经济发展水平与空气质量关系研究.doc

经济发展水平与空气质量关系研究课程名称 :多元统计分析经济发展水平与空气质量关系研究报告所在学院:姓名学号:专业班级:任课教师:完成日期:2011年10月17日报告目录经济发展水平与空气质量关系研究11.引言12.研究假设23.研究设计：23.1 回归变量23.1.1 经济发展水平23.1.2 空气质量23.2 回归模型33.3 样本与数据33.3.1 数据来源33.3.2 数据处理办法44.数据处理与分析结果44.1 经济发展水平44.1.1描述性统计分析44.1.2 聚类分析64.1.3 主成分分析64.2 经济发展水平对空气主要污染成分浓度的关系105.结论和建议11多元统计分析课程经济发展水平与空气质量关系研究摘要：面对目前中国经济取得高速发展而导致环境日益恶化的问题，本文将以空气质量作为环境状况的代表，搜集中国主要城市的经济发展数据和空气质量，研究经济发展水平和空气质量是否存在着显著的线性关系。以便检验当前中国经济发展科学发展观中可持续发展落实的状况。研究结果发现，中国主要城市的经济发展水平和空气质量状况存在显著相关关系。经济发展水平高的地区，空气环境越恶劣。从此反映出我国主要城市以科学发展观为指导思想的经济发展计划总体上并未取得良好的效果。关键词：经济发展水平、空气质量、可持续发展、科学发展观1. 引言自改革开放以来，我国经济的高速发展持续了30年，这期间取得了令世界为之瞩目的成就，目前中国已经成为取代日本的世界第二大经济体。然而对于中国发展模式，国家环保总局承认，中国万元GDP能源消耗相当于世界平均水平的3至11倍。30年的经济高速增长在很大程度上是建立在资源榨取性的过度消耗甚至浪费的基础之上，并往往以牺牲环境和牺牲后代的机会获得。目前中国的空气和水的污染物浓度都是世界上最高的，根据中国国家环保总局和世界银行最近的报告，空气和水污染使中国损失了5.8%的GDP。世界上污染最重的20个城市中，有16个在中国；有三分之二的中国人呼吸着不达标的空气。尽管到处水源短缺，但中国一半以上的河流污染严重，四分之一因为污染过重而无法用于工业和灌溉。大约4亿中国人民缺乏清洁的饮用水。不可否认，中国的经济发展带动了世界的发展，中国实现了“世界离不开中国”的理想，然而这背后却牺牲了中国人自己赖以生存的，甚至是后代生存的权利。早在1980年，国际自然保护同盟的世界自然资源保护大纲提出“必须研究自然的、社会的、生态的、经济的以及利用自然资源过程中的基本关系，以确保全球的可持续发展。”这是第一次提出“可持续发展观”这个概念。1987年，世界环境与发展委员会出版我们共同的未来报告，将可持续发展定义为：“既能满足当代人的需要，又不对后代人满足其需要的能力构成危害的发展。”时至今日，可持续发展观仍旧受到各国的重视。我国2003年7月28日，在胡锦涛总书记的讲话中提到的科学发展观，其核心内涵中明确强调了可持续发展观。此后科学发展观便成为全国各省经济发展的指导思想。科学发展观要求各省的经济发展必须保证可持续发展，通俗地说，就是不能以牺牲环境为代价追求短暂的经济高速增长。因为很多环境的破坏是不可逆的，重塑环境的原貌的代价远远比所取得的经济成果大得多。针对中国目前的经济发展状况，以科学发展观为指导发展经济刻不容缓。那么究竟如何检验可持续发展的效果呢？或是如何检验地区的经济发展状况是否以牺牲环境为代价呢？这便是本文所要研究的问题。本文将以中国30个主要城市的经济发展和空气主要污染成分的数据，分析经济发展水平和空气质量的关系，回答空气质量的水平是否伴随着经济的不断发展变得更加恶劣的问题。具体的研究过程包括以下部分：第二部分是研究假设的提出，第三部分是研究设计，第四部分的研究结果都的分析，第五部分对文献的研究进行总结。2. 研究假设目前中国经济发展取得举世瞩目的成绩，一直是世界各国关注的焦点。今天的取得的成就为中国广大人民带来了生活水平的显著提高，然而这一切所牺牲环境的代价是巨大的。