Investigation of the Relationship Between Independent Economic Variables and Dependent Variables of Municipal Solid Waste Generation (Case Study: Tehran City)

Document Type : Research Paper

Authors

1 Department of Environmental Engineering, School of Environment, College of Engineering, University of Tehran, Tehran, Iran

2 Department of Environmental Planning, Management and Education, School of Environment, College of Engineering, University of Tehran, Tehran, Iran

Abstract

Investigating the relationship between independent economic variables and dependent variables of municipal waste generation (case study: Tehran (

Keywords:
Economic variables - construction and demolition waste – waste separation at source – sweeping & green waste – linear regression model

Introduction
Investigating the relationship between macroeconomic variables and variables of waste generation is of great importance in urban management planning with a waste disposal reduction approach. Therefore, in this study, using linear regression method and using data from 56 months (March 2014 to October 2018) related to five independent economic variables and four dependent variables of waste generation in Tehran, four models were developed. In this study, the statistical relationship between independent economic variables and dependent variables of waste generation at the level of 90% confidence has also been investigated. The results showed that 74% of the changes in the tonnage of construction and demolition waste using the economic variable of the price index of goods and consumer services and 69% of the changes of the tonnage of recycable waste separated at the source by the two economic variables of the price index of goods and services and US dollar price announced by Central bank can be described. On the other hand, by using the variable price of the Euro currency announced by the Central Bank, 35.6% of the changes in the tonnage of sweeping & green waste in Tehran can be predicted. It is worth noting that only 21.4% of the changes in the tonnage of municipal mixed waste can be described by the economic variable of the US dollar price in the market.
Materials and methods
In this study, relevant data of independent economic variables and dependent waste generation variables during 56 months were analyzed. The five independent economic variables considered in this study were as follow: 1.consumer price index (X1), 2. US Dollar currency price announced by central bank of Iran (CBI) (X2), 3. Euro currency price, announced by CBI (X3), 4. US Dollar currency open market price (X4) and 5. Euro currency price, open market price (X5). Also, four dependent waste generation variables of Tehran included in this study were: amounts of mixed MSW transported to transfer stations (Y1), sweeping & green waste (Y2), and source separated recyclable waste (Y3) and construction and demolition waste tonnage (Y4) collected from Tehran. Then, Shapiro-Wilk test was used to check the normality of data distribution received from Tehran waste management organization (TWMO). According to the results of similar studies in the field of the prediction of MSW generation regarding to different variables impacts, the backward removal method and the following equation used to develop a multiple linear regression model:
Yi=β0+β1X1+β2X2+β3X3+β4X4+β5X5+ϵ
Where Yi is the dependent variable, β0 is the intercept, X1 to X7 are independent variables, β1 to β7 are regression parameter and ϵ is residuals. On the other hand, by examining the dependent variables data over time using R software, it was determined that the data may also have a significant relationship with time. So the modified model is presented as follows:
Yi=β0+β1X1+β2X2+β3X3+β4X4+β5X5+β6T1+β7T2+ϵ
Where T1 is auxiliary variable of time and T2 is square of T1.

Discussion of results
Regard to the outputs of R and SPSS software, it was found that the data of dependent variables considered in this study follow the normal distribution. Then, using the backward elimination method in multiple linear regression, the developed model for each of the dependent variables was presented as follows:
MAE MARE RMSE R2 Adjusted Developed models Dependent
variables
156.5 0.023 259.2 0.214 Y1=641.560-2.883 × 10-18 X 44 + 11.473 T1 Y1
51.3 0.056 85.5 0.356 Y2=-743.398 + 0.093X3 -1.35× e-6 X34 Y2
36.3 0.033 56.5 0.69 Y3 =1647.268 – 0.0004X1X2 + 32.554T1 Y3
0.058 0.0053 0.084 0.74 Ln(Y4) = 7.181 + 0.060X1 + 0.00015X12 – 0.001T2 Ln(Y4)


