北京市水資源短缺風(fēng)險(xiǎn)綜合評(píng)價(jià)

第5頁(yè)/共27頁(yè)北京市水資源短缺風(fēng)險(xiǎn)綜合評(píng)價(jià)-—基于因子分析優(yōu)化模型華南師范大學(xué)彭小沖、姚冬燕、張英濠摘要近年來(lái),我國(guó)，特別是北方地區(qū)的水資源短缺問(wèn)題日趨嚴(yán)重，水資源短缺成為了焦點(diǎn)話題。作為我國(guó)的首都,北京市也是一座嚴(yán)重缺水的特大城市,已連續(xù)干旱了十多年。為了更好的了解我國(guó)首都北京的水資源的基本情況以及找出其水資源短缺的主要原因,對(duì)其作出綜合評(píng)價(jià)以及給當(dāng)?shù)卣恍┫嚓P(guān)的參考建議。本論文從北京市２01０年度統(tǒng)計(jì)年鑒找到2001年到200９年北京市影響水資源的相關(guān)指標(biāo)的數(shù)據(jù)，主要應(yīng)用因子分析法對(duì)其進(jìn)行分析，找出影響北京市水資源短缺的主要風(fēng)險(xiǎn)因子以及綜合風(fēng)險(xiǎn)評(píng)價(jià)因子,同時(shí)在此基礎(chǔ)上建立了因子分析優(yōu)化預(yù)測(cè)模型，對(duì)9年來(lái)水資源的情況進(jìn)行判別;并用一次指數(shù)平滑法對(duì)該市2010年的有關(guān)數(shù)據(jù)進(jìn)行估計(jì)，以此預(yù)測(cè)２0１0年水資源的好壞,并進(jìn)一步對(duì)多年來(lái)影響北京市水資源問(wèn)題的原因進(jìn)行分析以及提出解決的建議.關(guān)鍵詞：指標(biāo)體系,因子分析，一次指數(shù)平滑估計(jì),因子分析優(yōu)化模型。正文問(wèn)題闡述北京市是我國(guó)一座嚴(yán)重缺水的特大城市,已連續(xù)干旱了十多年;此外,降雨量又沒(méi)有增加反而在逐年下降(如圖1—１），以致其人均占有量?jī)H為全國(guó)平均水平的１/8，為世界人均水平的1／30，屬于重度缺水地區(qū)，水資源短缺的問(wèn)題已成為制約其發(fā)展的主要因素。盡管政府采取了如南水北調(diào)工程建設(shè)、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整等一系列的措施,但氣候變化和經(jīng)濟(jì)社會(huì)在不斷發(fā)展,水資源短缺風(fēng)險(xiǎn)始終存在,且日趨嚴(yán)峻。圖1圖1—108、０9年降雨量與多年平均對(duì)比圖片來(lái)源:《200９年北京市水資源公報(bào)》《北京市水資源公報(bào)》中非常詳細(xì)地記錄了北京市水資源各年的狀況，包括其概述、水資源、水資源利用、水質(zhì)和重要水事。要找到水資源短缺的主要風(fēng)險(xiǎn)因子，首先要知道影響水資源的因素有哪些,再?gòu)姆治霰姸嘁蛩貙?duì)水資源影響的大小程度來(lái)判定該因素是否是主要風(fēng)險(xiǎn)因子。近幾年來(lái)北京市水資源的短缺風(fēng)險(xiǎn)程度究竟是怎樣的？又該怎樣作出綜合的評(píng)價(jià)？國(guó)家統(tǒng)計(jì)局對(duì)2０1０年水資源的有關(guān)研究工作結(jié)果還沒(méi)有出來(lái)，能否借助前人的經(jīng)驗(yàn)建立主成分分析模型［１］或者因子分析模型對(duì)北京市水資源短缺風(fēng)險(xiǎn)進(jìn)行年度性研究，預(yù)測(cè)并反映出２010年的用水風(fēng)險(xiǎn)程度呢？數(shù)據(jù)描述2。１變量選取在考慮水資源短缺指標(biāo)時(shí)，要考慮水資源質(zhì)量和數(shù)量的指標(biāo),也要考慮水資源的開(kāi)發(fā)利用程度和水資源開(kāi)發(fā)利用效率方面的指標(biāo).綜合分析，本論文考慮了影響水資源短缺風(fēng)險(xiǎn)的水資源壓力指標(biāo)、水資源消耗指標(biāo)、污水響應(yīng)指標(biāo)和經(jīng)濟(jì)效益指標(biāo)，這四類指標(biāo)涵蓋了供水、用水、氣象、經(jīng)濟(jì)等方面對(duì)水資源的影響。而水資源壓力指標(biāo)方面的變量有降雨量、地表水資源量、地下水資源量、水資源總量、總供水量及人均水資源量；水資源消耗指標(biāo)方面的變量有工業(yè)用水量、人均年生活用水量、農(nóng)業(yè)用水量和環(huán)境用水量；污水響應(yīng)指標(biāo)方面的變量有污水處理率、污水處理能力、工業(yè)廢水排放量和生活污水排放量;經(jīng)濟(jì)效益指標(biāo)方面的變量有萬(wàn)元GDP水耗量和萬(wàn)元地區(qū)生產(chǎn)總值水耗下降率。（原始數(shù)據(jù)看附表I)2．2指標(biāo)體系建立通過(guò)２．1中所選取的變量,建立能解決問(wèn)題的指標(biāo)體系至關(guān)重要。在運(yùn)用因子分析法對(duì)變量進(jìn)行分析時(shí)，由于所選的變量是要求正向化的，所以為了方便后面的正向化,我們對(duì)以上選取的非正向化的變量進(jìn)行如下處理:工業(yè)用水率＝工業(yè)用水量/總供水量，農(nóng)業(yè)用水率=農(nóng)業(yè)用水量／總供水量，環(huán)境用水率=環(huán)境用水量／總供水量，人均年生活用水率＝人均年生活用水量／人均水資源量，工業(yè)廢水排放率=工業(yè)廢水排放量/（工業(yè)廢水排放量+生活污水排放量）,生活污水排放率=生活污水排放量／（工業(yè)廢水排放量＋生活污水排放量）.(處理后的數(shù)據(jù)看附表II)經(jīng)過(guò)上面的數(shù)據(jù)處理,我們根據(jù)所選變量建立以下指標(biāo)體系（正向化的指標(biāo)處理,請(qǐng)參閱3.2):表2—1變量明細(xì)表選取目標(biāo)選取準(zhǔn)則選取變量名稱正向化分析變量名稱北京市區(qū)域水資源短缺風(fēng)險(xiǎn)水資源壓力指標(biāo)降雨量(單位：毫米)地表水資源量(單位：億立方米)地下水資源量（單位：億立方米）水資源總量(單位:億立方米)總供水量（單位：億立方米）人均水資源量（單位:立方米）降雨量（)地表水資源量(）地下水資源量（）水資源總量（）總供水量()人均水資源量（）水資源消耗指標(biāo)工業(yè)用水率(%)人均年生活用水率(％）農(nóng)業(yè)用水率（％)環(huán)境用水率(％）工業(yè)節(jié)水比（）人均年生活節(jié)水比（)農(nóng)業(yè)節(jié)水比()環(huán)境節(jié)水比()污水響應(yīng)指標(biāo)污水處理率(％)污水處理能力（單位：萬(wàn)立方米／日）工業(yè)廢水排放率(％）生活污水排放率(％)污水處理率（)污水處理能力(）工業(yè)廢水節(jié)排比（）生活污水節(jié)排比()經(jīng)濟(jì)效益指標(biāo)萬(wàn)元ＧDＰ水耗量(單位:立方米)萬(wàn)元地區(qū)生產(chǎn)總值水耗下降率（%）單位水產(chǎn)GＤP效益（）萬(wàn)元地區(qū)生產(chǎn)總值水耗下降率(）2．