环境污染的因子分析

环境污染的因子分析
尹延明08020731
摘要: 改革开放以来, 我国经济发展迅速, 取得了举世瞩目的伟大成就。

但在经济快速发
展的同时, 也带来了一些负面效应, 如环境污染。

本文采用因子分析法对全国25个省的环境污染进行了分析、评价, 并运用SPSSl7. 0 统计软件对数据进行了计算、处理。

通过分析表明我国目前环境污染较为严重, 本文通过分析、评价可以为我国的环境污染防治提供一定的理论基础。

关键词：因子分析; 环境污染;
因子分析产生于20 世纪初期, 当时由心理学家在实际研究中提出的。

因子分析是多元统计分析的一种,将多个实测变量转变为少数几个线性不相关的综合指标, 从而简化数据处理, 提示出多个变量间的因果关系。

线性综合指标往往是不能直接观测到的。

但它更能反映事物的本质, 因此在环境科学领域因子分析应用广泛。

本文就全国25个省的生活污水排放量、生活污水中化学需氧量排放量、生活二氧化硫排放量、生活烟尘排放量、工业固体废物排放量、工业废气排放总量、工业废水排放量等7 个环境污染指标之间的关系, 分析了全国各地区环境污染的特征, 为各地区环境污染治理提供了理论依据。

1、因子分析原理
因子分析从变量的相关矩阵出发将一个m 维的随机向量X 分解成低于m 个且有代表性的公因子和一个特殊的m 维向量, 使其公因子数取得最佳的个数, 从而使对m 维随机向量的研究转化成对较少个数的公因子的研究。

设有n 个样本, m 个指标构成样本空间X
X= ( xij) n * m i= 1, 2, ....., n; j= 1, 2,..., m
因子分析过程一般经过以下步骤:
( 1) 原始数据的标准化, 标准化的公式为X’ij= ( Xij- Xj) /& j, 其中Xij为第i 个样本的第j 个指标值, 而Xj 和&j 分别为j 指标的均值和标准差。

标准化的目的在于消除不同
变量的量纲的影响, 而且标准化转化不会改变变量的相关系数。

( 2) 计算标准化数据的相关系数阵, 并求出相关系数矩阵的特征值和特征向量。

( 3) 进行正交变换, 使用方差最大法。

其目的是使因子载荷两极分化, 而且旋转后的因子仍然正交。

随后确定因子个数, 计算因子得分, 进行统计分析。

一、评价指标体系的建立
根据环境污染的判断指标，我们共选了生活污水排放量、生活污水中化学需氧量排放量、生活二氧化硫排放量、生活烟尘排放量、工业固体废物排放量、工业废气排放总量、工业废水排放量等7个环境污染指标进行分析，具体评价指标见表1
表1评价指标一览表
二、原始数据的选择
根据中国统计年鉴2010年我国各省、自治区和直辖市的生活污水排放量、生活污水中化学需氧量排放量、生活二氧化硫排放量、生活烟尘排放量、工业固体废物排放量、工业废气排放总量、工业废水排放量等7个环境污染指标。

具体数据见附件
三、评价方法及过程
运用SPSS统计软件进行分析。

先对7 个指标的原始数据进行标准化处理,并得到各指标间的相关系数矩阵，见表2所示。

表2 相关矩阵
生活烟尘排放量和生活二氧化硫排放量的相关系数为，生活污水排放量和工业废水排放量的相关系数为，生活污水中化学需氧量排放量与工业废水排放量的相关系数为都具有良好的相关性.
公共因子的特征值和贡献率，见表3所示
从表3可以看出，前3个公共因子的累计方差贡献率为%，小于85%；前4个公共因子的累计方差贡献率为%，超过85%。

