中国城市生活垃圾产生量的区域差异—基于STIRPAT模型

许 博,赵 月,鞠美庭,楚春礼*,张哲予

中国城市生活垃圾产生量的区域差异—基于STIRPAT模型

许 博1,2,赵 月1,鞠美庭1,2,楚春礼1,2*,张哲予1

(1.南开大学环境科学与工程学院,天津 300071；2.南开大学天津市生物质固废资源化技术工程中心,天津 300071)

基于2006~2017年的中国省级面板数据,本文以STIRPAT理论模型为基础,建立固定效应模型,分别从全国和区域两个层面深入探究人口、富裕程度和技术对城市生活垃圾产生量的区域差异.研究结果表明:(1)近年来,生活垃圾产生量快速增长,同时存在显著的区域差异;(2)从人口因素看,在全国层面上城镇化水平、人口规模、家庭规模和人口老龄化的弹性系数分别是1.152、0.585、-0.478、-0.230,对生活垃圾产生量的影响程度依次减小.在东部地区,城镇化水平提升、人口规模增多和家庭规模小型化促进生活垃圾的产生,人口老龄化增加减少生活垃圾的产生.在中西部地区,城镇化的正效应和人口老龄化的负效应明显强于东部地区,人口规模的正效应和家庭规模的正效应明显弱于东部地区;(3)从经济发展看,在全国层面上居民人均消费支出与生活垃圾产生量呈现倒N型关系.在东部地区,居民人均消费支出和人均GDP的提升促进生活垃圾的产生;(4)从技术水平看,生活能源消耗强度和市容环境卫生费用的弹性系数分别为0.120、-0.0168,区域差异不明显.

城市生活垃圾；区域差异；STIRPAT模型；人口；富裕程度；技术

随着中国经济蓬勃发展,城镇化进程加快,居民生活水平快速提高,加快了中国城市生活垃圾的产生速度,使中国成为世界上最大的生活垃圾产生国[1-4].生活垃圾的产生量从1978年的2508万t增长到2017年21520.9万t[5],年平均增长5.3%,中国2/3的城市出现“垃圾围城”的现象,并不断向农村地区蔓延[6-8].日益增多的生活垃圾对城市环境和公共卫生造成危害,严重威胁城市的可持续发展[8].定量分析人口因素、经济发展和技术水平对城市生活垃圾产生量的影响,探究城市生活垃圾的减排路径是生活垃圾管理的重要内容,同时也是政府实施生活垃圾管理的一项重要措施[9-10].

生活垃圾的产生过程复杂,受到多方面因素的影响,已有研究分析了生活垃圾产生量与人口规模、产业结构、受教育程度、生活习惯、经济发展、消费方式、技术水平、城市管理、规章制度、气候等因素的相关性[11-15].人口因素被指出是影响生活垃圾产生量的关键驱动力[13,16-18].高会苗等[19]通过SPSS分析指出生活垃圾产生量与地区的人口数量密切相关.Xu等[20]建立路径分析模型表明家庭规模和家庭用餐率是直接影响生活垃圾产生量的主要因素.Intharathirat等[21]通过物理分类得出居民生活垃圾产生量与人口密度、城镇化水平呈现正相关,与家庭规模呈现负相关,Surindra等[22]认为生活垃圾产生与家庭规模负相关.一些研究分析了富裕程度与生活垃圾产生量的关系[16,23-24].Dennison等[25]通过实地调研指出富裕人口和贫困人口在生活垃圾产生总量和个别成分产生方面存在明显差异,富裕家庭更可能产生大量的垃圾. Trang等[26]采用回归模型表明收入对家庭产生的生活垃圾具有显著的负向影响,未来应更多强调家庭日常活动对废物的作用.Monavari通过抽样调查得出城市不同社会经济群体的生活垃圾产生量和组成存在显著差异,高收入群体产生更多的生活垃圾[27].毛克贞等[28]基于2003~ 2015年的省级面板数据,使用FGLS、PCSE和LSDV三种方法,指出城镇居民消费具有显著的直接污染效应,与生活垃圾排放存在倒U型曲线关系.Song等[29]利用1985~2005年中国省级数据,发现生活垃圾排放与人均GDP存在长期协整关系,呈现倒U型曲线.

