计量经济学城市污水排放量影响因素分析.docx
《计量经济学城市污水排放量影响因素分析.docx》由会员分享，可在线阅读，更多相关《计量经济学城市污水排放量影响因素分析.docx（17页珍藏版）》请在冰豆网上搜索。
计量经济学城市污水排放量影响因素分析
计量经济学大作业
城市污水排放量影响因素分析
摘要：
随着城市化进程的加快和经济建设的飞速发展，城市污水排放量也迅速增长，这给城市污水处理系统带来了极大的压力，通过已知信息合理准确地估计、预测城市污水的排放量从而为进一步的污水处理提供参考，对整个污水处理流程有起着关键的作用。
本文从污水排放量与城市经济发展情况的联系出发，选择城市农业总产值、工业总产值、建筑业总产值和发电量，货物运输量，社会消费品零售总额以及城市是否处于沿海地区这几个容易获取的指标，分析其与城市污水排放量的关系。
建立线性回归模型，利用SPSS软件得到模型中的有关系数，并对模型中的自变量系数进行显著性检验。
分析结果表明该模型的指标选择合理，预测精度较好。
关键词：
污水排放量，回归分析，假设检验
TheanalysisonthefactorsofCitySewageDischarge
Abstract:
Withtherapiddevelopmentofurbanizationandeconomics,thedischargeofcitysewageshasincreasedgreatlyinthelastyears.Thisbringsgreatpressureforsewagetreatmentfacilities.ApriceestimationofSewageDischargeviaknowninformationcanbenefitalotintheoverallprocessofsewagetreatment.Thispaperanalysestherelationshipbetweensewagedischargeandeconomicdevelopmentandchoosesagriculturalproduction,industrialproduction,constructionindustrialproduction,electricityproduction,goodstransportationamountandwhetherthecityislocatedinacoastalregionasthedeterminingfactorsofCitySewageDischarge.Alinearregressionmodelisset,whichissolvedbySPSS,relevantsignificancetestsareperformed.Theresultshowstheindiceswechoosearereasonableandatteststheeffectivenessofthismodel.
Keywords：
SewageDischarge;Regressionanalysis;HypothesisTesting
目录
1.引言4
2.因素分析与模型假设4
3.模型建立5
3.1变量解释5
3.2数据收集6
3.3相关性分析6
3.4水平值模型7
3.4.1模型拟合优度7
3.4.2假设检验及置信区间8
3.5模型调整9
3.7测度单位的变化对模型的影响12
3.8模型总结分析13
4.结论13
1.引言
市域经济是社会经济的发展单元，随着中国经济的快速发展，城市污水排放量（主要包括居民生活污水排放量，农业污水排放量，工业污水排放量和第三产业污水排放量）也在急剧增加，城市污水排放与污水处理作为影响城市整体发展一个重要因素，受到了人们越来越大的关注。
对污水排放量进行科学的分析和预测是解决城市中水回用和预测城市污水处理量的前提，城市污水排放系统是一个复杂系统，影响城市生活污水排放系统的因素众多，受到自然条件、社会、经济及生活习惯的影响，合理分析和正确确定城市污水排放系统的主要影响因子，对准确预测城市污水排放量有着十分重要的作用。
城市污水排放量的预测方法一般有两类：
一类是根据污水排放量历年和现状资料数据，建立数学模型，对未来污水排放量做出预测,主要有回归分析法、时间序列法、灰色预测法、BP神经网络法等。
另一类方法是指标分析法。
它根据城市建设发展规模、人口规模、产业政策、城市用水量计划等资料，得到城市污水排放总量。
本文把城市农业总产值、工业总产值、建筑业总产值和发电量，货物运输量，社会消费品零售总额以及城市是否处于沿海地区作为对城市污水量影响的决定性因素，收集全国12个具有代表性城市近10年来的相关指标，分析上述指标对城市污水排放量的影响。
使用SPSS软件对回归模型进行回归分析和假设检验，并通过假设检验的结果对模型进行修正，最后给出了对修正模型的估计，第四部分分析了单位变化对参数估计的影响。
最后，我们在第五部分分析了回归的结果以及其代表的意义，并对模型的缺陷和不足进行了说明。
2.因素分析与模型假设
在中国，农业生产需要大量农业用水的投入，带来大量的农业废水，其来源主要有农田径流、饲养场污水、农产品加工污水。
