冷玉婷

【摘 要】文章根据城市间航班数据的实证结果，提出在面临异质性需求时，企业采取差异化定价策略，以实现自身利益最大化。在进一步区分企业所有制类型后发现，私有航空公司更倾向于采取多调整的价格策略，并且航线内竞争程度越高，航班价格调整频率越高。对企业定价策略的研究，文章做出了两个方面的补充：一方面，以航空市场为研究对象，考虑在高度寡头化的市场格局下企业的异质性行为;另一方面，以微观数据捕捉企业差异化定价行为，并且倒逼消费者购买意愿和异质性需求。

【关键词】异质性需求;定价策略;寡头市场

【中图分类号】F562.8;F274【文献标识码】A 【文章编号】1674-0688（2021）12-0149-03

0 引言

在长期发展过程中，由于受历史渊源、地理缘近及外部环境的影响，各城市之间建立了不同程度的政治、经济联系。城市间的交流、影响形成不同的供需关系。例如，长江三角洲、珠江三角洲等城市集群存在更紧密的联系、更均衡的发展水平，人员、货物的往来更加密集，而东西部城市间则出现较为显著的不平衡和城市间市场分割问题;从交通设施通达性来说，河南、湖北等重要枢纽位置的城市人口在出行方式、时间选择上都会更加灵活，而西部偏远地区的选项较为单一。这种现象意味着城市间交通运输市场的需求存在较大的异质性，本文选择航空市场这一视角进行对此分析。

关于航空市场的特点，首先，作为交通基础设施中的一种，航班价格受到对应城市对市场的实际需求影响。此外，相比铁路、公路等其他运输方式，航班价格具有随时可变、不断调整的特点，航空公司具有自主调节价格的能力。这就意味着，航班价格一方面体现了对应消费者的需求特征及其变化，另一方面体现了航空公司在面临异质性需求时的价格调整和定价策略。其次，航空市场中存在不同市场势力的竞争参与者，例如国有与私有、低成本与全服务型航空公司等。

本文将航班看作一种商品，其价格取决于市场中的供需关系、航空公司的价格调整意愿等因素，我们将通过价格黏性和价格离散程度刻画航空公司定价策略，讨论在异质性需求下，不同类型航空公司的定价策略。

1 文献综述

价格黏性是指商品价格不会频繁调整，它反映了价格不变的倾向，并涉及市场内在运作机制，价格的调整频率、幅度及上涨、下降等变化特征可以作为该市场运作效率和企业价格调整能力的体现。现有研究一般将黏性和距离作为解释变量，分析产品价格波动的城市间差异，但并没有文献将黏性放在空间中，观察企业定价行为在不同城市对航线内的差异，即在控制运输成本后，不同城市的价格黏性、价格离散程度与企业性质的关联性，这是我们所关注的。

交通基础设施是城市之间人员、资本和知识流动的物质基础，在连接城市的同时，促进了要素的平滑流动，增加城市之间溢出和学习，提高要素配置效率。现有关于交通基础设施的研究如李嘉楠等[1]（2019）、李兰冰等[2]（2019）、逯建等[3]（2018），关注高速公路、铁路可达性在降低贸易成本、提高市场整合等方面的作用，但鲜有学者关注航空运输的详细特点。相比其他运输方式，由于载货量较小，所以航空运输主要通过创造人员流动的便利性产生促进作用。航空客运可以减少人员流动的时间成本，Redding and Venables[4]（2004）发现在航空运输的促进下，面对面交流成为城市之间知识和信息传播的关键驱动力，促进产业的聚集（Harrigan and Venables[5]，2006）。Campante and Yanagizawa-Drott[6]（2018）航班连接数量增加时，人员流动的增加也能促进资本流动。在城市关联网络的研究中，无法避免对交通基础设施或交通运输成本进行讨论，如果关联网络实质上是城市经济联系，那么交通基礎设施就是该网络的物质基础。王圣云等[7]（2020）以长江中游城市群为对象发现，交通运输成本较低的城市更易于与其他城市建立强经济联系，并且在这种交通运输成本分异的影响下，出现城市群的落后、边缘化。查凯丽等[8]（2017）以武汉城市圈为研究对象发现，道路网络通达性与城市间经济联系格局存在显著相关性，道路网络通达性的提高能够增加城市经济联系强度，提高城市在区域中经济联系中心性的地位。

2 数据与指标

2.1 数据来源与基本特征

本文航班数据涵盖时间为2019年4月15日—2019年12月31日，共260天，为全国156个城市之间13  000班次航班共339万余条记录信息，使用Python的爬虫程序爬取航班价格网站的航班信息，具体包括机票价格、承运者、起飞及抵达时间、起飞及抵达机场、折扣力度、机型等详细内容。

本文统计2019年4—12月共9个月航班总数量，并观察数量变化的同比增速可以发现，航班运营数量也有明显的“假期效应”。具体来说，在数据涵盖范围内，主要节假日所在的月份，航班数量都有增加。

2.2 指标计算

2.2.1 价格黏性

价格黏性的计算方法如公式（1）所示。

stickinessijlT=1-fijlT

fijlT=（1）

其中，i、j分别为出发城市和到达城市，l为城市对内各航班，在数据中以航班代码为标识，T为计算价格黏性时所使用的时间带宽。该指标主要用于衡量航空公司价格调整的倾向性，高价格黏性意味着航空公司倾向于保持价格不变，低价格黏性意味着航空公司调整价格频率较高。

