Please use this identifier to cite or link to this item:
https://er.nau.edu.ua/handle/NAU/65717
Title: | Problems of using regression analysis in the construction of forecasting models of non-scheduled passenger air transportation |
Other Titles: | Проблеми використання регресійного аналізу при побудові моделей прогнозування нерегулярних пасажирських авіаперевезень |
Authors: | Dashqin, Nazarli Назарлі, Дашкін Шуджаат |
Keywords: | non-scheduled passenger air transportation regression analysis statistical analysis smoothing methods investigating forecasting problems optimal model passenger demand model нерегулярні пасажирські авіаперевезення регресійний аналіз статистичний аналіз методи згладжування дослідження проблем прогнозування оптимальна модель модель попиту пасажирів |
Issue Date: | 18-Oct-2024 |
Publisher: | National Avіation University |
Citation: | Dashqin N. Problems of using regression analysis in the construction of forecasting models of non-scheduled passenger air transportation // Проблеми підготовки професійних кадрів з логістики в умовах глобального конкурентного середовища: Збірник доповідей ХХII Міжнародної науково-практичної конференції. – Національний авіаційний університет. – Київ, 2024. С.19-24. |
Abstract: | The problems encountered during the modeling of non-scheduled
passenger air transportation based on regression analysis and their analysis, as well as a number of methods for their elimination, are
proposed. As is known, non-scheduled passenger air transportation is
random and variable in nature. Therefore, there are many factors
that af ect the demand for this type of air transportation. Most of
these factors should be taken into account when building a model to
obtain optimal forecasting results. In regression analysis, the time
factor is usually taken as the main factor. In this regard, the accuracy
and ef ectiveness of the forecasting results are lower. In the article, these issues were investigated, and a number of proposals were made. This article examines the challenges of applying regression analysis
to building forecasting models for charter air transportation. Understanding and overcoming the challenges encountered in
regression-based model building is considered critical to improving
the ef ectiveness of forecasting models in the context of non- scheduled passenger air transportation, as well as improving
operational planning and decision-making for charter flight
operators and aviation stakeholders. У статті запропоновано проблеми, що виникають під час моделювання нерегулярних пасажирських авіаперевезень на основі регресійного аналізу та їх аналізу, а також низку методів їх усунення. Як відомо, нерегулярні пасажирські авіаперевезення носять випадковий і змінний характер. Тому існує безліч факторів, які впливають на попит на даний вид авіаперевезень. Більшість цих факторів слід враховувати при побудові моделі для отримання оптимальних результатів прогнозування. У регресійному аналізі фактор часу зазвичай приймається як основний фактор. У зв'язку з цим точність і ефективність результатів прогнозування нижче. У статті досліджено ці питання, внесено низку пропозицій. Розглянуто проблеми застосування регресійного аналізу до побудови моделей прогнозування чартерних авіаперевезень. Розуміння та подолання проблем, що виникають при побудові регресійної моделі, вважається критичним для підвищення ефективності моделей прогнозування в контексті нерегулярних пасажирських авіаперевезень, а також вдосконалення операційного планування та прийняття рішень для операторів чартерних рейсів та авіаційних зацікавлених сторін. |
Description: | 1. ICAO (2016) Manual on the Regulation of International Air Transport, Doc 9626, Third Edition. 2.Aghayev, N., and Nazarli, D. (2023). Forecasting models of non-scheduled passenger air transportation through regression analysis. Scientific Journal, Vol 25 N4 p 13-22. https://doi.org/10.30546/ΕΜΝΑΑ.2023.25.4.2 3. Vapnik, V. (1995). The nature of statistical learning theory Springer-Verlag, New York. 4. Nikolova, C. ., and Garkova, V. . (2022). Impact Assessment of the COVID-19 Pandemic on the Service Performance of Sofia Airport. European Journal of Sustainable Development, 11(3), 247. https://doi.org/10.14207/ejsd.2022.v11n3p247 5. Xie G, Wang S, and Lai KK (2014) Short-term forecasting of air passengers by using hybrid seasonal decomposition and least squares support vector regression approaches. J Air Trans Manag 37:20–26. https://doi.org/10.1016/J.JAIRTRAMAN.2014.01.009 6. Bastola DP (2017), “Air passenger demand model (APDM): econometric model for forecasting demand in passenger air transports in Nepal,” Int J Adv Res Publ, vol. 1, no. 4, pp. 76–80, [online]. Available: http://www.ijarp.org/published- research-papers/oct2017/Air-Passenger-Demand-Modelapdm-Econometric-Model- For-Forecasting-Demand-In-Passenger-Air-Transports-In-Nepal.pdf. Accessed February 11, 2023 7. Carmona-Benítez RB, Nieto MR, Miranda D (2017) An econometric dynamic model to estimate passenger demand for the air transport industry. Transp Res Procedia 25:17–29. https://doi.org/10.1016/j. trpro.2017.05.191 8. Hakim M. M. and R. Merkert, “Econometric evidence on the determinants of air transport in south Asian countries,” Transp Policy, vol. 83, pp. 120–126, Nov. 2019, https://doi.org/10.1016/j.tranpol. 2017.12.003. 9. Li C. (2019). Combined forecasting of civil aviation passenger volume based on ARIMA-REGRESSION. Int J Syst Assur Eng Manag 10(5):945–952. https://doi.org/10.1007/s13198-019-00825-6 10. Ding Y (2017), “Predicting fight delay based on multiple linear regression,” https://doi.org/10.1088/1755-1315/81/1/012198 11. Suryan V. (2017). Econometric Forecasting Models for Air Traf ic Passengers in Indonesia. J Civ Eng Forum 3(1):303. https://doi.org/10.22146/jcef.26594. |
URI: | https://er.nau.edu.ua/handle/NAU/65717 |
Appears in Collections: | Матеріали конференцій кафедри логістики |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
збірник жовтень 2024-1-19-24.pdf | Dashqin N. | 296.93 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.