Разработка экономико-математического инструментария для оценки стоимости жизни с учетом убывающей предельной готовности платить за снижение дополнительной единицы риска смерти

Полина Сергеевна Поплавко1, Артур Рубикович Нагапетян21 1,2Дальневосточный федеральный университет, Владивосток, Россия , ,

Введение . Исследование направлено на разработку экономико-математического инструментария для оценки стоимости жизни с учетом убывающей предельной готовности платить за снижение дополнительной единицы риска на примере проекта по влиянию загрязнения воздуха на здоровье. Актуальность работы заключается в активном применении подходов к оценке стоимости статистической жизни (ССЖ, Value of a Statistical Life (VSL)), основанных на готовности платить (Willingness to Pay (WTP)) для социально-экономической оценки последствий принимаемых мер в сферах экологии, здравоохранения, транспорта и обеспечения безопасности населения от природных и техногенных угроз. Данный подход нормативно закреплен во многих странах мира для проведения оценки регулирующего воздействия, включая США, Великобританию, страны ЕС, Организацию экономического сотрудничества и развития (ОЭСР). При этом оценки стоимости статистической жизни существенно варьируются как между странами, так и внутри отдельных ведомств, например U.S. Department of Health and Human Services (HHS) оценивает стоимость жизни от 5,3 до 17,4 млн долл. (2020 г.)¹, а U.S. Environmental Protection Agency (EPA) в 10,7 млн долл. (в ценах 2022 г.)². Это создает проблему при переносе на другие группы населения и ставит под сомнение универсальность и применимость единых показателей при формировании государственной социально-экономической политики.

Исследовательская проблема . Исследовательская проблема заключается в том, что готовность платить непропорционально меняется в ответ на изменение величины снижения риска смерти, что, в частности, создает избыточную зависимость получаемых оценок от элементов дизайна исследования. Наличие данной методологической проблемы ставит под сомнение достоверность метода условной оценки (CVM), а именно получаемых значений готовности платить (WTP).

Несмотря на существование методических рекомендаций по разработке анкет, ряд ключевых параметров, в частности масштаб снижения риска, форма его представления и порядок вопросов, остаются на усмотрение исследователя. Это создает риск систематического влияния на результаты еще до начала сбора данных, особенно в прикладных исследованиях, где оценки используются для обоснования конкретных решений. Эмпирические данные свидетельствуют о распространенности проблемы нечувствительности к масштабу (Carson, 1997): например, в систематическом обзоре A. Крупник (Krupnick, 2007) из 28 исследований только 20 продемонстрировали рост WTP при увеличении снижения риска, тогда как в 8 случаях такая зависимость не наблюдалась. Оценки стоимости статистической жизни демонстрируют высокую чувствительность к масштабу снижения риска и применяемой методологии. Даже при схожей цели ‒ оценке готовности платить за снижение риска смерти от загрязнения воздуха ‒ различия в формулировке сценариев и методах элицитации приводят к существенным расхождениям в результатах, что затрудняет их сопоставление и практическое применение (Hammitt, Zhou, 2006; Wang, Mullahy, 2006).

Исследовательский вопрос: на сколько процентов изменится готовность платить за снижение риска смерти при увеличении величины его снижения на 1 % при прочих равных условиях?

В рамках проведенного исследования подготовлена авторская анкета и разработаны эконометрические модели, позволяющие оценить чувствительность оценок готовности платить за снижение риска смерти, а также предложена модель оценки стоимости статистической жизни с учетом убывающей предельной готовности платить за снижение дополнительной единицы риска смерти. Авторская анкета была разработана с учетом рекомендаций (Sajise et al., 2021), а также эмпирических исследований, в частности, в отношении последовательности и структуры вопросов, организации анкеты, выбора формата получения информации о готовности платить, а также элементов описанного сценария, включая формат оплаты (Ghanem et al., 2023; Otrachshenko et al., 2022). Для получения информации о готовности платить был использован формат вопроса двойного дихотомического выбора (double-bounded dichotomies choice (далее – DBDC)) и модель интервальных данных (Lopez-Feldman, 2012).

