过于激进的做法：基于场景的分析——研究酒店早餐自助餐中餐具浪费的行为模式

《Cleaner and Responsible Consumption》：A bite too much: Scenario-Based analysis of simulated plate waste behaviour at a hotel breakfast buffet

　　卡特琳娜·雷托雷（Caterina Rettore）|拉里萨·L·利马（Larissa L. Lima）|伊万·普加-冈萨雷斯（Ivan Puga-Gonzalez）|菲利波·皮尼（Filippo Pini）|保琳娜·斯韦德（Paulina Szwed）|帕特里夏·安托什（Patrycja Antosz）|马泰奥·维图阿里（Matteo Vittuari）
博洛尼亚大学阿尔玛马特斯特迪奥鲁姆（Alma Mater Studiorum）农业与食品科学系，意大利博洛尼亚40127

**摘要：**
酒店早餐自助餐中的盘子浪费是食物浪费的重要来源，但顾客特征、分量决策与行为干预之间的相互作用仍研究不足。本研究利用经过验证的“Establishment Diner”基于代理的模型（ABM）进行了情景分析，模拟了在盘子大小、顾客构成、顾客可持续性意识以及自助餐信息传递方式不同情况下的盘子浪费情况。该模型捕捉了顾客在初次取餐、补餐和剩余食物方面的连续决策过程，这些决策受内在动机、社会规范和外部约束的影响。模拟结果显示，每位顾客每天的盘子浪费量在9.7克到277克之间。分析表明，盘子浪费源于一系列行为决策，而非单一行为。对模拟结果的行为路径分析表明，针对决策某一阶段的干预措施可能会引发补偿性反应，从而限制甚至抵消其预期效果。虽然可持续性意识和顾客构成会影响基本行为倾向，但干预措施的有效性很大程度上取决于具体情境和顾客特征。特别是，信息传递方式会与顾客特征相互作用，导致不同的结果。这些结果凸显了基于情景的模拟在研究自助餐环境中难以观察到的补偿性动态和抵抗行为方面的价值。研究结果应被视为基于模拟的洞察，而非实证证据，建议酒店行业干预措施需超越单一的提示方式，考虑顾客特征与行为路径如何共同影响浪费情况。

**1. 引言**
食物浪费是一个全球性的可持续性挑战，具有环境、社会和经济方面的影响。大部分食物浪费发生在食品供应链的下游环节，尤其是在消费者和餐饮服务层面（联合国环境规划署，2024年）。餐饮服务（如食堂、餐馆和酒店）占全球食物浪费总量的28%（联合国环境规划署，2024年），其中75%的浪费是可以避免的（奥利维拉等人，2016年）。同时，欧盟地区的餐厅和住宿支出持续增长（欧盟统计局，2025年），这凸显了衡量食物浪费及其成因的必要性。在酒店业中，浪费贯穿于规划、准备、服务及消费全过程（奥利维拉等人，2016年）。决定因素包括预测和采购方式（海基拉等人，2016年）、烹饪方法、使用预制食品与新鲜食材的比例（麦克亚当斯等人，2019年）以及员工技能（麦克亚当斯等人，2019年；卡萨万等人，2019年）。此外，过度生产和菜单种类繁多等运营因素也加剧了浪费问题（卡萨万等人，2019年；帕帕尔吉罗普洛等人，2019年）。严格的食品安全法规限制了剩菜的再利用或捐赠（菲利莫纳乌等人，2020年；查瓦拉等人，2021年），成为食物浪费的系统性驱动因素。从运营角度来看，改进预测、简化菜单和培训员工可以减少浪费（吴和滕，2022年），但最有效的策略是综合采取浪费监测、企业减少目标和再分配合作等措施（吴和滕，2022年；朱等人，2025年）。尽管组织因素影响服务层面的浪费，但消费者的行为才是直接导致盘子浪费（PW）的原因——即被提供但未被消费的食物。盘子浪费受分量大小（冯·马索和麦克亚当斯，2015年；伯科维茨等人，2016年）、个人对食材或烹饪方法的偏好、对浪费的态度（迪尔等人，2020年；奥库穆斯等人，2020年）以及社会规范（穆波希和穆萨文加内，2023年）的影响。在自助餐环境中，顾客自行取餐（通常为自助模式）时，浪费尤为严重。食物丰富和自助定价促使顾客过度取餐并留下未吃的食物（朱万等人，2021年）。关于酒店自助餐浪费量的研究较少，数据差异很大，从平均15.6克（朱万等人，2018年）到每位顾客300克（帕帕尔吉罗普洛等人，2016年）不等。顾客的社会人口统计和文化特征也是重要因素（朱万等人，2018年）。例如，儿童和首次光顾的顾客往往留下更多未吃的食物（朱万等人，2021年）。此前研究未探讨不同类型的顾客（如商务客和休闲客）是否因职业身份和情境规范而产生不同的浪费行为。虽然有研究发现游客的文化背景会影响浪费（刘等人，2022年），但尚未将商务客和休闲客作为具有不同动机、社会规范和行为约束的类别进行深入研究。

为减少浪费，已尝试了多种策略，如使用较小盘子、提供信息性提示和行为引导（吉马良斯等人，2024年），但这些措施的效果仍有待验证。部分因素（如分量大小、可持续性意识和运营方式）已得到明确，但其他因素（尤其是时间和社会身份对顾客行为的影响）的证据尚不一致。现有研究多关注单一驱动因素，对其相互作用如何影响分量、补餐和浪费生成的了解有限。从初始取餐到剩余食物形成的行为路径仍缺乏系统研究。这些研究空白表明，需要能够捕捉互动、补偿性动态和信息反馈效应的分析方法，而这些在实地研究中难以观察和操作。

