基于合成控制法的中國城市生活垃圾強制分類政策效果

陳飛宇，陳祺睿，李倩文

（1. 中國礦業大學經濟管理學院，江蘇 徐州 221116；2. 四川大學公共管理學院，四川 成都 610065；3. 江南大學商學院，江蘇 無錫 214122；4. 江南大學國家安全與綠色發展研究院，江蘇 無錫 214122）

為促進生活垃圾分類制度的建成，2019 年6 月，住建部等9部委聯合發布《關于在全國地級及以上城市全面開展生活垃圾分類工作的通知》，明確到2020 年，46 個重點城市基本建成生活垃圾分類處理系統，到2025年，全國地級及以上城市基本建成生活垃圾分類處理系統［1］。同年7 月1 日，上海市正式全面啟動生活垃圾強制分類政策。其中，“強制分類”成為政策執行的主要特征，在這一背景下，考察各城市居民對于生活垃圾強制分類政策的支持和執行情況，并衡量上海市生活垃圾強制分類政策的實施效果，這對相關政策的制定與完善具有重要意義。

1 文獻綜述

現有學者針對垃圾分類政策及其分類效果從不同視角進行了評價體系設計，主要體現在結果視角與前端視角兩個方面。在結果視角方面，研究主要通過垃圾分類帶來的生態效益、經濟效益等方面衡量。如Yang 等［2］提出七維評價體系，將垃圾分類設施覆蓋率、垃圾分類收運、環境效益、經濟效益、參與范圍、居民垃圾分類意識以及榮譽感納入評價體系之中，同時借助源頭分類的數學模型MSSA，對一年內北京市128 個城市的生活垃圾集散地的分類效果進行評估。Aphale 等［3］通過評估紐約郊區三個不同回收利用率的廢物區的6噸垃圾的分類效果，提出分類效率與回收利用率之間存在一定關系，認為回收率最高的廢物區具有最高的分類效率。此外，Ordo?ez等［4］對瑞典某處的垃圾分類設施的分類效果進行研究，提出誤分發生頻率這一指標，指的是一段時間內某類型垃圾桶中出現該類型以外的垃圾的發生次數。Rousta等［5］同樣借助這一指標，探究了瑞典某城市居民區的生活垃圾源頭分類效果。任越等［6］基于生命周期角度，將垃圾分類處理方式引入垃圾管理評價體系之中，組合設計四種垃圾處理情景，構建3E+S 生態效率評價模型。此類評估垃圾分類政策效果的方式能夠直接通過稱重、觀察等方式測算其帶來的效益，判斷政策的效力性，然而在垃圾分類比例、回收利用率等指標的測算上存在較大難度，操作過程繁雜，且只能粗略計量有限區域的垃圾分類效果，完整并準確測量需要較大的成本和時間。

從前端視角測度分類效果則克服了上述難題，即從個體的知識、態度與行為等視角對垃圾分類效果進行評價。特別地，垃圾分類政策的主要作用對象是居民個體，以垃圾分類主體的改變來衡量政策效果，更加具有直觀性與持續性，且對于垃圾分類政策而言，更加需要強調居民個體的責任，目的是帶來居民在心理與行為上的改變，體現為居民在支持與執行意愿上的變化。Pasukphun等［7］基于對泰國美斯樂諾克分區高地鄉村旅游區的城市固體廢物產生率及其組成的研究，提出使用問卷評估民眾有關城市固體廢棄物的知識、態度和實踐（KAP）水平的方法。同樣地，Calabrò 等［8］表示，市民對廢物管理的態度是城市生活垃圾治理能否成功的關鍵要素，并使用行為調查表采集市民對廢物收集與街道清潔服務的看法。具體的生活垃圾強制分類政策評估視角如圖1 所示。基于居民在支持與執行意愿等前端的改變判斷垃圾分類政策效果具有一定優勢，然而在評估數據獲取方面，評價對象主觀性、數量以及區域廣泛度仍有待拓展。

圖1 生活垃圾強制分類政策評估視角

高博等［9］從政策滿意度與政策執行度兩個方面出發，討論在草原補獎政策施行過程中，“高滿意度-低執行度”悖論的形成機理。類似地，湛東升等［10］就滿意度感知與行為意向對北京市居民的居住情況展開研究。此外，公眾支持程度對公共政策的成敗具有顯著影響，尤其在政策效果上［11］，而執行意向對政策目標的達成具有較高的效應值［12］，顯著促進目標的達成［13］。由此可見，從個體的支持意愿與執行意愿出發，是系統性評價個體對政策在態度層面響應的體現，有利于政策的推行與優化。

