陳化飛, 尹 璐
(哈爾濱商業大學 管理學院,哈爾濱 150028)
進入21世紀,中國的人口數量及人民的物質生活水平均顯著提高,從而使得每年產生的廢舊衣物大幅增加。目前普通民眾對廢舊衣物的處理方式大部分為留存或丟棄,少部分會選擇捐贈等其他形式,因此造成了生態環境污染、可循環利用的資源浪費等問題[1]。據統計,2020年中國使用的紡織纖維材料約為5 800萬t,產生的廢舊紡織品則有2 200萬t,其中二次利用率僅為20%。2022年4月,國家多部門聯合發布《關于加快推進廢舊紡織品循環利用的實施意見》,其中指出,廢舊紡織品的循環利用率需在2025年達到25%,在2030年達到30%。因此,如何拓寬紡織品的回收渠道、提高回收數量成為現代社會亟須解決的重要問題。近年來,“互聯網+”與回收領域相融合形成的“互聯網+回收”模式,消除了傳統回收模式中的時間和空間限制,為消費者和回收企業之間的信息傳遞提供了便利[2-3]。然而,紡織品用戶與第三方網絡回收平臺是否愿意利用互聯網平臺積極參與回收才是增加紡織品回收量的關鍵。政府應如何通過有效的激勵或懲罰措施,提高“互聯網+紡織品回收”供應鏈參與主體積極性,抑制“搭便車”行為,促進可持續時尚的健康發展,已成為理論界和業界關注的熱點[4]。因此,本文以政府監管下第三方網絡回收平臺與紡織品用戶構成的“互聯網+紡織品回收”供應鏈為研究對象,構建三方演化博弈模型,探討平臺與紡織品用戶在回收過程中存在“搭便車”行為時,三方主體的最優策略選擇問題,旨在激勵政府實施獎懲機制,進而提高平臺與紡織品用戶參與回收的積極性,促進紡織品回收業務的健康快速發展。其中,本文提出的紡織品用戶指的是購買或者使用紡織品的消費者群體。
目前,關于紡織品回收的研究,大多數集中在傳統回收或回收方法方面。例如,錢蔚然等[5]為了減少原料消耗、降低環境負荷,進而對廢舊聚酯纖維的不同回收方式展開對比分析,以尋求使得生態效益最高的回收再利用方法。馬海景等[6]為了提高廢舊紡織品的回收效率及二次利用過程中的信息透明化程度,將區塊鏈技術引入廢舊紡織品的回收再利用階段,以期推動廢舊紡織品回收行業的健康可持續發展。杜歡政等[7]為了解決因生產和消費紡織品引起的環境污染問題,提高廢舊紡織品的循環利用率,構建了有效的回收體系并提出了相關實施建議。
近幾年隨著互聯網在回收行業的深入,“互聯網+回收”逐漸成為更多學者的研究方向。“互聯網+回收”是一種線上交易、線下回收的O2O模式,是國家大力推廣的一種新模式[8],主要指消費者通過互聯網平臺對可回收物品進行回收的一種方式,它把互聯網技術使用在廢舊物品回收的整個流程中[9],能夠解決大部分傳統回收中所具有的問題[10]。因此,互聯網平臺與互聯網技術也逐漸被應用在了紡織品回收業務中。如郭燕[11]研究表明,通過微信公眾號進行廢舊衣物回收,有助于社會和環境效益的提高,這為“互聯網+廢舊衣物回收”模式的實施提供了可靠性的依據。彭瑜等[12]研究表明,通過互聯網回收平臺構建的回收體系是廢舊衣物回收行業未來發展的重要形式。溫忠亮等[13]研究表明,引入互聯網技術,有助于解決廢舊紡織品回收再利用過程中范圍小、收益少、效率低等問題。由此可見,將互聯網平臺回收模式應用至紡織品回收行業中是完全可行的。
區別于傳統的經典博弈論,演化博弈理論是將生物學領域演化的過程和經濟學領域博弈論相結合,更加適用于具有復雜性特征的經濟社會系統。目前,中國廢舊紡織品回收行業遇到的多種社會問題,同樣也是一個復雜的系統,因此利用演化博弈理論來進行研究更為有效合理[14]。在研究回收供應鏈的文獻中,基于演化博弈理論考慮政府實施獎懲機制的情況,常將制造商、回收商或政府作為決策主體[15-16],對比分析政府有無實施獎懲機制下回收企業的最優定價和回收數量[17-18]。這些研究結果表明,政府實施獎懲機制有助于提高回收效率、降低回收價格、調節經濟杠桿。對于本文所探討的可持續時尚領域,萬佳昕[14]研究表明,經濟激勵有助于提高回收企業的回收效率,增加廢舊衣物的回收數量。由此可見,分析政府監管部門對“互聯網+廢舊紡織品回收”模式實施獎懲機制的影響作用,也能夠推動廢舊紡織品回收行業的快速發展。
綜上所述,現有關于紡織品回收的文獻多采用實證分析的方法,且在這一問題上考慮“互聯網+回收”的研究較少,基于三方演化博弈模型考慮政府實施獎懲紙質和回收主體存在“搭便車”行為的研究則還未有,這即是本文的創新點。本文以“互聯網+紡織品回收”供應鏈為研究對象,利用演化博弈理論研究第三方網絡回收平臺在政府監管條件下與紡織品用戶參與回收時的策略選擇與優化協調問題,分析三方博弈主體的演化路徑及影響其決策的主要因素,得到第三方網絡回收平臺、紡織品用戶與政府監管部門的最優演化穩定策略,爭取為生態環境保護及資源高效利用做出一定貢獻。
本文構建了政府獎懲機制下“互聯網+紡織品回收”供應鏈主體參與回收時的邏輯關系,如圖1所示。其中,第三方網絡回收平臺是指專門從事紡織品回收或具有回收職能的平臺或組織群體,其在回收階段積極參與回收表現在通過互聯網回收平臺與紡織品用戶進行話題或抽獎互動,積極交流回收信息和服務改進等;紡織品用戶是指購買或使用紡織品的消費者群體,其在回收階段積極參與回收表現在對紡織品進行正確分類、收集,通過互聯網回收平臺獲取信息、傳播信息、參與互動,聯系工作人員進行回收。圖1中,政府監管部門在不實施獎懲機制的情況下不會對第三方網絡回收平臺與紡織品用戶進行監管或激勵;在政府監管部門選擇“實施獎懲機制”策略的情況下,若第三方網絡回收平臺與紡織品用戶選擇積極參與回收,政府監管部門即會給予其補貼,若第三方網絡回收平臺消極參與回收,政府監管部門便會對其進行懲罰,例如收取罰金等。根據現實情況,若消費者不積極參與回收,政府監管部門既不會給予補貼也不會收取罰金。

