垃圾減量分類方法的量化分析*

尚春鈺，劉力軍，朱吉祥，余光磊

（大連民族學(xué)院理學(xué)院，遼寧 大連 116600）

1 數(shù)據(jù)收集

生活垃圾樣品的采集、制備和物理成分、物理性質(zhì)的分析方法可參照CJ/T 313—2009生活垃圾采樣和分析方法，垃圾分類數(shù)據(jù)來(lái)自垃圾分揀中心［1］，數(shù)據(jù)收集格式如表1所示。

?

通過(guò)查找相關(guān)文獻(xiàn)，本研究將激勵(lì)措施［2］分為5項(xiàng)，并將這5項(xiàng)激勵(lì)措施對(duì)減量分類效果進(jìn)行打分（見(jiàn)表2），對(duì)主觀指標(biāo)分值量化，可采取1～9分賦值法。即設(shè)計(jì)問(wèn)卷時(shí)，對(duì)題目采用諸如影響效果最強(qiáng)、影響效果較強(qiáng)、影響效果一般、影響效果較弱、影響效果最弱之類答項(xiàng)并按序排列，分別給予1～9分的分值，即影響效果最強(qiáng)為9分，影響效果較強(qiáng)為8分，依此類推，影響效果最弱為1分。運(yùn)用 SPSS主成分分析法［3］將這5項(xiàng)激勵(lì)措施以及減量分類效果的指標(biāo)分別進(jìn)行降維。

?

隨機(jī)發(fā)放問(wèn)卷200份，回收問(wèn)卷193份，有效問(wèn)卷186份。對(duì)所獲問(wèn)卷整理后，運(yùn)用SPSS統(tǒng)計(jì)軟件分別進(jìn)行了相關(guān)分析、因子分析和回歸分析。

2 數(shù)據(jù)分析及結(jié)果

2.1 Pearson相關(guān)分析

相關(guān)系數(shù)的計(jì)算介紹：n個(gè)樣本的2個(gè)指標(biāo)xik和xil之間的相關(guān)系數(shù)定義為：

Pearson相關(guān)系數(shù)的r絕對(duì)值越大，相關(guān)性越強(qiáng)，相關(guān)系數(shù)越接近于1或-1，相關(guān)度越強(qiáng)，相關(guān)系數(shù)越接近于0，相關(guān)度越弱。通常情況下以r的絕對(duì)值取值范圍判斷變量的相關(guān)強(qiáng)度，見(jiàn)表3。

?

2.2 SPSS回歸分析

以可回收垃圾和其他垃圾的調(diào)查樣本做統(tǒng)計(jì)分析，結(jié)果見(jiàn)表4。

?

從以上結(jié)果可以看出Pearson相關(guān)性為-0.619（可以認(rèn)為是兩者的相關(guān)系數(shù)為-0.619），屬于負(fù)相關(guān)關(guān)系，同時(shí)顯著性（雙側(cè)） 結(jié)果為 0.000，由于0.000<0.01，所以具備顯著性，得出：可回收垃圾和其他垃圾具備相關(guān)性。由此得到各類垃圾Pearson相關(guān)系數(shù)，如表5所示。

?

經(jīng)上述分析可知對(duì)于陽(yáng)光花園：可回收垃圾與廚余垃圾呈極弱負(fù)相關(guān)，與有害垃圾呈弱相關(guān)，與其他垃圾呈負(fù)強(qiáng)相關(guān)；廚余垃圾與有害垃圾呈極弱相關(guān)，與其他垃圾呈負(fù)弱相關(guān)；有害垃圾與其他垃圾呈負(fù)弱相關(guān)。

既然具備相關(guān)性，那么需要建立回歸分析，并且構(gòu)建一元線性方程，結(jié)果如表6～7、圖1所示。

?

?

圖1 回歸標(biāo)準(zhǔn)化殘差的標(biāo)準(zhǔn)P-P圖（因變量：可回收物）

結(jié)果分析：①?gòu)谋?的檢驗(yàn)結(jié)果來(lái)看，F(xiàn)的統(tǒng)計(jì)量為36.683，P值顯示為0.000，拒絕模型整體不顯著的假設(shè)，證明模型整體是顯著的。②從表6可以看出回歸系數(shù)、回歸系數(shù)的標(biāo)準(zhǔn)差、回歸系數(shù)的T顯著檢驗(yàn)等，回歸系數(shù)常量為907.792，但是Sig為0.058，常數(shù)項(xiàng)不顯著，回歸系數(shù)為-0.619，相對(duì)的Sig為0.000，具備顯著性。

所以一元線性方程為：可回收物=907.792-0.619×其他垃圾。

接著再次利用SPSS回歸-線性分析的方式來(lái)分析：有害垃圾和其他垃圾情況是否具備相關(guān)性，結(jié)果如表8和圖2所示。

?

