航空公司财务状况对航班延误影响分析.docVIP

航空公司财务状况对航班延误影响分析一、引言 近年来，随着我国民航事业的不断发展，民航运输量快速增长，连续数年旅客运输量的增长率都在15%以上，在航空运输业高速发展的同时，我国的航班延误问题也愈演愈烈。统计显示2004年~2009年我国航班延误率都在20%左右，航班延误问题严重影响了民航业的声誉，并给航空公司造成了巨额经济损失，邢有洪、李晓津（2010）利用我国五家上市航空公司2007年的财务数据对其航班延误损失进行了估算，结果表明2007年五家上市航空公司的航班延误总损失高达68.4亿元，其中除天气外的人为原因造成的航班延误损失约为54.72亿元，航空公司自身原因造成的损失约为30.78亿元。为了解决航班延误率过高的问题，民航局开展了多次针对航班延误的专项治理活动。在民航局2010年《建设民航强国的战略构想》中也提到，到2030年，要全面建成安全、高效、绿色的现代化民用航空体系，具体目标之一就是航班正常率达到85%以上，实现航空运输服务质量和水平全面提升。 航班延误问题不仅严重影响了民航旅客对航空公司服务质量的满意度，而且影响到航空公司的客源、市场占有率与行业竞争力。而在造成航班延误的原因中约有45%为航空公司自身原因，因此深入分析航空公司内部造成延误的因素对实现航班正常率85%以上的目标有重要意义。国内外对航班延误问题的研究大多集中于决策信息系统的建立与优化方面，极少有学者研究航空公司自身财务状况对民航服务质量的影响。国外主要有美国学者Rose分析了航空公司财务指标对民航安全的影响，Vasanthakumar研究了航空公司财务指标对航班延误的影响，指出航空公司的规模、负债情况、业务增长以及员工劳动生产率等因素会影响航班延误率。国内在此方面的研究还是空白，本文拟在借鉴国外学者研究成果的基础上，结合我国国情构建Logistic回归模型分析航空公司财务状况对航班延误的影响，以期对民航局和航空公司治理航班延误问题提供理论支持。 二、Logistic模型构建 本文的目的是研究航空公司财务特性与航班延误的关系，假设航空公司的盈利能力、负债情况、资产运营能力、公司规模等因素会影响航班延误的可能性。一个航班或者准点或者延误，是一个二分类变量，而Logistic回归模型是对二分类变量进行回归分析时最为普遍应用的多元量化分析方法。而且Logistic回归模型采用最大似然估计法进行参数估计，不要求样本数据呈正态分布，这与现实中公司财务指标的真实情况相吻合，因此本文拟构建Logistic回归模型研究航空公司财务指标与航班延误的关系。 假设P为航班延误的概率，则1-P为航班正常的概率，变量Xi为Logistic回归模型的自变量，它们是反映航空公司财务状况的指标。 Logistic模型的因变量为航班是否延误，如果一个航班发生了延误，则因变量的编码为Y=1；如果没有延误，其编码为Y=0，则有： Ln（Pi/（1-Pi））=a+∑βiXii=1，...，n P（Yi=1/Xi）=1/［1+e-（a+∑βixi）］ 三、样本选择 本文选择中国国际航空、南方航空、东方航空、海南航空、上海航空五家上市公司2005年~2009五年每季度的财务数据以及航班延误数据作为研究样本。因为中国国际航空上市较晚，从2006年第二季度才能查到完整数据，而五个上市航空公司2009年第四季度的财务数据还没有发布，因此共得到90个样本。 四、变量设定与筛选 （1）因变量设定。因为我国民航局没有专门的航班延误指标，只有正常航班与不正常航班统计，而航班延误占了不正常航班的绝大多数，因此本文采用航班不正常率作为航班延误的替代变量。 由于Logistic模型的因变量是分类变量，需将连续型变量航班不正常率转化为二分类变量。如果某航空公司某一季度不正常率大于所有样本航空公司该季度不正常率均值，则赋值为1，低于均值的赋值为0，即赋值为1的公司相对于赋值为0的公司发生航班延误的可能性更大。 （2）自变量设定。本文选择反映航空公司盈利能力、现金流量、偿债能力、运营能力、成长能力及公司规模的各类变量作为候选自变量。具体指标如下： 盈利能力指标：主营业务利润率、销售净利率、净利润 现金流量指标：经营活动净现金流、总资产现金回收率、销售收现率 偿债能力指标：流动比率、资产负债率 运营能力指标：总资产周转率、固定资产周转率 公司成长性指标：主营收入增长率、净利润增长率 公司规模指标：主营业务收入、资产总额 盈利能力指标与现金流量指标反映了公司的获取利润和现金流的能力，获利能力与现金流量指标越高，公司越有充足的资金改善服务，而且盈利公司相对于亏损公司员工的工作积极性和主动性更高，有利于提