非典事件對民航客運的干預(yù)影響分析

戴特奇

（北京師范大學(xué)地理學(xué)與遙感科學(xué)學(xué)院，北京 100875）

非典事件對民航客運的干預(yù)影響分析

戴特奇

（北京師范大學(xué)地理學(xué)與遙感科學(xué)學(xué)院，北京 100875）

隨著人們消費能力的增強(qiáng)和航空業(yè)市場化的深入，中國民航客運量發(fā)生了爆炸性的增長，但由于民航面對的是高端客運市場，行業(yè)具有高風(fēng)險的特征，容易受到外部沖擊的影響。通過時間序列模型的干預(yù)分析考察了非典事件對民航客運量的影響。從分析結(jié)果看，非典外部沖擊對民航客運量的負(fù)面作用很快被市場反彈和相關(guān)優(yōu)惠政策撫平，并對客運量的增長帶來了持續(xù)的正影響。這一結(jié)果說明高速發(fā)展階段的民航對抗非典這類外部沖擊的能力較強(qiáng)，直接和滯后的減稅政策并非最優(yōu)的政策選擇。

民航客運；干預(yù)分析；非典；新生異常值

近年來，兩方面的因素推動了中國民航產(chǎn)業(yè)的快速發(fā)展。一方面，隨著中國經(jīng)濟(jì)的發(fā)展和人均收入的提高，民航消費市場總量不斷擴(kuò)大，需求面持續(xù)走強(qiáng)；另一方面，隨著民航業(yè)的解除管制和航空公司的大規(guī)模整合，民航業(yè)的供給能力也迅速提升。但民航業(yè)本質(zhì)上仍是一個高投入高風(fēng)險的行業(yè)，外部沖擊對行業(yè)的影響較大，這些沖擊有的是短期的波動，有的則會給民航市場帶來持續(xù)的影響。當(dāng)外部沖擊強(qiáng)烈地影響了民航市場的時候，則需要一定的政策支持幫助民航業(yè)平穩(wěn)發(fā)展。

面對各種外部沖擊，制定合適的政策來維持民航產(chǎn)業(yè)持續(xù)快速的健康發(fā)展是政策制定者需要面對的重要課題。這首先需要估計在中國民航業(yè)發(fā)展的特定背景下，外部沖擊將產(chǎn)生什么樣的影響和多大的影響。但傳統(tǒng)的統(tǒng)計分析方法在事件影響的分析上有較大的缺陷，需要引入時間序列模型的干預(yù)分析方法。事件影響方面的定量研究已逐漸成為時間序列應(yīng)用分析的主流。在民航客運量的外部干預(yù)分析上，國外較多地采用綜合自回歸滑動平均模型（ARIMA）、可計量一般均衡模型（CGE）等模型，而且仍在不斷開發(fā)新的模型[1-6]，國內(nèi)在民航客運量生成這方面也有一些分析[7-9]，但應(yīng)用干預(yù)模型的研究還比較少。

2003年初，非典型肺炎（SARS）在中國引起了較大的影響，民航客運量大幅下滑，按民航業(yè)月度客運量看，2003年月度客運量在5月份達(dá)到最低，僅為164萬人，相當(dāng)于1990年代初期的水平（如圖1所示）。面對嚴(yán)重的市場萎縮，國家隨即啟動了扶持民航產(chǎn)業(yè)的各項政策。非典事件已經(jīng)過去，但考察這類外部沖擊及相關(guān)政策的干預(yù)影響特征和量級具有極大的參考價值。本研究以民航月度客運量為對象，希望通過對非典沖擊及相關(guān)政策的干預(yù)影響研究，得到一些有益的政策啟示。

本文首先采用1991年1月到2004年12月的民航月度客運量數(shù)據(jù)建立了相應(yīng)的時間序列模型，并進(jìn)一步借助干預(yù)分析模型考察非典沖擊及其相關(guān)措施對民航業(yè)發(fā)展的影響。

1 模型的識別和建立

記t時刻中國民航客運量為P。從自相關(guān)分析結(jié)果看，序列P的自相關(guān)較高且衰減很慢，略帶周期12的波動特征，說明序列P不平穩(wěn)且季節(jié)性明顯。一階差分后自相關(guān)降低，但周期成分仍然很強(qiáng)，這尤其被滯后12和24期的較高的自相關(guān)所證實。如果簡單施加季節(jié)差分算子Δ12以消除季節(jié)性，發(fā)現(xiàn)能通過無約束DF檢驗，即Δ12P滿足平穩(wěn)條件，但相關(guān)函數(shù)先是持續(xù)為正，然后持續(xù)為負(fù)，呈現(xiàn)正負(fù)交替出現(xiàn)。而P進(jìn)行Δ1Δ12過濾后，相關(guān)性整個明顯下降。注意到序列Δ12P的ACF的較低滯后呈指數(shù)衰減，拖尾性明顯；而偏相關(guān)（PACF）在2步之后截尾性明顯，故AR（2）模型是一個選擇。同樣，序列Δ1Δ12P的自相關(guān)在滯后 2、3、4和10、11、12 處偏大，說明比較符合乘積（0，1，1）×（0，1，1）12模型（如表1所示）。兩個模型分別如下

