城市环境质量因素的主成分分析(共8页).doc

《城市环境质量因素的主成分分析(共8页).doc》由会员分享，可在线阅读，更多相关《城市环境质量因素的主成分分析(共8页).doc（8页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、精选优质文档-倾情为你奉上2010年我国城市环境质量因素的主成分分析 一、研究背景与意义随着时代的推进，我们能够很明显地感受到经济的迅猛增长和科技，日益进步所带来的方便和快乐，但是传统模式下的生产力的提高在驱动经济增长和为企业带来的利润的同时，也使我们的地球变得千疮百孔。汽车 尾气，工业废气，煤炭燃烧后的气体排放等导致地球空气严重受污并不断 加剧，不断间接或直接地伤害到人类自身及周围的环境和其他生物。根据相关数据资料显示，城市中的空气污染源大致来自于以下方面：一、工厂，很多城市的火力发电厂大量排放CO2、SO2等废气和粉尘；二、汽车尾气；三、家庭对能源的消耗；四、加油站，汽油泄露后蒸发形成的碳

2、氢化合物是很强的致癌物质；五、各种喷雾剂，如空气清新剂、杀虫剂，这些化学制品增加了空气中原来没有的成分，造成污染。随着科学技术水平的发展和人民生活水平的提高，环境污染也在增加，特别是在发展中国家。环境污染问题越来越成为世界各个国家的共同课题之一。由于人们对工业高度发达的负面影响预料不够,预防不利，导致了全球性的三大危机：资源短缺、环境污染、生态破坏。人类不断的向环境排放污染物质。但由于大气、水、土壤等的扩散、稀释、氧化还原、生物降解等的作用。污染物质的浓度和毒性会自然降低，这种现象叫做 环境自净。如果排放的物质超过了环境的自净能力，环境质量就会发生不良变化，危害人类健康和生存，这就发生了环境污

3、染 。 二、指标的选取根据查找相关的资料及数据，对我国31个省市自治区城市环境质量的基本情况进行分析，考核的指标有：城市绿地面积、城市人口密度、生活污水排放量、城市污水日处理能力、生活垃圾清运量、工业废水排放量、工业废气排放量、生活二氧化硫排放量、工业二氧化硫排放量。设：X1：城市绿地面积（公顷）X2：城市人口密度(人/平方公里)X3：生活污水排放量（万吨）X4：城市污水日处理能力（万立方米）X5：生活垃圾清运量（万吨）X6：工业废水排放量（万吨）X7：工业废气排放量（亿标立方米）X8：生活二氧化硫排放量（万吨）X9：工业二氧化硫排放量（吨）X10：工业粉尘排放量（万吨）如下表所示：表1 20

4、10年影响我国31个地区环境因素相关数据地区X1X2X3X4X5X6X7X8X9X10北 京626721383376.9633.0819847505.85.71.7天 津19221275248516224.2183.71968076861.821.80.8河 北689582354501.6589.35632424.099.432.1山 西31061289068418187.8361.2498813519010.2114.736.5内蒙古3814398153012155.5334.0395362748820.1119.316.0辽 宁927511814586.2837.3715212695516

5、.385.916.7吉 林37895144975775225.1499.43865682405.630.15.3黑龙江69581523979654310.4782.438921101117.341.75.7上 海3630679.7732.0366961296913.722.11.0江 苏20271590.01017.1312134.8100.215.1浙 江794591773643.8959.0204342.465.413.9安 徽714632469528.4435.370971178494.848.426.4福 建479042290317.4417.3135071.839.114.0江 西4

6、2288478688135226.3284.07252698128.647.122.4山 东1389824.1992.04383715.5138.318.9河 南667905178488.4694.62270917.6116.322.7湖 北578831929513.7711.1945931386511.751.614.6湖 南460282992544.5505.2956051467317.462.739.4广 东24281801.81938.6240926.198.910.4广 西6022514981110.4245.1145205.684.831.8海 南4902927393090767.

7、597.7578213600.12.80.7重 庆37695186082933190.9256.7451801094314.757.38.4四 川722592743373.3656.0934442010719.393.814.1贵 州28675326646693122.0213.3141301019251.163.88.6云 南28126379561066226.4265.530926109786.144.09.2西 藏209057530890.016.3736160.30.10.1陕 西26063550670186209.3388.345487135107.270.718.5甘 肃15275

8、379335889108.3278.31535262529.945.29.3青 海338723201357819.886.3903139521.013.39.8宁 夏1738710931867680.591.921977163243.028.06.1新 疆37686497758277158.7303.32541393107.051.818.5数据来源：中国统计年鉴2011三、实证分析通过SPSS软件得到描述性统计量，通过描述性统计量我们可以看到这10个指标的均值、标准差和参与计算的观测量数。如下表所示： 表2 描述性统计量68849.6579399.39499312707.03231343.8

9、068731.7.1160131432.0290421.7120031509.8452385.842563176604.2970593.544623116747.3512361.355883110.34849.953923160.138737.228813114.474210.6052831x1x2x3x4x5x6x7x8x9x10MeanStd. DeviationAnalysis N 下一步是这10个指标的相关系数矩阵，表3 原始变量相关矩阵1.000-.091.938.892.901.647.385-.032.411.010-.0911.000-.055-.155-.019-.149-.

