基于SPSS的大連市農(nóng)業(yè)碳排放影響因素多元回歸分析

基于SPSS的大連市農(nóng)業(yè)碳排放影響因素多元回歸分析關(guān)鍵詞：農(nóng)業(yè)碳排放；回歸分析；SPSS中圖分類號：X131.2文獻(xiàn)標(biāo)識碼：A文章編號：2095-672X大連市近十年來的農(nóng)業(yè)發(fā)展迅速，農(nóng)業(yè)生產(chǎn)水平大幅提升，根據(jù)2013年大連市統(tǒng)計(jì)年鑒，2001年的農(nóng)林牧漁業(yè)總產(chǎn)值為2024900萬元，而2012年的農(nóng)林牧漁業(yè)總產(chǎn)值為8235942萬元，在12年間增長了306%。糧食的產(chǎn)量由2001年的121.36萬噸增長到2012年的165.56萬噸，增長了36%。蔬菜的產(chǎn)量由2001年的209.01萬噸增長到2012年的257.03萬噸，增長了23%。而大牲畜年底存欄量，由2001年的30.60萬頭增長到2012年的35.70萬頭，增長了17%。采用省級溫室氣體清單編制指南中對農(nóng)業(yè)碳排放量的估算方法計(jì)算出大連市溫室氣體排放量，見圖1。3基于SPSS的多元回歸分析法回歸分析是通過對觀察數(shù)據(jù)的統(tǒng)計(jì)和處理，研究與確定事物間相關(guān)關(guān)系和聯(lián)系形式的方法，回歸分析不僅可以提供變量間相關(guān)關(guān)系的數(shù)學(xué)表達(dá)式，而且可以利用概率統(tǒng)計(jì)知識對此關(guān)系進(jìn)行分析，以判別其有效性；還可以利用關(guān)系式，由一個(gè)或多個(gè)變量值，預(yù)測和控制另一個(gè)變量的取值，進(jìn)一步可以知道這種預(yù)測和控制達(dá)到了何種程度，并進(jìn)行相關(guān)因素的相關(guān)性強(qiáng)度分析【2】。為了更系統(tǒng)全面的進(jìn)行大連市農(nóng)業(yè)碳排放的影響因素分析，本文以2001年-2012年大連市農(nóng)業(yè)碳排放的相關(guān)數(shù)據(jù)為基礎(chǔ)材料，運(yùn)用多元統(tǒng)計(jì)分析中的回歸分析方法，通過利用SPSS軟件，對大連農(nóng)業(yè)碳排放量的主要影響因素進(jìn)行提取，為提出有效的環(huán)境治理措施提供一定的理論指導(dǎo)【3】。3.1農(nóng)用地CO2當(dāng)量排放量影響因素分析農(nóng)用地CO2當(dāng)量值包括稻田甲烷CO2排放當(dāng)量及農(nóng)用地氧化亞氮CO2排放當(dāng)量，根據(jù)篩選出的基本因素?cái)?shù)據(jù)【1】，設(shè)定，Y（CO2當(dāng)量）為因變量，X為自變量，詳見表1。分別以X1-X16為自變量進(jìn)行多元線性回歸分析，建立全回歸模型，影響因素不進(jìn)行篩選。首先引入變量。見表2VariablesEntered/Removedb由表2顯示強(qiáng)行引入的變量為X1-X16，方法為強(qiáng)迫引入法。進(jìn)行模型擬合度檢驗(yàn)，見表3模型匯總ModelSummary表中R為相關(guān)系數(shù)，R方為相關(guān)系數(shù)的平方，又稱為判定系數(shù)，判定線性回歸的你和成都，用來說明用自變量屆時(shí)因變量變異的程度（所占比例），R房衡量方程擬合優(yōu)度，R方越大越好，一般地，大于0.8說明方程對樣本點(diǎn)的擬合效果很好，由上表可以看出，y與x的相關(guān)系數(shù)和判定系數(shù)都為1，調(diào)整后的判定系數(shù)也為1，則說明，自變量可以解釋因變量100%的變話，所以其模型具有完整的擬合度，沒有不能被解釋的變量。