Environmental Valuation through Stated Preference Techniques:

Contingent Valuation

Prepared for Module CB9005
“Environmental Valuation”
by
Carlos Ferreira

Submitted on the 8th April, 2009

1
 Environmental goods have a value for society. However, this value is usually not 
explicit, because of the non­existence of markets where they can be traded. As a result, 
when   confronted   with   the   choice   between   conservation   of   an   environmental   good   or 
development, policy makers can seldom reach a decision based on society's preferences, 
since usually only the estimates of the value gained by society from the development are 
readily   available.   It   is   from   the   need   to   estimate   society's   real   preferences   that 
environmental valuation arises: to indicate how much society stands to lose from foregoing 
conservation.
The   problem   of   providing   economic   valuation   of   a   non­market   good   has   been 
tackled   using   two   distinct   types   of   methods:   revealed   preference   techniques   and 
expressed (or stated) preference techniques. The former infers the value society attributes 
to an environmental good from surrogate markets or indirect approaches, and as a result is 
limited   to   use   values;   the   later   resorts   to   a   direct   approach,   explicitly   questioning 
individuals   on   how   they   value   the   environmental   good   in   question.   As   a   result,   stated 
preference techniques can be used to determine both use and non­use values (such as 
existence value, option value or bequest value).
One   of   the   most   widely   used   stated   preference   techniques   of   environmental 
valuation is Contingent Valuation. The method works by questioning participants what their 
actions would be in a hypothetical situation – specifically, how much would they be willing 
to   pay   for   the   conservation   of   a   certain   environmental   good,   or   what   is   the   minimum 
compensation   they   would   be   willing   to   accept   to   foregone   the   utility   derived   from   an 
environmental   good.   Choosing   between   one   of   these   situations   is   a   matter   of   whom 
property rights are assigned to: if the participant does not own a good, it is relevant to ask 
what is the maximum he or she will be willing to pay to acquire it; on the contrary, if he or 
she does own the good, it makes sense to ask the individual the minimum amount of 
compensation he or she would be willing to accept in order to return to his or her initial 
utility level when deprived of that good.
Contingent Valuation studies are undertaken by following a series of steps. The first 
among these steps is to create a hypothetical market for the environmental good, setting 
up the reason for the payment of services. During this stage, the bid vehicle – the way the 
proposed payment will be collected – is also presented. It is paramount that this vehicle is 

2
credible, taxes and utility bills being commonly used. It is also important that the vehicle 
has some connection to the amenity being valued, and that it is perceived as being as 
equitable and fair as possible,
The  second  step   is  to  obtain  willingness  to  pay  (or  to  accept) estimates.  These 
estimates (bids) are usually obtained through survey methods, using one among several 
elicitation   methods:   open­ended   questions,   close­ended   questions,   dichotomous   choice 
questions, iterative bidding or payment cards.
The third step concerns estimating the willingness to pay (or accept) amounts, and 
consists of a process of statistical analysis and econometrics, different for each case. The 
fourth step is to aggregate the data, converting the findings to the total relevant population 
for the case at hand. Finally, the last step is to carry out validity checks, to estimate how 
trustworthy the results obtained are. Appropriate validity tests include content validity (is 
the study actually measuring what it is suppose to value?), criterion validity (how do the 
results compare with actual or simulated market experiments?) and construct validity (do 
results converge towards values obtained by other techniques, where these are available, 
and are they consistent with theoretical expectation?).

The potential of Contingent Valuation studies to obtain estimates of the value of 
environmental good can be enhanced by the usage of more than one elicitation method, in 
order to overcome some of the limitations of each one method. The example we have 
chosen (Garcia et al., 2009) does exactly this.
The study in question is a survey intended to value biodiversity in French forests. 
Since biodiversity can have both a use value (when participants visit forests) and a non­
use value (non­visitors could consider biodiversity possesses option, bequest or existence 
value),   usage   of   revealed   preferences   was   precluded.   However,   this   fact   also   means 
there's a selectivity bias to the sample: respondents can either be visitors or non­visitors to 
forests; the former have both use and non­use value to forests, while the later are limited to 
non­use   value.   This   is   not   the   only   potential   source   of   selectivity   bias:   protest   votes, 
usually excluded from the analysis, also result in estimate bias. The authors tackle both 
these problems, using two different econometric models (probit and tobit).
The study consisted of a telephone survey to a sample of 4504 French households, 

