因子分析在精简声级计测量指标中应用.docVIP

因子分析在精简声级计测量指标中应用 　　摘 要：为降低实际工作中所要分析的环境噪声的数据量，通过对一实际噪声测量活动中所得到的声级计各测量指标所对应的噪声数据使用因子分析方法进行分析。分析结果表明，可以把声级计测量得到的10种测量指标：Lmin，Lmax，LAE，SD，L95、L90、L50、L10、L5，Leq精简为两种指标，根据这两种指标所代表的实际意义，分别命名为稳态因子和起伏因子。 　　关键词：噪声测量；噪声数据；因子分析 　　1 引言 　　目前在我国环境噪声评价工作中，一般是先使用声级计来对环境噪声的各种测量指标进行测量，再使用这些指标来对具体环境的噪声污染情况进行评价。在实际工作中使用的声级计一般能测量得到10种表征测量地环境噪声水平的测量指标：测量时间内最小A声级Lmin，最大A声级Lmax，噪声暴露级LAE，标准偏差SD，累计百分数声级L95、L90、L50、L10、L5，以及连续等效A声级Leq。这10种测量指标分别表征了测量地环境噪声的不同特点。但在要求快速判断测量地点环境噪声质量特点或因为测量点位过多而产生大量数据时，就需要对测量指标进行精简，以降低所要分析的数据量。 　　因子分析是一种统计方法，可以把对一个样品测量得到的多个指标转化为较少的几个互相独立的综合指标，这些指标都是潜在的并不能直接被观察到的。因子分析其实是一种降维的理念，通过降维把互相之间相关性较高的指标组合在一起，即便于找出容易解释的特征，又降低了所需分析的指标个数和相关问题研究的难度。因子分析的主要原理是以相关性为依据，从协方差或相关矩阵着手，将多数变异归纳到几个公共因子里，将剩下的变异归结为特殊因子。本文通过对一实际噪声测量活动中所得到的噪声数据采用因子分析方法进行分析，试图对测量指标进行精简，以方便后续的数据分析工作。 　　2 因子分析过程 　　选取某市某区域作为测量目标区域，根据声环境质量标准GB3096-2008中的普查监测法，在此区域中共布设昼夜各102个网格测点，测量后得到了204组环境噪声数据，每组数据包含有10个测量指标。现采用因子分析法来提取出这10个测量指标所共同反映的方面，即公共因子。在分析中，我们把昼间的10个测量指标（最小A声级Lmin、最大A声级Lmax、噪声暴露级LAE、标准偏差SD、累计百分数声级L95、L90、L50、L10、L5以及连续等效A声级Leq）分别用DLmin、DLmax、DL95、DL90、DL50、DL10、DL5和DLeq表示。相应的夜间指标用NLmin，NLmax，NLAE，NSD，NL95，NL90，NL50，NL10，NL5，NLeq表示。本文中的因子分析采用PASW statistics17.0（SPSS17.0）软件来进行。 　　2.1 Kaisex-Meyer-Olkin测度检验和Bartlett球形度检验 　　在进行因子分析之前，我们需要观察一下将要进行因子分析的数据组是不是适合做因子分析，这就需要使用Kaisex-Meyer-Olkin测度检验和Bartlett球形度检验。 　　Kaisex-Meyer-Olkin测度检验是相关系数与偏相关系数之间的比值，被用来研究数据指标之间的偏相关性，是用于比较数据指标间简单相关系数和偏相关系数的指标。KMO统计量在0和1之间取值。KMO值越接近于1，意味着变量间的相关性越强，原有变量越适合作因子分析。一般认为：0.9以上表示此数据组非常适合使用因子分析方法进行分析；0.8表示适合；0.7表示一般；0.6表示不太适合；0.5以下表示极不适合。在对本次研究中将要进行因子分析的环境噪声测量指标数据组进行 Kaisex-Meyer-Olkin测度检验后，结果列入昼夜KMO 和 Bartlett检验表（表1）。由表1中我们可看到将要进行因子分析的环境噪声测量指标昼夜数据组的KMO统计量分别为0.867和0.861，这就说明本文中的昼夜数据组采用因子分析是适合的。 　　Bartlett球形度检验是以相关系数矩阵为基础的。它的零假设相关系数矩阵为单位阵。Bartlett球形度检验法的统计量是根据相关系数矩阵的行列式得到的。若此值较大，且其对应的相伴概率值小于指定的显著性水平时，拒绝零假设，表明相关系数矩阵不是单位阵，原有变量之间存在相关性，适合进行因子分析；反之，零假设成立，所要分析的数据不适合进行因子分析。在对本次研究中将要进行因子分析的环境噪声测量指标昼间数据组进行 Bartlett球形度检验后，结果列入昼夜KMO 和 Bartlett 检验表（表1）。从表1中我们可看出Bartlett球形度检验统计量的显著性水平小于0.01，由此我们可以否定相关矩阵为单位阵的零假设。即本文中的昼夜数据组采用因子分析是适合的。 　　综合以上两个检验的结果得