摘要：本文以福建省為研究對(duì)象，利用主成分分析法，找出影響PM10質(zhì)量濃度的主成分，然后與因變量PM10平均濃度進(jìn)行多元線性回歸分析。結(jié)果表明，施工煙塵對(duì)PM10濃度影響最大，其次是機(jī)動(dòng)車尾氣與能源燃燒排放影響。最終根據(jù)上述分析結(jié)果針對(duì)性地提出了控制PM10濃度的措施。

關(guān)鍵詞：PM10；影響因素；主成分分析；回歸分析；福建省

中圖分類號(hào)：X831 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-672X（2018）05-0142-03

DOI：10.16647/j.cnki.cn15-1369/X.2018.05.084

Abstract： The article takes Fujian Province as the research object， uses the principal component analysis method to find out the principal components that affect the PM10 mass concentration， and then performs multiple linear regression analysis with the average concentration of the dependent variable PM10. The results show that construction dust has the greatest impact on the concentration of PM10， followed by the impact of exhaust emissions from motor vehicles and energy. Based on the analysis results， we propose to control the concentration of PM10.

Key words： PM10； Influencing factors；Principal component analysis； Regression analysis； Fujian province

PM10 也稱可吸入顆粒物，是指空氣動(dòng)力學(xué)直徑小于或等于10μm的大氣顆粒物，由于粒徑小，能被人直接吸入呼吸道造成危害；同時(shí)在大氣中還可為化學(xué)反應(yīng)提供反應(yīng)床，是影響我國(guó)空氣質(zhì)量的主要污染物之一。目前有關(guān)PM10污染研究多集中于顆粒物污染特征、化學(xué)性質(zhì)及健康風(fēng)險(xiǎn)等方面，而對(duì)影響因素研究比較少，影響PM10濃度因素主要有氣象條件和污染源排放，大多數(shù)學(xué)者研究基于氣象學(xué)理論基礎(chǔ)，停留在PM10顯著性影響因素，較少對(duì)生產(chǎn)生活污染源與PM10的相關(guān)性進(jìn)行分析或者定量分析，不利于制定具體控制措施，所以本研究從生產(chǎn)生活污染著手，對(duì)PM10濃度影響因素定性、定量分析。生產(chǎn)生活污染源主要有燃燒排放、生產(chǎn)工藝排放、機(jī)動(dòng)車排放、揚(yáng)塵排放等，本研究根據(jù)福建省PM10質(zhì)量濃度以及有關(guān)經(jīng)濟(jì)社會(huì)發(fā)展數(shù)據(jù)，進(jìn)行主成分分析，建立空氣質(zhì)量模型定量分析，以期為福建省空氣污染控制提供參考。

1 指標(biāo)選取與研究方法

1.1 指標(biāo)選取

本研究選取福建省的福州市、廈門市、莆田市、三明市、泉州市、漳州市、南平市、龍巖市、寧德市、平潭綜合實(shí)驗(yàn)區(qū)10個(gè)地區(qū)的37個(gè)國(guó)控點(diǎn)位2016年P(guān)M10日均值濃度（ 總共3589個(gè)數(shù)據(jù)）進(jìn)行計(jì)算的年均值以及影響PM10濃度主要生產(chǎn)生活污染源為研究對(duì)象。具體指標(biāo)設(shè)置如下。

（1）空氣質(zhì)量指標(biāo)：PM10年均值濃度。

（2）衡量城市規(guī)模指標(biāo)：GDP、常住人口、建成區(qū)面積。

（3）衡量燃燒排放指標(biāo)：能源消耗量。

（4）衡量工業(yè)生產(chǎn)排放指標(biāo)：第二產(chǎn)業(yè)比重。由于城市發(fā)展水平不同，選取第二產(chǎn)業(yè)增加值占GDP比重指標(biāo)更具有可比性。

