济南航空物流业发展分析与预测

徐帅 王剑辉 王博

摘 要：航空物流业是济南市发展的产业之一，采用VAR模型探讨航空物流与影响因素之间的关系，通过脉冲响应和方差分解分析，得出进出口总额冲击较大并且贡献率较高，而城镇人均可支配收入和社会消费零售总额带来的冲击不明显且贡献率较低，向量自回归模型较好的表现了影响因素与航空物流的关系，并根据ARIMA模型预测之后到2022年济南机场的航空物流吞吐量，具有一定的实践意义。

关键词：VAR模型 影响因素 航空物流业 预测

一、引言

作为实施“十三五”规划的重点和供给侧改革關键时期，济南机场经济区航空物流业也迎来了发展的黄金机遇。济南遥墙国际机场2018年完成了12.7万次起降航班和11.4万吨货物吞吐量，比2017年分别增长9.8%和19.4%。航空网络的连通性和结构得到了显著改善，包括条件优越的位置，便利的航线，经济水平，还有更多的政府扶植和政策优势。

为了更合理准确的优化济南临空经济区航空物流业的发展路径，本文将会通过客观的数据进行研究，得出影响航空物流业发展的关键指标因素。在研究物流影响因素时，薛凤旋、郑艳婷（2007）重点论述了国际航空货运枢纽港的概念及设计特征;徐君红（2007）提出航空公司在航空物流发展过程中，应当抓住各个关键要素，对市场进行准确定位;贾晓宁（2017）从人才、交通和物流资源方面对郑州航空物流发展中存在的问题进行了归纳，并且针对这些问题给出了相应的措施[1];鲁永峰（2014）分析研究了航空物流的发展趋势，通过与其他的非航空的运输方式进行对比，研究出影响货运定价的因素。大部分学者都会运用系统结构分析法、多元线性回归等方法进行研究，这些方法都是运用专家打分作为考察标准进行定量分析，这样会导致结果客观性变弱[2]。本文将会采用向量自回归模型  以济南遥墙国际机场为例对冲击航空物流的影响因素进行分析。

二、模型与方法

向量自回归模型描述在同一样本期间内的多个变量（内生变量）可以作为它们的过去值的函数，是处理多个经济指标分析与预测的模型之一，不带有任何事先约束条件，用来估计联合内生变量的动态关系。

①式①中，yt是k维的内生变量向量，p是滞后阶数，T是样本个数，Bxt作为外生变量向量。Ai是n*n矩阵，et是n*1误差向量。其中误差项的均值为0，并且不存在自相关。

在已经获得的数据的客观性和可容易获得影响因素数据基础上，并在相关学者的研究的条件上，本文采用济南遥墙国际机场的2004-2018年的货邮吞吐量来表示当地目前物流的发展情况，并选取了社会消费品零售总额、济南城镇居民人均可支配收入、起降架次和进出口总额为内生变量，把常数项作为外生变量。考虑到各个时间序列数据的单位不同，以此对各个时间序列数据采取对数化处理，并给出了数据来源与选择理由（表1）。

（一）模型检验

模型检验是检验变量是否为平稳序列，彼此是否有持续的动态关系和向量自回归模型是否稳定等进行检测，进而保证向量自回归模型的科学性和稳定性[4]。

1.ADF检验，根据ADF检验原理，从表2中可以看出社会消费品零售总额和进出口总额的p值拒绝原假设，因此是平稳的，经过一阶差分后，除了起降架次序列不平稳，其余时间序列均平稳，可以进行协整检验。

（二）滞后阶数检验

表3中给出了0-2阶VAR模型的5个评价统计指标，得到除了LR指标选择的滞后阶数为1阶，其余四个指标的滞后阶数都为2阶，根据多数原则确定VAR的滞后阶数，所以得到向量自回归模型的滞后阶数为2阶，协整检验的最优滞后为向量自回归模型滞后阶数减一，所以最优滞后阶数为1阶。

（三）协整检验

协整检验的原理是多个变量单整的阶数相同才可能协整。通过ADF检验确认了起降架次都是一阶单整序列，并且协整检验通过的最优滞后为1阶，由表4可知，在p值小于5%社会消费品零售总额、济南城镇居民人均可支配收入和进出口总额存在协整关系。

（四）模型平稳性检验

数据变量的平稳性是建立VAR模型的基本要求之一，在VAR模型中，将采用AR根的图表来检验，如果所有根的模的倒数小于1，即全部落在圆内（图1），则证明模型是稳定的。

