全国各地区环境综合评价的实证分析.docVIP

全国各地区环境综合评价的实证分析 　　[摘 要] 本文基于因子分析和聚类分析法，对全国31个省、直辖市和自治区的环境综合情况进行了定量化的综合评价。在比较各省份环境状况的基础上，选出宜居地区并且探讨治理环境污染的对策和思路。 　　[关键词] 综合评价；因子分析；聚类分析 　　【中图分类号】 C96 【文献标识码】 A 【文章编号】 1007-4244（2014）08-244-1 　　随着中国城市化进程的加快，城市建设取得了瞩目的成就。一方面城市化的发展孕育了城市文明，推动着经济、文化、科技的快速发展；另一方面，对环境自然资源的需求急剧上升，给环境带来了前所未有的压力。如何解决好经济发展和环境保护的问题又变成了亟待研究的重要课题。 　　一、国内外研究现状 　　国外中期研究成果以初步建立模型为主要研究方向，侧重方法模型的运用与探究，但定量分析较少或比较粗浅。Matthew A等（2001）以美国主要的20个大城市为样本，基于改进的生态足迹法，进行对比评价。国内学术界通过获取观测数据，建立指标体系，再综合应用主成分分析法、层次分析法、模糊综合法等对环境状况进行综合评价。此方法能将复杂的多层次评价转化为定量评价，还对比分析了年度变化趋势。 　　二、相关技术 　　（一）因子分析理论概述。因子分析的核心是众多原始变量根据相关性大小进行分组，将相关性较高的变量分为一组，而不同组的变量之间相关性则较低。它利用降维思想，把一些具有错综复杂关系的变量归结为少数几个综合因子并用这些因子来参与建模从而反映原变量的绝大部分信息。首先选取的指标之间必须具有较强的多重共线性，即较强的相关性。然后在样本数据的基础上提取和综合因子，再对因子进行解释性命名，使因子具有现实意义。最后，计算各样本在各因子上的得分。 　　（二）聚类分析理论概述。聚类分析的原理大致如下：一批样品的多个观测指标之间存在着程度不同的的相似性或者说是亲疏关系，在没有设定分类标准的前提下，根据样本数据之间的相关系数和个体间距离把相似的样本聚为一类。类与类之间的差距较大，而类内部的个体特征具有较大相似性。 　　（三）典型相关分析理论概述。典型相关分析常用来研究两组多变量之间的相关性。典型相关分析采用主成分的思想浓缩信息，根据变量间的相关关系，寻找少数几对综合变量，用它们代替原始观测变量，从而将两组变量的关系集中到少数几对综合变量的关系上。通过分析综合变量之间的相关性，回答两组原始变量间相关性的问题。 　　三、实证分析 　　（一）因子分析过程 　　1.构建指标体系和数据预处理。目前，统计年鉴收录的关于环境污染的指标高达23大类，且各数据间有大量的信息重叠和冗余，难以直接表达。过多的指标不利于模型的建立，而且还会导致不准确的分析结论。因此，我们要过滤一部分的指标。评价指标的选择原则为：（1）相对全面性原则，力求呈现环境质量的整体概况，但环境质量是一个有机的总体，涉及城市的方方面面，再完备的指标体系也难以全面描述复杂的系统。（2）代表性原则，指各项指标能科学的反映环境质量的某个重要方面。（3）可获得性原则，所选指标必须能从现行的监测、统计资料获得。 　　2.适宜性检验。KMO检验和巴特利特球度检验结果如表1所显示，KMO统计量值=0.7300.7，说明各变量之间信息交叉和冗余较大。一般地，KMO值大于0.7表明适合做因子分析。巴特利特球度检验值为286.433，相伴概率显著小于0。两种检验均表明了变量之间有较强的相关性。 　　3.累积方差贡献。原有变量总方差的情况如表3所示。公共因子的选取应符合两个条件：（1）特征值大于1；（2）公共因子对应的累计方差贡献率大于等于85%。本文最后选取了三个主因子。前三个因子相对应的方差贡献率为35.6%、28.2%、20.7%，它们一共解释了总变异的86.488%，基本上反映了原有变量的大部分信息。 　　4.建立因子载荷矩阵。因子载荷值揭示了原有变量指标与主因子之间的相关性。因子载荷值越高，说明变量与因子的相依程度越大，相关性越大。采用方差极大法进行因子旋转。进行旋转因子后，能找到实际意义更明显的因子。 　　（二）聚类分析过程 　　1.工业污染情况的聚类分析；2.生活垃圾和废水污染情况的聚类分析；3.绿化情况的聚类分析 　　（三）典型相关分析过程 　　通过典型相关分析探索导致环境污染的因素，两组变量分别为，X=（X1、…、X10）和Y=（Y1、…、Y4），X为环境污染指标，Y1为私人汽车拥有量，Y2为工业污染治理投资完成额，Y3为城市人口密度，Y4为GDP。数据运行输出结果如下。第一个典型相关系数修正值为0.9863，第二个典型相关系数修正值为0.8047，相关系数均较大。 　　结论：（1）工业污染较轻的省份分别为：