交通运输研究 >

2022 , Vol. 8 >Issue 5: 1 - 10

DOI: https://doi.org/10.16503/j.cnki.2095-9931.2022.05.001

城市群经济结构对民航客运市场的影响机制分析——以京津冀地区为例

  • 魏明 , 1, 2 ,
  • 张少鹏 1 ,
  • 孙博 1, 2
展开
  • 1.中国民航大学 空中交通管理学院，天津 300300
  • 2.华设设计集团北京民航设计研究院有限公司民航机场安全与运行工程技术研究中心，北京 100100

魏明（1984—），男，安徽芜湖人，博士，教授，研究方向为交通规划与管理。E-mail:

收稿日期: 2022-04-08

  网络出版日期: 2022-11-18

基金资助

教育部人文社科项目(20YJCZH176)

天津市教委社科重大项目(2021JWZD38)

民航机场安全与运行工程技术研究中心开放课题(KFKT2022-02)

收起

Influence Mechanism of Economic Structure of Urban Agglomeration on Civil Aviation Passenger Transport Market: A Case Study of Beijing-Tianjin-Hebei Region

  • WEI Ming , 1, 2 ,
  • ZHANG Shao-peng 1 ,
  • SUN Bo 1, 2
Expand
  • 1. School of Air Traffic Management, Civil Aviation University of China, Tianjin 300300, China
  • 2. Civil Aviation Airport Safety and Operation Engineering Technology Research Center of Beijing Civil Aviation Design and Research Institute Co., Ltd., China Design Group Co., Ltd., Beijing 100100, China

Received date: 2022-04-08

  Online published: 2022-11-18

Fold

摘要

为探究城市经济结构对民航客运市场的具体影响效果，选取不同城市的经济发展水平、航空服务、旅游业及产业结构来分析其对各个机场群成员旅客吞吐量的影响机制。基于京津冀地区6个城市及其机场的2006—2019年面板数据，将数据对数化处理，建立双对数回归模型，通过单位根检验和协整检验验证数据模型的平稳性，实现对面板数据的实证研究。研究表明：①GDP、常住居民人口和人均可支配收入每增加1%，区域内平均旅客吞吐量分别降低1.05%、提升0.02%和提升0.38%，人均可支配收入的正向影响效果在三者之中最为明显；②飞机起降架次增加1%引起京津冀机场群旅客吞吐量增长3.6%，其中对区域内石家庄正定机场的影响最大，为9.73%，对天津滨海机场的影响最小，为3.39%；③城市的国内旅游收入增长1%引起京津冀机场群旅客吞吐量增长1.27%，对石家庄正定机场和秦皇岛北戴河机场存在显著负向影响，分别为-6.53%和-0.6%；④第一产业、第二产业和第三产业产值增长1%分别引起京津冀机场群旅客吞吐量增加了1.27%, 1.37%和1.04%。基于京津冀地区实证结果，城市经济结构对民航客运市场存在影响效果的一致性和差异性。

关键词： 航空运输; 京津冀城市群; 民航客运市场; 耦合关系; 面板数据

本文引用格式

魏明 , 张少鹏 , 孙博 . 城市群经济结构对民航客运市场的影响机制分析——以京津冀地区为例[J]. 交通运输研究, 2022 , 8(5) : 1 -10 . DOI: 10.16503/j.cnki.2095-9931.2022.05.001

Abstract

To investigate the specific effect of urban economic structure on the civil aviation passenger market, the economic development level, air service, tourism and industrial structure of different cities were selected to analyze the mechanism of their influence on the passenger throughput of each airport group member. Based on the panel data of six cities and their airports in the Beijing-Tianjin-Hebei region from 2006—2019, the data were logarithmically processed, and a double-logarithmic regression model was applied to verify the smoothness of the data model through unit root test and co-integration test to achieve an empirical study of the panel data. The research results showed that in the Beijing-Tianjin-Hebei metropolitan region: ①for every 1% increase in GDP, resident population and per capita disposable income, the average passenger throughput in the region decreases by 1.05%, increases by 0.02% and increases by 0.38% respectively, with the positive effect of per capita disposable income being the most obvious among the three; ②a 1% increase in aircraft taking off and landing causes a 3.6% increase in the passenger throughput of the Beijing-Tianjin-Hebei airport cluster, with the largest effect of 9.73% on Shijiazhuang Zhengding Airport and the smallest effect of 3.39% on Tianjin Binhai Airport in the region; ③a 1% increase in domestic tourism revenue of cities causes a 1.27% increase in passenger throughput of Beijing-Tianjin-Hebei Airport Cluster, and the growth of domestic tourism revenue of cities has a significant negative impact on Shijiazhuang Zhengding Airport and Qinhuangdao Beidaihe Airport with -6.53% and -0.6% respectively; ④a 1% increase in the output value of primary, secondary and tertiary industries causes 1.27%, 1.37% and 1.04% increase in the passenger throughput of the Beijing-Tianjin-Hebei airport cluster, respectively. Based on the empirical results in Beijing-Tianjin-Hebei region, there is consistency and variability in the effect of urban economic structure on the civil aviation passenger market.

