1、 关于我国民航客运量的统计分析 范湘萍 （华北科技学院基础部 ,北京） 摘要： 民航的客运量对于国家的经济发展有非常重要的作用，在本次统计分析中，本人在网搜集资料，调查国民收入，消费额，铁路客运量，民航航线里程，来华旅游入境人数，通过运用统计学中的 spss 软件对这些变量进行相关分析和回归分析，了解这些变量之间的相关关系和显著性检验。 关键词 ： 民航客运量 成因 多元线性回归 ： In Chinas civil aviation passenger on the statistical analysis FanXiangPing (North China Institute of Scie
2、nce and Technology Department of Basic ,Beijing) Abstract the civil aviation passenger for the countrys economic development has a very important role in the statistical analysis, I in the nets collecting material, survey of national income, spending, railway passenger loads, civil aviation routes,
3、in China tourism number entry, through the application of statistics of SPSS software for these variables related analysis and regression analysis, understand the relationship between variables and significant inspection. Keyword Civil aviation passenger traffic Causes Multiple linear regression 1.引
4、言 中国民航业在国民经济中的地位正在不断 提高，发挥的作用也进一步增强和扩大。 首先，民航是国民经济现代化的基础构架。交通运输是国民经济的基础，民航业拥有高 速长途运输的功能，不仅是国民经济的基础，而且是实现国民经济现代化的基础，又是现代 化的标志和综合国力的直接体现。因此，随着国民经济发展及其现代化水平的提高，必须不 断加强航空运输建设，以适应和促进国民经济发展三步走战略目标的实现。 其次，民航业是以高新技术装备起来的现代化运输方式，具有快捷性、舒适性、机动性 、安全性和国际性的特点，对旅客运输的占有率不断提高，在综合运输体系中的地位已经由 改革开放前的从属地位和运输辅助力量，成长为旅客运输
5、的主力之一，特别是长途客运和国 际运输最主要的运输方式，也是某些其他运输工具不能通达地区和特殊需要的主要运输方式 。 第三，改革开放是我国的基本国策，中国经济与世界经济接轨，融入世界经济体系，必 须有航空运输作为支撑，发展航空运输对把外国企业 “请进来 ”都有重要的促进和支撑作用 。因此，随着我国 开放度的加大，航空运输必须有一个更快的发展。 我国幅员辽阔，人口众多，资源丰富，适合发展快捷便利的航空运输。经济持续快速增 长，改革开放不断深入，人民生活逐步提高，都将促进航空运输发展 ;对外交往增多，旅游 外贸发展，将对航空运输产生更大需求。我国民航的发展前景十分广阔。民航在发展和改革 中已经取得
6、了令人瞩目的成就，但在一定程度上还不能适应国民经济和社会发展的需要。面 对新世纪的挑战，当前民航业存在若干需要解决的重要问题。 因此，研究民航客运量的发展趋势是非常必要的。 2， 数据来源及其说明 中国民航客运量的回归模型。为了研究我国民航客运量的变化趋势及其成因 ,我们以民航客运量作为因变量 y,以国民收入、消费额、铁路客运量、民航航线里程、来华旅游入境人数为影响民航客运量的主要因素。 y 民航客运量 (万人 ),x1 国民收入 (亿元 ),x2 消费额 (亿元 ),x3 铁路客运量 (万人 ),x4 民航航线里程 (万公里 ),x5 来华旅游入境人数 (万人 )。根据 1994 年统计摘要
7、获得 1978-1993 年统计数据 ,见表 1 表 1 统计数据 年份 y x1 x2 x3 x4 x5 1978 231 3010 1888 81491 14.89 180.92 1979 298 3350 2195 86389 16.00 420.39 1980 343 3688 2531 92204 19.53 570.25 1981 401 3941 2799 95300 21.82 776.71 1982 445 4258 3054 99922 23.27 792.43 1983 391 4736 3358 106044 22.91 947.70 1984 554 5652 390
8、5 110353 26.02 1285.22 1985 744 7020 4879 112110 27.72 1783.30 1986 997 7859 5552 108579 32.43 2281.95 1987 1310 9313 6386 112429 38.91 2690.23 1988 1442 11738 8038 122645 37.38 3169.48 1989 1283 13176 9005 113807 47.19 2450.14 1990 1660 14384 9663 95712 50.68 2746.20 1991 2178 16557 10969 95081 55.
