航空業競爭與高速鐵路運營探討

導語：航空業競爭與高速鐵路運營探討一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要：近年來中國高速鐵路飛速發展，同時面臨著航空業的激烈競爭，通過分析競爭對手航空業的客運需求量、機票價格，利用航空客運需求數據，運用計量模型以中國三大航空公司為例分析高速鐵路對航空公司客運需求和機票價格的影響，研究高速鐵路及其運行特征對航空運輸需求的影響及價格彈性，證實高速鐵路服務的進入對航空運輸需求有很大影響。為更好地適應客流及其需求特性，高速鐵路應考慮開行與航空航線平行的班列，充分發揮技術經濟優勢，更多開行兩點間的直通列車，并重點優化運行時間或速度。

關鍵詞：高速鐵路；航空；競爭；優化；需求；線路

中國第一條高速鐵路線路于2008年開始在北京和天津之間運營。截至2020年12月底，中國高速鐵路線路里程約3.8萬km，占全球高速鐵路里程的2/3以上。此外，中國高速鐵路網絡仍處于快速發展階段，到2025年中國80%的國內航空市場將被高速鐵路線路覆蓋。許多研究發現，高速鐵路服務的進入在乘客需求和機票價格方面給航空公司帶來了競爭壓力。例如，日本新干線的開通大大減少了航空客運量，韓國2004年高速列車(KTX)的開通影響了韓國航空業的乘客需求和機票價格。自2008年首次亮相以來，中國高速鐵路客運量年均增長率超過30%。目前高速鐵路是航空運輸的有力競爭對手，特別是在距離400~800km的路線上，但如何更好地優化高速鐵路列車的開行，吸引更多的客流到高速鐵路上來，對鐵路來說是仍然是個重要的課題。以往對歐洲客運市場的研究發現，高速鐵路運行時間的快慢會影響空中交通量，但高速鐵路的發車頻率對空中交通量的影響并不明顯。隨著中國高速鐵路的快速發展，旨在通過研究高速鐵路的旅行時間和頻率以及票價差異對航空客流的影響，來確定高速鐵路開行優化的關鍵項點。為了更好地研究高速鐵路對航空客運的影響，構建航空客運需求計量經濟模型來進行分析。

