東營空氣質量指數的相關性分析

農林

摘要：本文通過對東營空氣質量指數數據的收集，采用多元統計方法分析了影響空氣質量指數AQI的[PM2.5]，[PM10]，[CO]，[NO2]，[SO2]之間的相關性；由影響因素和AQI之間的關系，建立多元線性回歸方程并預測AQI指數；最后提出了相應的建議和解決方案。

關鍵詞：AQI指數 相關分析 因子分析

2012年，國家環保部門公布了新的環境空氣質量規范，修訂了空氣質量的測量標準，首次將[PM2.5]、[NO2]等物質納入到空氣質量勘測的范疇，這將更加準確反映現在環境的實際狀況。

一、AQI指數與其可能影響因素的相關分析

通過查閱相關文獻資料可以發現，空氣質量指數AQI與[PM2.5]，[PM10]，[CO]，[NO2]，[SO2]等因素的指標存在著相互聯系，為了更進一步探究AQI指數與其影響因素的相關程度，我們利用spss17軟件對東營市的372個氣象數據進行了相關分析，其中皮爾遜（Pearson）相關系數定義公式為：[r=i=1n（xi-x）（yi-y）i=1n（xi-x）2i=1n（yi-y）2]，其相關表由軟件可得出：數據中的相關系數表明AQI指數與[SO2]，[NO2]，[PM10]，[CO]，[O3]，[PM2.5]均有較強烈的相關關系，其中AQI與[PM10]，[PM2.5] 的相關系數達到0.963和0.929，顯著性水平均為0.000，表明AQI指數與[PM10]，[PM2.5]的指標之間存在強烈的相關性。這為下文研究回歸分析奠定了基礎。

二、AQI指數與其影響因素的多元回歸分析

通過上面的相關分析，我們可以發現空氣質量指數AQI與多個影響因素有關。[PM10]，[PM2.5]，[CO]，[NO2]，[SO2]指標的變化都將引起AQI指數的變化，因此我們對因變量AQI指數與自變量[SO2]，[NO2]，[PM10]，[CO]，[PM2.5]進行多元回歸分析。多元線性回歸方程可以表示為[yi=a+j=1pbjxji+εi]，其中[εi～N（0，σ2）]， [a，b1，b2，...，bp]為回歸系數。采用逐步剔除法在3次擬合之后得出我們模型3中剔除變量[SO2]，[CO]，模型擬合度[R2=0.985]，擬合效果更好。采取模型3進行回歸分析。還可以知道模型3的解釋變量因素對AQI指數的貢獻率為0.985，即AQI指數中是有98.5%是由[PM10]，[PM2.5]，[NO2]所引起的。DW取值為1.139說明變量間不存在自相關。

我們做差分解及檢驗，分析結果看出模型3的回歸方程F值為647.479，P值為0.000，可見回歸方程極其顯著。也就是說具有回歸性。

數據顯示的是擬合回歸方程系數及其檢驗。未標準化時，常數項為22.411，P值為0.000，常數項顯著。自變量[PM10]，[PM2.5]，[NO2]的回歸系數為0.471，0.540，-0.414對應P值均小于0.005，檢驗結果也顯著。VIF值均小于10說明回歸系數都有合理的解釋，回歸方程不存在強多重共線性。那么建立多元的回歸方程為：AQI=0.471[PM10]+0.540[PM2.5]-0.414[NO2]+22.411。

三、AQI指數影響因素的因子分析

從氣象觀測數據可以發現，影響空氣質量指數AQI的有眾多的影響因素，但是由于我們想運用較少的因子就可以表示出空氣質量指數。因此接下來運用因子分析的方法，利用最少的因子去概括和解釋空氣質量指數AQI，揭示影響變量間內在的關聯性，用較少的維度表示原來的數據信息。

四、結束語

經過以上數據分析結果表示，空氣質量AIQ與我們空氣中的二氧化物，大顆粒物質以及臭氧含量存在相關性，在改善空氣質量時候要注重對工業排放的二氧化物，空氣中的顆粒物質降低以及對臭氧的保護上。

