以906位被调查者为基础采用6种模型处理被调查者不确定性（去除236位抗议性回复）。真实模型将提供联系方式的被调查者认定为真正的支付者。这种处理减少了虚拟偏差，提高了评估的有效性。虚拟模型是没经过任何处理的模型，虚拟模型WTP（72.17元）比真实模型（45.35元）高59.1%，虚拟模型的WTP大小位居第二。WTP的不同表明虚拟模型夸大了真实支付。真实模型的实验设计减少了虚拟偏差。因此，为了对比各确定性处理模型的有效性，本研究将真实模型作为比较基础模型，同时，为了与其他相关研究进行对比，虚拟模型也作为比较模型。
SURE模型将确定值作为权重。与虚拟模型相比，SURE模型的WTP下降了10.7%（表6-9），Martínez-Espiñeira和Lyssenko（2012）研究中与虚拟模型相比，SURE模型WTP降低了36%。模型中给予确定性更高的被调查者较高的权重。相比Martínez-Espiñeira和Lyssenko，完全确定不愿意支付的被调查者比愿意支付的被调查者比例高。因此，SURE模型的WTP比虚拟模型小，但在虚拟模型95%的置信区间内。但是，虚拟模型的WTP不在SURE模型的95%置信区间内。SURE模型比真实模型WTP高42.1%，但是并不在真实模型的95%的置信区间内。Exposure模型使用指数化的确定值作为权重，其WTP值比虚拟模型低39.4%，与真实模型WTP最为接近，并在真实模型的95%的置信区间之内。真实模型的平均WTP也在exposure模型的置信区间之内。因为exposure模型将确定值的指数化，这种处理方式给予确定性高的被调查者更高的权重，从而进一步减少了虚拟偏差。
一系列的研究都致力于获得更真实的WTP。Champ et al.（1997）首次比较了虚拟模型WTP与真实捐款，结果表明将确定值为10的被调查者作为真正的支付者，其评估结果才会更加接近真实支付。Champ and Bishop发现确定值为8或更高的被调查者更有可能进行支付。Ethier et al.（2000）and Poe et al.（2002）认为确定值大于6或者7的被调查者更有可能进行支付。本研究发现YES6和YES7的WTP更接近真实模型的WTP。与虚拟模型相比，YES6和YES7的WTP分别降低了42.3%和60.6%，并且也不在虚拟模型的95%的置信区间内。YES6模型WTP比真实模型高8.1%，YES7模型WTP比真实模型低37.2%。YES6模型的WTP在真实模型WTP的95%置信区间内，而YES7模型的WTP不在真实模型WTP的95%的置信区间内。因此，研究结果表明被调查者的确定值为6时能够最大限度地降低虚拟偏差，结果也最接近真实WTP，这与Poe et al.的研究结果一致。
本研究使用McFadden's pseudo-犚2作为模型拟合度的测量值。表6- 9表明EXPURE模型的McFadden's pseudo-犚2最大，第二和第三分别是real and sure model（0.219 7 and 0.214 0），YES7模型拟合度最差（0.136 1）。表6-10表明研究结果与以往研究的结果一致（Martínez-Espiñeira and Lyssenko，2012）。
表6-9 不同处理方法之间评估结果对比（N＝906）(www.xing528.com)
注：***犘＜0.001，**犘＜0.01，*犘＜0.05。
表6-10 CVM评估结果对比（2010，2014）
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
