基于合成控制法的中国城市生活垃圾强制分类政策效果

陈飞宇，陈祺睿，李倩文

（1. 中国矿业大学经济管理学院，江苏 徐州 221116；2. 四川大学公共管理学院，四川 成都 610065；3. 江南大学商学院，江苏 无锡 214122；4. 江南大学国家安全与绿色发展研究院，江苏 无锡 214122）

为促进生活垃圾分类制度的建成，2019 年6 月，住建部等9部委联合发布《关于在全国地级及以上城市全面开展生活垃圾分类工作的通知》，明确到2020 年，46 个重点城市基本建成生活垃圾分类处理系统，到2025年，全国地级及以上城市基本建成生活垃圾分类处理系统［1］。同年7 月1 日，上海市正式全面启动生活垃圾强制分类政策。其中，“强制分类”成为政策执行的主要特征，在这一背景下，考察各城市居民对于生活垃圾强制分类政策的支持和执行情况，并衡量上海市生活垃圾强制分类政策的实施效果，这对相关政策的制定与完善具有重要意义。

1 文献综述

现有学者针对垃圾分类政策及其分类效果从不同视角进行了评价体系设计，主要体现在结果视角与前端视角两个方面。在结果视角方面，研究主要通过垃圾分类带来的生态效益、经济效益等方面衡量。如Yang 等［2］提出七维评价体系，将垃圾分类设施覆盖率、垃圾分类收运、环境效益、经济效益、参与范围、居民垃圾分类意识以及荣誉感纳入评价体系之中，同时借助源头分类的数学模型MSSA，对一年内北京市128 个城市的生活垃圾集散地的分类效果进行评估。Aphale 等［3］通过评估纽约郊区三个不同回收利用率的废物区的6吨垃圾的分类效果，提出分类效率与回收利用率之间存在一定关系，认为回收率最高的废物区具有最高的分类效率。此外，Ordoñez等［4］对瑞典某处的垃圾分类设施的分类效果进行研究，提出误分发生频率这一指标，指的是一段时间内某类型垃圾桶中出现该类型以外的垃圾的发生次数。Rousta等［5］同样借助这一指标，探究了瑞典某城市居民区的生活垃圾源头分类效果。任越等［6］基于生命周期角度，将垃圾分类处理方式引入垃圾管理评价体系之中，组合设计四种垃圾处理情景，构建3E+S 生态效率评价模型。此类评估垃圾分类政策效果的方式能够直接通过称重、观察等方式测算其带来的效益，判断政策的效力性，然而在垃圾分类比例、回收利用率等指标的测算上存在较大难度，操作过程繁杂，且只能粗略计量有限区域的垃圾分类效果，完整并准确测量需要较大的成本和时间。

从前端视角测度分类效果则克服了上述难题，即从个体的知识、态度与行为等视角对垃圾分类效果进行评价。特别地，垃圾分类政策的主要作用对象是居民个体，以垃圾分类主体的改变来衡量政策效果，更加具有直观性与持续性，且对于垃圾分类政策而言，更加需要强调居民个体的责任，目的是带来居民在心理与行为上的改变，体现为居民在支持与执行意愿上的变化。Pasukphun等［7］基于对泰国美斯乐诺克分区高地乡村旅游区的城市固体废物产生率及其组成的研究，提出使用问卷评估民众有关城市固体废弃物的知识、态度和实践（KAP）水平的方法。同样地，Calabrò 等［8］表示，市民对废物管理的态度是城市生活垃圾治理能否成功的关键要素，并使用行为调查表采集市民对废物收集与街道清洁服务的看法。具体的生活垃圾强制分类政策评估视角如图1 所示。基于居民在支持与执行意愿等前端的改变判断垃圾分类政策效果具有一定优势，然而在评估数据获取方面，评价对象主观性、数量以及区域广泛度仍有待拓展。

图1 生活垃圾强制分类政策评估视角

高博等［9］从政策满意度与政策执行度两个方面出发，讨论在草原补奖政策施行过程中，“高满意度-低执行度”悖论的形成机理。类似地，湛东升等［10］就满意度感知与行为意向对北京市居民的居住情况展开研究。此外，公众支持程度对公共政策的成败具有显著影响，尤其在政策效果上［11］，而执行意向对政策目标的达成具有较高的效应值［12］，显著促进目标的达成［13］。由此可见，从个体的支持意愿与执行意愿出发，是系统性评价个体对政策在态度层面响应的体现，有利于政策的推行与优化。

