陳玉寶，曾 剛

（中國(guó)民航大學(xué)經(jīng)濟(jì)與管理學(xué)院，天津 300300）

基于組合預(yù)測(cè)方法的民航旅客吞吐量預(yù)測(cè)研究
——以首都機(jī)場(chǎng)為例

陳玉寶，曾 剛

（中國(guó)民航大學(xué)經(jīng)濟(jì)與管理學(xué)院，天津 300300）

“十二五”是中國(guó)民航業(yè)發(fā)展的黃金時(shí)期，機(jī)場(chǎng)民航旅客吞吐量也將呈快速發(fā)展態(tài)勢(shì)。首都機(jī)場(chǎng)是中國(guó)最大的民用機(jī)場(chǎng)，通過科學(xué)合理的方法對(duì)其旅客吞吐量進(jìn)行預(yù)測(cè)的研究意義重大。利用最新歷史數(shù)據(jù)，采用多元線性回歸模型和時(shí)間序列趨勢(shì)外推模型，分別對(duì)首都機(jī)場(chǎng)2012—2016年的旅客吞吐量進(jìn)行預(yù)測(cè)。為了克服兩種單一預(yù)測(cè)方法的缺陷，采用組合加權(quán)方法對(duì)預(yù)測(cè)結(jié)果進(jìn)行組合預(yù)測(cè)。最后，根據(jù)組合預(yù)測(cè)值和歷史值的誤差比較分析。研究結(jié)果表明：組合預(yù)測(cè)方法能夠提高預(yù)測(cè)的準(zhǔn)確性，減少預(yù)測(cè)誤差。

機(jī)場(chǎng)；民航旅客；吞吐量；組合方法

“十二五”期間，中國(guó)民航業(yè)將獲得持續(xù)高速的發(fā)展，國(guó)家和地方政府對(duì)民航建設(shè)的支持不斷加大。根據(jù)《中國(guó)民用航空發(fā)展第十二個(gè)五年發(fā)展規(guī)劃》，到2015年中國(guó)航空運(yùn)輸總周轉(zhuǎn)量到將達(dá)到990億噸公里，旅客運(yùn)輸量達(dá)到4.5億人次，5年間這2個(gè)指標(biāo)將分別保持年均13%和11%的增長(zhǎng)速度。到2015年，首都機(jī)場(chǎng)的客運(yùn)量將達(dá)到世界第2，全國(guó)第1的水平。機(jī)場(chǎng)旅客吞吐量作為衡量民航運(yùn)輸發(fā)展的重要指標(biāo)，采用科學(xué)、準(zhǔn)確的預(yù)測(cè)方法對(duì)其研究意義重大。采用多元線性回歸模型和基于時(shí)間序列趨勢(shì)外推的組合模型的方法，對(duì)首都機(jī)場(chǎng)2012—2016年的旅客吞吐量進(jìn)行預(yù)測(cè)，從而為首都機(jī)場(chǎng)的運(yùn)營(yíng)管理、基地航空公司運(yùn)力投放等相關(guān)工作的開展提供參考依據(jù)。

關(guān)于機(jī)場(chǎng)旅客吞吐量的研究，國(guó)內(nèi)一些專家和學(xué)者已經(jīng)開展過一些工作，并且取得了相應(yīng)的成果。清華大學(xué)交通研究所的焦朋朋運(yùn)用主成分分析法找出了影響旅客吞吐量的主要因素[1]，并且構(gòu)造了基于這些影響因素的函數(shù)模型。為驗(yàn)證模型的有效性，該文選取1994—2001年北京市統(tǒng)計(jì)數(shù)據(jù)進(jìn)行了實(shí)證研究。該文曾經(jīng)對(duì)2010年首都機(jī)場(chǎng)的旅客吞吐量進(jìn)行了預(yù)測(cè)，由于其研究的比較早，數(shù)據(jù)比較舊，導(dǎo)致預(yù)測(cè)的精度不高。2003年，南京祿口國(guó)際機(jī)場(chǎng)的高磊通過搜集1980—2001年《江蘇省統(tǒng)計(jì)年鑒》上的數(shù)據(jù)[2]，構(gòu)建了回歸模型，對(duì)南京祿口國(guó)際機(jī)場(chǎng)的吞吐量進(jìn)行了預(yù)測(cè)。采用單一研究的方法得到的結(jié)果比較粗糙，可能會(huì)存在預(yù)測(cè)的準(zhǔn)確性不高的缺點(diǎn)。還有一些學(xué)者從其他角度對(duì)機(jī)場(chǎng)旅客吞吐量進(jìn)行了研究，但總體上研究得不夠深入。