3模型假設(shè)為了加強(qiáng)我們所建立的因子分析優(yōu)化模型的嚴(yán)密性，我們提出以下假定：(1)假設(shè)近十年北京市的自然條件是相對(duì)平穩(wěn)的，即沒(méi)有重大的水資源破壞，沒(méi)有不規(guī)律的降雨、降雪等;(２）假設(shè)所選擇的分析變量在短時(shí)間內(nèi)都是相對(duì)穩(wěn)定的且一致有效的,即觀測(cè)值存在波動(dòng)，但不會(huì)出現(xiàn)極端值，同時(shí)也不是估計(jì)的，從而排除了數(shù)據(jù)突變和無(wú)效估計(jì)帶來(lái)的影響；(3)假設(shè)模型中所有的因子都滿足正態(tài)分布,即，其中；（4）假設(shè)對(duì)２010年各個(gè)指標(biāo)的估計(jì)所產(chǎn)生的誤差是可以忽略不計(jì)的，即估計(jì)的誤差項(xiàng)是收斂于零的。模型建立3.1因子分析優(yōu)化模型理論因子分析優(yōu)化模型：有維的可觀測(cè)隨機(jī)向量，均值為，協(xié)差陣為,對(duì)正整數(shù),求:稱之為因子載荷陣的,稱之為因子的隨機(jī)向量,稱之為誤差的隨機(jī)向量,使，(3．11），,，，(３.1２）達(dá)到最大（tr是方陣的跡)，（3．1３)的列數(shù)，(3。１4）式(３.１1）—（3．14)中的關(guān)系構(gòu)成正交因子優(yōu)化模型。用式（３。１１）-（3。１2）容易證明:是變量X與因子的相關(guān)陣.注1：簡(jiǎn)單結(jié)構(gòu)：每行中有一元素絕對(duì)值靠近1，其余元素絕對(duì)值小額到中等.（B第ｊ列元素的平方和）稱為因子方差貢獻(xiàn),它是衡量因子解釋變量Ｘ信息程度的指標(biāo)；稱為因子累計(jì)方差貢獻(xiàn)，它是衡量因子解釋變量X信息程度的指標(biāo)；稱為因子解釋變量的誤差信息，稱為因子解釋變量X的誤差信息。引理1設(shè)的特征值為、…、,≥…≥≥０，，(這里有），,（前ｋ個(gè)標(biāo)準(zhǔn)化主成分）,,則滿足式（3.11），式（３．12)，且。定理1如果滿足條件（3．14)，則,，是因子分析優(yōu)化模型的精確解，且(同引理1），稱為初始因子,稱為初始因子載荷陣。當(dāng)變量與初始因子的相關(guān)陣沒(méi)有達(dá)到簡(jiǎn)單結(jié)構(gòu)時(shí),初始因子及其初始因子載荷陣難以和實(shí)際問(wèn)題對(duì)應(yīng)，此時(shí)可以通過(guò)某個(gè)正交陣Г,使和有鮮明的實(shí)際意義，即變量與旋轉(zhuǎn)后因子的相關(guān)陣較靠近簡(jiǎn)單結(jié)構(gòu).這里有：定理２設(shè)是使方差最大化的正交旋轉(zhuǎn)矩陣,如果滿足條件（3.１4),則，，是因子分析優(yōu)化模型的精確解,且（同引理1），稱為旋轉(zhuǎn)后因子(的旋轉(zhuǎn)）,稱為旋轉(zhuǎn)后因子載荷陣。3。2指標(biāo)的正向化考慮到指標(biāo)、、、、、、都是逆向或者反向指標(biāo)，而并不是正向指標(biāo)。因此,要對(duì)這幾個(gè)指標(biāo)分別進(jìn)行正向化:分別對(duì)、、、取倒數(shù)，并將其命名為工業(yè)節(jié)水比、人均年生活節(jié)水比、農(nóng)業(yè)節(jié)水比、環(huán)境節(jié)水比、工業(yè)廢水節(jié)排比、生活污水節(jié)排比，對(duì)取倒數(shù)后再乘以１0000，并將其命名為.(正向化后的數(shù)據(jù)看附表IＩI)３．３相關(guān)陣的特征值（其中）表3－3相關(guān)陣特征值矩陣(ＥigenvalueｓｏftheＣorrelationMatriｘ）序號(hào)特征值前后特征值差方差貢獻(xiàn)率累計(jì)貢獻(xiàn)率110．3８８01477.467955２0.64９30.649322．92００5951.57031770。1８25０。８3１831。３497４１8０。707４８３6０.08440．916140。６４225820。1１7４3２70。０４0１０。9５６３5０.5２4825５０。４1８37６30.０32８0.989160.１０6４４９2０。063908０0．00６7０．995７70。0４254130．01６431４0.0０２7０。９９84８0。0261098０．０２６1０98０.00１６1.000090。000０0０00．0０００0０0０.00０01.00001０0．000０000０。0000００００.0００0１.0０001１０.００００0000．0000０００0．00０0１。000０120．０00０0000.0００000０0．00００1.0０001３０．０0000０0０．000000００。00001．0０0０140。000００000．00000000。0000１.0000150。000000０0。00０00000．０00０1.00０0１6０。0００00000.０00０１．00０0(相關(guān)陣特征值計(jì)算編程看附錄９.2.1）從相關(guān)系數(shù)矩陣的特征值方差貢獻(xiàn)率可以看到,當(dāng)時(shí),此時(shí)的累計(jì)方差貢獻(xiàn)率已經(jīng)達(dá)到83。1８％,而當(dāng)時(shí)，累計(jì)方差貢獻(xiàn)率已達(dá)91．6１%。因此，若選用初始因子構(gòu)建因子分析優(yōu)化模型，則可參考選用初始因子個(gè)數(shù)為或者。此外,我們也注意到當(dāng)時(shí),（其中)，我們查閱了相關(guān)的資料，資料顯示由于所建立的指標(biāo)體系中的變量數(shù)大于樣品量,以致相關(guān)系數(shù)矩陣的協(xié)差陣在之后就都是零,這正是小樣本引起的結(jié)果，說(shuō)明后續(xù)的模型建立需要考慮小樣本的影響。３.4因子載荷陣表3—4—1初始因子載荷陣(FacｔorＰatｔｅrｎ）變量因子1因子2因子３因子4因子５x10．７262４０。223７１0。１９88８-0.6１794－０.0050３x20。636９50。717３60．1180７—0．２20380.093１3ｘ３０.６９9400．５80７２-０。３15９１0.２1965-０.1179７x４0.88３９60．4５４80-０.057640。0８0250．0０006ｘ5—０．46５3１0．４20２7０。71９1４０。2１３140。2０664x６0.729490．65６11－０．123７3０.10７79－0.076８2x7０．9０２3５－0。180850.12943０。07４68０.３3４９５x80．723４2０。６3９２４—0．234２70.０48010.０６９７1ｘ９０．９3763－0。2３5４70。２１847－0．0２２09-0。10４８９x10－0。8０4180。45３650．327080．0９６150.０121９ｘ11０。9３９11-０.２5３５50。02８５４0。１95370.０９9０9x1２0。８9030—0.3４5１1-0．１06480．1６６５0—0.０56８５ｘ1３0．８94１８-０．３2５36０.2３３930。00４７50。１719９x14—0．9０３02０.