【终局复盘 · 10/9 已揭晓】4 项预测：① 铁路单日 2520.4 万，误差 +1.0%，命中；② 7 天累计 1.52 亿（低估 7%）；③ 民航 251 万（差 0.4% 出区间）；④ 机票全线下跌（方向反）。逐项对账与归因见文末"复盘"章节。
这是《预测实验》的第 1 期。这个系列的规则很简单：数据公开可查证、方法透明、预测写死数字，到期公开复盘。第一期赶在国庆前发，预测对象是比较好玩的两件事：国庆的铁路客流，和我们想买的机票价格。
为什么第一个实验选它？因为它是极少的、普通人能在两周后亲手验证对错的宏观预测：国铁集团每天通报旅客发送量，国庆一过，本文的每一句话都会被数据裁决。
数据：全部来自官方通报，一条表看清
铁路客流的口径说明：国铁集团每逢大假期会设一个"假期运输期"（首日前几天开始、最后一天后几天结束），通报运输期累计量和单日峰值。近几年数据如下：
| 假期 | 运输期 | 累计发送 | 首日单日峰值 |
|---|---|---|---|
| 2023 国庆中秋（8天假） | 12 天 | 1.95 亿 | 2009.8 万（9/29） |
| 2024 国庆（7天假） | 10 天 | 1.77 亿 | 2144.8 万（10/1） |
| 2025 五一（5天假） | 8 天 | 1.51 亿 | 2311.9 万（5/1） |
| 2025 国庆中秋（8天假） | 12 天 | 2.13 亿 | 2313.2 万（10/1） |
| 2026 五一（5天假） | 8 天 | 1.59 亿（+5.2%） | 2484.4 万（5/1，现纪录） |
我们可以看到：假期首日的单日峰值几乎逐年抬升（2023 年首破 2000 万，2026 五一已到 2484 万）；2026 年的需求仍在增长（五一运输期累计同比 +5.2%）。今年中秋（9/25-27）和国庆（10/1-7）是分开的两个假期，9/23 起铁路进入为期 16 天的中秋国庆运输期，计划日均开行约 1.3 万列、增开 304 对临客。
预测方法：最简单的办法
不打算上什么高深模型——只有三个历史增长率，取平均后外推一年：
- 国庆首日峰值同比（2024→2025）：+7.9%
- 五一首日峰值同比（2025→2026，最新的同口径锚点）：+7.5%
- 五一运输期累计同比（2025→2026，反映需求大盘）：+5.2%
三者平均 +6.8%，套到 2025 年国庆首日的 2313.2 万上，得到点预测。这个方法的局限我得说清楚：① 假期口径变了——2025 年国庆中秋连休 8 天，2026 年只有 7 天，中秋先分流了一波探亲流，国庆客流结构会更偏旅游；② 运力有上限——首日峰值能不能再创新高，不只取决于需求，还取决于当天铁路到底能塞下多少人；③ 只有三年数据，任何模型都救不了样本量。
预测①：10 月 1 日单日客流，2495 万人次——预测破纪录
点预测 2495 万人次，80% 置信区间 [2430, 2560]。五一刚创的纪录是 2484.4 万，我的点预测只比它高 0.4%——说白了这是五五开的赌局，我按计算给破纪录概率 55%。押破纪录的理由：10/1 历来是全年铁路客流之巅（2023 年唯一例外），且 2026 年每次大假期峰值都在刷新历史。
预测②：国庆 7 天（10/1-10/7）铁路累计 1.42 亿人次
先把去年 10/1 到 10/7 的每日通报加起来，约 1.35 亿；再乘上 5%~6% 的增长，点预测 1.42 亿，区间 [1.35, 1.50]。到时候交通运输部每天都会公布数据，节后我逐日加一遍，就能对答案。
预测③：民航 10 月 1 日单日 262 万人次
2025 年 10/1 全国民航运输旅客 247.49 万人次（历史峰值）。民航增速近年略低于铁路，取 +6%：点预测 262 万，区间 [252, 272]。数据来源为交通运输部/民航局节后通报。
预测④：机票价格——节前一周买，大概率已经贵了
这部分做的是价格行为实测：我在 9 月 14 日上午（距出发 16 天）用携程查了 3 条深圳出发热门航线的直飞经济舱最低价，作为基线记录在案：
| 航线（9/30 出发） | 基线最低价（9/14 记录） | 最低价航班 |
|---|---|---|
| 深圳 → 西安 | ¥1570（6.6 折） | 南航 CZ3213，08:00 起飞 |
| 深圳 → 上海 | ¥650（2.7 折） | 金鹏航空 Y87565，06:55 起飞，浦东到达 |
| 深圳 → 重庆 | ¥1140（5.5 折） | 成都航空 EU7157，07:25 起飞 |
 |  |  |
基线截图（2026/9/14，携程 App：9/30 出发、直飞、经济舱按价升序）。国庆后复盘时，就用这三张图对账。
三个价格里有个细节值得留意：上海线才 2.7 折，明显是航司在用低价票填舱——这种票再往下跌的空间不大，往上走的弹性反而足；西安和重庆都挂在 5 折以上，便宜舱位卖一个少一个。
预测是（同一平台、同一筛选条件，9 月 29 日再查一遍）：3 条航线里至少 2 条最低价上涨，涨幅 10%~50%。道理不复杂——黄金周的热门航线，越临近买的人越笃定，便宜舱位卖一个少一个，剩下的只会更贵。要是反而全线降价，那多半是航司临时加了航班。也挺有意思，等于数据当场打我的脸，照样写进复盘。
【中间检查点 · 9/29 已复查】节前 1 天 vs 节前 16 天：三条航线，全部下跌，我的预测落空。
