交通运输研究 >

2025 , Vol. 11 >Issue 2: 54 - 64

DOI: https://doi.org/10.16503/j.cnki.2095-9931.2025.02.005

理论与方法

高铁开通对中国航空网络结构特征的影响——基于PSM-DID模型的实证分析

  • 景崇毅 ,
  • 郭韩一萌 ,
  • 高玉香
展开
  • 中国民用航空飞行学院 经济与管理学院，四川 广汉 618307

景崇毅(1981—)，男，四川射洪人，博士，副教授，研究方向为民航运输管理。E-mail:

收稿日期: 2024-09-09

  网络出版日期: 2025-06-02

基金资助

国家自然科学基金项目(U2033213)

四川省哲学社会科学项目(SCJJ23ND440)

民航局教育人才类项目(MJ-2023009)

收起

Impact of High-Speed Rail Opening on the Structural Characteristics of China′s Aviation Network：An Empirical Analysis Based on PSM-DID Model

  • JING Chongyi ,
  • GUO Hanyimeng ,
  • GAO Yuxiang
Expand
  • School of Economics and Management, Civil Aviation Flight University of China, Guanghan 618307, China

Received date: 2024-09-09

  Online published: 2025-06-02

Fold

摘要

为探究高铁网络扩张对中国航空网络结构的影响及其空间异质性特征，并为优化空铁竞合关系提供决策参考，采用PSM-DID模型，利用2000—2018年的高铁开通数据和航空网络数据，从航空网络的连通性、紧密性、易达性和中介性4个维度对高铁开通给航空网络结构特征带来的影响进行分析，并根据地区及机场规模差异等进行讨论。结果表明：①高铁开通对航空网络结构产生了显著的负面冲击；②地理位置、经济、环境等因素的差异导致冲击强度表现出“中部地区>东部地区>西部地区”的特征；③大型机场通过替代效应与互补效应的协同作用，能缓解高铁运营带来的客源分流压力，展现出较中小型机场更为突出的抗风险能力；④高铁开通拓展了机场群的市场辐射范围。基于此，提出如下政策建议：西部地区应优化短途航线布局；中小机场需发展低成本航空提升运营效率，大型机场应推进空铁联运整合；优先培育枢纽机场群，通过国际长航线开拓，提升网络韧性。

关键词： 交通运输; 高速铁路; 航空网络; 网络结构; PSM-DID模型

本文引用格式

景崇毅 , 郭韩一萌 , 高玉香 . 高铁开通对中国航空网络结构特征的影响——基于PSM-DID模型的实证分析[J]. 交通运输研究, 2025 , 11(2) : 54 -64 . DOI: 10.16503/j.cnki.2095-9931.2025.02.005

Abstract

To explore the impact of HSR(High-Speed Rail) network expansion on the structure of China's aviation network and its spatial heterogeneity characteristics, and provide a decision-making reference for optimizing the air-rail competition and cooperation relationship, based on the HSR opening data and aviation network data from 2000 to 2018, the PSM-DID model was used to analyze the impact of high-speed rail operation on the structural characteristics of the aviation network from four dimensions including connectivity, closeness, accessibility and intermediation of the aviation network, and further discussed it according to the regional and airport scale differences. The results reveal: ①The opening of HSR has had a significant negative impact on the aviation network structure; ②Impact intensity displays regional heterogeneity as "central regions>eastern regions>western regions" due to geographical location, economic, and environmental disparities; ③Large airports, through the synergistic effects of substitution and complementarity, can alleviate the pressure of passenger diversion caused by high-speed rail operations, demonstrating a more significant resilience to risks compared to medium and small airports; ④HSR operation expands the market radiation range of airport clusters. Accordingly, policy recommendations are proposed: western regions should optimize short-haul route networks; medium-small airports need to enhance efficiency through low-cost carrier development, while large airports should promote air-rail intermodal integration; priority should be given to cultivating hub airport clusters, and improving network resilience through international long-haul route expansion.

Key words： transportation; high-speed rail; aviation network; network structure; PSM-DID model