针对中国和世界环保总局的调查数据，中国的经济发展可持续性不容乐观。为此我们提出假设认为，经济发展水平与空气主要污染成分的浓度具有显著的正相关关系。3. 研究设计：3.1 回归变量3.1.1 经济发展水平国际上经济发展水平是以GDP来衡量的，同样各地区经济发展水平的衡量变量中包括地区GDP水平，看经济发展水平的表现不仅仅只有GDP，还有工业生产总值，在岗职工工资总额，固定资产投资总额等等。由于体现经济发展水平的变量多样，选取其中任何一个变量作为经济发展水平的变量都不能全面表达经济水平的真实含义，因此构建一个合理的经济发展指标作为经济发展水平的代理变量会使得本文的研究更加严密和准确。为此，本文将通过主成分分析的多元统计分析方法，提出经济发展水平的综合变量（EM），详见第4部分。3.1.2 空气质量影响空气质量的主要因素是大气中几种常见的污染气体，例如可吸入颗粒物、二氧化硫、一氧化氮和二氧化氮等等。这些气体的产生和人类的经济活动密切相关，尤其近年来伴随着经济的高速发展，人民生活水平的日益提高，私家车的数量也成倍地增长，越来越多的人出行不愿意乘坐公共交通工具，不仅造成城市的交通拥堵，而且还污染了大气，这些气体被人体吸入，还会严重影响身体健康。由于污染大气的主要成分较多，本文就以大气污染气体中比较常见的几种成分作为空气质量的替代变量，包括可吸入颗粒物（RPM）、二氧化硫（SO2）和二氧化氮（NO2）的浓度。3.2 回归模型为主要研究问题的需要，本文选择空气质量的替代变量，空气污染成分的浓度（SO2或NO2或RM）作为研究对象，选择经济发展水平的综合变量EM进行回归分析。回归模型如下：SO2NO2RPM=0+1EM+由于经济发展水平指标的构建，对原表示经济发展水平的多重指标进行了将维处理，因此自变量的个数大大减少，减少了多元回归的分析难度。本文中涉及的各变量汇总如下表1表1 变量汇总表3.3 样本与数据3.3.1 数据来源为了研究中国范围内，各地区的经济发展水平和空气质量的关系，我们从中国统计局网站上下载了2003年至2008年中国30个主要城市的经济发展数据和空气质量状况的数据。30个主要城市不仅包括经济较发达的东部地区城市，还有内陆地区的代表城市。各主要城市经济发展相关数据包括地区生产总值（GDP）、各年末总人口（Population）、工业生产总值（Industrial Output Value，IOV）、客运量（Passenger Traffic，PM）、货运量（Cargo）、固定资产投资（Fixed Assets，FA）、在职员工人数（Employees）、在职员工工资总额（Total Wages，TWages），由于这些变量的数值巨大，因此单位全采用万人或是万元。而对于空气质量指标的选择，目前主要有三种代表变量，分别是二氧化硫（SO2）、二氧化氮（NO2）和可吸入颗粒物（RPM），单位均是毫克每立方米。3.3.2 数据处理办法本文所使用的数据处理和分析软件包括EXCEL2007、SPSS18.0、STATA11.0等。其中基本数据处理采用EXCEL2007，聚类分析和主成分分析采用SPSS18.0，最后的回归分析用STATA11.0软件。4. 数据处理与分析结果4.1 经济发展水平4.1.1描述性统计分析表2 各主要城市各年人口数量描述统计情况表 单位：万人表3 各主要城市各年GDP描述统计情况表 单位：万元表2列示的是2003年至2008年各年各主要城市人口数量的描述统计情况，表3列示的则是各年主要城市GDP的描述统计情况。从表2的平均数和标准差的各年值，可以发现，30个主要城市整体的经济总量逐年递增，而且各主要城市间的发展水平逐年拉开差距。 结合表1的数据，可以发现，伴随经济的增长的还有人口数，人口基数的增长，从某种意义上说也反映出经济发展所产生的影响。下面以北京和长春为例，观察一下这两个城市2003年至2008年经济发展状况和空气质量是否存在某种关系。