航班延誤影響因素的實證分析

【摘要】 文章采用實證研究方法構建邏輯回歸模型分析航空公司航班延誤的影響因素。研究發現，航空公司的償債能力、盈利能力以及客座率、載運率等對航班延誤都有顯著影響。

【關鍵詞】 航班延誤;實證分析;影響因素

近幾年，隨著我國民航業的不斷發展，民航運輸量快速增長，連續數年旅客運輸量的增長率都在15%以上，在航空運輸業高速發展的同時，我國的航班延誤問題也愈演愈烈。統計顯示2004-2009年我國不正常航班比率都在17%左右。

航班延誤問題不僅嚴重影響了民航旅客對航空公司服務質量的滿意度，而且影響到航空公司的客源、市場占有率與行業競爭力。造成航班延誤的原因約有45%為航空公司自身原因，因此深入分析航空公司內部造成延誤的因素有重要的現實意義。本文擬采用Logit模型對航空公司航班延誤的影響因素進行分析，以期對民航主管部門和航空公司治理航班延誤問題提供決策支持。

一、Logit模型構建

本文的目的是研究航空公司財務狀況、生產運營狀況與航班延誤的關系，假設航空公司的財務狀況如盈利能力、負債狀況、資產運營能力等因素以及生產運營情況如客座率、載運率等因素會影響航班延誤。一個航班或者準點或者延誤，是一個二分類變量，而 Logit回歸模型是對二分類變量進行回歸分析時最為普遍應用的量化分析方法。因此本文擬構建Logit回歸模型研究航空公司財務狀況、生產運營狀況對航班延誤的影響。

假設P為航班延誤的概率，則1-P為航班正常的概率，變量Xi為Logit回歸模型的自變量，是反映航空公司財務狀況和運營狀況的指標。

Logit模型的因變量為航班是否延誤，如果一個航班發生了延誤，則因變量的編碼為Y=1;如果沒有延誤，其編碼為Y=0，則有:

Ln(P/(1-P))=a+∑βiXii=1，...，n

P(Yi=1|Xi)=1/(1+e-(a+∑βixi))

二、實證分析

(一)樣本選擇

本文選擇中國國際航空、南方航空、東方航空、海南航空、上海航空五家上市公司2005-2009年五年的財務數據以及航班延誤數據進行研究。因為中國國際航空公司上市較晚，從2006年第二季度才有完整財務數據，因此分季度統計共得到95個樣本;而生產運營指標如航班正常率、航班載運率來自于中國民用航空局官方網站，該指標是對全行業按月統計，從2006年2月到2009年12月共得到47個樣本。因為航空公司分季度財務報告樣本數與民航局的生產運營數據樣本數不同，因此本文對財務指標和生產運營指標分別進行分析。

(二)變量設定與回歸分析

1.因變量設定

因為民航局沒有專門的航班延誤指標，只有正常航班與不正常航班統計，而航班延誤占了不正常航班的絕大多數，因此本文采用航班不正常率作為航班延誤的替代變量。

因為Logit模型的因變量是分類變量，需將連續型變量航班不正常率轉化為二分類變量。如果某航空公司某一季度航班不正常率大于所有樣本航空公司該季度不正常率均值，則賦值為1，低于均值的賦值為0，即賦值為1的公司相對于賦值為0的公司發生航班延誤的可能性更大。

2.自變量設定

本文選擇反映航空公司盈利能力、現金流量狀況、償債能力、運營能力、成長能力及公司規模的財務指標以及反映生產運營狀況的指標作為候選自變量。具體指標有:反映盈利能力的指標，主營業務利潤率、銷售凈利率、凈利潤;反映現金流量的指標，經營活動凈現金流、總資產現金回收率、銷售收現率;反映償債能力的指標，流動比率、資產負債率;反映運營能力的指標:總資產周轉率、固定資產周轉率;反映公司成長性的指標，主營收入增長率、凈利潤增長率;反映公司規模的指標，主營業務收入、資產總額;反映生產運營情況的指標，載運率、客座率、載運率增長率、客座率增長率。