0 引言

近年来，我国航空运输业飞速发展，2000—2023年，我国民航运输客运量从6 722万人次增长到61 174万人次，增幅达810%，民用运输机场数量从134个增加到235个，定期航班航线数量也从1 165条增至5 206条。与此同时，我国的高速铁路(High-Speed Rail, HSR)发展也非常迅速。截至2023年底，高铁的运营里程达4.5万公里，继续稳居世界第一。然而，两大交通系统在协同发展中必然会相互影响，如成都-重庆、武汉-南京、上海-宁波等城市对的航班随着平行高铁线路的投入运营而逐步停运[1]。高铁与民航两种出行方式在速度、价格、舒适性、安全性等方面存在可比性[2]，故许多学者开始关注高铁开通对民用航空网络结构的影响。
目前，国内外研究主要聚焦在以下3个方面。一是高铁与民航之间的替代效应。研究表明，高铁开通使得相似线路上的航空运输需求明显减少[3-8]，甚至迫使航空公司放弃对应航线的运营[4]。此外，高铁开通对航空运输网络的冲击力因出行距离和城市类型不同而呈现差异化特点[5,9 -10]，且高铁冲击下航空运输的需求弹性大幅增强[11]，其中出行距离为主要影响因素。与此同时，高铁开通对航空旅客增长率有显著的负向影响[12]，甚至影响航空公司的经济收益[13]。有研究表明，高铁开通对非枢纽机场的航线造成的冲击更为显著[2,14]。二是高铁与民航之间的互补效应。此类研究主要聚焦空铁联运(合作)，结果表明高铁开通有助于改善旅客福利并提高整个交通网络的交通流量[15-17]，尤其是在枢纽机场和国际航班方面[18-21]，可以增加国际旅客流量从而增强枢纽机场的中转衔接能力[22]。此外，高铁开通有利于解决多机场系统中的拥堵问题，可通过支线航空资源再配置实现枢纽机场连接价值最大化[23]，当枢纽机场容量受限时，空铁合作也可以提高社会福利[21]。三是航空网络结构变化。部分学者研究了中国主要机场连通性的变化及驱动因素[24]，分析高铁和民航竞争网络的演化过程与模式、网络结构与距离分布规律[2]，比较了高铁与民航网络结构特征的演化趋势[25]，利用层次聚类分析法从高铁和航空网络2个维度比较了中国城市系统的空间结构差异，并证明高铁的竞争会促使航空网络向枢纽轮辐式结构转变[24]。
总体来看，对于高铁与民航运输之间的替代效应、互补效应以及网络结构的演化方面的研究较为丰富，针对高铁对航空网络的影响也开展了一些探索。然而，现有研究仍存在3个方面不足：首先，在方法层面，既有研究多采用描述性统计分析或案例对比分析，侧重于截面数据的结构特征比较，并未系统性探究高铁开通对航空网络结构产生的冲击，这导致现有结论难以区分网络结构变化中高铁开通的净效应与其他经济社会因素的混杂影响；其次，在理论层面，既有文献普遍采用全国同质化处理的研究设计，未充分考虑地理区位异质性和区域经济梯度差异，使得研究结论不能解释高铁对不同地区的机场网络影响的差异性，难以提出针对不同区域特征的政策建议；此外，在规模维度上，现有文献多聚焦高铁初期运营的效应检验，缺乏对网络效应累积性、滞后性的动态评估，同时也未系统探讨干线机场网络与支线机场网络在高铁冲击下表现出的差异化响应规律。鉴于此，本文构建融合倾向得分匹配的多期双重差分模型(Propensity Score Matching-Difference-in-Differences, PSM-DID)，采用2000—2018年民航及高铁的客运量、网络结构、地区生产总值等数据，突破传统同质性假设的局限，从网络连通性、紧密性、易达性和中介性等4个维度进行解构，定量分析高铁开通对航空网络拓扑结构的影响。本研究将基于地理区位、经济梯度，设置异质性检验，从而揭示高铁冲击效应的空间异质规律与网络层级差异，并提出具有地区针对性的政策建议，以期为促进高铁与航空网络深度融合，实现我国民用航空高质量发展提供参考。