图1 北京市生产总值和空气质量年度变化趋势图图2 长春市各年生产总值与空气质量年度变化趋势图图1和图2分别展示了北京市和长春市各年经济总量以及空气质量的变化趋势，对比上述两图，相同之处在于两城市的GDP都具有非常明显的上升趋势，而不同之处在于空气污染成分含量的变化趋势，北京市的空气主要污染物含量伴随着经济总量的提高却逐年下降，说明北京市在近年来的经济发展中注重环境保护，可能是因为2008年举办奥运会的缘故，为营造一个健康绿色的环境展现给世人，花了大力气治理，不过在环境治理得到显著成效的同时而长春市正好相反，空气中几种大气的污染成分含量却逐年增长，可见长春市的经济发展，有部分代价是由环境承担的。4.1.2 聚类分析描述统计分析部分粗略得出了各年全国30个主要城市总体经济发展的状况，但并未给出具体各年各地区之间经济发展水平是否有差异，本部分将通过多元统计分析方法对各地区各年（以2008年为例）经济发展状况的数据进行聚类分析，将经济发展水平相近的主要城市归类，从中比较不同类城市间的经济发展水平的差异。图3 系统聚类法树状图图3是以全国30个主要城市2008的经济发展数据，运用系统聚类法，采用平方欧氏距离作为相似度的计量标准得出的分类树状图，根据表中所示的个案所对应的城市，一类由福州、济南、石家庄、长春、长沙、西安、哈尔滨组成，太原、南昌、南宁、昆明又组成一类，兰州、西宁、银川、乌鲁木齐、呼和浩特、海口、贵阳，其余城市比如上海、北京，广州等各自组成一类，仔细观察分类结果可以发现，这种分类结果几乎是以各主要城市所在地区为分类标准的，比如分析结果中，发达城市北京、上海、广州等各自成为一类，而兰州、银川、乌鲁木齐、海口、贵阳等又成为一类，可见聚类分析结果和人们一般对各地区经济发展差异的认知是吻合的。从另一个侧面也反映出，经济发展水平差异的一个重要原因是地区的差异。4.1.3 主成分分析为了综合反映不同地区的经济发展水平，由于各地区各方面的差异，不能简单的将各地区的生产总值作为经济发展水平的替代变量，因此构建一个能够全面反映各地区经济发展状况的指标对于本文研究问题的准确性具有重要作用。本部分分析将运用多元统计主成分的分析方法，在与经济发展相关一些变量的基础上，充分保留原数据的信息，构建综合经济指标。有关经济发展水平的表现变量包括城市总人口（Population）、GDP、工业生产总值（IOV）、客运量（PM）、货运量（Cargo）、固定资产投资总额（Fixed Assets）、在岗职工平均人数（Employees）和工资总额（Total Wages）。表4 经济发展水平各变量相关系数矩阵表4显示的是构建综合经济水平指标原始变量之间的相关关系矩阵，由表中数据可知，GDP与工业总产值、货运量、固定资产投资总额、在岗职工平均人数和在岗职工员工工资总额都具有极大的相关关系。可见许多变量之间直接的相关性比较强，证明他们存在信息上的重叠。表5 公因子方差表公因子方差初始提取年底总人口（万人）1.000.857地区生产总值(万元)1.000.977工业总产值(万元)1.000.905客运量(万人)1.000.863货运量(万吨)1.000.804固定资产投资总额（万元）1.000.885在岗职工平均人数（万人）1.000.802在岗职工工资总额(万元)1.000.839提取方法：主成份分析。从表5中的数值可以看出主成分中至少包含了各个原始变量80%的信息，包含GDP信息容量最多，高达97%，可见效果是比价好的。表6 解释的总方差表解释的总方差成份初始特征值提取平方和载入合计方差的 %累积 %合计方差的 %累积 %15.71971.48571.4855.71971.48571.48521.21415.16986.6541.21415.16986.6543.5076.33492.988.5076.33492.9884.2893.60796.5955.1652.05698.6516.067.84399.4947.027.33299.8268.014.174100.000提取方法：主成份分析。