应用PASW/TimeSeriesModeler预测分析民航旅客运输量

摘要:在国家统计局在线数据库中,检索民航旅客运输量数据,探讨PASW/TimeSeriesModeler模块预测民航旅客运输量效果,并短期预测运输量。1985-2014年民航累计运输旅客345,084万人,年均论文网增长14。63百分号。1985-2012年运输量数据,拟合Brown和ARIMA模型预测2013年。2014年民航旅客运输量,拟合优度指标R2均大于0。75,相对误差最大值为3。14百分号(<5百分号)。采用新建模型预测2015年。2016年民航旅客运输量为42,466万人。45,847万人,分别较前一年增加10。71百分号。7。91百分号。未来两年,民航旅客运输量年均增长率呈下降趋势。

Abstract:ThedataofChinacivilaviation(CAAC)passengertransportvolume(PTV)weredownloadedfromtheonlinedatabaseoftheNationalStatisticBureau。TheeffectofPASW/TimeSeriesModelerinpredictingCAACPTVwasexplored,andtheshort-termPTVwaspredicted。From1985to2014,CAAChastransported3,450。84millionpassengers,withanannualaveragegrowthrateof14。63百分号。BasedonthePTVdatafrom1985-2012,theBrownandARIMAmodelswerebuilttopredictthe2013and2014PTV。ThegoodnessfittingindexR2werealllargethan0。75,andthemaximumrelativeerrorvaluewas3。14百分号(lessthan5百分号)。ThenewmodelspredictthatthePTVwillbe424。66,458。47millionby2015,2016respectively,andincrease10。71百分号and7。91百分号comparedwiththepreviousyear。TheseforecastingresultsforindicatethatthePTVannualaveragegrowthratewouldbedecreasedinthenext2years。

Keywords:civilaviation;passengertransportvolume;statisticalsoftware;timeseries;statisticalprediction

中图分类号:F562文献标识码:A文章编号:1006-4311(2016)20-0162-03

0引言

上世纪70年代末,在改革开放“初期,同志就指示民航要用经济观点管理,并深刻指出:民航一定要企业化“[1]。1980年3月5日,中国民航正式脱离部队,改为国务院直属机构,实行企业化管理。经过30多年发展,民航运输业在旅客运输。货邮运输。运输机队。机场数量。航线网络等方面取得了举世瞩目的成就[2]。2015年8月26日,英国每日邮报报道:根据世界银行数据库一项研究报告,2014年全球航班总数超3600万,中国排名第二。为深入研究民航发展历程,总结发展特征规律,近年来国内学者民航行业发展统计公报。国家统计年鉴等数据,开展了民航市场结构特征[3]。旅客运量分布[4]。货邮周转量预测[5-7]。航线客流量预测[8]。以及民航运输业与国民经济相关关系[9,10]等统计分析调查研究,取得了较好的成果。然而,数据统计分析的有关民航旅客运输量预测分析相关研究鲜见报道。为此,本文在国家统计局在线数据库中[11],检索并下载1985-2014年民航旅客运输量数据,探讨应用统计流行软件PASW/TimeSeriesModeler模块预测民航旅客运输量效果,并短期预测旅客运输量。

1资料来源及方法

1。1数据来源

在国家统计局运输和邮电业在线数据库中[11],检索并下载1985-2014年民用航空运输量及通用航空飞行时间数据,其中包括民航全部航线。国内和国际航线旅客运输量数据,资料真实可信。

1。2PASW软件

美国芝加哥SPSS公司于2009年重新包装SPSS产品,定位为预测统计分析软件(PredictiveAnalyticsSoftware,PASW)[12]。同年,IBM公司宣布收购SPSS。目前,PASW包括四个部分:统计分析(PASWStatistics,以往SPSS软件)。数据挖掘(PASWModeler,以往Clementine软件)。数据收集(DataCollectionfamily,以往Dimensions软件)。企业应用服务(PASWCollaborationandDeploymentServices,以往PredictiveEnterpriseServices软件)。PASW继承了SPSS操作简单。结果易于解释的优点,已经广泛应用于社会和自然科学的各个领域。本文应用的PASWStatistics18。0,即为以往的SPSS软件。

1。3TimeSeriesModeler模块将民航旅客运输量数据导入,采用定义日期(DefineDates)窗口设置年份数据(初始年份为1985年);然后采用TimeSeriesModeler模块[13],将全部航线。国内和国际航线旅客运输量作为反应变量,年份作为解释变量,设定模型为ExpertModels,在保存窗口(Save)设置保存预测值及上下限,在选项窗口(Options)设置预测时间为2016年,具体见图1。1985-2012年数据预测2013年。2014年旅客运输量,采用相对误差和绝对误差评价模型效果,拟合优度指标R2大于0。75提示模型拟合较好,相对误差小于5百分号提示模型预测效果较好。1985-2014年数据,预测2015年。2016年民航全部航线。国内和国际航线旅客运输量。