现有研究主要集中在运用问卷调查、实地调研、统计数据等方式研究城市生活垃圾产生量与各种因素之间的关系,并运用预测模型预测生活垃圾产生量的变化[16].大多数研究缺少对人口因素、富裕程度、技术等方面进行结构性系统性的研究.因此,本研究试图解决这些问题,基于2006~2017年的中国省级面板数据,本文以STIRPAT理论模型为基础,建立固定效应模型,分别从全国和区域两个层面深入探究人口因素、富裕程度和技术对城市生活垃圾产生量的区域差异,对不同因素与生活垃圾产生量的关系提供系统的认识,同时为政府开展生活垃圾减排工作,制定并实施有效的生活垃圾可持续管理提供理论依据[30].

1 材料与方法

1.1 研究方法

1.1.1 STIRPAT模型的构建 Ehrlich和Holdren最早将IPAT模型用于研究人口、富裕程度和技术对环境的影响[31].传统IPAT模型存在变量少以及应用范围窄等缺陷,Dieiz和Rose在IPAT模型的基础上构建了STIRPAT模型[32],STIRPAT模型模型灵活度高,允许加入其他解释变量,被广泛应用于研究环境和污染物排放的影响因素[33-35].

式中:代表环境压力;代表人口因素;代表富裕程度,T代表技术水平;为模型系数;、、分别为、、对环境压力的弹性系数;为随机干扰项.

城市生活垃圾是居民在日常生活产生的固体废物,属于典型的生活污染物,因此本文在前人研究成果的基础上[28,30,36],将城市生活垃圾产生量作为环境变量,应用STIRPAT模型探究人口因素、富裕程度和技术对城市生活垃圾产生量的影响.为了消除模型异方差,增加数据的平稳性,对各变量取自然对数:

1.1.2 研究变量的选取 近年来,生活垃圾产生量快速增长,从2006年14841.3万t增加到2017年21520.9万t,增长了45%.同时生活垃圾产生量在空间上存在区域差异,如图1所示,东部地区的生活垃圾产生量增幅最大,产生量最多,西部地区的生活垃圾产生量增幅慢,产生量最小,呈现东南多西北少的空间格局.因此,我们采用城市生活垃圾产生量作为因变量,从全国和地区层面探讨人口、富裕程度和技术对生活垃圾产生量的影响.

基于STIRPAT模型,我们发现影响生活垃圾产生量的重要因素包含人口因素[37]、富裕程度[21,38-40]和技术水平[41-42].人口因素可以从人口规模和人口结构两方面考虑,引入年龄结构、家庭规模、城镇化水平、受教育程度和产业结构5个方面作为人口结构的变量.随着城镇化进程加快,人口因素在时间和空间上发生显著变化,主要表现在人口的大规模集聚,人口老龄化加剧,家庭规模小型化成为趋势,城镇化水平通过改变地区的产业结构、消费习惯、以及技术进步等因素影响生活垃圾的产生[43]、受教育程度和产业结构的升级可以减少生活垃圾的产生.富裕程度用人均GDP和居民人均消费支出衡量[44],人均GDP代表地区经济水平,直接影响居民的物质消费.居民人均消费支出表征生活水平,显示居民的消费能力[39],生活水平的提高使居民总体消费能力增加导致商业垃圾、餐厨垃圾等显著增长[12,45].技术水平的概念宽泛,可以包含生产方式、社会政策因素等.本文用生活能源强度和市容环境卫生费用衡量,技术的提高会减少生活垃圾的产生,直接影响着生活垃圾的产生量[46].

图1 2006、2011和2017年城市生活垃圾产生量的时空特征

用STIRPAT模型探讨人口、富裕程度和技术对城市生活垃圾产生量的影响,如图2所示.扩展模型的形式如下:

图2 人口、富裕程度和技术对生活垃圾产生量的影响

方程中下标=1,2,…,30,代表各省市自治区;代表年份;garbage代表第个地区年各类城市生活垃圾产生量;为待估参数,ε为随机误差项.1、2、3、4、5、6、7、8、9、10为模型参数.age、familysize、urbanization、education、tertiary、population、pgdp、consumption、penergy、sanitation分别代表第个地区年的年龄构成、家庭规模、城镇化水平、受教育程度、产业结构、人口规模、人均GDP、居民人均消费支出、生活能源强度、市容环境卫生费用.