Обзор литературы . В последние десятилетия наблюдается устойчивый рост интереса к применению методов заявленных предпочтений для оценки стоимости статистической жизни (Keller et al., 2021). Метод условной оценки готовности платить в контексте снижения вероятности смерти/заболеваемости, применяемый преимущественно в контексте малых рисков, является центром обсуждения, так как, несмотря на широкое распространение данного подхода, в научной литературе подчеркивается наличие ряда методологических ограничений. Одним из них является непропорциональность между величиной заявленной готовности платить и масштабом снижения риска. Наличие данной проблемы свидетельствует о расхождении между теоретическими положениями модели ожидаемой полезности (Hammitt, 2000) и фактическим поведением респондентов.

Причинами возникновения данной проблемы могут являться когнитивные искажения, связанные с восприятием вероятностных изменений, в частности, с их непониманием (Corso et al., 2001), формированием апостериорных оценок на основании собственных убеждений (Hammitt, Graham, 1999), а также респонденты не оценивают изменения в уровне риска таким образом, чтобы это соответствовало теории ожидаемой полезности.

Согласно базовой модели ожидаемой полезности, при малых снижениях риска смерти готовность платить изменяется пропорционально масштабу снижения риска при условии локально постоянной предельной полезности дохода, то есть предполагается линейная зависимость соответствующих величин: например, представленные в сценариях уровни снижения риска могут отличаться в два раза ‒ 0,0005 и 0,001, тогда условные готовности платить должны составить 100 и 200 рублей. Однако на практике обнаруживается непропорциональное изменение. Так, в исследовании готовности платить за снижение риска смерти от загрязнения воздуха на 5 на 10 тыс. человек (0,0005) и 10 на 10 тыс. человек (0,001) результаты были следующими: 293 и 317 египетских лир соответственно, то есть увеличение составило 7 % вместо предполагаемого двукратного увеличения. При использовании базовой модели оценки стоимости жизни, рассчитанной с помощью параметрической модели, получились значения 7,03 (= 293 х 12 / 0,0005) и 3,81 (= 317,6 х 12 / 0,001) млн египетских лир соответственно (Ghanem et al., 2023) (формула 3).

Более того, различия в заданном масштабе риска даже при схожей цели исследования, например, оценке готовности платить за снижение риска преждевременной смерти от загрязнения воздуха в Китае, могут существенно влиять на итоговые оценки стоимости статистической жизни. В своем исследовании Дж. К. Хаммитт и Ю. Чжоу применяли метод двойного дихотомического выбора с последующим открытым вопросом и два уровня снижения вероятности смерти ‒ 10 случаев на 10 000 (Δ p = 0,001) и 20 случаев на 10 000 (Δ p = 0,002) (Hammitt, Zhou, 2006). В отличие от них, Х. Ван и Дж. Муллахи использовали открытый вопрос и формат аукциона, а также меньший масштаб – снижение 5 на 100 000 (Δ p = 0,00005) без последующего анализа пропорциональности (Wang, Mullahy, 2006). Это приводит к значительным различиям в оценках стоимости статистической жизни: от 33 080 до 140 590 юаней в первом случае и 286 000 юаней ‒ во втором. Эти различия подчеркивают чувствительность результатов не только к масштабу снижения риска, но и к использованной методологии, что делает сравнение между исследованиями затруднительным и указывает на возможность варьирования оценок за счет методологических решений.

В то же время Д. Эррера-Араужо и соавторы обращают внимание на то, что в условиях непропорциональности между масштабом снижения риска и готовностью платить вычисление стоимости статистической жизни по классической формуле (см. формулу 3) является методологически сомнительным (Herrera-Araujo et al., 2022).

