最新中国民航客运量的回归模型7476772

合集下载

民航客运量影响因素回归分析

技术论坛TECHNOLOGY FORUM中国航班CHINA FLIGHTS 54民航客运量影响因素回归分析冉龄玉|重庆交通大学经济与管理学院摘要：经济、信息以及科技的全球化，让出行不再困难。

乘坐飞机是居民在远距离出行时主要考虑的方式之一。

本文为探究国内民航客运量的影响因素，通过回归分析构建了国内民航客运量的影响因素最小二乘回归模型。

为了对国内民航客运量进行有效地评估和预测，本文以计量经济学的理论方法，从多元线性回归的角度，对上述影响民航业发展的因素进行分析，构建回归模型来探究民航业的变化走向以及成因问题。

关键词：民航；影响因素；回归分析1引言融合于各种出行方式的信息科技让国民出行不再困难。

移动支付、国民信息化的社会生活方式以及便捷的出行方式，加快了国民的生活节奏，也加快了中国融入世界的进程。

中国的发展与变化大大刺激了国内民航业的发展。

国内航空公司在2018年发布的公报中显示，当年实现了营业收入比去年增长了14.5个百分点，全年营业额达6130.2亿元。

影响民航客运量的因素涉及社会发展的各个方面。

研究民航客运量的影响因素，对扩大民航市场、增加民航的服务量和营业额有着十分重要的实际意义。

不少学者从相关分析方法入手，对影响民航客运量的因素有哪些进行了探究。

纪跃芝[1]认为历史阶段的不同导致影响因素发生变化，得到主要因素为民航航线里程、入境旅游人数；彭立南[2]发现第三产业增加值以及外国人入境旅游人数对民航客运量有着重大影响。

李丽华[3]采用逐步回归法和岭回归法构建民航客运量的多元线性回归模型，其结论中的因素为：国民总收入（消费支出额）、铁路客运量和入境旅游人数。

蔡文婷[4]等人通过对影响航空运输客运量的因素进行灰色综合关联法分析，对影响因素进行重要程度分析，得到因素重要性排序：国内旅游收入、人均GDP、机场吞吐量、外贸进出口总额、城镇居民可支配收入、铁路客运量、航线数量、国内游客。

张艳[5]等人得到的结论与蔡文婷[4]等人的结论中包含相同的因素。

我国各阶段民航客运量的回归分析模型

题目我国各阶段民航客运量的回归分析模型学生姓名张栋栋学号 ********** 所在学院数学与计算机科学学院专业班级数应1101班指导教师李晓康 __ ____完成地点陕西理工学院 ___2015年5月10日我国各阶段的民航客运量的回归分析模型张栋栋(陕西理工学院数学与计算机科学学院数学与应用数学2011级数应1班,陕西汉中 723000)指导教师:李晓康[摘要] 为了研究我国民航客运量的变化规律及其原因，通过对我国部分年份民航客运量数据进行统计和收集，运用多元线性回归分析的方法并建立相关模型，找出影响我国民航客运量的主要因素，并对模型进行评价分析，为以后我国民航发展提供科学依据。

[关键词] 民航客运量回归分析相关性阶段1.引言民航业作为科技型新兴产业，在我国众多行业中占有重要以及特殊的地位.伴随着整个国民经济的发展而不断发展壮大，民航产业作为国民经济的重要行业，同时作为民用相对先进方便的交通运输方式，是我国运输行业中必不可少的一部分,它的发展程度深刻反映了一个国家的经济水平,也对我国贸易和旅游业有着巨大的贡献,也越来越受到国家的重视[8]。

我国航空业起步较晚，但发展速度较快，民用航空业伴随着经济的增长也不断迅猛壮大，运输能力显著增强，据工信部提出到2020年民用飞机年产收入将超过1000亿元，然而面对难得的机遇，要求航空企业制定合理的决策，促进民航企业进行更好地进行收益管理。

目前国内很多学者的研究范围包括对我国民航空间格局与竞争态势的研究，对我国民航客运价格定价机制与制改革的探讨，以及运用各种共统计方法对民航客运需求的研究。

本文在一定的数据分析上，针对一定的时间段我国民航客运量的部分影响因素：国内生产总值、居民消费、铁路客运量、民航航线历程、来华旅游人数，并分两个时间段对我国民航客运量的变化趋势及成因做出了研究，运用多元回归分析的方法对后续民航客运分析与预测打下基础，并且对每个建立的模型进行了对比，得到一个最好的关于我国民航客运量的回归模型，根据模型对我国目前民航运输业发展中面临的问题提出有效建议，提高我国民航的市场竞争力，最后对全文进行评价及总结。