大数据技术在数据采集与分析方面具有客观性、区域广、时段宽等优势［14］，为研究测量生活垃圾强制分类政策实施效果提供了重要的思路和方法。特别是如今社交媒体已成为民众发表观点的主流渠道，在社交平台上能收集到民众对于垃圾分类政策所表达的看法与观点［15］。如Saravanan 等［16］通过文本挖掘的方法，解决文本文档的自动分类问题，提高结果准确性。Nishimura 等［17］借助文本挖掘，将市场情绪与市场信心转化为可观测的变量，纳入其构建的三因素期限结构模型之中，探索情绪因素对资产市场的影响。Lam 等［18］借助大数据计算文本分析方法探究了社会各方对香港空气污染问题和相关政策的关注程度。类似地，Cui 等［19］基于文本挖掘，探索不同模式下共享经济驱动的数字平台的影响因素，为其促进社会经济发展提供建议。并且，在文本挖掘渠道下获得的数据内容，可规避评论异化与他方干预，客观地反映评论者的真实意愿［20］。此外，情感分析手段可科学、客观地量化文本词条，有效测量行为者的情感倾向［21］。比如，沙勇忠等［22］采用分词、建立专用情感词典和计算情感强度等手段量化微博网民在雅安地震后对红十字会的公众信任程度。因此，文章基于已有经验，借助情感分析手段对文本挖掘获取的词条进行分析、量化，以纳入研究模型之中。

基于此，文章首先将重点聚焦城市居民对垃圾强制分类政策的支持与执行意愿，借助文本挖掘工具，通过情感分析的方法获取中国率先实施生活垃圾强制分类政策的上海市的居民态度。进一步地，使用合成控制法构建评估模型，对生活垃圾强制分类政策效果进行量化分析，进而发掘生活垃圾强制分类政策的作用机制。研究结合大数据技术及合成控制法，从前端视角考察中国生活垃圾强制分类政策的效果，能够直观地观测政策作用对象的改变程度，解决了相关评价数据在时间与区域上的限制性，拓展了中国生活垃圾强制分类政策评价内容，丰富了相关政策评价的方法论。

2 研究方法及数据

2.1 数据来源

根据CNNIC 发布的第46 次《中国互联网发展状况统计报告》显示，截至2020年9月，全国网民规模达9.40亿，互联网普及率达67.0%，截至2020 年6 月，微博使用率达到40.4%［23］，微博以其特有的即时互动、多媒体化表达、便捷迅速等传播与影响优势，逐步成为个体发表看法、观点的主要平台［24］，汇集了大量评论。同时，网民可自由公开地对时事热点表达自己的观点和情感，反映了公众对公共事件的真实看法和意愿［25］。进一步地，未因违规而被封禁的微博用户均可发表原创微博，且文章在文本收集过程中未对评论数、粉丝数设限，在一定程度上克服了群体特殊性与话题效应的存在，具有较高的研究意义和参考价值。

因此，文章通过Python 软件，抓取了2015 年1 月1 日至2020 年12 月1 日间包括原创微博评论者ID、评论日期、评论地址、评论内容等在内的共计28.3万余条非结构化语句。利用正则表达式过滤噪声数据，删去表情符号、网址等词句后整理得到20万余条垃圾分类相关词条。进而使用SnowNLP 工具进行分词，将抓取到的词条划分成为独立的词语，并清洗诸如“的”“这样”“那么”等停用词，以提高分析准确率及效率。