３865２0．025450.062２２0．１４887x1５0。9４434－０。２５0960。1０2340.０3664０.1８１１5ｘ１6-0．６252００.00318-０。５９69２-０。10６6５０．47７28(初始因子載荷陣計(jì)算編程看附錄９。2．2）從顯著性的角度看，當(dāng)因子取到時(shí),往后就再也沒(méi)有顯著的因子了，說(shuō)明選用初始因子進(jìn)行因子分析最多只能選定三個(gè)因子對(duì)所有變量進(jìn)行分析，這在一定程度上會(huì)造成因子的損失以致變量的可解析度下降，同時(shí)因子分析模型的優(yōu)化程度也隨著下降.盡管達(dá)到了降維的目的，但是卻以減少變量的解析度為代價(jià)，說(shuō)明初始因子建立的模型并不能解決問(wèn)題，是不可取的,因而仍需繼續(xù)考慮旋轉(zhuǎn)后的因子情況，在確保全部的因子都可解析的條件下，進(jìn)一步降維以找出影響北京市水資源短缺的主要風(fēng)險(xiǎn)因子.表３-4-2旋轉(zhuǎn)后因子載荷陣(ＲｏtateｄＦactｏrPattｅrn）變量因子１因子2因子3因子4因子5x10．360530.402７6-0.112５５-0。１8６550.８１1９３x2０．153６2０.83520０．16７08-0。0７８520.4８６05ｘ30。188060.９４844－0.19７59-０．１02２０—0．06307x40。4５4090.855３7－0.07856—0。161６８0。16681x5—0.29316—0．０5８６5０。94７61—０。１0324—０.02085x60.２0６370．95５73－0.0452１－０.15675０.１1３41x７0.926７30.３0924—０.02５51０。０02８９0．１6２３0x80.2２９０５0。９5460—0。087２70。0279５0．14793ｘ９0。82０540。25０9４－0。19６3５—0。404１90.2358５ｘ10-０.734５９－０。１30５４0。６３3230．0２082-０.1０39４x１10．９0745０。３２04７—０。2０38２-0．1６526—0．０0０31ｘ１20.８25９00.25３0２-0．３992８－0。2１48２-0．０４81４ｘ130.938１70．1５4０6－0。08215-0.１78390。2１7４０x14—０.79445-0．１6７810。4543６０。３0949-0。17３16x1５0。9２３880。27７98－0．15５52-０.11７3９０。17４9３x16-0．4４0４６－0.２0２2６－0.1２4７20．8４394-0．15３82（旋轉(zhuǎn)后因子載荷陣計(jì)算編程看附錄9.２．2）盡管3。3中的相關(guān)陣特征值的方差貢獻(xiàn)率建議選2個(gè)或者3個(gè)初始因子進(jìn)行建模,但是從旋轉(zhuǎn)后的因子載荷陣可以看到，在第4號(hào)和第5號(hào)因子中仍然存在特別顯著的特征值,因此并不能舍棄第4號(hào)和第5號(hào)因子，還需要借助因子載荷陣絕對(duì)值0、1兩極分化對(duì)比表進(jìn)行進(jìn)一步的判斷。３．5確定主要風(fēng)險(xiǎn)因子個(gè)數(shù)3．5.１因子載荷陣絕對(duì)值0、1兩極分化頻數(shù)對(duì)比表借助、寫出因子載荷陣絕對(duì)值０、1兩極分化頻數(shù)對(duì)比表（如表３-5)表3－5因子載荷陣絕對(duì)值0、1兩極分化對(duì)比表因子載荷區(qū)間0.９以上0.8~0．９0。7～0。８0。6６6～０.７０.６66以下合計(jì)頻數(shù)初始５４5１６58０旋轉(zhuǎn)后862064８０查找檢驗(yàn)相關(guān)系數(shù)的臨界值表，、，表３-5因子載荷陣絕對(duì)值0、1兩極分化對(duì)比表很明顯的看到，在初始因子載荷陣中,顯著性大于0。7的變量有14個(gè)，而在旋轉(zhuǎn)后的因子載荷陣中卻有16個(gè)；此外，在各段的顯著水平的變量個(gè)數(shù)呈下降趨勢(shì)。因此,無(wú)論是從特別顯著性還是從可解釋變量來(lái)看，旋轉(zhuǎn)后的因子載荷陣都優(yōu)于初始因子載荷陣.３．5．2選定風(fēng)險(xiǎn)因子個(gè)數(shù)在表３—5中,顯著性在０．9以上的因子個(gè)數(shù),旋轉(zhuǎn)后的因子載荷陣比初始因子載荷陣多3個(gè),在旋轉(zhuǎn)后因子載荷陣的5個(gè)因子中,顯著性在0.7以上的可解釋變量為1６個(gè)，恰好是我們所選變量的個(gè)數(shù)，所以選擇旋轉(zhuǎn)后的因子作為我們的因子分析優(yōu)化模型的主要因子.將前5個(gè)旋轉(zhuǎn)因子設(shè)為,，，，，在變量正態(tài)分布下,取顯著水平為5％，由和顯著相關(guān)的臨界值判斷,因子，，，,與變量顯著相關(guān);其它因子與變量沒(méi)有顯著相關(guān).因此我們選用旋轉(zhuǎn)后的因子建立因子分析優(yōu)化模型，并確定風(fēng)險(xiǎn)因子個(gè)數(shù)。3.６風(fēng)險(xiǎn)因子命名及其正向化由和顯著相關(guān)的臨界值為和判斷,因子與、、、、、顯著正相關(guān)，與、顯著負(fù)相關(guān),與、、、的顯著性在90％以上，故稱為環(huán)保效益因子，正向化取正號(hào);因子與、、、、顯著正相關(guān),與、、的顯著性在90％以上,故稱為自然需求因子，正向化取正號(hào)。因子與顯著正相關(guān)，與的顯著性在90%以上，故稱為供水因子，正向化取正號(hào)。因子與顯著正相關(guān)，與的顯著性在8０％以上，故稱為萬(wàn)元GDP水耗下降率因子，正向化取正號(hào)。因子與顯著正相關(guān)，與的顯著性在８0％以上，故稱氣象因子,正向化取正號(hào)。3。7主要風(fēng)險(xiǎn)因子得分函數(shù)考慮到n≤ｐ時(shí),SＡS軟件過(guò)程命令此時(shí)計(jì)算因子的變量系數(shù)矩陣是錯(cuò)的,須用iml模塊另外計(jì)算小樣本解因子的系數(shù)矩陣，具體參考文獻(xiàn)［6].通過(guò)對(duì)小樣本解的計(jì)算，得到以下五個(gè)主要風(fēng)險(xiǎn)因子的得分函數(shù)參數(shù)估計(jì)表（如表３—7)：表３—7旋轉(zhuǎn)后的因子參數(shù)估計(jì)表變量因子1因子2因子３因子４因子５ｘ１0．3６0５２290．40２7５４8-0.１１2551—０。１８65４60．811933８x20．１536０8８0。8３5198７0．１６7082５－0．078５2３0.48605２3ｘ３0。18805７２0．9484３19－0.1９７5９－0．１０2202－0.０63０79x40。45408５90。8５5３6７5－0.07８５58-0．１６1680。１６680５１x５-0。293155—0.０５86４6０.9４７61１5－0．103241—０．０208４7x60．２０6365８0.９55７19-0．０452１4－0。15６７43０。11３40６x7０.9267２8１0.3０9２３7３-0．02５5１0．０0288760。162３04７x８0．2290４550．954６001—0．０8726９0。