第一篇：關(guān)于分層線性模型樣本容量問題的研究

關(guān)于分層線性模型樣本容量問題的研究

張璇 王嘉宇

2011-12-13 14:33:23 來源：《統(tǒng)計(jì)與決策》(武漢)2010年15期第4～8頁

內(nèi)容提要：文章運(yùn)用Jackknife和Boostrap的方法，對參數(shù)估計(jì)的方差進(jìn)行改進(jìn)，構(gòu)造了合適的參數(shù)估計(jì)的置信區(qū)間。通過樣本組數(shù)和組內(nèi)個體數(shù)的變化，利用數(shù)據(jù)模擬的方法進(jìn)行研究，表明參數(shù)估計(jì)的可靠性很大程度上依賴于組數(shù)；對于固定效應(yīng)參數(shù)，組數(shù)取30就可以得到可靠的估計(jì)值。對于σ和方差協(xié)方差成分T，組數(shù)分別取50和70才能得到可靠的估計(jì)。

關(guān)鍵詞：分層線性模型 參數(shù)估計(jì)的覆蓋率 Jackknife Boostrap 數(shù)據(jù)模擬

作者簡介：張璇(1979-)，女，湖南湘潭人，中國人民大學(xué)統(tǒng)計(jì)學(xué)院博士研究生，講師，研究方向：統(tǒng)計(jì)模型及其計(jì)算、計(jì)量經(jīng)濟(jì)學(xué)（北京100084）；王嘉宇，卡爾斯塔德大學(xué)國民經(jīng)濟(jì)與統(tǒng)計(jì)系，烏普薩拉大學(xué)信息科學(xué)與統(tǒng)計(jì)系（瑞典65188）。

1研究背景

很多社會研究都涉及分層數(shù)據(jù)結(jié)構(gòu)，例如，經(jīng)濟(jì)學(xué)家探求在多個國家中經(jīng)濟(jì)政策是如何影響居民的消費(fèi)行為，研究采集的觀測數(shù)據(jù)不僅包括以國家為層次的經(jīng)濟(jì)指標(biāo)，還包括以家庭為單位的信息，因此整個觀測的數(shù)據(jù)結(jié)構(gòu)是分層的。此時，同屬一個層次的個體之間的相關(guān)性會大于來自不同層次的個體之間的相關(guān)性，整個觀測樣本就不再具有獨(dú)立同分布性質(zhì)，如果繼續(xù)使用經(jīng)典的線性回歸模型，就會得到有偏的參數(shù)估計(jì)和錯誤的統(tǒng)計(jì)推斷結(jié)果。近年來，隨著分層線性模型統(tǒng)計(jì)理論的發(fā)展，一套完整的應(yīng)用于分層結(jié)構(gòu)數(shù)據(jù)的統(tǒng)計(jì)推斷方法已經(jīng)建立起來，并且能得到有效的參數(shù)估計(jì)。

分層線性模型(hierarchical linear models)的稱謂最早由Lindley和Smith(1972)[1]提出。這個模型在不同的研究領(lǐng)域有不同的稱呼，在社會學(xué)研究中，它經(jīng)常被稱為多層線性模型(multilevel linear model)；在生物統(tǒng)計(jì)研究中常用的名字是混合效應(yīng)模型(mixed-effects models)和隨機(jī)效應(yīng)模型(random-effects models)；計(jì)量經(jīng)濟(jì)學(xué)文獻(xiàn)稱之為隨機(jī)系數(shù)回歸模型(random-coefficient regression models)等。

模型的一般形式為：

目前比較常用的分層線性模型的估計(jì)方法有極大似然法(ML)，約束極大似然法(REML)(Littell，1996)[2]和完全貝葉斯法(Full Bayes)。理論研究表明，大樣本情況下ML和REML得到的參數(shù)估計(jì)都是一致最優(yōu)估計(jì)量，但是在樣本較小的情況下，REML在估計(jì)方差協(xié)方差成分確定性，因此REML比ML得到了更可靠的和T時，考慮了固定效應(yīng)系數(shù)γ的不

和T的估計(jì)值。Full Bayes考慮

了所有輔助參數(shù)的不確定性，因此理論上得到的參數(shù)估計(jì)較ML和REML更可靠，但是此估計(jì)方法需要運(yùn)用MCMC算法，很多情況下，并非能得到一個收斂的Markov鏈，當(dāng)分層線性模型形式較復(fù)雜時（如待定參數(shù)向量增多、層數(shù)增加等），F(xiàn)ull Bayes方法相當(dāng)復(fù)雜。因此很多統(tǒng)計(jì)軟件采用ML和REML估計(jì)分層線性模型，本研究采用REML方法估計(jì)。

由于ML和REML方法估計(jì)的前提假設(shè)都是樣本量要足夠大，因此樣本量較小時，這兩種估計(jì)都是有偏的，由此得到的參數(shù)置信區(qū)間和假設(shè)檢驗(yàn)都是不可信的。因此，分層線性模型樣本量問題的研究是一個重大課題，近十幾年來，很多的學(xué)者都致力于這方面的研究。Bryk和Raudenbush(1992)[3]很早就指出，可以憑借OLS回歸的經(jīng)驗(yàn)法則：增加一個解釋變量至少需要增加10個觀測樣本，聯(lián)系到分層線性模型的估計(jì)，增加一個層2的結(jié)果變量（層1模型中待定的隨機(jī)參數(shù)）至少需要增加10個觀測樣本，這個準(zhǔn)則只是OLS回歸經(jīng)驗(yàn)法則的平移，并沒有清楚回答模型要得到較好估計(jì)所需的最小樣本量問題。Kim(1990)[4]在研究分層線性模型斜率參數(shù)估計(jì)的時候，發(fā)現(xiàn)當(dāng)組數(shù)較少而組內(nèi)的觀測值相對很大時，固定效應(yīng)和隨機(jī)效應(yīng)的估計(jì)會產(chǎn)生很大的偏差，但是Kim的研究在相同的條件下，只進(jìn)行了50次模擬計(jì)算，因此結(jié)果不太可靠。Mok(1995)[5]的研究也得出了類似Kim的結(jié)論，并且他進(jìn)一步指出參數(shù)估計(jì)的偏差和效率更大程度取決于樣本中的組數(shù)大小。Busing(1993)[6]指出當(dāng)組數(shù)超過300時，隨機(jī)效應(yīng)的估計(jì)才是無偏的。Kreft(1996)[7]運(yùn)用模擬技術(shù)探討了分層線性模型的勢，建議30/30準(zhǔn)則，即30個組，每組30個觀測值可以得到較可靠的估計(jì)。Hox(1998)[8]在Keft(1996)之后更詳盡闡述表明，50組，每組20個觀測值可以使交互效應(yīng)得到較可靠的假設(shè)檢驗(yàn)；100組，每組10個觀測值可以較可靠進(jìn)行隨機(jī)效應(yīng)的假設(shè)檢驗(yàn)。另外Bliese(1998)[9]明確指出組內(nèi)相關(guān)系數(shù)(ICC)與樣本量相互聯(lián)系。Snijders和Bosker(1999)[10]闡明對于較大的ICC值，增加組數(shù)也不會得到一致的標(biāo)準(zhǔn)差的估計(jì)。Mass和Hox(2005)[11]針對不同的層1和層2樣本量進(jìn)行了模擬研究，結(jié)果表明層2的樣本數(shù)小于50，會導(dǎo)致有偏的協(xié)方差成分估計(jì)。

縱觀以上研究，其方法主要是運(yùn)用數(shù)據(jù)模擬的方法，針對不同層

1、層2樣本量的組合，估計(jì)分層線性模型，比較固定效應(yīng)、隨機(jī)效應(yīng)和方差協(xié)方差成分的估計(jì)值。在計(jì)算機(jī)發(fā)展日新月異的今天，進(jìn)行模擬計(jì)算簡單易行，應(yīng)用廣泛。但是對于此類問題，以往研究存在許多問題：①大部分研究考慮的是參數(shù)估計(jì)的準(zhǔn)確性，只有很少的一部分重視估計(jì)的標(biāo)準(zhǔn)差的準(zhǔn)確性。②許多研究在討論估計(jì)參數(shù)假設(shè)檢驗(yàn)或構(gòu)造置信區(qū)間時，想當(dāng)然的運(yùn)用了大樣本的近似理論，即參數(shù)估計(jì)近似服從正態(tài)分布，但是實(shí)際上，在樣本量較小時，分層線性模型的參數(shù)估計(jì)值，尤其是方差協(xié)方差成分的估計(jì)值并非服從正態(tài)分布(Raudenbush(1984))。

2研究方法

本研究仍采用數(shù)據(jù)模擬的方法，用R語言編譯計(jì)算程序。另外，研究采用簡單的兩層模型，每層模型各有一個解釋變量：

在數(shù)據(jù)模擬過程中，研究分別改變組數(shù)，組內(nèi)個體數(shù)和組間相關(guān)系數(shù)ICC，在樣本變化的條件下，構(gòu)造參數(shù)估計(jì)的置信區(qū)間，計(jì)算置信區(qū)間覆蓋真實(shí)參數(shù)的覆蓋率來考查估計(jì)值的分布情況。①組內(nèi)個體數(shù)取值為5，30，50，ICC取值為1，2，3，考察組數(shù)從5至100改變情況下，估計(jì)值的分布如何變化；②組數(shù)取值為30，50，100，ICC取值為1，2，3，考察組內(nèi)個體數(shù)從5至100改變情況下，估計(jì)值的分布如何變化。

在構(gòu)造置信區(qū)間時，以往研究直接將方差用近似標(biāo)準(zhǔn)差代替，構(gòu)造正態(tài)分布的置信區(qū)間，而本研究用另外一種方法計(jì)算參數(shù)估計(jì)的標(biāo)準(zhǔn)差。

R程序lme4程序包中的lmer命令可以提供分層線性模型的計(jì)算，它提供固 定效應(yīng)系數(shù)和方差協(xié)方差成分的估計(jì)值，以及固定效應(yīng)系數(shù)估計(jì)的標(biāo)準(zhǔn)差，但是不提供方差協(xié)方差成分估計(jì)的標(biāo)準(zhǔn)差，lmer命令的編寫者Doug Bates(2008)表示，第一，方差協(xié)方差成分估計(jì)的標(biāo)準(zhǔn)差的計(jì)算是非常復(fù)雜的，很多情況下，估計(jì)值已經(jīng)在參數(shù)空間以外，即便是估計(jì)出來，也是無意義的，因此有些軟件（如SAS）提供標(biāo)準(zhǔn)差也并不可靠。第二，當(dāng)參數(shù)分布差不多是對稱的情況下，提供參數(shù)估計(jì)的標(biāo)準(zhǔn)差才是有意義的，因?yàn)榭梢杂纱藰?gòu)造置信區(qū)間。

Harvey Goldstein(1999)提到，樣本不是很大的情況下，如果隨機(jī)擾動項(xiàng)不再服從正態(tài)分布，分層線性模型的固定效應(yīng)和隨機(jī)效應(yīng)的估計(jì)仍然是一致的，但是其估計(jì)的標(biāo)準(zhǔn)差不能用來構(gòu)建置信區(qū)間和進(jìn)行顯著性檢驗(yàn)。一種替代的方法是運(yùn)用密集計(jì)算中的Jackknife和Bootstrap計(jì)算估計(jì)的標(biāo)準(zhǔn)差，由Jackknife和Bootstrap理論可知估計(jì)的標(biāo)準(zhǔn)差可以利用正態(tài)分布構(gòu)建置信區(qū)間和進(jìn)行顯著性檢驗(yàn)。

