徐帥 王劍輝 王博

摘 要：航空物流業(yè)是濟南市發(fā)展的產(chǎn)業(yè)之一，采用VAR模型探討航空物流與影響因素之間的關系，通過脈沖響應和方差分解分析，得出進出口總額沖擊較大并且貢獻率較高，而城鎮(zhèn)人均可支配收入和社會消費零售總額帶來的沖擊不明顯且貢獻率較低，向量自回歸模型較好的表現(xiàn)了影響因素與航空物流的關系，并根據(jù)ARIMA模型預測之后到2022年濟南機場的航空物流吞吐量，具有一定的實踐意義。

關鍵詞：VAR模型 影響因素 航空物流業(yè) 預測

一、引言

作為實施“十三五”規(guī)劃的重點和供給側改革關鍵時期，濟南機場經(jīng)濟區(qū)航空物流業(yè)也迎來了發(fā)展的黃金機遇。濟南遙墻國際機場2018年完成了12.7萬次起降航班和11.4萬噸貨物吞吐量，比2017年分別增長9.8%和19.4%。航空網(wǎng)絡的連通性和結構得到了顯著改善，包括條件優(yōu)越的位置，便利的航線，經(jīng)濟水平，還有更多的政府扶植和政策優(yōu)勢。

為了更合理準確的優(yōu)化濟南臨空經(jīng)濟區(qū)航空物流業(yè)的發(fā)展路徑，本文將會通過客觀的數(shù)據(jù)進行研究，得出影響航空物流業(yè)發(fā)展的關鍵指標因素。在研究物流影響因素時，薛鳳旋、鄭艷婷（2007）重點論述了國際航空貨運樞紐港的概念及設計特征;徐君紅（2007）提出航空公司在航空物流發(fā)展過程中，應當抓住各個關鍵要素，對市場進行準確定位;賈曉寧（2017）從人才、交通和物流資源方面對鄭州航空物流發(fā)展中存在的問題進行了歸納，并且針對這些問題給出了相應的措施[1];魯永峰（2014）分析研究了航空物流的發(fā)展趨勢，通過與其他的非航空的運輸方式進行對比，研究出影響貨運定價的因素。大部分學者都會運用系統(tǒng)結構分析法、多元線性回歸等方法進行研究，這些方法都是運用專家打分作為考察標準進行定量分析，這樣會導致結果客觀性變?nèi)鮗2]。本文將會采用向量自回歸模型? 以濟南遙墻國際機場為例對沖擊航空物流的影響因素進行分析。

二、模型與方法

向量自回歸模型描述在同一樣本期間內(nèi)的多個變量（內(nèi)生變量）可以作為它們的過去值的函數(shù)，是處理多個經(jīng)濟指標分析與預測的模型之一，不帶有任何事先約束條件，用來估計聯(lián)合內(nèi)生變量的動態(tài)關系。

①式①中，yt是k維的內(nèi)生變量向量，p是滯后階數(shù)，T是樣本個數(shù)，Bxt作為外生變量向量。Ai是n*n矩陣，et是n*1誤差向量。其中誤差項的均值為0，并且不存在自相關。

在已經(jīng)獲得的數(shù)據(jù)的客觀性和可容易獲得影響因素數(shù)據(jù)基礎上，并在相關學者的研究的條件上，本文采用濟南遙墻國際機場的2004-2018年的貨郵吞吐量來表示當?shù)啬壳拔锪鞯陌l(fā)展情況，并選取了社會消費品零售總額、濟南城鎮(zhèn)居民人均可支配收入、起降架次和進出口總額為內(nèi)生變量，把常數(shù)項作為外生變量?？紤]到各個時間序列數(shù)據(jù)的單位不同，以此對各個時間序列數(shù)據(jù)采取對數(shù)化處理，并給出了數(shù)據(jù)來源與選擇理由（表1）。

