流域水污染经济损失计量模型.doc

流域水污染经济损失计量模型（全面版）资料

万 　 方数据
万 　 方数据

第七章：多重共线性

第一部分： 学习目的和要求
在经典多元线性回归模型中，其中一个重要假设就是各变量之间是线性无关的。但在现实中我们建立的多元线性回归模型的各变量之间都会存在一定程度上的线性相关——即存在多重共线性。本章就是讨论存在多重共线性的情形，主要介绍了多重共线性的概念，多重共线性的理论后果，几种检测多重共线性的方法，以及对多重共线性进行补救的措施。通过本章的学习我们需要掌握以下几个问题：
(1)多重共线性的概念，完全多重共线性和近似多重共线性的异同。
(2)了解多重共线性产生的原因。
(3)理解多重共线性的理论及实际后果，对统计量估计的后果、对参数显著性检验和预测的影响。
(4)掌握并学会运用多重共线性的几种监测方法，主要有样本决定系数检验法、相关系数检验法、辅回归模型检验法、容许度与方差膨胀因子检验法及特征值检验法。
(5)掌握并学会运用多重共线性的补救措施：利用先验信息法、变换模型法、综合使用横截面数据和时间序列数据法、增加样本容量法、删除变量和设定偏误法。

第二部分：练习题

一、 术语解释
1、 多重共线性
2、 完全多重共线性与近似多重共线性
3、 辅回归
4、 容许度与方差膨胀因子
5、 条件指数与病态指数

二、简答题
1、导致多重共线性的原因有哪些？

2、多重共线性为什么会使得模型的预测功能失效？

3、如何利用辅回归模型来检验多重共线性？

4、判断以下说法正确、错误，还是不确定？并简要陈述你的理由。
(1)尽管存在完全的多重共线性，OLS估计量还是最优线性无偏估计量（BLUE）。
(2)在高度多重共线性的情况下，要评价一个或者多个偏回归系数的个别显著性是不可能的。
(3)如果某一辅回归显示出较高的值，则必然会存在高度的多重共线性。
(4)变量之间的相关系数较高是存在多重共线性的充分必要条件。
(5)如果回归的目的仅仅是为了预测，则变量之间存在多重共线性是无害的。
(6)和VIF相比，容许度（TOL）是多重共线性的更好度量指标。

5、考虑下面的一组数据：
Y
-10
-8
-6
-4
-2
0
2
4
6
8
10

1
2
3
4
5
6
7
8
9
10
11

1
3
5
7
9
11
13
15
17
19
21
如果我们用模型：

来对以上数据进行拟合回归。
(1) 我们能得到这3个估计量吗？并说明理由。
(2) 如果不能，那么我们能否估计得到这些参数的线性组合？可以的话，写出必要的计算过程。

6、考虑以下模型：

由于和是的函数，那么它们之间存在多重共线性。这种说法对吗？为什么？

7、在涉及时间序列数据的回归分析中，如果回归模型不仅含有解释变量的当前值，同时还含有它们的滞后值，我们把这类模型称为分布滞后模型（distributed-lag model）（见《计量经济学》251页）。我们考虑以下模型：

其中Y——消费，X——收入，t——时间。该模型表示当期的消费是其现期的收入及其滞后三期的收入的线性函数。
（1） 在这一类模型中是否会存在多重共线性？为什么？
（2） 如果存在多重共线性的话，应该如何解决这个问题？

8、设想在模型

中，和之间的相关系数为零。如果我们做如下的回归：

（1）会不会存在且？为什么？
（2）会等于或或两者的某个线性组合吗？
（3）会不会有且？

9、通过一些简单的计量软件（比如EViews、SPSS），我们可以得到各变量之间的相关矩阵：
。
怎样可以从相关矩阵看出完全多重共线性、近似多重共线性或者不存在多重共线性？

三、计算题
1、考虑消费函数

其中，C、Y、W依次表示消费、收入与财富。下面是假想数据。
C
Y
W
70
80
810
65
100
1009
90
120
1273
95
140
1425
110
160
1633
115
180
1876
120
200
2252
140
220
2201
155
240
2435
150
260
2686
(1) 作C对Y和W的普通最小二乘回归。
(2) 这一回归方程是否存在着多重共线性？你的判断依据是什么？
(3) 分别作C对Y和W的回归，这些回归结果表明了什么？
(4) 作W对Y的回归。这一回归结果表明了什么？
(5) 如果存在严重的共线性，你是否会删除一个解释变量？为什么？

