可编辑
关于我国民航客运量的统计分析
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：
1.引言
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》获得1978-1993年统计数据,见表1
表1统计数据 年份 y 1978 1979 1980 1981 1982 1983 231 298 343 401 445 391 x1 3010 3350 3688 3941 4258 4736 x2 1888 2195 2531 2799 3054 3358 x3 81491 863 92204 95300 99922 106044 x4 14. 16.00 19.53 21.82 23.27 22.91 x5 180.92 420.39 570.25 776.71 792.43 947.70 精品文档，欢迎下载
可编辑
1984 1985 1986 1987 1988 19 1990 1991 1992 1993 554 744 997 1310 1442 1283 1660 2178 2886 3383 5652 7020 7859 9313 11738 13176 14384 16557 20223 24882 3905 4879 5552 6386 8038 9005 9663 10969 12985 15949 110353 112110 108579 112429 1225 113807 95712 95081 99693 105458 26.02 27.72 32.43 38.91 37.38 47.19 50.68 55.91 83.66 96.08 1285.22 1783.30 2281.95 2690.23 3169.48 2450.14 2746.20 3335.65 3311.50 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6977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2元，增长12.9%。其中，人均农业纯收入17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，增长24.4%。受农村养老保险等全面推进的影响，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；二是个体工商户和营业税起征点提高，税赋降低。
精品文档，欢迎下载
可编辑
人均财产性收入9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
精品文档，欢迎下载
可编辑
表 4铁路客运量与民航客运量的散点图
表 5航线里程民航与民航客运量的散点图
精品文档，欢迎下载
可编辑
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
民航客运国民收消费铁路客运民航航线来华旅游入境量 入 额 量 里程 人数 1
.9 .000 16
**
**
民航客Pearson
运量 Correlation
.985 .227 .000 .398 16
**
**
.987 .000 16 .984 .000 16 .978
****
**
.924 .000 16 .930 .000 16 .942
****
**
Sig. (2-tailed) N
国民收Pearson 入 Correlation
16 .9
16
1 16
.999 .258 .000 .335 16
**
Sig. (2-tailed) .000 N
消费额 Pearson
Correlation
16 .985
**
16 .2
.999 1
精品文档，欢迎下载
可编辑
表7偏相关阵 民航客运国民收消费铁路客民航航线来华旅游入量 入 额 运量 里程 境人数 1 .9 .000 16 ****民航客运量 Pearson Correlation .985 .227 .000 .398 16 ****.987 .000 16 .984 .000 16 .978 .000 16 .213 .428 16 1 16 ******.924 .000 16 .930 .000 16 .942 .000 16 .504 .046 16 .882 .000 16 *********Sig. (2-tailed) N 国民收入 Pearson Correlation 16 .9 16 1 16 .999 .258 .000 .335 16 **Sig. (2-tailed) .000 N 消费额 Pearson Correlation 16 .985 **16 .2 .278 16 .999 .000 16 .258 .335 16 1 16 Sig. (2-tailed) .000 N 铁路客运量 Pearson Correlation 16 .227 .2 1 .278 16 16 **Sig. (2-tailed) .398 N 民航航线里Pearson 程 Correlation 16 .987 **.984 .000 16 **.978 .213 .000 .428 16 16 ***Sig. (2-tailed) .000 N 来华旅游入Pearson 境人数 Correlation 16 .924 **.930 .000 16 .000 16 .258 .335 16 **.942 .504 .000 .046 16 16 16 .278 16 .882 .000 16 .000 16 .213 .428 16 1 16 **1 16 .000 16 .504 .046 16 .882 .000 16 ***Sig. (2-tailed) .000 N 16 Sig. (2-tailed) .000 N 铁路客运量 Pearson Correlation 16 .227 .2 1 .278 16 16 **Sig. (2-tailed) .398 N 民航航线里Pearson 程 Correlation 16 .987 **.984 .000 16 精品文档，欢迎下载
**.978 .213 .000 .428 16 16 Sig. (2-tailed) .000 N 16 可编辑
来华旅游入Pearson 境人数 Correlation .924 **.930 .000 16 **.942 .504 .000 .046 16 16 ***.882 .000 16 **1 16 Sig. (2-tailed) .000 N 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 1 R .999 aR Square .998 Std. Error of the Adjusted R Square Estimate .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。
精品文档，欢迎下载
可编辑
表9 方差分析表 Model 1 Sum of Squares df Regression 1.382E7 Residual Total 24494.981 1.384E7 5 10 15 Mean Square F 2763775.354 1.128E3 2449.498 Sig. .000 aa. 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: 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 Unstandardized Coefficients Model 1 (Constant) 国民收入 消费额 铁路客运量 民航航线里程 B 450.909 .354 -.561 -.007 21.578 Standardized Coefficients t 2.532 4.152 -4.478 -3.510 5.354 8.440 Sig. .030 .002 .001 .006 .000 .000 Std. Error Beta 178.078 .085 .125 .002 4.030 .052 2.447 -2.485 -.083 .531 .5 来华旅游入境人.435 数 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]
精品文档，欢迎下载
可编辑
[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
.
精品文档，欢迎下载
