基于因子分析的安徽省环境污染特征评价

陈 鼎，武以敏，余秋菊

(宿州学院 数学与统计学院，安徽 宿州 234000)

0 引言

随着社会经济不断发展，我国各地区都面临环境污染问题.安徽省濒江近海，处于全国经济发展的战略要冲和国内几大经济板块的对接地带，下辖16个地级市，其中包括黄山市、安庆市等旅游景点城市，淮北市、淮南市等煤炭能源城市，马鞍山市、铜陵市等矿产资源城市.安徽省也是我国加工制造业的重要基地，其中合肥市的江淮汽车、芜湖市的奇瑞汽车在全国的汽车制造行业中占有重要地位.安徽省各地区经济发展呈现多元化趋势，各地区的环境污染情况不尽相同.在此背景下，对安徽省环境污染特征进行评价成为重要课题.

崔江龙等[1]利用因子分析法研究了山东省17个地市污染情况并结合实际经济与社会情况对结果进行解释.孙宁[2]采用因子分析和聚类分析的方法对我国各地区的工业及生活排放污染物指标进行分析，发现了环境污染的主要因素.秦炳涛、葛力铭[3]运用主成分分析法和聚类分析法对我国各区域的工业经济发展和环境污染进行分析.陈红、王霞[4]运用主成分分析和聚类分析对黑龙江省13个地市的经济发展和环境污染状况进行计量分析.漆勇方[5]通过主成分分析法对我国环境污染状况进行了总体比较和评价.白静盼[6]运用主成分分析和聚类分析对中国大气污染状况进行分析，将我国31个城市进行了合理的归类.本文基于因子分析法，按照环境污染综合得分，将安徽省16个地级市划分为不同类别，根据不同类别的污染特征，并结合各地市实际情况提出科学合理的对策和建议.

1 指标选取与数据来源

为了更好地反映各地区的环境污染特征，构建科学的指标评价体系，本文从工业“三废”、生活“三废”和城市空气质量等三个角度出发，选取了11个指标，如表1所示.

本文以安徽省16个地级市为研究对象，相关数据来源于《安徽省统计年鉴》(2018)和《安徽省生态环境厅环境质量年报》(2017).

2 指标选取与数据来源

2.1 KMO检验和Bartlett球形检验

因子分析在使用前需要检验变量间是否存在相关性，因此使用KMO检验和Bartlett球形检验对变量进行检验.KMO统计量的值越高，变量间的相关性越强，因子分析效果会越好.一般地，KMO统计量的值小于0.5不适合做因子分析，KMO统计量的值大于0.5即可做因子分析.本文KMO统计量的值为0.559，适合做因子分析.同时，从Bartlett的球形度检验可以看出变量间存在相关性.KMO检验和Bartlett球形检验结果，如表2所示.

表1 环境污染特征指标选取

表2 KMO检验和Bartlett球形检验

2.2 环境污染的因子分析

2.2.1 提取因子

本文对变量进行标准化处理，求得相关矩阵.通过相关矩阵计算得到因子分析结果，如表3所示.

由表3可知，前4个特征值分别为4.298、2.535、1.678和0.916，且前4个因子累计方差贡献率为85.589%.总体上，原有变量的信息丢失较少，可以得到较理想的因子分析结果.

表3 因子分析结果

2.2.2 因子命名

通过方差最大法对因子载荷矩阵进行正交旋转，得到旋转因子载荷矩阵，更利于解释各因子.旋转因子载荷矩阵，如表4所示.

由表4可知，第一因子主要在工业废水排放总量、工业废气排放总量、一般工业固体废物产生量这三个指标上存在显著载荷，命名为工业污染因子；第二因子主要在生活垃圾清运量、城市污水排放量、NO2年平均浓度这三个指标上存在显著载荷，命名为城市生活污染因子；第三因子主要在PM10年平均浓度、PM2.5年平均浓度、O3日最大8小时第90百分位浓度这三个指标上存在显著载荷，命名为空气污染因子；第四因子主要在SO2年平均浓度、CO日均值第95百分位浓度这两个指标上存在显著载荷，命名为有害气体污染因子.

2.2.3 计算因子得分

通过回归法估计因子得分系数，计算得到得分系数矩阵，如表5所示.

由表5可知，各公共因子的得分函数如下：

F1=0.383X1+0.305X2+…-0.148X11

F2=0.015X1-0.049X2+…+0.014X11

F3=-0.103X1-0.148X2+…+0.432X11

F4=-0.082X1+0.159X2+…-0.003X11

为了综合判断各地级市的污染情况，将四个因子的贡献率作为权数，加权得到综合得分F，即：

F=0.250 66F1+0.233 31F2+0.218 68F3+0.153 25F4

表4 旋转因子载荷矩阵

表5 得分系数矩阵

计算出各地级市的综合得分，结果见表6.

将安徽省16个地级市的环境污染情况分为四类，第一类是F值大于等于0.3的城市，分别为合肥市、马鞍山市、铜陵市和芜湖市；第二类是F值从0到0.3的城市，分别为淮南市、淮北市、亳州市、宿州市、阜阳市、蚌埠市；第三类是F值从-0.5到0的城市，分别为滁州市、池州市、安庆市、宣城市、六安市；第四类的F值为-1.31，为黄山市.

表6 各地区环境污染得分

3 结论及建议

本文通过选取代表环境污染特征的11个指标，运用因子分析法计算综合得分，将安徽省16个地级市划分为四类地区，并对每个地区的污染现状进行分析，为今后的发展提出有效的对策和建议.

第一类地区是环境污染严重的城市.其中合肥市和芜湖市的主要污染特征是城市生活污染，经济发达、城市人口众多是污染严重的主要原因.马鞍山市又名钢城，典型的工业城市，其主要污染特征是工业污染.铜陵市别名铜都，开采铜矿会产生大量的一氧化碳和硫性气体，其主要污染特征是有害气体污染.这类城市在发展的同时，需要督促企业引进先进的污染治理技术，落实环境保护政策.

第二类地区是环境污染较严重的城市.这类城市是经济相对落后的皖北地区，其主要污染特征是空气污染因子.其受地理环境的制约，大部分地区经济发展水平较低，且大多数为煤炭能源城市，产业结构较为单一.这类城市需调整产业结构，发展新型产业来促进经济的发展，以减少环境污染.

第三类地区是环境状况较好的城市.这类城市是综合污染指数较低，环境质量较好的地区.该类地区的大部分城市有著名的旅游景点，为促进经济稳定发展，控制环境污染，可围绕旅游业大力发展第三产业.

第四类地区是环境状况好的城市——黄山市.黄山市有独特的地理位置，拥有着优越的自然条件，蕴含着丰富的森林资源，并且有着许多著名的风景胜地.黄山市的经济发展要始终践行“绿水青山就是金山银山”的发展理念，继续保护好黄山市的生态资源.