環(huán)境因素對經(jīng)濟的影響

1、環(huán)境因素對經(jīng)濟的影響分析 制作人：嚴國金周佳衛(wèi)陳曉磊2015.12.5環(huán)境因素對經(jīng)濟的影響分析 以上海市為例摘 要中國現(xiàn)在正處于高速發(fā)展的階段，也正是對環(huán)境破壞力度最大的時期。然而環(huán)境會反作用于經(jīng)濟發(fā)展。 中國的國家政策也從先污染，后治理變成了可持續(xù)發(fā)展的戰(zhàn)略。 目前，對于可持續(xù)發(fā)展問題的研究主要集中于對人口、資源、環(huán)境等三大子塊 的研究，其中環(huán)境與發(fā)展又是可持續(xù)發(fā)展的核心問題。本文以上海市的情況作為研 究對象，對上海市可持續(xù)發(fā)展之環(huán)境與經(jīng)濟發(fā)展的相關(guān)問題進行分析探討。 江蘇省作為中國的重點大省，長期以來保持了很高的經(jīng)濟增長速度，但是由于 人口密度比較高，土地與礦產(chǎn)資源相對貧乏，社會經(jīng)濟發(fā)展與

2、人口、資源、環(huán)境 的矛盾日漸突出。 本文使用主成分分析方法與逐步回歸進行結(jié)合與互補的方式， 在研究了經(jīng)濟 分析以后，分別對環(huán)境污染和環(huán)境治理兩個方面進行系統(tǒng)的分析， 然后使用逐步回歸對所有指標進行一次方程擬合，與主成分分析的結(jié)果進行對比，對上海市的環(huán)境與經(jīng)濟之間的關(guān)系進行了系統(tǒng)的研究得出了值得借鑒的結(jié)論。關(guān)鍵字：經(jīng)濟 環(huán)境 主成分分析 多元回歸 逐步回歸 一、問題提出 （一） 研究背景 隨著環(huán)境問題的日益嚴重，國家將能源和環(huán)境的可持續(xù)發(fā)展提到了政策性的位置。我國未來經(jīng)濟發(fā)展面臨的最為突出的問題就是資源過度消耗和環(huán)境破壞給可持續(xù)發(fā)展帶來的壓力，而上海也同樣面臨著能源、環(huán)境對經(jīng)濟的瓶頸制約作用。一

3、方面，經(jīng)濟持續(xù)快速增長并處于新一輪上升周期，經(jīng)濟總量顯著擴大， 工業(yè)化和城市化加速，這些雖然帶來發(fā)展空間擴大的新機遇，但也勢必加大了對資源的需求和消耗強度；另一方面，高投入、高消耗、低產(chǎn)出、低效益的粗放型增長方式導致經(jīng)濟運行成本上升，已經(jīng)越來越難以為繼?？沙掷m(xù)發(fā)展面臨的資源和環(huán)境壓力日趨嚴峻， 本質(zhì)上是經(jīng)濟增長方式粗放、技術(shù)含量低和經(jīng)濟效率差的問題。 （二） 研究意義 尋求能源-環(huán)境-經(jīng)濟的協(xié)調(diào)發(fā)展，使得經(jīng)濟增長不以環(huán)境污染為代價，并且大力提高能源利用率，一直是政府倡導的發(fā)展方向。長三角各城市由于地理、環(huán)境因素的不同， 呈現(xiàn)出不同的發(fā)展模式，而要提升長三角整體的發(fā)展的協(xié)調(diào)度，不但要從整體上分析