1.2 数据来源和区域分类说明

表1 变量名称、符号、单位

选取2006~2017年中国30个省份的面板数据作为研究样本(西藏,港澳台除外),城市生活垃圾产生量、人均GDP、居民人均消费支出、年龄构成、受教育程度、产业结构、家庭规模和城镇化率的数据根据历年的《中国统计年鉴》(2007~2018)整理计算得到[47],生活能源强度的数据根据《中国能源统计年鉴》(20007~2018)整理计算得到[48],人口规模和市容环境卫生费用的数据来源于历年《城市建设统计年鉴》(20007~2018)[49].为了消除通货膨胀的影响,对居民人均消费支出和人均GDP进行不变价处理,调整以2006年为基期的实际数值.本文使用城市生活垃圾清运量近似替代城市生活垃圾产生量[50].变量的名称、符号和单位,如表1,各变量的描述性统计无明显偏差,数据合理,如表2.

表2 变量的描述性统计

为了探讨我国生活垃圾产生量的区域影响差异,论证结果的可靠性.分别在全国和区域层面(东、中、西)分别进行回归.

1.3 实证检验方法

我们使用计量软件stata15进行统计和回归分析.首先采用逐步回归法选取合适变量,剔除受教育程度(=0.5703)、产业结构(=0.1644)两个变量,在回归前为了避免伪回归,本文运用四种方法检验变量平稳性.Levin-Lin-Chu(LLC)测试,Im-Pesaran-Shin (IPS)测试, Fisher-ADF测试和Fisher-PP测试.如表3,在四次检验中,对所有变量一阶差分后,各变量在1%的显著性水平下保持平稳.然后采用kao检验对变量之间的协整关系进行检验,检验结果如表4,ADF值为1.9581,在5%的显著性水平变量之间存在长期稳定的均衡关系.最后通过检验、Hausman检验确定面板回归模型,如表5,检验的值为0.0000,在1%的显著性水平下强烈拒绝原假设,存在个体效应,拒绝混合OLS模型,使用固定效应模型.Hausman检验的P值为0.0000,在1%的显著性水平下强烈拒绝原假设,拒绝随机效应模型,选择固定效应模型进行回归.

表3 单位根检验结果

注:*< 0.1,**< 0.05,***< 0.01.

表4 面板数据的kao协整检验结果

2 城市生活垃圾产生量驱动因素的回归结果分析和讨论

表5第1~3列和第7~9列分别是全国和不同区域城市生活垃圾产生量驱动因素的回归结果, 通过分区域研究,保证结果的稳健性.第6~8列是滞后效应模型回归的结果,研究因素的滞后效应.

2018年我国城市化水平达59.58%[51],仍处于增长阶段.短期来看,随着城市规模不断扩张,城市人口持续增加,我国各区域城市生活垃圾产生量依然快速增长.长期来看,随着人口结构趋于稳定,政府对生态环境的重视,居民环保意识的增强,技术水平的提高,生活垃圾产生量终会跨越拐点,实现负增长.

表5 城市生活垃圾产生量驱动因素的实证结果

注:*< 0.1,**< 0.05,***< 0.01;( )内数字为回归系数的值.

2.1 人口因素的回归结果分析和讨论

从全国层面看,城镇化水平、人口规模、家庭规模和人口老龄化的弹性系数分别是1.152、0.585、-0.478、-0.230,影响程度依次减小.城镇化对生活垃圾产生量具有显著的正向影响,与以往的研究结论相同[13].城镇化是农村人口向城市转移,实现人口再分配的过程[52].它通过人口集聚增加居民消费需求和城市基础设施建设的需求.人口规模与生活垃圾产生量呈现显著正相关,以往的研究也得到相同的结论[53],人口规模增多挤压人类的生存空间,对生活垃圾的产生增加负荷.家庭规模是反映家庭结构的重要指标.随着城镇化提升、离婚率上升和人口政策的影响,中国的家庭结构逐渐转变.一方面,家庭规模日益小型化,平均家庭规模由2006年的3.17户逐渐下降到2017年的3.03户,随着总人口增加,家庭规模小型化使家庭总户数增加,消耗更多的资源,产生更多的生活垃圾,以往文献也表明家庭规模与生活垃圾产生量显著负相关[20,54-57].另一方面,家庭规模小型化消耗更多的家庭用品,同时也造成资源闲置,居民选择外出就餐或者外卖,增加生活垃圾的产生.中国总体处于老龄化初级阶段,老年人的消费能力下降,注重养生,减少生活垃圾产生量.

在滞后效应中,年龄因素的动态滞后弹性系数与固定效应弹性系数变化较小,稳定性强,存在明显的路径依赖.

