MMESE理论下城市生活垃圾分类投放行为研究

丁治中，张雅楠，舒诗琦，陈俊，胡娇

(1.河海大学 机电工程学院，江苏 常州 213022;2.苏州大学 艺术学院，江苏 苏州 215123)

1 引言

随着工业化和城市化进程，城市生活垃圾污染已引起诸多环境问题。早在2000年，建设部就确立了北京、上海等8个城市作为“生活垃圾分类收集试点城市”，要求社区居民按照要求进行垃圾分类投放。此后，中央和地方政府又相继出台相关政策来确保垃圾分类投放的实施。随着2019年《上海市生活垃圾管理条例》的出台和在上海执行取得的初步成功，中国的垃圾分类进入“强制时代”[1]。

由于很多城市的垃圾分类效果不够理想，居民不遵守垃圾分类投放的现象仍较为普遍。城市生活垃圾分类问题受到政府的高度重视，垃圾分类投放行为的管制也成为学术界研究的重点。探寻城市生活垃圾投放行为的影响因素是从源头有效把控和改善垃圾投放行为的关键。目前，关于社会学、心理学对垃圾分类投放行影响因素的分析已有很多，如韩洪云等人[2]发现社会资本对于垃圾分类投放有显著正向影响，社会网络可提高居民生活垃圾投放行为的可预测性；唐林等人[3]发现，由于“面子观念”，有专人监督会有效改善不良的垃圾投放行为。但对城市生活垃圾投放行为具体作业场景的影响因素缺少系统研究。

本文将选取MMESE理论从作业空间的影响因素角度进行分析，讨论人-机-环境对垃圾分类投放行为产生的影响，建立相关模型探讨系统作业行为空间下的影响因素交互项。通过进一步分析人-机-环境对城市居民生活垃圾分类投放行为的交互效应，对城市生活垃圾分类投放行为的管控提出相应的政策建议。

2 方法

MMESE(Man-Machine-Environment System Engineering)理论，又称人-机-环境系统工程理论，最早由著名科学家钱学森提出，是正确处理人、机、环境关系，深入研究人-机-环境最优组合的方法。MMESE理论最初应用于航空航天领域[4]，之后在船舶的舱内设计[5]、特定作业环境下的风险及事故分析[6]等领域有所应用。由于装备、设备需要人的行为来进行操控，故MMESE理论可用于研究作业空间下操作员的行为。城市生活垃圾投放行为属于室外作业空间的简单作业行为，可将MMESE理论应用于垃圾投放行为影响因素确定。

2.1 研究思路

本文选取MMESE理论作为基本的研究方法，对城市生活垃圾投放的影响因素进行定义和赋值，并构建相关模型。通过田野调查法对投放垃圾的居民进行观察、记录并结合相关问卷和访谈来收集初始数据。采用SPSS Statistics 24.0软件和SPASSAU对初始数据进行分析。接着采取方差分析和卡方分析相结合对影响因素进行差异性的初次筛选，在此基础上将筛选出的影响因素代入有序Logistic模型进行回归分析，最后找出显著的影响因素并对其进行讨论，本文研究技术路线如图1。

图1 本文技术路线图

2.2 基于MMESE理论的影响因素确定

根据MMESE理论的定义结合本文的适用情景，“人”特指在城市住宅小区内与垃圾投放设施产生人机交互并产生垃圾投放行为的居民；“机”指垃圾投放设施；“环境”指城市住宅小区的室外公共垃圾投放区域。根据实际调研将MMESE理论对垃圾投放行为影响因素分为7个大类：观察对象个体特征、垃圾投放设施特征、室外环境特征、观察对象对设施感知、环境对垃圾投放设施干扰、观察对象对投放环境感知、他人干扰。

首先，城市住宅小区生活垃圾投放行为属于短暂时间作业行为，且属于多人的单次作业行为，因此本文不考虑操作居民生理因素差异，只考虑个体的特征差异，如性别、年龄等。其次，虽属于室外作业行为，由于调研月份雨量较少，且在调研过程中投放行为发生时未有巨大噪音，因此可忽略大多数物理因素如声环境、空气湿度等的影响；调研过程中很多晚间产生垃圾投放行为的居民用手机照明进行补光，因此需将光线情况纳入影响因素的考虑中。最后由于人的社会属性，投放垃圾的人群难免避免公众心理及前置行为影响，因此将当时作业行为下的他人行为及同一操作设施的前置行为也纳入观察和分析之中。其余影响因素的确立如表1。