Key words： air transport; Beijing-Tianjin-Hebei urban agglomeration; civil aviation passenger transport market; coupling relationship; panel data

0 引言

机场是民航与其他运输方式衔接的重要枢纽，对所在城市的经济发展水平具有重要影响。城市群的发展将促使民航运输需求迅速增加，使分布于不同城市的多个机场形成一个机场群[1]。根据民航局十四五规划，截至2025年，京津冀地区的机场数量将由目前的9个增加至13个。为实现“推进交通重点领域率先突破重大项目建设，加快北京新机场建设，构建京津冀规划体系”[2]，亟需增强北京首都机场的竞争力，将其与天津滨海、石家庄正定等机场协同运行，建成覆盖广泛、分布合理、功能完善、集约环保的京津冀世界级机场群。为实现“打造京津冀世界级机场群”这一战略目标，不仅需要依赖于城市群的发展，而且需要考虑机场拥有的空域容量。然而，在城市群和机场群发展过程中，受有限空域容量的制约，京津冀城市群的经济结构对机场群的客运市场存在影响，亟待研究其耦合关系，据此打造协同世界级城市群发展的分工合理、市场定位清晰的机场群，提高机场群的整体效率，满足日益增长的城市群民航旅客出行需求。
目前，国内外学者多从计量经济学角度出发，根据机场的客运量，选取不同城市的经济发展水平指标，揭示城市的经济结构与机场客运市场之间的耦合关系。已有文献主要可划分为三类: ①单机场的多因素耦合关系[3⇓-5]；②机场群成员之间的耦合关系[6⇓-8]；③不同机场群之间的耦合关系[9⇓-11]。在第一类中，Adeniran等[3]分析了尼日利亚国际航空的客运需求与经济变量之间的协同关系；Ruwan等[4]研究发现斯里兰卡的航空流量与经济增长之间存在短期的单向格兰杰因果关系；张蕾等[5]以南京禄口国际机场为例，研究了机场发展规模如何影响都市区各类空间布局的机理和模式。在第二类中，聂赛飞等[6]研究发现长三角地区的航空客运业与区域经济之间的互动关联现象呈现出逆“核心—外围”的圈层分布特征；Xiao等[7]通过我国主要城市的航空客流研究城市吸引力，发现城市吸引力与人口规模变化趋势存在一致性，但不同城市之间存在差异性，主要与第三产业、人均旅游收入有关；Chi等[8]以美国1996年1月—2011年3月的机场群为例，研究发现其航空客运需求水平随着城市人均可支配收入的增加而增长。在第三类中，王全良[9]对全国2001—2014年45个临空经济区与腹地区域发展关系进行了实证，后者将引起前者机场的客货吞吐量增加，但前者的机场客货吞吐量对后者的经济发展影响不大；Baltac[10]以土耳其机场群为例，发现机场客运量等航空运输指标与城市群经济水平存在长期的耦合关系；Hakim等[11]剖析了影响南亚国家机场群航空运输需求的因素，发现人均收入对低收入国家的航空客运需求发挥着至关重要的作用。
综上可知：①现有文献大多针对一个城市机场客运市场波动的部分相关因素展开研究[7⇓⇓⇓-11]，缺少同时考虑经济发展水平、航空服务、旅游业及产业结构等全部要素对其的影响机制；②针对城市群不同成员的民航客运市场差异[8-9]，现有文献较少比较城市群不同城市经济结构与机场群及成员客运市场之间的耦合关系。基于此，本文围绕城市群成员的机场旅客吞吐量与不同城市的经济发展水平、航空服务、旅游业及产业结构之间的关系，建立双对数回归模型，通过单位根检验和协整检验方法，验证模型的有效性。最后，以京津冀地区6个城市为例，运用Eviews 9.0软件处理2006—2019年面板数据，揭示京津冀城市群的经济结构与机场群客运市场之间的影响机制。

