环境污染检测与评价中因子分析法的应用

谈环境污染检测与评价中因子分析法的应用
[内容摘要]随着经济的不断发展，人们对生活质量的要求越来越高，对于环境的保护与检测逐渐受到政府和民众的重视，因子分析法作为一种较为常见的统计分析方法，对于环境中各种污染因素的分析与评价比较准确。

本文中笔者将就因子分析法在环境的检测与评价中的应用进行简单的探讨。

[关键词] 步骤原理因子分析比较
引言
在进行经济建设的同时总会伴随着对环境的侵害，环境监测目的就是要及时的发现危害环境的因素，将其降到最低。

环境污染的检测项目多而杂，它包括水污染、固体污染、空气污染等许多的方面，而这每种污染又包含着多项的检测指标，这种多样性的检测指标给环境污染的评价与分析带来了极大的困难。

也正因为如此，在进行这项工作时我们引入了因子分析法，它能很好的简化指标结构、浓缩信息、降低指标的难度，在主要信息比较充分的前提下，将各种因素进行变量分组，增强组内变量的关联性，减弱不同组别的关联性，逐渐将环境检测的指标集中在几个互不影响的因素上，减小问题分析的难度。

一、因子分析的步骤和原理
因子分析从与最初的变量的相关系数的矩阵出发，然后寻找与问题关联性较大的几个难以观测的因子，通过这几个因子来对实物的原始变量之间的关联系数。

例如共有n个样本数，在每个样品n中
有p个指标，那么我们就可以列出相应的矩阵，它的一般步骤为：①计算标准化数据在矩阵中的相关系数，再与此同时要求得相关系数的矩阵特殊根，和与此相互对应的正交标准化的能反映特征的向量e；②原始数据的标准化处理。

在进行因子分析中的标准化应用公式中既有样本的均值也存在样本的标准值，通过标准化的运算来消除原始变量中不同的量纲的影响；③若是特征根的贡献率累计达到85%，则可以得到到一个全新的因子载荷的矩阵；④根据在各式或是检测中得到的样品因子得分，对其进行系统的排序，并且进一步进行聚类分析；⑤对由特征根积累率中得来的载荷矩阵施行方差最大值的正交旋转变换，经过旋转后的因子载荷矩阵的每个列向量对应着每个公共因子。

进行列向量的旋转变换的目的是为了使得每个公因子只与对应的若干个原始变量有关联性，如此就能增强各个因子的可解释性。

二、环境污染的因子分析
1.数据收集
在进行环境污染各项因子的分析之初对对各个地区的环境数据的检测是必不可少的，而且是至关重要的，它是所用工作的基础，数据收集工作的好坏直接影响整个分析过程的好坏，通过对全国的各个主要地区的生活和工业污染物的排放量数据的收集，并且选取了九个主要的环境污染检测的指标，笔者将以这些数据为基础进行分析研究。

2.数据分析和处理
在进行数据收集的过程中，我们发现我国西藏地区的数据是不具备的。

由于西藏地理位置特殊，所以在进行数据填补时用全国平均值并不是很科学。

对环境有着极大影响的烟尘以及二氧化硫绝大多数都是来自生活和工业排放，可以根据全国烟尘和二氧化硫的排放比例来估算我国西藏地区的排放总量，这种做法是比较科学的。

3.公因子的提取和分析
通过spss软件的引用可以科学的计算出特征向量和特征根，而且这些数据的累计贡献率达到了86.54%，这个数据说明提取的3个公因子的信息含量是几乎包含了原来9个污染指标的全部信息，可以知道进行“降维”是比较成功。

通过上面的分析可以确定提取3个公因子，同时还可以得到初始的因子载荷矩阵，同时使用最大方差的旋转法可以顺便得到旋转后的因子载荷矩阵。

从上表可以知道，工业粉尘和二氧化硫的排放总量，工业废气和烟尘的排放总量，在第一公因子f1上所具有的的载荷是比较大的，然而其它污染的指标在f1上的载荷并不大。

从表中我们可以知道除了x6是工业固体废物的产生量，其他的项目都是工业空气的污染指标，所以f1也可以称为工业大气污染因子，以此类推可以分别进行命名。

三、各地区环境污染的分析和比较
通过上面进行的可解释性的公共因子的命名后，还可以根据spss 函数式的分析来研究环境的污染情况，从中我们不难发现山东、四川、广西、河南、河北及辽宁在第一公因子上的得分是相对较高的，
这些省份的额固体废弃物和工业大气污染程度比较高，原因是多方面的，其中比较主要的原因是这些污染比较严重的省份中有不少是属于建国后不久确立的国家老工业基地，由于工业密集型高，而且生产的耗能高，科技含量低，以环境污染的代价换取经济的增长；还有的企业是在乡镇，改革开放之后，乡镇经济也快速发展，许多重污染企业为了逃避城市过高的治污费用而将企业转而设在了比
较偏远的乡镇，乡镇的企业数量急剧增加，并且乡镇政府对环境治理及缺乏经验又缺乏意识，这就造成了一些乡镇在大气污染因子上得分比较高，我们得到各地区的因子得分表：
相较于上面的这些省份，我国的北京、上海、广州、西藏、青海、贵州等地区的这几项因子的得分就要低得多了，可以清楚地发现，这些得分比较低的城市要么是比较偏远的地区，要么是比较发达的地区，这些比较发达的城市的经济来源不再是传统的工业制造或是能源生产了，而更多的是以航运、通信、金融、教育、服务业等为经济支撑，这些产业基本上是不会产生大量的污染物的，这也就是为什么这些地区的污染因子数不高的原因了。

在表中还可以发现，江苏、浙江、上海、山西、湖北等地的第二公因子数比较高，这说明这些地区的水污染比较严重，研究发现这些地区要么是经济产业结构中依托水资源比较重，要么是水资源比较丰富、人口众多、分散比较广的地区。

而贵州、山西、内蒙等地的第三因子得分比较高，这说明该地生活空气污染比较严重，贵州得分最高，这与其所处的地理环境相关，贵州所处地区属于我国酸
雨控制区，酸雨污染严重。

而像山西、内蒙都属于能源大省，煤储量极为丰富，在采煤用煤的过程中不可避免的会带来一定的影响。

通过上面的分析比较可以初步的得出一些结论。

第一类，特殊污染地区：山西（水污染轻微，工业大气污染严重）、广东（工业大气污染轻微、水污染严重）；第二类，水污染居中、工业大气污染较重的地区：四川、广西、河北、河南、山东；第三类，工业大气污染居中、水污染较重的地区：浙江、江苏、湖南、湖北；第四类，工业大气污染轻微、水污染居中的地区：北京、上海、贵州；第五类，水污染轻微、工业大气污染居中的地区：内蒙、江西、安徽；第六类，水污染和工业大气污染都轻微的地区：天津、宁夏、海南、新疆、西藏、青海、云南、甘肃。

总之，因子分析法是一种能够大大减少工作量、提高工作效率、简化工作程序、抓住主要矛盾的工作方法。

它的使用为环境污染的科学检测与评价提供了可能。

参考文献：
[1]张文彤、董伟 .spss统计分析高级教程[m].北京：高等教育出版社，2004，213-260
[2]方开泰.实用多元分析[m].上海：华东师范大学出版社，1989，291-338
[3]贾俊平.统计学[m].中国人民大学出版社，2012.8。