4、發(fā)展特征，還需針對不同地區(qū)，結(jié)合不同地區(qū)現(xiàn)狀來單獨分析。進行城市群研究正是為了探尋出城市間的聯(lián)系與差異，從而幫助其尋找到更加優(yōu)化的發(fā)展模式。因此，對長三角各地區(qū)進行整體范圍的研究有利于把握城市群的發(fā)展模式和動態(tài)發(fā)展方向；而考慮空間因素，對城市間的相關(guān)度和差異度進行分析，則可以明確把握合作方向，發(fā)展地區(qū)特色， 最終實現(xiàn)能源-環(huán)境-經(jīng)濟的協(xié)調(diào)可持續(xù)發(fā)展，從而提升整個上海市的綜合競爭力。 （三）存在的問題 目前，上海市已經(jīng)開始進入工業(yè)化和城市化的中后期發(fā)展階段，是實施城市群發(fā)展戰(zhàn)略和轉(zhuǎn)型升級的關(guān)鍵時期。一些區(qū)域性問題也隨之產(chǎn)生，如區(qū)域內(nèi)產(chǎn)業(yè)同構(gòu)與無序競爭、基礎(chǔ)設(shè)施建設(shè)缺少統(tǒng)籌規(guī)劃、土地資源緊缺、生態(tài)

5、環(huán)境局部惡化等問題。這些尚未解決的矛盾與國際金融危機的影響交織在一起，使上海市進一步發(fā)展困難加大，一些深層次矛盾和問題亟待解決。 資源能源不足是長三角最基本的特點。上海市屬能源、原材料貧乏的省份。把但上海市人口眾多、產(chǎn)業(yè)發(fā)達，對能源資源有著極大的需求，因此資源和能源不足已經(jīng)成為困擾區(qū)域經(jīng)濟發(fā)展的一個重要問題。同時，隨著區(qū)域城市化、工業(yè)化、現(xiàn)代交通，以及由生活水平提高而引起的消費方式的轉(zhuǎn)變，人類活動的高強度和經(jīng)濟快速持續(xù)的增長導致了區(qū)域環(huán)境的嚴重污染。近年來上海市水污染嚴重，大氣質(zhì)量下降、酸雨頻發(fā)、生物多樣性減少、人口劇增，人地矛盾突出，對于區(qū)域的可持續(xù)發(fā)展造成極大威脅。事實上上海市在重復(fù)著以環(huán)

6、境為代價換取經(jīng)濟高速發(fā)展這一發(fā)達國家曾經(jīng)走過的發(fā)展模式，這對上海市的可持續(xù)發(fā)展敲響了警鐘，上海市必須謀求發(fā)展模式轉(zhuǎn)變，才能不讓能源和環(huán)境扼住經(jīng)濟發(fā)展的咽喉，從而獲得能源-環(huán)境-經(jīng)濟的協(xié)調(diào)發(fā)展，建設(shè)成為資源節(jié)約型和環(huán)境友好型社會。2、 研究方法 （一）主成分分析法 主成分分析（Principal Component Analysis，PCA）， 將多個變量通過線性變換以選出較少個數(shù)重要變量的一種多元統(tǒng)計分析方法。其主要目的就是降維，選出主要的成分。在實證問題研究中，為了全面、系統(tǒng)地分析問題，我們必須考慮眾多影響因素。這些涉及的因素一般稱為指標，在多元統(tǒng)計分析中也稱為變量。因為每個變量都在不同程度

7、上反映了所研究問題的某些信息，并且指標之間彼此有一定的相關(guān)性，因而所得的統(tǒng)計數(shù)據(jù)反映的信息在一定程度上有重疊。在用統(tǒng)計方法研究多變量問題時，變量太多會增加計算量和增加分析問題的復(fù)雜性，人們希望在進行定量分析的過程中，涉及的變量較少，得到的信息量較多。主成分分析正是適應(yīng)這一要求產(chǎn)生的，是解決這類題的理想工具。主成分分析的計算步驟： 1、 原始指標數(shù)據(jù)的標準化采集 p 維隨機向量個樣品，構(gòu)造樣本陣，對樣本陣元進行如下標準化變換:其中 ，得標準化陣 Z。 2、 對標準化陣 Z 求相關(guān)系數(shù)矩陣 其中3、 解樣本相關(guān)矩陣 R 的特征方程 得 p 個特征根,確定主成分 按 確定 m 值，使信息的利用率達

