张桥艳

(桂林航天工业学院　航空旅游学院，广西　桂林　541004)

国内航线市场需求预测方法研究

张桥艳*

(桂林航天工业学院航空旅游学院，广西桂林541004)

摘要航线是航空公司的重要资源，航空公司在一定的运营规模前提下追求更高的航线收益需要在各航线上合理安排运力的投放。针对无历史运营数据的新开航线需求的预测有缺失数据的困难，设计一种既能用在成熟航线上，又能用于新开航线旅客需求预测的方法，并通过实证分析证实了该方法可行。

关键词航空运输；航线需求；回归分析；弹性系数

航线是航空公司的重要资源，是制约航空公司生产经营效益水平的主要因素。近年来，日趋激烈的国内竞争环境迫使航空公司开始在运营管理上狠下功夫，航空公司要在有限的运力条件下取得最佳的经济效益，就必须在既定的自身运力供给能力下，根据各航线的旅客需求量不同，将航空公司的运力按比例投放到各条航线上去。而对航线上旅客需求量的正确预测，是航空公司确定航线开辟与否和确定航线运力投放的关键，准确的预测可以辅助航空公司制定运力的投放策略，避免航线开辟和运营的盲目性，科学的制定航班计划和航线网络布局，从而提升航空公司运营的效益。

目前，国内对航线需求预测的方法主要集中在对已经运营一段时间的航线需求的预测，这些航线市场较为成熟，历史运营数据较充分，进行分析预测时可以直接使用此航线上的历史运营数据，同时还可以依据航线的自身特点选取预测方法，容易得到较好的验证结果。这些方法大都从因果关系和时间推移来进行预测，主要有回归分析法、时间序列法和灰色预测法等。而针对无历史运营数据的新开航线上旅客需求的预测方法则相对较少。因此，本文将从分析影响航线旅客需求因素的角度出发，介绍一种新的航线需求预测方法，由于该方法不需要航线历史客流数据，从而既能用在成熟航线上，也能用于对新开航线旅客需求的预测分析。

1航线需求影响因素分析

市场大小受到一些因素的影响，也能从这些因素中反映出来。根据运输经济性理论，运输需求具有派生性、广泛性、多样性、部分可替代性和互补性等特点，航线上的旅客需求同样也不乏这些特点。因此考虑影响航线市场需求的因素要从旅客出行的目的和动机开始。绝大多数旅客乘机旅行是为了到异地从事经济、政治和旅游活动，这就和航线起止城市及其周围区域的社会经济发展水平、城市间的联系程度以及航空公司提供的服务等息息相关。归纳起来，可以把这些影响航线旅客需求的因素分为两大类：地理-经济因素和服务价值因素。

1.1地理-经济因素

地理—经济因素主要包括国内生产总值(GDP)、居民可支配收入水平、人口数量以及机场枢纽地位等。

(1)GDP反映了一个国家或地区的经济发展水平，是影响航空运输发展的重要因素，据统计我国民航旅客运输量与GDP的相关系数达到0.98。

(2)居民可支配收入水平会直接影响人们的出行方式、旅行频率以及对票价的承受能力和敏感性，是影响航空运输需求的另一个重要因素。

(3)人口数量对航空旅客运输需求有重要影响，人口基数大，相应的航空旅客运输需求潜力也大。

(4)交通位置优越的枢纽机场能更多的捕获周边的中转旅客，如北京的首都机场和成都的双流机场。

(5)城市旅游资源包括景色、气候、历史、文化等的分布也是影响航空旅客需求的一个因素，特别是对航空休闲旅客而言是一个重要因素。

1.2服务价值因素

服务价值因素主要包括票价水平、频次、机型大小以及机场服务质量等。

(1)航线票价水平的高低对航线需求有直接的影响，低航线票价水平能够刺激更多的潜在需求。

(2)同航线票价水平一样，航线频次对需求也有刺激作用，一般来说航线的频次越高，对需求的刺激作用也就越大。

(3)机型的大小影响着乘坐的舒适度，从而影响航线的需求，我国航空旅客大都更加偏好大型的客机。

(4)机场的服务质量影响着航空旅客的满意度，从而对旅客需求产生影响，具体包括机场的服务水平、自助设施、整体环境以及机场交通便捷度等。

2航线需求模型

前文已经分析了影响航线需求的两大类因素，但考虑到服务价值因素受航空公司、市场竞争环境以及旅客行为偏好的影响，并且相关数据指标不易获取，因此，本文在分析建立航线需求模型时将只考虑城市GDP、人口、城镇居民可支配收入、航段距离等四个地理-经济因素的影响。另一方面，我们知道城市GDP与人口和城镇居民可支配收入存在一定的线性相关性，为了得知相关性的大小[1]，统计分析国内主要城市数据得到这三个变量的相关系数矩阵如表1所示，由表1可知城市GDP与人口和城镇居民可支配收入的相关系数分别达到0.67和0.61，而城市人口和城镇居民可支配收入之间几乎无线性相关性。

表1　相关性矩阵表

因此，为了避免需求模型中的自变量存在较强的相关性而出现多重共线性，从而导致模型估计失真或难以准确估计，按照模型自变量间必须保持弱相关性这一原则，放弃GDP作为因素变量，而选取城市人口数量、城镇居民可支配收入以及航段距离三个变量作为需求模型的解释变量，建立国内城市对航线需求模型如下：

Ti-j=α×(POPiPOPj)β1×(INCiINCj)β2×DISi-jβ3

(1)

其中，Ti-j表示城市对i-j之间的客流量，POPi表示城市i的常住人口数量，POPj表示城市j的常住人口数量，INCi表示城市i的城镇居民可支配收入，INCj表示城市j的城镇居民可支配收入，DISi-j表示城市i-j之间的距离，这里以航线距离替代，α、β1、β2、β3为待估计参数。针对式(1)所构建的城市对航线需求预测模型需要说明以下两点：