（5）衡量揚(yáng)塵排放指標(biāo)：固定資產(chǎn)投資、房屋施工面積。揚(yáng)塵污染大部分來自施工揚(yáng)塵，故選取固定資產(chǎn)投資以及房屋施工面積反映揚(yáng)塵污染。

（6）衡量機(jī)動(dòng)車污染排放指標(biāo)：機(jī)動(dòng)車保有量。

1.2 數(shù)據(jù)來源與處理

本研究解釋變量原始數(shù)據(jù)從2016年《福建省統(tǒng)計(jì)年鑒》以及各地市統(tǒng)計(jì)年鑒獲取，機(jī)動(dòng)車保有量數(shù)據(jù)來自2016年福建省環(huán)境統(tǒng)計(jì)數(shù)據(jù)，被解釋變量2016年P(guān)M10質(zhì)量濃度數(shù)據(jù)來源于福建省環(huán)保廳網(wǎng)站公布數(shù)據(jù)。為了消除可能存在異方差，為使數(shù)據(jù)獲得正態(tài)分布對(duì)原始數(shù)據(jù)進(jìn)行l(wèi)n對(duì)數(shù)轉(zhuǎn)換，同時(shí)為了消除量綱的影響，對(duì)數(shù)轉(zhuǎn)換后的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，處理后數(shù)據(jù)記為ZLY、ZLX1-8。

1.3 研究方法

本研究解釋變量比較多，且各變量間存在或多或少的線性關(guān)系，在進(jìn)行多元回歸分析時(shí)可能存在多重共線性。多重共線性會(huì)增大估計(jì)參數(shù)的標(biāo)準(zhǔn)誤差，從而降低模型的代表性、穩(wěn)定性，為了避免多重共線性，提高模型準(zhǔn)確度，本研究先采用主成分分析，把原始變量降維為少數(shù)幾個(gè)主成分，然后以主成分替代原有變量進(jìn)行多元線性回歸分析。

主成分分析法旨在利用降維的思想，把多指標(biāo)轉(zhuǎn)化為少數(shù)幾個(gè)綜合指標(biāo)（即主成分），其中每個(gè)主成分都能夠反映原始變量的大部分信息，且所含信息互不重復(fù)，通常選取累積貢獻(xiàn)率大于等于80%的前K個(gè)成分。步驟如下：（1）收集原始數(shù)據(jù)，并對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，消除量綱影響；（2）計(jì)算樣本相關(guān)矩陣R；（3）計(jì)算相關(guān)矩陣R的特征值、方差貢獻(xiàn)率以及累積貢獻(xiàn)率、因子負(fù)荷矩陣、主成分矩陣；（4）選擇m個(gè)主成分，列出主成分?jǐn)?shù)學(xué)模型并進(jìn)行解釋分析。

回歸分析是確定兩種或兩種以上變量間相互依賴的定量關(guān)系的一種統(tǒng)計(jì)分析方法。本研究主要應(yīng)用統(tǒng)計(jì)軟件SPSS、Eviews進(jìn)行分析。

2 結(jié)果與分析

2.1 主成分分析

本文利用SPSS22.0對(duì)解釋變量LX1、LX2…LXn進(jìn)行主成分分析，檢驗(yàn)統(tǒng)計(jì)量KMO值為0.838大于0.5，巴特利特球度檢驗(yàn)統(tǒng)計(jì)量的觀測(cè)值為96.454，相應(yīng)的概率p值為0，說明本研究數(shù)據(jù)適合進(jìn)行主成分分析。表1顯示，主成分F1方差貢獻(xiàn)率最高，達(dá)84.732%，為第一主成分，主成分F2方差貢獻(xiàn)率為8.942%，為第二主成分，累積貢獻(xiàn)率達(dá)93.674%，表示2個(gè)主成分解釋并包含了93.674%的原有變量信息，所以將8個(gè)影響因子簡(jiǎn)化為2個(gè)主成分，最大限度減少自變量個(gè)數(shù)，又保留原有變量大部分信息。

