第一次训练题目：大气污染质量评价及预测
复相关系数
标准 估计的误
模型 1
R .295 a
R 方 .087 调整 R 方
.078 差 .12901 a. 预测变量: (常量), VAR00004, VAR00002, VAR00001, VAR00003。
选择所建预测模型的显著性水平为0.05，而F检验的统计了F=>F0.05，预测模型在统计意义上是显著成立的。
预测模型的复相关系数R2为 ，表明SO2浓度与气象因子(p、t、f、v)之间的关系为高度正相关。
预测模型的标准误差由相关表达式计算得，因此，表明预测模型的拟合程度很高。
同理得NO2、PM10的F值以及复相关系数：
NO2： F检验统计量 模型 1 回归 残差 总计 平方和 .014 .117 .131 df 4 419 423 均方 .003 .000 F 12.224 Sig. .000 a a. 预测变量: (常量), VAR00004, VAR00002, VAR00001, VAR00003。 b. 因变量: VAR00006 复相关系数 标准 估计的误模型 1 R .323 aR 方 .105 调整 R 方 .096 差 .01673 a. 预测变量: (常量), VAR00004, VAR00002, VAR00001, VAR00003。
第一次训练题目：大气污染质量评价及预测
PM10： F检验统计量 模型 1 回归 残差 总计 平方和 .226 1.676 1.902 df 4 419 423 均方 .056 .004 F 14.122 Sig. .000 a a. 预测变量: (常量), VAR00004, VAR00002, VAR00001, VAR00003。 b. 因变量: VAR00007 复相关系数 标准 估计的误模型 1 R .345 aR 方 .119 调整 R 方 .110 差 .06325 a. 预测变量: (常量), VAR00004, VAR00002, VAR00001, VAR00003。
各个污染物与气象参数之间关系式的检测情况表：
3月——10月三个个污染物的检验情况表 相关指标 污染物 F0.05 0.05 0.05 0.05 F 9.981 12.224 14.122 R2 0.295 0.323 0.345 SO2 NO2 PM10 由上面的表可以看出，我们建立的各个污染物与天气参数之间的关系式都是合理的。
A城市3月——10月：
同理求得：
第一次训练题目：大气污染质量评价及预测
SO2 ：
由SPSS求得的SO2与气象参数相关系数 非标准化系数 模型 1 (常量) VAR00001 VAR00002 VAR00003 VAR00004 a. 因变量: VAR00005 B -.102 .000 .000 .000 .010 标准 误差 .275 .000 .000 .000 .003 标准系数 试用版 t -.373 .019 .054 .037 .142 .468 1.368 .900 3.567 Sig. .710 .640 .172 .369 .000
c1?-0.102+0.010v
A城市在3月到10月期间，遇强风天气应注意监测二氧化硫浓度。 F检验统计量 模型 1 回归 残差 总计 平方和 .044 1.872 1.915 df 4 656 660 均方 .011 .003 F 3.837 Sig. .004 a a. 预测变量: (常量), VAR00004, VAR00001, VAR00002, VAR00003。 b. 因变量: VAR00005 复相关系数 标准 估计的误模型 1 R .151 aR 方 .023 调整 R 方 .017 差 .05341 a. 预测变量: (常量), VAR00004, VAR00001, VAR00002, VAR00003。
第一次训练题目：大气污染质量评价及预测
NO2：
由SPSS求得的NO2与气象参数相关系数 模型 非标准化系数 B 1 (常量) VAR00001 VAR00002 VAR00003 VAR00004 a.因变量: VAR00006 -.014 5.245E-5 1.373E-5 6.663E-5 .005 标准 误差 .101 .000 .000 .000 .001 标准系数 试用版 t -.138 .014 .018 .054 .190 .348 .449 1.322 4.807 Sig. .890 .728 .653 .187 .000
c1?-1.04+?5.245E-5?p+?1.373E-5?t??6.663E-5?f?0.005v
对于A城市，3月到10月期间，风速也是可能加重二氧化氮污染的重要天气因素。 F检验统计量 模型 1 回归 残差 总计 平方和 .009 .251 .260 df 4 656 660 均方 .002 .000 F 5.996 Sig. .000 a a. 预测变量: (常量), VAR00004, VAR00001, VAR00002, VAR00003。 b. 因变量: VAR00006 复相关系数 标准 估计的误模型 1 R .188 aR 方 .035 调整 R 方 .029 差 .01956 a. 预测变量: (常量), VAR00004, VAR00001, VAR00002, VAR00003。
第一次训练题目：大气污染质量评价及预测
PM10：
由SPSS求得的PM10与气象参数相关系数
非标准化系数
模型 1
(常量) VAR00001 VAR00002 VAR00003 VAR00004
B .448 -.001 .000 .000 .006 标准 误差
.286 .000 .000 .000 .003 标准系数 试用版
t 1.568 -1.370 1.216 2.050 2.173 Sig. .117 .171 .224 .041 .030
-.056 .048 .084 .087
c1?0.448-0.001p+0.006v
在城市A,3月到10月间，低气压有利于缓解PM10污染，而强风则会加重PM10污染。 F检验统计量 模型 1 回归 残差 总计 平方和 .031 2.020 2.052 df 4 656 660 均方 .008 .003 F 2.540 Sig. .039 a a. 预测变量: (常量), VAR00004, VAR00001, VAR00002, VAR00003。 b. 因变量: VAR00007 复相关系数 标准 估计的误模型 1 R .123 aR 方 .015 调整 R 方 .009 差 .05550 a. 预测变量: (常量), VAR00004, VAR00001, VAR00002, VAR00003。