由于上述學(xué)者的研究成果比較早，相比目前的研究，會(huì)存在數(shù)據(jù)陳舊的問題。對(duì)于首都機(jī)場(chǎng)民航旅客吞吐量的研究，本文采用最新的歷史數(shù)據(jù)，以保證預(yù)測(cè)的結(jié)果更加準(zhǔn)確。同時(shí)運(yùn)用多元線性回歸模型和時(shí)間序列模型的組合預(yù)測(cè)方法展開研究。相比單一預(yù)測(cè)的方法，組合預(yù)測(cè)方法具有預(yù)測(cè)誤差更小、信度更高的優(yōu)點(diǎn)。

1 基于多元線性回歸模型的旅客吞吐量預(yù)測(cè)

1.1 多元線性回歸模型建立

多元線性回歸模型先找出影響因變量的多個(gè)自變量，然后建立因變量和自變量之間的線性函數(shù)關(guān)系，代入相應(yīng)的數(shù)據(jù)得出相關(guān)研究結(jié)果，最后通過對(duì)模型結(jié)果的檢驗(yàn)來決定預(yù)測(cè)結(jié)果的準(zhǔn)確性。這種研究方法關(guān)鍵是要找出自變量，尤其是其中影響作用較大的幾個(gè)自變量。

影響機(jī)場(chǎng)旅客吞吐量的因素有很多，其中包括國(guó)家或地區(qū)的經(jīng)濟(jì)情況（可以用GDP來表示）、城市的人口數(shù)量、第三產(chǎn)業(yè)的比重、境外旅游旅客的數(shù)量以及鐵路、公路等地面運(yùn)輸業(yè)的影響。多元線性回歸分析需要找出影響民航旅客吞吐量的主要因素，即通過主成分分析法對(duì)因變量進(jìn)行預(yù)測(cè)。

多元線性回歸模型一般形式：

其中：Yi是因變量；X1，…，Xk是自變量；μi是誤差項(xiàng)；k為解釋變量的數(shù)目；βi稱為回歸參數(shù)，也被稱為偏回歸系數(shù)，表示在其他解釋變量保持不變的情況下，X每變化1個(gè)單位時(shí)，Y的均值E（Y）的變化。

關(guān)于影響機(jī)場(chǎng)旅客吞吐量的主要因素，有關(guān)學(xué)者已經(jīng)進(jìn)行過研究[1]，可直接運(yùn)用其結(jié)論。影響機(jī)場(chǎng)旅客吞吐量的主要因素為：北京市GDP、第三產(chǎn)業(yè)比重和北京市常住人口數(shù)量，可構(gòu)建多元線性回歸模型

其中：Y為首都機(jī)場(chǎng)年旅客吞吐量；X1為北京市GDP；X2為北京市第三產(chǎn)業(yè)比重；X3為北京市常住人口數(shù)量；β0，β1，β2，β3是參數(shù)，通過具體計(jì)算可得到其值。

根據(jù)模型（1）可知首都機(jī)場(chǎng)的旅客吞吐量與北京市GDP、第三產(chǎn)業(yè)比重、常住人口之間存在多元線性函數(shù)關(guān)系。則可通過具體的計(jì)量分析和數(shù)理分析得出首都機(jī)場(chǎng)旅客吞吐量與其他主要影響因素之間的函數(shù)關(guān)系。

