计量经济学论文-《民航客运量影响因素分析》
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
D=1 表示 1994—2000 年的民航航线里程 D=0 表示 2001—2009 年的民航航线里程 设 H1：加 D 后影响=不加 D 的影响
H2：加 D 后影响≠不加 D 的影响 首先绘制加入虚拟变量后的散点图：
散点图表明所选解释变量与被解释变量存在相关关系。 再对引入虚拟变量后的数据进行回归得：
（三）多重共线性检验
1、判定系数检验 用 Eviews 做最小二乘的结果如上所示，可见，R^2 接近于 1，拟合效果较好。T 检验的
统计量值都小于 0.05 明显显著。 但 x2 的回归系数为负数，即消费额对民航客运量的影响 是负影响，与预期不一致。这表明很可能存在严重的多重共线性。
计算各解释变量的相关系数，选择 X2、X3、X4、X5、X6 数据，得：
计量经济学课程论文
《民航客运量影响因素分析》
一、 背景
随着社会的进步，人民生活水平的提高，时间观念的增强，越来越多的人们 不再满足于火车和汽车等传统交通工具，为了去更远的地方、也为了节约更多时 间，选择飞机这种交通方式出行的人数量逐步增加。那么民航客运量都受哪些因 素影响着呢？
影响民航客运量的因素很多，但主要因素可能是：①国民总收入 ②消费额 ③ 铁路客运量 ④民航航线里程 ⑤来华入境旅游人数 因此，本文选取 1994 年至 2009 年这一阶段的数据，运用 EVIEWS 软件从以上几方面，对数据进行分析。 研究国民总收入 X1（亿元）、消费额 X2（亿元）、铁路客运量 X3（万人）、民航 航线里程 X4（万公里）、入境旅游人数 X5（万人）对民航客运量 Y（万人）的 影响及影响程度。建立多元线性模型，通过相关比较，选出较优的线性回归模型。 从而得出影响民航客运量的主要因素以及预测我国航空业发展。
消费额 （亿元）
1888 2195 2531 2799 3054 3358 3905 4879 5552 6386 8038 9005 9663 10969 12985 15949
铁路客运 民航航线 里程（万
量（万人） 公里）
81491 86389 92204 95300 99922 106004 110353
180.92 420.39 570.25 776.71 792.43 947.7 1285.2
1783.3
2282 2690.2 3169.5 2450.1 2746.2 3335.7 3311.5 4152.7
（四）自相关检验
用 Eviews 生成残差图，得到下图
由上面 OLS 结果可得，对于一个对样本量为 16、三个解释变量的模型、5%显著水平， 查 DW 统计表可知，dL=0.857，dU=1.728 ，模型中 DW＞du，显然该模型中不存在自相关。
（五）引入虚拟变量回归
设回归方程：Y=592.1214-0.010369X3+26.43416（X4—X*）D+0.317442X5 引入虚拟变量 D：
从上表可以看出①拟合优度 R^2=0.994481，修正的可决系数为 0.993102，说明模型对样 本的拟合很好。②t 检验 3 个解释变量的 t 值的统计量都小于 0.05，拒绝原假设，说明 t 值 检验都能通过，成功克服多重共线。得到回归模型：
Y=592.1214-0.010369X3+26.43416X4+0.317442X5
二、 模型估计结果及延伸
（一）各解释变量和被解释变量的相关性分析
用 Eviews 做的散点图：
由上图可见，被解释变量 y 与 5 个解释变量 x 有较明显的相关关系。
（二）回归分析
Eviews 的最小二乘计算结果见下图：
从上表可以看出①拟合优度 R^2=0.998，修正的可决系数为 0.997，说明模型对样本的拟 合很好。②t 检验 5 个解释变量的 t 值的统计量都小于 0.05，拒绝原假设，说明 t 值检验通 过，以上 5 个解释变量对被解释变量有显著性影响。
上表显示，个别变量间相关系数较高，故存在多种共线性。 2Leabharlann Baidu克服多重共线：
这里，选择利用排除引起多重共线的变量来克服多重共线。由上图可看出，X3 与其他变 量相关度不高，故保留之。X1、X2 的相关系数最高，故一次性排除。只剩下 X3、X4、X5。
首先对 X3、X4、X5 绘制散点图：