1.Ti-j表示城市对i-j之间的双向客流量，即Ti-j=Tij+Tji。

2. 模型计算的是城市的客流量，对于一个城市拥有两个及以上的机场，如上海的虹桥机场和浦东机场，统计分析时将这两个机场相互对应的航线进行合并计算。

(2)

3实例分析

为了验证所构建城市对航线需求模型的可行性，利用2007年-2012年的国内主要航段数据进行需求模型的可行性验证分析。

3.1数据来源及处理

由于我国民航短途航线市场的客流量受“四纵四横”高速铁路网建设的冲击。一般来说，500公里以内高铁对民航的冲击达到50%以上，500公里～800公里高铁对民航的冲击达到30% 以上，1 000公里，这个影响相对减弱到20%左右。因此，为尽可能减小高铁对民航航线客流量预测的影响，本文选择的样本航线的航段距离均在1 000公里以上。其中，样本航线客流量数据来源于《从统计看民航》[2]，机场当地人口数量和城镇居民可支配收入数据来源于各城市统计局网站。

首先，收集航段距离在1 000公里以上的国内部分主要航线的航段年客流量、航线机场所在当地城市的常住人口数量(单位：万人)和城镇居民可支配收入(单位：元)数据。其次，由于收集的城镇居民可支配收入数据存在一定的时间跨度(2007年至2012年)，因此采用CPI指数(居民消费价格指数)城镇居民可支配收入数据以2007年为基数进行转换，以消除通货膨胀所带来的影响。最终得到包括北京、上海、广州、成都、昆明、武汉、沈阳、乌鲁木齐等主要城市在内的2007年-2012年时间段的196条样本航线分析数据，并以此进行航线需求模型的回归分析，有关这些样本航线数据的客流、航距统计特征如表2所示。

表2　样本航线指标统计特征表

3.2需求模型参数估计

利用Eviews计量经济学软件[3]，采用最小二乘法对所构建的需求模型式(2)进行参数估计，参数估计结果如表3所示。根据表3可知，回归函数的拟合度达到0.83，函数整体通过F检验，说明回归方程的线性关系显著，并且各变量的回归系数在0.01的显著性水平下都是显著的，说明函数中各个变量对回归方程都具有很大的贡献。此外，回归函数的拟合值与实际值的曲线图如图1所示，由图可知回归模型的实际值与拟合值的趋势大致相同，说明回归模型能很好地反映出实际情况。

表3　参数估计结果表

图1　拟合值与实际值曲线图

3.3模型精度检验

一个模型需要检验后才能判定其是否合理，只有通过检验后并具备一定精度的模型才能用来预测。本文随机选取7条2013年的部分主要航段客流数据，采用平均相对误差进行精度检验，误差检验结果如表4所示，模型的平均相对误差为0.054 7，因此模型是可行的。

表4　误差检验表

3.4回归结果分析

进一步地，对回归函数的参数估计分析可知，城镇居民可支配收入水平对需求的弹性系数大于常住人口数量和航段距离对需求的弹性系数，说明了城镇居民可支配收入对航线旅客需求的影响作用最为明显，其对需求的弹性系数为0.654，即城镇居民可支配收入增加10%将导致航线旅客需求增加6.54%。

另外，城市常住人口数量对航线需求也有刺激作用，其对需求的弹性系数为0.393，即城市常住人口数量增加10%将导致航线旅客需求增加3.93%。此外，航段距离对航线旅客需求的弹性系数为负值，这与我们平时所认为的趋势大致相同，即航线需求随着航段距离的增加而减少，其对需求的弹性系数为-0.626，即航段距离增加10%导致航线旅客需求减少6.26%。此外，鉴于我国国内航线市场票价实施的是基准价政策上下浮动定价(基于航段距离，平均每客每公里0.75元，上浮25% 、下浮40%)，因此，航线票价水平对航线需求的弹性系数大致可以参考航段距离对需求的弹性系数。

4结束语

本文通过分析航线需求的影响因素，建立了一种国内航线旅客需求模型，并以国内主要航段数据进行了模型可行性分析，回归分析结果表明模型可以很好的反映现实情况，平均相对误差为0.054 7，因此该航线需求模型是可行的。

由于构建的航线需求模型不需要航线历史运营数据，所以该方法也可以用于对新开航线旅客需求的预测。进一步地，从对国内主要航段数据的统计分析中我们发现，城镇居民可支配收入水平和城市常住人口数量对航线旅客需求具有正向刺激作用，这也表明了随着我国居民可支配收入水平的不断提高，未来国内航线市场需求将得到进一步增长。需要说明的是，本文并未考虑诸如票价水平、频次、机型大小等服务价值因素对航线旅客需求的影响，因此，在考虑上述服务价值因素对航线需求的影响后，本文回归得出的需求模型中的部分参数将会发生变化，这也是下一步的研究方向。

参考文献

[1]王俊，王建芳，李泽霞．相关性分析在大学科技竞争力评价模型构建中的应用[J]． 图书情报工作，2010(5)：88．

[2]中国民用航空局发展计划司．从统计看民航[M]．北京：中国民航出版社，2013．

[3]王乃静，李国锋．基于EVIEWS软件的计量经济学建模检验案例解读[J]．数量经济技术经济研究，2001(10)：9．

(责任编辑陈葵晞)

* 作者简介：张桥艳，女，广西桂林人。讲师，硕士。研究方向：航空运输管理。

中图分类号：F562.3

文献标志码：A

文章编号：2095-4859(2016)01-0020-04