摘 要：随着我国经济和工业化、城镇化的发展，对空气质量问题提出了更高要求，关注度也不断增加，但是目前缺少一个较为全面的空气质量评价体系，本文以江苏省十三座城市为例，以PSR模型为参照选取2021年与空气质量相关的具体数据，通过主成分分析法构造模型，作为空气质量评价体系，并根据所发现的问题提出审计活动需要重点关注的问题。
关键词：空气质量；审计；PSR模型；主成分分析法
一、研究背景及意义
随着我国经济的发展和城市化程度的加深，空气质量问题逐渐凸显。作为我国经济发展的重点省份，江苏省尤其需要关注和分析这一问题，审计在解决空气质量和大气污染问题方面发挥着不可替代的作用。恰当的空气质量评价体系可以为审计活动提供科学依据。审计人员可以基于评估结果，对空气质量状况和污染源的影响进行评估，发现环境管理和空气污染治理中存在的问题和不足，提出改进措施和建议，促进环境管理和空气污染治理的改进和提高。
当前的空气质量评价体系存在问题，只关注了空气质量污染源方面的评价指标，而忽略了大气污染的来源和空气质量治理措施的影响，因此难以全面评估该地区的空气治理情况，这也给空气质量审计工作带来了困难。因此，需要建立更为综合、科学的空气质量评价体系，全面考虑大气污染的来源和治理措施的效果，以更好地指导审计工作的开展。
本文不仅选取了几种重要的大气污染源数据，还创新地利用pressure-state-response模型（下文简称PSR模型，即压力、状态、响应模型）的原理选取了污染来源以及社会改善情况的相关数据，从而构建了更为全面和科学的评价体系。
本文以江苏省十三座城市为研究对象，选取2022年空气质量相关数据，参照PSR模型，利用主成分分析法构造评价表达式。通过对每个城市的空气质量现状和治理情况进行打分和排名，使得繁杂的数据变得更加清晰明了。这为针对空气质量的审计提供了合理的评估依据，并且对空气质量相关审计提出了一些建议。
二、模型介绍和指标选取
（一）PSR模型介绍
PSR模型包括压力、状态和响应三个层面，主要用于构建环境质量的评价模型，展示人类活动对自然的影响、自然界当前的现状以及人类对自然界做出的保护措施。在空气质量评价体系中，压力指标主要考虑工业化和城市化对空气质量的影响，状态层面则包括各市空气质量相关数据，如主要大气污染物的浓度等，而响应层面则涵盖政府及社会为改善空气质量而做出的措施。通过PSR模型的应用，我们可以全面了解城市空气质量的情况，同时也可以构建更合适的空气质量评价体系。
（二）主成分分析法介绍
主成分分析法是一种利用数学统计方法对多个相关变量进行处理的技术。该方法通过剔除变量中的重叠部分，得到一组相互不相关的指标，以代替原先的变量进行数据分析和统计推断。这种方法在处理较多变量时，能够有效降低数据的维度，减少变量数量，同时又不会丢失原始数据的重要信息。在分析空气质量相关数据时，采用主成分分析法能够更加高效、精准地对数据进行处理和分析，从而提高分析的效率和准确性。
（三）指标选取介绍及意义
结合江苏省十三座城市所公布的与空气质量相关的数据，以及PSR模型的压力、状态、响应层的相关联系，本文选择了以下一些指标作为主成分分析的变量，如表1所示。
三、实证研究
（一）统计及研究过程
对数据进行处理之后进行KMO和Bartlett’s球形度检验（统计量检验和巴特利球体检验），以验证数据是否适合进行主成分分析，结果如表2，检验的显著性明显小于0.05，说明数据适合进行主成分分析。
通过显著性检验之后将数据进行降维，明确主成分，以及相关的初始特征值和方差贡献度结果如表3所示。
可以发现3个主成分指标即可将解释原始数据内容的81.254%，拟合结果较好，按照解释贡献度分别将它们命名为Z1、Z2、Z3。
（二）得出主成分分析表达式
接着可以得到成分得分系数矩阵，如表4所示。
根据成分得分系数矩阵得到的结果可以得到各指标在主成分中的系数，从而得到江苏省空气质量评价体系的主成分分析中三个主成分的表达式，如下：
Z1=0.178×X1+0.07×X2+0.198×X3-0.99×X4-0.17×X5+0.162×X6+0.192×X7+0.141×X8-0.013×X9+0.195×X10