（一）模型檢驗

模型檢驗是檢驗變量是否為平穩(wěn)序列，彼此是否有持續(xù)的動態(tài)關系和向量自回歸模型是否穩(wěn)定等進行檢測，進而保證向量自回歸模型的科學性和穩(wěn)定性[4]。

1.ADF檢驗，根據(jù)ADF檢驗原理，從表2中可以看出社會消費品零售總額和進出口總額的p值拒絕原假設，因此是平穩(wěn)的，經(jīng)過一階差分后，除了起降架次序列不平穩(wěn)，其余時間序列均平穩(wěn)，可以進行協(xié)整檢驗。

（二）滯后階數(shù)檢驗

表3中給出了0-2階VAR模型的5個評價統(tǒng)計指標，得到除了LR指標選擇的滯后階數(shù)為1階，其余四個指標的滯后階數(shù)都為2階，根據(jù)多數(shù)原則確定VAR的滯后階數(shù)，所以得到向量自回歸模型的滯后階數(shù)為2階，協(xié)整檢驗的最優(yōu)滯后為向量自回歸模型滯后階數(shù)減一，所以最優(yōu)滯后階數(shù)為1階。

（三）協(xié)整檢驗

協(xié)整檢驗的原理是多個變量單整的階數(shù)相同才可能協(xié)整。通過ADF檢驗確認了起降架次都是一階單整序列，并且協(xié)整檢驗通過的最優(yōu)滯后為1階，由表4可知，在p值小于5%社會消費品零售總額、濟南城鎮(zhèn)居民人均可支配收入和進出口總額存在協(xié)整關系。

（四）模型平穩(wěn)性檢驗

數(shù)據(jù)變量的平穩(wěn)性是建立VAR模型的基本要求之一，在VAR模型中，將采用AR根的圖表來檢驗，如果所有根的模的倒數(shù)小于1，即全部落在圓內(nèi)（圖1），則證明模型是穩(wěn)定的。

脈沖響應函數(shù)可作為系統(tǒng)特性的描述，在VAR中，主要用來顯示各類影響因素對模型進行動態(tài)沖擊后來展現(xiàn)每個影響因素的影響過程。將沖擊響應期設定為15期通過給選定的所有影響因素同時施加一個正標準差新息的沖擊，得到貨郵吞吐量對各影響因素沖擊的方差分解結果（表6）以及脈沖響應曲圖（圖2）。

曲線LnJC為航空物流受進出口總額的脈沖影響曲線，在1-2期過程中呈現(xiàn)持續(xù)下降的狀態(tài)，在2-4期呈持續(xù)上升的狀態(tài)并且在第四期達到峰值。在之后的過程中一直持續(xù)不斷起伏狀態(tài)，并逐漸趨于平穩(wěn)。整個過程中在橫軸上方的影響程度大于其他兩個影響因子，進出口總額對于航空物流的發(fā)展具有促進作用，進出口總額對物流產(chǎn)業(yè)的沖擊主要體現(xiàn)在適合快捷安全的航空物流運輸?shù)漠a(chǎn)品和精密儀器上[5]。

曲線LnZP為航空物流業(yè)受濟南城鎮(zhèn)居民均可支配收入的脈沖影響曲線。在1-2期過程中同樣呈現(xiàn)持續(xù)下降的狀態(tài)，2-3期有所上升，3-4期下降，在第5期達到峰值，可見隨著居民可支配收入的增加，使得居民對于購物以及物流服務需求得到了有效提升。

曲線Lnls為航空物流業(yè)受社會消費品零售總額的脈沖影響曲線。整個過程只有在4-6期處于橫軸下方，其余均在橫軸上方，可以得出它對航空物流業(yè)的影響時期處于正向影響，居民的消費水平提高，需求的商品種類數(shù)量也在增加，使用的快遞方式也越來越多，對比公路物流的不斷進步，居民更會選擇快捷省時的空運。