為了分析出影響因變量的主要因素，重新建模，采用逐步引入剔除法多元回歸分析法（stepwisemultipleregressionanalysis），剔除對選取的因變量影響不明顯的自變量，計(jì)算回歸系數(shù)并進(jìn)行顯著性分析。此法是根據(jù)統(tǒng)計(jì)準(zhǔn)則依序選取自變量進(jìn)入回歸模型，是一種探索性的復(fù)回歸方法，同時(shí)使用前進(jìn)選取法（forwardmethod）與后退刪除法（backwardmethod）兩種方法，運(yùn)用計(jì)算機(jī)特性篩選出一個(gè)最佳的復(fù)回歸分析模型。首先引入變量，并進(jìn)行模型擬合度檢驗(yàn)，見表4模型匯總ModelSummary。由上表中我們可以看出有兩個(gè)回歸模型，隨著逐步回歸分析的進(jìn)行，R、R2和調(diào)整R2逐漸增加，而預(yù)測值標(biāo)準(zhǔn)差值卻逐漸減小，說明回歸方程的擬合程度在逐步提高，由此可見，模型2擬合程度更完美，自變量對因變量變異程度的解釋也更為貼切。表5中Sig值是T統(tǒng)計(jì)量的對應(yīng)概率值，所以Sig值要求小于給定的顯著性水平（0.05），Sig值越接近于0越好；如上表中兩種模型的Sig=0.000根據(jù)觀察，兩個(gè)模型中都有因素中的因變量顯著性小于0.05，被解釋變量與解釋變量全體的線性關(guān)系是顯著的，所以可以選用這兩個(gè)模型對本例進(jìn)行解釋，但根據(jù)前面分析2號模型的擬合度最好。由此可見，影響自變量的最因素主要是X11其他豆類籽產(chǎn)量（t）和X2化肥總用量（t）。另外根據(jù)表7：逐步回歸分析之外的變量，根據(jù)顯著性分析，其次影響CO2當(dāng)量排放量的因素為，X4、X1、X7、X5，X3、X8、X15、X16，最后的影響因素為X6、X12、X13、X9、X10、X14。由以上分析我們可以得到結(jié)論，在化肥的氮含量及秸稈還田率等影響因素不變的情況下，影響農(nóng)用地CO2當(dāng)量排放量的最主要因素為X11（其他豆類籽產(chǎn)量）、X2（化肥總用量），又因?yàn)橛绊懸蛩豖4（稻谷籽產(chǎn)量）、X1（水稻種植面積）兩個(gè)數(shù)據(jù)具有密切的相關(guān)性，兩者共同的CO2的貢獻(xiàn)值較大，因此，我們重新確定影響農(nóng)用地CO2當(dāng)量排放量的最主要因素：“X1（水稻種植面積）”、“X2（化肥總用量）”、“X11（其他豆類籽產(chǎn)量）”對農(nóng)用地CO2當(dāng)量排放量的影響程度最大；其次為“X3（糞肥氮輸入量）”、“X5（小麥籽產(chǎn)量）”、“X7（高粱籽產(chǎn)量）”、“X8（谷子籽產(chǎn)量）”、“X15（薯類籽產(chǎn)量）”、“X16（蔬菜（含菜用瓜）籽產(chǎn)量）”；最后影響相最小的因素為“X6（玉米籽產(chǎn)量）”、“X9（其他谷類籽產(chǎn)量）”、“X10（大豆籽產(chǎn)量）”、“X12（花生籽產(chǎn)量）”、“X13（芝麻籽產(chǎn)量）”、“X14（棉花籽產(chǎn)量）”。3.2畜牧業(yè)CO2當(dāng)量排放量影響因素分析畜牧業(yè)CO2當(dāng)量值包括動物腸道發(fā)酵甲烷排放量的CO2當(dāng)量及動物糞便管理甲烷和氧化亞氮排放當(dāng)量的CO2當(dāng)量，根據(jù)篩選出基本因素?cái)?shù)據(jù)，設(shè)定，Y（CO2當(dāng)量）為因變量，X為自變量，詳見表8變量對照表。分別以X1-X8為因變量進(jìn)行多元線性回歸分析，建立全回歸模型，影響因素不進(jìn)行篩選。首先引入變量。見表9VariablesEntered/Removedb由表9顯示顯示強(qiáng)行引入的變量為X1-X8，方法為強(qiáng)迫引入法。