城市生活垃圾產生量的影響因素分析

趙 艷，葛新權，李曉非

（北京信息科技大學 經濟管理學院，北京 100192）

城市生活垃圾產生量的影響因素分析

趙 艷，葛新權，李曉非

（北京信息科技大學 經濟管理學院，北京 100192）

文章選取城鎮人口、GDP、城市建成區面積、人均可支配收入、人均消費性支出5個典型因素作為影響城市生活垃圾產生量的自變量，利用2003—2013年我國31個省級行政單位的面板數據，建立面板數據回歸模型，回歸結果表明：以上5個自變量均會對城市生活垃圾產生量造成影響。在此之上，又進一步分省進行逐步回歸，考察各個影響因素對于不同地區的影響。分省回歸的結果表明：不同省份生活垃圾產生量的顯著性影響因素存在差異，且同一影響因素對各個省份的生活垃圾的影響方式存在差異。

生活垃圾產生量；面板數據；逐步回歸

0 引言

2013年底，我國城市生活垃圾清運量達到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及可持續性發展中不容忽視的重要問題。

近幾年，國內外專家學者從不同角度對生活垃圾產生量的影響因素做了大量的研究。以國家或單個城市為對象的研究表明，GDP、城鎮人口、社會消費品零售總額等都與生活垃圾產生量緊密相關[1，2]。以多個城市為對象的研究相對較少，何德文等[3]曾就單個影響因素對國內幾個典型的大中城市分別分析，發現個體文化程度、居民生活水平等都對生活垃圾產生量具有顯著影響。以上研究，僅從微觀的個體層面分析城市生活垃圾產生量的影響因素，并未出現城市間的橫向比較。本文選取全國31個省級行政單位11年的生活垃圾清運量及各影響因素數據，構建面板數據回歸模型，將各影響因素和生活垃圾清運量進行擬合，驗證各影響因素對生活垃圾產生量的影響作用。

1 研究設計

1.1 研究變量的選取

綜合全國31個省級行政單位的共性特征，本文僅從內在因素和自然因素中選取5個當前較為普遍、典型的因素進行初步分析。選擇依據如下：

（1）城鎮人口：隨著城鎮化的不斷推進，城市個數和城市規模不斷加大，城鎮人口不斷增多。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：可以用來衡量一個地區的經濟發展水平高低。隨著經濟發展水平的不斷提高，生活中可選擇的消費品種類日益繁多，消費的同時也帶來了更多生活垃圾的產生。

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

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

（5）城市建成區面積：可以用來衡量城市建設水平的高低。建成區面積越大清掃面積則越大，對垃圾產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個省級行政單位6個指標2003—2013年的時序數據，意圖從宏觀上把握回歸擬合關系，并驗證各省之間回歸方程存在的差異性。因此，選取面板數據模型進行分析。

因面板數據模型僅能從截距上反應各省的差異狀況，不能具體反映出各影響因素對不同省份的影響差異，所以本文在驗證影響因素對生活垃圾產生量的影響后，又進一步分省進行逐步回歸。逐步回歸中采取“先進后出”的原則。

如此便可以得到各省的最優回歸模型，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 數據的選擇與處理

本文選取了全國31個省級行政單位2003—2013年的數據。其中，GDP、城鎮人口、人均可支配收入、人均消費性支出、城市建成區面積5個因變量指標數據來自國家統計局，垃圾清運量數據來自2004—2014年《中國統計年鑒》。

由于城鎮人口和建成區面積兩個指標的數據部分年份有缺失，首先對該缺失數據采取插補法進行補齊。而兩個指標均具有線性趨勢，所以采用二次指數平滑預測法對單個指標數據進行插補，完善數據結構。

2 研究過程

2.1 面板數據模型分析

首先，將5個影響因子放入面板數據模型與垃圾清運量指標進行擬合，采用面板數據的EGLS方法進行估計，得到以下結果，見表1。本文涉及的數據處理過程均通過Eviews8.0操作完成。

表1 面板數據模型相關檢驗數據

R2=0.995186，比較接近于1，F檢驗值可能性為0，說明模型擬合效果較好。但是每個城市的常數估計系數都不相同，說明各省垃圾產生量受5個因素共同影響，但是難以看到各影響因素的影響差異大小。根據研究設計方案下一步將進行分省逐步回歸，找出各省的差異化影響因素。

（1）面板數據的單位根檢驗

為避免偽回歸的出現，通常在回歸前應對數據的平穩性進行檢驗。由于本文所用面板數據包含31個截面11期（N＞T），根據單位根檢驗的同質性假設和漸進性假設，本文采用LLC檢驗、Breitung檢驗、Fisher－ADF檢驗和Fisher－PP檢驗。檢驗結果如表2所示。

