城市生活垃圾產(chǎn)生量的影響因素分析

趙 艷，葛新權(quán)，李曉非

（北京信息科技大學(xué) 經(jīng)濟(jì)管理學(xué)院，北京 100192）

城市生活垃圾產(chǎn)生量的影響因素分析

趙 艷，葛新權(quán)，李曉非

（北京信息科技大學(xué) 經(jīng)濟(jì)管理學(xué)院，北京 100192）

文章選取城鎮(zhèn)人口、GDP、城市建成區(qū)面積、人均可支配收入、人均消費(fèi)性支出5個(gè)典型因素作為影響城市生活垃圾產(chǎn)生量的自變量，利用2003—2013年我國31個(gè)省級行政單位的面板數(shù)據(jù)，建立面板數(shù)據(jù)回歸模型，回歸結(jié)果表明：以上5個(gè)自變量均會(huì)對城市生活垃圾產(chǎn)生量造成影響。在此之上，又進(jìn)一步分省進(jìn)行逐步回歸，考察各個(gè)影響因素對于不同地區(qū)的影響。分省回歸的結(jié)果表明：不同省份生活垃圾產(chǎn)生量的顯著性影響因素存在差異，且同一影響因素對各個(gè)省份的生活垃圾的影響方式存在差異。

生活垃圾產(chǎn)生量；面板數(shù)據(jù)；逐步回歸

0 引言

2013年底，我國城市生活垃圾清運(yùn)量達(dá)到17238.6萬噸，并以1.53%的年平均同比增長速度向上攀升，不斷增長的垃圾堆存量使我國2/3的城市陷入“垃圾圍城”困境。因此，垃圾減量化問題成為城市建設(shè)及可持續(xù)性發(fā)展中不容忽視的重要問題。

近幾年，國內(nèi)外專家學(xué)者從不同角度對生活垃圾產(chǎn)生量的影響因素做了大量的研究。以國家或單個(gè)城市為對象的研究表明，GDP、城鎮(zhèn)人口、社會(huì)消費(fèi)品零售總額等都與生活垃圾產(chǎn)生量緊密相關(guān)[1，2]。以多個(gè)城市為對象的研究相對較少，何德文等[3]曾就單個(gè)影響因素對國內(nèi)幾個(gè)典型的大中城市分別分析，發(fā)現(xiàn)個(gè)體文化程度、居民生活水平等都對生活垃圾產(chǎn)生量具有顯著影響。以上研究，僅從微觀的個(gè)體層面分析城市生活垃圾產(chǎn)生量的影響因素，并未出現(xiàn)城市間的橫向比較。本文選取全國31個(gè)省級行政單位11年的生活垃圾清運(yùn)量及各影響因素?cái)?shù)據(jù)，構(gòu)建面板數(shù)據(jù)回歸模型，將各影響因素和生活垃圾清運(yùn)量進(jìn)行擬合，驗(yàn)證各影響因素對生活垃圾產(chǎn)生量的影響作用。

1 研究設(shè)計(jì)

1.1 研究變量的選取

綜合全國31個(gè)省級行政單位的共性特征，本文僅從內(nèi)在因素和自然因素中選取5個(gè)當(dāng)前較為普遍、典型的因素進(jìn)行初步分析。選擇依據(jù)如下：

（1）城鎮(zhèn)人口：隨著城鎮(zhèn)化的不斷推進(jìn)，城市個(gè)數(shù)和城市規(guī)模不斷加大，城鎮(zhèn)人口不斷增多。研究表明，在其他條件不變的情況下，城市人口的增加必然引起垃圾量的增加[4,5]。

（2）GDP：可以用來衡量一個(gè)地區(qū)的經(jīng)濟(jì)發(fā)展水平高低。隨著經(jīng)濟(jì)發(fā)展水平的不斷提高，生活中可選擇的消費(fèi)品種類日益繁多，消費(fèi)的同時(shí)也帶來了更多生活垃圾的產(chǎn)生。

（3）人均可支配收入：該指標(biāo)常用來衡量一個(gè)地區(qū)生活水平的變化情況。研究表明城市居民經(jīng)濟(jì)收入和生活水平的提高，直接影響著生活垃圾的成分。