我国民航客运量影响因素分析及建模预测

我国民航客运量影响因素分析及建模预测在我国的民航业发展中，客运量一直是一个非常关键的指标。

因为随着社会经济的不断发展，民航客运量的增长需要充分考虑各种影响因素，从而制定出符合实际的发展策略。

本文将分析我国民航客运量的主要影响因素，并建立相应的预测模型，以期为我国民航业的可持续发展提供参考。

一、民航客运量影响因素分析1.宏观经济因素宏观经济因素是影响民航客运量的主要因素之一。

随着经济的不断增长，人民生活水平的提高以及旅游行业的发展，民航客运量也会相应增长。

此外，宏观经济、货币和财政等也会对民航客运量产生一定影响。

2.航空公司和航班因素航空公司的管理、经营和市场推广等因素都会直接影响到民航客运量的增长。

航班数量、航线网络、航班时刻的选择等也会对客运量产生影响。

航班的准点率、航班的服务质量等也是影响客运量的因素之一。

3.旅游业发展随着旅游业的发展和国际旅游的兴起，民航客运量也会相应增长。

旅游业的繁荣将引起人们的出游热情，提高机票需求量。

4.城市规划和交通发展城市规划和交通发展也是影响民航客运量的因素之一。

城市的繁荣和发展将带动航空客运的需求量，而交通工具密集度高的地区机场的使用率也会相应较高。

二、建模预测为了预测我国民航客运量的发展趋势，我们可以通过建立回归模型或时间序列模型来进行预测。

1.回归模型回归模型是一种基于相关分析的建模方法，可以通过分析各个影响因素对民航客运量的影响程度，建立预测模型。

例如，通过多元线性回归分析，可以得出民航客运量与宏观经济因素、旅游业发展和城市规划等因素的相关系数。

2.时间序列模型时间序列模型是一种基于历史数据的建模方法，可以将历史数据分析后得出的规律应用于未来的预测中。

例如，通过ARIMA模型或Holt-Winter模型等时间序列模型，可以预测出未来几年民航客运量的变化趋势。

三、结论综上所述，我国民航客运量的增长需要考虑各种影响因素，从而制定出符合实际的发展策略。

宏观经济因素、航空公司和航班因素、旅游业发展和城市规划和交通发展等都是影响民航客运量的主要因素。

我国民航客运量数据分析报告

Root MSE Dependent Mean Coeff Var
2.23744
R-Square Adj R-Sq
0.519 3
1.55413
0.339 1
143.96758
计算 n R =17.6 <
2
2 (9) =19.02,在 2.5%的显著性水平下不存在异方差。

2.5 模型构建结果最终得到模型
R-Square Adj R-Sq
0.6526 0.5275
计算 n R =22.19 >
2
2 (9) =16.9,在 5%的显著性水平下存在异方差，需要修正。
2.3.2 异方差的修正本文采取加权最小二乘的方法对存在的异方差问题进行修正。权重采用原回归的残差绝对值的倒数。回归结果如下：
Root MSE Dependent Mean Coeff Var
9 25 34
Sum of Squares
5.06332E12 2.695873E12 7.759193E12
Mean Square
5.625911E11 1.078349E11
F Value
5.22
Pr > F
0.0005
Root MSE DependentMean Coeff Var
328382 321468 102.15099
Parameter Estimates Variable Intercep t x1 x3 x5 DF Parameter Estimate
1 1659.07277
Standard Error
929.98292
t Value
1.78
Pr > |t|

航空旅客人数增长预测问题的数学模型

航空旅客人数增长预测问题的数学模型03级数学与应用数学信息技术教育本科班陈少广指导老师：简国明，副教授1 问题的提出国内客运市场中航空客运的发展趋势与国内生产总值（GDP ）、消费水平和客运需求之间有着很强的关联度、牵制性，客运需求量的增长与经济增长量密切相关，它是随着国家经济发展而上升。