从区域层面看,东部地区人口规模和家庭规模是重要的驱动力,城镇化提升、人口规模增多和家庭规模小型化促进生活垃圾的产生,人口老龄化会减少生活垃圾的产生.中西部地区城镇化水平和人口规模是重要的驱动力,城镇化的正效应和人口老龄化的负效应明显强于东部地区,在研究期内,中西部地区城镇化水平增速最快,基础设施建设落后于人口增长,东部地区城镇化水平最高,设施和制度的完善度远大于中西部地区,中西部地区的老龄化进程比东部地区慢,2017年,东部、中部和西部的平均老龄化水平分别为11.71%、11.42%和10.2%,超过2017年底经济增长速度(6.9%).在中西部地区,人口老龄化进程处于初级阶段,老年人的生活水平较低,崇尚节约简朴的生活方式,消费的内容和种类有限,生活垃圾产生量少.在东部地区,随着老龄化程度的深入,老年人对医疗、娱乐等相关产品和服务的需求较高,需要更多的经济活动来支撑,相比于中西部地区产生更多的生活垃圾.年龄结构的变化对生活垃圾产生的影响机制比较复杂,需要政府给予更多的关注.中西部地区人口规模的正效应和家庭规模的正效应明显弱于东部地区,东部地区家庭规模小型化的趋势更加明显,东部地区开放程度更高,居民生活方式多元化,家庭总户数快速增加,对生活垃圾的影响程度大.

2.2 富裕程度因素的回归结果分析和讨论

从全国层面看,居民人均消费支出与生活垃圾产生量存在倒N型关系,人均GDP与生活垃圾产生量呈现显著正相关.居民人均消费支出和人均GDP显示消费能力,对生活垃圾产生量具有显著影响.从2006年到2017年,我国居民消费水平持续增长,居民的消费内容和模式逐渐改变,生活垃圾产生量逐年增长,之前的研究发现高收入群体能够产生更多的生活垃圾[25,58].

从区域层面看,东部地区的居民人均消费支出与生活垃圾产生量呈现显著正相关,促进生活垃圾的产生,但是在中西部地区,居民人均消费支出与生活垃圾产生量呈现倒U型关系,大部分省份处在拐点左侧,人均GDP的正效应明显弱于东部地区.这表明东部地区经济快速发展提高了消费水平,居民拥有更高的消费能力,享受着高成本、高消耗、高成本、高浪费的生活方式.在中西部地区,中西部地区的经济基础薄弱,居民消费的增加产生更大的边际效用,显著提高居民的消费能力,产生更多的生活垃圾.

2.3 技术因素的回归结果分析和讨论

从全国层面看,生活能源消耗强度和市容环境卫生费用的弹性系数分别为0.120、-0.0168,对生活垃圾产生量的影响程度依次减小,表明生活能源消耗强度提高和市容环境卫生费用增多有助于减缓生活垃圾产生的速度.2006~2017年期间,一方面我国不断优化产业结构,深入实施中国制造2025,大力淘汰落后产能,推动能源结构优化,降低煤炭消费比重,提高非化石能源比重,实施节能重点工程,增加节能投入,引进高新技术,如余热取暖、燃煤锅炉节能环保提升,使生活能源消耗强度不断减小.另一方面,我国各区域的市容环境卫生费用不断增加,基础配套设施不断完善.

从区域层面看,东中西三个区域的生活垃圾产生量均与生活能源消耗强度呈现正相关,与市容环境卫生费用呈现负相关.在西部地区,生活能源消耗强度的正效应明显强于东中部地区,市容环境卫生费用的负效应明显弱于东中部地区.西部地区的技术相对落后,生活能源消耗强度的减少产生的边际效用更大,由于基础设施的相对落后,市容环境卫生费用的投资产生的作用相对较小.

3 结论及政策建议

3.1 结论

3.1.1 从人口因素看,城镇化水平、人口规模、家庭规模和人口老龄化的弹性系数分别是1.152、0.585、-0.478、-0.230,影响程度依次减小.在东部地区,城镇化提升、人口规模增多和家庭规模小型化促进生活垃圾的产生,人口老龄化增多会减少生活垃圾的产生.在中西部地区,城镇化的正效应和人口老龄化的负效应明显强于东部地区,人口规模的正效应和家庭规模的正效应明显弱于东部地区.

3.1.2 从经济发展看,居民人均消费支出与生活垃圾产生量呈现倒N型关系.在东部地区,居民人均消费支出和人均GDP的提升促进生活垃圾的产生.

3.1.3 从技术水平看,生活能源消耗强度和市容环境卫生费用的弹性系数分别为0.120、-0.0168.在西部地区,生活能源消耗强度的正效应明显强于东中部地区,市容环境卫生费用的负效应明显弱于东中部地区.