1 京津冀机场群的现状、指标选取和数据准备

1.1 京津冀机场群的现状分析

京津冀机场群包含9大机场，旅客吞吐量呈现出较高的集中度，具体体现在北京首都机场的旅客吞吐量是天津滨海国际机场的8倍，是石家庄正定机场的17倍。如图1和图2所示，旅客吞吐量与飞机起降架次存在时间和空间相关性，主要表现在：①北京首都机场、石家庄正定机场、天津滨海机场、北京南苑机场和秦皇岛北戴河机场的空域资源在2016年之前相对充足，飞机起降架次随着旅客吞吐量的增长呈现增长态势；②上述机场的空域资源在2016年之后相对饱和，飞机起降架次和旅客吞吐量缓慢增长，特别是北京首都机场近几年开始出现溢出现象；③对于其他机场，鉴于其开通时间和所处的地理位置，开通民航业务之初承受了来自上述机场的竞争压力，飞机起降架次和旅客吞吐量较小，但仍在2006—2019年间呈现缓慢增长的态势。
图1 9大机场2006—2019年旅客吞吐量
图2 9大机场2006—2019年飞机起降架次

1.2 指标选取和数据准备

由上述分析可知，京津冀城市群内部各机场之间发展极不平衡，严重制约了京津冀世界级机场群的协同发展。为了提升京津冀机场群的整体功能和效率，亟待探究京津冀城市群各个城市的经济结构对其机场群成员客运市场的影响机制，即：各个机场群成员的旅客吞吐量与不同城市的经济发展水平、航空服务、旅游业及产业结构之间的变化关系。本文所探究的影响关系不仅反映在时间序列数据上，而且表现在地区截面数据上。因此，面板数据对探究城市群经济结构对机场群客运市场的影响更具有准确性和适应性，相应的指标体系如表1所示。
表1 面板数据指标体系
指标 变量名称 变量解释 单位 变量类型
客运市场 PA 旅客吞吐量 人次 被解释变量
经济发展
水平		 GDP GDP 亿元 解释变量
POP 常住居民人口 万人 解释变量
DI 人均可支配收入 元 解释变量
产业结构 FI 第一产业产值 亿元 解释变量
SI 第二产业产值 亿元 解释变量
TI 第三产业产值 亿元 解释变量
旅游业 TO 国内旅游收入 亿元 解释变量
航空服务 PL 飞机起降架次 架 解释变量
以2006—2019年京津冀地区面板数据为研究对象，具体来源于中国统计信息网和中国统计年鉴。表2给出了面板数据中不同变量的属性均值[12]，利用对数函数将相关输入变量和输出变量进行对数化处理。由于张家口和承德两个城市的机场分别于2013, 2017年正式开通民航业务，数据量小且不全，无法进行相关性分析。因此，最终选取北京、天津、石家庄、秦皇岛、邯郸和唐山6个城市及其所属机场作为研究对象，利用2006—2019年的数据组成二维结构京津冀面板数据。
表2 样本描述性统计量
变量 均值 中间值 最大值 最小值 标准差 偏度 峰度
l n P A 14.14 13.39 18.43 9.39 2.44 0.31 2.07
l n P L 9.87 10.14 13.33 5.23 2.06 0.14 2.04
l n G D P 8.56 8.63 10.47 6.35 1.14 0.04 1.78
l n P O P 6.85 6.91 7.68 5.64 0.68 -0.42 1.93
l n T O 6.54 6.61 8.68 3.68 1.43 -0.17 1.83
l n F I 5.39 5.32 6.40 4.28 0.58 0.13 1.84
l n S I 7.49 7.76 8.98 5.39 0.94 -0.46 2.04
l n T I 7.90 7.61 10.29 5.64 1.39 0.30 1.66
l n D I 10.28 10.28 11.21 9.25 0.44 -0.05 2.83