3研究步驟

3.1模擬數(shù)據(jù)的生成(4)討論覆蓋真實(shí)值情況：如果以上的置信區(qū)間確實(shí)覆蓋了真實(shí)值，則取值為1；否則取0。

(5)計(jì)算覆蓋率：重復(fù)第一步至第四步1000次，統(tǒng)計(jì)覆蓋次數(shù)，計(jì)算覆蓋率。

(6)在不同樣本量情況下，考察覆蓋率隨樣本量如何變化。固定n(=30，50，100)，p(=1，2，3)，N從5到100變化；固定N(=5，30，50)，p(=1，2，3)，n從5到100變化。

3.2.2運(yùn)用參數(shù)Bootstrap方法

和Jackknife方法相比，參數(shù)Bootstrap方法步驟(2)中有差異，它將(2)分成以下幾步。

構(gòu)造置信區(qū)間和覆蓋率的計(jì)算和Jackknife的過程一樣。

4研究結(jié)果

4.1固定效應(yīng)和方差協(xié)方差成分的置信區(qū)間覆蓋情況

由于不論是Jackknife還是Bootstrap方法，運(yùn)算量都是非常大的，因此我們先考察在組成樣本三個條件N，n，p取不同值的組合下置信區(qū)間的覆蓋情況。

4.1.1Jackknife方法

表1的結(jié)果表明，當(dāng)N=5時，計(jì)算的覆蓋率都離95%較遠(yuǎn)，這時若n的取值較大，如n=100，覆蓋率會相對提高，但是方差協(xié)方差成分中的覆蓋率還是很低，這說明分層線性模型的估計(jì)很大程度上依賴于N的個數(shù)。如果僅僅考慮參數(shù)點(diǎn)估計(jì)，當(dāng)N的取值很小，即使n取值很大，的估計(jì)值也不能收斂，因此存在某個整體較大的樣本量（較大的n和較小的N），方差協(xié)方差成分的估計(jì)是相當(dāng)不可靠的。另外從表1中，還可以看出組內(nèi)相關(guān)系數(shù)(ICC)的改變對置信區(qū)間的覆蓋率沒有太大影響。

當(dāng)N達(dá)到30，n達(dá)到30時，固定效應(yīng)和的估計(jì)是比較可靠的，其覆蓋率基本上達(dá)到93%，只有三個值小于93%；但是此時對于仍然偏低，只有個別能達(dá)到93%以上。

表1N，n，p不同取值的組合下，Jackknife和Bootstrap方法計(jì)算參數(shù)95%置信區(qū)間覆蓋率(%)

注：“J”表示Jackknife法得到的覆蓋率；“B”表示Bootstrap法得到的覆蓋率。

4.1.2Bootstrap方法

而言，大部分的覆蓋率

和Jackknife相比，Bootstrap方法得出的結(jié)論很相似，但是對于N較小的時候，可以清楚地看到ICC的值越大，其95%的置信區(qū)間的覆蓋率越??；另外對于σ的估計(jì)和Jackknife不一樣，當(dāng)N=5時，只要提高組內(nèi)的樣本量n，例如當(dāng)n=100時，其95%的置信區(qū)間的覆蓋率的均值為94.5%；當(dāng)n=30，N=5,95%的置信區(qū)間的覆蓋率的均值也達(dá)到93%，這說明σ的估計(jì)依賴的是整個樣本容量，若組數(shù)稍小時，可以通過增加組內(nèi)的個體數(shù)，提高估計(jì)的可靠性。

從以上的分析可以看出，Jackknife和Bootstrap方法只是在樣本組數(shù)較小時有差異，而且其差異主要表現(xiàn)在σ的估計(jì)上，這種差異來源于這兩種方法計(jì)算時再抽樣的過程不同，當(dāng)然這種Parametric Bootstrap的方法在樣本組數(shù)較小時優(yōu)于Jackknife的方法，但當(dāng)樣本數(shù)增加時區(qū)別不大，而Parametric Bootstrap的計(jì)算量遠(yuǎn)遠(yuǎn)超過Jackknife的計(jì)算，因此本研究下面的分析，當(dāng)n和N連續(xù)的變化時，我們考慮Jackknife的計(jì)算方法。

4.2N從5到100變化時參數(shù)估計(jì)置信區(qū)間的覆蓋率

現(xiàn)在考慮n取30，50，100；ICC取1，2，3的不同組合，N從5到100變化。因?yàn)镮CC的變化對覆蓋率的影響不大，因此以下的覆蓋率均為ICC三種取值下的平均覆蓋率。另外，為了考察覆蓋率的可接受性，我們利用隨機(jī)模擬的方法建立相應(yīng)樣本量下的覆蓋率的置信區(qū)間（利用隨機(jī)數(shù)均值覆蓋率的置信區(qū)間），構(gòu)成了相應(yīng)的置信帶。

4.2.1固定效應(yīng)

以為例，其他三個固定效應(yīng)的變化情況相似。從圖1清楚地看到，當(dāng)N取值很小時（如N=5，10），固定效應(yīng)的覆蓋率是很低的；當(dāng)N達(dá)到35時，三種情況下的覆蓋率都進(jìn)入了置信帶。

4.2.2方差協(xié)方差

考慮σ和的變化參照

。①σ的估計(jì)情況；當(dāng)N很小時（如N=5,10），標(biāo)準(zhǔn)差σ覆蓋率遠(yuǎn)遠(yuǎn)低于置信帶的下界；隨著n的增加，有更多的覆蓋率進(jìn)入置信帶，平均當(dāng)N達(dá)到50時，三種情況下的覆蓋率完全進(jìn)入置信帶。②計(jì)情況：的估的覆蓋率在n的三種取值情況下，都比固定效應(yīng)γ和標(biāo)準(zhǔn)差σ相對應(yīng)的覆蓋率低，因此N從5變化至100時，只有較少的部分進(jìn)入置信帶，對于n的三種取值，N達(dá)到70時，覆蓋率幾乎完全進(jìn)入置信帶。對于較小的N，隨著n的增加，參數(shù)覆蓋率更靠近置信帶。因此對于τ的估計(jì)，可以通過n的增加得以改善。

4.3n從5到100變化時參數(shù)估計(jì)置信區(qū)間的覆蓋率

現(xiàn)在考慮N取5，30，50；ICC取1，2，3的不同組合，N從5到100變化。因?yàn)镮CC的變化對覆蓋率的影響不大，因此以下的覆蓋率均為ICC三種取值下的平均覆蓋率值。另外，為了考察覆蓋率的可接受性，我們利用隨機(jī)模擬的方法建立相應(yīng)樣本量下的覆蓋率的置信區(qū)間（利用隨機(jī)數(shù)均值覆蓋率的置信區(qū)間），構(gòu)成了相應(yīng)的置信帶。

4.3.1固定效應(yīng)

以為例，其他三個固定效應(yīng)的變化情況相似。圖4（見下頁）清楚地表明，N為5時，不論n如何增加，參數(shù)置信區(qū)間的覆蓋率都遠(yuǎn)離置信帶；當(dāng)N取30時，只有兩點(diǎn)在置信帶外；當(dāng)N取50時，整條覆蓋率連線全部進(jìn)入了置信帶。

圖1n的不同取值下

圖2n的不同取值下σ的95%的置信區(qū)間覆蓋率

圖3n的不同取值下

圖4N取5，30，50時，4.3.2方差協(xié)方差 的95%的置信區(qū)間覆蓋率 的95%的置信區(qū)間覆蓋率 的95%的置信區(qū)間覆蓋率

考慮σ和，的變化參照。①σ的估計(jì)情況。圖5顯示出，N為5時，不論n如何增加，參數(shù)σ置信區(qū)間的覆蓋率都遠(yuǎn)離置信帶；當(dāng)N取30時，大部分的覆蓋率都進(jìn)入了置信帶；當(dāng)N取50時，除一點(diǎn)外，整條覆蓋率連線全部進(jìn)入了置信帶。②的估計(jì)情況。圖6表明的估計(jì)和固定效應(yīng)參數(shù)與σ有很大差別，當(dāng)N取50時，還有很多覆蓋率在置信帶以外，這表明對于方差協(xié)方差成分的估計(jì)N為50是不夠的。結(jié)合圖3，我們可以看到對于方差協(xié)方差成分的估計(jì)，N達(dá)到70或者更多才可靠。另外，圖6還顯示了一個有趣的現(xiàn)象，當(dāng)N取30和50時，較小的n（比如n＜20）的覆蓋率穩(wěn)定地進(jìn)入了置信帶，而較大的n（例如：30＜n＜90）的覆蓋率反而在置信帶以外，這表明這時較小的n的參數(shù)估計(jì)比較大的n更可靠。

5研究結(jié)論

從以上的深入分析中，我們可以看到分層線性模型估計(jì)的可靠性與樣本中的組數(shù)，組內(nèi)個體樣本數(shù)的取值有密切關(guān)系，總結(jié)如下：

(1)樣本中的組數(shù)N。分層線性模型估計(jì)的可靠性很大程度上依賴于N的取值，隨著N的增加，固定效應(yīng)，方差協(xié)方差成分的參數(shù)估計(jì)的95%的置信區(qū)間的真實(shí)覆蓋率能夠進(jìn)入置信帶。當(dāng)N較小時（如N=5），無論n如何增加，所有參數(shù)估計(jì)都不可靠，其覆蓋率遠(yuǎn)遠(yuǎn)低于95%的置信帶。對于固定效應(yīng)參數(shù)γ的估計(jì)，N取30就可以得到可靠的參數(shù)估計(jì)。對于參數(shù)σ的估計(jì)，N取50，才能使其得到可靠的估計(jì)，方差協(xié)方差成分T的可靠估計(jì)需要N的取值達(dá)到70以上。

圖5N取5，30，50時，σ的95%的置信區(qū)間覆蓋率

圖6N取5，30，50時，(2)組內(nèi)個體樣本數(shù)n。在N固定的情況下，隨著n的增加，所有參數(shù)估計(jì)的可靠性都沒有明顯得到改善，即覆蓋率連線沒有明顯的上升趨勢。另外當(dāng)N取值為30和70之間時，對于較小的n(n＜20)，比較大的n的參數(shù)估計(jì)更可靠。

參考文獻(xiàn)：

[1]Lindley, D.V., Smith, A.F.M.Bayes Estimates for Linear Model[J].Journal of the Royal Statistical Society, Series B,1972,(34).[2]Littell, R., Milliken, G., Stroup, W., Wolfinger, R.SAS System for Mixed Models[M].Cary, NC: SAS Institute Incorporated, 1996.[3]Bryk, A.S., Raudenbush, S.W.Hierarchical Linear Models[M].Newbury Park, CA: Sage, 1992.[4]Kim, K.S.Multilevel Data Analysis: A Comparison of Analytical Alternatives[M].Los Angeles: University of California, 1990.的95%的置信區(qū)間覆蓋率

[5]Mok, M.Sample Size Requirements for 2-level Designs in Educational Research[C].Working Paper, 1995.[6]Busing, F.M.T.A.Distribution Characteristics of Variance Estimates in Two-level Models[M].Netherlands: Psychometric and Research Methodology, Leiden, 1993.[7]Kreft, I.G.G.Are Multilevel Techniques Necessary? An Overview, Including Simulation Studies[C].Working Paper, 1996.[8]Hox, J.Multilevel Modeling: When and Why.In R.Mathar & M.Schader, Classification, Data Analysis, and Data Highways[M].Berlin, Germany: Springer-Verlag, 1998.[9]Bliese, P.D.Group Size, ICC Values, and Group-Level Correlations: A Simulation[J].Organizational Research Methods, 1998,1(4).[10]Snijders, T.A.B., Bosker, R.J.Multilevel Analysis: An Introduction to Basic and Advanced Multilevel Modeling[M].Thousand Oaks, CA: Sage, 1999.[11]Mass, C.J.M, Hox, J.J.Sufficient Sample Sizes for Multilevel Medeling[J].Methodology, 2005,1(3).^

