Un análisis econométrico de la relación de sustitución entre el AVE y el transporte aéreo

1 Un análisis econométrico de la relación de sustitución entre el AVE y el transporte aéreo José Ignacio Castillo Manzano a, Juan Ramón Trapero Arenas b, Rafael Del Pozo Barajas c Resumen La implantación del AVE en España se ha convertido en un ejemplo a nivel mundial, pero conlleva grandes costes, además de competir con las líneas aéreas ya existentes, y con las nuevas LCC que han surgido durante este periodo. Es este trabajo analizamos desde una perspectiva dinámica la relación de sustitución que existe entre estos dos medios de transporte, observando una relación mucho menos estrecha que la prevista en estudios realizados a priori. Código JEL: L91, L92, L93. a Departamento de Análisis Económico y Economía Política. Facultad de Ciencias Económicas y Empresariales. Universidad de Sevilla. Av. Ramón y Cajal 1, 41018-SEVILLA. Tel: 954 556 727. Email: jignac[email protected]. b Departamento de Administración de Empresas. Facultad de Ciencias y Tecnologías Químicas. Universidad de Castilla – La Mancha. Avenida de Camilo José Cela 10, 13071-CIUDAD REAL. Tel: 926 29 53 00-Ext.3488. Email:[email protected]. c Departamento de Economía Financiera y Dirección de Operaciones. Facultad de Ciencias Económicas y Empresariales. Universidad de Sevilla. Av. Ramón y Cajal 1, 41018-SEVILLA. Tel: 954 55 75 33. Email: [email protected]. 2 1. Introducción La forma en que la implantación del AVE en España y cómo este país se ha convertido en exportador de modo transporte es un caso de estudio de relevancia internacional (véase Campos y De Rus 2009; Marti-Henneberg, 2013; Redondi et al., 2013; Socorro y Viecens, 2013; Martin and Nombela, 2007 sobre este tema). En poco tiempo, tras la puesta en marcha de las últimas líneas Madrid-BarcelonaFigueres y Madrid-Valencia-Alicante, España ha pasado a tener la segunda red de HST más amplia del mundo, situándonos detrás de China, país que por dimensiones y población difícilmente se puede comparar con España (Albalate y Bel, 2011), concretamente, más de 3.100 km en servicio en 2013 (Adif, 2014). A priori, la implantación de los trenes de alta velocidad presenta importantes ventajas socioeconómicas (Alonso Logrono y Bellet Sanfeliu, 2009; Froidh, 2008; Garmendia et al., 2008). Martin y Nombela (2007) también señalan un incremento del número de viajeros del 1,2% entre las distintas ciudades españolas por la mejora de las infraestructuras de HST, incremento que va más allá de la simple sustitución de otros medios de transporte. Por ello no es de extrañar que sus promotores políticos difundan en la prensa estudios de impacto ad hoc según los cuales las nuevas líneas de AVE van a crear decenas de miles de puestos de trabajo (Otero, 2010; Álvarez, 2010). Sin embargo, éste también tiene algunas desventajas, como las medioambientales (Leheis, 2012; Belingard et al., 2012, Chester y Horvath, 2010), pero la principal desventaja del HST es el coste. En este sentido, cabe señalar que el coste medio por kilómetro para España se ha situado entre 7,8 y 20,0 millones de euros por kilómetro según la línea (Campos y De Rus, 2009), aunque tramos con una orografía complicada pueden alcanzar los 60 millones de euros por Km. Estos importantes costes económicos cada día son más incompatibles con las obligaciones de control del déficit que la EU impone a los estados miembros. Por todo ello, no es de extrañar que vaya creciendo un fuerte debate académico y también social en torno a la idoneidad del HST. Por ejemplo, Givoni (2006) indica que una gran inversión en infraestructura de alta velocidad no se puede justificar sólo con el desarrollo económico esperado, ya que éste no es seguro. De ahí la necesidad de una adecuada evaluación del coste 3 de la inversión a priori (De Rus y Nombela, 2007; De Rus y Roman, 2006), y evitar que el desarrollo de la red de HST en España venga fijada por criterios políticos y no económicos (Bel, 2011). Por otra parte, Herrerias y Orts (2012) indican que no se detecta una relación clara entre la