3.2 政策建议

3.2.1 城镇化水平对生活垃圾产生量的压力巨大,优先控制城乡人口流动,合理规划和扩张城市区域,从质量上更加关注城市的发展.中西部地区城镇化的发展要充分借鉴东部城市的经验,合理扩张.政府实施人口有计划发展规律,合理控制人口规模,特别是中部地区,例如提高落户要求,引进高层次人才.我国处于老龄化初级阶段,随着各区域老龄化的不断深入会增加生活垃圾产生量,鼓励老年人过健康可持续的生活方式,政府调整人口生育政策,优化年龄结构.各区域家庭规模小型化使家庭户数增加,造成资源浪费和闲置,大力发展共享经济,从源头减少资源浪费和生活垃圾的产生.

3.2.2 随着各个区域经济发展水平提高,居民消费能力明显提高,政府采取各种措施降低生活垃圾产生量的峰值,促进各区域和省份尽快跨越拐点,例如强制推行垃圾分类政策、无废城市的建设、培养绿色消费模式、生活垃圾类法规的完善等.持续有力度的宣传和倡导生活垃圾分类,增强居民环保意识,环保意识从倡导到接受到深入人心需要一段过程.

3.2.3 各区域均需要提升技术水平减少生活垃圾的产生.在生活能源消耗强度方面,通过优化产业和能源结构,实施节能重点工程,引进高新技术,增加节能投入,加速开发新能源.在市容环境卫生费用方面,通过增加市容环卫投资,加强垃圾处理设施建设,促进两网融合,应用物联网、人工智能等高新技术等,引进国外先进的理念和模式、垃圾处理设备和技术工艺,提高无害化水平.

[1] 魏潇潇,王小铭,李 蕾,等.1979~2016年中国城市生活垃圾产生和处理时空特征[J]. 中国环境科学, 2018,38(10):3833-3843. Wei X X, Wang X M; Li L. Temporal and spatial characteristics of municipal solid waste generation and treatment in China from 1979 to 2016 [J]. China Environmental Science, 2018,38(10):3833-3843.

[2] Zhu M H, Fan X M, Rovetta A, et al. Municipal solid waste management in Pudong New Area, China [J]. Waste Management, 2009,29(3):1227-1233.

[3] Yuan H, Wang L A, Su F W, et al. Urban solid waste management in Chongqing: Challenges and opportunities [J]. Waste Management, 2006,26(9):1052-1062.

[4] Liu C, Wu X-W. Factors influencing municipal solid waste generation in China: a multiple statistical analysis study [J]. Waste Management & Research, 2011,29(4):371-378.

[5] 中华人民共和国国家统计局.中国统计年鉴2018 [M]. 北京:中国统计出版社, 2018.National Bureau of sattistics the People's Republic of China. China statistical yearbook in 2018 [M]. Beijing: China Statistics Press, 2018.

[6] 彭 韵,李 蕾,彭绪亚,等.我国生活垃圾分类发展历程、障碍及对策[J]. 中国环境科学, 2018,38(10):3874-3879. Peng Y, Li L, Peng Y g. A review on municipal solid waste classification in China: development status, problems and countermeasures. [J]. China Environmental Science,2018,38(10): 3874-3879.

[7] 王临清,李枭鸣,朱法华.中国城市生活垃圾处理现状及发展建议[J].环境污染与防治, 2015,37(2):106-109.Wang L Q, Li X M, Zhu F H. Current situation of municipal solid wastes disposal and development proposals in china [J]. Environmental Pollution and Control, 2015,37(2):106-109.

[8] Pan L Y, Lin T, Xiao L S, et al. Household waste management for a peri-urban area based on analysing greenhouse gas emissions for Jimei District, Xiamen, China [J]. International Journal of Sustainable Development & World Ecology, 2010,17(4):342-349.

[9] Mian M M, Zeng X L, Nasry A A N B, et al. Municipal solid waste management in China: a comparative analysis [J]. Journal of Material Cycles & Waste Management, 2017,19(3):1127-1135.

[10] Giusti L. A review of waste management practices and their impact on human health [J]. Waste Manag, 2009,29(8):2227-2239.

[11] Momani A H A. Solid-waste management: Sampling,analysis and assessment of household waste in the city of Amman [J]. International Journal of Environmental Health Research, 1994,4(4):208-222.