2、下表给出了美国1971-1986年期间新客车出售的数据。
年份
Y

1971
10227
112.0
121.3
776.8
4.89
79367
1972
10872
111.0
125.3
839.6
4.55
82153
1973
11350
111.1
133.1
949.8
7.38
85064
1974
8775
117.5
147.7
1038.4
8.61
86794
1975
8539
127.6
161.2
1142.8
6.16
85846
1976
9994
135.7
170.5
1252.6
5.22
88752
1977
11046
142.9
181.5
1379.3
5.50
92021
1978
11164
153.8
195.3
1551.2
7.78
96048
1979
10559
166.0
217.7
1729.3
10.25
98824
1980
8979
179.3
247.0
1918.0
11.28
99303
1981
8535
190.2
272.3
2127.6
13.73
100397
1982
7980
197.6
286.6
2261.4
11.20
99526
1983
9179
202.6
297.4
2428.1
8.69
100834
1984
10394
208.5
307.6
2670.6
9.65
105005
1985
11039
215.2
318.5
2841.1
7.75
107150
1986
11450
224.4
323.4
3022.1
6.31
109597
Y——新车出售量，未经季节调整数量；
——新车，消费者价格指数，1967年=100，未经季节调整；
——消费者价格指数，1967年=100，未经季节调整；
——个人可支配收入，10亿美元，未经季节调整；
——利率，百分数，金融公司票据直接使用；
——民间就业劳动人数（个人），未经季节调整。
（1） 如果你决定使用表中全部回归元作为解释变量，可能会遇到多重共线性吗？为什么？
（2） 如果你这样认为的话，你准备怎样解决这个问题？明确你的假设并说明全部计算。
（3） 制定适当的线性或者对数线性的模型，以估计美国对汽车的需求函数。

第三部分：参考答案

一、 术语解释
1、多重共线性：对于经典线性回归模型（CLRM）

如果上式中某两个或多个解释变量之间出现了相关性，则称为存在多重共线性。依据解释变量之间共线性的程度不同，可以分为完全多重共线性和近似多重共线性。

2、完全多重共线性与近似多重共线性：所谓完全多重共线性，是指线性回归模型中的若干解释变量或全部解释变量之间具有严格的线性关系，也就是说，对于多元线性回归模型，若各解释变量的之间存在如下的关系式：

式中是不全为零的常数，则称这些解释变量之间存在完全多重共线性。
当各解释变量的之间存在如下的近似的线性关系：

则可以说上述解释变量之间存在近似多重共线性。还可以采用如下的方式，在近似线性关系式中，假设，则可将此近似线性关系表示为：

其中为随机误差项。

3、辅回归：在变量之间存在多重共线性的情况下，有一个解释变量能由其它解释变量近似的线性表示出来。为了找出哪个解释变量和其它变量有这种关系，我们可以将每个对其余变量进行回归，即

这种回归叫做辅回归，它是相对于Y对各个X的主回归而言的。

4、容许度与方差膨胀因子：在含有k个变量的回归模型中，包括常数项和k-1个回归元，解释变量的偏回归系数的方差可以表示为：
，
我们定义方差膨胀因子，为第i个解释变量与其它解释变量辅回归模型的决定系数。
容许度被定义为。
容许度与方差膨胀因子的数值可以被用来检测多重共线性。

5、条件指数与病态指数：条件指数与病态指数是在特征值检验法中用来检测多重共线性所构造出来的两个指标。
条件指数（病态数）CN（condition number）：CN=最大特征数/最小特征数
病态指数CI（condition index）：。

二、简答题
1、答：
经济数据中大量存在多重共线性这一现象，主要原因在于：经济领域很难象其它实验学科那样从控制性试验中获得数据；此外，可能有经济变量结构上的原因，也有数据收集与模型设定方面的原因，具体的，有以下几种：
（1）所使用的数据收集方法。我们只能在一个有限的范围内得到观察值，无法进行重复试验。
（2）模型或从中取样的总体受到约束（经济变量的共同趋势）。
（3）模型设定的偏误。
（4）过度决定的模型。这种情况尤其容易发生在解释变量的个数大于观测值个数的情形。
由于上述原因，实际应用中，解释变量之间总会存在一定程度的线性相关，因此，问题不是多重线性有无，而是多重共线性的严重程度。

