Многомерный анализ взаимосвязи социальных аспектов и процесса утилизации твердых коммунальных отходов в странах Европейского союза

Управление сферой обращения ТКО следует рассматривать в качестве сложной системы, на которую оказывают влияние многие факторы. На сегодняшний день организационно-экономическую систему управления ТКО в ряде стран можно охарактеризовать как недостаточно эффективную, неспособную радикально улучшить существующую практику. В свою очередь большинство стран с развитой экономикой стремятся перейти на экономику замкнутого цикла. В сложившейся ситуации важно определить не только сходства политики в сфере управления ТКО, но и наличие взаимосвязей между различными социальными аспектами и процессом утилизации в различных странах. Все это воз-

можно осуществить в результате применения методов многомерного анализа.

Целью работы является изучение влияния эффективности финансового сектора и уровня общественного благосостояния государства на объём и способы использования ТКО. Для исследования данной системы собраны обширные данные, количественно или качественно описывающие различные процессы утилизации ТКО и социальные аспекты функционирования различных стран Евросоюза.

МЕТОДИКА ИССЛЕДОВАНИЙ

Для анализа полученных данных использован метод главных компонент (МГК; англ. – Principal Component Analysis, PCA), позволяющий упростить данные путем их проекции на новое пространство латентных переменных [1]. МГК и другие проекционные методы анализа многомерных данных (хемометрики; англ. – chemometrics) позволяют эффективно исследовать внутреннюю структуру данных, находить скрытые взаимосвязи (корреляции) объектов и переменных. В качестве основной вычислительной платформы использован программный комплекс TPT-cloud [2].

Численные данные собраны в матрицу Х. Строки этой матрицы – страны (36 стран), столб- цы – исследуемые переменные (24 признака). Каждой строке исходной таблицы (стране) соответствует точка на плоскости с определенными координатами.

С математической точки зрения МГК является декомпозицией исходной матрицы X, т.е. представление её в виде произведения двух матриц Т и Р согласно следующему уравнению:

A

X = TP^T + E = Y t_ap t + E aa a = 1

где Т — матрица счетов (англ. – scores),

Р — матрица нагрузок (англ. – loadings),

Е — матрица остатков.

Число столбцов а в матрицах Т и Р выбирается аналитиком на основании различных признаков так, чтобы матричное произведение TP^T воспроизводило бы X c точностью до ошибки Е с использованием минимального числа а . То есть a должно соответствовать эффективному рангу матрицы X . Эта величина называется числом главных компонент (ГК) и она, как правило, много меньше, чем число столбцов m в X . Результатом такого преобразования является одновременное сжатие данных и избавление их от нерелевантной информации (ошибки).

Отправной точкой для анализа МГК стали статистические показатели для государств-членов Европейского союза и государств, поддерживающих отношения с Евросоюзом за 2018 год:

• 1)    27 стран, входящих в Европейский союз: Австрия, Бельгия, Болгария, Венгрия, Греция, Германия, Дания, Италия, Ирландия, Испания, Кипр, Люксембург, Латвия, Литва, Мальта, Нидерланды, Португалия, Польша, Румыния, Словения, Словакия, Франция, Финляндия, Хорватия, Чехия, Швеция, Эстония.

• 2)    5 стран, имеющих статус кандидата: Албания, Северная Македония, Сербия, Турция, Черногория.

• 3)    Государство, вышедшее из Евросоюза: Великобритания.

• 4)    Страны, частично участвующие в союзной экономике и входящие в Шенгенскую зону: Норвегия, Швейцария, Исландия.

Исследуемые переменные условно можно разделить на три блока:

• 1.    Вклады шести типовых операций управления ТКО (доля от общей массы образованных ТКО).

• 2.    Социально-экономическим аспекты.

• 3.    Индекс процветания стран (в развернутом виде) (табл. 1).

Следует обратить отдельное внимание на несколько переменных различных блоков. Так в практике зарубежных стран и научных исследованиях принято использовать термины «муниципальные отходы» и «управление муниципальными отходами». Термин «муни- ципальные отходы» является более широким понятием по сравнению с ТКО, так как наряду с отходами, образующимися в жилых помещениях, включает отходы домашних хозяйств, крупногабаритные отходы, аналогичные отходы торговли, рынков, офисных зданий, учреждений и малых предприятий, а также отходы от уборки улиц и содержимое контейнеров для мусора. Этот показатель измеряется в килограммах на душу населения. Вышеперечисленные отходы собирают и обрабатывают муниципалитеты, ответственностью и полномочиями наделены городские власти [2].

Коэффициент Джини сравнивает совокупные пропорции населения с совокупными пропорциями доходов, которые они получают. Его значение колеблется между 0 в случае полного равенства и 1 в случае полного неравенства.