圖1 三方演化博弈模型邏輯關系示意Fig.1 Logic relationship diagram of the three-party evolutionary game model
假設1:第三方網絡回收平臺回收紡織品的單位成本為C1,主要包括單位回收價格、人力資源成本、設施設備等投入成本;紡織品用戶進行回收的單位成本為C2,主要是指時間成本等。
假設2:本文假設第三方網絡回收平臺積極參與回收的努力程度為α1,主要指在收集整理紡織品用戶回收信息的效率、對平臺建設的維護程度及對活動設計的簡化程度等;紡織品用戶在回收平臺中的網絡嵌入程度為α2,主要指紡織品用戶在互聯網回收平臺上投入的時間、對紡織品回收的關注程度及參與平臺活動的活躍度等,0<α1,α2<1;令第三方網絡回收平臺與紡織品用戶的自身能力水平為K1、K2,則平臺與紡織品用戶積極參與回收時的投入成本分別為α1K1、α2K2。
假設3:第三方網絡回收平臺和紡織品用戶回收紡織品所得到的單位回收收益分別為R1、R2,回收量為q;第三方網絡回收平臺與紡織品用戶積極參與回收時創造的額外收益為R,當一方消極參與回收時就不存在額外收益,并且積極回收額外收益對第三方網絡回收平臺和紡織品用戶的分配率分別為ω1、ω2,0<ω1,ω2<1;當只有一方積極參與回收時,消極參與回收的一方能夠通過“搭便車”行為獲得額外收益,設單位收益增加率為λ。
假設4:考慮到現實情況,第三方網絡回收平臺與紡織品用戶在回收紡織品時積極參與回收所分配到的收益應該大于其通過“搭便車”所得到的收益,即在本文中假定ω1R>R1λq。
假設5:政府監管部門可以通過懲罰補貼機制來監管“互聯網+紡織品回收”供應鏈主體是否積極參與回收,其實施獎懲機制時的成本為C3,當政府監管部門選擇實施獎懲機制策略時,會提高政府監管部門在人民心中的威信,為自身帶來有利影響M,此時當第三方網絡回收平臺與紡織品用戶積極參與回收時可以獲得補貼值T,但當第三方網絡回收平臺采取“消極參與回收”策略時需支付懲罰值F;反之當政府監管部門選擇不實施獎懲機制策略時,平臺與紡織品用戶會對其失去依賴感與信任感,從而為自身帶來不利影響N。
假設6:第三方網絡回收平臺與紡織品用戶采取“積極參與回收”策略的比例分別為x、y,采用“消極參與回收”策略的比例分別為1-x、1-y;政府監管部門采取“實施獎懲機制”策略的比例為z,采用“不實施獎懲機制”策略的比例為1-z。
基于以上參數符號和假設,本文構建“互聯網+紡織品回收”過程中第三方網絡回收平臺、紡織品用戶與政府監管部門之間進行的三方演化博弈模型,各主體不同策略組合的支付收益矩陣如表1所示。表1中,三個損益表達式的順序依次對應第三方網絡回收平臺、紡織品用戶、政府監管部門。