０27９4４5０。1４7９27x９0。820５４４20．250９406-０。１9６3５6—0。4０4１8５0．2358５6４x１０—0．７3４5８3-０．1３０5410．63３2357０．0２０8２02—0.１03949x１１0.9０７４4590.３204667—0．２03８24—0.１６52６3－０。000308x1２０。8２590０4０.25３０２３3-０.３99２84—０。２1482—0。0４8１４4ｘ130。９381７３0.１5４0592-0.０8215－0．１78３88０．21７404x１4—０．794４4７—0．16７８1３0.4543６２90。3０94917－0。17316２ｘ150.923874４0.2７７９７81—0。１5５５2-0.1１739０.1749321ｘ１６－０．4４046１-0。202２7－０。１2４７２70.843９429－0．15382（旋轉(zhuǎn)后因子參數(shù)計(jì)算編程看附錄９．2。3)因此，根據(jù)表３－7的因子參數(shù)估計(jì)表,得到五個(gè)主要風(fēng)險(xiǎn)因子的得分函數(shù)(參數(shù)保留３位有效數(shù)字）分別是：3.8綜合風(fēng)險(xiǎn)因子得分函數(shù)在五個(gè)主要風(fēng)險(xiǎn)因子得分的基礎(chǔ)上，鑒于因子間互不相關(guān)，綜合起來(lái)可反映樣品的因子累加綜合狀況（不是反映多變量信息最大化時(shí)的樣品值狀況),同時(shí)也可以得到綜合風(fēng)險(xiǎn)評(píng)價(jià)的得分。因此，以旋轉(zhuǎn)因子信息貢獻(xiàn)率為權(quán)數(shù)構(gòu)造水資源短缺綜合風(fēng)險(xiǎn)評(píng)價(jià)因子函數(shù)(參數(shù)估計(jì)如表3-８）：表3-8綜合風(fēng)險(xiǎn)評(píng)價(jià)因子參數(shù)估計(jì)表(FB）參數(shù)綜合因子０．3４87９710．488０95７0。４392736０．507４２１90.0479４02０．4919７140．36９7２６０。４77６７98參數(shù)綜合因子０.338５649—０。1５36５2０.3４284940。26５0３370.3176136—０．2433６80.3486８１2—0。3０4301(綜合風(fēng)險(xiǎn)評(píng)價(jià)因子參數(shù)估計(jì)計(jì)算編程看附錄9。２.3)３.9主要風(fēng)險(xiǎn)因子與綜合因子排名旋轉(zhuǎn)后各主要風(fēng)險(xiǎn)因子及綜合因子樣品值排序,見(jiàn)表3—9表3—9旋轉(zhuǎn)后因子得分、綜合風(fēng)險(xiǎn)因子樣品值及排序年份排序排序排序排序排序排序２０08200９２007200６２0052００42003２0022００１1１8.924１２9。221１16。2３6１０5.4６992.0397１．８8４５9.２６752。83３3５。2０９２１３4567８９66。６64551．８28６５5。2０7３58．6643５3．8０85４4.740437。７468３4.4409３6.545７153246７9８－35。４59８－23。７９8２-２8．2１４2—１７．４3２4－23．2970-１８．４２72—１2．6111—10。６９3４１3。０148９７8４65321－19.４2６6-1２.2４２3－1５。２3３６-14．40４8—１9．1605-17。４4１0-20．2８7３－9.07７5－18.2５9082４37５91６27２。6３81９７。1951９6．９０６１09．0２5１５9.８412０7．91５19２。947159。40３142．2911３496２57８84.63７780。７８74７5.5９２46６。９2２96２．5４9１５５.6318４7。５8６５42．4663３６。5４２0１２3４５6789（旋轉(zhuǎn)后各因子得分排序編程看附錄９.2.4)3．１0聚類分析3.10。1聚類分析圖表調(diào)用SAS軟件的聚類分析類最短距離法過(guò)程命令，得到聚類過(guò)程表3—１０－1和聚類分析圖3—1０－2，按主要風(fēng)險(xiǎn)因子樣品值、、、、排名順序給出樣品分類結(jié)果；表３—10－1最短距離法聚類過(guò)程（CｌｕｓtｅrHistoｒy）TMiｎｉNCL-－CluｓtｅｒsJoｉｎｅｄ－—ＦＲEQＳPRＳQRSQERＳQCＣCPSFＰST２Diｓｔｅ８ＯB2OＢ320.０036。９9６。。3９.4．14.４427OＢ6OB７2０.0082.９８8.．２7.8。2１。７７36OＢ８OＢ９２０.0２17.９６６．。1７。3．35。4165CL7CL６40．1131.8５3..５．8７．536．154CL８OB530．０546.７99．．６．６15。1４4.7３３CL4CL５70。2356．5６3.．3.95。94６。６１5２ＣＬ3OB480．1771。38６．。4。4２.４５3.32２1OB１CL290.3860。0０0.０000．00.４.477.09７(旋轉(zhuǎn)后各因子得分排序編程看附錄９.2．4)3.１0.２聚類結(jié)果通過(guò)主要風(fēng)險(xiǎn)因子樣品值對(duì)9個(gè)樣品進(jìn)行聚類。結(jié)合最短距離法的聚類過(guò)程,經(jīng)分析、驗(yàn)證以及以往的經(jīng)驗(yàn)，我們一致認(rèn)為取閥值為38的分類最合適，因此，可分為五類如下:第一類：２０0１第二類：２０02,２003圖3—10—圖3—10—2聚類分析圖第四類：2０06，２0０7,２008，2009第五類:２00４３．1０.3聚類結(jié)果綜述結(jié)合前５個(gè)旋轉(zhuǎn)后因子得分樣品值的聚類分析結(jié)果，因子得分、綜合因子得分樣品值和排序,因子得分、綜合因子得分函數(shù),原始數(shù)據(jù)，原始變量名稱的意義，進(jìn)行優(yōu)勢(shì)、劣勢(shì)和影響因素等的綜合評(píng)價(jià),我們得出結(jié)論如下：根據(jù)分類結(jié)果可知，從第一類樣品到第五類樣品,它們的綜合風(fēng)險(xiǎn)因子評(píng)價(jià)有遞增的趨勢(shì),說(shuō)明水資源短缺風(fēng)險(xiǎn)在逐漸降低，也間接說(shuō)明了人們已經(jīng)逐漸意識(shí)到了水資源短缺的嚴(yán)重性，也在潛移默化的改變著自己的生活習(xí)慣，形成了自主節(jié)水的意識(shí),與此同時(shí),政府部門也抓緊了對(duì)水資源的調(diào)控。以第一類樣品2０01年為例，其綜合因子為3６。5420，排名第９,說(shuō)明在這9年里其水資源短缺現(xiàn)象并不是非常嚴(yán)重。－環(huán)保效益因子值為３5。209,排名第9，—自然需求因子值為36.５457,排名第8,-供水因子值為13．0１48，排名第1，－萬(wàn)元GＤＰ水耗下降率因子值為—1８．2590，排名第9，－氣象因子值為1４２.291，排名第８。原因是、、、、、、、、、、、、、、、分別排名第8、3、6、７、1、6、9、6、8、1、9、9、９、１、9、3,影響了綜合因子的排名。