1 研究方法与数据来源

1.1 研究方法

1.1.1 航空网络结构统计指标

本文采用复杂网络理论探究航空网络结构与其功能之间的联系。复杂网络研究的核心特点是：①节点被视为网络的基本构成单元；②网络的研究对象通常规模庞大，节点的连接模式多样[26]。考虑到航空网络中节点的重要性，基于复杂网络研究方法，采用度、集聚系数等指标对航空网络结构进行描述。
1)度(Degree)
度是单个节点属性中的重要概念，通常指某一点与其他点相连的边数，是对节点互连统计属性的重要描述，可反映网络演化特征[27]。节点 i的度 k i指与该节点直接相连的其他节点的数量，可以衡量网络中节点的重要程度和网络的整体规模，其计算公式如下：
k i = ∑ j a i j
式(1)中： a i j为节点 i与节点 j之间的连接边，若两个节点能直接相连，则 a i j为1，否则为0。
2)集聚系数(Clustering Coefficient)
集聚系数又被称为聚类系数，表示网络中与节点 i有直接相连关系的节点间边数与最大可能连接边数的比例[28]，若某一节点 i与 n个节点相邻，那么这些节点间可能存在的最大连接边数为 n ( n - 1 ) / 2。节点 i的集聚系数 C i计算公式如下：
C i = 2 E i n ( n - 1 )
式(2)中： n为与节点 i相邻的节点数量； E i为与节点 i相邻的所有节点之间实际存在的连接边数量。
C i = 0表示网络中所有与节点 i有连接关系的节点之间均相互独立，或者节点 i只与1个节点相连接； C i = 1表示网络中所有与节点 i有连接关系的节点之间均有连接关系。复杂网络的全局集聚系数 C即为网络中所有节点集聚系数的平均值，其计算公式如下：
C = 1 N ∑ i = 1 N C i
式(3)中：N为网络中可能连接的节点总数。
节点 i的集聚系数 C i越大，节点 i的相邻节点连接越多。全局集聚系数 C的值越大，网络整体之间的联系也就越密切。
3)接近中心性(Closeness Centrality)
接近中心性指的是节点在网络中的全局可达性，在数值上等于节点 i到其他相邻节点的最短路径长度之和的倒数。接近中心性越大，节点连通紧密性越高[29]。节点 i的接近中心性 C C i的计算公式如下：
C C i = N - 1 ∑ j = 1 , j ≠ i N d i j
式(4)中： d i j为从节点 i到节点 j的最短路径中边的数量。
4)中介中心性(Betweenness Centrality)
中介中心性表示节点 i作为其他节点间最短路径中所经节点的概率[29]。中介中心性越大，节点的控制力即中转衔接能力越强。经过标准化处理后，节点 i的中介中心性 B C i计算公式如下：
B C i = 2 ∑ s , t ≠ i q s t ( i ) q s t ( N - 1 ) ( N - 2 )               i ≠ s ≠ t
式(5)中： q s t为从节点 s到节点 t的最短路径的数量； q s t ( i )则为从节点 s到节点 t的所有最短路径中经过节点 i的路径数量。

1.1.2 变量说明

除高铁开通外，航空网络结构特征还受到其他因素的影响。因此，基于既有研究成果[30]，选取了地区生产总值(g)、平均工资水平(w)等共6个控制变量，以控制潜在混杂效应。各变量的类型以及具体含义如表1所示。
表1 变量类型、名称及其含义
变量类型 变量名称 具体含义
被解释变量 度(k i) 与节点 i直接相连的
其他节点数量
集聚系数(C i) 节点 i与其他节点联系的
紧密程度
接近中心性(C C i) 节点 i到其他节点的难易程度
中介中心性(B C i) 节点 i作为其他节点间
最短路径所经节点的概率
核心解释变量 高铁开通(H S R i t) 城市 i在年份 t是否开通高铁
控制变量 地区生产总值(g) 地区生产总值
平均工资水平(w) 在岗职工平均工资
人口密度(d) 人口密度
区域面积( a r e a) 行政区域土地面积
铁路客运量(r) 铁路客运量
外商投资水平(f d i) 外贸投资总额

1.1.3 模型设计

为减少“自选择”和异质性偏误对模型估计造成的影响[31]，采用PSM-DID模型分析高铁开通对我国航空网络结构产生的影响，具体模型如下：
Y i t = α 0 + α 1 H S R i t + β 1 Z i t + φ i + φ t + ε i t
式(6)中： Y i t为被解释变量，反映城市i在t年的航空网络结构特征指标； Z i t为控制变量集，包括地区生产总值(g)、平均工资水平(w)、人口密度(d)、区域面积( a r e a)、铁路客运量(r)和外商投资水平(f d i)； α 0为常数项，表示其他所有变量为0时因变量的期望值； φ i为城市固定效应； φ t为时间固定效应； ε i t为随机扰动值，通常为0；交互项系数 α 1为政策效应(即高铁开通的效应)；为简化模型，本文将交互项简写为 H S R i t， H S R i t为各城市在某个年份是否开通高铁的虚拟变量，若城市 i在 t年开通高铁，则 H S R i t被赋值为1，否则被赋值为0，计算公式如下：
H S R i t = T i t Y t
式(7)中： T i t为政策虚拟变量，若城市 i开通了高铁，则赋值为1，否则赋值为0； Y t为时间虚拟变量，政策实施之后赋值为1，政策实施之前赋值为0。

1.2 数据来源

考虑到运输市场的供需关系、数据的可获得性以及我国铁路的发展阶段，本文选取2000—2018年数据进行研究，其中高铁开通时间数据来源于《中国铁道统计年鉴》及其他新闻报道，航线网络数据来源于OAG数据库(https://www.oag.com/)中的航班时刻表。