其中：Pt為第t期中國民航客運量；εt為高斯白噪音；Δ是差分算子；L為滯后算子。本文使用1991年1月到2004年12月的全國民航月度客運量對兩個模型均進(jìn)行了擬合，數(shù)據(jù)來源于歷年的《從統(tǒng)計看民航》。

兩個模型從簡約性上看差別不大，均符合Box-Jenkins建模原則。對比兩個模型的AIC和SC參數(shù)，發(fā)現(xiàn)后一模型更為優(yōu)良（如表2和表3所示）。實際上，乘積季節(jié)模型廣泛地應(yīng)用于各種含有季節(jié)性的時間序列分析，最初是Box和Jenkins用以研究美國航空客運量時間序列，因此也叫航空客運模型，其基本思想是把當(dāng)期航空客運量與前一期和前一個季節(jié)周期的客運量相聯(lián)系。因此，本研究采用乘積（0，1，1）×（0，1，1）12模型[10]。

表1 中國民航客運量自相關(guān)和偏相關(guān)估計Tab.1 Estimated autocorrelations of China′s air passenger series

表 2 AR（2）模型的參數(shù)Tab.2 Parameters for AR（2）model

表 3 乘積（0，1，1）×（0，1，1）12模型的參數(shù)Tab.3 Parameters for（0，1，1）×（0，1，1）12seasonal model

2 異常值分析

2.1 異常值散點圖觀察

從模型擬合的參數(shù)看，乘積模型對于航空客運量的描述和預(yù)測比較令人滿意，但本研究的重點在于分析外部沖擊造成的異常觀測值，因此還需要進(jìn)一步進(jìn)行異常值的干預(yù)分析。時間序列模型中一般將異常值分為可加異常觀測值（additive outlier，AO）和新生異常觀測值（innovation outlier，IO）。一個AO對時間序列不帶來具有動態(tài)性的影響，只會影響序列的水平，而IO則會影響其后所有的觀測值。

本文首先通過分析散點圖和一階單整時序圖來尋找異常值。從圖2可知，單整后規(guī)律性更強(qiáng)，但可能丟棄了一些只能在散點圖中才能反映的信息。如圖2所示，序列Pt在2003年5～8月出現(xiàn)4個典型的異常觀測值：其中5～6月非典時期客運量異常減少，為非典沖擊的結(jié)果；7～8月為異常增加。

散點圖明顯地揭示了非典這一外部沖擊的存在。在所選的時間段內(nèi)，還存在其它外部干預(yù)，如1997年的亞洲金融危機(jī)和“9.11”事件。但從散點圖上并不能觀測到國內(nèi)民航市場在1997年東亞金融危機(jī)期間和“9.11”時期存在明顯的異常值，說明這兩個事件對國內(nèi)民航的發(fā)展帶來的干預(yù)強(qiáng)度遠(yuǎn)不如非典。這一直觀的觀察與后面采用模型分析得到的結(jié)論是一致的。

2.2 異常值的模型分析與影響估計

到目前為止，本文已通過散點圖觀察確定了異常值的存在，下面將采用迭代方法檢驗異常值的存在及其屬性，具體過程可參見Box和Jenkins的著作[11－12]。在這一方法中，異常值出現(xiàn)的時間和屬性都是未知的。其中，IO的描述較為簡單，而AO則通過脈沖函數(shù)給予描述。在本研究中，臨界值τ是預(yù)先指定的，取了常用的4.0為閾值。一般的AO模型如下以此改寫乘積（0，1，1）×（0，1，1）12模型，得

該方法首先假設(shè)不存在異常值并進(jìn)行模型估計，即前文得到的乘積模型。在這一模型的基礎(chǔ)上，第一輪識別發(fā)現(xiàn)了5個異常值，其中2003年4～7月是IO，2002年8月有一個AO。相關(guān)的估計參數(shù)如表4所示。在第二輪識別中，新增了一個2004年7月一個IO，但其異常值參數(shù)較小，調(diào)整后對模型的估計沒有顯著的影響，如表5表示。

表 4 基于乘積（0，1，1）×（0，1，1）12模型的干預(yù)模型參數(shù)：第一輪識別結(jié)果Tab.4 The first iterative estimation of intervention model based on（0，1，1）×（0，1，1）12seasonal model