为填补这些空白，本研究采用普加-冈萨雷斯等人（2025年）开发的“Establishment Diner”ABM模型来模拟自助早餐自助餐中的盘子浪费情况（以每位顾客的剩余食物量衡量）。ABM模拟由个体代理组成的系统，其决策和互动会产生新兴结果（麦克卡尔和诺斯，2010年）。该模型适用于研究由局部互动和多样化行为导致的新兴现象，并能捕捉个体间的异质性和反馈（普加-冈萨雷斯等人，2025年；拉万迪和约瓦诺维奇，2019年；斯凯尔登等人，2018年；坎德米尔等人，2020年；博兹等人，2024年）。此外，ABM还能模拟难以通过实证方法实现的“假设情景”（拉万迪和约瓦诺维奇，2019年）。该模型结合了心理、行为和社会机制（通过HUMAT框架和动机-机会-能力框架，麦克因尼斯等人，1991年），模拟了与浪费相关的关键行为机制，如分量决定、补餐行为、社会影响以及个体动机和机会。由于浪费源于顾客的一系列决策（初始分量、补餐和剩余食物生成），本研究从行为路径的角度探讨干预措施如何影响每个决策阶段。

通过这种ABM，我们模拟了36种情景，涵盖了盘子大小、顾客可持续性意识、顾客构成和信息传递策略的变化。研究目的不是估计实证效果，而是分析在受控计算环境中行为机制和互动方式的表现。ABM作为虚拟实验室，用于在系统变化的条件下生成和探索行为路径。情景分析有助于理解这些因素及其互动如何影响自助早餐自助餐中的分量、补餐和浪费情况，这些条件在实地实验中难以操作和分离。本研究的所有发现均基于ABM在假设配置下生成的模拟行为轨迹。

**2. 方法**
2.1. ABM概述
“Establishment Diner”ABM模拟顾客的日常餐饮选择，包括分量分配、补餐和浪费生成。普加-冈萨雷斯等人（2025年）提供了该模型的详细描述、校准和验证过程，模型使用了真实酒店的数据（包括顾客构成和自助餐食物浪费情况）。图1展示了模型流程及其对本研究最相关的因素。研究对象包括按性别（男/女）和顾客类型（商务客或非商务客）区分的个体。商务客通常为工作目的而入住，时间紧张；非商务客则为休闲目的。

**3. 研究问题**
本研究通过ABM模拟了36种情景，探讨了以下问题：
**RQ1：**盘子大小如何影响从初始分量到补餐和浪费的行为路径？
先前研究表明，盘子大小会影响分量感知和消费习惯（万辛克和范伊特尔瑟姆，2013年），大盘子可能导致更多浪费（范等人，2011年；弗里德曼和布罗查多，2010年），而小盘子可能减少浪费（卡尔贝肯和萨伦，2013年）。然而，大部分证据来自孤立干预和单阶段结果，未考虑个体特征和行为路径的交互作用（弗里德曼和布罗查多，2010年）。

**RQ2：**商务客和休闲客的不同组合如何影响分量、补餐和浪费？它们是否会放大或抵消干预措施的效果？
基于社会身份理论（塔杰费尔等人，1979年）和职业自我分类（埃勒默斯等人，2004年），我们假设商务客更注重效率，时间紧张且更倾向于遵从规范；而休闲客则更倾向于放纵消费。商务客会遵循特定情境下的社会规范（里马尔和雷亚尔，2005年）。在自助餐中，顾客会根据他人行为调整自己的行为（奇亚尔迪尼和戈德斯泰因，2004年），时间压力可能通过鼓励适量取餐减少浪费（科恩等人，2016年；普赖斯和贾斯特，2015年；万辛克，2004年），或因分量过多而增加浪费（科恩等人，2016年；普赖斯和贾斯特，2015年）。目前缺乏比较商务客和休闲客的实证证据。基于这些假设，我们探讨商务客的效率导向是否会放大干预效果，以及休闲客主导的环境是否会阻碍这些效果。

**RQ3：**在什么条件下（顾客构成、可持续性意识），信息传递方式能减少浪费？
研究表明，正面/信息性信息可以减少浪费（尼萨等人，2022年；科齐奥等人，2021年；陈等人，2018年），但被视为说教的信息可能因心理抵抗而产生反效果（袁和库尔，2023年；李和史，2025年）。当个人选择自由受到威胁时，会引发抗拒心理（布雷姆和布雷姆，1981年），降低遵守规范的意愿，增加限制性行为倾向（卡沃里斯等人，2020年；斯普伦霍尔茨等人，2023年）。个体特征会影响抵抗心理（沃德等人，2021年）。因此，测试不同信息传递方式与个体特征之间的互动至关重要。

**RQ4：**可持续性意识如何影响导致浪费的行为路径，以及它如何调节盘子大小和信息传递方式的影响？
环保价值观和可持续性意识与较低的食物浪费相关（维舍尔斯等人，2016年；威廉姆斯等人，2012年），但它们与自助餐中提示措施和情境因素的交互作用尚不清楚。模拟高可持续性意识和低可持续性意识的顾客有助于了解个人价值观如何驱动浪费，以及这些价值观如何与分量-补餐路径上的行为干预相互作用。

**RQ5：**初始分量变化在多大程度上引发补偿性补餐行为，这两种动态如何共同决定浪费？
分量大小显著影响摄入量和剩余食物量（维舍尔斯等人，2020年；洛伦兹-瓦尔特等人，2019年），但大多数研究未跟踪顾客的多次取餐行为。通过ABM，我们模拟了顾客的分量和补餐行为，以评估其对浪费的影响。