Несмотря на это, в ряде современных научных работ авторы продолжают применять классический подход. Например, в исследовании, проведенном на данных из Китая (Xu et al., 2025), были использованы два уровня снижения риска смерти от COVID-19: 0,0002 и 0,0004. Полученные оценки готовности платить составили 2 053 и 3 333 юаня соответственно, что свидетельствует лишь о 38 % росте при двукратном снижении уровня риска. Таким образом, существует необходимость в разработке более гибких моделей для стоимости статистической жизни.

Данные и модели . Для эмпирической оценки готовности платить с учетом убывающей предельной полезности каждой дополнительной единицы снижения риска смерти от загрязнения воздуха в настоящем исследовании применялся метод условной оценки готовности платить. Информация о соответствующих оценках была получена с помощью вопроса двойного дихотомического выбора (DBDC) и последующего открытого вопроса о максимальной готовности платить. Для анализа была использована модель интервальных данных (Lopez-Feldman, 2012), разработанная М. Ханеманном (Hanemann et al., 1991), которая представлена более подробно в пилотном исследовании 2024 г. (Поплавко, Нагапетян, 2024).

Для построения опроса был использован сплит-дизайн, основанный на подходе, описанном в работе (Sajise et al., 2021). Во-первых, респонденты случайным образом распределялись по подгруппам, в каждой из которых предлагались различные значения стартовых ставок в формате двойного дихотомического выбора (DBDC). Во-вторых, использовались пять уровней снижения риска смерти, также случайно варьируемых между группами: 25, 50, 100, 150, 200 смертей на 100 тыс. человек населения («экзогенный риск смерти»). Такое структурирование выборки было необходимо для проверки авторской гипотезы о влиянии масштаба риска на готовность платить, а также для построения эконометрической модели, учитывающей убывающую предельную готовность платить за дополнительное снижение риска.

Оценка готовности платить была получена с помощью предоставления сценария с описанием рисков для здоровья, связанных с загрязнением воздуха, в частности, о влиянии деятельности морских портов на качество воздуха и, как следствие, на здоровье людей. Актуальность выбранной тематики обусловлена тем, что в 2024 г. Сезар Дюкруэ и соавторы, проанализировав данные о 5 тыс. портах в странах ОЭСР за период с 2001 по 2018 г., продемонстрировали, что порты являются одним из значительных источников загрязнения воздуха. Например, в густонаселенных портовых городах концентрация твердых частиц PM2.5 и NOx может быть на 30–40 % выше, что увеличивает заболеваемость респираторными и сердечно-сосудистыми заболеваниями (Ducruet et al., 2024).

Исследование проводилось в марте 2025 г. в онлайн-формате с помощью квотной выборки с последующим распределением участников по экспериментальным группам (Ghanem et al., 2023). Перед итоговым анкетированием было проведено пилотное тестирование анкеты, что позволило сократить гипотетическую и стратегическую предвзятость (Поплавко, Нагапетян, 2024). В опросе приняли участие жители России, включая жителей портовых и непортовых городов. Данное исследование сосредоточено на оценках готовности платить для респондентов, непосредственно сталкивающихся с риском смерти от загрязнения воздуха в портовых городах, то есть проживающих в них. Их готовность платить определяется как потребительская стоимость (use-value). Информация об используемых переменных приведена в таблице 1.

