Luận án Giá trị kinh tế của chương trình làm giảm lượng chất thải rắn của hộ gia đình ở đồng bằng sông Cửu Long

for improved residential waste management in a developing country. International Journal of Environmental Science and Technology, 10(3), 413-422. Flores, N. E. (2017). Conceptual Framework for Nonmarket Valuation. A Primer on Nonmarket Valuation, 13, 27-54. Foster, V., & Mourato, S. (2003). Elicitation format and sensitivity to scope. Environmental and resource economics, 24(2), 141-160. Freeman III, A. M., Herriges, J. A., & Kling, C. L. (2014). The measurement of environmental and resource values: theory and methods. Routledge, New York. Fukuda, K., Isdwiyani, R., Kawata, K., & Yoshida, Y. (2018). Measuring the impact of modern waste collection and processing service attributes on residents’ acceptance of waste separation policy using a randomised conjoint field experiment in Yogyakarta Province, Indonesia. Waste Management & Research, 36(9), 841-848. Gaglias, A., Mirasgedis, S., Tourkolias, C., & Georgopoulou, E. (2016). Implementing the Contingent Valuation Method for supporting decision making in the waste management sector. Waste management, 53, 237-244. Garrod, G., & Willis, K. (1998). Estimating lost amenity due to landfill waste disposal. Resources, conservation and recycling, 22(1-2), 83-95. Gellynck, X., & Verhelst, P., 2007. Assessing instruments for mixed household solid waste collection services in the Flemish region of Belgium. Resources, conservation and recycling, 49(4), 372-387. Gómez, W., Salgado, H., Vásquez, F., & Chávez, C. (2014). Using stated preference methods to design cost-effective subsidy programs to induce technology adoption: an application to a stove program in southern Chile. Journal of Environmental Management, 132, 346-357. Green, P. E., & Srinivasan, V. (1978). Conjoint analysis in consumer research: issues and outlook. Journal of consumer research, 5(2), 103-123. Hagos, D., Mekonnen, A., & Gebreegziabher, Z. (2013). Households willingness to pay for improved urban solid waste management: The case of Mekelle city, Ethiopia. Ethiopian Journal of Economics, 22(1), 107-138. Hammak, J., & Brown Jr, G. M. (1974). Waterfowl and wetlands: toward bioeconomic analysis. Resources for the Future. Inc., Washington, DC, USA.* Hanemann, M., (1999). Welfare analysis with discrete choice models, in: Herriges, J., Kling, C., (Eds.), Valuing Recreation and the Environment, Edward Elgar, Cheltenham, 33-64. Hanemann, W. M. (1984). Discrete/continuous models of consumer demand. Econometrica: Journal of the Econometric Society, 541-561. Hanemann, W. M., & Kanninen, B. (1996). The statistical analysis of discrete- response CV data (No. 1557-2016-133027). Hanley, N., MacMillan, D., Wright, R. E., Bullock, C., Simpson, I., Parsisson, D., & Crabtree, B. (1998). Contingent valuation versus choice experiments: estimating the benefits of environmentally sensitive areas in Scotland. Journal of agricultural economics, 49(1), 1-15. 108 Hanley, N., Mourato, S., & Wright, R. E. (2001). Choice modelling approaches: a superior alternative for environmental valuatioin?. Journal of economic surveys, 15(3), 435-462. Hausman, J. A. (1993). Contingent valuation: A critical assessment. Amsterdam, The Netherlands: Elsevier Science. Hausman, J., & McFadden, D. (1984). Specification tests for the multinomial logit model. Econometrica: Journal of the econometric society, 1219-1240. Hensher, D. A., & Johnson, L. W. (1981). Applied discrete-choice modelling. New York, United States: Wiley.* Hoyos, D. (2010). The state of the art of environmental valuation with discrete choice experiments. Ecological economics, 69(8), 1595-1603. Hoyos, D., & Mariel, P. (2010). Contingent valuation: Past, present and future. Prague economic papers, 4(2010), 329-343. Huhtala, A. (2010). Income effects and the inconvenience of private provision of public goods for bads: The case of recycling in Finland. Ecological Economics, 69(8), 1675-1681. Hynes, S., Campbell, D., & Howley, P. (2011). A choice experiment versus a contingent valuation approach to agri-environmental policy valuation (Working paper no. 173). Department of Economics, National University of Ireland, Galway, Galway. Jin, J., He, R., Wang, W., & Gong, H. (2018). Valuing cultivated land protection: A contingent valuation and choice experiment study in China. Land use policy, 74, 214-219. Jin, J., Wang, Z., & Ran, S. (2006). Comparison of contingent valuation and choice experiment in solid waste management programs in Macao. Ecological Economics, 57(3), 430-441. Joel, S., Mark, K., & Cheserek Grace, J. (2012). Economic Valuation of Improved Solid Waste Management in Eldoret Municipality. Journal of Emerging Trends in Economics and Management Sciences (JETEMS), 3(6), 962-970. Kardono, K. (2007). Integrated solid waste management in Indonesia. In Proc. International Symposium on EcoTopia Science 2007, 629-633. Karousakis, K., & Birol, E. (2008). Investigating household preferences for kerbside recycling services in London: A choice experiment approach. Journal of environmental management, 88(4), 1099-1108. Ko, S., Kim, W., Shin, S. C., & Shin, J. (2020). The economic value of sustainable recycling and waste management policies: The case of a waste management crisis in South Korea. Waste Management, 104, 220-227. Kofoworola, O. F. (2007). Recovery and recycling practices in municipal solid waste management in Lagos, Nigeria. Waste management, 27(9), 1139-1143. Kopp, R. J., & Smith, V. K. (1993). Valuing natural assets: the economics of natural resource damage assessment. Resources for the Future. Ku, S. J., Yoo, S. H., & Kwak, S. J. (2009). Willingness to pay for improving the residential waste disposal system in Korea: A choice experiment study. Environmental management, 44(2), 278-287. Lancaster, K. J. (1966). A new approach to consumer theory. Journal of political economy, 74(2), 132-157. 