說(shuō)明在200１年期間,人們的節(jié)水意識(shí)相當(dāng)?shù)停M管水資源供應(yīng)量非常充足，但是萬(wàn)元GDP水耗下降率卻從未降低和水資源的污染加劇，以致經(jīng)濟(jì)發(fā)展依靠環(huán)境的破壞為代價(jià),從而導(dǎo)致了水資源短缺風(fēng)險(xiǎn)的存在。我們建議：20０1年是水資源短缺相對(duì)嚴(yán)重的年份，在供水和自然條件方面雖然方面有較大的優(yōu)勢(shì)，然而環(huán)保效益和萬(wàn)元ＧDＰ水耗下降率還有進(jìn)一步的提升空間。只要繼續(xù)保持自己原有的優(yōu)勢(shì),并且致力于提高水資源利用效率，降低消耗，充分發(fā)揮人工增雨的作用，就能降低水資源短缺風(fēng)險(xiǎn)。以第四類樣品200６年至２0０9年中的2０08年為例，其綜合因子為84。６3７7，排名第１,說(shuō)明在這9年里其水資源短缺最嚴(yán)重。－環(huán)保效益因子值為１18．９24，排名第2，—自然需求因子值為６６。6６4５，排名第1，-供水因子值為－35.4５９8，排名第９,－萬(wàn)元GＤＰ水耗下降率因子值為－1９.42６６，排名第8，—?dú)庀笠蜃又禐?7２。６３８,排名第1。主要原因是在奧運(yùn)年里，大量的人口涌入北京,自然需求突然增大,大大超過(guò)了水資源供應(yīng)的能力，以致水資源嚴(yán)重供不應(yīng)求（從供水因子為負(fù)值以及20０8年、２0０9年供、用水量對(duì)比圖都可以看出)。圖3－10-３a08、０９年供水量對(duì)比圖片來(lái)源:《２00９年北京市水資源公報(bào)》我們建議：2０08年是奧運(yùn)年,秉承綠色奧運(yùn)的理念,在節(jié)水方面做得相當(dāng)出色,在水資源利用和降雨量方面雖然有較大的優(yōu)勢(shì)，然而供水量卻嚴(yán)重不足,導(dǎo)致水資源短缺最嚴(yán)重。因此,在致力于改善環(huán)境的同時(shí)，也需要保持自己原有的優(yōu)勢(shì)，同時(shí)加大水利工程的建設(shè)和建立水資源應(yīng)急響應(yīng)措施,以提高臨時(shí)的水資源供應(yīng),這才能降低水資源短缺風(fēng)險(xiǎn)。圖3－10-３a08、０９年供水量對(duì)比圖片來(lái)源:《２00９年北京市水資源公報(bào)》預(yù)測(cè)和檢驗(yàn)圖片來(lái)源：《2０09年北京市水資源公報(bào)》圖片來(lái)源：《2０09年北京市水資源公報(bào)》圖3-10-3ｂ０８、09年用水量對(duì)比4.1一次指數(shù)平滑法圖3-10-3ｂ０８、09年用水量對(duì)比應(yīng)用此模型對(duì)201０年北京市水資源的利用情況進(jìn)行預(yù)測(cè)，由于２0１0年的各個(gè)變量值均未知，故需對(duì)進(jìn)行估計(jì)。考慮到一次指數(shù)平滑法既不需要存儲(chǔ)的全部歷史數(shù)據(jù),也不需要存儲(chǔ)一組數(shù)據(jù),從而可以大大減少數(shù)據(jù)存儲(chǔ)問(wèn)題，因此,在此采用一次指數(shù)平滑法對(duì)各變量的值進(jìn)行估計(jì)。一次指數(shù)平滑法是指以最后的一個(gè)第一次指數(shù)平滑，即根據(jù)前期的實(shí)測(cè)值和預(yù)測(cè)值，以加權(quán)因子為權(quán)數(shù)進(jìn)行加權(quán)平均預(yù)測(cè)后期的值。它是用一個(gè)比例系數(shù)來(lái)表示指數(shù)平滑值反映數(shù)據(jù)序列的變化,如果為了使指數(shù)平滑值敏感地反映最新觀察值的變化，應(yīng)取較大值，如果所求指數(shù)平滑值是用來(lái)代表該時(shí)間序列的長(zhǎng)期趨勢(shì)值,則應(yīng)取較小值。其基本的計(jì)算公式為其中為變量的預(yù)測(cè)值，為變量的真實(shí),。4。2變量值估計(jì)考慮預(yù)測(cè)不可避免具有誤差,采用一次指數(shù)平滑法時(shí)的一般做法是取幾個(gè)求得相應(yīng)的預(yù)測(cè)值,根據(jù)求得的殘差平法和來(lái)判定取哪個(gè)，殘差平方和小的那個(gè)即為所取值,相應(yīng)求得的值即為預(yù)測(cè)值?；谝淮沃笖?shù)平滑法，對(duì)20１0年各變量的值進(jìn)行預(yù)測(cè),分別取為０.３、0。５、0。7進(jìn)行預(yù)測(cè),再由殘差平方和最小原則可作出如下判定：對(duì)變量的估計(jì)表４—2變量值估計(jì)年度變量真實(shí)值估計(jì)值2００９２009２０10x１48０。647６.7５85０3.873x2６．8８．82７７8。3895x31５．118．1９１７17．15１６x４２1。825.８65425．２97３x５35.５35。1522３5。２０4３ｘ６１26.6１6４.０472152．０5x75.26.38975。４７6２x885．２87．41７986。４３4x91２1３。０9２112.2０９８ｘ1０3．6２.0018３．０９02x1１８０.368.39７２77．５359ｘ１235６302.2８21３４２。1２１1x1３0.8５74０.860６0。858４x１413.2110．２4６４12.３2０9x1529．９２３３。６3543１.03４６ｘ1６8．128．7５９4８。311８(變量估計(jì)值計(jì)算編程看附錄9。2．6)取，而對(duì)的估計(jì)取,最終得到估計(jì)結(jié)果如表４-2(相關(guān)程序見(jiàn)附錄。由于篇幅關(guān)系，在此只給出2010年的預(yù)測(cè)值及前一年20０9年的真實(shí)值、估計(jì)值。）４．3模型綜合風(fēng)險(xiǎn)評(píng)價(jià)預(yù)測(cè)將各個(gè)變量2０１0年的估計(jì)值代入3.7中的綜合因子評(píng)價(jià)函數(shù)中，得到結(jié)果是,與2００９年的相比,2010年的綜合評(píng)價(jià)值有所下降,說(shuō)明政府還在保持著奧運(yùn)年的管理理念,但仍有很大的降低風(fēng)險(xiǎn)空間,同時(shí)也說(shuō)明政府在奧運(yùn)過(guò)后對(duì)北京市環(huán)境(特別是水資源環(huán)境）的治理有所放松，以致于奧運(yùn)年一年后在大量人口撤出北京的時(shí)候,綜合風(fēng)險(xiǎn)評(píng)價(jià)因子值不能相應(yīng)的大幅度降低，水資源短缺的風(fēng)險(xiǎn)仍然很不樂(lè)觀。但是２0１0年的風(fēng)險(xiǎn)下降，也讓我們看到了希望，說(shuō)明我們的政府還是值得信賴的政府.盡管如此，還是建議國(guó)家在水資源保護(hù)方面多做一些貢獻(xiàn),加強(qiáng)水污染的處罰力度以及重點(diǎn)打擊污染企業(yè)或者外遷污染企業(yè)，以確保“十二五”規(guī)劃的雙豐收。模型結(jié)果分析基于因子分析法建立起來(lái)的因子分析優(yōu)化模型，通過(guò)主要風(fēng)險(xiǎn)因子樣品值，對(duì)北京市０1年至09年水資源的情況進(jìn)行了分類,200１年的環(huán)保效益因子、萬(wàn)元GDP水耗下降率因子和氣象因子的排名都接近最后,說(shuō)明在北京市經(jīng)濟(jì)發(fā)展緩慢時(shí)期，盡管氣象條件并不很好,但是水資源短缺的風(fēng)險(xiǎn)卻是最低的。