民航客运量预测分析

<.0001
0
0.119 <.0001 0.025
17.12092 9.50727 5.16999
此时变量x3的t检验没有通过且 还存在共线性问题。假设自变量之间 在实际生活背景下必然存在相关关系， 不再进行处理，对y进行ln变换后回 归。
我们先就现有数据进行了 异常值处理，自相关和异方差的 检验。然而发现自相关和异方差 都不能通过检验。
1
199.4277 2259.49851 0.09
1
-0.00343 0.01596 -0.21
1
-0.03177 0.04198 -0.76
பைடு நூலகம்
1 -0.00033217 0.00065376 -0.51
1
-0.00958 0.01758 -0.54
1
0.00151 0.00115
1.3
1
0.01171
相关系数 表Y
Y
1
Y Y
Y
1
Y
X1
0.9957 8
<.0001
X6
0.4161 3
0.068
X2 0.99036 <.0001
X7 0.99923 <.0001
X3 0.9738 <.0001
X8 0.84638 <.0001
X4
X5
0.98049 0.8607
<.0001 X9
0.99082 <.0001
3.73
Pr > ChiSq 0.5885
可以由概率为0.5885，得知方程存在异方差。
13
多元回归分析
通过学生化残差，库克距离，杠杆值判断是 否存在异常值。
因为存在异方差问题，通过多元加权最小二 乘进行改进。
改进后方程检验与预测。
14
多元回归分析
相关分析
表 Obs Dependent Variable
民用航空客运量预测分析
CONTENT
01 数据来源 02 年度预测 03 月度预测 04 模型讨论
02
01 数据来源 PART ONE
年度数据
04
变量选择
X1表示国内生产总值（亿元）
X2表示财政支出（亿元）
Y
X3表示定期航班航线里程（公里）
表
X4表示铁路客运量（万人）
示
X5表示公路客运量（万人）
13400
R-Square 0.9997
Adj R-Sq 0.9993
F Value 2485.82
Pr > F <.0001
Variable
Intercept x1 x2
x3
x4 x5 x6 x7 x8 x9 x10
DF Parameter Standard t Value
Estimate
Error
11
多元回归分析
相关分析 表
F Value
414.78
Pr > F <.0001
R-Square 0.9811
Adj R-Sq 0.9787
Variable DF Parameter Standard t Value Pr > |t| Variance
Estimate
Error
Inflation
Intercept 1
-20915
1264.4419 8
-16.54
<.0001
0
x4
1
0.22083
0.01601 13.79 <.0001 2.58875
x8
1
0.73635
0.14994
4.91 0.0002 2.58875
此时我们可以看到共线性基本已经消除，且方程 参数均通过了t检验。且通过表十一可以看出 R^2=0.9811，且方程通过显著性检验。
2
5117
3
5555
4
5630
5
5755
6
6094
7
6722
8
7524
9
8594
10
8759
11
12123
12
13827
13
15968
14
18576
15
19251
16
23052
17
26769
18
29317
19
31936
5190
3784 3931 4757 6565 8433 8861 9616 7313 11796 13468 16034
Variance Inflation
0 1764.1656 729.35745
63.49637
91.77256 272.14052 18.97009 536.45094 48.72046 193.97847 482.39321
10
多元回归分析
逐步删除变量后：
Variable
Intercept x3 x4 x8
0.09745
0.12
1
8.05043
0.93476
8.61
1
-0.00178 0.11995 -0.01
1
-0.29462 0.33188 -0.89
1
-1.00097
1.7323
-0.58
Pr > |t|
0.9318 0.8352 0.4709
0.6251
0.6008 0.2284 0.9073 <.0001 0.9885 0.4006 0.5793
<.0001
X10
0.9925 3
<.0001
从表中可以看出其中除了X6与Y的相 关系数不大，也就是水运客运量与民用航空客 运量中间并没有很强的关联外，其余因素与民 航客运量都有着紧密的联系，这一点从现实生 活中来看也是正确的。
9
多元回归分析
相关分析
表
Root MSE
Dependent Mean
241.64439
DF Parameter Standard t Value
Estimate
Error
1
-19220
1579.1862 9
-12.17
1
0.00289 0.00175
1.65
1
0.17973 0.02915
6.17
1
0.50123 0.20127
2.49
Pr > |t| Variance Inflation
1
4039
Predicted Value 6315
Std Error Mean Predict
702.1147
Residual -2276
Std Error Residual 1106.5
Student Residual -2.057
-2-1 0 1 2 | ****| |
Cook's D
0.568
12
多元回归分析
检验分析 表
Durbin-Watson D Number of Observations 1st Order Autocorrelation
1.172 19 0.206
查表可知du= 1.53，dl=1.08，此时方程的dw值
1.172落在无法判断区。 DF Chi-Square
5
民
X6表示水运客运量（万人）
航
X7表示民用航空旅客周转量（亿人公里） 客
X8表示入境游客（万人次）
运
X9表示国内居民出境人数（万人次）
量
X10表示旅游人数（百万）
05
月度数据
06
02 年度预测 PART TWO
预测方法
年度预测
多元回归 分析
主成分 分析
利用两种方法进行回归比较
08
多元回归分析