解蕾

（運城師范高等?？茖W(xué)校，山西運城044000）

用SPSS實現(xiàn)對太原市PM2.5區(qū)域變化特征和影響因素的分析

解蕾

（運城師范高等專科學(xué)校，山西運城044000）

SPSS是一個集數(shù)據(jù)整理和數(shù)據(jù)分析功能于一體的統(tǒng)計軟件，與EXCEL比較，SPSS能夠處理的數(shù)據(jù)量更大，數(shù)據(jù)分析和統(tǒng)計的功能更多，數(shù)據(jù)處理的結(jié)果更加精準(zhǔn)。本文主要通過“用SPSS實現(xiàn)對太原市PM2.5區(qū)域變化特征和影響因素的分析”的具體實例，按照“統(tǒng)計需求——SPSS操作方法——結(jié)論分析”的模式，對實用統(tǒng)計功能的SPSS實現(xiàn)方法進(jìn)行介紹，以便使讀者能夠有效在理解SPSS的各統(tǒng)計基本操作，掌握利用SPSS解決實際問題的方法和技能。

SPSS；PM2.5；區(qū)域變化特征；影響因素

一、分析PM2.5變化特征的意義

PM2.5是指大氣中直徑小于或等于2.5微米的顆粒物，也稱為可入肺顆粒物，是空氣污染的主要指標(biāo)。PM2. 5粒子小，富含大量的有毒有害物質(zhì)，且在大氣中停留時間長，輸送距離遠(yuǎn)，對人體的健康影響很大，也是霧霾天氣形成的主要原因。PM2．5的來源及化學(xué)組成均非常復(fù)雜，除了有自然與人為的一次排放之外，還包括由大氣中氣態(tài)污染物的二次化學(xué)合成，所以研究PM2.5的變化特征和探索大氣中各類氣態(tài)污染物對PM2.5的二次合成貢獻(xiàn)的大小，對于跟蹤污染源，以及城市的環(huán)境治理具有重要的參考價值。

近年來有許多研究對PM2.5的時空變化特征進(jìn)行了分析，但因為監(jiān)測的數(shù)據(jù)量比較大，使用傳統(tǒng)的人工統(tǒng)計分析的方法容易導(dǎo)致研究結(jié)果的偏差。本研究數(shù)據(jù)的來源是國家環(huán)境保護(hù)部每小時的實報數(shù)據(jù)，數(shù)據(jù)詳細(xì)可靠，數(shù)據(jù)量也比較大，使用SPSS軟件進(jìn)行分析更加符合大量數(shù)據(jù)分析的需求。本文采用SPSS對太原市2014年3月份PM2.5的數(shù)據(jù)進(jìn)行分析，從而得出PM2.5區(qū)域變化特征，并通過SPSS提供的相關(guān)性和回歸分析研究其他大氣污染物對PM2.5的影響。

二、數(shù)據(jù)文件的建立

1.數(shù)據(jù)信息

本研究主要是對太原市2014年3月份PM2.5及其他污染指標(biāo)的統(tǒng)計分析。監(jiān)測點設(shè)置在尖草坪、澗河、金勝、晉源、南寨、上蘭、桃園、塢城、小店9處。本研究的數(shù)據(jù)來源于國家環(huán)保部網(wǎng)站，通過silverlight編寫接口程序，通過服務(wù)器動態(tài)獲取其網(wǎng)站所發(fā)布的太原市9個空氣質(zhì)量監(jiān)測點位的日報和時報數(shù)據(jù)，數(shù)據(jù)變量包括監(jiān)測時間、檢測點位、SO2、NO2、O3、CO、PM10、PM2.5每小時的濃度平均值，共計8個指標(biāo)。

