基于因子分析法的我國海洋生態健康評價研究

彭建交 陳會然

摘要：文章基于人類活動對海洋生態健康影響的視角，構建了我國海洋生態健康的評價指標體系。以我國沿海11個省（市）為研究對象，運用因子分析法對各地區2015年的樣本數據進行評價。結果表明：總體而言，我國海洋生態健康狀況十分嚴峻;其次，各省份在三個公因子上的得分上呈現出明顯的不均衡性，各省份在海洋生態健康方面存在不同程度的短板;最后，從空間來看，我國海洋生態健康狀況分布并未呈現出明顯的區域特征。

關鍵詞：因子分析;海洋生態;評價

沿海地區聚集了我國1/3的人口、貢獻了一半以上的國內生產總值。隨著人類對海洋開發強度的不斷加大，這一地區正面臨著嚴重的生態危機。黨的十八大報告中明確提出要建設海洋強國，而“保護海洋生態環境”正是建設海洋強國的應有之義。為了加深對海洋生態問題的認識，目前國內外學者已經從不同角度對海洋生態健康進行了評價。從研究對象來看，現有研究主要以近岸海域為主，包括海灣、濕地等地區;從評價方法來看，主要包括網絡分析法、熵值-突變級數法、灰色關聯度法以及模糊評價法等;從評價指標體系而言，現有研究大多單一地從生物、化學等海洋表征直接對海洋生態狀況進行評價。

雖然目前國內對于海洋生態的研究已經較為豐富，但從宏觀上對我國海洋生態進行評價的研究相對缺乏;此外，從研究視角而言，現有研究較少從人類活動對海洋生態的影響角度對海洋生態進行評價。因此本文在借鑒前人研究的基礎上，從人類活動對海洋生態影響的視角構建海洋生態評價體系，從宏觀角度對我國沿海省份的海洋生態健康進行評價。

一、評價方法及數據來源

（一）海洋生態健康評價指標體系的構建

海洋作為自然生態系統，其健康與否一方面受到自然環境的影響;另一方面，伴隨著人類對海洋資源的開發，人類活動對海洋生態健康的影響作用已經遠遠超越了自然環境對海洋生態的影響。人類活動對海洋生態的影響主要表現為正負兩方面，即人類活動對海洋生態的破壞作用與人類活動對海洋生態的修復作用。本文從人類活動對海洋環境的正負影響兩個方面構建我國沿海省（市）海洋生態健康評價指標體系，見表1。

（二）評價方法的選擇

本文選用因子分析法對海洋生態健康狀況進行評價。因子分析的基本思想是把聯系比較緊密的變量歸為一類，而不同因子之間的相關性較低。同一類別的變量內，可以認為這些變量受到了某個共同因素的影響才彼此高度相關，這個共同因素就是公因子，它是潛在并且不可觀測的。因子分析實際就是通過降維將相關性較高的變量聚集在一起，進而降低變量數目和分析難度。因子分析的基本步驟如下：

1. 對數據進行標準化處理

2. 估計因子載荷矩陣

3. 因子分析的基本模型

4. 因子旋轉

當因子載荷矩陣A的結構不便于對主因子進行解釋時，可以用一個正交陣右乘A（即對A實施一個正交變換）。對A施行一個正交變換，對應坐標系就有一次旋轉，便于對因子的意義進行解釋。

5. 估計因子得分

用公共因子表示原變量的線性組合，進而得到因子得分函數。通過因子得分函數來計算各個公共因子上的得分，從而解決公共因子不能觀測的問題。

（三）數據來源

本文以遼寧省、河北省、天津市、山東省、江蘇省、上海市、浙江省、福建省、廣東省、廣西省、海南省11個沿海省份為研究對象。為了對最近的海洋生態健康狀況進行評價，本文選取了最新的數據，各指標數據來源于《中國海洋統計年鑒2016》。

二、基于因子分析法的我國海洋生態健康綜合評價

（一）數據標準化

由于指標體系中的指標單位與量綱不同，此外指標的正負屬性也存在差異，不能直接進行因子分析，因此首先對數據進行標準化處理。正向指標標準化：x′=x/xmax;負向指標標準化：x′=xmin/x。

（二）指標相關性檢驗

因子分析的前提是各變量之間有較強的相關關系，通過觀察初始變量的相關系數矩陣，多個變量間的相關系數大多在0.4以上，并且Sig普遍較小，表明這些變量之間存在較為顯著的相關性。此外從KMO檢驗和Bartlett球形檢驗中可以看出，KMO為0.712，大于0.5;并且Bartlett球形檢驗統計量的Sig為0.03小于0.05，再次驗證了各變量之間存在顯著的相關性。