第二篇：基于分層線性模型的流動人口社會融合影響因素研究（范文）

基于分層線性模型的流動人口社會融合影響因素研究

摘 要：根據(jù)2012年全國流動人口動態(tài)監(jiān)測結(jié)果和反映31個省市基本公共服務(wù)均等化的指標(biāo)數(shù)據(jù)，建立分層線性模型從流動人口個體和省級層面考察影響流動人口社會融合的影響因素和作用程度的大小。研究發(fā)現(xiàn)，流動人口的社會融合不僅與個人因素有關(guān)，而且還受地區(qū)基本公共服務(wù)差異化的影響。個體層面從戶口性質(zhì)、就業(yè)狀況、醫(yī)療保險、自我融入意愿、本地人接受程度、收入情況與住房條件解釋流動人口社會融合差異的63.12%；省級層面從基礎(chǔ)教育、醫(yī)療衛(wèi)生、公共就業(yè)及基本社會保障解釋流動人口社會融合的差異為36.83%。最后從政府、公民社會參與角度出發(fā)，提出促進(jìn)流動人口社會融合的措施和建議。

關(guān)鍵詞：流動人口；社會融合；分層線性模型；影響因素

中圖分類號：C924.24 文獻(xiàn)標(biāo)識碼：A 文章編號：1000-4149（2016）03-0062-11

Abstract：Based on the dynamic monitoring of floating population in 2012 and the index data of 31 provinces and cities，this paper investigated the factors and their effect all the social integration of floating population using hierarchical linear model.It is found that the social integration of the floating population is not only related to individual factors，but also to the influence of regional basic public services.At individual level，a series of factors like nature of hukou，employment status，health insurance，self integration，local acceptance，income and housing conditions，are analyzed to explain the differences of 63.12% in social integration of migrant population； at the provincial level，factors like basic education，health care，public employment and basic social barriers are considered to explain the 36.83% of difference in social integration of the floating population.Finally，from the perspective of government and civil society participation，the measures and suggestions of promoting the social integration of floating population are proposed.Keywords：floating population； social integration； hierarchical linear model； factors

一、研究背景

我國工業(yè)化、城鎮(zhèn)化的快速推進(jìn)帶來了大規(guī)模的流動人口。改革開放以來，我國流動人口數(shù)量由1982年的687萬增長到2013年的2.45億，其中接近80%是農(nóng)村戶籍流動人口[1]。目前，我國已經(jīng)進(jìn)入了人口發(fā)展轉(zhuǎn)變、經(jīng)濟(jì)社會轉(zhuǎn)型的新階段，大規(guī)模的人口流動遷移成為推動社會結(jié)構(gòu)變動、利益格局調(diào)整、社會組織體系變化的重要因素。流動人口對經(jīng)濟(jì)社會發(fā)展作出了巨大貢獻(xiàn)，也給社會管理和公共服務(wù)帶來了巨大挑戰(zhàn)。在城鎮(zhèn)化過程中，如何使流動人口，特別是農(nóng)業(yè)轉(zhuǎn)移人口共享改革發(fā)展成果，融入所在城市，是我國經(jīng)濟(jì)社會發(fā)展中不能忽視的重大戰(zhàn)略問題。同時，流動人口社會融合也是城市增強(qiáng)自身的包容性、推進(jìn)基本公共服務(wù)均等化、提高社會管理和公共服務(wù)能力的過程。因此，促進(jìn)流動人口社會融合是實(shí)現(xiàn)城鄉(xiāng)居民共同富裕，促進(jìn)社會全面發(fā)展的重要途徑。

我國學(xué)者于20世紀(jì)90年代中期開始關(guān)注流動人口的社會融合，并圍繞著該課題開展了大量的研究，本文主要?dú)w結(jié)為三類：第一類涉及流動人口社會融合問題的理論研究[2-7]；第二類涉及流動人口社會融合的測量[8-14]；第三類為流動人口社會融合的影響因素研究[15-21]。

在研究流動人口社會融合影響因素時，多數(shù)學(xué)者將其歸結(jié)為城鄉(xiāng)分割的二元戶籍制度以及建立在戶籍之上的一整套分配制度，認(rèn)為制度因素是阻礙流動人口社會融合的關(guān)鍵因素。然而，也有一些學(xué)者認(rèn)為社會資本及其形成的社會關(guān)系網(wǎng)絡(luò)影響著流動人口融入城市生活。另外，還有一些學(xué)者指出城市居住環(huán)境和居住模式是造成社會融合困難的主要因素，也有學(xué)者認(rèn)為城市居民對流動人口的接納意愿影響著流動人口的社會融合。

1.制度因素與社會融合

制度的因素主要表現(xiàn)為排斥性的戶籍制度，以及建立在其基礎(chǔ)上的就業(yè)、醫(yī)療、分配及社會保障制度，它將社會上一部分人屏蔽在分享城市的社會資源之外[22]，形成了一種無形的制度屏障，使流動人口及其后代子女很難融入城市生活。王春光認(rèn)為行業(yè)制度導(dǎo)致的非正規(guī)就業(yè)是造成融合困難的主要原因[16]。王桂新、羅恩立以及李濤、任遠(yuǎn)指出戶籍制度所引起的就業(yè)、社會福利和社會保障等制度是制約農(nóng)民工社會融入的主要因素[17，21]。侯亞非、張展新提出城鄉(xiāng)分割體制的后遺癥就是城市和社會排斥流動人口的社會融合[20]。

2.社會資本與社會融合

有些學(xué)者則認(rèn)為社會資本是影響社會融合的主要因素，20世紀(jì)90年代中期，學(xué)者們將社會資本的概念引入流動人口的融合研究中。李培林調(diào)查發(fā)現(xiàn)，農(nóng)民工的親緣、地緣關(guān)系網(wǎng)絡(luò)影響著農(nóng)民工的生活與交往方式[23]。這種社會關(guān)系網(wǎng)一方面從經(jīng)濟(jì)和精神上支持農(nóng)民工快速適應(yīng)城市環(huán)境，另一方面也阻礙了其對城市的認(rèn)同和歸屬[3]。任遠(yuǎn)、鄔民樂指出社會資本影響著流動人口在城市的生活、發(fā)展和融合[24]。李樹茁等及蔡禾、曹志剛也指出社會支持網(wǎng)絡(luò)是影響農(nóng)民工社會融合的重要因素，它涉及農(nóng)民工自身交往的意愿和城市居民的接納意愿兩個方面[18-19]。

3.居住環(huán)境與社會融合

還有一些學(xué)者指出城市居住環(huán)境和居住模式是造成社會融合障礙的主要因素?？钓┣偬岢隽鲃尤丝诰幼〉貛Т蠖噙吘壔?，居住質(zhì)量差，且更換頻繁，由此造成缺乏認(rèn)同感[15]；徐琴則認(rèn)為住房政策加劇了流動人口與城市人口的空間區(qū)隔[25]；王志理、王如松指出流動人口多以租房形式生活在城市中，改善流動人口家庭的居住條件能更好地促進(jìn)流動人口的社會認(rèn)同和社會融合[26]。盡管居住環(huán)境與流動人口的社會融合有一定的關(guān)聯(lián)性，但是當(dāng)前的戶籍制度和社會排斥決定了流動人口的居住環(huán)境。

4.接納意愿與社會融合

少量學(xué)者從城市居民對流動人口的接納意愿角度研究其對流動人口社會融合的影響。楊菊華和任遠(yuǎn)、喬楠認(rèn)為社會融合是一個互動的過程，在這個過程中，流動人口和城市居民要相互配合、相互適應(yīng)[7，13]。宋月萍指出城市居民對流動人口的接納意愿將直接影響甚至決定流動人口的社會融合意愿和行為[27]。

根據(jù)以上文獻(xiàn)回顧可以發(fā)現(xiàn)，現(xiàn)有研究中主要存在的問題是：①概念界定不清，因此對流動人口社會融合及其影響因素的研究多樣化，大量的學(xué)者從不同的角度研究了影響流動人口社會融合的因素，所得結(jié)論各有側(cè)重。②在研究流動人口社會融合時，普遍的做法是采用因子分析法計(jì)算流動人口的社會融合指數(shù)，然后利用多元線性回歸模型分析各因素的影響作用。這種做法將影響流動人口社會融合的各因素指標(biāo)置于同一個層級進(jìn)行考慮，但實(shí)際研究中往往取樣的指標(biāo)來自于不同的層級和單位，如流動人口的行為既受個體特征的影響，也受其所處環(huán)境、群體的影響，指標(biāo)之間會出現(xiàn)嵌套關(guān)系。這種情況下，樣本數(shù)據(jù)不再滿足傳統(tǒng)回歸中對方差齊次性及個體間隨機(jī)誤差相互獨(dú)立的假設(shè)前提，傳統(tǒng)的多元回歸分析可能會產(chǎn)生偏誤與無效的估計(jì)標(biāo)準(zhǔn)誤，并且會增加第一類誤差與第二類誤差。林德利（Lindley）和史密斯（Smith）提出的分層線性模型（HLM）[28]，能明確分析嵌套性質(zhì)的數(shù)據(jù)，可以針對模型的任何一層進(jìn)行統(tǒng)計(jì)分析和測量，并定義了某一層次的變量對另一層次變量之間關(guān)系所產(chǎn)生的影響，同時提供穩(wěn)健的標(biāo)準(zhǔn)誤估計(jì)值，是一種由不同層次的自變量解釋同一變量的一體化模型。因此，為了克服傳統(tǒng)研究中的不足，本文在構(gòu)建流動人口社會融合的理論框架下，引入分層線性模型，目的是從個體和群體兩個層面分析流動人口社會融合的影響因素，也是對目前僅從個體層面考慮流動人口的社會融合研究的一種補(bǔ)充。

二、理論基礎(chǔ)與模型介紹

1.流動人口社會融合影響因素研究理論框架

（1）流動人口社會融合概念的界定。

社會融合的理論最早由帕克（Park）和伯吉斯（Burgess）于1921年提出，后經(jīng)密爾頓（Milton）推動及完善，形成了融合論。他們認(rèn)為社會融合就是“個體或群體相互滲透、相互融合的過程；在這個過程中，通過共享歷史和經(jīng)驗(yàn)，相互獲得對方的記憶、情感、態(tài)度，最終整合于一個共同的文化生活之中”[29-30]。之后，對社會融合研究影響較深的還有多元文化論[31]和區(qū)隔融合論[32-33]。西方的社會融合理論更傾向于用文化融合、社會認(rèn)同來解釋國際移民的遷移和流動，但用來研究我國龐大的流動人口國內(nèi)流動和社會融合存在明顯的局限性。

