有关PM2.5指数的实证研究--以北京市为例.doc

摘要：本文采集的数据时间范围是2014年7月1日—2014年12月31日，采集的指标包括PM2.5浓度、PM10浓度、SO2浓度、CO浓度、NO2浓度、O3浓度，先将数据进行标准化，再通过相关性分析、主成分分析以及多元回归建模等统计方法，研究PM2.5指数与其他指标之间的关系，并建立PM2.5指数与其他指标之间的多元回归预测模型，并对模型进行了验证。结果表明，此回归模型的估计均方根误差在1.00范围以内，可以有效地预测PM2.5指数。

关键词：PM2.5  相关性分析  主成分分析  多元回归预测模型

目录

摘要

Abstract

一、 引言和简要的文献综述-1

1、 PM2.5的研究背景-1

2、研究内容-5

二、数据收集与预处理-5

1、PM2.5浓度及与其相关的其他指标的数据收集-6

2、数据描述-6

3、数据规范化-6

三、数据分析-7

1、PM2.5浓度及其他指标的线性相关分析-7

（1）原理-7

（2）相关性分析-7

2、影响PM2.5指数浓度的主成分分析-9

（1）原理-9

（2）主成分分析-10

3、 影响pm2.5指数浓度的因子分析-12

（1） 原理-12

（2）因子分析-12

四、预测模型-13

1、多元回归预测模型-13

五、 研究结论与展望-16

1、 结论-16

2、 展望-17

六、 参考文献-17

七、附录-18