可以看出 Y 与三个变量存在明显的相关关系。 再对 X3、X4、X5 进行回归得：
14.89 16
19.53 21.82 23.27 22.91 26.02
112110
27.72
108579 112429 122645 113807 95712 95081 99693 105458
32.43 38.91 37.38 47.19 50.68 55.91 83.66 96.08
来华旅游 入境人数 （万人）
以上结果表明，D 的 t 值未通过检验，接受原假设，说明加入了虚拟变量 D 对被解释变 量 Y 没有起到显著影响的作用。
三、 结论
通过相关资料和回归结果，我们发现对于市场经济后的近二十年，影响我国民
航客运量的主要因素是铁路客运总量、民航航线里程、入境旅游人数这三个方面。 而随着我国铁路运输体系的不断发展和完善，以及我国丰富的铁路资源和庞大的 铁路市场吸引大量消费者,使得其对民航客运量产生负影响。铁路客运总量每增 加一万人，会导致民航客运量减少0.010369万人。民航航线里程增加了民航客运 承载能力，对民航客运量是正影响。航线里程每增加一万公里，民航客运量总量 会增加26.43416万人。来华入境旅游人数会带动乘飞机的需求增加，对民航客运 量产生正影响，来华入境旅游人数每增加一万人，民航客运量会增加0.317442 万人。由此观之，我国民航事业的发展，主要依靠增加航线里程带动，在日后的 发展中，可充分发挥这一特点，适度增加航线里程以扩大民航客运量。鼓励来华 入境游人数，亦可促进民航事业发展。
参考文献： [1] 陈力华 我国民航市场的分析和预测 上海交通大学学报 2003.4 [2] 曹媛 民航客运量的因素分析与预测 天津职业院校联合学报 2008.9
附： 以下数据来源于《中国统计年鉴》
年份
1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
民航客运 国民收入 量（万人） （亿元）
231 298 343 401 445 391 554
744
997 1310 1442 1283 1660 2178 2886 3383
3010 3350 3688 3941 4258 4736 5652
7020
7859 9313 11738 13176 14384 16557 20223 24882
H2：加 D 后影响≠不加 D 的影响 首先绘制加入虚拟变量后的散点图：
散点图表明所选解释变量与被解释变量存在相关关系。 再对引入虚拟变量后的数据进行回归得：
（三）多重共线性检验
1、判定系数检验 用 Eviews 做最小二乘的结果如上所示，可见，R^2 接近于 1，拟合效果较好。T 检验的
统计量值都小于 0.05 明显显著。 但 x2 的回归系数为负数，即消费额对民航客运量的影响 是负影响，与预期不一致。这表明很可能存在严重的多重共线性。
计算各解释变量的相关系数，选择 X2、X3、X4、X5、X6 数据，得：
计量经济学课程论文
《民航客运量影响因素分析》
一、 背景
随着社会的进步，人民生活水平的提高，时间观念的增强，越来越多的人们 不再满足于火车和汽车等传统交通工具，为了去更远的地方、也为了节约更多时 间，选择飞机这种交通方式出行的人数量逐步增加。那么民航客运量都受哪些因 素影响着呢？
影响民航客运量的因素很多，但主要因素可能是：①国民总收入 ②消费额 ③ 铁路客运量 ④民航航线里程 ⑤来华入境旅游人数 因此，本文选取 1994 年至 2009 年这一阶段的数据，运用 EVIEWS 软件从以上几方面，对数据进行分析。 研究国民总收入 X1（亿元）、消费额 X2（亿元）、铁路客运量 X3（万人）、民航 航线里程 X4（万公里）、入境旅游人数 X5（万人）对民航客运量 Y（万人）的 影响及影响程度。建立多元线性模型，通过相关比较，选出较优的线性回归模型。 从而得出影响民航客运量的主要因素以及预测我国航空业发展。
消费额 （亿元）
1888 2195 2531 2799 3054 3358 3905 4879 5552 6386 8038 9005 9663 10969 12985 15949
铁路客运 民航航线 里程（万
量（万人） 公里）
81491 86389 92204 95300 99922 106004 110353