表3計(jì)算各原始變量與主成分F1、F2的相關(guān)性，得到因子矩陣。主成分F1與原始變量GDP、常住人口、能源消耗量、固定資產(chǎn)投資、房屋建筑施工面積、機(jī)動(dòng)車保有量關(guān)系密切，相關(guān)系數(shù)值均大于0.94。主成分F2與第二產(chǎn)業(yè)比重關(guān)系密切。通過分析得知，對(duì)PM10濃度影響主要原始變量是GDP、常住人口、能源消耗量、固定資產(chǎn)投資、房屋建筑施工面積、機(jī)動(dòng)車保有量、第二產(chǎn)業(yè)比重。

通過初始因子矩陣中數(shù)據(jù)除以主成分對(duì)應(yīng)特征值平方根，得到主成分載荷矩陣。絕對(duì)值越大說明主成分與該指標(biāo)間聯(lián)系越緊密，主成分載荷矩陣見表4。主成分方程：

F1=0.381ZLX1+0.375ZLX2+0.318ZLX3+0.372ZLX4+0.262ZLX5+0.372ZLX6+0.364ZLX7+0.368ZLX8

F2=-0.024ZLX1+0.075ZLX2-0.526ZLX3+0.116ZLX4+0.810ZLX5-0.019ZLX6-0.203ZLX7-0.070ZLX8

2.2 回歸分析

2.2.1 PM10與主成分回歸模型分析

將標(biāo)準(zhǔn)化后的數(shù)據(jù)帶入主成分函數(shù)，得到主成分F1、F2與ZLPM10進(jìn)行多元線性回歸分析?；貧w模型如下：

ZLPM10=2.107E-7+0.268F1-0.147F2

t=（2.615）（-0.465）

R2=0.502， 調(diào)整R2=0.36 F=3.526， DW=2.338

回歸系數(shù)t檢驗(yàn)F1的P值為0.035<0.05，F(xiàn)2的P值為0.0656>0.05，說明在顯著性水平0.05下回歸系數(shù)F1顯著，F(xiàn)2不顯著?；貧w模型F檢驗(yàn)，F(xiàn)=3.526，相應(yīng)概率P=0.087>0.05，a=0.05下，回歸模型不顯著。調(diào)整R2為0.36，模型的整體擬和效果一般。綜上分析，主成分F2與因變量PM10相關(guān)性不高，而F2與第二產(chǎn)業(yè)比重相關(guān)度最高，說明第二產(chǎn)業(yè)比重對(duì)PM10濃度值影響不大，這與我省第二產(chǎn)業(yè)主要以電子信息產(chǎn)業(yè)為主，高污染、高能耗產(chǎn)業(yè)比重較小有關(guān)。因此采用主成分F1與PM10重新建立回歸模型，模型如下：

ZLPM10=3.734E-7+0.268F1

t=2.753， F=7.578 DW=2.64 R2=0.697， 調(diào)整R2=0.486

回歸系數(shù)t檢驗(yàn)，回歸系數(shù) F1的P值為0.055<0.05，顯著性水平0.05下，查表t（7）=2.365，回歸系數(shù)t檢驗(yàn)值為2.753>2.365，說明回歸系數(shù)顯著。F檢驗(yàn)的概率P值0.025<0.05，說明顯著性水平0.05下，回歸模型擬合程度較好。調(diào)整R2為0.486，模型擬合優(yōu)度效果一般，這與本研究未將垃圾焚燒、生物質(zhì)以及二次無機(jī)氣溶膠等其他影響因素未納入有關(guān)，推測(cè)可能還存在其他原始變量對(duì)PM10濃度影響較大。

利用Eviews軟件對(duì)模型進(jìn)行懷特（white） 檢驗(yàn)，判斷模是否存在異方差，結(jié)果顯示，White統(tǒng)計(jì)量P值為0.084大于0.05，說明回歸模型不存在異方差。自相關(guān)檢驗(yàn)DW值為2.64，經(jīng)查表，du

