对空气污染指数的研究

对空气污染指数的研究

周鹏程 陈婉真 陈蔚薇 叶佩玉 张诗虹 林琛 李慧 关茗云 郭巧敏

饶婷 余良 蒋宇超

摘要:随着中国经济的发展,环境问题日益突出,越来越多的人们开始关注自身生活的环境了. 为积极响应国家的绿色低碳经济理念，我们组对环境质量中的空气质量进行实证研究. 通过分析全国主要城市近年来的空气质量报告，用多元统计分析方法对可吸入颗粒物、二氧化硫和二氧化氮等进行定量分析，综合影响空气质量的各个因素，从而对各个主要城市进行聚类分析，选取某些可以代表该类变量特征的样品（城市）进行分析，找出影响环境的主要因素,并探讨原因.

关键词:空气污染指数 生活质量 聚类分析 主成分分析 相关系数

一、 课题背景

多年来，我国经济发展中一直以“快”为主，“快”在“好”之前。依据“又快又好发展”要求，中国经济持续高速发展。相比1978年改革开放之初，现在中国经济总量已达到当时的90倍。中国经济从1990年至2005年平均增速9.7％，经济总量从1990年的全球第11位上升到2005年的第4位。2006-2008年，增长又始终保持着两位数的经济速度。2007年超过了德国，成为世界上第三大经济体。2009年，中国还超越德国，成为世界第一出口大国。而在2010年里，中国有望成为世界第二大经济体。

人类的经济活动包括两方面的活动。一方面在为社会创造着财富，即所谓“正面效应”，但另一方面又在以种种形式和手段对社会生产力的发展起着阻碍作用，即所谓“负面效应”。这种负面效应集中表现在两个方面，其一是无休止地向

生态环境索取资源，使生态资源从绝对量上逐年减少；其二是人类通过各种生产活动向生态环境排泄废弃物或砍伐资源使生态环境从质量上日益恶化。但在实现高速发展同时，也为多年来的“粗放型”快速增长方式付出了代价。能源的高消耗以及由此造成的环境污染和生态破坏，成为制约经济社会发展的突出问题。化石能源、生物能源等常规能源的使用造成的环境问题及其后果不断地为人们所认识，近年来，废气污染、光化学烟雾、水污染和酸雨等的危害，以及大气中二氧化碳浓度升高将带来的全球气候变化，已被确认为人类破坏自然环境、不健康的生产生活方式和常规能源的利用所带来的严重后果。落实科学发展观，在“好”字上做文章已成为当务之急。

近几年，中央经济工作会议引人注目地提出了“又好又快发展”，这与过去“又快又好发展”的提法有所改变。“好”与“快”两字之调意义深远，反映的是中国经济发展理念的一大转变，即由过去更多地强调发展的速度，转为更注重发展的效益，增长的质量，实现科学发展。“好”字当头，“又好又快”将是今后引领中国经济发展的基本指导思路。

2010年，国务院办公厅转发了环境保护部等部门《关于推进大气联防联控工作改善区域空气质量的指导意见》，在保护环境方面取得了一定成效，但是环境问题依然突出。在城市空气中二氧化硫、可吸入颗粒物等污染防治工作取得积极进展的同时，酸雨、灰霾和光化学烟雾等区域性大气污染问题日益突出，严重威胁人民群众身体健康，引起了社会各界的广泛关注。近年来，京津冀、长三角、珠三角等区域每年出现灰霾污染的天数达到100天以上，广州、南京、杭州、深圳、东莞等城市灰霾污染更为严重。东部地区大气能见度与20世纪60年代初期相比，下降了约7-15公里。区域性大气污染不仅发生在京津冀、长三角、

