摘 要：通过对渤海湾调查区域所得数据的处理和分析，最后做出最经济、最有效的捕捞策略，以期对渔业资源的健康发展提供理论依据。按照粒度理论，将浮游动物分成中小型浮游动物和大型浮游动物两部分。主要针对中小型浮游动物数据进行平面分布分析，采用同样分析方法可以得出大型浮游动物分析结论。
关键词：浮游动物；因子分析；层次聚类分析
中图分类号：TB 文献标识码：A doi：10.19311/j.cnki.16723198.2019.31.094
1 调查范围及数据
1.1 调查范围
本研究共选择了9个站位，分别为A11（N118°00′，E38°50′）、A5（N117°48′，E38°55′）、A10（N117°45′，E38°50′）、A15（N117°44′，E38°45′）、A21（N117°46′，E38°36′）、A20（N117°37′，E38°36′）、A14（N117°37′，E38°45′）、A9（N117°40′，E38°50′）、A4（N117°42′，E38°55′）。
1.2 调查数据
数据项次依次为站位，总种数（个），丰度（inds./m3），生物量（mg/m3），生产量（mgAFDW/m3a），种数（S），香农-威纳指数（H’），均匀度（J’）：A11，13，855，1262.57，972.18，13，1.57，0.61；A5，10，5278，5523.97，4253.46，10，1.25，0.54；A10，12，1858，665.33，512.3，12，1.55，0.63；A15，18，4838，5037.25，3878.65，18，1.82，0.88；A21，11，5235，5277.41，4063.61，11，1.28，0.54；A20，9，1533，1242.59，956.79，9，1.58，0.72；A14，7，683，731.58，563.32，7，0.92，0.47；A9，12，3080，2695.42，2075.47，12，1.53，0.62；A4，8，340，237.5，182.88，8，1.51，0.73；平均，11，2633，2519.29，1939.85，11，1.45，0.64。
2 因子分析
2.1 因子分析法
因子分析方法可以用较少的指标代替原来较多的指标，但依然能反映原有的全部信息。
2.2 站位因子分析
首先根据调查数据创建SPSS数据文件，然后选用统计分析→数据缩减→因子分析。引入上述因子分析的7个变量（总种数、丰度、生物量、生产量、丰富度、香农-威纳指数和均匀度）。在弹出的对话框中做如下选择：提取公因子的方法（Method）：主成分分析法；提取（Extract）可选：提取特征值大于1的因子；旋转（Rotation）的方法：方差最大正交旋转；因子得分（FactorScores）：作为新变量存入；统计量：初始解；相关矩阵：系数矩阵；提取分析：相关矩阵、因子未旋转时的解、碎石图；检验的假设是，总体中与该单元对应的变量间的相关系数为0。然后开始分析。
表1是各成分的公因子总方差分解。Components列为各主成分的序号，Initial Eigenvalues列为相关矩阵的特征值。这些因子是用于确定那些因子应该保留。Total列为各成分的特征值。第一主成分的特征值为Total=3.835，第二主成分特征值为Total=2.564。% of Variance列为各成分所解释的方差占总方差百分比的累积百分比，也就是各因子特征值占特征值总和的百分比。Cumulative %列为自上而下各因子方差占总方差百分比的累积百分比。前两个因子的特征值之和占总方差的91.414%。Extraction Sums of Squared Loadings列为因子提取结果，是未经旋转的因子载荷的平方和。它给出的是每个因子的特征值说明的方差占总方差的百分比和累积百分比。从初始分析的统计量可以看出按系统默认值给出的分析原则，提取特征值大于1，那么应该取前两个因子。而前两个因子已经对于大多数数据给出了充分的概括，可以看出前两个成分所解释的方差占总方差的91.414%。因此，确定提取两个主成分。
3 站位间层次聚类分析