大數據技術在數據采集與分析方面具有客觀性、區域廣、時段寬等優勢［14］，為研究測量生活垃圾強制分類政策實施效果提供了重要的思路和方法。特別是如今社交媒體已成為民眾發表觀點的主流渠道，在社交平臺上能收集到民眾對于垃圾分類政策所表達的看法與觀點［15］。如Saravanan 等［16］通過文本挖掘的方法，解決文本文檔的自動分類問題，提高結果準確性。Nishimura 等［17］借助文本挖掘，將市場情緒與市場信心轉化為可觀測的變量，納入其構建的三因素期限結構模型之中，探索情緒因素對資產市場的影響。Lam 等［18］借助大數據計算文本分析方法探究了社會各方對香港空氣污染問題和相關政策的關注程度。類似地，Cui 等［19］基于文本挖掘，探索不同模式下共享經濟驅動的數字平臺的影響因素，為其促進社會經濟發展提供建議。并且，在文本挖掘渠道下獲得的數據內容，可規避評論異化與他方干預，客觀地反映評論者的真實意愿［20］。此外，情感分析手段可科學、客觀地量化文本詞條，有效測量行為者的情感傾向［21］。比如，沙勇忠等［22］采用分詞、建立專用情感詞典和計算情感強度等手段量化微博網民在雅安地震后對紅十字會的公眾信任程度。因此，文章基于已有經驗，借助情感分析手段對文本挖掘獲取的詞條進行分析、量化，以納入研究模型之中。

基于此，文章首先將重點聚焦城市居民對垃圾強制分類政策的支持與執行意愿，借助文本挖掘工具，通過情感分析的方法獲取中國率先實施生活垃圾強制分類政策的上海市的居民態度。進一步地，使用合成控制法構建評估模型，對生活垃圾強制分類政策效果進行量化分析，進而發掘生活垃圾強制分類政策的作用機制。研究結合大數據技術及合成控制法，從前端視角考察中國生活垃圾強制分類政策的效果，能夠直觀地觀測政策作用對象的改變程度，解決了相關評價數據在時間與區域上的限制性，拓展了中國生活垃圾強制分類政策評價內容，豐富了相關政策評價的方法論。

2 研究方法及數據

2.1 數據來源

根據CNNIC 發布的第46 次《中國互聯網發展狀況統計報告》顯示，截至2020年9月，全國網民規模達9.40億，互聯網普及率達67.0%，截至2020 年6 月，微博使用率達到40.4%［23］，微博以其特有的即時互動、多媒體化表達、便捷迅速等傳播與影響優勢，逐步成為個體發表看法、觀點的主要平臺［24］，匯集了大量評論。同時，網民可自由公開地對時事熱點表達自己的觀點和情感，反映了公眾對公共事件的真實看法和意愿［25］。進一步地，未因違規而被封禁的微博用戶均可發表原創微博，且文章在文本收集過程中未對評論數、粉絲數設限，在一定程度上克服了群體特殊性與話題效應的存在，具有較高的研究意義和參考價值。

因此，文章通過Python 軟件，抓取了2015 年1 月1 日至2020 年12 月1 日間包括原創微博評論者ID、評論日期、評論地址、評論內容等在內的共計28.3萬余條非結構化語句。利用正則表達式過濾噪聲數據，刪去表情符號、網址等詞句后整理得到20萬余條垃圾分類相關詞條。進而使用SnowNLP 工具進行分詞，將抓取到的詞條劃分成為獨立的詞語，并清洗諸如“的”“這樣”“那么”等停用詞，以提高分析準確率及效率。