2 基于面板数据的双对数回归模型及检验

令 N为机场集合； T为时间集合； K为影响因素解释变量集合；元素 y i t表示某机场 i在第 t年的旅客吞吐量； x k i t表示某机场 i的第 k个解释变量在第 t年的观测值； y i t t = 1 T表示机场成员 i在 T时期内所有时间序列数据； y i t t = 1 N表示第 t时期所有机场成员的横截面数据； β k i为某机场 i第 k个自变量的待估参数； α i为某机场 i的截距项； u i为相应的随机误差项。
京津冀地区面板数据回归模型构建如下：
y i t = α i + ∑ k = 1 K β k i x k i t + u i         i = 1 ,   2 , ⋯ ,   N ; t = 1 ,   2 , ⋯ ,   T
为使参数模型更具有经济学意义，减少异方差对模型拟合度的影响，将数据对数化处理[13⇓-15]：
l n ( y i t ) = α i + ∑ k = 1 K β k i l n ( x k i t ) + u i i = 1 ,   2 , ⋯ ,   N ;   t = 1 ,   2 , ⋯ ,   T
对双对数模型的有效性进行验证，主要包括以下方面：①对所涉及变量进行单位根分析，在原假设变量有单位根的情况下检验所涉及变量的平稳性；②检验协整变量间的关系；③为确定变量间的动态关系，利用Hausman检验确定模型的形式。

2.1 单位根检验

与时间序列数据相似，面板数据同样存在单位根。该单位根检验的目的是发现数据序列是否具有平稳统计特性，是研究其协整关系的前提，主要有两种方法：① LLC检验和Hadri检验；②ADF检验。
LLC检验假定面板数据中存在相同的单位根，如式（3）所示。
Δ y i t = ρ i y i t - 1 + ∑ j = 1 k γ i j Δ y i t - j + Χ i t ' β i t + u i t
式（3）中： ρ i为第t-1期序列与第t期序列之间的关系系数； X i t '表示外生变量； β i t表示回归系数列向量；k为附加项个数。
Hadri检验假定在京津冀面板数据中不存在单位根，利用最小二乘法，基于 y i t的残差估算LM统计量，如式（4）和式（5）所示。
L M 1 = 1 N ∑ I = 1 N ∑ T s i ( t ) 2 / T 2 / f 0 ¯
L M 2 = 1 N ∑ I = 1 N ∑ T s i ( t ) 2 / T 2 / f i 0
S i ( t ) = ∑ s = 1 t ε i t
f 0 ¯ = ∑ t = 1 n f i 0 / n
式（4）~式（7）中： S i ( t ) = ∑ s = 1 t ε i t为残差的总和； f 0 ¯为机场成员残差的均值， f 0 ¯ = ∑ t = 1 n f i 0 / n为式（5）所示的LM统计量用于存在异方差的情况； f i 0表示频率为零时的残差谱密度。
ADF检验假定在京津冀面板数据中有一个单位根，如式（8）所示。
χ 2 = - 2 ∑ i = 1 N l o g η i
式（8）中： η i为ADF检验的概率。

2.2 协整检验

由于京津冀地区的面板数据时间序列较短，截面较长，选择Kao检验作协整。Kao检验是面板回归模型中，利用DF和ADF的单位根检验对协整关系进行判别。对于ADF检验，构造没有协整零假设的ADF统计量检验，如式（9）所示。
A D F = t A D F + 6 N σ v 2 σ 0 v σ o v 2 2 σ v 2 + 3 σ v 2 10 σ 0 v 2
式（9）中： t A D F为t统计量； σ v 2 = ∑ y y - ∑ y x ∑ x x - 1 ; σ 0 v 2 = Ω y y - Ω y x Ω x x - 1。

2.3 面板数据模型形式选择

Hausman检验用于确定面板数据模型为固定效应模型或随机效应模型。其原假设为：内部估计量（最小二乘虚拟变量法LSDV）和广义最小二乘估计量（GLS）得出的估计量是一致的，但是内部估计量不是有效的。这个原假设下， β W和 β G L S之间的绝对值差距应该不大，应随样本量的增加而变小，并渐进趋近于0。而在备择假设下，这一点不成立，利用此统计特性建立如式（10）所示的检验统计量：
W = ( β W - β G L S ) ' ∑ β - 1 ( β W - β G L S )
式（10）中： β为估计量； β W为固定效应内部估计量； β G L S为随机效应的GLS估计量。Hausman检验统计量渐进服从于自由度为K的卡方分布。

3 实证结果分析

利用Eviews 9.0软件处理和分析2006—2019年京津冀面板数据，经过模型的单位根检验和协整检验后，给出各个城市机场的旅客吞吐量与相应经济结构的全部解释变量之间的回归关系，据此分析和讨论城市群的经济结构如何影响机场群的客运市场演变机制，为解决城市群发展[16]和机场群优化等提供理论依据。

