关于我国环境污染因子研究.docVIP

关于我国环境污染因子研究 　　摘 要：文章采用因子分析法对全国31个省、自治区、直辖市的环境污染进行了分析、评价，并运用统计软件SPSSl8.0对数据进行了处理、计算。通过分析表明我国目前环境污染较为严重，其中河北、山东、广东、重庆几省的综合污染最为严重。文章的分析评价可以为我国的环境污染防治提供一定的数据支持。同时因子分析模型能简化数据结构，减少信息冗余，识别环境污染的主要因素，为各地区环境整治提供了客观、科学、准确的量化指标。 关键词：因子分析 环境污染 贡献率 中图分类号：F205 文献标识码：A 文章编号：1004-4914（2013）03-008-02 一、引言 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。环境污染不仅会给生态系统造成直接与间接的破坏和影响，如沙漠化、森林破坏、温室效应、酸雨和臭氧层破坏，而且影响人类的生活质量、身体健康和生产活动。严重的污染事件不仅带来健康问题，也造成社会问题。据统计，我国2010年度环境污染治理投资总额已高达2566亿元，环境保护刻不容缓。评价各地区环境污染程度以及确定污染类型，能够为环境保护的科学决策提供基础的数据支持。当前，国家统计局提供的关于各地区环境污染程度的统计数据有23大类之多，且各组数据间有大量的信息交叉和冗余，很难以直观的方式予以表达。为此，本文将因子分析模型引入到环境污染处理中，首先通过降维技术把多个相关的数据组转换成少数主因子，简化了数据结构；其次通过因子旋转使主因子之间互不相关，减少了信息的交叉；最后根据因子载荷矩阵分别计算各地区主因子得分情况，然后根据各因子的方差贡献率，计算总因子得分。这时即可直观地看出各个地区环境污染的主要影响因素。 二、因子分析理论 （一）因子分析概述 因子分析的最初设想的基本思想是用少数几个潜在指标（因子）的线性组合来表示实际存在的多个指标。因子分析的主要应用有两个方面：一方面是寻求基本结构，简化观测系统，即构造一个因子模型，确定模型中的参数，然后根据分析结果进行因子解释；另一方面是对变量或样本进行分类，对公共因子进行估计，并进一步分析。因子分析的基本目的是用少数几个随机变量来描述多个变量间协方差关系，其基本思想是，根据相关性大小对变量分组，使组内变量间高相关、组间变量低相关，每组变量代表一个基本结构就是因子。 （二）因子分析的数学模型 用矩阵表示：X=AF+ε且满足： （1）m≤p； （2）即F与ε是不相关的； （3）D（F）=Im即F1……Fm不相关且方差皆为1，Im表示m阶单位矩阵。ε1……εm不相关且方差不同。 其中X是可观测的p个指标所构成的p维随机向量，F=（F1……Fm）’是不可观测的向量，F称为X的公共因子；aij成为因子载荷，是第i个因子在第j个公共因子上的负荷，它反映了第i个因子在第j个公共因子上的相对重要性，ε是特殊因子，它包含了随机误差。 （三）模型的统计意义 模型中公共因子F1……Fm是在各个原观测变量的表达式中都共同出现的因子，F=（F1……Fm）’是对所有的Xi（i=1，2，…，p）都起作用的因子，故称为X的公因子，且公因子是相互独立的不可观测的理论变量，它们的含义必须结合具体问题的实际意义而定。εi叫做特殊因子，是向量X的分量Xi（i=1，2，…，p）所特有的因子，即εi只对Xi起作用，并且各特殊因子之间以及特殊因子与所有公共因子之间都是相互独立的。 模型中载荷矩阵A中的元素（aij）pm为因子载荷，因子载荷aij是Xi与Fi的协方差也是Xi与Fj的相关系数，它表示Xi依赖Fj的程度，反映了第i个变量在第j个公共因子上的相对重要性。aij的绝对值越大，表明Xi与Fj的互相依赖的程度越大或称公共因子Fj对于Xi的载荷量越大。为了得到因子分析结果的经济解释，因子载荷矩阵A中有两个统计量十分重要，它们是变量共同度和公共因子的方差贡献。 因子载荷矩阵A中第i行元素之平方和记为hi2，称为变量Xi的共同度。它是全部公共因子对Xi的方差所做出的贡献，反映了全部公共因子对变量Xi的影响。hi2大表明X的第i个分量Xi对于F的每一分量F1……Fm的共同依赖程度大。 将因子载荷矩阵A的第j列（j=1，2，…，m）的各元素的平方和记为gj2，我们称其为公共因子Fj对X的方差贡献。gj2就表示第j个公共因子Fj对于X的每一分量Xi（i=1，2，…，p）所提供方差的总和，它是衡量公共因子相对重要性的指标。gj2越大，表明公共因子Fj对X的贡献越大，或者说对X的影响和作用就越大。如果将因子载荷矩阵A的所有gj2（j=1，2，…，m）都计算出来，使其按照大小