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。找出影响民航客运量的关键因素，并建立模型为以后的预测有一个可靠的参考，提出较准确的建议。

二多元回归原理

2.1多元线性回归方程

随机变量y与一般变量x1，x2，x3，…xp的线性回归模型为

Y=a0+a1x1+a2x2+…apxp+t

其中a1,a2,a3,…ap是p+1个未知数；t为随机误差，并对其假设

E(t)=o;var(t)=b

参数a1,a2,a3…ap做最小二乘估计

2.2回归方程的检验

对多元回归方程的显著性检验就是要看 x1,x2,…xp 从整体上对y是f否有明显的影响

运用F检验统计量F=[SSR/P]/[SSE/(N-P-1)]

假设H0：a0=a1=a2=。。。=ap=0；当F》Fα（p，n-p-1）拒绝原假设，认为在显著水平α下。y对x1，x2。。。

有显著的线性关系。否则不显著。

Y与x之间的显著性可用用相关系数判断

三数据来源和模型变量建立

我国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，分别用XI, X2，X3，X4，X5表示。

表格见下：

数据来源

四spss统计分析

提出自变量与因变量之后，建立模型做相关分析。在SPSS软件建立数据集。

4.1 相关性分析。

相关性如表1

从相关阵看出，y与X1，X2，X4，X5的相关系数都在0.9以上，说明所选自变量是与y高度线性相关的，用y与自变量做多元线性回归是适合的。X3是铁路客运量，相关系数为0.227，p值=0.398，这说明铁道客运量对名航客运量影响不大。就中国实际情况分析，我国居民收入还比较低，一般人外出旅游，出差都坐火车，近年来乘飞机的人是越来越多，但是我国民航客运量最大的一部分是来华旅游人数。仅凭

简单的相关系数的大小是不能确定变量取舍的，初步建模时还应包含x3.

4.2 回归分析

4.2.1 前进回归结果如下：

表 2 负相关系数

模型R R 方调整R 方标准估计的误差

1 .999a.998 .997 49.492

a.预测变量: (常量), x5, x3, x4, x2, x1。

回归诊断，其中回归方程为：

y=450.9+0.354x1-0.561x2-0.0073x3+21.578x4+0.435x5 （1）

1由表2知道，复相关系数R=0.999，决定系数R*R=0.998，由决定系数看出回归方程高度显著。

2 由表3方差分析表知，F=1128.303，p值=0.000，回归方程高度显著，说明x1，x2，x3，x4，x5整体上对y有高度显著的线性影响。所以拒绝原假设，建立（1）回归方程

3 表4回归系数的显著性检验。自变量x1x2x3x4x5对y均有显著影响，就x3铁路客运量p=0.006 最大，但仍在1％显著水平上对y显著。

4.2.2 逐步回归计算结果如下：

逐步回归选元规程第一步引入x1，记为模型1.第二步再引入x4，记为模型2。逐步回归过程中，R方由0.978增长到0.983.所以模型2比模型1更优。