109 Lareau, T. J., & Rae, D. A. (1989). Valuing WTP for diesel odor reductions: an application of contingent ranking technique. Southern Economic Journal, 728- 742. Laurent, A., Bakas, I., Clavreul, J., Bernstad, A., Niero, M., Gentil, E., Hauschild, M.Z. & Christensen, T. H. (2014). Review of LCA studies of solid waste management systems–Part I: Lessons learned and perspectives. Waste management, 34(3), 573-588. Lee, C. Y., Jang, J. W., & Lee, M. K. (2020). Willingness to accept values for vehicle-to-grid service in South Korea. Transportation Research Part D: Transport and Environment, 87, 102487. Lee, S., & Paik, H. S. (2011). Korean household waste management and recycling behavior. Building and Environment, 46(5), 1159-1166. Lehtonen, E., Kuuluvainen, J., Pouta, E., Rekola, M., Li, C.-Z. (2003). Non-market benefits of forest conservation in southern Finland. Environmental Science & Policy 6, 195-204. Li, H., Yang, X., Zhang, X., Liu, Y., & Zhang, K. (2018). Estimation of rural households’ willingness to accept two PES programs and their service valuation in the Miyun reservoir catchment, China. Sustainability, 10(1), 170. Lindhjem, H., & Mitani, Y. (2012). Forest owners’ willingness to accept compensation for voluntary conservation: A contingent valuation approach. Journal of Forest Economics, 18(4), 290-302. Longe, E. O., & Ukpebor, E. F. (2009). Survey of household waste generation and composition in Ojo local government area, Lagos state, Nigeria. Int. J. of Geotech. & Env, 1(1), 41-54.* Louviere, J. J., Hensher, D. A. & Swait, J. D. (2000). Stated choice methods: Analysis and applications. Cambridge, United Kingdom: Cambridge University Press. Lu, W., Peng, Y., Webster, C., & Zuo, J. (2015). Stakeholders’ willingness to pay for enhanced construction waste management: A Hong Kong study. Renewable and Sustainable Energy Reviews, 47, 233-240. Ma, J., & Hipel, K. W. (2016). Exploring social dimensions of municipal solid waste management around the globe–A systematic literature review. Waste Management, 56, 3-12. Massarutto, A., Marangon, F., Troiano, S., & Favot, M. (2019). Moral duty, warm glow or self-interest? A choice experiment study on motivations for domestic garbage sorting in Italy. Journal of cleaner production, 208, 916-923. McFadden, D. (1974). Conditional logit analysis of qualitative choice behavior. Frontiers in Econometrics, 105-142. McFadden, D., & Train, K. (2000). Mixed MNL models for discrete response. Journal of applied Econometrics, 15(5), 447-470. McGurk, E., Hynes, S., Manton, R., Thorne, F., & Clifford, E. (2019). Greenways, recreational access and landowner willingness to accept: a contingent valuation study of farmers in Ireland. Journal of Environmental Planning and Management, 62(13), 2375-2392. McKerlie, K., Knight, N., & Thorpe, B. (2006). Advancing extended producer responsibility in Canada. Journal of Cleaner Production, 14(6-7), 616-628. 110 Meidiana, C., & Gamse, T. (2010). Development of waste management practices in Indonesia. European journal of scientific research, 40(2), 199-210. Miafodzyeva, S., & Brandt, N. (2013). Recycling behaviour among householders: Synthesizing determinants via a meta-analysis. Waste and Biomass Valorization, 4(2), 221-235. Mitchell, C. L., (2008). Altered landscapes, altered livelihoods: the shifting experience of informal waste collecting during Hanoi’s urban transition. Geoforum, 39(6), 2019-2029. Mitchell, R. C., & Carson, R. T. (1989). Using surveys to value public goods; the contingent valuation method (No. GTZ 832). Resources for the Future, Washington, DC (EUA). Mogas, J., Riera, P., & Bennett, J. (2002). A Comparison of Contingent Valuation and Choice Modelling: estimating the environmental values of Catalonian Forests. Environmental Management & Development Occasional Paper 01, Canberra, ACT: National Centre for Development Studies, The Australian National University. Moghadam, M. A., Mokhtarani, N., & Mokhtarani, B. (2009). Municipal solid waste management in Rasht City, Iran. Waste Management, 29(1), 485-489. Mutha, N. H., Patel, M., & Premnath, V. (2006). Plastics materials flow analysis for India. Resources, conservation and recycling, 47(3), 222-244. Ngân hàng thế giới (2018). Đánh giá công tác quản lý chất thải rắn sinh hoạt và chất thải công nghiệp nguy hại, các phương án và hàng động nhằm thực hiện chiến lược quốc gia. Hà Nội: Nhà xuất bản Hồng Đức. Ngoc, U. N., & Schnitzer, H. (2009). Sustainable solutions for solid waste management in Southeast Asian countries. Waste management, 29(6), 1982- 1995. Nguyễn Đình Hƣơng (2006). Giáo trình Kinh tế chất thải. Tp Hà Nội: Nhà xuất bản Giáo dục. Nguyễn Xuân Hoàng, Nguyễn Hữu Sang và Nguyễn Hiếu Trung (2014). Phân tích hiện trạng quy hoạch, quản lý bãi rác khu vực Đồng bằng sông Cửu Long. Tạp chí Khoa học Trường Đại học Cần Thơ, 119-127. Othman, J. (2002). Household preferences for solid waste management in Malaysia. EEPSEA research report series/IDRC. Regional Office for Southeast and East Asia, Economy and Environment Program for Southeast Asia; no. 2002-RR8. Othman, J. (2007). Economic valuation of household preference for solid waste management in Malaysia: A choice modeling approach. International Journal of Management Studies (IJMS), 14(1), 189-212. Owusu, V., Adjei-Addo, E., & Sundberg, C. (2013). Do economic incentives affect attitudes to solid waste source separation? Evidence from Ghana. Resources, Conservation and Recycling, 78, 115-123. Palatnik, R., Ayalon, O., & Shechter, M. (2005). Household demand for waste recycling services. Environmental management, 35(2), 121-129. Pasang, H., Moore, G. A., & Sitorus, G. (2007). Neighbourhood-based waste management: a solution for solid waste problems in Jakarta, Indonesia. Waste management, 27(12), 1924-1938. 111 Pattanayak, S. K., & Kramer, R. A. (2001). Pricing ecological services: Willingness to pay for drought mitigation from watershed protection in eastern Indonesia. Water Resources Research, 37(3), 771-778. Pearce, D. and Moran, D. (1994). The economic value of biodiversity. Earthscan Publications, London.