多元统计课程论文

上海低碳城市建设的统计分析：基于2000到2009年数据摘要:本文根据上海提出的低碳城市建设的概念，并利用2000年到2009年上海地区低碳经济发展状况的相关数据，就上海这10年来的低碳经济数据进行分析。

首先建立了评价的指标体系，其次，分别采用主成分分析法、因子分析法对上海市近十年来低碳城市建设进行了全面的评价和比较，并在此基础上提出了促进上海低碳经济进一步发展的相关措施。

关键词：低碳城市主成分分析因子分析一、引言上海市位于长江三角洲，是中国的主要经济中心之一。

它的总面积为6340平方公里，分为19个区县。

2008年，这个人口密集的城市居住着1890万人口。

经过了一个世纪的工业化进程，上海目前已经成为世界上经济增长最快的城市之一。

根据中国《国民经济和社会发展“十一五”规划纲要》提出，“十一五”期间单位国内生产总值（GDP）能耗降低20%左右、主要污染物（SO2 和COD）排放总量减少10%。

因此，节能减排是贯彻落实科学发展观、构建社会主义和谐社会的重大举措，是建设资源节约型、环境友好型社会的必然选择，也是推进经济结构调整，转变增长方式，实现低碳经济的必由之路。

在此背景下，上海迫切需要从一个传统的发展模式向可持续发展的模式重新定位。

上海市政府也承诺将上海发展成为一个“资源节约型和环境友好型的城市”，即低碳城市。

低碳城市是指城市经济以低碳产业为主导，市民以低碳生活为理念和行为特征，政府以低碳社会为建设的城市发展模式。

其目标是通过自身低碳经济发展和低碳社会建设，保持能源的低消耗和二氧化碳的低排放，为节能减排和控制全球温室气体排放作出贡献。

而为了推动上海发展低碳城市，上海世博会的举办无疑对上海发展低碳经济起了关键作用。

自2000年启动筹备世博会以来，上海市政府积极推进城市基础设施的完善，不断强化污染控制，并注重可再生能源和节能技术的开发和应用。

上海在绿色交通等领域所取得的成绩包括提出了公交优先战略，力图建设一个世界级的轨道交通网络，并积极开发、使用超级电容车、纯电动车、氢燃料电池车、混合动力车等清洁能源车辆技术。

同时，上海正在建造亚洲第一个海上风力发电场，该发电场将于2010年世博会召开前投入运行。

上海在太阳能光伏发电方面也走在中国城市的前列，世博园区建设了全国最大的单体建筑太阳能屋面。

虽然上海对煤电的依赖程度较高，但是上海在探索有效地办法应对这一挑战。

以上的相关的政策表明，研究2000年至2009年的上海低碳城市的发展具有非常重要的现实意义。

上海目前正处于工业化的中后期，如何化解经济快速发展对资源、能源消耗的高度依赖，如何跨越资源、能源的“瓶颈”约束，成为这一时期上海面临的主要难题。

从内涵看，低碳经济模式适合上海发展具体情况，兼顾了“低碳”和“经济”：上海既需要摆脱对化石燃料的过分依赖，减轻高油价的压力，实现经济转型，又需要保持适度、快速的经济增长，解决发展中的诸多问题。

城市是人类经济活动的中心，是社会发展的心脏。

上海快速的城市化进程付出了沉重的资源环境代价。

上海的城市化进程快、规模大，为人们实践新的城市发展模式提供了机会和可能。

因此，低碳之路无疑为上海城市的可持续发展提供了一条新的途径。

因此，本文在参阅相关参考文献的基础上，对上海2000年至2009年低碳经济的发展进行评估，首先建立评价体系，其次分别采用主成分分析法、因子分析对10年间的上海低碳城市的发展水平作定性的评价和排位，并在此基础上提出了促进上海建设低碳城市的相关政策。