進一步地，基于專用情感詞典，對抓取的非結構化語句進行文本情感分析。常用的情感詞典包括HowNet情感詞典、BosonNLP 情感詞典等。然而這類情感詞典主要針對普適性的研究環境，缺乏環境政策領域靶向情感詞典。因此，文章針對生活垃圾強制分類政策支持意愿及執行意愿分別構建了專用情感詞典，主要由兩部分構成，分別是普通情感詞典和網絡用語情感詞典。普通情感詞典參考HowNet情感詞典中的關鍵理念，人工刪去部分生僻詞和生僻字；網絡用語情感詞典則參考《新華網絡語言詞典》，并添加近幾年大量出現于網絡上的蘊含個人情緒的詞語。并且結合專家咨詢意見，得到最終的專用情感詞典，共包括1 025個情感詞語。為了對詞語包含情感的強弱進行區分，文章對情感詞語的強弱進行人工賦分，采用10 分制，1～10分表示個體的情感由強烈負向至強烈正向。在對文本進行初步的情感分析后，進行人工篩查，若出現賦值有誤，則對情感詞典進行修正，而后再次進行情感分析。據此獲取各城市居民對于生活垃圾強制分類政策的態度，以分析群體的情感、行為傾向。詳細過程如圖2所示。

圖2 數據獲取過程

此外，研究選取了收入水平、人口素質、人口規模、垃圾體量、垃圾處理水平、環境感知AQI、環境感知PM10、環境感知PM2.5等作為控制變量，相關數據源自各城市2015—2020年的統計年鑒、統計公報以及生態環境狀況公報等。

2.2 模型構建

目前，大多數針對政策效果的研究所采用的方法為雙重差分法（DID）。該方法是將已實施政策的城市與未實施政策的城市進行對比，以體現政策實施帶來的差距，即政策效果［26］。但其問題在于如何選擇“合適”的對比城市。因此，為解決DID 方法中的難點，Abadie 等［27］提出了合成控制法（Synthetic Control Method）。在研究中，合成控制法是通過數據驅動的方式，采用多個控制對象加權合成的方式模擬出上海市實施生活垃圾強制分類政策前的情況［28］。合成控制法的優勢在于，減少了選擇誤差和政策內生性問題［29］，可以對每一個研究個體提供與之對應的合成控制對象，避免平均化的評價［30］，達到客觀評價政策效果的目的［31］。與此同時，研究者們可在不知道實施效果的情況下設計實驗，避免主觀臆斷［32］。

基于合成控制法，選擇多個未實施生活垃圾強制分類政策的城市，擬合出上海市實施該政策前群體的支持意愿及執行意愿的情況，以對比研究政策的有效性。群體的支持意愿和執行意愿在研究過程中所采取的方法、模型相同，為節省篇幅，下文的論述中以支持意愿為例，展開介紹。

給定K+ 1個城市，在t∈[1，T]時期內群體的支持意愿數據。其中，表示第i∈[1，K+ 1]個城市在時間點t上，未實施生活垃圾強制分類政策時群體的支持意愿；表示第i∈[1，K+ 1]個城市在時間點t上，實施該政策時群體的支持意愿。若T0為政策實施的時間點，則t≤T0時，該城市群體的支持意愿不受政策影響，即；當政策實施后，即t>T0時即為政策效果。對于上海市，我們能夠觀測到，而假設上海市未實施政策時的數據是無法觀測到的，文章采用Abadie 等［27］提出的因子模型進行估計：

（1）式中，δt是影響所有被選取城市的時間固定效應，Zi為可觀測到的預測控制變量，文章中選擇收入水平（人均GDP）、人口素質（每萬人口在校大學生數）、人口規模（人口數量）、垃圾體量（生活垃圾人均日產量）、垃圾處理水平（生活垃圾無害化處理率）、環境感知AQI（環境空氣質量優良率AQI）、環境感知PM10（PM10平均濃度）、環境感知PM2.5（PM2.5平均濃度）以及2015年第二季度、2016年第二季度、2017 年第二季度、2018 年第二季度、2019 年第二季度的群體支持意愿作為預測控制變量。λt是1 ×F維無法觀測到的公共因子向量，μi是F× 1 維不可觀測的城市固定效應，εit是不能觀測的短期沖擊，在城市水平上的均值為0。

假設第一個城市，即i= 1（上海市）實施了生活垃圾強制分類政策，剩余的K個城市，即i= 2，3，…，K+ 1 均未實施該政策。考慮一個K× 1 維的權重向量W=(w2，w3，…，wK+1)，其中wk≥0，w2+w3+ …+wK+1= 1，每一個向量W都代表一個虛擬的合成控制組合，即對K個城市的權重。

