PGS. Huỳnh Việt Khải

Email: hvkhai@ctu.edu.vn (tác giả liên hệ)

ThS. Nguyễn Văn Ngân

Dương Thị Hồng Đào

Trường Kinh tế, Trường Đại học Cần Thơ

(Nghiên cứu được tài trợ bởi Chương trình Khoa học của Bộ Giáo dục và Đào tạo (B2022-TCT-10))

Tóm tắt

Bài viết sử dụng phương pháp mô hình lựa chọn (CM) để ước lượng mức sẵn lòng chi trả của người dân TP. Cần Thơ cho phát triển năng lượng tái tạo (NLTT) qua việc thêm phí vào hóa đơn tiền điện hàng tháng. Kết quả mô hình logit đa thức cho thấy, người dân sẵn sàng trả thêm tiền cho các thuộc tính, như: Giảm ô nhiễm không khí; Cải thiện cảnh quan và môi trường sống của động vật; Tạo việc làm. Đồng thời, người có thu nhập và kiến thức cao hơn ủng hộ chính sách phát triển NLTT nhiều hơn, trong khi các hộ gia đình đông thành viên ít sẵn lòng đóng góp hơn. Trên cơ sở đánh giá về nhu cầu, cũng như sự lựa chọn của người tiêu dùng đối với các lợi ích mà NLTT đem lại, nhóm tác giả đưa ra một số gợi ý theo quan điểm của người dân cho chính sách phát triển NLTT trong tương lai.

Từ khóa: sở thích của người tiêu dùng, thí nghiệm lựa chọn, phát triển bền vững, năng lượng tái tạo

Summary

The study employs the choice modelling approach to estimate the willingness to pay of Can Tho residents for the development of renewable energy by incorporating additional fees into their monthly electricity bills. The results derived from the multinomial logit model indicate that residents are willing to pay a premium for various attributes, including reduced air pollution, enhanced landscapes, improved animal habitats, and job creation. The analysis also reveals that individuals with higher income and greater knowledge on renewable energy are more inclined to support renewable energy policies, whereas larger households exhibit a lower propensity to contribute financially. Based on the assessment of needs and choices of consumers regarding benefits from renewable energy, the authors provide some suggestions from people's point of view for policies on boosting renewable energy in the future.

Keywords: consumer preference, choice experiment, sustainable development, renewable energy

GIỚI THIỆU

Thế giới đang đứng trước nhu cầu gia tăng mạnh mẽ hoạt động khai thác năng lượng để phục vụ cho sự phát triển kinh tế - xã hội, đồng thời phải triển khai các hành động ứng phó với sự gia tăng tác động của biến đổi khí hậu (BĐKH) do sử dụng nhiên liệu hóa thạch. Giải pháp cơ bản cho các vấn đề này là khai thác và sử dụng NLTT, như: mặt trời, gió, sinh học và địa nhiệt.

Tại Hội nghị COP 21 về BĐKH diễn ra tại Paris (Pháp) vào tháng 12/2015, Chính phủ Việt Nam đã cam kết cắt giảm tối thiểu 8% khí nhà kính vào năm 2030 (Mai Mạnh, 2016). Tiếp đó, tháng 11/2021, tại Hội nghị Thượng đỉnh của các Nhà lãnh đạo trong khuôn khổ Hội nghị COP26, Thủ tướng Chính phủ Phạm Minh Chính đã công bố cam kết mạnh mẽ của Việt Nam trong việc ứng phó với BĐKH toàn cầu, theo đó, cam kết giảm phát thải ròng bằng 0 vào năm 2050, đồng thời nhất trí ủng hộ những tuyên bố và sáng kiến ​​quan trọng về bảo vệ rừng, chuyển dịch sang NLTT, hỗ trợ thích ứng cho các cộng đồng địa phương và giảm thiểu khí metan (HNV, 2021). Quyết định số 2068/QĐ-TTg, ngày 25/11/2015 của Thủ tướng Chính phủ phê duyệt Chiến lược phát triển NLTT ở Việt Nam đến năm 2030, tầm nhìn năm 2050 đặt ra mục tiêu sử dụng NLTT trong tổng tiêu thụ năng lượng sơ cấp đạt 32,3% năm 2030. Điều này cho thấy, Chính phủ đã có những chính sách quan tâm đến phát triển NLTT, cũng như tạo hướng đi mới cho ngành năng lượng, góp phần ổn định nguồn điện cho các địa phương và phát triển kinh tế - xã hội của quốc gia.

