黑龙江省雾霾影响因素分析.docVIP

黑龙江省雾霾影响因素分析 　　摘 要：雾霾是一种对人体危害严重的自然天气现象。为了科学有效治理，应用非参数统计结合多元回归的方法以及多元统计分析中的因子分析方法，对2014年黑龙江省的大范围雾霾现象的主要影响因素进行相关实证分析研究，在两种分析方法得到结果的基础上，结合学者们曾经对雾霾治理的经验，提出治理黑龙江省雾霾污染的有效方法 关键词：雾霾污染；非参数检验；多元统计分析 中图分类号：F39 文献标志码：A 文章编号：1673-291X（2016）29-0090-03 引言 近几年雾霾天气频发，可想而知，雾霾给人类的日常的生产生活带来了很多负面影响，不同程度上影响日常学习和生活。而对于雾霾的认识，专家学者们众说纷纭。孙亮[1]认为酸雨是由雾霾引起的，会减少农作物产量。刘鸿志[2]认为雾霾会影响很多方面，如人的情绪、社会管理和政府公信力、工农业生产、养殖业、旅游业等。朱成章[3]认为影响雾霾的主要因素是煤和石油。冯少荣、冯康巍[4]利用统计分析方法分析雾霾的影响因素，认为面积大的城市要注意区域间的协调配合；第二产业占比大的工业城市要注意雾霾的防治 一、黑龙江省各城市雾霾影响因素指标体系的构建 本文在大多数学者的研究成果基础上，对黑龙江省的12个地级市（哈尔滨市、齐齐哈尔市、牡丹江市、佳木斯市、大庆市、鸡西市、双鸭山市、伊春市、七台河市、鹤岗市、黑河市、绥化市）进行分析，并建立黑龙江省各城市雾霾影响因素指标体系。其中被解释变量（Y）的计算方法采取2014年11月份每天的AQI相加反映该月的空气质量水平。所有数据均来自2014年的《黑龙江统计年鉴》 二、黑龙江省雾霾天气影响因素实证分析 （一）非参数检验 由于雾霾的测度变量――空气质量指标（AQI）及影响因素的分布事先未知，因此利用person相关系数和非参数检验中的Spearman秩相关系数和Kendall-相关系数来实现，这三个系数相互印证，共同判断雾霾的主要影响因素 由于数据是选取黑龙江省12个城市的单月数据，并不能以此认为这些数据都服从于正态分布。为了检验AQI与各潜在影响因素之间的相关性，采取非参数检验的方法；为了使结果更准确，采用Spearman秩相关系数和Kendall-相关系数同时做检验，与person相关系数进行对比，观察显著性情况，做出准确分析。其中相关性显著的如表2所示 对表2的结果进行分析，由于取0.05的置信度时，变量的显著性明显，所以下文以0.05置信度的结果进行分析 从城市规模的角度看，与Y呈显著正相?P的是GDP和人口。这一结论很少被有关专家学者发现或者提到。GDP越高，AQI指数越高，说明经济的不断增长，雾霾越来越严重，有悖于常识，但是黑龙江省发展经济的同时可能不重视环境治理，就导致雾霾情况越来越严重，这就不难解释AQI指数和GDP呈正相关关系了。这仅是笔者个人的观点。AQI指数和人口成正比，是因为人口越多，各种能源消耗就越多，对环境的污染越严重，雾霾指数就越大 从工业污染排放方面看，与Y呈显著正相关的是第二产业增加值。这就很容易解释，第二产业增加值越大，AQI指数越高，工业产业排放的污染越严重，雾霾污染越严重，这样的城市越需要治理 从机动车排放污染方面看，与Y呈显著正相关的是X7、X8，即机动车辆和单位面积机动车辆。机动车辆越多，排放的尾气污染越多，环境污染越严重，雾霾越严重，这是个影响雾霾的重要因素，不容忽视 从能源消耗排放方面看，三个因素与AQI指数都无显著的相关关系，与实际不太相符，对雾霾的影响很大，有直接关系，在这里就不做解释了 （二）多元线性回归分析 多元线性回归模型是指有多个解释变量的线性回归模型，用于揭示被解释变量与多个解释变量之间的线性关系。多元线性回归的数学模型[5]为： 对上述显著的5个X和Y做多元回归，回归模型为： y=β0+β1x1+β2x3+β3x5+β4x7+β5x8+ε，其中系数βi为待估参数（i=0，1，2，3，4，5），ε为随机误差项 根据相应的数据，利用SPSS进行回归分析，结果如表 4所示 回归方程通过F检验，可认为被解释变量与解释变量全体的线性关系显著。调整后的R方为0.756，拟合优度较好。查DW临界值表可得 du 　　三、缓解雾霾污染的政策建议 近几年，雾霾天气越来越频繁地发生，尤其在秋冬季节，黑龙江省乃至全国都特别严重，所以雾霾治理迫在眉睫，也应该引起大家的重视。根据上述实证分析结果及结合黑龙江省的实际情况，提出以下几点有针对性的建议 （一）优化产业结构，协调发展绿色经济 工业排放的废水、废气、粉尘等导致了环境的严重污染，也对雾霾的产生有很大的影响，所以控制第二产业增加值，第二产业占