inversión en kilómetros de ferrocarril y el incremento de la productividad a largo plazo, aunque sí la hay entre la demanda efectiva de esta infraestructura y la productividad. Un elemento importante en este debate es la competencia y la colaboración del AVE con otros medios de transporte (Gonzalez-Savignat, 2004; Roman et al., 2007; Kappes y Merkert, 2013; Givoni y Banister, 2006; Lythgoe y Wardman, 2002; Redondi et al., 2013; y Socorro y Viecens, 2013). El objetivo principal de este trabajo es estimar el efecto que la expansión de la red del AVE en España ha tenido sobre el transporte aéreo, estimando la relación de sustitución entre ambos tipos de transporte. Todo ello en un contexto temporal amplio, desde enero de 1996 a diciembre de 2012, marcado por la expansión de las líneas aéreas de bajo coste (LCCs), tanto internacionales, como Ryanair o Easyjet, como nacionales, especialmente Vueling (Castillo-Manzano et al., 2012; y Bel y Fageda, 2010). Dicha expansión de las LCCs, especialmente en vuelos nacionales, supone un elemento importante a tener en cuenta, ya que a priori, al disminuir el coste de los desplazamientos aéreos, aumentaría la competencia frente al HST (Yang y Zhang, 2012). El análisis de la relación de sustitución entre AVE y transporte aéreo es de especial relevancia económica. En primer lugar, su estimación es necesaria para elaborar las previsiones de demanda y/o el Análisis Coste Beneficio Social (De Rus y Roman, 2006) que sirven para justificar o no la viabilidad de una nueva línea de HST. De esta forma, encontramos trabajos previos como el de Martin y Nombela (2007), que indican que el HST atraería viajeros principalmente de líneas aéreas y autobús en viajes de más de 500 Km, mientras que en trayectos menores la competencia principal serían los automóviles; en el mismo sentido se pronuncian Armstrong y Preston (2011). En el caso del AVE Madrid-Sevilla, De Rus e Inglada (1997) observan que los pasajeros aéreos entre estas dos ciudades pasan de 694.400 (25,1%) en 1992 a 352.200 (10,1%) en 1996, tras la puesta en marcha del AVE, mientras que los de este nuevo medio alcanzan 1.438.200 (41,3%). En el caso Madrid-Barcelona, Roman et al. (2007) estimaban que en el mejor de los casos, la cuota de mercado del AVE no superaría el 35%. Dobruszkes (2011) 4 detecta que las compañías aéreas, como respuesta a la introducción del HST, pueden reducir el número de pasajeros por vuelo, aumentando la frecuencia, lo que evitaría reducir su número total de viajeros. En el mismo sentido, Yang y Zhang (2012) indican que en el mercado chino, las variables que más afectan a la decisión entre ambos medios de transporte son el precio y la frecuencia. Jiménez y Betancor (2012) indican que, con la introducción del AVE en España, las operaciones aéreas se han reducido un 17%, a la vez que ha aumentado la demanda de transporte, lo que ha reducido aún más su share. Finalmente, según Castillo-Manzano et al. (2012) la reducción de vuelos Madrid-Barcelona por la introducción del AVE que une ambas ciudades sería del 9,63%. Frente a estos trabajos previos, nuestro enfoque ofrece las siguientes ventajas. En primer lugar, considera de forma dinámica como ha ido creciendo la red de AVE y como ese crecimiento ha podido afectar al transporte aéreo, de esta forma se puede cuantificar el efecto de nuevas rutas de alta velocidad o nuevas terminales en los aeropuertos. Por otra parte, los trabajos previos suelen emplear, para explicar la influencia de las nuevas estaciones de AVE sobre el tráfico aéreo, modelos de regresiones basados en medias de variables dicotómicas y coeficientes constantes. Nosotros empleamos una metodología más flexible y robusta, capaz de permitir parámetros variantes en el tiempo. La idea subyacente es explorar el factor de sustitución entre AVE y avión desde un punto de vista dinámico. Esencialmente, el efecto sustitución entre ambos medios de transporte puede ser una variable estocástica no estática en lugar de un coeficiente constante. En concreto, el modelo propuesto es una Regresión Lineal Dinámica de