影響民航客運量因素的相關性分析及實證研究

彭立南

[摘 要]本文利用1989—2011年的統計數據對我國民航客運量及各影響因素進行了研究。首先分析了影響民航客運量的相關因素，通過相關性分析進行了證明。在此基礎上，通過建立多元線性回歸模型，發現第三產業增加值以及外國人入境旅游人數對民航客運量有著重大影響。對回歸模型進行了合理解釋，給出了一些建議，以達到提高我國民航旅客運輸業的市場競爭力的目的。

[關鍵詞]民航客運；相關性分析；多元回歸分析

[中圖分類號]F562 [文獻標識碼]A [文章編號]1005-6432（2014）35-0160-02

民航運輸是我國運輸行業中不可或缺的一部分，是滿足社會公眾需要、發展旅游業、促進對外交往不可缺少的工具。其發展程度反映了國家的經濟發展水平。在經濟全球化趨勢越發顯著的當今，研究客運量發展及其相關影響因素很有現實意義。

影響民航客運量的因素源于諸多方面，根據文獻資料，可以得出影響民航客運量的主要因素有第三產業增加值、城市居民消費水平、外國人入境旅游人數、鐵路客運量、定期航班航線里程。本文擬從相關性分析入手，通過實證分析，得出一些建議。

1 影響因素的相關性分析

從歷年《中國統計年鑒》中采集1989—2011年的民航客運量及影響因素的數據，使用Pearson相關系數計算公式計算民航客運量與各影響因素的相關系數，以此分析它們的相關性。Pearson相關系數的計算公式為：

通過計算得出，第三產業增加值與民航客運量的相關系數為0.995，城市居民消費水平與民航客運量的相關系數為0.985，外國人入境旅游人數與民航客運量的相關系數為0.955，鐵路客運量與民航客運量的相關系數為0.933，定期航班航線里程與民航客運量的相關系數為0.955。

可見，這些因素與民航客運量有很強的相關性，說明對民航客運量有著重大影響。

2 民航客運量與相關影響因素的多元線性回歸模型

根據相關性分析，可以發現各影響因素彼此相關度也很高。通過建立多元線性回歸模型，進一步分析影響因素與民航客運量的關系。以y表示因變量民航客運量（萬人），以x1表示第三產業增加值（億元）、x2表示城市居民消費水平（絕對元）、x3表示外國人入境旅游人數（萬人）、x4表示鐵路客運量（萬人）、x5表示定期航班航線里程（萬千米）。

2.1 多元線性回歸模型的建立

為了去掉不必要的自變量以及避免多重共線性問題，在使用SPSS分析軟件建立多元回歸方程時，本文選擇了向后剔除變量的回歸分析方法。

在向后剔除變量的回歸分析過程中，生成了4個模型。雖然所有模型都通過了回歸方程α=0.05顯著性水平檢驗，但是只有模型4的所有系數通過了α=0.05顯著性水平檢驗。因此，模型4為最終多元線性回歸模型。表2為模型4輸出結果。

模型4的調整后R2為0.995，說明多元線性回歸方程的解釋度很高；方差分析表中Sig.小于0.05，說明多元線性回歸方程通過了總體顯著性檢驗，其線性關系是顯著的；系數表中，常量的Sig.為0.04，x1第三產業增加值（億元）的Sig.為1.55664189989614，x3外國人入境旅游人數（萬人）的Sig.為0.00023563236468293，全部小于0.05，所以各回歸系數是顯著的。并且，x1第三產業增加值（億元）的VIF為7.857，x3外國人入境旅游人數（萬人）的VIF為7.857，兩個自變量的VIF小于10，故不存在嚴重的多重共線性。

2.2 殘差分析

圖1和圖2給出了模型4的標準化殘差直方圖和正態P-P圖，可以得出模型4的誤差項ε符合正態分布。

從表3可以看出，漸近顯著性為0.990。在顯著性水平為0.05的前提下，最終模型標準化殘差是呈顯著正態性的。因此，模型4的誤差項ε服從正態分布的假定成立。

從圖3可以直觀的看出，除了一個點外，所有標準化殘差值都落在了兩個標準差范圍內并且落在一條水平帶中間。這表明模型4誤差項ε不存在異方差，其方差相同這一假設成立。

圖3 模型4標準化殘差項的散點