1.2 數(shù)據(jù)來源及分析

機(jī)場(chǎng)旅客吞吐量的多元線性回歸模型數(shù)據(jù)來自于北京市統(tǒng)計(jì)年鑒和中國(guó)民航局官方網(wǎng)站，數(shù)據(jù)權(quán)威、可靠，如表1所示。其中旅客吞吐量的數(shù)據(jù)來自中國(guó)民航局網(wǎng)站公布的統(tǒng)計(jì)結(jié)果，北京市GDP、常住人口、第三產(chǎn)業(yè)比重的數(shù)據(jù)來自北京市統(tǒng)計(jì)年鑒。

表1 北京市1995—2011年統(tǒng)計(jì)數(shù)據(jù)Tab.1 Beijing statistics 1995-2011

1.3 旅客吞吐量預(yù)測(cè)模型

根據(jù)表1的歷史數(shù)據(jù)，同時(shí)利用模型（1）的有關(guān)原理，可以構(gòu)建首都機(jī)場(chǎng)民航旅客吞吐量與北京市GDP、北京市第三產(chǎn)業(yè)比重、北京市常住人口之間的多元線性回歸模型。同時(shí)，利用計(jì)量經(jīng)濟(jì)學(xué)統(tǒng)計(jì)軟件Eviews可以得到模型的參數(shù)β0，β1，β2，β3。根據(jù)軟件的輸出結(jié)果顯示，得到模型的具體形式為

其中：Y表示首都機(jī)場(chǎng)年旅客吞吐量；X1表示北京市GDP；X2表示北京市第三產(chǎn)業(yè)比重；X3表示北京市常住人口。

1.4 多元線性回歸模型的檢驗(yàn)

首先，模型的決定系數(shù)R2為0.9895，接近1，信度很高。同時(shí)對(duì)模型的參數(shù)進(jìn)行顯著性t檢驗(yàn)，β0、β1、β2、β3的t檢驗(yàn)結(jié)果分別為0.475 3、6.405 6、0.432 8、-0.971 9，可知解釋變量X1，X2，X3的作用顯著，可用來預(yù)測(cè)和控制。

1.5 預(yù)測(cè)結(jié)果分析與評(píng)價(jià)

根據(jù)模型（2）的有關(guān)理論以及表1的歷史數(shù)據(jù)，在數(shù)理統(tǒng)計(jì)軟件Excel的計(jì)算下可以很容易得到1995—2011年首都機(jī)場(chǎng)旅客吞吐量的具體值，如表2所示。

表2 線性回歸模型的結(jié)果及預(yù)測(cè)誤差Tab.2 Linear regression model results and prediction error

從表2可以發(fā)現(xiàn)，模型（1）可以很好地對(duì)民航旅客吞吐量進(jìn)行預(yù)測(cè)，除了2003年由于“非典”影響了模型的準(zhǔn)確性，其他預(yù)測(cè)值的誤差均控制在5%以內(nèi)，這說明預(yù)測(cè)的準(zhǔn)確度較高。通過模型有關(guān)預(yù)測(cè)結(jié)果表明多元線性回歸模型對(duì)于首都機(jī)場(chǎng)民航旅客吞吐量的預(yù)測(cè)具有預(yù)測(cè)準(zhǔn)確、省時(shí)、高效的特點(diǎn)。

1.6 預(yù)測(cè)值

根據(jù)《北京市國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十二個(gè)五年規(guī)劃綱要》的發(fā)展目標(biāo)，“十二五”期間，北京市GDP年均增速為8%，到2015年，服務(wù)業(yè)所占比重達(dá)到78%的目標(biāo)。因此，5年間服務(wù)業(yè)的比重平均增速為0.58%。根據(jù)表1，“十一五”期間北京市人口平均增速為2.05%。因此可預(yù)測(cè)出2013—2016年北京市GDP、第三產(chǎn)業(yè)的比重和北京市常住人口數(shù)量，如表3所示。