表 5 基于乘積（0，1，1）×（0，1，1）12模型的干預(yù)模型參數(shù)：第二輪識別結(jié)果Tab.5 The second iterative estimation of intervention model based on（0，1，1）×（0，1，1）12seasonal model

3 結(jié)果解釋

模型的計算結(jié)果揭示了一個有趣的現(xiàn)象：2003年4～7 月，負(fù)沖擊總和－651.33，正沖擊總和 705.11。這樣，非典沖擊總的影響為正的53.78。這暗示著，在民航高速發(fā)展的背景下，非典這樣的非體制內(nèi)的隨機(jī)沖擊對民航的影響是短暫的，客運量的反彈幾乎完全撫平了非典沖擊，并在之后發(fā)生持續(xù)的正影響。數(shù)學(xué)分析揭示了非典對客運市場總量為正的沖擊，但統(tǒng)計與解釋之間還有一定的距離，下面本文將討論形成這種現(xiàn)象可能的原因。

與美國“9.11”事件對美國航空市場的影響相比較，這一結(jié)果與之有較大的差異。在“9.11”事件之后，美國航空客運量明顯走低，外部沖擊不但在當(dāng)期造成了航空客運量的大幅度下滑，而且由于航空公司試圖在事后彌補(bǔ)“9.11”偶然事件的影響，結(jié)果在航空公司的財務(wù)和票價機(jī)制下，該事件持續(xù)地影響了美國航空客運量的生成。這種影響發(fā)生的條件是美國航空業(yè)是一個較為穩(wěn)定的市場，外部沖擊將持續(xù)地影響市場平衡點。

本文認(rèn)為，中國這種總體為正的影響主要來于航空市場強(qiáng)烈需求帶來的客運量反彈，由于市場需求增速較快，非典導(dǎo)致的市場需求累積釋放效應(yīng)也比較典型。實際上，從時序圖上可以觀察到數(shù)個強(qiáng)度較小類似的例子。

另一方面，中國非典事件造成的持續(xù)正效應(yīng)則可能來源于航空公司經(jīng)營策略的調(diào)整和政府政策的支持。航空公司為了應(yīng)對非典，采取了一些措施以恢復(fù)市場運量，結(jié)果激發(fā)了潛在的市場，推動了市場反彈的強(qiáng)度。與市場的調(diào)整相比，政府的支持措施則更具有持續(xù)的作用，但其發(fā)生效用的時間相對滯后；當(dāng)然，一般而言，政策作用的強(qiáng)度隨著時間也會逐步衰減。相比而言，本文認(rèn)為政策的作用更為明顯。

具體而言，非典之后中國的政策措施分為兩類，一類是短期應(yīng)急措施。如在非典之后，財政部國家稅務(wù)總局“關(guān)于調(diào)整部分行業(yè)在‘非典’疫情期間稅收政策的緊急通知”，規(guī)定自2003年5月1日至9月30日，對民航的旅客運輸業(yè)務(wù)和旅游業(yè)免征營業(yè)稅、城市維護(hù)建設(shè)稅、教育費附加。之后又繼續(xù)延長了相關(guān)政策，自2003年10月1日至2003年12月31日，繼續(xù)對民航旅客運輸業(yè)務(wù)和旅游業(yè)免征營業(yè)稅、城市維護(hù)建設(shè)稅、教育費附加。另一類政策則具有更長時期的效用。如非典之后，為了緩解非典和高油價對航空業(yè)財務(wù)的沖擊，國家還繼續(xù)出臺了一系列有利于航空業(yè)發(fā)展的政策，包括：航空基準(zhǔn)票價上調(diào)，民航基礎(chǔ)設(shè)施建設(shè)基金取消而代之以航線資源占用費，以及航材進(jìn)口關(guān)稅從6%下調(diào)為4%等。一些研究已經(jīng)表明，由于營業(yè)稅、城建稅等是按照比例征收的，航空業(yè)是非典后相關(guān)優(yōu)惠政策的最大受益者[13-14]。

干預(yù)分析提示我們，非典事件本身對民航客運量的確帶來了很大的影響，但這類與產(chǎn)業(yè)本身無關(guān)的外部干預(yù)所壓抑的客運量在隨后會有猛烈的反彈，二者抵消的結(jié)果，并不像想象中的那么大。而隨之的減稅等產(chǎn)業(yè)政策則會極大地推動行業(yè)的發(fā)展，誘發(fā)客運量增長，使非典的影響看起來是一個持續(xù)的外部沖擊（AO）。

4 政策啟示

“9.11”事件發(fā)生后，美國政府就曾采取減稅、補(bǔ)貼等措施對民航業(yè)予以扶持，但其效果也受到了質(zhì)疑。非典（SARS）事件對民航業(yè)的影響是類似的，但中國民航業(yè)與美國民航業(yè)有較大的行業(yè)差異，不能照搬國外的政策。