脉冲响应函数可作为系统特性的描述，在VAR中，主要用来显示各类影响因素对模型进行动态冲击后来展现每个影响因素的影响过程。将冲击响应期设定为15期通过给选定的所有影响因素同时施加一个正标准差新息的冲击，得到货邮吞吐量对各影响因素冲击的方差分解结果（表6）以及脉冲响应曲图（图2）。

曲线LnJC为航空物流受进出口总额的脉冲影响曲线，在1-2期过程中呈现持续下降的状态，在2-4期呈持续上升的状态并且在第四期达到峰值。在之后的过程中一直持续不断起伏状态，并逐渐趋于平稳。整个过程中在横轴上方的影响程度大于其他两个影响因子，进出口总额对于航空物流的发展具有促进作用，进出口总额对物流产业的冲击主要体现在适合快捷安全的航空物流运输的产品和精密仪器上[5]。

曲线LnZP为航空物流业受济南城镇居民均可支配收入的脉冲影响曲线。在1-2期过程中同样呈现持续下降的状态，2-3期有所上升，3-4期下降，在第5期达到峰值，可见随着居民可支配收入的增加，使得居民对于购物以及物流服务需求得到了有效提升。

曲线Lnls为航空物流业受社会消费品零售总额的脉冲影响曲线。整个过程只有在4-6期处于横轴下方，其余均在横轴上方，可以得出它对航空物流业的影响时期处于正向影响，居民的消费水平提高，需求的商品种类数量也在增加，使用的快递方式也越来越多，对比公路物流的不断进步，居民更会选择快捷省时的空运。

方差分解通过分析每影响因素对货邮吞吐量变化的贡献度，进一步评价不同影响因素击的重要性。因此，通过方差分解可以定量分析出在VAR模型中，航空物流发展过程中各个影响因素的相对重要性[6]。

依据表5的方差分解结果可见，货邮吞吐量随着时间的推移从原先的100%下降到了78.66%，受自身因素的影响较大，而其他的影响因素都有所提高。进出口总额由0上升到了13.57%，济南城镇居民人均可支配收入由0上升到了6.61%，社会消费品零售总额由0上升到了1.15%，由此可見这些影响因素对推动航空物流业作出的贡献。

三、货邮吞吐量预测

ARIMA模型，是预测分析中经常使用的平稳时间序列模型，该模型最大的优点是对一组时间数据继续规律分析，是一种精度较高的预测方法。通过ADF检验得知货邮吞吐量数据取对数后一阶差分后平稳，因此用一阶差分后的数据进行预测。

通过表6，比较AIC、HQ和SC的值，依据最小原则，选择ARMA（2，1）拟合度为95.6%，拟合度较好。随后对模型进行检验，当m<13时，AC的系数取正值后几乎全部小于0.09，表明残差序列随机，检验通过。由于ARIMA模型是自回归移动平均模型，一般而言预测期不宜过长，所以选择预测至2022年，将样本区间改为2004-2022年，在方程估计窗口  选择Forecast，选择动态预测，得到货邮运输量对数预测值（图3），进而取指数，得到预测值（表7）.

四、结论

通过建立向量自回归模型，采用方差分解的定性分析方法详细的描述了影响济南航空物流业发展的因素，并深刻探讨了影响因素间的相互关系及其影响程度，运用ARIMA模型预测了至2022年的货邮吞吐量数据，分析结果具有一定的意义。目前跨境电商行业正处于高速上升时期，要合理分配与调配各航空物流公司在航线、货源方面的竞争。随着互联网、物联网等技术在航空物流业的进一步应用，未来航空物流业的信息化集成化将进一步完善，运行效率也会更高[7]。

参考文献：

[1]丁磊，郭万山.国际油价、汇率与通货膨胀之间的动态分析—基于向量自回归（VAR）的实证分析[J].价格月刊，2018（1）.

[2]马爱丽.基于EViews软件的区域金融综合竞争力聚类分析[J].海峡科技与产业，2019（1）.

[3]赵晓敏，佟洁.基于VAR模型的中国物流业与经济发展互动关系研究[J].工业技术经济，2019，38（03）.

[4]高铁梅.计量经济分析方法与建模：EViews应用及实例[M].清华大学出版社，2006.

[5]胡毅，陈海强，齐鹰飞.大数据时代计量经济学的新发展与新应用——第二届中国计量经济学者论坛（2018）综述[A].经济研究，2019（3）.

[6]陈海强，方颖，胡毅.经济系统计量建模的方法、理论与应用专辑序言[J].系统工程理论与实践，2019（4）.

[7]柳语，谢奉军.基于VAR模型的南昌临空经济区航空物流发展影响因素分析[J].物流科技，2016（10）.

〔徐帅（通讯作者）、王剑辉、王博，中国民航飞行学院空中交通管理学院〕