我國學(xué)者對流動人口社會融合的理論研究較少，比較有代表性的觀點(diǎn)有：田凱提出流動人口適應(yīng)城市生活的過程實(shí)際上就是再社會化的過程，其過程中必備的三個基本條件是：第一，在城市中有相對穩(wěn)定的職業(yè)；第二，具備參與當(dāng)?shù)厣顥l件的經(jīng)濟(jì)收入和社會地位；第三，通過與本地人接觸，接受并形成與本地人相同的價值觀[2]。朱力認(rèn)為流動人口的社會融合包括三個層面：經(jīng)濟(jì)、社會和心理，層層遞進(jìn)，并且他指出融合并不是簡單地同化[3]。任遠(yuǎn)、鄔民樂認(rèn)為社會融合是一個多維度概念，是個體與個體之間、不同群體之間、不同文化之間互相配合與適應(yīng)的過程[24]。楊菊華認(rèn)為流動人口的城市融合包括四方面：經(jīng)濟(jì)整合、文化接納、行為適應(yīng)、身份認(rèn)同[7]。由于研究視角的不同，關(guān)于社會融合的理論至今沒有統(tǒng)一的觀點(diǎn)。本文認(rèn)為，流動人口社會融合可以從社會排斥的對立面定義，是指流動人口在流入地獲得均等的生存和發(fā)展機(jī)會，公平公正地享受公共資源和社會福利，全面參與政治、經(jīng)濟(jì)、社會和文化生活，最終實(shí)現(xiàn)社會接納、身份認(rèn)同和文化交融。

（2）影響流動人口社會融合的主要因素。根據(jù)流動人口社會融合的概念，并結(jié)合當(dāng)代我國流動人口的特點(diǎn)，本文認(rèn)為影響流動人口社會融合的主要因素可以分為兩個層面：第一層，來自流動人口個體層面。2012年我國流動人口的平均年齡約為28歲，近六成的流動人口出生于1980年及以后[1]。其中，占據(jù)主體的新生代農(nóng)村戶籍流動人口，大多數(shù)生長在城市，基本不懂農(nóng)業(yè)生產(chǎn)，即使經(jīng)濟(jì)形勢波動，就業(yè)形勢惡化，也不大可能返鄉(xiāng)務(wù)農(nóng)。與上一代流動人口相比，他們的思想觀念、行為方式與城市居民更加接近。他們在城市工作不僅只是為了打工掙錢，還包括為了追求體面就業(yè)和發(fā)展機(jī)會。因此，個體層面上，主要影響因素包括經(jīng)濟(jì)因素、制度因素、社會因素、心理因素等。第二層，來自流動人口群體層面（本文中指流動人口所在地的省、自治區(qū)、直轄市），我國的流動人口由于區(qū)域、城鄉(xiāng)、體制外在公共服務(wù)和社會保障方面的差異，使得他們基本脫離了戶籍地但又沒有真正地融入居住城市。社會融合這個概念，反映的是個體和群體之間、不同群體之間的凝聚力、互動關(guān)系及享受服務(wù)和發(fā)展機(jī)會的狀況。大量的文獻(xiàn)資料指出影響流動人口社會融合的核心因素還是戶籍制度及其背后的社會福利和保障體系，只有真正實(shí)現(xiàn)基本公務(wù)服務(wù)均等化，流動人口在流入地能公平公正地享受公共資源和社會福利，全面參與政治、經(jīng)濟(jì)、社會和文化生活，才能實(shí)現(xiàn)流動人口從“外在市民化”轉(zhuǎn)向“內(nèi)在市民化”。因而，本文將選擇區(qū)域基本公共服務(wù)均等化作為群體層面上的影響因素。

2.模型介紹

分層線性模型是一種跨層次的統(tǒng)計(jì)模型。當(dāng)數(shù)據(jù)存在于不同層級時，先以第一層級的變量建立回歸方程，然后把該方程中的截距和斜率作為因變量，使用第二層數(shù)據(jù)中的變量作為自變量，再建立兩個新的方程。通過這種處理，可以探索不同層級變量對因變量的影響。分層線性模型的基本形式主要有零模型、完整模型、協(xié)方差模型、隨機(jī)效應(yīng)回歸模型、發(fā)展模型等。本文以簡單二層完整模型形式介紹分層線性模型的構(gòu)造，既包含了第一層的預(yù)測變量，又包含了第二層的預(yù)測變量，可以通過理論構(gòu)建來說明解釋因變量的總體變異是怎樣受第一層和第二層因素影響的模型稱為簡單二層完整模型。其他形式的模型均根據(jù)研究需要從簡單二層完整模型轉(zhuǎn)化而來。

因此，在第一層模型中，可以檢驗(yàn)出第一層變量和第一層變量間的關(guān)系，而在第二層模型中，可檢驗(yàn)出第二層變量與第一層變量間的關(guān)系，以及第二層變量如何調(diào)節(jié)第一層變量間的關(guān)系。

三、數(shù)據(jù)說明與指標(biāo)選擇

本文研究數(shù)據(jù)來源于兩個方面：第一層關(guān)于流動人口的個體調(diào)查數(shù)據(jù)來自2012年原國家人口和計(jì)劃生育委員會的全國流動人口動態(tài)監(jiān)測數(shù)據(jù)，該調(diào)查采用分層、多階段、與規(guī)模成比例的PPS抽樣方法進(jìn)行，共調(diào)查31個省市共計(jì)樣本容量158556人，男性65797人，女性62201人，年齡分布為15-59歲勞動年齡的流動人口。第二層以各省表示流動人口所嵌套的群體，數(shù)據(jù)來自于《2013年中國統(tǒng)計(jì)年鑒》等。

1.第一層指標(biāo)選擇

流動人口社會融合的研究角度有很多，按照本文定義，從社會排斥的對立面可采用主觀融合意志和客觀融合表現(xiàn)進(jìn)行反映。主觀融合意志表現(xiàn)為流動人口的心理融入，客觀融合可以通過流遷意愿表現(xiàn)。由于客觀的融合表現(xiàn)體現(xiàn)出了流動人口向外流遷的主動性與積極性，是流動人口成功融入當(dāng)?shù)厣鐣幕A(chǔ)與直接反映，因此，本文選擇表征流動人口客觀融合的流遷意愿作為因變量。該變量是分類變量，通過全國流動人口監(jiān)測問卷中“如果沒有任何限制，您是否愿意把戶口遷入本地？”題項(xiàng)的調(diào)查數(shù)據(jù)來表示，其回答選項(xiàng)分別為“愿意”、“不愿意”、“沒想好”，依次賦值為1、2、3。

第一層中的影響因素為經(jīng)濟(jì)因素、制度因素、社會因素、心理因素等。因而根據(jù)調(diào)查結(jié)果，預(yù)測變量選擇戶口性質(zhì)、就業(yè)狀況、收入情況、醫(yī)療保險、居住狀況、自我融入意愿和本地人的接受程度。其中，戶口性質(zhì)是定類變量，通過問卷中“您的戶口性質(zhì)是”題項(xiàng)的調(diào)查數(shù)據(jù)取得，回答選項(xiàng)為“農(nóng)業(yè)”、“非農(nóng)業(yè)”及“其他”，依次賦值為1、2、3。就業(yè)情況是分類變量，通過問卷中“您目前在本地的就業(yè)狀態(tài)是”題項(xiàng)調(diào)查獲得，回答類別為“就業(yè)”、“失業(yè)”、“無業(yè)”、“操持家務(wù)”、“退休”，分別賦值1、2、3、4、5。收入狀況是連續(xù)性變量，通過調(diào)查中“您家在本地每月總收入多少錢”題項(xiàng)取得，該值越大表明收入越高。醫(yī)療保險是分類變量，通過問卷中“您在本地是否享有城鎮(zhèn)職工醫(yī)療保險”題項(xiàng)得到，回答為“是”、“否”、“不清楚”，分別賦值為1、2、3。居住狀況為分類變量，通過問卷中“您現(xiàn)住房屬于下列哪種性質(zhì)”題項(xiàng)得到，回答選項(xiàng)為“租住單位雇主房”、“租住私房”、“政府提供廉租房”、“單位雇主提供免費(fèi)住房”、“借住房”、“就業(yè)場所”、“自購房”、“自建房”、“其他非正規(guī)居所”，合并后分為兩項(xiàng)：租房（包括“租住單位雇主房”、“租住私房”、“政府提供廉租房”、“單位雇主提供免費(fèi)住房”、“借住房”、“就業(yè)場所”、“其他非正規(guī)居所”）和自有房（包括“自購房”及“自建房”），分別賦值為1、2。自我融入意愿為四元定序變量，通過問卷中“我很愿意融入本地人當(dāng)中，成為其中的一員”題項(xiàng)調(diào)查獲得，回答選項(xiàng)分別為“完全不同意”、“不同意”、“基本不同意”、“完全同意”，按照同意程度的不同依次賦值1、2、3、4，分值越高表明自我融入意愿越強(qiáng)烈。本地人的接受程度是四元定序變量，通過問卷中“我覺得本地人愿意接受我成為其中一員”題項(xiàng)調(diào)查得到，回答類別為“完全不同意”、“不同意”、“基本不同意”、“完全同意”，按接受程度的不同依次賦值1、2、3、4，分值越高表明本地人接受流動人口成為其中一員的意愿越高。

2.第二層指標(biāo)選擇

第二層是流動人口個體嵌套的群體層面，根據(jù)前面所述，選擇區(qū)域基本公共服務(wù)均等化指標(biāo)作為群體層面上的預(yù)測變量?！秶一竟卜?wù)體系“十二五”規(guī)劃》中提出，基本公共服務(wù)均等化是指全體公民都能公平可及地獲得大致均等的基本公共服務(wù)，該規(guī)劃同時確定了公共服務(wù)的范圍為公共教育、基本社會服務(wù)、醫(yī)療衛(wèi)生、人口計(jì)生、住房保障、公共文化等領(lǐng)域。以此規(guī)劃作為指導(dǎo)，并結(jié)合安體富、任強(qiáng)，劉成奎、王朝才，王新民、南銳，武力超等提出的公共服務(wù)均等化指標(biāo)體系[34-37]，本文采用了基本公共教育、基本醫(yī)療衛(wèi)生、公共就業(yè)服務(wù)、基本社會保障四個方面共30個指標(biāo)來建立公共服務(wù)均等化指標(biāo)體系，具體情況如表1所示。

將表1中的逆向指標(biāo)通過取倒數(shù)的方式正向化，然后把各單項(xiàng)指標(biāo)標(biāo)準(zhǔn)化，再使用SPSS 20.0軟件作因子分析，計(jì)算基礎(chǔ)教育、基本醫(yī)療衛(wèi)生、公共就業(yè)和基本社會保障四個方面指標(biāo)的綜合得分，并將此作為第二層，即群體層面上的預(yù)測變量來進(jìn)行后續(xù)的研究。

四、基于分層線性模型的流動人口社會融合影響因素實(shí)證分析

根據(jù)以上分析，流動人口社會融合影響因素的HLM模型可以寫作：

首先，將第一層和第二層預(yù)測變量先進(jìn)行標(biāo)準(zhǔn)化處理，然后建立第一層變量的隨機(jī)回歸模型，根據(jù)第一層變量回歸分析的顯著性檢驗(yàn)結(jié)果，確定第一層變量在第二層上差異是否顯著。如果差異顯著，則需要選擇第二層上的變量建立回歸模型作進(jìn)一步分析；如果差異不顯著，就沒有必要進(jìn)行第二層面的分析。本文采用HLM 7.0軟件進(jìn)行分層線性模型的分析，結(jié)果如表2。

第三篇：關(guān)于蘇州市水環(huán)境排污容量問題研究及相關(guān)建議

關(guān)于蘇州市水環(huán)境排污容量問題研究及相關(guān)建議

隨著蘇州經(jīng)濟(jì)的快速發(fā)展和社會的日益繁榮，蘇州的城市規(guī)模迅速擴(kuò)大，根據(jù)新一輪的城市規(guī)劃，蘇州市的人口規(guī)模將達(dá)到1200萬人，即將成為一個國際化的超大型城市。但城市的快速發(fā)展也對區(qū)域的環(huán)境承載力提出了極大的挑戰(zhàn)，其中區(qū)域的水環(huán)境容量與城市排污需求之間的矛盾日益突出和激化。鑒于此，農(nóng)工黨蘇州市委組織專家對我市水環(huán)境容量與城市污水排放和處理問題進(jìn)行了調(diào)研，希望提供相關(guān)建議供領(lǐng)導(dǎo)決策時參考。

