解蕾

（運(yùn)城師范高等?？茖W(xué)校，山西運(yùn)城044000）

用SPSS實(shí)現(xiàn)對太原市PM2.5區(qū)域變化特征和影響因素的分析

解蕾

（運(yùn)城師范高等?？茖W(xué)校，山西運(yùn)城044000）

SPSS是一個(gè)集數(shù)據(jù)整理和數(shù)據(jù)分析功能于一體的統(tǒng)計(jì)軟件，與EXCEL比較，SPSS能夠處理的數(shù)據(jù)量更大，數(shù)據(jù)分析和統(tǒng)計(jì)的功能更多，數(shù)據(jù)處理的結(jié)果更加精準(zhǔn)。本文主要通過“用SPSS實(shí)現(xiàn)對太原市PM2.5區(qū)域變化特征和影響因素的分析”的具體實(shí)例，按照“統(tǒng)計(jì)需求——SPSS操作方法——結(jié)論分析”的模式，對實(shí)用統(tǒng)計(jì)功能的SPSS實(shí)現(xiàn)方法進(jìn)行介紹，以便使讀者能夠有效在理解SPSS的各統(tǒng)計(jì)基本操作，掌握利用SPSS解決實(shí)際問題的方法和技能。

SPSS；PM2.5；區(qū)域變化特征；影響因素

一、分析PM2.5變化特征的意義

PM2.5是指大氣中直徑小于或等于2.5微米的顆粒物，也稱為可入肺顆粒物，是空氣污染的主要指標(biāo)。PM2. 5粒子小，富含大量的有毒有害物質(zhì)，且在大氣中停留時(shí)間長，輸送距離遠(yuǎn)，對人體的健康影響很大，也是霧霾天氣形成的主要原因。PM2．5的來源及化學(xué)組成均非常復(fù)雜，除了有自然與人為的一次排放之外，還包括由大氣中氣態(tài)污染物的二次化學(xué)合成，所以研究PM2.5的變化特征和探索大氣中各類氣態(tài)污染物對PM2.5的二次合成貢獻(xiàn)的大小，對于跟蹤污染源，以及城市的環(huán)境治理具有重要的參考價(jià)值。

近年來有許多研究對PM2.5的時(shí)空變化特征進(jìn)行了分析，但因?yàn)楸O(jiān)測的數(shù)據(jù)量比較大，使用傳統(tǒng)的人工統(tǒng)計(jì)分析的方法容易導(dǎo)致研究結(jié)果的偏差。本研究數(shù)據(jù)的來源是國家環(huán)境保護(hù)部每小時(shí)的實(shí)報(bào)數(shù)據(jù)，數(shù)據(jù)詳細(xì)可靠，數(shù)據(jù)量也比較大，使用SPSS軟件進(jìn)行分析更加符合大量數(shù)據(jù)分析的需求。本文采用SPSS對太原市2014年3月份PM2.5的數(shù)據(jù)進(jìn)行分析，從而得出PM2.5區(qū)域變化特征，并通過SPSS提供的相關(guān)性和回歸分析研究其他大氣污染物對PM2.5的影響。

二、數(shù)據(jù)文件的建立

1.數(shù)據(jù)信息

本研究主要是對太原市2014年3月份PM2.5及其他污染指標(biāo)的統(tǒng)計(jì)分析。監(jiān)測點(diǎn)設(shè)置在尖草坪、澗河、金勝、晉源、南寨、上蘭、桃園、塢城、小店9處。本研究的數(shù)據(jù)來源于國家環(huán)保部網(wǎng)站，通過silverlight編寫接口程序，通過服務(wù)器動態(tài)獲取其網(wǎng)站所發(fā)布的太原市9個(gè)空氣質(zhì)量監(jiān)測點(diǎn)位的日報(bào)和時(shí)報(bào)數(shù)據(jù)，數(shù)據(jù)變量包括監(jiān)測時(shí)間、檢測點(diǎn)位、SO2、NO2、O3、CO、PM10、PM2.5每小時(shí)的濃度平均值，共計(jì)8個(gè)指標(biāo)。