Таблица 1 – Факторы, влияющие на готовность платить ¹

Table 1 – Factors Influencing Willingness to Pay

№	Обозначение	Фактор	Описание переменной
1	2	3	4
1	bid1_ln	Логарифм первой ставки	Логарифм значения ставок, распределенных случайным образом: 300, 600, 900, 1200
2	bid2_ln	Логарифм второй ставки	Логарифм значения ставок, зависящих от ответа на вопрос о первой ставке: 150, 450, 750, 1050 (при ответе «нет») и 450, 750, 1050, 1350 (при ответе «да»)
3	answer1	Ответ на первый вопрос о WTP	Бинарная переменная: ответы «да» или «нет» на предложенную сумму первой ставки (если «да» ‒ 1)
4	answer2	Ответ на второй вопрос о WTP	Бинарная переменная: ответы «да» или «нет» на предложенную сумму первой ставки (если «да» ‒ 1)
5	ln(risk)	Уровень снижения риска смерти	Логарифм значений риска смерти, пять уровней (25, 50, 100, 150, 200 на 100 тыс. человек) (случайно)
6	educ_group	Уровень образования	Тип полученного образования: 9 классов – 1, 11 классов – 2, среднее специальное – 3, высшее незаконченное – 4, высшее (бакалавр/специалист, магистр) – 5, послевузовское (ученая степень) – 6
7	income_group	Объективная оценка дохода	Шкала от 1 (менее 15 тыс. руб.) до 6 (более 120 тыс. руб.)
8	gender_group	Пол (мужской)	Бинарная переменная: если муж. – 1, если жен. ‒ 0
9	age_group	Возрастная группа	Порядковая переменная, отражающая возраст респондента по 8-ми уровням от 18 до 70+ лет (1 = 18‒24; …; 8 = 70 лет и старше)

1 Таблицы 1‒4 составлены авторами.

Продолжение таблицы 1

1	2	3	4
10	mark_group	Баллы (тест)	Количество правильных ответов в тесте на базовое понимание вероятностей и интерпретации статистических рисков (0‒3)
11	life_decr	Оценка потери лет жизни	Порядковая переменная, отражающая оценку респондентом предлагаемого сокращения продолжительности жизни (1 – «нет», 4 – «более 10 лет»)
12	satisfication	Удовлетворенность жизнью	Порядковая переменная, отражающая оценку по шкале от 1 до 5, где 1 означает «совершенно НЕ удовлетворен», а 5 ‒ «полностью удовлетворен»
13	famhome	Размер семьи	Порядковая дискретная переменная – число человек в домохозяйстве (0‒6, где 6 ‒ «шесть и более»)
14	health_q	Самооценка текущего состояния здоровья	Шкала от 0 до 10, где 0 – «самое плохое состояние здоровья», 10 – «идеальное здоровье»
15	death_risk	Субъективное восприятие риска	Оценка по шкале субъективной оценки риска смерти от загрязнения воздуха по сравнению со среднестатистическим человеком (0‒5)
16	dist	Субъективное расстояние до порта	Субъективная оценка расстояния от места жительства до порта (0‒5, где 1 – «до 1 км», 5 – «затрудняюсь ответить»)
17	alc	Частота употребления алкоголя	Вопрос на основании аудит-с теста, где 0 – «никогда», 5 – «4 раза в неделю или чаще»

В соответствии с практикой других исследований по оценке готовности платить, после сбора данных были исключены протестные респонденты, а также противоречивые ответы. Дополнительно были удалены выбросы по значению готовности платить с самыми высокими и низкими значениями (Catma, Reindl, 2021). Таким образом, в выборке остался 921 респондент, проживающий в портовых городах. Описательная статистика основного набора рассматриваемых переменных приведена в таблице 2.

Таблица 2 – Статистические характеристики рассматриваемых данных

Table 2 – Statistical Characteristics of the Data under Consideration

Переменная	Среднее	Ст. откл.	Мин.	Макс.
Логарифм первой ставки	6,45	0,53	5,70	7,10
Логарифм второй ставки	6,56	0,55	5,01	7,21
Ответ на первый вопрос о WTP	0,67	0,47	0,00	1,00
Ответ на второй вопрос о WTP	0,62	0,49	0,00	1,00
Уровень снижения риска смерти	4,36	0,78	3,22	5,30
Уровень образования	4,02	1,26	1,00	6,00
Объективная оценка дохода	2,85	1,53	1,00	6,00
Пол (мужской)	0,37	0,48	0,00	1,00
Возрастная группа	1,75	1,45	1,00	8,00
Удовлетворенность жизнью	3,73	0,88	1,00	5,00
Баллы (тест)	1,61	0,87	0,00	3,00
Оценка потери лет жизни	2,68	0,76	1,00	4,00
Частота употребления алкоголя	1,94	1,10	0,00	5,00
Размер семьи	1,63	1,33	0,00	6,00
Самооценка текущего состояния здоровья	7,21	1,54	1,00	10,00
Субъективное восприятие риска смерти	2,48	1,09	1,00	5,00
Субъективное расстояние до порта	3,04	1,24	1,00	5,00

Так как данные о риске случайным образом предлагались респондентам, то переменную ln(risk) можно считать экзогенной, и при моделировании вероятность ее переоценки или недооценки существенно снижается.

