Đề tài Thiệt hại kinh tế do ô nhiễm nước sông ở đồng bằng sông Cửu Long

 Tạp chí Khoa học 2010:15b 264-273 Trường Đại học Cần Thơ 
THIỆT HẠI KINH TẾ DO Ô NHIỄM NƯỚC SÔNG Ở ĐỒNG 
 BẰNG SÔNG CỬU LONG 
 Võ Thành Danh1 
 ABSTRACT 
Water in rivers at the Mekong Delta is now polluted seriously. Sources of polluters come 
from agricultural activities due to uses of fertilizers and pesticides, human activities, and 
untreated discharge water form industrial activites. The paper showed that majority of 
respondents were willing to pay for the program protecting river not be polluted. 
Applying the contingent valuation method, the mean willingness to pay estimated by 
Probit model was 29,345 VND/household/year and the total economic losses were 
estimated at 1,454 billion VND/year. Probit and OLS models’ results showed that 
variables: option price, household income, respondent’s age, sex, educational status, 
resettlement, number of children, uncertainty on river water supply and demand, and 
concern on the pollution status statistically significantly affected to the willingness to pay 
to avoid the pollution happen. 
Keywords: Contingent valuation method, economic losses, river water pollution 
Title: Economic valuation of river water pollution in the Mekong Delta 
 TÓM LƯỢC 
Nguồn nước sông ở đồng bằng sông Cửu Long (ĐBSCL) đang bị ô nhiễm. Các nguồn gây 
ô nhiễm đến từ hoạt động sản xuất nông nghiệp do sử dụng phân bón, thuốc trừ sâu, 
thuốc bảo vệ thực vật quá nhiều, do các chất thải sinh hoạt, và từ các hoạt động sản xuất 
công nghiệp. Bài viết cho thấy rằng đa số đáp viên sẵn lòng trả tiền tham gia chương 
trình bảo vệ nước sông không bị ô nhiễm. Sử dụng phương pháp định giá ngẫu nhiên, 
mức sẵn lòng chi trả là 29.345 đồng/hộ/tháng và tổn thất kinh tế có thể lên đến khoảng 
1.454 tỷ đồng/năm. Kết quả của Mô hình Probit và Mô hình hồi quy OLS cho thấy rằng 
các biến: giá cược, thu nhập hộ gia đình, tuổi, giới tính, và trình độ học vấn của đáp viên, 
địa bàn cư trú của hộ gia đình, số trẻ em trong hộ, sự không chắc chắn về cung và cầu 
nước sông dùng trong sinh hoạt, và sự quan tâm của người dân đến tình trạng ô nhiễm 
nguồn nước đều có ý nghĩa thống kê. 
Từ khóa: Phương pháp định giá ngẫu nhiên, tổn thất kinh tế, ô nhiễm nước sông 
1 GIỚI THIỆU 
Vấn đề ô nhiễm trên hệ thống các sông ở ĐBSCL đang ở mức báo động cao. Đóng 
góp vào sự ô nhiễm nguồn nước sông, và kéo theo ô nhiễm nguồn nước ngầm, là 
các hoạt động sản xuất của con người cũng như những thói quen xấu của chính các 
cư dân của nó trong việc sử dụng nguồn nước sông trong sinh hoạt mà không tôn 
trọng và bảo vệ tài nguyên quý giá này. Nhận thức vấn đề ô nhiễm theo góc nhìn 
kinh tế cho chúng ta một cách tiếp cận mới và có thể thích hợp hơn trong cách giải 
quyết vấn nạn ô nhiễm môi trường khi mà nhiều biện pháp hành chính hiện nay tỏ 
ra kém hiệu lực. Thất bại thị trường tạo ra vấn đề hàng hoá công như ô nhiễm 
nguồn nước trong trường hợp này cần được chỉnh sửa lại với sự can thiệp của 
1 Khoa Kinh tế-Quản trị kinh doanh, Trường Đại học Cần Thơ 
 264 Tạp chí Khoa học 2010:15b 264-273 Trường Đại học Cần Thơ 
chính phủ việc thực thi các chính sách môi trường, thể chế môi trường, và đặc biệt 
là các công cụ kinh tế như thuế môi trường, quỹ môi trường,... Nói cách khác, vấn 
đề ô nhiễm nguồn nước sông cần được nhìn nhận như một vấn đề kinh tế, và do đó 
được giải quyết bằng các biện pháp kinh tế. Ô nhiễm nguồn nước sông cần phải 
được quy thành những giá trị tính bằng tiền và cá nhân nào, tổ chức nào gây ra ô 
nhiễm cho hệ thống sông ngòi đều phải trả tiền để thông qua đó chính phủ thực thi 
những hành động giải quyết ô nhiễm dưới hình thức cung cấp các dịch vụ môi 
trường. Mục đích chính của bài viết này là ước lượng giá trị kinh tế (hay tổn thất 
kinh tế) của ô nhiễm nguồn nước sông ở ĐBSCL. Chi phí ô nhiễm ước lượng được 
của đề tài sẽ là cơ sở cho việc xác định các biện pháp can thiệp tiếp theo của chính 
phủ bằng các công cụ kinh tế nhằm giải quyết tình trạng ô nhiễm nguồn nước 
sông. 
