非典事件对民航客运的干预影响分析

戴特奇

（北京师范大学地理学与遥感科学学院，北京 100875）

非典事件对民航客运的干预影响分析

戴特奇

（北京师范大学地理学与遥感科学学院，北京 100875）

随着人们消费能力的增强和航空业市场化的深入，中国民航客运量发生了爆炸性的增长，但由于民航面对的是高端客运市场，行业具有高风险的特征，容易受到外部冲击的影响。通过时间序列模型的干预分析考察了非典事件对民航客运量的影响。从分析结果看，非典外部冲击对民航客运量的负面作用很快被市场反弹和相关优惠政策抚平，并对客运量的增长带来了持续的正影响。这一结果说明高速发展阶段的民航对抗非典这类外部冲击的能力较强，直接和滞后的减税政策并非最优的政策选择。

民航客运；干预分析；非典；新生异常值

近年来，两方面的因素推动了中国民航产业的快速发展。一方面，随着中国经济的发展和人均收入的提高，民航消费市场总量不断扩大，需求面持续走强；另一方面，随着民航业的解除管制和航空公司的大规模整合，民航业的供给能力也迅速提升。但民航业本质上仍是一个高投入高风险的行业，外部冲击对行业的影响较大，这些冲击有的是短期的波动，有的则会给民航市场带来持续的影响。当外部冲击强烈地影响了民航市场的时候，则需要一定的政策支持帮助民航业平稳发展。

面对各种外部冲击，制定合适的政策来维持民航产业持续快速的健康发展是政策制定者需要面对的重要课题。这首先需要估计在中国民航业发展的特定背景下，外部冲击将产生什么样的影响和多大的影响。但传统的统计分析方法在事件影响的分析上有较大的缺陷，需要引入时间序列模型的干预分析方法。事件影响方面的定量研究已逐渐成为时间序列应用分析的主流。在民航客运量的外部干预分析上，国外较多地采用综合自回归滑动平均模型（ARIMA）、可计量一般均衡模型（CGE）等模型，而且仍在不断开发新的模型[1-6]，国内在民航客运量生成这方面也有一些分析[7-9]，但应用干预模型的研究还比较少。

2003年初，非典型肺炎（SARS）在中国引起了较大的影响，民航客运量大幅下滑，按民航业月度客运量看，2003年月度客运量在5月份达到最低，仅为164万人，相当于1990年代初期的水平（如图1所示）。面对严重的市场萎缩，国家随即启动了扶持民航产业的各项政策。非典事件已经过去，但考察这类外部冲击及相关政策的干预影响特征和量级具有极大的参考价值。本研究以民航月度客运量为对象，希望通过对非典冲击及相关政策的干预影响研究，得到一些有益的政策启示。

本文首先采用1991年1月到2004年12月的民航月度客运量数据建立了相应的时间序列模型，并进一步借助干预分析模型考察非典冲击及其相关措施对民航业发展的影响。

1 模型的识别和建立

记t时刻中国民航客运量为P。从自相关分析结果看，序列P的自相关较高且衰减很慢，略带周期12的波动特征，说明序列P不平稳且季节性明显。一阶差分后自相关降低，但周期成分仍然很强，这尤其被滞后12和24期的较高的自相关所证实。如果简单施加季节差分算子Δ12以消除季节性，发现能通过无约束DF检验，即Δ12P满足平稳条件，但相关函数先是持续为正，然后持续为负，呈现正负交替出现。而P进行Δ1Δ12过滤后，相关性整个明显下降。注意到序列Δ12P的ACF的较低滞后呈指数衰减，拖尾性明显；而偏相关（PACF）在2步之后截尾性明显，故AR（2）模型是一个选择。同样，序列Δ1Δ12P的自相关在滞后 2、3、4和10、11、12 处偏大，说明比较符合乘积（0，1，1）×（0，1，1）12模型（如表1所示）。两个模型分别如下

其中：Pt为第t期中国民航客运量；εt为高斯白噪音；Δ是差分算子；L为滞后算子。本文使用1991年1月到2004年12月的全国民航月度客运量对两个模型均进行了拟合，数据来源于历年的《从统计看民航》。