Trước tình trạng nguồn năng lượng hóa thạch ngày càng cạn kiệt và nhu cầu sử dụng tăng cao, NLTT trở nên quan trọng hơn bao giờ hết. Mặc dù có mức sống tương đối cao và có ý thức về môi trường, nhưng đa phần người dân tại TP. Cần Thơ vẫn chưa hiểu rõ về NLTT, do đây là nguồn năng lượng mới. Một số người dân vẫn ưu tiên nguồn năng lượng cũ với chi phí hợp lý hơn. Để biết được sự lựa chọn của người dân cho các chính sách phát triển NLTT và mức giá họ sẵn sàng chi trả, cần có nghiên cứu để làm rõ vấn đề. Vì vậy, việc nghiên cứu về vấn đề sự sẵn lòng chi trả của người dân Cần Thơ đối với lợi ích của phát triển NLTT là hết sức cần thiết.

MÔ HÌNH VÀ PHƯƠNG PHÁP NGHIÊN CỨU

Mô hình nghiên cứu

Nghiên cứu này áp dụng mô hình lựa chọn (Choice Modelling – CM) lần đầu được phát triển bởi Louviere và Hensher (1982) dựa trên nền tảng lý thuyết thỏa dụng đa đặc tính (multi-attribute utility) của Lancaster (1966). Giả định rằng, độ thỏa dụng có mối liên hệ tuyến tính với các đặc tính của sản phẩm, phần có thể quan sát V_ni của sản phẩm i đối với người tiêu dùng n được biểu diễn như sau:

Khi đứng trước nhiều lựa chọn sản phẩm cùng loại, người tiêu dùng sẽ chọn sản phẩm có độ hữu dụng (U_ni) cao nhất. Xác suất mà cá nhân n chọn sản phẩm i thay vì bất kỳ sản phẩm j ≠ i nào khác tương ứng với xác suất mà U_ni > U_nj. Cụ thể, xác suất mà cá nhân n chọn sản phẩm i (P_ni) được xác định như sau:

Giả định rằng, các thành phần sai số ngẫu nhiên tuân theo quy luật phân phối độc lập và tương đồng (IID-Independent và Identically Distributed) và theo phân phối Gumbell hoặc Weibull. Xác suất mà lựa chọn i trong gói lựa chọn C được chọn có thể được ước tính bằng mô hình Logit đa thức (MNL) (Ben-Akiva và Lerman, 1985; Khai và Yabe, 2014), mô hình được trình bày như sau:

Phương trình tuyến tính về độ thỏa dụng của sự lựa chọn sản phẩm i được viết như sau:

Trong đó, ASC là hằng số cụ thể thay thế của mô hình MNL, duy nhất cho mỗi phương án được xem xét trong các lựa chọn; ASC nắm bắt các hiệu ứng trung bình trên thỏa dụng của bất kỳ yếu tố nào không có trong V_ni, β_k là số ước lượng thể hiện độ thỏa dụng biên của người tiêu dùng đối với đặc tính k của sản phẩm, k là số lượng các biến thuộc tính. λ_p là hệ số ước lượng của các biến kinh tế - xã hội và thái độ của đáp viên, p là số lượng các biến phi thuộc tính. Z_k là các biến thuộc tính của dự án. S_p là các đặc điểm kinh tế - xã hội và nhận thức của đáp viên (phi thuộc tính).