污水中含有各种病原体、悬浮物、化肥、农药、不溶解固体物和盐分等。
农业污水数量大、影响面广，因此提出假说:
H1：
城市农业总产量越高，污水排放量越大。
工业废水是指工业生产过程中产生的废水、污水和废液，其中含有随水流失的工业生产用料、中间产物和产品以及生产过程中产生的污染物。
随着工业的迅速发展，废水的种类和数量迅猛增加，对水体的污染也日趋广泛和严重，威胁人类的健康和安全。
因此提出假说:
H2：
城市工业总产量越高，污水排放量越大。
城市建设过程中涉及到大量的建筑耗材使用，而水泥、钢筋的生存过程之中需要耗费大量的水资源，产生大量污水，另外，建筑工地上生产污水河建筑工人的生活污水排放量也不容忽视。
因此，提出假说：
H3:
建筑业总产量越高，污水排放量越大。
目前，国内大多数城市发电方式以火力发电为主，火力发电分公司在生产过程中会产生废水，废水包括：
油罐区含油废水、堆煤场及输煤通道各转运站产生的含煤废水、生活污水、净化站排泥水、贮灰场及灰库排水、脱硫废水、工业废水等，此外作为发电主要燃料的煤炭在其生产过程中需要耗费大量的水资源，产生污水排放。
因此，提出假说：
H4：
城市发电量越大，污水排放量越大。
城市的货物运输量大小可以反映城市交通枢纽和交通设施的体量大小，同时反映该城市所有产业的商品货物流通情况，货物流通需要人员的参与，必然会产生大量的生活废水，此外，流通量越大，各类商品货物的产量也相应越高，这一过程中必然也会产生大量的污水。
因此提出假说：
H5：
城市货物运输量越大，污水排放量越大。
社会消费品零售总额可以反映一个城市的商业发达程度，进而反映服务业的发展程度，目前，国内城市服务业以餐饮为主，而餐饮业必然会产生大量的废水。
因此，提出假说：
H6：
社会消费品总额越大，污水排放量越大。
城市所处的位置不同，水资源的拥有量和使用方式也不尽相同，一般而言，沿海地区的水资源更为丰富，农业灌溉也以传统灌溉为主，工业结构中，耗水型产业的比例也更大，居民生活方式也对污水排放量有很大影响。
因此，提出假说：
H7：
其他条件不变，沿海城市比内陆城市污水排放量更大。
3.模型建立
3.1变量解释
不失一般性，本文建立的回归模型使用的变量解释如表1所示：
表1变量解释
变量
解释
sew
城市废水排放量（单位：
百万吨）
agr
农业生产总值（单位：
亿元）
ind
工业生产总值（单位：
亿元）
con
建筑业总产值（单位：
亿元）
ele
发电量（单位：
亿千瓦）
sal
社会消费品零售总额（单位：
亿元）
tra
货物运输量（单位：
万吨）
reg
城市是否处于沿海地区（是：
1；否：
0）
在上述分析的基础上，建立水平模型，研究以上因素对城市污水排放量的绝对值影响，构建的线性回归模型如下：
其中，
为变量回归系数；
为随机误差项，表示没有被所列的解释变量解释的部分。
3.2数据收集
基于上述分析，本文按照人口数量、GDP总量、产业结构完善的原则，从全国范围内选择出12个具有代表性的城市，从知网年鉴中查找、记录其近10年的污水排放量以农业总产值、工业总产值、建筑业总产值和发电量，货物运输量，社会消费品零售总额，并记录其是否处于沿海地区。
数据均来自国家和地方统计局，具有很强的可信度。
3.3相关性分析
表2相关性
沿海地区
农业总产值
工业总产值
建筑业总产值
发电量
货物运输量
社会消费品零售总额
废水
沿海地区
Pearson相关性
1
-.063
.639**
.547**
.506**
.608**
.616**
.508**
农业总产值
Pearson相关性
-.063
1
.203
.242
.243
.039
.233
-.006
工业总产值
Pearson相关性
.639**
.203
1
.713**
.886**
.815**
.820**
.777**
建筑业总产值
Pearson相关性
.547**
.242
.713**
1
.486**
.531**
.844**
.582**
发电量
Pearson相关性
.506**
.243
.886**
.486**
1
.764**
.598**
.834**
货物运输量
Pearson相关性
.608**
.039
.815**
.531**
.764**
1
.570**
.732**
社会消费品零售总额
Pearson相关性
.616**
.233
.820**
.844**
.598**
.570**
1
.600**
废水
Pearson相关性
.508**
-.006
.777**
.582**
.834**
.732**
.600**
1
**.在.01水平（双侧）上显著相关。
从相关分析表中可以看出，废水排放量与工业总产值、发电量、货物运输量的相关系数分别为0.777、0.835、0.732，具有很强的正相关，与城市是否位于沿海地区、建筑业总产值、社会消费品零售总额的相关性较强，而与农业总产值的相关性不大。
3.4水平值模型
通过SPSS分析软件，对模型进行多元线性回归分析，回归结果如下所示：
系数a
模型
非标准化系数
标准系数
t
Sig.
