机场扩建、政策导向、经济发展等外在因素的变化常常导致航空客运量数据发生结构性改变，其模型的设定也在很大程度上存在不确定性，因此，精准而稳定地预测航空客运量变得十分困难.为了解决以上问题，本文采用了一种时变模型平均方法（TVJMA）（Sun等，2019，2020）对全国Top 5机场的客运量进行了预测研究，该方法在模型平均时基于最小化局部Jackknife准则给出了最优的权重选择，并通过非参数估计，实现了最优权重随时间变化.实证结果表明，本文所采用的TVJMA方法显著优于其它基准模型，包括Hansen和Racine（2012）的Jackknife模型平均（JMA）以及自回归模型（AR），单整自回归移动平均模型（ARIMA），季节性单整自回归移动平均模型（SARIMA）和时变参数模型（TVP）等传统方法.进一步，对不同的预测步长，TVJMA在航空客运量的预测效果同样具有稳健性.因此，TVJMA方法可以有效地降低由于航空客运量的结构性变化和预测模型不确定性等导致的预测风险，进而做出精准而稳定的客运量预测.