（4）人均消費(fèi)性支出：消費(fèi)支出的數(shù)量、購買商品或服務(wù)的種類與垃圾產(chǎn)生量息息相關(guān)。張玨等[6]研究表明，人均消費(fèi)性支出對垃圾產(chǎn)生量影響較大。

（5）城市建成區(qū)面積：可以用來衡量城市建設(shè)水平的高低。建成區(qū)面積越大清掃面積則越大，對垃圾產(chǎn)生量具有顯著影響作用[7]。

1.2 研究方法的選擇

由于本文需要研究在截面上全國31個(gè)省級行政單位6個(gè)指標(biāo)2003—2013年的時(shí)序數(shù)據(jù)，意圖從宏觀上把握回歸擬合關(guān)系，并驗(yàn)證各省之間回歸方程存在的差異性。因此，選取面板數(shù)據(jù)模型進(jìn)行分析。

因面板數(shù)據(jù)模型僅能從截距上反應(yīng)各省的差異狀況，不能具體反映出各影響因素對不同省份的影響差異，所以本文在驗(yàn)證影響因素對生活垃圾產(chǎn)生量的影響后，又進(jìn)一步分省進(jìn)行逐步回歸。逐步回歸中采取“先進(jìn)后出”的原則。

如此便可以得到各省的最優(yōu)回歸模型，從而得出分省的差異化影響因素，便于提出分省的差異化垃圾減量政策建議。

1.3 數(shù)據(jù)的選擇與處理

本文選取了全國31個(gè)省級行政單位2003—2013年的數(shù)據(jù)。其中，GDP、城鎮(zhèn)人口、人均可支配收入、人均消費(fèi)性支出、城市建成區(qū)面積5個(gè)因變量指標(biāo)數(shù)據(jù)來自國家統(tǒng)計(jì)局，垃圾清運(yùn)量數(shù)據(jù)來自2004—2014年《中國統(tǒng)計(jì)年鑒》。

由于城鎮(zhèn)人口和建成區(qū)面積兩個(gè)指標(biāo)的數(shù)據(jù)部分年份有缺失，首先對該缺失數(shù)據(jù)采取插補(bǔ)法進(jìn)行補(bǔ)齊。而兩個(gè)指標(biāo)均具有線性趨勢，所以采用二次指數(shù)平滑預(yù)測法對單個(gè)指標(biāo)數(shù)據(jù)進(jìn)行插補(bǔ)，完善數(shù)據(jù)結(jié)構(gòu)。

2 研究過程

2.1 面板數(shù)據(jù)模型分析

首先，將5個(gè)影響因子放入面板數(shù)據(jù)模型與垃圾清運(yùn)量指標(biāo)進(jìn)行擬合，采用面板數(shù)據(jù)的EGLS方法進(jìn)行估計(jì)，得到以下結(jié)果，見表1。本文涉及的數(shù)據(jù)處理過程均通過Eviews8.0操作完成。

表1 面板數(shù)據(jù)模型相關(guān)檢驗(yàn)數(shù)據(jù)

R2=0.995186，比較接近于1，F(xiàn)檢驗(yàn)值可能性為0，說明模型擬合效果較好。但是每個(gè)城市的常數(shù)估計(jì)系數(shù)都不相同，說明各省垃圾產(chǎn)生量受5個(gè)因素共同影響，但是難以看到各影響因素的影響差異大小。根據(jù)研究設(shè)計(jì)方案下一步將進(jìn)行分省逐步回歸，找出各省的差異化影響因素。

（1）面板數(shù)據(jù)的單位根檢驗(yàn)

為避免偽回歸的出現(xiàn)，通常在回歸前應(yīng)對數(shù)據(jù)的平穩(wěn)性進(jìn)行檢驗(yàn)。由于本文所用面板數(shù)據(jù)包含31個(gè)截面11期（N＞T），根據(jù)單位根檢驗(yàn)的同質(zhì)性假設(shè)和漸進(jìn)性假設(shè)，本文采用LLC檢驗(yàn)、Breitung檢驗(yàn)、Fisher－ADF檢驗(yàn)和Fisher－PP檢驗(yàn)。檢驗(yàn)結(jié)果如表2所示。