Giá sẵn lòng chi trả biên (MWTP), còn được gọi là giá ẩn, là mức giá mà người trả lời sẵn lòng chi trả thêm cho sự gia tăng của thuộc tính quan tâm, với điều kiện các yếu tố khác không thay đổi (Khai và Yabe, 2015). MWTP cho mỗi thuộc tính được ước tính bằng tỷ lệ thay thế biên giữa hệ số của thuộc tính đó (β_{huộc tính thứ i}) và hệ số giá (β_giá), với công thức như sau:

Phương pháp nghiên cứu

Để xác định mối quan hệ giữa các dữ liệu thí nghiệm lựa chọn, nghiên cứu đã sử dụng mô hình Logit và phần mềm Nlogit 5.0. Giả định rằng, độ thỏa dụng có thể quan sát được trong mẫu nghiên cứu (Khai và Yabe, 2015), trên cơ sở đề xuất của các nghiên cứu trước (Khai và Yabe, 2014; Ku và Yoo, 2010; Rommel và cộng sự, 2016), nghiên cứu này xác định các thuộc tính của NLTT trong bản câu hỏi CM bao gồm: Cải thiện cảnh quan; Cải thiện môi trường sống sinh vật hoang dã; Giảm ô nhiễm không khí; Cơ hội tạo thêm việc làm; Giá tiền điện tăng cố định mỗi tháng. Các thuộc tính và mức độ thay đổi tương ứng được thể hiện trong Bảng 1.

Để thu thập số liệu chính xác, nhóm tác giả xây dựng một tình huống giả định mà đáp viên tin tưởng. Kịch bản này sẽ cung cấp thông tin về hiện trạng sử dụng điện của đáp viên, lợi ích của NLTT, tác hại của năng lượng hóa thạch, mục tiêu phát triển NLTT của Việt Nam trong tương lai và hiện trạng hiện nay. Kịch bản khẳng định rằng, phát triển NLTT là giải pháp hữu hiệu để bảo vệ cuộc sống. Tiếp theo, kế hoạch thành lập Quỹ năng lượng xanh sẽ được giới thiệu, nhằm hỗ trợ tài chính cho các hoạt động phát triển NLTT, như: phát triển cơ sở hạ tầng, lập quy hoạch vùng sản xuất, hỗ trợ nghiên cứu khoa học và cơ chế khuyến khích đầu tư. Nguồn thu của Quỹ này lấy từ tiền đóng góp cố định của người dân qua hóa đơn tiền điện hàng tháng trong vòng 5 năm và từ ngân sách Nhà nước, tài trợ của các tổ chức quốc tế.

Bảng 1: Mô tả và mức độ thay đổi các biến thuộc tính sử dụng trong đề tài

Nguồn: Nhóm tác giả tổng hợp

Bài viết áp dụng kỹ thuật thiết kế kết hợp trực giao (Orthogonal Design) của Louviere và cộng sự (2000) và chọn ra 25 bộ lựa chọn, chia thành 5 phiên bản câu hỏi, mỗi phiên bản gồm 5 bộ lựa chọn. Mỗi đáp viên sẽ trả lời 5 câu hỏi về sự lựa chọn của họ cho mỗi bộ lựa chọn. Đáp viên có thể chọn Chính sách A, Chính sách B hoặc Giữ nguyên hiện trạng, với mỗi chính sách có các thuộc tính và yêu cầu trả tiền khác nhau. Nếu đáp viên chọn A hoặc B, họ đồng ý đóng góp và các hoạt động phát triển NLTT sẽ được cải thiện. Nếu chọn giữ nguyên, họ không mất tiền, nhưng các hoạt động phát triển NLTT sẽ không thay đổi (Bảng 2).