珠三角等重点区域，在辽宁中部、山东半岛、武汉及其周边、长株潭、成渝、海峡西岸等区域也时有发生，已成为当前迫切需要解决的环境问题。

二、 课题目的

通过对背景资料的学习，我们发现了如下问题：

1. 引起城市的污染的因素有很多，其中的主要因素是什么？

2. 各个主要城市的空气污染有什么关系？城市之间的空气污染程度孰高孰低？

3. 城市空气污染与城市人民的生活质量有什么关系。

为了解决上述问题，我们组拟通过分析全国主要城市近年来的空气质量报告，用多元统计分析方法对可吸入颗粒物、二氧化硫和二氧化氮等进行定量分析，综合影响空气质量的各个因素，从而对各个主要城市进行聚类分析，选取某些可以代表该类变量特征的样品（城市）进行分析。我们希望从分析中得到各个主要城市之间空气污染程度的关系，并从中分析出影响空气质量的主要因素。

最后我们通过相关分析，研究出空气质量与城市生活质量的关系，并根据空气质量与城市生活质量的关系，跟有关部门提出合理化的建议。

三、 数据搜集与处理

1、数据搜集：

1全国各主要城市空气污染指标数据来源于中国国家统计局网站年度数据○

2003-2009年全国各主要城市的空气质量指标，分别有：

可吸入颗粒（毫克/立方米）、二氧化硫（毫克/立方米）、二氧化氮（毫克/立方米）、空气质量达到及好于二级的天数（天）

22005年各主要城市生活质量指数极其排名，来源于《数据中国》2005年9月○

37期。

2、数据处理

（1）确定代表城市

1空气质量达到及好于二级的天数（天）除以每年总天数，算出比例值。 ○

2对所有指标数据进行标准化处理。 ○

（2）确定空气污染综合指标

1因为对空气污染程度来说，空气质量达到及好于二级的天数（天）是逆指标，○

其余变量都为正指标，所以需对空气质量达到及好于二级的天数进行转化。在这里用（365-该指标数值）/365，得到空气质量差于二级的天数占全年天数的比值。 2令X1:可吸入颗粒（毫克/立方米）;X2:二氧化硫（毫克/立方米）;X3:（毫克/立○

方米）;X4: 空气质量差于二级的天数占全年天数的比值。

3对以上所有变量进行标准化，消除量纲影响。得新的变量分别记为ZX1、ZX2、○

ZX3、ZX4。

四、数据分析

（一）确定代表城市（聚类分析结合实际情况）

对03、06、09主要城市空气质量指标数据、并根据不同的聚类方法（Ward法、between-group linkage法）最终确定进行聚类分析，通过聚类结果得出三类：第一类，兰州、乌鲁木齐；第二类，海口，南宁，拉萨；第三类，北京，天津，石家庄，太原，呼和浩特，沈阳，长春，上海，哈尔滨，南京，杭州，合肥，福州，南昌，济南，郑州，武汉，长沙，广州，重庆，成都，贵阳，昆明，西安，西宁，银川。在各大类选出代表城市，第一类是兰州，第二类海口，鉴于第三类的城市过多，不好选择代表城市，所以结合地理因素，选出广州，沈阳两个代表城市。部分分析结果如下：

09年主要城市空气指标ward法聚类结果

09年主要城市空气质量指标平均联结（组间）法聚类结果

（二）各城市空气污染指数（主成分分析）

A．通过主成分分析，分别确定03、06、09年的空气污染指数的计算公式。（分别使用03、06、09年的截面数据）

以03年截面数据为例，具体步骤如下：

1得到因子载荷阵（表1-1）、与总方差阵（表1-2） ○

成份矩阵（表1-1）

成份

a1

Zscore(x

1)

Zscore(x

2)

Zscore(x

3)

Zscore(x

4)