B的95.0%置信区间
B
标准误差
试用版
下限
上限
1
（常量）
-54.235
172.873
-.314
.755
-401.292
292.823
沿海地区
-113.049
133.233
-.071
-.849
.400
-380.526
154.428
农业总产值
-1.968
.506
-.263
-3.887
.000
-2.984
-.951
工业总产值
-.048
.020
-.557
-2.391
.021
-.089
-.008
建筑业总产值
.157
.059
.341
2.687
.010
.040
.275
发电量
3.131
.499
1.001
6.270
.000
2.128
4.133
货物运输量
.006
.004
.211
1.763
.084
-.001
.014
社会消费品零售总额
.064
.061
.168
1.056
.296
-.058
.186
a.因变量:
废水排放量
所以，得到的回归模型为：
3.4.1模型拟合优度
模型汇总
模型
R
R方
调整R方
标准估计的误差
1
.908a
.825
.801
347.4753437
a.预测变量:
（常量）,沿海地区,农业总产值,发电量,建筑业总产值,货物运输量,社会消费品零售总额,工业总产值。
由数据分析结果可以看出，该线性回归模型的R方为0.908，表示在城市污水排放量的变化中，能被农业总产值、工业总产值、建筑业总产值和发电量，货物运输量，社会消费品零售总额以及城市是否处于沿海地区解释的为90.8%，调整的R方为82.5，低于R，表示企业研发投入的变异中，能被资产总额、资产负债率、主营业务收入、出口占比、企业是否亏损、企业是否为高新技术企业解释的为82.5%。
3.4.2假设检验及置信区间
（1）总体显著性检验（F检验）
F检验是检验因变量与自变量之间的线性关系是否显著，具体如下：
原假设:
备择假设：
中至少有一个不为0。
Anovab
模型
平方和
df
均方
F
Sig.
1
回归
29062491.456
7
4151784.494
34.386
.000a
残差
6157694.839
51
120739.114
总计
35220186.295
58
a.预测变量:
（常量）,沿海地区,农业总产值,发电量,建筑业总产值,货物运输量,社会消费品零售总额,工业总产值。
b.因变量:
废水排放量
由表可知，F统计量为34.386。
给定显著性水平1%，查表得，所得的F统计量远大于其临界值，所以拒绝原假设，即认为农业总产值、工业总产值、建筑业总产值和发电量，货物运输量，社会消费品零售总额以及城市是否处于沿海地区是联合显著的。
（2）t检验
对于任意的参数
，有
原假设：
备择假设：
OLS估计量
t值
是否显著
95%置信区间
下限
上限
-0.849
不显著
-380.526
154.428
-3.887
显著
-2.984
-0.951
-2.391
显著
-0.089
-0.008
2.687
显著
0.040
0.275
6.270
显著
2.128
4.133
1.763
显著
-0.001
0.014
1.056
不显著
-0.058
0.186
（3）模型的零均值检验
残差统计量a
极小值
极大值
均值
标准偏差
N
预测值
-408.792297
2477.928955
593.232659
707.8682355
59
残差
-654.8986816
882.4396973
.0000000
325.8330130
59
标准预测值
-1.416
2.662
.000
1.000
59
标准残差
-1.885
2.540
.000
.938
59
a.因变量:
污水排放量
通过上表可以看出，残差或标准残差的均值均为0，所以符合零均值假定。
3.5模型调整
从上述模型t检验数来看，城市沿海与否以及社会消费品零售总额对城市污水排放量的影响并不显著，所以在自变量中，将货运运输量去除。
然后再次进行多元归线性回归分析，结果如下：
系数a
模型
非标准化系数
标准系数
t
Sig.
B的95.0%置信区间
B
标准误差
试用版
下限
上限
1
（常量）
-31.139
153.813
-.202
.840
-339.648
277.371
农业总产值
-1.898
.490
-.253
-3.871
.000
-2.881
-.914
工业总产值
-.039
.017
-.452
-2.313
.025
-.073
-.005
建筑业总产值
.189
.046
.409
4.132
.000
.097
.281
发电量
3.087
.493
.987
6.257
.000
2.098
4.077
货物运输量
.005
.003
.149
1.382
.173
-.002
.011
a.因变量:
污水排放量
模型汇总
模型
R
R方
调整R方
标准估计的误差
1
.905a
.820
.803
345.9762366
a.预测变量:
（常量）,货物运输量,农业总产值,建筑业总产值,发电量,工业总产值。
Anovab
模型
平方和
df
均方
F
Sig.