Để đảm bảo tính chính xác, cuộc khảo sát được chia thành 2 giai đoạn. Giai đoạn 1 khảo sát thử với mục tiêu điều chỉnh lại bảng câu hỏi và mức giá khởi đầu rõ ràng, phù hợp hơn. Đồng thời, giai đoạn này cũng giúp người đi phỏng vấn hiểu rõ nội dung của bảng câu hỏi. Sau khi chỉnh sửa lại, giai đoạn 2 chính thức khảo sát đối với 125 người dân TP. Cần Thơ thông qua phỏng vấn ngẫu nhiên trong thời gian từ tháng 1 đến tháng 4/2022.

Bảng 2: Một bộ lựa chọn được sử dụng trong nghiên cứu

Nguồn: Nhóm tác giả tổng hợp

KẾT QUẢ NGHIÊN CỨU

Bảng 3 mô tả các đặc điểm kinh tế - xã hội của những người tham gia khảo sát. Độ tuổi trung bình của đáp viên là khoảng 42 tuổi. Tỷ lệ nam và nữ tham gia khảo sát gần như tương đương, với 50,4% là nữ và 49,6% là nam. Phần lớn đáp viên có trình độ học vấn cao, trung bình khoảng 14 năm học, tương đương trình độ trung cấp. Gia đình của các đáp viên trung bình có khoảng 5 thành viên và thu nhập trung bình là 14,38 triệu đồng/tháng. Những người tham gia khảo sát đều là người trưởng thành, có khả năng quyết định chi tiêu và đầu tư vào phát triển NLTT.

Bảng 3: Đặc điểm kinh tế xã hội của đáp viên

Nguồn: Khảo sát của nhóm tác giả

Bảng 4 mô tả tình hình sử dụng điện của những người tham gia khảo sát. Trung bình, mỗi đáp viên tiêu thụ khoảng 340 kWh điện mỗi tháng, tương đương với chi phí khoảng 670.000 đồng. Các gia đình ít thành viên tiêu thụ ít nhất, ở mức 34 kWh/tháng, trong khi các gia đình đông thành viên hoặc có kinh doanh tiêu thụ nhiều nhất là 1.635 kWh/tháng. Phần lớn đáp viên sử dụng điện cho mục đích sinh hoạt (86,4%), và khoảng 11,2% sử dụng điện cho cả sinh hoạt và kinh doanh.

Bảng 4: Hiện trạng sử dụng điện của đáp viên

Nguồn: Khảo sát của nhóm tác giả

Bảng 5 trình bày kết quả của mô hình logit đa thức (MNL) áp dụng cho dữ liệu mô hình lựa chọn. Mô hình 1 chỉ bao gồm các biến thuộc tính, trong khi Mô hình 2 bổ sung các biến tương tác được tạo ra bằng cách kết hợp các đặc điểm kinh tế - xã hội, kiến thức và thái độ với hằng số (ASC). Việc tích hợp các biến phi thuộc tính vào mô hình CM có thể cải thiện mức độ phù hợp của mô hình, giải quyết các vi phạm tiềm ẩn đối với các giả định độc lập và tương đồng (IID). Mô hình 2 thể hiện sự phù hợp hơn so với Mô hình 1, được thể hiện bằng giá trị log-likelihood và ρ² cao hơn. Do đó, Mô hình 2 được sử dụng như kết quả tốt nhất để phân tích kết quả mô hình CM.

Kết quả mô hình cho thấy, tất cả các thuộc tính đều là những yếu tố quan trọng để xác định rõ nhu cầu của người tiêu dùng đối với dự án phát triển NLTT được đề xuất. Cụ thể, các biến thuộc tính trong mô hình, như: Mức đóng góp (Donation); Cải thiện cảnh quan (Land25, Land50); Cải thiện môi trường sống sinh vật hoang dã (Wild25, Wild50): Giảm ô nhiễm không khí (Air70, Air100) và Cơ hội tạo thêm việc làm (Employ) đều có ý nghĩa thống kê ở mức 1% hoặc 5%. Điều này cho thấy, các thuộc tính của dự án phát triển NLTT ảnh hưởng đến mức độ hữu dụng của đáp viên và sự chấp nhận chi trả của họ, phù họp với kết quả của các nghiên cứu trước (Ku và Yoo, 2010; Sun và cộng sự, 2016).

