苗競文 羅貝妮 鄭曉峰吉林財經(jīng)大學

?

航班延誤問題的研究

苗競文 羅貝妮 鄭曉峰
吉林財經(jīng)大學

摘要：香港南華早報網(wǎng)根據(jù)flightstats.com 的統(tǒng)計稱：中國的航班延誤最嚴重，國際上航班延誤最嚴重的10個機場中，中國占了7個。其中包括上海浦東、上海虹橋、北京國際、杭州蕭山、廣州白云、深圳寶安、成都雙流等機場.本文主要研究我國是否存在航班延誤問題及航班延誤的原因。本文運用統(tǒng)計學上假設(shè)檢驗的方法判斷我國是否存在航班延誤的問題；采用了多元線性回歸的方法，定量分析航班延誤的原因。為判斷是否存在航班延誤問題，本文利用香港南華早報中所采用的flightstats. com網(wǎng)站公布的《2014年的全球機場準點率排名》上的數(shù)據(jù)，對上海浦東、上海虹橋、北京國際、杭州蕭山、廣州白云、深圳寶安、成都雙流等7個機場各隨機抽取150個班次作為樣本，進行航班延誤時間的統(tǒng)計.運用統(tǒng)計學中的假設(shè)檢驗的方法，對flightstats.com中數(shù)據(jù)的真?zhèn)涡赃M行檢驗。為定量分析航班延誤原因，建立了多元線性回歸模型，分析可能導(dǎo)致航班延誤的原因及其與航班延誤的相關(guān)關(guān)系.通過查閱大量資料本文確定了一些影響航班延誤的因素，并以這些因素為基礎(chǔ)進行回歸分析，進而剔除對航班延誤影響不顯著的因素，得出航班延誤的主要原因，利用Eviews軟件進行求解。

關(guān)鍵字：假設(shè)檢驗 多元線性回歸模型 Eviews軟件

1　模型假設(shè)

（1）本文中航班延誤指的是實際起飛時間比計劃起飛時間晚15分鐘以上（不包括15分鐘）；

（2）顯著性水平α=0.05α=0.05；

2　變量說明

i： 上海浦東、上海虹橋、北京國際、杭州蕭山、廣州白云、深圳寶安、成都雙流這七個機場分別標號1、2、3、4、5、6、7；

θi：第i個機場樣本的正點率；

ni：第i個機場的樣本數(shù)（ ni-150）；

?：各個致因因素出現(xiàn)頻數(shù)的矩陣；

3　模型一的建立與求解

3.1問題的進一步分析

為判斷是否存在航班延誤問題，把上海浦東、上海虹橋、北京國際、杭州蕭山、廣州白云、深圳寶安、成都雙流分別作為出發(fā)地，在2014年的數(shù)據(jù)中各隨機抽取150次航班，分別統(tǒng)計延誤時間，對香港南華早報中所采用的flight stats.com發(fā)布的《2014年的全球機場準點率排名》中各個機場的正點率進行假設(shè)檢驗，以此來驗證flight stats.com數(shù)據(jù)的真實性，進而判斷我國是否存在航班延誤的問題.

3.2 數(shù)據(jù)處理

flight stats.com公布的《2014年的全球機場準點率排名》中2014年中國機場的正點率如下：上海浦東機場正點率為37.26%、上海虹橋機場正點率為37.17%、北京國際機場正點率為52.64%、杭州蕭山機場正點率為36.74%、廣州白云機場正點率為49.56%、深圳寶安機場正點率為49.42%、成都雙流機場正點率為57.61%.

抽樣調(diào)查的中國上海浦東、上海虹橋、北京國際、杭州蕭山、廣州白云、深圳寶安、成都雙流這七個機場的延誤情況，計算這七個機場抽樣航班的正點率：

計算結(jié)果如下：上海浦東機場正點率為10%、上海虹橋機場正點率為15.33%、北京國際機場正點率為16%、杭州蕭山機場正點率為12.67%、廣州白云機場正點率為11.33%、深圳寶安機場正點率為15.33%、成都雙流機場正點率為48%.

3.3 模型建立

為驗證我國是否存在航班延誤問題，利用統(tǒng)計學上假設(shè)檢驗的方法，建立的數(shù)學模型如下：

依據(jù)香港南華早報中所采用的flight stats.com發(fā)布的《2014年的全球機場準點率排名》里2014年中國7個機場正點率和抽樣調(diào)查得出的2014年中國7個機場正點率，提出如下假設(shè)：

在H0成立時，

3.4 模型求解

根據(jù)樣本觀察值計算得：

1 2 3 4 5 6 7 ? -6.905　 -5.535　 -8.987　 -6.115　 -9.364　 -8.351　 -2.382

因為zi＜-1.645全部成立，則都接受H1，故以0.05的顯著性水平證實了備擇假設(shè)成立.

3.5結(jié)果分析

假設(shè)檢驗結(jié)果顯示，我國7個主要機場的正點率低于flightstats.com發(fā)布的《2014年的全球機場準點率排名》中的正點率.flightstats.com統(tǒng)計的數(shù)據(jù)已經(jīng)說明我國的航班延誤十分嚴重，而我們抽樣調(diào)查的數(shù)據(jù)顯示我國7個主要機場的正點率比flightstats.com統(tǒng)計的正點率還低，這充分證明了我國的航班延誤十分嚴重這一結(jié)論的正確性.