* Pearce, D., Atkinson, G., & Mourato, S. (2006). Cost-benefit analysis and the environment: recent developments. Organisation for Economic Co-operation and development. Pearce, D., Oezdemiroglu, E., & Department for Transport, Local Government and the Regions (DTLR), London (United Kingdom);. (2002). Economic valuation with stated preference techniques summary guide. Petrin, A., & Train, K. (2003). Omitted Product Attributes in Discrete Choice Models (No. 9452). National Bureau of Economic Research, Inc. Portney, P. R. (1994). The contingent valuation debate: why economists should care. Journal of Economic perspectives, 8(4), 3-17. Purcell, M., & Magette, W. L. (2010). Attitudes and behaviour towards waste management in the Dublin, Ireland region. Waste management, 30(10), 1997- 2006. Rae, D. (1983). The value to visitors of improving visibility at Mesa Verde and Great Smoky National Parks. Managing air quality and scenic resources at national parks. Rahji, M. A. Y., & Oloruntoba, E. O. (2009). Determinants of households’ willingness-to-pay for private solid waste management services in Ibadan, Nigeria. Waste management & research, 27(10), 961-965. Rajmis, S., Barkmann, J., & Marggraf, R. (2009). User community preferences for climate change mitigation and adaptation measures around Hainich National Park, Germany. Climate Research, 40(1), 61-73. Ramachandra, T. V., & Bachamanda, S. (2007). Environmental audit of municipal solid waste management. International Journal of Environmental Technology and Management, 7(3-4), 369-391. Randall, A., Ives, B., & Eastman, C. (1974). Bidding games for valuation of aesthetic environmental improvements. Journal of environmental Economics and Management, 1(2), 132-149. Rolfe, J., Bennett, J., & Louviere, J. (2000). Choice modelling and its potential application to tropical rainforest preservation. Ecological Economics, 35(2), 289-302. Saeed, M. O., Hassan, M. N., & Mujeebu, M. A. (2009). Assessment of municipal solid waste generation and recyclable materials potential in Kuala Lumpur, Malaysia. Waste management, 29(7), 2209-2213. Sagoff, M. (2008). On the economic value of ecosystem services. Environmental values, 17(2), 239-257. Sakata, Y. (2007). A choice experiment of the residential preference of waste management services–The example of Kagoshima city, Japan. Waste management, 27(5), 639-644. Sasao, T. (2004). An estimation of the social costs of landfill siting using a choice experiment. Waste management, 24(8), 753-762. 112 Scott, A. (1965). The valuation of game resources: some theoretical aspects. Canadian Fisheries Report, 4, 27-47. Seller, C., Stoll, J. R., & Chavas, J. P. (1985). Validation of empirical measures of welfare change: a comparison of nonmarket techniques. Land economics, 61(2), 156-175. Sembiring, E., & Nitivattananon, V. (2010). Sustainable solid waste management toward an inclusive society: Integration of the informal sector. Resources, Conservation and Recycling, 54(11), 802-809. Sharholy, M., Ahmad, K., Mahmood, G., & Trivedi, R. C. (2008). Municipal solid waste management in Indian cities–A review. Waste management, 28(2), 459- 467. Shekdar, A. V. (2009). Sustainable solid waste management: an integrated approach for Asian countries. Waste management, 29(4), 1438-1448. Slack, R. J., Gronow, J. R., & Voulvoulis, N., 2009. The management of household hazardous waste in the United Kingdom. Journal of environmental management, 90(1), 36-42. Smith, V. K. (1993). Nonmarket valuation of environmental resources: an interpretive appraisal. Land Economics, 1-26. Smith, V. K. (2006). Fifty years of contingent valuation. In Handbook on Contingent Valuation (pp. 7-65). Edward Elgar Publishing Ltd. Smith, V. K., & Desvousges, W. H. (1986). Measuring water quality benefits. International series in economic modeling (USA). Soderholm, P. (Ed.). (2013). Environmental policy and household behaviour: sustainability and everyday life. Routledge. Song, Q., Wang, Z., & Li, J. (2016). Exploring residents’ attitudes and willingness to pay for solid waste management in Macau. Environmental Science and Pollution Research, 23(16), 16456-16462. Stafford, S. L. (2002). The effect of punishment on firm compliance with hazardous waste regulations. Journal of Environmental Economics and Management, 44(2), 290-308. Stern, P. (2000). Toward a coherent theory of environmentally significant behavior. Journal of social issues, 56(3), 407-424. Stevens, T. H., Belkner, R., Dennis, D., Kittredge, D., & Willis, C. (2000). Comparison of contingent valuation and conjoint analysis in ecosystem management. Ecological economics, 32(1), 63-74. Struk, M., & Pojezdná, M. (2019). Non-market value of waste separation from municipal perspective. In Proceedings of 17th International Waste Management and Landfill Symposium (Sardinia 2019). Tadesse, T., & Hadgu, S. (2009). Demand for improved solid waste collection services: a survey in Mekelle city. Journal of the Drylands, 2(1), 32-39. Talyan, V., Dahiya, R. P., & Sreekrishnan, T. R. (2008). State of municipal solid waste management in Delhi, the capital of India. Waste management, 28(7), 1276-1287. Tarfasa, S., & Brouwer, R. (2018). Public preferences for improved urban waste management: a choice experiment. Environment and Development Economics, 23(2), 184-197. 