中国工业污染物检测指标典型相关的实证研究＊

郭俊华李寿德黄桐城

(1.上海交通大学国际与公共事务学院,上海 200030;2.上海交通大学安泰经济与管理学院,上海 200052)

中国工业污染物检测指标典型相关的实证研究＊

郭俊华1李寿德2黄桐城2

(1.上海交通大学国际与公共事务学院,上海 200030;2.上海交通大学安泰经济与管理学院,上海 200052)

我国工业污染物的检测指标主要分为大气污染、固体废弃物污染和水污染三大类。要对工业污染物进行综合控制,必须了解工业大气、固体废弃物、水污染等不同污染物之间的相关程度及全面污染的程度,但是现有的研究较少关注污染物之间的相关性,而是针对不同的污染物分别采取措施,难以实现高效的综合治理。本文对我国31个省、直辖市和自治区的工业污染物检测指标典型相关进行了实证研究,研究结果表明,我国工业大气污染与固体废弃物污染,工业大气污染与工业废水污染之间存在显著的典型相关关系,但在工业固体废物污染与工业废水污染之间,除了个别污染物之间具有较强相关性以外,整体的相关性并不显著。此结论对建立以工业大气污染为主的环境治理政策具有积极的指导作用。

环境污染检测指标;典型相关系数;典型变量;典型相关分析

我国工业污染物的检测指标主要分为大气污染,固体废弃物污染和水污染三大类。其中大气污染物包括SO2、工业粉尘和烟尘;工业固体废弃物包括冶炼废渣、粉煤灰、炉渣、煤矸石、尾矿和其他固体废弃物;而水污染物则包括一般无机、有机污染物和有害重金属等,其中挥发酚、氰化物、化学需氧量、石油类废物和氨氮属于一般无机或有机污染物,而有害重金属则包括汞、镉、六价铬,铅等。要对工业污染物进行综合控制,应当了解工业大气、固体废弃物、水污染等不同污染物之间的相关程度及全面污染的程度,但是现有的实证研究主要是列出不同污染物的实际值[1-3],或者分析工业污染排放与经济增长或空间分布之间的关系等[4-6],并针对不同的污染物分别采取措施,很少关注污染物之间的相关性,难以实现高效的综合治理。本文选择典型相关分析方法,对我国各类工业污染物之间的相关性进行实证分析,这一研究对于我国建立以工业大气污染为主的环境治理政策具有积极的指导作用。

1 典型相关分析的基本原理和步骤

典型相关分析的目的是寻找一组指标的线性组合和另一组指标的线性组合,使两者之间的相关性达到最大(即两个典型变量的相关系数达到最大)。这两组指标往往是同一研究对象的两组不同指标,这两个典型变量称为第一对典型变量,它们之间的相关系数为第一个典型相关系数。同理,继续寻找第二对典型变量,使其和第一对典型变量互不相关,同时本身也具有最大的相关性。第二个典型相关系数不可能超过第一个典型相关系数,但由于两对典型变量不相关,因此,它们所提取的相关信息是不重复的。如此重复迭代寻找典型变量,直到两组指标之间的相关性被提取完毕为止。通过这种典型相关分析方法可将研究两组指标之间的相关关系转化为研究这些原始指标线性组合之间的相关关系,因此,减少了研究变量的个数,起到了“降维”和分离的作用。

典型相关分析的基本步骤有四个[9]:

(4)对典型相关系数λ1,λ2,Lλm逐个作显著性检验,直至某个典型相关系数λk不显著为止,此时可以找出k-1对反映两组指标相关关系的典型变量。

2 我国工业大气污染与固体废弃物污染的典型相关关系

原始数据为我国31个省、直辖市和自治区2006年度发生的工业污染物排放量(数据来自《2007年中国统计年鉴》),共取SO2,工业粉尘和工业烟尘的排放量3个工业大气污染检测指标,分别用X1,X2,X3表示,单位为吨。工业固体废弃物检测指标6个,分别为冶炼废渣、粉煤灰、炉渣、煤矸石、尾矿和其他固体废弃物的产生量,用Y1,Y2,L Y6表示,单位为万吨。

