基于PCR的全球平均氣溫研究

段曉鳴

【摘 要】 本文運用主成分回歸的方法研究了全球平均氣溫與CO2，N2O，CFC.11，CFC.12，TSI，Aerosols六個自變量之間的關系，選取了自1983年5月到2008年12月的數據，得到了影響氣溫的主要因素及其大致的影響程度。

【關鍵詞】 全球變暖 主成分 回歸分析 PCR

1.引言

眾所周知，全球變暖是威脅人類生存的一大問題，在過去幾十年中，全球平均氣溫有所升高，全球變暖會導致海平面上升和極端天氣頻現等問題，影響人們的正常生活。本文運用PCR（主成分回歸分析，是以主成分為自變量進行的回歸分析）研究了全球平均氣溫與上述六個自變量的關系。

2.全球平均氣溫案例研究

2.1主成分分析

建立多元回歸模型為，因變量為emp（全球平均氣溫與一個參考值之差），利用R軟件得：

回歸方程和系數均通過了擬合優度檢驗，但X2和X3的系數為負，CFCS（氟氯烴化合物）是具有強烈增溫效應的溫室氣體，與因變量負相關與實際情況不符。猜測該回歸模型具有較為嚴重的多重共線性。檢驗得K=2.015048e+20，有非常嚴重的多重共線性，對變量作主成分回歸，

前四個主成分已達到99%的貢獻率，考慮選擇四個主成分作進一步的分析。

2.2建立修正后的回歸模型

利用提取的四個主成分建立新的回歸模型

上述結果得到的是響應變量與主成分的關系，應用起來不方便，做變換得到回歸方程為：

2.3回歸模型的檢驗與解釋

調整后的R2為61%，擬合較好;F檢驗的p值接近于0，回歸方程顯著;在0.05的顯著性水平下，各回歸系數均可通過檢驗。

在其它條件不變的情況下，CO2含量每增加一個單位，平均氣溫平均上升0.03940850個單位，其他變量以此類推進行解釋。

3.結論

本文運用PCR分析得出六個自變量對因變量均有顯著影響，為防止進一步變暖，應嚴格控制污染物排放量，，改革能源結構，從根源上解決全球變暖問題，是我們每個人的責任。

【參考文獻】

[1] 薛毅，陳立萍.統計建模與R軟件[M].清華大學出版社，2007

[2] 左飛.R語言實戰：機器學習與數據分析.電子工業出版社，2016

[3] 李倩星.R語言實戰：編程基礎、統計分析與數據挖掘寶典，2016

[4] 趙義軍，張小軒，商夢嬌.多元回歸分析在溫度預測中的應用及R實現.佳木斯大學學報（自然科學報），2016年11月第34卷第6期，P1020-P1025

[5] 尹楠.基于R語言的學生成績統計的分析.信息與電腦，2014年3月，P153-P154