1.根據(jù)城市發(fā)展規(guī)模，對我市排污量進(jìn)行預(yù)測

根據(jù)國內(nèi)外城市發(fā)展的經(jīng)驗(yàn)，城市規(guī)模與城市污水產(chǎn)量之間是有一定比例關(guān)系的。以蘇州工業(yè)園區(qū)為例，規(guī)劃總?cè)丝跒?20萬人，相應(yīng)的自來水供給需求為120萬噸，污水處理需求為90萬噸，園區(qū)十三年來發(fā)展實(shí)踐也基本驗(yàn)證了這一關(guān)系。以此類推，則蘇州市達(dá)到1200萬人口后，污水處理需求也將達(dá)到900萬噸/天，即使以全部收集處理，并達(dá)以最嚴(yán)格的國家一級A標(biāo)準(zhǔn)排放，蘇州市的COD排放總量將達(dá)到16.43萬噸/年，總磷和總氮的年排放量分別達(dá)到1.64萬噸和0.16萬噸。經(jīng)對比，以上測算數(shù)據(jù)與《蘇州市城市環(huán)境保護(hù)專項(xiàng)規(guī)劃》及《蘇州市給排水專業(yè)規(guī)劃》用其它分類測算的結(jié)果基本一致。

實(shí)際上，從全市范圍來看，由于居民住所不可能完全集中，蘇州市又處于河網(wǎng)地區(qū)，污水管網(wǎng)全覆蓋難度較大，污水處理率很難達(dá)到理論上的100%，同時農(nóng)業(yè)、漁業(yè)等面源性排污的量也不容忽視，因此實(shí)際的城市排污總量還將大于上述預(yù)測數(shù)據(jù)。

2.對我市水環(huán)境容量現(xiàn)狀的分析

蘇州市目前的現(xiàn)狀水環(huán)境已不容樂觀，按全指標(biāo)考核，市內(nèi)的水體（除太湖外）基本都在IV-V類水之間，京杭運(yùn)河等主要河流和陽澄湖、金雞湖等湖泊已超過了V類水標(biāo)準(zhǔn)，主要超標(biāo)因子為氨氮、總磷，富營養(yǎng)化現(xiàn)象已十分普遍，最近的太湖藍(lán)藻事件已為我們敲響了警鐘。

根據(jù)查證，蘇州市多年平均水資源總量為32.28億m3，入境水量進(jìn)入蘇州水系17.85億m3，蘇州本地地表徑流量25.11億m3。綜合以上數(shù)據(jù)蘇州市的最大水環(huán)境容量約為75億m3，樂觀地把上述水質(zhì)均看做IV類，并把V類水質(zhì)做為最終水質(zhì)底線，則蘇州市水環(huán)境的容量中COD僅為7.5萬噸，總磷、總氮分別為0.075萬噸和0.375萬噸（實(shí)際氮、磷已基本沒有容量）。

3.水環(huán)境容量與污水排放總量的迭加分析

把預(yù)計(jì)的最小排放總量與環(huán)境的最大承載量相迭加，可以發(fā)現(xiàn)，以這種方式發(fā)展，則蘇州市的水環(huán)境質(zhì)量將全線劣于V類水標(biāo)準(zhǔn)，并呈現(xiàn)極高的富營養(yǎng)狀態(tài)，極易引起廣泛的黑臭現(xiàn)象。

這種簡單的迭加方式可能過于粗略，其中COD的測算還存在著污水與地表水測定方式上的差異，同時也尚未考慮水體本身的自凈作用，但從總體上出入不大，可以作為半定量的分析依據(jù)。（以2005年蘇州市環(huán)保局發(fā)布的數(shù)據(jù)為例，當(dāng)年COD的實(shí)際排放量為14.01萬噸，超過生態(tài)環(huán)境警戒排放量

6.64萬噸。2005年氨氮的實(shí)際排放量為1.28萬噸，超過生態(tài)環(huán)境警戒排放量0.33萬噸）。

城市規(guī)模的擴(kuò)張是難以遏制的大勢所趨，如何解決這一問題是急需擺上議事日程的大事，因此提請市政府盡快組織有關(guān)部門對這一事關(guān)發(fā)展前景的問題進(jìn)行專題研究，為此，農(nóng)工黨蘇州市委根據(jù)對發(fā)展趨勢和方向的分析，提出“控、引、治、疏”四方面的建議：

1.“控”--對城市發(fā)展規(guī)模和節(jié)奏的有序控制

適度控制城市發(fā)展的速度和規(guī)模，減小環(huán)境和資源的壓力，其中外來人口的有序控制是較為關(guān)鍵的因素。通過區(qū)域產(chǎn)業(yè)結(jié)構(gòu)的合理調(diào)整，發(fā)展技術(shù)和服務(wù)密集型的新型產(chǎn)業(yè)，將勞動力密集型的傳統(tǒng)產(chǎn)業(yè)向外轉(zhuǎn)移和延伸，減小城市發(fā)展對人口的過度依賴。

2.“引”—對發(fā)展節(jié)水型城市的大力引導(dǎo)

通過政策驅(qū)動和經(jīng)濟(jì)扛桿，大力開展節(jié)水型城市的倡導(dǎo)，從源頭上減少排放，在此方面特別要注重采取經(jīng)濟(jì)手段調(diào)控水資源的價格體系，通過市場因素來實(shí)質(zhì)性地推動各行業(yè)的節(jié)水活動。這方面蘇州市已開展了部分階梯水價的試點(diǎn)，但尚未覆蓋整個經(jīng)濟(jì)領(lǐng)域，還需要進(jìn)一步研究和發(fā)展。同時還應(yīng)大力提倡中水處理和中水回用，充分利用水資源，通過技術(shù)手段減少排放。

3.“治”—對治理硬件與軟件加大投入力度

在減少排放的同時，必須對已經(jīng)排放的污水加大治理力度。加快污水治理硬件建設(shè)的速度，在城市污水管網(wǎng)鋪設(shè)覆蓋面加大的同時，增加污水處理廠的數(shù)量，合理布置，提高效率，擴(kuò)容城市處理污水能力。加大污水治理軟件技術(shù)的投入，引入先進(jìn)環(huán)保綠色的治污方法，利用政策導(dǎo)向和政府推動，推廣治污技術(shù)的普及。

4.“疏”—確定排污通道對城市污水合理疏導(dǎo)

城市污水的大量增加難以完全避免，因此必須從全局的角度尋找合理的排污方式和去向，結(jié)合水功能區(qū)劃，對于相對不敏感水域、地域可慎重加以利用，設(shè)定統(tǒng)一的排污渠道，以實(shí)現(xiàn)區(qū)域尾水的調(diào)度，大幅度削減排入敏感水域的污染負(fù)荷，改善水系水質(zhì)，實(shí)現(xiàn)既定的環(huán)境目標(biāo)。這是設(shè)置排污通道的意義所在。

以前環(huán)保和水務(wù)部門也曾提出過類似的初步設(shè)想，但都未進(jìn)入實(shí)質(zhì)性的研究。從目前的形勢來看，排污通道的建設(shè)勢在必行，蘇州市城市污水的現(xiàn)有排放去向主要是通過下轄的張家港、太倉、常熟排入長江，通過昆山進(jìn)入上海，通過吳江進(jìn)入浙江，其中下游的上海和浙江地區(qū)均十分敏感，而且水環(huán)境容量也極為有限，而長江有著較為豐沛的水量和水質(zhì)資源，水環(huán)境的稀釋容量較大，自凈能力也較強(qiáng)，可做為近、中期的排污出路。通過線路的合理分析，確定一條從蘇州市匯入長江的河流做為統(tǒng)一的排污通道，并加以必要的改造和處理。通過犧牲局部的水域功能，來換取更大范圍的水環(huán)境質(zhì)量提升。

但近年來長江所接納的各類水污染物呈迅猛遞增的狀態(tài)，而且沿江岸地區(qū)取用江水的需求也十分迫切，長江的環(huán)境壓力越來越大，從長遠(yuǎn)來看還需要尋找更好的污水出路—排海。在此方面可建議學(xué)習(xí)借鑒上海在上世紀(jì)九十年代初合流污水治理的經(jīng)驗(yàn)，并需要開展地區(qū)性合作，徹底解決大區(qū)域內(nèi)的污水出路問題。

農(nóng)工黨蘇州市委：

你委在市政協(xié)十二屆一次會議上提出的《關(guān)于蘇州市水環(huán)境排污容量問題研究及相關(guān)建議》的提案收悉?，F(xiàn)答復(fù)如下：

蘇州是一個因水而富庶、因水而秀美、因水而聞名的城市。多年來，圍繞全面提升我市環(huán)境質(zhì)

量工作目標(biāo)，全市上下積極開展水污染防治工作，努力減少水污染物排放總量，積極擴(kuò)大水環(huán)境容量，不斷改善水環(huán)境質(zhì)量。

一、近年來所做的工作

（一）加強(qiáng)組織領(lǐng)導(dǎo)，強(qiáng)化責(zé)任落實(shí)

一是健全組織。市政府及各市（區(qū)）均專門成立了水污染防治工作領(lǐng)導(dǎo)小組，加強(qiáng)對流域水污染防治工作的領(lǐng)導(dǎo)。二是落實(shí)責(zé)任。市政府每年制定市太湖水污染防治工作計(jì)劃，組織制定《關(guān)于切實(shí)加強(qiáng)水污染防治改善水環(huán)境質(zhì)量確?！皟蓚€率先”環(huán)境目標(biāo)實(shí)現(xiàn)的意見》和《關(guān)于推進(jìn)環(huán)境保護(hù)工作若干政策措施》等，將相關(guān)工作任務(wù)分解到各地各部門。三是強(qiáng)化目標(biāo)考核。將水污染防治工作納入地方政府環(huán)境保護(hù)責(zé)任目標(biāo)考核。強(qiáng)化督促檢查，市委、人大、政府和政協(xié)分別組織市監(jiān)察、發(fā)改、經(jīng)貿(mào)、水務(wù)、農(nóng)林、環(huán)保等部門組成聯(lián)合督查組，對各地實(shí)施情況進(jìn)行督促檢查，從2001年至今，累計(jì)督查達(dá)15次。

（二）加大資金投入，加快水環(huán)境防治工程建設(shè)進(jìn)度

“十五”期間，全市環(huán)境保護(hù)的總投入達(dá)358.78億元。其中我市列入國家、省太湖水污染防治計(jì)劃的工程項(xiàng)目有71項(xiàng)，完成70項(xiàng)，完成率98.6％，實(shí)際完成投資額62.6億元。僅2002到2006年市區(qū)水環(huán)境綜合整治投入的資金就達(dá)20億元。