方差分解通過分析每影響因素對貨郵吞吐量變化的貢獻度，進一步評價不同影響因素擊的重要性。因此，通過方差分解可以定量分析出在VAR模型中，航空物流發(fā)展過程中各個影響因素的相對重要性[6]。

依據(jù)表5的方差分解結果可見，貨郵吞吐量隨著時間的推移從原先的100%下降到了78.66%，受自身因素的影響較大，而其他的影響因素都有所提高。進出口總額由0上升到了13.57%，濟南城鎮(zhèn)居民人均可支配收入由0上升到了6.61%，社會消費品零售總額由0上升到了1.15%，由此可見這些影響因素對推動航空物流業(yè)作出的貢獻。

三、貨郵吞吐量預測

ARIMA模型，是預測分析中經(jīng)常使用的平穩(wěn)時間序列模型，該模型最大的優(yōu)點是對一組時間數(shù)據(jù)繼續(xù)規(guī)律分析，是一種精度較高的預測方法。通過ADF檢驗得知貨郵吞吐量數(shù)據(jù)取對數(shù)后一階差分后平穩(wěn)，因此用一階差分后的數(shù)據(jù)進行預測。

通過表6，比較AIC、HQ和SC的值，依據(jù)最小原則，選擇ARMA（2，1）擬合度為95.6%，擬合度較好。隨后對模型進行檢驗，當m<13時，AC的系數(shù)取正值后幾乎全部小于0.09，表明殘差序列隨機，檢驗通過。由于ARIMA模型是自回歸移動平均模型，一般而言預測期不宜過長，所以選擇預測至2022年，將樣本區(qū)間改為2004-2022年，在方程估計窗口? 選擇Forecast，選擇動態(tài)預測，得到貨郵運輸量對數(shù)預測值（圖3），進而取指數(shù)，得到預測值（表7）.

四、結論

通過建立向量自回歸模型，采用方差分解的定性分析方法詳細的描述了影響濟南航空物流業(yè)發(fā)展的因素，并深刻探討了影響因素間的相互關系及其影響程度，運用ARIMA模型預測了至2022年的貨郵吞吐量數(shù)據(jù)，分析結果具有一定的意義。目前跨境電商行業(yè)正處于高速上升時期，要合理分配與調配各航空物流公司在航線、貨源方面的競爭。隨著互聯(lián)網(wǎng)、物聯(lián)網(wǎng)等技術在航空物流業(yè)的進一步應用，未來航空物流業(yè)的信息化集成化將進一步完善，運行效率也會更高[7]。

參考文獻：

[1]丁磊，郭萬山.國際油價、匯率與通貨膨脹之間的動態(tài)分析—基于向量自回歸（VAR）的實證分析[J].價格月刊，2018（1）.

[2]馬愛麗.基于EViews軟件的區(qū)域金融綜合競爭力聚類分析[J].海峽科技與產(chǎn)業(yè)，2019（1）.

[3]趙曉敏，佟潔.基于VAR模型的中國物流業(yè)與經(jīng)濟發(fā)展互動關系研究[J].工業(yè)技術經(jīng)濟，2019，38（03）.

[4]高鐵梅.計量經(jīng)濟分析方法與建模：EViews應用及實例[M].清華大學出版社，2006.

[5]胡毅，陳海強，齊鷹飛.大數(shù)據(jù)時代計量經(jīng)濟學的新發(fā)展與新應用——第二屆中國計量經(jīng)濟學者論壇（2018）綜述[A].經(jīng)濟研究，2019（3）.

[6]陳海強，方穎，胡毅.經(jīng)濟系統(tǒng)計量建模的方法、理論與應用專輯序言[J].系統(tǒng)工程理論與實踐，2019（4）.

[7]柳語，謝奉軍.基于VAR模型的南昌臨空經(jīng)濟區(qū)航空物流發(fā)展影響因素分析[J].物流科技，2016（10）.

〔徐帥（通訊作者）、王劍輝、王博，中國民航飛行學院空中交通管理學院〕