3.自變量篩選及回歸分析

由于所選自變量較多，在進行回歸分析前先進行自變量篩選。

第一步:利用單變量Logit回歸模型對財務指標進行篩選

篩選自變量的方法:從檢查每個候選自變量與因變量之間的簡單關系著手，通過擬合單變量Logit回歸模型來取得各變量的顯著性檢驗結果。在簡單關系分析完成后，按顯著性從高到低選擇進入多變量回歸模型的自變量。在選擇時只要一個自變量在其簡單關系的檢驗中P<0. 25，都作為多變量模型的候選變量。在篩選候選變量時以0.25的顯著性水平，即α=0. 25作為標準的原因是避免在建立模型時遺漏某些重要的自變量，它們很可能在簡單分析時顯示與因變量弱相關，而在多變量分析時就成為重要的自變量。

通過對每個自變量的簡單分析，符合標準的自變量有資產負債率、總資產現金回收率、銷售凈利率、主營收入增長率、主營收入對數、固定資產周轉率。各指標的描述性統計見表1。

第二步:對入選指標進行多重共線性檢驗

為了避免公司財務指標間的多重共線性問題，在進行多變量回歸前先進行多重共線性檢驗。本文采用相關系數表進行多重共線性檢驗。相關系數統計結果如表2所示。

表2顯示，各財務指標間相關度較小，說明指標間不存在顯著相關關系。

第三步:利用逐步回歸法進行回歸分析

在第一步和第二步分析的基礎上，選擇資產負債率、總資產現金回收率、銷售凈利率、主營收入增長率、固定資產周轉率、主營收入對數六個指標進行多變量Logit回歸分析。本文首先采用Spss的Forward wald方法進行正向逐步回歸，即在截距模型的基礎上，將符合所定顯著性水平的自變量一次一個地加入模型進行分析。最終得到的是只包括資產負債率和總資產現金回收率的兩變量模型。模型回歸結果見表3。

由于Spss的Forward wald方法僅僅是依據統計標準操作，因此只能將它作為變量篩選的初步步驟，它主要用于探測性分析而不是關注于檢驗理論，機械的選擇程序可能選到無關或噪音變量，因此其結果只能作為參考。

本文在兩變量模型的基礎上逐步添加其他變量，構建新的模型，并比較其擬合優度與模型的解釋能力。因為模型中自變量均為連續變量，協變類型的數量很大，每個協變類型所對應的觀察案例并不多，指標Deviance和Pearson卡方不再適用于估計模型擬合優度。而應該采用Hosmer-Lemeshow(HL)檢驗。該方法根據模型預測概率的大小將數據分成規模大致相同的10個組，然后根據每一組中因變量各種取值的實測值與理論值計算Pearson卡方。通常用于自變量很多，或者自變量中包含連續性變量的情況。

經過比較，發現由資產負債率、總資產現金回收率、銷售凈利率、固定資產周轉率四個指標作為自變量的模型在模型擬合程度與變量解釋能力方面優于其他模型。該模型回歸結果見表4。

根據表4的回歸結果可以構造如下Logit模型:

Ln(P/(1-P))=8.01-9.26X1-17.33X2-3.23X3+0.30X4

式中P為航班延誤發生的概率，X1、X2、X3、X4分別為資產負債率、總資產現金回收率、銷售凈利率、固定資產周轉率。表4的回歸結果顯示，資產負債率、總資產現金回收率、銷售凈利率的系數均為負值，說明航班延誤的可能性會隨著資產負債率、總資產現金回收率、銷售凈利率的提高而降低。資產負債率反映了公司負債程度，航空公司在購買或融資租賃飛機、發動機等固定資產時，往往會利用長期負債，所以資產負債率升高可能說明航空公司處于業務擴張期，購買的飛機多，可用運力增加，有助于增加航空公司航班計劃靈活性，降低航班延誤的可能性。總資產現金回收率反映了公司利用全部資產獲取現金的能力，該指標越高，公司越有充足的資金改善服務，提高航班正常率。銷售凈利率反映了公司的盈利能力，盈利公司相對于虧損公司員工的工作積極性和主動性更高，有利于提高工作效率，降低人為原因的航班延誤。固定資產周轉率反映了航空公司對固定資產的利用效率，該指標越高，說明公司對固定資產的利用效率越高，不過我國航空公司普遍存在的一個問題是，飛機日利用率偏高，這樣雖然充分發揮了飛機的生產能力，但造成航班銜接過于緊密，一旦某一航班發生延誤，就會影響后續的一系列航班，造成大規模的延誤，因此固定資產周轉率高可能會增加航班延誤的可能性。

第四步:分析生產運營指標對航班延誤的影響

由于四個生產運營指標客座率、載運率、客座率增長率、載運率增長率的相關性較強，因此分別對客座率、載運率、客座率增長率、載運率增長率進行單變量Logit回歸分析。統計結果見表5。從表5可以看出航班延誤率與客座率增長率、載運率、載運率增長率呈顯著正向關系，與客座率成正向關系，但統計不顯著。

三、結論

航班延誤問題是受到社會廣泛關注的一個問題，航班延誤會影響消費者對航空公司服務的滿意度，進而影響其對航班、航空公司的選擇，從而會影響航空公司的聲譽、客源和利潤，因此航空公司必須對航班延誤問題給予高度重視。本文研究了航空公司財務狀況及生產經營狀況對航班延誤的影響。研究結果顯示，航班延誤的可能性會隨著航空公司資產負債率、總資產現金回收率、銷售凈利率的提高而降低，會隨著固定資產周轉率的提高而提高。因此航空公司要合理地制定公司計劃，將固定資產周轉率控制在一個合理水平，不能為了提高飛機日利用率而將航班排得過于緊密，盡量降低航班計劃原因導致的延誤。其次應努力提高公司盈利和獲取現金流的能力，保證有充足的資金用于提高服務質量，降低航班延誤的可能性。

對生產經營指標的回歸分析顯示，航班延誤與客座率增長率、載運率、載運率增長率成顯著正向關系，與客座率呈不顯著的正向關系。說明載運率與客座率都會對航班延誤產生影響，但對航班延誤有顯著影響的是載運率。由于客機的載運率綜合反映了乘客與貨物的運載情況，可以推斷貨物運載是引起航班延誤的主要原因，因此航空公司應采取有效措施合理確定貨物配載量并提高貨物的裝運效率，降低由于貨物運輸引發的航班延誤。統計結果顯示客座率與載運率的增長都會顯著增加航班延誤的可能性，因此民航主管部門和航空公司在運輸旺季應特別關注對航班延誤的控制。●

【主要參考文獻】

[1] 中國民用航空局發展計劃司.2009從統計看民航 [M].北京:中國民航出版社，2009.

[2] 中國民用航空局發展計劃司.2008從統計看民航[M].北京:中國民航出版社，2008.

[3] 中國民用航空總局規劃發展司.2007從統計看民航[M].北京:中國民航出版社，2007

[4] 中國民用航空總局規劃發展財務司.2006從統計看民航[M].北京:中國民航出版社，2006.

[5] 邢有洪，李曉津.航空公司航班延誤損失分析[J].會計之友，2010(2).

[6] Rose N.L.， Profitability and product quality: economic determinants of airline safety performance，Journal of Political Economy[J] Vol. 98， 1990.

[7] Vasanthakumar N. Bhat，A multivariate analysis of airline flight delays，International Journal of Quality Reliability Management[J]Vol. 12 No. 2， 1995.

[8] 王濟川，郭志剛.Logistic回歸模型: 方法與應用[M].北京:高等教育出版社，2001.