Residual Total 26206.869 13845410.438 7 15 3743.838 使用SPSS统计分析软件对上述9个指标的变量进行数据处理，表2我们可以得出x1,x2,x4,x5,x6,x7x8,x9均有较高的相关系数，且均在0.9以上，说明自变量均与因变量有较高的相关性，该组数据可以进行多元线性回归，但同时我们可以发现
x3对于y的相关系数偏小，仅为0.211，P值为0.216，x3表示为铁路客运量，然而不能够仅依据以上判别说明x3与民航客运量没有显著的相关，下文还要进一步的的判定。
复相关系数R＝0.999，决定系数R2 ＝0.998（表1），由相关系数来看回归方程高度显著。方差分析表中，F=461.398，P值＝0.000表明回归方程高度显著（表3），说明x1,x2,x3,...,x9整体上对ｙ有高度线性关系。其中x3铁路客运量的Ｐ值=0.038最大，可是仍然在0.05的显著性水平上对y具有高度显著，这充分说明在多元回归分析中，不能仅凭相关系数的大小而决定变量的取舍。
但是分析中显示出VIF最大为2800，严重大于10，因此该回归方程存在严重共线性。
初步回归方程为：
y?735.149?0.354x1?0.067x2?0.005x3?20.4x4?0.476x5?0.18x6?2.671x7?0.017x8?0.423x9R2 =0.998，F=461.398，D.W.=2.11
2.3模型的检验：
2.3.1经济意义检验
模型的拟合优度较高，从经济意义来看，人均的消费量越高，民航客运量也应相对的增加，即成正相关，但结果是回归方程中X2的系数却为负数，按一般经济原理，其系数应该为正数，并且自变量间相关系数也很高，均为0.9以上，因此，结果不符合经济意义，且各自变量间相关性较大。。
经验告诉我们，在多元线性回归模型的估计中，如果出现参数估计值的经济意义明显不合理的情况，应该首先考虑是否存在多重共线性。
2.3.2多重共线性的检验及修正
在 OLS 下，模型的R2 和F 值较大说明方程显著，但参数的t 检验值较小，说明各解释变量对Y 的联合线性作用显著，但各解释变量间存在多重共线性使得它们对Y的独立作用不能分辨，导致t检验不明显。
采用逐步回归法，可以克服多重共线性 第一次逐步分析如下：
表4 常用统计量
Model
R
R Square
Adjusted R Std. Error Durbin-WaSquare
of the Estimate
1 2 3 4 5
.990 .993 .997 .998 .999
.980 .986 .994 .996 .998
.979 .984 .992 .995 .997
140.405 120.787 83.255 71.107 55.315
2.264 tson
由上图我们可以看出第五部分的拟合优度最高位0.999，但是其中的各项变量的VIF值并未满足小于10的客观条件。因此现我们针对第五部分剔除多余变量及VIF最大值后进行第二次逐步归回分析。
表5 第二次逐步后统计量
Model
R
R Square
Adjusted R Std. Error Durbin-WaSquare
of the Estimate
1 2 3
.987 .993 .996
.974 .986 .993
.972 .984 .991
159.399 122.656 90.620
tson
2.050
表6 模型相关信息表
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig. Collinearity Statistics
1
)
(Constant
B -382.526
Std. Error
77.877
Beta
-4.912
.000
Tolerance VIF
.987
1.000
1.000
2
民航航线里程 (Constant)
40.149 1.742 23.042 .000
-396.858 32.156 .168
60.087 2.793 .052
.791 .224
-6.605 11.514 3.263
.000 .000 .006
.230 .230
4.339 4.339
入
民航航线里程
3 (Constant 600.839 27.109 .295
293.615 2.532 .053
.666 .392