3.1 模型检验

在对面板数据进行对数化处理后，分别完成LLC、Hadri和ADF三种单位根检验，结果如表3所示。由表3可知：①原序列在LLC检验中表现出“并不是所有变量均拒绝原假设”的现象，需要对原序列进行一阶差分，一阶差分变量的检验均满足1%显著水平下同阶单整；②在ADF检验中，原序列同样表现出“并不是所有变量均拒绝原假设”的特性，在一阶差分变量检验中，变量“ D l n P O P与 D l n S I”满足10%显著水平下同阶单整，剩余变量满足1%显著水平下的同阶单整；③无论是原序列还是一阶差分变量，Hadri检验的结果均满足1%显著水平下的同阶单整特性。因此，认定面板数据一阶单整，是平稳序列。
表3 单位根检验结果
原序列变量 LLC ADF Hadri 一阶差分变量 LLC ADF Hadri
l n P A -14.437 9 (0.000 0) 49.075 7
(0.000 0)		 6.384 83
(0.000 0)		 D l n P A -9.658 84
(0.000 0)		 46.677 6
(0.000 1)		 7.629 86
(0.000 0)
l n C A -9.447 61 (0.000 0) 48.473 2
(0.000 0)		 7.482 59
(0.000 0)		 D l n C A -20.863 6
(0.000 0)		 74.296 0
(0.000 0)		 4.326 54
(0.000 0)
l n P L -2.256 24 (0.012 0) 19.783 5
(0.230 1)		 5.017 09
(0.000 0)		 D l n P L -6.895 14
(0.000 0)		 40.819 2
(0.000 6)		 13.255 8
(0.000 0)
l n G D P -2.401 28 (0.008 2) 17.5
(0.354 0)		 6.965 53
(0.000 0)		 D l n G D P -7.465 11
(0.000 0)		 33.848 4
(0.005 7)		 7.814 43
(0.000 0)
l n P O P 0.427 14
(0.665 4)		 2.331 34
(1.000 0)		 6.656 69
(0.000 0)		 D l n P O P -3.866 16
(0.000 1)		 25.150 2
(0.067 2)		 7.962 78
(0.000 0)
l n T O -6.726 09 (0.000 0) 42.099 8
(0.000 4)		 5.922 94
(0.000 0)		 D l n T O -7.449 15
(0.000 0)		 35.887 5
(0.001 1)		 7.002 79
(0.000 0)
l n F I -1.051 17 (0.146 6) 5.090 42
(0.995 3)		 6.909 52
(0.000 0)		 D l n F I -6.273 15
(0.000 0)		 33.517 2
(0.006 3)		 8.938 55
(0.000 0)
l n S I -1.036 79 (0.149 9) 9.978 27
(0.867 8)		 7.303 14
(0.000 0)		 D l n S I -6.221 68
(0.000 0)		 25.420 6
(0.062 7)		 12.080 3
(0.000 0)
l n T I -2.554 17
(0.005 3)		 27.871 9
(0.032 8)		 6.997 18
(0.000 0)		 D l n T I -8.190 35
(0.000 0)		 37.587 4
(0.001 7)		 7.180 84
(0.000 0)
l n D I -19.297 1 (0.000 0) 49.872 6
(0.000 0)		 6.638 13
(0.000 0)		 D l n D I -72.450 1
(0.000 0)		 49.479 8
(0.000 0)		 11.175 2
(0.000 0)
在平稳序列的基础上，根据KAO检验对面板数据是否协整进行判别，结果如表4所示。t-Statistic用于推论差异发生的概率，比较差异是否显著；Prob.代表不接受原假设的最小显著性水平[17]。由表4可知：拒绝原假设的显著水平为1%，变量之间满足协整关系。飞机起降架次、GDP等变量与旅客吞吐量在1%显著水平下拒绝不存在协整关系的原假设，即存在协整关系。飞机起降架次、GDP等变量与旅客吞吐量在5%显著水平下拒绝原假设，存在协整关系。
