《表2 OLS、SLM、SEM与SDM的估计结果比较Tab.2 Estimation results of OLS, SLM, SEM and SDM》
注:***、**和*分别表示1%、5%和10%的显著性水平。
为了对解释变量进行初步预判并与空间计量模型进行比较,本文首先使用普通最小二乘法(OLS)进行模型估计。以2014年PM2.5年均浓度为被解释变量,以各个自然和人文因素为解释变量做回归分析。为使数据更符合正态分布并消除模型异方差性,在回归分析前对方程的两边同时做对数处理。结果如表2所示,OLS1、OLS2是分别仅对人文要素和自然要素做回归,OLS3是综合所有要素的回归,单纯从拟合效果来看,通过对比对数似然值(Log likelihood)、调整后的拟合优度(Adjusted R2),发现模型OLS3的估计效果最好,单纯用社会经济变量和单纯用自然环境变量做回归,拟合优度分别为0.564和0.895,而综合人文与自然因素后的回归拟合优度达到0.929,再次验证了大气污染是由自然与人文双重因素导致。然而,一方面被解释变量PM2.5存在显著的空间自相关性;另一方面对模型OLS3的回归标准差进行空间自相关分析(图3b),其Global Moran's I为0.231,Z值为11.23(>2.58),在0.01水平上也非常显著。因此,本研究若用普通OLS方法对非独立性样本数据进行估计,不符合线性回归模型的基本假设,结果会产生严重的偏误。
图表编号 | XD0015433000 严禁用于非法目的 |
---|---|
绘制时间 | 2018.01.25 |
作者 | 刘海猛、方创琳、黄解军、朱向东、周艺、王振波、张蔷 |
绘制单位 | 中国科学院地理科学与资源研究所、中国科学院地理科学与资源研究所、中国科学院大学资源与环境学院、武汉理工大学资源与环境工程学院、北京大学城市与环境学院、中国科学院遥感与数字地球研究所、中国科学院地理科学与资源研究所、中国科学院地理科学与资源研究所 |
更多格式 | 高清、无水印(增值服务) |