Bảng 5: Kết quả ước lượng mô hình logit đa thức cho việc lựa chọn sử dụng NLTT

Ghi chú: ^ψ Điểm kiến thức (thang điểm 5). Đáp viên được hỏi 5 câu hỏi liên quan đến kiến thức của họ về các nguồn năng lượng tái tạo. Họ nhận được 1 điểm cho mỗi câu trả lời "Tôi biết rõ", 0,5 điểm cho "Tôi biết một chút" và 0 điểm cho câu trả lời "Tôi không biết".

***, **, và * tương ứng với mức ý nghĩa 1%, 5%, và 10%

Nguồn: Khảo sát của nhóm tác giả

Trong Mô hình 2, các biến tương tác phi thuộc tính được đưa vào hầu hết đều có ý nghĩa thống kê ở mức 1%, ngoại trừ biến Kiến thức (ASC*Know) có ý nghĩa ở mức 5% và biến Độ tuổi (ASC*Age) không có ý nghĩa thống kê. Điều này cho thấy, độ tuổi của đáp viên không ảnh hưởng đến quyết định ủng hộ phát triển NLTT hay giữ nguyên hiện trạng. Các hệ số của biến Thu nhập (ASC*Income), Xu hướng (ASC*Effect) và Kiến thức (ASC*Know) đều có tác động cùng chiều với sự sẵn lòng đóng góp cho phát triển NLTT của đáp viên. Cụ thể, khi thu nhập của đáp viên càng cao, mức độ ủng hộ các chính sách phát triển NLTT càng tăng, phù hợp với các nghiên cứu trước đó của Wang (2007), Khai và Yabe (2014). Đối với biến xu hướng (ASC*Effect), nếu các hộ xung quanh đáp viên đồng ý ủng hộ các chính sách phát triển NLTT, đáp viên cũng sẽ có xu hướng đồng ý đóng góp theo, tương tự với kết quả nghiên cứu của Ku và Yoo (2009). Kiến thức có ảnh hưởng tỷ lệ thuận với sự sẵn sàng chi trả, những người có nhiều kiến thức về NLTT sẽ giảm khả năng lựa chọn việc giữ nguyên hiện trạng. Thay vào đó, họ sẽ lựa chọn các chính sách có lợi cho tương lai. Hệ số của biến số thành viên trong hộ (ASC*Member) có ảnh hưởng ngược chiều, có nghĩa là nếu số thành viên trong gia đình càng cao, thì khả năng họ sẽ chi trả để hỗ trợ cho các chính sách NLTT càng giảm.

Do không thể trực tiếp giải thích cách biến giải thích ảnh hưởng đến xác suất chọn từng thuộc tính của phát triển NLTT bằng cách sử dụng hệ số kết quả trong Bảng 5, nên nhóm tác giả sử dụng giá ngầm định (ẩn) của mỗi thuộc tính để biểu thị mức sẵn lòng trả cận biên (MWTP) cho một sự thay đổi của thuộc tính đó. Bảng 6 trình bày kết quả ước lượng MWTP của các thuộc tính, được tính theo công thức (5).