圖2 回歸標(biāo)準(zhǔn)化殘差的標(biāo)準(zhǔn)P-P圖（因變量：有害垃圾）

其一元線性方程為：有害垃圾=6.239-0.335×其他垃圾。

2.3 各項(xiàng)激勵(lì)措施與減量分類效果的相關(guān)性

綜合網(wǎng)上查找的數(shù)據(jù)，將激勵(lì)措施分為以下方面：①對(duì)參與垃圾分類的家庭免費(fèi)提供四色垃圾分類收集袋；②對(duì)開展垃圾分類工作突出的居民戶在垃圾袋裝服務(wù)費(fèi)、垃圾處理費(fèi)等收取上予以減免；③對(duì)積極參與垃圾分類工作的居民代表及其他志愿者給予適當(dāng)?shù)奈镔|(zhì)獎(jiǎng)勵(lì)；④對(duì)積極主動(dòng)配合試點(diǎn)工作的社區(qū)加大政府投入，優(yōu)先配置先進(jìn)作業(yè)設(shè)備，更換先進(jìn)設(shè)施，創(chuàng)造潔凈優(yōu)美的社區(qū)環(huán)境；⑤建立家庭環(huán)保積分卡，達(dá)到一定積分的家庭可換購(gòu)景點(diǎn)門票和其他生活必需品。

運(yùn)用SPSS18.0主成分分析的方法，將這5項(xiàng)激勵(lì)措施以及減量分類效果的指標(biāo)分別進(jìn)行降維，因子分析結(jié)果見(jiàn)表9。

表9 前2個(gè)主成分分析結(jié)果

在5項(xiàng)激勵(lì)措施中，將物質(zhì)獎(jiǎng)勵(lì)和垃圾分類收集袋歸為一類，減免處理費(fèi)和環(huán)保積分卡歸為一類。

運(yùn)用SPSS18.0得到減量分類效果5項(xiàng)指標(biāo)的因子得分，做出散點(diǎn)圖，見(jiàn)圖3～4。

圖3 貢獻(xiàn)度因子分析

圖4 相關(guān)性因子分析

得出如下結(jié)論：①物質(zhì)獎(jiǎng)勵(lì)和垃圾分類收集袋措施對(duì)垃圾回收率的影響較大；②減免處理費(fèi)和環(huán)保積分卡措施對(duì)垃圾分類情況影響較大；③更換先進(jìn)設(shè)施措施對(duì)收集情況和垃圾數(shù)量的影響較大。

3 結(jié)論

減量分類收集是徹底實(shí)現(xiàn)垃圾減量化的關(guān)鍵，運(yùn)用主成分分析法最大程度地提取了影響城市生活垃圾減量分類各個(gè)因素的有效信息，用綜合因子代替原有的眾多影響因素實(shí)現(xiàn)了對(duì)高維變量的降維處理，建立可回收垃圾和其他垃圾的線性回歸模型，建立了垃圾減量分類效果和減量激勵(lì)措施的統(tǒng)計(jì)相關(guān)性，物質(zhì)獎(jiǎng)勵(lì)和垃圾分類收集袋措施可以有效提高垃圾的回收率，通過(guò)減免處理費(fèi)和環(huán)保積分卡措施可以提高垃圾分類效果，更換先進(jìn)設(shè)施措施可以有效減少垃圾數(shù)量。

［1］何德文，金艷，柴立元，等.國(guó)內(nèi)大中城市生活垃圾產(chǎn)生量與成分的影響因素分析［J］.環(huán)境衛(wèi)生工程，2005，13（4）：7-10.

［2］范通達(dá).基于主成分分析的生活垃圾產(chǎn)生量模型研究［J］.環(huán)境衛(wèi)生工程，2009，17（2）：41-43.

［3］張蕾，席北斗，王京剛，等.系統(tǒng)動(dòng)力學(xué)方法在城市生活垃圾產(chǎn)生系統(tǒng)的應(yīng)用［J］.環(huán)境科學(xué)研究，2007（5）：72-78.