摘要：近年来中国高速铁路飞速发展，同时面临着航空业的激烈竞争，通过分析竞争对手航空业的客运需求量、机票价格，利用航空客运需求数据，运用计量模型以中国三大航空公司为例分析高速铁路对航空公司客运需求和机票价格的影响，研究高速铁路及其运行特征对航空运输需求的影响及价格弹性，证实高速铁路服务的进入对航空运输需求有很大影响。为更好地适应客流及其需求特性，高速铁路应考虑开行与航空航线平行的班列，充分发挥技术经济优势，更多开行两点间的直通列车，并重点优化运行时间或速度。
关键词：高速铁路；航空；竞争；优化；需求；线路
中国第一条高速铁路线路于2008年开始在北京和天津之间运营。截至2020年12月底，中国高速铁路线路里程约3.8万km，占全球高速铁路里程的2/3以上。此外，中国高速铁路网络仍处于快速发展阶段，到2025年中国80%的国内航空市场将被高速铁路线路覆盖。许多研究发现，高速铁路服务的进入在乘客需求和机票价格方面给航空公司带来了竞争压力。例如，日本新干线的开通大大减少了航空客运量，韩国2004年高速列车(KTX)的开通影响了韩国航空业的乘客需求和机票价格。自2008年首次亮相以来，中国高速铁路客运量年均增长率超过30%。目前高速铁路是航空运输的有力竞争对手，特别是在距离400~800km的路线上，但如何更好地优化高速铁路列车的开行，吸引更多的客流到高速铁路上来，对铁路来说是仍然是个重要的课题。以往对欧洲客运市场的研究发现，高速铁路运行时间的快慢会影响空中交通量，但高速铁路的发车频率对空中交通量的影响并不明显。随着中国高速铁路的快速发展，旨在通过研究高速铁路的旅行时间和频率以及票价差异对航空客流的影响，来确定高速铁路开行优化的关键项点。为了更好地研究高速铁路对航空客运的影响，构建航空客运需求计量经济模型来进行分析。
1计量经济模型构建
计量经济模型包括1个或1个以上的随机方程式，表示经济现象及其主要因素之间的数量关系。以结构分析对所研究的经济关系进行定量的考察，分析当其他条件不变时，模型体系中的解释变量发生一定的变动对被解释变量的影响程度。分析高速铁路的开行对航空业会带来的影响，适合使用计量经济模型，模型建立关键在于确定影响因素，即确定模型的变量。Oum等[1]研究了航空旅客需求的综合影响因素，Fischer，Fageda，Bilotkach，Murakami等[2-5]也进行了该领域的研究，鉴于数据的可用性，参照上述文章的模型设定，可确定关键因素。以下4个因素最常出现：机票价格、人口、国内生产总值和航线距离。Castillo-Manzano，Fu等[6-7]研究发现高速铁路和低成本航班的开行对航空旅客需求也有很大影响，因此可设置低成本航空的变量LCC。Alamdari，Fageda等[8-9]研究表明旅游业和季节也会影响航空运输需求。机场枢纽聚集了比预期更多的乘客或服务，北京、上海、广州机场的客运量名列前三位，客流变化明显、代表性强，利于研究。因此，为了研究航空枢纽产生的影响，定义枢纽虚拟变量SH和GZ分别表示上海和广州机场，并设置北京为基准默认值(即当SH和GZ都取0时，北京取1)。采用2种计量经济模型来确定中国高速铁路开行优化的重点项目。第1个模型用以分析高速铁路的进入对中国国内航空运输市场的影响和高速铁路进入后航空需求的价格弹性。第2个模型考察了高速铁路运行时间、频率以及票价差异对航空客流的影响。第1个计量经济模型如下。