Stefano Boccaletti1

PROPOSTA DI COMUNICAZIONE: TEMA 5 – PRODUZIONI DI QUALITÀ

LE MOTIVAZIONI AL CONSUMO DI ALIMENTI BIOLOGICI IN ITALIA: I RISULTATI DI

UN’INDAGINE

ABSTRACT

L’obiettivo di questa analisi è di verificare le preferenze dei consumatori per gli

alimenti biologici utilizzando, oltre alle variabili socio-economici tradizionali, fattori in

grado di misurare sia la percezione dei rischi per la salute e più in generale dei rischi

alimentari, sia i rischi ambientali e la percezione individuale dei problemi legati

all’ambiente. I dati sono stati ottenuti da un panel di consumatori mediante questionari

strutturati compilati on-line. Per cinque categorie di alimenti, ortofrutticoli, latticini,

uova, carni, prodotti a base di cereali, sono stati stimati dei modelli logit ordinati con la

disponibilità a pagare come variabile dipendente. I risultati mostrano una scarsa

significatività delle variabili socio-demografiche, ma un peso rilevante di quelle

attitudinali. Tra queste ultime, contrariamente alla maggior parte delle analisi empiriche

disponibili, la motivazione ambientale all’acquisto è significativa e più rilevante rispetto

alla motivazione salutistica.

1 Professore associato, Università Cattolica del S. Cuore, Piacenza. Indirizzo e-mail: stefano.boccaletti@unicatt.it.

1 - PREMESSA

L’Italia è leader in Europa per superfici a coltivazioni biologiche (oltre un milione di

ettari) e nel 2006 si posizionava al quarto posto tra i produttori mondiali con 51.065

aziende attive sul territorio (ISMEA, 2007).

La domanda di prodotti biologici è cresciuta rapidamente negli ultimi anni consentendo

l’affermazione dell’intera filiera del “biologico”. Ciò è stato possibile grazie ad una

migliore organizzazione dell’offerta, ma soprattutto ad una maggiore attenzione da parte

dei consumatori ai temi dell’ambiente e della sicurezza alimentare. Si può oggi

affermare che il consumo dei prodotti biologici, pur avendo ancora una rilevanza

relativamente modesta rispetto al consumo di prodotti convenzionali, è probabilmente

uscito dalla nicchia.

Il rallentamento nel biennio 2004-2005 è riconducibile ad una più generale crisi dei

consumi di prodotti agroalimentari determinata dalla congiuntura economica negativa.

Nel 2006, invece, i consumi di alimenti biologici hanno invertito nuovamente la

tendenza riprendendo un trend positivo. Nel 2007, nonostante la spesa domestica per

l’acquisto di prodotti alimentari sia rimasta stabile, quella per i prodotti biologici ha

segnato un incremento del 10% rispetto all’anno precedente e si prevede una conferma

della crescita anche per l’immediato futuro.

Le aree geografiche in cui la spesa è cresciuta maggiormente nel 2007 sono il sud

(+21,5%) e il nord-ovest (+13%), ma ormai da diversi anni la domanda di alimenti

biologici è concentrata al nord.

La spesa si concentra sul fresco poiché le caratteristiche nutrizionali, salutistiche e di

sicurezza alimentare degli alimenti freschi sono in genere percepite più facilmente dai

consumatori. In particolare i cinque prodotti più acquistati nel 2006, che hanno

rappresentato il 36% della spesa complessiva per prodotti biologici, sono stati

nell’ordine: latte, uova, yogurt, bevande alla soia e ortaggi. Nel 2007, invece, si è

verificato un forte aumento nelle vendite di oli, latte e confetture.

Con riferimento ai soli prodotti confezionati, sempre nel 2006, latte e derivati

mantengono la leadership (20,5% del totale bio), seguiti da ortofrutta fresca e

trasformata (15%), biscotti, dolciumi e snack (12,8%), bevande analcoliche (10,6%) e

uova (7,6%).

Tra i fattori che frenano il consumo di alimenti biologici vi è in prima analisi l’elevato

differenziale di prezzo rispetto agli alimenti convenzionali. Nel 2006 questo è risultato

in media di quasi il 66%, contro il 64,9% nel 2005, con un incremento quindi di circa un

punto percentuale. Va però precisato che il dato medio nasconde situazioni diverse: il

comparto dove si rileva un maggior premio di prezzo rispetto ai prodotti convenzionali

è quello relativo ai beni con alto contenuto di servizio ed alto valore aggiunto come i

condimenti, gli snack, il pane, i biscotti, gli oli, lo zucchero e il caffè. Gli altri comparti,

invece, mostrano differenziali più contenuti.

L’incidenza del biologico sembra particolarmente alta per quei prodotti per i quali, per

motivi dietetici, nutrizionali o di sicurezza alimentare, i consumatori ricercano un livello

qualitativo complessivo molto alto. In effetti, i consumatori italiani sono

particolarmente attenti agli effetti dei pesticidi sulla salute umana, ma il 70% di essi è

disposto a pagare per alimenti prodotti senza l’utilizzo di pesticidi un premio di non più

del 10% rispetto ai prezzi dei prodotti convenzionali (S. Boccaletti, M. Nardella, 2000).

Questo lavoro si propone di valutare le determinanti della disponibilità a pagare dei

consumatori italiani di alimenti biologici considerando, oltre alle variabili

tradizionalmente proposte dalla letteratura, alcuni fattori attitudinali, che fanno

riferimento tra le altre cose alla risoluzione dei problemi di sicurezza alimentare e dei

problemi legati all’ambiente.

2 - MODELLO CONCETTUALE

Sebbene la letteratura offra diversi metodi per la valutazione della disponibilità a pagare

(WTP), quello della valutazione contingente (CV) viene spesso preferito per la sua

flessibilità ed i costi contenuti dell’indagine in campo rispetto ad altri metodi che

tendono invece a replicare situazioni di acquisto reali, ad esempio nel caso degli

experimental markets. Con la CV si crea invece una situazione di mercato ipotetica per

un determinato bene o servizio, nella quale il consumatore trasmette l’utilità che ottiene

dal consumo del bene associando ad essa l’ammontare di denaro che è disposto a

spendere per acquisire il bene stesso.

I metodi di valutazione diretta della WTP, come la CV, hanno dato adito a diverse

perplessità circa la loro affidabilità: una delle critiche principali riguarda la scarsa

conoscenza degli intervistati dell’effettiva portata dei rischi evitati con l’acquisto di un

bene meno rischioso rispetto alle varianti tradizionali, con il risultato di comunicare una

WTP non coerente con i rischi effettivamente evitati. Una possibile soluzione a questa

distorsione è rappresentata dalla preventiva informazione dei consumatori circa i rischi

stessi (Buzby et al., 1995). Un secondo problema deriva dalla specificità dei risultati,

che sono condizionali al prodotto e ai rischi considerati, e quindi difficilmente

generalizzabili ad altre situazioni (Caswell, 1998).

L’adozione di scenari di mercato ipotetici può inoltre far sì che l’intervistato interpreti

la situazione in modo più leggero rispetto ad una reale, con una sovrastima della WTP

(Blumenshein et al., 1998). L’adozione di metodi di indagine e di elicitazione

appropriati sembra comunque ridurre significativamente la portata di queste distorsioni.

Nella nostra analisi gli intervistati devono indicare quale premio di prezzo, espresso in

percentuale, sono disposti a pagare in più rispetto al prezzo della variante convenzionale

per acquistare il prodotto. Il questionario utilizzato propone 6 classi di premio, da ‘0%’

a ‘oltre 50%’.

Questo metodo di elicitazione è particolarmente semplice ed efficace e costituisce uno

strumento flessibile per valutare l’impatto dei cambiamenti nel livello degli attributi

qualitativi di un prodotto sul comportamento dei consumatori.

Il modello teorico proposto da Lancaster (1966) e la teoria dell’utilità attesa consentono

di definire le basi teoriche per spiegare il consumo di alimenti introducendo variabili

esplicative diverse rispetto a quelle classiche, prezzo e reddito. Alcune di queste

variabili rappresentano degli attributi di prodotto specifici (caratteristiche sensoriali

come gusto e consistenza, altri attributi intrinseci come freschezza, caratteristiche

nutrizionali, ecc.) che possono essere percepiti soltanto consumando il prodotto che li

contiene. Invece, la presenza e l’intensità di altri attributi può essere comune ad

un’intera categoria di prodotti. Nell’ambito dei prodotti biologici, queste caratteristiche

si riferiscono ad esempio alle proprietà distintive di questi prodotti rispetto al benessere

animale, alla salvaguardia dell’ambiente e in qualche misura alla sicurezza alimentare e

alla salute dei consumatori.

Diversi autori (Ladd and Zober, 1982; Baker and Crosbie, 1993) hanno applicato lo

schema teorico di Lancaster ottenendo una domanda funzione di un vettore di attributi

rilevanti di prodotto (a), oltre che delle variabili tradizionali. Nel caso dei prodotti

biologici il vettore a potrebbe ad esempio contenere variabili legate al minor impatto

ambientale del prodotto, oppure altre caratteristiche legate ai minori rischi per la salute.

La letteratura sulla domanda di alimenti biologici o comunque a minor impatto

ambientale è piuttosto ricca di contributi basati su indagini per l’autovalutazione del

comportamento d’acquisto, dei valori e delle caratteristiche attitudinali, rilevate

mediante questionari proposti utilizzando metodi diversi (posta, telefono, interviste

dirette, internet). Dai risultati emerge che, oltre alle variabili tradizionali, tra i principali

fattori di tipo attitudinale che influenzano le decisioni d’acquisto spiccano gli attributi

qualitativi e i benefici per la salute (Govindasamy et al., 1997), mentre i benefici per

l’ambiente non sono in genere altrettanto significativi (Byrne et al, 1992; Chang and

Zepeda, 2004; Groff et al., 1993).

