彭立南

[摘 要]本文利用1989—2011年的统计数据对我国民航客运量及各影响因素进行了研究。首先分析了影响民航客运量的相关因素，通过相关性分析进行了证明。在此基础上，通过建立多元线性回归模型，发现第三产业增加值以及外国人入境旅游人数对民航客运量有着重大影响。对回归模型进行了合理解释，给出了一些建议，以达到提高我国民航旅客运输业的市场竞争力的目的。

[关键词]民航客运；相关性分析；多元回归分析

[中图分类号]F562 [文献标识码]A [文章编号]1005-6432（2014）35-0160-02

民航运输是我国运输行业中不可或缺的一部分，是满足社会公众需要、发展旅游业、促进对外交往不可缺少的工具。其发展程度反映了国家的经济发展水平。在经济全球化趋势越发显著的当今，研究客运量发展及其相关影响因素很有现实意义。

影响民航客运量的因素源于诸多方面，根据文献资料，可以得出影响民航客运量的主要因素有第三产业增加值、城市居民消费水平、外国人入境旅游人数、铁路客运量、定期航班航线里程。本文拟从相关性分析入手，通过实证分析，得出一些建议。

1 影响因素的相关性分析

从历年《中国统计年鉴》中采集1989—2011年的民航客运量及影响因素的数据，使用Pearson相关系数计算公式计算民航客运量与各影响因素的相关系数，以此分析它们的相关性。Pearson相关系数的计算公式为：

通过计算得出，第三产业增加值与民航客运量的相关系数为0.995，城市居民消费水平与民航客运量的相关系数为0.985，外国人入境旅游人数与民航客运量的相关系数为0.955，铁路客运量与民航客运量的相关系数为0.933，定期航班航线里程与民航客运量的相关系数为0.955。

可见，这些因素与民航客运量有很强的相关性，说明对民航客运量有着重大影响。

2 民航客运量与相关影响因素的多元线性回归模型

根据相关性分析，可以发现各影响因素彼此相关度也很高。通过建立多元线性回归模型，进一步分析影响因素与民航客运量的关系。以y表示因变量民航客运量（万人），以x1表示第三产业增加值（亿元）、x2表示城市居民消费水平（绝对元）、x3表示外国人入境旅游人数（万人）、x4表示铁路客运量（万人）、x5表示定期航班航线里程（万千米）。

2.1 多元线性回归模型的建立

为了去掉不必要的自变量以及避免多重共线性问题，在使用SPSS分析软件建立多元回归方程时，本文选择了向后剔除变量的回归分析方法。

在向后剔除变量的回归分析过程中，生成了4个模型。虽然所有模型都通过了回归方程α=0.05显著性水平检验，但是只有模型4的所有系数通过了α=0.05显著性水平检验。因此，模型4为最终多元线性回归模型。表2为模型4输出结果。

模型4的调整后R2为0.995，说明多元线性回归方程的解释度很高；方差分析表中Sig.小于0.05，说明多元线性回归方程通过了总体显著性检验，其线性关系是显著的；系数表中，常量的Sig.为0.04，x1第三产业增加值（亿元）的Sig.为1.55664189989614，x3外国人入境旅游人数（万人）的Sig.为0.00023563236468293，全部小于0.05，所以各回归系数是显著的。并且，x1第三产业增加值（亿元）的VIF为7.857，x3外国人入境旅游人数（万人）的VIF为7.857，两个自变量的VIF小于10，故不存在严重的多重共线性。

2.2 残差分析

图1和图2给出了模型4的标准化残差直方图和正态P-P图，可以得出模型4的误差项ε符合正态分布。

从表3可以看出，渐近显著性为0.990。在显著性水平为0.05的前提下，最终模型标准化残差是呈显著正态性的。因此，模型4的误差项ε服从正态分布的假定成立。

从图3可以直观的看出，除了一个点外，所有标准化残差值都落在了两个标准差范围内并且落在一条水平带中间。这表明模型4误差项ε不存在异方差，其方差相同这一假设成立。

图3 模型4标准化残差项的散点