一、引言
　　近年来，随着我国民航事业的不断发展，民航运输量快速增长，连续数年旅客运输量的增长率都在15%以上，在航空运输业高速发展的同时，我国的航班延误问题也愈演愈烈。统计显示2004年~2009年我国航班延误率都在20%左右，航班延误问题严重影响了民航业的声誉，并给航空公司造成了巨额经济损失，邢有洪、李晓津（2010）利用我国五家上市航空公司2007年的财务数据对其航班延误损失进行了估算，结果表明2007年五家上市航空公司的航班延误总损失高达68.4亿元，其中除天气外的人为原因造成的航班延误损失约为54.72亿元，航空公司自身原因造成的损失约为30.78亿元。为了解决航班延误率过高的问题，民航局开展了多次针对航班延误的专项治理活动。在民航局2010年《建设民航强国的战略构想》中也提到，到2030年，要全面建成安全、高效、绿色的现代化民用航空体系，具体目标之一就是航班正常率达到85%以上，实现航空运输服务质量和水平全面提升。
　　航班延误问题不仅严重影响了民航旅客对航空公司服务质量的满意度，而且影响到航空公司的客源、市场占有率与行业竞争力。而在造成航班延误的原因中约有45%为航空公司自身原因，因此深入分析航空公司内部造成延误的因素对实现航班正常率85%以上的目标有重要意义。国内外对航班延误问题的研究大多集中于决策信息系统的建立与优化方面，极少有学者研究航空公司自身财务状况对民航服务质量的影响。国外主要有美国学者Rose分析了航空公司财务指标对民航安全的影响，Vasanthakumar研究了航空公司财务指标对航班延误的影响，指出航空公司的规模、负债情况、业务增长以及员工劳动生产率等因素会影响航班延误率。国内在此方面的研究还是空白，本文拟在借鉴国外学者研究成果的基础上，结合我国国情构建Logistic回归模型分析航空公司财务状况对航班延误的影响，以期对民航局和航空公司治理航班延误问题提供理论支持。
　　二、Logistic模型构建
　　本文的目的是研究航空公司财务特性与航班延误的关系，假设航空公司的盈利能力、负债情况、资产运营能力、公司规模等因素会影响航班延误的可能性。一个航班或者准点或者延误，是一个二分类变量，而Logistic回归模型是对二分类变量进行回归分析时最为普遍应用的多元量化分析方法。而且Logistic回归模型采用最大似然估计法进行参数估计，不要求样本数据呈正态分布，这与现实中公司财务指标的真实情况相吻合，因此本文拟构建Logistic回归模型研究航空公司财务指标与航班延误的关系。
　　假设P为航班延误的概率，则1-P为航班正常的概率，变量Xi为Logistic回归模型的自变量，它们是反映航空公司财务状况的指标。
　　Logistic模型的因变量为航班是否延误，如果一个航班发生了延误，则因变量的编码为Y=1；如果没有延误，其编码为Y=0，则有：
　　Ln（Pi/（1-Pi））=a+∑βiXii=1，...，n
　　P（Yi=1/Xi）=1/［1+e-（a+∑βixi）］
　　三、样本选择
　　本文选择中国国际航空、南方航空、东方航空、海南航空、上海航空五家上市公司2005年~2009五年每季度的财务数据以及航班延误数据作为研究样本。因为中国国际航空上市较晚，从2006年第二季度才能查到完整数据，而五个上市航空公司2009年第四季度的财务数据还没有发布，因此共得到90个样本。
　　四、变量设定与筛选
　　（1）因变量设定。因为我国民航局没有专门的航班延误指标，只有正常航班与不正常航班统计，而航班延误占了不正常航班的绝大多数，因此本文采用航班不正常率作为航班延误的替代变量。
　　由于Logistic模型的因变量是分类变量，需将连续型变量航班不正常率转化为二分类变量。如果某航空公司某一季度不正常率大于所有样本航空公司该季度不正常率均值，则赋值为1，低于均值的赋值为0，即赋值为1的公司相对于赋值为0的公司发生航班延误的可能性更大。