（三）加大產(chǎn)業(yè)結(jié)構(gòu)調(diào)整力度，不斷優(yōu)化工業(yè)布局

一是大力推進(jìn)節(jié)能減排。近年來，我市大力實(shí)施《蘇州市推進(jìn)經(jīng)濟(jì)結(jié)構(gòu)調(diào)整和轉(zhuǎn)變增長方式行動計(jì)劃》，堅(jiān)持走信息化帶動新型工業(yè)化之路。2006年、2007年全市化學(xué)需氧量凈削減量分別達(dá)到0.64萬噸、0.88萬噸，全面完成了省里下達(dá)的減排任務(wù)。二是淘汰落后產(chǎn)業(yè)、工藝和設(shè)備?！笆濉敝两?，共關(guān)停、并轉(zhuǎn)污染嚴(yán)重的企業(yè)1055家。深入開展化工生產(chǎn)企業(yè)專項(xiàng)整治，到2007年底，全市已關(guān)閉560家化工企業(yè)。三是優(yōu)化產(chǎn)業(yè)布局。按照生態(tài)功能區(qū)劃劃定的禁止開發(fā)、限制開發(fā)、優(yōu)先開發(fā)和重點(diǎn)開發(fā)區(qū)域，積極引導(dǎo)工業(yè)企業(yè)向開發(fā)區(qū)和工業(yè)區(qū)集中。市區(qū)完成蘇化農(nóng)藥、精細(xì)化工、合成化工等30家企業(yè)搬遷。四是進(jìn)一步提高環(huán)境保護(hù)準(zhǔn)入門檻。在全市范圍內(nèi)禁止新建鋼鐵、煉焦、水泥、印染、電鍍企業(yè)，限制發(fā)展化工企業(yè)。全面開展電鍍、造紙、印染行業(yè)中水回用工作。“十五”以來，全市共拒批、勸阻2000余個項(xiàng)目，投資額超過350億元。

（四）加快環(huán)境基礎(chǔ)設(shè)施建設(shè)，增強(qiáng)水污染防治能力

截至2007年底，全市共建成城鎮(zhèn)污水處理廠107座，處理能力達(dá)到215.3萬噸/日，實(shí)際處理污水量為175.1萬噸/日，累計(jì)建成污水管道3147公里，城鎮(zhèn)生活污水處理率達(dá)到70 %，市區(qū)生活污水處理率達(dá)到80.2%，污水處理能力和生活污水處理率逐年提高。

（五）加強(qiáng)農(nóng)業(yè)面源污染防治，改善農(nóng)村水環(huán)境質(zhì)量

一是積極推廣使用生物農(nóng)藥、有機(jī)肥等技術(shù)。2001年至2007年期間，化肥施用強(qiáng)度由597.4公斤/公頃下降到225公斤/公頃，化學(xué)農(nóng)藥施用強(qiáng)度由25.4公斤/公頃下降到2.43公斤/公頃，秸稈綜合利用率提高到95%。二是堅(jiān)持達(dá)標(biāo)排放，對無法達(dá)到治理標(biāo)準(zhǔn)的養(yǎng)殖場所依法進(jìn)行關(guān)停并轉(zhuǎn)?！笆濉敝两瘢瑢?70多個規(guī)?；B(yǎng)殖場實(shí)施了污染治理。三是結(jié)合新農(nóng)村建設(shè)，全面開展“六清六建”活動，垃圾處理推行“戶集、村收、鎮(zhèn)運(yùn)、縣處理”的集中處理模式。四是壓縮網(wǎng)圍養(yǎng)殖面積。今年3月上旬，西太湖網(wǎng)圍養(yǎng)殖全面拆除。

（六）利用經(jīng)濟(jì)杠桿及政策驅(qū)動，大力建設(shè)節(jié)水型城市

一是政策驅(qū)動。2005年，市政府通過了《蘇州市創(chuàng)建節(jié)水型城市實(shí)施意見》，成立了以閻立市長為組長的蘇州市節(jié)水型城市建設(shè)工作領(lǐng)導(dǎo)小組，并與29個責(zé)任區(qū)、局簽訂了創(chuàng)建節(jié)水型城市責(zé)任書。市、區(qū)兩級財(cái)政共投入3000余萬元，更換水嘴31.1萬個、排水閥6萬只，涉及居民14.3萬戶，建成區(qū)內(nèi)30余萬戶居民全部都使用了節(jié)水器具。目前我市創(chuàng)建節(jié)水型城市工作已經(jīng)達(dá)到省級考核標(biāo)準(zhǔn)。二是利用經(jīng)濟(jì)杠桿。2007年，我市出臺了《關(guān)于在我市逐步實(shí)施居民生活用水階梯式計(jì)量水價的通知》，在確保居民正常生活用水的前提下，對浪費(fèi)水的行為進(jìn)行經(jīng)濟(jì)上的懲戒，促進(jìn)居民節(jié)水意識的提高。同時，對月用水量大于500立方米的企業(yè)、單位實(shí)行用水計(jì)劃制度，對超計(jì)劃用水單位征收1~5倍加價水費(fèi)。對自備水源取水戶，超計(jì)劃的按照有關(guān)法律、法規(guī)的規(guī)定，征收1~5倍超計(jì)劃水資源費(fèi)。

（七）加大執(zhí)法力度，鐵腕打擊違法排污企業(yè)

一是嚴(yán)格實(shí)施《江蘇省太湖水污染防治條例》及《蘇州市陽澄湖水源水質(zhì)保護(hù)條例》，嚴(yán)厲打擊環(huán)境違法行為，杜絕直接向水體排放污染物，全面禁止使用含磷洗滌劑。二是加快環(huán)保在線監(jiān)測設(shè)施建設(shè)進(jìn)度。2007年底前完成集中飲用水源地水質(zhì)自動監(jiān)控站建設(shè)；同時，加快污染源在線監(jiān)控建設(shè)進(jìn)度，目前全市已有382家企業(yè)完成在線監(jiān)測設(shè)施安裝，75%的城鎮(zhèn)污水處理廠安裝了在線監(jiān)測裝置，其中58%的污水處理廠在線監(jiān)測儀器已與環(huán)保部門實(shí)現(xiàn)聯(lián)網(wǎng)。三是積極開展專項(xiàng)整治活動。開展了連續(xù)6年的“整治違法排污企業(yè)、保障群眾健康環(huán)保專項(xiàng)行動”和連續(xù)4年的“集中式飲用水源地專項(xiàng)整治行動”，加大對飲用水源地、太湖和陽澄湖周邊地區(qū)船餐等整治力度，截至2007年底，共出動13.26萬人次，檢查4.94萬廠次，立案查處1347件，257家掛牌督辦企業(yè)的辦結(jié)率達(dá)到97.3％，解決了一些突出的環(huán)境問題。

（八）科學(xué)調(diào)查，探索、研究水環(huán)境容量

根據(jù)國家發(fā)改委編制《太湖流域水環(huán)境綜合治理方案》，到“十一五”期末，蘇州市水環(huán)境容量：COD為12.4891萬噸/年、氨氮為0.9742萬噸/年、總磷為0.0952萬噸/年、總氮為1.3647萬噸/年，其限排量應(yīng)控制在：COD為11.9554萬噸/年、氨氮為0.9603萬噸/年、總磷為0.0923萬噸/年、總氮為1.3619萬噸/年。2005年，市水利局編制《蘇州市水資源綜合規(guī)劃》，對我市98個主要水功能區(qū)進(jìn)行了測算，到“十一五”期末，水環(huán)境容量：COD為19.36萬噸/年、氨氮為0.91萬噸/年（因《蘇州市水資源綜合規(guī)劃》尚未通過專家審查，以上數(shù)據(jù)僅供參考）。

二、存在主要問題

從總體上看，我市的水污染防治工作取得了一定成效。同時，我們也清醒地意識到，我市水環(huán)境形勢依然十分嚴(yán)峻。蘇州地處長江、太湖流域下游，受到污染的過境客水使我們的水環(huán)境不堪重負(fù)。人口、產(chǎn)業(yè)和城市高度密集，環(huán)境資源先天不足，環(huán)境負(fù)荷過大，生態(tài)形勢也變得越來越嚴(yán)峻。究其原因正如提案中所提到的:一是外來人口急劇增加是我市環(huán)境不堪重負(fù)的關(guān)鍵原因。根據(jù)《國務(wù)院批轉(zhuǎn)節(jié)能減排統(tǒng)計(jì)監(jiān)測及考核實(shí)施方案和辦法的通知》中提供的參數(shù)測算，每增加一萬人口新增COD排放量328噸/年。2007年我市戶籍人口624萬人，公安局登記在冊的暫住人口已達(dá)585.8萬人，還不包括公安局未登記的暫住人口。僅2007年新增登記暫住人口就達(dá)88.1萬人，其結(jié)果是必然產(chǎn)生較大的COD新增量。二是污水處理設(shè)施的建設(shè)步伐還跟不上外來人口的增長速度，導(dǎo)致污水量劇

增，造成了我市每年花很大資金建設(shè)的水污染防治項(xiàng)目，其削減的水污染物排放量被外來人口新增的水污染物排放量所淹沒。以中心城區(qū)為例，目前4家城鎮(zhèn)污水處理廠均滿負(fù)荷甚至超負(fù)荷運(yùn)行。三是我市整個排水系統(tǒng)不夠完善,“大引大排”系統(tǒng)中尚未啟動蘇州市尾水排污通道。四是農(nóng)業(yè)面源污染仍未得到有效控制，太湖的網(wǎng)圍養(yǎng)殖面積過大，陽澄湖2007年網(wǎng)圍養(yǎng)殖面積8.10萬畝沒有控制到2001年市政府確定的到2005年的整治目標(biāo)—4.8萬畝。因此，水污染防治和治理任務(wù)仍然十分艱巨。

三、下一步工作打算

針對上述存在的問題，下階段，我們將認(rèn)真學(xué)習(xí)中共“十七大”精神，深入貫徹落實(shí)科學(xué)發(fā)展觀，大力推進(jìn)生態(tài)文明建設(shè)，以鞏固生態(tài)市建設(shè)為抓手，以太湖流域城鎮(zhèn)污水處理廠及重點(diǎn)工業(yè)行業(yè)穩(wěn)定達(dá)到《太湖地區(qū)城鎮(zhèn)污水處理廠及重點(diǎn)工業(yè)行業(yè)主要水污染物排放限值》為中心，繼續(xù)深入開展水環(huán)境綜合整治，全面落實(shí)“控源、截污、清淤、暢流、修復(fù)、預(yù)警”各項(xiàng)措施，確保飲用水源地安全，改善水環(huán)境質(zhì)量。

（一）繼續(xù)開展水環(huán)境容量的研究

《市政府關(guān)于印發(fā)蘇州市太湖流域水污染防治工作目標(biāo)任務(wù)的通知》（蘇府〔2007〕155號）中明確：由市水務(wù)局牽頭，市環(huán)保局作為相關(guān)責(zé)任部門，進(jìn)一步細(xì)化太湖、陽澄湖等重要入湖河道水功能區(qū)劃，核定陽澄湖等重要水體納污總量，實(shí)行河湖納污總量控制。

（二）從源頭上控制污染物排放量

一是加快產(chǎn)業(yè)結(jié)構(gòu)、產(chǎn)業(yè)布局調(diào)整步伐。到2010年，全市高新技術(shù)產(chǎn)業(yè)產(chǎn)值占規(guī)模以上工業(yè)總產(chǎn)值的比重提高到40%。二是淘汰落后生產(chǎn)能力。開展化工、醫(yī)藥、冶金、印染、造紙、電鍍等重污染行業(yè)專項(xiàng)工作，2008年底之前，完成省政府下達(dá)的關(guān)閉780家落后化工企業(yè)的任務(wù)。三是實(shí)施更加嚴(yán)格的環(huán)境準(zhǔn)入制度。對排污總量超過控制指標(biāo)、地表水達(dá)不到功能區(qū)要求的地區(qū)以及劃定的“清水廊道”地區(qū)，暫停審批新增水污染物排放的建設(shè)項(xiàng)目。四是執(zhí)行更為嚴(yán)格的水污染物地方排放標(biāo)準(zhǔn)。自2008年起，城鎮(zhèn)污水處理廠及重點(diǎn)工業(yè)行業(yè)必須穩(wěn)定達(dá)到《太湖地區(qū)城鎮(zhèn)污水處理廠及重點(diǎn)工業(yè)行業(yè)主要水污染物排放限值》。五是發(fā)展循環(huán)經(jīng)濟(jì)和實(shí)施清潔生產(chǎn)?！笆晃濉逼陂g，全市建立500個循環(huán)經(jīng)濟(jì)試點(diǎn)與示范企業(yè)。

