Factors Affecting the Willingness to Pay the Visitors of Large Parks in Mashhad: Applications of Multilevel Logistic Model

جغرافیاوتوسعه ناحیه ای

Article 5, Volume 13, Issue 2 - Serial Number 25, March 2016, Pages 137-158   

Document Type: scientific-research article

DOI: 10.22067/geography.v13i2.36429

Authors

Hadi Rafiei Darani^* ; Mohammad Ghorbani

Ferdowsi University of Mashhad

Abstract

Extended Abstract
1. Introduction
Green spaces and urban parks are very important due to their recreational uses and also their role in maintaining the ecological balance of urban citizenship. Given the increasing demand for the use of parks and public green spaces, the analysis of the factors affecting demands in terms of economic and social can help to predict the recreational and entertaining needs. However, the parks are failed to pricing market and valuation. So, willingness to pay (WTP) as an economic tools- the amount of money that the consumer intend to pay for the use of the services - can be a guide for market pricing particularly for non-market services. “Willingness to pay” can be estimated directly by asking people about their intendness to pay for services and also indirectly by calculating the costs they pay for these. Assessing the “willingness to pay” for services available in main parks in Mashhad city can provide a functional guideline for other parks specially about non markettig servicess. The was carried out to investigate the factors influencing the “willingness to pay” in three main parks in Mashhad (Mellat – Koohsangi – Vakilabad).
2. Theoretical Framework
Economic valuation provides data to differentiate between the inefficient use of environmental goods and services with the real value of these resources" in the process of decision-making, which finally leads to optimal management. Valuation is based on individuals prefernces and can determine the monetary value of non-market goods and services.The economic value of urban parks is divided into two categories: use value and non-use values. The use value includes direct use value, indirect use value and selected value n line with this, non-use value includes the existence value and value of future generations. The overall valuation methods can be divided into three main methods: 1) valuation based on the market 2) valuation alternative market 3) valuation hypothetical market. Given the nature of parks and seesights and the lack of real market for their goods and services, using the third approach, i.e the hypothetical market is used more than other models. One of the sub-methods of market hypothesis model is conditional valuation.
3. Methodology
Goldstein (1999) argued that the multilevel modeling cosiders complex structures of socio-economic life in a real world. Multilevel models (hierarchical) include of various structures: the horizontal (spatial), vertical cross-sectional time series, cross and repeated. In multilevel models, one or more explanatory variables coefficients are considered as a random or variable in order to design complex real world in the model. Thus, Multilevel models are based on patterns with variable coefficients. Given to the structure of multi-level modeling, we can suggest that variance-covariance structure of model changes with respect to hierarchical structure. A two-level model for data with binary dependent variable (binomial) with an explanatory variable is conceptually similar to simple multilevel modeling, however the dependent variable is binary. Therefor, is a binary response variable for samples i in cluster (group) of j and is an explanatory variable in cases.
4. Results & Discussion
The results of the percent correctly classified of our model is about 65.29 percent that indicates the high power of model forcast. The results demonstrate that visit duration variables, city of origin and level of education are not significant at 90 percent confidence level. The coefficient of origin city variable has three separate coefficient values which calculates for each park by summing coefficients with random sec component, however, this variable is not significant at 90 percent confidence level. In line with our results age is negatively associated with “WTP”. Older individuals are less likely to pay for use of the park. Gender shows negative and significant effect at 95 percent confidence level. According to sign of coefficient and odds ratio it can be suggested that men are less likely than women (0.7093) in their willingness to pay for the use of park.
Income level is positively (at the level of 1%) associated with “WTP”. Individuals with higher income are more likely of willingness to pay. Another variable is index of satisfaction of park that shows a positive and significant effect (at the level of 1%). The results of the field survey of mean of WTP for the three parks study reveals that he average willingness to pay per visitor is 13,995 Rials in Mellat Park, 4935 Rials in Koohsangi park and 2270 Rials in Vakilabad park.


5. Conclusions & Suggestions
Suggested recommendation based on our study can be summarized as follow: 1) improvement facilities and services in the park, especially for older people,2) identify the incentive of men for going to the park, and providing services and facilities accordingly, 3) prepare opportunities for children to play and 4) finally improve security indices (moral and financial).

Keywords

Urban Park; Valuation; Multilevel Modeling; Heteroscedasticity between groups; Mashhad city

References

1. آمارنامة مشهد. (1388). معاونت برنامه‌ریزی و توسعة شهرداری مشهد. مدیریت آمار و تحلیل اطّلاعات مشهد

2. امیرنژاد، ح.، خلیلیان ص.، عصاره م. ح. (1385). تعیین ارزش‌های حفاظتی و تفرجی پارک جنگلی سیسنگان با استفاده از تمایل به پرداخت افراد. مجلة پژوهش و سازندگی در منابع طبیعی، 72، 24-15

3. امیرنژاد، ح.، خلیلیان، ص. (1384). برآورد ارزش توریستی پارک گلستان و تعیین عوامل مؤثر بر تمایل به‌ پرداخت بازدیدکنندگان. پنجمین کنفرانس دوسالانة اقتصاد کشاورزی ایران، زاهدان، 9-7 شهریور 1384

4. حیاتی، ب.، خادم بلدی‌پور، ط. (1391). برآورد ارزش تفریحی و تعیین عوامل موثر بر تمایل به پرداخت بازدیدکنندگان در تالاب قوری گل. مجلة اقتصاد و توسعة کشاورزی، 26(1)، 30-22