表2 單位根檢驗(yàn)結(jié)果

通過單位根檢驗(yàn)發(fā)現(xiàn)，LJQYL、CZRK、GDP、JCQMJ、KZPSR、XFXZC的水平值均是非平穩(wěn)變量，經(jīng)過一階差分后5項(xiàng)檢驗(yàn)均拒絕了原假設(shè)，說明一階差分后變量變得平穩(wěn)。除了△JCQMJ的Breitung的檢驗(yàn)值略高以外，其他均通過檢驗(yàn)，可以認(rèn)為LJQYL、CZRK、GDP、JCQMJ、KZPSR、XFXZC同樣為一階單整變量，可以放進(jìn)面板數(shù)據(jù)的回歸模型。

（2）面板數(shù)據(jù)的協(xié)整檢驗(yàn)

若變量同階單整，則可以進(jìn)行協(xié)整檢驗(yàn)以驗(yàn)證變量之間是否存在長期穩(wěn)定關(guān)系。本文中采用Pedroni檢驗(yàn)，其零假設(shè)為不存在協(xié)整，如表3所示。

表3 面板數(shù)據(jù)的Pedroni協(xié)整檢驗(yàn)結(jié)果

從表3可以看出，在5%的置信水平下，Panel-PP、Panel-ADF、Group-PP和Group-ADF統(tǒng)計(jì)量均顯著拒絕了原假設(shè)，其余3個(gè)則無法拒絕。但Pedroni檢驗(yàn)的Monte-Carlo模擬實(shí)驗(yàn)結(jié)果顯示，在小樣本條件下，組間統(tǒng)計(jì)量比組內(nèi)統(tǒng)計(jì)量有更好的檢驗(yàn)力度，Panel－ADF和Group－ADF統(tǒng)計(jì)量有著較好的小樣本性質(zhì)，Panel－PP和Group－PP統(tǒng)計(jì)量次之，其他則較差（Pedroni，1997）[8]。因此，本文主要考慮Panel－PP、Panel－ADF、Group－PP和Group－ADF 4個(gè)統(tǒng)計(jì)量。由此，本文可以得出結(jié)論認(rèn)為該面板數(shù)據(jù)的變量之間存在長期協(xié)整關(guān)系。

2.2 分省逐步回歸

下面以北京市為例，建立多元線性回歸方程。

依照判斷變量進(jìn)入回歸模型的原則，經(jīng)過多次驗(yàn)證，最終北京市選出了城市建成區(qū)面積，人均可支配收入和人均消費(fèi)性支出3個(gè)因素進(jìn)入回歸模型。具體模型為：

式中，Y為垃圾清運(yùn)量、JCQMJ為城市建成區(qū)面積、KZPSR為人均可支配收入、XFXZC為人均消費(fèi)性支出。常數(shù)項(xiàng)以及其他變量因素在模型優(yōu)化中均被排除。模型檢驗(yàn)的相關(guān)數(shù)據(jù)如表4所示。

表4 多元回歸模型相關(guān)檢驗(yàn)數(shù)據(jù)

R2=0.945332,比較接近1說明模型擬合程度越高。在5%的置信水平下，t檢驗(yàn)對應(yīng)的p值均小于顯著性水平說明通過t檢驗(yàn)。如模型擬合圖1所示（見下頁）。

如圖1可知，模型的擬合程度較好，3個(gè)變量可用來解釋垃圾清運(yùn)量。結(jié)合現(xiàn)狀，北京市作為國家政治、經(jīng)濟(jì)、文化交流中心，隨著建成區(qū)面積的增加將會(huì)帶動(dòng)更多的人口聚居此地，進(jìn)而會(huì)帶來垃圾量的增加。并且隨著人均可支配收入的增加，人們用于衣食住行的花銷越來越多，不可避免產(chǎn)生更多的生活垃圾。然而因?yàn)殡S著生活水平的提高，人們的消費(fèi)結(jié)構(gòu)發(fā)生了重要變化，更多地傾向于娛樂、健康等方面，因此，人均消費(fèi)性支出與生活垃圾的增長量呈反向趨勢。