当然它也会受到社会和经济发展因素的冲击而出现波动变化，但从我国目前社会经济的稳定发展状况看，客运需求仍呈现稳定增长的趋势。

航空公司、机场及相关企业只有对未来我国航空旅客运输量做出较为准确的预测，才能准确把握行业发展趋势，制定正确竞争和投资的战略。

机场的新建和改、扩建以及航空公司机队调整、购置飞机等项目的决策都要依据科学的航空运输量预测值来决定。

民航运输系统的各组成部分的投资规模和寿命期内的营运成本以及寿命期内的经济效益也取决于对未来航空量的准确预测。

所以本课题对未来航空旅客人数增长预测是很有实际价值的。

2 模型假设与符号约定2.1 模型的假设1）航空旅客人数数量的增长主要由国内生产总值（GDP ），人均消费水平和人均国内生产总值三个因素决定。

2）飞机油价在短期内不会有太大的波动。

3）近期内国内政治稳定，经济能稳定发展，不会发生战争、严重的自然灾害或传染疾病等影响社会稳定。

2.2符号的约定1）第i 年广东省航空旅客人数（单位：万人）：,2001,2000=i y i … 2）第i 年广东省国内生产总值（单位：亿元）：,2001,2000=i G i …3）第i 年广东省人均消费水平(单位：元)：,2001,2000=i A i…3 模型的建立与求解3.1 二元回归模型的建立统计2000年以来，每半年航空旅客人数、国内生产总值和人均消费水平的数据，表格如下：（表一）2000—2006年航空旅客人数、GDP 和人均消费水平从(表一)能看出旅客人数和GDP 、人均消费水平大概成正比关系，现在运用数学软件MATLAB 对数据进行描点画线，大致分析了航空旅客人数和其他两者的关系，利用上表数据做出航空旅客人数和国内生产总值的散点图（图一），以及航空旅客人数和人均消费水平的散点图（图二）。

中国民航客运量的回归模型(1)

回归分析论文题目:中国民航客运量的回归模型我国民航客运量的变化趋势及其成因摘要改革开放以来,中国的经济飞速发展，人民的生活水平也发生了很大的变化；民航一直是交通运输中的一种不可少的方式，一定程度上也反映了人民的生活水平的提高，为了对民航客运量做出准确地评估和预测,本文利用多元线性回归分析方法研究我国民航客运量的变化趋势及其成因，数据来自《中国统计年鉴》（1981—2010年民航客运量）,利用spss软件对数据进行处理和分析.关键词多元线性回归分析、回归方程、显著性检验、相关性、民航客运量一、模型的建立与分析(一)研究我国1981年至2010年民航客运量与各影响因素之间的关系1)数据来源：《中国统计年鉴》（1981—2010年民航客运量）如下表1表1.我国民航客运量与影响因素2）研究方法：建立y 与自变量53412,,,,x x x x x 的多元线性回归模型如下：10122334455y=+ββχ+βχ+βχ+βχ+βχ+ε其中 E(ε)=0 var （ε）=2σ3)实证分析：（1）对收集数据作相关分析，用spss 软件计算增广相关矩阵，输出结果如下表2.相关性从相关矩阵看出，y 与1x ,2x ,4x ,5x 的相关系数都在0.9以上，说明所选自变量与y 高度线性相关的，用y 与自变量做多元线性回归是合适的。

y 与3x 的相关系数3y r =0.809，p 值=0，这说明铁路客运量对民航客运量影响较弱。

一般认为铁路客运量与民航客运量之间呈负相关，铁路与民航共同拥有旅客，乘了火车就乘不了飞机。

但就中国的实际情况分析我国居民收入普遍不高,一般外出、旅游乘火车的比较多，而且随着我国铁路建设越来越普遍，乘坐火车外出的人也越来y 民航客运总量（万人） x1GDP（万元）x2居民消费（万元） x3铁路客运量（千人）x4民航航线里程（万公里） x5来华旅游入境人数（万人） Pearson 相关性y 民航客运总量（万人） 1.000 .996 .994 .809 .936 .932 x1GDP （万元） .996 1.000 .995 .820 .929 .922 x2居民消费（万元） .994 .995 1.000 .784 .950 .937 x3铁路客运量（千人） .809 .820 .784 1.000 .597 .622 x4民航航线里程（万公里） .936 .929 .950 .597 1.000 .978 x5来华旅游入境人数（万人）.932 .922 .937 .622 .978 1.000 Sig. （单侧）y 民航客运总量（万人） . .000 .000 .000 .000 .000 x1GDP （万元） .000 . .000 .000 .000 .000 x2居民消费（万元） .000 .000 . .000 .000 .000 x3铁路客运量（千人） .000 .000 .000 . .000 .000 x4民航航线里程（万公里） .000 .000 .000 .000 . .000 x5来华旅游入境人数（万人）.000.000.000.000.000.愈多。

如何使用逻辑回归模型进行航空客流预测(五)

