偏最小二乘回归的民航客运量预测与分析范文

《今日民航》2017年第4期

摘要：民航客运量预测与分析结果直接影响民航交通规划与管理，对各机场与航空公司是否能够把握行业发展的趋势，并及时制定市场竞争规划有着重要意义。本文采用偏最小二乘回归模型，对2016-2020年的民航客运量做出预测。根据民航客运量需求与经济发展、对外开放之间的关系，分析民航客运量的影响因素，为航空业的民航客运量预测与研究提供了参考，对有效增加民航客运需求具有着一定的参考价值。

关键词：民航客运量；偏最小二乘回归模型；预测

1概述

民用航空运输作为一种现代的交通模式，其发展水平的高低，是评价国家交通运输现代化水平的重要标志。经过多年的发展，自主独立的航空工业产业体系已经逐步形成。目前民用航空工业正处在快速发展阶段，由于航空产品体系的不完整，国内技术水平相较国外而言相对落后，现有的民航工业产业体系不足以支撑客运量快速增加的需求。因此进行民航客运量的预测与分析是现今值得深入研究的课题。民航客运量预测与分析的结果直接影响民航交通规划与管理，为了提高交通规划的准确性与投资的正确性，在建设的初期就必须对客运量进行有效的预测。常规预测的方法大多在实际应用时表现出明显的局限性，为了提高预测的精确性，对预测的方法进行必要的比较与优化是目前值得深入研究的。本文旨在通过对民航客运量的定量预测模型进行研究，提出偏最小二乘回归模型对民航客运量展开预测，预测结果为民航公司提供参考。

2国内外民航客运量的预测研究

国外学者对客运量的研究较早，尤其是欧美发达国家，有着百来年的航空业发展经历，其方法主要考虑航空运输需求的影响因素，利用供给与需求原理，确定需求函数，建立预测模型，通过需求曲线的发展来描述客运量变化趋势。在对阿拉伯的航空市场进行研究时，SYAbed[1]选择利用多元回归模型进行分析，通过对航空客运量需求的主要影响因素的分析，建立多元线性回归定量预测模型。OrhanSivrikaya[2]综合分析了经济、人口等因素，通过对半对数回归模型的建立，得到了与实际客运量差距十分小的预测值，预测的精度很高。TShiose[3]采用综合自回归移动平均的方法来分析台湾航空客运需求的影响因素。TobiasGroschel[4]分析了传统重力模型的缺陷，综合机场间的竞争因素，尝试利用两种不同的重力预测模型对航空客运量进行预测分析，提高了模型的拟合优度。近年来，航空在国民经济中的地位举足轻重，当前关于客运量的需求主要借鉴地面交通规划理论。代表性的研究有：胡思继[5]在《交通运输学》一书中详尽的分析了客货运输需求的影响因素，从经济、人口等方面说明了客货运输需求的产生的机理。杨卉竹[6]运用主成分分析法对民航客运量进行分析，对最关键因素进行提取，解析民航客运量的内在影响机理。得到基于客运需求机理的预测方法。陈可嘉，黄建辉[7]在对福建民航运输的分析中主要研究了其与经济发展的关系，在采用协整理论的同时，利用误差修正模型对模型进行修正，运用了格兰杰因果关系进行了结果检验。

3民航客运量的预测模型的建立

3.1偏最小二乘回归模型。偏最小二乘回归[8]是一种新型的多元统计分析方法，它具有广泛适用性，S.Wold和C.Albano等人在1983年首次提出这一方法。偏最小二乘回归方法是结合了多元线性回归分析、主成分分析和典型相关分析的方法，解决变量间的多重相关性或在回归中样本点少的难题。在回归建模的同时，实现数据结构简化以及变量间的相关分析。偏最小二乘回归模型构建方法：设有q个因变量和p个自变量。观测n个样本点，组成因变量和自变量的数据表Y和X，从而分析因变量和自变量之间存在的统计关系。

3.2偏最小二乘回归模型的构建。y：民航客运量预测值（万人），x1：铁路客运量（万人），x2：运输、邮政业增加值（亿元），x3：国内生产总值（亿元），x4：定期航班航线里程（万公里），x5：居民消费水平（元/人），x6：入境游客（万人）。根据2000-2014年来的二十年的民航客运量时间序列值及各年份影响因素数据，运用SIMCA-P11.5构建偏最小二乘回归模型。从上文可知，民航客运量与各影响因素的线性关系显著，因而建立偏最小二乘回归模型是可行的。SIMCA-P11.5系统对模型自动拟合，当提取一个PLS（PartialLeastSquareRegression，偏最小二乘回归）成分时对民航客运量的交叉有效性是0.994193，第二个成分的交叉有效性为0.00045829，因此SIMCA-P11.5系统只提取一个PLS成分。

3.3PLS模型的检验

3.3.1特异点分析。从t1/u1平面图1可以获得模型的整体结果，线性较好，说明整体模型效果较好。从T2椭圆图2可以十分清楚的看出，样本点均分布在椭圆内，说明无异常点存在。因此，该模型的拟合效果十分明显。

3.3.2精度分析。模型对X和Y的交叉有效性和解释能力分别是0.994193和0.993744，模型的精度较高，可靠性也很强。3.3.3预测分析。根据实际值与模拟值的拟合曲线图进行对比，可以看出偏最小二乘回归模型能较好地拟合出实际历史数据，所以模型的拟合效果是好的。（图3）经检验PLS模型预测结果平均相对误差为0.026334416。

4结论

根据偏最小二乘回归模型，各个影响因素的系数均为正，且对民航客运量的影响程度从高到低分别为运输、邮政业增加值、国内生产总值、居民消费水平、铁路客运量、定期航班航线里程、入境游客。综上分析，经济的快速发展和对外开放是民航业发展的重要推力。本文建立的模型与方法对航空业的民航客运量的预测与研究提供了参考，对有效增加民航客运需求有着一定的价值。

参考文献：

[5]胡思继.交通运输学[M].北京：中国铁道出版社，2001：28-30.

[6]杨卉竹.机场旅客吞吐量的影响因素与预测方法探讨[J].科技视界，2014，3(7)：332-333.

[7]陈可嘉，黄建辉.福建省民航运输与经济增长的关系研究[J].福州大学学报：哲学社会科学版，2014，28(3)：40-43.

[8]于松青，林盛.基于偏最小二乘回归的山东省电力需求预测分析[J].干旱区资源与环境，2015，29(2)：14-20.

作者：李维；肖红专 单位：湖南农业大学理学院