la familia de los modelos TVP (Time Varying Parameters) (West y Harrison, 1989; Harvey, 1989). Finalmente, al llevar el análisis hasta diciembre del 2012, podemos incluir tanto las nuevas líneas que se han incorporado (como la de Cuenca-Albacete-Valencia), como el efecto de la crisis económica, partiendo de la base de que el AVE es un medio de transporte con un precio alto para el viajero, aunque generalmente no cubra el coste total de la obra, así como la explosión global de las LCCs en el mercado español, que en el último mes de la muestra representaba el 52,5% del tráfico aéreo comercial de pasajeros. 5 Este trabajo está organizado de la siguiente forma: La sección 2 presenta los datos y la aproximación metodológica. La sección 3 presenta los resultados empíricos. La 4 incluye la discusión de estos resultados. Finalmente, la 5 presenta las conclusiones del estudio. 2. Datos y metodología El conjunto de datos puede ser dividido en dos grupos: (A) Los pasajeros aéreos de vuelos nacionales con destino u origen en Madrid-Barajas, que se considera una variable endógena y se computa como t planepas (Aena, 2014). (B) Las variables exógenas, como: a. Los pasajeros aéreos del periodo anterior ( 1t planepas ). Esta variable es importante bajo el supuesto de que el número de pasajeros del periodo t está fuertemente influido por los del periodo anterior. b. El número de pasajeros de AVE, denominado t avepas (Ministerio de Fomento, 2014). c. El ciclo económico, medido mediante el número de desempleados ( t unemp ). Los datos anteriores a 2005 son estimaciones basadas en simulaciones publicadas por el SEPE, para mantener los mismos criterios de medida en todo el periodo (enero 1996 a diciembre 2012) (SEPE, 2014). d. Indicadores o variables exógenas dicotómicas: i. El 9 de enero de 2009 Madrid sufrió una gran nevada, que colapsó el aeropuerto durante varias horas. Esta variable dicotómica ( t snow ) está modelizada como un pulso, con todos sus valores nulos, salvo el de enero de 2009, que es uno. (ABC 2009). ii. Días laborables ( t bus ): El número de días laborables en un mes puede variar considerablemente, y puede tener un efecto sustancial sobre el número de 6 pasajeros aéreos. Esta variable se calcula restando a los días laborables del mes el número de sábados o domingos multiplicándolos por 5/2. Los días festivos de cada mes se restan de los laborables. iii. Variables dicotómicas estacionales. Se utilizan once variables de este tipo para modelar la estacionalidad anual esperada en los datos. Los datos son mensuales, desde enero de 1996 hasta diciembre de 2012, resultando un total de 204 observaciones por variable. El Gráfico 1 muestra los pasajeros de vuelos nacionales y los de AVE. Es destacable la fuerte estacionalidad anual en ambas series. Es interesante señalar que, aunque ambas series son fuertemente estacionales, su forma, especialmente durante los primeros años, es bastante diferente. Además, sobre el principio de 2008 hay una caída significativa de los pasajeros aéreos nacionales, acompañada de una destacable subida de los pasajeros de AVE. Gráfico 1. Pasajeros de vuelos nacionales y de AVE. 96 97 98 99 00 01 02 03 04 05 06 07 08 09 10 11 12 13 0.6 0.8 1 1.2 1.4 1.6 1.8 2 2.2 2.4 x 10 6 Tiempo (años) Avión AVE 7 En las Tablas 1 y 2 se muestra información adicional que puede explicar el efecto sustitución entre avión y tren. En particular, la Tabla 1 muestra la fecha de inauguración de diversos tramos de AVE. La Tabla 2 muestra las fechas en que las nuevas terminales de los aeropuertos de Madrid (T4) y Barcelona se pusieron en marcha. Tramo AVE Inauguración Madrid - Zaragoza 10/2003 Madrid - Malaga 12/2007 Madrid - Valladolid 12/2007 Madrid - Barcelona 02/2008 Madrid - Valencia 12/2010 Tabla 1. Fechas de inauguración de tramos AVE. Terminal A eropuerto Inauguración Madrid T4 02/200 6 Barcelona 07/2009 Tabla 2. Fechas de inauguración de las nuevas terminales de los aeropuertos de Madrid y Barcelona. El modelo de series temporales empleado en el análisis pertenece al tipo de parámetros variables en el tiempo (TVP), descrito en un marco de Espacio de los Estados (West and Harrison, 1989). El modelo de Regresión Lineal Dinámico propuesto puede describirse como:    16 6 5432110 iitittttttt Seasbussnowunempavepasplanepasplanepas  (1) Donde: 1. t planepas es el número de pasajeros aéreos nacionales con destino u origen Madrid-Barajas en el periodo t. 2. 