[12] Nilanthi J G J, Bandara J, Patrick A, et al. Wirasinghe, Sumith Pilapiiya. Relation of waste generation and composition to socio- economic factors: a case study [J]. Environmental Monitoring and Assessment, 2007,1-3(135):31-39.

[13] Chen C C. Spatial inequality in municipal solid waste disposal across regions in developing countries [J]. International journal of Environmental Science and Technology, 2010,3(7):447-456.

[14] Zhang G Q, Lin T, Chen S H, et al. Spatial characteristics of municipal solid waste generation and its influential spatial factors on a city scale: a case study of Xiamen, China [J]. Journal of Material Cycles and Waste Management, 2015,17(2):399-409.

[15] 杜吴鹏,高庆先,张恩琛,等.中国城市生活垃圾排放现状及成分分析[J].环境科学研究, 2006,19(5):85-90. Du W P, Gao Q X, Zhuang E C. The mision status and composition analysis of municipal solid waste in china [J]. Research Of Environmental Sciences, 2006,19(5):85-90.

[16] Chu Z J, WU Y G, Zhou A. Analysis of influence factors on municipal solid waste generation based on the multivariable adjustment [J]. Environmental Progress & Sustainable Energy, 2016,6(35):1629- 1633.

[17] Qu X Y, Li Z S, Xie X Y, et al. Survey of composition and generation rate of household wastes in Beijing, China [J]. Waste Management, 2009,29(10):2618-2624.

[18] Xu L, Lin T, Xu Y, et al. Path analysis of factors influencing household solid waste generation:a case study of Xiamen Island, China [J]. Journal of Material Cycles and Waste Management, 2016, 18(2):377-384.

[19] 高会苗,戴铁军,高晓龙.北京城市生活垃圾产生量的影响因素研究及预测[J].环境卫生工程, 2014,22(1):24-28. Gao H J, Dai T J, Gao X Y. Influence factors and prediction of MSW output in Beijing [J]. Environmental Sanitation Engineering, 2014, 22(1):24-28.

[20] 徐礼来,闫 祯,崔胜辉.城市生活垃圾产量影响因素的路径分析—以厦门市为例[J]. 环境科学学报, 2013,33(4):1180-1185. Xu L L, Yan Zhen, Cui S J. Path analysis of influencing factors on municipal solid waste generation: A case study of Xiamen City [J]. Acta Scientiae Circumstantiae, 2013,33(4):1180-1185.

[21] Intharathirat R, Abdul Salam P, Kumar S, et al. Forecasting of municipal solid waste quantity in a developing country using multivariate grey models [J]. Waste Management, 2015,39:3-14.

[22] Surindra S, Pavitra S. Household solid waste generation and composition in different family size and socio-economic groups: A case study [J]. Sustainable Cities and Society, 2015,(14):56-63.

[23] Bruvoll A. Factors influent a solid waste generation and management [J]. Journal of Solid Waste Technology and Management, 2001,27: 156-162.

[24] 曹海艳,葛新权,李晓非.城市居民收入水平与生活垃圾产生量关系研究[J]. 统计与决策, 2017,(6):95-98.Cao H Y, Ge X Q, Li X F. A Study on the relationship between the income level of urban residents and the municipal waste. [J]. Statistics and Decision, 2017,(6):95-98.

[25] Dennison G J, Dodd V A, Whelan B. A socio-economic based survey of household waste characteristics in the city of Dublin, Ireland. I. Waste composition [J]. Resources Conservation & Recycling, 1996, 17(17):227-244.

[26] Trang P T T, Dong H Q, Toan D Q, et al. The effects of socio- economic factors on household solid waste generation and composition: A Case Study in Thu Dau Mot, Vietnam [J]. Energy Procedia, 2017,107:253-258.

[27] Monavari S M, Omrani G A, Karbassi A, et al. The effects of socioeconomic parameters on household solid-waste generation and composition in developing countries (a case study: Ahvaz, Iran) [J]. Environmental Monitoring & Assessment, 2012,184(4):1841-1846.

[28] 毛克贞,孙菁靖,宋长健.城镇居民消费增长加剧了生活污染吗? [J]. 华东经济管理, 2018,32(4):87-95. Mao K Z, Sun J J, Song C J. Does the growth of urban residents consumption Exacerbate domestic Pollution? [J]. East China Economic Management, 2018,32(4):87-95.

[29] Song T, Zheng T, Tong L. An empirical test of the environmental Kuznets curve in China: A panel cointegration approach [J]. China Economic Review. 2008,3(19):392.