通过这些研究问题，本研究超越了单纯测试单一驱动因素对浪费的影响，探讨了交互作用和行为路径如何共同导致自助餐中的浪费。研究的贡献主要是理论性和基于模拟的，旨在探索行为机制的相互作用和产生的新兴结果，而非提供实证估计或因果推断。这有助于识别既能减少浪费又能考虑补偿性动态和信息反馈效果的干预组合。对于酒店业来说，模拟情景有助于确定有效的干预措施组合。从政策角度来看，这些结果可为促进可持续消费实践的指南或激励计划提供参考。在早餐期间，代理决定何时进食、提供多少食物、多久补充一次食物以及留下多少食物不食用。下载：下载高分辨率图片（301KB）下载：下载全尺寸图片图1. ABM决策步骤。在第一次提供食物后，代理可以决定是否吃完、留下食物或回去补充食物。仅显示与本研究相关的因素，更多细节见Puga-Gonzalez等人（2025年）。个体决策取决于个人属性和关键内在动机：饥饿感、饱腹感、体重控制、从众性和可持续性意识。这些因素与自制力和时间可用性等机会和能力相互作用。这一过程分为几个阶段：代理首先根据内在动机、可用时间和自制力选择食物份量。代理还受到周围其他代理行为的影响。留下剩饭的决定也取决于能力、可持续性意识、饥饿程度、从众性和时间。ABM整合了HUMAT社会认知架构（Jager等人，2025年）和动机-机会-能力（MOA）框架（MacInnis等人，1991年），使得能够真实模拟食物分量和剩余食物的产生情况。

2.2. 场景设计
通过参与式共同设计过程定义了场景，该过程涉及Horizon Europe CHORIZO项目中的研究人员和酒店行业从业者，确保测试的场景配置反映了酒店自助餐环境的现实运营条件。参与者被介绍了ABM，并被邀请提出针对客人行为和剩余食物情况的干预措施。研究团队评估了这些建议的可行性和相关性，最终确定了四个实验因素，这些因素被组合成模拟场景：盘子大小、客户结构、可持续性意识和沟通策略。其他ABM参数采用了Puga-Gonzalez等人（2025年）的研究结果（见补充表A）。本研究中的场景并不代表实际观察到的干预措施，而是基于利益相关者咨询和现有实证文献得出的合理配置。因此，场景参数作为在此经过验证的模型结构内的变化引入，以探索假设但现实的条件下可能的行为动态。36个场景由四个关键参数的独特组合定义。第一个参数与盘子大小有关。它影响食物份量的选择：小盘子允许较小或正常的份量（200-300克），而大盘子也可以提供较大的份量（400克）。在ABM中，食物份量的决定受到饥饿感、体重控制、放纵欲望和可持续性动机的影响。第二个参数由客户结构定义。它分为三种人口分布：70%商务客人、50%平衡比例和30%非商务客人。关于客户结构的假设基于原始模型校准中使用的实证酒店数据集（Puga-Gonzalez等人，2025年）。根据社会身份理论和职业自我分类，假设商务客人比非商务客人更具有从众性和较低的消费欲望（见第1节）。在模型中，从众程度决定了代理在多大程度上会受到餐厅内其他代理行为的影响。第三个参数反映了客人的可持续性意识水平，这影响了他们是否吃光食物或留下食物。最后一个参数测试了沟通策略对客人行为的影响。模型中的沟通策略基于心理抗拒理论（Brehm和Brehm，1981年），该理论假设当个体认为信息威胁到他们的自主权时，他们倾向于抵抗。在我们的模型中，这被编码为个体容忍度与信息威胁程度之间的比较。因此，抗拒被建模为一个分级的动机过程，而不是二进制反应，允许不同个体和客人类型对相同信息产生异质性和情境依赖的反应。

2.3. 数据分析
每个场景进行了150次模拟，共得到5400个模拟结果。由于实证校准数据是在酒店层面而非个体层面 aggregating 的（Puga-Gonzalez等人，2025年），因此分析是在聚合输出上进行的（每个代理每次模拟的平均剩余食物量）。使用Tukey的诚实显著差异（HSD）检验（Tukey，1949年）评估了整体场景差异，并辅以热图可视化和箱形图来展示关键因素的影响。为了回答研究问题RQ1-RQ5并以连贯的方式解释模拟结果，我们通过一个行为路径框架来分析输出，该框架反映了ABM中客人决策的顺序结构：食物分量决定、补充决定和剩余食物生成。我们估计了四个多元线性回归模型，采用了异方差一致性（HC1）的稳健标准误差，这些模型是在R语言的sandwich包中实现的（Zeileis等人，2020年）。所有连续预测变量都被标准化以便跨尺度进行比较。标准化系数表示每个预测变量增加一个标准差时因变量的变化。纳入交互项以测试调节效应。分析在RStudio中进行，使用lm(a)函数进行估计，使用sandwich和lmtest包进行推断。这些回归模型并不估计现实世界人群中的实证关系，而是作为辅助分析模型，用于系统总结和分解ABM生成的模式。虽然ABM是产生模拟行为结果的主要生成模型，但回归框架用于量化边际效应、识别交互模式，并正式分解模型结构中嵌入的行为路径。这种方法允许对高维模拟输出进行结构化解释，而不需要对现实世界人群进行统计推断。重要的是，变量之间的因果关系由ABM中嵌入的行为规则定义。回归模型并不建立因果关系，而是提供了这些潜在模型机制生成的模拟关系的结构化统计总结。每个模型都与特定的行为决策相关联。分量模型（方程（1）测试实验操作如何影响标准化平均食物分量大小（mean_portion_size_s）。我们包括主要效应和四个双向交互项，以测试盘子大小或信息的影响是否取决于可持续性意识或客户结构。补充材料第3节提供了有关ABM中消息影响编码的详细信息。

表1总结了在假设场景中使用的参数及其值。
表1. 假设场景模拟中使用的参数及其值
变量 场景 值
小盘子 最大300克 0.7
大盘子 最大400克 0.5
客户结构 商务客人比例高 0.7
客户结构 客户比例平衡 0.5
客户结构 非商务客人比例高 0.3
可持续性 女性=0.5 0.5
可持续性 男性=0.4 0.4
可持续性 女性=0.2 0.2
可持续性 男性=0.1 0.1
消息 无消息 0.5
威胁程度 挑衅性消息 0.6
积极消息 0.2