假 定 存 在W*=(w2*，w3*，…，wK+1*) 使 得 在t≤T0時，有

Abadie 等證明，在一般條件下，若生活垃圾強制分類政策實施前的時間跨度對于實施的時間段較長，則當t>T0時，有趨近于0。

只需要根據權重向量W*就可以估計出的值。

3 現狀分析

3.1 各城市群體支持意愿時序特征

文章選取了北京、上海、廣州等十大城市作為樣本城市，在對數據進行收集、清洗及計算后，所得結果如圖3所示。以季度為單位，共得到樣本城市在2015—2020 年間共計24 組群體支持意愿數據。從群體支持意愿均值來看，最高的為北京市，最低的為長沙市，兩者相差2.486。標準差顯示，廣州市群體支持意愿波動較大，而北京市群體支持意愿波動較小。

圖3 樣本城市群體支持意愿變化趨勢

總體而言，自2015 年起，10 個城市的群體支持意愿雖有波動，但總體呈現上升趨勢。變化趨勢表明，自2015年《生態文明體制改革總體方案》印發之日起，群體支持意愿開始上升，并隨著2017、2019 以及2020 年各環節政策的完善和推行，逐步增長。

此外，對樣本城市間群體支持意愿進行對比時發現，上海市與北京市作為垃圾分類政策的先行城市，其群體支持意愿明顯高于其他城市。并且自2019 年7 月上海市施行生活垃圾強制分類政策起，其群體支持意愿成為10個城市中的最高值。而天津市和長沙市的群體支持意愿則較低，其余6 個城市處在中間水平。其中，天津市鄰近北京市，但歷年來兩城間的支持意愿相距甚遠，原因在于天津市各區對垃圾分類工作的推進步調有待統一，宣傳力度仍需加強，當地民眾對于相關政策、知識的了解尚待深化。

3.2 各城市群體執行意愿時序特征

文章對樣本城市的群體執行意愿進行分析，所得結果如圖4 所示。其中，從群體執行意愿均值來看，上海市最高，長沙市最低，兩者相差1.521。標準差顯示，南京市群體執行意愿波動較大，而北京市群體執行意愿波動較小。

圖4 樣本城市群體執行意愿變化趨勢

從群體執行意愿的整體走向上來看，10個城市的群體執行意愿普遍波動上升。這說明，隨著各個城市出臺生活垃圾分類獎勵辦法，再到上海市實施生活垃圾強制分類政策，城市居民對于垃圾分類行為的執行意愿不斷提升。

同時，對比各城市間的群體執行意愿后可以發現，北京市、上海市、廣州市和南京市的群體執行意愿高于其他城市。南京市群體執行意愿波動較大、增幅較高，而蘇州市、長沙市和天津市的群體執行意愿則較低，其余3 個城市處在中間水平。

3.3 上海市群體支持意愿時序特征

上海市作為一線城市之一，其城市垃圾體量較大，并且于2019 年7 月率先實施生活垃圾強制分類政策。為分析評估該政策的成效與意義，文章借助情感分析等手段對2015—2020 年上海市各季度的群體支持意愿進行測度，具體結果如圖5所示。

圖5 上海市群體支持意愿變化趨勢

2015 年至2020 年各季度上海市群體支持意愿在總體上呈現上升趨勢，從2015 年的5.00 上升至2020 年的9.00，增長率為80.00%，表現出較大增幅。

此外，上海市群體支持意愿的增長率于2015 年第四季度達到峰值。但其波動程度較大，在2017年第一季度、2018 年第一和第三季度呈現負增長，說明上海市居民對于垃圾分類這一舉措的支持程度具有較大彈性，且持續性較弱，也從側面體現出相關政策與規章制度在出臺時能夠調動起大眾的積極性，在短期內使支持意愿有所提升，但由于缺少與之配合的監督和管理體系，在后續過程中出現“后勁不足”等問題。特別地，2020 年第一季度同樣出現負增長，這說明即使是在生活垃圾強制分類政策實施后也存在上述問題。

3.4 上海市群體執行意愿時序特征

為詳細了解上海市在實施生活垃圾強制分類政策后的情況，文章借助情感分析等手段對2015—2020年上海市各季度的群體執行意愿進行測度，具體結果如圖6所示。

圖6 上海市群體執行意愿變化趨勢

2015—2020年各季度上海市群體執行意愿總體顯現出上升趨勢，從2015 年的4.00 上升至2020 年的7.50，增長率為87.50%，展現出較大增幅，但群體執行意愿整體低于支持意愿。