| 航线（9/30 出发） | 9/14 基线 | 9/29 复查 | 涨跌 |
|---|---|---|---|
| 深圳 → 上海 | ¥650（2.7 折）金鹏 Y87565 | ¥350（1.5 折）同一航班 Y87565 | -46.2% |
| 深圳 → 重庆 | ¥1140（5.5 折）成都航 EU7157 | ¥890（4.6 折）春秋 9C8613 | -21.9% |
| 深圳 → 西安 | ¥1570（6.6 折）南航 CZ3213 | ¥1200（4.2 折）深航直飞最低 | -23.6% |
（同口径复查：携程 App，9/30 出发、直飞、经济舱按价升序，查询时间 9/29 上午。注：西安线 App 日历另显示 ¥680 档，未能确认是否直飞，同口径直飞对比取 ¥1200。）
 |  |  |
复查截图（2026/9/29 上午，同口径：携程 App、9/30 出发、直飞、经济舱按价升序）。与基线三张逐列对照，同一航线看同一列。
我在 9/14 立的两个判断，都被数据打脸了：① "上海线才 2.7 折，往下跌的空间不大"——结果是同一班 Y87565 从 2.7 折杀到 1.5 折、还标注"少量"，两周再跌 46%；② "西安和重庆挂在 5 折以上，便宜舱位卖一个少一个"——实际两条线整体下移了一整个折扣档。
为什么错？我把"节前越近越贵"当成了默认规律，忽略了今年两个特殊变量：一是中秋（9/25-27）与国庆分开放，探亲流 9 月中旬就释放完了，国庆纯旅游需求撑不起运力；二是面对后置的需求，航司这次选择了临期清舱而不是挺价——空座起飞的边际成本约等于零，卖一张是一张。
这条检查点落空对预测③（民航单日 262 万）是个连带提醒：清舱降价会刺激临期购票，民航单日上冲的风险比我给的区间更大，节后复盘重点看上沿。方法论教训记下了：价格是供给方的博弈，不是需求总量的外推，下一期价格类预测改用"区间 + 概率"表述，不做方向断言。
预测卡（到期兑现）
| # | 预测内容 | 点预测 | 80% 区间 | 验证数据源 | 验证日 | 结果（10/9 对账） |
|---|---|---|---|---|---|---|
| ① | 10/1 铁路单日发送量 | 2495 万 | [2430, 2560] 万 | 国铁集团通报 | 10/9 前后 | ✅ 命中：实际 2520.4 万，误差 +1.0%，入区间 |
| ② | 国庆 7 天铁路累计 | 1.42 亿 | [1.35, 1.50] 亿 | 交通运输部逐日数据累加 | 10/9 | ❌ 落空：实际 1.5187 亿，误差 +7.0%，超上界 1.3% |
| ③ | 10/1 民航单日运输量 | 262 万 | [252, 272] 万 | 民航局/交通运输部通报 | 10/9 前后 | ❌ 落空：实际超 251 万，误差 -4.2%，差下界 0.4% |
| ④ | 机票最低价走势 | ≥2/3 上涨 | 涨幅 10%~50% | 携程复核截图 | 9/29 | ❌ 落空：三线全跌 21.9%~46.2%，方向相反 |
复盘（10/9 已揭晓）：1 项命中，3 项落空，落空得很有信息量
官方数据已出（交通运输部 10/8 通报、国铁集团数据），逐项对账：
| # | 实际值 | 点预测误差 | 80% 区间判定 | 结论 |
|---|---|---|---|---|
| ① 10/1 铁路单日 | 2520.4 万（创单日历史新高） | +1.0% | ✅ 入区间 | 命中 |
| ② 7 天累计 | 1.5187 亿（日均同比 +12.7%） | +7.0% | ❌ 超上界 1.3% | 落空（方向对、幅度低估） |
| ③ 10/1 民航 | 超 251 万（创同期新高） | -4.2% | ❌ 差下界 0.4% | 落空（擦边） |
| ④ 机票价格 | 三线全跌 21.9%~46.2%（9/29 已复查） | 方向相反 | — | 落空（见中间检查点） |
② 为什么低估了 7%？模型只用了需求侧的历史趋势，漏掉一个供给变量：假期前 4 条高铁新线同日开通、运营里程新增 1100 多公里（京港高铁雄商段、哈伊高铁都迎来首个国庆）——新线既释放运力、也诱发新需求。本期最值钱的教训：客流预测不能只看需求曲线，运力供给的变化必须进模型。
③ 和 ④ 其实是同一个故事。民航 7 天累计 1692 万、日均 242 万、同比基本持平，10/1 只有 251 万；而节前一周机票却在临期降价。两个独立预测一起落空、方向一致，指向同一事实：民航需求平淡，被同比日均 +12.7% 的铁路分流了。单看各自都是失败，合在一起是一次像样的交叉验证。
最值得记录的统计学自省：名义 80% 区间，4 项只命中 1 项（命中率 25%）——区间宽度系统性偏窄，我对自己的不确定性过度自信了。第 2 期起，区间宽度改用"历史同类基准的绝对误差分布"来定，不再拍脑袋给 ±3%。
第 2 期改进清单：纳入供给变量（新线开通、航班增减）、区间按误差分布校准、题目控制在 1~2 周内可验证。本文所有预测与数据已写死在页面上，对错都在——这正是这个系列存在的意义。
相关阅读
- 本文方法里用到的回归与趋势思想，见 用 R 做一次完整回归分析：以 cars 数据为例
- 模型怎么判断靠不靠谱，见 R 线性回归模型诊断 6 步：p 值、VIF、D-W 检验、AIC、R² 与交叉验证
- 系列文章导航：R 语言教程全集（23 篇导航）