2 MỤC TIÊU NGHIÊN CỨU 
Mục tiêu tổng quát là đánh giá thực trạng ô nhiễm và xác định tổn thất kinh tế do ô 
nhiễm nguồn nước sông ở ĐBSCL. Các mục tiêu cụ thể bao gồm: 
• Đánh giá thực trạng ô nhiễm của hệ thống sông ở ĐBSCL. 
• Xác định tổn thất kinh tế của ô nhiễm nguồn nước sông ở ĐBSCL. 
• Đề xuất các giải pháp kinh tế nhằm bảo vệ nước sông không bị ô nhiễm. 
3 PHƯƠNG PHÁP NGHIÊN CỨU 
3.1 Cách tiếp cận nghiên cứu 
Về phương diện kinh tế, ô nhiễm nước sông được xem như một hàng hoá môi 
trường (environmental goods). Theo lý thuyết kinh tế môi trường, để xác định giá 
trị kinh tế hay tổn thất kinh tế của ô nhiễm nước sông, nhiều phương pháp định giá 
kinh tế có thể được sử dụng: phương pháp định giá ngẫu nhiên CVM (Contingent 
Valuation Method), phương pháp lợi ích chuyển giao BT (Benefit Transfer), 
phương pháp định giá so sánh HP (Hedonic Pricing), phương pháp chi phí du hành 
TC (Travel Cost), phương pháp mô hình lựa chọn CM (Choice Modeling),... Từng 
phương pháp có những khác biệt tương đối nhưng chúng đều có chung một tính 
chất là thuộc cách tiếp cận cầu (Demand Approach). Đó là, dựa vào việc xác định 
mức sẵn lòng chi trả (Willingness-to-pay), WTP, để xác định mức thay đổi lợi ích 
CV (Compensating Variation) mà một cá nhận bị tác động bởi một hàng hoá môi 
trường như sử dụng nước sông bị ô nhiễm sẵn lòng chi trả để không cho phép ô 
nhiễm nguồn nước sông xãy ra1. Trong nghiên cứu này phương pháp CVM được 
sử dụng làm công cụ định lượng tổn thất kinh tế của ô nhiễm nước sông. Giá trị 
WTP bao gồm cả giá trị sử dụng (use values) và giá trị không sử dụng (non-use 
values hay passive values) được ước lượng dựa trên thị trường giả định 
(hypothesized market) cho loại hàng hoá đó. Giá trị CVM được ước lượng bằng 
cách trưng cầu ý kiến và thông thường được nội suy từ các hàm kinh tế lượng. 
1 Đối lập với cách tiếp cận cung (Supply Approach), mức sẵn lòng chấp nhận WTA (Willingness-to-accept) 
đo lường mức thay đổi lợi ích CV mà một cá nhân sẵn lòng chấp nhận được bồi thường để cho phép ô 
nhiễm nước sông xãy ra. 
 265 Tạp chí Khoa học 2010:15b 264-273 Trường Đại học Cần Thơ 
3.2 Khung lý thuyết và mô hình nghiên cứu 
Nghiên cứu này sử dụng khung phân tích khác biệt hữu dụng (utility difference 
framework) đã được nhiều nhà nghiên cứu sử dụng (thí dụ: Hanemann 1984, Sun 
et al., 1992) để ước lượng giá trị WTP cho hàng hoá môi trường như ô nhiễm 
nguồn nước sông. Giả định rằng một cá nhân có một hàm hữu dụng (utility 
function) dạng Hicksian bao gồm hai loại hàng hoá thông thường (private goods) – 
X, và một hàng hoá công (public clean riverwater) – W. Vấn đề tối đa hoá trong 
kinh tế của cá nhân này được trình bày như sau: 
 U = U(X, W) (1) 
s.t. PxX + PwW = Y 
trong đó: 
 U(X, W): hàm hữu dụng theo hai loại hàng hoá X và W 
 Px, Pw: giá tương ứng của hai loại hàng hoá X và W 
 Y: Thu nhập của hộ gia đình 
Kết quả của Mô hình (1) sẽ tạo ra một hàm hữu dụng gián tiếp (indirect utility 
function) - V(.) như sau: 
 V = V(Px, Pw, Y) (2) 
Giả định rằng cuộc điều tra CVM trình bày giá trị WTP cao nhất đối với hộ gia 
đình nhằm duy trì tình trạng nước sông như hiện nay, Q0 mà không để cho nguồn 
nước sông bị ô nhiễm trong tương lai, Q1 nếu như không có các biện pháp bảo vệ 
môi trường. Mô hình WTP của hộ gia đình nhằm bảo vệ nước sông không bị ô 
nhiễm được trình bày như sau: 
 1
 V(Y, Px, PL S) = V(Y – WTP, Px, PH S) (3) 
Trong đó: 
 S: tính chất hộ gia đình 
 PL: mức giá thấp hiện nay 
 PH: mức giá cao trong tương lai nếu nước sông bị ô nhiễm. 