所以本文取前4个主因子，并得到因子载荷矩阵
然而初始载荷阵结构不够简单,各因子的典型代表变量不很突出,容易使因子的意义含糊不清,不便于对因子进行解释。

为此须对因子载荷矩阵实行旋转,达到简化结构的目的,使各变量在某单个因子上有高额载荷,而在其余因子上只有小到中等的载荷。

最常用的旋转方法是方差最大正交旋转法。

表6 就是采用这一方法得到的。

于是, 得到了1F 、2F 、3F 和4F 四个主因子。

第一主因子1F 的方差贡献率为% , 说明其在7项指标中起主导作用。

F1在 x3,x4上有很大的载荷, 而这2项指标分别是生活二氧化硫排放量、生活烟尘排放量，因此该因子可命名为生活烟
尘气体排放。

第二主因子2F 的方差贡献率为%，在x2、x6,x7上有很大的载荷，而这3项指标分别是生
活污水中化学需氧量排放量、工业废气排放总量、工业废水排放量因此该因子可命名为工业废气废水排放。

第三主因子F3的方差贡献率为%，在X1上有很大的载荷，而X1为生活污水排放量，则该因子
命名为生活污水排放
第四主因子F4的方差贡献率为%，在X5上有很大负荷，而X5为工业固体废物排放量，则该
因子命名为工业固体废物.
1F 、2F 、3F 和4F 四个公共因子能反映7 项指标信息总量的% , 亦即用1F 、2F 、3
F 和4F 四个主因子有% 的把握，代表原来的7 项指标评价经济效益。

我们得到取4个公共因子时的因子模型。

1X =1F +2F +3F 4F 2X 1F 2F 3F 4F 3X 1F 2F 3F 4F 4X 1F 2F 3F 4F 5X 1F 2F 3
F 4F 6X 1F 2F 3F 4F 7X 1F 2F 3F 4F 因子得分系数矩阵见表8所示
由此我们得到因子得分函数为:
1F =1X 2X 3X 4X 5X 6X 7X 2F 1X 2X 3X 4X 5X 6X 7X 3F 1X 2X 3X 4X 5
X 6X 7X 4F 1X 2X 3X 4X 5X 6X 7X 以公共因子的方差贡献率为权数进行加权，得到综合
得分函数：
F =（）F1+（）F2+（）F3+（）F4 =1F +2F +3F +4F
为了对这些污染状况进行综合评价,对四个主因子计算其因子得分,得到因子得分表,并以各自的贡献率为权数进行线性加权平均求和得到综合得分F 和总名次，见表9所示 。

四、结论及建议
从下表可以看出上海，北京，山东，辽宁，安徽的的F1较高，因为这些城市由于人口、车辆过多或地理靠北燃烧煤炭等原因使尘埃和气体污染严重。

重庆，山西，贵州，云南，河北在F2上的排放量最多，原因可能因为设备不齐全，污水处理技术还没有跟上别的省，还有就是因为有的省份属于国家老工业基地, 工业污染严重的企业较多, 但有的企业对环境污染治理并不重视, 有的省份的乡镇企业发展迅速, 且由于乡镇企业的环境保护意识不强, 环境污染治理设施的因而这些省份在工业污染因子上得分较高。

广东，江苏，山东，河南，浙江在F3上得分较高，原因是可能因为江南水量充足，节约用水不是很重视，再加上是沿海省份，人口较多，生活污水也自然就比较多，重庆，贵州，山西，云南，河北在F4上得分最高，这是因为有的省份属于国家老工业基地, 工业污染严重的企业较多, 但有的企业对环境污染治理并不重视，并没有处理工业废物的设备。

重庆省在F2和F4 主因子上得分都较高, 说
明其因工业造成的环境污染较严重, 应采取措施治理环境污染, 促进经济、社会和环境的可持续发展。

参考文献
[ 1] 中国统计年鉴. 2010. 中国国家统计局
[ 2] 卢纹岱. SPSSforWindows 统计软件. 北京. 电子工业出版社. 2000.
[ 3] 陈东景、马安青等. 因子分析在水质评价中的应用.。