2.2.2 PM10與原始變量回歸模型分析

根據(jù)主成分分析以及主成分回歸模型結(jié)果可知，原始變量中 GDP、常住人口、能源消耗量、固定資產(chǎn)投資、房屋建筑施工面積、機(jī)動(dòng)車保有量對(duì)PM10影響較大，因此選取這些指標(biāo)與PM10進(jìn)行回歸分析，得到常數(shù)項(xiàng)為-4.104E-15，數(shù)值很小對(duì)回歸模型幾乎無影響，故舍去常數(shù)項(xiàng)。模型如下：

ZLPM10=-1.359ZLX1-2.106ZLX2+1.574ZLX4-0.46ZLX6+2.03ZLX7+0.969ZLX8

從回歸系數(shù)看，X1（GDP）、X2（常住人口）、X6（固定資產(chǎn)投資）對(duì)PM10濃度產(chǎn)生負(fù)向影響，分析自變量可能存在多重共線性，計(jì)算共線性統(tǒng)計(jì)量，得出自變量容差大部分小于0.1，方差膨脹因子VIF大于10，表明存在較為嚴(yán)重的多重共線性。為了消除多重共線性，采用逐步回歸辦法，分別對(duì)ZLPM10與ZLX1、ZLX2、ZLX4、ZLX6、ZLX7、 ZLX8做一元線性回歸，根據(jù)回歸結(jié)果，R2從大到小順序?yàn)閄7、X2、X8、X4、X6、X1。以X7為基礎(chǔ)，順次加入其他變量逐步回歸，并進(jìn)行回歸系數(shù)顯著性T檢驗(yàn)，系數(shù)顯著保留，不顯著剔除，最終確定自變量X7、X8、X4、X1與PM10進(jìn)行回歸分析。常數(shù)項(xiàng)為-2.214E-15太小舍去，回歸模型如下：

ZLPM10=-0.588ZLX1+0.06ZLX4+0.864ZLX7+0.461ZLX8

R2=0.768， F=4.131， DW=1.904

回歸模型通過F檢驗(yàn)，且R2為0.768，說明模型擬合度較好，DW檢驗(yàn)，經(jīng)查表，du

3 結(jié)論

（1）通過主成分分析，提取2個(gè)影響PM10濃度的主成分F1、F2，2個(gè)主成分解釋并包含了93.674%的原有變量信息。第一主成分F1對(duì)原始變量方差貢獻(xiàn)率達(dá)84.732%，原始變量GDP、常住人口、能源消耗量、固定資產(chǎn)投資、房屋建筑施工面積、機(jī)動(dòng)車保有量與F1關(guān)系密切。主成分F2對(duì)原始變量方差貢獻(xiàn)率為8.942%，原始變量中第二產(chǎn)業(yè)比重與第二主成分F2關(guān)系密切。

（2）在主成分分析基礎(chǔ)上建立PM10與相關(guān)因子的多元線性回歸模型，并對(duì)模型進(jìn)行自相關(guān)DW檢驗(yàn)、異方差White檢驗(yàn)以及多重共線性診斷，通過逐步回歸方式消除多重共線性。分析得出GDP對(duì)PM10濃度產(chǎn)生負(fù)向影響，說明規(guī)模城市對(duì)PM10管控更加嚴(yán)格，控制措施力度更大，另一方面也體現(xiàn)我省經(jīng)濟(jì)增長(zhǎng)方式發(fā)生較大轉(zhuǎn)變，由粗放型向集約型轉(zhuǎn)變，由高碳經(jīng)濟(jì)型向低碳經(jīng)濟(jì)型轉(zhuǎn)變。房屋施工面積、機(jī)動(dòng)車保有量、能源消耗量對(duì)PM10產(chǎn)生正向影響，影響最大是施工煙塵，其次是機(jī)動(dòng)車尾氣與能源燃燒排放。