提取方法 :主成份。

a. 已提取了 4 个成份。

.920 -.130 -.323 .181 .546 .834 .074 .006 .824 -.251 .506 .042 .952 a2 -.135 a3

-.169 a4 -.215

2根据公式：ziai/SORTi,i1,2,3,4求出特征向量矩阵 ○

成份

z1

ZX1 0.34882

ZX2 0.30182

ZX3 1.284850.52450z2 z3 z4 0.200001.049610.188970.07559

2.23222

ZX4 0.336973得出主成份的表达式 ○

Y10.3488237X10.3018222X20.2000038X30.3369783X4

Y20.1703472X10.3156961X21.0496111X30.1638708X4

Y30.4292733X11.2848527X20.1889766X30.8186056X4

Y42.6535947X10.5245016X20.0755966X32.2322235X4

4以特征根为权，○对4个主成份进行加权综合，得出各城市空气污染的综合得分，即为空气污染指数。

计算公式为：Y0.682556Y10.198649Y20.098612Y30.020184Y4

同样方法可得出06年的各城市空气污染指数计算公式为

Y0.647684Y10.190105Y20.145945Y30.016267Y4

Y10.3480352X10.2753105X20.2481513X30.3569438X4

Y20.4968876X10.4153682X20.846685X30.4245118X4

Y30.197175X11.0712232X20.711202X30.1395443X4

Y4 2.7071294X10.1813618X20.0787331X3 2.834185X4

09年的各城市空气污染指数计算公式为

Y 0.656453Y1 0.200835Y2 0.127796Y3 0.014916Y4

Y1 0.356669X1 0.29605X2 0.204149X3 0.352484X4

Y2 0.24072X1 0.09618X2 1.0482X3 0.28273X4

Y30.45827X1 1.221533X2 0.12524X3 0.48971X4

Y4 2.91334X10.056535X2 0.102471X3 2.841095X4

B、比较03、06、09年的空气污染指数的计算公式，发现相差不大，所以分别对每个系数取均值，得到最终的各城市空气污染指数的公式：

Y0.662231Y10.196529Y20.124117Y30.017122Y4

Y10.351176X10.291061X20.217435X30.348802X4

Y20.30265X10.001164X20.981499X30.29037X4

Y30.36157X11.192536X20.21582X30.48262X4

Y40.95327X10.254133X20.0856X30.746378X4

根据综合指标公式，算出各个代表城市的综合指标，见表3

表3-各个代表城市的综合指标

得出各城市空气污染指数随时间变化的折线图，如下图所示：

由图可知，四个代表城市中，兰州空气污染最严重，沈阳和广州次之，海口的

空气质量最好。四个代表城市的空气污染指数与第一部分的聚类结果相符合。全国各个城市的空气质量污染 指数分为三个类别，第一类是以广州和沈阳为代表，其空气污染指数居中；第二类以海口为代表，其空气污染指数最低，空气质量好；第三类是以兰州为代表，其空气污染指数最高，空气质量最差。

而且，代表城市兰州、沈阳、广州的空气质量近年来均有所提高。

（三）空气质量与城市生活质量的关系研究

我们知道，影响城市生活质量的因素有很多，如收入，基础设施，文化氛围，生活环境等。总之我们觉得空气质量也是影响城市生活质量的因素。因此本文对空气污染指数与城市生活质量综合得分的关系进行研究。

选取2005年的截面数据。其中，由第二部分所得模型得出2005年全国各主要城市的空气污染指数，并结合2005年中国城市生活质量综合得分进行相关性分析。数据见下表：

1、 描绘散点图，观察变量间的趋势

散点图排列比较随机，可初步得出结论：城市生活质量与空气污染指数并无明显相关关系，即城市的空气质量对该城市的生活质量的影响并不大。为了证实这一点，我们对两个变量进行相关关系分析。 2、 相关系数分析：