5. خاکپور، ب. ع.، رفیعی، ه.، صالحی‌فرد، م.، توانگر، م. (1389). بررسی عملکرد مدیریت شهری در گسترش فضاهای سبز عمومی (پارک‌ها) با استفاده از روش تاپسیس: مطالعة موردی شهر مشهد. مجلة جغرافیا و توسعة ناحیه‌ای، 14، 27-1

6. خاکسار آستانه، ح.، دانشور، م.، کلاته عربی، و،. اکبری، م. ر. (1390). برآورد ارزش تفریحی پارک‌های جنگلی شهر مشهد با استفاده از روش ارزش‌گذاری مشروط (CVM). تحقیقات اقتصاد کشاورزی، 10، 78-61

7. خداوردی‌زاده، م.، حیاتی، ب.، کاووسی کلاشمی، م. (1381). برآورد ارزش تفرّجی روستای توریستی کندوان آذربایجان شرقی با استفاده از روش ارزش‌گذاری مشروط. علوم محیطی، 5(4)، 52-43

8. خلیلیان، ع. (1385). طراحی، برنامه‌ریزی و مدیریت فضاهای سبز شهری متناسب با نیاز ناتوانان و کم‌توانان جسمی-حرکتی. مجموعه مقالات اوّلین کنفرانس برنامه‌ریزی و مدیریت شهری، مشهد، 16-15 آبان 1385

9. شرزه‌ای، غ. ع.، سام دلیری، ا. (1391). برآورد ارزش تفریحی اکوسیستم ساحلی دریای خزر: مطالعة موردی ساحل تفریحی رادیو - دریا شهرستان چالوس. فصل‌نامة علوم محیطی، 9(3)، 14-1

10. صالحی‌فرد، م.، علی‌زاده، س. د. (1387). تحلیل بر ابعاد اجتماعی و روان‌شناختی فضاهای سبز در شهرها (با رویکرد مدیریت شهری). فصل‌نامة مدیریت شهری، 21، 33-19

11. غفوری، س. (1391). ارزش‌گذاری اقتصادی خدمات پارک‌ها و فضای سبز: مطالعة موردی پارک ملّت مشهد. (پایان‌نامة منتشرنشدة کارشناسی‌ارشد اقتصاد کشاورزی- مدیریت و تولیدات کشاورزی)، دانشگاه فردوسی مشهد، ایران

12. قربانی م.، صادقی لطف‌آبادی س. (1389). تعیین‌کننده‌های تمایل به پرداخت و ارزش گردشگری پارک‌های ملّی: مطالعة موردی پارک تندوره. فصل‌نامة اقتصاد و توسعة کشاورزی (علوم و صنایع کشاورزی)، 24(4)، 432-425

13. قربانی، م.، فیروز زارع، ع. (1387). مقدمه‌ای بر ارزش‌گذاری محیط زیست. مشهد: انتشارات دانشگاه فردوسی مشهد

14. قربانی، م.، فیروز زارع، ع. (1390). ارزش‌گذاری آلودگی هوای مشهد: کاربرد رهیافت ارزش-گذاری مشروط. دو فصل‌نامة اقتصاد و توسعة منطقه‌ای، 18(2)، 24-1

15. کریم‌زادگان، ح. (1382). مبانی اقتصاد محیط زیست. تهران: انتشارات نقش مهر

16. نجاری، ج.، صبوحی، م.، سالارپور، م. (1390). برآورد ارزش تفریحی چاه نیمه با استفاده از روش ارزش‌گذاری مشروط. تحقیقات اقتصاد کشاورزی. 3(4)، 189-171

17. Amigues, J., Boulatoff, C,. & Desaigues, B. (2002). The benefits and costs of analysis habitat preservation: A willingness to accept / willingness to pay contingent valuation approach. Ecological Economics, 43(1), 17-31

18. Barrio, M., & Loureiro, M. L. (2010). A meta-analysis of contingent valuation forest studies. Ecological Economics 69(5), 1023-1030

19. Environmental Futures Limited. (2006). Valuing Our Natural EnvironmentFinal Report NR0103. London: Collingwood Environmental Planning

20. Goldstein, H. (1999). Multilevel statistical models. London: Institute of Education, Multilevel Models project. Retrieved from http://www.arnoldpublishers.com/support/goldstein.htm

21. Gua G., & Zhao H. (2000). Multilevel modeling for binary data. Annual Review of Sociology, 26, 441–462

22. King, N. A. (2007). Economic valuation of environmental goods and services in the context of good ecosystem governance. Water Policy. 9(2), 51–67

23. Lee, C., & Han, S. (2002). Estimating the use and preservation values of national parks tourism resources using a contingent valuation method. Tourism Management, 23(3), 531-540

24. Marzetti, S., & Brandolini, A. (2006). Investing in biodiversity: The recreational value of a natural coastal area. Chemistry and Ecology, 22(1), 443-462

25. Mason, W. M., Wong, G. M., & Entwistle, B. (1984). Contextual analysis through the multilevel linear model. Sociological Methodology, 14, 72–103

26. Rasbash, J., Steele, F., Browne, W. J., & Goldstein, H. (2009). A user's guide to MLwiN. Centre for Multilevel Modeling. United Kingdom: University of Bristol

27. Twerefou, D. K., & Ababio, D. K. A. (2012). An economic valuation of the Kakum National Park: An individual travel cost approach. African Journal of Environmental Science and Technology, 6(4), 199-207