문제 정의

• 이하에서는 수요예측과 관련된 이론적 배경과 선행연구를 살펴보고, 수요예측에 사용된 변수와 모형, 그리고 수요예측을 통한 예측값과 실제값과의 비교 검토를 실시한다. 그리고 마지막으로 결과를 정리하고, 결론을 제시하고자 한다.
• 따라서 본 연구에서는 항공수요에 영향을 미치는 요인들을 선정하여 다중회귀분석을 통해 국제선 항공수요를 분석 · 예측하고, 이에 대한 검토를 실시하였다.
• 후)관측 기간은">관측기간은 1997년 1월부터 2015년 9월까지를 대상으로 분기별 자료를 사용하였으며, 예측기간은 2015년 4분기부터 2016년 4분기까지를 대상으로 하였다. 또한 이 결과에 대한 사후 검토를 실시하고, 시사점을 제시하고자 한다. 본 연구에는 OLS 본 연구는 한국항공운항학회 2019년 춘계학술 대회에서 발표된 논문을 수정 보완하였음을 밝혀둡니다.
• 또한 이 결과에 대한 사후 검토를 실시하고, 시사점을 제시하고자 한다. 본 연구에는 OLS 다중회귀분석을 이용한 관측자료를 활용하여 수요예측을 실시하였으며, 교차검증(Cross-Validation)을 활용하여 최적 조합을 통한 예측 결과를 제시하고자 한다. 분기별 데이터 구분은

  제안 방법

  • 후)더미 변수는">더미변수는 각 요인별 상당한 영향을 미쳤을 것으로 판단되는 기간을 적용하였다.
  • 이상에서 살펴본 바와 같이 그동안의 관련 연구들은 대부분 특정 지역이나 노선에 한정된 분석이 대부분이다. 따라서 본 연구에서는 그 범위를 우리나라 국제선 전체를 대상으로 설정하였고, 설명변수 선택에 있어서도 경제 전반을 살펴볼 수 있는 GDP와 개인의 소비가능 여력을 나타내는 민간소비증감률을 사용하였다. 유가와 환율은 항공사의 원가 구조에 민감한 요인이므로 포함하였고, 후)로그 변환을">로그변환을 통해 설명변수와 종속변수 간에 발생 하는 지수적인 패턴의 발생 가능성을 고려하였고, 정책 및 우발변수 중 일부는 더미변수로 고려하였다. 본 연구에서 사용한 교차검증 방법은 일반적으로 한 표본에 대해 성공한 방법을 다른 표본에 적용시켜 그 정당성을 확인하는 방법이다.
  • 후)최적조합을">최적 조합을 구성하여 수요예측을 실시하였다. 먼저 모형내 모든 값은 로그변환하였으며, 예측에 필요한 값 또한 로그변환을 실시하였다. 후)민간소비 증감률,">민간소비증감률, 유가, 환율, 더미 등 5가지로 구분하였다. 변수 구분에 대한 기준으로는 각 변수가 가지는 고유한 특징을 고려하였으며, 결과 설명시 영향 요소의 명확성을 고려하였다. 충분한 본 연구에서 사용한 변수는 1인당 국내총생산(GDP), 민간소비증감률, 유가, 환율, 소비자물가 지수(CPI), 근원 인플레이션율, 수출입의 대 국민총소득(GNI) 등의 사회·경제 변수와 ‘IMF, 911테러, SARS, KTX, LCC, 세계금융위기, 메르스’ 등의 정책변수와 우발변수를 더미 변수로 고려하였다.
  • 본 연구에서는 최적 모형 선정을 위해, 우선 주요 변수를 1인당 GDP, 민간소비증감률, 유가, 환율, 더미 등 5가지로 구분하였다. 변수 구분에 대한 기준으로는 각 변수가 가지는 고유한 특징을 고려하였으며, 결과 설명시 본 연구에서는 한국의 국제선 여객수요와 화물수요를 OLS 다중회귀분석을 통해 관측하고, 예측오차를 최소화하는 조합을 구성하여 교차검증 방법을 통해 예측하고, 그 결과를 실적치와 비교하였다. 먼저 국제선 본 연구에서는 항공수요예측에 영향을 미치는 다양한 요인을 선정하고, 다중회귀분석을 통해 분석 기간을 관측하고, 교차검증 방법을 통해 최적 조합을 구성하여 수요예측을 실시하였다. 먼저 후)최적조합을">최적 조합을 통한 예측 결과를 제시하고자 한다. 분기별 데이터 구분은 설명변수의 대부분이 경제변수이고, 이들 정보의 제공 기간이 분기 자료임에 착안하였으며, 분기별 구분에 대한 신뢰성에 대해서는 white noise test를 통해 확인하였다.
  • 이하에서는 수요예측과 관련된 이론적 배경과 선행연구를 살펴보고, 수요예측에 사용된 변수와 모형, 그리고 수요예측을 통한 예측값과 실제값과의 비교 검토를 실시한다. 그리고 마지막으로 결과를 정리하고, 결론을 제시하고자 한다.
  • 후)영향요소의">영향 요소의 명확성을 고려하였다. 충분한 교차검증을 위해 모두 8가지 모형으로 조합하여 추정을 실시하였으며, 예측 오차를 최소화할 수 있도록 최소 Mean 값을 기준으로 최종 모형으로 선정하였다. 일부 예측자료 확보에 어려움이 있는 소비자물가지수 등의 변수는 후)기본 변수를">기본변수를 부산의 GRDP, 인구, 전국 1인당 소득과 각 노선의 항공, 철도의 요금 및 시간을 적용하였다. 특히 고속철도 개통, 공항별 주요 고속도로 개통 및 IMF를 더미 변수로 추가하여 예측하였다[4].

