《因子分析论文》由会员分享，可在线阅读，更多相关《因子分析论文（8页珍藏版）》请在金锄头文库上搜索。
1、 中国各地区主要空气污染物结构的因子分析【摘要】人类每天都要呼吸空气，空气的质量直接影响到人类的身体健康。改善空气质量，改善人类的健康水平就成为必然。有多种因素造成了空气质量不佳，为保证良好的空气质量，就必须根据污染物的来源，采取适当措施，保证人类的身体健康。【关键词】空气质量 污染 治理 因子分析一、研究背景空气质量的好坏反映了空气污染程度，它是依据空气中污染物浓度的高低来判断的。空气污染是一个复杂的现象，污染物在空气中成分的多少，决定着空气质量的高低，也决定着对人类健康的影响。所以我们要通过对空气污染物的研究控制其在空气中的比重，判断空气污染指数，寻找空气污染物的来源进而采取合理的措施，改
2、善空气质量，保证人类健康。由于有些城市的企业对工业发达的追求，对污染物的负面影响理解不够，预防不利，造成现在对的环境污染越来越严重，空气质量也越来越差。从而破坏生态系统和人类的正常生存和发展，对人和生物造成危害。我们通过在空气污染物中的二氧化硫，二氧化氮、可吸入颗粒物等其他污染物以及空气质量的污染指数进行分析。只有这样我们才能够找到合理的处理环境污染与经济发展的关系，寻找可持续发展的道路。二氧化硫是形成工业烟雾，高浓度时能刺激人的呼吸道，使人呼吸困难，严重时能诱发各种呼吸系统疾病，甚至致人死亡。二氧化硫进入大气层后，溶于水形成亚硫酸（H2SO3），部分会被氧化为硫酸（H2SO4），形成酸雨，酸
3、雨能使大片森林和农作物毁坏，能使纸品、纺织品、皮革制品等腐蚀破碎，能使金属的防锈涂料变质而降低保护作用，还会腐蚀、污染建筑物。二氧化硫还会在空气中形成悬浮颗粒物，又称气溶胶， 随着人的呼吸进入肺部，对肺有直接损伤作用。二氧化氮对人类的健康危害主要是氮氧化物会损害呼吸道。吸入气体初期仅有轻微的眼及上呼吸道刺激症状，如咽部不适、干咳等。常经数小时至十几小时或更长时间潜伏期后发生迟发性肺水肿、成人呼吸窘迫综合征，出现胸闷、呼吸窘迫、咳嗽、咯泡沫痰、紫绀，可并发气胸及纵隔气肿。二氧化氮有毒，具刺激性、可能使人昏厥，并且对环境有危害，对水体、土壤和大气可造成污染。可吸入颗粒物被人吸入后，会累积在呼吸系统
4、中，引发许多疾病。对粗颗粒物的暴露可侵害呼吸系统，诱发哮喘病。细颗粒物可能引发心脏病、肺病、呼吸道疾病，降低肺功能等。因此，对于老人、儿童和已患心肺病者等敏感人群，风险是较大的。另外，环境空气中的颗粒物还是降低能见度的主要原因，并会损坏建筑物表面。颗粒物还会沉积在绿色植物叶面，干扰植物吸收阳光和二氧化碳和放出氧气和水分的过程，从而影响植物的健康和生长。空气污染指数(AIR POLLUTION INDEX，简称API)是一种反映和评价空气质量的方法，就是将常规监测的几种空气污染物的浓度简化成为单一的概念性数值形式、并分级表征空气质量状况与空气污染的程度，其结果简明直观，使用方便，适用于表示城市的
5、短期空气质量状况和变化趋势。空气污染指数是根据环境空气质量标准和各项污染物对人体健康和生态环境的影响来确定污染指数的分级及相应的污染物浓度限值。空气污染指数对应的数值区间就有对应空气质量等级。本文是通过空气质量达到II级及好于II级天数以及空气质量达II级以上的天数占全年的比重来分析空气质量对人类健康的影响。当空气质量级别为II级，空气质量状况属于良。此时空气质量被认为是可以接受的，除极少数对某种污染物特别敏感的人以外，对公众健康没有危害。当空气污染指数到III开始影响人类的健康，所以当空气质量达到II级及好于II级天数在全年比重较大的时候，我们就可以确定其空气质量为良或优，对人类没有多大的影
6、响。但是当大于II级天数在全年的比重较大的时候，我们就必须分析污染物的来源，以及处理的对策。二 方法介绍因子分析是从心里学与教育学发展而来的。1904年，Charls Spearman提出这种方法用来解决智力测验得分的统计，这是因子分析的起点。因子分析的基本思想是通过对变量（或样品）的相关系数（相似系数）矩阵内部结构的研究，找出能影响所有变量（或样品）的少数几个变量，并用这少数几个变量去描述多个变量（或样品）之间的相关（相似）关系。这里，这少数几个变量是不可观测的，通常被称为因子。因子分析可在许多变量中找出隐藏的具有代表性的因子。将相同本质的变量归入一个因子，可减少变量的数目，还可检验变量间关
7、系的假设。因子分析方法有很多，如主成分分析，主因子分析，选代主因子分析，不加权的最小二乘因子分析，最大似然因子分析，因子分析，映像分量分析，Harris分量分析等，这些方法中，最为常用的方法是主成分分析，主因子分析和最大似然分析。三、实证分析1、指标选取根据空气污染物对空气质量的影响，选取二氧化硫，二氧化氮、可吸入颗粒物，空气质量达到II级及好于II级天数以及空气质量达II级以上的天数占全年的比重5个指标。二氧化硫（SO2）是一种常见的和重要的大气污染物，是一种无色有刺激性的气体。二氧化硫主要来源于含硫燃料（如煤和石油）的燃烧；含硫矿石（特别是含硫较多的有色金属矿石）的冶炼；化工、炼油和硫酸厂