I consumatori sembrano essere particolarmente preoccupati per i residui chimici, di

pesticidi o di altri composti di sintesi utilizzati in agricoltura, soprattutto in relazione

agli effetti nocivi sulla propria salute, ma meno per l’eventuale impatto ambientale.

Alcuni studi recenti (Mc Garry et al., 2002; Mc Garry Wolf, 2002; Robles Robles et al.,

2005) registrano però un’inversione di tendenza, con una percezione significativa dei

fattori ambientali. I risultati dipendono in ogni caso dalle caratteristiche del campione

utilizzato, dai metodi di rilevazione e dai fattori esterni non controllabili, per cui il

confronto tra analisi diverse può essere fuorviante. L’evidenza empirica offre una prima

indicazione di quanto difficile diventi la misura di una variabile attitudinale come

l’attitudine degli individui verso l’ambiente, la cui multidimensionalità rende alquanto

complessa la definizione di misure sintetiche da inserire in un modello di domanda.

La scarsa significatività delle ragioni ambientali come fattori d’influenza del

comportamento d’acquisto può inoltre essere legata ad altri fattori negativi che

caratterizzano gli alimenti biologici: prezzo elevato, difficoltà di reperimento del

prodotto, ma anche incertezza sui reali benefici ottenibili dal loro consumo e la

mancanza di fiducia nel sistema di regolamentazione e controllo (sistema di

certificazione).

3 - IPOTESI E MISURA DELLE VARIABILI

La teoria neoclassica del consumatore indica tre fattori alla base delle scelte individuali

di consumo: prezzi, reddito e preferenze. L’ultimo fattore, preferenze, rispecchia le

caratteristiche socio-demografiche dell’intervistato e del nucleo famigliare al quale

appartiene (nel caso in cui esso sia responsabile degli acquisti famigliari). La scelta di

un comportamento eco-compatibile rispecchia una valutazione economica individuale

dei costi e dei benefici connessi. Inoltre, la letteratura indica che prezzo, reddito e

caratteristiche socio-demografiche sono fattori rilevanti nelle scelta dei modelli di

consumo da seguire.

Gli studi più recenti sull’analisi delle potenzialità dei prodotti biologici hanno

evidenziato una connessione tra stili di vita e attitudine verso questi prodotti, con la

definizione di diversi profili dei potenziali consumatori. Il modello concettuale

utilizzato prevede la WTP come variabile dipendente, quindi la variabile prezzo è

endogena al modello stesso.

Da un punto di vista strettamente teorico non è possibile definire in modo univoco la

relazione tra WTP e variabili socio-demografiche: di seguito si riportano i risultati

empirici prevalenti in letteratura.

La descrizione delle variabili utilizzate è presentata nella tabella 1.

3.1 - Variabili socio-demografiche dell’individuo

Genere. Le donne hanno un’elevata avversione al rischio e quindi sembrano preferire gli

alimenti biologici più degli uomini (Byrne et al., 1991; Groff et al., 1993) e mostrano

una maggiore WTP (Batte ed al., 2004; Boccaletti e Nardella, 2000). Il loro ruolo di

responsabili degli acquisti alimentari nella maggior parte delle famiglie rende

probabilmente il genere femminile più sensibile ai problemi ambientali e ai rischi

alimentari.

Età. La letteratura evidenzia una relazione negativa tra età e probabilità di consumare

alimenti biologici (Durham e Andrade, 2005; Magnusson e Cranfield, 2005), dovuta al

fatto che gli individui più anziani sono meno preoccupati dei rischi per la salute. Lo

stesso vale per la WTP (Loureiro e Lotade, 2005) anche se l’età soglia alla quale muta il

beneficio marginale cambia sostanzialmente. Nell’analisi sono state definite cinque

classi d’età, comprese tra meno di 18 anni e più di 55 anni.

Stato civile. Quando significativa, la variabile mostra che i single sono maggiormente

predisposti all’acquisto di alimenti biologici (Galloway e Bailey, 2005). Le due variabili

definite corrispondono allo stato di ‘single’ o di ‘coniugato’.

Istruzione. E’ probabilmente la variabile con i risultati più controversi: una relazione

positiva tra consumo e istruzione può dipendere dalla maggiore comprensione degli

effettivi benefici dei prodotti biologici, ma è anche vero che gli individui più istruiti

possono non percepire un effettivo problema di sicurezza alimentare legato ai prodotti

alimentari convenzionali (Govindasamy e Italia, 1999), perché consapevoli

dell’incertezza dell’informazione scientifica e del fatto che il rischio evitato può essere

esiguo (Eom, 1994). Le tre variabili considerate si riferiscono a livelli progressivi di

istruzione dell’intervistato.

Occupazione. Il tipo e la stabilità dell’occupazione sono indicatori della solidità

finanziaria della persona (famiglia) (Misra et al., 1991) e anche del suo livello culturale.

La relazione attesa tra domanda di alimenti biologici e ‘qualità’ dell’occupazione

lavorativa è perciò positiva, mentre ci si aspetterebbe il contrario nel caso di situazioni

occupazionali insoddisfacenti, come gli individui disoccupati o in cerca di occupazione,

o senza reddito, come studenti e casalinghe. Oltre a tre diverse situazioni occupazionali,

dirigente, impiegato, operaio, si considerano anche le situazioni senza reddito,

studente/casalinga e disoccupato.

3.2 - Variabili socio-demografiche del nucleo famigliare

Numero di componenti. E’ un indicatore dell’entità dei consumi ma anche delle

caratteristiche qualitative della domanda; inoltre maggiore è il numero dei componenti,

minore è il reddito pro-capite disponibile, per cui anche se la spesa alimentare

complessiva aumenta, è ipotizzabile una preferenza per alimenti qualitativamente

inferiori. La direzione più probabile dell’effetto per i prodotti biologici è quindi

negativa (Govindasamy e Italia, 1999; Eom, 1994). Solo Shuzzler et al. (2003) riportano

un effetto opposto, motivandolo con il reddito mediano elevato nell’area di indagine o

con una preferenza più marcata per i prodotti freschi.

Presenza (numero) di minori. In genere si considerano i minori con età inferiore ai 12

anni, ma il limite varia a seconda delle analisi tra 12 e 18 anni, spesso differenziando tra

bambini e adolescenti. I risultati sono contrastanti: l’effetto è positivo se domina la

preoccupazione per la salute (Batte et al., 2004), negativo se il vincolo di bilancio è una

priorità, ma in questo caso altre variabili possono catturare l’effetto (reddito,

dimensione del nucleo familiare).

In questa analisi vengono considerate due variabili: il numero di minori e il numero di

bambini di età inferiore ai 5 anni.

Area di residenza. In genere si differenzia tra area rurale ed urbana e/o tra città grandi e

piccole. I risultati indicano una possibile attitudine ‘verde’ di chi risiede in campagna

(Govindasamy e Italia, 1997) ma anche un effetto opposto, poiché chi vive in queste

aree periferiche o rurali, per esempio con un giardino o in azienda agricola, è più

avvezzo all’uso di pesticidi (Underhill e Figueroa, 1996). Le variabili considerate sono

due: residenza in area rurale/case sparse, residenza in area urbana.

Reddito. La relazione tra reddito e WTP è spesso controversa: redditi maggiori non

indicano necessariamente un maggior consumo di biologici (Thompson, 1998). Per i

prodotti biologici, alcuni fattori possono poi ridurre l’importanza del reddito come

determinante dei consumi (Harris et al., 2000). Nella maggior parte dei casi nei quali il

reddito è significativo, la relazione con il consumo di alimenti più sicuri (e con la WTP)

è positiva (Govindasamy e Italia, 1999), anche per alimenti certificati (Underhill e

Figueroa, 1996; Misra et al., 1991) e in ogni caso la teoria ne offre una spiegazione più

convincente rispetto al caso opposto.

Nell’analisi vengono considerate sei classi di reddito famigliare, comprese tra meno di

10.000 € e oltre 63.800 €.

3.3 - Variabili attitudinali

La riduzione dei rischi alimentari ed ambientali determina un beneficio diretto al

consumatore, che può essere quantificato nella WTP per evitare (o ridurre) i rischi. E’

possibile in questo caso formulare delle ipotesi sulla direzione dell’effetto.

Attitudine verso i rischi alimentari. I risultati relativi ai paesi nei quali il consumo di

alimenti biologici è più diffuso indicano che, tra le varie tipologie di rischio, i rischi per

la salute umana sono quelli che più degli altri determinano la scelta di consumo. Con

riferimento all’Italia, Boccaletti e Nardella (2000) indicano che il livello di

preoccupazione dei consumatori relativamente al contenuto in residui influenza

positivamente il consumo di prodotti ottenuti senza l’uso di pesticidi. Risultati analoghi

sono stati ottenuti per gli Stati Uniti (Buzby et al., 1995; Govindasamy et al., 2001).

Ipotesi 1: la preoccupazione circa i rischi per la salute influenza positivamente la WTP.

Diversi autori valutano i rischi per la salute utilizzando una variabile ‘rischio percepito’

definita su una scala Likert (Eom, 1994) oppure chiedendo agli intervistati di indicare le

priorità tra diverse fonti di rischio (Buzby, 1995).

In questa analisi per valutare questa ipotesi sono state definite due variabili:

HEALTH misura su una scala da 1 a 5 il livello di priorità del fattore ‘migliori per la

salute’ nel motivare il consumo di alimenti biologici rispetto ad altri quattro fattori

(rispettano il benessere animale, hanno un gusto migliore, sostengono l’agricoltura

locale, preservano l’ambiente);

HEALTHTR misura su una scala Likert da 1 (per niente importante) a 4 (molto

importante) quanto una maggiore fiducia nei benefici per la salute umana dei prodotti

biologici promuoverebbe un loro maggior consumo.