表1 三方主體演化博弈收益矩陣Tab.1 Three-party evolutionary game income matrix


(1)

(2)
(3)
整理得到第三方網絡回收平臺的復制動態方程為:
(4)
同理,可以得到紡織品用戶與政府監管部門的復制動態方程為:
(5)
(6)

圖2 第三方網絡回收平臺的決策動態演化示意Fig.2 Schematic diagram of the decision-making dynamic evolution of the third-party network recycling platform
同理,紡織品用戶的決策動態演化示意如圖3所示,政府監管部門的決策動態演化示意如圖4所示。

圖3 紡織品用戶的決策動態演化示意Fig.3 Schematic diagram of the dynamic evolution of textile consumers’ decision-making

圖4 政府監管部門的決策動態演化示意Fig.4 Schematic diagram of the dynamic evolution of government regulatory agencies’ decision-making
聯立式(4)(5)(6)進行求解,考慮到均衡點漸進穩定狀態后,則只需討論E1(0,0,0),E2(1,0,0),E3(0,1,0),E4(0,0,1),E5(1,1,0),E6(1,0,1),E7(0,1,1),E8(1,1,1)這8個點的穩定性。根據李雅普諾夫(Lyapunov)系統穩定性判別法,只有雅可比矩陣的所有特征值都小于零的均衡點是演化穩定點。本文將3個動態微分方程分別對x、y、z求偏導數得到雅可比(Jacobian)矩陣,設雅可比矩陣為J,其中:
(7)
將E1~E8這8個均衡點分別代入J11、J22、J33,即可以得到各個均衡點對應的特征值,如表2所示。