8、85%以上，對每個， j=1,2,.,m,解方程組 得單位特征向量 。4、將標準化后的指標變量轉(zhuǎn)換為主成分U1稱為第一主成分,U2 稱為第二主成分,.,Up 稱為第 p 主成分。5 、對 m 個主成分進行綜合評價 對 m 個主成分進行加權(quán)求和，即得最終評價值，權(quán)數(shù)為每個主成分的方差 貢獻率。 （二）多元線性回歸方法 多元線性回歸（multivariable linear regression model ），是反映一種現(xiàn)象或事物的數(shù)量依多種現(xiàn)象或事物的數(shù)量的變動而相應(yīng)地變動的規(guī)律。建立多個變量之間線性或非線性數(shù)學模型數(shù)量關(guān)系式的統(tǒng)計方法。 一元線性回歸是一個主要影響因素作為自變量來解釋因變量的

9、變化，在現(xiàn)實問 題研究中，因變量的變化往往受幾個重要因素的影響，此時就需要用兩個或兩個以上的影響因素作為自變量來解釋因變量的變化，這就是多元回歸亦稱多重回歸。當多個自變量與因變量之間是線性關(guān)系時，所進行的回歸分析就是多元性回歸。 設(shè) 為因變量，為自變量，并且自變量與因變量之間為線性關(guān)系時，則多元線性回歸模型為：其中，為常數(shù)項，為回歸系數(shù)，為固定時，每增加一個單位對的效應(yīng)，即對的偏回歸系數(shù)；同理為,固定時，每增加一個單位對的效應(yīng)，即，對 的偏回歸系數(shù)，等等。如果兩個自變 量,同一個因變量呈線相關(guān)時，可用二元線性回歸模型描述為：= + + + 建立多元性回歸模型時，為了保證回歸模型具有優(yōu)良的解釋能

10、力和預(yù)測效果， 應(yīng)首先注意自變量的選擇，其準則是： (1)自變量對因變量必須有顯著的影響，并呈密切的線性相關(guān)； (2)自變量與因變量之間的線性相關(guān)必須是真實的，而不是形式上的； (3)自變量之彰應(yīng)具有一定的互斥性，即自變量之彰的相關(guān)程度不應(yīng)高于自變量 與因變量之因的相關(guān)程度； (4)自變量應(yīng)具有完整的統(tǒng)計數(shù)據(jù)，其預(yù)測值容易確定。 多元性回歸模型的參數(shù)估計，同一元線性回歸方程一樣，也是在要求誤差平方和( )為最小的前提下，用最小二乘法求解參數(shù)。以二線性回歸模型為例， 求解回歸參數(shù)的標準方程組為 解此方程可求得 的數(shù)值。亦可用下列矩陣法求得即多元性回歸模型與一元線性回歸模型一樣，在得到參數(shù)的最小二

11、乘法的估計值 之后，也需要進行必要的檢驗與評價，以決定模型是否可以應(yīng)用。 1、 擬合程度的測定。與一元線性回歸中可決系數(shù)相對應(yīng)，多元線性回歸中也有多重可決系數(shù)， 它是在因變量的總變化中，由回歸方程解釋的變動(回歸平方和)所占的比重，越大，回歸方各對樣本數(shù)據(jù)點擬合的程度越強，所有自變量與因變量的關(guān)系 越密切。計算公式為：其中，2. 估計標準誤差估計標準誤差，即因變量的實際值與回歸方程求出的估計值之間的標準誤 差，估計標準誤差越小，回歸方程擬合程度越程。其中，為多元線性回歸方程中的自變量的個數(shù)。 3. 回歸方程的顯著性檢驗 回歸方程的顯著性檢驗，即檢驗整個回歸方程的顯著性，或者說評價所有自變 量與

12、因變量的線性關(guān)系是否密切。能常采用檢驗。根據(jù)給定的顯著水平,自由度查 分布表，得到相應(yīng)的臨界值， 若，則回歸方程具有顯著意義，回歸效果顯著；，則回歸方程無顯著意義，回歸效果不顯著。 4.回歸系數(shù)的顯著性檢驗 在一元線性回歸中，回歸系數(shù)顯著性檢驗(檢驗)與回歸方程的顯著性檢驗(檢驗)是等價的，但在多元線性回歸中，這個等價不成立。檢驗是分別檢驗回 歸模型中各個回歸系數(shù)是否具有顯著性，以便使模型中只保留那些對因變量有顯 著影響的因素。檢驗時先計算統(tǒng)計量；然后根據(jù)給定的顯著水平,自由度 查分布表，得臨界值 或 ，或 ，則回歸系數(shù)與 0 有顯著關(guān)異，反之，則與 0 無顯著差異。5. 多重共線性判別 若某