表6列示了本次主成分分析，各个主成分解释原始变量总方差的情况，由表中数据可知，前三个主成分解释了全部方差的92.988%，这说明前三个主成分代表原来的8个指标评价城市的经济发展水平具有非常足够的把握。表7 成分矩阵成份矩阵a成份123年底总人口（万人）.685.622-.065地区生产总值(万元).958-.245-.042工业总产值(万元).881-.360-.261客运量(万人).545.752.058货运量(万吨).897.013-.363固定资产投资总额（万元）.939-.052-.074在岗职工平均人数（万人）.895-.022.384在岗职工工资总额(万元).879-.259.380提取方法 :主成份。a. 已提取了 3 个成份。主成分分析得到的因子载荷矩阵如表7成分矩阵所示，利用成分矩阵的数据分别处以各成分的特征根的平方根，就得到主成分分析各主成分的系数，如表8所示。表8 各主成分系数矩阵主成分系数矩阵成份123年底总人口（万人）0.119780.51256-0.12828地区生产总值(万元)0.167517-0.20189-0.08289工业总产值(万元)0.154053-0.29666-0.51511客运量(万人)0.09530.6196870.114468货运量(万吨)0.1568510.010713-0.71641固定资产投资总额（万元）0.164195-0.04285-0.14605在岗职工平均人数（万人）0.156501-0.018130.757857在岗职工工资总额(万元)0.153703-0.213430.749963提取方法 :主成份。a. 已提取了 3 个成份。表8列示了各主成分的系数，主成分的经济意义由各个线性组合中全书交大的几个指标的综合意义来确定。根据表中系数的相对大小，第一主成分主要是由GDP、工业总产值、货运量、固定资产投资总额四个指标的综合反映，而第二个主成分主要是由年底总人口和客运量的综合反映，第三主成分主要由在岗职工平均人数和工资总额综合反映。这3个综合因子衡量各主要城市的经济发展水平具有92%的可靠性。目前常用构造综合评价指标的方法就是利用各个主成分，做线性组合，并以每个组成分的方差贡献率作为权数构造一个综合评价函数，这一方法目前在一些专业文献中都有介绍，但在实践中经常看到它的应用效果并不理想，一直以来存在较大争议，主要原因是产生各级分量符号不一致，很难进行排序评价。因此，可以采用改进的方法，即直接采用第一主成分作为评价指数。理由是：第一主成分与原变量综合相关度最强，而且对应于数据变异最大的方向，查表6可知，第一主成分可以解释数据总变差的71%。最关键的一点是此方法符合第一主成分系数全为正的前提条件。依据第一主成分得分对各个主要城市的经济发展水平做综合评价，将标准化的原始数据代入第一主成分的计算式子，另第一主成分用Y表示，那么各样品第一主成分得分式子如下：Y=0.11978*Population+0.167517*GDP+0.154053*IOV+0.0953*PT+0.156851*Cargo+0.164195*FA+0.156501*Employees+0.153703*TWages计算出的各样品的第一主成分得分，即经济发展水平综合指标得分（EM）如表9所示。表9 各主要城市经济发展水平EM综合指标得分表9主要列示了全国各主要城市部分年份的经济发展水平综合指标得分。4.2 经济发展水平对空气主要污染成分浓度的关系根据表9的数据和相关空气污染成分浓度的数据，进行回归分析，分析结果如下表10表10 各地区经济发展水平与空气主要污染成分浓度回归结果由上表中的数据可知，经济发展水平与空气主要污染成分浓度均呈正相关的关系，其中只有与空气中NO2的浓度相关性水平显著。5. 结论和建议面对当今中国发展模式所取得的巨大经济成就和日益恶化的环境