參考文獻：

[1]章文波，陳紅艷.實用數據統計分析及spss12.0應用[M].北京：人民郵電出版社，2006.2

[2]吳萬友，姚麗文，徐衛民.等.江西省主要城市空氣質量預報研究[J].環境與開發，2001，16（3）：9-11endprint

摘要：本文通過對東營空氣質量指數數據的收集，采用多元統計方法分析了影響空氣質量指數AQI的[PM2.5]，[PM10]，[CO]，[NO2]，[SO2]之間的相關性；由影響因素和AQI之間的關系，建立多元線性回歸方程并預測AQI指數；最后提出了相應的建議和解決方案。

關鍵詞：AQI指數 相關分析 因子分析

2012年，國家環保部門公布了新的環境空氣質量規范，修訂了空氣質量的測量標準，首次將[PM2.5]、[NO2]等物質納入到空氣質量勘測的范疇，這將更加準確反映現在環境的實際狀況。

一、AQI指數與其可能影響因素的相關分析

通過查閱相關文獻資料可以發現，空氣質量指數AQI與[PM2.5]，[PM10]，[CO]，[NO2]，[SO2]等因素的指標存在著相互聯系，為了更進一步探究AQI指數與其影響因素的相關程度，我們利用spss17軟件對東營市的372個氣象數據進行了相關分析，其中皮爾遜（Pearson）相關系數定義公式為：[r=i=1n（xi-x）（yi-y）i=1n（xi-x）2i=1n（yi-y）2]，其相關表由軟件可得出：數據中的相關系數表明AQI指數與[SO2]，[NO2]，[PM10]，[CO]，[O3]，[PM2.5]均有較強烈的相關關系，其中AQI與[PM10]，[PM2.5] 的相關系數達到0.963和0.929，顯著性水平均為0.000，表明AQI指數與[PM10]，[PM2.5]的指標之間存在強烈的相關性。這為下文研究回歸分析奠定了基礎。

二、AQI指數與其影響因素的多元回歸分析

通過上面的相關分析，我們可以發現空氣質量指數AQI與多個影響因素有關。[PM10]，[PM2.5]，[CO]，[NO2]，[SO2]指標的變化都將引起AQI指數的變化，因此我們對因變量AQI指數與自變量[SO2]，[NO2]，[PM10]，[CO]，[PM2.5]進行多元回歸分析。多元線性回歸方程可以表示為[yi=a+j=1pbjxji+εi]，其中[εi～N（0，σ2）]， [a，b1，b2，...，bp]為回歸系數。采用逐步剔除法在3次擬合之后得出我們模型3中剔除變量[SO2]，[CO]，模型擬合度[R2=0.985]，擬合效果更好。采取模型3進行回歸分析。還可以知道模型3的解釋變量因素對AQI指數的貢獻率為0.985，即AQI指數中是有98.5%是由[PM10]，[PM2.5]，[NO2]所引起的。DW取值為1.139說明變量間不存在自相關。

我們做差分解及檢驗，分析結果看出模型3的回歸方程F值為647.479，P值為0.000，可見回歸方程極其顯著。也就是說具有回歸性。

數據顯示的是擬合回歸方程系數及其檢驗。未標準化時，常數項為22.411，P值為0.000，常數項顯著。自變量[PM10]，[PM2.5]，[NO2]的回歸系數為0.471，0.540，-0.414對應P值均小于0.005，檢驗結果也顯著。VIF值均小于10說明回歸系數都有合理的解釋，回歸方程不存在強多重共線性。那么建立多元的回歸方程為：AQI=0.471[PM10]+0.540[PM2.5]-0.414[NO2]+22.411。

三、AQI指數影響因素的因子分析

從氣象觀測數據可以發現，影響空氣質量指數AQI的有眾多的影響因素，但是由于我們想運用較少的因子就可以表示出空氣質量指數。因此接下來運用因子分析的方法，利用最少的因子去概括和解釋空氣質量指數AQI，揭示影響變量間內在的關聯性，用較少的維度表示原來的數據信息。

四、結束語

經過以上數據分析結果表示，空氣質量AIQ與我們空氣中的二氧化物，大顆粒物質以及臭氧含量存在相關性，在改善空氣質量時候要注重對工業排放的二氧化物，空氣中的顆粒物質降低以及對臭氧的保護上。