进一步地，基于专用情感词典，对抓取的非结构化语句进行文本情感分析。常用的情感词典包括HowNet情感词典、BosonNLP 情感词典等。然而这类情感词典主要针对普适性的研究环境，缺乏环境政策领域靶向情感词典。因此，文章针对生活垃圾强制分类政策支持意愿及执行意愿分别构建了专用情感词典，主要由两部分构成，分别是普通情感词典和网络用语情感词典。普通情感词典参考HowNet情感词典中的关键理念，人工删去部分生僻词和生僻字；网络用语情感词典则参考《新华网络语言词典》，并添加近几年大量出现于网络上的蕴含个人情绪的词语。并且结合专家咨询意见，得到最终的专用情感词典，共包括1 025个情感词语。为了对词语包含情感的强弱进行区分，文章对情感词语的强弱进行人工赋分，采用10 分制，1～10分表示个体的情感由强烈负向至强烈正向。在对文本进行初步的情感分析后，进行人工筛查，若出现赋值有误，则对情感词典进行修正，而后再次进行情感分析。据此获取各城市居民对于生活垃圾强制分类政策的态度，以分析群体的情感、行为倾向。详细过程如图2所示。

图2 数据获取过程

此外，研究选取了收入水平、人口素质、人口规模、垃圾体量、垃圾处理水平、环境感知AQI、环境感知PM10、环境感知PM2.5等作为控制变量，相关数据源自各城市2015—2020年的统计年鉴、统计公报以及生态环境状况公报等。

2.2 模型构建

目前，大多数针对政策效果的研究所采用的方法为双重差分法（DID）。该方法是将已实施政策的城市与未实施政策的城市进行对比，以体现政策实施带来的差距，即政策效果［26］。但其问题在于如何选择“合适”的对比城市。因此，为解决DID 方法中的难点，Abadie 等［27］提出了合成控制法（Synthetic Control Method）。在研究中，合成控制法是通过数据驱动的方式，采用多个控制对象加权合成的方式模拟出上海市实施生活垃圾强制分类政策前的情况［28］。合成控制法的优势在于，减少了选择误差和政策内生性问题［29］，可以对每一个研究个体提供与之对应的合成控制对象，避免平均化的评价［30］，达到客观评价政策效果的目的［31］。与此同时，研究者们可在不知道实施效果的情况下设计实验，避免主观臆断［32］。

基于合成控制法，选择多个未实施生活垃圾强制分类政策的城市，拟合出上海市实施该政策前群体的支持意愿及执行意愿的情况，以对比研究政策的有效性。群体的支持意愿和执行意愿在研究过程中所采取的方法、模型相同，为节省篇幅，下文的论述中以支持意愿为例，展开介绍。

给定K+ 1个城市，在t∈[1，T]时期内群体的支持意愿数据。其中，表示第i∈[1，K+ 1]个城市在时间点t上，未实施生活垃圾强制分类政策时群体的支持意愿；表示第i∈[1，K+ 1]个城市在时间点t上，实施该政策时群体的支持意愿。若T0为政策实施的时间点，则t≤T0时，该城市群体的支持意愿不受政策影响，即；当政策实施后，即t>T0时即为政策效果。对于上海市，我们能够观测到，而假设上海市未实施政策时的数据是无法观测到的，文章采用Abadie 等［27］提出的因子模型进行估计：

（1）式中，δt是影响所有被选取城市的时间固定效应，Zi为可观测到的预测控制变量，文章中选择收入水平（人均GDP）、人口素质（每万人口在校大学生数）、人口规模（人口数量）、垃圾体量（生活垃圾人均日产量）、垃圾处理水平（生活垃圾无害化处理率）、环境感知AQI（环境空气质量优良率AQI）、环境感知PM10（PM10平均浓度）、环境感知PM2.5（PM2.5平均浓度）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 年第二季度的群体支持意愿作为预测控制变量。λt是1 ×F维无法观测到的公共因子向量，μi是F× 1 维不可观测的城市固定效应，εit是不能观测的短期冲击，在城市水平上的均值为0。

假设第一个城市，即i= 1（上海市）实施了生活垃圾强制分类政策，剩余的K个城市，即i= 2，3，…，K+ 1 均未实施该政策。考虑一个K× 1 维的权重向量W=(w2，w3，…，wK+1)，其中wk≥0，w2+w3+ …+wK+1= 1，每一个向量W都代表一个虚拟的合成控制组合，即对K个城市的权重。