表3 多元線性模型自變量值Tab.3 Independent variable of multiple linear regression model

根據(jù)表3和模型（2）可預(yù)測(cè)2012—2016年首都機(jī)場(chǎng)旅客吞吐量，如表4所示。

表4 多元線性模型預(yù)測(cè)值Tab.4 Predictive value of multiple linear regression model

2 基于時(shí)間序列趨勢(shì)模型的旅客吞吐量預(yù)測(cè)

趨勢(shì)外推法是利用事物在過去和現(xiàn)在的發(fā)展規(guī)律來推斷事物未來發(fā)展趨勢(shì)的一種方法。這種方法的基本假設(shè)前提是事物在未來的發(fā)展趨勢(shì)和現(xiàn)在的規(guī)律基本上保持一致。機(jī)場(chǎng)旅客吞吐量的發(fā)展整體上保持穩(wěn)定發(fā)展的趨勢(shì)，可以認(rèn)為“十二五”期間，首都機(jī)場(chǎng)的旅客吞吐量變化規(guī)律將基本上保持不變。在中國(guó)政治穩(wěn)定、經(jīng)濟(jì)平穩(wěn)增長(zhǎng)的環(huán)境下，首都機(jī)場(chǎng)的旅客吞吐量變化情況依靠歷史規(guī)律的基本假設(shè)前提可信度成立。利用趨勢(shì)外推的方法對(duì)于短期內(nèi)民航旅客吞吐量預(yù)測(cè)的方法可信度高、成本低、時(shí)間少。

2.1 模型選擇與分析

趨勢(shì)外推法最早由賴恩（Rhyne）運(yùn)用于科技預(yù)測(cè)研究。實(shí)際生活中常用的趨勢(shì)外推的模型主要有線性模型、曲線模型、指數(shù)模型、生長(zhǎng)曲線模型等。線性趨勢(shì)外推預(yù)測(cè)方法在以時(shí)間為橫坐標(biāo)的坐標(biāo)圖中，事物的變化接近一條直線。根據(jù)這條直線可以推斷事物未來的變化。指數(shù)曲線法要求描述對(duì)象在散點(diǎn)圖上的數(shù)據(jù)點(diǎn)接近指數(shù)曲線的形式。生長(zhǎng)曲線法則可以對(duì)事物的發(fā)生、發(fā)展和成熟過程進(jìn)行描述。首都機(jī)場(chǎng)民航旅客吞吐量的預(yù)測(cè)方法選擇需要根據(jù)其歷史數(shù)據(jù)的散點(diǎn)圖來決定。為了能夠較為準(zhǔn)確地對(duì)首都機(jī)場(chǎng)的旅客吞吐量預(yù)測(cè)方法進(jìn)行選擇，先根據(jù)歷史數(shù)據(jù)做出散點(diǎn)圖。首先選取首都機(jī)場(chǎng)2001—2011年旅客吞吐量數(shù)據(jù)（表5）做散點(diǎn)圖。結(jié)果表明：近年來，首都機(jī)場(chǎng)旅客吞吐量呈近似線性增長(zhǎng)的發(fā)展趨勢(shì)，只有2003年由于“非典”的影響以及2008年由于金融危機(jī)的影響導(dǎo)致數(shù)據(jù)出現(xiàn)異常，從而使得擬合上有偏差。由于研究的前提是經(jīng)濟(jì)、政治等宏觀環(huán)境整體保持正常發(fā)展，因此，認(rèn)為未來短期內(nèi)，首都機(jī)場(chǎng)的旅客吞吐量變化趨勢(shì)是遞增的。

表5 首都機(jī)場(chǎng)2001—2011年旅客吞吐量Tab.5 Capital Airport passenger throughput 2001-2011

根據(jù)表2的數(shù)據(jù)，用Excel做出首都機(jī)場(chǎng)2001—2011年旅客吞吐量的散點(diǎn)圖，如圖1所示。

圖1 2001—2011年首都機(jī)場(chǎng)旅客吞吐量散點(diǎn)圖Fig.1 Capital Airport passenger throughput scatter plot 2001-2011