lnQkt=α0+α1lnPkt+α2lnPOPkt+α3lnGDPkt+α4lnDISTk+α5lnTOURkt+α6HSRkt+α7LCCkt+α8SHk+α9GZk+α10spring+α11summer+α12autumn+εkt⑴式中：Qkt为中国三大航空公司(中国国际航空股份有限公司，中国东方航空股份有限公司，中国南方航空公司)在t期间k航线上的总客运周转量(以乘客公里计)；Pkt为3家航空公司在t期间k号航线的收益率；POPkt为t时期由k线路连接的2个城市的人口总和；GDPkt为2个城市的平均人均生产总值；DISTk为k线路连接的2个城市的距离，TOURkt为0-1虚拟变量，表示连接的2个城市是否为福布斯所列的中国重点旅游城市；HSRkt为0-1虚拟变量，代表时期t、线路k上是否有平行的高速铁路进入；LCCkt为0-1虚拟变量，代表是否有航空公司在该线路上开行低成本航班；SHk，GZk分别为上海和广州2个城市的虚拟变量，表示线路k是否连接这2个城市；spring，summer和autumn则是季节虚拟变量；α0为截距项；εkt为误差项；α1至α12为解释变量系数。第2个计量经济模型如下lnQkt=β0+β1lnPdiffkt+β2lnHSRFreqkt+β3lnHSRTimekt+β4lnPOPk+β5lnGDPkt+β6DISTk+β7lnTOURkt+β8LCC+β9SHk+β10GZk+μkt⑵式中：Pdiffkt为时期t线路k高速铁路和航空的线路差价；HSRFreqkt为时期t线路k上高速铁路发车频率；HSRTimekt为时期t线路k上高速铁路的运行时间；β0为截距项；μkt为误差项；β1至β10为解释变量系数。数据来自中国三大航空公司，航线层面的日数据，时间跨度从2010年1月1日到2013年6月30日，共92条航线，包括北京、上海、广州之间的线路，以及这3个城市到所有省会城市(拉萨除外)和副省会城市的直飞线路。选取此时间段数据的原因：一是截至2013年6月与北京、上海、广州之间的航线并行的高速铁路干线，如京沪高速铁路(北京南—上海虹桥)、京广高速铁路(北京西—广州南)、郑徐高速铁路(郑州东—徐州东)等已经开通，这3个城市到其他主要城市的高速铁路也大部分开始运营，且运营了一段时间。二是这段时期正是高速铁路服务进入的初期阶段，属于竞争冲击明显期，选取这段时期的数据进行分析，更具有代表性。三是选取的是航线层面日数据，不等同于年数据或月数据，分析精度会更高。在92条航线中，截至2013年6月30日有22条有平行的高速铁路服务，而这其中有20条是在2010年7月1日以后开通的平行高速铁路服务，所以选取没有高速铁路服务进入的2010年1—6月与高速铁路服务一段时间以后的2013年1—6月数据进行分析。2010年和2013年1—6月航空客运需求如表1所示，在没有高速铁路服务的70条航线上，客流量上升了17%，收益率下降了3%。在22条平行高速铁路服务的航线上，客运量和收益率都下降了7%。这些比较表明，在高速铁路的直接竞争下，航空运输需求和收益率都显著下降。
2高速铁路对航空运输需求的影响
对计量经济模型最常用的回归分析方法是固定效应(RE)和随机效应(FE)估计法，在22条有高速铁路服务进入的航线中，航空需求和收益率都明显下降，为了使分析结果更加稳健，利用收集的数据分别运用固定效应和随机效应2种分析方法对计量模型(1)进行分析，具体研究高速铁路对航空运输需求的影响。高速铁路对航空运输需求的影响如表2所示。可以看出，固定效应和随机效应的结果都保持一致。在2种计量模型中，高速铁路系数均显著为负，表明高速铁路平行服务的引入对中国航空运输需求产生了显著影响。具体来说，在所有其他因素都不变的情况下，高速铁路服务的进入平均减少了对平行航线27.5%的需求。因此铁路部门想要更好地吸引原来航空业所属的客流，基础条件就是把与航空并行的线路建设起来，当更多的平行高速铁路开通后，然后再优化高速列车的开行，逐步增强对航空业的竞争。假设模型是对数线性的，机票价格系数是航空运输需求的价格弹性。在所有航线上，RE模型和FE模型的价格弹性分别为-1.500和-1.362。非高速铁路线路的RE模型和FE模型的价格弹性分别为-1.108和-1.005。通过比较得知，高速铁路进入后，航空机票的价格变得更有弹性。