2、答：
多元线性回归模型的一个重要应用是经济预测。对于模型

如果给定样本以外的解释变量的观测值，就可以得到被解释变量的预测值

但是，这只是被解释变量的预测值的估计值而不是预测值。预测值仅以某一个置信水平位于以该估计值为中心的一个区间中。对于预测的置信区间，我们利用的是构造统计量，得到在给定的置信水平下的置信区间为

显然，当解释变量之间存在多重共线性时， 非常大，故而的置信区间也很大，因此，模型的预测功能失效。
3、答：
辅回归是相对于Y对各个X的主回归而言的。在变量之间存在多重共线性的情况下，有一个解释变量能由其它解释变量近似的线性表示出来。为了找出哪个解释变量和其它变量有这种关系，我们可以将每个对其余变量进行回归，即
，
并计算相应的决定系数，分别记为。然后，我们在建立统计量：

它服从自由度为k-2和n-k+1的F分布。其中n为样本大小，k为包括常数项在内的解释变量个数。如果计算出的超过了相应自由度的临界值，则认为这个和其余的解释变量存在共线性；如果未超过临界值，则认为这个和其余的解释变量不存在共线性。这种辅回归模型检验不仅可以检验是否存在多重共线性，而且还可以得到多重共线性的具体形式。

4、答：
（1）错。如果变量之间存在完全的线性关系时，我们甚至无法估计其系数或者标准误。
（2）错。在高度多重共线性的情况下，仍然可以得到一个或者多个显著的t值。
（3）错。OLS估计量的方差有下式给出：

从此式可以看出，一个很高的可被一个很低的或者很高的抵消掉。
（4）错。如果一个模型只有两个回归元，两两之间的高度相关系数便表示存在多重共线性。但是在变量之间存在多重共线性的前提下，可能是几个变量之间的关系。变量之间的相关系数较高是存在多重共线性的充分非必要条件。
（5）不确定。如果观测到共线性在后来的样本数据中继续存在，或许无害。但如果不是这样，或者目的在于做出精确的估计的话，多重共线性便成为问题。如果仅仅要是预测的话，预测有效的前提条件是模型结构的稳定。
（6）错。VIF和TOL给出的信息含义是相同的。它们仅仅是同一种方法的两个不同的指标而已。

5、答：
（1）不能。通过对和的观察，我们可以知道它们存在以下的关系：
，所以可知变量和是完全线性相关的。
（2）把方程写成

其中。
因此，我们可以唯一的估计出和，但无法估计出原始的，因为两个方程无法解出三个未知数。

6、答：
这种说法不正确。因为和都是的非线性函数，把它们包括在回归模型中并不违反经典性线性回归模型的基本假设。多重共线性的相关是指的变量之间的线性相关。

7、答：
（1）是的。经济时间序列数据有同向变动的趋势。在这里，收入的滞后变量一般也可以相同的方向变动。
（2）在遇到时间序列数据存在线性相关性时，我们一般都是采用一阶或者高阶差分变换来消除共线性。

8、答：
（1）是的。这是因为和之间的相关系数为0，所以系数的表达式
、

中的交叉乘积项消失，从而变成与和系数同样的表示式。
（2）是它们的一个线性组合。证明如下：

因此有。
（3）不是。原因如下：

。

9、答：
我们可以利用相关矩阵的行列式来判断多重共线性与否，可以利用R的行列式大小来判断多重共线性的强弱。
（1） 若R的行列式为0时，则存在完全的共线性。
（2） 若R的行列式很小接近于0时，则存在近似的共线性。
（3） 若R的行列式为1时，则变量正交、不存在共线性。

