| 标题 | 基于经济发展水平的城市交通与空气质量分析 |
| 范文 | 李灵+吴丰润 摘要：本文针对城镇经济发展现状利用主成分分析研究城市交通与空气质量的整体情况。最后得到的结论是，城镇空气质量状况与经济、消费等因素密切相关，城市交通也因为经济发展不断恶化。因此经济是主导因素，在以后的发展中应该纵观所有，统筹兼顾，做到良好发展，共同繁荣。 关键词：城市交通空气质量主成分分析SPSS 一、背景 从1978年改革开放以来，一代又一代的领导人，都把发展生产力作为提升综合国力的首要因素，其效果也很显著。一代又一代的青年，前仆后继，响应国家的号召，创造着属于自己更是属于祖国的财富。然而，怎么都掩盖不了发展带来的灾难。以前的中国，是何等美丽的国度，而今，雾霾、地震、泥石流等各种事故接连不断，其中有不少都是因为发展经济造成的。在一些一线城市，经济发展早已不是问题，环境治理却成了主要任务。虽然政府早已觉察到却还是弥补不了已犯下的过失。然而，这样发展着的经济对人们的生活究竟造成了何种影响？作为首都的北京，又是为何经常性地被雾霾笼罩，交通事故也因此变得更加难以预料，我们因该如何应对？这些都是亟待解决的问题。 二、方法和数据 1.主成分分析法 本次研究用到的方法是主成分分析法。主成分分析的原理[1，2]是将多个变量通过线性变换适当降维后，去掉无关变量，再将其余变量按照贡献率从高到低重新组合成新的变量，以做到尽可能多地反映原来变量的信息的一种统计方法。主成分分析法主要具有以下两个优点[3]：（1）可消除评价指标之间的相关影响；（2）可减少指标选择的工作量。所以适合用于研究多变量问题。 2.数据搜集 本次研究数据均来自《中国统计年鉴2013》（网址:http://www.stats.gov.cn/tjsj/ndsj/2013/indexch.htm），是有关2012年我国各省份在城市交通和空气质量方面的一些直接或间接相关的数据，分别是城镇居民家庭平均每百户家用汽车数量(辆)、城镇居民家庭平均每百户家用汽车数量(标台)、城镇居民平均每人全年家庭可支配收入(元)、城镇居民家庭平均每人全年现金消费支出(元)、地区生产指数(上年=100)、省会城市废气中空气质量达到二级以上天数占全年比重(%)、省会城市废气中氮氧化物排放量(万吨)、各地区平均每起交通事故直接财产损失(元)。 三、数据处理 1.数据整理 因为原始数据是分散的，且未按规定排放，所以需要先将数据整理到SPSS中的数据视图中。数据整理将分以下步进行：（1）将所有数据依次载入到excel工作表中；（2）在变量视图中定义变量，并依次用x1,x2,…,x8代替原始变量；（3）将excel中的数据导入到数据视图中。 2.主成分分析过程 通过分析——降维——因子分析，依次将各个变量加入到变量中进行主成分分析，筛选出特征值大于1的每个主成分，依次得到描述统计量，相关系数矩阵，公因子方差，解释总方差，成分矩阵，成分得分系数矩阵以及成分得分协方差矩阵。 四、结果分析 1.变量及对应内容 x1:城镇居民家庭平均每百户家用汽车数量(辆) x2:每万人拥有公共交通车辆(标台) x3:城镇居民平均每人全年家庭可支配收入(元) x4:城镇居民家庭平均每人全年现金消费支出(元) x5:地区生产指数(上年=100) x6:省会城市废气中空气质量达到二级以上天数占全年比重(%) x7:省会城市废气中氮氧化物排放量(万吨) x8:各地区平均每起交通事故直接财产损失(元) 2.相关系数矩阵 在由主成分分析得到的相关系数矩阵中，我们可以得到以下结论： （1）省会城市废气中氮氧化物排放量与各地区平均每起交通事故直接财产损失呈现完全的正相关（=1）； （2）城镇居民平均每人全年家庭可支配收入与城镇居民家庭平均每人全年现金消费支出相关性也较强，几近完全正相关（0.95以上）； （3）省会城市废气中空气质量达到二级以上天数占全年比重与城镇居民平均每人全年家庭可支配收入和城镇居民家庭平均每人全年现金消费支出两种因素呈现的相关性都很低（0.05以下）； （4）其余各变量间相关程度普遍偏低。 