此外，就上海市群體執行意愿的增長率而言，于2015年第四季度達到峰值，高達40.00%，但其波動程度更加劇烈，甚至七次呈現負增長，結合群體執行意愿整體低于支持意愿的特點，能夠推斷出于大眾而言，即使情感上對垃圾分類政策產生了高度的支持和認同，但在現實生活中的踐行程度仍然較低。原因在于居民對生活垃圾進行分類，客觀上會占用較多時間，同時也會面臨生活垃圾分類不規范而被處罰的風險，使得一部分居民在執行過程中對該政策抱有排斥心理。因此，如何促使居民主動進行垃圾分類仍是重要議題。

4 合成控制結果分析

4.1 生活垃圾強制分類政策對群體支持意愿的影響

文章以北京、廣州、深圳、天津、長沙、廈門、西安、南京和蘇州作為控制組，用于擬合上海市在未實施生活垃圾強制分類政策時的情況，原因在于這9座城市分別在經濟水平、社會特征或地理位置等方面與上海市存在類似之處，比如北京市與上海市在人均GDP、人口素質、人口規模和垃圾體量等指標上相似度較高。并且這9 座城市推行或全面實施生活垃圾強制分類政策的時間與上海市之間存在差異，其中北京市于2020 年5 月起全面推行、廣州市于2020 年底前全面推行、深圳市于2020 年9 月正式實施，擁有能夠體現政策效果的時間差。

此外，選擇的數據所處時間跨度為2015年至2020年，以季度為間隔，如2015年第一季度記為“201501”、2015年第二季度記為“201502”，以此類推。將所有樣本城市的數據作為對照組導入軟件，并基于合成控制法的程序進行計算，擬合結果顯示，構成合成上海群體支持意愿的權重組合為：北京0.862、南京0.138，最終結果如圖7所示。

預測控制變量的擬合結果見表1，與實際數據差異較小，較好擬合了上海市2019 年第二季度（201902）前群體支持意愿的特征。因此，我們可基于合成控制法將這兩個城市的加權平均作為合成上海群體支持意愿的結果，與實際情況進行對比，以分析生活垃圾強制分類政策的政策效果。

表1 合成上海群體支持意愿預測控制變量的擬合均值和實際對比

圖7反映的是2015年至2020年合成上海的群體支持意愿和實際情況的對比。在上海市施行生活垃圾強制分類政策之前（2019 年第二季度），合成上海的群體支持意愿與實際情況能夠重合，表示合成控制法較好地復制了實施政策前群體意愿的變化軌跡。自上海市施行政策后，上海市實際群體支持意愿明顯高于合成上海的結果，說明目前生活垃圾強制分類政策對于提高群體支持意愿具有較明顯的效果。

圖7 合成上海和實際上海群體支持意愿對比

4.2 生活垃圾強制分類政策對群體執行意愿的影響

對于群體執行意愿的研究，與支持意愿無異，將樣本城市的數據作為對照組導入軟件，并基于合成控制法的程序進行計算，擬合結果顯示，構成合成上海群體執行意愿的權重組合為：北京0.677、廣州0.043、廈門0.281，最終結果如圖8所示。

預測控制變量的擬合結果見表2，與實際數據相差不多，較好擬合了上海市2019 年第二季度（201902）前群體執行意愿的特征，因此，我們同樣可基于合成控制法將這三個城市的加權平均作為合成上海群體執行意愿的結果，與實際情況進行對比，以分析生活垃圾強制分類政策在群體執行意愿上體現的政策效果。

表2 合成上海群體執行意愿預測控制變量的擬合均值和實際對比

圖8 反映的是2015—2020 年合成上海的群體執行意愿和實際群體執行意愿的對比。在上海市施行政策之前（2019 年第二季度），合成上海的群體執行意愿與實際情況能夠大致重合，表示合成控制法復刻了政策實施前執行意愿的變化路徑。自上海市施行政策后，上海市實際群體執行意愿明顯高于合成上海的結果，表示目前生活垃圾強制分類政策對于提高群體執行意愿具有較顯著的效果。但自2020 年第一季度起，群體執行意愿的真實值與合成值之間的差距逐漸縮小。結合各地相關政策的推行情況，文章認為差距縮小的原因包括兩個方面。一方面，北京、深圳和廣州等城市相繼在2020 年5 月、2020 年9 月和2020 年底前全面推行生活垃圾強制分類政策，這使得控制組中的各城市也受到了類似的政策影響，與上海市之間的差距逐漸縮小。并且在各個城市的屬地治理上，政府響應通常具有超前性，即在明確提出或全面推行相關條例和法律前，已部署試點小區或街道，試行生活垃圾強制分類政策。另一方面，前文中提到，垃圾分類政策在推行上存在“后勁不足”的問題，過往文獻中也有類似的結論［33］，結合垃圾無害化、資源化等配套措施不健全的情況［34］，說明政策的邊際效應存在遞減，這將進一步導致上海市的真實值與合成值之間的差值逐漸縮小。

