《基于主成分分析的大气NO2浓度驱动因素分析案例》1500字.docVIP

PAGE

PAGE45

基于主成分分析的大气NO2浓度驱动因素分析案例

主成分分析是一种解决多元线性回归中多重共线性问题的常见方法。它是将多个相关变量以尽可能少的信息损失为原则进行综合，化为少数几个不相关的变量的方法，使数据降维，达到简化数据结构的目的。本次研究选取了2015年—2020年人口密度、私人汽车拥有量、年煤炭消耗量、工业废气排放量、气温、降水、日照这7个指标的年总量数据或年平均数据进行分析。

根据表1.1可知，KMO值为0.6530.5，并且显著性0.05，所以可以进行主成分分析。

对选取的人口密度、煤炭消耗总量、私人汽车拥有量、工业废气排放量、年降水量、年平均温度、年日照时间等7个影响二氧化氮浓度的因素进行主成分分析。结果如表1.2所示，第一主成分和第二主成分的贡献率分别为67.896%、21.189%，第一主成分和第二主成分的累计贡献率达89.085%，并且初始特征值也都大于1，这说明了前2个主成分可以解释89.085%的原始变量信息，信息损失量少，因此可以提取第一主成分和第二主成分，即将原来7个影响因素转化成2个互不相关的主成分。

表1.3展示了各主成分各自对应的特征向量，第一主成分主要由人口密度、煤炭消耗总量、私人汽车拥有量决定，因此可以概括为社会因素，第二主成分主要由工业废气排放量决定，可以概括为工业因素。

第一主成分主要反映了社会因素，它包