逻辑回归模型是一种常用的预测模型，它在航空客流预测中具有重要的应用价值。

通过逻辑回归模型，航空公司可以更准确地预测航班客流量，合理安排航班计划和资源配置，提高运营效率，降低成本，提升服务质量。

本文将从逻辑回归模型的基本原理、建模步骤和应用实例等方面进行探讨。

逻辑回归模型是一种用于解决二分类问题的统计学习方法。

它的基本原理是通过一个或多个自变量的线性组合来预测一个二元输出变量的概率。

在航空客流预测中，逻辑回归模型可以用来预测某一航班在特定时间内的客流量高低，以帮助航空公司合理安排机型和座位数量，避免资源浪费和供需失衡。

与传统的线性回归模型相比，逻辑回归模型更适用于处理分类问题，能够更准确地对航空客流进行分类和预测。

建立逻辑回归模型的步骤主要包括数据收集、数据清洗、特征选择、模型训练和模型评估等。

首先，需要收集与航空客流相关的数据，包括航班信息、机票销售记录、航班延误情况、天气影响等。

然后对数据进行清洗和处理，包括缺失值处理、异常值处理、数据转换等。

接下来，需要进行特征选择，选择与客流预测相关的特征，如航班时间、航线距离、节假日影响等。

然后，利用清洗后的数据建立逻辑回归模型，并进行模型训练和参数优化。

最后，通过交叉验证等方法对模型进行评估，选择最优的模型并进行预测。

逻辑回归模型在航空客流预测中的应用实例主要包括客流量预测、延误预测和航班调整等方面。

通过对历史客流数据的分析和建模，航空公司可以根据航班时间、航线距离、机型等因素来预测未来一段时间内的客流量，从而合理安排机型和座位数量。

同时，逻辑回归模型还可以帮助航空公司预测航班的延误概率，及时调整航班计划，提高航班准点率和乘客满意度。

此外，逻辑回归模型还可以通过实时客流数据进行预测，帮助航空公司调整航班计划，适应突发事件和市场需求的变化。

总之，逻辑回归模型在航空客流预测中具有重要的应用价值。

通过合理建立逻辑回归模型，航空公司可以更准确地预测客流量，提高运营效率，降低成本，提升服务质量。

回归模型拟合精度分析-实用回归分析

应用回归分析例库封面一、案例背景文章通过分阶段建立多元线性回归模型，分析了改革开放32年来民航客运量与相关因素之间的关系。

结果表明：在不同历史阶段影响民航客运量的因素有所不同，并且从经济学角度对所建立的模型给出了合理的解释。

二、数据介绍数据来自《新中国五十五年统计资料汇编》和《中国统计年鉴2010》。

三、分析过程根据以上的分析，自改革开放以来，将中国民航客运量的增长趋势分为三个阶段，这里还有一个问题，就是年段的划分选在何处会更合理呢？对于这个问题，我们主要依据表2中分段回归拟合的残差平方和的大小，同时结合自变量选择时考虑的诸多因素做适当调整。

下面分阶段建立因变量y 关于自变量的各种组合的回归方程，这种组合方程共有 12552131555C C C +++=-=个，根据自变量的选择准则，从中选择最优回归方程。

3.1 第一阶段：1978~1988年最优回归模型经过比较，在通过回归方程和回归系数的显著性检验的方程中（取显著性水平0.05α=），发现表3中的两个模型最优。

由表3可见，模型一的各项指标都优于模型二，但是模型一中2x 的系数-0.290602β=<，与实际意义不符，最终消费与民航客运量应该正相关。

模型二中3x 的系数-0.008703β=<，与实际意义相符合，铁路客运量与民航客运量应该负相关，出现与实际意义不符的情况可能是由变量间的多重共线性造成的，为此考察其它几项指标，见表4.表3 两个最优回归模型比较模型 1978~1988年拟合回归方程标准残差复相关系数 PRESS AIC 模型一 721.0010-0.29060.690225y x x =+ 41.91 0.9920 26372.68 111.0539 模型二 837.1212-0.00870.517435y x x =+ 46.03 0.9904 52010.33 113.1177表4 多重共线性、异常值诊断模型方差扩大因子绝对值最大的删除学生化残差SRE 最大库克距离最大杠杆值模型一 27.9371025VIF VIF ==> 2.60473< 0.57970.5> 0.45162ch > 模型二 4.9581035VIF VIF ==< 2.6833< 0.42700.5< 0.33642ch <从表4可见，模型一的自变量间存在严重的多重共线性，而且存在异常值点，模型二的自变量间不存在多重共线性，而且没有异常值点。

SPSS实验回归分析

回归分析一．实验描述：中国民航客运量的回归模型。

为了研究我国民航客运量的变化趋势及其成因，我们以民航客运量作为因变量Y，以国民收入（X1)、消费额（X2）、铁路客运量（X3）、民航航线里程（X4）、来华旅游入境人数（X5）、为主要影响因素。

