基于SPA方法的区域航空客流关键影响因子选择研究
◆刘晓明
摘要 ：鉴于地区之间发展的不平衡性，为了准确预测地区航空客流量，就需要找出不同地区的关键影响因子。首先，针对各地区航空客流量和可能影响因子之间的关系建立集对分析模型，然后根据各影响因子联系度值的大小，选出地区航空客流关键影响因子；最后利用关键影响因子对地区进行分类，结合各类地区历史数据进行多元回归分析验证。结果表明，联系度大和模数大的关键影响因子集所在地区，其航空客流量预测更加准确。
关键词 ：航空客流；集对分析；联系度；关键影响因子集
一、前言
航空客流的准确预测是进行航空运输规划的重要基础工作。因此航空客流的形成机理与流量预测方法一直是该领域的研究重点。但目前在这方面的研究多为针对单一因素，如全国的航空客流总量、或某局部市场（单个地区、单个机场、单条航线）的航空客流量[1-3]。由于我国各地区经济发展水平、资源禀赋、地理区位、人口数量、产业结构、以及地面运输竞争等诸多因素的不同，使得各地区航空客流影响因子的类别、关联程度存在较大差异，有学者开始从影响因素角度研究航空运输[4-5]。地区航空客流与多种影响因子之间存在关联性，其中包含了确定和不确定因素，构成一个不确定系统。本文以我国大陆31个地区为对象，应用方法分析各地区航空客流的关键影响因子集，并通过对各地区相关数据的分析处理，验证SPA方法对关键影响因子选择的有效性。
二、集对分析方法介绍[6]
我国学者赵克勤于上世纪90年代提出处理不确定性的一种新方法——集对分析，又称着同异反分析法。所谓“集对”就是有联系的两个集合组成的对子。通常可以用两个集合组成的集对来刻画所研究对象的内涵。就其关系而言，有三种情况：统一（同一）、既非对立又非统一（差异）和对立（矛盾），集对分析法称这三种情况分别为“同”、“异”和“反”。集对分析理论就是借助这三种要素来巧妙地刻画所论问题。具体地说，设两个“集合对子”具有“同一”的特性个数为S，两个“集合对子”相互“对立”的特性个数为P，两个“集合对子”既“非同一又不相互对立（称为差异）”的特性个数为F，令“集合对子”所要研究的特性总数为N，表示所论值域内的“同一性”个数、“对立性”个数及“差异性”个数之总和。则有“同一度”：a=S/N，它度量两个集合的统一性；“对立度”：c=P/N，它度量两个集合的“对立性”。“差异度”：b=F/N，F=N-S-P，它度量两个集合的“差异性”。公式为：
μ（x）称为所论问题x的同异反联系度，i为差异度系数，在[-1，1]之间视不同情况取值；j为对立度系数，在运算中恒取-1。它是对确定性与不确定性之间的定量描述，其中a，c是比较确定的，而b是相对不确定的。
对于中小零售企业电子商务商业运营模式运行管理体系而言，顾客界面是较为关键的组成元素，主要涉及目标客户、管理渠道以及服务与品牌建设等，从而维护相应产品信息和服务对象，一定程度上在网络中树立关键的企业品牌形象，为后续服务管理工作的全面开展奠定基础。
三、基于SPA的航空客流关键影响因子实证分析
（一）可能影响因子的选择
本文根据已有的研究成果结果，剔除类似的因子，并考虑到数据的可得性，选择以下最有代表性的6个可能影响因子：X1—人均GDP（万元），X2—人口数（万人），X3—第一产业从业人员比重，X4—入境旅游人数（万人），X5—城镇居民人均可支配收入（万元），X6—进出口商品总额（亿元），并设Y为地区航空客流量（万人）作为应变量。研究重点则在于这6个影响因子对我国大陆31个地区航空客流作用的差异性程度。
（二）联系度的计算与关键影响因子集的选择
最后根据表1中各联系度值选择每个地区关键影响因子，得到其组成的集合。地区航空客流量与影响因子之间的相关程度是有差异的，联系度越大说明相关性越强，表1中的联系度定量地反映了这点。以0.5为临界值，选择联系度在0.5以上的那些影响因子作为地区航空客流关键影响因子，并把它们细分为三类：联系度在0.8以上的为第一系列、在0.6至0.8之间的为第二系列、在0.5至0.6之间的为第三系列，同一系列中的因子按大小从左至右排序，得到关键影响因子集（见表2）。
根据式（1），逐个计算各地区航空客流量与6个影响因子变量之间的联系度（见表1）。把每个地区的6个因子联系度值分别相加，得到表3最后一列的联系度和值，其理论取值范围在[0，6]之间。
①饮食清淡,忌辛辣次惊性食物,多食新鲜蔬菜。水果。②注意点眼卫生:点眼钱用肥皂洗净双手,仰卧位,辦开下眼睑,药品口距结膜囊1-2CM,向结膜囊内滴入1-2滴眼液,连续点两种或以上眼药时,需要间隔3-5分钟,禁止将眼药点健眼,或者让家人使用,尤其含激素的眼药不能随意点,按医生要求执行和停用。每日正常洗脸,注意用眼卫生,单独使用一张毛巾,每周用开水煮沸消毒一次,勿揉眼睛,勿让脏物或脏水进入眼内。③活动与休息:避免过度用眼,禁止剧烈运动,如:跳、跑、抬、举④部分患者涉及戴镜或弱视训练,请复查时严格遵医师指使执行。⑤按照医师指定的时间内复查。