1計量經濟模型構建

計量經濟模型包括1個或1個以上的隨機方程式，表示經濟現象及其主要因素之間的數量關系。以結構分析對所研究的經濟關系進行定量的考察，分析當其他條件不變時，模型體系中的解釋變量發生一定的變動對被解釋變量的影響程度。分析高速鐵路的開行對航空業會帶來的影響，適合使用計量經濟模型，模型建立關鍵在于確定影響因素，即確定模型的變量。Oum等[1]研究了航空旅客需求的綜合影響因素，Fischer，Fageda，Bilotkach，Murakami等[2-5]也進行了該領域的研究，鑒于數據的可用性，參照上述文章的模型設定，可確定關鍵因素。以下4個因素最常出現：機票價格、人口、國內生產總值和航線距離。Castillo-Manzano，Fu等[6-7]研究發現高速鐵路和低成本航班的開行對航空旅客需求也有很大影響，因此可設置低成本航空的變量LCC。Alamdari，Fageda等[8-9]研究表明旅游業和季節也會影響航空運輸需求。機場樞紐聚集了比預期更多的乘客或服務，北京、上海、廣州機場的客運量名列前三位，客流變化明顯、代表性強，利于研究。因此，為了研究航空樞紐產生的影響，定義樞紐虛擬變量SH和GZ分別表示上海和廣州機場，并設置北京為基準默認值(即當SH和GZ都取0時，北京取1)。采用2種計量經濟模型來確定中國高速鐵路開行優化的重點項目。第1個模型用以分析高速鐵路的進入對中國國內航空運輸市場的影響和高速鐵路進入后航空需求的價格彈性。第2個模型考察了高速鐵路運行時間、頻率以及票價差異對航空客流的影響。第1個計量經濟模型如下。lnQkt=α0+α1lnPkt+α2lnPOPkt+α3lnGDPkt+α4lnDISTk+α5lnTOURkt+α6HSRkt+α7LCCkt+α8SHk+α9GZk+α10spring+α11summer+α12autumn+εkt⑴式中：Qkt為中國三大航空公司(中國國際航空股份有限公司，中國東方航空股份有限公司，中國南方航空公司)在t期間k航線上的總客運周轉量(以乘客公里計)；Pkt為3家航空公司在t期間k號航線的收益率；POPkt為t時期由k線路連接的2個城市的人口總和；GDPkt為2個城市的平均人均生產總值；DISTk為k線路連接的2個城市的距離，TOURkt為0-1虛擬變量，表示連接的2個城市是否為福布斯所列的中國重點旅游城市；HSRkt為0-1虛擬變量，代表時期t、線路k上是否有平行的高速鐵路進入；LCCkt為0-1虛擬變量，代表是否有航空公司在該線路上開行低成本航班；SHk，GZk分別為上海和廣州2個城市的虛擬變量，表示線路k是否連接這2個城市；spring，summer和autumn則是季節虛擬變量；α0為截距項；εkt為誤差項；α1至α12為解釋變量系數。第2個計量經濟模型如下lnQkt=β0+β1lnPdiffkt+β2lnHSRFreqkt+β3lnHSRTimekt+β4lnPOPk+β5lnGDPkt+β6DISTk+β7lnTOURkt+β8LCC+β9SHk+β10GZk+μkt⑵式中：Pdiffkt為時期t線路k高速鐵路和航空的線路差價；HSRFreqkt為時期t線路k上高速鐵路發車頻率；HSRTimekt為時期t線路k上高速鐵路的運行時間；β0為截距項；μkt為誤差項；β1至β10為解釋變量系數。數據來自中國三大航空公司，航線層面的日數據，時間跨度從2010年1月1日到2013年6月30日，共92條航線，包括北京、上海、廣州之間的線路，以及這3個城市到所有省會城市(拉薩除外)和副省會城市的直飛線路。選取此時間段數據的原因：一是截至2013年6月與北京、上海、廣州之間的航線并行的高速鐵路干線，如京滬高速鐵路(北京南—上海虹橋)、京廣高速鐵路(北京西—廣州南)、鄭徐高速鐵路(鄭州東—徐州東)等已經開通，這3個城市到其他主要城市的高速鐵路也大部分開始運營，且運營了一段時間。二是這段時期正是高速鐵路服務進入的初期階段，屬于競爭沖擊明顯期，選取這段時期的數據進行分析，更具有代表性。三是選取的是航線層面日數據，不等同于年數據或月數據，分析精度會更高。在92條航線中，截至2013年6月30日有22條有平行的高速鐵路服務，而這其中有20條是在2010年7月1日以后開通的平行高速鐵路服務，所以選取沒有高速鐵路服務進入的2010年1—6月與高速鐵路服務一段時間以后的2013年1—6月數據進行分析。2010年和2013年1—6月航空客運需求如表1所示，在沒有高速鐵路服務的70條航線上，客流量上升了17%，收益率下降了3%。在22條平行高速鐵路服務的航線上，客運量和收益率都下降了7%。這些比較表明，在高速鐵路的直接競爭下，航空運輸需求和收益率都顯著下降。

2高速鐵路對航空運輸需求的影響

對計量經濟模型最常用的回歸分析方法是固定效應(RE)和隨機效應(FE)估計法，在22條有高速鐵路服務進入的航線中，航空需求和收益率都明顯下降，為了使分析結果更加穩健，利用收集的數據分別運用固定效應和隨機效應2種分析方法對計量模型(1)進行分析，具體研究高速鐵路對航空運輸需求的影響。高速鐵路對航空運輸需求的影響如表2所示。可以看出，固定效應和隨機效應的結果都保持一致。在2種計量模型中，高速鐵路系數均顯著為負，表明高速鐵路平行服務的引入對中國航空運輸需求產生了顯著影響。具體來說，在所有其他因素都不變的情況下，高速鐵路服務的進入平均減少了對平行航線27.5%的需求。因此鐵路部門想要更好地吸引原來航空業所屬的客流，基礎條件就是把與航空并行的線路建設起來，當更多的平行高速鐵路開通后，然后再優化高速列車的開行，逐步增強對航空業的競爭。假設模型是對數線性的，機票價格系數是航空運輸需求的價格彈性。在所有航線上，RE模型和FE模型的價格彈性分別為-1.500和-1.362。非高速鐵路線路的RE模型和FE模型的價格彈性分別為-1.108和-1.005。通過比較得知，高速鐵路進入后，航空機票的價格變得更有彈性。高速鐵路給航空公司帶來了更大的競爭壓力，有平行高速鐵路服務的航線，航空需求變得更具彈性[10]。此外，更多的出行選擇和更低的價格將會給消費者福利帶來增加[11]。是否開行低成本航班系數不顯著，即低成本航班的存在對三大航空公司的乘客需求影響不大。在研究時段內，春秋航空是中國唯一一家低成本航空公司，在國內市場的份額微不足道。因此，低成本航班的影響不顯著。相比之下，高速鐵路的系數為負值，表明在國內市場，對于三大航空公司來說，高速鐵路是比低成本航班更有競爭力的對手。在RE模型和FE模型下，上海機場虛擬變量SH的系數均顯著為負。在北京機場為默認機場且其他因素不變的情況下，上海機場對三大航空公司的需求低于北京機場，這是因為上海是春秋航空公司的樞紐，許多航線都面臨著來自春秋航空公司的低成本航班的直接競爭；此外上海虹橋機場與上海高鐵站直接相連，換乘非常方便，因此低成本航空公司和高速鐵路都將轉移上海對三大航空公司的需求，導致上海機場對三大航空公司的需求低于北京機場。