圖1 北京市垃圾清運(yùn)量線性回歸方程擬合效果圖

然后依次建立其他省市的多元線性回歸模型，提取出各省進(jìn)入最優(yōu)模型的自變量，歸類匯總，見表5，其中甘肅和內(nèi)蒙古兩省可能由于自身數(shù)據(jù)存在缺陷，擬合不到最優(yōu)的回歸模型，因此在匯總表里未顯示。

表5 各影響因素的分省匯總

經(jīng)過實(shí)證分析，得到各省的回歸模型，并提取了相應(yīng)的影響因子，以上省份的回歸模型均通過F檢驗(yàn)和t檢驗(yàn)，模型擬合效果較好。

3 研究結(jié)論

3.1 影響各省生活垃圾產(chǎn)生量不斷攀升的因素有所不同

實(shí)證分析結(jié)果表明，不同區(qū)域間垃圾產(chǎn)生量影響因素的差異性很大，見表5。例如貴州省，僅對城鎮(zhèn)人口指標(biāo)反應(yīng)敏感，因?yàn)?013年貴州省城鎮(zhèn)化水平剛達(dá)到37.8%，處于全國城鎮(zhèn)化水平較低行列，隨著城鎮(zhèn)化水平的不斷推進(jìn)，該省存在較大的城鎮(zhèn)人口增加潛力，城鎮(zhèn)人口增加所帶了的城市生活垃圾的增加相對于其他指標(biāo)具有更大的影響作用。而北京市，同時(shí)受城市建成區(qū)面積、人均可支配收入、人均消費(fèi)性支出的影響，原因前文已闡釋，這里不再贅述。

3.2 城鎮(zhèn)人口因素對城鎮(zhèn)化水平較低的省份影響較大

在表5中，貴州、江西、青海、四川等省2013年的城鎮(zhèn)化水平尚未達(dá)到50%，低于2013年我國整體城鎮(zhèn)化率3.73個(gè)百分點(diǎn)，湖北省城鎮(zhèn)化水平也僅為54.51%。隨著城鎮(zhèn)化水平的不斷提高，將會(huì)帶動(dòng)更多的農(nóng)業(yè)人口轉(zhuǎn)移為城鎮(zhèn)人口，并且在進(jìn)行城鎮(zhèn)建設(shè)的過程中吸納更多的勞動(dòng)力，從而加快城市資源的消耗，產(chǎn)生更多的生活垃圾。因此，城鎮(zhèn)人口的潛在激增是導(dǎo)致這些省份生活垃圾不斷增長的重要影響因素。

其中，上海市近幾年隨著城鎮(zhèn)人口的不斷增多，城市所需的服務(wù)也不斷加大，帶動(dòng)了更多的外來人口聚集，生活垃圾產(chǎn)生量不斷增多。而寧夏、重慶兩地，可能由于人口流動(dòng)性較大，很多城鎮(zhèn)人口去異地經(jīng)商或打工，導(dǎo)致城鎮(zhèn)人口指標(biāo)與生活垃圾產(chǎn)生量呈現(xiàn)反向趨勢。

3.3 GDP對不同經(jīng)濟(jì)發(fā)展水平省份的影響趨勢存在差異

對于一些經(jīng)濟(jì)發(fā)展水平較低的省份，如西藏、寧夏、江西、陜西等省由于GDP水平較低，尚存在很大發(fā)展空間，尤其是第三產(chǎn)業(yè)正在逐步成為該地區(qū)GDP增加的主要力量。另外，遼寧、浙江兩省隨著經(jīng)濟(jì)發(fā)展水平的不斷提高，服務(wù)業(yè)會(huì)得到更加充分的發(fā)展，生活垃圾產(chǎn)生量也將不斷增加。