两个模型从简约性上看差别不大，均符合Box-Jenkins建模原则。对比两个模型的AIC和SC参数，发现后一模型更为优良（如表2和表3所示）。实际上，乘积季节模型广泛地应用于各种含有季节性的时间序列分析，最初是Box和Jenkins用以研究美国航空客运量时间序列，因此也叫航空客运模型，其基本思想是把当期航空客运量与前一期和前一个季节周期的客运量相联系。因此，本研究采用乘积（0，1，1）×（0，1，1）12模型[10]。

表1 中国民航客运量自相关和偏相关估计Tab.1 Estimated autocorrelations of China′s air passenger series

表 2 AR（2）模型的参数Tab.2 Parameters for AR（2）model

表 3 乘积（0，1，1）×（0，1，1）12模型的参数Tab.3 Parameters for（0，1，1）×（0，1，1）12seasonal model

2 异常值分析

2.1 异常值散点图观察

从模型拟合的参数看，乘积模型对于航空客运量的描述和预测比较令人满意，但本研究的重点在于分析外部冲击造成的异常观测值，因此还需要进一步进行异常值的干预分析。时间序列模型中一般将异常值分为可加异常观测值（additive outlier，AO）和新生异常观测值（innovation outlier，IO）。一个AO对时间序列不带来具有动态性的影响，只会影响序列的水平，而IO则会影响其后所有的观测值。

本文首先通过分析散点图和一阶单整时序图来寻找异常值。从图2可知，单整后规律性更强，但可能丢弃了一些只能在散点图中才能反映的信息。如图2所示，序列Pt在2003年5～8月出现4个典型的异常观测值：其中5～6月非典时期客运量异常减少，为非典冲击的结果；7～8月为异常增加。

散点图明显地揭示了非典这一外部冲击的存在。在所选的时间段内，还存在其它外部干预，如1997年的亚洲金融危机和“9.11”事件。但从散点图上并不能观测到国内民航市场在1997年东亚金融危机期间和“9.11”时期存在明显的异常值，说明这两个事件对国内民航的发展带来的干预强度远不如非典。这一直观的观察与后面采用模型分析得到的结论是一致的。

2.2 异常值的模型分析与影响估计

到目前为止，本文已通过散点图观察确定了异常值的存在，下面将采用迭代方法检验异常值的存在及其属性，具体过程可参见Box和Jenkins的著作[11－12]。在这一方法中，异常值出现的时间和属性都是未知的。其中，IO的描述较为简单，而AO则通过脉冲函数给予描述。在本研究中，临界值τ是预先指定的，取了常用的4.0为阈值。一般的AO模型如下以此改写乘积（0，1，1）×（0，1，1）12模型，得

该方法首先假设不存在异常值并进行模型估计，即前文得到的乘积模型。在这一模型的基础上，第一轮识别发现了5个异常值，其中2003年4～7月是IO，2002年8月有一个AO。相关的估计参数如表4所示。在第二轮识别中，新增了一个2004年7月一个IO，但其异常值参数较小，调整后对模型的估计没有显著的影响，如表5表示。

表 4 基于乘积（0，1，1）×（0，1，1）12模型的干预模型参数：第一轮识别结果Tab.4 The first iterative estimation of intervention model based on（0，1，1）×（0，1，1）12seasonal model

表 5 基于乘积（0，1，1）×（0，1，1）12模型的干预模型参数：第二轮识别结果Tab.5 The second iterative estimation of intervention model based on（0，1，1）×（0，1，1）12seasonal model

3 结果解释

模型的计算结果揭示了一个有趣的现象：2003年4～7 月，负冲击总和－651.33，正冲击总和 705.11。这样，非典冲击总的影响为正的53.78。这暗示着，在民航高速发展的背景下，非典这样的非体制内的随机冲击对民航的影响是短暂的，客运量的反弹几乎完全抚平了非典冲击，并在之后发生持续的正影响。数学分析揭示了非典对客运市场总量为正的冲击，但统计与解释之间还有一定的距离，下面本文将讨论形成这种现象可能的原因。

与美国“9.11”事件对美国航空市场的影响相比较，这一结果与之有较大的差异。在“9.11”事件之后，美国航空客运量明显走低，外部冲击不但在当期造成了航空客运量的大幅度下滑，而且由于航空公司试图在事后弥补“9.11”偶然事件的影响，结果在航空公司的财务和票价机制下，该事件持续地影响了美国航空客运量的生成。这种影响发生的条件是美国航空业是一个较为稳定的市场，外部冲击将持续地影响市场平衡点。