13、個回歸系數(shù)的檢驗通不過，可能是這個系數(shù)相對應(yīng)的自變量對因變量 的影平不顯著所致，此時，應(yīng)從回歸模型中剔除這個自變量，重新建立更為簡單 的回歸模型或更換自變量。也可能是自變量之間有共線性所致，此時應(yīng)設(shè)法降低 共線性的影響。 多重共線性是指在多元線性回歸方程中，自變量之彰有較強的線性關(guān)系，這 種關(guān)系若超過了因變量與自變量的線性關(guān)系，則回歸模型的穩(wěn)定性受到破壞，回 歸系數(shù)估計不準確。需要指出的是，在多元回歸模型中，多重共線性的難以避免 的，只要多重共線性不太嚴重就行了。判別多元線性回歸方程是否存在嚴懲的多 重共線性，可分別計算每兩個自變量之間的可決系數(shù)，若或接近于， 則應(yīng)設(shè)法降低多重線性的影響。亦可

14、計算自變量間的相關(guān)系數(shù)矩陣的特征值的條 件數(shù)(為最大特征值，為最小特征值),k1000，則自 變量間存在嚴重的多重共線性。降低多重共線性的辦法主要是轉(zhuǎn)換自變量的取 值，如變絕對數(shù)為相對數(shù)或平均數(shù)，或者更換其他的自變量。 （4） 逐步回歸 逐步回歸（stepwise regression），在建立多元回歸方程的過程中，按偏相 關(guān)系數(shù)的大小次序?qū)⒆宰兞恐饌€引入方程，對引入方程中的每個自變量偏相關(guān)系 數(shù)進行統(tǒng)計檢驗，效應(yīng)顯著的自變量留在回歸方程內(nèi)，循此繼續(xù)遴選下一個自變 量。如果效應(yīng)不顯著，停止引入新自變量。由于新自變量的引入，原已引入方程 中的自變量由于變量之間的相互作用其效應(yīng)有可能變得不顯著者，

15、經(jīng)統(tǒng)計檢驗確 證后要隨時從方程中剔除，只保留效應(yīng)顯著的自變量。直至不再引入和剔除自變 量為止，從而得到最優(yōu)的回歸方程。 逐步回歸分析時在考慮的全部自變量中按其對 y 的貢獻程度大小，由大到小 地逐個引入回歸方程，而對那些對 y 作用不顯著的變量可能是中不被引入回歸方 程。另外，已被引入回歸方程的變量在引入新變量進行 F 檢驗后失去重要性時， 需要從回歸方程中剔除出去。 Step 1 計算變量均值和差平方和 記各自的 標準化變量為+ - - = K Step 2 計算 的相關(guān)系數(shù)矩陣 。 Step 3 設(shè)已經(jīng)選上了 K 個變量： 且 互不相同，經(jīng) 過變換后為對 逐一計算標準化變量 的偏回歸平方和

16、 ，記 ，作 F 檢驗， 對給 定的顯著性水平，拒絕域為 。 Step 4 最 Step 3 循環(huán)，直至最終選上了個變量，且互不相同，經(jīng)過變換后為，則對應(yīng)的回歸方程為：，通過代數(shù)運算可得。三、實例分析表一 本文所使用的指標與對應(yīng)的變量指標變量廢水排放總量（億噸）x1工業(yè)廢氣排放總量（億標立方米）x2垃圾產(chǎn)量（萬噸）x3煙塵排放總量（萬噸）x4廢氣二氧化硫排放總量（萬噸）x5環(huán)境保護投資（億元）x6污水處理廠污水處理量（萬噸）x7城市綠地面積（公頃）x8綠化覆蓋率（%）x9上海市生產(chǎn)總值（億元）y（一）主成分分析1、環(huán)境污染指標分析 表二 環(huán)境污染指標年份廢水排放總量（億噸）工業(yè)廢氣排放總量（億

