基于因子分析全国各地区生活环境状况综合评价.docVIP

基于因子分析全国各地区生活环境状况综合评价 　　摘要：以我国大陆地区2009年31个省（市、自治区）环境综合状况数据为样本，建立了包括生活垃圾清运及处理、废气排放、废气处理、废水排放及处理、工业废气排放、工业废气处理、工业废水排放及处理以及工业固体废物产生及处理利用9个子系统在内的综合评价指标体系，先运用因子分析的方法分别计算出9个子系统下各地区的综合得分，再将各地区在9个子系统下的综合得分作为新的变量，得到各地区的生活环境状况综合得分并进行排序。结果表明，综合环境状况比较好的地区为宁夏、青海、海南、西藏等工业不发达的地区；综合环境状况居中的地区为陕西、安徽、贵州、新疆等地；综合生活环境状况较差的地区为河北、辽宁、山东、江苏、浙江、广东等地。 　　关键词：生活环境状况；因子分析；综合评价 　　中图分类号：X820.2 文献标识码：A 文章编号：0439-8114（2013）16-3808-03 　　随着经济社会的快速发展，带来了更高水平的物质文明和巨大的增长潜力，但是巨大的经济成就更多依靠生产要素投入量的增加和粗放式的生产模式。随着这种情况的持续发生，我国的各种生态环境问题日益凸显，如2002年南盘江、2004沱江特大水污染事故以及2010年的紫金矿业污水渗漏等[1]。因此，运用多元统计中的因子分析法对我国环境状况进行分析和研究，并结合具体情况积极应对，对我国的经济与环境的可持续发展意义重大。 　　1 评价指标体系的建立及因子分析原理 　　要对我国大陆地区31个省（市、自治区）的环境状况进行综合描述，必须构建合理的指标体系。指标体系的构建必须遵循以下原则[2]：全面性原则、整合性原则、代表性原则和实际可操作原则。在总结相关研究成果的基础上，遵循以上原则建立了如下评价指标体系：生活垃圾清运及处理得分、废气排放得分、废气处理得分、废水排放及处理得分、工业废气排放得分、工业废气处理得分、工业废水排放及处理得分以及工业固体产生得分及工业固体处理利用得分。数据来源于文献[3]。 　　因子分析是通过对原始数据相关系数矩阵内部结构的研究，将多个指标转化为少量互不相关且不可观测的随机变量（即因子），以提取原有指标绝大部分信息的统计方法。当因子载荷矩阵结构不够简化时，可以通过因子旋转使因子具有更为鲜明的实际意义，同时使用因子得分函数对样本给出相应的评价和排序。因子分析步骤如下[4]：①将原始数据标准化，仍记为X；②建立相关系数矩阵R；③解特征方程|R-λE|=0，计算特征值和特征向量，当累计贡献率不少于85%时，取前k个主成分代替原来的m个指标，计算因子载荷矩阵A；④对A进行最大正交旋转变换；⑤对主因子进行命名和解释。如需进行排序，则计算各个主因子的得分Fi=αix，以贡献率为权重，对Fi加权计算综合因子得分。 　　2 结果与分析 　　2.1 数据分析过程 　　在得到9个子系统下我国大陆地区31个省（市、自治区）的综合得分后，再将这9个子系统下的综合得分作为各地区新的变量，利用同样的方法进行分析。通过统计软件SPSS16.0可以看到，KMO检验值为0.652，Barlett检验值为132.385，相伴概率为0.000，明显低于所规定的显著水平，所以认为该数据比较适合做因子分析。 　　对原始数据进行标准化以消除指标间不同量纲对分析结果的影响，建立指标间的相关系数矩阵R，计算其特征值和累计贡献率，前5个因子特征值及其方差贡献率如表1所示。 　　2.2 数据分析结果 　　运用公式（1）计算我国大陆地区31个省（市、自治区）的综合分值，可以排序出2009年我国大陆地区31个省（市、自治区）的生活环境综合得分，并且通过排序可以得到各地区的最终排名结果如表3所示。由于在分析过程中将对有害物质的处理方面的指标作为逆指标，因此，综合得分越小，表明生活环境状况越好。 　　由于在工业废气排放及处理以及工业废水排放及处理的分析中，所采用的数据并不是真正的每个省（市、自治区）的数据，有些省（市、自治区）是将其主要城市的工业废气、工业废水排放及处理标准化数据作为该省（市、自治区）的工业废气排放及处理和工业废水排放及处理数据，可能会对该研究的严谨性产生影响，但从表3可以看到我国大陆地区31个省（市、自治区）环境状况的综合排名情况基本符合实际。 　　从最终排名中可以看出，综合环境状况比较好的地区为宁夏、青海、海南、西藏等工业不发达的地区，这与实际情况比较相符，因为这些地区都属于开发少、工业不发达的地区，因此其生活环境较少受到污染，自然综合生活环境状况比较好；综合环境状况居中的地区为陕西、安徽、贵州、新疆等地；综合生活环境状况较差的地区为河北、辽宁、山东、江苏、浙江、广东等地，众所周知，这些省份都是重工业比较发达或者人口比较密集的地区，工业污染