　　（2）自变量设定。本文选择反映航空公司盈利能力、现金流量、偿债能力、运营能力、成长能力及公司规模的各类变量作为候选自变量。具体指标如下：
　　盈利能力指标：主营业务利润率、销售净利率、净利润
　　现金流量指标：经营活动净现金流、总资产现金回收率、销售收现率
　　偿债能力指标：流动比率、资产负债率
　　运营能力指标：总资产周转率、固定资产周转率
　　公司成长性指标：主营收入增长率、净利润增长率
　　公司规模指标：主营业务收入、资产总额
　　盈利能力指标与现金流量指标反映了公司的获取利润和现金流的能力，获利能力与现金流量指标越高，公司越有充足的资金改善服务，而且盈利公司相对于亏损公司员工的工作积极性和主动性更高，有利于提高工作效率，降低人为原因的航班延误。负债指标反映了公司负债程度，航空公司在购买或融资租赁飞机、发动机等固定资产时，往往会利用长期负债，所以资产负债率升高可能说明航空公司处于业务扩张期，购买的飞机多，可用运力增加，有助于增加航空公司航班计划灵活性，降低航班延误的可能性。而流动比率反映了公司流动资产对流动负债的保障程度，流动比率越高，说明公司能够按时偿还到期负债的可能性大，也说明公司拥有较充分的资金可用于提高服务质量，降低航班延误。运营能力指标反映了航空公司的资产利用效率，运营能力指标越大，说明公司对资产的利用效率越高，不过我国航空公司普遍存在的一个问题是，飞机日利用率较高，这样虽然充分发挥了飞机的生产能力，但造成航班衔接过于紧密，一旦某一航班发生延误，就会影响后续的一系列航班，造成大规模的延误，因此固定资产周转率高可能会加重航班延误问题。公司成长性指标反映了公司业务增长情况，公司业务增长越快，航空公司可能会面临更大的航班延误压力。公司规模变量反映了一个航空公司的实力和市场地位，公司规模越大，其可支配的资源越多，发生飞机晚到时可调节的余地越大，有利于降低航班延误问题。
　　（3）自变量筛选。由于所选自变量较多，在进行回归分析前先进行自变量筛选。
　　第一步：利用单变量Logistic回归模型筛选自变量。筛选自变量的方法：从检查每个候选自变量与因变量之间的简单关系着手，通过拟合单变量Logistic回归模型来取得变量的显著性检验结果。在简单关系分析完成后，按显著性从高到低选择进入多变量回归模型的自变量。在选择时只要一个自变量在其简单关系的检验中P<0. 5，都作为多变量模型的候选变量。在筛选候选变量时以0.5的显著性水平，即α=0. 5作为标准的原因是避免在建立模型时遗漏某些重要的自变量，它们很可能在简单分析时显示与因变量弱相关，而在多变量分析时就成为重要的自变量。
　　通过对每个自变量的简单分析，符合标准的自变量有资产负债率、总资产现金回收率、销售净利率，主营收入增长率、主营业务收入、固定资产周转率。
　　第二步：对入选指标进行多重共线性检验。因为所选指标均为公司财务指标，为了避免指标间的多重共线性问题，在进行多变量回归前先进行多重共线性检验。本文采用自变量的相关系数表、并借助SPSS，使用容忍度、方差膨胀因子、特征值和条件指数来进行多重共线性检验。一般来说，如果两个自变量的相关系数超过0.9，容忍度小于0.1、膨胀因子大于10、特征值接近0或条件指数大于30时，提示存在严重共线性，必须进行处理。







　　自变量相关系数表如表1所示，SPSS的多重共线性诊断结果见表2。
　　表1显示，各指标间相关度较小，只有收入对数与总资产现金回收率的相关系数超过了0.5。