1.2.1 倾向得分匹配

为减少研究中混杂因素的影响，本文采用倾向得分匹配法(Propensity Score Matching, PSM)对数据进行处理，以减少组别之间的干扰因素[32]。运用Logit模型，选取地区生产总值、平均工资水平、人口密度、区域面积、铁路客运量和外商投资水平等6个变量为匹配变量，计算样本中各城市的倾向得分，得到某城市开通高铁的概率值。倾向得分匹配模型如下：
P ( x i ) = P ( T = 1 | x i ) = E ( T | x i )
式(8)中： P ( ⋅ )为Logistic函数； P ( x i )为第i个城市开通高铁的概率值，即倾向得分； T为处理组的虚拟变量，开通高铁的城市赋值为1，否则赋值为0； x i为第 i个城市的PSM匹配变量。
倾向得分匹配结果如图1所示。图1(a)为共同支撑假定检验，结果显示处理组和控制组的绝大多数样本都在共同取值范围内。图1(b)和图1(c)分别为匹配前后的核密度曲线图，匹配前处理组与控制组样本的差异较显著，经过匹配处理后两组样本的核密度曲线趋于聚拢，表明处理后样本中混杂因素影响变小。
图1 倾向得分匹配结果

1.2.2 数据平行趋势检验

为了检验处理组和控制组的平行趋势，借鉴Liu等[33]的研究方法，建立基于事件研究法的回归模型如下：
Y i t = α 0 + ∑ j = 1 N α 1 × H S R i ,   t - v + β 1 Z i t + φ i + φ t + ε i t
式(9)中： H S R i ,   t - v为高铁开通的虚拟变量，若城市 i在 t - v时期内开通了高铁，则 H S R i ,   t - v取值为1，否则取值为0。
数据平行趋势检验结果如图2所示。
图2 平行趋势检验结果
由图2可知，高铁开通后，估计系数显著且在95%的置信区间均未包含0，说明高铁开通使处理组和控制组的样本数据产生显著差异。度、集聚系数、接近中心性、中介中心性数据均通过了平行趋势检验。
数据处理后，最终得到2 321个样本数据，数据主要变量的描述性统计结果如表2所示。
表2 主要变量的描述性统计
变量 样本量 平均值 标准差 最小值 最大值
度(k i) 2 321 4.981 0.324 0.000 5.159
集聚系数(C i) 2 321 0.759 0.266 0.000 1.000
接近中心性(C C i) 2 321 0.485 0.073 0.180 0.640
中介中心性(B C i) 2 321 0.225 0.028 0.000 0.234
高铁开通(H S R i t) 2 321 0.414 0.493 0.000 1.000
地区生产总值(g) 2 321 7.020 1.204 2.887 10.395
平均工资水平(w) 2 321 0.050 0.038 0.002 0.34
人口密度(d) 2 321 0.044 0.043 0.001 0.779
区域面积(a r e a) 2 321 9.510 0.897 5.464 12.474
铁路客运量(r) 2 321 8.563 1.104 4.331 12.184
外商投资水平(f d i) 2 321 0.342 0.428 0.001 6.000

2 实证结果与分析

2.1 实证结果

未加入控制变量的回归结果见表3。
表3 未加入控制变量的回归结果
统计指标 度 集聚系数 接近中心性 中介中心性
H S R i t -0.085 8*** -0.041 2*** -0.026 8*** -0.003 54**
(-5.580) (-2.637) (-6.525) (-2.319)
Constant 5.029*** 0.773*** 0.500*** 0.227***
(462.6) (69.96) (172.1) (210.4)
控制变量 否 否 否 否
时间固定
效应		 是 是 是 是
城市固定
效应		 是 是 是 是
样本量 1 220 1 220 1 220 1 220
R2 0.025 0.006 0.034 0.004

注：***、**、*分别对应1%, 5%, 10%的显著性水平，括号内为t值。

如表3所示，在1%或5%的置信水平下 H S R i t的回归结果显著为负，表明高铁的开通确实对我国航空网络结构(包括节点的连通性、紧密性、易达性、中介性)产生了负面影响。具体来看，节点度值受影响最大，其回归系数为-0.085 8且在1%水平下显著，表明民航网络节点的重要程度降低，同时整体规模萎缩；集聚系数结果为-0.041 2，且在1%水平下显著，表明航空网络中各节点联系的紧密程度下降；接近中心性与中介中心性的回归结果表明，高铁开通后节点出现连通性降低、中介控制能力下降的问题。