[30] Song T, Zheng T, Tong L. An empirical test of the environmental Kuznets curve in China:A panel cointegration approach [J]. China Economic Review, 2008,19(3):381-392.

[31] Ehrlich P R, Holdren J P. Impact of population growth [J]. Science, 1971,171(3977):1212-1217.

[32] Dietz T R E. Rethinking the environmental impacts of population, affluence and technology [J]. Human Ecology Review, 1994,(1): 277-300.

[33] Wang Z H, Zeng H L, Wei Y M, et al. Regional total factor energy efficiency: An empirical analysis of industrial sector in China [J]. Applied Energy, 2012,97(9):115-123.

[34] Ping W, Wu W, Zhu B, et al. Examining the impact factors of energy-related CO2emissions using the STIRPAT model in Guangdong Province, China [J]. Applied Energy, 2013,106(11):65-71.

[35] Liu Y S, Zhou Y, Wu W X. Assessing the impact of population, income and technology on energy consumption and industrial pollutant emissions in China [J]. Applied Energy, 2015,155(155): 904-917.

[36] Ojeda-Benítez S, Vega A D, Ma M M. Household solid waste characterization by family socioeconomic profile as unit of analysis [J]. Resources Conservation & Recycling, 2008,52(7):992-999.

[37] Ojeda-Benítez S, Vega A D, Ma M M. Household solid waste characterization by family socioeconomic profile as unit of analysis [J]. Resources Conservation & Recycling, 2008,52(7):992-999.

[38] Mian M M, Zeng X L, Nasry A A N B, et al. Municipal solid waste management in China: a comparative analysis [J]. Journal of Material Cycles and Waste Management, 2017,19(3):1127-1135.

[39] Wilson D C, Ljiljana R, Anne S, et al. Comparative analysis of solid waste management in 20cities [J]. Waste Management & Researcht, 2012,30(3):237-254.

[40] Lilliana Abarca G, Ger M, William H. Solid waste management challenges for cities in developing countries [J]. Tecnología En Marcha, 2013,33(1):220-232.

[41] Khan D, Kumar A, Samadder S R. Impact of socioeconomic status on municipal solid waste generation rate [J]. Waste Management, 2016,49:15-25.

[42] Chhay L, Reyad M A H, Suy R, et al. Municipal solid waste generation in China: influencing factor analysis and multi-model forecasting [J]. Journal of Material Cycles & Waste Management, 2018,20(3):1-10.

[43] 邓晓兰,车明好,陈宝东.我国城镇化的环境污染效应与影响因素分析[J].经济问题探索, 2017,(1):35-41. Deng X L, Che M H, Chen B D.Analysis of environmental pollution effects and influencing factors of urbanization in China [J]. Inquiry Into Economic Issues, 2017,(1):35-41.

[44] 刘承毅.城市生活垃圾减量化效果与政府规制研究[J]. 东北财经大学学报, 2014,(2):66-73. Liu C Y.Research on the reduction effect of municipal solid waste and government regulation [J]. Journal of Dongbei University of Finance and Economics, 2014,(2):66-73.

[45] Ogwueleka T C. Survey of household waste composition and quantities in Abuja, Nigeria [J]. Resources Conservation & Recycling, 2013,77(2):52-60.

[46] Chen L, Xin-Wu W. Factors influencing municipal solid waste generation in China: a multiple statistical analysis study [J]. Waste Management & Research, 2011,29(4):371-378.

[47] 中华人民共和国国家统计局.中国统计年鉴 [M]. 北京:中国统计出版社, 2007~2018.National Bureau of sattistics the People's Republic of China. China statistical yearbook [M]. Beijing:China Statistics Press, 2007~2018.

[48] 中华人民共和国国家统计局.中国能源统计年鉴[M]. 北京:中国统计出版社, 2007~2018. National Bureau of sattistics the People's Republic of China.China Energy statistical yearbook [M]. Beijing: China Statistics Press, 2007- 2018.

[49] 中华人民共和国住房和城乡建设部门.中国城市建设统计年鉴[M]. 北京:中国计划出版社, 2007~2018. Ministry of Housing and urban-rural development iof the People's Republic of China. China Urban Construcion statistical yearbook [M]. Beijing:China Planning Press, 2007~2018.

[50] 孔令强,田光进,柳晓娟.中国城市生活固体垃圾排放时空特征 [J]. 中国环境科学, 2017,37(4):1408-1417. Kong L Q, Tian G J, Liu X J. The spatio·temporaI dynamic pattern of urban solid waste emission in China [J]. China Environmental Science, 2017,37(4):1408-1417.

