談環境污染檢測與評價中因子分析法的應用

[內容摘要]隨著經濟的不斷發展，人們對生活質量的要求越來越高，對于環境的保護與檢測逐漸受到政府和民眾的重視，因子分析法作為一種較為常見的統計分析方法，對于環境中各種污染因素的分析與評價比較準確。本文中筆者將就因子分析法在環境的檢測與評價中的應用進行簡單的探討。

[關鍵詞] 步驟原理 因子分析 比較

引言

在進行經濟建設的同時總會伴隨著對環境的侵害，環境監測目的就是要及時的發現危害環境的因素，將其降到最低。環境污染的檢測項目多而雜，它包括水污染、固體污染、空氣污染等許多的方面，而這每種污染又包含著多項的檢測指標，這種多樣性的檢測指標給環境污染的評價與分析帶來了極大的困難。也正因為如此，在進行這項工作時我們引入了因子分析法，它能很好的簡化指標結構、濃縮信息、降低指標的難度，在主要信息比較充分的前提下，將各種因素進行變量分組，增強組內變量的關聯性，減弱不同組別的關聯性，逐漸將環境檢測的指標集中在幾個互不影響的因素上，減小問題分析的難度。

一、因子分析的步驟和原理

因子分析從與最初的變量的相關系數的矩陣出發，然后尋找與問題關聯性較大的幾個難以觀測的因子，通過這幾個因子來對實物的原始變量之間的關聯系數。例如共有n個樣本數，在每個樣品n中有P個指標，那么我們就可以列出相應的矩陣，它的一般步驟為：①計算標準化數據在矩陣中的相關系數，再與此同時要求得相關系數的矩陣特殊根，和與此相互對應的正交標準化的能反映特征的向量E；②原始數據的標準化處理。在進行因子分析中的標準化應用公式中既有樣本的均值也存在樣本的標準值，通過標準化的運算來消除原始變量中不同的量綱的影響；③若是特征根的貢獻率累計達到85%，則可以得到到一個全新的因子載荷的矩陣；④根據在各式或是檢測中得到的樣品因子得分，對其進行系統的排序，并且進一步進行聚類分析；⑤對由特征根積累率中得來的載荷矩陣施行方差最大值的正交旋轉變換，經過旋轉后的因子載荷矩陣的每個列向量對應著每個公共因子。進行列向量的旋轉變換的目的是為了使得每個公因子只與對應的若干個原始變量有關聯性，如此就能增強各個因子的可解釋性。

二、環境污染的因子分析

1.數據收集

在進行環境污染各項因子的分析之初對對各個地區的環境數據的檢測是必不可少的，而且是至關重要的，它是所用工作的基礎，數據收集工作的好壞直接影響整個分析過程的好壞，通過對全國的各個主要地區的生活和工業污染物的排放量數據的收集，并且選取了九個主要的環境污染檢測的指標，筆者將以這些數據為基礎進行分析研究。

2.數據分析和處理

在進行數據收集的過程中，我們發現我國西藏地區的數據是不具備的。由于西藏地理位置特殊，所以在進行數據填補時用全國平均值并不是很科學。對環境有著極大影響的煙塵以及二氧化硫絕大多數都是來自生活和工業排放，可以根據全國煙塵和二氧化硫的排放比例來估算我國西藏地區的排放總量，這種做法是比較科學的。

3.公因子的提取和分析

通過SPSS軟件的引用可以科學的計算出特征向量和特征根，而且這些數據的累計貢獻率達到了86.54%，這個數據說明提取的3個公因子的信息含量是幾乎包含了原來9個污染指標的全部信息，可以知道進行“降維”是比較成功。通過上面的分析可以確定提取3個公因子，同時還可以得到初始的因子載荷矩陣，同時使用最大方差的旋轉法可以順便得到旋轉后的因子載荷矩陣。

從上表可以知道，工業粉塵和二氧化硫的排放總量，工業廢氣和煙塵的排放總量，在第一公因子F1上所具有的的載荷是比較大的，然而其它污染的指標在F1上的載荷并不大。從表中我們可以知道除了X6是工業固體廢物的產生量，其他的項目都是工業空氣的污染指標，所以F1也可以稱為工業大氣污染因子，以此類推可以分別進行命名。

三、各地區環境污染的分析和比較

通過上面進行的可解釋性的公共因子的命名后，還可以根據SPSS函數式的分析來研究環境的污染情況，從中我們不難發現山東、四川、廣西、河南、河北及遼寧在第一公因子上的得分是相對較高的，這些省份的額固體廢棄物和工業大氣污染程度比較高，原因是多方面的，其中比較主要的原因是這些污染比較嚴重的省份中有不少是屬于建國后不久確立的國家老工業基地，由于工業密集型高，而且生產的耗能高，科技含量低，以環境污染的代價換取經濟的增長；還有的企業是在鄉鎮，改革開放之后，鄉鎮經濟也快速發展，許多重污染企業為了逃避城市過高的治污費用而將企業轉而設在了比較偏遠的鄉鎮，鄉鎮的企業數量急劇增加，并且鄉鎮政府對環境治理及缺乏經驗又缺乏意識，這就造成了一些鄉鎮在大氣污染因子上得分比較高，我們得到各地區的因子得分表：

相較于上面的這些省份，我國的北京、上海、廣州、西藏、青海、貴州等地區的這幾項因子的得分就要低得多了，可以清楚地發現，這些得分比較低的城市要么是比較偏遠的地區，要么是比較發達的地區，這些比較發達的城市的經濟來源不再是傳統的工業制造或是能源生產了，而更多的是以航運、通信、金融、教育、服務業等為經濟支撐，這些產業基本上是不會產生大量的污染物的，這也就是為什么這些地區的污染因子數不高的原因了。

在表中還可以發現，江蘇、浙江、上海、山西、湖北等地的第二公因子數比較高，這說明這些地區的水污染比較嚴重，研究發現這些地區要么是經濟產業結構中依托水資源比較重，要么是水資源比較豐富、人口眾多、分散比較廣的地區。而貴州、山西、內蒙等地的第三因子得分比較高，這說明該地生活空氣污染比較嚴重，貴州得分最高，這與其所處的地理環境相關，貴州所處地區屬于我國酸雨控制區，酸雨污染嚴重。而像山西、內蒙都屬于能源大省，煤儲量極為豐富，在采煤用煤的過程中不可避免的會帶來一定的影響。

通過上面的分析比較可以初步的得出一些結論。第一類，特殊污染地區：山西（水污染輕微，工業大氣污染嚴重）、廣東（工業大氣污染輕微、水污染嚴重）；第二類，水污染居中、工業大氣污染較重的地區：四川、廣西、河北、河南、山東；第三類，工業大氣污染居中、水污染較重的地區：浙江、江蘇、湖南、湖北；第四類，工業大氣污染輕微、水污染居中的地區：北京、上海、貴州；第五類，水污染輕微、工業大氣污染居中的地區：內蒙、江西、安徽；第六類，水污染和工業大氣污染都輕微的地區：天津、寧夏、海南、新疆、西藏、青海、云南、甘肅。

總之，因子分析法是一種能夠大大減少工作量、提高工作效率、簡化工作程序、抓住主要矛盾的工作方法。它的使用為環境污染的科學檢測與評價提供了可能。

參考文獻：

[1]張文彤、董偉 .SPSS統計分析高級教程[M].北京：高等教育出版社，2004，213-260

[2]方開泰.實用多元分析[M].上海：華東師范大學出版社，1989，291-338

[3]賈俊平.統計學[M].中國人民大學出版社，2012.8