Bảng 6: Ước tính MWTP cho các thuộc tính của dự án NLTT

Đơn vị: Nghìn đồng

Ghi chú: ***, **, và * tương ứng với mức ý nghĩa 1%, 5%, và 10%

Nguồn: Khảo sát của nhóm tác giả

Mô hình 2 cho thấy rằng, người dân ở Cần Thơ sẵn lòng trả thêm 20.392 đồng để cải thiện 25% cảnh quan (ASC*Land25) và 36.074 đồng để cải thiện thêm 50% (ASC*Land50) với mức ý nghĩa 1%. Những đáp viên này quan tâm đáng kể đến cảnh quan môi trường, họ sẵn sàng chi thêm 16.000 đồng để nâng mức cải thiện từ 25% lên 50%. Về cải thiện môi trường sống, các đáp viên sẵn sàng trả thêm 30.965 đồng để cải thiện thêm 25% (ASC*Wild25) với khoảng tin cậy 95%, từ 8.385 đồng đến 53.545 đồng. Khi cải thiện môi trường sống động vật hoang dã lên 50% (ASC*Wild50), những đáp viên này sẵn sàng đóng góp thêm 23.492 đồng với mức ý nghĩa 5%, số tiền đóng góp có thể dao động lên đến 48.542 đồng. Số tiền đóng góp cho cải thiện 50% môi trường sống động vật hoang dã thấp hơn mức 25%, điều này cho thấy, mặc dù các đáp viên ủng hộ cải thiện môi trường sống của động vật, họ chỉ quan tâm ở mức 25% và sự ủng hộ này giảm, nếu phải hy sinh các lợi ích khác, để đạt mức tối đa.

Đối với vấn đề ô nhiễm không khí, các đáp viên ủng hộ mạnh mẽ việc sử dụng NLTT nếu giúp giảm ô nhiễm. Họ sẵn sàng trả 63.581 đồng để giảm 70% ô nhiễm không khí (ASC*Air70), với mức dao động từ 37.345 đồng đến 89.816 đồng và thêm 79.367 đồng để giảm 100% ô nhiễm (ASC*Air100), với mức dao động từ 44.690 đồng đến 114.043 đồng. Mức đóng góp này cao hơn so với các thuộc tính cải thiện khác, cho thấy Giảm ô nhiễm không khí là mối quan tâm hàng đầu của họ, vượt trội so với Cải thiện cảnh quan; Môi trường sống và Cơ hội việc làm thêm. Điều này thể hiện người dân muốn có một môi trường trong lành, sạch sẽ hơn. Về việc Tạo cơ hội việc làm cho người dân địa phương, người dân ở Cần Thơ sẵn lòng đóng góp khoảng 1.461 đồng vào hóa đơn tiền điện mỗi tháng cho mỗi lao động có việc làm mới nhờ phát triển NLTT.

KẾT LUẬN

Bài viết sử dụng phương pháp mô hình lựa chọn (CM) để ước lượng mức sẵn lòng chi trả của người dân TP. Cần Thơ cho kế hoạch phát triển NLTT, thông qua việc bổ sung khoản phí vào hóa đơn tiền điện hàng tháng để đóng góp vào quỹ năng lượng xanh. Kết quả cho thấy, hầu hết đáp viên có kiến thức nhất định về NLTT, đặc biệt là về điện mặt trời, điện gió và điện sinh khối, nhờ điều kiện địa lý đặc thù của khu vực. Do đó, phần lớn người dân đều quan tâm đến vấn đề này. Tuy nhiên, dù có nhận thức cao và hiểu rõ tầm quan trọng của việc phát triển NLTT, một số người vẫn ngần ngại và chưa hoàn toàn tin tưởng vào lợi ích mà NLTT mang lại.

Kết quả từ mô hình logit đa thức cho thấy, cư dân ở Cần Thơ sẵn lòng chi thêm tiền cho các yếu tố, như: Cải thiện cảnh quan; Môi trường cho động vật hoang dã; Giảm ô nhiễm không khí và Tạo việc làm. Cụ thể, họ sẵn sàng trả thêm 63.500 đồng để giảm 70% ô nhiễm không khí và 79.400 đồng để giảm 100%. Họ cũng sẵn lòng chi khoảng 20.400 đồng và 36.100 đồng lần lượt để cải thiện cảnh quan ở mức 25% và 50%. Đáp viên cũng quan tâm đến môi trường cho động vật, sẵn sàng trả thêm 31.000 đồng để cải thiện thêm 25% và 23.500 đồng ở mức 50%. Họ cũng quan tâm đến tạo việc làm và sẵn sàng trả thêm khoảng 15.000 đồng để tạo việc làm cho 10 người. Nhìn chung, người dân ở đây rất quan tâm đến môi trường, đặc biệt là việc giảm ô nhiễm không khí.