2.2 稳健性检验

为检验上述PSM-DID回归结果和显著性是否可靠，采用个体安慰剂检验方法，以排除随机因素的潜在影响。假设第 t年有 m个城市新开通了高铁，从 t年及之前尚未开通高铁的城市中随机抽取 m座城市作为处理组，将其与实际的控制组进行对比。利用多重差分模型对随机生成的处理组和控制组进行1 000次基准回归分析。交互项(H S R i t)虚拟回归系数如图3所示。通过可视化1 000次随机抽样的系数分布，可直观判断实际估计值是否偏离安慰剂检验结果，从而验证基准回归结果的统计显著性是否源于高铁开通的政策冲击而非随机因素。
图3 航空网络结构特性指标安慰剂检验
由图3可知，度、集聚系数、接近中心性、中介中心性结果的估计系数接近0，与基准回归的真实估计系数存在显著差异，表明PSM-DID回归结果受随机因素影响较小，证明我国航空网络结构的系统性变化(度、集聚系数、接近中心性和中介中心性数值下降)与高铁开通直接相关，并非其他随机因素导致。

2.3 异质性分析

2.3.1 区域异质性

为探究高铁开通对航空网络结构影响的区域异质性，将样本城市按地理位置分为东部、中部、西部3个区域。东部地区涵盖了江浙沪及粤港澳；中部地区包括黑吉辽、京津冀及豫鄂皖等中原腹地；西部地区则涵盖了陕甘宁青新西北五省以及川渝黔滇西南四省。高铁开通对我国不同区域的航空网络结构的影响结果如表4所示。
表4 高铁开通对我国不同区域的航空网络结构的影响
统计指标 度 集聚系数 接近中心性 中介中心性
东部地区 -0.077 4*** -0.035 9 -0.021 8*** -0.007 76***
(-3.132) (-1.503) (-3.289) (-3.029)
中部地区 -0.084 5*** -0.060 0** -0.032 3*** -0.002 14
(-4.699) (-2.092) (-5.229) (-1.373)
西部地区 -0.062 6* -0.004 16 -0.023 9*** 0.003 67
(-1.730) (-0.130) (-2.759) (1.146)
控制变量 是 是 是 是
时间固定
效应		 是 是 是 是
城市固定
效应		 是 是 是 是

注：1.***、**、*分别对应1%，5%，10%的显著性水平，括号内为t值。2.观测值：东部地区开通高铁线路525条，中部地区开通高铁线路382条，西部地区开通高铁线路313条。

由表4可知，3个区域的度、集聚系数和接近中心性均为负，说明各地的航空网络结构均受到高铁开通影响，受影响严重程度从高到低依次为中部地区、东部地区、西部地区。这可能源于不同区域人口流动和城市空间结构特征的差异。中部地区的集聚系数为-0.060 0，且在5%水平显著，小于东部地区的-0.035 9和西部地区的-0.004 16，表明其受到的冲击最大；东部地区的度系数为-0.077 4且在1%水平显著，与西部地区的-0.06 26和中部地区的-0.084 5相比，其受到的影响较小，这可能是因为大量的人口流动和较高的经济水平抵消了一部分高铁开通带来的冲击；西部地区人口密度很低且地域宽广，许多城市节点处于航空网络的边缘，中介中心性系数值为0.003 67，与东部地区的-0.007 76和中部地区的-0.002 14相比，具有较强的中转衔接能力，表明该地区航空运输具有较大的竞争优势，高铁对航空网络结构的冲击反而是最小的。

2.3.2 机场规模异质性

为考察高铁开通对不同吞吐量机场城市的航空网络结构的影响，根据中国民用航空局的标准，将样本城市按机场吞吐量规模划分为3类：年吞吐量低于200万人次为小型机场；年吞吐量200万~1000万人次为中型机场；年吞吐量大于1 000万人次为大型机场。高铁开通对不同吞吐量机场的航空网络结构的影响结果如表5所示。
表5 高铁开通对不同规模机场的航空网络结构的影响
统计指标 度 集聚系数 接近中心性 中介中心性
小型机场 -0.062 5*** -0.038 9** -0.021 0*** -0.000 594
(-3.913) (-2.041) (-4.324) (-0.513)
中型机场 -0.080 0* -0.004 40 -0.037 3*** -0.015 0***
(-1.846) (-0.101) (-3.178) (-3.062)
大型机场 -0.175*** -0.052 2 -0.035 8*** -0.003 99
(-4.003) (-1.578) (-3.852) (-0.768)
控制变量 是 是 是 是
时间固定
效应		 是 是 是 是
城市固定
效应		 是 是 是 是

注：1.***、**、*分别对应1%，5%，10%的显著性水平，括号内为t值。2.观测值：小型机场高铁接入线路765条，中型机场高铁接入线路207条，大型机场高铁接入线路248条。