表2 單位根檢驗結果

通過單位根檢驗發現，LJQYL、CZRK、GDP、JCQMJ、KZPSR、XFXZC的水平值均是非平穩變量，經過一階差分后5項檢驗均拒絕了原假設，說明一階差分后變量變得平穩。除了△JCQMJ的Breitung的檢驗值略高以外，其他均通過檢驗，可以認為LJQYL、CZRK、GDP、JCQMJ、KZPSR、XFXZC同樣為一階單整變量，可以放進面板數據的回歸模型。

（2）面板數據的協整檢驗

若變量同階單整，則可以進行協整檢驗以驗證變量之間是否存在長期穩定關系。本文中采用Pedroni檢驗，其零假設為不存在協整，如表3所示。

表3 面板數據的Pedroni協整檢驗結果

從表3可以看出，在5%的置信水平下，Panel-PP、Panel-ADF、Group-PP和Group-ADF統計量均顯著拒絕了原假設，其余3個則無法拒絕。但Pedroni檢驗的Monte-Carlo模擬實驗結果顯示，在小樣本條件下，組間統計量比組內統計量有更好的檢驗力度，Panel－ADF和Group－ADF統計量有著較好的小樣本性質，Panel－PP和Group－PP統計量次之，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個統計量。由此，本文可以得出結論認為該面板數據的變量之間存在長期協整關系。

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。

依照判斷變量進入回歸模型的原則，經過多次驗證，最終北京市選出了城市建成區面積，人均可支配收入和人均消費性支出3個因素進入回歸模型。具體模型為：

式中，Y為垃圾清運量、JCQMJ為城市建成區面積、KZPSR為人均可支配收入、XFXZC為人均消費性支出。常數項以及其他變量因素在模型優化中均被排除。模型檢驗的相關數據如表4所示。

表4 多元回歸模型相關檢驗數據

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檢驗對應的p值均小于顯著性水平說明通過t檢驗。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個變量可用來解釋垃圾清運量。結合現狀，北京市作為國家政治、經濟、文化交流中心，隨著建成區面積的增加將會帶動更多的人口聚居此地，進而會帶來垃圾量的增加。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，不可避免產生更多的生活垃圾。然而因為隨著生活水平的提高，人們的消費結構發生了重要變化，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，提取出各省進入最優模型的自變量，歸類匯總，見表5，其中甘肅和內蒙古兩省可能由于自身數據存在缺陷，擬合不到最優的回歸模型，因此在匯總表里未顯示。

表5 各影響因素的分省匯總

經過實證分析，得到各省的回歸模型，并提取了相應的影響因子，以上省份的回歸模型均通過F檢驗和t檢驗，模型擬合效果較好。

3 研究結論

3.1 影響各省生活垃圾產生量不斷攀升的因素有所不同

實證分析結果表明，不同區域間垃圾產生量影響因素的差異性很大，見表5。例如貴州省，僅對城鎮人口指標反應敏感，因為2013年貴州省城鎮化水平剛達到37.8%，處于全國城鎮化水平較低行列，隨著城鎮化水平的不斷推進，該省存在較大的城鎮人口增加潛力，城鎮人口增加所帶了的城市生活垃圾的增加相對于其他指標具有更大的影響作用。而北京市，同時受城市建成區面積、人均可支配收入、人均消費性支出的影響，原因前文已闡釋，這里不再贅述。

3.2 城鎮人口因素對城鎮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年的城鎮化水平尚未達到50%，低于2013年我國整體城鎮化率3.73個百分點，湖北省城鎮化水平也僅為54.51%。隨著城鎮化水平的不斷提高，將會帶動更多的農業人口轉移為城鎮人口，并且在進行城鎮建設的過程中吸納更多的勞動力，從而加快城市資源的消耗，產生更多的生活垃圾。因此，城鎮人口的潛在激增是導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人口的不斷增多，城市所需的服務也不斷加大，帶動了更多的外來人口聚集，生活垃圾產生量不斷增多。而寧夏、重慶兩地，可能由于人口流動性較大，很多城鎮人口去異地經商或打工，導致城鎮人口指標與生活垃圾產生量呈現反向趨勢。

3.3 GDP對不同經濟發展水平省份的影響趨勢存在差異

對于一些經濟發展水平較低的省份，如西藏、寧夏、江西、陜西等省由于GDP水平較低，尚存在很大發展空間，尤其是第三產業正在逐步成為該地區GDP增加的主要力量。另外，遼寧、浙江兩省隨著經濟發展水平的不斷提高，服務業會得到更加充分的發展，生活垃圾產生量也將不斷增加。

