应用PASW/Time Series Modeler预测分析我国民航旅客运输量
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/Time Series Modeler模块预测我国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，年均增长14.63%。基于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%（<5%）。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%、7.91%。未来两年，民航旅客运输量年均增长率呈下降趋势。
Abstract： The data of China civil aviation （CAAC） passenger transport volume （PTV） were downloaded from the online database of the National Statistic Bureau. The effect of PASW/Time Series Modeler in predicting CAAC PTV was explored， and the short-term PTV was predicted. From 1985 to 2014， CAAC has transported 3，450.84 million passengers， with an annual average growth rate of 14.63%. Based on the PTV data from 1985-2012， the Brown and ARIMA models were built to predict the 2013 and 2014 PTV. The goodness fitting index R2 were all large than 0.75， and the maximum relative error value was 3.14% （less than 5%）. The new models predict that the PTV will be 424.66， 458.47 million by 2015， 2016 respectively， and increase 10.71% and 7.91% compared with the previous year. These forecasting results for indicate that the PTV annual average growth rate would be decreased in the next 2 years.
Key words： civil aviation；passenger transport volume；statistical software；time series；statistical prediction
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，邓小平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，我国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。为深入研究我国民航发展历程，总结发展特征规律，近年来国内学者基于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，基于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/Time Series Modeler模块预测我国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。
1.2 PASW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（Predictive Analytics Software，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（PASW Statistics，以往SPSS软件）、数据挖掘（PASW Modeler，以往Clementine软件）、数据收集（Data Collection family，以往Dimensions软件）、企业应用服务（PASW Collaboration and Deployment Services，以往Predictive Enterprise Services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PASW Statistics 18.0，即为以往的SPSS软件。
1.3 Time Series Modeler模块 将民航旅客运输量数据导入，采用定义日期（Define Dates）窗口设置年份数据（初始年份为1985年）；然后采用Time Series Modeler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Expert Models，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。基于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%提示模型预测效果较好。基于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%，国际航线27，408万人，约占9%；全部航线旅客运输量年均增长率为14.63%、国内航线年均增长率（15.20%）高于国际航线（13.76%）。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%；1995-1999年旅客运输增长最慢，年均增长率为4.47%；2000年以来，民航旅客运输量年均增长率逐渐降低，由15.89%降低为10.00%。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%；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
基于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 （Level and Trend）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（Natural Log），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%（<5%），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
基于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%、7.91%，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%、7.77%，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%、15.11%，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/Time Series Modeler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年我国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%增长，降低至7.91%（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我国民航业发展趋势，认为：受全球经济疲软影响，我国经济增长率将降至7%左右，对民航运输需求形成抑制效应，使我国民航业过去每年近20%的增长率过渡到10%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。