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

Abadie 等证明，在一般条件下，若生活垃圾强制分类政策实施前的时间跨度对于实施的时间段较长，则当t>T0时，有趋近于0。

只需要根据权重向量W*就可以估计出的值。

3 现状分析

3.1 各城市群体支持意愿时序特征

文章选取了北京、上海、广州等十大城市作为样本城市，在对数据进行收集、清洗及计算后，所得结果如图3所示。以季度为单位，共得到样本城市在2015—2020 年间共计24 组群体支持意愿数据。从群体支持意愿均值来看，最高的为北京市，最低的为长沙市，两者相差2.486。标准差显示，广州市群体支持意愿波动较大，而北京市群体支持意愿波动较小。

图3 样本城市群体支持意愿变化趋势

总体而言，自2015 年起，10 个城市的群体支持意愿虽有波动，但总体呈现上升趋势。变化趋势表明，自2015年《生态文明体制改革总体方案》印发之日起，群体支持意愿开始上升，并随着2017、2019 以及2020 年各环节政策的完善和推行，逐步增长。

此外，对样本城市间群体支持意愿进行对比时发现，上海市与北京市作为垃圾分类政策的先行城市，其群体支持意愿明显高于其他城市。并且自2019 年7 月上海市施行生活垃圾强制分类政策起，其群体支持意愿成为10个城市中的最高值。而天津市和长沙市的群体支持意愿则较低，其余6 个城市处在中间水平。其中，天津市邻近北京市，但历年来两城间的支持意愿相距甚远，原因在于天津市各区对垃圾分类工作的推进步调有待统一，宣传力度仍需加强，当地民众对于相关政策、知识的了解尚待深化。

3.2 各城市群体执行意愿时序特征

文章对样本城市的群体执行意愿进行分析，所得结果如图4 所示。其中，从群体执行意愿均值来看，上海市最高，长沙市最低，两者相差1.521。标准差显示，南京市群体执行意愿波动较大，而北京市群体执行意愿波动较小。

图4 样本城市群体执行意愿变化趋势

从群体执行意愿的整体走向上来看，10个城市的群体执行意愿普遍波动上升。这说明，随着各个城市出台生活垃圾分类奖励办法，再到上海市实施生活垃圾强制分类政策，城市居民对于垃圾分类行为的执行意愿不断提升。

同时，对比各城市间的群体执行意愿后可以发现，北京市、上海市、广州市和南京市的群体执行意愿高于其他城市。南京市群体执行意愿波动较大、增幅较高，而苏州市、长沙市和天津市的群体执行意愿则较低，其余3 个城市处在中间水平。

3.3 上海市群体支持意愿时序特征

上海市作为一线城市之一，其城市垃圾体量较大，并且于2019 年7 月率先实施生活垃圾强制分类政策。为分析评估该政策的成效与意义，文章借助情感分析等手段对2015—2020 年上海市各季度的群体支持意愿进行测度，具体结果如图5所示。

图5 上海市群体支持意愿变化趋势

2015 年至2020 年各季度上海市群体支持意愿在总体上呈现上升趋势，从2015 年的5.00 上升至2020 年的9.00，增长率为80.00%，表现出较大增幅。

此外，上海市群体支持意愿的增长率于2015 年第四季度达到峰值。但其波动程度较大，在2017年第一季度、2018 年第一和第三季度呈现负增长，说明上海市居民对于垃圾分类这一举措的支持程度具有较大弹性，且持续性较弱，也从侧面体现出相关政策与规章制度在出台时能够调动起大众的积极性，在短期内使支持意愿有所提升，但由于缺少与之配合的监督和管理体系，在后续过程中出现“后劲不足”等问题。特别地，2020 年第一季度同样出现负增长，这说明即使是在生活垃圾强制分类政策实施后也存在上述问题。

3.4 上海市群体执行意愿时序特征

为详细了解上海市在实施生活垃圾强制分类政策后的情况，文章借助情感分析等手段对2015—2020年上海市各季度的群体执行意愿进行测度，具体结果如图6所示。

图6 上海市群体执行意愿变化趋势

2015—2020年各季度上海市群体执行意愿总体显现出上升趋势，从2015 年的4.00 上升至2020 年的7.50，增长率为87.50%，展现出较大增幅，但群体执行意愿整体低于支持意愿。