Mô hình (3) chỉ ra rằng WTP là một hàm giảm theo thu nhập (decrease in income) 
và làm cho một cá nhân không có sự khác biệt giữa việc bảo vệ hay không bảo vệ 
nước sông tránh bị ô nhiễm. WTP cũng được giải thích như là số đo thay đổi bồi 
hoàn (compensating variation) – CV của thay đổi phúc lợi (welfare change). Nó 
được định nghĩa như là số đo của tổng giá trị kinh tế (economic value) mà một cá 
nhân/hộ gia đình phải trả để không cho phép ô nhiễm nước sông xãy ra. 
Áp dụng theo Sun et al. (1992), ảnh hưởng của sự không chắc chắn (hay xác suất) 
của các tình huống cung và cầu được đưa vào Mô hình (3). Đặt δ là ước lượng chủ 
quan (hay xác suất) về khả năng xãy ra ô nhiễm nếu không có các biện pháp bảo 
1 Q0 và Q1 được loại bỏ khi giả định rằng chất lượng nước sông là như nhau trong tình huống có hay không 
có sự can thiệp của Chương trình bảo vệ nước sông không bị ô nhiễm. Trong nghiên cứu này, chỉ có “giá” 
của nước sông là thay đổi. Đó là lý do tại sao chúng ta sử dụng PH và PL cho Pw 
 266 Tạp chí Khoa học 2010:15b 264-273 Trường Đại học Cần Thơ 
vệ nguồn nước sông, và đặt γ là ước lượng chủ quan xác suất về cầu nước sông an 
toàn trong tương lai. Từ đó, một Mô hình định giá được trình bày dưới đây: 
 1
 γV(Y – WTP, Px, PL S) + (1-γ)V(Y – WTP, Px S) = (4) 
 δV(Y, Px, PH S) + (1-δ)V(Y, Px, PL S) 
Người trả lời phỏng vấn được hỏi rằng họ có sẵn lòng chấp nhận trả một mức giá 
định sẵn được đưa ra cho họ (giá cược-offer price) hay không và đổi lại họ nhận lại 
được một tình trạng nước sông an toàn không bị ô nhiễm do các biện pháp bảo vệ 
của Chương trình bảo-vệ-sông-an-toàn (được giả định trong tình huống của bảng 
điều tra CVM). Đó là: 
 γV(Y – X, Px, PL S) + (1-γ)V(Y – X, Px S) +e1 ≥ (5) 
 δV(Y, Px, PH S) + (1-δ)V(Y, Px, PL S) + e0 
Trong đó: e1 và e0 là những biến ngẫu nhiên có các giá trị trung bình bằng không. 
 Từ Mô hình (5), được viết lại như sau: 
 Pr(Có) = Pr{γV(Y – X, Px, PL S) + (1-γ)V(Y – X, Px S) +e1 ≥ (6) 
 δV(Y, Px, PH S) + (1-δ)V(Y, Px, PL S) + e0 } 
Nếu ŋ được xác định là ŋ = e1 – e0, khi đó: 
 dV = [γV(Y – X, Px, PL S) + (1-γ)V(Y – X, Px S)] - (7) 
 [δV(Y, Px, PH S) + (1-δ)V(Y, Px, PL S)] 
 Dưới dạng rút gọn, Mô hình (7) được viết lại như sau: 
 2
 dV = K(γ, δ, X, Y, PH, PL, S) (8) 
 Nếu hàm Fŋ(.) là hàm có dạng phân phối xác suất tích luỹ (cumulative 
distribution probability function), khi đó ta có hàm xác suất Pr = Fŋ(dV). Như vậy, 
cách tiếp cận theo câu hỏi lựa chọn từng bậc (dichotomous choice approach) này 
có thể được giải thích như là kết quả của vấn đề lựa chọn tối đa hoá hữu dụng 
(utility-maximizing choice (Hanemann)). Mô hình Probit theo giả định rằng hàm 
Fŋ(.) có dạng phân phối xác suất tích lũy chuẩn (standard normal cumulative 
distribution function) của biến logistic được dạng như sau: 
Pr(Có) = [1 + exp(-dV)]-1 (9) 
Hoặc: 
 -1
 Pr(Có) = [1 + exp(-K(γ, δ, X, Y, PH, PL, S)] (10) 
Bằng cách sử dụng Mô hình hữu dụng tuyến tính (linear utility model) để ước 
lượng Mô hình Probit (10), giá trị WTP được tính toán như sau: 
 n
 X = (-Σ j=1αjZj)/β (11) 
Với X: giá cược (option price) hay là mức sẵn lòng chi trả WTP 
 β: Hệ số ước lượng của giá cược 
1 0
 Sự vắng mặt của biến PL trong hàm V(Y – WTP, Q , Px S) chỉ rằng hộ gia đình không sử dụng nước sông 
làm nước sinh hoạt. 