2.SPSS操作方法

通過SPSS導(dǎo)入EXCEL數(shù)據(jù)表，單擊數(shù)據(jù)窗口左下方的VariableView標(biāo)簽，進(jìn)入變量定義視圖窗口，將空氣質(zhì)量等級建立值標(biāo)簽，在DataView數(shù)據(jù)視圖中，執(zhí)行Data——SortCases命令，按照position進(jìn)行升序排序。對于缺失和無效數(shù)據(jù)通過數(shù)據(jù)的選擇功能直接刪除。最終到的數(shù)據(jù)表如圖1。

三、基本描述性統(tǒng)計(jì)分析

1.分析需求

利用描述統(tǒng)計(jì)過程對太原市2014年3月份各污染指標(biāo)的一般統(tǒng)計(jì)量進(jìn)行計(jì)算，主要包括觀測量的數(shù)量、PM2.5最小值、PM2.5最大值、月均值和標(biāo)準(zhǔn)偏差。

2.SPSS操作方法

執(zhí)行Analyze——DescriptiveStatistic——Descriptive命令，在彈出的Descriptives對話框中選擇變量"PM2.5"到Variable[s]欄中，選擇Savestandardizedvalueasvariables選項(xiàng)，單擊OK按鈕。

在結(jié)果輸出窗口中，可得到如表1所示的執(zhí)行結(jié)果：

表1

從表1中可以看到，3月份PM2.5的月均值為55.57ug/m3,最大值為269ug/m3，最小值為4ug/m3。

四、各監(jiān)測區(qū)的空氣質(zhì)量等級對比

1.分析需求：利用列形式統(tǒng)計(jì)報(bào)表功能對2014年3月份太原市空氣質(zhì)量數(shù)據(jù)進(jìn)行描述統(tǒng)計(jì)量計(jì)算，計(jì)算并對比各監(jiān)測地區(qū)的污染比例。

圖1

2.SPSS操作方法：現(xiàn)將變量quality的類型轉(zhuǎn)換為Numeric數(shù)值型數(shù)據(jù)，然后執(zhí)行Analyze——Reports——ReportSummariesinColumns命令，選擇變量“quality”到DataColumns框中，單擊Summary按鈕，設(shè)置Value的值為2，選定單選按鈕Percentageabove，單擊Continue按鈕。

從結(jié)果輸出窗口中，可得到如表2所示的執(zhí)行結(jié)果：

表2 空氣質(zhì)量等級

從表2空氣質(zhì)量等級列概述報(bào)告中可以看到，太原市各監(jiān)測點(diǎn)空氣質(zhì)量等級＞2（未達(dá)到優(yōu)良）的比例，從報(bào)告結(jié)果中看到小店、澗河、塢城3個(gè)區(qū)域的污染最為嚴(yán)重，2014年3月份的空氣質(zhì)量等級數(shù)值，污染天氣所占比例分別為62.5%、62.0%、57.7%。

五、各監(jiān)測點(diǎn)的PM2.5濃度值差異對比

1.分析需求：對各個(gè)監(jiān)測點(diǎn)的PM2.5數(shù)值進(jìn)行差異比較。單因素方差分析方法用于測試某一個(gè)控制變量的不同水平是否給指標(biāo)變量造成了顯著差異和變動，而且單因素方差分析的控制變量只能有一個(gè)，所以適合本例。

2.SPSS操作方法：執(zhí)行Analyze——CompareMeans——OneWayANOVA命令，打開OneWayANOVA對話框；從左側(cè)變量列表中選擇“PM2.5”到DependentList框，選擇“position”到Factor框；單擊PostHoc按鈕，打開OneWayANOVA:PostHocMultipleComparisons對話框，選擇LSD顯著性檢驗(yàn)法；單擊OK按鈕。

在結(jié)果輸出窗口中，可得到如表2所示的執(zhí)行結(jié)果：

表3 ANOVAPM2.5

從方差分析表（表3）中，我們能看到F檢驗(yàn)值為61.618，相伴概率為0.000＜0.05，所以拒絕零假設(shè)。也就是說，各個(gè)區(qū)域的PM2.5差異很顯著。