聚类分析是根据事物本身特性来研究个体分类的统计方法，是按照物以类聚的原则来研究的事物分类。依据上述各类数据，对各站位进行层次聚类分析，其中包括：Dendrogram图谱分析、Vertical Icicle冰柱图分析、Cluster Membership层次归类分析。
分析步骤：首先打开因子分析后得到的新数据“中小型2.sav”选用统计分析→层次聚类分析，得到的2个公因子，即facter1_1的值：A11为0.65063，A5为-0.95904，A10为0.33831，A15为1.90480，A21为-0.64008，A20為0.03608，A14为-1.57284，A9为0.11707，A4为0.12507和facter2_2的值A11为-0.64966，A5为1.40853，A10为-0.67706，A15为1.00440，A21为1.32929，A20为-0.67038，A14为-0.69720，A9为-0.13754，A4为-1.18547。
然后选择分类变量：按站位分类；聚类的数目（NumberofClusters）：选择范围为4-6类；聚类方法（Method）：仅分类；储存新变量（SaveNewVariables）：聚类成员；然后确定分析，结果显示如图1。
图2是冰柱图。从白色的类似冰柱处分界，可以看成5类的划分。如果做出全观测量图，可以清楚地看到所有观测量最后聚为一类的全过程。图中显示了从聚为一类到聚为8类的过程。从图中可以清楚地看到哪几个站位被归为一类。综合聚类分析结果，将所有站位分为5类。
4 均值比较
4.1 均值比较原理
虽然上面的结论已经确定各站位可以分为几类，以及哪些站位被分到哪个类中都可以明显的看出来，但并没有具体的分析，没有说明在该季节里哪些站位所在区域比较适合捕捞，哪些站位所在区域不适合捕捞。因此，有必要对各站位的各变量的均值进行比较。
4.2 各类间均值多重比较
下面采用均值比较的方法进行更深层次分析。操作步骤：首先打开“统计分析”→“均值比较”→“一维方差分析”对话框。然后将2个因子（facter1_1、facter2_1）移入因变量，分成的5个类移入“固定因子”。第三多重比较方法（MultipleComparisons）：选择邓肯法Duncan ，最后点击确定分析。
从分析结果中可以清楚的看到站位被分为5类的综合指标的均值比较。由于所测试的指标总种数、丰度a、生物量b、生产量p、丰富度d、香威指h和均匀度j等都是越高越适合捕捞，因此，综合起来也就是各类的均值越大越好。将分析结果中的均值数据整理汇总得以下結果。类别1：因子1为0.287522，因子2为-0.79564，总和为-0.50812；类别2：因子1为-0.79957，因子2为1.36891，总和为0.569342；类别3：因子1为1.904905，因子2为1.004402，总和为2.909307；类别4：因子1为-1.57284，因子2为-0.6972，总和为-2.27004；类别5：因子1为0.117069，因子2为0.134571，总和为0.25164。
把因子均值总和按照从大到小顺序排列为：类3、类2、类5、类1、类4，然后对照图2冰柱图的分类结果，上述排序可转化为：A15、（A5，A21、A9）、（A11，A10，A20，A4）、A14。
5 结论
本文利用SPSS软件系统地分析了9个站位进行的采样和生态调查数据，描述了统计分析过程，通过对输出图表和图形的综合分析，将各站位进行了具体分类，可以得出以下结论：
对于中小型浮游动物而言，秋季在渤海湾A15站位所在区域捕捞最合适，其次是A5、A21和A9这一类的站位所在区域，最不适合捕捞的是A14站位所在区域，具体排序为：A15、（A5，A21、A9）、（A11，A10，A20，A4）、A14。
参考文献
[1]李少菁，许振祖.海洋浮游动物学研究[J].厦门大学学报（自然科学版），2001，40（2）：576585.
[2]卢纹岱. SPSS for Windows统计分析[M].北京：电子工业出版社，2002.
[3]刘蓉剩.试验数据及图像计算机处理[M].北京：清华大学出版社，2005.