3. 数据分析
每个场景都进行了150次模拟，共得到5400个模拟结果。因为实证校准数据是在酒店层面而非个体层面聚合的（Puga-Gonzalez等人，2025年），所以分析是在聚合输出上进行的（每次模拟每个代理的平均剩余食物量）。使用Tukey的诚实显著差异（HSD）检验（Tukey，1949年）评估了整体场景差异，并用热图可视化和箱形图来展示关键因素的影响。为了回答研究问题RQ1-RQ5并以连贯的方式解释模拟结果，我们通过一个行为路径框架来分析输出，该框架反映了ABM中客人决策的顺序结构：食物分量决定、补充决定和剩余食物生成。我们使用了具有异方差一致性（HC1）稳健标准误差的四个多元线性回归模型，这些模型在R语言的sandwich包中实现（Zeileis等人，2020年）。所有连续预测变量都被标准化，以便跨尺度进行比较。标准化系数表示与每个预测变量增加一个标准差相关的因变量的变化。纳入交互项以测试调节效应。分析在RStudio中进行，使用lm(a)函数进行估计，使用sandwich和lmtest包进行推断。回归模型并不估计现实世界人群中的实证关系，而是作为辅助分析模型，用于系统总结和分解ABM生成的模式。虽然ABM是产生模拟行为结果的主要生成模型，但回归框架用于量化边际效应、识别交互模式，并正式分解嵌入在模型结构中的行为路径。这种方法允许对高维模拟输出进行结构化解释，而不会对现实世界人群进行统计推断。重要的是，变量之间的因果关系由ABM中嵌入的行为规则定义。回归模型并不建立因果关系，而是提供了这些底层模型机制生成的模拟关系的结构化统计总结。

每个模型都与特定的行为决策相关联。分量模型（方程（1）测试实验操作如何影响标准化平均食物分量大小（mean_portion_size_s）。我们包括主要效应和四个双向交互项，以测试盘子大小或信息的影响是否取决于可持续性意识或客户结构。
(1)mean_portion_size_si=β0+β1*小盘子i+β2*可持续性i+β3*客户结构i+β4*信息i+β5*(小盘子i×可持续性i)+β6*(小盘子i×客户结构i)+β7*(信息i×可持续性i)+β8*(信息i×客户结构i)+?i

补充模型（方程（2）预测额外食物份量的平均数量（Total_extra_mean_s），同时控制初始食物分量大小：
(2)Total_extra_mean_si=β0+β1*小盘子i+β2*可持续性i+β3*客户结构i+β4*信息i+β5*(小盘子i×可持续性i)+β6*(小盘子i×客户结构i)+β7*(信息i×可持续性i)+β8*(信息i×客户结构i)+mean_portion_size_si+?i

中介剩余食物模型（方程（3）根据食物分量、补充和场景变量（包括交互项）估计每个客人的标准化平均剩余食物量（mean_leftovers_s）。该模型研究了食物分量和额外点餐如何共同决定剩余食物量，同时控制模拟场景操作的任何剩余直接效应。
(3)mean_leftovers_si=β0+β1*mean_portion_size_si+β2*Total_extra_mean_si+β3*(mean_portion_size_si×Total_extra_mean_si)+β4*小盘子i+β5*可持续性i+β6*客户结构i+β7*信息i+β8*(小盘子i×可持续性i)+β9*(小盘子i×客户结构i)+β10*(信息i×可持续性i)+?i

在分解导致剩余食物的行为路径后，总效应剩余食物模型（方程（4）捕捉实验操作对mean_leftovers_s的总效应，排除了中介变量（食物分量和补充）以估计直接和间接影响的组合。
(4)mean_leftovers_si=β0+β1*小盘子i+β2*可持续性i+β3*客户结构i+β4*信息i+β5*(小盘子i×可持续性i)+β6*(小盘子i×客户结构i)+β7*(信息i×可持续性i)+β8*(信息i×客户结构i)+?i

在所有模型中，?i捕捉了由ABM的概率结构引起的模拟运行间的随机变异性。稳健性检查包括无交互项的重新估计和回归诊断（补充材料第7-8节）。图3显示了模型1-3中检验的路径。
图3. 回归模型的预测变量结构。箭头的颜色对应每个模型路径：绿色=分量模型；黄色=补充模型；紫色=中介剩余食物模型。每个模型都配有图表以可视化结果。为了便于解释，图表报告了使用未标准化变量估计的结果，结果以克为单位表示。

3. 结果
3.1. 描述性场景结果
每个场景代表一组关键参数的特定配置，允许评估它们对客人行为和剩余食物量的影响。完整的参数设置和每个客人的平均剩余食物量在表2中报告。
表2. 36个模拟场景的参数设置和平均结果
场景ID 盘子大小 可持续性意识 沟通策略 平均剩余食物量/客人/天及标准差（克）
1 小盘子 高商务客人比例 无沟通 11.46±5.67
2 小盘子 高商务客人比例 挑衅性信息 17.41±6.37
3 小盘子 高商务客人比例 积极信息 9.73±5.76
4 小盘子 高商务客人比例 无沟通 10.95±18.96
5 小盘子 低商务客人比例 挑衅性信息 13.01±18.46
6 小盘子 高商务客人比例 积极信息 10.85±19.75
7 小盘子 平衡客户比例 无沟通 12.26±7.39
8 小盘子 高商务客人比例 挑衅性信息 29.7±8.44
9 小盘子 平衡客户比例 积极信息 13.43±7.25
10 小盘子 低商务客人比例 无沟通 18.28±25.64
11 小盘子 低商务客人比例 挑衅性信息 18.40±25.41
12 小盘子 低商务客人比例 积极信息 19.1±23.01
13 低商务客人比例 高商务客人比例 无沟通 15.44±8.39
14 低商务客人比例 高商务客人比例 挑衅性信息 20.73±8.71
15 低商务客人比例 高商务客人比例 积极信息 16.97±7.43
16 低商务客人比例 低商务客人比例 无沟通 25.68±29.03
17 低商务客人比例 低商务客人比例 挑衅性信息 27.74±28.41
18 低商务客人比例 低商务客人比例 积极信息 25.56±27.85
19 大盘子 高商务客人比例 无沟通 10.61±5.92
20 大盘子 高商务客人比例 挑衅性信息 17.56±6.32
21 大盘子 高商务客人比例 积极信息 11.91±6.29
22 大盘子 高商务客人比例 无沟通 10.74±17.27
23 大盘子 低商务客人比例 挑衅性信息 117.82±19.12
24 大盘子 高商务客人比例 低积极信息 11.08±17.49
25 大盘子 平衡客户比例 无沟通 13.48±8.05
26 大盘子 平衡客户比例 挑衅性信息 15.2±7.25
27 大盘子 平衡客户比例 积极信息 11.02±5.58
28 大盘子 低商务客人比例 无沟通 174.89±25.85
29 大盘子 低商务客人比例 挑衅性信息 185.73±24.46
30 大盘子 平衡客户比例 低积极信息 184.93±29.23