對于一些經濟發展水平較高的省份則呈現了相反的趨勢，即隨著GDP的不斷增加垃圾產生量出現下降趨勢，這種現象符合環境庫茲涅茨曲線（EKC）的特征，該理論認為隨著經濟增長，環境污染程度會先上升后下降，呈現一個倒“U”型趨勢。廖傳惠[9]曾用人均GDP與生活垃圾排放量進行EKC曲線的擬合，結果發現呈現“N”型增長趨勢；而楊凱等[10]則發現上海城區廢棄物增長與人均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生量會產生一定的影響，但具體會促進還是減弱則因各省而異。在本文的論證結果中，上海、福建、海南、河北、吉林、云南等省級行政單位則出響現了反向的影效果，根據以上理論，這些省份的GDP水平已達到了各自垃圾產生量的拐點，且正處于下降趨勢當中。

3.4 城市建成區面積對中東部地區影響顯著，西部地區影響較小

在城市建成區面積的影響中，北京、山西、黑龍江、河南、湖北、安徽等地均呈現了較為明顯的正向趨勢。城市建成區面積的增加一方面為容納更多的常住或者流動人口提供了物質基礎，另一方面也反應了城市建設水平的提高。居住人口和基礎設施建設的增加必然會帶來生活垃圾的增多。而西部地區諸如四川、寧夏等省雖然在回歸方程中也表現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、陜西等省出現了反向的趨勢，原因來自城區改造進程的加快，使得原來老城區忽視垃圾分類、垃圾減量意識淡薄的情況被現代化新城區取代，配套的垃圾分類設施和良好的宣傳使得居民逐漸減少生活垃圾的產生。

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業而異

在服務業較為發達的省份，隨著人均可支配收入的增加垃圾產生量也會增加，例如北京、湖南、山東、天津等，由于人們正常衣食住行消費的增加，會直接導致餐廚垃圾和廢棄物的增多。當然，廣西、海南、青海、云南等省在旅游業的帶動下，人口的流動性較大，可支配收入用于日用品的消費也逐漸增多，垃圾量隨之上漲。但在以農牧業為主的西部地區可能會相反，例如寧夏、四川、新疆、西藏等省，當人們生活水平偏低時，人均可支配收入的稍微增加不會帶來巨大的生活用品消費需求，人們更愿意將增加的收入用于住房設施的購置、家用設備的添置等，對垃圾量的產生具有較小的影響，甚至有反向影響作用。對于黑龍江、安徽、廣東等省，隨著新型工業的改革，更多的清潔產業被廣泛應用，人們的綠色消費支出比重逐漸增加，垃圾量反而會相對減少。

3.6 人均消費性支出與人均可支配收入是一對調節因素，對某些省份的影響作用表現為此消彼長

由表5可知，人均消費性支出與人均可支配收入是一對互相的調節因素，在對垃圾產生量的影響作用方面表現為此消彼長。例如，北京、廣東、海南、青海、新疆、云南等都表現了該趨勢，這也合乎常理。對于經濟較為發達的省份情況與北京市相似，對于經濟欠發達的省份，人均可支配收入的稍微增加不會帶來低值易耗品的大量需求，而人均消費性支出的增加不會使人們直接追求更高層次的旅游、養生保健等消費，卻會直接體現在食品、衣物等的消費上，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性支出的增加，繼續表現為社會消費品需求的增加，垃圾產生量也在不斷增加。而湖北、江西、陜西、山西等省則由于各自消費結構的不同表現為反向影響作用。

[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測研究[J].環境科學與管理,2011，(12).

[3]何德文,金艷,柴立元,彭兵,閔小波,王云燕.國內大中城市生活垃圾產生量與成分的影響因素分析[J].環境衛生工程,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、收入水平與城市環境[J].中國人口·資源與環境, 2012，(4).

[6]張玨,張建強.基于灰色理論與BP神經網絡預測成都市生活垃圾產生量[J].環境科學與管理,2012，(8).

[7]徐榮菊.深圳城市生活垃圾產生量預測及南山區垃圾處理路線設計[D].武漢：華中師范大學,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].城市發展研究,2013，(12).

[10]楊凱,葉茂,徐啟新.上海城市廢棄物增長的環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,文學娜,秦龍.中國城市生活垃圾公眾參與管理與政府管制互動模型構建[J].1中國人口·資源與環境,2014，(4).

（責任編輯/易永生）

F205

A

1002-6487（2016）23-0091-04

國家自然科學基金資助項目（71373030）；北京市社會科學基金資助項目（13JGB044）

趙 艷（1989—），女，河南商丘人，碩士，研究方向：循環經濟。

（通訊作者）葛新權（1957—），男，安徽蚌埠人，教授，博士生導師，研究方向：循環經濟、數量經濟。李曉非（1978—），男，吉林延吉人，博士，副教授，研究方向：資源循環管理。