有资本收益率，并以此加权平均收益率作为资本化率（温茨巴奇等，2002）。第四，总收入乘数法则需要先测算待评估资产所在房地产企业的总营业收入，再乘以一个综合考虑地产类型、区位、开发条件、社会经济条件等得出的调整数来作为房地产价值（Hendershott, MacGregor,2005）。不仅如此，国外学者还经常选用公允的资本成本来测度资本化率。资本成本是将收益期限内被评估资产的预期现金流量折算成现值的贴现率（Modigliani, Miller,1958; Solomon,1963）。资本成本的实证测度模型可大致划分为两大类：一是基于公开交易市场风险的贴现模型，包括资本资产定价模型（Sharpe,1964）、套利定价理论（Ross,1976）、三因素模型（Fama, French, 1993）等。二是基于公开交易市场价格和企业财务时间序列数据的收益率模型，包括DDM模型（Gordon, Shapiro,1956）、GLS模型（Gebhardt, et al., 2003）、CT模型（Claus, Thomas,2001）、OJN模型（Ohlson, Juettner-Nau-roth,2005）等。

由于资本化率内涵的复杂性及其评估模型的多样性，国外还没有出现一套公允的能够被资产评估界或财务学界广泛认可的资本化率量化测度机制。当然，国外资产评估官方或半官方机构都会发布测算资本化率的规定或条例，其中最具典型性的是《国际评估准则》和《欧洲评估准则》。《国际评估准则》规定“专业资产评估机构应当综合考虑利率、可比投资收益率和市场风险，以准确测算资本化率，资本化率的统计口径应当与预期收益的统计口径相一致”（王晶等，2011）。《欧洲评估准则》规定“在体现投资资本的成本时，资本化率应当与现金流预测中的评估假设相一致；在评估企业价值时，资本化率应当能够反映加权平均资金成本（WACC）；在评估权益价值时，资本化率应当能够反映权益回报率”（王晶等，2011）。此外，日本学者常用“资本成本接近法”求取资本化率。在国外一些发达国家，由于对国债实行长期固定利率，所以资本资产定价模型（CAPM）是被广泛应用的资本化率量化测度方法。

在国内资本化率的量化测度研究中，其主要测度方法包括市场提取法、安全利率加风险调整值法、投资收益率排序插入法、投资复合收益率法等（龚水燕，黄秀梅，2003），其测度的基本原理都是锁定具有不确定性的投资风险。不仅如此，国内学者在述评国内外现有资本化率量化测度方法的前提下，基于数理经济学和计量经济学的模型构建思路，对安全利率加风险调整法、投资复合收益法等国内资产评估实践案例应用广泛的测度方法进行了修正或改进（李斌，2004；王来福，2005）。此外，国内部分研究人员还借助模糊数学法、灰色预测模型、蒙特卡洛方法、人工神经网络模型等方法建立较复杂的数量模型来测算资本化率。

综观国内外资本化率量化测度研究，学者们对资本化率的内涵、特性、数理经济原理、测度模型等进行了广泛而深入的探讨，并逐步呈现出多角度的研究态势，为应用收益还原法评估景区经营权价值奠定了良好的理论和应用基础。但现有国内外文献也存在如下不足之处：首先，国内外文献的资本化率研究样本以房地产为代表的固定资产为主，鲜见将景区旅游资源作为研究对象的理论或实证研究。其次，尽管国内外学者基于数理经济学原理新创出一系列看似“科学”的测度资本化率的评估方法，但是这些方法大多仅具有理论意义。换言之，由于这些新创测度模型过分强调模型的复杂性，国内外资产评估实务界对这些新创的资产化率评估方法往往“敬而远之”，很少真正地把这些新创模型应用于评估实践中。如何测算得出具有普适性的研究偏差较小的我国景区资本化率均值，提高景区经营权等资产价值评估的准确性，并得到评估实务界的广泛认可，才是景区资本化率量化测度研究的重要突破口。