基于因子分析的雾霾形成原因(编辑修改稿)

基于因子分析的雾霾形成原因(编辑修改稿)内容摘要：

因子分析进行适用性检验，在 SPSS 软件中检验方法是 KMO 检验法和巴特莱特球形度检验法，当 KMO 检验值大于 或巴特莱特球形度检验 P 值小于 时表明数据适合因子分析。 由运行结果可以看出， KMO 和 Bartlett 球形度检验显示，数据适合做因子分析。 Communalities Initial Extraction 二氧化硫 .891 氮氧化物 .848 烟尘 .754 一般工业固体废物产生量 .943 一般工业废物综合利用量 .887 一般工业固体废物处置量 .914 相对 湿度 .156 Extraction Method: Principal Component Analysis. Total Variance Explained Component Initial Eigenvalues Extraction Sums of Squared Loadings Total % of Variance Cumulative % Total % of Variance Cumulative % 1 2 3 .993 4 .351 5 .138 6 .122 7 .003 .040 Extraction Method: Principal Component Analysis. 由特征值≥ 1选取了 2个主因子，其累计贡献率未达到 85%， Communalities表中也显示相对湿度的信息提取量仅提取了 %， 没有保留足够多的原始信息， 碎石图也显示取 3个主因子较为合适， 2个主因子无法对因子的含义进行很好的解释，需要增加因子个数。 因此尝试选取 3个因子。 运行结果如下： Communalities Initial Extraction 二氧化硫 .892 氮氧化物 .871 烟尘 .787 一般工业固体废物产生量 .978 一般工业废物综合利用量 .908 一般工业固体废物处置量 .958 相对 湿度 .992 Extraction Method: Principal Component Analysis. Total Variance Explained Component Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative % 1 2 3 .993 .993 4 .351 5 .138 6 .122 7 .003 .040 Extraction Method: Principal Component Analysis. 结果显示 ， 取 3个因子时， 所有变量提取的信息量都在 ， 3个因子的累计贡献率达到 90%以上， 信息量充足。 Component Matrixa Component 1 2 3 二氧化硫 .908 .259 .035 氮氧化物 .866 .313 烟尘 .825 .272 一般工业固体废物产生量 .895 .186 一般工业废物综合利用量 .941 .042 .147 一般工业固体废物处置量 .440 .209 相对 湿度 .360 .914 Extraction Method: Principal Component Analysis. a. 3 ponents extracted. Rotated Component Matrixa Component 1 2 3 二氧化硫 .928 .169 .049 氮氧化物 .926 .046 烟尘 .873 .055 一般工业固体废物产生量 .640 .754 一般工业废物综合利用量 .860 .403 .083 一般工业固体废物处置量 .029 .973 相对 湿度 .991 Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 5。