影响民航客运量的相关因素分析.docVIP

. . 影响民航客运量的相关因素分析 摘要：民航客运量受到很多因素的影响，本文选取了国民收入、铁路客运量、民航里程数与来华旅游入境人数四个具有代表性的指标，通过运用线性回归的方法来对这些影响因素进行相关的定量分析，并建立相关模型。试图为我国的民航业的发展提供一些有参考价值的预测和信息。 关键词：民航客运量、影响因素、线性回归、定量分析 一、航空业现状与影响因素分析 航空运输作为现代化运输方式，其发展程度直接能反映一个国家的经济水平。我国航空业发展起步较晚，最近几年虽然发展非常迅速，但是和国际上的航空公司相比还是有很大差距，而随着改革开放的进一步加深，民航业要面临更多的激烈竞争。因此，加强对民航业的重视与研究，提高民航业的改革和发展，可以有效提升民航业的竞争力。 （一）民航客运量的现状分析 近年来，我国的民航业发展迅速，在起步的近20年的时间里，平均增长速度在年15%左右，最近两年增速加快。但是相对于国内航线的迅猛发展，国际航线却很疲软。进入21世纪以来，我国航空业开始采用统一的标准，2002年实行政企分离以来，我国航空运输量呈现明显的增长趋势。 （二）民航客运量影响因素分析 影响民航客运量的因素有很多，综合有关学者和该领域的专家的观点和意见，我们得出有着最直接影响的是国民收入、铁路客运量、民航里程数与来华旅游入境人数四个指标。国民收入是一个国家整体经济的直接反映，而航空业在本国的发展更是与经济的好坏息息相关；铁路客运作为我国客运最为重要的运输，会和航空业形成一定的竞争；民航里程数反映了行业的发展水平，最后入境旅游人数也是与航空客运量有直接关联。 二、数据来源与分析 本文主要以中国统计年鉴2002-2012历年的数据作为数据来源，从中采集了国民收入、铁路客运量、民航里程数与来华旅游入境人数历年的数据，如下图一： 数据分析：以年份为横轴，作出四个解释变量和被解释变量的走势图。为了避免异方差，这里我们对原始数据去自然对数处理。 从图中我们可以看出四个解释变量和被解释变量的走势相同。 三、计量实证分析 模型建立：在对数据去自然对数以后，把民航客运量用Y来表示，X1、X2、X3、X4分别表示国民收入、铁路客运量、民航里程数与来华旅游入境人数，建立如下的模型： LnY=α0+α1LnX1+α2LnX2+α3LnX3+α4LnX4+ ? (3.1) 其中?为随机干扰项，α0-α4都是系数。 回归分析： 通过运用stata软件，运用普通最小二乘法（OLS）对模型（3.1）进行多元线性回归的参数估计得到下图： 由图表可得回归方程为： LnY=-6.6020+0.6327LnX1+0.1673LnX2+0.0687LnX3+0.6526LnX4 (3.2) (2.9832) (0.1889) (0.3023) (0.2470) (0.2224) T (-2.21) (3.35) （0.55） （0.28） （2.93） R2=0.9942 adj R2=0.9912 F=340.00 去除残差后回归我们可以得到下图： 由图标我们可以看出:去除残差后R2=0.9942，说明解释变量和被解释变量之间的拟合度非常好。此时的方程为： LnY=-6.6020+0.6327LnX1+0.1673LnX2+0.0687LnX3+0.6526LnX4 (3.3) (1.8784) (0.1837) (0.1978) (0.2697) (0.1643) T (-3.51) (3.44) （0.85） （0.25） （3.97） R2=0.9942 F=566.34 模型检验： 从回归结果来看四个解释变量和民航客运量之间都是正相关的，这和实际意义是相同的，说明四者的增大都能促进民航客运量的增加。 （一）拟合优度检验 单从stata回归的结果来看，模型的拟合度较好，可决定系数R2=0.9942，而调整后的R2=0.9912，这说明建立的模型对所选择的4个因素52样本观测值的拟合程度较好。 （二）F检验 针对H0：Xi=0,给定显著性水平α=0.05，查询F分布表可以知道在自由度为K-1=4和n-k=8的临界值Fα（4，8）=1.66，有表中我们可以看到F（4，8）=340.0 Fα（4，8）,所以应该拒绝原假设H0，说明回归方程是显著的，即国民收入、铁路客运量、民航里程数与来华旅游入境人数等变量在整体上都能显著影响到民航客运量。 （三）T检验