2.SPSS操作方法

通過SPSS導(dǎo)入EXCEL數(shù)據(jù)表，單擊數(shù)據(jù)窗口左下方的VariableView標(biāo)簽，進(jìn)入變量定義視圖窗口，將空氣質(zhì)量等級建立值標(biāo)簽，在DataView數(shù)據(jù)視圖中，執(zhí)行Data——SortCases命令，按照position進(jìn)行升序排序。對于缺失和無效數(shù)據(jù)通過數(shù)據(jù)的選擇功能直接刪除。最終到的數(shù)據(jù)表如圖1。

三、基本描述性統(tǒng)計分析

1.分析需求

利用描述統(tǒng)計過程對太原市2014年3月份各污染指標(biāo)的一般統(tǒng)計量進(jìn)行計算，主要包括觀測量的數(shù)量、PM2.5最小值、PM2.5最大值、月均值和標(biāo)準(zhǔn)偏差。

2.SPSS操作方法

執(zhí)行Analyze——DescriptiveStatistic——Descriptive命令，在彈出的Descriptives對話框中選擇變量"PM2.5"到Variable[s]欄中，選擇Savestandardizedvalueasvariables選項，單擊OK按鈕。

在結(jié)果輸出窗口中，可得到如表1所示的執(zhí)行結(jié)果：

表1

從表1中可以看到，3月份PM2.5的月均值為55.57ug/m3,最大值為269ug/m3，最小值為4ug/m3。

四、各監(jiān)測區(qū)的空氣質(zhì)量等級對比

1.分析需求：利用列形式統(tǒng)計報表功能對2014年3月份太原市空氣質(zhì)量數(shù)據(jù)進(jìn)行描述統(tǒng)計量計算，計算并對比各監(jiān)測地區(qū)的污染比例。

圖1

2.SPSS操作方法：現(xiàn)將變量quality的類型轉(zhuǎn)換為Numeric數(shù)值型數(shù)據(jù)，然后執(zhí)行Analyze——Reports——ReportSummariesinColumns命令，選擇變量“quality”到DataColumns框中，單擊Summary按鈕，設(shè)置Value的值為2，選定單選按鈕Percentageabove，單擊Continue按鈕。

從結(jié)果輸出窗口中，可得到如表2所示的執(zhí)行結(jié)果：

表2 空氣質(zhì)量等級

從表2空氣質(zhì)量等級列概述報告中可以看到，太原市各監(jiān)測點空氣質(zhì)量等級＞2（未達(dá)到優(yōu)良）的比例，從報告結(jié)果中看到小店、澗河、塢城3個區(qū)域的污染最為嚴(yán)重，2014年3月份的空氣質(zhì)量等級數(shù)值，污染天氣所占比例分別為62.5%、62.0%、57.7%。

五、各監(jiān)測點的PM2.5濃度值差異對比

1.分析需求：對各個監(jiān)測點的PM2.5數(shù)值進(jìn)行差異比較。單因素方差分析方法用于測試某一個控制變量的不同水平是否給指標(biāo)變量造成了顯著差異和變動，而且單因素方差分析的控制變量只能有一個，所以適合本例。

2.SPSS操作方法：執(zhí)行Analyze——CompareMeans——OneWayANOVA命令，打開OneWayANOVA對話框；從左側(cè)變量列表中選擇“PM2.5”到DependentList框，選擇“position”到Factor框；單擊PostHoc按鈕，打開OneWayANOVA:PostHocMultipleComparisons對話框，選擇LSD顯著性檢驗法；單擊OK按鈕。

在結(jié)果輸出窗口中，可得到如表2所示的執(zhí)行結(jié)果：

表3 ANOVAPM2.5

從方差分析表（表3）中，我們能看到F檢驗值為61.618，相伴概率為0.000＜0.05，所以拒絕零假設(shè)。也就是說，各個區(qū)域的PM2.5差異很顯著。

圖2監(jiān)測均值折級圖

從均值折線圖（圖2）中，也能夠看到各個地區(qū)的PM2.5值的差異比較顯著，其中南寨的PM2.5均值最高。

六、PM2.5影響因素的分析

1.分析需求：PM2.5的來源及化學(xué)組成均非常復(fù)雜，除了有自然與人為的一次排放之外，還包括由大氣中氣態(tài)污染物的二次化學(xué)合成，通過相關(guān)性分析，預(yù)測PM2.5與CO、NO2、O3、SO2之間是否存在線性關(guān)系。