本文研究發(fā)現(xiàn)，盡管受到非典的沖擊，中國民航業(yè)仍然保持了快速甚至是加速的增長。中國快速增長的民航市場對非典這樣的隨機(jī)外部沖擊有很強(qiáng)的抵抗力，從干預(yù)模型分析，客運市場的反彈強(qiáng)度較大，基本撫平了非典對客運量造成的損失，而國家的稅收政策和價格策略不但幫助航空業(yè)快速抵消了隨機(jī)外部沖擊的負(fù)影響，還進(jìn)一步給客運量帶來了持續(xù)的正影響。因此，對非體制內(nèi)的民航客運，如非典沖擊，可以使用低息貸款或者無息貸款幫助民航撫平資金流，沒有必要使用減稅等調(diào)節(jié)措施，造成對經(jīng)濟(jì)體不必要的干預(yù)；國家更應(yīng)該關(guān)注的是民航本身市場化過程中的制度建設(shè)和行業(yè)發(fā)展所需的資源配套工程。

[1] CHANCE D M，F(xiàn)ERRIS S P.The effect of aviation disasters on the air transport industry：a financial market perspective[J].Journal of Transport Economics and Policy，1987（21）：151-166.

[2]CHIN A，HOOPER P，OUM T H.The impacts of the Asian economic crises on Asian airlines：short-run responses and long-run effects[J].Journal of Air Transport Management，1999（5）：87-96.

[3] FISCHER III H W.Terrorism and 11 September 2001：does the behavioral response to disaster′model fit?[J].Disaster Prevention and Management，2002（11）：123-127.

[4] GIGLIO J M.The impact of September 11[J].Transportation Quarterly，2002（56）：19-25.

[5] HATTY H，HOLLMEIER S.Airline strategy in the 2001/2002 crisisthe Lufthansa example[J].Journal of Air Transport Management，2003（9）：51-55.

[6] SUE L L，WHEI-Li L.Impact analysis of September 11 on air travel demand in the USA[J].Journal of Air Transport Management，2005，11（6）：455-458.

[7] 戴特奇，朱絢絢.鐵路與民航客運量相互影響的定量分析[J].中國民航飛行學(xué)院學(xué)報，2002，19（2）：8-10.

[8] 劉建華，葉文振.我國民航客運量實證研究[J].中國民航飛行學(xué)院學(xué)報，2002，13（4）：34-37.

[9] 馬源平，張 磊.一個典型案例：民航客運價格變遷的實證和反思[J].貴州財經(jīng)學(xué)院學(xué)報，2002（1）：45-48.

[10]BOX G E P，TIAO G C.Intervention analysis with applications to economic and environmental problems[J].Journal of the American Statistical Association，1975，70（349）：70-79.

[11]BOX G，JENKINS G.Time Series Analysis，F(xiàn)orecasting，and Control[M].San Francisco：Holden Day，1976.

[12]古扎拉蒂.計量經(jīng)濟(jì)學(xué)[M].3版.北京：中國人民大學(xué)出版社，2000.

[13]財政部.財稅[2003]113號：財政部國家稅務(wù)總局關(guān)于調(diào)整部分行業(yè)在“非典”疫情期間稅收政策的緊急通知[Z].2003年5月12日.

[14]財政部.財稅[2003]227號：國家稅務(wù)總局關(guān)于延長部分受“非典”影響行業(yè)稅收優(yōu)惠政策的通知[Z].2003年11月18日.

Impact Analysis of SARS Epidemic on Air Passenger Market in China

DAI Te-qi
（School of Geography， Beijing Normal University， Beijing 100875， China）

With the development of the economy and the reform of the air industry， the air passenger volume of China increases explosively.However， as high level passenger market， the air industry is easily affected by events such as SARS.This paper applies intervention model to analysis time series of air passenger in China.The outcome indicates the impact of SARS is negative，but it is covered by rebound of the market and the tax reduction policy，which brings about a lasting positive effect on the passenger volume.And we further discuss the policy implication on whether it is necessary to use tax reduction policy on air industry in high speed growth stage.

air passenger transport； intervention analysis； SARS； innovation outlier

F505

A

1674－5590（2011）01－0047－05

2010-09-23；

2010-11-15

國家自然科學(xué)基金項目（41001071）；中國科學(xué)院知識創(chuàng)新工程重要方向項目群（KZCX2-YW-Q10-4）

戴特奇（1980—），男，重慶人，講師，博士，研究方向為交通地理、城市與區(qū)域發(fā)展.

（責(zé)任編輯：楊媛媛）