采用SPSS统计软件进行典型相关分析(在SPSS中专门提供了宏程序来拟合典型相关分析[10]),程序运行后所得的各变量相关系数矩阵见表1。

由表1可知,工业大气污染物X1,X2,X3之间的相关性比较强,相关系数均超过0.742 2,而工业废气污染物Y1,Y2,L Y6之间的相关性相对比较弱,但是粉煤灰Y2和炉渣Y3之间的相关性却很强,达0.905 8,说明粉煤灰产出量和炉渣产出量之间有很强的联系。同时,工业大气污染物X1,X2,X3和工业废弃物Y2与Y3的相关性也比较强,均达到0.725 2以上,这反映了大气污染物与粉煤灰、炉渣等固体废弃物之间也存在较强的相关关系。

由SPSS统计软件计算得到的我国工业大气污染典型相关系数与典型变量见表2。

由表2可知,2个典型相关系数分别为0.898,0.659,0.332,同时可得3对典型变量(Ui,Vi),i=1,2,3,这3对典型变量是否相关,需要对典型相关系数进行显著性检验。首先检验原假设H01∶λ1=0,若推翻H01,说明第1对典型变量存在显著相关关系,然后检验原假设H02∶λ=0,看第2对典型变量是否相关,依次类推。SPSS的检验使用似然比方法,构造维尔克斯统计量,因为在大样本情况下,该维尔克斯统计量近似服从卡方分布,因此,可根据卡方统计量的P值作出接受或者推翻远假设的结论。

SPSS运算结果表明,对于H01∶λ1=0,维尔克斯统计量值=0.097,卡方统计量值=58.206,自由度=18,P值=0.000,若取显著性水平=0.05,则推翻H01;对于H02∶λ2=0,维尔克斯统计量值=0.504,卡方统计量值=17.146,自由度=10,P值=0.071＞0.05,所以接受H02。即λ2=0。因此假设检验的结果表明只有第1对典型变量间的相关性是显著的。典型相关系数λ1=0.898,典型变量为:

表1 我国工业大气污染和工业固体废弃物污染的相关系数矩阵Tab.1 Correlation coefficient matrix of industrial air pollution and industrial solid waste material pollution

表2 我国工业大气污染和工业固体废弃物污染的典型相关系数和典型变量Tab.2 Canonical correlation coefficient and canonical variables of industrial air pollution and industrial solid waste material pollution

由典型变量可知,大部分指标的系数都是比较均匀的并且为负值,无论是工业大气污染指标还是固体废气物污染指标,污染测试指标的排放量或产生量越大,相应的典型变量的值越小,这可解释为工业大气和固体废弃物的全面污染程度①只有指标Y5＊(标准化后的尾矿指标)系数为0.022,不是负值,其原因是在6个固体废气物指标之间存在一定的多重共线性。由于该系数的绝对值很小,因此不会影响对典型变量统计含义的解释。。因此,我国工业大气污染和工业固体废弃物污染在整体上存在很强的相关关系。

3 我国工业大气污染与工业水污染的典型相关关系

为了研究工业大气污染和工业水污染之间的相关关系,除了保留我国31个省,直辖市和自治区2006年度发生的3个工业大气污染检测指标,再从《2007年中国统计年鉴》中取6个工业水污染检测指标,它们是挥发酚、氰化物、化学需氧量、石油类废物、氨氮和有害重金属等,分别用Z1,Z2,L Z6表示,单位为吨。由SPSS统计软件计算得到的相关系数矩阵结果见表3。

由表3可知,工业水污染物Z1,Z2,L Z6之间的相关性比较弱,除了氨氮Z5和化学需氧量Z3的相关性较强,为0.793 8之外,其他的指标相关性都不强,说明指标之间没有多大重复。另外,工业大气污染物X1,X2,X3和工业水污染物化学需氧量Z3的相关性也较强,最低达0.727 9,和Z5(氨氮)之间也有一定的相关性,反映了大气污染物和水污染物之间的某种联系。

我国工业大气污染和工业水污染的典型相关系数和典型变量见表4。

对典型相关系数进行显著性检验。仍取显著性水平=0.05,SPSS运算结果表明,第1和第2对典型变量间的相关性是显著的。其中第1个典型相关系数λ1=0.934,第1对典型变量为:

与第2部分的研究结果相似,上述绝大多数指标的系数都为负,无论是工业大气污染指标还是水污染指标,排放量越大,对应的典型变量值越小,这可解释为工业大气和水体的全面污染程度。可见,工业大气污染和工业水污染在整体上也存在很强的相关关系。其中的系数为0.159,其符号的变异同样是水污染指标间的多重共线性造成的。并且,我们发现,工业粉尘和化学需氧量的系数都比较大,说明在工业大气污染和水污染的相关性中这两种污染物起到了重要的作用。

第2个典型相关系数λ1=0.695,第2对典型变量为:

表3 我国工业大气污染和工业水污染之间的相关系数矩阵Tab.3 Correlation coefficient matrix of industrial air pollution and industrial waste water pollution

表4 我国工业大气污染和工业水污染的典型相关系数和典型变量Tab.4 Canonical correlation coefficient and canonical variables of industrial air pollution and industrial waste water pollution

4 我国工业固体废弃物污染与工业水污染的典型相关关系

此项分析所需数据在本文第2、3部分已经取得。由于工业固体废弃物指标组Y1,Y2,L Y6和工业水污染指标组Z1,Z2,L Z6的相关系数矩阵在表2,4中已经列出,表5只列出SPSS统计软件计算所得的两个指标组之间的相关系数矩阵。

表5 我国工业固体废弃物污染和工业水污染之间的相关系数矩阵Tab.5 Correlation coefficient matrix of industrial solid waste material pollution and industrial waste water pollution

由表5可知,在部分工业固体废弃物和水污染物之间存在较强的线性相关关系,煤矸石Y4和挥发酚Z1的相关系数达0.825 8,为强正相关,而粉煤灰Y2,炉渣Y3和有害重金属Z6都为强负相关,相关系数分别为-0.726 2和-0.853 0。

计算后可得6对典型变量和6个典型相关系数。典型相关系数及其显著性检验见表6。

由表6的P值,推翻原假设H01和H02,接受其他原假设。所以第1和第2对典型变量间的相关性是显著的。表7只列出相关性显著的两对典型变量。

由此可得第1个典型相关系数λ1=0.937,第1对典型变量为:

在上述典型变量中,指标的系数符号正负不一,说明工业固体废弃物污染和工业水污染不存在整体上的相关性,其中煤矸石和挥发酚的系数绝对值大大大于其他指标,这说明第1对典型变量主要反映了固体废弃物煤矸石和水污染物挥发酚之间的强相关关系。

表6 我国工业固体废弃物污染和工业水污染之间典型相关系数以及显著性检验Tab.6 Canonical correlation coefficient and significance test of industrial solid waste material pollution and industrial waste water pollution

表7 第1对和第2对典型变量Tab.7 The first pair and the second pair Canonical variables

第2个典型相关系数λ1=0.825,第2对典型变量为:

5 结论及建议

我国工业污染物的检测指标是一个多指标的分类体系,因此无法用简单相关、偏相关或复相关分析等一般的相关分析方法来研究我国工业大气污染、固体废气物污染和水污染之间的相关性问题。本文应用典型相关分析方法,对我国31个省、直辖市和自治区的工业污染物检测指标进行了实证研究。研究结果表明,我国工业大气污染与固体废弃物污染,工业大气污染与工业废水污染之间存在显著的典型相关关系,但在工业固体废物污染与工业废水污染之间,除了个别污染物之间具有较强相关性以外,整体的相关性并不显著。这个结论对我国建立以工业大气污染为主的环境治理政策具有积极的指导作用。

(编辑:刘呈庆)

References)

[1]丁宏翔.1991-2007年昆明市工业污染物排放状况分析与研究[J].环境科学导刊,2009,28(1):53-56.[Ding Hongxiang.Research and Analysis on Industrial Pollutants Discharge of Kunming from 1991 to 2007[J].Environmental Science Survey,2009,28(1):53-56.]

[2]高文会.盘县工业企业污染物现状调查分析[J].现代农业科学,2009,16(3):157-159.[Gao Wenhui.Panxian Industrial Enterprises Pollutants Investigation and Analysis[J].Modern Agricultural Sciences,2009,16(3):157-159.]