對于一些經(jīng)濟(jì)發(fā)展水平較高的省份則呈現(xiàn)了相反的趨勢，即隨著GDP的不斷增加垃圾產(chǎn)生量出現(xiàn)下降趨勢，這種現(xiàn)象符合環(huán)境庫茲涅茨曲線（EKC）的特征，該理論認(rèn)為隨著經(jīng)濟(jì)增長，環(huán)境污染程度會(huì)先上升后下降，呈現(xiàn)一個(gè)倒“U”型趨勢。廖傳惠[9]曾用人均GDP與生活垃圾排放量進(jìn)行EKC曲線的擬合，結(jié)果發(fā)現(xiàn)呈現(xiàn)“N”型增長趨勢；而楊凱等[10]則發(fā)現(xiàn)上海城區(qū)廢棄物增長與人均GDP之間存在比較明顯的EKC二次曲線特征。這說明GDP水平的高低對垃圾產(chǎn)生量會(huì)產(chǎn)生一定的影響，但具體會(huì)促進(jìn)還是減弱則因各省而異。在本文的論證結(jié)果中，上海、福建、海南、河北、吉林、云南等省級行政單位則出響現(xiàn)了反向的影效果，根據(jù)以上理論，這些省份的GDP水平已達(dá)到了各自垃圾產(chǎn)生量的拐點(diǎn)，且正處于下降趨勢當(dāng)中。

3.4 城市建成區(qū)面積對中東部地區(qū)影響顯著，西部地區(qū)影響較小

在城市建成區(qū)面積的影響中，北京、山西、黑龍江、河南、湖北、安徽等地均呈現(xiàn)了較為明顯的正向趨勢。城市建成區(qū)面積的增加一方面為容納更多的常住或者流動(dòng)人口提供了物質(zhì)基礎(chǔ)，另一方面也反應(yīng)了城市建設(shè)水平的提高。居住人口和基礎(chǔ)設(shè)施建設(shè)的增加必然會(huì)帶來生活垃圾的增多。而西部地區(qū)諸如四川、寧夏等省雖然在回歸方程中也表現(xiàn)出了一定的影響作用，但不太顯著，可以作為次級影響因素考慮。

其中，湖南、遼寧、陜西等省出現(xiàn)了反向的趨勢，原因來自城區(qū)改造進(jìn)程的加快，使得原來老城區(qū)忽視垃圾分類、垃圾減量意識(shí)淡薄的情況被現(xiàn)代化新城區(qū)取代，配套的垃圾分類設(shè)施和良好的宣傳使得居民逐漸減少生活垃圾的產(chǎn)生。

3.5 人均可支配收入對不同省份的差異影響因各省的支撐產(chǎn)業(yè)而異

在服務(wù)業(yè)較為發(fā)達(dá)的省份，隨著人均可支配收入的增加垃圾產(chǎn)生量也會(huì)增加，例如北京、湖南、山東、天津等，由于人們正常衣食住行消費(fèi)的增加，會(huì)直接導(dǎo)致餐廚垃圾和廢棄物的增多。當(dāng)然，廣西、海南、青海、云南等省在旅游業(yè)的帶動(dòng)下，人口的流動(dòng)性較大，可支配收入用于日用品的消費(fèi)也逐漸增多，垃圾量隨之上漲。但在以農(nóng)牧業(yè)為主的西部地區(qū)可能會(huì)相反，例如寧夏、四川、新疆、西藏等省，當(dāng)人們生活水平偏低時(shí)，人均可支配收入的稍微增加不會(huì)帶來巨大的生活用品消費(fèi)需求，人們更愿意將增加的收入用于住房設(shè)施的購置、家用設(shè)備的添置等，對垃圾量的產(chǎn)生具有較小的影響，甚至有反向影響作用。對于黑龍江、安徽、廣東等省，隨著新型工業(yè)的改革，更多的清潔產(chǎn)業(yè)被廣泛應(yīng)用，人們的綠色消費(fèi)支出比重逐漸增加，垃圾量反而會(huì)相對減少。