圖8 合成上海和實際上海群體執行意愿對比

4.3 穩健性檢驗

4.3.1 時間安慰劑檢驗

針對政策實施時間進行政策效果的穩健性檢驗［35］。以上海市群體支持意愿、群體執行意愿為研究對象，按照檢驗步驟，將政策時間節點由2019 年第二季度（201902）改為2017 年第二季度（201702），即假設上海市在2017 年第二季度實施生活垃圾強制分類政策，繼而再次使用合成控制法表征政策效果。

具體結果如圖9所示，在假定的政策節點（201702）前后，上海市群體的支持意愿、執行意愿的實際值與合成結果存在較小差異，但并無顯著區別，二者的明顯差異出現在2019年第二季度以后，這說明假定的政策節點有誤，上文所得結果通過時間安慰劑檢驗，政策評估結果在時間上穩健。

圖9 時間安慰劑檢驗結果

4.3.2 地區安慰劑檢驗

針對政策實施地區進行政策效果的穩健性檢驗［36］。按照檢驗步驟，對于群體支持意愿，文章選擇控制組中的南京市作為樣本，對于群體執行意愿，文章選擇北京市作為樣本，繼而假定上述兩城市于2019 年第二季度（201902）實施生活垃圾強制分類政策，并使用合成控制法檢驗政策效果。

詳細結果如圖10所示，針對群體支持意愿，南京市實際值與合成結果之間的擬合程度較高，且能夠明顯看出在政策實施節點（201902）之后，實際值與合成值并無顯著區別，這從另一方面說明生活垃圾強制分類政策的效果體現在施行城市——上海市上，對南京市的影響極小，也表明上文中關于群體支持愿意的政策評估結果通過地區安慰劑檢驗，在地區上穩健。此外，針對群體執行意愿，北京市實際值與合成結果之間的擬合情況雖然不夠良好，但總體來看，實際值與合成值之間體現出類似的趨勢，并無較大差異，且在政策實施節點之后，合成結果反而高于實際情況。該結果表明，上文中關于群體執行愿意的政策評估結果通過地區安慰劑檢驗，在地區上穩健。

圖10 地區安慰劑檢驗結果

5 機制分析

由上述實證分析內容可知，上海市施行生活垃圾強制分類政策后，對于群體支持與執行意愿的提升具有顯著作用。但對于該政策的實施是如何影響上海市的群體支持和執行意愿這一問題，還需要對其機制展開進一步的分析。

文章借助調節效應檢驗的方法［37］，將收入水平、人口素質、人口規模、垃圾體量、垃圾處理水平、環境感知AQI、環境感知PM10和環境感知PM2.5作為調節變量，自變量為是否實施該政策，因變量分別為群體支持意愿與群體執行意愿，依次檢驗調節效應，以探尋其影響機制。具體檢驗結果見表3。

表3 調節效應檢驗結果

結果顯示，人口素質、人口規模兩個變量通過檢驗，即人口素質與人口規模分別在是否實施政策與群體支持意愿和群體執行意愿之間起到調節作用，其余變量未通過檢驗。

此外，通過交互項的系數可知，人口素質、人口規模均起到負向調節作用，即人口素質的提升與人口規模的增長，將削弱政策實施后對于群體支持和執行意愿的提升作用。換言之，人口素質越高，意味著當地居民自我意識越強，在這一因素的影響下，生活垃圾強制分類政策中的“強制性”有可能引起逆反心理，導致群體支持與執行意愿的下降。人口規模越大，城市所面臨的治理問題也就越復雜。因此，人口規模的增長使得政策宣傳與執行的難度加大，由此引發群體支持與執行意愿的降低。