三、计算题
1、解：
（1）使用EViews软件进行回归
Dependent Variable: SER01
Method: Least Squares
Date: 07/02/06 Time: 19:32
Sample: 1 10
Included observations: 10
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
24.33698
6.280051
3.875284
0.0061
W
-0.034952
0.030120
-1.160433
0.2839
Y
0.871640
0.314379
2.772576
0.0276
R-squared
0.968182
Mean dependent var
111.0000
Adjusted R-squared
0.959092
S.D. dependent var
31.42893
S.E. of regression
6.356758
Akaike info criterion
6.780239
Sum squared resid
282.8586
Schwarz criterion
6.871015
Log likelihood
-30.90120
F-statistic
106.5019
Durbin-Watson stat
2.941201
Prob(F-statistic)
0.000006
回归得到的方程为：
。
（2）有。R-squared的值为0.968182，但是系数W通过不过显著性检验。
（3）
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
24.45455
6.413817
3.812791
0.0051
Y
0.509091
0.035743
14.24317
0.0000
R-squared
0.962062
Mean dependent var
111.0000
Adjusted R-squared
0.957319
S.D. dependent var
31.42893
S.E. of regression
6.493003
Akaike info criterion
6.756184
Sum squared resid
337.2727
Schwarz criterion
6.816701
Log likelihood
-31.78092
F-statistic
202.8679
Durbin-Watson stat
2.680127
Prob(F-statistic)
0.000001

Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
26.45198
8.446165
3.131833
0.0140
W
0.048039
0.004543
10.57519
0.0000
R-squared
0.933241
Mean dependent var
111.0000
Adjusted R-squared
0.924896
S.D. dependent var
31.42893
S.E. of regression
8.613107
Akaike info criterion
7.321304
Sum squared resid
593.4849
Schwarz criterion
7.381821
Log likelihood
-34.60652
F-statistic
111.8346
Durbin-Watson stat
2.389869
Prob(F-statistic)
0.000006
在这两个回归中，系数是显著的，而在同时对两个变量进行回归时，却存在部分系数的不显著，说明变量之间存在多重共线性。
（4）
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-3.363636
73.70690
-0.045635
0.9647
Y
10.37273
0.410753
25.25299
0.0000
R-squared
0.987611
Mean dependent var
1760.000
Adjusted R-squared
0.986062
S.D. dependent var
632.0272
S.E. of regression
74.61690
Akaike info criterion
11.63947
Sum squared resid
44541.45
Schwarz criterion
11.69998
Log likelihood
-56.19734
F-statistic
637.7133
Durbin-Watson stat
2.366673
Prob(F-statistic)
0.000000

Variable
Coefficient
Std. Error
t-Statistic
Prob.
Y
10.35497
0.123991
83.51400
0.0000
R-squared
0.987607
Mean dependent var
1760.000
Adjusted R-squared
0.987607
S.D. dependent var
632.0272
S.E. of regression
70.35864
Akaike info criterion
11.43973
Sum squared resid
44553.05
Schwarz criterion
11.46999
Log likelihood
-56.19864
Durbin-Watson stat
2.366224
不管是否带上常数项，R-squared的值都非常大（>0.98），而且Y的系数都通过显著性检验，说明W和Y存在高度的共线性。
（5）在满足模型的经济含义的前提下（以免造成模型设置失误），我们还是可以通过舍去W或者Y来消除共线性的
2、解：
（1）首先我们发现各个变量在数量级上存在较大差别，所以我们一般考虑对数线性回归模型。如果我们的对数回归模型中包含了所有的解释变量，则得到如下的结果：
Dependent Variable: LOG(Y)
Method: Least Squares
Date: 07/02/06 Time: 20:31
Sample: 1971 1986
Included observations: 16
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
3.254859
19.11656
0.170264
0.8682
LOG(X2)
1.790153
0.873240
2.050012
0.0675
LOG(X3)
-4.108518
1.599678
-2.568341
0.0280
LOG(X4)
2.127199
1.257839
1.691154
0.1217
LOG(X5)
-0.030448
0.121848
-0.249884
0.8077
LOG(X6)
0.277792
2.036975
0.136375
0.8942
R-squared
0.854803
Mean dependent var
9.204273
Adjusted R-squared
0.782205
S.D. dependent var
0.119580
S.E. of regression
0.055806
Akaike info criterion
-2.653874
Sum squared resid
0.031143
Schwarz criterion
-2.364153
Log likelihood
27.23099
F-statistic
11.77442
Durbin-Watson stat
1.793020
Prob(F-statistic)
0.000624
我们发现R-squared=0.854803>0.80，LOG(X4) 、LOG(X5) 、LOG(X6)都不能通过0.10的显著性检验。我们可以得出结论，各变量之间存在多重共线性。
（2）由于有5个解释变量，我们可以考虑消除部分解释变量重新对参数进行估计，以得到正确的回归方程。
我们首先得到个解释变量之间的相关系数矩阵：