Conclusion
In this study, linear regression method and 56 months data (April 2014 to November 2016) related to five independent economic variables 1- Price Consumer Price Index 2- US dollar price announced by the Central Bank 3- US dollar price in the market 4- Euro currency price announced by the Central Bank and 5- Euro currency price in the market and four dependent variables of waste production 1- Tonnage of mixed urban waste 2- Tonnage of sweeping & green waste 3- Tonnage of recycable waste separated at souce and 4- Tonnage of construction and demolition waste in Tehran were used to fit four new models. Based on the results, 74% of the changes in the tonnage of construction and demolition waste in Tehran can be described using the economic variable of Consumer Price Index. The low values of error criteria in this regard indicate the high power of this model in predicting changes in the dependent variable of tonnage of construction and demolition waste in Tehran using the values of the independent economic variable Consumer Price Index. 69% of the changes in the production tonnage of recycable waste separated at source can also be described by the economic variables of Consumer Price Index and the price of the US dollar announced by the Central Bank. Also, using the Euro currency price variable announced by the Central Bank, 35.6% of the changes in the tonnage of sweeping & green waste production in Tehran can be predicted. However, only 21.4% of the changes in the tonnage of municipal mixed waste production can be described by the economic variable of the US dollar price in the market.
Also, at the 90% confidence level, the two response variables of municipal mixed waste tonnage transported to intermediate transfer stations (Y1) and recycable waste tonnage separated at source (Y3) have shown a statistically significant relationship with time (T1). On the other hand, the response variable of sweeping & green waste tonnage in Tehran entering Aradkooh disposal site (Y2) have shown a statistically significant relationship with the independent variable price of Euro announced by the Central Bank (X3) .also the response variable of construction and demolition waste tonnage (LnY4) have shown a statistically significant relationship with time variable T2 and independent economic variable of Consumer Price Index (X1) at the 90% confidence level.