本文认为，中国这种总体为正的影响主要来于航空市场强烈需求带来的客运量反弹，由于市场需求增速较快，非典导致的市场需求累积释放效应也比较典型。实际上，从时序图上可以观察到数个强度较小类似的例子。

另一方面，中国非典事件造成的持续正效应则可能来源于航空公司经营策略的调整和政府政策的支持。航空公司为了应对非典，采取了一些措施以恢复市场运量，结果激发了潜在的市场，推动了市场反弹的强度。与市场的调整相比，政府的支持措施则更具有持续的作用，但其发生效用的时间相对滞后；当然，一般而言，政策作用的强度随着时间也会逐步衰减。相比而言，本文认为政策的作用更为明显。

具体而言，非典之后中国的政策措施分为两类，一类是短期应急措施。如在非典之后，财政部国家税务总局“关于调整部分行业在‘非典’疫情期间税收政策的紧急通知”，规定自2003年5月1日至9月30日，对民航的旅客运输业务和旅游业免征营业税、城市维护建设税、教育费附加。之后又继续延长了相关政策，自2003年10月1日至2003年12月31日，继续对民航旅客运输业务和旅游业免征营业税、城市维护建设税、教育费附加。另一类政策则具有更长时期的效用。如非典之后，为了缓解非典和高油价对航空业财务的冲击，国家还继续出台了一系列有利于航空业发展的政策，包括：航空基准票价上调，民航基础设施建设基金取消而代之以航线资源占用费，以及航材进口关税从6%下调为4%等。一些研究已经表明，由于营业税、城建税等是按照比例征收的，航空业是非典后相关优惠政策的最大受益者[13-14]。

干预分析提示我们，非典事件本身对民航客运量的确带来了很大的影响，但这类与产业本身无关的外部干预所压抑的客运量在随后会有猛烈的反弹，二者抵消的结果，并不像想象中的那么大。而随之的减税等产业政策则会极大地推动行业的发展，诱发客运量增长，使非典的影响看起来是一个持续的外部冲击（AO）。

4 政策启示

“9.11”事件发生后，美国政府就曾采取减税、补贴等措施对民航业予以扶持，但其效果也受到了质疑。非典（SARS）事件对民航业的影响是类似的，但中国民航业与美国民航业有较大的行业差异，不能照搬国外的政策。

本文研究发现，尽管受到非典的冲击，中国民航业仍然保持了快速甚至是加速的增长。中国快速增长的民航市场对非典这样的随机外部冲击有很强的抵抗力，从干预模型分析，客运市场的反弹强度较大，基本抚平了非典对客运量造成的损失，而国家的税收政策和价格策略不但帮助航空业快速抵消了随机外部冲击的负影响，还进一步给客运量带来了持续的正影响。因此，对非体制内的民航客运，如非典冲击，可以使用低息贷款或者无息贷款帮助民航抚平资金流，没有必要使用减税等调节措施，造成对经济体不必要的干预；国家更应该关注的是民航本身市场化过程中的制度建设和行业发展所需的资源配套工程。

[1] CHANCE D M，FERRIS 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，朱绚绚.铁路与民航客运量相互影响的定量分析[J].中国民航飞行学院学报，2002，19（2）：8-10.

[8] 刘建华，叶文振.我国民航客运量实证研究[J].中国民航飞行学院学报，2002，13（4）：34-37.

[9] 马源平，张 磊.一个典型案例：民航客运价格变迁的实证和反思[J].贵州财经学院学报，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，Forecasting，and Control[M].San Francisco：Holden Day，1976.

[12]古扎拉蒂.计量经济学[M].3版.北京：中国人民大学出版社，2000.

[13]财政部.财税[2003]113号：财政部国家税务总局关于调整部分行业在“非典”疫情期间税收政策的紧急通知[Z].2003年5月12日.

[14]财政部.财税[2003]227号：国家税务总局关于延长部分受“非典”影响行业税收优惠政策的通知[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

国家自然科学基金项目（41001071）；中国科学院知识创新工程重要方向项目群（KZCX2-YW-Q10-4）

戴特奇（1980—），男，重庆人，讲师，博士，研究方向为交通地理、城市与区域发展.

（责任编辑：杨媛媛）