Hg 0.492 0.13 -0.437 0.845 -0.459 0.17 0.743 0.203 0.354 0.889
Ni 0.686 -0.253 0.523 0.767 0.421 0.888 -0.32 0.663 -0.622 0.012
Pb 0.803 0.112 -0.348 0.858 0.049 0.703 0.477 0.782 0.544 0.097
问题： 首先对得到数据进行异常值检验，找到异常值后均值替代处理，然 后我们通过单因子污染指数法评价出该城区8种重金属单因子污染程度 和不同功能区的土壤重金属综合污染程度。 根据数据分析出不同功能区的土壤受重金属污染的原因。要解决这 个问题，我们首先要考虑到这8种重金属在不同区域的的分布可能有共 同的来源，进而找到污染的主要重金属，从而分析污染原因。因此，我 们利用SPSS软件，利用重金属浓度为参数值，得出各个功能区8种重金 属之间的相关系数，分析相关性；再利用SPSS软件进行各个功能区重 金属的因子分析，根据金属因子，分析不同功能区土壤重金属污染的主 要原因。 数据方法： 因子分析 计算步骤： 异常值及其处理：1.在“数据”中选择“标示异常个案”。 2.将8个重金属放入“分析变量”。点击“确定”。 3.在“转换”中选择 “替换缺失值”。 4.选择8个重金属放入“新变量”点击“确定”。 因子分析：
相关矩阵不是单位阵。通过以上两项统计指标的检 解释总方差
成
初始特征值
提取平方和载入 旋转平方和载入
份
合计
方差 的%
累积 %
合计
方差 的%
累积 %
合计
方差 的%
累积 %
1 3.470 43.371 43.371 3.470 43.371 43.371 2.437 30.461 30.461
城市表层土壤重金属污染分析
城市土壤作为构成城市环境的重要组成部分，是人类日常生活和生 产的物质基础。土壤中含有多种矿物，就As、Cd、Cr、Cu、Hg、Ni、 Pb、Zn等重金属来讲，适当的浓度对动植物体生长有很大的帮助。但是 由于人类活动等原因，造成土壤重金属在不同的功能区发生了不同程度 的污染。该文通过对城市不同区域的土壤重金属各方面的分析，探寻城 市化过程中城市土壤重金属的分布特征和影响因素，对开展城市环境质 量评测等都会有很大的帮助。
Zn 0.501 0.691 0.267 0.859 0.188 0.643 0.115 0.798 0.286 -0.242
由上表得： 生活区：第一成分贡献率为45.2%时含量较高的是As、Pb、Cu、Cd、 Ni、Cr，第二成分贡献率为14.2%，含量较高的是As、Zn。 工业区：第一成分贡献率为65.7%时，含量较高的是Cr、Cu、Cd、Hg、 Pb、Zn、Ni，第二成份贡献率15.8，含量较高的是As和Hg。 交通区：第一成分贡献率为46.9%时，含量较高的是Cd、Cr、Cu、Ni、 Zn、Pb，且成分远高于生活区、绿地公园区、山区。 绿地公园区：第一成分贡献率为48.8%，含量较高的是As、Cd、Cr、 Zn、Pb，且部分成分与生活区相差不大。 山地区：第一贡献率为38.0%时，含量较高的金属元素是Zn、Ni、Cr， 第二成分贡献率为25.4%，含量较高的是As、Cd、Pb，且成分低于绿地 公园区，整体污染情况低。 重金属污染原因：由问题（1）的数据分析结果，我们知道该城区表层 土壤重金属的污染主要在工业区。因此，得出重金属污染的主要原因是
工业污染，其次是交通污染和生活垃圾污染。工业污染大多通过废渣、 废水、废气排入环境，在人和动物、植物中富集，从而对环境和人的健 康造成很大的危害，工业污染的治理可以通过一些技术方法、管理措施 来降低它的污染。
Cd 0.784 0.171 -0.417 0.786 0.074 0.621 0.458 0.811 0.103 -0.232
Cr 0.643 0.234 0.493 0.916 -0.206 0.874 -0.319 0.809 -0.426 -0.003
Cu 0.729 -0.246 0.024 0.868 -0.463 0.906 -0.25 0.679 0.457 -0.151
8 .279 3.483 100.000
由表可看出，第一个因子的特征根3.470，此外1.130，它们的累积方差
贡献率57.501%，这意味着前两个数据显示了原始数据所提供的足够信
息。以特征值大于1 为标准，因子分析提取了2个公因子。故最终选择2
个主因子F1、F2。
表格 4 8种重金属在5各功能区主成分分布
1. 在“分析”选择“降维”中的因子分析。 2. 将8个重金属放入“变量”中，点击“确定”。 结果分析：
表格 1 异常数据
异常个案原因列表
元素 Ni
128,274
编号
Cd
223,40,35,34,90,240
Pb
253
Cu
45, 26,42
Cr
19
Zn
43,15
As
309
之后处理数据为将异常变量进行均值替代处理后的数据。
表格 2 KMO检验
KMO 和 Bartlett 的检验
取样足够度的 Kaiser-Meyer-Olkin 度量。
.788
Bartlett 的球形度检验 近似卡方
804.432
df
28
Sig.
.000
本研究的KMO值为0.788较适合做因子分析。卡方检验结果表明，
Bartlett球形检验的卡方统计值为804.432（P<0.000）,拒绝原假设，
生活区
工业区
交通区
公园绿地区
成分
成分
成分
成分
PC1 PC2 PC3 PC1 PC2 PC1 PC2 PC1 PC2 PC3
45.20% 14.20% 13.40% 65.70% 15.80% 46.90% 16.10% 48.80% 20.20% 13.20% As 0.669 -0.646 -0.01 0.518 0.758 0.235 -0.131 0.636 -0.569 0.349
2 1.130 14.129 57.501 1.130 14.129 57.501 2.163 27.040 57.501
3 .941 11.762 69.263
4 .767 9.592 78.855
5 .579 7.242 86.098
6 .482 6.024 92.122
7 .352 4.395 96.517