2
 Khi sự khác biệt hữu dụng trong Mô hình (7) được xác định, biến PX sẽ bị loại khỏi Phương trình (8). 
 267 Tạp chí Khoa học 2010:15b 264-273 Trường Đại học Cần Thơ 
Zj: Giá trị trung của các biến trong Mô hình (10) 
αj: Hệ số ước lượng của các biến Zj 
3.3 Thiết kế nghiên cứu CVM 
Trong nghiên cứu này, điều tra CVM được dùng để trưng cầu ý kiến về mức WTP 
của hộ gia đình để ngăn chặn nguy cơ ô nhiễm nước sông tại nơi họ sinh sống. 
Cuộc điều tra CVM bao gồm ba phần. Phần một mô tả kiến thức, thái độ, và nhận 
thức của người trả lời phỏng vấn về những vấn đề liên quan đến môi trường nói 
chung và môi trường nước và hệ thống tài nguyên sông ngòi và nguồn nước sông, 
và cũng như mô tả một tình huống thị trường giả định (hypothesized market 
scenario) để trưng cầu ý kiến về mức WTP của người trả lời phỏng vấn. Phần hai 
bao gồm những câu hỏi trưng cầu (eliciting) đối với các giá trị WTP được thiết lập. 
Nghiên cứu này sử dụng hai loại câu hỏi trưng cầu giá trị CVM; đó là, loại câu hỏi 
có/không và loại câu hỏi mở/đóng. Hình-thức-thanh-toán được lựa chọn trong cuộc 
điều tra CVM là thu nhập (income source). Phần ba bao gồm những câu hỏi về tính 
chất hộ điều tra như tuổi, giới tính, nghề nghiệp của người trả lời phỏng vấn, và 
thu nhập, số người trong hộ, của hộ điều tra. Thông tin trong Phần ba được sử 
dụng như là các biến ngoại sinh hay các biến kiểm soát trong các mô hình hồi quy 
để ước lượng các hàm giá trị (valuation function) của các dịch vụ bảo vệ nước 
sông không bị ô nhiễm. Ngoài ra, các đánh giá chủ quan của hộ điều tra về các tình 
huống (hay xác suất) cung-cầu nước sông cũng được phỏng vấn trong phần này. 
Cuộc phỏng vấn được tiến hành trực tiếp. Có tổng số 496 người được chọn theo 
cách chọn mẫu ngẫu nhiên theo cụm. Kết quả của việc chọn mẫu cho thấy có 25 
người có câu trả lời là không biết (chiếm tỷ lệ 5%). Do đó, cỡ mẫu còn lại để phân 
tích trong các mô hình ước lượng WTP chỉ còn lại là 474 quan sát. Mức giá cược 
được xác định ở các mức 20.000 đồng, 40.000 đồng, 60.000 đồng, 80.000 đồng, và 
100.000 đồng. Các mức giá cược này được xác định dựa trên điều tra sơ bộ về chi 
phí tiền nước hàng tháng của các hộ dân sống ở khu vực thị trấn và các ý kiến 
chuyên gia từ các cán bộ am hiểu tình hình và điều kiện sống của người dân tại địa 
bàn nghiên cứu. Bảng 1 trình bày cơ cấu mẫu theo từng mức giá cược (WTP) khác 
nhau được đặt ra cho đáp viên trong cuộc trưng cầu ý kiến CVM. 