度代表直接与该节点相连的其他节点数量，可以体现机场连通性。由表5可知，高铁开通对机场连通性的影响呈现规模差异：虽然所有规模机场均呈现显著负面效应，但是大型机场的度值降幅最大，中小型机场反而表现出相对韧性。其根源在于大型机场兼具双重属性——既是省级中心城市/旅游目的地的航空枢纽，又是高铁网络的核心节点。这种枢纽地位虽加剧了高铁对其直达客流的直接分流，却也同步增强了其作为多式联运枢纽的集散功能，最终吸纳了更多周边区域的中转客流，形成航空-高铁竞合关系的动态平衡。
集聚系数结果表明，高铁开通对大中型机场的网络紧密程度无显著影响，但对小型机场形成明显的冲击，原因是小型机场所在城市开通高铁后，客流无法支撑较低的航班频率，导致航线取消，进而影响网络结构的紧密性。
接近中心性表明节点到其他节点的难易程度。根据接近中心性的结果可知，高铁开通对所有规模等级机场都造成了显著的负面冲击，表明整个航空网络节点的全局可达性和连通紧密程度均受到影响。
此外，高铁开通仅对中型机场的中介中心性产生了显著的负面影响，而对小型机场和大型机场的影响并不显著，这是由于前者几乎不存在中介功能，后者则通过高铁拓展了大型机场的市场辐射范围(互补性)，抵消部分负面冲击，这一结论也与诸多文献的观点一致[2,18,22,35]。
综上，本文认为高铁开通对中小机场航空网络结构的负面冲击大于大型机场。

2.3.3 机场群异质性

为探究高铁开通对机场群网络结构的影响，本文对京津冀机场群、长三角机场群、粤港澳大湾区机场群和成渝机场群的度、集聚系数、接近中心性和中介中心性进行分析，回归结果如表6所示。
表6 高铁开通对各机场群航空网络结构的影响
统计指标 度 集聚系数 接近中心性 中介中心性
京津冀
机场群		 0.076 0* -0.089 7 0.058 4*** 0.006 83***
(1.784) (-1.049) (3.260) (3.715)
长三角
机场群		 0.029 1 0.032 0 -0.010 2 0.002 07
(0.759) (0.638) (-0.918) (0.945)
粤港澳
大湾区
机场群		 -0.025 6 -0.020 5 0.003 06 0.000 472
(-0.493) (-0.333) (0.192) (0.433)
成渝
机场群		 0.031 9 0.031 6 0.023 3 0.006 37
(0.352) (0.659) (1.642) (1.376)
控制变量 是 是 是 是
时间固定效应 是 是 是 是
城市固定效应 是 是 是 是

注：1.***、**、*分别对应1%，5%，10%的显著性水平，括号内为t值。2.观测值：京津冀机场群高铁线路77条，长三角机场群高铁线路182条，粤港澳大湾区机场群高铁线路63条，成渝机场群高铁线路68条。

由表6可知，高铁开通对机场群网络结构特征的大部分影响是正面的，这表明高铁开通对机场群没有太大的负面冲击，反而具有一定程度的促进作用，这一结论也与Avenali、Takebayashi、Liu、Zhang等人的研究发现相一致[15,22,18,35]，即高铁开通对航空网络起到补充作用，尤其是具有国际中转功能的枢纽机场或机场群。从回归结果来看，高铁开通对京津冀机场群的航空网络结构具有明显的促进效应。这是由于北京是全国高铁的重要枢纽节点，大量高铁的开通极大地拓展了京津冀机场群的市场辐射范围，加速了该地区的人口流动，刺激了大量的航空旅行需求，促进了京津冀地区航空网络结构的发展。