參考文獻：

[1]章文波，陳紅艷.實用數據統計分析及spss12.0應用[M].北京：人民郵電出版社，2006.2

[2]吳萬友，姚麗文，徐衛民.等.江西省主要城市空氣質量預報研究[J].環境與開發，2001，16（3）：9-11endprint

摘要：本文通過對東營空氣質量指數數據的收集，采用多元統計方法分析了影響空氣質量指數AQI的[PM2.5]，[PM10]，[CO]，[NO2]，[SO2]之間的相關性；由影響因素和AQI之間的關系，建立多元線性回歸方程并預測AQI指數；最后提出了相應的建議和解決方案。

關鍵詞：AQI指數 相關分析 因子分析

2012年，國家環保部門公布了新的環境空氣質量規范，修訂了空氣質量的測量標準，首次將[PM2.5]、[NO2]等物質納入到空氣質量勘測的范疇，這將更加準確反映現在環境的實際狀況。

一、AQI指數與其可能影響因素的相關分析

通過查閱相關文獻資料可以發現，空氣質量指數AQI與[PM2.5]，[PM10]，[CO]，[NO2]，[SO2]等因素的指標存在著相互聯系，為了更進一步探究AQI指數與其影響因素的相關程度，我們利用spss17軟件對東營市的372個氣象數據進行了相關分析，其中皮爾遜（Pearson）相關系數定義公式為：[r=i=1n（xi-x）（yi-y）i=1n（xi-x）2i=1n（yi-y）2]，其相關表由軟件可得出：數據中的相關系數表明AQI指數與[SO2]，[NO2]，[PM10]，[CO]，[O3]，[PM2.5]均有較強烈的相關關系，其中AQI與[PM10]，[PM2.5] 的相關系數達到0.963和0.929，顯著性水平均為0.000，表明AQI指數與[PM10]，[PM2.5]的指標之間存在強烈的相關性。這為下文研究回歸分析奠定了基礎。

二、AQI指數與其影響因素的多元回歸分析

通過上面的相關分析，我們可以發現空氣質量指數AQI與多個影響因素有關。[PM10]，[PM2.5]，[CO]，[NO2]，[SO2]指標的變化都將引起AQI指數的變化，因此我們對因變量AQI指數與自變量[SO2]，[NO2]，[PM10]，[CO]，[PM2.5]進行多元回歸分析。多元線性回歸方程可以表示為[yi=a+j=1pbjxji+εi]，其中[εi～N（0，σ2）]， [a，b1，b2，...，bp]為回歸系數。采用逐步剔除法在3次擬合之后得出我們模型3中剔除變量[SO2]，[CO]，模型擬合度[R2=0.985]，擬合效果更好。采取模型3進行回歸分析。還可以知道模型3的解釋變量因素對AQI指數的貢獻率為0.985，即AQI指數中是有98.5%是由[PM10]，[PM2.5]，[NO2]所引起的。DW取值為1.139說明變量間不存在自相關。

我們做差分解及檢驗，分析結果看出模型3的回歸方程F值為647.479，P值為0.000，可見回歸方程極其顯著。也就是說具有回歸性。

數據顯示的是擬合回歸方程系數及其檢驗。未標準化時，常數項為22.411，P值為0.000，常數項顯著。自變量[PM10]，[PM2.5]，[NO2]的回歸系數為0.471，0.540，-0.414對應P值均小于0.005，檢驗結果也顯著。VIF值均小于10說明回歸系數都有合理的解釋，回歸方程不存在強多重共線性。那么建立多元的回歸方程為：AQI=0.471[PM10]+0.540[PM2.5]-0.414[NO2]+22.411。

三、AQI指數影響因素的因子分析

從氣象觀測數據可以發現，影響空氣質量指數AQI的有眾多的影響因素，但是由于我們想運用較少的因子就可以表示出空氣質量指數。因此接下來運用因子分析的方法，利用最少的因子去概括和解釋空氣質量指數AQI，揭示影響變量間內在的關聯性，用較少的維度表示原來的數據信息。

四、結束語

經過以上數據分析結果表示，空氣質量AIQ與我們空氣中的二氧化物，大顆粒物質以及臭氧含量存在相關性，在改善空氣質量時候要注重對工業排放的二氧化物，空氣中的顆粒物質降低以及對臭氧的保護上。

參考文獻：

[1]章文波，陳紅艷.實用數據統計分析及spss12.0應用[M].北京：人民郵電出版社，2006.2

[2]吳萬友，姚麗文，徐衛民.等.江西省主要城市空氣質量預報研究[J].環境與開發，2001，16（3）：9-11endprint