Bảng 1: Giá cược, cơ cấu mẫu và phần trăm số người chấp nhận mức giá cược 
 Số người chấp nhận 
 Cơ cấu mẫu 
 Giá cược mức giá cược 
 (đồng) Phần trăm Số người Phần trăm 
 Cỡ mẫu 
 (%) (%) 
 20,000 102 20.6 77 75,5 
 40,000 95 19.2 70 73,7 
 60,000 95 19.2 30 31,6 
 80,000 105 21.2 10 9,5 
 100,000 99 20.0 4 4,0 
 Tổng cộng: 496 100.0 - - 
 (Nguồn: số liệu điều tra 2008) 
 268 Tạp chí Khoa học 2010:15b 264-273 Trường Đại học Cần Thơ 
4 KẾT QUẢ VÀ THẢO LUẬN 
4.1 Đặc điểm mẫu điều tra 
Tuổi trung bình của đáp viên là 43,3 năm trong đó có 47% lớn hơn 40 tuổi. Trình 
độ học vấn trung bình là lớp mười, trong đó có 14,2% từ tiểu học trở xuống, 27,8% 
có trình độ trung học cơ sở trở xuống, và 58% có trình độ từ cấp 3 trở xuống. Có 
87,3% số đáp viên thuộc dân tộc Kinh; 4,0% là người Khmer, và 8,7% là người 
Hoa. Số người trung bình trong hộ là 4,38 người, trong đó có 1,27 là trẻ em. Thu 
nhập trung bình hàng tháng của một gia đình từ 2-3 triệu/tháng. Có 24,2% số 
người trả lời phỏng vấn và nữ. 40,7% đáp viên là nông dân; 34,3% là cán bộ công 
nhân viên chức như giáo viên, công chức, nghỉ hưu; 20,9% làm các nghề tự do 
khác như buôn bán, thợ chụp hình, thợ mộc, thợ may, thợ sửa máy, sửa chữa điện 
tử, thợ uốn tóc; và 4,1% làm thuê. Có 50,4% số đáp viên hiện đang sống tại khu 
vực nông thôn và 49,6% số tại khu vực thị trấn. 
Trong đánh giá xác suất của tình huống cung và cầu nước sinh hoạt được sử dụng 
từ nước sông trong tương lai, 90,9% số người trả lời phỏng vấn cho rằng trong 
vòng 5 năm tới nguồn nước sông nơi họ đang sinh sống có khả năng bị ô nhiễm 
nếu như không có biện pháp bảo vệ nào (YeNo14); và 10,2% số người trả lời 
phỏng vấn cho rằng trong vòng 5 năm tới họ có thể sẽ chuyển sang nơi khác sinh 
sống (YeNo13). Ngoài ra, trong mẫu điều tra có đến 92,9% số người trả lời phỏng 
vấn có quan tâm đến ảnh hưởng của việc sử dụng nước từ sông trong sinh hoạt đến 
sức khỏe của họ và người thân trong gia đình họ; trong đó có 78,8% tỏ ra rất quan 
tâm đến cực kỳ quan tâm đến vấn đề này. Có 40,5% số hộ điều tra có “mua” nước 
sinh hoạt với số tiền nước hàng tháng khoảng 37.200 đồng/tháng (độ lệch chuẩn là 
23.300 đồng). Bảng 2 mô tả đặc điểm mẫu điều tra được sử dụng trong các mô 
hình phân tích đa biến và ước lượng WTP. 
4.2 Xác định mức sẵn lòng chi trả WTP 
Bảng 3 trình bày kết quả ước lượng của Mô hình Probit và mô hình hồi quy OLS. 
Các hệ số ước lượng của các biến: giá cược, thu nhập của hộ gia đình, tuổi của đáp 
viên, giới tính của đáp viên, trình độ học vấn của đáp viên, địa bàn cư trú của hộ 
gia đình, số trẻ em trong hộ, sự không chắc chắn về cung và cầu nước sông dùng 
trong sinh hoạt, và sự quan tâm của người dân đến tình trạng ô nhiễm nguồn nước 
đều có ý nghĩa thống kê. Đối với Mô hình OLS, kết quả ước lượng cho thấy rằng 
các biến có ý nghĩa thống kê tương tự như Mô hình Probit (ngoại trừ biến giới tính 
của đáp viên) và bao gồm thêm các biến: nghề nghiệp của đáp viên và tổng số 
người trong hộ. 
 269 Tạp chí Khoa học 2010:15b 264-273 Trường Đại học Cần Thơ 
Bảng 2: Các giá trị thống kê của các biến giải thích trong phân tích đa biến 
 Giá trị 
 Mã câu Dấu kỳ 
 Biến Mô tả biến trung 
 hỏi vọng 
 bình 
1. Tính chất hộ điều tra 
 TNAP Q29 Thu nhập hộ gia đìnha 2-3 triệu + 
 (đồng/tháng) 
 TUOI Q22 Tuổi của đáp viên (số năm) 42,80 ? 
 (13,380) 
 GTNH YeNo23 Giới tính của đáp viên, biến 0,758 ? 
 giả b (1 nam; 0: nữ) 
 HVAN Q24 Trình độ học vấn của đáp viên 9,51 + 
 (số năm) (3,054) 
 DTOC Q25 Dân tộc, biến giả b 0,873 ? 