進(jìn)行模型擬合度檢驗(yàn)，見表10模型匯總ModelSummary由上表可以看出，y與x的相關(guān)系數(shù)為1，判定系數(shù)為0.999，調(diào)整后的判定系數(shù)也為0.998，都很接近1，自變量可以解釋因變量99%以上的變化，所以其模型擬合度較高，不能被解釋的變量較少。表中列出，回歸平方和為1245.826，自由度為8，回歸均方差為155.728。F=564.969，Sig=0.000由上表可知，X1顯著性概率=0.019，X4顯著性概率=0.003，在0.05顯著性水平上存在顯著關(guān)系，X2、X3、X5、X6、X7、X8顯著性概率都大于0.05，在0.05顯著水平上無顯著關(guān)系。這些變量保留在方程中是不正確的。所以該模型不可用，應(yīng)重新建模。那么，為了分析出影響因變量的主要因素，重新建模，采用逐步引入剔除法多元回歸分析法（stepwisemultipleregressionanalysis），首先引入變量，并進(jìn)行模型擬合度檢驗(yàn)，見表13模型匯總ModelSummary。數(shù)據(jù)分析出現(xiàn)了四個(gè)模型，根據(jù)觀察，復(fù)相關(guān)系數(shù)、判定系數(shù)、調(diào)整后的判定系數(shù)數(shù)值最近接1的模型為4號模型。由此可見，模型4擬合程度更完美，自變量對因變量變異程度的解釋也更為貼切。四種模型的Sig=0.000根據(jù)觀察，四個(gè)模型中都有因素中的因變量顯著性小于0.05，被解釋變量與解釋變量全體的線性關(guān)系是顯著的，所以可以選用這四個(gè)模型對本例進(jìn)行解釋，但根據(jù)前面分析4號模型的擬合度最好。由此可見，影響自變量的最因素主要是“X1（奶牛）”、“X2（非奶牛）”、“X4（山羊）”和“X5（豬）”。另外根據(jù)表7：逐步回歸分析之外的變量，其次影響自變量的因素變量為”X3（綿羊）”、”X6（家禽）”、”X7（馬）”、”X8（驢/騾）”。4農(nóng)業(yè)碳減排對策分析4.1減少反芻動物甲烷排放一般情況下，改善飼料質(zhì)量和提高動物生產(chǎn)力是減少動物甲烷排放的有效措施。推廣秸稈青貯、氨化，減少畜禽動物的CH4排放量。通過日糧合理搭配，降低畜禽動物的CH4排放量。使用多功能舔磚或營養(yǎng)添加劑減少CH4排放。4.2減少稻田甲烷排放減少稻田CH4排放的方法主要有施肥、灌水管理和選擇適宜的水稻品種。推廣間歇灌溉可減少甲烷排放。利用沼渣替代農(nóng)家有機(jī)肥可減少稻田甲烷排放。種植和選育新的品種減少甲烷排放。應(yīng)用稻鴨共作等生態(tài)農(nóng)業(yè)生產(chǎn)方式，可減少甲烷排放。4.3減少畜禽糞便甲烷排放減少畜禽糞便的甲烷排放的主要措施是針對排放潛力大的糞便減少液體貯存過程，并通過厭氧發(fā)酵回收甲烷減少溫室氣體排放。建設(shè)沼氣工程回收利用甲烷。改濕清糞為干清糞減少甲烷排放量。通過覆蓋等改變糞便貯存方式減少甲烷排放。4.4減少化肥使用量、提高氮肥利用效率、采用緩釋肥和添加硝化抑制劑減少農(nóng)田N2O排放采用緩釋肥和長效肥料可以降低農(nóng)田N2O排放。施用硝化抑制劑減少農(nóng)田土壤氧化亞氮排放。測土配方施肥，提高氮肥利用率、避免過量施肥造成的農(nóng)田N2O排放。參考文獻(xiàn)【1】田云，張俊飚.中國省級區(qū)域農(nóng)業(yè)碳排放公平性研究.中國人口資源與環(huán)境，2013，23（11）：36-44.【2】劉.世界優(yōu)秀統(tǒng)計(jì)工具SPSS11.0統(tǒng)計(jì)分析教程（高級篇）.中國圖書商報(bào)，2002-08-13（012）.【3】董紅敏，李玉娥，陶秀萍，彭小培，李娜，朱志平.中國農(nóng)業(yè)源溫室氣體排放與減排技術(shù)對策.農(nóng)業(yè)工程學(xué)報(bào)，2008（10）：269-273.