2.航空公司改善航班延误程度研究
因为航班延误涉及的主观评价较多,例如规模不同的航空公司对延误的接受程度也不相同,模糊综合评价适合多因素、复杂的综合评价问题,因此,本文建立的航空公司可改善航班延误程度评估模型采用模糊综合评价方法。
以下结合A、B两家国内航空公司2009年上半年的航班延误情况的统计数据,采用模糊综合评价方法对其可改善航班延误程度进行了评估。
2.1确定评判因素集U
根据航班延误指标对给定的因素集合U进行划分:
第一层因素:
U=﹛U1,U2,U3,U4﹜=﹛空管,机场管理,航空公司,其他延误﹜。
第二层因素:
U1=﹛U11,U12,U13﹜=﹛流量控制,空中交通管制,天气预报﹜;
U2=﹛U21,U22﹜=﹛地面服务,机场设施故障﹜;
U1=﹛U31,U32,U33﹜=﹛机票超售,航班计划,飞机故障﹜;
U1=﹛U41,U42,U43﹜=﹛顾客原因,处理突发事件,天气状况﹜。
2.2计算各因素的权重
要对航空公司改善航班延误的程度进行总体评价,就必须正确地对航班延误评价指标体系的各指标赋予权重。本文运用层次分析法(The Analytic Hierarchy Process,简称AHP)确定各级指标权重。根据评价指标的层次关系,设计专家咨询表,请专家对各层次的所有指标间的相对重要程度打分,且在规定的时间内收回20份调查表。分别对各分调查表进行计算,根据表中判断矩阵,经计算可以分别得到其特征向量,通过一致性检验后,可确定每个专家给出的各指标的权重。最后将所有专家确定的权重归一化,最终得到指标层与准则层的权重。
2.3建立各因素的评判集V
根据航班的运行方式,为了使对航空公司可改善航班延误程度的评价简单直观,确定因素U的量值为:V={V1,V2}={高,低}。
下面分别就国内两家航空公司A和B的2009年上半年的航班延误情况进行分析和评价,评价时以国内航班正常率前9位的航空公司作为参照物,计算出(Xi-Xmin)/(Xmax-Xmin),其中,Xi代表航空公司A或B在某一指标下的航班延误数,Xmin代表在该指标下国内航班正常率前9位的航空公司延误数最小值,Xmax代表延误数最大值,用这一比值表示航空公司在该指标方面改善航班延误的程度。
2.4模糊综合评价结果分析
依据最大隶属度原则,A航空公司2009年上半年航班延误可改善程度为0.5679,B航空公司2009年上半年航班延误改善程度为0.5277,即A航空公司需要改善的程度更高一些。
对比实际数据可发现,航空公司A和B航班延误总量相差无几,航空公司A比B的航班正常率要高,但计算结果显示,A航空公司航班延误可改善的程度反而更高,这是什么原因?仔细比较不难发现,A航空公司由于自身原因造成的延误占很大一部分,这就加大了其与行业内最高水平航空公司的差距,具有较高的提升空间。B航空公司的航班延误很大一部分是由于其他原因,主要包括天气原因和旅客原因等,但由于这部分原因不能完全由航空公司掌握,因此,行业内这一方面的延误水平相差无几,可改善程度相对比较低。
3.结语
本文依据航空公司航班延误的主要原因,建立了航班延误评价指标体系,并运用模糊综合评价方法对航空公司航班延误改善程度进行评价,最后以国内两家航空公司为例进行实证研究,并对计算结果进行了对比分析。
通过分析表明,模糊综合评价方法运用到航空公司可改善航班延误程度问题的评价中,能够很好地解决评价指标以及评价等级判定的模糊性问题,评价结果能够客观地反映航空公司在航班延误方面的优势与存在的薄弱环节。本文采用AHP确定各个指标的权重,通过向多位民航专家发放调查问卷,可以较大的提高各个指标权重的客观性,尽量减少了人为分配的主观性,但专家的选取在一定程度上仍会对评价结果产生影响;本文只对航空公司半年度的航班延误情况进行了评价,在实际运用的过程中,可以针对所评价的航空公司收集多个年度的数据,进行纵向比较,也可扩大样本范围,收集多个航空公司的数据进行横向比较,因此,本文的研究还有待于进一步的深入和完善。
Study on the extent of flight delay for airlines to improve based on multilevel-fuzzy comprehensive evaluation method
Han Ming-liang,Wang Qing-yong
(School of Economics and Management,Civil Aviation University of China,
Tianjin 300300,China)
Abstract:In order to evaluate the extent of flight delays for airlines to improve accurately,a multilevel-fuzzy comprehensive evaluation method was proposed,the domestic status and the main reasons for flight delays were analyzed,and a evaluation index system of flight delay was built,in which the weights of evaluation indices were determined by analytic hierarchy process(AHP). In order to determine the fuzzy relationship matrix index,a comparision of the production data of airlines to study with the highest and the lowest level within the industry was made,thus the evaluation method with the actual situation will be very good together. Analysis result indicates that the system is reasonable,the method can resolve the fuzzinesses of evaluation indices and rating levels appropriately,the evaluation result can reflect the general extent of flight delays for airlines to improve. Based on the evaluation results,airlines can recognize their own insufficient in dealing with flight delays,at the same time,there will be one more scientific choice for passengers to choose when selecting flights.
Keywords:airlines;the extent of flight delays for airlines to improve;multilevel-fuzzycomprehensive evaluation;analytic hierarchy process(AHP).