（三）確定主成分變量及計算綜合得分

利用SPSS22.0對各變量進行因子分析，采用主成分法提取主成分。由表2矩陣的特征值和累計方差貢獻率可知，前三個公因子的解釋的累計方差已經達到了86.122%，即總體86.122%的信息可以由這三個公因子來解釋。說明這三個公因子已經包含了原有變量的大部分信息。從表3旋轉成分矩陣中可以看出旋轉后每個公因子的載荷分配，對于一個變量來說，載荷絕對值較大的因子與它的關系更為密切。由表3可得，第一個公因子（F1）在變量X2、X6、X7有較大載荷，表明F1與沿海港口國際標準集裝箱吞吐量、海洋科研從業人員數量、海洋科研機構經費投入有較強的相關性;第二個公因子（F2）在變量X3、X4、X8上有較大載荷，表明F2與國內旅游人數、規模以上生產用碼頭泊位個數、工業廢水排放總量有較強的相關性;第三個公因子（F3）在變量X1、X5、X9上有較大載荷，表明F3與沿海地區濕地總面積、沿海地區星級飯店數、污染治理項目建設情況有較強的相關性。觀察成分得分系數矩陣（表4）可以得到各因子的得分函數：

F1=0.103×X1-0.258×X2-0.138×X3+…-0.052×X9

F2=0.353×X1+0.151×X2+0.306×X3+…-0.058×X9

F3=0.552×X1+0.207×X2+0.220×X3+…+0.260×X9

通過將標準化的指標數據帶入因子得分函數中，得到各省份在三個因子上的得分，如表5所示。最后計算各省份海洋生態健康的綜合得分，對三個公因子進行加權求和，權數即為表2中旋轉載入平方和中的“方差的%”即三個公因子旋轉后的方差貢獻率依次為32.803%、28.412%和24.907%，各省份海洋生態健康綜合得分的計算公式為：

Z=F1×32.803%+F2×28.412%+F3×24.907%，最終得到各省份海洋生態健康綜合得分（見表5）。

從各省份的因子得分及綜合得分來看，因子F1位于前三位的省份為廣東省、山東省、天津市，位于后三位的省份為廣西省、河北省、海南省;因子F2位于前三位的得分為海南省、江蘇省、天津市，位于后三位的省份為浙江省、福建省和上海市;因子F3位于前三位的省份為江蘇省、廣東省、山東省，位于后三位的省份為天津市、上海市、海南省;綜合得分Z位于前三位的省份為江蘇省、廣東省、山東省，位于后三位的省份為福建省、河北省、浙江省。由此可見各省份在三個公因子得分上存在差異，每個省份都不同程度地存在短板。

最終利用因子得分對各省的海洋生態狀況進行劃分，由于學界尚缺乏統一的海洋生態健康評價標準，本文在結合相關文獻的基礎上將沿海各地區海洋生態健康劃分為4個等級：健康、較健康、不健康、病態，具體劃分見表6。其中健康省份為江蘇、廣東、山東;較健康省份為海南、天津;不健康狀態省份為遼寧、上海、廣西、浙江;病態省份為河北、福建。在11個省份中不健康與病態的省份占到了6個，海洋生態狀況不容樂觀;從空間上來看，各省份海洋生態健康的分布并未呈現出明顯南北分布格局。

三、結論與建議

文章利用因子分析法對我國沿海省份的海洋生態健康狀況進行評價。研究表明，各省份在三個公因子上的得分呈現出明顯的不均衡性，各省份在海洋生態健康方面不同程度地存在短板;從海洋生健康態狀況的分級來看，我國海洋生態健康狀況十分嚴峻;從空間分布來看，我國海洋生態健康狀況并未呈現出明顯的區域特征。由于影響各省份海洋生態健康的因素不同，所以各地區在保護海洋生態方面要因地制宜，在全面保護海洋生態的同時注意補短板。此外，對于那些海洋生態健康狀況較差的地區可以借鑒海洋生態狀況較好地區的經驗。

參考文獻：

[1]鐘慧琪，鮑姍姍，韓宇，楊璐，陳明茹，楊圣云，肖佳媚.福建羅源灣海灣生態系統脆弱性評價[J].應用海洋學學報，2017（01）.

[2]郗敏，仙旋旋，孔范龍，李悅，于雪.膠州灣濕地光灘和鹽沼土壤質量評價[J].濕地科學，2018（05）.

[3]杜元偉，周雯，秦曼，王銳.基于網絡分析法的海洋生態承載力評價及貢獻因素研究[J].海洋環境科學，2018（06）.

[4]鄭力燕，畢相東，宋倫，董少杰.基于熵值-突變級數法的環渤海地區海洋生態環境承載力評價及障礙因子診斷[J].海洋通報，2018（05）.

[5]李晴新，朱琳，陳中智.灰色系統法評價近海海洋生態系統健康[J].南開大學學報（自然科學版），2010（01）.

[6]陸志強，李吉鵬，章耕耘，馬麗.基于可變模糊評價模型的東山灣生態系統健康評價[J].生態學報，2015（14）.

[7]宋德彬，高志強，徐福祥，鄭翔宇，張華，胡曉珂，黃國培，章海波.渤海生態系統健康評價及對策研究[J].海洋科學，2017（05）.

[8]胡軍華，景琪.沿海城市海洋生態經濟系統健康評價[J].生態經濟，2018（10）.