 (1Kinh; Khác: 0) 
 NGHP Q26 Nghề nghiệp của đáp viên, 0,407 + 
 biến giả b (1: Làm ruộng; 
 Khác: )) 
 DBAN Q27 Địa bàn cư trú, biến giả b (1: 0,504 - 
 Nông thôn; 0: Thị trấn) 
 SNGI Q28Total Số người trong hộ (số người) 4,36 + 
 (1,503) 
 TREM Q28Chil Số trẻ em trong hộ (số người) 1,27 + 
 (0,530) 
2. Tình huống cung-cầu nước sông 
 XCAU YeNo13 Xác xuất cầu, biến giả c 0,898 + 
 (1: Không chuyển đi nơi khác; 
 0: Có chuyển đi) 
 XCUG YeNo14 Xác suất cung, biến giả d 0,909 - 
 (1: Có; 0: không) 
3. Nhận thức và thái độ 
 QTAM Q15 Quan tâm đến ô nhiễm nguồn 2,28 + 
 nước a (1: cực kỳ quan tâm, 5: (0,667) 
 không quan tâm) 
 DGIA Q4 Đánh giá chất lượng nước 4,02 - 
 sông a (1: hoàn toàn tốt, 5: xấu (0,241) 
 MTRG Q5d Trách nhiệm bảo vệ nguồn 2,32 + 
 nước sông a (1: hoàn toàn (0,944) 
 đồng ý, 5: hoàn toàn không 
 đồng ý) 
 dấu trong ngoặc là độ lệch chuẩn 
 a được đánh giá ở điểm giữa (mid-point). 
 b giá trị trung bình của biến giả được giải thích sự số phần trăm. 
 c xác xuất cầu trong 5 năm và được tính bằng công thức (1- xác xuất khả năng chuyển đi). 
 d xác suất cung trong 5 năm và được tính toán dựa vào đánh giá khả năng ô nhiễm của nước sông trong 5 năm tới. 
 270 Tạp chí Khoa học 2010:15b 264-273 Trường Đại học Cần Thơ 
 Bảng 3: Phân tích đa biến của mức sẵn lòng chi trả WTP 
 Mô hình Mô hình 
 Biến trong mô hình 
 PROBIT OLS 
Biến phụ thuộc # VOTE FINALBID 
 (YeNo6) (Q9) 
Biến độc lập: 
Giá cược/OFPR -0,0000741* 687,20* 
 (0,0000) (0,048) 
Thu nhập hộ gia đình a (đồng/tháng)/TNAP 0,0997123** 470,40*** 
 (0,0566) (1368,71) 
Tuổi của đáp viên (số năm)/TUOI 0,0369* 865,00* 
 (0,0100) (226,41) 
Giới tính của đáp viên, biến giả b (1 nam; 0: 0,6410* 5.675,30ns 
nữ)/GTNH (0,2479) (5.681,75) 
Trình độ học vấn của đáp viên (số năm)/HVAN 0,1386* 6.665,05* 
 (0,0438) (1.023,44) 
Dân tộc, biến giả b (1: Kinh; Khác: 0)/DTOC 0,2028ns 3.524,24ns 
 (0,2787) (2.799,43) 
Nghề nghiệp của đáp viên, biến giả b (1: Làm -0,1456ns -4.873,77*** 
ruộng; 0: Khác)/NGHP (0,2299) (2.695,40) 
Nơi cư trú của đáp viên, biến giả b (1: Nông thôn; 0: -1,2682* -34.556,80* 
Thị trấn)/DBAN (0,2158) (3.755,89) 
Số người trong hộ (số người)/SNGI -0,0366ns 6.100,37** 
 (0,0913) (2.171,09) 
Số trẻ em trong hộ (số người)/TREM -0,6340* -34.167,20* 
 (0,2403) (5.416,21) 
Xác xuất cầu, biến giả c /XCAU 0,5584*** 10.686,51** 
(1: Không chuyển đi nơi khác; 0: Có chuyển đi) (0,3054) (5.436,67) 
Xác suất cung, biến giả d / XCUG -0,5683** -16.298,40* 
(1: Có; 0: không) (0,2844) (5.923,72) 
Quan tâm đến ô nhiễm nguồn nước a (1: cực kỳ -0,3070*** 10.007,43** 
quan tâm, 5: không quan tâm)/QTAM (0,1726) (4.657,52) 
Đánh giá chất lượng nước sông a (1: hoàn toàn tốt, 0,2907ns - 
5: xấu)/DGIA (0,5730) 
Trách nhiệm bảo vệ nguồn nước sông a (1: hoàn 0,0831ns 828,98ns 
toàn đồng ý, 5: hoàn toàn không đồng ý)/MTRG (0,0971) (1.959,23) 
Hằng số -3,7431ns -37.963.5ns 
 (2,6891) (28.457) 
LR chi2 (14)/Giá trị F 129,59 17,988 
χ2/ giá trị p của F 0,0000 0,0000 
N 336 474 
(Pseudo)/R2 0,2783 0,603 
 *, **, ***, ns tương ứng với mức ý nghĩa 1%, 5%, 10%, và không có ý nghĩa thống kê 
 dấu trong ngoặc là độ lệch chuẩn. 