113 Taylor, J.B. and Frost, L. (2000). Microeconomics, John Wiley and Sons Australia, Queensland. Thurstone, L. L. (1927). A law of comparative judgment. Psychological Review, 34(4), 273-286. Tietenberg, T. H., & Lewis, L. (2018). Environmental and Natural Resource Economics. Routledge. Tin, A. M., Wise, D. L., Su, W. H., Reutergardh, L., & Lee, S. K. (1995). Cost— benefit analysis of the municipal solid waste collection system in Yangon, Myanmar. Resources, conservation and recycling, 14(2), 103-131. Tổng cục thống kê (2017). Số liệu thống kê: Chất thải rắn đƣợc xử lý bình quân một ngày phân theo địa phƣơng. https://www.gso.gov.vn/px-web- 2/?pxid=V1166&theme=Y%20t%E1%BA%BF%2C%20v%C4%83n%20h% C3%B3a%20v%C3%A0%20%C4%91%E1%BB%9Di%20s%E1%BB%91ng. [Ngày truy cập: ngày 15 tháng 11 năm 2018]. Train, K. (2003). Discrete choice methods with simulation. New York: Cambridge University Press. Train, K. E. (1998). Recreation demand models with taste differences over people. Land economics, 230-239. Trihadiningrum, Y. (2006). Reduction potential of domestic solid waste in Surabaya City, Indonesia. In Proceedings, The 4th International Symposium On Sustainable Sanitation, Bandung, 4-6. Turner, R. K., Paavola, J., Cooper, P., Farber, S., Jessamy, V., & Georgiou, S. (2003). Valuing nature: lessons learned and future research directions. Ecological economics, 46(3), 493-510. Ủy ban nhân dân tỉnh Bến Tre (2019). Báo cáo công tác quản lý chất thải rắn trên địa bàn tỉnh Bến Tre. Ủy ban nhân dân tỉnh Hậu Giang (2019). Báo cáo công tác quản lý chất thải rắn trên địa bàn tỉnh Hậu Giang. Văn phòng Chính phủ (2018). Quyết định Phê duyệt điều chỉnh Chiến lƣợc quốc gia về quản lý tổng hợp chât thải rắn đến năm 2025, tầm nhìn đến năm 2050. Số: 491/QĐ-TTg Hà Nội ngày 07 tháng 5 năm 2018. Văn phòng Chính phủ (2020a). Chỉ thị Về một số giải pháp cấp bách tăng cƣờng quản lý chất thải rắn. Số: 41/CT-TTg Hà Nội ngày 01 tháng 12 năm 2020. Văn phòng Chính phủ (2020b). Luật Bảo vệ môi trƣờng. Luật số 72/2020/QH14 Hà Nội ngày 17 tháng 11 năm 2020. Vassanadumrongdee, S., & Kittipongvises, S. (2018). Factors influencing source separation intention and willingness to pay for improving waste management in Bangkok, Thailand. Sustainable Environment Research, 28(2), 90-99. Vidanaarachchi, C. K., Yuen, S. T., & Pilapitiya, S. (2006). Municipal solid waste management in the Southern Province of Sri Lanka: Problems, issues and challenges. Waste Management, 26(8), 920-930. Wagner, T., & Arnold, P. (2008). A new model for solid waste management: an analysis of the Nova Scotia MSW strategy. Journal of cleaner Production, 16(4), 410-421. Wang, H., He, J., Kim, Y., & Kamata, T. (2011). Municipal solid waste management in small towns: An economic analysis conducted in Yunnan, China. World Bank Policy Research Working Paper, (5767). 114 Wang, X., Zhang, Y., Huang, Z., Hong, M., Chen, X., Wang, S., Feng, Q., & Meng, X. (2016). Assessing willingness to accept compensation for polluted farmlands: a contingent valuation method case study in northwest China. Environmental Earth Sciences, 75(3), 179. Wang, Y., Sun, M., Yang, X., & Yuan, X. (2016). Public awareness and willingness to pay for tackling smog pollution in China: a case study. Journal of Cleaner Production, 112, 1627-1634. Werner, C. M., Turner, J., Shipman, K., Twitchell, F. S., Dickson, B. R., Bruschke, G. V., & Wolfgang, B., 1995. Commitment, behavior, and attitude change: An analysis of voluntary recycling. Journal of environmental psychology, 15(3), 197-208. Wilson, D. C., Velis, C., & Cheeseman, C. (2006). Role of informal sector recycling in waste management in developing countries. Habitat international, 30(4), 797-808. Yeung, I. M., & Chung, W. (2018). Factors that affect the willingness of residents to pay for solid waste management in Hong Kong. Environmental Science and Pollution Research, 25(8), 7504-7517. Yuan, Y., & Yabe, M. (2015). Residents’ preferences for household kitchen waste source separation services in Beijing: A choice experiment approach. International journal of environmental research and public health, 12(1), 176-190. Zen, I. S., & Siwar, C. (2015). An analysis of household acceptance of curbside recycling scheme in Kuala Lumpur, Malaysia. Habitat International, 47, 248- 255. 115 PHỤ LỤC Phụ lục 1 BẢN CÂU HỎI - VERSION 1 Tên đề tài: “GIÁ TRỊ KINH TẾ CỦA CHƢƠNG TRÌNH LÀM GIẢM LƢỢNG CHẤT THẢI RẮN CỦA HỘ GIA ĐÌNH Ở ĐỒNG BẰNG SÔNG CỬU LONG” Họ và tên của phỏng vấn viên: ___________________________________________________________ Ngày phỏng vấn: ______________________________________________________________________ Thời điểm bắt đầu phỏng vấn:____________________________________________________________ Thời điểm kết thúc phỏng vấn: ___________________________________________________________ Tổng thời gian phỏng vấn (số phút): _______________________________________________________ Địa chỉ (nơi phỏng vấn): ________________________________________________________________ Xin chào Ông/Bà! Chúng tôi là nhóm nghiên cứu thuộc khoa Kinh tế, Trƣờng Đại học Cần Thơ. Chúng tôi đang tiến hành khảo sát các hộ gia đình về nội dung ―GIÁ TRỊ KINH TẾ CỦA CHƢƠNG TRÌNH LÀM GIẢM LƢỢNG CHẤT THẢI RẮN CỦA HỘ GIA ĐÌNH Ở ĐỒNG BẰNG SÔNG CỬU LONG‖ để phục vụ cho nghiên cứu của mình. Mong Ông/Bà dành khoảng 30 phút để trả lời một số câu hỏi liên quan dƣới đây. Chúng tôi xin cam kết mọi thông tin Ông/Bà cung cấp là hoàn toàn bảo mật. I. THÓI QUEN XỬ LÝ CHẤT THẢI RẮN SINH HOẠT THÔNG QUA BÁN PHẾ LIỆU 1. Ông/Bà có phải là ngƣời thu gom phế liệu của gia đình hay không? □ Có □ Không 2. Hiện nay, trên địa bàn có tiến hành thu gom chất thải rắn sinh hoạt không? □ Có □ Không 3. Kỳ thu gom chất thải rắn sinh hoạt (bao lâu thu gom 1 lần)? . ngày/lần. 4. Ƣớc lƣợng một ngày gia đình Ông/Bà thải ra bao nhiêu kg chất thải rắn sinh hoạt? Số kg chất thải rắn sinh hoạt: ....... Kg/ ngày 4.1. Tỷ trọng thành phần hữu cơ trong lƣợng chất thải rắn sinh hoạt của gia đình là bao nhiêu? % 4.2 Tỷ trọng thành phần tái chế trong lƣợng chất thải rắn sinh hoạt của gia đình là bao nhiêu? % 5. Ông/Bà có tự phân loại chất thải rắn sinh hoạt không? □ Có □ Không 6. Ông/Bà có bán phế liệu (ve chai) không? □ Có (tiếp tục câu 7) □ Không (chuyển sang câu 8) 7. Ông/bà hãy chọn BA YẾU TỐ QUAN TRỌNG NHẤT ảnh hƣởng đến quyết định bán phế liệu (Đánh số 1 là quan trọng nhất, số 2 là quan trọng nhì, số 3 là quan trọng thứ ba) Các yếu tố Xếp hạng (Đánh số 1,2,3) 1. Không tốn nhiều thời gian thu gom 2. Do phế liệu đó gọn nhẹ, dễ tích trữ lại, không chiếm nhiều diện tích 3. Thêm một khoản thu nhập 4. Cải thiện môi trƣờng 5. Không gây mùi hôi, không ảnh hƣởng đến sức khỏe 6. Khác: ............................................................................. 