1t planepas es el número de pasajeros aéreos nacionales en el periodo t-1 3. t avepas es el número de pasajeros de AVE. 4. t unemp es el número de desempleados. 5. t snow es una variable dicotómica que refleja el colapso del aeropuerto por la fuerte nevada de enero de 2009. 8 6. t bus es una variable dicotómica que refleja la relación entre días laborables y festivos en el mes t. 7. it Seas es un conjunto de variables dicotómicas para i=6,…16 y periodo t. Para poder relacionar los coeficientes estimados con sus respectivas elasticidades las variables se han transformado logarítmicamente, excluyendo las dicotómicas. Nótese que la ecuación (1) asume que el coeficiente t2  es variable en el tiempo, al contrario que otros estudios, que asumen que este coeficiente es constante. En este sentido, t2  refleja el efecto sustitución entre pasajeros aéreos y de AVE. Para permitir que el parámetro t2  varíe en el tiempo se ha utilizado un modelo generalizado de paseo aleatorio expresado en un marco de Espacio de los Estados (Jakeman y Young, 1981), tal que: 󰇡  ∗󰇢=󰇡 0󰇢󰇡  ∗󰇢+󰇡  ∗󰇢 (2)  =(1 0)󰇡  ∗󰇢 (3) Aquí, (2) y (3) son las ecuaciones de estado y observación, respectivamente, donde ,  y  son parámetros constantes;  es un componente de señal suavizado del primer estado ; y  ∗ es una segunda variable de estado (normalmente conocida como “pendiente”); mientras que  y  ∗ son variables de ruido blanco de media cero, serialmente incorrelacionadas con una matriz de covarianzas con diagonal constante. Dependiendo de los valores de , i=1,2,3, el modelo puede ser particularizado para casos especiales como el Paseo Aleatorio (Random Walk), Paseo Aleatorio Suavizado (Smoothed Random Walk), Paseo Aleatorio Integrado (Integrated Random Walk), Tendencia Local Lineal (Local Linear Trend) y Tendencia Amortiguada (Damped Trend). Por ejemplo, si ===1;=0 el modelo es el de Paseo Aleatorio Integrado (IRW). Estos modelos están implementados en la herramienta de MATLAB denominada CAPTAIN, donde la estimación de estado es obtenida por medias del filtro 9 Kalman y algoritmos de Intervalo Fijo Suavizado. Una descripción más detallada de los algoritmos implementados en CAPTAIN puede encontrarse en Taylor et al. (2007). En nuestro caso particular se ha empleado el modelo IRW para estimar . 3. Resultados y discusión El Gráfico 2 muestra la estimación de t2  1 en el tiempo. Se puede concluir, en efecto, que el parámetro no es constante, como habíamos asumido. Para facilitar la visión de la influencia de los nuevos tramos de AVE y de las nuevas terminales aéreas, se han añadido líneas verticales al gráfico. Las líneas discontinuas representan las fechas en las que se pusieron en marcha los nuevos tramos de AVE. Esa información está recogida en la Tabla 1. Las líneas de puntos reflejan las fechas de inauguración de las nuevas terminales aeroportuarias, contenidas en la Tabla 2. Dado que las variables de pasajeros de avión y de tren en la ecuación (1) están transformadas en logaritmos, el parámetro t2  es una pseudo elasticidad cruzada, pero donde el denominador es una cantidad y no un precio. Básicamente, da la información de en qué porcentaje disminuyen los pasajeros de avión si los pasajeros del ave aumentaran un 1 %. Por ejemplo, si entre los años 2007 y 2012, los pasajeros mensuales de ave han aumentado en promedio un valor de 312. 