運用偏相關(guān)分析和主成分回歸分析法

SAS軟件的在煤礦事故分析上的應(yīng)用――運用偏相關(guān)分析和主成分回歸分析法摘要：為了研究我國煤礦各類事故之間的相互關(guān)系，收集引起煤礦各類事故的原因，運用sas軟件的部分功能對我國煤礦事故數(shù)據(jù)進行了統(tǒng)計分析，其中運用偏相關(guān)分析和主成分回歸分析法，分析分類事故死亡人數(shù)對總死亡人數(shù)的影響。根據(jù)主成分分析法推導(dǎo)出了一個回歸方程，用偏相關(guān)分析和主成分回歸分析的方法可以估算下一年份總死亡人數(shù)的參考值，從而重點做好各方面工作以最大減少事故發(fā)生。關(guān)鍵詞:煤礦；事故類型；偏相關(guān)系數(shù)；主成分分析；回歸分析Abstract:InordertostudytherelationshipbetweenthevarioustypesofcoalmineaccidentsinChina,collectingcausedbycoalmineaccidentsofvariouskinds,somefunctionsusingsassoftwaretoChina'scoalmineaccidentdataforstatisticalanalysis,includingtheuseofpartialcorrelationanalysisandprincipalcomponentregressionanalysismethod,analysisclassifiedthedeathtollofthetotalnumberofdeaths.Derivearegressionequationbasedonprincipalcomponentanalysis,thereferencevalueofthepartialcorrelationanalysisandprincipalcomponentregressionanalysistoestimatethetotaldeathtollofthenextyear,tofocusondoingallaspectsofworktothemaximumtoreducetheaccidentoccurred.Keywords:coalmine;typesofaccidents;partialcorrelationcoefficient;principalcomponentanalysis;regressionanalysis1引言煤炭工業(yè)作為我國的基礎(chǔ)產(chǎn)業(yè)，在現(xiàn)在及未來的國民經(jīng)濟發(fā)展中都起著舉足輕重的作用。從目前我國能源現(xiàn)狀、經(jīng)濟發(fā)展水平和世界能源格局來看，相當(dāng)長的時期內(nèi)以煤為主的能源消費結(jié)構(gòu)難以改變。但是近年來煤礦事故頻發(fā)，煤礦事故已成為我國工礦企業(yè)中死亡人數(shù)最多的一類事故，給國家和人民群眾的生命財產(chǎn)造成了巨大損失。因此，對煤礦事故進行統(tǒng)計分析，找出最主要的事故類型，研究各類事故之間的相互關(guān)系，由此提出有效的預(yù)防措施是非常必要的。為此，筆者運用主成分分析法和因子分析對搜集到的我國煤礦事故數(shù)據(jù)進行統(tǒng)計分析，主要分析了煤礦事故的主要類型以及各事故類型對事故發(fā)生的貢獻率，以為制定相應(yīng)的預(yù)防措施提供依據(jù)。

1.1數(shù)據(jù)來源通過數(shù)據(jù)收集1990-2010，我國煤礦各類事故死亡人數(shù)統(tǒng)計如下表。表11990-2010煤礦事故死亡人數(shù)（單位：人）事故類型年份 頂板瓦斯機電運輸放炮水害火災(zāi)總數(shù)1990262318231628131714771536222199125131756185597141430505672199224471865190487101408455543199322132231204570128354885788199421303012156602144521106667119952013325618657412456863678419961923335617849210542778655919971789380019646181450626839199818233212124433745075262251999174631231113646246833590720001614312278330523514055872001147622037949570432844839200224222014133532645091855859200324211865128570925517557022004245120139960599357915715200520131319785781025095846572006189610868951778417264109200715401012864538725572350520081236986784686526368316420091102856764827624556289320109867856945785246452673注：通過以上搜集的數(shù)據(jù)，選取我國煤礦事故死亡人數(shù)最多的 7種事故類型作為評價指標(biāo)，分別表示為:X1頂板、X2瓦斯、X3機電、X4運輸、X5放炮、X6水害、X7火災(zāi)、Y總數(shù)。1.2程序運行