2.4 政策建议

基于异质性分析结论，结合我国航空网络发展实际，提出以下政策建议。
1)优化区域航线布局，实施分梯度发展战略
针对中西部地区航空网络的替代效应差异，建议采取差异化发展策略：①西部地区应依托地理空间优势，重点优化500公里以内的短途航线布局，通过航线补贴、时刻资源倾斜等政策工具，引导航空公司加密区域性支线网络，培育“干支衔接”的航线结构，同时探索“高铁+通航”联运模式，在甘孜、阿坝等地面交通不便地区发展通用航空短途运输；②中部地区需强化枢纽机场中转功能，推动武汉、郑州等枢纽构建“米”字形高铁网络与扇形航线网络的耦合结构；③东部地区应重点发展国际航空枢纽，以上海、广州为核心开通更多洲际长航线，利用高铁网络拓展枢纽辐射半径，形成“高铁2 h集疏圈”，实现国际客流与高铁网络的协同增效。
2)实施机场分类管理，构建功能互补体系
在中小机场推行低成本航空转型，通过简化服务流程、引入差异化收费机制降低运营成本，基于“基本航空服务计划”，对西部地区短途航线实施保底运营补贴，维持网络通达性；对于大型枢纽机场，应全面推进空铁深度融合，重点建设虹桥、大兴等一体化综合交通枢纽。优化“航空-高铁”时刻衔接，开发“空铁通”“轨陆飞”等联运产品，将高铁班次纳入航班动态显示系统。同时加密至北美、欧洲的“空中快线”，提升洲际网络韧性。
3)培育世界级机场群，强化网络协同效应
针对机场群实施特色化发展：①京津冀机场群应建立首都机场-大兴机场“双枢纽”高铁专线，通过差异化定位(首都机场侧重国内、大兴侧重国际)实现运力协同；②长三角机场群需完善沪苏浙皖高铁环线，建立浦东-虹桥-杭州-南京“2 h空铁换乘圈”，促进上海国际航空枢纽与杭州、南京区域枢纽的功能互补；③成渝机场群可试点“高铁航班”运营模式，在成都东站、重庆西站设立虚拟航站楼，开展值机、行李托运等前端服务，通过成渝中线高铁实现1 h机场接驳。
4)完善制度供给，构建竞合协调机制
建议民航局联合国铁集团建立常态化协调机构，制定《空铁联运服务标准》，统一票务规则、行李标准和延误处置方案，开发全国统一的空铁联程票务平台，实现系统对接；在郑州、西安等高铁枢纽城市建设“航空-高铁”综合交通经济示范区，试点海关、边检等口岸功能前移；建立运力动态调整机制，当高铁新线开通时，民航部门可提前6个月启动受影响航线的运力置换评估。

3 结束语

本文采用PSM-DID模型研究了高铁开通对我国航空网络结构产生的影响，利用2000—2018年的高铁开通数据和航空网络数据进行实证分析，并考察了高铁对不同区域、不同规模的机场以及机场群所在地航空网络结构影响的异质性，主要结论如下。
1)高铁开通降低了航空网络的连通性、紧密性、易达性和中介性。
2)高铁开通对各区域航空网络结构冲击的严重程度从高到低依次是中部地区、东部地区、西部地区，这源于不同区域的人口流动特征和城市空间结构所塑造的空铁竞争关系差异。
3)高铁开通对大型机场和中小机场航空网络结构的负面冲击存在差异性，中小型机场航空网络结构受到的冲击更大。
4)高铁开通对机场群的航空网络结构并未产生显著的负面冲击，反而具有一定程度的促进作用。
本文采用多期双重差分模型进行研究并取得了一定成果，但该方法相较于深度学习等研究方法精度略低，且尚未系统检验模型的鲁棒性。下一步研究可考虑采用深度学习等方法对数据进行处理，从而得到鲁棒性更强的结果。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
吴程程, 张建, 冯广东. 高铁网络建设发展对民航运输的影响[J]. 综合运输, 2023, 45(10):78-83.

[2]
王姣娥, 景悦, 杨浩然. 高速铁路对国内民航旅客运输的替代效应测度[J]. 自然资源学报, 2019, 34(9):1933-1944.

[3]
GIVONI M, DOBRUSZKES F. A review of ex-post evidence for mode substitution and induced demand following the introduction of high-speed rail[J]. Transport Reviews, 2013, 33(6): 720-742.

[4]
FU X, ZHANG A, ZHENG L. Will China′s airline industry survive the entry of high-speed rail?[J]. Research in Transportation Economics, 2012, 35(1): 13-25.

[5]
CHEN Z. Impacts of high-speed rail on domestic air transportation in China[J]. Journal of Transport Geography, 2017, 62: 184-196.

[6]
PARK Y, HA H. Analysis of the impact of high-speed railroad service on air transport demand[J]. Transportation Research Part E: Logistics and Transportation Review, 2005, 42(2): 95-104.

[7]
DOBRUSZKES F. High-speed rail and air transport competition in Western Europe: A supply-oriented perspective[J]. Transport Policy, 2011, 18(6): 870-879.

[8]
杨秀云, 赵勐, 王全良. 我国高速快捷运输市场中竞争替代的结构性特征研究——基于中国高铁与航空运输数据的经验分析[J]. 经济经纬, 2020, 37(3):81-91.

[9]
WAN Y, HA H, YUICHIRO Y, et al. Airlines′ reaction to high-speed rail entries: Empirical study of the Northeast Asian market[J]. Transportation Research Part A: Policy and Practice, 2016, 94: 532-557.

[10]
CHAI J, ZHOU Y, ZHOU X, et al. Analysis on shock effect of China′s high-speed railway on aviation transport[J]. Transportation Research Part A: Policy and Practice, 2018, 108: 35-44.