但對(duì)第二類２002年、2０0３年水資源情況影響較顯著的是環(huán)保效益因子、自然需求因子和萬(wàn)元GＤP水耗下降率因子，雖然影響這兩年水資源的顯著因子并不完全相同，但在其綜合作用下導(dǎo)致了這兩年水資源的情況相似。對(duì)第三類的20０6年至2008年,2006年的環(huán)保效益因子、自然需求因子、供水因子和萬(wàn)元GＤP水耗下降率因子都比較靠前，但是氣象因子卻居最后,２００8年供水因子排名第9,而氣象因子卻居于榜首，雖然這四年的顯著影響因子各有不同，在奧運(yùn)年的前后,相比其他年份,雖然北京市政府在水資源方面采取了很多改善措施，但迫于現(xiàn)實(shí)狀況，比如外來(lái)人口劇增、工業(yè)化進(jìn)程加快發(fā)展的同時(shí)帶來(lái)的污染加重等,都給水資源的短缺風(fēng)險(xiǎn)帶來(lái)了嚴(yán)重的影響?！侗本┦兴Y源公告》中詳細(xì)記錄了該市2003年至２０0９年水資源的各方面情況，對(duì)比這較為權(quán)威的政府公告,也可以驗(yàn)證因子分析優(yōu)化模型所得出的結(jié)論的正確性。由于尚未有2０10年度的數(shù)據(jù)，我們所估計(jì)的變量值與真實(shí)值相比總會(huì)存在差異，因此，對(duì)２01０年度的綜合風(fēng)險(xiǎn)評(píng)價(jià)只是一種定量的預(yù)測(cè)，預(yù)測(cè)的結(jié)果與事實(shí)是否一致，我們拭目以待。模型優(yōu)缺點(diǎn)及評(píng)價(jià)６.1模型優(yōu)缺點(diǎn)模型存在一定的誤差性，由于２0１0年各個(gè)變量的數(shù)據(jù)還無(wú)法在相關(guān)權(quán)威的工作網(wǎng)站找到,因而需要對(duì)其進(jìn)行估計(jì),估計(jì)數(shù)據(jù)本身就存在一定的誤差,用估計(jì)的數(shù)據(jù)進(jìn)行模型的預(yù)測(cè)歸類,擴(kuò)大了誤差倍數(shù)。鑒于各個(gè)變量的數(shù)據(jù)期數(shù)較少,只有9期,故對(duì)變量的估計(jì)若采用時(shí)間序列差分的方法，誤差也比較大。若能獲得更多的相關(guān)數(shù)據(jù)，直接進(jìn)行預(yù)測(cè)或者使用時(shí)間序列差分的方法進(jìn)行估計(jì)，預(yù)測(cè)的效果會(huì)更佳,同時(shí)模型擬合的效果也會(huì)有所提升。其次，由于一次指數(shù)平滑法只能估計(jì)已知數(shù)據(jù)的后一期的值，故該方法無(wú)法得到2011年各個(gè)變量的數(shù)據(jù),而對(duì)于２0１０年的情況,其結(jié)果是相對(duì)固定的，因而預(yù)測(cè)具有一定的局限性.6。2模型評(píng)價(jià)本題與現(xiàn)實(shí)生活息息相關(guān),模型的建立也以貼合實(shí)際為要求。在很大程度上反映了近幾年北京市水資源的風(fēng)險(xiǎn)情況，并針對(duì)提出的問(wèn)題，找到了影響北京市水資源短缺的五個(gè)主要風(fēng)險(xiǎn)因子，特別是在其水資源短缺風(fēng)險(xiǎn)的綜合評(píng)價(jià)上,給出了水資源綜合風(fēng)險(xiǎn)因子優(yōu)化模型。在模型建立之前,我們查閱和搜尋了有關(guān)方面的信息，通過(guò)網(wǎng)絡(luò)收集數(shù)據(jù)和圖表進(jìn)行分析。在建模過(guò)程中，我們通過(guò)查閱相關(guān)文獻(xiàn)獲取問(wèn)題的相關(guān)信息,確保做到問(wèn)題的解決符合現(xiàn)實(shí)和時(shí)代的要求.在此對(duì)我們的模型做出客觀分析。本模型主要是采用因子分析優(yōu)化模型。之所以不選擇主成分分析模型，是因?yàn)橐蜃臃治鍪侵鞒煞址治龅耐茝V和發(fā)展,能夠?qū)?shù)據(jù)進(jìn)行正向化和標(biāo)準(zhǔn)化，能夠?qū)⒕哂绣e(cuò)綜復(fù)雜關(guān)系的變量(或樣品）綜合為數(shù)量較少的幾個(gè)因子,以再現(xiàn)原始變量與因子之間的關(guān)系,同時(shí)根據(jù)不同的因子還可以對(duì)變量進(jìn)行分類,實(shí)現(xiàn)降維。此外，我們也對(duì)主成分分析模型做了參考和嘗試，但擬合的效果并沒(méi)有因子分析優(yōu)化模型的擬合效果好，得到的綜合評(píng)價(jià)為負(fù)值與實(shí)際的水資源短缺風(fēng)險(xiǎn)相違背。相關(guān)建議針對(duì)因子分析法找到的水資源風(fēng)險(xiǎn)因子，北京市應(yīng)該在工業(yè)用水、污水處理方面加強(qiáng)管理,可以調(diào)整工業(yè)產(chǎn)業(yè)結(jié)構(gòu)，限制高耗水行業(yè);加大廢水不合理排放的成本，促使工廠提高污水處理能力，加大污水處理廠的建設(shè)，以確保廢水、污水的處理工作,從而提高單位水產(chǎn)GＤＰ效益。針對(duì)節(jié)水因子,為加強(qiáng)水資源的綜合管理,建立并健全水資源公眾參與機(jī)制。在水資源公眾參與機(jī)制中提供更多的實(shí)踐公益活動(dòng),比如提高水政策制定過(guò)程的開(kāi)放度和信息透明度,在政策制定和實(shí)施過(guò)程中建立水資源相關(guān)利益團(tuán)體的制度化表達(dá)機(jī)制和參與機(jī)制;建立多部門協(xié)作、咨詢、水價(jià)聽(tīng)證等制度;用水，節(jié)水和水交易信息等如實(shí)公布，確保群眾的知情權(quán)，同時(shí)也讓廣大群眾了解水資源緊缺的嚴(yán)重性.在此基礎(chǔ)上，健全群眾有獎(jiǎng)舉報(bào)制度以及其他能充分體現(xiàn)公眾知情權(quán)，參與決策權(quán)、監(jiān)督權(quán)、輿論權(quán)的制度,反映民情民意，以達(dá)到共同治理和保護(hù)水資源的目的.此外,市內(nèi)的各大水利局還應(yīng)重視信息間的交流,以講座、重要媒體宣傳和互聯(lián)網(wǎng)發(fā)布、問(wèn)卷調(diào)查等形式，加強(qiáng)公眾節(jié)水意識(shí)教育,提高參與治水的能力和質(zhì)量。改革完善水資源管理體制，必須對(duì)區(qū)域內(nèi)的防洪、水資源供需平衡和水生態(tài)環(huán)境實(shí)行城鄉(xiāng)統(tǒng)一管理。另外，必須加強(qiáng)流域管理機(jī)構(gòu)的職權(quán)。要實(shí)現(xiàn)流域水資源的高效開(kāi)發(fā)利用和合理配置,就應(yīng)該在流域內(nèi)由超脫于局部利益之上、統(tǒng)籌全局的機(jī)構(gòu)來(lái)管理.采取市場(chǎng)激勵(lì)、民主協(xié)商、政府調(diào)控等多種手段和措施實(shí)現(xiàn)流域水資源的統(tǒng)一管理,促進(jìn)流域水資源共享及其可持續(xù)發(fā)展。