4　模型二的建立與求解

4.1問題的進一步分析

通過查閱大量資料，我們確定了一些影響航班延誤的因素，其中有天氣、公司、流量控制、機場、聯(lián)檢、油料、離港系統(tǒng)、旅客、軍事活動、公共安全這10個原因.對這10個原因進行線性回歸分析，研究這10個原因與航班延誤之間的相關(guān)關(guān)系。

4.2數(shù)據(jù)處理

我們統(tǒng)計了1996年—2012年天氣、公司、流量控制、機場、聯(lián)檢、油料、離港系統(tǒng)、旅客、軍事活動、公共安全這10個因素分別導(dǎo)致的航空延誤的班次。

對延誤航班次數(shù)和導(dǎo)致航班延誤的各個原因的次數(shù)繪制線性統(tǒng)計圖，可以大致看出因變量（不正常班次）與自變量（各個原因?qū)е碌暮桨嘌诱`次數(shù)）呈線性關(guān)系，所以可以建立線性回歸的數(shù)學模型來分析因變量與自變量之間的相關(guān)關(guān)系。

4.3模型建立

4.4 模型求解

利用Eviews軟件得到估計方程的輸出結(jié)果，得模型估計結(jié)果為：

根據(jù)p值判斷，給定0.05的顯著性水平，回歸系數(shù)的估計值只有具有顯著性.而模型的擬合優(yōu)度（R2）很高，F(xiàn)值很高，說明解釋變量間可能存在多重共線性.

下面用Klein判別法來檢驗?zāi)Ｐ椭械亩嘀毓簿€性，利用相關(guān)系數(shù)矩陣來查看解釋變量之間的簡單相關(guān)系數(shù).

根據(jù)變量之間的簡單相關(guān)系數(shù)，可以看到解釋變量之間是高度相關(guān)的，即模型存在著多重共線性問題.

為優(yōu)化模型，我們用逐步回歸法克服多重共線性，首先用解釋變量對每一個解釋變量做簡單回歸，以此建立Y關(guān)于

x10的回歸式，這10個回歸式按可決系數(shù)大小排列.

將第一個回歸式作為基本的回歸方程，按解釋變量重要性從大到小的順序逐個引入其余的解釋變量.

首先，引入x3，對Y 關(guān)于x1和x3作回歸分析，得出回歸方程為：.

可以看出，加入x3后，改進了R2，且回歸參數(shù)的t檢驗在統(tǒng)計上也是顯著的，所以在模型中保留x3.

的系數(shù)不能通過t檢驗，認為這些變量是多余的，應(yīng)該舍棄.

綜上所述，我們求解出的線性回歸方程為：

4.5結(jié)果分析

根據(jù)對天氣、公司、流量控制、機場、聯(lián)檢、油料、離港系統(tǒng)、旅客、軍事活動、公共安全這10個原因的線性回歸分析，我們發(fā)現(xiàn)天氣、公司、流量控制、旅客、軍事活動這5個原因?qū)桨嘌诱`有顯著影響，機場、聯(lián)檢、油料、離港系統(tǒng)、公共安全對航班延誤的影響不夠顯著，可以忽略不計.

5　結(jié)果分析

本文建立了兩個模型。首先通過假設(shè)檢驗的方法判斷我國是否存在航班延誤這一問題，從結(jié)果可以看出我國航班延誤十分嚴重。進而通過查閱資料得到天氣、公司、流量控制、機場、聯(lián)檢、油料、離港系統(tǒng)、旅客、軍事活動、公共安全這10個影響航班運行的因素，并結(jié)合我國數(shù)據(jù)進行相關(guān)回歸分析，以確定導(dǎo)致我過航班延誤的主要原因，建立了線性回歸方程，得出天氣、公司、流量控制、旅客和軍事活動這5個因素是導(dǎo)致我國航班延誤的主要原因，為進一步建立航班延誤預(yù)警機制以及有針對的解決航班延誤問題提供了理論基礎(chǔ).

6　模型的評估和改進

6.1模型的優(yōu)點

模型一：假設(shè)檢驗?zāi)軌蛴脴颖局笜斯烙嬁傮w指標，依據(jù)一定的概率原則，以較小的風險來判斷估計數(shù)值與總體數(shù)值是否存在顯著差距，本文以flightstats.com網(wǎng)站公布的《2014年的全球機場準點率排名》上的數(shù)據(jù)為估計數(shù)值，發(fā)現(xiàn)總體數(shù)值并未與之有顯著差異，即我國航班延誤問題確實十分嚴重.

模型二：線性回歸分析可以準確的計量各個因素之間的相關(guān)程度與回歸擬合程度的高低.簡潔明了，得到的因素權(quán)重可信度比較高.本文通過線性回歸分析找出了影響我國航班延誤的因素，分別是天氣、公司、流量控制、旅客和軍事活動這5個因素。

6.2模型的缺點和改進

引進變量時，我們尚未考慮實際問題的一些因素以及事件具有隨機性，把問題理想化構(gòu)造模型，這與解決實際問題有一定距離，而且因素具有不確定性。

參考文獻

［1］馬敏娜，王靜敏.統(tǒng)計學.高等教育出版社.2011

［2］易丹輝.數(shù)據(jù)分析與EViews應(yīng)用.中國人民大學出版社.2008

［3］攸頻，張曉峒.Eviews6實用教程.中國財政經(jīng)濟出版社.2008

［4］中國民用航天局發(fā)展計劃司.從統(tǒng)計看民航（1997-2013）.中國民航出版社.1997-2013