表2 各均衡點對應的特征值Tab.2 Eigenvalues corresponding to each equilibrium point
由表2可知,當M+N>C3+2T,T+F+ω1R>α1K1+R1λq,T+ω2R>α2K2+R2λq且T+F-α1K1與T-α2K2不同時小于0時,即當政府監管部門受到的聲譽影響之和大于其實施獎懲機制的成本與給予的補貼值之和,第三方網絡回收平臺與紡織品用戶雙方積極參與回收的投入成本與其選擇搭便車策略得到的收益之和小于其積極參與回收分配得到的收益與政府監管部門的獎懲值之和,且雙方積極參與回收的投入成本不同時小于政府監管部門的獎懲值時,E8(1,1,1)為演化穩定點,對應于積極參與回收、積極參與回收、實施獎懲機制的策略組合。這也是政府獎懲機制下“互聯網+回收”供應鏈主體想要達到的最優均衡狀態,本文便對此穩定點進行仿真分析。
根據前文計算的復制動態方程及假設條件,本文參考以往學者對此的相關研究,設定各參數的取值為:α1=α2=0.5,K1=6 800,K2=3 000,R1=0.4,R2=3,R=7 500,q=3 000,ω1=0.6,ω2=0.4,λ=0.6,C3=1 500,T=1 600,F=600,M=2 500,N=2 600;初始概率值對三方博弈主體演化路徑的影響如圖5所示。
仿真圖5首先驗證了概率為x=y=z=0.5時三方主體的演化趨勢。由圖5可以看出,隨著政府監管部門實施獎懲機制概率的上升,第三方網絡回收平臺與紡織品用戶積極參與回收的概率均逐漸上升。這時系統演化至最優狀態,即政府監管部門實施獎懲機制,第三方網絡回收平臺和紡織品用戶選擇積極參與回收策略。為進一步驗證不同初始狀態對系統演化的影響,改變各主體初始策略比例為x=0.6、y=0.7、z=0.4或x=0.3、y=0.6、z=0.7,其余參數保持原值。通過圖5可看到,改變三方演化博弈主體的初始概率,會對系統趨于最優均衡狀態的速度產生影響,但系統演化的最終結果不變。這說明在滿足一定參數條件下,政府監管部門選擇實施獎懲機制、第三方網絡回收平臺與紡織品用戶選擇積極參與回收是理想策略選擇,且系統演化穩定點(1,1,1)不隨三方主體初始概率改變而改變。

圖5 不同初始狀態下系統的均衡過程Fig.5 Equilibrium process of the system under different initial states
3.2.1C3對政府監管部門的影響
在其他參數值不變的前提下,本文對政府監管部門實施獎懲機制的投入成本C3依次賦值為1 500、3 000、4 500、6 000時,政府監管部門策略仿真結果,如圖6所示。

圖6 C3對政府監管部門策略的影響Fig.6 Impact of C3 on the strategy of government regulators
由圖6可知,當政府監管部門實施獎懲機制的投入成本較小時,政府監管部門選擇實施獎懲機制的概率會收斂于1;當政府監管部門實施獎懲機制的投入成本增大時,政府監管部門的策略選擇呈現不穩定狀態,當政府監管部門實施獎懲機制的投入成本超過某一界限時,其選擇實施獎懲機制的概率會趨向于0。所以,當實施獎懲機制的投入成本較低時,政府監管部門從激勵第三方網絡回收平臺與紡織品用戶積極參與回收、促進紡織品行業快速發展的角度考慮,會選擇實施獎懲機制;當實施獎懲機制的投入成本過高時,政府監管部門從自身支付能力的角度考慮,會選擇不實施獎懲機制。
3.2.2T對第三方網絡回收平臺與紡織品用戶的影響
在其他參數值不變的前提下,本文對政府監管部門給予的補貼值T依次賦值為900、1 200、1 500、1 800時,第三方網絡回收平臺策略仿真結果如圖7所示,紡織品用戶策略仿真結果如圖8所示。

圖7 T對第三方網絡回收平臺策略的影響Fig.7 Impact of T on the strategy of the third-party online recycling platforms

圖8 T對紡織品用戶策略的影響Fig.8 Impact of the T on the strategy of textile users
由圖7、圖8可知,當政府監管部門給予的補貼值較大時,第三方網絡回收平臺與紡織品用戶選擇積極參與回收的概率會收斂于1,且補貼值越大趨向時間越短;當政府監管部門給予的補貼值逐漸減小時,第三方網絡回收平臺與紡織品用戶選擇積極參與回收的概率會趨向于0,且補貼值越小趨向時間越短。所以,當政府監管部門給予的補貼值較低時,第三方網絡回收平臺與紡織品用戶出于入不敷出的角度,選擇消極參與回收策略;當政府監管部門給予的補貼值較高時,第三方網絡回收平臺與紡織品用戶從自身利潤最大化的角度考慮,會選擇積極參與回收。
3.2.3α1、α2對第三方網絡回收平臺與紡織品用戶的影響
在其他參數值不變的前提下,第三方網絡回收平臺積極參與回收的努力程度α1賦值為0.1、0.3、0.5、0.7,紡織品用戶積極參與回收的網絡嵌入度α2依次賦值為0.2、0.4、0.6、0.8時,第三方網絡回收平臺策略仿真結果如圖9所示,紡織品用戶策略仿真結果如圖10所示。