2.SPSS操作方法：執(zhí)行Analyze——Correlate——Bivariate命令；在彈出的“BivariateCorrelations”對話框中，選擇變量PM2.5、CO、NO2、O3、SO2到“Variables”框；在“CorrelationCoefficient”欄中選擇Pearson簡單相關(guān)系數(shù)；在“TestofSignificance”欄中選擇“Two-Tailed”選項；單擊OK按鈕。

從相關(guān)系數(shù)表中可以看出，PM2.5與CO的相關(guān)系數(shù)為0.829，不線性相關(guān)的概率為0.000，這說明PM2.5與CO之間有較顯著的線性相關(guān)關(guān)系。PM2.5與NO2的相關(guān)系數(shù)為0.464，不線性相關(guān)的概率為0.000，線性相關(guān)很顯著，但相關(guān)程度不高。PM2.5與O3的相關(guān)系數(shù)為-0.253,不線性相關(guān)的相伴概率為0.000，所以PM2.5與O3之間存在較顯著的負(fù)相關(guān)關(guān)系，但相關(guān)程度很微弱。PM2.5與SO2的相關(guān)系數(shù)為0.307，不線性相關(guān)的相伴概率為0.000，所以表明PM2.5與SO2之間相關(guān)程度很微弱。

七、建立PM2.5與CO的回歸模型

1.根據(jù)相關(guān)性分析的結(jié)果，用PM2.5與CO做線性回歸得出回歸模型。并對模型的優(yōu)劣進(jìn)行評價。

2.SPSS操作方法：執(zhí)行Analyze——Regression——Linear命令；在彈出的“LinearRegression”對話框中選擇變量“PM2.5”到“Dependent”框，選擇變量“CO”到“Independent”框中；單擊Statistics按鈕，打開“Linear Regression:Statistics”對話框，選擇“Estimates”和“Model fit”選項，單擊“Continue”按鈕返回主菜單；單擊OK按鈕提交系統(tǒng)執(zhí)行。

模型擬合概述表顯示，相關(guān)系數(shù)R=0.807，判定系數(shù)R2=0.688,修正的判定系數(shù)為0.688，這表明PM2.5與CO之間具有很強的線性相關(guān)關(guān)系。

從方差分析表中可以看到，F(xiàn)統(tǒng)計量的值為7480.242，F(xiàn)統(tǒng)計量的相伴概率Sig=0.000，回歸效果非常顯著。

從線性模擬系數(shù)表中可以看到，常數(shù)項為：16.279，自變量系數(shù)為：2.439。由此可得相應(yīng)的模型為：PM2. 5=16.279+2.439CO。

經(jīng)過分析得出以下結(jié)論：太原市各個監(jiān)測區(qū)域之間PM2.5的質(zhì)量濃度差異顯著，其中小店、澗河、塢城3個監(jiān)測點的污染比較嚴(yán)重。PM2.5與CO具有高度的線性相關(guān)，而且線性相關(guān)很顯著，說明CO對PM2.5的大氣二次合成貢獻(xiàn)較大。通過回歸分析，建立兩者之間的回歸模型為PM2.5=16.279+2.439CO?？梢钥闯觯肧PSS實現(xiàn)大數(shù)據(jù)量的數(shù)據(jù)分析，既容易操作，而且功能強大，大大提高了統(tǒng)計分析的效率，增加了分析結(jié)果的可靠性。

[1]和雅君.SPSS旅游統(tǒng)計使用教程[M].北京：旅游教育出版社，2010.

[2]何正國.北京地區(qū)PM10和PM2.5質(zhì)量濃度的變化特征[J].環(huán)境科學(xué)研究,2004,17（1）.

TP

A

1673-0046（2015）4-0182-03