最近研究的关于航空货运量算法的异同 (入选推荐日志，加20币)

在国际上，专业机构对航空货量的预测大都建立在GDP和回归分析的基础上。一般来说，有四种不同的货运量测算方法：

在从1997年开始的《Boeing′s Market Outlook of World Aviation Support Services》报告里，波音公司副总裁兰迪·贝斯勒领导的研究小组开始使用两个变量（GDP和收益“每克公里的收入”）的多元线性回归分析，预测全球货运量。

这一方法由于波音公司的影响力，成为主流预算算法。McKinsey给广州白云机场FEDEX战略评估项目；IBM咨询服务部给首都国际机场战略评估项目，都先后采用这种算法。

从1995年开始，美国太空署使用两个变量（实际可支配收入和实际收益）的多元线性回归分析来预测全美国货运量的变化。

美国航空、美国联合航空都从1997年开始采用这个算法，来做自身的航线投放计算。

加州州立大学洛杉矶分校（CSLA）使用了航空货运量和GDP增长率的相关系数（航空货邮吞吐量年递增率 = 1.5 x GDP年递增率）预测全球货运量的变化。

截止2006年，由于该算法的简捷，此算法在超过120份SCI论文中被引用。

International Air Transport Association是基于与GDP的回归模型和IATA成员提供的数据预测航空货运量，并参考组织内专家意见。

此种算法在每年的IATA报告中使用，但从1995－2005年的数据反馈来看，偏差较大。

此外，各咨询公司、大学还有各种货量预测方法，如：历史成长趋势、市场份额分析、市场调研分析、航空货品相关产业分析等。

预测方法	典型使用者
历史成长趋势	，埃森哲在给美国西南航空公司、中国海南航空战略规划项目中使用，是除了回归算法外，最知名的货运量算法。
市场份额分析	，罗兰贝格在90年代中期给汉莎航空公司战略规划项目中使用，后空中客车公司也采用此方法。但此方法的有效性一直受到美国航空业的质疑。
市场调研分析	芝加哥大学在98年开始使用对相关行业作全面访谈，进而反映市场相关行业的综合意见的方法来进行航空预测。
航空货品相关产业分析	，复旦大学03年使用产业成长预测，对上海虹桥机场的货量进行分析；清华大学05年对大连周水子机场进行未来三年的货量分析。不过除了中国学术界，国际应用比较少，SCI引用只有2篇。