圖9 α1對第三方網絡回收平臺策略的影響Fig.9 Impact of α1 on the strategy of the third-party online recycling platforms

圖10 α2對紡織品用戶策略的影響Fig.10 Impact of α2 on the strategy of textile users
由圖9、圖10可知,當第三方網絡回收平臺積極參與回收的努力程度及紡織品用戶積極參與回收的網絡嵌入度較低時,第三方網絡回收平臺與紡織品用戶選擇積極參與回收的概率會收斂于1,且努力程度與網絡嵌入度越低,穩定速度越快;反之,當第三方網絡回收平臺積極參與回收的努力程度及紡織品用戶的網絡嵌入度較高時,第三方網絡回收平臺與紡織品用戶選擇積極參與回收的概率會趨向于0,且努力程度及網絡嵌入度越高穩定速度越快。但是,由于積極回收產生的額外收益會隨著第三方網絡回收平臺積極參與回收的努力程度及紡織品用戶網絡嵌入度的提高而增大,因此,第三方網絡回收平臺與紡織品用戶應當在穩定點均趨向于積極參與回收策略的條件下,盡可能地提高努力程度和網絡嵌入度,以使雙方利潤達到最大值。
本文通過構建政府監管部門、第三方網絡回收平臺和紡織品用戶在持續演化環境下的三方演化博弈模型,分析了不同主體策略選擇的演化趨勢,通過穩定性與仿真分析得出以下結論:1) 降低政府監管部門實施獎懲機制的投入成本,增加對第三方網絡回收平臺消極參與回收時的懲罰值,提高政府受到的聲譽影響,可以促進政府監管部門選擇實施獎懲機制策略,促進第三方網絡回收平臺與紡織品用戶積極參與回收,抑制兩者的“搭便車”行為,提高紡織品的回收量。2) 影響第三方網絡回收平臺策略選擇的主要因素有政府監管部門的獎懲機制及紡織品用戶的網絡嵌入度等。政府監管部門對第三方網絡回收平臺積極參與回收的補貼值越高,第三方網絡回收平臺選擇積極參與回收策略的可能性越大,趨向時間越快,進而有利于提高紡織品用戶積極參與回收的積極性,促進紡織品回收行業的健康快速發展,為社會綠色可持續發展做出貢獻。3) 紡織品用戶作為“互聯網+紡織品回收”供應鏈的主要參與者,選擇積極、消極參與回收決策的主要影響因素在于紡織品用戶的初始意愿、紡織品用戶網絡嵌入度、政府的補貼政策及第三方網絡回收平臺積極參與回收的努力程度。隨著網絡嵌入度的提高,紡織品用戶積極參與回收的可能性降低,但可獲得的額外收益增加。因此,紡織品用戶應在確保積極參與回收的前提下,盡可能地提高自身網絡嵌入度,從而實現利潤最大化。
由于補貼值過高會導致政府監管部門不愿意實施獎懲機制,懲罰值過低則不能有效激勵第三方回收網絡平臺與紡織品用戶積極參與回收,因此政府監管部門補貼值與懲罰值金額的大小要適度。第三方回收網絡平臺應充分發揮互聯網信息技術的優勢,積極發起話題或舉辦抽獎活動,加大其在互聯網回收平臺中的投入力度,同時還應響應政府相關政策,配合政府監管部門對積極參與回收的紡織品用戶進行補貼。紡織品用戶應積極參與平臺中的各項活動,關注并傳播平臺上的回收信息,主動向回收平臺表達自身的回收意愿,自覺配合平臺完成廢舊紡織品的回收任務。第三方回收網絡平臺具體的定價策略和服務策略同樣是值得研究的熱點,因此在“互聯網+紡織品回收”背景下對紡織品用戶積極參與回收模式的第三方回收網絡平臺定價與服務策略研究將是下一步的研究方向。

《絲綢》官網下載

中國知網下載