從圖1可看出2001—2011年間，首都機(jī)場(chǎng)旅客吞吐量總體上保持增長(zhǎng)的趨勢(shì)，如果不考慮2003年和2008年異常的數(shù)據(jù)，則可近似認(rèn)為上述這些點(diǎn)保持線性增長(zhǎng)的趨勢(shì)。根據(jù)散點(diǎn)圖的情況，可用線性趨勢(shì)外推的方法對(duì)首都機(jī)場(chǎng)2013—2016年期間的旅客吞吐量進(jìn)行預(yù)測(cè)。

2.2 模型建立

線性趨勢(shì)外推模型通常假定影響事物的過去、現(xiàn)在和未來的主要因素相同，因而對(duì)其進(jìn)行趨勢(shì)外推，以期預(yù)測(cè)未來的情形。當(dāng)前，中國(guó)社會(huì)經(jīng)濟(jì)、政治環(huán)境整體上穩(wěn)定，黨和政府致力于保持經(jīng)濟(jì)和社會(huì)平穩(wěn)發(fā)展，在這個(gè)大的背景下，影響首都機(jī)場(chǎng)“十二五”期間的主要因素保持不變，因此，采用線性趨勢(shì)外推方法具有可行性。

2.2.1 線性趨勢(shì)外推模型

線性趨勢(shì)外推預(yù)測(cè)方法主要有擬合直線法和加權(quán)擬合直線法，這里采用擬合直線法。設(shè)有n個(gè)時(shí)間序列觀察值（x1，y1），（x2，y2），…，（xn，yn）。設(shè)yt為第t期首都機(jī)場(chǎng)旅客吞吐量的實(shí)際值，y?t為第t期首都機(jī)場(chǎng)旅客吞吐量的預(yù)測(cè)值，xt表示第t期時(shí)間序列的編號(hào)。根據(jù)擬合直線方法的相關(guān)原理建立模型

2.2.2 旅客吞吐量線性趨勢(shì)外推模型確立

根據(jù)表5和模型（3），可進(jìn)行首都機(jī)場(chǎng)旅客吞吐量和時(shí)間序列數(shù)據(jù)之間參數(shù)的估計(jì)，利用計(jì)量經(jīng)濟(jì)統(tǒng)計(jì)軟件Eviews運(yùn)算，輸出的結(jié)果為

可確立模型為：

對(duì)模型結(jié)果進(jìn)行檢驗(yàn)，通過輸出結(jié)果可知：模型的決定系數(shù)R2=0.965 662＞0.95，對(duì)應(yīng)系數(shù)a、b的標(biāo)準(zhǔn)差分別為234.936 9，37.863 50，對(duì)應(yīng)系數(shù)a、b的估計(jì)值分別為：5.826 408，14.999 28。模型檢驗(yàn)通過。

2.2.3 模型預(yù)測(cè)誤差分析

根據(jù)建立好的模型（4）和表5可以對(duì)2002—2011年首都機(jī)場(chǎng)旅客吞吐量進(jìn)行預(yù)測(cè)。將預(yù)測(cè)結(jié)果和歷史數(shù)據(jù)進(jìn)行比較可以發(fā)現(xiàn)，模型（3）能夠較準(zhǔn)確地對(duì)首都機(jī)場(chǎng)的旅客吞吐量進(jìn)行預(yù)測(cè)。從預(yù)測(cè)誤差上來看，除了2003年和2008年兩個(gè)特殊年份的預(yù)測(cè)值與實(shí)際值差距較大外，其他年份的預(yù)測(cè)誤差均控制在5%以內(nèi)，說明預(yù)測(cè)精度較高。

實(shí)際值和預(yù)測(cè)值的柱狀圖，如圖2所示，可以直觀地反映出基于時(shí)間序列的線性趨勢(shì)外推模型對(duì)于短期內(nèi)的首都機(jī)場(chǎng)民航旅客吞吐量的預(yù)測(cè)較準(zhǔn)確。

2.2.4 預(yù)測(cè)值

利用本模型可以對(duì)2012—2016年首都機(jī)場(chǎng)民航旅客運(yùn)輸量進(jìn)行預(yù)測(cè)，具體預(yù)測(cè)結(jié)果如表7所示。