 # VOTE là biến có/không (YeNo6) cho mức giá cược; FINALBID (Q9) là mức giá cao nhất. 
 a được đánh giá ở điểm giữa (mid-point). 
 b giá trị trung bình của biến giả được giải thích theo số phần trăm. 
 c xác xuất cầu trong 5 năm và được tính bằng công thức (1- xác xuất khả năng chuyển đi). 
 d xác suất cung trong 5 năm và được tính toán dựa vào đánh giá khả năng ô nhiễm của nước sông trong 5 năm tới 
 271 Tạp chí Khoa học 2010:15b 264-273 Trường Đại học Cần Thơ 
Kết quả của Mô hình Probit cho thấy rằng hầu hết dấu kỳ vọng của các hệ số ước 
lượng phù hợp với tiên đoán của nghiên cứu (Bảng 1). Khi mức giá cược tăng lên 
thì xác suất người dân ủng hộ đối với Chương trình bảo vệ nguồn nước sông 
không bị ô nhiễm (Chương trình WPP) có xu hướng giảm đi. Khi thu nhập của hộ 
gia đình tăng lên thì xác suất đồng ý với mức giá cược được trưng cầu sẽ tăng lên. 
Cả hai điều này nhất quán với hành vi ứng xử của một cá nhân theo lý thuyết cầu. 
Đó là, lượng cầu là nghịch biến với giá và đồng biến với thu nhập. Khi tuổi của 
đáp viên tăng lên thì xác suất đồng ý cũng tăng lên. Điều này được giải thích như 
sau: những người lớn tuổi có kinh nghiệm nhiều hơn và hiểu biết nhiều hơn về 
nguy cơ của ô nhiễm nguồn nước sông dùng trong sinh hoạt nên họ sẵn lòng chấp 
nhận cao hơn những người ít tuổi hơn có ít kinh nghiệm hơn. Trình độ học vấn 
càng cao thì khả năng hay xác suất đồng ý hay sữn lòng tham gia Chương trình 
WPP cao hơn. Lý do có thể là những người có trình độ học vấn cao hơn có nhận 
thức tốt hơn, hiểu biết nhiều hơn nên họ quan tâm đến vấn đề ô nhiễm nhiều hơn. 
Khi số trẻ em trong hộ tăng lên thì xác suất đồng ý tham gia Chương trình giảm 
xuống. Kết quả của Mô hình Probit cũng cho thấy rằng người dân sống ở nông 
thôn có xác suất ủng hộ Chương trình WPP thấp hơn. Điều này có thể được giải 
thích như là do tác động của yếu tố thu nhập là quan trọng hơn chứ không do họ 
không muốn có được nguồn nước sạch được lấy từ sông. Phần lớn hay đa số nước 
dùng trong sinh hoạt ở nông thôn được lấy từ sông, rạch và đôi khi đó là sự lựa 
chọn duy nhất. Do đó, tầm quan trọng của nguồn nước sông sạch đối với họ quan 
trọng hơn những người sống ở khu vực thị trấn, nơi được cung cấp nguồn nước 
máy nên không bị lệ thuộc nhiều vào ô nhiễm nước sông. Hơn nữa, hệ số ước 
lượng của biến số xác suất cầu dương cho thấy nhìn chung người dân có xu hướng 
đồng ý tham gia Chương trình WPP nếu nhu cầu về nước sông sạch tăng lên. Đồng 
thời, khi người dân tin rằng ô nhiễm nguồn nước sông sẽ không xãy ra thì xác suất 
tham gia của họ vào Chương trình WPP sẽ giảm xuống. Cuối cùng, khi người dân 
càng quan tâm nhiều đến vấn đề ô nhiễm nguồn nước sông và bảo vệ nguồn nước 
sông tránh bị ô nhiễm thì xác suất tham gia Chương trình sẽ tăng lên. Đối với Mô 
hình OLS, hầu hết kết quả ước lượng cũng cho thấy sự phù hợp của các biến trong 
Mô hình khi giải thích những ảnh hưởng của nó đến mức độ hay số tiền nhiều nhất 
mà người dân có thể sẵn lòng chi trả hay đóng góp cho Chương trình WPP. 