根據(jù)模型結(jié)果的分析可以給我們一些啟示：2008年是北京奧運(yùn)年,盡管其水資源短缺的風(fēng)險(xiǎn)最大，但是2００8年水資源的情況相比200７年和２009年有了很大的改善,因而可以借鑒奧運(yùn)年的水資源方面的有關(guān)措施,比如集中改造自來(lái)水廠，這可以使北京市的供水能力大大加強(qiáng),甚至超過(guò)城市日常用水的需求;劃定水資源保護(hù)區(qū),加強(qiáng)城市備用水源地及農(nóng)村分散水源地的保護(hù),確保城市供水安全和農(nóng)民飲水安全；在全社會(huì)加強(qiáng)節(jié)水管理，農(nóng)業(yè)用水計(jì)量管理，工業(yè)調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，限制或者外遷高污染、高耗水企業(yè)，對(duì)社會(huì)單位實(shí)行階梯水價(jià);在污水管理方面，加大污水處理廠建設(shè)，讓污水河變成清水河,實(shí)現(xiàn)再生水使用率的提高;在生態(tài)方面,建設(shè)生態(tài)自然河道,改善市民居住環(huán)境。要真正治理好北京市的水資源問(wèn)題,好的建議并不在少,重在堅(jiān)持和執(zhí)行,同時(shí)兼以完善的水資源保護(hù)體制.所以對(duì)治理、管理的措施，相關(guān)政府應(yīng)該大力抓,持之以恒,才能把北京市的水資源問(wèn)題管理好,把水資源短缺的風(fēng)險(xiǎn)降到最低。參考文獻(xiàn)［1]北京市水務(wù)局。北京市水資源公報(bào)（2009）[R],北京。2010年。［2］謝翠娜，許世遠(yuǎn)，王軍，劉耀龍，陳振樓.城市水資源綜合風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系與模型構(gòu)建[J］。環(huán)境科學(xué)與管理.2008年5月，第5期.1673－12１２[３］吳春艷，軒春怡,劉中麗．氣候變化對(duì)北京市水資源可持續(xù)利用的影響及對(duì)策［Ｊ].中國(guó)農(nóng)業(yè)氣象。2009年，第３０期.2００—204．［4］凌子燕，劉銳?；谥鞒煞址治龅膹V東省區(qū)域水資源緊缺風(fēng)險(xiǎn)評(píng)價(jià)[J］.資源科學(xué).2010年１２月，第12期．23２４－2328．[5］林海明。因子分析模型的改進(jìn)與應(yīng)用[J].數(shù)理統(tǒng)計(jì)與管理.200９年1１月，第６期.1０02—156６.［6]于秀林，任雪松．多元統(tǒng)計(jì)分析[M］.第1版.北京。中國(guó)統(tǒng)計(jì)出版社。2０10年7月.第１７７頁(yè)～第1８2頁(yè),第１86頁(yè)～第188頁(yè)。[７］林海明．小樣本因子分析的SＡS軟件計(jì)算與綜合評(píng)價(jià)[J］。統(tǒng)計(jì)與決策(理論版)。２006年，第１2期.１０02－6487。［8］晏華。交易數(shù)據(jù)的聚類分析[D］.成都。電子科技大學(xué)．2008年．[９］鄧愛(ài)萍，肖奔．基于時(shí)間序列的市場(chǎng)需求預(yù)測(cè)模型研究［J］?？茖W(xué)技術(shù)與工程．2０09年1２月，第23期。1671－18１9．附錄9.1附表附表Ｉ序號(hào)年份降雨量地表水資源量地下水資源量水資源總量總供水量人均水資源量工業(yè)用水量人均年生活用水量１２3456７8９2001２00２２0０３200420０5２00620072０0８２009３38.９3７0.4444．948３．5４10。７3１8.0483．96２６．348０。67．85．36．18.27．6６。０７．61２．8６。8１5．71４．7１４。８１6.518。518。516。2２1.415.119．2１6.11８.４21．42３。224。5２3。８34。2２1.838．９３４。６35。８３4.634。53４.334.8３５.135.5139．７1１4。712７.8１4５。1153．1１５7。1１４8.12０5。5126．69。27。58。47。7６．８6.2５.８５．25。288．0７6.990．387.０88．48７．8８6。488．3８5．2附表I續(xù)表序號(hào)農(nóng)業(yè)用水量環(huán)境用水量污水處理率污水處理能力工業(yè)廢水排放量生活污水排放量萬(wàn)元ＧＤＰ水耗萬(wàn)元地區(qū)生產(chǎn)總值水耗下降率1２３４56７8917．41５。513。81３．５13．212.8１2．412．012.0０.30。８0。60。６1.11.62。７3.23．6４2。０45.０５０.１5３．9６2．４73。8７6。２７8．９80。314418１215２5532433135３３293562.05881。77４5１.3０151。2４421.２７４0１．009８０.88９8０．82210。８5746。８６５7７.5529８．0６46８.5４468。8１９69．48２49。86８21０．４89213.２１0010４.9１8０.19７1.5０57.３５49.５０42.2５35.3４31.5８29。9213．7920.２26。9115。２9１1．0７１２．0１１1.３8７。568．1２附表II序號(hào)年份降雨量地表水資源量地下水資源量水資源總量總供水量人均水資源量工業(yè)用水率人均年生活用水率123456７8９20012０02２00320０420０５20０62007２0０８２009338．9370。4444.94８3.5４１0．7318。0483.9６２６。34８０.６7.8５。36。18。27.６6。07.６1２.８6.815．７1４。7１4。8１6.5１8．518。５1６．2２１。415．11９.21６．1１8。4２1．４2３.224．５23。83４．22１。８３８.9３4.６35.8３4．63４．5３4.３34。８３5。１35。5139.7114.7127。８145.1１53．115７。1１48．1２0５．5126.60．2３65００．２167６0.234640。２2２５４0.1９7１00．１８０７60。1６6６7０.１４8150。１46480.62992０．67０４40.706５70．５９95９0．５７74００．５５8880．５8339０．４29６８0.672９９附表II續(xù)表序號(hào)農(nóng)業(yè)用水率環(huán)境用水率污水處理率污水處理能力工業(yè)廢水排放率生活污水排放率萬(wàn)元GＤP水耗萬(wàn)元地區(qū)生產(chǎn)總值水耗下降率１2３４5６7８90．4４７300．4４7980.38５470．3９0170.382610。３７３１８0.３５63２0。3４1８80.338030.007７10.02３120．016７60。01734０。０31880.０４6６５０.0７7５90．０９1170。１0１4142。0４５。050.1５3。962．4７3.876．278.９８０。31４418１215２5５3243313５3３29３560。２306９0.190250.１3８9６０．１27１００．12６2２0．