（三）全面提高污水處理率和接管率

一是至2010年底，全市完成新建、擴(kuò)建城鎮(zhèn)污水處理項(xiàng)目64個，新增污水處理能力160萬噸/日，確保市區(qū)、市（縣）城區(qū)生活污水處理率達(dá)到95%，省級以上開發(fā)區(qū)建成區(qū)生活污水處理率達(dá)到100%，鎮(zhèn)生活污水處理率達(dá)到85%。二是已建成的城鎮(zhèn)污水處理廠要完成脫氮除磷工藝改造。三是實(shí)現(xiàn)城鎮(zhèn)生活污水處理設(shè)施全覆蓋。全市所有城鎮(zhèn)生活污水處理廠完成污水處理設(shè)施和污水收集管網(wǎng)建設(shè)任務(wù)。四是大力實(shí)施城鎮(zhèn)污水處理廠污水再生回用。近期將回用重點(diǎn)放在市政雜用水（公園綠化及河湖用水、城市綠化用水、道路路面噴灑用水等）和工業(yè)用水（回用至熱電、火電廠和化工廠等的冷卻用水、混凝土攪拌用水以及城市污水處理廠內(nèi)部的污泥脫水沖洗濾布、沖洗路面及洗車用水等雜用水）。為有利于污水再生利用，在提高水價和排污收費(fèi)基礎(chǔ)上，進(jìn)一步拓寬回用對象。五是根據(jù)《全國水利發(fā)展“十一五”規(guī)劃編制工作意見》，我市將實(shí)施《蘇州市城市排水管網(wǎng)現(xiàn)狀與維護(hù)研究》和《排水戶分類管理辦法》。六是在對市區(qū)污水管網(wǎng)支管到戶工程實(shí)施片區(qū)進(jìn)行拾遺補(bǔ)缺的同時，逐步對管網(wǎng)不完善的地區(qū)進(jìn)行改造和貫通。七是加強(qiáng)污水處理設(shè)施運(yùn)行監(jiān)管。2008年5月底前，所有污水處理廠都要安裝自動在線監(jiān)測裝置，并與環(huán)保部門聯(lián)網(wǎng)。對城鎮(zhèn)污水處理廠運(yùn)行情況實(shí)行評估制度，將評估結(jié)果作為核撥污水處理費(fèi)的重要依據(jù)。

（四）加大壓縮圍網(wǎng)養(yǎng)殖、農(nóng)業(yè)面源污染防治力度

一是進(jìn)一步壓縮圍網(wǎng)養(yǎng)殖面積。2008年東太湖圍網(wǎng)養(yǎng)殖壓縮到4.5萬畝,到2010年東太湖圍網(wǎng)養(yǎng)殖面積達(dá)到國家有關(guān)部門的控制要求。到2008年5月，陽澄湖圍網(wǎng)面積壓縮到3.2萬畝，其中陽澄湖西湖全部拆除，到2010年陽澄湖圍網(wǎng)養(yǎng)殖面積壓縮到1萬畝。二是取締沿太湖1公里、陽澄湖水源水質(zhì)二級保護(hù)區(qū)范圍內(nèi)的所有畜禽養(yǎng)殖場。禁止在太湖一級保護(hù)區(qū)和陽澄湖水源水質(zhì)準(zhǔn)保護(hù)區(qū)范圍內(nèi)發(fā)展畜禽養(yǎng)殖，現(xiàn)有養(yǎng)殖場到2008年底實(shí)現(xiàn)污染物零排放，無法達(dá)到零排放的養(yǎng)殖場必須搬遷或者關(guān)閉。主要污染物總氮、總磷排放量削減50%以上。三是“十一五”期間，化肥、農(nóng)藥使用強(qiáng)度分別削減20%和30%，測土配方施肥覆蓋率達(dá)80%以上，生物農(nóng)藥施用比例提高到30%以上。全市畜禽養(yǎng)殖糞便綜合利用率達(dá)到90%。四是加快實(shí)施農(nóng)村集中居住區(qū)生活污水處理工程，努力改善農(nóng)村水環(huán)境質(zhì)量。到2010年底前，全市50%的農(nóng)民集中居住區(qū)建成生活污水集中處理設(shè)施，農(nóng)村生活污水處理率達(dá)到40%，太湖一級保護(hù)區(qū)及陽澄湖水源水質(zhì)準(zhǔn)保護(hù)區(qū)農(nóng)村生活污水處理率達(dá)到70%。

（五）切實(shí)推進(jìn)生態(tài)重建修復(fù)工程

“十一五”期間，在環(huán)太湖、環(huán)陽澄湖1公里、主要水源保護(hù)區(qū)周邊2公里、入湖河道上溯10公里兩側(cè)各500米等重點(diǎn)區(qū)域先行試點(diǎn)，建設(shè)生態(tài)隔離帶。切實(shí)推進(jìn)太湖、陽澄湖、長江生態(tài)重建修復(fù)工程、村莊綠化示范工程、綠色水廊創(chuàng)建工程、濕地林帶營造工程、道路綠化延伸工程、生態(tài)示范區(qū)建設(shè)工程等建設(shè)。到2010年，全市每年新增綠地面積11萬畝以上，陸地森林覆蓋率達(dá)到23%，村莊綠化覆蓋率提高到25%以上。

（六）增強(qiáng)區(qū)域水資源調(diào)水引流能力

一是規(guī)劃建設(shè)調(diào)水引流工程。實(shí)施以陽澄湖為調(diào)節(jié)中心的“通江達(dá)湖”調(diào)水引流工程和河網(wǎng)暢流工程，整治七浦塘等通江河道，建設(shè)永昌涇整治工程。二是推動蘇州市尾水排污通道工程方案的研究、論證，加快區(qū)域尾水排污通道的建設(shè)，減少區(qū)域內(nèi)的尾水排放,提升區(qū)域水環(huán)境質(zhì)量。三是全面推進(jìn)疏浚清淤。對貢湖水源地、東太湖實(shí)施生態(tài)清淤，對陽澄西湖進(jìn)行綜合生態(tài)治理。沿江沙土地區(qū)河道5年輪浚一次，太湖圩區(qū)河道8年輪浚一次，城區(qū)河道5年輪浚一次。

感謝你委對我市環(huán)境保護(hù)事業(yè)的關(guān)心和支持。

二○○八年四月十一日

抄送：市政協(xié)提案委，市水利局、農(nóng)林局、環(huán)保局。

聯(lián)系人：涂海燕；電話：68612217。

第四篇：多元線性回歸模型實(shí)驗(yàn)報告計(jì)量經(jīng)濟(jì)學(xué)

實(shí) 驗(yàn) 報 告

課程名稱金融計(jì)量學(xué) 實(shí)驗(yàn)項(xiàng)目名稱多元線性回歸模型

班級與班級代碼 實(shí)驗(yàn)室名稱（或課室）

專業(yè)

任課教師 xxx

學(xué)號 ：xxx

姓名 ：xxx 實(shí)驗(yàn)日期：2012 年 5 月 3 日

廣東商學(xué)院教務(wù)處制 姓名 xxx 實(shí)驗(yàn)報告成績 評語 ：

指導(dǎo)教師（簽名）

年月日

說明：指導(dǎo)教師評分后，實(shí)驗(yàn)報告交院（系）辦公室保存

多 元線性回歸模型

一、實(shí)驗(yàn)?zāi)康?通過上機(jī)實(shí)驗(yàn),使學(xué)生能夠使用 Eviews 軟件估計(jì)可化為線性回歸模型的非線性模型，并對線性回歸模型的參數(shù)線性約束條件進(jìn)行檢驗(yàn)。

二、實(shí)驗(yàn)內(nèi)容 （一）根據(jù)中國某年按行業(yè)分的全部制造業(yè)國有企業(yè)及規(guī)模以上制造業(yè)非國有企業(yè)的工業(yè)總產(chǎn)值 Y，資產(chǎn)合計(jì) K 及職工人數(shù) L 進(jìn)行回歸分析。

（二）掌握可化為線性多元非線性回歸模型的估計(jì)和多元線性回歸模型的線性約束條件的檢驗(yàn)方法 （三）根據(jù)實(shí)驗(yàn)結(jié)果判斷中國該年制造業(yè)總體的規(guī)模報酬?duì)顟B(tài)如何？ 三、實(shí)驗(yàn)步驟（一）收集數(shù)據(jù) 下表列示出來中國某年按行業(yè)分的全部制造業(yè)國有企業(yè)及規(guī)模以上制造業(yè)非國有企業(yè)的工業(yè)總產(chǎn)值 Y，資產(chǎn)合計(jì) K 及職工人數(shù) L。

序號 工業(yè)總產(chǎn)值 Y（億元）

資產(chǎn)合計(jì) K（億元）

職工人數(shù) L（萬人）

序號 工業(yè)總產(chǎn)值 Y（億元）

資產(chǎn)合計(jì) K（億元）

職工人數(shù) L（萬人）3722.7 3078.22 113 17 812.7 1118.81 43 2 1442.52 1684.43 67 18 1899.7 2052.16 61 3 1752.37 2742.77 84 19 3692.85 6113.11 240 4 1451.29 1973.82 27 20 4732.9 9228.25 222 5 5149.3 5917.01 327 21 2180.23 2866.65 80 6 2291.16 1758.77 120 22 2539.76 2545.63 96 7 1345.17 939.1 58 23 3046.95 4787.9 222 8 656.77 694.94 31 24 2192.63 3255.29 163 9 370.18 363.48 16 25 5364.83 8129.68 244 10 1590.36 2511.99 66 26 4834.68 5260.2 145 11 616.71 973.73 58 27 7549.58 7518.79 138 12 617.94 516.01 28 28 867.91 984.52 46 13 4429.19 3785.91 61 29 4611.39 18626.94 218 14 5749.02 8688.03 254 30 170.3 610.91 19 15 1781.37 2798.9 83 31 325.53 1523.19 45 16 1243.07 1808.44 33 表 1（二）創(chuàng)建工作文件（Workfile）。

1、啟動Eviews5，在主菜單上依次點(diǎn)擊FileNewWorkfile（如圖），按確定。

2、在彈出的對話框中選擇數(shù)據(jù)的時間頻率（本實(shí)驗(yàn)為序列數(shù)據(jù)），輸入數(shù)據(jù)數(shù)為31（如圖1），然后點(diǎn)擊OK（如圖2）。

（圖 1）（圖 2）、（三）輸入數(shù)據(jù) 1、在 Eviews 軟件的命令窗口中鍵入數(shù)據(jù)輸入/編輯命令：DATAYKL，按 Enter，則顯示一個數(shù)組窗口（如圖）。