高速铁路给航空公司带来了更大的竞争压力，有平行高速铁路服务的航线，航空需求变得更具弹性[10]。此外，更多的出行选择和更低的价格将会给消费者福利带来增加[11]。是否开行低成本航班系数不显著，即低成本航班的存在对三大航空公司的乘客需求影响不大。在研究时段内，春秋航空是中国唯一一家低成本航空公司，在国内市场的份额微不足道。因此，低成本航班的影响不显著。相比之下，高速铁路的系数为负值，表明在国内市场，对于三大航空公司来说，高速铁路是比低成本航班更有竞争力的对手。在RE模型和FE模型下，上海机场虚拟变量SH的系数均显著为负。在北京机场为默认机场且其他因素不变的情况下，上海机场对三大航空公司的需求低于北京机场，这是因为上海是春秋航空公司的枢纽，许多航线都面临着来自春秋航空公司的低成本航班的直接竞争；此外上海虹桥机场与上海高铁站直接相连，换乘非常方便，因此低成本航空公司和高速铁路都将转移上海对三大航空公司的需求，导致上海机场对三大航空公司的需求低于北京机场。
3航空业竞争下高速铁路运营特征分析
使用计量模型(2)以分析高速铁路运营特征对航空运输需求的影响，特别是3个主要变量，即机票与高速铁路票价之差(Pdiff)、高速铁路日频率(HSRFreq)和旅行时间(HSRTime)的影响。为了量化这3个主要变量的影响，固定其中某2个或者1个变量，针对另外的主要变量将计量模型(2)变形，进而得到5种模型，即模型a至模型e。首先，在模型a至模型c中逐一研究3个主要变量的影响。其次，在模型d中检验Pdiff和HSRFreq的影响，在模型e中检验了Pdiff和HSRTime的影响。由于HSRFreq和HSRTime高度相关，相关系数为0.9，所以无法在一次回归分析中包含所有3个变量。HSRFreq和HSRTime高度相关也是合理的，因为更短的旅行时间使高速铁路更有吸引力，所以高速铁路的频率也更高。考虑到存在自相关和异方差问题，采用可行广义最小二乘法(FGLS)估计结果。模型估计结果如表3所示。首先，在3个主要变量中，Pdiff是影响中国国内航空需求最具影响力的因素，Pdiff系数显著为负，表明票价差越大，航空交通需求越低。具体来说，如果航空运输与高速铁路的票价差增加10%，那么航空运输需求将下降17.90%~21.98%，所以高速铁路在服务不变的情况下通过出售淡季打折票、联程优惠票、月度票等形式来降低票价，能有效地吸引航空客流，助力高速铁路发展。同时这一结果也证实航空需求随着高速铁路的竞争变得更有弹性。其次，高速铁路运行时间是第2个最重要的因素，对航空运输需求有强烈的负向影响。特别是，如果高速铁路出行时间缩短10%，航空运输需求将减少9.43%~11.57%。这也符合大多数人希望更快地到达目的地的出行需求[12]，所以在高速铁路列车开行调整方面要注意运行时间的变化。在每季度的调图中根据上季度的客票情况和并行航空线路的客流情况，调整列车运行时间，缩短停站时间，以保证旅行时间的最小化。再次，高速铁路频率系数为负且显著，但与高速铁路出行时间和票价差相比，高速铁路频率对航空旅客需求的影响要小得多。最后，除GDP外，所有控制变量的效应与计量模型(1)相似，GDP系数仅在模型a中略微显著，在模型b至模型e中不显著。
4结束语
利用高速铁路开通前后的季度航线需求面板数据分析高速铁路对中国航空业客流的影响，结果表明，平行高速铁路服务的引入明显拉低了航空运输的需求，使得机票价格变化幅度增大，高速铁路对航空业旅客的吸引力显著，可以考虑开行航空客流需求较为旺盛的省会城市之间的列车，提供更广泛的运力吸引航空客流；高速铁路旅行速度越快对航空客流越有吸引力，这意味着两点间的旅行时间越短，高速铁路越有竞争力；对比发现票价差和高速铁路旅行时间对航空旅客需求的影响比较强，而高速铁路发车频率对航空旅客需求的影响比较有限，高速铁路列车开行优化应侧重于调整运行时间或运行速度。
作者：齐壮