В итоге сконструированы и оценены следующие модели: базовая модель на основе пространственной выборки (1), версии модели (1) с разным набором контролей (2‒7), версия модели (1) для скорректированной подвыборки с сниженной долей молодежи (8). Оценка готовности платить может быть смоделирована с помощью следующей линейной функции (Lopez-Feldman, 2012), коэффициенты которой были оценены с помощью метода максимального правдоподобия:

In(WTPi) = в0 + ₽! x ln(risk) + в2 x educ + в3 x incomegroup+ в4 x gender + в5 x age + в6 x satisfication + в7 x mark + в8 x lifedecr + в9 x alc + в x famhome + ви x healthq + вг2 x deathrisk + в;3 x dist + u,                         (1)

где   /TP , - величина готовности платить;

Рг - оценки соответствующих коэффициентов;

и , - ошибки в модели.

Модели 2‒7 были протестированы с последовательным убыванием количества переменных для проверки стабильности полученных результатов (таблица 3). Таким образом, для оценки стоимости жизни была использована следующая модель (модель 7 в таблице 3):

ln(/rP;) = Ро + вг x ln(risk) + в2 x educ + в3 x incomegroup+ в4 x gender + в5 x age + в6 x satisfication + u,.                                  (2)

Также была оценена версия модели (1) для дополнительной проверки устойчивости полученных результатов (8) на основе скорректированной подвыборки, сформированная с целью устранения дисбаланса в возрастной структуре выборки – доля респондентов в возрасте от 18 до 24 лет составляла около 50 %. Осуществлено случайное исключение соответствующих наблюдений с сохранением пропорций в разрезе пола, дохода и уровня предлагаемого риска, их доля приведена к 25 % для сопоставимости с остальными подгруппами.

В результате процедуры отбора исключено 564 наблюдения, что позволило сформировать скорректированную выборку, включающую 357 респондентов, проживающих в портовых городах.

Результаты и обсуждение . Результаты оценки рассматриваемых моделей для оценки воздействия характеристик респондента на готовность платить приведены в таблице 3. Коэффициенты в столбцах (1‒8) оценены с помощью метода максимального правдоподобия в статистическом пакете STATA с помощью функции doubleb. Конкретные формулы приведены в предыдущей статье и основаны на данных пилотного исследования (Поплавко, Нагапетян, 2024).

Таблица 3 – Результаты оценки рассматриваемых моделей

Table 3 – Evaluation Results of the Considered Models

Переменная	(1)	(2)	(3)	(4)	(5)	(6)	(7)	(8)
Уровень снижения риска смерти	0,208***	0,212***	0,212***	0,212***	0,208***	0,211***	0,211***	0,158*
Уровень образования	‒0,018	‒0,020	‒0,020	‒0,018	‒0,021	‒0,007	‒0,003	‒0,033
Объективная оценка дохода	0,063*	0,061*	0,062*	0,063*	0,057*	0,055*	0,058*	0,095*
Пол (мужской)	‒0,111	‒0,112	‒0,110	‒0,110	‒0,107	‒0,101	‒0,079	‒0,083
Возрастная группа	‒0,15***	‒0,145***	‒0,147***	‒0,15***	‒0,15***	‒0,155***	‒0,16***	‒0,13**
Удовлетворенность жизнью	0,098*	0,104*	0,110**	0,108**	0,107**	0,099*	0,098*	‒0,086
Баллы (тест)	0,086	0,063	0,064	0,066	0,066	0,063		‒0,024
Оценка потери лет жизни	0,148**	0,192***	0,191***	0,188***	0,188***			0,171*
Частота употребления алкоголя	‒0,047	‒0,054	‒0,054	‒0,056				‒0,127*
Размер семьи	‒0,013	‒0,016	‒0,017					0,009
Самооценка текущего состояния здоровья	0,024	0,010						0,022
Субъективное восприятие риска	0,136***							0,153**
Субъективное расстояние до порта	‒0,000							‒0,069
Observations	921	921	921	921	921	921	921	357