Phân tích cũng chỉ ra rằng, thu nhập và kiến thức của người dân càng cao, thì khả năng lựa chọn chính sách phát triển NLTT càng tăng. Khi các hộ xung quanh cũng đóng góp, người dân sẽ ủng hộ theo. Ngược lại, số lượng thành viên trong gia đình càng nhiều, sự sẵn lòng đóng góp sẽ giảm và họ có xu hướng giữ nguyên hiện trạng. Nhìn chung, đa số cư dân tại TP. Cần Thơ có nhận thức về việc cải thiện cuộc sống xã hội bằng cách bảo vệ môi trường và họ ủng hộ phát triển NLTT để tạo điều kiện sống tốt hơn cho thế hệ sau. Để đạt được sự ủng hộ này, theo quan điểm của người dân, quỹ năng lượng cần phải hoạt động một cách minh bạch và Chính phủ cần phải làm việc cùng với cư dân, chứng minh rằng, không có sự tham nhũng, có kế hoạch cụ thể và phí đóng góp phải phù hợp với thu nhập của họ./.

TÀI LIỆU THAM KHẢO

1. Ben-Akiva, M. E., and Lerman, S. R. (1985), Discrete choice analysis: theory and application to travel demand, MIT press, 9.

2. HNV (2021), Việt Nam cam kết giảm phát thải ròng bằng 0 vào năm 2050, truy cập từ https://dangcongsan.vn/xay-dung-xa-hoi-an-toan-truoc-thien-tai/viet-nam-cam-ket-giam-phat-thai-rong-bang-0-vao-2050-595696.html.

3. Khai, H. V., and Yabe, M. (2014), Choice modeling: assessing the non-market environmental values of the biodiversity conservation of swamp forest in Vietnam, International Journal of Energy and Environmental Engineering, 5, 1-8.

4. Khai, H. V., and Yabe, M. (2015), Consumer preferences for agricultural products considering the value of biodiversity conservation in the Mekong Delta, Vietnam, Journal for Nature Conservation, 25, 62-71.

5. Ku, S.-J., and Yoo, S.-H. (2010), Willingness to pay for renewable energy investment in Korea: A choice experiment study, Renewable and Sustainable Energy Reviews, 14(8), 2196-2201.

6. Ancaster, K. J. (1966), A new approach to consumer theory, Journal of Political Economy, 74(2), 132–157.

7. Louviere, J. J., and Hensher, D. A. (1982), On the design and analysis of simulated choice or allocation experiments in travel choice modelling, Transportation Research Record, 890(1), 11–17.

8. Louviere, J. J., Hensher, D. A., and Swait, J. D. (2000), Stated Choice Methods: Analysis and Applications, Cambridge University Press, 17, DOI:10.1017/CBO9780511753831.008.

9. Mai Mạnh (2016), Việt Nam cam kết giảm 8% lượng phát thải khí nhà kính vào năm 2030, truy cập từ https://qhkt.hochiminhcity.gov.vn/do-thi-xanh/viet-nam-cam-ket-giam-8-luong-phat-thai-khi-nha-kinh-vao-nam-2030-1087.html.

10. Rommel, J., Sagebiel, J., and Müller, J. R. (2016), Quality uncertainty and the market for renewable energy: Evidence from German consumers. Renewable Energy, 94, 106–113.

11. Sun, C., Yuan, X., and Yao, X. (2016), Social acceptance towards the air pollution in China: evidence from public’s willingness to pay for smog mitigation. Energy Policy, 92, 313–324.

12. Wang, X.H. et al (2007), Estimating non-market environmental benefits of the Conversion of Cropland to Forest and Grassland Program: a choice modeling approach, Ecol. Econ, 63(1), pp.114-125.