datasasuser.shuju;inputyx1-x7;cards;2623182316281317147715391825131756185597141430507572447186519048710140845906221322312045701283548828521303012156602144521106304201332561865741245686325619233356178492105427782331789380019646181450622411823321212443374507521981746312311136462468332101614312278330523514023114762203794957043284175242220141335326450918582024211865128570925517549524512013996059935791554201313197857810250958262189610868951778417263821540101286453872557224112369867846865263682011102856764827624556198986785694578524645203%變量之間的相關(guān)系數(shù)proccorrdata=sasuser.shujuoutput=w;varyx1-x7;run;%標(biāo)注化數(shù)據(jù)procstandarddata=sasuser.shujum=0std=1out=stshuju;run;procprintdata=stshuju;run;%方差擴大因子和條件數(shù)procregdata=shuju;modely=x1-x7/vifcollinoint;run;%主成分回歸procprincompdata=stshujuout=cprefix=z;varx1-x7;run;procregdata=c;modely=z1-z4;run;□DpgljaKr"^1H『□DpgljaKr"^1H『gs-s-z:塗逕一? ???t#nQ?分別表示為:X1頂板、分別表示為:X1頂板、X2瓦斯、X3機電、X4運輸、X5放炮、X6水害、X7火災(zāi)、Y總數(shù)。2偏相關(guān)分析和主成分回歸分析2.1偏相關(guān)分析Pearson相關(guān)系數(shù)，N=當(dāng)用：Rho=0眄，Prat>]r|xlxSx4x5x6x7y1』訓(xùn)皿O.S36010.S27410.S39720.608^50.632440*45^60.773440.3030Q.00730.001S0.00490.00210.0885<.0C01xl0.236011.000000.53011-0.162070.039270.5S6S10.02235-0.164830.30300.01190.429C0.66580.00740.82340.47520.627410.58811LOOOOO0.370090.610B10.4&7040,21921Q.40G210.00230.01190.09870.00830.03730.3397OJEU0.63372-00.370091.000000.843550.34C100*5冊冊O(shè).G8OB7o.coia0.42360.0987<.00010.12430.0052O.OC50x40.589950.089270.810G1O.?4S6E1.DOODO0.903090.33153a.446ce(M⑷Q朋說0.UU3?SQQ10.15170.14214.0427x50.632440.5GG310.457040,346100.30309\ooooo0.257199.2G1S20.C0210.00740.03730.1243o.ien0.24170.2516x60.4524&0.022960.82340.219210.588960.331530.267191.000000.492S10.03950.38970.00520J4210.24170.0234x70J7044'0.164830.405210.580670.446030.261920,482811.00000<,DQD10.47520.06940.005S0.0+270.251G0.Q234偏相關(guān)分析用以計算描述在其他變量控制下，兩變量之間的線性關(guān)系的偏相關(guān)系數(shù)，即每年各類事故死亡人數(shù)對總死亡人數(shù)的直接影響程度，也就是說在除去其他因素的影響后，每年中每一類事故對總死亡人數(shù)的凈影響。運用 sas統(tǒng)計軟件分別計算出偏相關(guān)系數(shù)。7種事故類型作為評價指標(biāo),7種事故類型作為評價指標(biāo),事故死亡總?cè)藬?shù)與X1頂板、X2瓦斯、X3機電、X4運輸、X5放炮、X6水害、X7火災(zāi)的關(guān)系分別是：Ry,234567=0.23601，P=0.3030>0.01,可見控制X2瓦斯、X3機電、X4運輸、X5放炮、X6水害、X7火災(zāi)時，總的死亡人數(shù)Y與X1頂板的偏相關(guān)系數(shù)不顯著。Ry,134567=0.6274， P=0.0023<0.01,可見控制X1頂板、X3機電、X4運輸、X5放炮、X6水害、X7火災(zāi)時，總的死亡人數(shù)Y與X2瓦斯的偏相關(guān)系數(shù)顯著。Ry,124567=0.63972， P=0.0018<0.01,可見控制X1頂板、X2瓦斯、X4運輸、X5放炮、X6水害、X7火災(zāi)，總的死亡人數(shù)Y與X3機電的偏相關(guān)系數(shù)顯著。Ry,123567=0.58985， P=0.0049<0.001,可見控制X1頂板、X2瓦斯、X3機電、X5放炮、X6水害、X7火災(zāi)時，總的死亡人數(shù)Y與X4運輸?shù)钠嚓P(guān)系數(shù)很顯著。Ry,123467=0.63244， P=0.0021<0.001,可見控制X1頂板、X2瓦斯、X3機電、X4運輸、X6水害、X7火災(zāi)時，總的死亡人數(shù)Y與X5放炮的偏相關(guān)系數(shù)很顯著。Ry,123457=0.45246， P=0.0395>0.01,可見控制X1頂板、X2瓦斯、X3機電、X4運輸、X5放炮、X7火災(zāi)時，總的死亡人數(shù)Y與X6水害的偏相關(guān)系數(shù)顯著。Ry,123456=0.77844， P<0.0001,可見控制X1頂板、X2瓦斯、X3機電、X4運輸、X5放炮、X6水害時，總的死亡人數(shù)Y與X7火災(zāi)的偏相關(guān)系數(shù)很顯著。2.2主成分回歸分析Eig.envaIu&softheCorrelationE1cenva1ueDiffertncePrcparlionCumulalive13.1339701.543024950.^6580.465321.71S308750J177C42E0.24650.711430.900544510.2拙1鈾4?0.11440.6257斗0.584411030.079767530.00060.S06450.464C435I0.3BI7230S0.0B920.975Ag0.12S9Z0410.075082920.01780.993270.04783608d.oose1.0000Eisenvectors=1z22924252?xl0.1244900.7078550J1044&-.0130730.26BB74O.B030B20.203734x20.4025950.340119-.9499210.4021680.299018-.5789500J32025x30.470751-J014C21-.383355-.09034S0,0631251.719612x40.460120-.106071-.518812-.2838370.0811400.281302-.5S44610.3333S00.4154S80.320245.-.253100-.65801S-.274S18-.195032逑0.354300*.1962630.579341-.1302420.551924-.133679-.207682x70.890443-.2B37540J742700.725589-.3096820.959020-.024906主成分回歸分析是將原來的多個變量綜合成彼此互補相關(guān)的綜合指標(biāo)（即主成分）的一種統(tǒng)計方法，可以達到數(shù)據(jù)化簡，揭示變量不僅保留了原始數(shù)據(jù)的絕大部分信息，而且彼此之間不相關(guān)，對綜合變量進行分析，可以抓住主要的因素，剔除一些重疊的信息使問題得到最佳綜合簡化。利用SAS軟件計算出7各變量之間的相關(guān)系矩陣，發(fā)現(xiàn)變量之間的相關(guān)性比較明顯，為