Z2=-0.127×X1-0.034×X2-0.4×X3+0.37×X4+0.208×X5+0.269×X6+0.01×X7+0.1×X8-0.432×X9+0.041×X10
Z3=-0.013×X1-0.347×X2+0.145×X3-0.083×X4+0.559×X5+0.075×X6+0.006×X7+0.346×X8-0.201×X9+0.191×X10
再根据三个主成分各自在方差解释率中的占比，可以得出主成分的综合因子表达式：
Z=0.570 601×Z1+0.251 447×Z2+0.177 951×Z3
（三）得分及排名
通过系数=载荷数/对应特征根的开方的公式可以求出各线性组合的系数，再将江苏省十三座城市的相关数据进行标准化，两者一一对应相乘再相加即可得出每个城市在每个主成分中的综合得分，结合主成分的综合因子表达式可以得出每个城市的综合得分，得分排名结果如表5所示。
四、统计结论分析
根据PSR模型选取的压力层、状态层和响应层的数据，通过主成分分析得出的综合评分，可以对江苏省十三座城市的空气质量进行排名。排名靠前的几乎都是苏北城市，排名中游的是苏中城市，而苏南城市的综合评分都较为靠后。其中，苏州市的综合评分最低，说明其空气质量改善仍需进一步加强，而盐城市的排名最高，表明其空气质量情况较为良好。
此外，排名较低的城市一般都是经济较为发达、工业化程度较高的城市，这说明工业化会对空气质量造成明显的影响，各个城市在大力发展经济的同时也不能忽视对空气环境的保护，虽然经济发展与人口集中会造成空气污染压力增大，但同时也应该给予与之相匹配的关注度，审计相关机关应起到其应发挥的作用。从排名较高的城市可以发现其绿化程度较好，说明在进行有关空气质量的审计时要注重对于绿化相关建设的审计。
五、针对空气质量评价体系和相关审计提出的建议
通过分析可以发现，在江苏省，改善空气质量的相关举措成效尚有改进的空间。随着工业化迅速发展，空气质量提升较为困难。因此，审计机关更能起到重要作用，能发挥其应有监管作用，积极开展相关措施，促进相关组织和部门注重空气质量，履行相应职责。评价体系可以为各个城市及地区的空气质量治理情况进行打分排名，从而使审计有章可循。在此基础上，提出以下几条建议：
第一，在进行审计时，不能只注重于与空气质量相关的直接数据，例如主要污染物浓度，还要将间接与空气质量相关的数据纳入考察范围，比如重污染企业的数量、治理能力、绿化建设等方面。只有进行综合考察才能够发现出现问题的具体环节在哪，才能有针对性地进行整改和治理。
第二，将空气质量相关审计与其他类型的审计进行结合，可以将其与财务审计、合规性审计等共同开展来调查空气质量相关政策的落实程度、专项资金使用状况等。也可以与企业财务审计相结合，来判断重污染企业是否在空气质量净化上投入充足的资金，这有利于全方位、多角度地开展审计活动。
第三，对于审计的结果应该进行透明的公示，不仅是对相关政策落实得好的政府部门进行表扬，对于那些得分排名靠后以及得分有所下降的地方政府要进行公开处理批评，查明其具体原因和相关负责人，进行合理的处置。
第四，积极促进相关产业的转型和升级，调整三大产业的比重，大力监督重污染产业，对重点污染企业更要专人专项，进行定期检查，避免污染的进一步增加。
第五，加强审计的数字化建设。与空气质量相关的数据较为复杂，但是在大数据时代下，可以运用大数据技术建立相关平台，统筹整合全省甚至全国的数据，实现各部门间的数据互通和共享，这有助于发现空气质量治理中出现的问题，并及时进行处理。
第六，公众参与是改善空气质量的关键。应该加强公众参与的程度，提高公众对空气质量的认识和意识，并鼓励公众积极参与到环保活动中来。
（文 / 解少峰 孙周宝）
（作者简介：解少峰，南京审计大学，硕士研究生。研究方向：工程审计；孙周宝，南京审计大学数据科学与大数据专业系主任。研究方向：大数据审计）
参考文献
[1]姜波,柏广宇,李经纬.环境空气质量评价体系研究[J].环境科学与管理,2016,41(01):189-194.
[2]李荔,赵秋月,李冰.省级空气质量管理评估指标体系的构建及实证研究[J].环境污染与防治, 2016,38(02):91-97.
- 本文固定链接: http://www.dlqsyzz.com/10137.html
- 转载请注明: 《大陆桥视野》 于 大陆桥视野 发表