圖2監(jiān)測均值折級圖

從均值折線圖（圖2）中，也能夠看到各個(gè)地區(qū)的PM2.5值的差異比較顯著，其中南寨的PM2.5均值最高。

六、PM2.5影響因素的分析

1.分析需求：PM2.5的來源及化學(xué)組成均非常復(fù)雜，除了有自然與人為的一次排放之外，還包括由大氣中氣態(tài)污染物的二次化學(xué)合成，通過相關(guān)性分析，預(yù)測PM2.5與CO、NO2、O3、SO2之間是否存在線性關(guān)系。

2.SPSS操作方法：執(zhí)行Analyze——Correlate——Bivariate命令；在彈出的“BivariateCorrelations”對話框中，選擇變量PM2.5、CO、NO2、O3、SO2到“Variables”框；在“CorrelationCoefficient”欄中選擇Pearson簡單相關(guān)系數(shù)；在“TestofSignificance”欄中選擇“Two-Tailed”選項(xiàng)；單擊OK按鈕。

從相關(guān)系數(shù)表中可以看出，PM2.5與CO的相關(guān)系數(shù)為0.829，不線性相關(guān)的概率為0.000，這說明PM2.5與CO之間有較顯著的線性相關(guān)關(guān)系。PM2.5與NO2的相關(guān)系數(shù)為0.464，不線性相關(guān)的概率為0.000，線性相關(guān)很顯著，但相關(guān)程度不高。PM2.5與O3的相關(guān)系數(shù)為-0.253,不線性相關(guān)的相伴概率為0.000，所以PM2.5與O3之間存在較顯著的負(fù)相關(guān)關(guān)系，但相關(guān)程度很微弱。PM2.5與SO2的相關(guān)系數(shù)為0.307，不線性相關(guān)的相伴概率為0.000，所以表明PM2.5與SO2之間相關(guān)程度很微弱。

七、建立PM2.5與CO的回歸模型

1.根據(jù)相關(guān)性分析的結(jié)果，用PM2.5與CO做線性回歸得出回歸模型。并對模型的優(yōu)劣進(jìn)行評價(jià)。

2.SPSS操作方法：執(zhí)行Analyze——Regression——Linear命令；在彈出的“LinearRegression”對話框中選擇變量“PM2.5”到“Dependent”框，選擇變量“CO”到“Independent”框中；單擊Statistics按鈕，打開“Linear Regression:Statistics”對話框，選擇“Estimates”和“Model fit”選項(xiàng)，單擊“Continue”按鈕返回主菜單；單擊OK按鈕提交系統(tǒng)執(zhí)行。

模型擬合概述表顯示，相關(guān)系數(shù)R=0.807，判定系數(shù)R2=0.688,修正的判定系數(shù)為0.688，這表明PM2.5與CO之間具有很強(qiáng)的線性相關(guān)關(guān)系。

從方差分析表中可以看到，F(xiàn)統(tǒng)計(jì)量的值為7480.242，F(xiàn)統(tǒng)計(jì)量的相伴概率Sig=0.000，回歸效果非常顯著。

從線性模擬系數(shù)表中可以看到，常數(shù)項(xiàng)為：16.279，自變量系數(shù)為：2.439。由此可得相應(yīng)的模型為：PM2. 5=16.279+2.439CO。

經(jīng)過分析得出以下結(jié)論：太原市各個(gè)監(jiān)測區(qū)域之間PM2.5的質(zhì)量濃度差異顯著，其中小店、澗河、塢城3個(gè)監(jiān)測點(diǎn)的污染比較嚴(yán)重。PM2.5與CO具有高度的線性相關(guān)，而且線性相關(guān)很顯著，說明CO對PM2.5的大氣二次合成貢獻(xiàn)較大。通過回歸分析，建立兩者之間的回歸模型為PM2.5=16.279+2.439CO?？梢钥闯?，用SPSS實(shí)現(xiàn)大數(shù)據(jù)量的數(shù)據(jù)分析，既容易操作，而且功能強(qiáng)大，大大提高了統(tǒng)計(jì)分析的效率，增加了分析結(jié)果的可靠性。

[1]和雅君.SPSS旅游統(tǒng)計(jì)使用教程[M].北京：旅游教育出版社，2010.

[2]何正國.北京地區(qū)PM10和PM2.5質(zhì)量濃度的變化特征[J].環(huán)境科學(xué)研究,2004,17（1）.

TP

A

1673-0046（2015）4-0182-03