2.2.2 价格离散程度

价格离散程度的计算方法如公式（2）所示。

PDispersionijlT=sd（PijlT[PijlT∈ΩijlT]）（2）

通过计算一定带宽内，ij为城市对内各航班，l为航班的价格标准差，得到该航班的价格离散程度，以此构建变量衡量航空公司调整价格的幅度。离散程度较大的航班意味着该市场内航班价格在时间轴上波动程度较大。

2.3 航班价格波动

通过计算各航班价格波动，并根据航班出发和到达时间可知，在白天和傍晚（例如10：00～20：00）出行的航班，价格离散程度始终稳定在较高水平;而在夜间，即“红眼航班”时段，价格离散程度的变化情况较大，但会出现更小的离散程度，价格更加趋于稳定（如图1所示）。

2.4 不同类型航空公司的价格黏性特征

首先，对航空公司类型进行基本划分，例如标注低成本型航空公司和传统航空公司、国有航空公司和私有航空公司。其次，对航线内的参与企业数量进行统计，并基于该数量划分低竞争和高竞争航线，对其样本数量、价格黏性平均值及T检验结果进行列举（见表1）。

2.4.1 低成本航空公司与传统航空公司

廉价（或者低成本）航空公司，会通过取消一些传统航空乘客服务，例如免费餐点、免费行李额，在机票改签、退款方面设置更高的手续费等，以最大限度地降低经营成本。在这样的经营策略下，廉价航空公司和传统航空公司在航线选择和航线时间分布上可能存在差异。从价格黏性来看，低成本航空公司价格黏性更低，意味着该类型航空公司更倾向于采取较高频率的价格调整策略。从价格离散程度来看，低成本型航空公司价格离散幅度集中分布在较低水平，意味着低成本航空公司溢价能力较小，航班价格调整区间较窄（如图2所示）。

2.4.2 低竞争航线与高竞争航线

由于城市间经济联系紧密程度、关联方式均有不同，所以人员流动需求量级和分布也随之改变，航空公司面临有限的资本、资源的划分问题，不同类型的航空公司会选择最有利于自身获利的航线和数量布局。从价格黏性来看，高竞争性的航班价格黏性集中分布在较低水平，企业调整价格更加频繁（如图3所示）。

3 研究模型与实证结果

考虑到航班价格黏性是关于两两城市之间价格流的描述，本文借助引力模型框架，首先控制城市之间的物理距离、方言距离、城市GDP等变量，继而研究航空公司类型、航班出行时间、特征对企业价格调整倾向性的影响。具体模型如下：

Stickinessijlm=β0+β1city（LnDistij+DialectDisij）+β2LnGDPiy+β1LnGDPjy+Xl，c+ηy+εijlm（3）

其中，Xl，c是航班、航空公司层面特征，例如航班出行时间是否在白天、航班所在航线竞争者数量是否更多、航空公司是否为低成本型（或私有企业）类型。主要回归结果见表2。

回归结果显示，价格黏性符合城市间引力关系，并且当航班出行时间属于白天时，航班价格黏性更低;私有企业和低成本型航空公司所持有的航班价格黏性也明显更低;位于高度竞争型航线的航班价格黏性明显更低，可能是当市场中存在多个航班选择时，消费者面临的可替代选项更多且更容易在不同选项之间切换。

4 结论

本文以城市间航班数据为切入点，考虑到不同航线内，即城市间的关联紧密程度不同，人员流动的量级、频次都有差异，当航空公司面临这样多元化的市场时，其定价策略不再仅根据距离远近调整价格高低，而是利用长期运营积累的经验进行针对不同市场、采取不同程度的溢价。本文通过构造价格黏性和价格离散程度两个指标对企业价格策略进行分析发现，私有航空公司的价格调整频率明显较高，相比于国有企业，私有企业采取更加灵活的价格策略，以随时根据需求变化调整航班价格水平，实现企业利益最大化。此外，低成本型航空公司价格调整频率更高。而在航线层面，出行时间在正常白天的航班及处于参与者更多的高竞争型航线地航班价格黏性更低，考虑到正常出行时间内及多参与者市场中，消费者出行方式的选择更多，航空产品可能面臨更大的竞争替代压力，因此倾向于增加价格调整频率。这是本文根据数据得到的结论，但各航空公司在不同市场间的分布情况、各市场间关联度对航班价格黏性的影响等问题，本文还未涉及，有待进一步解释和分析。

参 考 文 献

[1]李嘉楠，孙浦阳，唐爱迪.贸易成本、市场整合与生产专业化——基于商品微观价格数据的验证[J].管理世界，2019，358：30-43，83.

[2]李兰冰，阎丽，黄玖立.交通基础设施通达性与非中心城市制造业成长：市场势力、生产率及其配置效率[J].经济研究，2019，54（12）：182-197.

[3]逯建，杜清源，孙浦阳.时间成本、城市规模与人均经济增长——基于铁路时刻数据的实证分析[J].管理世界，2018，34（5）：74-85.

[4]REDDING S，VENABLES A J.Economic Geograp-hy and International Inequality[J].Journal of Intern-ational Economics，2004，62（1）：53-82.

[5]HARRIGAN J，VENABLES A J.Timeliness and ag-glomeration[J].Journal of Urban Economics，2006，59（2）：300-316.

[6]CAMPANTE F，YANAGIZAWA-DROTT D.Long-Range Growth：Economic Development in the Global Network of Air Links[J].The Quarterly Jour-nal of Economics，2018，133（3）：1395-1458.

[7]王圣云，宋雅宁，张玉，等.交通运输成本视角下长江中游城市群城市网络空间关联机制[J].经济地理，2020，40（6）：87-97.

[8]查凯丽，彭明军，刘艳芳，等.武汉城市圈路网通达性与经济联系时空演变及关联分析[J].经济地理，2017，37（12）：74-81，210.