相关性

城市生活质空气污染指

量得分

城市生活质量得分

Pearson 相关性

显著性

.603

1

数 .103

N

空气污染指数 Pearson 相

关性

显著性 N

28 .103

28 1

.603 28

28

两个变量间的皮尔森相关系数为0.103，很小，故可以进一步验证了初步的结论，即城市生活质量与空气污染指数并无明显的相关关系。

五、结论

1、通过主成分分析得出了计算城市空气污染指数的模型。

2、聚类分析选取的四个代表城市中，兰州空气污染最严重，沈阳和广州次之，海口的空气质量最好。四个代表城市的空气污染指数与第一部分的聚类结果相符合。全国各个城市的空气质量污染 指数分为三个类别，第一类是以广州和沈阳为代表，其空气污染指数居中；第二类以海口为代表，其空气污染指数最低，空气质量好；第三类是以兰州为代表，其空气污染指数最高，空气质量最差。 而且，代表城市兰州、沈阳、广州的空气质量近年来均有所提高。这跟不同地区的产业结构有关。比如，兰州的支柱产业是石油化工、装备制造、有色冶金等重工业产业，这些产业在生产过程中会产生大量的污染物，而海南的支柱产业是旅游业，这种产业在生产过程中产生的污染较少。

3、空气质量与城市生活质量的关系研究中，得出了与预期时相反的结果，即空

气污染指数对城市生活质量的影响很小。这可能跟人民不是很关注空气质量下降的有关，也可能是人民很难察觉到空气质量下降的危害。我们给出的建议是有关部门应该普及空气污染的危害的知识，提高居民关注空气质量的程度，并在如电视媒体等地方定期(月度、季度和年度)公布空气质量数据。

六、模型不足及改进

1、数据分析第一部分中，聚类分析分为三大类时第一大类因其含有的样本数较多，在选取代表城市时虽然考虑了地理产业的因素，但还有有很大的一部分主观因素，有待改进。

2数据分析第二部分主成分分析中得出的模型中，因涉及到截面数据与时间序列数据的结合，最好的方案是采用面板数据，但因时间和技术有限未能完成这部分的分析，有待后续改进。

参考文献

[1]朱建平：《多元统计分析》，科学出版社，2011年

[2]林华祯：厦门城市人居环境系统协调发展评价研究，厦门大学博硕士论文数据库，2010年5月30日 附：原始数据

(天)

(天)

(天)

(天)

(天)

对空气污染指数的研究

周鹏程 陈婉真 陈蔚薇 叶佩玉 张诗虹 林琛 李慧 关茗云 郭巧敏

饶婷 余良 蒋宇超

摘要:随着中国经济的发展,环境问题日益突出,越来越多的人们开始关注自身生活的环境了. 为积极响应国家的绿色低碳经济理念，我们组对环境质量中的空气质量进行实证研究. 通过分析全国主要城市近年来的空气质量报告，用多元统计分析方法对可吸入颗粒物、二氧化硫和二氧化氮等进行定量分析，综合影响空气质量的各个因素，从而对各个主要城市进行聚类分析，选取某些可以代表该类变量特征的样品（城市）进行分析，找出影响环境的主要因素,并探讨原因.

关键词:空气污染指数 生活质量 聚类分析 主成分分析 相关系数

一、 课题背景

多年来，我国经济发展中一直以“快”为主，“快”在“好”之前。依据“又快又好发展”要求，中国经济持续高速发展。相比1978年改革开放之初，现在中国经济总量已达到当时的90倍。中国经济从1990年至2005年平均增速9.7％，经济总量从1990年的全球第11位上升到2005年的第4位。2006-2008年，增长又始终保持着两位数的经济速度。2007年超过了德国，成为世界上第三大经济体。2009年，中国还超越德国，成为世界第一出口大国。而在2010年里，中国有望成为世界第二大经济体。

人类的经济活动包括两方面的活动。一方面在为社会创造着财富，即所谓“正面效应”，但另一方面又在以种种形式和手段对社会生产力的发展起着阻碍作用，即所谓“负面效应”。这种负面效应集中表现在两个方面，其一是无休止地向