2结果

2。1民航旅客运输量增长趋势

民航近30年累计运输旅客345,084万人,其中国内航线315,038万人,约占91百分号,国际航线27,408万人,约占9百分号;全部航线旅客运输量年均增长率为14。63百分号。国内航线年均增长率(15。20百分号)高于国际航线(13。76百分号)。按照5年分组:1990-1994年民航旅客运输量增长最快,年均增长率为24。89百分号;1995-1999年旅客运输增长最慢,年均增长率为4。47百分号;2000年以来,民航旅客运输量年均增长率逐渐降低,由15。89百分号降低为10。00百分号。按照10年分组:1985-1994年民航旅客运输量增长最快,年均增长率为20。63百分号;2005-2014年增长率略高于1995-2004年。具体见图2和表1。

2。2民航旅客运输量预测模型及评价

1985-2012年运输量数据,全部。国内。国际航线预测最优模型分别为Brown。Brown。ARIMA(0,1,0)模型,拟合优度指标R2分别为0。894。0。872。0。895,均大于0。75,表明模型拟合效果较好。全部。国内航线预测均为Brown模型(单参数线性指数平滑模型),且不需数据变换,模型参数Alpha(LevelandTrend)分别为0。636。0。646(P<0。001)。国际航线预测为ARIMA模型(自回归移动平均混合模型),并采用自然对数变换(NaturalLog),模型参数Constant为0。133(P<0。001),Difference为1。预测2013年。2014年全部。国内和国际航线旅客运输量,相对误差最大值为3。14百分号(<5百分号),表明模型预测效果较好,具体见表2。

2。3民航旅客运输量短期预测

1985-2014年年运输量数据,全部。国内和国际航线预测最优模型分别为Brown。Brown。ARIMA(0,1,0)模型,拟合优度指标R2分别为0。852。0。824。0。912,均大于0。75,表明模型拟合效果较好。采用新建模型预测2015年。2016年全部航线运输量为42,466万人。45,847万人,分别较前一年增加10。71百分号。7。91百分号,预测区间具体见图3;国内航线运输量为38,999万人。42,029万人,分别较前一年增加9。95百分号。7。77百分号,见图4;国际航线运输量为3,632万人。4,180万人,分别较前一年增加18。84百分号。15。11百分号,见图5。

3讨论

全面精确采集数据。科学客观构建模型。准确严谨解释结果,是开展民航运输业统计预测和决策分析的基础[2,12]。本文研究的民航旅客运输量属于时间序列统计分析范畴[14]。然而,由于时间序列统计分析方法,如回归预测。平滑预测。ARIMA。灰度预测等,在数据预处理。参数估计。模型评价等方面均较复杂,往往让非统计专业人员望而生畏。以拟合ARIMA模型为例[13],数据分析人员需要较深厚的统计理论,借助SAS。Eviews等软件,绘制自相关和偏相关函数图,模型识别(AR。MR。ARIMA),最终确定ARIMA模型,软件操作复杂,结果需专业人员解释。

本研究借助PASW/TimeSeriesModeler模块,通过简单设置参数,拟合评价了民航旅客运输量ARIMA和Brown模型,并用新建模型预测了近两年的运输量,结果表明:应用该模块预测民航旅客运输量,分析变量设置简单,可自动给出最优模型,结果便于解释,预测效果较好,可作为民航运输量。周转量等数量指标短期预测工具。下面将预测结果讨论如下:

通过预测2015年和2016年民航旅客运输量发现:未来2年民航旅客运输量年均增长率有所降低。全部航线旅客运输量年均增长率,将由2005-2014年12。27百分号增长,降低至7。91百分号(2016年增长率预测值)。龙继林等(2015年)系统研究了经济新常态下民航业发展趋势,认为:受全球经济疲软影响,经济增长率将降至7百分号左右,对民航运输需求形成抑制效应,使民航业过去每年近20百分号的增长率过渡到10百分号左右[15]。朱芬华(2014年)研究了民航运输业与经济增长关系,发现:从长期看,民航运输业的发展依赖良好的宏观经济环境;只有确保经济又好又快发展,才能为民航运输业奠定坚实的经济基础[9]。以上两项近期研究,在经济学理论上,印证了本文预测未来2年民航旅客运输量年均增长率有所降低的科学性和可信性。

应用PASW/TimeSeriesModeler预测分析民航旅客运输量