Keywords

References

ابوالحسنی، ا؛ ابراهیمی، ا؛ پورکاظمی، م و بهرامی نیا، ا، (1395). اثر تکانه های پولی و تکانه های نفتی بر تولید و تورم بخش مسکن در اقتصاد ایران: رویکرد تعادل عمومی پویای تصادفی نیوکینزی، فصلنامه علمی پژوهشی پژوهش های رشد و توسعه اقتصادی، 7 (25) ، صص113-132.
پیرائی، خ و شهسوار، م، (1387). اندازه گیری تاثیر تغییرات قیمت کالاها و خدمات بر فقر در ایران، فصلنامه پژوهش های اقتصادی ایران، 36 (12) ، صص153-185.
پیوسته گر، ی و انصاری، م ،(1396). بررسی و ارزیابی عوامل اجتماعی موثر بر کاهش سرانه تولید پسماند خانگی (نمونه موردی: مناطق3 و 10 شهرداری تهران)، فصلنامه علوم و تکنولوژی محیط زیست، 19 (4) ، صص 221-236.
حاضری، م و سرائی، م، (1398). تبیین و ارزیابی شاخص های موثر بر ارتقای کارایی سیستم مدیریت پسماند (مطالعه موردی: شهر یزد)، فصلنامه شهر پایدار، 2 (2) ، صص19-33.
حیدری، م؛ محمدی، م، و معصومی، ج، (1395). پیش بینی قیمت سهام با استفاده مدل سری زمانی ARIMA، کنفرانس جهانی مدیریت، اقتصاد حسابداری و علوم انسانی در آغاز هزاره سوم ، دانشگاه شیراز، شیراز، ایران.
خداپرست شیرازی، ج و صادقی، ز، (1394). مدلسازی و پیش بینی صادرات آبزیان دریایی در ایران با استفاده از روش ARIMA و شبکه های عصبی مصنوعی، فصلنامه اقتصادی مقداری، 9(4) ، صص111-131.
خیری، ش و آزاد ارمکی، ا، (1393). شناسایی عوامل موثر بر پذیرش مدیریت پسماند توسط شهروندان شهر تهران، فصلنامه مطالعات مدیریت شهری، 6(17) ، صص67-79.
دهواری، م؛ ابراهیمی، ا؛ احرام پوش، م و هاشمی، ح، (1395). پیش بینی میزان تولید پسماند شهری با استفاده از سری زمانی (تکنیک ARMA) و مدل سازی پویای سیستم (نرم افزار Vensim)، فصلنامه علمی پژوهشی انجمن علمی بهداشت محیط ایران، 9 (1) ، صص57-68.
رحیمیان، م، (1396). تاثیر شاخص های اقتصادی و اجتماعی بر تولید مواد زائد جامد در کشورهای در حال توسعه و در حال توسعه، پنجمین کنگره بین المللی مهندسی عمران، معماری و توسعه شهری، دانشگاه شهید بهشتی، تهران، ایران.
سازمان فناوری اطلاعات و ارتباطات شهرداری تهران، 1398، آمارنامه شهر تهران .
سازمان مدیریت پسماند شهرداری تهران. 1399. گزارش عملکرد سالانه، تهران، ایران.
شاه آبادی، ا و گنجی، م، (1392). تاثیر عوامل موثر بر سرمایه گذاری در بخش مسکن و ساختمان ایران، فصلنامه علمی تخصصی اقتصاد توسعه و برنامه ریزی، 1(2) ، صص 1-22.
شهبازی،ا ، باقری زنوز، ف و ابومعاش زاده،ح (1393). بررسی عوامل موثر بر تولید پسماند بیمارستان امام خمینی (ره) کرج و تحلیل پیش بینی روند تولید آن با استفاده از مدل سری زمانی ARIMA، فصلنامه علمی پژوهشی انجمن علمی بهداشت محیط ایران، 1 (8) ، صص 67-80.
شهبازی،ک و نجّار قابل، سمیه، (1396). تاثیر غیرخطی تضعیف ارزش پول بر رشد اقتصادی در ایران: کاربرد مدل های خود رگرسیون انتقال ملایم، فصلنامه علمی پژوهشی مطالعات اقتصاد کاربردی ایران، 6 (21) ، صص 123-147.
صالحی،م ؛ سقائیان، ا؛ فراهانی، م و دارابی، ح، (1397). مدل سازی تاثیر عوامل اقتصادی و اجتماعی بر مدیریت پسماند خانگی با رویکرد پویایی شناسی سیستم ها: مطالعه موردی شهر تهران، فصلنامه مهندسی صنایع و مدیریت شریف، 1-34 (2/1) ، صص147-159.
عابدی، س؛ دانشمند، آ و معدنی پور، ز، (1398). رابطه بین پسماند شهری و درآمد ناخالص داخلی در قطب های گردشگری ایران، فصلنامه علمی اقتصاد و مدیریت شهری، 4 (28) ، صص99-112.
عبدلی،م.ع؛ فلاح نژاد، م؛ غضبان، ف؛ اردستانی، م؛ (آبان 1389). ارزیابی متغیرهای موثر بر تولید پسماند شهری، چهارمین همایش ملی تخصصی مهندسی محیط زیست، انجمن مهندسی محیط زیست ایران، تهران، ایران.
عزیزنژاد، ص و کمیجانی، اکبر، (1396). تاثیرات نرخ ارز و اثر آن بر نوسانات متغیرهای منتخب اقتصاد کلان در ایران، فصلنامه پژوهش های اقتصادی (رشد و توسعه پایدار)، 17 (1) ، صص 121-143.
فتحی دخت لاحشری، ح؛ پری زنگنه، ع؛ زمانی، ع و حاجی سلطانی، پ،(آبان 1389). بررسی تغییرات کیفی و کمی پسماند خانگی شهر تهران (1384-1386)، چهارمین همایش تخصصی مهندسی محیط زیست، انجمن مهندسی محیط زیست ایران، تهران، ایران.
کلکناری، ه؛ جمالی پور، م و قربانی، م، (1392). سیاست های راهبردی-زیست محیطی کاهش تولید زباله شهری، فصلنامه آموزش محیط زیست و توسعه پایدار، 2(1) ، صص 11-18.
مرکز مطالعات و برنامه ریزی شهر تهران. 1399. گزارش دومین طرح جامع مدیریت پسماند شهر تهران، تهران، ایران.