8. Ông/bà hãy chọn BA YẾU TỐ QUAN TRỌNG NHẤT ảnh hƣởng đến quyết định KHÔNG bán phế liệu (Đánh số 1 là quan trọng nhất, số 2 là quan trọng nhì, số 3 là quan trọng thứ ba) Các yếu tố Xếp hạng (Đánh số 1, 2, 3) 1. Tốn thời gian thu gom 2. Tốn diện tích bố trí chứa phế liệu 3. Thiếu dụng cụ chứa MÃ SỐ: 116 4. Số tiền bán đƣợc không bao nhiêu, không có lợi ích kinh tế 5. Do không nghĩ phế liệu đó có thể bán đƣợc 6. Gây mùi hôi, ảnh hƣởng sức khỏe con ngƣời 7. Khác:.............................................................................. 9. Có bao nhiêu thành viên trong gia đình của Ông/Bà tham gia vào việc thu gom phế liệu của gia đình? .. ngƣời 10. Kỳ bán phế liệu (bao lâu gia đình bán phế liệu 1 lần) . ngày/lần. 11. Ông/Bà vui lòng đánh dấu X vào ô bên dƣới: Loại phế liệu 11.1 Đã bán loại nào? (số lƣợng bán/lần và giá bán) 11.2 Theo sự hiểu biết của Ông/Bà, loại phế liệu nào dƣới đây bán đƣợc? 11.3 Loại phế liệu nào có nhƣng không bán? 1. Kim loại 1.1 Sắt . kg/.... đồng/kg □ □ 1.2 Thép . kg/.... đồng/kg □ □ 1.3 Thiếc . kg/.... đồng/kg □ □ 1.4 Nhôm . kg/.... đồng/kg □ □ 1.5 Chì . kg/.... đồng/kg □ □ 1.6 Inox . kg/.... đồng/kg □ □ 1.7 Hợp kim . kg/.... đồng/kg □ □ 1.8 Đồng . kg/.... đồng/kg □ □ 2. Thủy tinh 2.1 Chai . kg/.... đồng/kg □ □ 2.2 Lọ . kg/.... đồng/kg □ □ 3. Nhựa 3.1 Thùng, chai nhựa . kg/.... đồng/kg □ □ 3.2 Ống nhựa . kg/.... đồng/kg □ □ 3.3 Giày, dép nhựa . kg/.... đồng/kg □ □ 3.4 Túi nylon . kg/.... đồng/kg □ □ 4. Vải 4.1 Quần áo . kg/.... đồng/kg □ □ 4.2 Vải vụn . kg/.... đồng/kg □ □ 5. Cao su . kg/.... đồng/kg □ □ 6. Gỗ . kg/.... đồng/kg □ □ 7. Giấy 7.1 Giấy carton . kg/.... đồng/kg □ □ 7.2 Giấy vụn . kg/.... đồng/kg □ □ 7.3 Bao bì thực phẩm . kg/.... đồng/kg □ □ 8. Đồ điện .kg/....đồng/kg □ □ 9. Khác 9.1 .. 9.2 .. . kg/.... đồng/kg . kg/.... đồng/kg □ □ □ □ II. SỰ HIỂU BIẾT VỀ CHƢƠNG TRÌNH PHÂN LOẠI CHẤT THẢI RẮN SINH HOẠT TẠI NGUỒN Chƣơng trình phân loại chất thải rắn sinh hoạt tại nguồn là chƣơng trình yêu cầu chất thải rắn sinh hoạt đƣợc phân loại tại nguồn phát thải (hộ gia đình). Hệ thống thu gom và xử lý chất thải rắn sinh hoạt phải đƣợc đầu tƣ một cách đồng bộ (ví dụ: nếu chất thải rắn sinh hoạt đƣợc hộ gia đình phân loại thành 3 nhóm (hữu cơ, tái chế và còn lại) thì hệ thống thu gom và xử lý phải đảm bảo thu gom và xử lý 3 loại riêng biệt). Lợi ích của chƣơng trình phân loại chất thải rắn sinh hoạt tại nguồn là (1) Kinh tế 117 Trong chất thải rắn sinh hoạt, thành phần hữu cơ chiếm khoảng 60% - 65%, thành phần tái chế chiếm khoảng 22% - 26% (World Bank, 2012). Nếu đƣợc phân loại, thành phần hữu cơ trong chất thải rắn sinh hoạt là nguồn nguyên liệu rất lớn để sản xuất thành các loại phân bón. Thành phần có thể tái chế nhƣ nhựa, thủy tinh, nylon, kim loại, cao su là nguồn nguyên liệu tái chế, dùng cho sản xuất các loại hàng hóa khác đem lại lợi ích cho xã hội, thậm chí trở thành nguồn tài nguyên quý giá. Hơn nữa, việc tận thu sẽ tiết kiệm khoảng ngân sách chi cho việc xử lý chất thải rắn sinh hoạt bằng công nghệ đốt, đồng thời giảm đƣợc nhiều diện tích chôn lấp chất thải rắn sinh hoạt. (2) Môi trƣờng Giảm đƣợc khối lƣợng chất thải rắn sinh hoạt (lƣợng chất thải rắn đƣợc làm giảm khoảng 15%, từ đó, có thể làm giảm lƣợng khí thải CO2 từ việc xử lý chất thải rắn 15%) đồng nghĩa với việc giảm tác động tiêu cực đến môi trƣờng, nhƣ hạn chế mùi hôi, nƣớc rỉ rác, giảm ô nhiễm nguồn đất, nguồn nƣớc ngầm, nƣớc mặt. (3) Nâng cao nhận thức cộng đồng về bảo vệ môi trƣờng Phân loại chất thải rắn sinh hoạt tại nguồn còn góp phần nâng cao nhận thức của cộng đồng trong việc bảo vệ môi trƣờng. Ngƣời dân có ý thức, hình thành thói quen nếp sống bảo vệ môi trƣờng, góp phần xây dựng xã hội văn minh giàu đẹp. 12. Ông/Bà có biết đến chƣơng trình phân loại chất thải rắn sinh hoạt tại nguồn không? □ Biết nhiều □ Biết ít □ Không biết 13. Ông/Bà có ủng hộ chƣơng trình phân loại chất thải rắn sinh hoạt tại nguồn không? □ Có (chuyển câu 14) □ Không (chuyển câu 15) 14. Lý do Ông/Bà ủng hộ chƣơng trình phân loại chất thải rắn sinh hoạt tại nguồn? ............................................................................................................................................................... ........................................................... 15. Lý do Ông/Bà không ủng hộ chƣơng trình phân loại chất thải rắn sinh hoạt tại nguồn? ........................................................................................................................................................ ............................................................. Theo tính toán của đơn vị thu gom và xử lý chất thải rắn sinh hoạt, chi phí cho việc thu gom, vận chuyển và xử lý chất thải rắn sinh hoạt là từ 150.000 đồng/tháng/hộ gia đình. Hiện nay, mức phí này phổ biến chỉ khoảng 20.000/tháng/hộ gia đình. Mức phí này thấp hơn nhiều so với mức phí thật sự hộ gia đình phải đóng là do Chính phủ đang thực hiện chính sách bù lỗ. Nếu Chính phủ bỏ chính sách này thì mỗi hộ gia đình phải đóng mức phí cho dịch vụ quản lý chất thải rắn sinh hoạt là là từ 150.000 đồng/tháng. Giả sử để việc nâng cao hiệu quả của hoạt động quản lý chất thải rắn sinh hoạt (nhằm làm giảm lƣợng chất thải rắn sinh hoạt thải ra môi trƣờng), Chính phủ thực hiện chƣơng trình phân loại chất thải rắn sinh hoạt tại nguồn. Việc phân loại chất thải rắn sinh hoạt tại nguồn mang lại lợi ích mặt kinh tế, môi trƣờng và nhận thức cộng đồng. Chính vì vậy, nếu hộ gia đình thực hiện việc phân loại chất thải rắn sinh hoạt tại nguồn thì mức phí phải đóng cho dịch vụ quản lý chất thải rắn sinh hoạt thấp hơn 150.000 đồng/tháng. Nhƣ vậy, nếu mức phí của dịch vụ quản lý chất thải rắn sinh hoạt là 150.000 đồng/tháng/hộ gia đình và hộ gia đình đƣợc yêu cầu phân loại tại nguồn để giảm phí. 16. Ông/Bà có sẵn lòng thực hiện việc phân loại để phí của dịch vụ quản lý chất thải rắn sinh hoạt đƣợc giảm từ 150.000 đồng/tháng còn 