基于多元回归分析的国内主要城市废水排放情况及预测

何学成 ，万 语

(1.宣城职业技术学院 信息与财经学院, 安徽 宣城 242000；2. 安徽建筑大学 数理学院, 合肥 230601)

0 引 言

自20世纪80年代以来，工业改革等技术革命带来城市化率和工业化率不断提高。随着工业化水平的快速提高，国民经济总量持续增长，进入了快速增长阶段。[1-3]然而，科技和进步是一把“双刃剑”，一方面，国家急剧工业化的状态也给生态带来了巨大的影响，主要以资源和环境的压力最为突出，工业能源消费所造成的废水排放已经严重影响一个城市甚至整个国家的生态环境，无数水产植物，水生动物的生长环境被破坏，这给国家经济带来了不小的伤害。[4-6]另一方面，城市化率的提高，国家人口总数持续增加，城市用水人口增加导致全国主要城市废水排放量急剧上升。[7]

因此，研究影响全国主要城市废水排放情况具有重要的环保意义，相对应的处理废水的措施在研究课题后提出的建议也将变得更加合理规范。同时，对于废水排放量的合理预测是不可缺少的一环。这使得未来的治理废水项目投资更加具有针对性和规划性。[8-10]

1 国内现状

1.1 2007—2017年全国废水排放情况

2010年之前全国废水排放总量相对平稳在450000万吨左右。自2010年下半年起，污水排放总量正在逐年增加，并以一种线性趋势不断上升。全国GDP总量11年的变化，可以观察到GDP总量在2010年之前总体也较平稳，自2010年下半年开始也呈线性上升趋势。由此可见，全国废水排放总量与全国GDP总量之间有相互关联，需进一步建立模型来分析。[11-13]

1.2 2007—2017年各地区废水排放量

2007年至2017年，全国各地区废水排放量见表1。结合各地区10年来总排放量之比，华东地区占全国废水排放量39%，占比最多。导致不同地区总排放量不同的原因有地区GDP总量，地区经济开发水平，地区工业能源消费等。总的来看，2007—2017年来这些地区的废水排放量呈现增长趋势。

表1 2007年—2017年全国各地区废水排放量 万吨

2 回归数学模型及分析

回归分析是研究一个因变量与一个或多个自变量之间的线性或非线性关系的一种统计分析方法。本文建立回归模型，并根据实测数据来估计模型的各个参数，然后，评价回归模型是否能够很好的拟合实测数据，并可以根据自变量来进一步预测。

回归分析方法理论成熟，它可以确定变量之间的定量关系并进行相应的预测，从而，反应统计变量之间数量变化的规律，为研究者准确把握自变量和因变量的影响程度和方向提供有效方法，在经济、金融、社会科学等方面都具有广泛的应用。[14-16]

先运用一元线性回归分析全国GDP总量、全国工业能源消费(万吨标准煤)、全国主要城市人口总数(户)、全国年度治理废水项目投资(万元)对全国主要城市废水排放总量(万吨)的影响是否显著。一元线性回归模型,是分析两个变量之间相互关系的数学方程式，其一般表达式为：

y=α+βx,

其中,y表示因变量的估计值,x表示自变量,α,β称为回归模型的待定参数,其中β又称为回归系数。上述的回归方程式在平面坐标系中表现为一条直线，即回归直线。当β>0时，y随x的增加而增加, 两变量之间为正相关关系;当β<0时，y随x的增加而减少,两变量之间为负相关关系。这样就为判断现象之间的关系,分析现象之间是否处于正常状态提供了一条标准。

2.1 对全国GDP总量指标进行一元回归分析

由表2“全国主要城市废水排放总量与全国GDP总量相关性”可以得到Pearson相关系数为0.919，两者之间存在正相关关系，“模型拟合度”=0.919，拟合度相对较高，可以得出用线性回归模型拟合这两个变量之间的关系是较好的选择。

由表3得回归系数为3.092，sig<0.001，证明GDP总量对全国主要城市废水排放总量有正向显著性影响。设全国GDP总量为自变量x1，全国主要城市废水排放总量(万吨)为因变量y，可写出因变量与自变量之间的线性回归方程为y=3.092x1+3696691.003。