3
randomly chosen by different départements, in 2002. The   survey   was   directed   at 
investigating   the   maximum   contribution   respondents   would   accept   to   pay   for   forest 
conservation. The design of the questionnaire is discussed in a previous article (Garcia et 
al., 2007), but the authors do not explicit how they defined the bidding vehicle – whether it 
was a tax or utility fee, for example. Before the willingness to pay questions, participants 
were also asked whether or not they were users of forests (by reporting if they visited 
forests for recreational activities the previous year). After this, participants were asked to 
report on a series of socio­economic characteristics that were thought to potentially impact 
on   their   willingness   to   pay   for   biodiversity   conservation,   such   as   composition   of   the 
household, whether they lived in a rural or urban area, and type of housing, plus a series 
of dummy variables on respondents' opinions about forest exploitation.
The   questions   that   elicited   participants   willingness   to   pay   for   biodiversity 
conservation in forests were in two formats, with all participants answering both formats: 
dichotomous choice followed by open­ended.
After answering how much they would be willing to pay in the dichotomous format 
question (where options ranged from €6 to €90 per year, in €6 intervals), participants were 
asked what was the maximum amount they were willing to pay, per year, for conservation 
of biodiversity in forests. Of course, it's expected there will be anchoring from the values 
accepted in the dichotomous choice. In case participants answered €0 to the open ended 
question, configuring what could be thought of as a protest answer, there was a follow­up 
question,   intended   to   differentiate   true   €0   answers   (no   value   attributed   to   the 
environmental good) from protest answers, where the subject values the environmental 
good, but doesn't think he should have to pay for its conservation. Asking this question is 
one   of   the   strongest   aspects   of   this   study's   methodology:   eliminating   all   €0   answers, 
regardless of whether they were protest answers or real no­value answers results in over­
estimation of the true value of the environmental good when the mean value is estimated.
The estimation of the willingness to pay values was obtained by a probit function (in 
the dichotomous choice case) and a tobit function (in the open ended question). In the first 
case,   this   procedure   allows   for   the   possibility   of   estimating   the   willingness   to   pay 
accounting for whether they are users or non­users, therefore countering the selectivity 
bias;   not   using   this   method   to   account   for   selection   control   means   considering   that   a 

4
participant being either a user or a non­user is a random variable. This is not the case: 
users and non­users self select, because they are different.
In the case of the open ended question, the objective was to account for the effect 
of   protest   answers.   The   econometric   procedure   used   (tobit   regression)   allows   for   the 
estimation of the willingness to pay maintaining the protest­answering participants in the 
sample,   and   infering   what   the   mean   willingness   to   pay   would   be   if   these   participants 
disclosed their “real” WTP, reducing the bias in the results.
The results for the dichotomous choice question were €65 per year in the case of 
users   and   €11.59   per   year   in   the   case   of   non­users,   after   sample   correction.   Without 
sample correction, the values were respectively €63.23 and €30.35 in the case of non­
users,   therefore   showing   the   potential   overestimation   of   non­user   willingness   to   pay 
without control of sample selection.
The   results   of   the   open   ended   question   were   somewhat   different:   the   authors 
estimated   a   mean   willingness   to   pay   of   €39.84   for   users   and   €33.42   for   non­users. 
Different as these values are compared to the dichotomous choice results, they are less 
biased because of the treatment of the €0 values, and so are the best estimates of the 
respondents' willingness to pay.

5
References
● Garcia, S., Harou, P., Montagne, C., Stenger, A. (2007) Valuing forest biodiversity 
from a national survey in France: a dichotomous choice contingent valuation. 
Cahier du LEF no 2007­08, [Internet] 
<http://lef.nancy­engref.inra.fr/Docs/doc_LEF_n2007­08.pdf>. [Accessed 01 April 
2009]
● Garcia, S., Harou, P., Montagne, C., Stenger, A. (2009) Models for sample selection 
bias in contingent valuation: Application to forest biodiversity. Journal of Forest  
Economics, 15, pp.59­78.