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