6 結論及建議

文章借助合成控制法對率先在上海市實施的生活垃圾強制分類政策進行評估，探討其政策效果。進一步地，構建生活垃圾強制分類政策專用情感詞典，使用文本挖掘和情感分析等手段，分別從群體支持意愿與執行意愿入手，選取對照組進行擬合，以模擬出上海市未實施該政策的情況，并與其現行強制分類政策效果進行對比，以凸顯強制性政策的施行效果。此外，利用各城市數據進行時間上和地區上的穩健性檢驗，證明所得結論的可靠性。同時，輔以調節效應檢驗，探討人口素質與人口規模兩個變量的作用。研究結論如下。

（1）合成控制的結果說明，生活垃圾強制分類政策對于上海市居民的群體支持和執行意愿產生了較為顯著的提升作用，滿足政策制定的初衷。

（2）對10個樣本城市進行現狀分析后發現，自中國城市生活垃圾分類相關方案提出起，10 個樣本城市的群體支持與執行意愿雖有波動，但總體呈現上升趨勢。就上海市而言，群體支持與執行意愿的增長率表現出較大波動，且群體執行意愿整體低于支持意愿。

這表明，上海市居民在情感上對該政策產生了高度的支持和認同，但其踐行意向仍然較低，且相關政策存在“后勁不足”的問題，需重視政策推行后的監管與調控。

（3）人口素質與人口規模對生活垃圾強制分類政策效果起到負向調節作用，即這兩個因素會削弱政策實施后對于群體支持和執行意愿的提升。

這表明，與較高人口素質相匹配的是較強的自我意識，強制手段則有可能激發逆反心理，導致分類意愿下降。此外，人口規模的擴大，意味著城市管理和政策推行的難度加大，同樣會削弱支持與執行意愿。

根據上述結論，研究提出相關政策建議。

第一，考慮國家人口素質化提升的大趨勢，融合強制與柔性理念，滲透式強化個體分類行為。研究發現人口素質的提升會削弱政策實施后對于群體支持和執行意愿的提升作用，強制手段存在激發逆反心理的可能。因此，面對高素質人口聚集地區，如各大高校、研究院、離退休干部居住地等，可施行“緩緩而治”，采取“引導”的方式。首先，注重政策營銷，著力采用多樣化、常態化以及細微化的宣傳教育手段，從宣傳主體到宣傳內容，從政策條例到行為細則，使高素質群體將垃圾分類內化于心、深化于行。同時，注重公眾價值感和使命感的培養，通過宣傳教育營造全民參與垃圾分類的氛圍，擴大輿論影響力并提高個體使命感，進而增強執行力。

第二，重視大體量城市，延伸產業，匹配供需。研究結果顯示，人口規模的擴大將削弱政策實施后對于群體支持和執行意愿的提升，即城市管理和政策推行的難度被加大。因此，針對不同的城市區域，需出臺不同的政策，加強政策瞄準性。比如，對于高人口密度的城市、一二線城市或生活垃圾體量較大的城市，可提供專項支持。此外，當垃圾分類成為日常生活中的必要一環時，將催生相關需求，配套的供給也會應運而生。現實表明，在上海市實施生活垃圾強制分類政策后，出現了“代扔垃圾”服務，這是公眾和企業做出的探索與創新，相關部門可借此機會創建、完善生活垃圾分類產業鏈條。比如，將廢品的個體收購轉化為企業收購，或是實現環衛產業化，讓更多的公眾與企業加入到產業鏈條之中，在踐行垃圾分類的同時，收獲經濟效益，所得利潤可用于垃圾處理環節。

第三，關注理性人特征，輔以誘導性措施，實現垃圾分類自治。文章探討的政策特點在于強制性，分析結果表明，該政策有效提升上海市居民的支持和執行意愿，但也反映出支持意愿高于執行意愿。根據西方經濟學中提出的“理性人假設”與Danner［38］指出的決策主體的動因為經濟動因，為提升居民的執行意愿，可在政策執行中引入誘導性措施，使公眾感知到垃圾分類回收對其自身的有利結果。誘導性措施包括積分兌換獎品、建立綠色賬戶等獎勵體系，對合理分類的家庭可給予物質獎勵與經濟補貼。同時，設立監督舉報平臺，提高垃圾分類管理的自治水平，使個體意識到其在垃圾分類環節中的主體地位，以此減輕政府與社會組織的監督負擔，并調動起居民積極性。