前幾天，台中的空氣品質並不好，引起很多民眾批評。我是過敏兒，同樣能夠理解吸入污濁空氣的痛苦感受。但於此同時呢，洪慈庸、林佳龍竟然像看到血饅頭一樣見獵心喜，大肆抨擊盧秀燕中火降載只是徒勞，真的非常不厚道。
我認為，一個好的批評必須有所本，解決空污不是用嘴砲，應該先釐清台中空污的主要成因，才能找出正確的手段改善空污。因此，我自己跑了一個簡單的計量模型，試著解釋空氣污染的來源，給大家做參考，到底中火降載是不是可欲的手段？
先說結論，中火減煤不但有效改善空氣品質，而且是影響至為關鍵的重要因素。
#模型架構
普遍來說，「台中電廠的用煤量」、「境外污染源」、「降雨」、「風速」一直被認為是影響PM2.5的重要因子。因此，我的模型將用以上四個變數為自變數、PM2.5濃度為依變數。
#資料說明
在資料處理上，由於台灣屬於季風氣候，空氣品質容易遭受鄰近國家影響，PM2.5濃度不但具有強烈的季節性，我們也必須以方便觀察的指標來評估境外污染源。
PM2.5濃度資料採用台中西屯測站的月資料，時間是2014年1月到2019年12月，總共72筆，並作去除季節因子的資料處理。
在境外污染方面，環保署在冬天時，將馬祖測站的資料作為參考標準、夏天則選擇小琉球，因為這兩個測站都是在季風來臨時首當其衝之處，空汙濃度也較少因當地人為活動而大幅變動。
但由於小琉球測站的資料取得不易，數值將以距離小琉球最近的潮州代替。而此模型的選擇的標準是，平均風向介於180度到270度之間視為西南季風，採用潮州測站的資料衡量境外污染程度；平均風向介於-45度到90度之間視為東北季風，採用馬祖測站的資料衡量境外污染程度。
平均降雨和平均風速都採用台中測站的數據，至於台中電廠的用煤量就比較麻煩，因為沒有細緻到以月為準的用煤量資料，只能以季為準創建單位為萬噸的變數。
#估計結果
以最小平方法進行估計，結果顯示四種變數其實都相當顯著，整個模型的解釋力也算不錯，P-value趨近於0.000，R-square則為0.37。
只是若要比較各種因素的效果大小，應該將整體模型取自然對數後，對各項自變數微分，才能消弭單位大小對於係數的影響，是為邊際效果 (marginal effect)。
從下圖來看，台中火力電廠的用煤量影響最大，#每多燒1單位的煤炭 #就會增加 0.62單位濃度的PM2.5，效果非常驚人。我們時常譴責的境外污染雖然顯著，卻僅有0.08的邊際效果。這意味著「境外污染」每嚴重一單位，只會惡化0.08單位的空氣品質。不可否認，這與去季節性的處理程序不盡然無關，但實際上，境外污染也沒有我們想像中的那麼具有主宰性。
#效度檢測
為了謹慎起見，我們再利用Hausman Test檢測「中火用煤量」是否具有內生性、White Test 檢測迴歸模型是否具有異質變異，結果都顯示接受虛無假設，並無內生性、異質變異的問題。
此時再著眼殘差的時間序列關係，一般而言，PM2.5的觀察值是24小時取平均，所以假設會有時間序列相關，但使用D-W test 偵測時卻否定了這個預想，因此也沒有一階的序列關係。
#小結
簡而言之，此一計量模型是不偏且有效率的估計，堪作參考。但更重要的是，從邊際效果來看，我們實證了中火用煤量是不可小覷的空污因子。
—————
或許，面對嚴峻的空污問題，你可以跟著林佳龍、洪慈庸痛罵台中市政府降載失能，這完全是作為公民的權利。
但於此同時，也恰好悲傷地證明，如果我們不願意觸碰這些資料、不願意關心自己生活在怎樣的環境，就注定被政治人物玩弄於股掌之間。
空汙確實是很艱辛的問題，但我不認為盧秀燕是無端發怒或無理取鬧，相信也一定有幕僚在餵給他這些數據和建議。
而且，空污本來就不該是政黨間爭執不休的裂口，我們必須共同面對污染所帶來的困境。#有心者應該想方設法來解決空汙的主要來源（目前看中火是最大宗），#而非企圖解決正在著手解決問題的人。
我真的由衷期盼，有朝一日龍部長、洪委員能夠放下胸中成見，和盧市長一起攜手進前、共同努力，讓台中成為更美好的宜居城市。
（如果有人想要看原始資料的話可以私訊我）
—————
資料來源：
行政院環境保護署－空氣品質監測網 (http://bit.ly/2NbOpNP)
氣象觀測資料查詢系統 (http://bit.ly/37VDi3B )
經濟部能源局能源統計資料查詢系統 (http://bit.ly/2s9lOBl)
—————
［註］境內污染也是因子之一，但台中市環保局有設計一套臺中市固定污染源自動連線監測系統 (http://bit.ly/304b3Np)，其中大型的固定污染源的污染排放量比台中電廠還要小非常多，此一模型的用意在檢視中火減煤有沒有用，比起境外因子輕微或嚴重。
—————
📷 instagram.com/liou_yuyou
r square大小 在 [問題] R平方改變量的大小- 看板Statistics - 批踢踢實業坊 的推薦與評價
想請問各位
跑階層式迴歸分析後，
剔除部分因子後所留下對依變項影響達顯著程度的預測因子
但是除了最主要的預測因子對模型有18%的解釋力提升外
其餘因子加入後，其單獨能提升的解釋力僅1%~7%
這樣這些因子對於模型的解釋力還有意義嗎?
還是說只要達顯著，就算可以了呢?
有沒有其他需要留意的地方
先謝謝大家了!
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 114.35.161.18
... <看更多>