为了进一步发展低碳城市的建设，上海应该在未来重点发展交通、建筑、工业的低碳技术。

这是推动低碳城市建设的一个重要部分。

另一方面，上海市仍需要做好低碳理念的宣传，通过这次世博会上海很好地宣传了低碳理念，但是为了将低碳理念长久地植根于市民心中，仍然是一项长远而艰巨的工作。

二、上海低碳城市建设的实例分析低碳城市是指低碳经济为发展模式及方向、市民以低碳生活为理念和行为特征、政府公务管理层以低碳社会为建设标本和蓝图的城市。

从此定义上可以看出，评价低碳城市的建设应即包括城市本身的工业、交通、建筑，也要包括上海市民的低碳理念、政府重视度这几个方面的统计指标。

指标的选取上，考虑到了指标的全面性、代表性、可得性、简捷性和整合性等特性。

本文根据低碳可持续发展评价系统筛选了其中囊括以上几个方面的的21个指。

即公众对环境保护的满意率、居民的低碳理念、人均公共绿地面积、绿化覆盖率、单位生产总值二氧化硫排放量、单位生产总值化学需氧量排放量、R&D占GDP比重、单位生产总值综合能耗、单位工业增加能耗、机动车保有量变化趋势、工业废水排放总量、工业重复用水量、污水处理率、历年环境保护投入情况、历年环境空气质量优良率、人口自然增长率、人均生产总值、对外开放度、人均可支配收入、第三产业比重、外贸进出口总额。

本文以上海市20092000各个年份作为样本，选取上述21个指标，分别通~过主成分分析和因子分析来定量分析近十年来上海低碳城市发展的状况。

下面所有结果都是根据SPSS13.0和Excel2003计算完成。

（一）主成分分析因为本文的21个指标度量单位不同且取值范围彼此差异非常巨大，不宜直接用协防差矩阵来求主成分。

同时考虑到对数据进行标准化处理会抹杀原始数据一部分重要信息，因此综合考虑用相关矩阵求主成分。

因此通过SPSS软件得到21个指标的特征根（见表1）根据表1判断21个指标之间是否存在明显的多重共线性，若存在则通过对原始指标进行调整以消除多重共线性根据表9可以发现从指标10开始所有的指标特征根非常接近0，因此可以认为这21个指标存在多重共线性。

经过对指标的删减最后将9个指标作为分析变量，消除原有的多重共线性。

这9个指标分别为：居民的低碳理念、人均公共绿地面积、绿化覆盖率、单位生产总值二氧化硫排放量、单位生产总值化学需氧量排放量、R&D 占GDP 比重、单位生产总值综合能耗、单位工业增加能耗、机动车保有量变化趋势。

通过SPSS 软件再求得以上9个指标的特征根，如表2：由于表2中各个指标不存在非常接近0的特征根，因此可以认为消除了多重共线性。

本文假设将特征根大于1指标作为主成分，由表2可得主成分宜取两个分别记为1y 、2y 。

根据SPSS 结果可知两个主成分1y 、2y 的方差和占全部方差的比例为%66.96，因为其中%31.85是由1y 贡献，因此选取1y 为第一主成分，2y 为第二主成分，主成分基本上保留了原来指标信息，这样原来的9个指标就转化为2个新指标。

通过SPSS 软件得到因子载荷矩阵如表3。

表1相关矩阵的特征根成分 特征根 成分 特征根 1 18.884 12 4.095×10-16 2 1.745 13 1.556×10-16 3 0.631 14 1.172×10-16 4 0.304 15 5.374×10-18 5 0.249 16 -6.554×10-17 6 0.129 17 -8.676×10-17 7 0.035 18 -2.197×10-16 8 0.017 19 -2.645×10-16 9 0.006 20 -4.677×10-16 10 8.542×10-16 21 -6.832×10-16115.296×10-16表2 筛选的9个指标的特征根成分123456789特征根 7.678 1.022 0.207 0.042 0.032 0.013 0.006 0.004 0.002再对因子载荷矩阵的第i 列的每个元素分别除以第i 个特征根的平方根i λ，就得到主成分分析的第i 个主成分的系数，结果见表4。