3航空業競爭下高速鐵路運營特征分析

使用計量模型(2)以分析高速鐵路運營特征對航空運輸需求的影響，特別是3個主要變量，即機票與高速鐵路票價之差(Pdiff)、高速鐵路日頻率(HSRFreq)和旅行時間(HSRTime)的影響。為了量化這3個主要變量的影響，固定其中某2個或者1個變量，針對另外的主要變量將計量模型(2)變形，進而得到5種模型，即模型a至模型e。首先，在模型a至模型c中逐一研究3個主要變量的影響。其次，在模型d中檢驗Pdiff和HSRFreq的影響，在模型e中檢驗了Pdiff和HSRTime的影響。由于HSRFreq和HSRTime高度相關，相關系數為0.9，所以無法在一次回歸分析中包含所有3個變量。HSRFreq和HSRTime高度相關也是合理的，因為更短的旅行時間使高速鐵路更有吸引力，所以高速鐵路的頻率也更高。考慮到存在自相關和異方差問題，采用可行廣義最小二乘法(FGLS)估計結果。模型估計結果如表3所示。首先，在3個主要變量中，Pdiff是影響中國國內航空需求最具影響力的因素，Pdiff系數顯著為負，表明票價差越大，航空交通需求越低。具體來說，如果航空運輸與高速鐵路的票價差增加10%，那么航空運輸需求將下降17.90%~21.98%，所以高速鐵路在服務不變的情況下通過出售淡季打折票、聯程優惠票、月度票等形式來降低票價，能有效地吸引航空客流，助力高速鐵路發展。同時這一結果也證實航空需求隨著高速鐵路的競爭變得更有彈性。其次，高速鐵路運行時間是第2個最重要的因素，對航空運輸需求有強烈的負向影響。特別是，如果高速鐵路出行時間縮短10%，航空運輸需求將減少9.43%~11.57%。這也符合大多數人希望更快地到達目的地的出行需求[12]，所以在高速鐵路列車開行調整方面要注意運行時間的變化。在每季度的調圖中根據上季度的客票情況和并行航空線路的客流情況，調整列車運行時間，縮短停站時間，以保證旅行時間的最小化。再次，高速鐵路頻率系數為負且顯著，但與高速鐵路出行時間和票價差相比，高速鐵路頻率對航空旅客需求的影響要小得多。最后，除GDP外，所有控制變量的效應與計量模型(1)相似，GDP系數僅在模型a中略微顯著，在模型b至模型e中不顯著。

4結束語

利用高速鐵路開通前后的季度航線需求面板數據分析高速鐵路對中國航空業客流的影響，結果表明，平行高速鐵路服務的引入明顯拉低了航空運輸的需求，使得機票價格變化幅度增大，高速鐵路對航空業旅客的吸引力顯著，可以考慮開行航空客流需求較為旺盛的省會城市之間的列車，提供更廣泛的運力吸引航空客流；高速鐵路旅行速度越快對航空客流越有吸引力，這意味著兩點間的旅行時間越短，高速鐵路越有競爭力；對比發現票價差和高速鐵路旅行時間對航空旅客需求的影響比較強，而高速鐵路發車頻率對航空旅客需求的影響比較有限，高速鐵路列車開行優化應側重于調整運行時間或運行速度。

作者：齊壯