Индекс процветания стран мира Института Legatum (Legatum Prosperity Index) является комбинированным показателем, ранжирующим страны мира в зависимости от степени их общественного благосостояния и процветания. Показатели, используемые для составления индекса, объединены в девять субиндексов. Авторами индекса процветания применяется система оценивания, согласно которой наименьшему абсолютному значению субиндексов соответствует наиболее «высокая» оценка, а, следовательно, тем выше в общем рейтинге будет позиция страны. То есть наилучшей оценкой является 1 [14].

На начальном этапе выделения главных компонент в центр облака данных переносится новое начало координат – это нулевая главная компонента (ГК0). Далее было выбрано направление максимального изменения данных – «ВНД на душу населения» (48,13%). Это первая главная компонента ГК1. Для описания оставшихся изменений данных выбрано ещё одно направление ГК2 (вторая главная компонента), перпендикулярное к первому. В нашем случае это «Плотность населения» (9,77%). В результате большое количество переменных представлено в гораздо меньшей размерности. Для переменной ГК1 характерна большая изменчивость и большое значение абсолютной дисперсии и, соответственно, большие значения нагрузок. Переменная ГК1 объясняет 48,13% общей объясненной дисперсии.

Перед началом моделирования переменные X были взвешены методом автошкалирования (англ. - autoscaling). В результате этого преобразования степень влияния каждой переменной на хемометрическую модель выровнена. Автошкалирование заключается в вычитании среднего значения для данной переменной (по каждому столбцу) и делении на соответствующее стандартное отклонение. Необходимость взвешива-

Таблица 1. Исследуемые переменные

№ п/п	Блок	Переменные	Источник
1	Типовые операции управления ТКО	Обработка ТКО, %	[4]
		Рециклинг материалов, %
		Полигон, %
		Сжигание ТКО, %
		Производство энергии, %
		Компостирование и анаэробное сбраживание, %
2	Социальноэкономические аспекты	Валовой национальный доход (ВНД) на душу населения, доллар США	[5]
		Коэффициент Джини	[6]
		Плотность населения, чел./км2.	[7]
		Прирост населения, %.
		Городское население, %
		Экологический налог, % ВВП	[8, 9, 10]
		Патенты на экологические технологии, %	[11]
		Женщины - парламентарии, %	[12]
		Индекс восприятия коррупции	[13]
3	Индекс процветания стран	Субиндекс «Экономика»	[14]
		Субиндекс«Бизнес»
		Субиндекс«Управление»
		Субиндекс «Образование»
		Субиндекс«Здравоохранение»
		Субиндекс «Безопасность и защита»
		Субиндекс«Личная свобода»
		Субиндекс «Социальный капитал»
		Субиндекс«Природная среда»

ния переменных возникает из-за разницы единиц значений используемых признаков.

РЕЗУЛЬТАТЫ

Полученные результаты представлены на рис. 1,2. Графики счетов (рис. 1) и нагрузок (рис. 2) дополняют друг друга. Обычно в качестве осей графика фигурируют первые две ГК, как несущие основную информацию. Их совместное рассмотрение позволяет получить полную информацию о взаимосвязи социальных аспектов и процесса утилизации ТКО в анализируемых странах. Близость точек (стран на графике счетов или признаков на графике нагрузок) означает их общее сходство. То есть данные графики демонстрируют спроецированные взаимосвязи между странами в пространстве переменных (социальных аспектов), расположенные вдоль направлений выбранных главных компонент ГК1 и ГК2. График нагрузок определяет причины, на основании которых страны расположились на графике счетов.15 Для переменных, расположенных в одном и том же направлении от центра, характерна положительная корреляция, для лежащих в противоположных направлениях – отрицательная [15].

ОБСУЖДЕНИЕ

В процессе исследования выявлено несколько важных тенденций. На основе ВНД на душу населения страны разделились на две основные группы (рис. 1). В странах с развивающейся экономикой, имеющих низкий рейтинг индекса процветания Legatum (т.е. высокие абсолютные значения субиндексов) и высокие значения коэффициента Джини, широко используются полигоны для захоронения ТКО. Положение этих стран на графике счетов (рис.1) соответствует положению указанных переменных на графике нагрузок (рис.2). Среди вышеперечисленных стран только Албания и Северная Македония обрабатывают (собирают) 100% образованных ТКО. В свою очередь у Турции самый высокий показатель ВНД на душу населения. Этим можно объяснить отдаленное расположение данных стран по отношению к остальным.