生态环境索取资源，使生态资源从绝对量上逐年减少；其二是人类通过各种生产活动向生态环境排泄废弃物或砍伐资源使生态环境从质量上日益恶化。但在实现高速发展同时，也为多年来的“粗放型”快速增长方式付出了代价。能源的高消耗以及由此造成的环境污染和生态破坏，成为制约经济社会发展的突出问题。化石能源、生物能源等常规能源的使用造成的环境问题及其后果不断地为人们所认识，近年来，废气污染、光化学烟雾、水污染和酸雨等的危害，以及大气中二氧化碳浓度升高将带来的全球气候变化，已被确认为人类破坏自然环境、不健康的生产生活方式和常规能源的利用所带来的严重后果。落实科学发展观，在“好”字上做文章已成为当务之急。

近几年，中央经济工作会议引人注目地提出了“又好又快发展”，这与过去“又快又好发展”的提法有所改变。“好”与“快”两字之调意义深远，反映的是中国经济发展理念的一大转变，即由过去更多地强调发展的速度，转为更注重发展的效益，增长的质量，实现科学发展。“好”字当头，“又好又快”将是今后引领中国经济发展的基本指导思路。

2010年，国务院办公厅转发了环境保护部等部门《关于推进大气联防联控工作改善区域空气质量的指导意见》，在保护环境方面取得了一定成效，但是环境问题依然突出。在城市空气中二氧化硫、可吸入颗粒物等污染防治工作取得积极进展的同时，酸雨、灰霾和光化学烟雾等区域性大气污染问题日益突出，严重威胁人民群众身体健康，引起了社会各界的广泛关注。近年来，京津冀、长三角、珠三角等区域每年出现灰霾污染的天数达到100天以上，广州、南京、杭州、深圳、东莞等城市灰霾污染更为严重。东部地区大气能见度与20世纪60年代初期相比，下降了约7-15公里。区域性大气污染不仅发生在京津冀、长三角、

珠三角等重点区域，在辽宁中部、山东半岛、武汉及其周边、长株潭、成渝、海峡西岸等区域也时有发生，已成为当前迫切需要解决的环境问题。

二、 课题目的

通过对背景资料的学习，我们发现了如下问题：

1. 引起城市的污染的因素有很多，其中的主要因素是什么？

2. 各个主要城市的空气污染有什么关系？城市之间的空气污染程度孰高孰低？

3. 城市空气污染与城市人民的生活质量有什么关系。

为了解决上述问题，我们组拟通过分析全国主要城市近年来的空气质量报告，用多元统计分析方法对可吸入颗粒物、二氧化硫和二氧化氮等进行定量分析，综合影响空气质量的各个因素，从而对各个主要城市进行聚类分析，选取某些可以代表该类变量特征的样品（城市）进行分析。我们希望从分析中得到各个主要城市之间空气污染程度的关系，并从中分析出影响空气质量的主要因素。

最后我们通过相关分析，研究出空气质量与城市生活质量的关系，并根据空气质量与城市生活质量的关系，跟有关部门提出合理化的建议。

三、 数据搜集与处理

1、数据搜集：

1全国各主要城市空气污染指标数据来源于中国国家统计局网站年度数据○

2003-2009年全国各主要城市的空气质量指标，分别有：

可吸入颗粒（毫克/立方米）、二氧化硫（毫克/立方米）、二氧化氮（毫克/立方米）、空气质量达到及好于二级的天数（天）

22005年各主要城市生活质量指数极其排名，来源于《数据中国》2005年9月○

37期。

2、数据处理

（1）确定代表城市

1空气质量达到及好于二级的天数（天）除以每年总天数，算出比例值。 ○

2对所有指标数据进行标准化处理。 ○

（2）确定空气污染综合指标

1因为对空气污染程度来说，空气质量达到及好于二级的天数（天）是逆指标，○

其余变量都为正指标，所以需对空气质量达到及好于二级的天数进行转化。在这里用（365-该指标数值）/365，得到空气质量差于二级的天数占全年天数的比值。 2令X1:可吸入颗粒（毫克/立方米）;X2:二氧化硫（毫克/立方米）;X3:（毫克/立○