表4 协整检验结果
变量序列:   l n P A ,   l n P L ,   l n G D P ,   l n P O P ,   l n T O ,   l n F I ,   l n S I ,   l n T I ,   l n D I
KAO检验 t-Statistic Prob.
ADF统计量 -3.815 465 0.000 1
当全部变量间通过协整检验后，可进行下一步Hausman检验来检验模型形式。表5为Hausman检验结果。由表5可知：Hausman检验的统计量为119.58，伴随概率为0.000 0。因此，拒绝随机效应与固定效应两个模型间没有偏差的原假设，选择固定效应模型，并得出相应的回归结果。同时，R2的值均在80%以上，变量间的回归关系拟合度较好。
表5 Hausman检验结果
变量 l n P A 变量 l n P A
随机
效应		 固定
效应		 随机
效应		 固定
效应
常数项 C 6.14 (0.000) 0.17
(0.862 9)		 l n S I -1.02 (0.310 4) 1.37
(0.175 3)
l n P L 24.13 (0.000) 3.60
(0.000 6)		 l n T I 1.20 (0.233 2) 1.04
(0.299 7)
l n G D P 0.43 (0.669) -1.05
(0.295 7)		 l n D I -4.29 (0.000) 0.38
(0.705 3)
l n P O P -5.77 (0.000) -0.02
(0.980 7)		 R-squared 0.945 764 0.979 441
l n T O 3.26 (0.001 6) 1.27
(0.208 1)		 Adjusted
R-squared		 0.940 407 0.974 935
l n F I 3.69 (0.000 4) 1.27
(0.209 1)		 Hausman
检验值		 119.584 286
(0.000 0)
综上所述，通过单位根检验和协整检验结果，城市经济结构和机场旅客吞吐量相关变量间均满足固定效应模型，可应用于回归关系分析，其回归结果见表6[18]。
表6 回归结果
变量 北京首都机场 天津滨海机场 石家庄正定机场 秦皇岛北戴河机场 邯郸马头机场 唐山三女河机场
l n P A l n P A l n P A l n P A l n P A l n P A
l n P L 5.42 (0.002 9) 3.39 (0.014 7) 9.73 (0.002 3) 3.44 (0.026 3) 3.70 (0.034 2) 0.98 (0.507 6)
l n G D P 1.04 (0.346 3) -2.41 (0.052 8) 7.60 (0.004 7) -1.19 (0.301 1) 2.76 (0.07) -0.73 (0.599 3)
l n P O P 1.34 (0.237 4) -1.67 (0.146 7) 8.44 (0.003 5) -0.53 (0.622 5) 2.26 (0.109 1) -2.34 (0.256 7)
l n T O 0.61 (0.570 4) 1.09 (0.156 8) -6.53 (0.007 3) -0.60 (0.581 9) 4.89 (0.016 4) 1.85 (0.315)
l n F I -1.75 (0.139 8) 1.18 (0.283 8) -3.86 (0.030 8) 1.32 (0.256 9) -3.57 (0.037 4) 0.90 (0.532 9)
l n S I -0.88 (0.421 2) 2.45 (0.049 7) -8.12 (0.003 9) 1.17 (0.306 6) -2.43 (0.093 3) 0.72 (0.601 5)
l n T I -1.04 (0.346 2) 2.32 (0.059 4) -6.99 (0.006) 1.14 (0.319 5) -3.11 (0.052 7) 0.67 (0.624 5)
l n D I -2.04 (0.096 8) 4.52 (0.004) -0.71 (0.530 7) 1.05 (0.354 4) 3.02 (0.056 6) -1.21 (0.440 7)
R-squared 0.999 443 0.999 104 0.999 902 0.975 955 0.998 246 0.997 469
Adjusted R-squared 0.998 551 0.998 058 0.999 641 0.927 865 0.993 57 0.977 222

