基于因子分析法的我国海洋生态健康评价研究

彭建交 陈会然

摘要：文章基于人类活动对海洋生态健康影响的视角，构建了我国海洋生态健康的评价指标体系。以我国沿海11个省（市）为研究对象，运用因子分析法对各地区2015年的样本数据进行评价。结果表明：总体而言，我国海洋生态健康状况十分严峻;其次，各省份在三个公因子上的得分上呈现出明显的不均衡性，各省份在海洋生态健康方面存在不同程度的短板;最后，从空间来看，我国海洋生态健康状况分布并未呈现出明显的区域特征。

关键词：因子分析;海洋生态;评价

沿海地区聚集了我国1/3的人口、贡献了一半以上的国内生产总值。随着人类对海洋开发强度的不断加大，这一地区正面临着严重的生态危机。党的十八大报告中明确提出要建设海洋强国，而“保护海洋生态环境”正是建设海洋强国的应有之义。为了加深对海洋生态问题的认识，目前国内外学者已经从不同角度对海洋生态健康进行了评价。从研究对象来看，现有研究主要以近岸海域为主，包括海湾、湿地等地区;从评价方法来看，主要包括网络分析法、熵值-突变级数法、灰色关联度法以及模糊评价法等;从评价指标体系而言，现有研究大多单一地从生物、化学等海洋表征直接对海洋生态状况进行评价。

虽然目前国内对于海洋生态的研究已经较为丰富，但从宏观上对我国海洋生态进行评价的研究相对缺乏;此外，从研究视角而言，现有研究较少从人类活动对海洋生态的影响角度对海洋生态进行评价。因此本文在借鉴前人研究的基础上，从人类活动对海洋生态影响的视角构建海洋生态评价体系，从宏观角度对我国沿海省份的海洋生态健康进行评价。

一、评价方法及数据来源

（一）海洋生态健康评价指标体系的构建

海洋作为自然生态系统，其健康与否一方面受到自然环境的影响;另一方面，伴随着人类对海洋资源的开发，人类活动对海洋生态健康的影响作用已经远远超越了自然环境对海洋生态的影响。人类活动对海洋生态的影响主要表现为正负两方面，即人类活动对海洋生态的破坏作用与人类活动对海洋生态的修复作用。本文从人类活动对海洋环境的正负影响两个方面构建我国沿海省（市）海洋生态健康评价指标体系，见表1。

（二）评价方法的选择

本文选用因子分析法对海洋生态健康状况进行评价。因子分析的基本思想是把联系比较紧密的变量归为一类，而不同因子之间的相关性较低。同一类别的变量内，可以认为这些变量受到了某个共同因素的影响才彼此高度相关，这个共同因素就是公因子，它是潜在并且不可观测的。因子分析实际就是通过降维将相关性较高的变量聚集在一起，进而降低变量数目和分析难度。因子分析的基本步骤如下：

1. 对数据进行标准化处理

2. 估计因子载荷矩阵

3. 因子分析的基本模型

4. 因子旋转

当因子载荷矩阵A的结构不便于对主因子进行解释时，可以用一个正交阵右乘A（即对A实施一个正交变换）。对A施行一个正交变换，对应坐标系就有一次旋转，便于对因子的意义进行解释。

5. 估计因子得分

用公共因子表示原变量的线性组合，进而得到因子得分函数。通过因子得分函数来计算各个公共因子上的得分，从而解决公共因子不能观测的问题。

（三）数据来源

本文以辽宁省、河北省、天津市、山东省、江苏省、上海市、浙江省、福建省、广东省、广西省、海南省11个沿海省份為研究对象。为了对最近的海洋生态健康状况进行评价，本文选取了最新的数据，各指标数据来源于《中国海洋统计年鉴2016》。

二、基于因子分析法的我国海洋生态健康综合评价

（一）数据标准化

由于指标体系中的指标单位与量纲不同，此外指标的正负属性也存在差异，不能直接进行因子分析，因此首先对数据进行标准化处理。正向指标标准化：x′=x/xmax;负向指标标准化：x′=xmin/x。

（二）指标相关性检验

因子分析的前提是各变量之间有较强的相关关系，通过观察初始变量的相关系数矩阵，多个变量间的相关系数大多在0.4以上，并且Sig普遍较小，表明这些变量之间存在较为显著的相关性。此外从KMO检验和Bartlett球形检验中可以看出，KMO为0.712，大于0.5;并且Bartlett球形检验统计量的Sig为0.03小于0.05，再次验证了各变量之间存在显著的相关性。