Per valutare poi il peso relativo dei rischi per la salute rispetto a quelli ambientali è stata

definita la variabile BETTHEALTH, che indica se il consumatore continuerebbe a

consumare alimenti biologici se fosse provato che essi sono migliori per la salute ma

non per l’ambiente.

Variabili ambientali. Per valutare condizioni psicologiche complesse, come la coscienza

ambientalista degli individui e la percezione dei rischi ambientali, si preferisce in genere

utilizzare una serie di domande anziché una singola domanda, per evitare risposte

‘d’impulso’. La letteratura indica infatti una maggiore affidabilità dei metodi basati

sull’estrazione di un certo numero di fattori o sulla costruzione di indici da un pool di

domande.

In modo analogo ad alcuni studi recenti (Verhoef, 2005; Durham e Andrade, 2005) e

considerando gli obiettivi dell’analisi, l’attitudine degli individui verso l’ambiente può

essere distinta in tre componenti principali: preoccupazione ambientale, comportamento

eco-compatibile e coinvolgimento ambientale.

La preoccupazione ambientale rispecchia la percezione dei rischi ambientali e viene

definita come l’opinione sulla capacità umana di rompere gli equilibri della natura,

sull’esistenza di un limite alla crescita della società umana e sul diritto dell’umanità di

governare la natura (Dunlap e Van Liere, 1978, citato in Verhoef, 2005). La letteratura

indica che la preoccupazione ambientale influenza il comportamento eco-compatibile in

generale, ma anche specifici comportamenti (Grunert e Juhl, 1995).

La direzione attesa della relazione tra WTP e coscienza ambientale è positiva, anche se

spesso la variabile non sembra avere un effetto significativo (Verhoef, 2005).

Nell’analisi la preoccupazione ambientale è ottenuta valutando il grado di

preoccupazione dell’individuo, espressa su una scala Likert da 1 (nessuna

preoccupazione) a 4 (molto preoccupato), per otto diversi problemi ambientali:

generazione rifiuti, inquinamento dell’aria, cambiamento climatico (riscaldamento

globale), inquinamento dell’acqua, esaurimento delle risorse naturali (foreste, acqua,

energia), organismi geneticamente modificati, specie in estinzione e biodiversità,

rumore.

Ipotesi 2: la preoccupazione ambientale influenza positivamente la WTP.

Per ottenere una variabile che rispecchi la preoccupazione ambientale degli individui è

stato calcolato un indice, ENV1, sommando il punteggio relativo ad ogni problema

ambientale, standardizzandolo poi per essere compreso tra 0 (nessuna preoccupazione

ambientale) ed 1 (massima preoccupazione ambientale).

Coinvolgimento ambientale. Rappresenta la valutazione del consumatore della propria

capacità a modificare/risolvere i problemi ambientali. Alcuni consumatori possono

sentirsi fortemente coinvolti nella risoluzione dei problemi ambientali, cercando perciò

di adottare dei comportamenti di consumo ‘verdi’, mentre altri possono ritenere che i

problemi dell’ambiente non li riguardano direttamente e che comunque non spetta a loro

risolvere il problema (Verhoef, 2005). Se il consumatore ritiene che la propria capacità

di modificare un problema ambientale è bassa, la probabilità che esso adotti dei

comportamenti di consumo eco-compatibili è inferiore rispetto agli individui con

caratteristiche opposte (Pieters et al, 1998).

Ipotesi 3: Il coinvolgimento ambientale influenza positivamente la WTP.

Anche in questo caso è stato calcolato un indice di coinvolgimento ambientale, ENV2,

standardizzato a 1, utilizzando una serie di cinque affermazioni rispetto alle quali

l’intervistato può trovarsi fortemente in disaccordo, in disaccordo, d’accordo,

fortemente d’accordo. Le affermazioni sono:

- ogni individuo/famiglia può contribuire al miglioramento dell’ambiente;

- i problemi ambientali sono frequentemente sopravvalutati;

- i problemi ambientali riguardano soprattutto le generazioni future;

- i problemi ambientali verranno risolti con il progresso tecnologico;

- la politica ambientale del governo deve migliorare la qualità dell’ambiente, ma senza

costi addizionali per me.

Comportamento eco-compatibile. I consumatori che presentano una certa coscienza

ambientale tendono ad avere diversi comportamenti rispettosi dell’ambiente:

l’esperienza accumulata con un certo comportamento eco-compatibile può consentire di

comprendere le conseguenze ambientali di altri comportamenti di consumo. Thorgesen

(1999) evidenzia una correlazione positiva tra riciclo e riduzione dei rifiuti. Si può

perciò supporre che un comportamento rispettoso dell’ambiente in altre situazioni possa

influenzare positivamente il consumo di alimenti biologici.

Ipotesi 4: il comportamento eco-compatibile influenza positivamente la WTP.

Nell’analisi il comportamento eco-compatibile degli intervistati è stato dedotto

valutando la frequenza (mai, occasionalmente, spesso, sempre) di utilizzo di: carta

riciclata, prodotti a contenuto tossico ridotto (es. detergenti ecologici), contenitori

ricaricabili, sacchetti per la spesa riutilizzabili.

E’ stato poi calcolato un indice del comportamento eco-compatibile, ENV3, abbinando

un punteggio crescente in base alla frequenza di utilizzo e standardizzando ad 1.

Fiducia nelle fonti d’informazione. Si tratta di elencare, in ordine di affidabilità,le fonti

di informazione sui problemi ambientali: ricercatori indipendenti (CONF1), agenzie

governative (CONF2), organizzazioni non governative (CONF3), organizzazioni dei

consumatori (CONF4). Ogni variabile è quindi espressa su una scala da 1 a 5 in base al

grado di affidabilità relativa delle informazioni ambientali fornite.

Ipotesi 5: una maggiore fiducia nelle fonti di informazione influenza positivamente la

WTP.

Caratteristiche positive percepite. I consumatori hanno elencato, in ordine di priorità,

cinque caratteristiche degli alimenti biologici: rispettano il benessere degli animali

(ANWEL), sono migliori per la salute (HEALTH), hanno un gusto migliore (TASTE),

sostengono l’agricoltura locale (AGR), preservano l’ambiente (ENV). Ciascuna di

queste variabili presenta perciò un punteggio da 1 a 5 a seconda della priorità accordata.

Ipotesi 6: maggiore è il grado di priorità accordato alla caratteristica (la sua percezione

positiva), maggiore è la WTP.

Fattori alla base di un incremento del consumo. Per i seguenti fattori: maggiore

disponibilità (AVAIL), prezzo più basso (LOWP), aspetto migliore (APPEAR),

maggior fiducia nei benefici per la salute (HEALTHTR), maggior fiducia nei benefici

per l’ambiente (ENVTR), maggior fiducia nella certificazione (CERTTR), gli

intervistati hanno indicato il grado di importanza come fattori di aumento dei consumi

su una scala da 1 (per niente importante) a 4 (molto importante).

Ipotesi 7: il grado di importanza accordata influenza positivamente la WTP.

Percezione delle etichette. Gli intervistati hanno indicato, su una scala da 1 a 4, la

facilità di identificazione (LABEL1) e di comprensione (LABEL2) delle etichette dei

prodotti biologici.

Ipotesi 8: La facilità di identificazione e comprensione delle etichette influenza

positivamente la WTP.

Percezione comparativa della valenza ambientale e salutistica degli alimenti biologici.

Agli intervistati è stato chiesto se continuerebbero ad acquistare biologico se fosse

dimostrato che: gli alimenti biologici sono migliori per l’ambiente ma non per la salute

(BETTENV), gli alimenti biologici sono migliori per la salute ma non per l’ambiente

(BETTHEALTH). Il segno della relazione dipenderà dalla percezione delle due valenze

positive fondamentali dei biologici, quella ambientale e quella salutistica.

4 – DATI E METODOLOGIA

I dati utilizzati in questa analisi derivano da un’indagine sui consumi eco-compatibili

dell’OCDE condotta nei mesi di gennaio e febbraio 2008 utilizzando un questionario

strutturato somministrato ad un campione di 1417 individui. La definizione del

campione e la metodologia d’indagine sono state gestite da una società specializzata,

Lightspeed Research inc., specializzata in indagini di mercato somministrate via

Internet.

4.1 - Caratteristiche del campione

Le caratteristiche del campione sono riassunte in tabella 2.

Il campione di riferimento si compone di 1.417 individui residenti in Italia, la

maggioranza di questi è coniugato o convive (62,3%) e tutti sono coinvolti nelle

decisioni di acquisto relative al nucleo familiare avendo la responsabilità piena o

condivisa della spesa familiare. Il 48,3% degli intervistati è di sesso maschile e il 51,7%

di sesso femminile, il 47,8% ha un’età superiore ai 44 anni e quasi un terzo del

campione ha più di 55 anni, mentre soltanto il 13,3% ha meno di 24 anni. La

distribuzione campionaria differisce da quella della popolazione soprattutto per il peso

maggiore delle due classi inferiori, a scapito degli individui più anziani. La ragione

della distorsione è il tipo di panel utilizzato per la ricerca, che prevede la compilazione

del questionario via internet. Questa distorsione è riscontrabile anche in termini di

livello di istruzione, con uno scostamento molto forte tra la distribuzione del campione

e quella della popolazione italiana soprattutto per quanto riguarda la formazione

universitaria, 48,4% contro 10,2%.

Guardando alla struttura familiare, prevalgono i nuclei fino a 3 componenti (62,8%), e

nei 2/3 circa delle famiglie non sono presenti minori.

Nel campione dominano i residenti del Nord Est (38,8%), seguiti dal Sud (29,1%), dal

Nord Ovest (18,3%) e dal Centro (13,8%).

Tra le occupazioni si nota la prevalenza di dipendenti salariati (53%) e una buona quota

di liberi professionisti/insegnanti (15,8%) e di lavoratori in proprio (7,9%), mentre le tre

principali situazioni occupazionali presenti nel campione sono: impiegato a tempo pieno

o part-time (63,2%), pensionato (14,6%) e studente (9,8%).

