基于PCR的全球平均气温研究
段晓鸣
【摘 要】 本文运用主成分回归的方法研究了全球平均气温与CO2,N2O,CFC.11,CFC.12,TSI,Aerosols六个自变量之间的关系,选取了自1983年5月到2008年12月的数据,得到了影响气温的主要因素及其大致的影响程度。
【关键词】 全球变暖 主成分 回归分析 PCR
1.引言
众所周知,全球变暖是威胁人类生存的一大问题,在过去几十年中,全球平均气温有所升高,全球变暖会导致海平面上升和极端天气频现等问题,影响人们的正常生活。本文运用PCR(主成分回归分析,是以主成分为自变量进行的回归分析)研究了全球平均气温与上述六个自变量的关系。
2.全球平均气温案例研究
2.1主成分分析
建立多元回归模型为,因变量为emp(全球平均气温与一个参考值之差),利用R软件得:
回归方程和系数均通过了拟合优度检验,但X2和X3的系数为负,CFCS(氟氯烃化合物)是具有强烈增温效应的温室气体,与因变量负相关与实际情况不符。猜测该回归模型具有较为严重的多重共线性。检验得K=2.015048e+20,有非常严重的多重共线性,对变量作主成分回归,
前四个主成分已达到99%的贡献率,考虑选择四个主成分作进一步的分析。
2.2建立修正后的回归模型
利用提取的四个主成分建立新的回归模型
上述结果得到的是响应变量与主成分的关系,应用起来不方便,做变换得到回归方程为:
2.3回归模型的检验与解释
调整后的R2为61%,拟合较好;F检验的p值接近于0,回归方程显著;在0.05的显著性水平下,各回归系数均可通过检验。
在其它条件不变的情况下,CO2含量每增加一个单位,平均气温平均上升0.03940850个单位,其他变量以此类推进行解释。
3.結论
本文运用PCR分析得出六个自变量对因变量均有显著影响,为防止进一步变暖,应严格控制污染物排放量,,改革能源结构,从根源上解决全球变暖问题,是我们每个人的责任。
【参考文献】
[1] 薛毅,陈立萍.统计建模与R软件[M].清华大学出版社,2007
[2] 左飞.R语言实战:机器学习与数据分析.电子工业出版社,2016
[3] 李倩星.R语言实战:编程基础、统计分析与数据挖掘宝典,2016
[4] 赵义军,张小轩,商梦娇.多元回归分析在温度预测中的应用及R实现.佳木斯大学学报(自然科学报),2016年11月第34卷第6期,P1020-P1025
[5] 尹楠.基于R语言的学生成绩统计的分析.信息与电脑,2014年3月,P153-P154