Tiếp theo, các biến có hệ số ước lượng có ý nghĩa thống kê trong Bảng 3 sẽ được 
sử dụng làm cơ sở tính toán giá trị WTP hay lợi ích phúc lợi Hickssian (Hicksian 
welfare benefits) từ việc tham gia Chương trình WPP để bảo vệ nước sông không 
bị ô nhiễm. Xuất phát từ Mô hình (10) ở trên, mô hình kinh tế lượng để ước lượng 
giá trị sẵn lòng chi trả WTP được trình bày trong Mô hình (12) dưới đây: 
E[WTP] = (β2Thu nhập hộ + β3Tuổi đáp viên + β4Giới tính đáp viên + 
 β5Trình độ học vấn - β6Địa bàn cư trú + β7Số trẻ em + β8Xác 
 suất cầu – β9Xác suất cung + β10Quan tâm đến ô nhiễm nước 
 sông)/β1 (12) 
 = 29.345 đồng 
Như vậy, bằng cách sử dụng các giá trị trung bình của các biến trong Mô hình 
(13), lợi ích phúc lợi (hay tổn thất kinh tế) của ô nhiễm nước sông được ước lượng 
khoảng 29.345 đồng/hộ/tháng. Từ kết quả này, ước lượng cho thấy thiệt hại kinh tế 
 272 Tạp chí Khoa học 2010:15b 264-273 Trường Đại học Cần Thơ 
của ô nhiễm nguồn nước sông ở ĐBSCL khoảng 1,454 tỷ đồng/năm (tương đương 
85,6 triệu USD/năm)1. 
5 KẾT LUẬN VÀ KIẾN NGHỊ 
5.1 Kết luận 
Kết quả cho thấy rằng đa số đáp viên sẵn lòng trả tiền tham gia Chương trình WPP 
trong vòng 5 năm tới. Mức độ đồng ý tùy thuộc vào mức giá cược được đưa ra 
trưng cầu. Tỷ lệ đồng ý tham gia giảm dần khi mức giá cược tăng lên. Kết quả ước 
lượng từ Mô hình Probit cho thấy rằng các hệ số ước lượng của các biến: giá cược, 
thu nhập của hộ gia đình, tuổi của đáp viên, giới tính của đáp viên, trình độ học 
vấn của đáp viên, địa bàn cư trú của hộ gia đình, số trẻ em trong hộ, sự không chắc 
chắn về cung và cầu nước sông dùng trong sinh hoạt, và sự quan tâm của người 
dân đến tình trạng ô nhiễm nguồn nước là những yếu tố ảnh hưởng đến sự lựa 
chọn sẵn lòng tham gia hay không tham gia Chương trình WPP. Tổn thất kinh tế 
của ô nhiễm nước sông được ước lượng theo Mô hình Probirt khoảng 29.345 
đồng/hộ/tháng. Từ đó, thiệt hại kinh tế của ô nhiễm nguồn nước sông ở ĐBSCL 
ước tính khoảng 1.454 tỷ đồng/năm. 
5.2 Kiến nghị 
Đối với các cấp chính quyền, khi xây dựng các chương trình/dự án về bảo vệ 
nguồn nước sông không bị ô nhiễm, các yếu tố về mức đóng góp cho quỹ, thu 
nhập của hộ gia đình, tuổi của đáp viên, giới tính của đáp viên, trình độ học vấn 
của đáp viên, địa bàn cư trú của hộ gia đình, số trẻ em trong hộ, các yếu tố liên 
quan đến tình huống cụ thể về cung và cầu nước sông dùng trong sinh hoạt, và thái 
độ hay sự quan tâm của người dân đến tình trạng ô nhiễm nguồn nước là những 
yếu tố nên được ưu tiên xem xét. Đặc biệt, mức đóng góp của các quỹ dự kiến đó 
nên xoay quanh giá trị WTP được ước lượng từ nghiên cứu này. 
Kết quả nghiên cứu này được sử dụng như là nguồn thông tin cơ bản để ước lượng 
tổn thất kinh tế của ô nhiễm nước sông cho các khu vực tương tự như địa bàn 
nghiên cứu thông qua phương pháp chuyển giao lợi ích (benefit transfer) nếu có 
những chương trình/dự án cụ thể tại địa bàn nào khác trong khu vực ĐBSCL. 
 TÀI LIỆU THAM KHẢO 
 H. Sun, Bergstrom J.C, and Dorfman I.H. Estimating the Benefits of Groundwater 
 Contamination Control. Southern Journal of Agricultural Economics. 1992. 
 M. Hanemann; Loomis j.; and Kanninen B. Statistical Efficiency of Double-Bounded 
 Dichotomous Choice Contingent Valuation. American Journal of Agricultural 
 Economics, Vol. 73, No. 4. 1991. 
1 Ước lượng được xác định bằng cách tính sau đây: 18 triệu người /4,36 người/hộ (từ kết quả điều tra) * 
100% số hộ tham gia x giá trị WTP 29,340 đồng x 12 tháng. 
 273