X2
X3
X4
X5
X6
X2
1
0.99686458432
0.991353674836
0.525829679627
0.972144554185
X3
0.99686458432
1
0.991273632989
0.543312899977
0.965239229554
X4
0.991353674836
0.991273632989
1
0.461436278037
0.972615371514
X5
0.525829679627
0.543312899977
0.461436278037
1
0.536184793714
X6
0.972144554185
0.965239229554
0.972615371514
0.536184793714
1
我们发现只有X5与其它变量的相关系数较低，其余几个变量之间的相关系数都较高（>0.95），所以我们认为X5是可以留在模型中的，对于其他几个变量的选择问题就要考虑模型的实际经济含义以及各变量之间的经济关系。
从不同的角度出发，可能会去掉不同的变量。以下是考虑问题的一个角度：新车CPI和一般的CPI高度相关（0.997），PDI和新车CPI之间也高度相关（0.991）；PDI与就业水平也密切相关，两者的相关系数高达0.972。我们可以考虑去掉一般CPI和PDI。
（3）我们利用保留的X2、X5、X6来估计模型：
Dependent Variable: LOG(Y)
Method: Least Squares
Date: 07/02/06 Time: 20:52
Sample: 1971 1986
Included observations: 16
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-22.10374
8.373593
-2.639696
0.0216
LOG(X2)
-1.037839
0.330227
-3.142805
0.0085
LOG(X5)
-0.294929
0.073704
-4.001514
0.0018
LOG(X6)
3.243886
0.872231
3.719068
0.0029
R-squared
0.684855
Mean dependent var
9.204273
Adjusted R-squared
0.606069
S.D. dependent var
0.119580
S.E. of regression
0.075053
Akaike info criterion
-2.128930
Sum squared resid
0.067595
Schwarz criterion
-1.935783
Log likelihood
21.03144
F-statistic
8.692569
Durbin-Watson stat
1.309678
Prob(F-statistic)
0.002454

通辽市西辽河流域水质监测结果表

面
采
样
断
采
样
时
间
项
目
名
称
表2-10-1 单位：mg/l（pH值除外）

大 兴 南
3 月 6 日
5 月 9 日
7 月 10 日
9 月 10 日
11 月 14 日
水 温 （℃）
0
13
22
22
0
流 量 （m3/s）
2.800
0.105
7.280
1.050
1.050
pH 值
7.5
7.8
8.0
8.4
8.1
溶解氧
11.38
10.81
8.00
8.28
9.28
高锰酸盐指数
7.06
2.72
3.00
6.04
6.30
五日生化需氧量
4
5
—
5
4
氨氮
0.296
0.510
0.476
0.458
0.469
石油类
0.030
0.040
0.027
0.032
0.043
挥发酚
0.002L
0.002L
0.002L
0.002L
0.002L
汞
0.00001L
0.00001L
0.00001L
0.00001L
0.00001L
铅
—
0.01L
—
—
—
化学需氧量
26.89
16.55
37.65
20.69
10.06
总氮
0.609
0.770
0.570
1.552
0.785
总磷
0.083
0.113
0.071
0.056
0.088
铜
0.001L
0.001L
0.001L
0.001L
0.001L
锌
0.05L
0.05L
0.05L
0.05L
0.05L
氟化物
0.377
0.493
0.598
0.756
0.429
硒
0.0005L
0.0005L
0.0005L
0.0005L
0.0005L
砷
0.0005L
0.0005L
0.0005L
0.0005L
0.0005L
镉
—
0.001L
—
—
—
六价铬
0.004L
0.004L
0.004L
0.004L
0.004L
氰化物
—
0.004L
—
—
—
阴离子洗涤剂
0.155
0.094
0.119
0.025L
0.025L
硫化物
0.02L
0.02L
0.02L
0.02L
0.02L
粪大肠菌群（个/升）
1300
2400
5400
9200
2400
水 位 （m）
1.00
0.30
0.65
0.30
0.50
流 速 （m/s）
0.20
0.10
0.40
0.25
0.20
通辽市西辽河流域水质监测结果表