3.解释总方差矩阵 在得到的解释总方差矩阵中，总共得到3个主成分，对应的特征值依次为3.742、1.734和1.361，依次的累计贡献值为46.777%、68.456%和85.468%,已经达到了总贡献率在80%—85%以上的要求。 4.主成分载荷矩阵 计算得到的主成分载荷矩阵如表1所示。 表1 主成分载荷矩阵 从成分载荷矩阵中我们可以看到，在第一主成分中绝对系数相对较高的有两项——城镇居民平均每人全年家庭可支配收入（x3）和城镇居民家庭平均每人全年现金消费支出(x4）；在第二主成分中，绝对系数相对较高的也有两个——省会城市废气中氮氧化物排放量（x7）和各地区平均每起交通事故直接财产损失（x8)；在第三主成分中，绝对系数相对较高的还是有两个——省会城市废气中空气质量达到二级以上天数占全年比重（x6）和每万人拥有公共交通车辆（x2）。 5.主成分分数系数矩阵 计算得到的主成分分数系数矩阵如表2所示。 表2 主成分分数系数矩阵 （1）计算得到每个主成分[4] 令ai表示每个特征向量（列项）（i=1,2,3），X=(x1,x2,…,x8)随机变量，Fi表示第i个主成分，则Fi=Xai。 （2）计算得到每个观测值在某主成分下的得分值输出如表3所示，并加黑标注出得分均为正数的几个城市。 表3 各大城市主成分得分矩阵 可见，重庆、河北、内蒙古、上海得分均为正，平均得分最高为上海。 6.结果分析 以上已经得出了各个主成分及其构成要素，附带各因素在相应主成分中所占的系数及比重，总结并得到以下结论： （1）从第一个主成分的构成情况我们可以看到，城镇居民的收入与支出是影响最大的因素。作为决定城镇交通状况与空气质量的主导因素，城镇经济发展带动其他各项水平发展，进而影响到人们的生活。人们的生活水平提高到一定程度，自然会有买车的想法，特别是在城镇的一些繁华地带。当人们普遍都买了车，自然会在一定程度上造成交通拥堵，既而引发一系列不可避免的交通事故。而且，私家车的不断增加，会使更多的汽车尾气排入空气中，引发一系列的空气污染，严重的时候会使雾霾天气大量增加。雾霾天更加难以避免交通事故，既而造成一定的财产损失。（2）由第二个主成分的构成情况我们可以看到，空气中氮氧化物的排放量虽然不是造成交通事故的直接原因，却与交通事故存在着不可忽视的联系。其实是显而易见的，在许多城市,汽车尾气早已成为大气污染的首要污染源，大气污染使能见度降低，会严重影响到行车安全。（3）由有第三个主成分的构成情况我们可以看到，现如今不断增加的城镇公交运营数也在一定程度上对空气质量造成了一定的影响，公交运营数越多，空气质量越差。（4）从总体得分情况来看，上海是交通与空气质量相对较好的一个城市。 五、总结 综上所述，就现今城镇经济发展的现状来看，一味地发展经济早就已经对城镇空气与交通状况造成了相当大的压力。所以在今后的发展中，虽然经济发展依然在首位，但应当多将发展经济与环境保护结合，真正做到城镇经济又好有快发展，以保证人民生活安定。为了城市的健康，更是为了人类的未来，人们应该尽量不用或少用私家车出行，多坐地铁，以保证绿色出行。 参考文献： [1]王保进.多变量分析——统计软件与数据分析【M】，北京大学出版社，2007.8. [2]宇传华.SPSS与统计分析，电子工业出版社[M]，2007.2. [3]李靖华.主成分分析用于多指标评价的方法研究[J]，管理工程学报,2002年(1). [4]郭显光.如何用SPSS 软件进行主成分分析,统计与信息论坛[J]，1998年(2).