17、標立方米）垃圾產(chǎn)量（萬噸）煙塵排放總量（萬噸）廢氣二氧化硫排放總量（萬噸）1995 22.45 4 625 668 20.78 53.411996 22.85 4 757 736 15.78 51.001997 21.10 4 755 755 17.08 50.851998 20.81 4 912 824 15.63 48.891999 20.28 4 947 767 13.57 40.312000 19.37 5 755 858 14.12 46.492001 19.50 6 964 901 13.52 47.262002 19.21 7 440 760 10.74 44.662003 18

18、.22 7 799 800 11.54 43.542004 19.34 8 834 802 12.27 47.312005 19.97 8 482 777 11.52 51.282006 22.37 9 428 805 11.29 50.802007 22.66 9 591 852 10.60 49.782008 22.60 10 436 841 10.63 44.612009 23.05 10 059 870 10.18 37.892010 24.82 12 969 890 10.21 35.812011 19.86 13 692 1 142 8.98 24.012012 22.05 13

19、361 11 728 8.71 22.822013 22.30 13 344 13 716 8.09 21.58我們運用R軟件對環(huán)境污染指標做主成分分析，結(jié)果如下：Importance of components: Comp.1 Comp.2 Comp.3 Comp.4 Comp.5Standard deviation 1.7643175 0.9911411 0.7977012 0.43488363 0.2817303Proportion of Variance 0.6225632 0.1964722 0.1272654 0.03782475 0.0158744Cumulative Propo

20、rtion 0.6225632 0.8190354 0.9463008 0.98412560 1.0000000Loadings: Comp.1 Comp.2 Comp.3 Comp.4 Comp.5X1 -0.167 0.960 -0.208X2 -0.529 0.357 0.767X3 -0.436 -0.756 0.481 X4 0.485 0.236 -0.496 -0.437 0.522X5 0.517 0.143 0.219 0.758 0.298在第三主成分累積貢獻率達到94.63%，所以提取三個主成分比較合適。主成分的組合模型公式如下：環(huán)境污染環(huán)境污染環(huán)境污染第一主成分中，工業(yè)

21、廢氣排放量和廢氣二氧化硫排放總量是比較重要的指標。第二主成分中，廢水排放總量是比較重要的指標。第三主成分中，垃圾產(chǎn)量是比較重要的指標。2、環(huán)境治理指標 表三 環(huán)境治理指標年份環(huán)境保護投資（億元）污水處理廠污水處理量（萬噸）城市綠地面積（公頃）綠化覆蓋率（%）1995 46.49 14665 6561 16.01996 68.83 12876 7231 17.01997 82.35 14790 7849 17.81998 102.13 15605 8855 19.11999 111.57 17479 11117 20.32000 141.91 23028 12601 22.22001 152.9

22、3 29487 14771 23.82002 162.39 30658 18758 30.02003 191.53 39891 24426 35.22004 225.37 95301 26689 36.02005 281.18 117833 28865 37.02006 310.85 155726 30609 37.32007 366.12 152886 31795 37.62008 422.37 177090 34256 38.02009 460.42 171609 116929 38.12010 507.54 189654 120148 38.22011 557.92 193354 122

23、283 38.22012 570.49 200685 124204 38.32013 607.88 203222 124295 38.4我們運用R軟件對環(huán)境治理指標做主成分分析，結(jié)果如下：Importance of components: Comp.1 Comp.2 Comp.3 Comp.4Standard deviation 1.8911507 0.57747618 0.27591006 0.118085167Proportion of Variance 0.8941127 0.08336968 0.01903159 0.003486027Cumulative Proportion 0.8941127 0.97748238 0.99651397 1.000000000Loadings: Comp.1 Comp.2 Comp.3 Comp.4X6 -0.524 -0.141 -0.218 0.811X7 -0.517 0.117 -0.686 -0.498X8 -0.482 -0.677 0.467 -0.303X9 -0.476 0.713 0.513 在第二主成分累積貢獻率達到97.75%，所以提取兩個主成分比較合適。主成分的組合模型公式如下：環(huán)境治理主成分的組合模型公式為：環(huán)境治理環(huán)境