　　在SPSS中，共线性诊断仍然是通过多元线性回归分析来实现的，SPSS线性诊断的结果（表2）显示6个自变量的容忍度均大于0.1，方差膨胀因子均小于10，显示变量间不存在明显多重共线性，但特征值有两项很小，分别为0.07、0.01，条件指数最大为93.5，远远超过30，说明自变量间存在较严重的共线性。对诊断有多重共线性的自变量，常用的处理方法有：剔除不重要变量、主成分分析法、差分法及岭回归等。由于候选指标较少，本文根据自变量相关系数表并结合单变量模型的显著性检验结果，将与其他变量相关系数较大且单变量回归统计不显著的主营业务收入指标从候选指标中去掉。此时再利用SPSS进行多重共线性检验，条件指数最大值为27.4，小于30，说明变量间不存在严重的多重共线性问题。
　　五、多变量Logistic回归分析
　　在前面工作的基础上，选择资产负债率、总资产现金回收率、销售净利率、主营收入增长率、固定资产周转率五个指标进行多变量Logistic回归分析，分析结果见表3。
　　表3显示，五变量回归模型的HL指标值为11.51，自由度为8， P＝0.17，没有通过显著性检验，说明模型拟合度较好，并且模型χ2 值为15.23，自由度为5，P=0.01，统计性显著，说明自变量提供的信息有助于更好地预测航班延误事件是否发生。根据表3的回归结果可以构造如下Logistic模型：
　　Ln（P/（1-P））=8.15-9.14X1-18.85X2-3.49X3+0.23X4+0.20X5
　　式中P为航班延误发生的概率，X1、X2、X3、X4、X5分别为资产负债率、 总资产现金回收率、销售净利率、主营收入增长率、 固定资产周转率。表3的回归结果显示，资产负债率、总资产现金回收率、 销售净利率的系数均为负值（其中销售净利率的系数没有通过显著性检验），说明航班延误的可能性会随着资产负债率、总资产现金回收率、销售净利率的提高而降低；主营收入增长率、固定资产周转率的系数为正， 但没有通过显著性检验， 说明主营收入的增长会加重航班延误问题，提高固定资产周转率可能会造成飞机日利用率过高，使飞机在机场过站时间不足， 影响后续航班正常率， 或者备用飞机不足而引发大面积延误。
　　六、结论与建议
　　航班延误问题是受到社会广泛关注的一个问题，航班延误会影响消费者对航空公司服务的满意度，进而影响其对航班、航空公司的选择，从而会影响航空公司的声誉、客源和利润，因此航空公司必须对航班延误问题给予高度重视。本文研究了航空公司财务状况对航班延误的影响。Logistic回归模型统计结果显示，航班延误的可能性会随着航空公司资产负债率、总资产现金回收率、销售净利率的提高而降低，会随着主营收入增长率、固定资产周转率的提高而提高。
　　笔者认为，要解决航班延误这一问题，一方面航空公司应采取积极措施降低航班延误率。在公司计划方面航空公司要合理地制定公司计划，并将公司资产负债率和固定资产周转率控制在一个合理水平，不能为了提高固定资产使用效率而将航班排得过于紧密，尽量降低航班计划原因导致的延误。其次要加强分析，提高航班计划编排水平。 航空公司要充分利用自身运行控制系统优势，对航班计划的空中飞行时间、地面滑行时间、机场过站时间进行统计和分析，对于计划编制不合理的航班应及时进行调整，提高航班计划的准确度。 航空公司应该采取措施提高公司盈利能力，保证有充足的资金用于提高服务质量。航空公司要采取有力措施增强机务维修、地面服务等飞行保障措施，建立系统高效的飞行保障体系。增强机务人员飞机维护、维修能力，提高维修质量和维修速度，在保障飞行安全的前提下尽可能缩小因机务原因造成的航班延误。另一方面， 民航局应加强航班延误治理，保障航班正常。 要完善航班正常标准，修改统计办法。明确航空公司、机场、空管各方面对保障航班正常的责任。建立保障航班正常的奖惩机制，强化激励约束。航空公司、机场要优化地面服务流程，提高运行效率。此外还应做好大面积航班延误后的应急处置工作，建立完善大面积航班延误后应急信息中心和指挥中心，制定航班延误后工作程序，建立完善航班延误监督处罚机制。