则1y ，2y 的线性组合为：******+--++=65432113471.0354.03586.03385.03529.03209.0x x x x x x y***-+-9873514.03525.01712.0x x x …………………… （1） *6*5*4*3*2*122149.00743.00337.01951.01218.03663.0x x x x x x y +++--=*9*8*71218.01644.08485.0x x x -++ …………………… （2） 其中*1x ~*9x 表示对原始变量)9,...,2,1(=i x i 标准化后的变量。

表3 因子载荷矩阵1x2x 3x 4x 5x 6x 7x 8x 9x 成分1 0.892 0.981 0.941-0.997 -0.984 0.965 -0.476 0.980 -0.977 成分2 0.370-0.123 -0.1970.0340.0750.2170.8570.166-0.123注：其中1x 、2x 、3x 、4x 、5x 、6x 、7x 、8x 、9x 分别代表居民的低碳理念、人均公共绿地面积、绿化覆盖率、单位生产总值二氧化硫排放量、单位生产总值化学需氧量排放量、R&D 占GDP 比重、单位生产总值综合能耗、单位工业增加能耗、机动车保有量 表4 主成分系数1x2x 3x 4x 5x 6x 7x 8x 9x成分1 0.3209 0.3529 0.3385 -0.3587 -0.3540 0.3471 -0.1712 0.3525 -0.3514 成分2 0.3663 -0.1218 -0.1951 0.0337 0.0743 0.2149 0.8485 0.1644 -0.1218 注：其中1x 、2x 、3x 、4x 、5x 、6x 、7x 、8x 、9x 代表意义同上表3根据表达式（1）、（2）可知，需要对原始数据)9,...,2,1(=i x i 进行数据标准化处理。

本文采用的数据标准化公式为：9,...,2,110,...,2,1,==-=j i s z z x jjij ij()∑==--=101229,...,2,1,1101i j ij jj z z s ∑==101101i ij j z z其中i 的值分别代表2000~2009年，j 分别代表9个指标序号。

运用Excel 软件求得数据标准化后的*1x ~*9x 9个指标值，如表5所示。

因此，将*1x ~*9x 值代入上述1y 、2y 的表达式即式（1）和式（2）可得2000~2009年的主成分得分，如下表6所示：表5 标准化的9个指标X1 X2 X3X4X5 X6 X7 X8 X9 -2.2866 -4.8225 -5.0387 4.2001 3.8417 -4.0202 2.6874 3.6328 -4.3849 -2.2866 -3.6903 -4.1132 3.5943 3.3406 -2.8141 3.821 4.4411 -3.475 -2.2866-1.5201-1.3368 2.26163.3406-1.60812.5717 2.1657-2.0365-0.91466 -0.29354 0.97689 -0.04039 0.16703 -1.6081 1.28780.67865 -0.48371-0.91466 0.74435 1.4396 -0.64617 -1.1692 -0.40202 -0.23905 -1.3473 0.9765 -0.91466 1.6879 1.4396 -0.76732 -1.3362 0.80403 -1.0025 -1.8763 1.1618 0.457332.15971.9024-1.7366-1.8373 2.0101-1.3379-2.0559 1.663表6 2000~2009年的主成分得分 年份 1y2y2000 -7.1469 4.0138 2001 -5.8274 4.7823 2002 -4.22 2.6219 2003 -1.3814 0.68646 2004 -0.66298 -1.1186 2005 0.035064 -1.736 2006 1.4799 -1.6548 2007 3.6441 -2.5025 2008 4.9944 -2.8938 20099.0853-2.1987从表4中可以看出第一主成分的线性组合中正系数的大小基本相当，所以可以看作综合变量，可以认为第一主成分体现的是一个较为综合的低碳经济指标。