[51] 中华人民共和国国家统计局.2018年国民经济和社会发展统计公报[R]. 北京:中华人民共和国国家统计局, 2018.National Bureau of sattistics the People's Republic of China. Statistical Bulletin on National Economic and Social Development in 2018 [R]. Beijing: National Bureau of sattistics the People's Republic of China, 2018.

[52] Thanh N P, Matsui Y, Fujiwara T. Household solid waste generation and characteristic in a Mekong Delta city, Vietnam [J]. Journal of Environmental Management, 2010,91(11):2307-2321.

[53] Cole M A, Neumayer E. Examining the impact of demographic factors on air pollution [J]. Population & Environment, 2004,26(1): 5-21.

[54] Dangi M B, Urynowicz M A, Gerow K G, et al. Use of stratified cluster sampling for efficient estimation of solid waste generation at household level [J]. Waste Management & Research the Journal of the International Solid Wastes & Public Cleansing Association Iswa, 2008,26(6):493-499.

[55] Dangi M B, Pretz C R, Urynowicz M A, et al. Municipal solid waste generation in Kathmandu, Nepal [J]. Journal of Environmental Management, 2011,92(1):240-249.

[56] Getahun T, Mengistie E, Haddis A, et al. Municipal solid waste generation in growing urban areas in Africa: current practices and relation to socioeconomic factors in Jimma, Ethiopia [J]. Environmental Monitoring & Assessment, 2012,184(10):6337.

[57] Sokka L, Antikainen R, Kauppi P E. Municipal solid waste production and composition in Finland—Changes in the period 1960~2002 and prospects until 2020 [J]. Resources Conservation & Recycling, 2007,50(4):475-488.

[58] Bandara N J G J, Hettiaratchi J P A, Wirasinghe S C, et al. Relation of waste generation and composition to socio-economic factors: a case study. [J]. EnvironmentalMonitoring & Assessment, 2007,135(1-3): 31-39.

Regional differences of municipal solid waste generation in China based on the STIRPAT model.

XU Bo1,2, ZHAO Yue1, JU Mei-ting1,2, CHU Chu-li1,2*, ZHANG Zhe-yu1

(1.College of Environmental Science and Engineering, Nankai University, Tianjin 300071, China；2.Tianjin Engineering Research Center of Biomass Solid Waste Resources Technology, Nankai University, Tianjin 300071, China)., 2019,39(11)：4901~4909

Based on China’s provincial-level panel data from 2006 to 2017, influences of population, affluence, and technology on the regional differences of municipal solid waste (MSW) generation from the national and regional level, respectively were studied, by adopting a fixed effect model derived from the STIRPAT theoretical model. The results showed in recent years, the generation of MSW increased rapidly and the changes varied significantly across regions. From the perspective of population, the impact of urbanization level, population size, family size, and population aging on MSW generation decreased in turn at the national level, with elasticity coefficients of 1.152, 0.585, -0.478, and -0.230, respectively. In the eastern region, the generation of MSW was further promoted by the improvement of urbanization level, the increase of population size, and the miniaturization of family size, while the increase of population aging reduced the generation of MSW. However, in the central and western regions, the positive effect of urbanization level and the negative effect of population aging were significantly stronger than in the eastern region, whereas the positive effect of population size and family size were significantly weaker than in the eastern region. From the perspective of affluence, an inverted N-type relationship was observed between the per capita consumption expenditure of residents and the generation of MSW at the national level. The generation of MSW increased remarkably along with the improvement of per capita consumption expenditure and per capita GDP in the eastern region. From the perspective of technology, the elasticity coefficients of domestic energy consumption intensity and municipal appearance environmental sanitation expense were 0.120 and -0.0168 respectively, of which the regional difference was not significant.

municipal solid waste；regional difference；STIRPAT model；population；affluence；technology

X321

A

1000-6923(2019)11-4901-09

许 博(1994-),男,河南商丘人,南开大学环境科学与工程学院硕士研究生,主要从事循环经济方面研究.

2019-04-03

南开大学亚洲研究中心课题(AS1812);国家自然科学基金 (51708301);2017年天津市一二三产业融合发展科技示范工程项目(17ZXYENC00100);天津市自然科学基金重点基金项目(17JCZDJC39500);天津市青年人才托举工程项目(TJSQNTJ-2018-06)

* 责任作者, 副教授, chucl@nankai.edu.cn