2.046 10.705 5.564
.063 .000 .000
.153 .119
6.536 8.389
民航航线里程 来华旅游入境人数 铁路客运量
-.010 .003 -.119 -3.438 .005 .497 2.014
第二次逐步分析后，由上表我们可以看出仍然是第三部分的拟合优度最高为0.993，并且第三部分的VIF值均小于10，满足条件。
y?600.839?0.01x3?27.109x4?0.295x5 R2 =0.993， F=558， D.W.= 2.02
通过逐步分析法的修正，有效地克服了多重共线性问题，通过D.W.值我们可以看出2.02已十分接近于2，因此此时所得的回归方程并不存在序列相关性，符合经济意义。
2.3.3 残差分析
为检验观察数据是否存在调查误差或其他偶然因素的干扰，下面我们将对数据残差进行检验是否存在异常
由上图可以看出，各点均匀的分布在0点的上下，其均值趋于0点，因此我们可以得出该组数据并没有出现异常值，分析结果具有可信度。
3.原因分析
(一)铁路客运量对民航客运量影响的分析一般情况下我们都认为铁路和民航共同拥有旅客,所以乘火车的旅客越多,民航的客运量将越少,但近年来乘飞机人数的增多,大部分都是由于来华旅游入境人数的增多,因而,就目前中国的实际情况来说,铁路客运量与民航客运量之间并没有太大的相关性[3]。
(二)国民总收入对民航客运量影响的分析通过分析结果我们发现国民总收入对民航客运量的影响最大,也就是说,随着国民总收入的提高,人民生活水平的不断上升,人们对于生活质量的要求也会不断的提高。人们不仅仅再满足于简单的温饱问题了,随着收入的提高,消费的水平自然也会有所提高,那么对于外出的长途旅行或出差公干等,乘坐飞机已不再是一种奢侈的方式了。因此,国民总收入的提高自然会影响到民航客运量的发展。 (三)民航航线里程、入境旅游人数对民航客运量影响的分析随着国民总收入的大幅提高,民航航线里程和入境旅游人数对民航客运量的影响也就变得不那么显著了。国民总收入制约着民航航线里程和入境旅游人数。从所建立的回归模型上看民航客运量与民航航线里程、入境旅游人数无太大关系,但从专业知识方面来看
[4]
随着民航运输能力的提高。或者民航服务的进一步完善,民航客运量必将得到提高。我国旅游资源丰富,社会环境稳定,促使了旅游业的迅速发展,吸引了大量的外国游客来华旅游.据统计,1997~2002年这五年内入境旅游人数的年均增长率达到了11.20%,这样无疑对于我国航空业的发展有所促进,也就会使民航客运量有显著提高
4.结论
总之,通过相关资料我们发现对于改革开放后的十年影响我国民航客运量的主要因素是国民收入、民航航线里程、入境旅游人数三个方面，可以从这些最大的影响因素角度入手[5]。一方面评估我国整体的经济状况，并分析我国国内生产总值中消费与积累的比例，同时对外部环境有一个充分的了解和把握。另一方面从自身因素入手，不断提高服务能力、服务水平。同时，应该对中国民航的重要的客源即国外游客提出一些有吸引力的服务或其它措施，来跟踪和了解他们的消费行为和习惯，如果有必要可以建立一些有关这些人的客户档案，通过大量的数据进一步分析出这些人的行为规律，以便制定有针对性的对策。当然，本文也存在着一定缺陷。因为整个民航的运输量不但包括客运量，还有一个重要的部分是货运量，所以如果要对民航运输量作出全面的了解，还要进一步模拟出货运量的影响规律.而随着我国经济的不断发展以及我国丰富的资源和庞大的市场吸引外商大量的投资,促使我国国民收入大幅提高,同时商业性的旅游也成为民航的一个重要部分,由此促进我国民航客运量的发展,我国的民航客运事业将有远大的前景.
参考文献:
[1]何晓群.回归分析与经济数据建模[M].北京:中国人民大学出版社,1997. [2]魏文元等.概率论与数理统计[M].天津:天津教育出版社,1996.
[4]中华人民共和国国家统计局.中国统计年鉴-2004[EB/OL].中国统计年鉴-1996[EB/OL].中国统计年鉴-2002[EB/OL].中国统计年鉴-2000[EB/OL].中国统计年鉴-1999[EB/OL].中国统计年鉴-1998[EB/OL].
[5]刘建华,叶文振.我国民航客运量实证研究[J].中国民航飞行学院学报,2002,(12).[6]傅连军.铁路提速对民航客运量的影响[J].郑州航空工业管理学院学报,2005,(3)