（三）确定主成分变量及计算综合得分

利用SPSS22.0对各变量进行因子分析，采用主成分法提取主成分。由表2矩阵的特征值和累计方差贡献率可知，前三个公因子的解释的累计方差已经达到了86.122%，即总体86.122%的信息可以由这三个公因子来解释。说明这三个公因子已经包含了原有变量的大部分信息。从表3旋转成分矩阵中可以看出旋转后每个公因子的载荷分配，对于一个变量来说，载荷绝对值较大的因子与它的关系更为密切。由表3可得，第一个公因子（F1）在变量X2、X6、X7有较大载荷，表明F1与沿海港口国际标准集装箱吞吐量、海洋科研从业人员数量、海洋科研机构经费投入有较强的相关性;第二个公因子（F2）在变量X3、X4、X8上有较大载荷，表明F2与国内旅游人数、规模以上生产用码头泊位个数、工业废水排放总量有较强的相关性;第三个公因子（F3）在变量X1、X5、X9上有较大载荷，表明F3与沿海地区湿地总面积、沿海地区星级饭店数、污染治理项目建设情况有较强的相关性。观察成分得分系数矩阵（表4）可以得到各因子的得分函数：

F1=0.103×X1-0.258×X2-0.138×X3+…-0.052×X9

F2=0.353×X1+0.151×X2+0.306×X3+…-0.058×X9

F3=0.552×X1+0.207×X2+0.220×X3+…+0.260×X9

通过将标准化的指标数据带入因子得分函数中，得到各省份在三个因子上的得分，如表5所示。最后计算各省份海洋生态健康的综合得分，对三个公因子进行加权求和，权数即为表2中旋转载入平方和中的“方差的%”即三个公因子旋转后的方差贡献率依次为32.803%、28.412%和24.907%，各省份海洋生态健康综合得分的计算公式为：

Z=F1×32.803%+F2×28.412%+F3×24.907%，最终得到各省份海洋生态健康综合得分（见表5）。

从各省份的因子得分及综合得分来看，因子F1位于前三位的省份为广东省、山东省、天津市，位于后三位的省份为广西省、河北省、海南省;因子F2位于前三位的得分为海南省、江苏省、天津市，位于后三位的省份为浙江省、福建省和上海市;因子F3位于前三位的省份为江苏省、广东省、山东省，位于后三位的省份为天津市、上海市、海南省;综合得分Z位于前三位的省份为江苏省、广东省、山东省，位于后三位的省份为福建省、河北省、浙江省。由此可见各省份在三个公因子得分上存在差异，每个省份都不同程度地存在短板。

最终利用因子得分对各省的海洋生态状况进行划分，由于学界尚缺乏统一的海洋生态健康评价标准，本文在结合相关文献的基础上将沿海各地区海洋生态健康划分为4个等级：健康、较健康、不健康、病态，具体划分见表6。其中健康省份为江苏、广东、山东;较健康省份为海南、天津;不健康状态省份为辽宁、上海、广西、浙江;病态省份为河北、福建。在11个省份中不健康与病态的省份占到了6个，海洋生态状况不容乐观;从空间上来看，各省份海洋生态健康的分布并未呈现出明显南北分布格局。

三、结论与建议

文章利用因子分析法对我国沿海省份的海洋生态健康状况进行评价。研究表明，各省份在三个公因子上的得分呈现出明显的不均衡性，各省份在海洋生态健康方面不同程度地存在短板;从海洋生健康态状况的分级来看，我国海洋生态健康状况十分严峻;从空间分布来看，我国海洋生态健康状况并未呈现出明显的区域特征。由于影响各省份海洋生态健康的因素不同，所以各地区在保护海洋生态方面要因地制宜，在全面保护海洋生态的同时注意补短板。此外，对于那些海洋生态健康状况较差的地区可以借鉴海洋生态状况较好地区的经验。

参考文献：

[1]钟慧琪，鲍姗姗，韩宇，杨璐，陈明茹，杨圣云，肖佳媚.福建罗源湾海湾生态系统脆弱性评价[J].应用海洋学学报，2017（01）.

[2]郗敏，仙旋旋，孔范龙，李悦，于雪.胶州湾湿地光滩和盐沼土壤质量评价[J].湿地科学，2018（05）.

[3]杜元伟，周雯，秦曼，王锐.基于网络分析法的海洋生态承載力评价及贡献因素研究[J].海洋环境科学，2018（06）.

[4]郑力燕，毕相东，宋伦，董少杰.基于熵值-突变级数法的环渤海地区海洋生态环境承载力评价及障碍因子诊断[J].海洋通报，2018（05）.

[5]李晴新，朱琳，陈中智.灰色系统法评价近海海洋生态系统健康[J].南开大学学报（自然科学版），2010（01）.

[6]陆志强，李吉鹏，章耕耘，马丽.基于可变模糊评价模型的东山湾生态系统健康评价[J].生态学报，2015（14）.

[7]宋德彬，高志强，徐福祥，郑翔宇，张华，胡晓珂，黄国培，章海波.渤海生态系统健康评价及对策研究[J].海洋科学，2017（05）.

[8]胡军华，景琪.沿海城市海洋生态经济系统健康评价[J].生态经济，2018（10）.