Дипломная работа: Статистический анализ и моделирование рынка авиаперевозок в России

По состоянию на 1 апреля 2020 года парк авиакомпании состоит из 247 самолётов, средний возраст которых составляет 5 лет. Лидирует по количеству самолётов в парке модель Airbus A320, меньше всего самолётов Airbus A350. Полный состав парка представлен в приложении (П3.1).

Авиакомпания перевезла 184 528 100 человек за период с января 2014 года по декабрь 2019 года, в то время как в целом по Российской Федерации за аналогичный период было перевезено 623 187 588 человек. Таким образом, на ПАО «Аэрофлот» приходится 29,61% от общего числа перевезённых пассажиров за указанный период, что подтверждает значимость данной авиакомпании для Российской Федерации.

Подавляющее большинство акций ПАО «Аэрофлот», а именно 51,17%, находится в собственности Федерального агентства по управлению государственным имуществом (Росимущество), принадлежащего Российской Федерации.

Данная глава посвящена статистическому анализу деятельности данной авиакомпании, изучению факторов, наиболее сильно влияющих на количество перевезённых пассажиров за конкретный период времени, а также моделированию такого показателя деятельности гражданской авиации, как «Количество перевезённых пассажиров».

3.1 Изучение влияния факторов на количество перевезённых пассажиров

Количество людей, перевезённых авиакомпанией за определённый период времени, зависит от многих факторов, напрямую или косвенно влияющих на исследуемую переменную: экономические, социальные, демографические и так далее.

Данный параграф посвящён изучению факторов, которые могли бы оказать влияние на количество людей, воспользовавшихся услугами ПАО «Аэрофлот» по перевозке пассажиров. Исследуемый временной промежуток был ограничен декабрём 2019 года ввиду отсутствия более актуальных статистических данных по некоторым из включённых в модель факторам.

Регрессионный анализ, проведенный по МНК-модели, может помочь оценить значимость фактора, включенного в модель. Основная задача данного метода состоит в поиске коэффициентов некоторой линейной зависимости, при которых итоговая функция принимает минимальное значение. Далее изучено влияние пяти факторов (Х₁-Х₅) на исследуемую переменную (Y).

Таким образом, была построена регрессионная модель по методу наименьших квадратов, включающая несколько независимых переменных и одну зависимую. Были использованы квартальные данные за 2014-2019 года, то есть, каждая переменная содержит 24 наблюдения.

Для проведения регрессионного анализа были введены следующие обозначения:

· Y - количество перевезённых пассажиров, тысяча человек

· Х₁ - денежные доходы на душу населения (рубль),

· Х₂ - потребительские расходы (тысяча рублей),

· Х₃ - валовой внутренний продукт (триллион рублей),

· Х₄ - индекс потребительских цен (%),

· Х₅ - средний размер назначенных пенсий (рубль).

Далее было построено 5 моделей, уравнения которых выглядят следующим образом:

, (2)

, (3)

, (4)

, (5)

, (6)

На рисунке 15 представлена динамика зависимой переменной, а именно количества перевезённых пассажиров (Y), за пятилетний период с января 2014 года по декабрь 2019 года.

Исходя из рисунка 15 можно сделать вывод о том, что динамика показателя из года в год остаётся прежней, также имеется тренд и сезонная составляющая.

Рисунок 15. Перевезено пассажиров ПАО «Аэрофлот»

Источник: по материалам https://www.aeroflot.ru/ru-ru

За исследуемый период времени темп прироста данного показателя, вычисляемый по формуле (7), составил 55,803%.

, (7)

где - это темп прироста исследуемого показателя,

- это перевезено пассажиров в августе 2014 года,

- это перевезено пассажиров в августе 2019 года

Показатель «количество перевезённых пассажиров» в качестве результирующего признака выбран неслучайно. Востребованность авиакомпании на рынке, а также её привлекательность для потребителя можно оценить по динамике количества перевезённых пассажиров. Для ПАО «Аэрофлот» данная динамика является положительной на рассматриваемом временном промежутке, что свидетельствует как об укреплении положения ПАО «Аэрофлот» по отношению к прочим авиакомпаниям, так и о развитии рынка гражданской авиации в целом.

В модель также был включён регрессор «денежные доходы на душу населения» (Х₁), так как объем получаемых доходов оказывает непосредственное влияние на формирование спроса на авиаперевозки. Данный тезис выдвигают В. Н. Ковальчук, П. С. Кряжева-Чёрная [10].

Согласно результатам опроса Сбербанка расходы граждан Российской Федерации на продукты питания в долевом выражении во втором квартале прошлого года составили 38,9%. Для сравнения, в структуре использования доходов за тот же период только 4,8% доходов приходятся на затраты на отдых и прочие развлечения. Также в ходе данного опроса граждане сообщили, что сбережения с каждым годом снижаются: 43% респондентов не имеют сбережений.

Таким образом, именно статья расходов является значимой составляющей бюджета домохозяйства, что говорит о том, что данный фактор может оказывать некоторое влияние на долю населения, пользующуюся услугами авиаперевозчика.

Итак, потребительские расходы населения (Х₂₎ является индикатором, определяющим уровень жизни населения. За рассматриваемый пятилетний период времени произошло увеличение данного показателя на 34,663%.