La distribuzione del reddito si concentra sui redditi bassi (46,6%), il 9,1% ha un livello

di reddito medio (considerando per reddito medio la classe compresa tra 27.901€ e

32.500€2) e il 36% ha un reddito alto, mentre il restante 8,3% non sa a quanto ammonta

il reddito di famiglia o preferisce non rispondere; inoltre la maggior parte degli

intervistati (55%) ricopre la posizione di chi guadagna di più in famiglia.

4.2 - La disponibilità a pagare

Mediamente i due terzi del campione sono disposti a pagare un premio di prezzo per

l’acquisto dei prodotti biologici, ma il 60% di questi soltanto dall’1 al 5% in più rispetto

al prezzo degli alimenti convenzionali. Le differenze tra le diverse categorie di alimenti

sono esigue (tabella 3). La categoria ‘carni’ mostra una maggiore frequenza (oltre il

10% del campione) per una WTP di almeno il 16% rispetto alle altre categorie,

indicando così una maggiore sensibilità per quegli alimenti probabilmente percepiti

come più rischiosi per la salute. Per gli ortofrutticoli freschi, la seconda categoria come

valore dei consumi in Italia con una quota del 15%, quasi la metà degli intervistati non è

disposta a pagare un premio superiore al 15%, mentre uova e prodotti a base di cereali

2 Secondo l’indagine della Banca d’Italia sui bilanci delle famiglie italiane, nel 2006 il reddito familiare netto medio era di 31.792€.

presentano apparentemente i minori benefici percepiti, con il 33% degli intervistati che

li ritiene equivalenti ai prodotti convenzionali (WTP = 0).

4.3 - Il modello utilizzato

Gli intervistati si confrontano con una situazione di mercato ipotetica utilizzando il

metodo della CV. Ne deriva una variabile dipendente multinomiale. L’obiettivo del

modello stimato è di verificare l’impatto dei fattori che la letteratura ha evidenziato

come principali determinanti del comportamento di consumo verso gli alimenti

biologici sulla WTP degli intervistati. L’analisi della WTP rientra nell’approccio teorico

della random utility. Un consumatore sarà disposto a pagare di più per acquistare e

consumare un prodotto biologico se è convinto che la scelta determinerà un aumento

della propria utilità rispetto al consumo dell’alternativa convenzionale. Se invece egli

considerasse i due prodotti perfetti sostituti, allora pagare di più rappresenterebbe una

scelta irrazionale, perché causerebbe una riduzione del proprio beneficio netto.

Naturalmente il limite superiore della WTP del consumatore sarà determinato dalla

situazione in cui l’utilità netta (la differenza tra maggior utilità percepita e maggior

prezzo pagato) si azzera.

La probabilità di avere una WTP tra due livelli predefiniti è:

Pr (WTP1 <WTP≤ WTP2) = Pr (Xβ + ε ≤ µ2) - Pr(Xβ + ε < µ1) (1)

dove WTP1 e WTP2 sono il limite inferiore e superiore della WTP dell’individuo e µi

sono i cambiamenti soglia dell’utilità consistenti con gli intervalli superiore ed inferiore

della WTP.

Se, come nel nostro caso, nel modello vengono considerati diversi valori di WTP, la

variabile dipendente latente (non osservata) è di natura multinomiale e richiede

l’impiego di un modello qualitativo che può essere ordinale o non ordinale. Nel nostro

caso, la scelta di un modello ordinale presuppone la condizione che l’effetto di valori

maggiori della WTP sia più grande rispetto a quello di valori minori: se la WTP è una

misura dell’utilità marginale percepita dal consumatore, allora è chiaro che questa

condizione è rispettata. La categorizzazione della WTP in classi predefinite prevede una

variabile osservata multinomiale dove i limiti di ogni classe rappresentano punti ai quali

il cambiamento dell’utilità è sufficientemente alta da indurre il consumatore a passare

alla classe successiva. Analogamente al modello della random utility, la probabilità che

la WTP ricada in nella j-esima classe di un numero finito di classi è:

Pr(WTP = j │ Uj,t ≥ Uj-1,t) = Φ[ (µj - Xβ) /σ] - Φ[ (µj-1 - Xβ)/ σ] (2)

La funzione logaritmica di verosimiglianza che definisce il modello diventa:

logL (β, µ2, …, µM-1) = ∑Tt=1 ∑M

j=2 Cjt log[Φ(µj - Xtβ) - Φ(µj-1 - Xtβ)] (3)

dove Cjt = 1 se µj-1 < Yt ≤ µj, Cjt = 0 altrimenti, Φ è la funzione di densità, logistica per il

modello logit e normale per quello probit.

Nei modelli di scelta qualitativa i coefficienti stimati non rappresentano però

direttamente la variazione della probabilità che un evento (una modalità della variabile

dipendente) si verifichi. L’effetto marginale sulla probabilità degli eventi può essere

calcolato valutando le derivate delle probabilità dal modello stimato, che misurano il

cambiamento nella probabilità di ciascuna scelta (nel nostro caso di ogni modalità della

WTP) rispetto al cambiamento in ogni variabile indipendente.

Queste probabilità marginali hanno significato per variabili indipendenti continue, ma

non per quelle binarie. Infatti, poiché il modello logit ordinato non è lineare, non è

possibile interpretare la derivata parziale (l’effetto marginale) come il cambiamento

nella probabilità associata ad una variazione unitaria della variabile indipendente, e

quindi per le variabili con valori 0/1 è meglio utilizzare la differenza tra le probabilità

attese calcolate mantenendo tutte le altre variabili alle loro medie campionarie.

Considerando il modello logit, sostituendo a Φ la distribuzione logistica si ottengono le

seguenti stime delle probabilità legate ai diversi valori della WTP (per semplicità

consideriamo soltanto tre classi di WTP, 0, 1, 2, e quindi un solo parametro soglia µ):

x

x

e

ejWTP

'

'

1)0Pr(

!

!

+=>= (4)

xx

x

ee

eWTP

''

'

1

1

11)0Pr(

!!

!

+="

"

#

$

%%

&

'

+(== (5)

x

x

x

x

e

e

e

eWTP

'

'

'

'

11)1Pr(

!

!

!µ

!µ

"

"

"

"

+"##

$

%

&&

'

(

+== (6)

e considerando che la somma delle probabilità è 1:

!!

"

#

$$

%

&

+'==

'

'

x

x

e

eWTP

'

'

11)2Pr(

(µ

(µ

(7)

dove β’ è il vettore dei coefficienti stimati ed x quello delle variabili indipendenti.

Derivando la (5), la (6) e la (7) rispetto ad una variabile indipendente xi si ottengono gli

effetti marginali:

[ ] [ ][ ]iWTPWTP

ix

WTP!)Pr1(Pr

)0Pr(00 == ""=

#

=# (8)

[ ] [ ]!"

#$%

&

'

'+

'

'(=

'

=' ==

i

WTP

i

WTP

ixxx

WTP )Pr(Pr0

)1Pr( 20 (9)

[ ] [ ][ ]iWTPWTP

ix

WTP!)Pr1(Pr

)2Pr(22 == ""=

#

=# (10)

Applicando la procedura logit si ottengono stime consistenti dei parametri β e le µj che

massimizzano la funzione.

Il modello logit viene preferito in questa analisi perché le sue proprietà asintotiche

vincolano le probabilità calcolate ad un intervallo 0-1. Rispetto al metodo probit, questo

metodo di stima consente inoltre di catturare meglio la dimensione degli effetti delle

variabili esplicative qualitative (Maddala, 1983) e presenta una maggiore semplicità.

Poiché i dati utilizzati sono delle osservazioni individuali e non aggregate, viene

utilizzato il metodo di stima di massima verosimiglianza, da quale si ottengono stime

dei parametri consistenti ed efficienti asintoticamente.

Anche se i coefficienti stimati non indicano l’effetto marginale delle variabili

indipendenti sulle probabilità delle varie modalità della WTP, essi consentono

comunque di verificare la direzione dell’effetto sulla probabilità della WTP e la sua

significatività statistica associate all’aumento di una variabile indipendente x. Questo

aumento di x (mantenendo costanti i coefficienti stimati β e dei limiti di classe µ stimati

della WTP) comporta lo spostamento della distribuzione delle probabilità attese verso

destra, con conseguente riduzione della probabilità della classe inferiore (nel nostri caso

WTP = 0) a favore invece di un aumento delle probabilità della classe superiore (WTP =

5). Così, se il coefficiente β della variabile indipendente x è positivo, la probabilità

Pr(WTP=0│x) diminuirà e viceversa in caso di β<0. Per quanto riguarda i valori

intermedi di WTP, non è però possibile inferire l’effetto delle variabili indipendenti,

perchè a seguito dello spostamento una parte dell’area sotto la curva di distribuzione si

riduce mentre un’altra parte aumenta. L’effetto delle variabili indipendenti sulle

probabilità di tutte le modalità della variabile dipendente è rappresentato dagli effetti

marginali visti in precedenza.

I coefficienti β dei modelli stimati possono comunque essere interpretati come rapporto

di probabilità: il cambiamento nella probabilità che WTP sia uguale o inferiore a j

(rispetto a quella che WTP sia maggiore di j) associato con un cambiamento di δ unità

nella variabile xk è uguale a e-δβ ke!")

#

. Pertanto, nel caso di una variazione unitaria di xk

il cambiamento nella probabilità diventa e-δβ ke!)

"

.

5 - RISULTATI

I coefficienti stimati e il rispettivo livello di significatività sono riportati in tabella 4. Per

le stime è stato utilizzato il software SPSS.