摘要：本文针对城镇经济发展现状利用主成分分析研究城市交通与空气质量的整体情况。最后得到的结论是，城镇空气质量状况与经济、消费等因素密切相关，城市交通也因为经济发展不断恶化。因此经济是主导因素，在以后的发展中应该纵观所有，统筹兼顾，做到良好发展，共同繁荣。 关键词：城市交通空气质量主成分分析SPSS 一、背景 从1978年改革开放以来，一代又一代的领导人，都把发展生产力作为提升综合国力的首要因素，其效果也很显著。一代又一代的青年，前仆后继，响应国家的号召，创造着属于自己更是属于祖国的财富。然而，怎么都掩盖不了发展带来的灾难。以前的中国，是何等美丽的国度，而今，雾霾、地震、泥石流等各种事故接连不断，其中有不少都是因为发展经济造成的。在一些一线城市，经济发展早已不是问题，环境治理却成了主要任务。虽然政府早已觉察到却还是弥补不了已犯下的过失。然而，这样发展着的经济对人们的生活究竟造成了何种影响？作为首都的北京，又是为何经常性地被雾霾笼罩，交通事故也因此变得更加难以预料，我们因该如何应对？这些都是亟待解决的问题。 二、方法和数据 1.主成分分析法 本次研究用到的方法是主成分分析法。主成分分析的原理[1，2]是将多个变量通过线性变换适当降维后，去掉无关变量，再将其余变量按照贡献率从高到低重新组合成新的变量，以做到尽可能多地反映原来变量的信息的一种统计方法。主成分分析法主要具有以下两个优点[3]：（1）可消除评价指标之间的相关影响；（2）可减少指标选择的工作量。所以适合用于研究多变量问题。 2.数据搜集 本次研究数据均来自《中国统计年鉴2013》（网址:http://www.stats.gov.cn/tjsj/ndsj/2013/indexch.htm），是有关2012年我国各省份在城市交通和空气质量方面的一些直接或间接相关的数据，分别是城镇居民家庭平均每百户家用汽车数量(辆)、城镇居民家庭平均每百户家用汽车数量(标台)、城镇居民平均每人全年家庭可支配收入(元)、城镇居民家庭平均每人全年现金消费支出(元)、地区生产指数(上年=100)、省会城市废气中空气质量达到二级以上天数占全年比重(%)、省会城市废气中氮氧化物排放量(万吨)、各地区平均每起交通事故直接财产损失(元)。 三、数据处理 1.数据整理 因为原始数据是分散的，且未按规定排放，所以需要先将数据整理到SPSS中的数据视图中。数据整理将分以下步进行：（1）将所有数据依次载入到excel工作表中；（2）在变量视图中定义变量，并依次用x1,x2,…,x8代替原始变量；（3）将excel中的数据导入到数据视图中。 2.主成分分析过程 通过分析——降维——因子分析，依次将各个变量加入到变量中进行主成分分析，筛选出特征值大于1的每个主成分，依次得到描述统计量，相关系数矩阵，公因子方差，解释总方差，成分矩阵，成分得分系数矩阵以及成分得分协方差矩阵。 四、结果分析 1.变量及对应内容 x1:城镇居民家庭平均每百户家用汽车数量(辆) x2:每万人拥有公共交通车辆(标台) x3:城镇居民平均每人全年家庭可支配收入(元) x4:城镇居民家庭平均每人全年现金消费支出(元) x5:地区生产指数(上年=100) x6:省会城市废气中空气质量达到二级以上天数占全年比重(%) x7:省会城市废气中氮氧化物排放量(万吨) x8:各地区平均每起交通事故直接财产损失(元) 2.相关系数矩阵 在由主成分分析得到的相关系数矩阵中，我们可以得到以下结论： （1）省会城市废气中氮氧化物排放量与各地区平均每起交通事故直接财产损失呈现完全的正相关（=1）； （2）城镇居民平均每人全年家庭可支配收入与城镇居民家庭平均每人全年现金消费支出相关性也较强，几近完全正相关（0.95以上）； （3）省会城市废气中空气质量达到二级以上天数占全年比重与城镇居民平均每人全年家庭可支配收入和城镇居民家庭平均每人全年现金消费支出两种因素呈现的相关性都很低（0.05以下）； （4）其余各变量间相关程度普遍偏低。 