此外，就上海市群体执行意愿的增长率而言，于2015年第四季度达到峰值，高达40.00%，但其波动程度更加剧烈，甚至七次呈现负增长，结合群体执行意愿整体低于支持意愿的特点，能够推断出于大众而言，即使情感上对垃圾分类政策产生了高度的支持和认同，但在现实生活中的践行程度仍然较低。原因在于居民对生活垃圾进行分类，客观上会占用较多时间，同时也会面临生活垃圾分类不规范而被处罚的风险，使得一部分居民在执行过程中对该政策抱有排斥心理。因此，如何促使居民主动进行垃圾分类仍是重要议题。

4 合成控制结果分析

4.1 生活垃圾强制分类政策对群体支持意愿的影响

文章以北京、广州、深圳、天津、长沙、厦门、西安、南京和苏州作为控制组，用于拟合上海市在未实施生活垃圾强制分类政策时的情况，原因在于这9座城市分别在经济水平、社会特征或地理位置等方面与上海市存在类似之处，比如北京市与上海市在人均GDP、人口素质、人口规模和垃圾体量等指标上相似度较高。并且这9 座城市推行或全面实施生活垃圾强制分类政策的时间与上海市之间存在差异，其中北京市于2020 年5 月起全面推行、广州市于2020 年底前全面推行、深圳市于2020 年9 月正式实施，拥有能够体现政策效果的时间差。

此外，选择的数据所处时间跨度为2015年至2020年，以季度为间隔，如2015年第一季度记为“201501”、2015年第二季度记为“201502”，以此类推。将所有样本城市的数据作为对照组导入软件，并基于合成控制法的程序进行计算，拟合结果显示，构成合成上海群体支持意愿的权重组合为：北京0.862、南京0.138，最终结果如图7所示。

预测控制变量的拟合结果见表1，与实际数据差异较小，较好拟合了上海市2019 年第二季度（201902）前群体支持意愿的特征。因此，我们可基于合成控制法将这两个城市的加权平均作为合成上海群体支持意愿的结果，与实际情况进行对比，以分析生活垃圾强制分类政策的政策效果。

表1 合成上海群体支持意愿预测控制变量的拟合均值和实际对比

图7反映的是2015年至2020年合成上海的群体支持意愿和实际情况的对比。在上海市施行生活垃圾强制分类政策之前（2019 年第二季度），合成上海的群体支持意愿与实际情况能够重合，表示合成控制法较好地复制了实施政策前群体意愿的变化轨迹。自上海市施行政策后，上海市实际群体支持意愿明显高于合成上海的结果，说明目前生活垃圾强制分类政策对于提高群体支持意愿具有较明显的效果。

图7 合成上海和实际上海群体支持意愿对比

4.2 生活垃圾强制分类政策对群体执行意愿的影响

对于群体执行意愿的研究，与支持意愿无异，将样本城市的数据作为对照组导入软件，并基于合成控制法的程序进行计算，拟合结果显示，构成合成上海群体执行意愿的权重组合为：北京0.677、广州0.043、厦门0.281，最终结果如图8所示。

预测控制变量的拟合结果见表2，与实际数据相差不多，较好拟合了上海市2019 年第二季度（201902）前群体执行意愿的特征，因此，我们同样可基于合成控制法将这三个城市的加权平均作为合成上海群体执行意愿的结果，与实际情况进行对比，以分析生活垃圾强制分类政策在群体执行意愿上体现的政策效果。

表2 合成上海群体执行意愿预测控制变量的拟合均值和实际对比

图8 反映的是2015—2020 年合成上海的群体执行意愿和实际群体执行意愿的对比。在上海市施行政策之前（2019 年第二季度），合成上海的群体执行意愿与实际情况能够大致重合，表示合成控制法复刻了政策实施前执行意愿的变化路径。自上海市施行政策后，上海市实际群体执行意愿明显高于合成上海的结果，表示目前生活垃圾强制分类政策对于提高群体执行意愿具有较显著的效果。但自2020 年第一季度起，群体执行意愿的真实值与合成值之间的差距逐渐缩小。结合各地相关政策的推行情况，文章认为差距缩小的原因包括两个方面。一方面，北京、深圳和广州等城市相继在2020 年5 月、2020 年9 月和2020 年底前全面推行生活垃圾强制分类政策，这使得控制组中的各城市也受到了类似的政策影响，与上海市之间的差距逐渐缩小。并且在各个城市的属地治理上，政府响应通常具有超前性，即在明确提出或全面推行相关条例和法律前，已部署试点小区或街道，试行生活垃圾强制分类政策。另一方面，前文中提到，垃圾分类政策在推行上存在“后劲不足”的问题，过往文献中也有类似的结论［33］，结合垃圾无害化、资源化等配套措施不健全的情况［34］，说明政策的边际效应存在递减，这将进一步导致上海市的真实值与合成值之间的差值逐渐缩小。