Примечание : достоверные стандартные ошибки в круглых скобках: ^*** ‒ p < 0,01; ^** ‒ p < 0,05; ^* ‒ p < 0,1.

Во всех моделях (1‒8) (таблица 3) зафиксировано статистически значимое положительное влияние уровня снижения риска смерти на готовность платить. При этом как переменная готовности платить, так и переменная снижения риска были приведены в логарифмической форме, что позволяет проинтерпретировать соответствующий коэффициент как эластичность: увеличение масштаба снижения риска смерти на 1,00 % сопровождается ростом готовности платить в среднем на 0,21 %. Это указывает на наличие эффекта убывающей предельной полезности: каждая дополнительная единица снижения риска смерти воспринимается как менее ценная, что отражается в снижении прироста WTP при увеличении масштаба снижения риска. В то же время получено стабильное влияние уровня снижения риска на готовность платить, в том числе с учетом данных скорректированной версии выборки (модель 8 в таблице 3). Также статистически значимое положительное влияние на готовность платить оказали переменные субъективного восприятия риска, оценка потери лет жизни, удовлетворенность жизнью, уровень дохода. Отрицательное статистически значимое влияние выражено у переменной возраста.

В отличие от стандартного подхода к оценке стоимости статистической жизни (VSL), основанного на расчете значений готовности платить лишь для одного или двух заданных уровней снижения риска смерти, авторская модель предусматривает расчет 176 оценок, соответствующих диапазону от 25 до 200 случаев на 100 тыс. человек населения. Каждое значение строится на основе прогноза WTP, полученного из логарифмической модели, при условии фиксации средних значений социально-экономических характеристик. Полученные оценки стоимости жизни, в свою очередь, основаны на прогнозных значениях, рассчитанных на основе разработанной эконометрической модели. Данная модель отличается от существующих возможностью учета эффекта убывающей предельной готовности платить за каждую дополнительную единицу снижения риска. В таблице 4 приведены средние значения оценок WTP для отдельных групп снижения риска смерти.

Таблица 4 ‒ Оценки готовности платить и стоимости жизни

Table 4 ‒ Estimates of Willingness to Pay and Cost of Living

Снижение риска (уровень) Δ p	WTP (месяц), руб.	WTP (год), руб. (WTP (месяц)*12)	Стоимость жизни, млн руб. (WTP (год)/Δ p )
25/100000	786,30	9 435,60	37,70
26/100000	792,83	9 489,96	36,59
50/100000	910,16	10 913,88	21,84
51/100000	913,97	10 960,20	21,51
100/100000	1 053,53	12 657,12	12,64
101/100000	1 055,74	12 684,12	12,54
150/100000	1 147,65	13 803,24	9,18
151/100000	1 149,26	13 822,80	9,13
199/100000	1 218,20	14 663,04	7,37
200/100000	1 219,49	14 678,76	7,32

Соответствующая формула для расчета стоимости статистической жизни (VSL) выглядит следующим образом (Hammit, 2000):

VSL = WTP • 12 / Ap, (3) где Ap - уровень снижения риска смерти.