方米）;X4: 空气质量差于二级的天数占全年天数的比值。

3对以上所有变量进行标准化，消除量纲影响。得新的变量分别记为ZX1、ZX2、○

ZX3、ZX4。

四、数据分析

（一）确定代表城市（聚类分析结合实际情况）

对03、06、09主要城市空气质量指标数据、并根据不同的聚类方法（Ward法、between-group linkage法）最终确定进行聚类分析，通过聚类结果得出三类：第一类，兰州、乌鲁木齐；第二类，海口，南宁，拉萨；第三类，北京，天津，石家庄，太原，呼和浩特，沈阳，长春，上海，哈尔滨，南京，杭州，合肥，福州，南昌，济南，郑州，武汉，长沙，广州，重庆，成都，贵阳，昆明，西安，西宁，银川。在各大类选出代表城市，第一类是兰州，第二类海口，鉴于第三类的城市过多，不好选择代表城市，所以结合地理因素，选出广州，沈阳两个代表城市。部分分析结果如下：

09年主要城市空气指标ward法聚类结果

09年主要城市空气质量指标平均联结（组间）法聚类结果

（二）各城市空气污染指数（主成分分析）

A．通过主成分分析，分别确定03、06、09年的空气污染指数的计算公式。（分别使用03、06、09年的截面数据）

以03年截面数据为例，具体步骤如下：

1得到因子载荷阵（表1-1）、与总方差阵（表1-2） ○

成份矩阵（表1-1）

成份

a1

Zscore(x

1)

Zscore(x

2)

Zscore(x

3)

Zscore(x

4)