In parentesi sono riportati i valori del test di Wald per determinare la significatività dei

parametri: poiché questo test è calcolato come (β/SE)2, esso si distribuisce come un χ2 e

i risultati sono analoghi rispetto ad un test t. La significatività è valutata utilizzando un

test a due code per le variabili socio-demografiche, e ad una coda per quanto riguarda le

variabili attitudinali, dove si voleva testare un’ipotesi predefinita.

La bontà del modello viene valutata considerando la differenza tra le funzioni di

verosimiglianza del modello con sola intercetta e del modello completo, differenza che

si distribuisce come un χ2, e con lo pseudo-R2 di Cox e Snell, che indica il grado di

miglioramento dei parametri stimati passando al modello completo (maggiore è il

valore, maggiore è il miglioramento). In tutti i modelli stimati l’introduzione delle

variabili esplicative aumenta significativamente al 99% la capacità del modello di

spiegare la varianza della variabile dipendente rispetto a modello di riferimento con la

sola intercetta.

I coefficienti delle variabili socio-economiche sono soltanto in alcuni casi sporadici

significativi, mentre lo sono gran parte dei coefficienti legati alle variabili attitudinali, a

dimostrazione che la scelta d’acquisto degli alimenti biologici è guidata soprattutto

dall’attitudine soggettiva verso i problemi di sicurezza alimentare ed ambientali.

Un coefficiente β positivo indica una maggiore probabilità che un soggetto con un

valore maggiore della variabile indipendente possegga una WTP elevata (appartenga ad

una delle classi di WTP maggiori). Il loro valore numerico invece dipende dall’unità di

misura della variabile, per cui non è possibile un confronto diretto tra variabili espresse

differentemente.

Tra le variabili demografiche un impiego di livello maggiore (JOB1 e JOB2, dirigente e

impiegato rispettivamente) influenza positivamente la WTP nel caso di latticini, uova e

carni: se l’occupazione è anche un indicatore culturale, l’effetto può essere determinato

da una maggior capacità di comprendere i benefici di questi prodotti, magari per le

categorie per le quali i benefici non sono così immediati. Inoltre, la maggiore capacità di

spesa di queste tipologie di impiego può rafforzare l’effetto. Interessante è la

significatività di ‘MIN5’ per i latticini: il maggior consumo di questi prodotti nei

bambini con età inferiore a 5 anni determina la ricerca di alimenti più sicuri e affidabili.

Il reddito ha un qualche effetto, ma di difficile interpretazione, solo per latticini, uova e

carni. Le variabili attitudinali e di percezione del rischio sembrano quindi dominare la

scena, forse anche per la diffusione dei prodotti biologici e per il ridimensionamento dei

loro prezzi, che li rendono ormai presenti nei panieri alimentari, seppur in misura

diversa, di gran parte delle famiglie italiane.

In tutti i modelli l’appartenenza ad una associazione ambientalista, la percezione che i

biologici siano migliori per l’ambiente (anche se non per la salute) e valori elevati

dell’indice di preoccupazione ambientale influenzano positivamente la WTP. Questo è

un risultato particolarmente rilevante, che rafforza quanto emerge in misura piuttosto

diluita dalla letteratura: i soggetti che ottengono maggiore gratificazione dal consumo di

biologici sono quelli con una coscienza ambientale più spiccata. In effetti i risultati

disponibili hanno finora dimostrato la prevalenza della motivazione salutistica e di

sicurezza alimentare su quella ambientale, mentre nel nostro caso anche la seconda è

rilevante. La proprietà salutistica dei biologici, HEALTH, influenza significativamente

la WTP per tutte le categorie di alimenti considerate ad eccezione di uova e prodotti a

base di cereali, a dimostrazione che i biologici rappresentano una soluzione al problema

della sicurezza alimentare per gli alimenti maggiormente a rischio, come ortofrutta,

latticini e carni.

La sostenibilità dell’agricoltura locale, AGR, è significativa e con segno positivo per

ortofrutta e carni: la localizzazione dell’agricoltura biologica può rappresentare perciò

un fattore di successo soprattutto per le produzioni deperibili.

Un’indicazione interessante per incrementare i consumi viene dalla significatività delle

variabili AVAIL, LOWP e APPEAR, con segno negativo per la seconda e positivo per

le altre due. Coloro che vedono in una maggiore disponibilità di prodotti biologici e nel

miglioramento del loro aspetto due fattori di maggior consumo presentano anche una

maggior disponibilità a pagare. In altre parole, chi già ottiene una gratificazione elevata

dal consumo di biologici, vedrebbe nel miglioramento di queste due caratteristiche

un’ulteriore incremento della propria soddisfazione. Viceversa, è chiaro che chi

auspicherebbe una riduzione del prezzo appartiene con più probabilità alle classi di

WTP inferiori.

Il livello di fiducia in ricercatori indipendenti, agenzie governative e associazioni dei

consumatori influenza positivamente la WTP in tutti i modelli, mentre quello in

organizzazioni non governative soltanto nel caso di ortofrutticoli e cereali,

probabilmente per la loro scarsa diffusione in Italia. Il risultato indica quanto

l’attendibilità delle fonti di informazione possa giocare un ruolo importante nel

garantire un’informazione corretta dei consumatori sui problemi ambientali, quindi nel

favorire indirettamente la propensione al consumo di alimenti biologici.

La differenziazione visiva dei prodotti biologici dipende poi in buona parte dalla loro

etichettatura: in particolare, la facilità di identificazione dell’etichetta consente ai

consumatori di individuarli prontamente differenziandoli così dai prodotti

convenzionali. Una maggior facilità di identificazione determina una maggiore WTP nel

caso di ortofrutta, latticini e cereali, mentre la comprensione dell’etichetta non è

significativa, forse ad indicare che il formato attualmente utilizzato sia per l’etichetta

europea sia per le etichette aziendali è sufficientemente comprensibile.

Lo spostamento della distribuzione logistica verso destra determinata da un segno

positivo non chiarisce però in modo univoco come vengono influenzate le probabilità

delle classi intermedie di WTP: per valutare i cambiamenti di queste probabilità, si fa

ricorso alle probabilità marginali illustrate in precedenza, che per le variabili discrete

binomiali sono però semplicemente calcolate come differenza tra le probabilità attese

per i valori 0 ed 1 della variabile indipendente (in questo caso il termine ‘marginale’ è

improprio).

La tabella 5 presenta gli effetti (le probabilità) marginali stimate e le probabilità relative

alle cinque categorie di WTP. Per ogni riga, la somma delle probabilità marginali è

uguale a 0 perchè un aumento nella probabilità di una categoria deve essere bilanciata

da una diminuzione corrispondente nella probabilità di un’altra categoria (o di altre

categorie). Questi valori consentono di confrontare l’intensità degli effetti delle variabili

indipendenti sulle diverse classi di WTP.

Per tutti i prodotti, l’unica variabile che rafforza la probabilità a non pagare alcun

premio in più rispetto ai prodotti convenzionali è LOWP. L’effetto più rilevante sulle

tre classi maggiori di WTP appartiene a ENV1: la preoccupazione per i problemi

ambientali è perciò il fattore che più degli altri determina un beneficio per i consumatori

che utilizzano prodotti biologici. Gli individui sembrano aver individuato nel basso

impatto ambientale di questi prodotti la ricaduta positiva principale, fattore che ha

parzialmente rimpiazzato i benefici diretti per la salute. Le ragioni di questo

cambiamento possono essere molteplici, non ultimo il fatto che il campione non è

rappresentativo della popolazione, almeno per alcune caratteristiche come istruzione ed

età, che potrebbero giocare un ruolo fondamentale nella comprensione individuale dei

problemi legati a salute e ambiente. Le regole sempre più stringenti sulla sicurezza degli

alimenti, non soltanto di quelli biologici, rendono effettivamente il consumo di questi

prodotti sempre meno legato agli aspetti salutistici. Coloro in grado poi di comprendere

le differenze nelle tecniche di coltivazione e allevamento rispetto ai metodi

convenzionali sono in grado di rilevare o supporre un minor impatto ambientale. La

classe di WTP che più risente di questo effetto è però WTP2 = 6-15%, per cui i benefici

percepiti sono comunque limitati e si traducono in un premio di prezzo piuttosto

contenuto. La variabile HEALTH, che indica il livello di percezione dei benefici per la

salute, fa aumentare la probabilità di offrire una WTP maggiore, ma anche qui

l’aumento si concentra nella classe WTP2.

I ricercatori indipendenti rappresentano la fonte di informazione più affidabile, in tutti i

casi la riduzione della probabilità della classe WTP=0 è maggiore per CONF1 rispetto

alle altre tre variabili. Una attenta diffusione delle informazioni scientifiche può quindi

contribuire alla comprensione dei benefici effettivi dei biologici.

Tra i potenziali fattori di miglioramento della qualità percepita dei biologici, una

maggiore disponibilità (AVAIL) ha un peso superiore rispetto alla qualità esteriore

(APPEAR) e, per ortofrutta, carni e cereali, anche rispetto ad una maggiore fiducia nella

certificazione. I miglioramenti nell’aspetto dei biologici, ormai visivamente comparabili

ai prodotti convenzionali, sposta l’attenzione su altri problemi, ad esempio la facilità di

reperimento nei punti vendita abitualmente utilizzati.

RIFERIMENTI BIBLIOGRAFICI

Baker G. and Crosbie P. (1993): Measuring Food Safety Preferences: Identifying

Consumer Segments, Journal of Agricultural and Resource Economics, Vol. 18, n.

2, pp. 277-287.

Batte M.T., Beaverson J., Hooker N.H. and Haab T. (2004): Customer Willingness to

Pay for Multi-Ingredient, Processed Organic Food Products, selected paper,

American Agricultural Economics Association, Annual Meeting, Denver, Colorado,

July 1-4.

Blumenshein K., Johannesson M., Blowquist G., Liljas B., O’Connor R. (1998):

Experimental results on expressed certainty and hypothetical bias in contingent

valuation, Southern Economic Journal, Vol. 65, pp. 169–177.

