本文采用统计学方法系统分析淮安市2014年天气状况与雾霾之间的关系为探讨天气状况与雾霾形成的内在关系、分析雾霾天气的成因、雾霾天气的预防等提供依据。因此通过研究淮安市天气状况与雾霾关系,可以及时了解雾霾天气形成原因及影响因素之间的关系,在此基础上人们可以根据个人的需要及时采取相应措施防治雾霾对身体造成危害。

2 淮安天气状况综合分析

  2。1原始数据的检验

    在进行因子分析之前,需要先对数据进行相关系数矩阵检验、巴特利特球度检验和KMO检验,由于本次使用软件为DPS,故在检验之前需要对数据指标进行描述并定义。

选取指标：环境空气质量日均浓度：SO2 、NO 、NO2 、NOX、CO  、O3、     

                                      PM10 、PM2。5文献综述

              气象因子参数：风速、风度、温度、湿度、气压、能见度

    定义指标如下：

 :SO2         :NO      :NO2          :NOX       :CO         :O3      :PM10      :PM2。5     :风速       :风向      :温度   

 :湿度    :气压     :能见度

   据检验结果我们可知,部分的相关系数都较高,各变量呈现出较强的线性关系,能够从中提取公共因子,适合进行因子分析。经Bartlett检验表明：Bartlett值=8599。9247,P<0。0001,如果显著性水平α为0。05,由于概率P-值小于显著性水平α,则应拒绝原假设,认为相关系数矩阵与单位阵有显著差异即相关矩阵不是一个单位矩阵,故考虑进行因子分析。

    Kaiser-Meyer-Olkin Measure of Sampling Adequacy。是用于比较观测相关系数值与偏相关系数值的一个指标,其值愈逼近1,表明对这些变量进行因子分析效果愈好,本文KMO值=0。7474,意味着用因子分析比较好。检验结果如下表。

表1:

计算结果 当前日期 2016-3-22 16:54:13

相关系数 X(1) X(2) X(3) X(4) X(5) X(6) X(7) X(8) X(9) X(10) X(11) X(12) X(13) X(14) 

X(1) 1。0000 -0。0144 0。1015 -0。0009 0。1637 0。0533 0。1127 -0。0570 0。1076 -0。0157 -0。0280 0。0038 -0。1943 0。0719

X(2) 0。4882 1。0000 -0。9301 0。9789