20.000 đồng/tháng hay không? □ Có □ Không CÂU HỎI CHOICE MODELING Tùy theo mức độ lợi ích do chƣơng trình phân loại chất thải rắn sinh hoạt tại nguồn mang lại cũng nhƣ mức độ các thuộc tính khác nhau của chƣơng trình phân loại tại nguồn. Chúng tôi muốn điều tra thuộc tính nào Ông/Bà thích thú. Sau đây là một số thông tin về thuộc tính của chƣơng trình phân loại chất thải rắn sinh hoạt tại nguồn. Xin hãy lựa chọn những thuộc tính nào mà Ông/Bà quan tâm? Giả sử chúng ta có 2 chƣơng trình phân loại tại nguồn khác nhau 17. Sau đây là một số chƣơng trình phân loại chất thải rắn sinh hoạt tại nguồn tƣơng ứng với các thuộc tính khác nhau. Xin Ông/Bà lựa chọn chƣơng trình nào sau đây: 118 17.1 Thuộc tính Lựa chọn A Lựa chọn B Lựa chọn C Lƣợng chất thải rắn sinh hoạt cần xử lý Giảm 10% Giảm 5% Không tham gia chƣơng trình và chấp nhận đóng phí cho dịch vụ quản lý chất thải rắn sinh hoạt 150.000 đồng/tháng Lƣợng CO2 Giảm 0% Giảm 0% Số loại CTRSH đƣợc phân loại Không phân loại Không phân loại Mức phí của dịch vụ quản lý chất thải rắn sinh hoạt 50.000đ/tháng 80.000đ/tháng Vui lòng đánh dấu vào 1 trong 3 lựa chọn □ □ □ 17.2 Thuộc tính Lựa chọn A Lựa chọn B Lựa chọn C Lƣợng chất thải rắn sinh hoạt cần xử lý Giảm 10% Giảm 15% Không tham gia chƣơng trình và chấp nhận đóng phí cho dịch vụ quản lý chất thải rắn sinh hoạt 150.000 đồng/tháng Lƣợng CO2 Giảm 0% Giảm 0% Số loại CTRSH đƣợc phân loại Tái chế và còn lại Tái chế và còn lại Mức phí của dịch vụ quản lý chất thải rắn sinh hoạt 80.000đ/tháng 20.000đ/tháng Vui lòng đánh dấu vào 1 trong 3 lựa chọn □ □ □ 17.3 Thuộc tính Lựa chọn A Lựa chọn B Lựa chọn C Lƣợng chất thải rắn sinh hoạt cần xử lý Giảm 0% Giảm 0% Không tham gia chƣơng trình và chấp nhận đóng phí cho dịch vụ quản lý chất thải rắn sinh hoạt 150.000 đồng/tháng Lƣợng CO2 Giảm 5% Giảm 15% Số loại CTRSH đƣợc phân loại Tái chế, hữu cơ và còn lại Tái chế và còn lại Mức phí của dịch vụ quản lý chất thải rắn sinh hoạt 50.000đ/tháng 80.000đ/tháng Vui lòng đánh dấu vào 1 trong 3 lựa chọn □ □ □ 17.4 Thuộc tính Lựa chọn A Lựa chọn B Lựa chọn C Lƣợng chất thải rắn sinh hoạt cần xử lý Giảm 5% Giảm 10% Không tham gia chƣơng trình và chấp nhận đóng phí cho dịch vụ quản lý chất thải rắn sinh Lƣợng CO2 Giảm 0% Giảm 0% 119 Số loại CTRSH đƣợc phân loại Không phân loại Tái chế và còn lại hoạt 150.000 đồng/tháng Mức phí của dịch vụ quản lý chất thải rắn sinh hoạt 80.000đ/tháng 80.000đ/tháng Vui lòng đánh dấu vào 1 trong 3 lựa chọn □ □ □ 17.5 Thuộc tính Lựa chọn A Lựa chọn B Lựa chọn C Lƣợng chất thải rắn sinh hoạt cần xử lý Giảm 10% Giảm 15% Không tham gia chƣơng trình và chấp nhận đóng phí cho dịch vụ quản lý chất thải rắn sinh hoạt 150.000 đồng/tháng Lƣợng CO2 Giảm 10% Giảm 15% Số loại CTRSH đƣợc phân loại Tái chế, hữu cơ và còn lại Tái chế, hữu cơ và còn lại Mức phí của dịch vụ quản lý chất thải rắn sinh hoạt 130.000đ/tháng 130.000đ/tháng Vui lòng đánh dấu vào 1 trong 3 lựa chọn □ □ □ III. THÔNG TIN ĐÁP VIÊN 18. Họ và tên: ................................................................................................. 19. Năm sinh: 20. Giới tính: □ Nam □ Nữ 21. SĐT hoặc email: . 22. Nghề nghiệp: 1. Hành chính sự nghiệp 4. Buôn bán 2. Công ty tƣ nhân 5. Nghỉ hƣu 3. Nội trợ 6. Khác 23. Địa chỉ: .. phƣờng.... 24. Số năm đi học của Ông/ Bà (Trình độ học vấn): 25. Thu nhập của Ông/ Bà: (25.1) ..triệu đồng/tháng (Chiếm (25.2) .... % / tổng thu nhập hộ gia đình) (25.3) 1. Dƣới 3 triệu đồng 8. Từ 15 triệu đến 17 triệu đồng 2. Từ 3 triệu đến 5 triệu đồng 9. Từ 17 triệu đến 19 triệu đồng 3. Từ 5 triệu đến 7 triệu đồng 10. Từ 19 triệu đến 21 triệu đồng 4. Từ 7 triệu đến 9 triệu đồng 11. Từ 21 triệu đến 23 triệu đồng 5. Từ 9 triệu đến 11 triệu đồng 12. Từ 23 triệu đến 25 triệu đồng 6. Từ 11 triệu đến 13 triệu đồng 13. Từ 25 triệu đến 27 triệu đồng 7. Từ 13 triệu đến 15 triệu đồng 14. Trên 27 triệu đồng 26. Tình trạng hôn nhân của Ông/Bà: □ Độc thân □ Khác 27. Tổng số thành viên trong gia đình của Ông/Bà:..ngƣời 28. Ông/Bà đã từng tham gia vào tổ chức đoàn hội nào? Tên hội/đoàn thể Tham gia Hỗ trợ nhận đƣợc Hội Nông dân  Hội Liên hiệp phụ nữ  Hội Chữ thập đỏ  Khác .......................................................  Chân thành cảm ơn Ông/Bà 120 Phụ lục 2 Kết quả hồi quy Logit và ƣớc tính mức sẵn lòng chấp nhận _cons -.7921383 .197846 -4.00 0.000 -1.179909 -.4043673 bibwwta .000027 3.02e-06 8.93 0.000 .000021 .0000329 Q16sanlongCT Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = -292.16018 Pseudo R2 = 0.1479 Prob > chi2 = 0.0000 LR chi2(1) = 101.44 Logistic regression Number of obs = 578 LB: Lower bound; UB: Upper bound *: Achieved Significance Level for testing H0: WTP0 MEAN/MEDIAN 29371.54 18419.39 37650.72 0.0000 0.65 MEASURE WTP LB UB ASL* CI/MEAN Krinsky and Robb (95 %) Confidence Interval for WTP measures (Nb of reps: 5000) Warning: Model with only the bid amount as covariate . wtpcikr bibwwta Correctly classified 74.91% False - rate for classified - Pr( D| -) 42.06% False + rate for classified + Pr(~D| +) 21.23% False - rate for true D Pr( -| D) 10.82% False + rate for true ~D Pr( +|~D) 61.73% Negative predictive value Pr(~D| -) 57.94% Positive predictive value Pr( D| +) 78.77% Specificity Pr( -|~D) 38.27% Sensitivity Pr( +| D) 89.18% True D defined as Q16sanlongCT != 0 Classified + if predicted Pr(D) >= .5 Total 416 162 578 - 45 62 107 + 371 100 471 Classified D ~D Total True Logistic model for Q16sanlongCT . lstat 121 Correctly classified 77.94% False - rate for classified - Pr( D| -) 33.00% False + rate for classified + Pr(~D| +) 19.70% False - rate for true D Pr( -| D) 8.17% False + rate for true ~D Pr( +|~D) 57.59% Negative predictive value Pr(~D| -) 67.00% Positive predictive value Pr( D| +) 80.30% Specificity Pr( -|~D) 42.41% Sensitivity Pr( +| D) 91.83% True D defined as Q16sanlongCT != 0 Classified + if predicted Pr(D) >= .5 Total 404 158 562 - 33 67 100 + 371 91 462 Classified D ~D Total True Logistic model for Q16sanlongCT . lstat _cons -3.461298 .8357204 -4.14 0.000 -5.09928 -1.823316 dothi2 .6416695 .2764689 2.32 0.020 .0998005 1.183539 dothi1 .6855159 .2747717 2.49 0.013 .1469733 1.224058 Q261stnhapt 1.53e-08 3.53e-08 0.43 0.666 -5.39e-08 8.44e-08 educap4 1.281882 .6117152 2.10 0.036 .0829418 2.480821 educap3 2.038741 .5436981 3.75 0.000 .9731121 3.104369 educap2 .9931078 .5138054 1.93 0.053 -.0139324 2.000148 educap1 .3448788 .5105744 0.68 0.499 -.6558288 1.345586 Q21gtinhnam -.0552445 .2393742 -0.23 0.817 -.5244093 .4139203 Q20tuoi .0051721 .009331 0.55 0.579 -.0131163 .0234604 Q6banPL .9849434 .2548873 3.86 0.000 .4853735 1.484513 bibwwta .0000306 3.39e-06 9.03 0.000 .000024 .0000373 Q16sanlongCT Coef. Std. Err. z P>|z| [95% Conf. Interval] Log likelihood = -255.11077 Pseudo R2 = 0.2358 Prob > chi2 = 0.0000 LR chi2(11) = 157.46 Logistic regression Number of obs = 562 Iteration 4: log likelihood = -255.11077 Iteration 3: log likelihood = -255.11078 Iteration 2: log likelihood = -255.14763 Iteration 1: log likelihood = -260.5842 Iteration 0: log likelihood = -333.84241 . logit Q16sanlongCT bibwwta Q6banPL Q20tuoi Q21gtinhnam educap1 educap2 educap3 educap4 Q261stnhapt dothi1 dothi2 LB: Lower bound; UB: Upper bound *: Achieved Significance Level for testing H0: WTP0 MEAN/MEDIAN 29986.49 19273.13 37881.74 0.0000 0.62 MEASURE WTP LB UB ASL* CI/MEAN Krinsky and Robb (95 %) Confidence Interval for WTP measures (Nb of reps: 5000) . wtpcikr bibwwta Q6banPL Q20tuoi Q21gtinhnam educap1 educap2 educap3 educap4 Q261stnhapt dothi1 dothi2 122 Phụ lục 3 Kết quả hồi quy Logit đa thức và kiểm định IIA Discrete choice (multinomial logit) model Dependent variable Choice Log likelihood function -1999.03560 Estimation based on N = 2880, K = 6 Inf.Cr.AIC = 4010.1 AIC/N = 1.392 Model estimated: Feb 09, 2022, 08:46:09 R2=1-LogL/LogL* Log-L fncn R-sqrd R2Adj Constants only -2482.4948 .1947 .1939 Response data are given as ind. choices Number of obs.= 2880, skipped 0 obs --------+-------------------------------------------------------------------- | Standard Prob. 95% Confidence CHOICE| Coefficient Error z |z|>Z* Interval --------+-------------------------------------------------------------------- ALFA| 3.18415*** .14403 22.11 .0000 2.90186 3.46644 B_COST| .02369*** .00103 22.92 .0000 .02167 .02572 B_WASTE| 5.45395*** .67751 8.05 .0000 4.12606 6.78185 B_CO2| 4.89686*** .65337 7.49 .0000 3.61628 6.17743 B_SE2| .33654*** .08131 4.14 .0000 .17718 .49590 B_SE3| .63170*** .11066 5.71 .0000 .41481 .84859 --------+-------------------------------------------------------------------- Note: ***, **, * ==> Significance at 1%, 5%, 10% level. Discrete choice (multinomial logit) model Dependent variable Choice Log likelihood function -479.31342 Estimation based on N = 1557, K = 6 Inf.Cr.AIC = 970.6 AIC/N = .623 Model estimated: Feb 09, 2022, 08:46:09 R2=1-LogL/LogL* Log-L fncn R-sqrd R2Adj Constants only -495.7477 .0332 .0294 Response data are given as ind. choices Number of obs.= 2880, skipped 1323 obs Hausman test for IIA. Excluded choices are NEW1 ChiSqrd[ 6] = 348.0945, Pr(C>c) = .000000 --------+-------------------------------------------------------------------- | Standard Prob. 95% Confidence CHOICE| Coefficient Error z |z|>Z* Interval --------+-------------------------------------------------------------------- ALFA| 1.97763*** .26533 7.45 .0000 1.45760 2.49766 B_COST| .00782*** .00228 3.43 .0006 .00335 .01228 B_WASTE| 3.88740*** 1.49291 2.60 .0092 .96135 6.81345 B_CO2| 1.86315 1.64491 1.13 .2573 -1.36081 5.08710 B_SE2| .56196*** .19505 2.88 .0040 .17966 .94426 B_SE3| .85011*** .24624 3.45 .0006 .36750 1.33273 --------+-------------------------------------------------------------------- Note: ***, **, * ==> Significance at 1%, 5%, 10% level. ----------------------------------------------------------------------------- Discrete choice (multinomial logit) model Dependent variable Choice Log likelihood function -470.72277 Estimation based on N = 1474, K = 6 Inf.Cr.AIC = 953.4 AIC/N = .647 Model estimated: Feb 09, 2022, 08:46:10 R2=1-LogL/LogL* Log-L fncn R-sqrd R2Adj Constants only -487.0338 .0335 .0295 Response data are given as ind. choices Number of obs.= 2880, skipped 1406 obs Hausman test for IIA. Excluded choices are NEW2 ChiSqrd[ 6] =3918.3110, Pr(C>c) = .000000 --------+-------------------------------------------------------------------- | Standard Prob. 95% Confidence CHOICE| Coefficient Error z |z|>Z* Interval --------+-------------------------------------------------------------------- ALFA| 2.62893*** .24095 10.91 .0000 2.15667 3.10119 B_COST| .01133*** .00217 5.22 .0000 .00707 .01558 123 B_WASTE| 1.18795 1.60944 .74 .4604 -1.96650 4.34240 B_CO2| 3.06148** 1.52015 2.01 .0440 .08203 6.04092 B_SE2| -.05855 .19583 -.30 .7650 -.44236 .32527 B_SE3| .32276 .25004 1.29 .1968 -.16730 .81282 --------+-------------------------------------------------------------------- Note: ***, **, * ==> Significance at 1%, 5%, 10% level. ----------------------------------------------------------------------------- 124 Phụ lục 4 Kết quả hồi quy Logit tham số ngẫu nhiên và Logit tham số ngẫu nhiên với biến tƣơng tác và ƣớc tính mức sẵn lòng chấp nhận Random Parameters Logit Model Dependent variable CHOICE Log likelihood function -1985.62272 Restricted log likelihood -3164.00339 Chi squared [ 10 d.f.] 2356.76134 Significance level .00000 McFadden Pseudo R-squared .3724334 Estimation based on N = 2880, K = 10 Inf.Cr.AIC = 3991.2 AIC/N = 1.386 Model estimated: Feb 10, 2022, 08:27:44 R2=1-LogL/LogL* Log-L fncn R-sqrd R2Adj No coefficients -3164.0034 .3724 .3713 Constants only -2482.4948 .2002 .1988 At start values -1999.0356 .0067 .0050 Response data are given as ind. choices Replications for simulated probs. = 500 Halton sequences used for simulations Number of obs.