0９624０.082７１0.０7268０.06０９50。967４90.9７５430.９83０60.9８5340．9８5890.9899５0.９９１6９0。9９3１2０．９95４110４。9１80.1971。５057．3５４9．5042．253５。3431．5８2９。9２13.7920。２26。９1１5.２911。0712．01１1.387。５68.1２附表III序號(hào)年份降雨量地表水資源量地下水資源量水資源總量總供水量人均水資源量工業(yè)節(jié)水比人均年生活節(jié)水比123４５67８92００1２0０2２０03２0042０05２006２00720０８２009338.９３７０.44４４．948３．5410.７３1８.０4８3．96２6．34８０.67。８5．36.1８。27．６６。0７。６１2．86.815。714。７１４.８1６．518.518。516.22１．４1５。1１9．2１6。118．4２1。42３．2２4.5２3.834．２21。83８．9３４．６3５．８3４。63４.534．334。８３5.135.５１３９。7114。7127.８145.1153。１1５7。１１4８.1２0５．５126．64。234。614。２６4.4９5。07５.536.0０６。7５6．8３1。５91。49１．4２１.671。7３1。７９１．712．３３１.49附表III續(xù)表序號(hào)農(nóng)業(yè)節(jié)水比環(huán)境節(jié)水比污水處理率污水處理能力工業(yè)廢水節(jié)排比生活污水節(jié)排比單位水產(chǎn)GDＰ效益萬(wàn)元地區(qū)生產(chǎn)總值水耗下降率123４5６78９2.2４2．23２．5９2．５６2。６１2．６82．812。９32．961２9.6７４3．2559．6757.６731.3621.４４１2.8910.979.86４2．０4５.0５０．１53。96２。4７３．876．278．98０．3144181215２553243３13５3３2９３5６4．335.2６7.２0７.８77。９210.３９１2．０913.7616.411。30１.2３１。１６1.151。141.１１１．０９１。081．０695.32１２4．701３9。８617４。372０2．０2２３6。6９２82。９７31６。6６334。２２1３.7９20。２26.9115.29１1.0７12.011１．３87.５68.129。2相關(guān)編程９.2。1相關(guān)陣特征值(３.3)，ＳＡS腳本:ｄatapeｒｆｏｒｍａnｃe；ｉnputx1—ｘ16;ｃarｄs；３3８．97。815。7１９．238．９１39．74.231．5９2。24１2９.67４２144４.331．39５。３２１3.７9３７０。45．314．7１６．１3４.６1１４．７４.6１１.492。234３.2５４5１８15．261．23１2４。72０。２２4４4．96。１14．818。435。8127．84.261。422．5９5９．67５０．１２１５7.2１．１６139.86６。91483．58．２１6.５21.43４．６１45.1４．４91。672。565７。6753。9２55７。8７1.1５１７4.３71５.2９410.77.６18。523。234.51５３.1５。0７１．73２．6131．366２．432４7.９21。142０2.02１１.07３1８6１８。524。５34。3157。1５。5３1。７92。6８2１.447３.83311０.3９1。11２３6．６９12。０148３．97．616.223.83４。814８.161．71２。8112．８9７6．２353１2。091．0９2８２。9711.３8626。31２．８2１．434．235．１２05．５6．７５２。3３2.93１０。97７８。93２913.761．08316.６６7．５64８0．６6．８1５．121.8３5。51２6．6６。831.4９2．969．8680.33５616．４1１.06334．228。1２;ｐrｏcｆactｏrｄata＝performanceＭ=ｐrｉnｐｒioｒs=oneｐ＝０。９5siｍpｌecoｒr;varx1—x1６；rｕｎ;9.２.2因子載荷陣（３．４)，ＳAS腳本：pｒocfａcｔordata＝ｐｅｒfｏrmａnｃeR=Vｎ＝5sｃoｒeout=O05；varｘ1－ｘ16；procpriｎtdａｔa=O05;vaｒfaｃtｏr1－fａctoｒ５;run；９．２．3小樣本各風(fēng)險(xiǎn)因子參數(shù)估計(jì)(3。7/３。８）以及預(yù)測(cè)值(4．3)，SAS腳本：pｒｏciｍｌ；A=｛0．726240。223７10．1988８－0.6１7９4-0．00５０３，0。６3６950．717３60。118０7－0．22０380.０93１3，０．6994０0。58０７２-0。３1５910.２196５-0．１17９７,０。883960.45４8０-0。057640。０802５０。0０006,—0。465310．42０2７0。７1９１４0.21314０.20664，0．72９４90。65611-0．123730.１0779－０.07682，0．9023５－0。１80８5０.12９４3０．0７４68０．33４９5,0。７23420.63924—０．234270。048０１0。06９71，０．93７63—0。235470．21847-0．０22０９-0。１0４８9,-0.８041８０。４536５0．３270８０。0９6150。0１2１９，0.９3911-０．2５３550.02８５4０.19537０．0９909，0.８９0３0－0。3４511—0．１06480.16650—0.056８５,0．89418—０.325３６0．２3393０．０047５0.17１９9,—0。９03０20。38６５2０.０2545０.062２20.148８７，０。94４34—0．２5０960。1０2340。0３66４0。１8１１5，-0.6２5200。003１8-0。59692-０.106６５0。477２8｝；C=｛0.754060。5２７８０－0.2４４1２-0。２1785０．21392，-0.4７586０．7９2２７０。35１２20。02４190．１4８06，0.19844-０.25１140。75５92－０.５0２880。2７０66,0。１91460．1７463０.２6225－０。11３98－０.９２２5４，0。35904—０．０１２７７0．420560．82８3０0．089３1｝；X＝{33８.97.81５。7１9。238。913９.74。231．5９2．2４１2９．６７4２1444.３31.395．3213.７9，370.45．３14。7１6．134．611４．74．６1１。４92．2３43．25４51815．26１.2３１２4．7２０。22,444。96．１14。818.435。812７.８4.261.４22．595９．6750.12１5７．21。16１3９.866。91,483．5８.2１６.５２1.434.6145．１4.491。６72。5657．67５3．92５5７．８71。151７4.37１5．2９，4１０．７7.61８.523．２34．5１５３．１5.071．７３2。6１31。3662.4３2４7．９21．142０2．0２11。07，３18６18。5２4．534.315７.15．５31。792．6８２１。4473．833110.３91。11２３６。６912.０1，483.97。６16.２２3。83