数据如下表。

试建立Y与X1--X5之间的多元线性回归模型。

二．实验过程描述及实验结果(1)该表格中输出了5个自变量和1个因变量的一般统计结果，包括各自变量与因变量的平均值，标准差和个案数16。

该表格中列出了各个变量之间的相关性，从该表格可以看出因变量Y和自变量X1之间的相关系数为0.989，相关性最大,。

因变量Y与自变量X3之间相关系数为0.227，相关性最小。

(3)该表格输出的是被引入或从回归方程中被剔出的各变量。

说明进行线性回归分析时所采用的方法是全部引入法Enter。

因变量为Y。

(4)该表格输出的是常用统计量。

从该表看出相关性系数R为0.999，判定系数R2为0.998，调整的判定系数为0.997，回归估计的标准误差为49.49240。

该表格输出的是方差分析表。

从这部分结果看出：统计量F为1.128E3;相伴概率值小于0.01，拒绝原假设说明多个自变量与因变量Y之间存在线性回归关系。

Sum of Squares一栏中分别代表回归平方和(1.382E7)，残差平方和(24494.981)以及总平方和(1.384E7)，df为自由度。

判定系数R2=0.99855。

该表格为回归系数分析。

其中Unstandardized Coefficients为非标准化系数，Standardized Coefficients为标准化系数，t为回归系数检验统计量，sig为相伴概率值。

由表知t检验的相伴概率值均小于0.01，拒绝原假设，说明个变量与因变量之间均有显著线性相关关系。

从表格中可以看出该多元线性回归方程为：y=450.909+0.354 X1-0.561 X2-0.007 X3+21.578 X4+0.435 X5该表格为残差统计结果表。

试建立中国民航客运量分析模型

试建立中国民航客运量分析模型：（40分）为了研究我国民航客运量的变化趋势及其成因，经分析选择了以下解释变量：居民消费额1X （亿元）、政府消费额2X （亿元）、铁路客运量3X （万人）、来华旅游入境人数4X （万人）、民航航线里程5X （万公里）。

并取中国民航客运量Y （万人）作为被解释变量。

有关统计资料见工作文件ftp: \exam\examC.xls 。

（1）设定中国民航客运量分析模型，并使用综合统计检验法和计算简单相关系数矩阵进行多重共线性分析，并初步判明存在多重共线性的范围。

（8分）（2）若模型存在严重多重共线问题，请使用逐步回归思想对模型进行修正，寻找最佳回归方程。

并使用表格形式列出逐步回归的分析过程。

（8分）（3）对上述模型利用DW 检验和LM 检验，检测模型的自相关性。

（，＝05.0αn=20，k=3，676.1 998.0==U L d d ，）（6分）（4）若存在自关性，请使用广义差分法重新估计模型，分析模型中自相关性的校正情况；对于修正后的模型与（2）中的估计结果进行比较分析。

（4分）（5）使用White 检验方法判断（4）中模型的异方差性。

（2分）（6）模型的预测性能检验（利用静态和动态两种预测检验方法，评价指标：MAPE ），并对两种检验方法的预测能力进行比较和评价。

）（4分）（7）使用（6）中预测性能较好的方法对1998年的中国民航客运量进行点预测及95%的置信区间预测（131.22/=αt ）。

（4分）（8）模型分析。

利用最终建立的模型，分析影响我国民航客运量的主要因素，并进行简要的结构分析。

（4分）。

如何使用逻辑回归模型进行航空客流预测(八)