民用汽车拥有量的预测模型——基于重庆市民用汽车拥有量的实证分析
陈志光梅洪常
(重庆工商大学管理学院重庆400067)
摘要:目前关于汽车拥有量影响因素及预测模型的研究已经比较多,比如灰色系统模型、神经网络预测模型、组合预测模型等。本文对重庆市历年有关数据进行计量分析,从众多因素中得出影响重庆市民用汽车拥有量最直接的因素,进而建立重庆市民用汽车拥有量的计量预测模型,并预测未来10年内重庆市的民用汽车拥有量。
关键词:计量分析;民用汽车拥有量;预测模型
引言
汽车工业产业是现代工业发展的一个主要推动力,近几年来中国民用汽车的消费在迅速发展,在汽车整体消费中所占比例逐年上升,对汽车产业及其关联产业起着重要影响。汽车产业关联度很高,可以带动很多其他的产业部门的发展,如钢铁、橡胶、玻璃、电子和化工工业等。重庆的工业增加值占全市GDP的40%左右,因此可以说第二产业是重庆最重要的一个产业,然而在工业中汽车占有很大比重,所以重庆的汽车工业已经发展到了一个非常重要的支撑局势,成为重庆的支柱产业,这也是重庆被称为“西部汽车城”的关键所在。目前对汽车市场的研究主要集中于整体需求或拥有量预测,对民用和私人汽车购买的针对性研究很少。汽车产业作为重庆经济发展中的支柱产业,对重庆经济走势的影响越来越大,而民用汽车消费在汽车市场所占比重逐年增大,汽车的私人消费也成为汽车市场发展最主要的拉动因素,对于民用汽车拥有量的研究预测有利于我们对重庆市宏观经济走势的判断,同时,汽车保有量预测也是重庆市道路交通规划及产业结构调整的必然要求。可以说,对重庆市民用汽车拥有量的预测研究有利于制定合理的重庆市汽车产业政策和经济政策。因此,对重庆市民用汽车拥有量的预测具有重要的现实意义。
1.民用汽车拥有量的影响因素分析及模型设定
在目前预测汽车拥有量的研究中,众多学者认为影响汽车拥有量的因素很多,因此在对汽车拥有量进行预测时选取的自变量不尽相同。韦保仁等人认为人均GDP和城市化率是预测汽车保有量的重要因素。程赐胜等人认为社会总产值、道路货运量、道路客运量、人口总数等因素是预测汽车保有量的重要考虑因素。杨东援等人认为市区人口、国内生产总值、人均国内生产总值、工业总产值、财政收入、居民年均生活费收入和居民年均生活费支出等因素是预测汽车保有量所需考虑的重要因素。吴泗宗和陈志超等人认为汽车总产量、人口总数、城镇居民人均可支配收入是预测汽车保有量的重要因素。
本文结合重庆市的特点,把全市GDP总量、城镇居民人均可支配收入、人口总数、汽车产量、公路货运量、公路客运量、人口总数、公路里程纳入考虑因素。按照市场营销的理论,消费市场必须同时具备三个要素:消费主体、购买力、购买欲望。以上因素中全市GDP总量、城镇居民人均可支配收入体现购买力,两者与汽车拥有量成正相关关系;人口总数对应消费主体,通常情况下人口总数与汽车拥有量成正相关关系;其他因素影响消费者的购买欲望,促进汽车的消费市场,同样与汽车拥有量成正相关关系。
2.数据处理及分析
本文使用1990~2009年间的有关数据,数据来源于1991~2010年重庆市统计年鉴。重庆市民用汽车拥有量、全市GDP总量、城镇居民人均可支配收入、人口总数、汽车产量、公路货运量、公路客运量、人口总数、公路里程的数据如表1所示(表中的显示省略了1992~2007年间的数据)。
2.1相关关系检验
2.2平稳性检验
经典的回归模型是建立在统计数据时间序列是平稳的假设上的,对于不平稳的时间序列回归,有可能发生“伪回归”现象,模型不能正确反映变量间的真实关系。Engle和Granger(1987)提出的协整(cointegration)理论可以很好地解决上述问题,是近年来处理非平稳时间序列之间长期均衡关系和短期波动的有力工具。在此采用Engle-Granger两步法。首先对变量进行ADF检验,以确定序列的平稳性和单整阶数。经过ADF检验,民用汽车拥有量和全市GDP总量、城镇居民人均可支配收入、全市人口总数、汽车产量、公路客运量、公路货运量及公路里程均为二阶单整。
3.模型检验及修正
初步建立的计量经济模型会由于数据本身的性质或模型中变量的因果关系不明等原因不符合要求,因此需要对模型进行检验和修正。
3.1协整关系检验
协整关系表示一系列非平稳变量之间的共同变化,其经济意义在于:两个或多个变量虽然具有各自的长期波动规律,但如果是协整的,则它们之间存在着一个长期稳定的比例关系。协整性的检验有两种方法:一种是基于回归残差的协整检验,也称为单一方程的协整检验;另一种是基于回归系数的完全信息协整检验。
3.2多重共线性检验
利用方差扩大(膨胀)因子法检查多重共线性。对于多元线性回归模型来说,如果分别以每个解释变量为解释变量,做对其他解释变量的回归,称为辅助回归。
其中是的方差扩大因子,即。由于度量了与其他变量的线性相关程度,这种相关程度越强,说明变量间多重共线性越严重,也就越大。反之,与其他变量的线性相关程度越弱,说明变量之间的多重共线性越弱,也就越接近于1。