航班延误影响因素实证分析.docVIP

航班延误影响因素的实证分析 　　【摘要】 文章采用实证研究方法构建逻辑回归模型分析航空公司航班延误的影响因素。研究发现,航空公司的偿债能力、盈利能力以及客座率、载运率等对航班延误都有显著影响。 　　【关键词】 航班延误;实证分析;影响因素 　　 　　近几年,随着我国民航业的不断发展,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2004-2009年我国不正常航班比率都在17%左右。 　　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。造成航班延误的原因约有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有重要的现实意义。本文拟采用Logit模型对航空公司航班延误的影响因素进行分析,以期对民航主管部门和航空公司治理航班延误问题提供决策支持。 　　 　　一、Logit模型构建 　　 　　本文的目的是研究航空公司财务状况、生产运营状况与航班延误的关系,假设航空公司的财务状况如盈利能力、负债状况、资产运营能力等因素以及生产运营情况如客座率、载运率等因素会影响航班延误。一个航班或者准点或者延误,是一个二分类变量,而 Logit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量化分析方法。因此本文拟构建Logit回归模型研究航空公司财务状况、生产运营状况对航班延误的影响。 　　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Logit回归模型的自变量,是反映航空公司财务状况和运营状况的指标。 　　Logit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(P/(1-P))=a+∑βiXii=1,...,n 　　P(Yi=1|Xi)=1/(1+e-(a+∑βixi)) 　　 　　二、实证分析 　　 　　(一)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2005-2009年五年的财务数据以及航班延误数据进行研究。因为中国国际航空公司上市较晚,从2006年第二季度才有完整财务数据,因此分季度统计共得到95个样本;而??产运营指标如航班正常率、航班载运率来自于中国民用航空局官方网站,该指标是对全行业按月统计,从2006年2月到2009年12月共得到47个样本。因为航空公司分季度财务报告样本数与民航局的生产运营数据样本数不同,因此本文对财务指标和生产运营指标分别进行分析。 　　(二)变量设定与回归分析 　　1.因变量设定 　　因为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。 　　因为Logit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航班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、现金流量状况、偿债能力、运营能力、成长能力及公司规模的财务指标以及反映生产运营状况的指标作为候选自变量。具体指标有:反映盈利能力的指标,主营业务利润率、销售净利率、净利润;反映现金流量的指标,经营活动净现金流、总资产现金回收率、销售收现率;反映偿债能力的指标,流动比率、资产负债率;反映运营能力的指标:总资产周转率、固定资产周转率;反映公司成长性的指标,主营收入增长率、净利润增长率;反映公司规模的指标,主营业务收入、资产总额;反映生产运营情况的指标,载运率、客座率、载运率增长率、客座率增长率。 　　3.自变量筛选及回归分析 　　由于所选自变量较多,在进行回归分析前先进行自变量筛选。 　　第一步:利用单变量Logit回归模型对财务指标进行筛选 　　筛选自变量的方法:从检查每个候选自变量与因变量之间的简单关系着手,通过拟合单变量Logit回归模型来取得各变量的显著性检验结果。在简单关系分析完成后,按显著性从高到低选择进入多变量回归模型的自变量。在选择时只要一个自变量在其简单关系的检验中P 　　 　　 　　第四步:分析生产运营指标对航班延误的影响 　　由于四个生产运营指标客座率、载运率、客座率增长率、载运率增长率的相关性较强,因此分别对客座率、载运率、客座率增长率、载运率增长率进行单变量Logit回归分析。统计结果见表5。从表5可以看出航班延误率与客座率增长率、载运率、载运率增长率呈显著正向关系,与客座率成正向关系