图8 合成上海和实际上海群体执行意愿对比

4.3 稳健性检验

4.3.1 时间安慰剂检验

针对政策实施时间进行政策效果的稳健性检验［35］。以上海市群体支持意愿、群体执行意愿为研究对象，按照检验步骤，将政策时间节点由2019 年第二季度（201902）改为2017 年第二季度（201702），即假设上海市在2017 年第二季度实施生活垃圾强制分类政策，继而再次使用合成控制法表征政策效果。

具体结果如图9所示，在假定的政策节点（201702）前后，上海市群体的支持意愿、执行意愿的实际值与合成结果存在较小差异，但并无显著区别，二者的明显差异出现在2019年第二季度以后，这说明假定的政策节点有误，上文所得结果通过时间安慰剂检验，政策评估结果在时间上稳健。

图9 时间安慰剂检验结果

4.3.2 地区安慰剂检验

针对政策实施地区进行政策效果的稳健性检验［36］。按照检验步骤，对于群体支持意愿，文章选择控制组中的南京市作为样本，对于群体执行意愿，文章选择北京市作为样本，继而假定上述两城市于2019 年第二季度（201902）实施生活垃圾强制分类政策，并使用合成控制法检验政策效果。

详细结果如图10所示，针对群体支持意愿，南京市实际值与合成结果之间的拟合程度较高，且能够明显看出在政策实施节点（201902）之后，实际值与合成值并无显著区别，这从另一方面说明生活垃圾强制分类政策的效果体现在施行城市——上海市上，对南京市的影响极小，也表明上文中关于群体支持愿意的政策评估结果通过地区安慰剂检验，在地区上稳健。此外，针对群体执行意愿，北京市实际值与合成结果之间的拟合情况虽然不够良好，但总体来看，实际值与合成值之间体现出类似的趋势，并无较大差异，且在政策实施节点之后，合成结果反而高于实际情况。该结果表明，上文中关于群体执行愿意的政策评估结果通过地区安慰剂检验，在地区上稳健。

图10 地区安慰剂检验结果

5 机制分析

由上述实证分析内容可知，上海市施行生活垃圾强制分类政策后，对于群体支持与执行意愿的提升具有显著作用。但对于该政策的实施是如何影响上海市的群体支持和执行意愿这一问题，还需要对其机制展开进一步的分析。

文章借助调节效应检验的方法［37］，将收入水平、人口素质、人口规模、垃圾体量、垃圾处理水平、环境感知AQI、环境感知PM10和环境感知PM2.5作为调节变量，自变量为是否实施该政策，因变量分别为群体支持意愿与群体执行意愿，依次检验调节效应，以探寻其影响机制。具体检验结果见表3。

表3 调节效应检验结果

结果显示，人口素质、人口规模两个变量通过检验，即人口素质与人口规模分别在是否实施政策与群体支持意愿和群体执行意愿之间起到调节作用，其余变量未通过检验。

此外，通过交互项的系数可知，人口素质、人口规模均起到负向调节作用，即人口素质的提升与人口规模的增长，将削弱政策实施后对于群体支持和执行意愿的提升作用。换言之，人口素质越高，意味着当地居民自我意识越强，在这一因素的影响下，生活垃圾强制分类政策中的“强制性”有可能引起逆反心理，导致群体支持与执行意愿的下降。人口规模越大，城市所面临的治理问题也就越复杂。因此，人口规模的增长使得政策宣传与执行的难度加大，由此引发群体支持与执行意愿的降低。