Boccaletti S., Nardella M. (2000): Consumer Willingness to Pay for Pesticide-Free

Fresh Fruit and Vegetables in Italy, International Food and Agribusiness

Management Review, Vol. 3, n. 3, pp. 297-310.

Byrne P.J., Toensmeyer U.C., German C.L., Muller H.R. (1992): Evaluation of

Consumer Attitudes Towards Organic Produce in Delaware and the Delmarva

Region, Journal of Food Distribution Research, February.

Byrne P.J., Toensmeyer U.C., German C.L., Muller H.R. (1991): Analysis of Consumer

Attitude Toward Organic Produce and Purchase Likelihood, Journal of Food

Distribution Research, June.

Buzby J.C., Ready R.C., Skees J.R. (1995): Contingent Valuation in Analysis: A Case

Study Residue Risk Reduction Food Policy of a Pesticide-Residue Risk Reduction,

Journal of Agricultural and Applied Economics, Vol. 27, n. 2, pp. 613-625.

Caswell J. (1998): Valuing the benefits and costs of improved food safety and nutrition,

The Australian Journal of Agricultural and Resource Economics, Vol. 42, pp. 409–

424.

Chang Hui Shung, Zepeda L. (2004): Demand for Organic Food: Focus Group

Discussion in Armidale, NSW, Working Paper Series in Agricultural and Resource

Economics, University of New England, n. 2004-6.

Durham C.A., Andrade D. (2005): Health vs. Environmental Motivation in Organic

Preferences and Purchases, Selected Paper, American Agricultural Economics

Association Annual Meeting, Providence, Rhode Island, July 24-27.

Eom Y.S. (1994): Pesticide Residue Risk and Food Safety Valuation: A Random Utility

Approach, American Journal of Agricultural Economics, Vol. 76, n.4, pp. 760-771.

Galloway K., Bailey D.V. (2005): A Rose by Another Name: An Objective Analysis of

an Established Market for Credence Attributes, Selected Paper, American

Agricultural Economics Association Annual Meeting, Providence, Rhode Island,

July 24-27.

Govindasamy R., Italia J. (1999): Predicting Willingness-to-Pay a Premium for

Organically Grown Fresh Produce, Journal of Food Distribution Research, July, pp.

44-53.

Govindasamy R., Italia J., Adelaja A. (2001): Predicting Willingness-to-Pay a Premium

for Integrated Pest Management Produce: A Logistic Approach, Agricultural and

Resource Economics Review, Vol. 30, n. 2, pp. 151-159.

Govindasamy R., Italia J. (1997): Consumer Response to Integrated Pest Management

and Organic Agriculture: An Econometric Analysis, New Jersey Agricultural

Experiment Station, P-02137-2-97, 1997, Department of Agricultural Economics

and Marketing, Rutgers Cooperative Extension, Cook College Rutgers, The State

University of New Jersey New Brunswick, New Jersey 08901.

Groff A.J., Kreider C.R., Toensmeyer U.C. (1993): Analysis of the Delaware Market

For Organically Grown Produce, Journal of Food Distribution Research, February,

pp. 118-126.

Grunert S.C., Juhl H.J. (1995): Values, environmental attitudes, and buyin of organic

foods, Journal of Economic Psychology, Vol. 16, pp. 39-62.

Harris B., Burress D., Eicher S. (2000): Demands for Local and Organic Produce: A

Brief Review of the Literature, Report N. 254A, April, Institute for Public Policy

and Business research, University of Kansas.

Ismea (2007): Il mercato dei prodotti biologici: tendenze generali e nelle principali

filiere, Dicembre.

Ladd, G. W., Zober M. (1982): Survey of Promising Developments in Demand

Analysis: Economics of Product Characteristics, in: New Directions in Economics

Modeling and Forecasting in U.S. Agriculture, ed. G. C. Rausser. New York,

Elsevier Science Publishing.

Lancaster K. (1966): A New Approach to Consumer Theory, Journal of Political

Economy, Vol. 74, 1966, pp. 132–157.

Loureiro M.L., Lotade J. (2005): Do fair trade and eco-labels in coffee wake up the

consumer conscience?, Ecological Economics, Vol. 53, pp. 129-138.

Maddala, G. S. (1983): Limited dependent and qualitative variables in econometrics.

New York, Cambridge University Press.

Magnusson E., Cranfield A.L. (2005): Consumer Demand for Pesticide Free Food

Products in Canada: A Probit Analysis, Canadian Journal of Agricultural

Economics, Vol. 53, n. 1, pp. 67-81.

McGarry Wolf M., Johnson B., Cochran K., Hamilton L. (2002): Consumer Attitudes

Toward Organically Grown Lettuce, Journal of Food Distribution Research, March,

pp.155-160.

McGarry Wolf M. (2002), An Analysis of the Impact of Price on Consumer Purchase

Interest in Organic Grapes and a Profile of Organic Purchasers, Selected Paper,

American Agricultural Economics Association Annual Meeting, Long Beach,

California, August 28-31.

Misra S., Huang C.L., Ott S.L. (1991), Consumer Willingness to Pay for Pesticide-Free

Fresh Produce, Western Journal of Agricultural Economics, Vol. 16, pp. 218-227.

Pieters, R., Bijmolt, T., van Raaij, F. and de Kruijk, M. (1998): Consumers’ attributions

of pro-environmental behaviour, motivation, and ability to self and others, Journal

of Public Policy & Marketing, Vol. 17, pp. 215–225.

Robles Robles R., Vannini L., De la Puente T., Fernandez-Revuelta J.J. (2005),

Consumer attitudes behind organic foods perception: An illustration in a Spanish

area, Paper prepared for presentation at the XIth EAAE Congress, Copenhagen,

Denmark: August 24-27.

Shuzzler A., Govindasamy R., Adelaja A. (2003): A Comparative Evaluation of

Organic Produce Consumers in New Jersey to New York and Pennsylvania, Journal

of Food Distribution Research, Vol. 34, n. 1, March, pp. 153-162.

Thøgersen J. (1999): The ethical consumer. Moral norms and packaging choice. Journal

of Consumer Policy, Vol. 22, n.4, pp. 439-460.

Thompson G.D. (1998): Consumer Demand for Organic Foods: What we Know and

What We Need to Know, American Journal of Agricultural Economics, Vol. 80, n.

5, pp. 1113-1118.

Underhill S.E., Figueroa E.E. (1996): Consumer Preferences for Non-Conventionally

Grown Produce, Journal of Food Distribution Research, July.

Verhoef P.C. (2005): Explaining purchases of organic meat by Dutch consumers,

European Review of Agricultural Economics, Vol. 32, n. 2, pp. 245-267.

Tabella 1 – Definizione e statistiche descrittive delle variabili utilizzate Variabili dipendenti

Descrizione Media Deviazione standard

WTP1 WTP ortofrutticoli freschi 1,042 1,059 WTP2 WTP latte e latticini: 0-5 1,0410 1,094 WTP3 WTP uova: 0-5 1,039 1,143 WTP4 WTP carne: 0-5 1,133 1,168 WTP5 WTP pasta e altri prodotti a base di cereali: 0-5 1,050 1,144 Variabili esplicative GEN Femmina = 1, 0 altrimenti 0,517 0,500 MSTAT1 Coniugato = 1, 0 non con. 0,623 0,485 MSTAT2 Single = 1, 0 non single 0,103 0,304 AGE1 Età: 18-24 = 1, 0 altrimenti 0,133 0,339 AGE2 Età: 25-34 = 1, 0 altrimenti 0,197 0,398 AGE3 Età: 35-44 = 1, 0 altrimenti 0,193 0,395 AGE4 Età: 45-55 = 1, 0 altrimenti 0,160 0,367 AGE5 Età: >55 = 1, 0 altrimenti 0,318 0,466 EDU1 Istruzione: frequenza sup.o inf. = 1, 0 altrimenti 0,116 0,321 EDU2 Istruzione: diploma scuola sup. = 1, 0 altrimenti 0,390 0,488 EDU3 Istruzione: frequenza univ., laurea, post-laurea = 1, 0 altrimenti 0,484 0,500 FAM Componenti nucleo familiare: 1-10 3,119 1,431 MIN Componenti minorenni: 0-5 0,500 0,840 MIN5 Componenti con età <5 anni: 0-5 0,528 0,771 JOB1 Dirigente/lavoro autonomo = 1, 0 altrimenti 0,276 0,447 JOB2 Impiegato = 1, 0 altrimenti 0,418 0,493 JOB3 Operaio = 1, 0 altrimenti 0,042 0,201 JOB4 Studente o casalinga 0,152 0,359 JOB5 Disoccupato/in cerca di occupazione 0,025 0,155 INC1 Reddito: < 10.100 € = 1, 0 altrimenti 0,097 0,296 INC2 10.100-20.500 = 1, 0 altrimenti 0,162 0,368 INC3 20.501-32.500 = 1, 0 altrimenti 0,299 0,458 INC4 32.501-49100 = 1, 0 altrimenti 0,222 0,416 INC5 49.100-63.800 = 1, 0 altrimenti 0,097 0,297 INC6 >63.800 = 1, 0 altrimenti 0,040 0,197 RES1 Area di residenza: case sparse/area rurale = 1, 0 altrimenti 0,193 0,395 RES2 Area di residenza: area urbana = 1, 0 altrimenti 0,490 0,500 ENV1 Indice di preoccupazione ambientale: 0-1 0,781 0,153 ENV2 Indice di coinvolgimento ambientale: 0-1 0,577 0,133 ENV3 Indice di comportamento eco-compatibile: 0-1 0,724 0,170 ENVORG Membro di associazione ambientalista = 1, 0 altrimenti 0,128 0,334 CONF1 Fiducia in ricercatori indipendenti: 1-5 2,284 1,270 CONF2 Fiducia in agenzie governative: 1-5 3,542 1,302 CONF3 Fiducia in ONG: 1-5 2,444 1,274 CONF4 Fiducia in organizzazioni dei consumatori: 1-5 2,763 1,218 ANWEL I biologici rispettano il benessere degli animali: 1-5 3,300 1,269 HEALTH I biologici sono migliori per la salute: 1-5 1,990 1,256 TASTE I biologici hanno un gusto migliore: 1-5 3,600 1,387 AGR I biologici sostengono l’agricoltura locale: 1-5 3,360 1,327 ENV I biologici preservano l’ambiente: 1-5 2,760 1,217 AVAIL Fattori di maggior consumo: maggior disponibilità, 1-4 2,760 0,879 LOWP Fattori di maggior consumo: prezzo più basso, 1-4 3,350 0,813 APPEAR Fattori di maggior consumo: aspetto migliore, 1-4 2,560 0,917 HEALTHTR Fattori di maggior consumo: maggior fiducia nei benefici per la salute, 1-4 3,080 0,835 ENVTR Fattori di maggior consumo: maggior fiducia nei benefici per l’ambiente, 1-4 3,070 0,821 CERTTR Fattori di maggior consumo: maggior fiducia nella certificazione, 1-4 3,250 0,830 LABEL1 Facilità di identificazione delle etichette 2,448 0,762 LABEL2 Facilità di comprensione delle etichette 2,432 0,725 BETTENV Biologici migliori per l’ambiente, non per la salute = 1, 0 altrimenti 0,499 0,500 BETTHEALTH Biologici migliori per la salute, non per l’ambiente = 1, 0 altrimenti 0,584 0,493