表6 2002—2011年首都機(jī)場(chǎng)預(yù)測(cè)值與實(shí)際值之間的比較Tab.6 Comparison between predicted value and actual value of Capital Airport 2002-2011

圖2 預(yù)測(cè)值與實(shí)際值的比較Fig.2 Comparison between predicted value and actual value

表7 趨勢(shì)外推模型的預(yù)測(cè)值Tab.7 Trend extrapolation model’s predicted value

通過上述預(yù)測(cè)值可以發(fā)現(xiàn)，近幾年首都機(jī)場(chǎng)的民航旅客吞吐量將一直呈上升趨勢(shì)。如果首都機(jī)場(chǎng)按照目前的發(fā)展速度，2015年末將接近1億的旅客吞吐量，其相關(guān)配套設(shè)施將面臨很大的壓力。因此，有關(guān)部門應(yīng)該提前采取有效措施，充分考慮如何應(yīng)對(duì)日益增長(zhǎng)的民航運(yùn)輸需求。

3 組合模型的建立與分析

3.1 組合模型預(yù)測(cè)方法的建立

采用一種方法進(jìn)行預(yù)測(cè)的準(zhǔn)確性，往往會(huì)有偏差。采用多種不同的方法組合進(jìn)行相關(guān)的預(yù)測(cè)工作可以從多個(gè)角度減少預(yù)測(cè)的誤差，同時(shí)提高預(yù)測(cè)結(jié)果的準(zhǔn)確度。民航旅客吞吐量的預(yù)測(cè)方法有很多，但預(yù)測(cè)的客觀準(zhǔn)確性由于數(shù)據(jù)來源不同以及歷史數(shù)據(jù)的更新程度不同，導(dǎo)致預(yù)測(cè)結(jié)果差異較大。此處采用的數(shù)據(jù)更新至2010年，采取的數(shù)據(jù)全部來自北京市統(tǒng)計(jì)年鑒以及中國(guó)民航局官方網(wǎng)站，權(quán)威可靠。下面將根據(jù)上述多元線性模型和基于時(shí)間序列的趨勢(shì)外推模型建立組合預(yù)測(cè)的方法，對(duì)首都機(jī)場(chǎng)民航旅客吞吐量進(jìn)行預(yù)測(cè)研究。

首先，由于2種方法從不同的角度進(jìn)行機(jī)場(chǎng)旅客吞吐量的預(yù)測(cè)，因此采用加權(quán)平均值法進(jìn)行組合預(yù)測(cè)，由于2種方法的預(yù)測(cè)結(jié)果各有優(yōu)缺點(diǎn)，因此在進(jìn)行權(quán)重分配時(shí)采用簡(jiǎn)單的平均分配各占50%權(quán)重的方法，對(duì)首都機(jī)場(chǎng)民航旅客吞吐量進(jìn)行預(yù)測(cè)研究。

3.2 組合模型方法的預(yù)測(cè)結(jié)果分析

由于2種方法選取的數(shù)據(jù)時(shí)間不一樣，為了保證預(yù)測(cè)的一致性，在2種方法對(duì)2002—2011年首都機(jī)場(chǎng)吞吐量預(yù)測(cè)結(jié)果的基礎(chǔ)上展開組合模型的介紹和分析。通過這10年預(yù)測(cè)結(jié)果的分析可以說明組合預(yù)測(cè)方法在提高預(yù)測(cè)精度的優(yōu)越性。盡管組合預(yù)測(cè)方法在預(yù)測(cè)上會(huì)增加預(yù)測(cè)的復(fù)雜性，增加預(yù)測(cè)工作量，但組合預(yù)測(cè)方法能夠綜合吸收幾種方法的優(yōu)點(diǎn)從而得到更好的預(yù)測(cè)效果。

