调查与人工智能：非市场经济价值评估的新挑战

《Knowledge-Based Systems》：Surveys and Artificial Intelligence: A New Challenge for Non-market Economic Valuation

　　

人工智能（AI）可能颠覆社会科学和环境价值评估领域的数据收集实践。本研究采用最先进的大语言模型（LLM）Gemini 2.5 Flash生成由虚拟个体构成的“硅样本”（Silicon sample），并以此开展一项离散选择实验（DCE），旨在探究虚拟个体能否再现真实互联网样本的选择模式和福利估计。研究人员将硅样本的结果与Soli?o（2017）关于西班牙西北部大型海洋保护区保护偏好研究的互联网样本结果进行了比较。结果显示，硅样本的支付意愿（WTP）估计值显著高于互联网样本，且虚拟样本表现出更低的成本敏感性、更少的现状选项选择（20%对比40%）以及更高的模型拟合优度（伪R²分别为0.6817和0.3751）。Swait-Louviere检验拒绝了两个样本偏好同质的原假设（λ_A=133.26>χ²_{(df=7, α=0.05)}=12.59）。尽管硅样本不能替代真实样本用于政策制定，但它在问卷设计和选择实验初始阶段的先验信息获取方面具有潜在价值。

非市场价值评估中硅样本与真实样本的系统性差异：基于离散选择实验的比较研究

非市场价值评估（Non-market Valuation）是环境经济学的重要领域，常依赖陈述偏好（Stated Preference, SP）方法获取人们对环境物品变化的支付意愿（Willingness to Pay, WTP）。随着互联网调查的普及，样本获取方式发生转变，但同时也面临机器人应答、低质量数据等新威胁。近年来，大语言模型（Large Language Model, LLM）的快速发展使得生成具有社会人口学特征的虚拟个体成为可能，这种由虚拟个体组成的样本被称为“硅样本”（Silicon sample）。由此引发一个关键问题：硅样本能否替代真实样本，或在何种维度上与真实样本存在差异？Mario Soli?o和Ignacio Ramos合作在《Knowledge-Based Systems》期刊发表论文，系统比较了硅样本与真实互联网样本在海洋保护区价值评估中的行为差异。

研究人员利用Google DeepMind开发的Gemini 2.5 Flash LLM，基于西班牙西北部加利西亚地区的官方统计数据和文献资料，通过Python脚本为每个虚拟个体分配31项社会人口学特征（如年龄、性别、收入、政治取向、人格特质等），生成240个虚拟个体的硅样本。随后，这些虚拟个体被邀请参与一项与已发表研究相同的离散选择实验（Discrete Choice Experiment, DCE），该实验基于Soli?o（2017）的互联网面板数据，涵盖保护区面积、缓冲区、渔民限制、补偿方式以及年税收等属性。真实样本由387名西班牙西北部居民组成，硅样本则通过tickStat平台与Gemini模型接口连接，由LLM根据虚拟用户档案逐一回答问卷问题。研究者随后对两个样本分别估计随机参数Logit（Random Parameters Logit, RPL）模型，并通过Swait-Louviere似然比检验比较尺度参数与偏好一致性，最后计算各属性的WTP。

关键技术与方法（不超过250字）：研究人员以Galicia（西班牙西北部）人口为参照，结合官方统计和文献设定31个社会人口学特征，通过Python脚本生成虚拟个体档案。利用tickStat平台连接Google Gemini模型，向LLM提供虚拟用户档案及问卷，使其模拟回答。样本队列来源：真实样本来自Soli?o（2017）的互联网面板（387人），虚拟样本由研究人员生成（240人）。采用随机参数Logit（RPL）模型（500次Halton抽取，三角分布）估计偏好参数；用Swait-Louviere似然比检验比较两样本偏好一致性；以成本系数计算边际支付意愿（WTP）。该方法实质是以LLM为数据生成过程的蒙特卡洛扩展。

研究结果包含三方面。第一，RPL模型估计：通过分别对两个样本估计RPL模型，发现硅样本拟合优度（伪R²=0.6817）显著高于真实样本（0.3751）；硅样本所有属性系数在90%置信水平上显著，而真实样本中“高限制”（HIGH）系数不显著；硅样本的偏好方向符合先验预期且呈单调性，例如对渔民补偿越高，虚拟个体的效用越大，而真实样本呈现非单调关系；此外，虚拟个体还能提供结构化的“主要原因—次要原因”文字解释，这些解释在真实样本中通常难以获得。第二，Swait-Louviere检验：将两个样本数据合并并搜索相对尺度参数μ₂/μ₁，峰值约为2.66；似然比检验统计量λ_A=133.26，显著大于临界值12.59，因此原假设（β_AI=β_HS）被拒绝，表明两样本偏好存在系统性差异；硅样本选择现状选项（Status Quo）的比例仅为20%，而真实样本超过40%。第三，支付意愿比较：基于RPL系数与成本系数比值计算WTP，硅样本几乎所有属性的WTP均远高于真实样本，其均值介于真实样本的5.34至15.70倍之间。例如，对于保护区面积增加20%的属性，真实样本WTP为5.59欧元/年，硅样本为58.09欧元/年；对渔民“额外措施”补偿属性的WTP，硅样本达到102.63欧元/年，真实样本仅8.96欧元/年。

讨论部分指出，硅样本WTP膨胀可能源于四个非排他因素：一是虚拟个体没有真实预算约束，成本属性只是一个标签，导致成本系数显著更小；二是虚拟个体受现状偏见影响较弱；三是LLM在基于人类反馈的强化学习（Reinforcement Learning from Human Feedback, RLHF）过程中被训练得倾向于给出亲社会、亲环境的“正确”回答；四是31个观测变量无法捕捉真实受访者的态度—行为差距。尽管如此，研究人员认为硅样本在