8、等的生产过程。二氧化氮是一种棕红色、高度活性的气态物质。二氧化氮在臭氧的形成过程中起着重要作用。人为产生的二氧化氮主要来自高温燃烧过程的释放，比如机动车、电厂废气的排放等。 二氧化氮还是酸雨的成因之一，所带来的环境效应多种多样，包括：对湿地和陆生植物物种之间竞争与组成变化的影响，大气能见度的降低，地表水的酸化，富营养化（由于水中富含氮、磷等营养物藻类大量繁殖而导致缺氧）以及增加水体中有害于鱼类和其它水生生物的毒素含量。可吸入颗粒物是指悬浮在空气中，空气动力学当量直径10微米的颗粒物。可吸入颗粒物的浓度以每立方米空气中可吸入颗粒物的毫克数表示。空气污染指数(Air pollution Index
9、，简称API)就是将常规监测的几种空气污染物浓度简化成为单一的概念性指数值形式，并分级表征空气污染程度和空气质量状况，适合于表示城市的短期空气质量状况和变化趋势。2、收集数据北 京 0.1230.0360.049274 0.75 天 津0.0880.0610.041322 0.88 石 家 庄0.1160.0460.031301 0.82 太 原0.0940.0730.021303 0.83 呼和浩特0.0700.0490.045340 0.93 沈 阳0.1180.0590.037323 0.88 长 春0.0960.0300.038342 0.94 哈 尔 滨0.1020.0430.055
10、308 0.84 上 海0.0840.0510.056328 0.90 南 京0.0980.0540.053322 0.88 杭 州0.1100.0520.053301 0.82 合 肥0.1340.0220.025257 0.70 福 州0.0710.0230.046354 0.97 南 昌0.0830.0500.036344 0.94 济 南0.1260.0520.022295 0.81 郑 州0.0940.0600.047325 0.89 武 汉0.1130.0510.054294 0.81 长 沙0.0970.0530.043329 0.90 广 州0.0710.0460.056345
11、 0.95 南 宁0.0560.0400.044352 0.96 海 口0.0430.0090.017366 1.00 重 庆0.1060.0630.043297 0.81 成 都0.1110.0490.052319 0.87 贵 阳0.0820.0640.023347 0.95 昆 明0.0670.0510.039366 1.00 拉 萨0.0510.0050.024353 0.97 西 安0.1130.0500.044301 0.82 兰 州0.1320.0700.054268 0.73 西 宁0.1180.0290.030296 0.81 银 川0.0840.0490.021330 0.
12、90 乌鲁木齐0.1450.1050.065261 0.723、实证下面就以中国部分城市为例，截取2008的数据，将空气质量空气污染物二氧化硫二氧化氮，可吸入颗粒物在空气中每立方米的重量（毫克）以及空气质量达到II级及好于II级天数以及空气质量达II级以上的天数占全年的比重指数作因子分析，程序如下：data kqzl;input province$ x1-x5;cards;run;proc factor metho=principal n=2 rotate=varimax scree all out=output;var x1-x5;run;首先用data步创建包含分析数据的sas数据集xf，
13、其中包含31个观测，5个指标。调用factor过程对数据集xf做因子分析，其中method=principal选项说明因子分析的方法，本例采用主分量方法；rotate=varimax选项说明因子旋转的方法，本例采用方差最大旋转；n=2要求提取2个主分量；scree选项要求画出特征值的碎石图；all选项要求打印除图形以外的所有可选择的输出。 运行结果如下： 表1：Means and Standard Deviations from 5 Observations VariableMeanStd Devx10.114000.003808x20.048000.011269x30.045200.0109
14、86x4306.6000013.464769x50.838000.034205 上表输出了5个观测值的的平均值（Mean）与标准差（Std Dev）. 表2： Eigenvalues of the Correlation Matrix: Total = 5 Average = 1EigenvalueDifferenceProportionCumulative12.486215050.381692530.49720.497222.104522521.732871120.42090.918130.371651410.334040380.07430.992540.037611020.037611020.00751.000050.000000000.00001.0000 表2输出了相关系数矩阵的特征值，相邻两个特征值之间的差，每个特征值所解释的方差的比率和累计比率。这里前两个主成分的累计解释方差的比率为91.81%，故n取2。Total=5表示相关矩阵的特征值总和；average=1表示相关矩阵的特征值均值；Eigenvalue为特征值，Differ