從表8可以看出組合方法的預(yù)測(cè)值對(duì)于2002—2011年的首都機(jī)場(chǎng)旅客吞吐預(yù)測(cè)量與實(shí)際值更加接近，對(duì)這10年的預(yù)測(cè)能夠綜合吸收2種方法的優(yōu)點(diǎn)。組合預(yù)測(cè)的結(jié)果折線圖，如圖3所示。

從圖3可以看出，組合預(yù)測(cè)方法的預(yù)測(cè)值介于方法1和方法2之間，其預(yù)測(cè)值與實(shí)際值的擬合效果更好。因此可以認(rèn)為，組合預(yù)測(cè)方法具有更大的優(yōu)點(diǎn)。

3.3 組合模型誤差項(xiàng)的分析

根據(jù)表7的預(yù)測(cè)結(jié)果可得3種方法預(yù)測(cè)誤差項(xiàng)的數(shù)據(jù)如表8所示，由于組合預(yù)測(cè)方法吸收了多元線性回歸模型的優(yōu)點(diǎn)以及趨勢(shì)外推方法的優(yōu)點(diǎn)，因此組合預(yù)測(cè)的誤差介于2種方法的誤差之間，能夠有效地避免單一方法預(yù)測(cè)時(shí)產(chǎn)生極端數(shù)據(jù)的現(xiàn)象。

圖3 組合方法的結(jié)果比較Fig.3 Result comparison of combination method

從表9可以看出，組合預(yù)測(cè)結(jié)果的誤差項(xiàng)除2008，2003年外均控制在4%以內(nèi)比單一預(yù)測(cè)方法（誤差控制在8%以內(nèi)）的精度有所提升。組合預(yù)測(cè)的方法比單一預(yù)測(cè)方法減少了極端數(shù)據(jù)的產(chǎn)生。

表9 組合方法誤差項(xiàng)比較Tab.9 Combination method error comparison

3.4 2012-2016年首都機(jī)場(chǎng)旅客吞吐量預(yù)測(cè)

利用多元線性回歸、時(shí)間序列趨勢(shì)外推以及組合預(yù)測(cè)3種方法可以預(yù)測(cè)得到首都機(jī)場(chǎng)2012—2016年首都機(jī)場(chǎng)旅吞吐量，如表10所示。

表10 不同方法的預(yù)測(cè)值Tab.10 Predicted value of different methods

4 結(jié)語

通過組合預(yù)測(cè)模型較好地對(duì)首都機(jī)場(chǎng)民航旅客吞吐量進(jìn)行了預(yù)測(cè)，同時(shí)得出了2012—2016年首都機(jī)場(chǎng)旅客吞吐量的預(yù)測(cè)值，最新數(shù)據(jù)的運(yùn)用得出的預(yù)測(cè)結(jié)果科學(xué)、可靠并得到以下結(jié)論：

1）多元線性回歸模型對(duì)于首都機(jī)場(chǎng)旅客吞吐量的預(yù)測(cè)需要準(zhǔn)確找出影響吞吐量的因素，通過確定地區(qū)GDP、第三產(chǎn)業(yè)比重以及常住人口數(shù)量等因素作為主要影響因素。多元線性回歸模型的自變量多，預(yù)測(cè)結(jié)果的誤差項(xiàng)大。

2）運(yùn)用基于時(shí)間序列的趨勢(shì)外推模型對(duì)于預(yù)測(cè)首都機(jī)場(chǎng)旅客吞吐量是一種簡(jiǎn)單、高效的預(yù)測(cè)方法。由于機(jī)場(chǎng)旅客吞吐量的數(shù)據(jù)屬于宏觀數(shù)據(jù)，這種方法對(duì)于長(zhǎng)期預(yù)測(cè)會(huì)出現(xiàn)結(jié)果不準(zhǔn)確的情況。

3）組合預(yù)測(cè)的方法綜合吸收了多元線性回歸模型和趨勢(shì)外推模型的優(yōu)點(diǎn)，這種方法相比多元線性回歸模型和趨勢(shì)外推的預(yù)測(cè)的結(jié)果精度更高，結(jié)果更可靠，能夠減少極端數(shù)據(jù)的產(chǎn)生。