（3）基于以上分析與討論，要緩解和控制福建省PM10質(zhì)量濃度，建議主要通過以下措施：嚴(yán)控建筑工地施工煙塵，提高建筑工地圍擋，對(duì)建筑工地四周實(shí)施24h水噴淋，所有進(jìn)出車輛高壓清洗，裸露地塊進(jìn)行覆蓋；能源燃燒污染控制方面主要優(yōu)化城市能源結(jié)構(gòu)，大力發(fā)展清潔能源，對(duì)主城區(qū)實(shí)行全面禁煤，工業(yè)區(qū)推廣集中供熱，企業(yè)實(shí)行超低排放改造等措施；機(jī)動(dòng)車污染治理方面，加速“黃標(biāo)車”的淘汰，實(shí)施“黃標(biāo)車”區(qū)域限行；加強(qiáng)城市交通管理，實(shí)施公交優(yōu)先發(fā)展戰(zhàn)略，推廣使用新能源和清潔能源車輛，推行綠色出行；嚴(yán)控燃油品質(zhì)，全面落實(shí)機(jī)動(dòng)車環(huán)保定期檢測(cè)與維護(hù)制度，檢測(cè)不合格，嚴(yán)禁上路。

參考文獻(xiàn)

[1]胡名威.霧霾的經(jīng)濟(jì)學(xué)分析[J].經(jīng)濟(jì)研究導(dǎo)刊，2013，（16）：13-15.

[2]黃巖.安徽省霧霾影響因素的主成分回歸分析[J].安徽行政學(xué)院學(xué)報(bào)，2017，38（8）：58-61.

[3]馮少榮，馮康巍.基于統(tǒng)計(jì)分析方法的霧霾影響因素及治理措施[J].廈門大學(xué)學(xué)報(bào)，2015，54（1）：114-121.

[4]白春妹，賴煥生.福建省主要大氣污染物分布研究[J].福州大學(xué)學(xué)報(bào)，2017，45（6）：928-932.

[5]荊亮，徐玲花，杜艷，仲勉，馮加良.上海PM10 質(zhì)量濃度的空間分布及影響因素分析[J].上海大學(xué)學(xué)報(bào)，2015，21（4）：484-489.

[6]李莉，孫永霞.基于均值化主成分分析的霧霾環(huán)境分析與研究[J].計(jì)算機(jī)應(yīng)用研究，2015，32（5）：1373-1375.

[7]呂麗莉，汪明，史培軍.蘭州市2000-2011年P(guān)M10的變化趨勢(shì)及影響因素分析[J].環(huán)境污染與防治，2013，35（12）：49-55.

[8]王雨田，李衛(wèi)東.城市中霧霾的形成機(jī)理及其對(duì)策研究[J].合作經(jīng)濟(jì)與科技，2015，（2）：30-32.

[9]袁東，臺(tái)斌.城市霧霾污染的成因及治理措施分析[J].齊魯師范學(xué)院學(xué)報(bào)，2015，29（4）：113-119.

[10]何曉群.多元統(tǒng)計(jì)分析[M].北京：中國(guó)人民大學(xué)出版社，2012.152-174.

[11]薛薇.SPSS統(tǒng)計(jì)分析方法及應(yīng)用[M].3版.北京：電子工業(yè)出版社，2013.186.

[12]韓文科，朱松麗，高翔等.從大面積霧霾看改善城市能源環(huán)境的緊迫性[J].價(jià)格理論與實(shí)踐，2013，（4）：27-29.

[13]朱成章.我國(guó)防止霧霾污染的對(duì)策與建議[J].中外能源，2013，18（6）：1-4.

[14]黃洋，陸寶宏，張巍.基于非參數(shù)統(tǒng)計(jì)分析法的四川省旱澇特征研究[J].人民長(zhǎng)江，2013，44（11）：18-22.

收稿日期：2018-04-23

作者簡(jiǎn)介：魏雪梅（1982-），女，大學(xué)本科，統(tǒng)計(jì)師，研究方向?yàn)榄h(huán)境統(tǒng)計(jì)。