提取方法 :主成份。

a. 已提取了 4 个成份。

.920 -.130 -.323 .181 .546 .834 .074 .006 .824 -.251 .506 .042 .952 a2 -.135 a3

-.169 a4 -.215

2根据公式：ziai/SORTi,i1,2,3,4求出特征向量矩阵 ○

成份

z1

ZX1 0.34882

ZX2 0.30182

ZX3 1.284850.52450z2 z3 z4 0.200001.049610.188970.07559

2.23222

ZX4 0.336973得出主成份的表达式 ○

Y10.3488237X10.3018222X20.2000038X30.3369783X4

Y20.1703472X10.3156961X21.0496111X30.1638708X4

Y30.4292733X11.2848527X20.1889766X30.8186056X4

Y42.6535947X10.5245016X20.0755966X32.2322235X4

4以特征根为权，○对4个主成份进行加权综合，得出各城市空气污染的综合得分，即为空气污染指数。

计算公式为：Y0.682556Y10.198649Y20.098612Y30.020184Y4

同样方法可得出06年的各城市空气污染指数计算公式为

Y0.647684Y10.190105Y20.145945Y30.016267Y4

Y10.3480352X10.2753105X20.2481513X30.3569438X4

Y20.4968876X10.4153682X20.846685X30.4245118X4

Y30.197175X11.0712232X20.711202X30.1395443X4

Y4 2.7071294X10.1813618X20.0787331X3 2.834185X4

09年的各城市空气污染指数计算公式为

Y 0.656453Y1 0.200835Y2 0.127796Y3 0.014916Y4

Y1 0.356669X1 0.29605X2 0.204149X3 0.352484X4

Y2 0.24072X1 0.09618X2 1.0482X3 0.28273X4

Y30.45827X1 1.221533X2 0.12524X3 0.48971X4

Y4 2.91334X10.056535X2 0.102471X3 2.841095X4

B、比较03、06、09年的空气污染指数的计算公式，发现相差不大，所以分别对每个系数取均值，得到最终的各城市空气污染指数的公式：

Y0.662231Y10.196529Y20.124117Y30.017122Y4

Y10.351176X10.291061X20.217435X30.348802X4

Y20.30265X10.001164X20.981499X30.29037X4

Y30.36157X11.192536X20.21582X30.48262X4

Y40.95327X10.254133X20.0856X30.746378X4

根据综合指标公式，算出各个代表城市的综合指标，见表3

表3-各个代表城市的综合指标

得出各城市空气污染指数随时间变化的折线图，如下图所示：

由图可知，四个代表城市中，兰州空气污染最严重，沈阳和广州次之，海口的

空气质量最好。四个代表城市的空气污染指数与第一部分的聚类结果相符合。全国各个城市的空气质量污染 指数分为三个类别，第一类是以广州和沈阳为代表，其空气污染指数居中；第二类以海口为代表，其空气污染指数最低，空气质量好；第三类是以兰州为代表，其空气污染指数最高，空气质量最差。

而且，代表城市兰州、沈阳、广州的空气质量近年来均有所提高。

（三）空气质量与城市生活质量的关系研究

我们知道，影响城市生活质量的因素有很多，如收入，基础设施，文化氛围，生活环境等。总之我们觉得空气质量也是影响城市生活质量的因素。因此本文对空气污染指数与城市生活质量综合得分的关系进行研究。

选取2005年的截面数据。其中，由第二部分所得模型得出2005年全国各主要城市的空气污染指数，并结合2005年中国城市生活质量综合得分进行相关性分析。数据见下表：

1、 描绘散点图，观察变量间的趋势

散点图排列比较随机，可初步得出结论：城市生活质量与空气污染指数并无明显相关关系，即城市的空气质量对该城市的生活质量的影响并不大。为了证实这一点，我们对两个变量进行相关关系分析。 2、 相关系数分析：

相关性

城市生活质空气污染指

量得分

城市生活质量得分

Pearson 相关性

显著性

.603

1

数 .103

N

空气污染指数 Pearson 相

关性

显著性 N

28 .103

28 1

.603 28

28

两个变量间的皮尔森相关系数为0.103，很小，故可以进一步验证了初步的结论，即城市生活质量与空气污染指数并无明显的相关关系。

五、结论

1、通过主成分分析得出了计算城市空气污染指数的模型。

2、聚类分析选取的四个代表城市中，兰州空气污染最严重，沈阳和广州次之，海口的空气质量最好。四个代表城市的空气污染指数与第一部分的聚类结果相符合。全国各个城市的空气质量污染 指数分为三个类别，第一类是以广州和沈阳为代表，其空气污染指数居中；第二类以海口为代表，其空气污染指数最低，空气质量好；第三类是以兰州为代表，其空气污染指数最高，空气质量最差。 而且，代表城市兰州、沈阳、广州的空气质量近年来均有所提高。这跟不同地区的产业结构有关。比如，兰州的支柱产业是石油化工、装备制造、有色冶金等重工业产业，这些产业在生产过程中会产生大量的污染物，而海南的支柱产业是旅游业，这种产业在生产过程中产生的污染较少。

3、空气质量与城市生活质量的关系研究中，得出了与预期时相反的结果，即空

气污染指数对城市生活质量的影响很小。这可能跟人民不是很关注空气质量下降的有关，也可能是人民很难察觉到空气质量下降的危害。我们给出的建议是有关部门应该普及空气污染的危害的知识，提高居民关注空气质量的程度，并在如电视媒体等地方定期(月度、季度和年度)公布空气质量数据。

六、模型不足及改进

1、数据分析第一部分中，聚类分析分为三大类时第一大类因其含有的样本数较多，在选取代表城市时虽然考虑了地理产业的因素，但还有有很大的一部分主观因素，有待改进。

2数据分析第二部分主成分分析中得出的模型中，因涉及到截面数据与时间序列数据的结合，最好的方案是采用面板数据，但因时间和技术有限未能完成这部分的分析，有待后续改进。

参考文献

[1]朱建平：《多元统计分析》，科学出版社，2011年

[2]林华祯：厦门城市人居环境系统协调发展评价研究，厦门大学博硕士论文数据库，2010年5月30日 附：原始数据

(天)

(天)

(天)

(天)

(天)