本文在很多學(xué)者的研究基礎(chǔ)上提出基于單一預(yù)測(cè)方法的組合預(yù)測(cè)方法，數(shù)據(jù)結(jié)果表明：組合預(yù)測(cè)的結(jié)果比單一預(yù)測(cè)方法預(yù)測(cè)的準(zhǔn)確性更高。根據(jù)研究，首都機(jī)場(chǎng)到2016年旅客吞吐量將突破1億人次，這將超過首都機(jī)場(chǎng)的設(shè)計(jì)負(fù)荷。為了減少旅客流量增大造成的各種問題，首都機(jī)場(chǎng)需要加快進(jìn)行新的候機(jī)區(qū)域的建設(shè)，研究建設(shè)機(jī)場(chǎng)第4跑道等計(jì)劃。

[1]焦朋朋.機(jī)場(chǎng)旅客吞吐量的影響機(jī)理與預(yù)測(cè)方法研究[J].交通運(yùn)輸系統(tǒng)工程與信息，2005，5（1）：107-110.

[2]周 雁.中國(guó)民航貨運(yùn)量的時(shí)間序列模型[J].成都理工大學(xué)學(xué)報(bào)（自然科學(xué)版），2005，32（4）：433-437.

[3]高 磊.祿口國(guó)際機(jī)場(chǎng)旅客吞吐量的模型及預(yù)測(cè)[J].江蘇航空，2003（4）：34-36.

[4]羅亞光.我國(guó)民航飛行員需求預(yù)測(cè)的數(shù)學(xué)模型及統(tǒng)計(jì)分析[J].生產(chǎn)力研究，2006（8）：83-85.

[5]吳仁群.經(jīng)濟(jì)預(yù)測(cè)與決策[M].北京：中國(guó)人民大學(xué)出版社，2011.

[6]趙國(guó)慶.應(yīng)用計(jì)量經(jīng)濟(jì)學(xué)[M].北京：中國(guó)人民大學(xué)出版社，2011.

[7]馮文權(quán).經(jīng)濟(jì)預(yù)測(cè)與決策技術(shù)[M].武漢：武漢大學(xué)出版社，2008.

[8]ROBERT S P，DANIEL L R.計(jì)量經(jīng)濟(jì)模型與經(jīng)濟(jì)預(yù)測(cè)[M].錢小軍等譯著.4版.北京：機(jī)械工業(yè)出版社.

[9]嚴(yán)作人，杜豫川，張 戎，等.運(yùn)輸經(jīng)濟(jì)學(xué)[M].北京：人民交通出版社，2003.

[10]譚永基，朱曉明，丁頌康，等.經(jīng)濟(jì)管理數(shù)學(xué)模型案例教程[M].北京：高等教育出版社，2006.

（責(zé)任編輯：黨亞茹）

Civil aviation passenger throughput forecasting research based on combination forecasting method——Capital Airport

CHEN Yu-bao，ZENG Gang
（College of Economics and Management，CAUC，Tianjin 300300，China）

“Twelve Five”development period will be the golden age of China's civil aviation industry.Aviation passenger throughput will be also rapidly added.Beijing Capital International Airport is the largest civilian airport.It will be significant to research its passenger throughput by scientific and rational method.This passage makes full use of the latest historical data，using multiple linear regression models and time series trend extrapolation model to predict the 2012-2016 passenger throughput of Beijing Capital International Airport.In order to overcome the defects of the two single methods，the portfolio weighting method will be used to determine the results.Finally，a combination of predictive value and historical value of the error analysis results show that：the combination forecasting method can improve the forecast accuracy and reduce forecast error.

airport；civil aviation passengers；throughput；combination method

F562.6

：A

：1674-5590（2014）02-0059-06

2012-10-09；

：2013-01-04

陳玉寶（1962—），男，江蘇人，副教授，MBA，研究方向?yàn)槊窈狡髽I(yè)運(yùn)營(yíng)管理、航空運(yùn)輸戰(zhàn)略管理.