图4总结了模拟结果。在模拟的ABM环境中，具有高可持续性意识的场景一致属于剩余食物量最低的场景，表明在ABM结构中，意识是模拟结果的关键驱动力。

为了比较不同场景的结果，对模拟输出应用了Tukey HSD检验以比较场景间的差异。所得到的成对比较反映了模拟运行间的变异性，而不是对实证数据的统计推断。结果热图显示在补充图D中。图5A-D按可持续性意识、客户结构、盘子大小和沟通策略分组展示了结果。较宽的箱子表示更大的变异性，表明该因素对剩余食物量的相对贡献，而红点对应平均值。由于箱形图基于5400次模拟，因此分散反映了其他实验因素的系统性变化和ABM固有的随机变化。

图5A-D显示了关键场景参数对每个客人模拟剩余食物量的影响。面板（A）展示了可持续性意识的影响，（B）商务客人比例，（C）盘子大小，以及（D）沟通策略。红点表示平均值。具有高可持续性意识的场景一致产生较低的模拟剩余食物量（图5A）。商务客人比例较低的场景显示出最高的平均剩余食物量和变异性，而商务客人比例较高的场景具有最低的中位数剩余食物量（约50克）。因此，在模拟场景中，较强的商务客人比例对应于ABM中较低的模拟浪费量，反映了ABM中编码的行为规则（图5B）。图5C比较了使用小盘子或大盘子时的平均剩余食物量。两种尺寸的箱线图几乎相同，这表明在当前模型假设下，仅板子的大小并不会显著改变模拟的餐盘浪费（PW）结果。挑衅性信息导致的餐盘浪费略高于正面信息或无信息的情况（图5D）。3.2. 回归分析以下回归分析专门应用于由ABM生成的模拟输出，用于构建和量化模型内部的关系，因此它们不代表经验性推断。3.2.1. 餐盘分量大模型——分量决策的决定因素表3显示了餐盘分量大模型的标准化系数，以小盘子、低可持续性意识和低商业份额以及无信息为基线。表3. 餐盘分量大模型——关键标准化系数（包含交互作用）。变量规格与交互作用估计值（标准误差）截距0.789 (0.047)***大盘子0.377 (0.045)***高可持续性意识?0.178 (0.045)***客户结构平衡?0.407 (0.054)***客户结构高商业份额?0.843 (0.056)***正面信息?0.761 (0.056)***挑衅性信息?1.832 (0.057)***大盘子 × 高可持续性意识0.122 (0.043)***大盘子 × 客户结构平衡?0.358 (0.054)***大盘子 × 客户结构高商业份额?0.919 (0.053)***客户结构平衡 × 正面信息0.808 (0.066)***客户结构高商业份额 × 挑衅性信息1.649 (0.069)***客户结构平衡 × 挑衅性信息0.754 (0.069)***客户结构高商业份额 × 挑衅性信息1.747 (0.067)***调整后的R2为0.38注意：仅显示显著系数（p < 0.1）。完整规格见补充表D。显著性代码：'.' p < 1; '*' p < 0.05; '**' p < 0.01; '****' p < 0.001。标准化系数（均值 = 0，标准差 = 1）。标准差（原始尺度）：平均餐盘分量 = 8.89克。要将效应转换为克，将系数乘以因变量的标准差。在没有交互项的规格中（补充表D），盘子大小和可持续性意识与初始分量的差异无关。相比之下，较高的商业客人份额和挑衅性信息的存在与较小的模拟分量相关。包括交互作用后，盘子大小、信息和人口变量改善了模型拟合度（调整后的R2 = 0.38）。图6a说明了相同的干预措施（改变盘子大小）根据客户结构可以在ABM中产生相反的行为反应，突出了模型中断量决策的情境依赖性。两种类型的信息都与休闲客人的较小分量相关。如图6b所示，在商业客人比例较高的环境中，正面信息可能会产生适得其反的效果，即分量增加而不是减少。总体而言，在ABM模拟中，商业客人在模拟中的分量控制更为严格，从而产生较小的初始分量。挑衅性信息与较小的分量相关，而正面信息和盘子大小干预的效果强烈依赖于客户结构。下载：下载高分辨率图像（375KB）下载：下载全尺寸图像图6. 客人平均分量随a) 小盘子 → 大盘子；b) 无信息 → 正面/挑衅性信息的变化下载：下载全尺寸图像注：该图显示的结果是用未标准化变量估计的模型得出的，以便以克为单位进行解释。3.2.2. 加餐模型——额外加餐决策的决定因素加餐模型考察了模拟的额外分量平均数量（表4）。由于相关性分析（补充材料第6节），初始分量被纳入该模型。在没有交互项的规格中（补充表E），较大的初始分量与较低的加餐概率相关。在固定分量的情况下，大盘子（β = ?0.718, p < 0.001）、高可持续性意识（β = ?0.801, p < 0.001）和以商业为主的情境（β = ?0.812, p < 0.001）对应较少的模拟额外分量。相比之下，两种类型的信息都与较高的加餐频率相关。表4. 加餐模型——关键标准化系数（包含交互作用）。变量规格与交互作用估计值（标准误差）截距0.613 (0.019)***大盘子?0.920 (0.024)***高可持续性意识?1.085 (0.018)***客户结构平衡?0.298 (0.024)***客户结构高商业份额?0.814 (0.023)***正面信息0.683 (0.025)***挑衅性信息1.320 (0.032)***平均分量0.014 (0.008)。