Spss在环境检测指标多元统计研究中应用.docVIP

Spss在环境检测指标多元统计研究中应用摘 要：根据因子分析综合评价的步骤，利用SPSS提供的因子分析方法，对煤矸石井下填充时样本淋溶液环境检测数据进行评价，主要选择了pH值、DO、BOD5、COD、高锰酸盐指数、氨氮、总氮、硝酸盐氮、总磷等九个指标进行多元统计分析。以便准确地对污染程度给以分级处理，预测污染影响。 关键词：spss 环境检测 多元统计分析 因子分析 中图分类号：X824 文献标识码：A 文章编号：1007—3973（2012）009—120—02 1 多元统计分析 多指标综合评价中比较难以解决的是各指标间信息的重复问题，因此因子分析法解决了这个问题，其主要是对协方差阵或相关阵的内部依赖关系的研究，并且可以使一些具有一定关系的样本或变量归结为较少的综合因子的多元统计分析方法。 2 淋溶试验常规有机指标综合评价模型 2.1 建立因子模型 根据淋溶试验结果建立因子模型，设x1代表pH值，x2代表DO，x3代表BOD，x4代表水样的COD，x5代表高锰酸盐指数，x6代表氨氮，x7代表总氮，x8代表硝酸盐氮，x9代表总磷。据此建立数据文件，相应的代表含义为它们的变量标签，对原始数据作标准化处理，得到变量间的相关矩阵如表1。 由相关系数可知：其中大部分绝对值大于0.5，说明每个变量至少与其它一个变量有较大的相关系数；pH值与氨氮、硝酸盐氮、总磷呈现负相关；高锰酸盐指数与DO、COD、BOD呈现较高的正相关；总磷与氨氮、硝酸盐氮也有较高正相关。对于一个因子模型，变量之间必须相关，如果相关很小，说明变量之间不享有共同因子。由此也可以看出，可用适当的因子模型来解释描述多个变量之间的相关关系。从相关矩阵出发，用主成分分析法求解特征向量和相应的特征值。 由于前面四个主因子提供了原始资料88.769%的信息，通过观察特征值、方差分布情况可以得知这些主因子和变量之间的相关程度较高。据主因子数确定准则，说明九项指标提供的全部信息可以用四个主因子来代表；并且为使因子模型有一个简单结构，四个主因子更能全面系统地说明变量情况，我们必须对因子载荷矩阵进行旋转，从而便于对实际背景的合理解释。 2.2 进行因子旋转 与不考虑因子旋转时得到主成分模型的初始因子载荷矩阵相比较，旋转前的公共因子对变量的解释意义不是很明确。初始因子载荷矩阵中，四个公因子对变量总氮、硝酸盐氮的说明比较模糊，有必要对其作因子旋转。 第一主因子主要由变量高锰酸盐指数、BOD、COD、DO共同表征，也即是有机综合指标，其反映有机污染指标的重要性；水体中有机阴阳离子等物质的量主要由变量氨氮、总磷、硝酸盐氮共同表征。其中硝酸盐氮是填充对地下水影响的重要因子主要是由于硝酸盐氮的载荷比较高；第三主因子由变量总氮表征，由于检测中总氮的超标比较严重，因此更加印证了对总氮的监控的重要性；第四主因子则由变量pH值表征，说明了水质的酸碱程度的影响方面。由此我们也可以知道，四个公因子充分反映了矸石淋出水样中，有机综合指标、硝酸盐氮、总氮、pH值是重要的检测因子。 2.3 求因子得分 通过比较分析，确定使用最大方差正交旋转获得合理的因子载荷，并由此计算得出公因子方差和方差贡献，最后计算得到因子得分系数（如表2）。 根据因子分析基础知识，我们知道通过系数矩阵就可以将所有的公因子表示为各个变量的线性组合，也就是所求的因子得分。如本文中第一个公因子得分就可以表示为： 其中，z1—z9 表示九个指标变量标准化后的值，其它三个公因子得分同样可以计算得到。在对所有水样进行综合评价时，就可以用因子得分来代替原来的试验数据结果，从而大大减少综合评价计算量。 3 综合评价结果 根据因子分析基础知识，我们知道通过系数矩阵就可以将所有的公因子表示为各个变量的线性组合，也就是所求的因子得分。 从综合得分结果来看： （1）所有水样的得分都小于标准水样的得分，表明煤矸石井下填充过程中对地下水环境的有机污染程度较轻，综合评价上看基本上可以达到国家水质指标地下水Ⅲ类水质标准； （2）粒径小的矸石对地下水的污染影响比较大，由于其粒径小，表面积就大，元素的溶出率也越大，由此引起超标现象； （3）得到结果显示中等粒径的得分较低，影响较小； （4）从因子分析计算过程中，我们可以明确有机综合指标、硝酸盐氮、总氮、pH值都是淋出水样的重要污染因子，这也是在实际应用时需要特别监测的主要因子。 参考文献： [1] 赵选民，徐伟，师义民，等.数理统计[M].北京：科学出版社，2002：167—181. [2] 梅长林，周家良.实用统计方法[M].北京：科学出版社，2002：1—145. [3] 吴聿明.环境统计学[M].北京：中国环境科学出版社