2、分別在Y、K、L列輸入相應(yīng)的數(shù)據(jù)并以group01命名保存（如圖）：

（四）、回歸分析 1、在經(jīng)濟(jì)理論指導(dǎo)下，設(shè)定如下的理論模型：

2、運(yùn)用OLS估計(jì)模型 經(jīng)對數(shù)轉(zhuǎn)換，式? ? ?e L AK Y ?可變換對數(shù)形式如下：

3、對表1的Y、K、L的數(shù)據(jù)進(jìn)行對數(shù)轉(zhuǎn)換，得新的數(shù)據(jù)如表2所示：

序號

序號

18.222204 8.032107 4.727388 27.274147 7.429183 4.204693 37.468724 7.916724 4.430817 47.280208 7.587726 3.295837 58.546616 8.685587 5.78996 67.736814 7.47237 4.787492 77.204276 6.844922 4.060443 86.487334 6.543826 3.433987 95.913989 5.895724 2.772589 107.371716 7.828831 4.189655 116.424399 6.881134 4.060443 126.426391 6.246126 3.332205 138.395972 8.239042 4.110874 148.656785 9.069701 5.537334 15

7.485138 7.936982 4.418841 16

表2 4、對表2經(jīng)對數(shù)轉(zhuǎn)化后的數(shù)據(jù)進(jìn)行相關(guān)性分析 ①重復(fù)數(shù)據(jù)輸入步驟，輸入取對數(shù)后的數(shù)據(jù)如圖：

②在彈出的窗口中選擇ViewGraphScatterSimpleScatter按確定，得取對數(shù)后的Y、K、L三者之間關(guān)系的散點(diǎn)圖，結(jié)果如下：

③通過對以上散點(diǎn)圖的觀察可以看出，取對數(shù)后的K、L的聯(lián)合值對取對數(shù)后的Y的值有著顯著的線性影響。

5、在 Eviews 主窗口中點(diǎn)擊 QuickEstimateEquation，在彈出的方程設(shè)定框內(nèi)輸入模型：log（y）clog(k)log(l)（如圖）：

再點(diǎn)擊確定，系統(tǒng)將彈出一個窗口來顯示有關(guān)估計(jì)結(jié)果（如圖）。

由圖顯示的結(jié)果可知，樣本回歸方程為：

?Y ln =1.154+0.609 K ln +0.361 L ln

(1.59)(3.45)(1.75)其中 8099.02? R，2R =0.7963，F(xiàn)=59.66 4、對以上實(shí)驗(yàn)結(jié)果做 t 檢驗(yàn)分析：

給定顯著性水平5%，自由度為（2，28）的 F 分布的臨界值為34.3 28 2(05.0?），F(xiàn)，因此總體上看，K ln , L ln 聯(lián)合起來對 Y ln 有著顯著的線性影響。在 5%的顯著性水平下，自由度為 28 的 t 分布的臨界值為048.2)28(05.0? t，因此，K ln 的參數(shù)通過了該顯著性水平下的 t 檢驗(yàn)，但L ln 未通過檢驗(yàn)。如果設(shè)定顯著性水平為 10%，t 分布的臨界值為701.1)28(05.0? t，這時 L ln 的參數(shù)通過了顯著性水平的檢驗(yàn)。

2R =0.7963 表明，工業(yè)總產(chǎn)值對數(shù)值的 79.6%的變化可以由資產(chǎn)合計(jì)的對數(shù)與職工的對數(shù)的變化來解釋，但仍有 20.4%的變化是由其他因素的變化影響的。

（五）參數(shù)的約束檢驗(yàn) 由以上的實(shí)驗(yàn)結(jié)果可以看出，1 97.0 ? ? ?? ?? ?，即資產(chǎn)與勞動的產(chǎn)出彈性之和近似為1，表明中國制造業(yè)在2000年基本呈現(xiàn)規(guī)模報酬不變的狀態(tài)。因此，進(jìn)行參數(shù)的約束檢驗(yàn)時，提出零假設(shè)為0H ：1 ? ? ? ?。

如果原假設(shè)為真，則可估計(jì)如下模型：

1、在 Equation 窗口選擇 proc/Specify/Estimate 在彈出的窗口中輸入 log(y/l)clog(k/l)如圖所示：按確定，所得結(jié)果如下：

容易看出，該估計(jì)方程通過了 F 檢驗(yàn)與參數(shù)的 t 檢驗(yàn)。

2、對規(guī)模報酬是否變化進(jìn)行的分析 由上面兩個實(shí)驗(yàn)可以得到 0703.5 ?URSS，0886.5 ?RRSS。在原假設(shè)為真的條件下有：

?? ???)1 2 31(1)(UU RRSSRSS RSSF28 0703.50703.5 0886.5 ?=0.1011 在 5%的顯著性水平下，自由度為（1,28）的 F 分布的臨界值為 4.20。因?yàn)?0.1011<4.20,所以不拒絕原假設(shè)，表明 2000 年中國制造業(yè)呈現(xiàn)規(guī)模報酬不變的狀態(tài)。

3、運(yùn)用參數(shù)約束條件 12 1? ? ? ? 對上面假設(shè)模型進(jìn)行檢驗(yàn) 打 開 eq01 方 程 對 象 窗 , 點(diǎn) 擊ViewCoefficientTestsWaldCoefficientRestrictions…，在 Waldtests窗口設(shè)定參數(shù)約束條件：c(2)+c(3)=1。再按 OK,結(jié)果如下圖：

由以上實(shí)驗(yàn)結(jié)果可知，我們?nèi)匀徊痪芙^原假設(shè)，原假設(shè)為真，即中國該年的制造業(yè)總體呈現(xiàn)規(guī)模報酬不變狀態(tài)。

四、實(shí)驗(yàn)結(jié)論 通過上面實(shí)驗(yàn)可以看出，中國某年按行業(yè)分的全部制造業(yè)國有企業(yè)及規(guī)模以上制造業(yè)非國有企業(yè)的資產(chǎn)合計(jì) K 和職工人數(shù) L 的聯(lián)合對數(shù)對工業(yè)總產(chǎn)值 Y 的對數(shù)有著顯著地線性影響。但并非全是由 K、L 影響，還有 20.4%的變化時由其他因素影響的。在規(guī)模報酬的分析中可以看出，國制造業(yè)在2000 年基本呈現(xiàn)規(guī)模報酬不變的狀態(tài)。

第五篇：水環(huán)境容量 錯誤問題

地表水環(huán)境容量計(jì)算過程中一些錯誤問題

從成都地表水環(huán)境容量驗(yàn)收會議后，我們對部分省市在具體的水環(huán)境容量模型計(jì)算過程和中間結(jié)果進(jìn)行了校核和驗(yàn)算，發(fā)現(xiàn)了一些具體的技術(shù)處理問題，現(xiàn)將對廣西、江西、湖南的主要問題匯總?cè)缦?，以便全國各省市參考?/p>

1．廣西

（1）正向計(jì)算全部采用了規(guī)劃院第三版模型，此模型沒有二維計(jì)算的結(jié)果，二維計(jì)算在模型中只是起對一維計(jì)算結(jié)果的校核作用，實(shí)際輸出的仍然是一維結(jié)果。故對二維計(jì)算的大江大河應(yīng)選用可輸出二維結(jié)果的規(guī)劃院第五版模型。

（2）模型參數(shù)輸入時在基本參數(shù)表中的全段長度應(yīng)為計(jì)算單元的長度而不是功能區(qū)的長度；

（3）排污口及監(jiān)測點(diǎn)、支流的參數(shù)表中流速應(yīng)全為河流流速而不是排污口及監(jiān)測點(diǎn)、支流附近的流速。

（4）COD及氨氮濃度均應(yīng)為水質(zhì)目標(biāo)值而非實(shí)測值，一些流量等參數(shù)與附表中給出的不一致；請核查并對錯的進(jìn)行修改。

（4）采用一維反向計(jì)算時，用了如下公式：

W?86.4[CsQh?CoQhe?K1Xu]

不對，應(yīng)改為（見全國水環(huán)境容量核定技術(shù)指南）：

W?31.54[CseK1X86.4u?Co]Qh

且在帶入節(jié)點(diǎn)間距離時應(yīng)用60％達(dá)標(biāo)控制，即取計(jì)算單元長度的40％，而不是帶入整長度，請對反向計(jì)算作修改。

（4）由廣西提供的環(huán)境容量計(jì)算過程來看，計(jì)算工作細(xì)分到了各個市去完成，最后進(jìn)行了匯總，各市計(jì)算的原則不一致，出現(xiàn)的問題各有特點(diǎn)，現(xiàn)將不同的問題補(bǔ)充說明：百色市一些一維正向模型計(jì)算時輸入的一些功能區(qū)名稱不對，如：左江2－8的剝隘橋下游3KM－公簍應(yīng)為七塘－江鳳等；柳州全用一維反向計(jì)算不對（反向計(jì)算的公式也錯了），對河寬小于200m有排污口的請用規(guī)劃院模型進(jìn)行一維正向計(jì)算，河寬大于200m的進(jìn)行二維計(jì)算；玉林市一些容量 1

計(jì)算結(jié)果與附表上給出的不一致。請核查并修改。

2．江西

江西共539個反向計(jì)算單元，采用計(jì)算公式為：

W＝?Q上?C上?Q下?C下??25.92（1）式（1）中，Q上為計(jì)算單元上斷面設(shè)計(jì)流量；C上為計(jì)算單元上斷面初始濃度；Q下為計(jì)算單元下斷面設(shè)計(jì)流量；C下為計(jì)算單元下斷面目標(biāo)濃度； 25.92為全年換算系數(shù)，以300天計(jì)。

江西反向計(jì)算問題：

（1）計(jì)算單元上斷面采用實(shí)測值，下斷面采用功能區(qū)劃水質(zhì)目標(biāo)上限值，上下游交接斷面水質(zhì)濃度不銜接；需統(tǒng)一采用功能區(qū)水質(zhì)目標(biāo)值計(jì)算。

（2）未采用一維模型，式中并未出現(xiàn)衰減系數(shù)k；

（3）計(jì)算結(jié)果全河段超標(biāo)，應(yīng)控制達(dá)標(biāo)河長比例不低于60％。

應(yīng)改為：W?31.54[Cse

3.湖南

湖南省地表水環(huán)境容量報告在編寫過程中是應(yīng)用年三月發(fā)布的第三版河流水環(huán)境容量分析系統(tǒng)進(jìn)行容量計(jì)算的，在對其具體計(jì)算過程進(jìn)行較核中發(fā)現(xiàn)一下問題：

（1）計(jì)算軟件中排污口數(shù)據(jù)中修改前和修改后的COD和氨氮濃度一樣。

（2）計(jì)算軟件中主界面中COD入河量和COD環(huán)境容量一樣，氨氮入河量和氨氮環(huán)境容量也一樣。

（3）計(jì)算軟件中排污口數(shù)據(jù)和報告附表中主要排污口數(shù)據(jù)不對應(yīng)，具體表現(xiàn)在排污口位置不相符合。

解決辦法：

針對第一個和第二個問題，用今年三月發(fā)布的第三版河流水環(huán)境容量分析系統(tǒng)進(jìn)行容量計(jì)算時，計(jì)算軟件中要注意在輸入排污口數(shù)據(jù)后備份初始數(shù)據(jù)，即點(diǎn)擊軟件界面中“備份初始數(shù)據(jù)”按鈕，否則在容量計(jì)算后，會出現(xiàn)排污口數(shù)據(jù)中修改前和修改后的COD和氨氮濃度一樣的情況，并在軟件主界面中出現(xiàn)COD入河量和COD環(huán)境容量一樣，氨氮入河量和氨氮環(huán)境容量一樣的情況。2 K1X86.4u?Co]Qh

針對第三個問題，嚴(yán)禁更改排污口數(shù)據(jù)，如果是因?yàn)榕盼劭诟呕蛘邤?shù)據(jù)前后對應(yīng)問題，請統(tǒng)一理順有關(guān)數(shù)據(jù)以做到相互對應(yīng)。