Также воздушный транспорт не является видом транспорта, который доступен каждому без исключения ввиду того, что он является самым дорогим для перевозки пассажиров. Таким образом, можно выдвинуть следующую гипотезу:

Гипотеза 1: потребительские расходы будут оказывать отрицательное влияние на количество перевезённых пассажиров на рассматриваемом временном промежутке

Согласно данным Федерального агентства государственной статистики (Росстат) на 1 января 2019 года в Российской Федерации было зарегистрировано 46,48 миллионов пенсионеров, что составляет 36,6663% от общего населения государства: пенсионеры являются крупным пластом населения.

Таким образом, регрессор «средний размер назначенных пенсий» (Х₅₎ также был включён в модель.

На Рисунке 16 представлена динамика описанных выше переменных. Исходя из данного графика можно сделать вывод о том, что динамика каждого из регрессоров положительная.

На рассматриваемом временном промежутке наблюдается плавный рост фактора «средний размер назначенных пенсий», однако присутствует пик в первом квартале 2017 года ввиду проведённой индексации.

Динамика показателя «потребительские расходы» демонстрирует плавный рост начиная с 2016 года. Денежные доходы населения также увеличились за пятилетний временной промежуток, однако динамика неоднозначна.

Рисунок 16. Переменные, используемые для регрессионного анализа

Источник: по материалам https://www.gks.ru/

Валовой внутренний продукт (ВВП) -- это совокупная стоимость конечных товаров и услуг, произведенных в течение года на территории данной страны. В статье [2] выдвинута гипотеза о том, что данный показатель даёт возможность произвести наиболее точное оценивание экономического благосостояния населения. Не только В. Н. Ковальчук, П. С. Кряжева-Чёрная [10] говорят в статье о влиянии ВВП на сферу воздушного транспорта, но и: А. В. Смирнов [24]; В. В. Балашов, А. В. Смирнов [2]; Ф. А. Борисов, А. В. Крамаренко, Н. А. Крупенский [3].

На графике представлены квартальные индексы потребительских цен на товары и услуги по Российской Федерации за 2014-2019гг, рассчитанные на основании отношения квартала к предыдущему кварталу. Индекс потребительских цен является индикатором изменения стоимости потребительской корзины.

Рисунок 17 демонстрирует динамику показателей «валовый внутренний продукт» (Х₃) и «индекс потребительских цен» (Х₄).

Из графика динамики внутреннего валового продукта следует, что данный показатель за рассматриваемый пятилетний период рос, повторяя динамику предшествующего года. Динамика индекса потребительских цен неоднозначна и наблюдается уменьшение исследуемого показателя.

Рисунок 17. Валовой внутренний продукт и индекс потребительских цен, используемые для регрессионного анализа

Источник: по материалам https://www.gks.ru/

Полученные результаты по моделям, оценивающим влияние регрессоров на количество перевезённых пассажиров, представлены в Таблице 5.

Таблица 5. Анализ регрессионных моделей

Исходя из Таблицы 5 можно сделать вывод о том, что наилучшими качествами обладает модель 4, объясняющая изменение количества перевезённых пассажиров через включение в модель потребительских расходов, валового внутреннего продукта и среднего размера назначенных пенсий.

Уравнение полученной модели выглядит следующим образом:

, (8)

Все регрессоры, включенные в модель, являются значимыми на уровне значимости б=0,05. Однако не все из факторов действуют в одном направлении: некоторые из них приводят к увеличению результирующего признака, другие - к уменьшению.

Итак, регрессор «потребительские расходы» действует отрицательно на количество перевезённых пассажиров. То есть, например, при увеличении на 1 условную единицу потребительских расходов населения, количество перевезённых пассажиров снизится на 6,0205e-03 условных единиц. Увеличение потребительских расходов может свидетельствовать о том, что ввиду каких-либо обстоятельств растет общий уровень цен на товары и услуги по стране.

В таком случае, в условиях неопределённости в стране, потенциальный потребитель услуг воздушного транспорта поведёт себя рационально и увеличит сбережения для сохранения прежнего уровня жизни в будущем, отказавшись в текущий момент времени от использования услуг авиатранспорта.

Таким образом, выше рассмотрен один из возможных вариантов подобного влияния регрессора на зависимую переменную.

Напротив, при увеличении факторов «средний размер назначенных пенсий» и «валовой внутренний продукт» будет наблюдаться положительная динамика регрессанта.

Полученная модель обладает хорошей объясняющей способностью: R²=0,996758. То есть, модель способна объяснить 99,68% изменений объясняемой переменной.

Также был проведён тест Вальда и проверены следующие гипотезы:

,

По результатам теста получили probability = 0.000435, что говорит о том, что на уровне значимости б=0,05 гипотеза H0 отвергается в пользу альтернативной гипотезы H1, и модель признаётся значимой и адекватной.

Для изучения возможности дальнейшего использования модели необходимо провести тест на наличие мультиколлинеарности. Мультиколлинеарность возникает при наличии у отобранных для анализа факторов тесной корреляционной взаимосвязи и затрудняет оценивание регрессионной модели.

Таблица 6. Проверка на мультиколлинеарность