674 (20.17 %), los pasajeros de avión han descendido en 46.896 (2.47 %). Es fácil ver como la relación de sustitución entre ambos medios de transporte ha ido disminuyendo con el tiempo. Pasando de un valor entorno al 0.138 a principios de 1996 hasta un valor inferior al 0.12 en torno al 2006. Este resultado podría entenderse también como que en el AVE existiría un cierto efecto novedad, es decir, tras su inauguración, que va disminuyendo, posiblemente también influido por el aumento de competitividad que fue alcanzado el transporte aéreo, con el desarrollo de las LCCs desde principios de este siglo. Dicho proceso de disminución se dio a pesar de la ampliación de la red en dicho periodo con las nuevas conexiones a Zaragoza y Málaga. Dicha disminución sólo se ralentizó temporalmente en torno a 1 Nótese que la estimación de t2  es estadísticamente significativa al nivel del 5%. 16 Froidh, O., 2008. Perspectives for a future high-speed train in the Swedish domestic travel market. Journal of Transport Geography 16(4), 268-277. Garmendia, M., de Urena, J.M., Ribalaygua, C., Leal, J., Coronado, J.M., 2008. Urban residential development in isolated small cities that are partially integrated in metropolitan areas by High Speed Train. European Urban and Regional Studies 15(3), 249-264. Givoni, M., Banister, D., 2006. Airline and railway integration. Transport Policy 13(5), 386-397. Givoni, M., 2006. Development and impact of the modern high-speed train: A review. Transport Reviews 26(5), 593-611. Gonzalez-Savignat, M., 2004. Will the high-speed train compete against the private vehicle? Transport Reviews 24(3), 293-316. Harvey, A., 1989. Forecasting Structural Time Series Models and the Kalman Filter. Cambridge University Press. Herrerias, M.J., Orts, V., 2012. Equipment investment, output and productivity in China. Empirical Economics 42(1), 181–207. Jakeman, A.J., Young, P.C., 1981. “Recursive filtering and the inversion of ill-posed causal problems. Utilitas Math 25, 351–376. Jiménez, J.L., Betancor, O., 2012. When trains go faster than planes: The strategic reaction of airlines in Spain. Transport Policy 23(0), 34-41. Kappes, J.W., Merkert, R., 2013. Barriers to entry into European aviation markets revisited: A review and analysis of managerial perceptions. Transportation Research Part E: Logistics and Transportation Review 57(0), 58-69. Leheis, S., 2012. High-speed train planning in France: Lessons from the Mediterranean TGV-line. Transport Policy 21, 37-44. 17 Lythgoe, W.F., Wardman, M., 2002. Demand for rail travel to and from airports. Transportation 29(2), 125-143. Marti-Henneberg, J., 2013. European integration and national models for railway networks (1840-2010). Journal of Transport Geography 26, 126-138. Martin, J.C., Nombela, G., 2007. Microeconomic impacts of investments in high speed trains in Spain. Annals of Regional Science 41(3), 715-733. Ministerio de Fomento, 2014. Renfe-Operadora. Viajeros transportados. Alta velocidad y larga distancia. Available: www.fomento.gob.es/BE/sedal/07103000.XLS [2014, 02/15]. Otero, L., 2010. Blanco vaticina que el AVE a Valencia generará 136.000 empleos en seis años. El País 10/14/2010, 17-17. Redondi, R., Malighetti, P., Paleari, S., 2013. European connectivity: the role played by small airports. Journal of Transport Geography 29, 86-94. Roman, C., Espino, R., Martin, J.C., 2007. Competition of high-speed train with air transport: The case of Madrid-Barcelona. Journal of Air Transport Management 13(5), 277-284. SEPE, Servicio Público de Empleo Estatal, 2014. Estadísticas de empleo. Available: http://www.sepe.es/contenido/estadisticas/datos_estadisticos/empleo/index.html [2014, 2/15]. Socorro, M. P., Viecens, M. F., 2013. The effects of airline and high speed train integration. Transportation Research Part A-Policy and Practice 49, 160-177. Taylor, C.J., Pedregal D.J., Young, P.C., Tych, W., 2007. Environmental time series analysis and forecasting with the Captain toolbox. Environmental Modelling & Software 22(6), 797-814. Vickerman, R., 1997. High-speed rail in Europe: experience and issues for future development. The Annals of Regional Science 31(1), 21–38. West, M., Harrison, J., 1989. Bayesian Forecasting and Dynamic Models. Springer-Verlag, New York. 18 Yang, H., Zhang, A., 2012. Effects of high-speed rail and air transport competition on prices, profits and welfare. Transportation Research Part B: Methodological 46(10), 1322-1333.