3.解释总方差矩阵 在得到的解释总方差矩阵中，总共得到3个主成分，对应的特征值依次为3.742、1.734和1.361，依次的累计贡献值为46.777%、68.456%和85.468%,已经达到了总贡献率在80%—85%以上的要求。 4.主成分载荷矩阵 计算得到的主成分载荷矩阵如表1所示。 表1 主成分载荷矩阵 从成分载荷矩阵中我们可以看到，在第一主成分中绝对系数相对较高的有两项——城镇居民平均每人全年家庭可支配收入（x3）和城镇居民家庭平均每人全年现金消费支出(x4）；在第二主成分中，绝对系数相对较高的也有两个——省会城市废气中氮氧化物排放量（x7）和各地区平均每起交通事故直接财产损失（x8)；在第三主成分中，绝对系数相对较高的还是有两个——省会城市废气中空气质量达到二级以上天数占全年比重（x6）和每万人拥有公共交通车辆（x2）。 5.主成分分数系数矩阵 计算得到的主成分分数系数矩阵如表2所示。 表2 主成分分数系数矩阵 （1）计算得到每个主成分[4] 令ai表示每个特征向量（列项）（i=1,2,3），X=(x1,x2,…,x8)随机变量，Fi表示第i个主成分，则Fi=Xai。 （2）计算得到每个观测值在某主成分下的得分值输出如表3所示，并加黑标注出得分均为正数的几个城市。 表3 各大城市主成分得分矩阵 可见，重庆、河北、内蒙古、上海得分均为正，平均得分最高为上海。 6.结果分析 以上已经得出了各个主成分及其构成要素，附带各因素在相应主成分中所占的系数及比重，总结并得到以下结论： （1）从第一个主成分的构成情况我们可以看到，城镇居民的收入与支出是影响最大的因素。作为决定城镇交通状况与空气质量的主导因素，城镇经济发展带动其他各项水平发展，进而影响到人们的生活。人们的生活水平提高到一定程度，自然会有买车的想法，特别是在城镇的一些繁华地带。当人们普遍都买了车，自然会在一定程度上造成交通拥堵，既而引发一系列不可避免的交通事故。而且，私家车的不断增加，会使更多的汽车尾气排入空气中，引发一系列的空气污染，严重的时候会使雾霾天气大量增加。雾霾天更加难以避免交通事故，既而造成一定的财产损失。（2）由第二个主成分的构成情况我们可以看到，空气中氮氧化物的排放量虽然不是造成交通事故的直接原因，却与交通事故存在着不可忽视的联系。其实是显而易见的，在许多城市,汽车尾气早已成为大气污染的首要污染源，大气污染使能见度降低，会严重影响到行车安全。（3）由有第三个主成分的构成情况我们可以看到，现如今不断增加的城镇公交运营数也在一定程度上对空气质量造成了一定的影响，公交运营数越多，空气质量越差。（4）从总体得分情况来看，上海是交通与空气质量相对较好的一个城市。 五、总结 综上所述，就现今城镇经济发展的现状来看，一味地发展经济早就已经对城镇空气与交通状况造成了相当大的压力。所以在今后的发展中，虽然经济发展依然在首位，但应当多将发展经济与环境保护结合，真正做到城镇经济又好有快发展，以保证人民生活安定。为了城市的健康，更是为了人类的未来，人们应该尽量不用或少用私家车出行，多坐地铁，以保证绿色出行。 参考文献： [1]王保进.多变量分析——统计软件与数据分析【M】，北京大学出版社，2007.8. [2]宇传华.SPSS与统计分析，电子工业出版社[M]，2007.2. [3]李靖华.主成分分析用于多指标评价的方法研究[J]，管理工程学报,2002年(1). [4]郭显光.如何用SPSS 软件进行主成分分析,统计与信息论坛[J]，1998年(2).摘要：本文针对城镇经济发展现状利用主成分分析研究城市交通与空气质量的整体情况。