表2 全国主要城市废水排放总量与全国GDP总量相关性 万吨

表3 回归系数

2.2 对全国主要城市人口总数(户)指标进行一元回归分析

由表4得到Pearson相关系数为-0.285，两者之间具备负相关关系。又由于显著性sig=0.396，所以不具备显著性。所以用线性回归分析全国主要城市人口总数(户)与全国主要城市废水排放量这两个变量之间的关系不合适。

由表5可以得到：回归系数常量为21634792.277，显著性为0.267，大于0.05，说明常数项不显著。回归系数为-53.403，显著性大于0.05，不具备显著性，说明全国主要城市人口总数对全国主要城市废水排放总量不存在显著正向影响。

表4 全国主要城市废水排放总量与全国主要城市人口总数相关性表 万吨

表5 回归系数

2.3 对四个指标建立多元线性回归模型及分析

多元回归分析是研究多个变量之间关系的回归分析方法。下列主要介绍多元线性回归分析。

线性回归分析是一个基本的回归分析方法，线性回归数学模型如下公式：

y=α+β1x1+β2x2+···+βnxn

接下来，对以上数据各个变量建立一个回归模型，得到回归拟合数据表, 见表6。

表6 回归拟合数据表

最后，得出回归拟合结果如下：GDP总量=1.464*全国工业能源消费+0.688*全国主要城市人口总数+ 0.036*全国主要城市废水排放总量-0.684*全国治理废水项目投资-47980.714。

3 相关性分析

3.1 选取指标

选用 4个不同的指标表示影响废水排放的因素：x1—全国GDP总量;x2—全国工业能源消费(万吨标准煤);x3—全国主要城市人口总数(户);x4—全国治理废水项目投资(万元)。

3.2 进行分析

首先运用SPSS软件计算出这 4个指标与全国废水排放总量(万吨)之间的相关性并绘制这4个指标与全国废水排放总量(万吨)之间相关系数矩阵，这些相关系数反映了影响这4个影响废水排放因素对全国废水排放总量(万吨)的影响力。

从表7数据显示可以看出：有2个指标与全国废水排放总量(万吨)之间呈正相关, 特别是全国工业能源消费(万吨标准煤)和全国GDP总量对废水排放呈较强的正相关,对全国废水排放总量的影响力最大是全国工业能源消费，全国GDP总量对其的影响其次。全国治理废水项目投资(万元)和全国主要城市人口总数(户)对废水排放总量影响力为负相关。

由表7数据表明4个影响全国废水排放总量(万吨)的因素之间存在着一定的内部关系, 这4个指标之间有正相关也有负相关, 其中全国GDP总量与全国工业能源消费(万吨标准煤)之间呈较强的正相关, 全国治理废水项目投资(万元)与其他3个指标之间呈较强的负相关，这表明这些因素之间的关系很密切。

表7 影响废水排放因素指标的相关系数矩阵

用SPSS软件拟合2007—2017年全国主要城市废水排放总量(万吨)数据，并进行之后3年的数据预测，预测后的数据见图1所示。根据预测后的指标显示未来3年全国废水排放量将持续上升，废水排放处理项目实施迫在眉睫，相关单位和政府应当制定相关政策治理废水。

图1 数据预测图

4 结论与展望

根据上文分析综合，全国工业能源消费(万吨标准煤)是对全国主要城市废水排放量(万吨)影响很大的因素之一。随着工业化水平的提高，城市人口的增加，这一进步带来的影响也在增加。一方面使居民用水增加导致废水排放量上升, 另一方面导致工业生产规模扩大使工业能源消费用水排水增加。

所以，减少废水排放量一方面要从工业生产入手，运用科技手段，提高工业能源的利用率，减少浪费。国家生产总值对废水排放量的影响性是正相关，但是影响力较小。发达地域的总废水排放量很大，可是，这些地域的废水管理项目投资也很多，废水的处理率也高；另一方面就是从废水治理项目投资入手，向废水排放量大的地区加大项目投资，有针对性的治理。地方政府应下达各地区了解真正影响到该地区废水排放增加的原因是什么，并聘请废水治理的专家或环保专家，从源头上治理废水，做到因地制宜。