= 2880, skipped 0 obs --------+-------------------------------------------------------------------- | Standard Prob. 95% Confidence CHOICE| Coefficient Error z |z|>Z* Interval --------+-------------------------------------------------------------------- |Random parameters in utility functions B_WASTE| 8.40213*** 1.15795 7.26 .0000 6.13258 10.67167 B_CO2| 7.38384*** 1.16361 6.35 .0000 5.10321 9.66447 B_SE2| .39211*** .09598 4.09 .0000 .20399 .58022 B_SE3| .73242*** .13327 5.50 .0000 .47121 .99362 |Nonrandom parameters in utility functions ALFA| 3.73279*** .21699 17.20 .0000 3.30749 4.15808 B_COST| .02819*** .00164 17.16 .0000 .02497 .03141 |Distns. of RPs. Std.Devs or limits of triangular NsB_WAST| 13.1081*** 2.24912 5.83 .0000 8.6999 17.5163 NsB_CO2| 12.6025*** 2.61422 4.82 .0000 7.4787 17.7262 NsB_SE2| .01778 .35235 .05 .9598 -.67282 .70837 NsB_SE3| .13177 .91950 .14 .8860 -1.67042 1.93396 --------+-------------------------------------------------------------------- Note: ***, **, * ==> Significance at 1%, 5%, 10% level. ----------------------------------------------------------------------------- WALD procedure. Estimates and standard errors for nonlinear functions and joint test of nonlinear restrictions. Wald Statistic = 157.19990 Prob. from Chi-squared[ 4] = .00000 Krinsky-Robb method used with 1000 draws Functions are computed at means of variables --------+-------------------------------------------------------------------- | Standard Prob. 95% Confidence WaldFcns| Coefficient Error z |z|>Z* Interval --------+-------------------------------------------------------------------- Fncn(1)| 298.023*** 34.29716 8.69 .0000 230.802 365.245 Fncn(2)| 261.905*** 38.60757 6.78 .0000 186.235 337.574 Fncn(3)| 13.9080*** 3.51614 3.96 .0001 7.0165 20.7995 Fncn(4)| 25.9788*** 5.16688 5.03 .0000 15.8519 36.1057 --------+-------------------------------------------------------------------- Note: ***, **, * ==> Significance at 1%, 5%, 10% level. ----------------------------------------------------------------------------- Start values obtained using MNL model Dependent variable Choice Log likelihood function -1949.21624 Estimation based on N = 2840, K = 10 Inf.Cr.AIC = 3918.4 AIC/N = 1.380 Model estimated: Feb 10, 2022, 07:58:09 R2=1-LogL/LogL* Log-L fncn R-sqrd R2Adj Constants only -2452.3215 .2052 .2032 Response data are given as ind. choices Number of obs.= 2880, skipped 40 obs 125 --------+-------------------------------------------------------------------- | Standard Prob. 95% Confidence CHOICE| Coefficient Error z |z|>Z* Interval --------+-------------------------------------------------------------------- B_WASTE| 5.57721*** .68304 8.17 .0000 4.23847 6.91595 B_CO2| 4.91220*** .65770 7.47 .0000 3.62314 6.20126 B_SE2| .32790*** .08190 4.00 .0001 .16738 .48842 B_SE3| .62179*** .11139 5.58 .0000 .40346 .84012 ALFA| 2.58202*** .46310 5.58 .0000 1.67437 3.48968 B_COST| .02378*** .00104 22.77 .0000 .02173 .02582 B_EDU| .03731* .02145 1.74 .0819 -.00473 .07934 B_GENDER| -1.05555*** .17722 -5.96 .0000 -1.40289 -.70822 B_INCOME| -.03441* .01955 -1.76 .0784 -.07272 .00390 B_AGE| .01857*** .00705 2.64 .0084 .00476 .03238 --------+-------------------------------------------------------------------- Note: ***, **, * ==> Significance at 1%, 5%, 10% level. ----------------------------------------------------------------------------- Random Parameters Logit Model Dependent variable CHOICE Log likelihood function -1935.53868 Restricted log likelihood -3120.05890 Chi squared [ 14 d.f.] 2369.04045 Significance level .00000 McFadden Pseudo R-squared .3796468 Estimation based on N = 2840, K = 14 Inf.Cr.AIC = 3899.1 AIC/N = 1.373 Model estimated: Feb 10, 2022, 08:14:54 R2=1-LogL/LogL* Log-L fncn R-sqrd R2Adj No coefficients -3120.0589 .3796 .3781 Constants only -2452.3215 .2107 .2088 At start values -1949.2162 .0070 .0046 Response data are given as ind. choices Replications for simulated probs. = 500 Halton sequences used for simulations Number of obs.= 2880, skipped 40 obs --------+-------------------------------------------------------------------- | Standard Prob. 95% Confidence CHOICE| Coefficient Error z |z|>Z* Interval --------+-------------------------------------------------------------------- |Random parameters in utility functions B_WASTE| 8.58781*** 1.20308 7.14 .0000 6.22982 10.94580 B_CO2| 7.46505*** 1.23007 6.07 .0000 5.05415 9.87595 B_SE2| .38198*** .09870 3.87 .0001 .18853 .57542 B_SE3| .72622*** .15119 4.80 .0000 .42989 1.02255 |Nonrandom parameters in utility functions ALFA| 3.11311*** .54812 5.68 .0000 2.03881 4.18741 B_COST| .02843*** .00181 15.72 .0000 .02489 .03198 B_EDU| .04046 .02474 1.64 .1020 -.00803 .08896 B_GENDER| -1.18931*** .20494 -5.80 .0000 -1.59098 -.78764 B_INCOME| -.04210* .02302 -1.83 .0674 -.08723 .00302 B_AGE| .02053** .00807 2.54 .0110 .00472 .03635 |Distns. of RPs. Std.Devs or limits of triangular NsB_WAST| 13.2336*** 2.35672 5.62 .0000 8.6145 17.8527 NsB_CO2| 12.7016*** 2.79173 4.55 .0000 7.2299 18.1733 NsB_SE2| .02091 .37940 .06 .9561 -.72270 .76451 NsB_SE3| .25017 1.11487 .22 .8224 -1.93494 2.43528 --------+-------------------------------------------------------------------- Note: ***, **, * ==> Significance at 1%, 5%, 10% level. ----------------------------------------------------------------------------- WALD procedure. Estimates and standard errors for nonlinear functions and joint test of nonlinear restrictions. Wald Statistic = 147.21914 Prob. from Chi-squared[ 4] = .00000 Krinsky-Robb method used with 1000 draws Functions are computed at means of variables --------+-------------------------------------------------------------------- | Standard Prob. 95% Confidence WaldFcns| Coefficient Error z |z|>Z* Interval 126 --------+-------------------------------------------------------------------- Fncn(1)| 302.017*** 36.23811 8.33 .0000 230.992 373.043 Fncn(2)| 262.532*** 39.52015 6.64 .0000 185.074 339.990 Fncn(3)| 13.4335*** 3.65270 3.68 .0002 6.2743 20.5927 Fncn(4)| 25.5399*** 5.35289 4.77 .0000 15.0484 36.0314 --------+-------------------------------------------------------------------- Note: ***, **, * ==> Significance at 1%, 5%, 10% level. -----------------------------------------------------------------------------