最后得到的结论是，城镇空气质量状况与经济、消费等因素密切相关，城市交通也因为经济发展不断恶化。因此经济是主导因素，在以后的发展中应该纵观所有，统筹兼顾，做到良好发展，共同繁荣。 关键词：城市交通空气质量主成分分析SPSS 一、背景 从1978年改革开放以来，一代又一代的领导人，都把发展生产力作为提升综合国力的首要因素，其效果也很显著。一代又一代的青年，前仆后继，响应国家的号召，创造着属于自己更是属于祖国的财富。然而，怎么都掩盖不了发展带来的灾难。以前的中国，是何等美丽的国度，而今，雾霾、地震、泥石流等各种事故接连不断，其中有不少都是因为发展经济造成的。在一些一线城市，经济发展早已不是问题，环境治理却成了主要任务。虽然政府早已觉察到却还是弥补不了已犯下的过失。然而，这样发展着的经济对人们的生活究竟造成了何种影响？作为首都的北京，又是为何经常性地被雾霾笼罩，交通事故也因此变得更加难以预料，我们因该如何应对？这些都是亟待解决的问题。 二、方法和数据 1.主成分分析法 本次研究用到的方法是主成分分析法。主成分分析的原理[1，2]是将多个变量通过线性变换适当降维后，去掉无关变量，再将其余变量按照贡献率从高到低重新组合成新的变量，以做到尽可能多地反映原来变量的信息的一种统计方法。主成分分析法主要具有以下两个优点[3]：（1）可消除评价指标之间的相关影响；（2）可减少指标选择的工作量。所以适合用于研究多变量问题。 2.数据搜集 本次研究数据均来自《中国统计年鉴2013》（网址:http://www.stats.gov.cn/tjsj/ndsj/2013/indexch.htm），是有关2012年我国各省份在城市交通和空气质量方面的一些直接或间接相关的数据，分别是城镇居民家庭平均每百户家用汽车数量(辆)、城镇居民家庭平均每百户家用汽车数量(标台)、城镇居民平均每人全年家庭可支配收入(元)、城镇居民家庭平均每人全年现金消费支出(元)、地区生产指数(上年=100)、省会城市废气中空气质量达到二级以上天数占全年比重(%)、省会城市废气中氮氧化物排放量(万吨)、各地区平均每起交通事故直接财产损失(元)。 三、数据处理 1.数据整理 因为原始数据是分散的，且未按规定排放，所以需要先将数据整理到SPSS中的数据视图中。数据整理将分以下步进行：（1）将所有数据依次载入到excel工作表中；（2）在变量视图中定义变量，并依次用x1,x2,…,x8代替原始变量；（3）将excel中的数据导入到数据视图中。 2.主成分分析过程 通过分析——降维——因子分析，依次将各个变量加入到变量中进行主成分分析，筛选出特征值大于1的每个主成分，依次得到描述统计量，相关系数矩阵，公因子方差，解释总方差，成分矩阵，成分得分系数矩阵以及成分得分协方差矩阵。 四、结果分析 1.变量及对应内容 x1:城镇居民家庭平均每百户家用汽车数量(辆) x2:每万人拥有公共交通车辆(标台) x3:城镇居民平均每人全年家庭可支配收入(元) x4:城镇居民家庭平均每人全年现金消费支出(元) x5:地区生产指数(上年=100) x6:省会城市废气中空气质量达到二级以上天数占全年比重(%) x7:省会城市废气中氮氧化物排放量(万吨) x8:各地区平均每起交通事故直接财产损失(元) 2.相关系数矩阵 在由主成分分析得到的相关系数矩阵中，我们可以得到以下结论： （1）省会城市废气中氮氧化物排放量与各地区平均每起交通事故直接财产损失呈现完全的正相关（=1）； （2）城镇居民平均每人全年家庭可支配收入与城镇居民家庭平均每人全年现金消费支出相关性也较强，几近完全正相关（0.95以上）； （3）省会城市废气中空气质量达到二级以上天数占全年比重与城镇居民平均每人全年家庭可支配收入和城镇居民家庭平均每人全年现金消费支出两种因素呈现的相关性都很低（0.05以下）； （4）其余各变量间相关程度普遍偏低。 