[11]
ZHANG Q, ANG H, WANG Q. Impact of high-speed rail on China′s big three airlines[J]. Transportation Research Part A: Policy and Practice, 2017, 98: 77-85.

[12]
LI B, YANG B, CUI Q. The effects of high-speed rail on air passenger transport in China[J]. Applied Economics Letters, 2019, 26(9): 745-749.

[13]
CAI D, XIAO Y, JIANG C. Competition between high-speed rail and airlines: Considering both passenger and cargo[J]. Transport Policy, 2021, 110: 379-393.

[14]
QIN M, GEORGE J, Vi M. Planes, trains, and co-opetition: evidence from China[J]. SSRN Electronic Journal, 2022, 21(5): 52-65.

[15]
ALESSANDRO A, VALENTINA B, TIZIANA D, et al. Strategic formation and welfare effects of airline-high speed rail agreements[J]. Transportation Research Part B: Methodological, 2018, 117: 393-411.

[16]
JIANG C, ZHANG A. Effects of high-speed rail and airline cooperation under hub airport capacity constraint[J]. Transportation Research Part B: Methodological, 2014, 60: 33-49.

[17]
XIA W, JIANG C, WANG K, et al. Air-rail revenue sharing in a multi-airport system: Effects on traffic and social welfare[J]. Transportation Research Part B: Methodological, 2019, 121: 304-319.

[18]
LIU S, WAN Y, HA H, et al. Impact of high-speed rail network development on airport traffic and traffic distribution: Evidence from China and Japan. Transportation Research Part A: Policy and Practice, 2019, 127: 115-135.

[19]
ZHANG Y, ZHANG A, ZHU Z, et al. Connectivity at Chinese airports: The evolution and drivers[J]. Transportation Research Part A: Policy and Practice, 2017, 103: 490-508.

[20]
XIA W, ZHANG A. Air and high-speed rail transport integration on profits and welfare: Effects of air-rail connecting time[J]. Journal of Air Transport Management, 2017, 65: 181-190.

[21]
XIA W, ZHANG A. High-speed rail and air transport competition and cooperation: A vertical differentiation approach[J]. Transportation Research Part B: Methodological, 2016, 94: 456-481.

[22]
TAKEBAYASHI M. Multiple hub network and high-speed railway: Connectivity, gateway, and airport leakage[J]. Transportation Research Part A: Policy and Practice, 2015, 79: 55-64.

[23]
ALBALATE D, BEL G, FAGEDA X. Competition and cooperation between high-speed rail and air transportation services in Europe[J]. Journal of Transport Geography, 2015, 42: 166-174.

[24]
VELDHUIS J. The competitive position of airline networks. Journal of Air Transport Management, 1997, 3(4): 181-188.

[25]
曹炜威, 杜冬, 刘长华. 高速铁路与民航网络结构特征演化比较研究[J]. 铁道运输与经济, 2022, 44(4):30-37,45.

[26]
阮逸润, 老松杨, 王竣德, 等. 基于领域相似度的复杂网络节点重要度评估算法[J]. 物理学报, 2017, 66(3):371-379.

[27]
刘建国, 任卓明, 郭强, 等. 复杂网络中节点重要性排序的研究进展[J]. 物理学报, 2013, 62(17):9-18.

[28]
任卓明, 邵凤, 刘建国, 等. 基于度与集聚系数的网络节点重要性度量方法研究[J]. 物理学报, 2013, 62(12):522-526.

[29]
任晓龙, 吕琳媛. 网络重要节点排序方法综述[J]. 科学通报, 2014, 59(13):1175-1197.

[30]
武文杰, 董正斌, 张文忠, 等. 中国城市空间关联网络结构的时空演变[J]. 地理学报, 2011, 66(4):435-445.

[31]
刘晔, 张训常, 蓝晓燕. 国有企业混合所有制改革对全要素生产率的影响——基于PSM-DID方法的实证研究[J]. 财政研究, 2016(10):63-75.

[32]
仇云杰, 魏炜. 研发投入对企业绩效的影响——基于倾向得分匹配法的研究[J]. 当代财经, 2016(3):96-106.

[33]
LIU Q, QIU L. Intermediate input imports and innovations: Evidence from Chinese firms' patent filings[J]. Journal of International Economics, 2016, 103: 166-183.

[34]
YANG H, FREDERIC D, WANG J, et al. Comparing China's urban systems in high-speed railway and airline networks[J]. Journal of Transport Geography, 2018, 68: 233-244.

[35]
ZHANG F, GRAHAM D, WONG M. Quantifying the substitutability and complementarity between high-speed rail and air transport[J]. Transportation Research Part A: Policy and Practice, 2018, 118: 191-215.

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
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