10、159.114.021.137.938-.0551.000.917.930.751.441.042.492.179.892-.155.9171.000.817.818.437-.053.477.227.901-.019.930.8171.000.685.462.039.483.077.647-.149.751.818.6851.000.593-.023.645.408.385-.159.441.437.462.5931.000.325.819.573-.032.114.042-.053.039-.023.3251.000.433.222.411.021.492.477.483.645.819.

11、4331.000.628.010.137.179.227.077.408.573.222.6281.000x1x2x3x4x5x6x7x8x9x10Correlationx1x2x3x4x5x6x7x8x9x10 下表是KMO测度和巴特利特球体检验，可以得到KMO的值大于0.5，巴特利特球体检验值小于，因此适合做主成分分析。 表4 KMO测度和巴特利特球体检验.734288.31545.000Kaiser-Meyer-Olkin Measure of SamplingAdequacy.Approx. Chi-SquaredfSig.Bartletts Test ofSphericity下表是总

12、方差分解图，可以得到4个值，因为前四个值的累积贡献率比较接近85。表5 总方差分解5.20052.00452.0045.20052.00452.0041.96019.60571.6081.96019.60571.6081.06010.60382.2111.06010.60382.211.8578.57590.786.8578.57590.786.3473.47394.259.2492.49096.749.1381.38098.129.1211.20899.337.039.39099.727.027.273100.000Component12345678910Total% of Variance

13、Cumulative %Total% of VarianceCumulative %Initial EigenvaluesExtraction Sums of Squared Loadings图1 因子碎石图由上述因子碎石图可以看出前四个指标处于碎石图较陡峭的位置，因此选择四个成分是合理的。 表6 初始因子载荷矩阵.862-.410.134.126-.105.211.922-.274.923-.287.148.058.908-.290-.007-.066.880-.296.187.125.874-.002-.147-.230.705.517-.248.034.144.628.222.692.7

14、43.574-.028.026.403.708-.055-.458x1x2x3x4x5x6x7x8x9x101234Component 根据上图所示前三个特征值及初始因子载荷矩阵，计算相应的特征向量。如下所示：表7 特征向量第一特征向量第二特征向量第三特征向量第四特征向量0.378-0.2930.130.135-0.0460.1510.895-0.2950.405-0.2050.1440.0620.398-0.207-0.0068-0.710.386-0.2110.1820.1340.383-0.-0.143-0.2470.3090.369-0.2410.0370.0630.4490.2160

15、.7440.3260.41-0.0270.0280.1770.506-0.053-0.492四、结论由表7得到4个主成分的表达式：Y1=0.378X1-0.046X2+0.405X3+0.398X4+0.386X5+0.383X6+0.309X7+0.063X8+0.326X9+0.177X10Y2=-0.293X1+0.151X2-0.205X3-0.207X4-0.211X5-0.X6+0.369X7+0.449X8+0.41X9+0.506X10Y3=0.13X1+0.895X2+0.144X3-0.0068X4+0.182X5-0.143X6-0.241X7+0.216X8-0.027

16、X9-0.053X10Y4=0.135X1-0.295X2+0.062X3-0.71X4+0.134X5-0.247X6+0.037X7+0.744X8+0.028X8-0.492X10通过上述Y1、Y2、Y3、Y4四个主成分的表达式对标准化后的数据回代后得到如下述表8所示数据表：表 8地区Y1Y2Y3Y4北京-1.2805-1.94964-0.4480.91626天津-2.20055-1.11683-0.101210.2371河北2.2.-0.831160.山西0.2.-0.53906-0.62014内蒙古-0.120881.-1.347381.辽宁1.0.-0.459730.吉林-1.35

17、603-1.-0.747260.69597黑龙江-0.78904-0.1.-0.00328上海0.-1.1.0.江苏4.-1.-0.55282-2.27893浙江1.-0.-0.85114-0.96331安徽0.0.-0.38463-1.05675福建0.-0.-0.56617-0.59696江西-0.939470.1.26591-0.7687山东3.0.-1.12988-0.13306河南1.1.1.-0.56351湖北0.-0.-0.313910.湖南0.1.0.-0.9627广东7.-3.1.-1.36938广西0.-0.-0.313910.海南-2.77275-1.0.0.重庆-1.167890.-0.481571.四川0.0.0.0.贵州-1.404532.1.3.云南-1.55618-0.0.-0.西藏-3.-1.-1.0.陕西-0.0.1.-0.甘肃-1.0.0.0.青海-2.-0.-0.0.宁夏-2.-0.-1.0.新疆-1.0.1.-0.专心-专注-专业