Tabella 2 – Caratteristiche socio-demografiche del campione. Campione Italia Genere:

Maschio 48,3% 48,0 Femmina 51,7% 52,0 Età:

18-24 anni 13,3% 8,8% 25-34 anni 19,7% 16,7% 35-44 anni 19,2% 19,6% 45-55 anni 16,0% 17,8% + 55 anni 31,8% 37,1% Stato civile Coniugato/convivente 62,3% 60,6% Single/genitore solo 12,2% Vive con genitori/familiari 22,4% Condivide abitazione con altri non familiari 3,1% Istruzione:

Frequenza scuola superiore o inferiore 11,7% Diploma di scuola superiore 39,0% 27,2% Formazione universitaria o post-laurea 48,4% 10,2% Preferisce non rispondere 0,9%

Situazione occupazionale:

Impiegato a tempo pieno o part time 63,2% Pensionato 14,6% Casalinga (o equivalente maschile) 5,4% In cerca di occupazione/disoccupato 2,5% Occupato, ma attualmente non al lavoro 1,0% Studente 9,8% Solo volontariato 0,4% Altro 3,1%

Occupazione:

Libera professione o insegnante 15,8% Dirigente 11,3% Lavoro in proprio nel commercio, nell’industria o in agricoltura 7,9% Dipendente salariato 53,0% Operaio 5,4% Altro 6,6%

Reddito:

< €10.100 9,6% €10.101 – €13.900 2,8% €13.901 – €17.100 5,1% €17.101 – €20.500 8,3% €20.501 – €24.100 9,5% €24.101 – €27.900 11,4% €27.901 – €32.500 9,1% €32.501 – €38.100 10,7% €38.101 – €49.100 11,6% €49.101 – €63.800 9,7% > €63.800 4,0% Non sa 3,2% Preferisce non rispondere 5,0%

Nucleo familiare:

1 persona 12,1% 2 persone 23,4% 3 persone 27,3% 4 persone 23,5% ≥5 13,7%

Minori:

0 67,1%

1 20,1%

2 9,6%

3 2,3%

>3 0,9%

Tabella 3 – Disponibilità a pagare degli intervistati: frequenze percentuali WTP

0% 1-5% 6-15% 16-30% 31-50% >50% Non so

Ortofrutticoli freschi 30,7% 32,8% 15,8% 4,6% 1,7% 1,1% 13,3%

Latte e latticini 31,8% 30,3% 16,3% 4,9% 1,5% 1,4% 13,8%

Uova 33,1% 30,7% 13,5% 4,8% 2,3% 1,6% 13,9%

Carne/pollame 30,6% 29,9% 16,0% 6,0% 2,5% 1,7% 13,4%

Prodotti a base di cereali 33,0% 30,4% 14,4% 4,8% 2,1% 1,7% 13,5%

Tabella 4 – Risultati dei modelli Logit stimati Variabili WTP1: ortofrutta WTP2: latticini WTP3: uova WTP4: carni WTP5: cereali β WALD β WALD β WALD β WALD β WALD Costante -2,454 3,242* -2,777 4,35** -1,753 1,681 -.714 0,288 -2,093 2,460 GEN 0,096 0,453 -0,040 0,077 0,054 ,141 -0,071 0,250 -0,052 0,134 MSTAT1 -0,163 0,670 -0,302 2,295 -0,245 1,519 -0,232 1,394 -0,243 1,550 MSTAT2 -0,080 0,065 -0,188 0,356 -0,063 ,040 -0,264 0,716 -0,150 0,234 AGE2 0,241 0,778 0,258 0,900 0,266 ,955 -0,054 0,040 0,208 0,598 AGE3 -0,151 0,245 -0,149 0,237 -0,070 ,052 -0,457 2,251 -0,064 0,044 AGE4 -0,269 0,750 -0,269 0,750 -0,195 ,391 -0,459 2,226 -0,189 0,373 AGE5 0,040 0,019 0,110 0,142 0,174 ,347 -0,128 0,194 0,158 0,299 EDU2 -0,054 0,048 -0,177 0,536 -0,037 ,023 -0,368 2,350 -0,297 1,504 EDU3 -0,263 1,152 -0,326 1,808 -0,213 ,755 -0,449 3,493* -0,326 1,811 FAM 0,037 0,242 0,036 0,226 -0,004 ,003 0,013 0,028 0,014 0,036 MIN -0,101 0,542 -0,108 0,626 -0,006 ,002 0,013 0,009 0,002 0,000 MIN5 0,211 1,179 0,364 3,554* 0,281 2,118 0,192 0,959 0,255 1,749 JOB1 0,318 1,402 0,629 5,458** 0,443 2,630* 0,455 2,895* 0,338 1,584 JOB2 0,422 2,599* 0,555 4,475** 0,528 3,877** 0,545 4,335** 0,326 1,553 JOB3 -0,418 0,807 -0,303 0,409 -0,331 ,457 -0,201 0,191 -0,537 1,339 JOB4 0,110 0,118 0,340 1,138 0,151 ,216 -0,092 0,081 0,100 0,098 JOB5 0,008 0,000 0,073 0,026 -0,064 ,019 0,270 0,363 -0,113 0,063 INC2 -0,255 1,075 0,039 0,025 -0,071 ,083 0,094 0,147 -0,176 0,527 INC3 0,286 1,870 0,327 2,439 0,386 3,342* 0,334 2,569 0,239 1,336 INC4 0,275 1,503 0,363 2,633* 0,133 ,349 0,219 0,975 0,201 0,825 INC5 0,345 1,776 0,474 3,377* 0,390 2,237 0,455 3,116* 0,264 1,046 INC6 0,413 1,126 0,294 0,571 0,273 ,482 0,076 0,037 -0,082 0,043 RES1 -0,250 1,522 -0,197 0,952 -0,031 ,022 -0,219 1,190 -0,051 0,066 RES2 -0,078 0,267 -0,056 0,138 -0,003 ,000 -0,157 1,088 -0,114 0,575 ENVORG 0,618 10,871*** 0,783 17,186*** 0,735 15,178*** 0,692 13,639*** 0,626 11,358*** BETTENV 0,265 2,879** 0,454 8,327*** 0,393 6,150*** 0,344 4,846** 0,360 5,338** BETTHEALTH 0,109 0,425 0,004 0,001 0,048 ,082 0,175 1,121 -0,053 0,101 ENV1 0,772 1,832* 0,976 2,935** 1,132 3,868** 1,201 4,450** 1,269 5,003** ENV2 0,162 0,081 0,013 0,001 0,005 ,000 -0,204 0,130 -0,016 0,001 ENV3 -0,069 0,020 -0,348 0,521 -0,098 ,040 -0,359 0,564 -0,428 0,809 CONF1 0,222 9,198*** 0,263 12,942*** 0,186 6,446*** 0,151 4,382** 0,265 13,461*** CONF2 0,161 4,595** 0,191 6,375*** 0,160 4,491*** 0,135 3,267** 0,193 6,663*** CONF3 0,130 3,423** 0,099 1,972 0,052 ,558 0,075 1,158 0,104 2,234* CONF4 0,191 5,464*** 0,148 3,342** 0,137 2,808** 0,120 2,208** 0,174 4,714** ANWEL 0,004 0,004 0,045 0,404 -0,032 ,191 -,050 0,485 0,000 ,000 HEALTH 0,110 2,182* 0,151 4,154** 0,091 1,499 ,146 3,950** 0,073 ,990 TASTE -0,051 0,634 -0,024 0,135 -0,079 1,466 -,073 1,330 -0,042 ,440 AGR 0,109 2,353* 0,110 2,392 0,068 ,905 ,107 2,310* 0,059 ,707 AVAIL 0,474 18,775*** 0,515 22,022*** 0,442 15,661*** ,405 14,107*** 0,497 20,791*** LOWP -0,524 19,463*** -0,657 30,482*** -0,546 20,718*** -,668 31,862*** -0,686 33,763*** APPEAR 0,293 9,998*** 0,296 10,184*** 0,357 14,209*** ,240 6,779*** 0,263 8,199*** HEALTHTR -0,112 0,570 -0,045 0,094 -0,119 ,638 -,091 ,394 -0,118 ,641 ENVTR -0,179 1,287 -0,076 0,228 -0,111 ,484 -,078 ,249 -0,083 ,277 CERTTR 0,165 1,743* 0,094 0,567 0,081 ,415 ,194 2,432* 0,205 2,799** LABEL1 0,259 3,699*** 0,241 3,264** 0,094 ,484 ,139 1,079 0,249 3,509** LABEL2 -0,092 0,438 -0,108 0,617 -0,096 ,473 -,014 ,010 -0,079 0,333 χ2=132,625 (Pr=0,00) χ2=169,083 (Pr=0,00) χ2=139,313 (Pr=0,00) χ2=146,438 (Pr=0,00) χ2=143,102 (Pr=0,00) Pseudo R2=0,15 Pseudo R2=0,19 Pseudo R2=0,16 Pseudo R2=0,17 Pseudo R2=0,16

*Coefficiente significativo al 90%. **Coefficiente significativo al 95%. ***Coefficiente significativo al 99%.