6 结论及建议

文章借助合成控制法对率先在上海市实施的生活垃圾强制分类政策进行评估，探讨其政策效果。进一步地，构建生活垃圾强制分类政策专用情感词典，使用文本挖掘和情感分析等手段，分别从群体支持意愿与执行意愿入手，选取对照组进行拟合，以模拟出上海市未实施该政策的情况，并与其现行强制分类政策效果进行对比，以凸显强制性政策的施行效果。此外，利用各城市数据进行时间上和地区上的稳健性检验，证明所得结论的可靠性。同时，辅以调节效应检验，探讨人口素质与人口规模两个变量的作用。研究结论如下。

（1）合成控制的结果说明，生活垃圾强制分类政策对于上海市居民的群体支持和执行意愿产生了较为显著的提升作用，满足政策制定的初衷。

（2）对10个样本城市进行现状分析后发现，自中国城市生活垃圾分类相关方案提出起，10 个样本城市的群体支持与执行意愿虽有波动，但总体呈现上升趋势。就上海市而言，群体支持与执行意愿的增长率表现出较大波动，且群体执行意愿整体低于支持意愿。

这表明，上海市居民在情感上对该政策产生了高度的支持和认同，但其践行意向仍然较低，且相关政策存在“后劲不足”的问题，需重视政策推行后的监管与调控。

（3）人口素质与人口规模对生活垃圾强制分类政策效果起到负向调节作用，即这两个因素会削弱政策实施后对于群体支持和执行意愿的提升。

这表明，与较高人口素质相匹配的是较强的自我意识，强制手段则有可能激发逆反心理，导致分类意愿下降。此外，人口规模的扩大，意味着城市管理和政策推行的难度加大，同样会削弱支持与执行意愿。

根据上述结论，研究提出相关政策建议。

第一，考虑国家人口素质化提升的大趋势，融合强制与柔性理念，渗透式强化个体分类行为。研究发现人口素质的提升会削弱政策实施后对于群体支持和执行意愿的提升作用，强制手段存在激发逆反心理的可能。因此，面对高素质人口聚集地区，如各大高校、研究院、离退休干部居住地等，可施行“缓缓而治”，采取“引导”的方式。首先，注重政策营销，着力采用多样化、常态化以及细微化的宣传教育手段，从宣传主体到宣传内容，从政策条例到行为细则，使高素质群体将垃圾分类内化于心、深化于行。同时，注重公众价值感和使命感的培养，通过宣传教育营造全民参与垃圾分类的氛围，扩大舆论影响力并提高个体使命感，进而增强执行力。

第二，重视大体量城市，延伸产业，匹配供需。研究结果显示，人口规模的扩大将削弱政策实施后对于群体支持和执行意愿的提升，即城市管理和政策推行的难度被加大。因此，针对不同的城市区域，需出台不同的政策，加强政策瞄准性。比如，对于高人口密度的城市、一二线城市或生活垃圾体量较大的城市，可提供专项支持。此外，当垃圾分类成为日常生活中的必要一环时，将催生相关需求，配套的供给也会应运而生。现实表明，在上海市实施生活垃圾强制分类政策后，出现了“代扔垃圾”服务，这是公众和企业做出的探索与创新，相关部门可借此机会创建、完善生活垃圾分类产业链条。比如，将废品的个体收购转化为企业收购，或是实现环卫产业化，让更多的公众与企业加入到产业链条之中，在践行垃圾分类的同时，收获经济效益，所得利润可用于垃圾处理环节。

第三，关注理性人特征，辅以诱导性措施，实现垃圾分类自治。文章探讨的政策特点在于强制性，分析结果表明，该政策有效提升上海市居民的支持和执行意愿，但也反映出支持意愿高于执行意愿。根据西方经济学中提出的“理性人假设”与Danner［38］指出的决策主体的动因为经济动因，为提升居民的执行意愿，可在政策执行中引入诱导性措施，使公众感知到垃圾分类回收对其自身的有利结果。诱导性措施包括积分兑换奖品、建立绿色账户等奖励体系，对合理分类的家庭可给予物质奖励与经济补贴。同时，设立监督举报平台，提高垃圾分类管理的自治水平，使个体意识到其在垃圾分类环节中的主体地位，以此减轻政府与社会组织的监督负担，并调动起居民积极性。