Araiza-Aguilar, J. A., Rojas-Valencia, M. N. and Aguilar-Vera, R. A. (2020) ‘Forecast generation model of municipal solid waste using multiple linear regression’, Global Journal of Environmental Science and Management, 6(1), pp. 1–14. doi: 10.22034/gjesm.2020.01.01.
Asgari, A. et al. (2017) ‘Quality and quantity of construction and demolition waste in Tehran’, Journal of Environmental Health Science and Engineering, 15(1), pp. 1–8. doi: 10.1186/s40201-017-0276-0.
Bandara, N. J. G. J. et al. (2007) ‘Relation of waste generation and composition to socio-economic factors: A case study’, Environmental Monitoring and Assessment, 135(1–3), pp. 31–39. doi: 10.1007/s10661-007-9705-3.
Buenrostro, O., Bocco, G. and Vence, J. (2001) ‘Forecasting generation of urban solid waste in developing countries - A case study in Mexico’, Journal of the Air and Waste Management Association, 51(1), pp. 86–93. doi: 10.1080/10473289.2001.10464258.
Dehghanifard, E. and Dehghani, M. H. (2018) ‘Evaluation and analysis of municipal solid wastes in Tehran, Iran’, MethodsX, 5(February), pp. 312–321. doi: 10.1016/j.mex.2018.04.003.
Liu C, Wu X. Factors influencing municipal solid waste generation in China: A multiple statistical analysis study. Waste Management & Research. 2011;29(4):371-378. doi:10.1177/ 0734242X10380114
Fami, H. S. et al. (2019) ‘Determinants of household food waste behavior in Tehran city: A structural model’, Resources, Conservation and Recycling, 143(August 2018), pp. 154–166. doi: 10.1016/j.resconrec.2018.12.033.
Hoang, M. G. et al. (2017) ‘Predicting waste generation using Bayesian model averaging’, Global Journal of Environmental Science and Management, 3(4), pp. 385–402. doi: 10.22034/gjesm. 2017.03.04.005.
Malmir, T. and Tojo, Y. (2016) ‘Municipal solid waste management in Tehran: Changes during the last 5 years’, Waste Management and Research, 34(5), pp. 449–456. doi: 10.1177/ 0734242X16632056.
Monavari, S. M. et al. (2012) ‘The effects of socioeconomic parameters on household solid-waste generation and composition in developing countries (a case study: Ahvaz, Iran)’, Environmental Monitoring and Assessment, 184(4), pp. 1841–1846. doi: 10.1007/s10661-011-2082-y.
Namlis, K. G. and Komilis, D. (2019) ‘Influence of four socioeconomic indices and the impact of economic crisis on solid waste generation in Europe’, Waste Management, 89, pp. 190–200. doi: 10.1016/j.wasman.2019.04.012.
Pinka Sankoh, F., Yan, X. and Mohamed Hamza Conteh, A. (2012) ‘A Situational Assessment of Socioeconomic Factors Affecting Solid Waste Generation and Composition in Freetown, Sierra Leone’, Journal of Environmental Protection, 3(7), pp. 563–568. doi: 10.4236/jep.2012.37067.
Prades, M., Gallardo, A. and Ibàñez, M. V. (2015) ‘Factors determining waste generation in Spanish towns and cities’, Environmental Monitoring and Assessment, 187(1). doi: 10.1007/s10661-014-4098-6.
Rupani, P. F. et al. (2019) ‘Current scenario of the tehran municipal solid waste handling rules towards green technology’, International Journal of Environmental Research and Public Health, 16(6). doi: 10.3390/ijerph16060979.
Trang, P. T. T. et al. (2017) ‘The Effects of Socio-economic Factors on Household Solid Waste Generation and Composition: A Case Study in Thu Dau Mot, Vietnam’, Energy Procedia, 107(September 2016), pp. 253–258. doi: 10.1016/j.egypro.2016.12.144.
Vieira, V. H. A. de M. and Matheus, D. R. (2018) ‘The impact of socioeconomic factors on municipal solid waste generation in São Paulo, Brazil’, Waste Management and Research, 36(1), pp. 79–85. doi: 10.1177/0734242X17744039.
Xu, L. et al. (2016) ‘Path analysis of factors influencing household solid waste generation: a case study of Xiamen Island, China’, Journal of Material Cycles and Waste Management, 18(2), pp. 377–384. doi: 10.1007/s10163-014-0340-0.
Journal of Environmental Studies
Volume 47, Issue 3
December 2021
Pages 317-339

Files

Share

How to cite

Statistics