Tabella 5 - Effetti marginali delle variabili attitudinali WTP=0 WTP=1 WTP=2 WTP=3 WTP=4 WTP=5 WTP1: ortofrutta ENVORG -0,079 -0,069 0,082 0,041 0,016 0,008 BETTENV -0,040 -0,020 0,037 0,015 0,006 0,003 BETTHEALTH -0,016 -0,009 0,015 0,006 0,002 0,001 ENV1 -0,113 -0,064 0,107 0,044 0,017 0,008 ENV2 -0,024 -0,013 0,022 0,009 0,004 0,002 ENV3 0,010 0,006 -0,009 -0,004 -0,001 -0,001 CONF1 -0,032 -0,018 0,031 0,013 0,005 0,002 CONF2 -0,024 -0,013 0,022 0,009 0,004 0,002 CONF3 -0,019 -0,011 0,018 0,008 0,003 0,001 CONF4 -0,028 -0,016 0,026 0,011 0,004 0,002 ANWEL -0,001 -0,000 0,001 0,000 0,000 0,000 HEALTH -0,016 -0,009 0,015 0,006 0,002 0,001 TASTE 0,007 0,004 -0,007 -0,003 -0,001 -0,001 AGR -0,016 -0,009 0,015 0,006 0,002 0,001 AVAIL -0,069 -0,039 0,066 0,027 0,010 0,005 LOWP 0,077 0,043 -0,072 -0,030 -0,011 -0,006 APPEAR -0,043 -0,024 0,040 0,017 0,006 0,003 HEALTHTR 0,016 0,009 -0,015 -0,006 -0,002 -0,001 ENVTR 0,026 0,015 -0,025 -0,010 -0,004 -0,002 CERTTR -0,024 -0,014 0,023 0,010 0,004 0,002 LABEL1 -0,038 -0,021 0,036 0,015 0,006 0,003 LABEL2 0,013 0,008 -0,013 -0,005 -0,002 -0,001 WTP2: latticini ENVORG -0,102 -0,088 0,103 0,054 0,019 0,014 BETTENV -0,072 -,0319 0,065 0,025 0,008 0,006 BETTHEALTH -0,001 -0,000 0,001 0,000 0,000 0,000 ENV1 -0,150 -0,077 0,140 0,056 0,018 0,013 ENV2 -0,002 -0,001 0,002 0,001 0,000 0,000 ENV3 0,053 0,028 -0,050 -0,020 -0,006 -0,005 CONF1 -0,040 -0,021 0,038 0,015 0,005 0,003 CONF2 -0,029 -0,015 0,027 0,011 0,004 0,003 CONF3 -0,015 -0,008 0,014 0,006 0,002 0,001 CONF4 -0,023 -0,012 0,021 0,008 0,003 0,002 ANWEL -0,007 -0,004 0,007 0,003 0,001 0,001 HEALTH -0,023 -0,012 0,022 0,009 0,003 0,002 TASTE 0,004 0,002 -0,003 -0,001 -0,000 -0,000 AGR -0,017 -0,008 0,016 0,006 0,002 0,001 AVAIL -0,079 -0,041 0,074 0,030 0,010 0,007 LOWP 0,101 0,052 -0,094 -0,038 -0,012 -0,009 APPEAR -0,046 -0,023 0,043 0,017 0,005 0,004 HEALTHTR 0,007 0,004 -0,007 -0,003 -0,001 -0,001 ENVTR 0,012 0,006 -0,011 -0,004 -0,001 -0,001 CERTTR -0,014 -0,007 0,013 0,005 0,002 0,001 LABEL1 -0,037 -0,019 0,035 0,014 0,004 0,003 LABEL2 0,017 0,009 -0,016 -0,006 -0,002 -0,001

Tabella 5 - segue WTP=0 WTP=1 WTP=2 WTP=3 WTP=4 WTP=5 WTP3: uova ENVORG -0,106 -0,067 0,081 0,049 0,027 0,016 BETTENV -0,068 -0,018 0,046 0,022 0,011 0,007 BETTHEALTH -0,008 -0,003 0,006 0,003 0,001 0,001 ENV1 -0,190 -0,063 0,134 0,065 0,034 0,020 ENV2 -0,001 -0,000 0,001 0,000 0,000 0,000 ENV3 0,016 0,005 -0,012 -0,006 -0,003 -0,002 CONF1 -0,031 -0,010 0,022 0,011 0,006 0,003 CONF2 -0,027 -0,009 0,019 0,009 0,005 0,003 CONF3 -0,009 -0,003 0,006 0,003 0,002 0,001 CONF4 -0,023 -0,008 0,016 0,008 0,004 0,002 ANWEL 0,005 0,002 -0,004 -0,002 -0,001 -0,001 HEALTH -0,015 -0,005 0,011 0,005 0,003 0,002 TASTE 0,013 0,004 -0,009 -0,005 -0,002 -0,001 AGR -0,011 -0,004 0,008 0,004 0,002 0,001 AVAIL -0,074 -0,024 0,052 0,025 0,013 0,008 LOWP 0,092 0,030 -0,065 -0,031 -0,016 -0,009 APPEAR -0,060 -0,020 0,042 0,020 0,011 0,006 HEALTHTR 0,020 0,007 -0,014 -0,007 -0,004 -0,002 ENVTR 0,019 0,006 -0,013 -0,006 -0,003 -0,002 CERTTR -0,014 -0,004 0,010 0,005 0,002 0,001 LABEL1 -0,016 -0,005 0,011 0,005 0,003 0,002 LABEL2 0,016 0,005 -0,011 -0,005 -0,003 -0,002 WTP4: carni ENVORG -0,084 -0,086 0,074 0,055 0,025 0,016 BETTENV -0,050 -0,032 0,043 0,023 0,010 0,006 BETTHEALTH -0,025 -0,016 0,022 0,012 0,005 0,003 ENV1 -0,170 -0,119 0,148 0,084 0,036 0,022 ENV2 0,029 0,020 -0,025 -0,014 -0,006 -0,004 ENV3 0,051 0,035 -0,044 -0,025 -0,011 -0,006 CONF1 -0,021 -0,015 0,019 0,011 0,004 0,003 CONF2 -0,019 -0,013 0,017 0,009 0,004 0,002 CONF3 -0,011 -0,007 0,009 0,005 0,002 0,001 CONF4 -0,017 -0,012 0,015 0,008 0,004 0,002 ANWEL 0,007 0,005 -0,006 -0,003 -0,001 -0,001 HEALTH -0,021 -0,014 0,018 0,010 0,004 0,03 TASTE 0,010 0,007 -0,009 -0,005 -0,002 -0,001 AGR -0,015 -0,011 0,013 0,007 0,003 0,002 AVAIL -0,057 -0,040 0,050 0,028 0,012 0,007 LOWP 0,095 0,066 -0,082 -0,046 -0,020 -0,012 APPEAR -0,034 -0,024 0,030 0,017 0,007 0,004 HEALTHTR 0,013 0,009 -0,011 -0,006 -0,003 -0,002 ENVTR 0,011 0,008 -0,010 -0,005 -0,002 -0,001 CERTTR -0,028 -0,019 0,024 0,014 0,006 0,003 LABEL1 -0,020 -0,014 0,017 0,010 0,004 0,002 LABEL2 0,002 0,001 -0,002 -0,001 -0,000 -0,000

Tabella 5 – segue WTP5: prodotti a base di cereali ENVORG -0,090 -0,059 0,073 0,042 0,020 0,014 BETTENV -0,061 -0,020 0,045 0,021 0,009 0,006 BETTHEALTH 0,009 0,003 -0,007 -0,003 -0,001 -0,001 ENV1 -0,208 -0,081 0,158 0,075 0,034 0,022 ENV2 0,003 0,001 -0,002 -0,001 -0,000 -0,000 ENV3 0,070 0,027 -0,053 -0,025 -0,011 -0,008 CONF1 -0,044 -0,017 0,033 0,016 0,007 0,005 CONF2 -0,032 -0,012 0,024 0,011 0,005 0,003 CONF3 -0,017 -0,007 0,013 0,006 0,003 0,002 CONF4 -0,029 -0,011 0,022 0,010 0,005 0,003 ANWEL -0,000 -0,000 0,000 0,000 0,000 0,000 HEALTH -0,012 -0,005 0,009 0,004 0,002 0,001 TASTE 0,007 0,003 -0,005 -0,003 -0,001 -0,001 AGR -0,010 -0,004 0,007 0,004 0,002 0,001 AVAIL -0,082 -0,032 0,062 0,030 0,013 0,009 LOWP 0,113 0,044 -0,085 -0,041 -0,018 -0,012 APPEAR -0,043 -0,017 0,033 0,016 0,007 0,005 HEALTHTR 0,019 0,008 -0,015 -0,007 -0,003 -0,002 ENVTR 0,014 0,005 -0,010 -0,005 -0,002 -0,001 CERTTR -0,034 -0,013 0,026 0,012 0,005 0,004 LABEL1 -0,041 -0,016 0,031 0,015 0,007 0,004 LABEL2 0,013 0,005 -0,010 -0,005 -0,002 -0,001