Регрессионный анализ выбросов загрязняющих атмосферу веществ от стационарных источников по видам экономической деятельности

№115-1,

физико-математические науки

В статье проведено исследование объема выбросов загрязняющих атмосферу веществ по данным Росстата от стационарных источников по видам экономической деятельности на территории РФ. Получено уравнение регрессии с помощью корреляционно-регрессионного анализа, позволяющее прогнозировать объемы обезвреживания загрязняющих веществ в зависимости от количества их выбросов предприятиями.

Похожие материалы

Атмосферный воздух — это особо важный компонент биосферы среди других, значение которого для всего живого на Земле невозможно переоценить. Загрязнение атмосферы, оказывающее вредное влияние на здоровье людей и качество их жизни, является одной из актуальных проблем в нашей стране. По сей день со стороны человека экологическая обстановка остается без должного внимания [1]. Ежегодный экологический ущерб для России составляет приблизительно 15—17% ВНП. Поэтому прогнозирование, анализ и контроль влияния промышленных предприятий на экологию необходим и важен. Россия занимает 52 место в рейтинге самых экологических чистых стран. Основные источники, влияющие на экологию в РФ, являются: разработка новых месторождений и добыча полезных ископаемых, обрабатывающие производства, в частности, ядерно-химические объекты, нефтегазопроводы, автотранспорт и другие [2].

Динамику изменения выбросов загрязняющих веществ исходящих от стационарных источников можно проследить по графику, приведенному на рис. 1.

Динамика выбросов загрязняющих веществ в атмосферу
Рисунок 1. Динамика выбросов загрязняющих веществ в атмосферу

По графику видно, что прослеживается тенденция снижения количества выбросов, но незначительная.

В данной статье проведено исследование объема выбросов загрязняющих веществ в атмосферу по данным Росстата от стационарных источников по видам экономической деятельности на территории РФ. По результатам корреляционно-регрессионного анализа получено уравнение регрессии, которое позволяет прогнозировать объемы обезвреживания загрязняющих веществ в зависимости от количества их выбросов предприятиями.

При построении регрессионной модели зависимым параметром было выбрано суммарное количество выбросов Y (itog) на территории РФ в период с 1992 — 2018 год, в качестве независимых переменных (факторов):

  1. Х1 — сельское хозяйство, охота и лесное хозяйство;
  2. Х2 — добыча полезных ископаемых;
  3. Х3 — обрабатывающие производства;
  4. Х4 — производство и распределение электроэнергии, газа и воды;
  5. Х5 — транспорт и связь;
  6. Х6 — предоставление прочих коммунальных, социальных и персональных услуг.

Уравнение регрессии было получено с помощью программы Statistica 12, в разделе «Multiple Liner Regression» проведением пошагового множественного регрессионного анализа.

Анализ дал следующие результаты (см. рис. 2):

Результаты пошагового регрессионного анализа
Рисунок 2. Результаты пошагового регрессионного анализа

Коэффициент детерминации R2 = 0.9593 показывает, что на 95,9% расчетные параметры модели, т.е. сама модель, объясняют зависимость и изменения изучаемого параметра — Y от исследуемых факторов X. Также из приведенных результатов видно, что зависимость между зависимой переменной и факторами сильная, так как R2 > 0.75.

Фактическое значение критерия F = 129,92 больше табличного F0.05, 2, 11 = 3,98 определенного на уровне значимости α = 0,05, уравнение регрессии значимо, следовательно, исследуемая зависимая переменная Y достаточно хорошо описывается включенными в регрессионную модель переменными X2, X6.

В матрице парных коэффициентов корреляции (b*) объясняющих факторов (см. рис. 2) элементы, превосходящие по модулю значение 0,75 не встречаются, что свидетельствует об отсутствии проблемы мультиколлинеарности независимых переменных [3].

Для полученной регрессионной модели статистика Дарбина-Уотсона (d — w) приблизительно равна 1,51, а значение сериальной корреляции — 0,21 (см. рис. 3). Из этого следует, что остатки не коррелируют между собой и полученная модель надежна.

Статистика Дарбина-Уотсона
Рисунок 3. Статистика Дарбина-Уотсона

Согласно нормально-вероятностному графику (см. рис. 4) фактические значения не систематически отклоняются от теоретической нормальной прямой, т.е остатки распределены нормально.

Нормально-вероятностный график
Рисунок 4. Нормально-вероятностный график

Можно сделать вывод, что построенная модель линейной регрессии соответствует опытным данным и адекватна, т.е. модель можно использовать для прогноза.

В ходе исследования были найдены коэффициенты регрессии β0 = 11453,89; β1 =1,51; β2 = -3,38 и получена регрессионная модель, описываемая уравнением (1):

Y=11453.89+1.51\cdot X_2 -3.38\cdot X_5 (1)

Согласно модели получаем:

  1. C увеличением единовременных выбросов в атмосферу загрязняющих веществ производствами, занимающимися добычей полезных ископаемых, на 1 тыс. тонн итоговое количество выбросов увеличивается на 1,51 тыс. тонн;
  2. C увеличением деятельности производств, предоставляемых прочие коммунальные, социальные и персональные услуги на 1 тыс. тонн итоговое количество выбросов уменьшится на 3,38 тыс. тонн.

Таким образом, следует особое внимание обратить на предприятия, занимающиеся добычей полезных ископаемых.

Список литературы

  1. Теплая Г.А. Тяжелые металлы как фактор загрязнения окружающей среды // Астраханский вестник экологического образования. — 2013. — № 1 (23). — С. 182-192.
  2. Венецианов Е.В., Винниченко В.Н., Гусева Т.В., Дайман С.Д., Заика Е.А., Молчанова Я.П., Сурнин В.А., Хотулева М.В. Экологический мониторинг: шаг за шагом. М.: РХТУ им. Д.И. Менделеева, 2003. — 252 с.
  3. Демидова О.А. Эконометрика: Учебник и практикум для прикладного бакалавриата / О. А. Демидова, Д.И. Малахов. — М.: Издательство Юрайт, 2019. — 334 с, с. 194.