3.解释总方差矩阵 在得到的解释总方差矩阵中，总共得到3个主成分，对应的特征值依次为3.742、1.734和1.361，依次的累计贡献值为46.777%、68.456%和85.468%,已经达到了总贡献率在80%—85%以上的要求。 4.主成分载荷矩阵 计算得到的主成分载荷矩阵如表1所示。 表1 主成分载荷矩阵 从成分载荷矩阵中我们可以看到，在第一主成分中绝对系数相对较高的有两项——城镇居民平均每人全年家庭可支配收入（x3）和城镇居民家庭平均每人全年现金消费支出(x4）；在第二主成分中，绝对系数相对较高的也有两个——省会城市废气中氮氧化物排放量（x7）和各地区平均每起交通事故直接财产损失（x8)；在第三主成分中，绝对系数相对较高的还是有两个——省会城市废气中空气质量达到二级以上天数占全年比重（x6）和每万人拥有公共交通车辆（x2）。 5.主成分分数系数矩阵 计算得到的主成分分数系数矩阵如表2所示。 表2 主成分分数系数矩阵 （1）计算得到每个主成分[4] 令ai表示每个特征向量（列项）（i=1,2,3），X=(x1,x2,…,x8)随机变量，Fi表示第i个主成分，则Fi=Xai。 （2）计算得到每个观测值在某主成分下的得分值输出如表3所示，并加黑标注出得分均为正数的几个城市。 表3 各大城市主成分得分矩阵 可见，重庆、河北、内蒙古、上海得分均为正，平均得分最高为上海。 6.结果分析 以上已经得出了各个主成分及其构成要素，附带各因素在相应主成分中所占的系数及比重，总结并得到以下结论： （1）从第一个主成分的构成情况我们可以看到，城镇居民的收入与支出是影响最大的因素。作为决定城镇交通状况与空气质量的主导因素，城镇经济发展带动其他各项水平发展，进而影响到人们的生活。人们的生活水平提高到一定程度，自然会有买车的想法，特别是在城镇的一些繁华地带。当人们普遍都买了车，自然会在一定程度上造成交通拥堵，既而引发一系列不可避免的交通事故。而且，私家车的不断增加，会使更多的汽车尾气排入空气中，引发一系列的空气污染，严重的时候会使雾霾天气大量增加。雾霾天更加难以避免交通事故，既而造成一定的财产损失。（2）由第二个主成分的构成情况我们可以看到，空气中氮氧化物的排放量虽然不是造成交通事故的直接原因，却与交通事故存在着不可忽视的联系。其实是显而易见的，在许多城市,汽车尾气早已成为大气污染的首要污染源，大气污染使能见度降低，会严重影响到行车安全。（3）由有第三个主成分的构成情况我们可以看到，现如今不断增加的城镇公交运营数也在一定程度上对空气质量造成了一定的影响，公交运营数越多，空气质量越差。（4）从总体得分情况来看，上海是交通与空气质量相对较好的一个城市。 五、总结 综上所述，就现今城镇经济发展的现状来看，一味地发展经济早就已经对城镇空气与交通状况造成了相当大的压力。所以在今后的发展中，虽然经济发展依然在首位，但应当多将发展经济与环境保护结合，真正做到城镇经济又好有快发展，以保证人民生活安定。为了城市的健康，更是为了人类的未来，人们应该尽量不用或少用私家车出行，多坐地铁，以保证绿色出行。 参考文献： [1]王保进.多变量分析——统计软件与数据分析【M】，北京大学出版社，2007.8. [2]宇传华.SPSS与统计分析，电子工业出版社[M]，2007.2. [3]李靖华.主成分分析用于多指标评价的方法研究[J]，管理工程学报,2002年(1). [4]郭显光.如何用SPSS 软件进行主成分分析,统计与信息论坛[J]，1998年(2). |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。