大盘子 × 客户结构高商业份额0.510 (0.030)***客户结构平衡 × 正面信息?0.327 (0.032)***客户结构高商业份额 × 正面信息?0.476 (0.032)***客户结构平衡 × 挑衅性信息?0.225 (0.041)***客户结构高商业份额 × 挑衅性信息?0.257 (0.038)***高可持续性意识 × 正面信息0.192 (0.024)***高可持续性意识 × 挑衅性信息0.612 (0.031)***调整后的R2为0.79注意：仅显示显著系数（p < 0.1）。完整规格见补充表E。显著性代码：'.' p < 1; '*' p < 0.05; '**' p < 0.01; '****' p < 0.001。标准化系数（均值 = 0，标准差 = 1）。标准差（原始尺度）：平均额外分量 = 0.45。当加入交互项时，大盘子的主要减少效应在以商业为主的情境中增强，但在以商业为主的情境中减弱（图7a），表明在ABM中商业客人对盘子大小的线索不那么敏感。沟通效应也因客人份额而异：两种类型的信息都与休闲客人的更高加餐频率相关，但在商业客人中则不那么明显（图7b）。图7b突出了一种补偿性行为模式：如图6b所示，与较小初始分量相关的信息也与更高的加餐频率相关，说明了决策阶段的补偿性行为机制。下载：下载高分辨率图像（416KB）下载：下载全尺寸图像图7. 客人平均额外分量随a) 小盘子 → 大盘子；b) 无信息 → 正面/挑衅性信息的变化注：该图显示的结果是用未标准化变量估计的模型得出的，以便以克为单位进行解释。在没有信息的情况下，高意识客人倾向于较少额外加餐，但两种类型的信息都与更高的加餐水平相关，这与模型中嵌入的信息相关反应机制一致。在ABM的模拟决策环境中，大盘子、高意识和较高的商业份额会减少加餐行为，但在信息干预下会增加，尤其是在以休闲为导向的受众中。3.2.3. 中介剩余模型——平均剩余物模型——平均剩余物的决定因素中介剩余模型（表5）探讨了模拟客人浪费行为的驱动因素，包括分量和加餐变量。它在所有模型中显示出最高的解释能力。表5. 中介剩余模型——关键标准化系数（包含交互作用）。变量规格与交互作用估计值（标准误差）截距1.067 (0.022)***平均分量0.065 (0.006)***平均额外分量0.230 (0.012)***大盘子0.164 (0.024)***高可持续性意识?1.456 (0.020)***客户结构平衡?0.318 (0.020)***客户结构高商业份额?0.610 (0.025)***正面信息?0.137 (0.028)***平均分量 × 平均额外分量0.105 (0.007)***大盘子 × 高可持续性意识0.044 (0.018)***大盘子 × 客户结构高商业份额?0.094 (0.027)***客户结构平衡 × 正面信息0.112 (0.026)***客户结构高商业份额 × 正面信息0.128 (0.032)***客户结构平衡 × 挑衅性信息?0.086 (0.026)***客户结构高商业份额 × 挑衅性信息?0.055 (0.033)。高可持续性意识 × 正面信息?0.072 (0.021)***高可持续性意识 × 挑衅性信息?0.264 (0.024)***调整后的R2为0.89注意：仅显示显著系数（p < 0.1）。完整规格见补充表F。显著性代码：'.' p < 1; '*' p < 0.05; '**' p < 0.01; '****' p < 0.001。标准化系数（均值 = 0，标准差 = 1）。标准差（原始尺度）：平均剩余物 = 97.05克。在模拟输出中，较大的初始分量和额外分量对应较高的餐盘浪费（PW）。在ABM模拟中，高可持续性意识和以商业为导向的设置与较低的模拟PW相关，而大盘子略微增加了PW。信息效应较小，但在考虑交互作用时变得更有意义。图8a说明了可持续性意识如何调节盘子大小与PW之间的关系，表明相同的干预措施可能会根据客人的可持续性特征产生不同的结果。如图8b所示，可持续性意识也影响了沟通信息的效果，表明行为干预在可持续性意识强的客人中可能更有效。这表明干预效果不仅是直接的，还取决于行为特征如何在分量-加餐-剩余物路径上影响决策。下载：下载高分辨率图像（392KB）下载：下载全尺寸图像图8. 客人平均PW随a) 小盘子 → 大盘子；b) 无信息 → 正面/挑衅性信息的变化注：该图显示的结果是用未标准化变量估计的模型得出的，以便以克为单位进行解释。综合图6、图7和图8可以看出，盘子浪费是由于相互关联的行为决策产生的，而不是孤立效应，分量和加餐阶段的补偿动态塑造了最终结果。3.2.4. 总效应剩余模型——直接和间接效应的结合之前的模型分解了实验操作如何影响ABM中的PW的途径，确定了分量和额外分量如何中介这些效应。图9通过包括之前模型的盘子大小和可持续性意识的系数来说明这一点。下载：下载高分辨率图像（309KB）下载：下载全尺寸图像图9. 三个回归模型的路径以及模型中盘子大小（红色）、可持续性意识（浅绿色）、它们的交互作用（深绿色）、平均分量（粉色）和平均额外分量（橙色）的示例系数，说明了它们对PW的间接和总效应。总效应剩余模型（表6）估计了所有操作对PW的总效应，排除了中介变量。