此對7個變量的原始標(biāo)準(zhǔn)化數(shù)據(jù)進行主成分分析。有輸出的結(jié)果可知，相關(guān)矩陣的前 4個特征根分別為■1=3.261， ■2=1.718，■3=0.801， ■4=0.564。前四個主成分的累計貢獻率高達90.64%，所以選取四個主成分來代替原來的七個變量，這四個主成分可以解釋原來的 90.64%的信息。主成分個數(shù)的確定，根據(jù)累計方差貢獻率大于或等于 85%的原則選取。用 Z1,Z2,乙,Z4表示這四個主成分，則：Z1=0.124490x1*+

0.402595x2*+0.470751x3*+0.460120x4*+0.333360x5*+0.354300x6*+0.390443x7*Z2=0.707856x「+0.340119x2*-0.302147x3*-0.106071x4*+0.415488x5*-0.196263x6*-0.263754x7*Z3=0.110449x1-0.349321x2*-0.101462x3*-0.518812x4*+0.320245x5*+0.673341x6*+0.174270x7*Z4=-0.013073x1*+0.402166x2*-0.333355x3*-0.283337x4*-0.259100x5*-0.130242x6*0.72583X7*其中X*（i=1,2,3,4,5 ，6,7）是X的標(biāo)準(zhǔn)化指標(biāo).即（Xj—X）2/Si，其中X是X的均值，S[[9]何曉群，劉文卿?應(yīng)用回歸分析 [M]?北京：中國人名大學(xué)出版社。 2001.是X是X的標(biāo)準(zhǔn)差。2.3回歸分析P魚「訕帖terEstiniatestValue：Intercept1-e.69E9E-1721tValue：Intercept1-e.69E9E-172110.469010.0833310.9