随着航空业的不断发展，航空客流预测成为航空公司重要的任务之一。

通过准确的客流预测，航空公司能够更好地安排航班、提高运营效率，进而提升服务质量和盈利能力。

逻辑回归模型是一种常用的预测模型，下面将介绍如何使用逻辑回归模型进行航空客流预测。

数据收集与准备首先，进行客流预测需要收集相应的数据。

航空客流预测的数据通常包括航班信息、票价、航班时间、出发地和目的地等。

这些数据可以从航空公司的数据库中获取，也可以通过第三方数据提供商获得。

在收集数据之后，需要进行数据清洗和预处理，包括缺失值处理、异常值处理、数据标准化等步骤，以确保数据的质量和完整性。

特征选择与建模在数据准备完成后，需要对数据进行特征选择，即选取对客流预测具有较大影响的特征。

以航班客流预测为例，可能影响客流的特征包括航班时间、票价、航班地点、舱位等级等。

在选择特征后，需要建立逻辑回归模型。

逻辑回归是一种广泛应用于分类问题的模型，它可以用于预测二元变量，例如客流是否超额、航班是否延误等。

在建立模型时，需要将数据集划分为训练集和测试集，通过训练集对模型进行训练，再通过测试集对模型进行评估。

模型评估与优化在建立模型后，需要对模型进行评估和优化。

模型评估的常用指标包括准确率、召回率、精准率等，通过这些指标可以评估模型的预测能力。

如果模型的表现不理想，需要对模型进行调参优化，包括调整特征选择、正则化系数、学习率等。

在调参优化后，需要重新对模型进行评估，直到模型能够满足预测要求。

模型应用与改进在模型评估和优化完成后，可以将模型应用于实际的航空客流预测中。

通过模型预测得到的客流数据可以帮助航空公司更好地安排航班、优化舱位管理、提高运营效率。

同时，模型预测的结果还可以为航空公司提供决策支持，例如制定灵活的票价策略、调整航班计划等。

在使用模型的过程中，需要不断收集新的数据并对模型进行改进，以适应不断变化的航空市场。

结语逻辑回归模型在航空客流预测中具有重要的应用价值。

研究我国民航客运量的变化趋势及成因 2

研究我国民航客运量的变化趋势及成因作者：李伟指导老师：谭立云(华北科技学院基础部计算B101 )摘要:随着经济的全球化，中国也已经加入WTO，和外界有了更多的联系和交易，搭上了快速发展经济的列车。

国民的生活水平也有了显著的提高，特别是出行更加便利了，尤其是我国民航客运量的快速增长。

于是为了了解它的增长规律和影响因素，应用回归分析和spss软件做定量分析。

包括国民收入，消费额，铁路客运量，民航航线里程，来华旅游入境人数五个方面。

找出其中真正影响因素，剔除次要因素，给出回归方程。

根据现在经济状况，作出预测分析，提出有效建议。

关键词：名航客运量、成因、spss软件、建议abstract: With the globalization of economy, China has also added to the WTO, and the outside world have more contact and trading, build on the rapid development of economy train. The national standard of living increased significantly, especially travel more convenient, especially the rapid growth in China's civil aviation passenger. So in order to understand its growth rules and influence factors, the application of regression analysis and SPSS software do quantitative analysis. Including the national income, spending, railway passenger loads, civil aviation routes, in China tourism entry number 5 aspects. Find out the real impact factors, eliminate the secondary factors, the regression equations are given. According to the current economic conditions, make predictions are analyzed, and the effective Suggestions.Key words: Air passenger name, cause, SPSS software, advice一前言：本论文的目的在于采用SPSS软件分析出我国民航客运量的变化趋势及成因。

Spss对民航客运量的多元回归分析：

Spss对民航客运量的多元回归分析：1.首先方法选择：进入法。

然后分析相关性表格：国民收入，消费额，民航航线里程，来华旅游人数都与民航客运量高度相关，而铁路客运量和民航客运量的相关性较低。

通过观察调整后的判定系数为0.994，拟合优度较高，不被解释的变量较少。

回归方程的显著性小于0.05，说明被解释变量与解释变量的线性关系是显著的。

可以建立线性方程。

在显著性系数中，铁路客运量的sig 大于0.05，所以是不显著的，说明自变量铁路客运量对因变量的影响是不明显的，应该移除该变量。

回归方程：ˆY =-195.945+0.519X 1-0.771X 2+0.001X 3+15.983X 4+0.344X 52.方法选择：后退法。

然后分析相关性表格：由表可以看出：除了铁路客运量的相关性较低外，其余变量的相关性都较高。

采用后退法后，调整变量更高，拟合优度更高。

回归方程的显著性为0，认为被解释变量和解释的变量线性关系是显著的，可以建立线性方程。

在剔除变量铁路客运量后，剩余变量的sig 都变得更小，显著性更显著。

回归方程为：ˆY =-153.930+0.509X 1-0.754X 2+15.980X 4+0.347X 53.方法选择：逐步回归法。

然后分析相关性表格：铁路客运量相关性较低，其他变量相关性都较高。

采用逐步法后，调整值很高，拟合优度很高。

说明可以用该模型预测。

sig 值小于0.05，说明显著性很高。

采用逐步回归法后，变量得显著性很高。

变量为国民收入和民航航线里程。

回归方程为：ˆY =-299.004+0.083X 1+17.316X 4。

实验报告

统计09—1班0907060129 钱春萍实验报告例：中国民航客运量的回归模型。

为了研究我国民航客运量的变化趋势及其成因，我们一民航客运量作为因变量y，以国民收入、消费额、铁路客运量、民航航线里程、来华旅游入境人数为影响民航客运量的主要因素。

y表示民航客运量(万人），x1表示国民收入（亿元），x2表示消费额（亿元），x3表示铁路客运量（万人），x4表示民航航线里程（万公里），x5表示来华旅游入境人数（万人）。