1
回归
28876109.811
5
5775221.962
48.248
.000a
残差
6344076.484
53
119699.556
总计
35220186.295
58
a.预测变量:
（常量）,货物运输量,农业总产值,建筑业总产值,发电量,工业总产值。
b.因变量:
污水排放量
残差统计量
极小值
极大值
均值
标准偏差
N
预测值
-257.725281
2372.297119
593.232659
705.5947578
59
残差
-771.3578491
863.2043457
.0000000
330.7274241
59
标准预测值
-1.206
2.521
.000
1.000
59
标准残差
-2.230
2.495
.000
.956
59
a.因变量:
污水排放量
可以看到，调整之后的模型与之前的模型相比，残差检验，拟合优度和调整之后的拟合优度并没有明显变化，F检验更为显著，从各自变量的t检验值来看均与因变量显著相关。
所以调整之后的新模型优于之前的模型。
得到的调整回归模型如下：
3.6对数值模型
为分析对数值对回归模型的影响，本文提出的对数值回归模型为：
得到的回归结果如下：
系数a
模型
非标准化系数
标准系数
t
Sig.
B
标准误差
试用版
1
（常量）
3.363
.303
11.100
.000
农业总产值
.000
.001
-.033
-.491
.625
工业总产值
-0.008135
.000
-.526
-2.300
.026
建筑业总产值
.000
.000
.278
2.231
.030
发电量
.003
.001
.577
3.678
.001
货物运输量
0.001515
.000
.276
2.349
.023
沿海地区
.976
.234
.342
4.179
.000
社会消费品零售总额
.000
.000
.212
1.360
.180
a.因变量:
log（废水）
模型汇总b
模型
R
R方
调整R方
标准估计的误差
Durbin-Watson
1
.912a
.831
.808
.6090117
1.082
a.预测变量:
（常量）,社会消费品零售总额,农业总产值,货物运输量,沿海地区,发电量,建筑业总产值,工业总产值。
b.因变量:
log（废水）
Anovab
模型
平方和
df
均方
F
Sig.
1
回归
93.153
7
13.308
35.880
.000a
残差
18.916
51
.371
总计
112.069
58
a.预测变量:
（常量）,社会消费品零售总额,农业总产值,货物运输量,沿海地区,发电量,建筑业总产值,工业总产值。
b.因变量:
log（废水）
我们可以看到除农业和社会消费品之外变量，t值检验均显著因为R方与调整的R方分布达0.912和0.808，拟合效果很好。
其F统计量为35.880远大于其1%显著水平值临界值，所以我们可以拒绝这些因素对明星球员当前年薪没有影响的假设，即这些因素是联合显著的。
同样，将t值检验不显著的变量农业总产值和社会消费品零售总值去除，得到的精简模型如下：
系数a
模型
非标准化系数
标准系数
t
Sig.
B
标准误差
试用版
1
（常量）
3.376
.167
20.273
.000
工业总产值
-0.00551
.000
-.357
-1.826
.073
建筑业总产值
0.0008
.000
.365
3.846
.000
发电量
0.003
.001
.529
3.558
.001
货物运输量
0.001242
.000
.226
2.162
.035
沿海地区
1.065
.223
.374
4.777
.000
a.因变量:
log（废水）
接下来，我们在对修正后的对数模型进行估计和假设检验，结果如下：
3.7测度单位的变化对模型的影响
将污水排放量的单位由百万吨改变为万吨，即扩大100倍，重新进行回归分析，得到的结果如下：
项目
原值
现值
变化
-113.049
-11304.902
扩大100倍
-1.968
-196.770
扩大100倍
-.048
-4.825
扩大100倍
.157
15.719
扩大100倍
3.131
313.085
扩大100倍
.006
.649
扩大100倍
.064
6.424
扩大100倍
R方
.908
.098
不变
F统计量
34.386
34.386
不变
3.8模型总结分析
本文就城市污水排放量的影响因素提出了水平值模型和对数值模型，两者代表的因变量实际意义不同，模型中各变量的系数取值，t检验值，F检验值也都不同，在最终的精简模型中的变量选取方式也不近相同。
从t值检验来看，即使同一变量，在不同模型中的t值也不相同，从F检验来看，对数值模型的显著性更高，从拟合优度上来看，对数模型的拟合优度略高。
此外，本文还分析了当因变量测度方式改变是，对回归模型的影响。
尽管当测度方式变化是，自变量的系数会随之发生变化，但值得注意的是各类检验数的值并没有变化，而且拟合优度也没有变化。
因此，测度方式的变化并不会对模型产生本质的影响。
对比调整后的水平值模型：
和初始假设：
H1：
城市农业总产量越高，污水排放量越大。
H2：
城市工业总产量越高，污水排放量越大。
H3:
建筑业总产量越高，污水排放量越大。
H4：
城市发电量越大，污水排放量越大。
H5：
城市货物运输量越大，污水排放量越大。
H6：
社会消费品总额越大，污水排放量越大。
H7：
其他条件不变，沿海城市比内陆城市污水排放量更大。
我们得出如下结论：
城市污水排
升级会员 