9、91 3335.65 1992 2886 20223 12985 99693 83.66 3311.50 1993 3383 24882 15949 105458 96.08 4152.70 3. 利用 spss 做 统计分析 3.1 题目分析 首先，提出因变量与自变量，并查找相关的资料。在这个实际问题中，我们将民航客运量作为因变量 y，其他变量是依据影响民航客运量的相关因素的，比如： x1 是国民收入， x2是消费额， x3 是铁路客运量， x4 是民航航线里程等等。那么国民收入究竟是什么样的水平呢？我们来看一下下面的材料： ( 1) 农村居民收入 2011 年全国农村居民人均纯收入 697
10、7 元，比上年增加 1058 元，增长 17.9%。剔除价格因素影响，实际增长 11.4%，增速同比提高 0.5 个百分点。其中： 人均工资性收入 2963 元，同比增加 532 元，增长 21.9%。工资性收入对全年农村居民增收的贡献率达 50.3%。工资性收入占农村居民纯收入的比重达 42.5%，同比提高 1.4 个百分点。工资性收入快速增长主要是由于农民工工资水平上涨较多。 人均家庭经营第一产业纯收入 2520 元，增加 289 元，增长 12.9%。其中，人均农业纯收入 1897 元，增加 173 元，增长 10.0%。收成好、价格高是农业收入保持较快增长的主要原因。据测算， 2011
11、 年农村居民出售农产品增加的收入中，六成来自于价格上涨因素，四成来自于出售数量增加因素。人均牧业纯收入 463 元，增加 107 元，牧业收入在 2009 年和2010 年出现连续下降后，增速大幅度回升至 30.1%。这主要是牧业产品价格上涨，尤其是生猪价格大幅上涨所致。 人均家庭经营二三产业纯收入 702 元，增加 101 元，增长 16.7%。其中，人均第二产业纯收入 193 元，增加 11 元，增长 5.8%；人均第三产业纯收入 509 元，增加 90 元，增长 21.4%。 人均财产性收入 229 元，增加 26 元，增长 13.0%。 人均转移性收入 563 元，增加 110 元，增
12、长 24.4%。受农村养老保险等政策全面推进的影响，转移性收入快速增长，增速比上年提高 10.6 个百分点。其中，人均离退休金和养老金收入 190 元，增加 77 元，增长 68.6%。 (2) 城镇居民收入 2011 年城镇居民人均总收入 23979 元，其中，人均 可支配收入 21810 元，比上年增加2701 元，增长 14.1%。剔除价格因素影响，城镇居民人均可支配收入实际增长 8.4%，增速同比提高 0.6 个百分点。人均总收入各分项增长情况如下： 人均工资性收入 15412 元，增长 12.4%。主要是绝大多数地区提高最低工资标准，部分地区继续规范落实津补贴制度，部分企业提高了职工
13、工资及奖金。 人均经营净收入 2210 元，增长 29.0%。一是全年经济运行总体良好，个体经营者人数增加；二是个体工商户增值税和营业税起征点提高，税赋降低。 人均财产性收入 649 元，增长 24.7%。主要是受出租房房租涨幅较大影响，城镇居民人均出租房屋收入增长较快。 人均转移性收入 5709 元，增长 12.1%。主要是企业退休人员基本养老金水平和最低生活保障标准提高。【参考文献 2】 因此，国民收入对民航客运量是有一定的影响的。 其次，我们对这些数据的民航客运量和国民收入做散点图，如下： 表 2 国民收入与民航客运量的散点图 表 3 消费额与民航客运量的散点图 表 4 铁路客运量 与民
14、航客运量的散点图 表 5 航线里程民航 与民航客运量的散点图 表 6 来华旅游人数 与民航客运量的散点图 从上面的散点图中我们可以看出： 国民收入和消费额对民航客运量的影响非常明显，成正相关，并且，铁路客运量对民航客运量没有直接的关联。 3.2 做相关分析，设定理论模型。 用 SPSS 软件计算增广相关阵，自变量的偏相关阵，输出结果如下： 表 7 偏相关阵 民航客运量 国民收入 消费额 铁路客运量 民航航线里程 来华旅游入境人数 民航客运量 Pearson Correlation 1 .989* .985* .227 .987* .924* Sig. (2-tailed) .000 .000
15、.398 .000 .000 N 16 16 16 16 16 16 国民收入 Pearson Correlation .989* 1 .999* .258 .984* .930* Sig. (2-tailed) .000 .000 .335 .000 .000 N 16 16 16 16 16 16 消费额 Pearson Correlation .985* .999* 1 .289 .978* .942* Sig. (2-tailed) .000 .000 .278 .000 .000 N 16 16 16 16 16 16 铁路客运量 Pearson Correlation .227 .