180.92 420.39 570.25 776.71 792.43 947.7 1285.2
1783.3
2282 2690.2 3169.5 2450.1 2746.2 3335.7 3311.5 4152.7
（四）自相关检验
用 Eviews 生成残差图，得到下图
由上面 OLS 结果可得，对于一个对样本量为 16、三个解释变量的模型、5%显著水平， 查 DW 统计表可知，dL=0.857，dU=1.728 ，模型中 DW＞du，显然该模型中不存在自相关。
（五）引入虚拟变量回归
设回归方程：Y=592.1214-0.010369X3+26.43416（X4—X*）D+0.317442X5 引入虚拟变量 D：
从上表可以看出①拟合优度 R^2=0.994481，修正的可决系数为 0.993102，说明模型对样 本的拟合很好。②t 检验 3 个解释变量的 t 值的统计量都小于 0.05，拒绝原假设，说明 t 值 检验都能通过，成功克服多重共线。得到回归模型：
Y=592.1214-0.010369X3+26.43416X4+0.317442X5
二、 模型估计结果及延伸
（一）各解释变量和被解释变量的相关性分析
用 Eviews 做的散点图：
由上图可见，被解释变量 y 与 5 个解释变量 x 有较明显的相关关系。
（二）回归分析
Eviews 的最小二乘计算结果见下图：
从上表可以看出①拟合优度 R^2=0.998，修正的可决系数为 0.997，说明模型对样本的拟 合很好。②t 检验 5 个解释变量的 t 值的统计量都小于 0.05，拒绝原假设，说明 t 值检验通 过，以上 5 个解释变量对被解释变量有显著性影响。
上表显示，个别变量间相关系数较高，故存在多种共线性。 2Leabharlann Baidu克服多重共线：
这里，选择利用排除引起多重共线的变量来克服多重共线。由上图可看出，X3 与其他变 量相关度不高，故保留之。X1、X2 的相关系数最高，故一次性排除。只剩下 X3、X4、X5。
首先对 X3、X4、X5 绘制散点图：
可以看出 Y 与三个变量存在明显的相关关系。 再对 X3、X4、X5 进行回归得：
14.89 16
19.53 21.82 23.27 22.91 26.02
112110
27.72
108579 112429 122645 113807 95712 95081 99693 105458
32.43 38.91 37.38 47.19 50.68 55.91 83.66 96.08
来华旅游 入境人数 （万人）
以上结果表明，D 的 t 值未通过检验，接受原假设，说明加入了虚拟变量 D 对被解释变 量 Y 没有起到显著影响的作用。
三、 结论
通过相关资料和回归结果，我们发现对于市场经济后的近二十年，影响我国民
航客运量的主要因素是铁路客运总量、民航航线里程、入境旅游人数这三个方面。 而随着我国铁路运输体系的不断发展和完善，以及我国丰富的铁路资源和庞大的 铁路市场吸引大量消费者,使得其对民航客运量产生负影响。铁路客运总量每增 加一万人，会导致民航客运量减少0.010369万人。民航航线里程增加了民航客运 承载能力，对民航客运量是正影响。航线里程每增加一万公里，民航客运量总量 会增加26.43416万人。来华入境旅游人数会带动乘飞机的需求增加，对民航客运 量产生正影响，来华入境旅游人数每增加一万人，民航客运量会增加0.317442 万人。由此观之，我国民航事业的发展，主要依靠增加航线里程带动，在日后的 发展中，可充分发挥这一特点，适度增加航线里程以扩大民航客运量。鼓励来华 入境游人数，亦可促进民航事业发展。
参考文献： [1] 陈力华 我国民航市场的分析和预测 上海交通大学学报 2003.4 [2] 曹媛 民航客运量的因素分析与预测 天津职业院校联合学报 2008.9
附： 以下数据来源于《中国统计年鉴》
年份
1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
民航客运 国民收入 量（万人） （亿元）
231 298 343 401 445 391 554
744
997 1310 1442 1283 1660 2178 2886 3383
3010 3350 3688 3941 4258 4736 5652
7020
7859 9313 11738 13176 14384 16557 20223 24882