表1 前人研究及本文影响因素选取依据

根据上述分析，本文共确立了15个影响因素，分别是：观察对象个体特征3个：(1)性别；(3)年龄；(3)上班情况。垃圾投放设施特征3个：(1)设施控制器情况；(2)设施内部容量情况；(3)设施标识情况。观察对象对设施感知1个：设施的洁净性。环境对设施的干扰1个：光线对设施的影响。室外环境特征4个：(1)小区物业水平；(2)政策宣传情况；(3)小区垃圾投放设施相对数量；(4)制度执行状况。对象对投放环境感知1个：设施及其周边环境气味。他人影响2个：(1)周围是否有人；(2)前置行为干扰。

3 模型与变量

3.1 数据来源与样本情况

选取江苏省常州市新北区的25个城市住宅小区为调查对象，每个小区设置2-3个观测点，对垃圾投放行为进行观察。观察到产生垃圾投放行为居民共553位，针对观察到的小区居民的个人特征、小区居民对设施环境的评价展开了相关问卷调查及访谈记录。由于部分被调研居民急于出行导致相关调查内容缺失，最终得到411组完整数据。

通过统计分析发现样本具有以下2个特征：(1)女性比例高于男性(女性占55.7%，男性占44.3%)。对比常州第六次人口普查结果，女性生活垃圾投放行为占比高于其城市人口占比，表明家务类劳动仍主要是女性在做。(2)中老年居民参与城市生活垃圾投放行为较高(60岁以上占35.8%，44-60岁占34.5%，18岁以下占2.1%)。老年人退休后在家时间更长，实际垃圾投放行为的年龄情况也印证了常州的城市老龄化趋势,见表2。

表2 样本基本情况

3.2 影响因素的研究思路及变量定义

本文主要探讨MMESE理论下，城市生活垃圾投放行为在垃圾投放行为发生的作业行为空间受到哪些因素的影响。因此，本文的被解释变量为“城市住宅小区生活垃圾投放行为”，在田野调查的过程中以问题“垃圾投放行为是否标准且进行分类”表征，属于多分类变量并带有一定层次性，根据拟合效果，应选取有序Logistic模型进行回归，模型设定如下：

以发生比来表示，城市住宅小区生活垃圾投放行为的有序Logistic模型如下：

上述(1)和(2)式子中，y表示城市住宅小区生活垃圾投放行为，h的取值表示城市住宅小区生活垃圾投放行为的相应水平；Ph表示城市住宅小区生活垃圾投放行为某一水平的概率，(1-Ph)表示其它城市住宅小区垃圾投放行为水平的概率；xk表示可能影响城市住宅小区生活垃圾投放行为结果的因素；θk为偏回归系数，表示自变量对logit(Ph)的影响，φh为常数，与具体因变量取值有关。

将垃圾投放行为根据是否正确和是否规范划分为四个得分项(行为的正确与否按照常州市垃圾分类的执行标准进行判断)，并赋予0-3的得分。解释变量与为上文所述的15个变量，具体变量及相关赋值定义见表3。

表3 模型变量赋值及描述性统计

由于解释变量超过10个，本文将先对影响因素初步筛选，再将筛选后的影响因素带入有序Logistic模型进行回归分析。其中，I、K属于定量数据，需要使用方差分析来检验这两项解释变量与垃圾投放行为之间的差异性；其余13项解释变量属于定类变量，需使用卡方检验找出与垃圾投放行为呈现显著差异的变量。

从表3还可以观测本文变量的以下特征：(1)政策宣传情况的均值仅为1.3066，表明小区居民并未有切实的城市生活垃圾分类投放宣传体验，宣传和居民对接不够到位。(2)制度执行状况平均值为0.6642，表明常州市城市生活垃圾投放行为整体较好，超过6成居民按照常州市垃圾分类标准自觉进行垃圾分类。(3)统计的411次垃圾投放行为中，52次行为与垃圾投放设施控制器损坏相关，占12.7%；78次行为与垃圾投放设施上的标识不清挂钩，占18.5%；101次行为与垃圾投放设施内容量已满相关，占24.6%。表明常州城市住宅小区垃圾投放设施的及时更换情况、垃圾清运工作都做的较好。(4)大部分垃圾投放行为发生在光线满足居民辨别设施颜色标识的情况下，但仍有20.9%的行为发生在光线不足的场景下，需进一步讨论是否需要补光。