表6. 总效应剩余模型——关键标准化系数。变量估计值（标准误差）截距1.226 (0.022)***大盘子?0.047 (0.026)。高可持续性意识?1.739 (0.020)***客户结构平衡?0.384 (0.020)***客户结构高商业份额?0.769 (0.025)***挑衅性信息0.161 (0.033)***大盘子 × 高可持续性意识0.034 (0.018)。高可持续性意识 × 正面信息?0.056 (0.020)***高可持续性意识 × 挑衅性信息?0.047 (0.024)。调整后的R2为0.88注意：仅显示显著系数（p < 0.1）。完整规格见补充表G。显著性代码：'.' p < 1; '*' p < 0.05; '**' p < 0.01; '****' p < 0.001。标准化系数（均值 = 0，标准差 = 1）。标准差（原始尺度）：平均剩余物 = 97.05克。在模拟输出中，高可持续性意识与较低的PW有最大的总体关联，接近因变量的两个标准差，其次是客户结构。在ABM生成的数据中，挑衅性信息与较高的模拟PW相关，而正面信息仅在客人具有较高可持续性意识时与较低的PW相关。盘子大小的影响较小且仅具有边际显著性。4. 讨论在本研究中，通过在模拟环境中研究个体特征（可持续性意识、社会身份）、外部因素（盘子大小、信息框架）和分量行为如何相互作用，使用经过验证的ABM来塑造酒店早餐自助餐中的PW。通过将模拟行为数据与回归分析联系起来，该研究推进了对自助餐系统中行为路径的理论和基于模拟的理解，补充了但不取代关于废弃物减少（FW）干预的实证研究。我们的贡献在于确定了在受控模拟条件下微观层面的行为规则如何产生宏观层面的模式，而不是估计现实世界的效果。我们的发现不仅揭示了统计关联，还展示了ABM中编码的行为机制，表明干预措施如何作用于分量-加餐-剩余物路径的特定步骤。图10总结了四个行为路径回归模型的结果，展示了模拟干预如何在ABM中产生补偿动态。下载：下载高分辨率图像（553KB）下载：下载全尺寸图像图10. 实验变量如何影响分量、加餐和PW结果的概述。在ABM框架内，可持续性意识和客户结构成为最强的模拟预测因子。具有较高可持续性意识和位于更以商业为导向的设置的客人倾向于提供较小的分量，较少加餐，并产生较少的PW。相反，以休闲为导向的情景中，可持续性意识较低，表现为较少的分量和较高的浪费结果。在ABM中，浪费是由一系列相互关联的选择产生的，而不是单一的自觉决策。这与MOA框架（van Geffen等人，2020）一致，该框架将FW概念化为由内部驱动因素和外部条件塑造的迭代决策的意外结果。对于盘子大小（RQ1），模拟表明了多步骤效应。与先前的研究结果（Wansink和van Ittersum，2013）一致，较大的盘子会诱导较大的初始分量，因为它们提高了适当分量的视觉规范。特别是对于休闲客人来说更为明显。相反，商业客人部分抵消了视觉提示，反映了ABM中较强的自我调节假设。较大的盘子减少了加餐，表明客人认为他们的初始分量足够。然而，当考虑分量大小和加餐时，总体取食量较多，导致PW增加。当直接和间接效应结合（总效应剩余模型）时，净效应变小。这突显了一种补偿性行为机制：减少一种浪费相关行为（例如加餐）的干预可能会同时增加另一种（例如初始分量大小），最终限制了对PW的净效应。与之前主要关注盘子大小的ABM研究（Ravandi和Jovanovic，2019）相比，我们的结果强调了建模多个相互作用的心理、行为和情境驱动因素的重要性。与仅关注盘子大小的早期ABM研究相比，我们的结果强调了建模多个相互作用的心理、行为和情境驱动因素的重要性。与直接减少浪费相比，这种更广泛的建模视角有助于解释为什么表面有效的提示在考虑行为路径和补偿动态后可能无法显著减少浪费。沟通信息（RQ3）显示了情境依赖的效应。在模拟中，挑衅性信息最初减少了初始分量，但后来增加了加餐和总浪费。这种模式说明了ABM中嵌入的一种心理反应机制，与理论预期（Brehm和Brehm，1981）一致。相比之下，正面信息显示出适度的直接效应。在高可持续性意识和客人混合平衡的条件下，正面框架主要减少了PW。这表明沟通干预的有效性强烈依赖于客人群体的可持续性特征。可持续性意识（RQ4）和客户结构（RQ2）是ABM中最稳健的负责任行为预测因子。尽管理论上认为可持续性意识与份量（PW）之间存在负面关联（Visschers等人，2016年；Stancu等人，2016年），但模拟结果显示了意识如何与其他行为驱动因素相互作用。在模型中，较高的可持续性意识直接和间接地减少了浪费，但更重要的是，它调节了代理人对行为干预的反应。特别是，具有可持续性意识的代理人更愿意遵守积极的信息，并且在分餐-加餐的过程中不太可能采取补偿行为。商务客人浪费的食物更少，这一结果基于行为经济学模型（ABM）关于效率规范和时间限制的假设（Puga-Gonzalez等人，2025年）。从行为路径来看，较高的自我控制和从众性使他们选择较小的初始份量并减少加餐次数。时间限制进一步抑制了大份量的选择，因为时间压力迫使人们做出更有目的性的决定。总体而言，商务客人较低的份量消耗并不单一地由某个因果因素决定，而是社会规范（从众性）、个人能力（自我控制）和情境限制（时间压力）共同作用的结果。