表1 地区航空客流量与影响因子变量的联系度
关键影响因子集的选择是依据地区航空客流量与影响因子之间的联系度。为此首先计算影响因子的特征参量（即“同一度”、“差异度”、“对立度”）和差异度系数。根据集对分析的基本原理，利用已得到的“同异反”关系，分别计算每个影响因子的同异反特征参量。以人均GDP（X1）为例，在31个地区中的等级为4的地区共N=6个，而这6个地区航空客流量等级为4（“同”）的有S=3个、等级为3（“异”）的有F=1个、等级为2（“反”）的有P=2个，因此有同一度a=S/N=3/6=0.5，差异度b=F/N=1/6=0.17，对立度c=P/N=2/6=0.33，同理可算出X1其他三个等级的特征参量，则X1的四个等级共有3×4=12个特征参量。用同样的方法可算出全部6个影响因子的特征参量。再对联系度公式（1）中的差异度系数i赋值，得到联系度计算公式。
表2 我国31个地区关键影响因子集
（三）多元回归验证分析
由此我们把全部31个地区分成的15个和16个两大类，分别体现了不同的关键影响因子集，前者的关键影响因子相对较多且联系度较大，对所在地区航空客流影响较大，后者则相反。为了验证该分类的有效性，分别把上述两类地区和全部地区的航空客流量与6个影响因子进行多元回归分析，并比较可决系数（历史数据来源于2016年版的《中国统计年鉴》和《从统计看民航》），得到以下表3的结果。
当每个影响因子的平均联系度在0.5以上时，则每个地区的6个影响因子联系度和值在3以上。根据表1最后一列各地区的联系度和值，以3为临界值可把全部地区分为两部分，即联系度之和大于3的15个地区和联系度之和小于3的16个地区。再对照表2的关键影响因素集，发现前者的15个地区包含关键影响因子较多，且大都以第一系列和第二系列为主，如北京、黑龙江、上海、湖北、福建、山东、广东、山西、辽宁、吉林、广西和重庆等12个地区，只有甘肃、青海和宁夏为第三系列。后者的16个地区包含关键影响因子较少，如河北、江苏、浙江、安徽、江西、湖南、贵州、云南和新疆，虽然内蒙古、西藏的关键因子个数较多但联系度和值在3以下，至于无关键影响因子的天津、河南、海南、四川和陕西这五个地区也应归到后一类。
未来广播电视的发展在很长一段时间内IP和SDI信号将会共存，在向IP过渡期间，如何设计信号调度的拓扑方案，是向IP顺利过渡的关键因素。在向IP过渡期间，以下3种信号调度拓扑方案可作参考。
表3 不同类别地区多元回归分析（显著性水平：α=0.05）
从表3的计算结果对比分析可知，联系度之和大于3的15个地区航空客流量历史数据与6个影响因子历史数据拟合最好，可决系数达0.98，可信度最高。这充分说明由联系度选择的关键影响因子集能更好地预测地区航空客流量，因此集对分析方法对地区航空客流关键影响因子的选择是有效的。
四、结语
本文把我国大陆31个地区航空客运市场作为有机整体来研究，根据我国各地区的历史数据，用集对分析方法有效地构造出各地区航空客流关键影响因子集。通过联系度值既量化了同一个地区各关键影响因子的差异，又量化了同一个关键影响因子在不同地区的作用程度，从而得到了只研究单个地区所发现不了的影响因子作用规律。最后利用我国各地区航空客流量历史数据的多元回归分析，对关键影响因子集的有效性进行了验证，结果表明，联系度大且模数大的关键影响因子集所在地区，其航空客流量预测更加准确。
参考文献
[1] 李国彦，李南，王志清.我国机场旅客吞吐量预测方法及其现状[J].中国民用航空，2005，41（4）：26-28.
[2]胡华清.中国支线航空运输市场分析和需求预测[J].中国民用航空，2003，29（5）：55-58
[3]林辉.我国机场旅客吞吐量增长动态的区域分析[J]. 中国民用航空，2005，49（1）：67-69.
[4]王玲玲,孙映祥,方志耕,高坤奇.航空运输与区域经济增长关系研究——以南京禄口国际机场为例[J].改革与开放，2014（7）：60-62.
[5]赵伟伟，李广志. 航空运输与区域经济发展的关系及作用机制分析[J].地域研究与开发，2018,37（1）：16-18.
[6]赵克勤.集对论——一种新的不确定性理论方法与应用[J].系统工程，1996，14（1）：18-23.
[7]中华人民共和国统计局编.中国统计年鉴[M].北京：中国统计出版社，2016
[8]中国民用航空局发展计划司.从统计看民航-2016. [M]. 北京：中国民航出版社，2016.
(作者单位：南京工业职业技术学院）
标签：航空客流论文; 集对分析论文; 联系度论文; 关键影响因子集论文; 南京工业职业技术学院论文;