Если бы готовность платить изменялась пропорционально росту предлагаемого уровня снижения риска, то при готовности респондентов платить 786,3 руб. за снижение риска смерти на 25 на 100 тыс. чел. можно было бы ожидать, что при уровне снижения риска 50 на 100 тыс. чел. готовность платить будет составлять уже 1 572,6 руб. Однако в действительности эта готовность существенно ниже, что и ставит под сомнение существующие модели оценки стоимости жизни на основе готовности платить, не учитывающие соответствующую непропорциональность. Полученные в настоящем исследовании результаты демонстрируют наличие убывающей предельной готовности платить за каждую дополнительную единицу снижения риска. Оценка стоимости статистической жизни, полученная на основе предложенной авторской модели, составляет 14,12 млн руб. Эта величина рассчитана как среднеарифметическое значение стоимости жизни, определенной для 176 уровней снижения риска при фиксированных средних социально-экономических и демографических характеристиках респондента. Тогда как, согласно стандартному подходу, она лежит в интервале от 7,3 до 31,7 млн руб. и более в зависимости от дизайна исследования.

Заключение . В исследовании разработана эконометрическая модель для условной оценки готовности платить за снижение риска смерти на примере авторского проекта по снижению загрязнения воздуха и его влиянии на здоровье жителей портовых городов. Предложенная модель отличается от существующих возможностью учета убывающей предельной готовности платить за каждую дополнительную единицу риска за счет включения в модель соответствующей переменной, характеризующей различные уровни его снижения, то есть учитывающей проблему их непропорциональности и зависимости от дизайна анкеты. Также разработана модель оценки стоимости жизни на основе готовности платить за снижение риска смерти на примере загрязнения воздуха. Предложенная модель отличается от существующих возможностью учета нелинейной зависимости между готовностью платить и величиной рассматриваемого снижения уровня риска, что позволяет получить более точные оценки экономической стоимости оцениваемых благ, в частности, устраняющие их потенциальную переоценку, и, соответственно, обеспечивающие более высокий уровень доверия к управленческим решениям на их основе.

Результаты показали, что готовность платить за снижение риска смерти возрастает на 0,21 % при каждом увеличении снижения риска на 1,00 % при прочих равных условиях. Так, за снижение риска смерти на 25 на 100 тыс. чел. готовность платить равна 786,3 руб., тогда как при уровне риска 50, 100, 150 и 200 на 100 тыс. чел. – 910,16; 1053,53; 1147,65 и 1219,49 руб. соответственно.

Полученные оценки готовности платить, например, при уровне снижения риска на 25, 50, 100, 150, 200 на 100 тыс. чел. соответствует размерам оценок стоимости жизни – 37,7; 21,84; 12,64; 9,18; 7,32 млн руб. Эти значения согласуются с оценками стоимости жизни, полученными в России с использованием другой методологии ‒ гедонистической заработной платы, например, от 15,8 до 23,6 млн руб. (в ценах 2019 г.) (Косякина, Пономарева, 2021). Оценка стоимости статистической жизни, полученная согласно авторской модели в размере 14,2 млн руб., может рассматриваться как менее чувствительная к выбору сценария и более реалистичная с точки зрения учета убывающей готовности платить за снижение уровня риска. Это делает предложенный подход особенно перспективным для оценки альтернативных издержек от принимаемых государственных решений в здравоохранении и экологической политике. Результаты могут использоваться для расчета ущерба с учетом социально-экономических последствий как реализации, так и непринятия управленческих решений в сферах охраны окружающей среды и здравоохранения.

Важно учитывать, что данные оценки получены в рамках сценария по загрязнению воздуха, при экстраполяции на иные риски (риск смерти от ДТП, от конкретных заболеваний) значения могут отличаться. Основной задачей данного этапа исследования было не столько получение окончательных числовых величин, сколько демонстрация применимости предлагаемой модели, которая способна учитывать нелинейную зависимость готовности платить от величины снижения риска, тем самым устраняя проблему непропорциональности и возможной манипуляции результатами.

В дальнейшем возможна разработка альтернативных эконометрических моделей для расчета готовности платить, чтобы повысить точность получаемых оценок. Следует дополнительно изучить влияние воспринимаемого риска на чувствительность оценок готовности платить к масштабу снижения риска.