3.2 结果分析与讨论

3.2.1 不同城市的经济发展水平对客运市场的影响

如图3所示，常住居民人口和GDP增长对京津冀区域内全部机场的客运市场扩展没有促进作用，但是人均可支配收入的增加可刺激大量旅客选择民航方式出行。然而，每个城市的经济发展水平对各自机场客运市场的影响存在差异，主要原因是不同城市和机场所处发展阶段不同，具体表现在：①常住居民人口、GDP增长1%对石家庄正定机场、邯郸马头机场和北京首都机场产生正向影响，且影响效果依次减弱，对天津滨海机场、秦皇岛北戴河机场和唐山三女河机场产生不同程度的负向影响；②人均可支配收入增加1%对天津滨海机场、邯郸马头机场和秦皇岛北戴河机场产生正向影响，其影响效果依次减弱；对北京首都机场、唐山三女河机场和石家庄正定机场产生负向影响，其影响效果依次减弱。
图3 经济发展水平对旅客吞吐量的影响

3.2.2 不同城市的航空服务对客运市场的影响

不同城市的航空服务水平（飞机起降架次）取决于空域容量和客流需求。如图4所示，飞机起降架次对京津冀地区全部机场的客运市场存在显著的正向影响。当各个城市机场的飞机起降架次都增加1%时，京津冀机场群旅客吞吐量将提升3.6%，对石家庄正定机场（9.73%）、北京首都机场（5.42%）、秦皇岛北戴河机场（4.89%）的正向影响大于机场群。其中，北京首都机场的部分增加客流来源于天津滨海机场，石家庄正定机场的增加客流主要靠自身及河北省的经济增长。天津滨海机场（3.39%）和邯郸马头机场（3.44%）的增长效果弱于机场群，其中：邯郸位置偏远加上自身经济活动弱，因而民航客流出行需求不大。
图4 飞机起降架次对旅客吞吐量的影响

3.2.3 不同城市的旅游业对客运市场的影响

旅游业对旅客吞吐量的影响如图5所示。
图5 旅游业对旅客吞吐量的影响
由图5可知，京津冀区域大部分城市的旅游业促进机场的客运市场发展，当每个城市的国内旅游收入都增长1%，机场群旅客吞吐量增长1.27%，比对天津滨海机场（1.09%）、北京首都机场（0.61%）、秦皇岛北戴河机场（-0.6%）和石家庄正定机场（-6.53%）的影响效果显著，比对邯郸马头机场（4.89%）和唐山三女河机场（1.85%）影响效果弱。北京和天津旅游业相对发达，因而其增长效果较差。邯郸和唐山两个城市这几年大力打造旅游城市名片，尤其是邯郸，城市旅游业的发展吸引了游客，促进了民航客流量的增多。由于石家庄和秦皇岛两个城市的非旅游因素对机场客流贡献超过旅游业，在多种因素对机场客流量的加权影响作用下，二者旅游收入的提升相较于其他因素，对机场客运市场没有起到正面作用。

3.2.4 不同城市的产业结构对客运市场的影响

如图6所示，当京津冀城市群各个成员的第一产业、第二产业和第三产业产值均增长1%时，将引起机场群旅客吞吐量分别增加1.27%, 1.37%和1.04%。具体而言，天津、秦皇岛和唐山3个城市第一产业、第二产业和第三产业产值增长将引起机场旅客吞吐量增加，而北京、石家庄和邯郸3个城市恰恰相反。这是由城市功能定位和地理位置决定的，北京、石家庄和邯郸分别是全国、河北省以及河北省南部地区中心城市，虽然三产行业的生产活动也促进民航客运市场发展，但民航客运市场发展主要取决于居民出行活动；同理，天津、秦皇岛和唐山3个城市是我国重要的工业、港口和交通枢纽城市，三产行业的生产活动促进民航客流商务来往。此外，每个城市的三产结构对机场客运市场的影响不同，但第一产业、第二产业和第三产业产值增长对机场客运的影响效果排名在机场群成员内部保持一致，例如：天津滨海机场受第一产业、第二产业和第三产业产值增长影响的正向增幅最大，石家庄正定机场的负向降幅最大。
图6 产业结构对旅客吞吐量的影响

4 结论

本文研究了京津冀城市群成员的经济发展水平、旅游业及产业结构等因素对其机场旅客吞吐量的影响机制。结果表明，每个城市的机场旅客吞吐量形成机理都不一样，甚至某些因素对不同城市的机场旅客吞吐量起完全相反的作用，具体结论如下：
（1）京津冀各个城市常住居民人口和GDP增长对整个机场群的客运市场扩展影响有限，但是人均可支配收入的增加促进了大量旅客选择民航方式出行。由于各个城市的人口、GDP和人均可支配收入对自身机场客运市场的影响差异，为了促进民航客运发展，京津冀各个城市需因地制宜针对性地制定发展政策。
（2）飞机起降架次的增加对机场群客运市场存在显著的正向影响，但是对各个机场的影响效果存在差异性。受限于有限空域容量，部分城市机场空域运行之间相互影响，因而运力和运量不匹配，需要围绕机场群协同运行进行空域资源分配。
（3）发展旅游业可以进一步促进京津冀城市群的机场客运市场发展。旅游业在各个城市的地位不同以及发展水平存在差异，京津冀大部分城市的旅游业能促进机场的客运市场发展，但少数如秦皇岛、石家庄国内旅游收入的增长对民航客流增长没有明显的促进作用。
（4）总体而言，京津冀地区三产结构产值的增长对机场群客运市场起到促进作用。然而，京津冀每个城市的功能定位和位置差异决定其民航主要客流来源不同，故京津冀每个城市的三产结构对机场客运市场的影响不同，但是其影响排名一致。
综上可知，受空域资源限制，为了避免同质化竞争，每个机场应定位清晰并分工协作，各城市的经济结构需要进一步优化和互补发展，促进京津冀城市群与机场群协同发展，提升机场客运运营效率。
本文论证了城市经济结构在时间和空间上对京津冀地区机场客运的影响机制，但并未验证城市经济结构对民航客运市场的长短期影响大小以及二者之间存在的因果关系，未来将从这两个方面研究城市经济结构与民航客运市场之间存在的联系。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
张国伍. 高速铁路和民航运输的现状与发展——“交通7+1论坛”第四十一次会议纪实[J]. 交通运输系统工程与信息, 2016, 16(1):2-11.