面
采
样
断
采
样
时
间
项
目
名
称
表2-10-2 单位：mg/l（pH值除外）

苏 家 堡
3月6日
4月5日
5月9日
6月7日
7月10日
8月10日
9月10日
10月9日
11月14日
12月5日
水 温（℃）
0
4
13
18
23
22
22
9
0
1
流 量 （m3/s）
2.310
0.840
0.0840
5.600
5.880
8.400
0.880
1.400
0.840
0.790
pH 值
7.5
8.4
7.8
8.1
8.0
8.3
8.4
6.8
8.2
8.4
电导率(ms/m)
—
52.2
—
92.1
55.6
76.3
—
30.7
—
59.9
溶解氧
11.40
11.11
10.84
8.17
8.01
8.28
8.16
8.27
8.93
8.21
高锰酸盐指数
6.83
3.71
3.17
5.11
5.28
4.68
5.93
6.12
6.33
6.08
五日生化需氧量
3
3
5
12
—
4
5
4
4
4
氨氮
0.304
0.526
0.520
0.498
0.484
0.668
0.469
0.490
0.482
0.531
石油类
0.041
0.030
0.041
0.035
0.030
0.048
0.029
0.043
0.053
0.040
挥发酚
0.002L
0.002L
0.002L
0.002L
0.002L
0.002L
0.002L
0.002L
0.002L
0.002L
汞
0.00001L
0.00001L
0.00001L
0.00001L
0.00001L
0.00001L
0.00001L
0.00001L
0.00001L
0.00001L
总铅
—
—
0.01L
—
0.01L
—
—
—
—
—
化学需氧量
27.67
27.52
16.37
27.54
49.93
14.30
20.30
19.69
17.58
14.74
总氮
0.648
—
0.712
—
0.619
—
1.656
—
0.739
—
总磷
0.034
—
0.071
—
0.064
—
0.012
—
0.096
—
铜
0.001L
—
0.001L
—
0.001L
—
0.001L
—
0.001L
—
锌
0.05L
—
0.05L
—
0.05L
—
0.05L
—
0.05L
—
氟化物
0.387
—
0.382
—
0.630
—
0.712
—
0.483
—
硒
0.0005L
—
0.0005L
—
0.0005L
—
0.0005L
—
0.0005L
—
砷
0.0005L
—
0.0005L
—
0.0005L
—
0.0005L
—
0.0005L
—
镉
—
—
0.001L
—
—
—
—
—
—
—
六价铬
0.004L
—
0.004L
—
0.004L
—
0.004L
—
0.004L
—
总氰化物
—
—
0.004L
—
—
—
—
—
—
—
阴离子洗涤剂
0.162
—
0.088
—
0.091
—
0.025
—
0.025
—
硫化物
0.02L
—
0.02L
—
0.02L
—
0.02L
—
0.02L
—
粪大肠菌群(个/升)
9200
—
3500
—
9200
—
16000
—
1300
—
水 位 （m）
0.50
0.40
0.30
1.00
0.60
0.80
0.35
0.50
0.50
0.50
流 速 （m/s）
0.30
0.20
0.10
0.40
0.40
0.50
0.30
0.40
0.20
0.45
通辽市西辽河流域水质监测结果表
表2-10-3 单位：mg/l（pH值除外）

面
采
样
断
采
样
时
间
项
目
名
称

大 瓦 房
3月6日
5月9日
7月10日
9月10日
水 温 （℃）
0
12
22
19
流 量 （m3/s）
0.420
0.420
0.420
0.700
pH 值
7.8
8.1
7.9
7.8
溶解氧
11.26
9.54
6.98
7.67
高锰酸盐指数
8.03
3.82
4.17
8.48
五日生化需氧量
6
3
—
6
氨氮
0.316
0.590
0.526
0.582
石油类
0.042
0.046
0.036
0.030
挥发酚
0.002L
0.002L
0.002L
0.002L
汞
0.00001L
0.00001L
0.00001L
0.00001L
铅
—
0.01L
—
—
化学需氧量
46.08
24.74
79.03
46.26
总氮
0.672
0.887
0.872
2.346
总磷
0.099
0.189
0.089
0.152
铜
0.001L
0.001L
0.001L
0.001L
锌
0.05L
0.05L
0.05L
0.05L
氟化物
0.482
0.879
0.889
0.860
硒
0.0005L
0.0005L
0.0005L
0.0005L
砷
0.0005L
0.0005L
0.0005L
0.0005L
镉
—
0