  대상 데이터

  • 후)단위 근">단위근 검정을 수행하였으며, 변수들 간의 장기균형관계 분석을 위해 공적분 검정을 수행하였다. 모형 적용을 위해 제주공항 국내선을 분석하였으며, 수요 모형의 설명변수로는 GDP와 항공요금지수 그리고 제주 방문 관광객수 자료를 사용하였다[3].
  • 본 연구의 관측기간은 1997년 1월부터 2015년 9월까지를 대상으로 분기별 자료를 사용하였으며, 예측기간은 2015년 4분기부터 2016년 4분기까지를 대상으로 하였다. 또한 이 결과에 대한 사후 검토를 실시하고, 시사점을 제시하고자 한다.
  • 분석에 필요한 데이터 중 실적 자료는 한국공항공사 항공통계와 한국은행 경제통계시스템, 한국석유공사 등 국내 기관에서 제공하는 자료를 사용하였으며, 예측에 필요한 1인당 GDP, 민간소비증감률, 유가, 환율에 대한 예측 자료는 산업연구원 경제산업 전망 자료를 사용하였다. 후)변화 추이와">변화추이와 결정요인을 분석하였다. 해당 연구에서는 패널회귀분석을 위해 주요 공항의 연도별, 노선별 항공여객수송량 자료를 종속 변수로 사용하였다[5].

  데이터처리

  • 국제선 수요예측을 위해 1997년 1분기부터 2015 년 3분기까지 분기별 자료에 대해 OLS 다중회귀분 석을 실시하였으며, 교차검증을 위해 4개의 선택변수(1인당 GDP, 민간소비증감률, 유가, 환율)와 더미 변수(IMF, 911테러, SARS, 세계금융위기, MERS)의선택 조합으로 모두 8개의 모형을 설정하였다.
  • 아래 Table 3에서 보는 바와 같이 국제선 여객 수요예측에서 4개 분기 구분에 대한 적절성은 White-Noise test를 통해 검증하였으며, 교차검증 결과는 모형 5가 Mean 값이 가장 낮아 국제선 여객 수요예측시 최종 모형으로 선정하였다.
  • 아래 Table 6에서 보는 바와 같이 국제선 화물 수요예측에서 4개 분기 구분에 대한 적절성은 White-Noise test를 통해 검증하였으며, 교차검증 결과는 모형 7이 Mean 값이 가장 낮아 국제선 화물 수요예측시 최종 모형으로 선정하였다.

  이론/모형

  • 후)더 미">더미 변수로 고려하였다. 하지만 경제 변수 중에서는 일부 예측자료를 확보하지 못한 소비자물가지수, 근원 인플레이션율, 수출입의 대 GNI 비율 등은 신뢰성 확보를 위해 수요예측 분석모형에서는 고려하지 않았고, White-Noise test에만 활용하였다. 또한 더미 변수에서 고려한 KTX, LCC 등의 변수는 분석 기간 내에서는 국제선에 미치는 영향이 크지 않다고 판단하여 본 국제선 수요예측에서는 제외하였다.