[2]
国家发展和改革委员会. 京津冀协同发展不断向纵深推进[EB/OL]. (2016-05-06) [2022-10-20]. https://www.ndrc.gov.cn/xwdt/xwfb/xwfb/201605/t20160506_955514.html.

[3]
ADENIRAN A O, ADEKUNLE E A, OYEDELE O J. Establishing the concept of research hypothesis through the relationship between demand in Nigeria international air passenger traffic and economic variables[J]. International Journal of Economic Behavior and Organization, 2019, 5(5): 105-113.

[4]
RUWAN H, WASANTHI M. Air passenger movements and economic growth in Sri Lanka: Co-integration and causality analysis[J]. Journal of Transport and Supply Chain Management, 2020, 14(13): 1-13.

[5]
张蕾, 陈雯, 宋正娜, 等. 机场运营与区域经济增长关联性——以南京禄口国际机场为例[J]. 地理科学进展, 2010, 29(12):1570-1576.

[6]
聂赛飞, 谷人旭. 航空客运业与区域经济互动的时空维度——以长三角地区为例[J]. 热带地理, 2021, 41(2):340-350.

[7]
XIAO Y, WANG F, LIU Y, et al. Reconstructing gravitational attractions of major cities in China from air passenger flow data, 2001-2008: A particle swarm optimization approach[J]. The Professional Geographer, 2013, 65(2): 265-282.

[8]
CHI J, BAEK J. Dynamic relationship between air transport demand and economic growth in the United States: A new look[J]. Transport Policy, 2013, 29(3): 257-260.

[9]
王全良. 基于动态空间模型的中国临空经济区与腹地区域经济关系研究[J]. 地理研究, 2017, 36(11):2141-2155.

[10]
BALTAC N, SEKMEN O, AKBULUT G. The relationship between air transport and economic growth in turkey: cross-regional panel data analysis approach[J]. Journal of Economics and Behavioral Studies, 2015, 7(1): 89-100.

[11]
HAKIM M M, MERKERT R. Econometric evidence on the determinants of air transport in South Asian countries[J]. Transport Policy, 2017, 83(13): 120-126.

[12]
史芳芳, 杨海珍, 徐昭, 等. 基于互补双对数模型的国际资本流入风险影响因素研究[J]. 数学的实践与认识, 2016, 46(10):91-97.

[13]
彭虹. 基于双对数模型的中国农产品业经济进口需求价格弹性分析[J]. 发展研究, 2019(8):72-81.

[14]
李胜楠. 基于双对数模型的机动车辆保险发展影响因素实证分析[J]. 现代商业, 2016(21):33-34.

[15]
ZHANG J, LIN X Y, ZHANG S. Correlation analysis of sprint performance and reaction time based on double logarithm model[J]. COMPLEXITY, 2021(5): 1-11.

[16]
陈亮. 城市群区域治理的“边界排斥”困境及跨界联动机制研究[J]. 内蒙古社会科学(汉文版), 2019, 40(1):55-62.

[17]
GE L, LI C G. Analysis of the development of chinese sports apparel enterprises based on double logarithm model—a case study of Anta[C]// Conference Proceedings of the 7th International Symposium on Project Management(ISPM2019), Aussino Academic Publishing House. 2019: 360-373.

[18]
BARZEGAR-JALALI M, SHAYANFAR A, YAQ-OUBI S, et al. Combination of the double log-log model with abraham solvation parameters to predict solubility of drugs in ethanol plus water mixtures[J]. Journal of Solution Chemistry, 2016, 45(10): 1425-1433.

Options
文章导航

/

〈 〉

版权所有 © 《交通运输研究》编辑部　
京公网安备 11010102003417号    京ICP备17006742号-3
地址：北京市朝阳区北土城东路11号北京书院办公楼　邮编：100029
电话：010-58278983 Email：jtysyj@vip.163.com
本系统由北京玛格泰克科技发展有限公司设计开发