4 结果

4.1 城市生活垃圾投放行为影响因素初次筛选

利用方差分析去研究城市住宅小区生活垃圾投放行为对于I、K共2项变量的差异性。检验结果显示，不同行为样本对于I、K的显著性P值均>0.05，意味着不同城市住宅小区生活垃圾投放行为样本对于小区垃圾投放设施相对数量，小区物业水平没有差异性。方差检验结果可知，这两项影响因素可以进行排除而不必引入有序Logistic模型中进行回归分析。

对城市生活垃圾投放行为与13组定类变量进行卡方检验，检验结果表明不同行为样本对于A、J共2项变量不会表现出显著性(P>0.05)，意味着不同城市生活垃圾投放行为得分样本对于性别、政策宣传情况两项没有差异性。行为得分样本对于B、C、D、E、F、G、H、L、M、N、O共11项变量呈现出显著性(P<0.05)，意味着不同行为样本对这11项定类变量均呈现出差异性，需引入有序Logistic模型中进行回归分析。

4.2 有序Logistic模型回归结果

在进行Logistic模型回归之前，考虑到各解释变量之间可能存在共线性，使用SPSS对11个变量进行多重共线性检验，方差膨胀因子(VIF)最小值为1.055，最大值为1.631，均远<10，表明各个变量之间不存在严重的多重共线性。另外通过模型似然比检验对模型有效性进行分析，此处模型检验的原定假设为：是否放入自变量(年龄、上班情况等11个定类变量)两种情况时模型质量均一样；分析显示拒绝原假设(chi=598.804,P=0.000<0.05)，说明本次构建模型时，放入的自变量有效，本次模型构建有意义。

接着利用SPSSAU进行数据的回归分析，回归结果如表4所示。

表4 有序Logistic回归模型分析结果汇总

从上表可以看出，模型伪R平方值(McFadden R方)为0.595，意味着B、C、D、E、F、G、H、L、M、N、O可以解释城市住宅小区生活垃圾投放行为的59.5%变化原因。将这11项影响因素按照顺序从x1→x11进行赋值，赋值后建立y取值0，1，2时的Logistic回归模型。

-0.228x2-1.072x3-0.452x4-0.247x5

-0.102x6-1.217x7+10.373x8-1.223x9

+1.059x10-0.107x11

(3)

-0.228x2-1.072x3-0.452x4-0.247x5

-0.102x6-1.217x7+10.373x8-1.223x9

+1.059x10-0.107x11

(4)

-0.228x2-1.072x3-0.452x4-0.247x5

-0.102x6-1.217x7+10.373x8-1.223x9

+1.059x10-0.107x11

(5)

根据回归结果总结分析可知：制度执行状况，周围是否有人会对城市生活垃圾投放行为产生显著的正向影响关系；年龄,设施控制器情况，光线对设施的影响，设施及其周边环境气味，会对城市生活垃圾投放行为产生显著的负向影响关系。上班情况,设施内部容量情况,设施标识情况,设施的洁净性,前置行为干扰并不会对城市生活垃圾投放行为得分产生影响关系。

接着本文对预测模型的准确率进行了分析，拟合结果显示研究模型的整体预测准确率为75.91%，模型拟合情况可以接受，依据有序Logistic回归模型提取出的相关性大的影响因素是有效的。

5 讨论

针对影响因素和城市垃圾投放行为之间的关系，本文对呈现显著相关的6个影响因素进行了更进一步的讨论，具体讨论结果如表5所示：

表5 显著影响因素的讨论

6 结论

针对影响因素的有关分析，本文提出以下建议来合理提升城市生活垃圾投放行为：第一，提高对垃圾投放设施控制器的检验频率，并将重点放在维修和清洁防护上。及时检查控制器是否出现损坏并进行维修有利于降低不良的生活垃圾投放行为；定期对垃圾投放设施及其周边进行清洗、除臭，进一步建立物业对垃圾分类投放设施的维护，减少居民投放时的不良情绪。第二，其他垃圾和可回收垃圾的箱体比例需重新考虑，这需要政府根据小区可回收不可回收垃圾的日产生量进行宏观调控。第三，鉴于垃圾投放的经济性，本文建议将现有小区垃圾投放设施上的标识涂上夜光材料，保证夜间设施在黑暗中的可识别性。第四，需要有专门的监督人员进行巡查或仿照上海的模式进行定点投放。由于此前已有上海试点进行相关政策施行，因此实施专人监管的预期阻碍会较小。第五，多开展老年的相关宣传活动，并培训老年人对危害性较大行为的认知，使其充分了解并执行相关的垃圾分类投放的有关政策规定。第六，虽然青少年参与垃圾投放较少，从长远来说，应提前对青少年垃圾垃圾分类投放的正面教育。