16、258 .289 1 .213 .504* Sig. (2-tailed) .398 .335 .278 .428 .046 N 16 16 16 16 16 16 民航航线里程 Pearson Correlation .987* .984* .978* .213 1 .882* Sig. (2-tailed) .000 .000 .000 .428 .000 N 16 16 16 16 16 16 来华旅游入境人数 Pearson Correlation .924* .930* .942* .504* .882* 1 Sig. (2-tailed) .000 .000 .000 .046 .
17、000 N 16 16 16 16 16 16 *. Correlation is significant at the 0.01 level (2-tailed). *. Correlation is significant at the 0.05 level (2-tailed). 根据表 7 可以看出： y 与 x1， x2， x4， x5 的相关系数都在 0.9 以上，说明所选自变量与 y 高度线性相关，用 y 与自变量做多元线性回归是适合的。 Y 与 x3 的相关系数偏小，说明铁路客运量与民航客运量无显著影响。一般认为铁路客运量与民航客运量之间呈负相关，铁路与民航共同拥有旅客，乘了火
18、车就乘不了飞机，但就中国的实际情况来分析，我国居民的收入还很低，一般人出差都乘火车。因此，铁路 客运量与民航客运量之间的关系不密切是很正常的。 3.3 线性回归分析 用 SPSS 软件对这些数据进行处理，得出了下面的结果： 表 8 拟合度检验 Model R R Square Adjusted R Square Std. Error of the Estimate 1 .999a .998 .997 49.49240 a. Predictors: (Constant), 来华旅游入境人数 , 铁路客运量 , 民航航线里程 , 消费额 , 国民收入 表 8 是 模型拟合度检验，其中的 R 是复相
19、关系数，它的值为 0.999，以及 R Square 为决定系数，其值为 0、 998，那么，这可以看出回归方程高度显著。 表 9 方差分析表 Model Sum of Squares df Mean Square F Sig. 1 Regression 1.382E7 5 2763775.354 1.128E3 .000a Residual 24494.981 10 2449.498 Total 1.384E7 15 a. Predictors: (Constant), 来华旅游入境人数 , 铁路客运量 , 民航航线里程 , 消费额 , 国民收入 b. Dependent Variable:
20、 民航客运量 表 9 为 方差分析表， F=1128.303， p 值为 0.000，表明回归方程高度显著，说明所有自变量整体上对 y 有高度显著的线性影响。 a 表 10 回归分析结果表 Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 450.909 178.078 2.532 .030 国民收入 .354 .085 2.447 4.152 .002 消费额 -.561 .125 -2.485 -4.478 .001 铁路客运量 -.007 .0
21、02 -.083 -3.510 .006 民航航线里程 21.578 4.030 .531 5.354 .000 来华旅游入境人数 .435 .052 .564 8.440 .000 a. Dependent Variable: 民航客运量 表 10 为回归分析结果表，是回归系数的显著性检验。 从表 9 中我们可以得出回归方程为 y=450.9+0.354*x1-0.561*x2-0.0073*x3+21.578*x4+0.435*x5. 所有自变量对 y 均有显著影响，其中 x3 铁路客运量的 p 值 =0.006 最大，但仍在 1%的显著性水平上对 y 高度显著，这充分说明在多元线性回归中不能仅凭简单相关系数的大小而决定变量的取舍。 4.结论 通过这些分析和检验我们可以进一步了解民航客运量与哪些因素有关可以更好的对这些因素加以调节，更好的促进经济的发展。在今后的发展中我们可以依据这些结果，对我国的民航进行调整，进而促进国家的经济发展。在以后的学习中我们更要应用我们的知识，解决我们生活中的事，解决一些实际问题。有目的的学习，学习与实践相结合，那样才是真正的学习。 参考文献 1刘文卿，何晓 .群应用回归分析 J.中国人民大学出版社， 2001 2樊欣，卲谦谦 .SAS 8.X 经济统计 J.北京希望电子出版社， 2003