根据《1994年统计摘要》获得1978——1993年统计数据，见下表：年份y x1 x2 x3 x4 x51978 231 3010 1888 81491 14.89 180.921979 298 3350 2195 86389 16.00 420.391980 343 3688 2531 92204 19.53 570.251981 401 3941 2799 95300 21.82 776.711982 445 4258 3057 99922 23.27 792.431983 391 4736 3358 106044 22.91 947.701984 554 5652 3905 110353 26.02 1285.221985 744 7020 4879 112110 27.72 1783.301986 997 7859 5552 108579 32.43 2281.951987 1310 9313 6386 112429 38.91 2690.231988 1442 11738 8038 122645 37.38 3169.481989 1283 13176 9005 113807 47.19 2450.141990 1660 14384 9663 95712 50.68 2746.201991 2178 16557 10969 95081 55.91 3335.651992 2886 20223 12985 99693 83.66 3311.501993 3383 24882 15949 105458 96.08 4152.70第一步，提出因变量与自变量，搜集数据。

民航旅客运输市场需求分析

R Square 0.991694
Adjusted R Sq0u.a9r8e8135
标准误差 181.8264
观测值
11
回归分析
方差分析
回归分析残差总计
df
SS
3 27632102.8
7 231425.761
10 27863528.5
MS 9210700.9 33060.823
F 278.5987
5,555
418,039,184,547,648
5,630
503,465,464,845,377
5,755
552,458,005,493,464
6,094
714,612,896,611,264
6,721
882,884,876,531,237
7,524
SUMMARY OUTPUT
回归统计
Multiple R 0.995838
机票的价格
据调查，票价被旅客关心的程度很低。只有7.2%的旅客会在购置机票时首先考虑机票价格，
民航有相对固定的顾客群体。
旅客最关心问题的调查
5% 10% 7%
10% 25%
航班时刻
航空公司
43%
服务
票价
机型
常旅客计划
影响需求的因素分析
机票的价格
前往同一目的地的不同航班会有不同价格，因此机票价格对消费者的影响更多表现为航班的选择，但这并不影响旅客运输总量。
Significance F 1.21E-07
Coefficients
Intercept -1252.35
X
0.234602
X2
-3.3E-06
X3

基于线性回归的我国客运量预测模型

基于线性回归的我国客运量预测模型摘要：为了对我国客运量进行预测，利用SPSS18.0软件建立了我国客运量的逐步线性回归模型和基于相关性分析的多元线性回归模型，并分析了两种模型的预测精度。

分析表明，基于相关性分析的多元线性回归模型比逐步线性回归模型具有更好的精确度。

关键词：逐步线性回归模型；相关性分析；多元线性回归模型0 引言随着我国经济的不断发展，公路里程的不断增长，我国交通运输得到了较快的发展，成为我国社会生产、经济和生活中一个不可缺少的重要环节。

客运量作为交通量的重要组成部分，其发展变化可以影响到整个交通运输业的发展。

运用科学的方法和手段对客运量进行预测，可以预知未来一定时期内运输市场需求的变化趋势以及与之相关的各种因素的变化的影响进行分析，为运输企业制定经营目标和做出各种经营决策提供依据[1]。

通过对历史资料的逐年比较、分析，发现有两个明显的特点：第一，交通量逐年增加是大趋势；第二，交通量受很多其他因素的影响较大。

多元线性回归作为一种较为科学的方法，在各行各业都有较为广泛的应用，可以在获得影响因素的前提下，将定性问题定量化，确定各因素对主体问题的影响程度[2]。

但是影响客运量的因素太多，如果建模时全部考虑，不仅数据量太大，而且由于某些因素对客运量的影响太小而导致模型不够精确。

因此，本文选用逐步线性回归法和相关性分析法对影响因素进行筛选，并利用SPSS18.0软件建立预测模型。

1 多元线性回归模型理论概述1.1 多元逐步线性回归的思想[3]多元逐步线性回归是一种多元统计数据分析方法，它能消除自变量之间存在的多重共线性。

假设有因变量Y和m个自变量，首先观察n个样本点，构成因变量的n次观察值构成一个n维列向量Y=，和自变量，nm的观察值构成的观察矩阵X=。

本文采用backward，回归（给定置信水平=0.1），将X中的所有解释变量提取出来实施对这些变量的回归，如果回归方程已经达到满意程度，则算法终止，否则，将利用被解释后的信息剔除一些与0无显著性差异的变量（即sig≥0.1=的变量）。

研究我国民航客运量的变化趋势及成因--2

究我国民航客运量的变化趋势及成因--2研究我国民航客运量的变化趋势及成因作者：李伟指导老师：谭立云(华北科技学院基础部计算B101 )摘要:随着经济的全球化，中国也已经加入WTO，和外界有了更多的联系和交易，搭上了快速发展经济的列车。