3.6 人均消費(fèi)性支出與人均可支配收入是一對調(diào)節(jié)因素，對某些省份的影響作用表現(xiàn)為此消彼長

由表5可知，人均消費(fèi)性支出與人均可支配收入是一對互相的調(diào)節(jié)因素，在對垃圾產(chǎn)生量的影響作用方面表現(xiàn)為此消彼長。例如，北京、廣東、海南、青海、新疆、云南等都表現(xiàn)了該趨勢，這也合乎常理。對于經(jīng)濟(jì)較為發(fā)達(dá)的省份情況與北京市相似，對于經(jīng)濟(jì)欠發(fā)達(dá)的省份，人均可支配收入的稍微增加不會(huì)帶來低值易耗品的大量需求，而人均消費(fèi)性支出的增加不會(huì)使人們直接追求更高層次的旅游、養(yǎng)生保健等消費(fèi)，卻會(huì)直接體現(xiàn)在食品、衣物等的消費(fèi)上，從而造成生活垃圾的不斷增加。

另外，江蘇、福建、重慶等省隨著人均消費(fèi)性支出的增加，繼續(xù)表現(xiàn)為社會(huì)消費(fèi)品需求的增加，垃圾產(chǎn)生量也在不斷增加。而湖北、江西、陜西、山西等省則由于各自消費(fèi)結(jié)構(gòu)的不同表現(xiàn)為反向影響作用。

[1]Sokka L，Antikainen R，Kauppi P E.Municipal Solid Waste Produc?tion and Composition in Finland-Changes in the Period 1960—2002 and Prospects Until 2020[J].Resources Conservation and Recycling，2007，50(4).

[2]康潔,郭蓓.西安生活垃圾排放量影響因素分析及灰色預(yù)測研究[J].環(huán)境科學(xué)與管理,2011，(12).

[3]何德文,金艷,柴立元,彭兵,閔小波,王云燕.國內(nèi)大中城市生活垃圾產(chǎn)生量與成分的影響因素分析[J].環(huán)境衛(wèi)生工程,2005，(4).

[4]Liu C,Wu X W.Factors Influencing Municipal Solid Waste Generation in China:A Multiple Statistical Analysis Study[J].Waste Management and Research,2011.

[5]王婷.人口增長、收入水平與城市環(huán)境[J].中國人口·資源與環(huán)境, 2012，(4).

[6]張玨,張建強(qiáng).基于灰色理論與BP神經(jīng)網(wǎng)絡(luò)預(yù)測成都市生活垃圾產(chǎn)生量[J].環(huán)境科學(xué)與管理,2012，(8).

[7]徐榮菊.深圳城市生活垃圾產(chǎn)生量預(yù)測及南山區(qū)垃圾處理路線設(shè)計(jì)[D].武漢：華中師范大學(xué),2013.

[8]Pedroni,P.Panel Cointegration:Asymptotic and Finite Sample Proper?ties of Pooled Time Series Tests with an Application to the PPP Hy?pothesis:New Results[R].Indiana University Working Paper in Eco?nomics,1997.

[9]廖傳惠.中國城市生活垃圾EKC曲線特征及其成因分析[J].城市發(fā)展研究,2013，(12).

[10]楊凱,葉茂,徐啟新.上海城市廢棄物增長的環(huán)境庫茲涅茨特征研究[J].地理研究,2003，(1).

[11]Wu Y C,Xu L F.Analysis of the barrier Factors of Municipal Solid Waste Classification Recycling[J].Advanced Materials Research, 2013.

[12]王樹文,文學(xué)娜,秦龍.中國城市生活垃圾公眾參與管理與政府管制互動(dòng)模型構(gòu)建[J].1中國人口·資源與環(huán)境,2014，(4).

（責(zé)任編輯/易永生）

F205

A

1002-6487（2016）23-0091-04

國家自然科學(xué)基金資助項(xiàng)目（71373030）；北京市社會(huì)科學(xué)基金資助項(xiàng)目（13JGB044）

趙 艷（1989—），女，河南商丘人，碩士，研究方向：循環(huán)經(jīng)濟(jì)。

（通訊作者）葛新權(quán)（1957—），男，安徽蚌埠人，教授，博士生導(dǎo)師，研究方向：循環(huán)經(jīng)濟(jì)、數(shù)量經(jīng)濟(jì)。李曉非（1978—），男，吉林延吉人，博士，副教授，研究方向：資源循環(huán)管理。