分餐行为（RQ5）起到了关键中介作用。ABM中观察到的份量大小、加餐次数和剩余食物量之间的关系与食堂和餐厅研究中的结果一致（Berkowitz等人，2016年；Lorenz-Walther等人，2019年），但我们的建模方法展示了这些行为的顺序关联。综合前三个模型的结果可以追踪干预措施如何在不同阶段影响行为，而总效应剩余模型则量化了它们的整体影响。比较这些模型可以明确直接效应和间接效应的差异：某些干预措施（例如，挑逗性信息）在早期阶段似乎有效，但一旦考虑到下游行为，最终会增加浪费。

这些结果可以从微观-中观-宏观的视角来解释。在微观层面上，ABM代表了消费路径中的个体行为决策（即客人自己取多少食物、是否返回加餐以及是否留下剩余食物）。在中观层面上，这些行为在客户结构、盘子大小和信息策略等情境条件下展开，这些因素影响个人对提示和限制的解读。在宏观层面上，总体份量消耗是由这些微观决策在特定中观条件下的相互作用产生的。ABM和情景分析将这些层面联系起来：微观选择决定了份量大小和加餐次数；中观因素塑造了决策过程；宏观层面的份量消耗则源于这些微观决策在不同情景下的相互作用。一个关键发现是行为补偿的存在：减少某种与份量相关行为的干预措施（例如，加餐）同时会增加另一种行为（例如，初始份量），导致净效应不明显。这种机制解释了为什么某些提示在单独使用时看似有希望，但总体上未能减少浪费。这些补偿模式源于多个决策规则的相互作用，而不是基于任何单一模型假设，这表明类似的动态可能出现在现实世界中。

该模型表明，有效的提示需要综合考虑动机、机会和能力随时间的变化。仅调整盘子大小可能无法实现预期效果，除非与其他影响后续行为的线索结合使用。沟通策略应考虑语气和目标受众：积极且与价值观一致的信息能够吸引注重可持续性的客人，而说教式信息可能会产生反效果。

4.1. 限制与未来工作

必须承认一些局限性。首先，结果依赖于通过汇总的实证观察数据进行校准的模拟数据。许多行为参数（例如，抵抗阈值、对信息的敏感度）在个体层面并未经过实证校准。结果部分取决于这些假设，未来的研究应纳入个体层面的实证数据来校准ABM。其次，ABM关注的是份量问题，而排除了酒店层面的运营流程，如过度生产或自助餐管理实践。整合这些运营动态将提供更全面的酒店食物浪费视角。第三，虽然区分商务客人和休闲客人可以捕捉到重要的差异，但关于这两组人在食物相关决策上的实证证据仍然稀缺。收集反映动机和时间使用变化的实地数据可以改进我们的建模假设。此外，为了保持模型的简洁性，ABM中没有包括年龄组、饮食偏好和文化差异等其他异质性来源。将这些因素纳入模型具有未来的研究潜力。第四，探索的36个情景只是各种因素组合的一部分，并未涵盖可持续性意识的连续变化或其他信息框架的变化。更广泛的情景模拟可能会显示更多结果。最后，正如Puga-Gonzalez等人（2025年）所指出的，校准数据是在一个国家收集的，这可能限制了结果在其他文化或地区情境下的普遍性。

这项工作解决了Puga-Gonzalez等人（2025年）提出的概念和方法论问题。尽管如此，未来的研究应继续结合实证观察、跨文化数据和先进的模拟技术，以提高外部有效性和理论整合。

5. 结论

在这项研究中，我们在模拟框架内探讨了个体特征、情境因素和分餐行为如何相互作用，从而影响酒店早餐自助餐中的份量消耗，这些结论仅基于基于代理的模型生成的输出。我们通过对这些模拟输出进行四次相互关联的回归分析来总结和分解模型中编码的行为路径。结果表明，在ABM中，份量消耗并非源自单一决策，而是由一系列相互关联的行为步骤共同形成的。这些结论反映了ABM结构内生成的模式，旨在为关于行为互动和补偿机制的理论推理提供依据，而不是提供实证估计。本研究的主要贡献在于展示了行为路径和补偿动态如何从模拟框架内多个驱动因素的相互作用中产生。在ABM模拟中，可持续性意识和客户结构作为结构背景条件，影响行为干预的方式。特别是，意识调节了沟通策略的有效性，并影响了客人在分餐-加餐过程中的反应。沟通策略的有效性取决于具体情境：在模拟条件下，积极信息支持有意识的行为，而挑逗性信息可能导致增加浪费的选择。盘子大小影响客人取食的时间和方式，但较大的盘子与减少其总体影响的补偿机制相关联。

本研究扩展了Establishment Diner基于代理的框架（Puga-Gonzalez等人，2025年），将其作为虚拟实验平台，用于探索难以通过实证方法单独研究的行为机制。基于情景的方法突出了在现实世界实地环境中可能因观察限制而隐藏的互动和补偿路径。通过将微观层面的决策规则与宏观层面的总体结果联系起来，ABM展示了干预措施如何在受控的模拟环境中修改行为路径。实际上，这些基于模拟的发现表明，仅靠调整盘子大小可能不够，信息传递应与客人特征相匹配，提高可持续性意识是ABM结构中的一个强大杠杆。由于其结构，Establishment Diner ABM可以支持未来在不同酒店情境下探索运营、行为和沟通策略。未来的工作应整合个体实证数据和酒店运营动态，以指导设计更加合理、基于证据的可持续酒店管理干预措施。

**关于生成式AI的声明**

在准备这项工作时，作者使用了ChatGPT来提高文本的可读性。使用该工具后，作者仔细审查并编辑了生成的文本，并对文稿内容负全责。

**资助**

本研究是在CHORIZO（通过开放、负责任和社会创新实现零食物浪费）项目中进行的，该项目由欧盟（EU）的Horizon研究与创新计划资助，授予协议编号为101060014（http://chorizoproject.eu）。本文的内容不代表欧盟的官方观点。其中表达的信息和观点的责任完全在于作者。

**作者贡献声明**

Caterina Rettore：概念化、数据管理、形式分析、调查、方法学、软件、验证、可视化、初稿撰写、审阅与编辑。
Larissa L. Lima：概念化、数据管理、调查、方法学、软件、验证、可视化、初稿撰写、审阅与编辑。
Ivan Puga-Gonzalez：概念化、调查、方法学、软件、撰写、审阅与编辑。
Filippo Pini：概念化、调查、方法学、可视化、撰写、审阅与编辑。
Paulina Szwed：概念化、调查、撰写、审阅与编辑。
Patrycja Antosz：概念化、资金获取、调查、方法学、项目管理、撰写、审阅与编辑。
Matteo Vittuari：概念化、资金获取、方法学、项目管理、撰写、审阅与编辑。