国民的生活水平也有了显著的提高，特别是出行更加便利了，尤其是我国民航客运量的快速增长。

于是为了了解它的增长规律和影响因素，应用回归分析和spss软件做定量分析。

包括国民收入，消费额，铁路客运量，民航航线里程，来华旅游入境人数五个方面。

找出其中真正影响因素，剔除次要因素，给出回归方程。

根据现在经济状况，作出预测分析，提出有效建议。

我国民航客运量实证研究

34 Journal of China Civil Aviation Flying College Vol .13No .4我国民航客运量实证研究　刘建华①叶文振（厦门大学）　摘要：　中国加入ＷＴＯ后，民航业面临着更加激烈的国际竞争，为了更好地迎接民航业所面临的极大挑战，需要更加科学的决策手段和依据。

本文从分析影响民航客运量的因素入手，利用ＳＰＳＳ分析相应的数据来建立回归模型，并以此为依据对民航客运量的变化进行分析。

　关键词：民航客运量实证研究回归分析　中图分类号：Ｆ５６０．８３文献标识码：Ａ　２０００年民航客运量达６　７２２万人次，中国民航的客运周转量在国际民航组织缔约国中的排位已上升到２０００年的第６位。

在此背景下，中国民航总局传出消息，５年内中国民航将再购进飞机４００多架。

此消息一出便引来各方关注，官员、航空公司、飞机制造商、研究人员都对这条信息表现出极大的关注。

讨论得最多的便是这个决策的可行性。

　如果这一计划完全付诸实施，那么人们不得不面临一个非常现实的问题，即便考虑飞机淘汰因素，到时民航飞机总数也将达到８００架。

８００架飞机给谁用？　这就不得不考虑到运力过剩问题。

因此，如何对这一决策的科学性进行论证显得非常有必要。

　目前４００架的需求量只是一个大概估计的数，主要的依据是，２０００年民航的总周转量达到１２２．５亿吨公里，并以１０％的年均速度增加，而运力的增加速度一般应保持在８％左右。

５年内再购进４００架飞机，这是与国民经济８％左右的发展速度相适应的，因为民航的扩容发展速度一般应是国民经济发展速度的２到３倍。

根据现有的国民经济水平、居民消费水平，并考虑旅游和对外交往等因素，民航总局５年４００架的扩容量是可行的。

而且根据统计资料，美国１９９９年民航旅客运输量近５亿人，平均每人乘坐２．５次飞机，中国１９９９年旅客运输量仅６　０００多万人次，平均２０人中才有１人乘坐飞机，通过这一对比说明中国的民航市场有着巨大的潜力。

我国航空客运市场需求预测

我国航空客运市场需求预测我国航空客运市场是一个充满潜力和机遇的巨大市场。

随着经济的快速发展和人民生活水平的提高，人们对出行的需求逐渐增加，航空客运市场呈现出快速增长的趋势。

本文将对我国航空客运市场的需求进行预测分析，以期为航空公司的发展提供参考。

我国人口规模庞大，且城市化进程不断加快。

根据国家统计局的数据，截至2021年底，我国总人口已经超过14亿，其中城镇人口占比超过60%。

城市化进程的加速意味着人们对出行更加频繁的需求，特别是跨城市的出行需求。

航空客运作为最快速、便捷的交通工具之一，将受益于城市化进程的推动，市场需求会进一步增加。

我国旅游业发展迅猛，旅游需求呈现出井喷式增长的趋势。

作为世界上旅游资源最丰富的国家之一，我国各类旅游景点吸引了大量游客。

根据国家旅游局的数据，我国国内旅游人数持续增长，2022年春节假期期间国内游客接待量达到4.68亿人次。

旅游需求的增加将直接带动航空客运市场的增长，特别是在一些热门旅游城市的航线上。

随着经济的发展和人民生活水平的提高，人们对出行的舒适度和便捷性的要求也越来越高。

航空客运作为最快捷的交通方式，具有明显的时间和空间优势。

随着航空技术的不断革新和飞机性能的提升，飞行时间不断缩短，飞行舒适度也大大提高，更多人选择乘坐飞机出行。

航空客运市场将受益于人们对出行便捷性的追求，需求会进一步增长。

我国经济的快速发展带动了企业出行的需求。

随着我国企业的国际化进程不断加快，企业对客户拜访、商务会议等的出行需求也在不断增加。

航空客运作为最便捷的交通方式，受到了企业的青睐。

特别是在我国高科技、互联网等行业的快速发展中，出差需求将进一步增加，航空客运市场将受益于企业客户的需求。

我国航空客运市场的需求预测是呈现出快速增长的趋势。

根据人口规模庞大、城市化进程的加速、旅游需求的高速增长、人们对舒适度和便捷性的要求的提高以及企业出行需求的增加等因素，航空客运市场的需求将会持续增长。

航空公司可以根据市场趋势的变化，调整航线布局、提高服务质量，满足不同消费者群体的需求，进一步拓展市场份额。