Рис. 1. График МГК-счетов

Нореегм 0ШЕешы     Великобритания

0 Бельгия а . О 0 Швейцария           "-™т™тВ

о

. Португалия

Болгария

Хорватия

оО6рабо™ ТКО,
0 Прирост населения, %
Городское население, %	о Сжигание
ВНД на душу населения, S ° Женщины - парламентарии, % о
Плотность населения. челАм* Индекс восприятия коррупция                   о                   „ Патенты
о дВоссгаиоеление энергии, %
о Компостирование,?/» о Переработка материалов. %

ГКО, %	Субиндекс "Образован ° Субиндекс "Природная сред	те"
	е Полигон. Я Субивдек^ "Безопасност ь к защита"
на экологические тинологкп,%	Субиндекс "Управление" Субиндекс, Личная свобода" ____________ Субиндекс "Экономки"
Субиндекс "Социальный капитал" Коэффициент Джини
	^уоиндекс бизнес ° 0 Субиндекс 'Здравоохранение1
° Экологический намг.ЧВВП

-0.29                            4.17                            -0.054          ™              С.066                            0.19                             0 31

Рис. 2. График МГК-нагрузок

На рисунке 1 видно достаточно четкое разделение стран с развитой экономикой на два отдельных кластера.

В странах с развитой экономикой наблюдается наименьшее использование свалок для утилизации ТКО, за исключением Мальты (91,94%), Кипра (82,98%), Греции (80,06%), Хорватии (72,33%), Латвии (68,34%), Словакии (55,39%), Испании (50,96%), Португалии (50,92%), Венгрии (49,41%), Чехии (48,98%), Польши (41,58%) и Италии (23,3%). Что и стало причиной образование одного из кластеров. Среди стран данного кластера только четыре страны сжигают ТКО: Чехия (0,13%), Италия (0,66%), Словакия (1,33%), Польша (1,53%). Одновременно с этим наиболь- ший процент компостирования и анаэробного сбраживания ТКО (23,04%) и рециклинга материалов (31,56%) наблюдается в Италии. Кроме этого, для Хорватии, Латвии и Литвы характерны наихудшие показатели по субиндексу «Здравоохранение», в результате этого они отдалены от данного кластера и ближе всех стран при сопоставлении графика счетов (рис.1) и графика нагрузок (рис.2) располагаются к субиндексу «Здравоохранение».

Страны с высоким значением ВНД на душу населения и более низким уровнем коррупции в значительной степени используют производство энергии: Финляндия (56,96%), Швеция (53,49%), Дания (51,15%), Норвегия (51,08%),

Швейцария (47,51%), Люксембург (43,67%), Бельгия (42,81%), Нидерланды (41,69%), Австрия (39,22%), Великобритания (3,88%), Франция (34,81%), Ирландия (32,34%), Германия (30,7%). Положение этих стран на графике счетов (рис.1) соответствует положению таких переменных, как ВНД на душу населения, индекс восприятия коррупции, производство энергии на графике нагрузок (рис.2). Этим объясняется формирование второго кластера среди стран с развитой экономикой. Исключение составляет Исландия: одновременно с высокими показателями по таким переменным, как ВНД на душу населения и индекса восприятия коррупции, в этой стране в незначительной степени используют производство энергии (0,89%), наименьшая плотность населения (3 чел./км2) и наибольшее значение сжигаемых ТКО (3,56%).

Следует обратить внимание на то, что в Эстонии высокое значение индекса восприятия коррупции и 43,76% ТКО используется для производства энергии. Одновременно с этим среди стран вышеуказанного кластера в Эстонии наименьшее значение ВНД на душу населения и объём обработанных (собранных) ТКО. Кроме этого, для данного государства является характерным низкий рейтинг по следующим субиндексам индекса процветания стран: «Личная свобода», «Социальный капитал», «Безопасность и защита», «Здравоохранение». По этим причинам Эстония на графике счетов расположилась со странами другого кластера.

На графике счетов (рис. 1) заметно отделение Словении от всех основных кластеров. Это объясняется тем, что среди всех стран в Словении самый низкий показатель обработанных (собранных) ТКО (78,79%). Одновременно с этим самый высокий показатель рециклинга материалов (53,96%).

ЗАКЛЮЧЕНИЕ

Впервые выполнен анализ взаимосвязи между различными социальными аспектами и процессом утилизации ТКО с применением хемометрического подхода. Метод главных компонент позволил определить социальный эффект от взаимосвязи переменных с различными единицами значений. Полученные данные подтверждают наличие связи между уровнем коррупции, эффективностью управления, степенью участия граждан в политической жизни страны, уровнем общественного благосостояния и методами использования ТКО. Можно сделать выводы, что данная проблема имеет экономические, культурные, законодательные и экологические аспекты.