本站原创本文是一篇计量经济学论文范文,计量经济学方面本科毕业论文范文,关于关于PM2.5的统计学相关毕业论文的格式范文。适合计量经济学及大学学报及参考文献方面的的大学硕士和本科毕业论文以及计量经济学相关开题报告范文和职称论文写作参考文献资料下载。
摘 要：通过计量经济学分析研究使得PM2.5值达到最低的影响因素最优组合方案.以SAS方程拟合与正交试验设计的理论方法为工具,选择PM2.5为研究对象,先用SAS拟合方程,并检验序列相关性、多重共线性以证明所拟合方程的可用性.再用正交试验设计的直观分析法确定因素水平的最优组合方案,通过用正交试验设计的方差分析法讨论因素的显著性,以确定最优组合即让PM2.5的值达到最低.
关 键 词：PM2.5,SAS,正交试验设计
中图分类号：F12文献标志码：A文章编号：1673-291X（2014）31-0003-02
一、SAS方程拟合
(一)模型建立
论文采用对数模型：lnY等于β1lnX1+β2lnX2+β3lnX3+β4lnX4+μ
其中,Y代表各城市PM2.5的数值,X1代表城市面积,X2代表城市人口数,X3代表机动车辆的数量,X4代表城市工业增加值,μ代表常数.
通过查阅搜集了各城市2013年的因变量PM2.5以及四个解释变量的原始数据.考虑到有些数值太大不便于后文的分析,则以绍兴数据为基准,定量100,由比例得其余各城市的数据相对值.北京采用车辆限行,取相对值的五分之一.原始数据和标准化数据汇总得到表1：
(二)方程拟合与计量经济学检验
用SAS软件进行方程拟合,拟合结果如下：
lnY等于-0.11722lnX1-0.03136lnX2+0.23685lnX3+0.08010lnX4+3.42667
（0.0079）（0.5714）（0.0028）（0.0613）（<,0.0001）
F等于240.45,R2等于0.9948,R2等于0.9907
其中,变量X1前的系数β1的估计值为-0.11722,其对应概率为0.0079,小于显著性水平0.05,说明β1与0有显著性差异.而β2与0没有显著性差异,β3、β4、μ和0有显著性差异.考虑剔除系数与0差异化最小的X2,用X1、X3和X4重新拟合方程,得结果如下：
lnY等于-0.11668lnX1+0.22010lnX3+0.06948lnX4+3.39109
（0.0041）（0.0004）（0.0410）（<,0.0001）
F等于358.36,R2等于0.9945,R2等于0.9917
采用拉格朗日乘数检验,得到拟合模型的最终结果：
lnY等于-0.11668lnX1+0.22010lnX3+0.06948lnX4+3.39109
由结果可知,PM2.5主要由城市面积大小、机动车数量和工业增加值决定.
二、正交试验设计分析
直观分析选取上页表1中PM2.5最低的两个城市和作为标准的城市,把这三个城市的数据作为因素的水平,用L9（3*4）正交表处理,数据表格如下：
表2实验数据表
因素X1,均值和极差为：k1等于39.81,k2等于40.67,k3等于42.84,极差等于k3-k1等于3.03
因素X3,均值和极差为：k1等于31.69,k2等于32.73,k3等于54.45,极差等于k3-k1等于22.76
因素X4,均值和极差为：k1等于33.68,k2等于40.33,k3等于44.88,极差等于k3-k1等于11.20
极差最大的那一列是要考虑的主要因素.直观分析可知,因素X3的极差最大,也就是说造成三个城市间PM2.5出现差异的最主要因素是机动车辆数量.
方差分析1.各因素离差平方和
各因素离差的平方和反映了因素水平变化时所引起的试验结果的差异.
QX1等于14184.82,QX3等于15120.93,QX4等于14325.20
P等于等于14134.83
SX1等于QX1-P等于49.99,SX3等于QX3-P等于986.10,SX4等于QX4-P等于190.37
2.总离差平方和：QT等于x2k等于15364.3091,ST等于QT-P等于1299.47
3.实验误差的离差平方和：SE等于ST-SX1-SX3-SX4等于1.01
4.自由度：fX1等于fX3等于fX4等于3-1等于2,f总等于9-1等于8,fE等于f总-fX1-fX3-fX4等于2
5.均方值MS：MSX1等于等于24.995,MSX3等于493.050,MSX4等于95.185,MSE等于0.505
6.F值：FX1等于等于49.49505,FX3等于等于976.3366,FX4等于等于188.4851
三个因素的F值都大于临界值F0.05（2,2）等于19.000,说明三个因素对PM2.5都有显著影响,又因为976.3366最大,所以城市机动车数量对PM2.5的影响最大.使得PM2.5达到最小值的最优组合是X11X31X41,也就是拉萨的数据.
三、结论
论文主要讲述了PM2.5的一种分析方法,通过分析PM2.5的来源、寻找数据、拟合分析方程,最终得到结果,给如何减少PM2.5提供理论上的依据.
从论文的最终结果来看,对PM2.5影响最大的是城市的机动车数量,其次是城市的工业增加值的影响,最后是城市面积大小对PM2.5的影响.考虑到城市面积和另外两个因素相比影响较小,以及社会成本问题,应优先处理前两个因素.参考文献：
[1]李子奈.计量经济学[M].北京：高等教育出版社,2000：107-144.
[2]陈魁.试验设计与分析[M].北京：清华大学出版社,1995：31-35.
[3]中国国家统计年鉴[K].
[4]刘峰,乔静然,李飞.部分线性单指标模型的序列相关性检验[J].重庆大学学报,2012,（3）：20-22.
[5]庞善起.正交表的构造方法及其应用[M].成都：电子科技大学出版社,2004：34-40.
[6]CookRD,ReidN.Parameterortrhogomalityandapproximateinregression.Ann-Statistic,1987,（49）,15-39.
StatisticalAnalysisofthePM2.5
GUOKang,MENGXian-yun
（YanshanUniversity,Qinhuangdao066004,China）
Abstract：ThispaperstudiesthefactorsoptimalbinationschemetomakesthePM2.5valuereachestheminimumthrougheconometricanalysis.ThetextselectSASequationfittingandorthogonaldesignasthetheoreticalmethods,andselectPM2.5forthestudy.Firstly,wegivethefittingequationbySAS,thenwetesttheserialcorrelationandmulticollinearitytoprovetheailabilityofthefittingequation.Next,orthogonaldesignintuitiveanalysiethodwillbeusedtodeterminetheoptimalfactorlevelbinationscheme.WedeterminetheselectedbinationsoffactorswhichwillkeepPM2.5reachesaminimumvaluebydiscussingthesignificanceoffactorsviaorthogonalexperimentaldesignanalysis.
Keywords：PM2.5,SAS,orthogonalexperimentaldesign[责任编辑吴高君]