[3]任玉珑,王昌海,唐道鸿.基于Rains—Asia模型的西部燃煤电厂SO2污染物排放预测分析[J].科技管理研究,2009,(4):171-173.[Ren Yulong,Wang Changhai,Tang Daohong.SO2Emission Prediction and Analysis of Western China’s Coal-fired Power Plant Based on Rains-Asia Model[J].Science and Technology Management Research,2009,(4):171-173.]

[4]郑君瑜,张礼俊,钟流举等.珠江三角洲大气面源排放清单及空间分布特征[J].中国环境科学2009,29(5):455-460.[Zheng Junyu,ZhangLijun,ZhongLiuju,et al.Area Source Emission Inventory of Air Pollutant and Its Spatial Distribution Characteristics in Pearl River Delta[J].China Environmental Science,2009,29(5):455-460.]

[5]毛果平,吴超.湖南省工业能源消耗及污染物排放与产业结构关系[J].价值工程,2009,(4):25-27.[Mao Guoping,Wu Chao.Industrial Energy Consumed and Polluters Discarding and Its Relationship with Industrial Structure in Hunan Province[J].Value Engineering,2009,(4):25-27.]

[6]凌虹,朱晓东等.苏州市经济增长与工业污染物排放的关系:EKC如何[J].应用生态学报,2009,20(4):955-962.[Ling Hong,Zhu Xiaodong et al.Relationships Between Economic Growth and Industrial Pollutant Discharge of Suzhou:How about the EKC?[J].Chinese Journal of Applied Ecology,2009,20(4):955-962.]

[7]方开泰.实用多元分析[M].上海:华东师范大学出版社,1989,291-338.[Fang Kaitai.Practical Multivriate Analysis[M].Shanghai:East China Normal University Press,1989:291-338.]

[8]Richard A Johnson,Dean W Wiehern.Applied Multivariate Analysis[M].Prentice Hall,1988:347-425.

[9]Rencher A C.Interpretation ofCanonical DiscriminateFunctions,Canonical Variants andPrincipalComponent[J].TheAmerican Statistician,1992,(5):217-225.

[10]张文彤,董伟.SPSS统计分析高级教程[M].北京:高等教育出版社,2004:213-260.[Zhang Weitong,Dong Wei.Advanced Course of SPSS Statistical Analysis[M].Beijing:Higher Education Press,2004:213-260.]

AbstractDetection indexes of China Industrial pollutants can be divided into industrial air pollution,industrial solid waste material pollution andindustrial waste water pollution.In order to realize the goal of integrated control of industrial pollutants,correlation degree of three industrial pollutants and the overall pollution degree should be investigated.However,the correlation of different industrial pollutants is mostly ignored in existing research,so it’s difficult to realize efficient comprehensive governance.In this article,empirical study is carried out which using a method of canonical correlation analysis of the monitored indexes of industrial pollution of 31 provinces,municipalities and autonomous regions in China.The result shows that there is a significant canonical correlation between industrial air pollution and solid waste material pollution,industrial air pollution and industrial waste water pollution.Except stronger correlation among several contaminants,the overall correlation between solid waste material and waste water pollution is not so notable.The solution will be helpful for designing suitable environmental governance policy,focusing on air pollution,effectively preventing and curing the industrial pollution in China.

Key wordsenvironmental pollution monitored index;canonical correlation coefficient;canonical correlation variable;canonical correlation analysis

The Canonical Correlation Analysis on the Monitored Index of China Industrial Pollution

GUO Jun-hua1LI Shou-de2HUANG Tong-cheng2
(1.School of International and Public Affairs,Shanghai Jiaotong University,Shanghai 200030,China;
2.Antai College of Economics&Management,Shanghai Jiaotong University,Shanghai 200052,China)

F276

A

1002-2104(2010)05-0164-05

10.3969/j.issn.1002-2104.2010.05.027

2009-04-01

郭俊华,博士,副教授,主要研究方向为政府绩效管理、公共政策。

＊国家自然科学基金项目(No.70573073;70873084)。