ANÁLISIS DEL SECTOR AÉREO EUROPEO:

MODELIZACIÓN DE LA DEMANDA Y ANÁLISIS DEL

CONTACTO MULTIMERCADO ENTRE COMPAÑÍAS

Carmen Martínez Carrascal

Tesina del CEMFI No. 0306

Febrero de 2003

CEMFI
Casado del Alisal 5; 28014 Madrid
Tel. (34) 914 290 551. Fax (34) 914 291 056
Internet: www.cemfi.es

Esta tesina constituye una versión revisada de la tesina presentada al completar el Programa
de Estudios de Postgrado 2000-2002 del Centro de Estudios Monetarios y Financieros
(CEMFI). Me gustaría dar las gracias a Pedro Mira por la ayuda prestada en su elaboración; a
Pedro Marín y Tatiana Reyes, por su amabilidad a la hora de resolver mis dudas; a Manuel
Arellano y Rafael Repullo, por permitirme retrasar un año mi vuelta al CEMFI; a Gema, Paula,
Simone, Jose, María, Esther, Nacho, Eva y Ana, porque sin ellos este año hubiese sido muy
diferente; a Cristina y Alba, porque todo lo que me han ayudado nunca lo podré agradecer
suficientemente. Finalmente, a toda mi familia, por todo su cariño y ayuda.
Tesina CEMFI No. 0306
Febrero de 2003

ANÁLISIS DEL SECTOR AÉREO EUROPEO:

MODELIZACIÓN DE LA DEMANDA Y ANÁLISIS DEL
CONTACTO MULTIMERCADO ENTRE COMPAÑÍAS

Resumen

Esta tesina busca analizar el sector de aviación civil europeo, tanto por el lado
de la oferta como por el lado de la demanda. Para la demanda, se estiman un
modelo logit, obteniéndose evidencia de la existencia de atributos del producto
distintos al nivel de precios que son relevantes a la hora de escoger compañía.
Por el lado de la oferta, se analiza el impacto del contacto multimercado entre
compañías sobre el nivel de precios, aplicando la metodología usada por Evans
y Kessides (1994) y se obtiene evidencia de la existencia de comportamiento
colusivo: el nivel de contacto multimercado entre compañías tiene un impacto
positivo y significativo sobre el nivel de precios en una ruta. Se obtienen
también indicios de una menor colusión entre compañías tras la desregulación
del sector.

Carmen Martínez Carrascal

Banco de España
cmcarrascal@bde.es
 .

1 Introducción
El sector aéreo europeo ha sufrido cambios importantes en las dos últimas
décadas. De un entorno altamente regulado, en el que en la mayoría de casos
cada ruta era cubierta por las dos aerolíneas de bandera de cada país, que
fijaban conjuntamente un precio y se dividían la demanda, se ha pasado a un
entorno con libertad de entrada, frecuencias de vuelo y precios. Este proceso
de desregulación se inició en 1985, con una serie de acuerdos bilaterales entre
países, y se completó en 1993, tras una serie de medidas que permitían la
libre competencia entre aerolíneas europeas en todas las rutas de la Unión
Europea (UE).
Los beneficios y costes asociados a este proceso de desregulación dependen
de las características de la oferta y la demanda. Por el lado de la oferta, mien-
tras algunos autores han sugerido que este proceso de liberalización conduce a
resultados más competitivos1 , otros argumentan que, dadas las economías de
escala existentes en el sector, el nivel de actividad de las aerolíneas ya pre-
sentes en un mercado (o ”presencia aeroportuaria”) puede proporcionarles
ventajas de costes importantes que impidan la entrada de nuevas aerolíneas.
Aunque ya se han llevado a cabo algunos estudios para analizar las conse-
cuencias de la desregulación en el sector aéreo europeo (Marín (1995), Reyes
(2002)), esta tesina utilizará un enfoque diferente: siguiendo a Evans y Kessi-
des (1994), se tendrá en cuenta el impacto que el contacto multimercado entre
compañías tiene sobre la fijación de precios, y se introducirán efectos fijos de
1
Ver, por ejemplo, Bailey y Panzar (1981).

1
ruta, compañía y tiempo que, al explotar la variación intertemporal existente
en el contacto multimercado, permiten evitar el sesgo que habitualmente se
produce al estimar con datos de sección cruzada este tipo de modelos. Una
vez hecho esto, se analizará hasta qué punto existe un cambio en las posturas
colusivas de las compañías con la introducción de la desregulación.
Los resultados que se obtienen del contraste anterior muestran la exis-
tencia de colusión entre compañías, así como un impacto positivo sobre la
competencia de la introducción de la desregulación. Esta mayor competencia
podría beneficiar a los consumidores, a través de reducciones en las tarifas;
sin embargo, en la medida en la que otras variables distintas al precio influyen
sobre la utilidad de los individuos, una reducción en el nivel de precios no
garantizaría una mejora para los consumidores derivada de la desregulación.
La estimación de un modelo logit permitirá analizar cuáles son las variables
distintas al nivel de precios que determinan la elección de compañía aérea y
cuáles son aquellos factores relevantes para los individuos a la hora de escoger
el avión frente a medios de transporte alternativos.
Esta tesina busca, por tanto, estudiar el sector aéreo europeo, tanto por el
lado de la demanda como de la oferta. El trabajo se estructura de la siguiente
manera: en la sección 2 se presenta el modelo teórico utilizado para describir
la demanda, así como los resultados obtenidos; en la sección 3 se especifica la
estimación que va a llevarse a cabo para la oferta, y los resultados derivados
de la estimación de dicho modelo; la sección 4 presenta una comparación,
a partir de los resultados obtenidos en las dos secciones anteriores, de los
sectores de aviación europeo y norteamericano; la sección 5 presenta las con-
clusiones principales que se derivan del trabajo empírico llevado a cabo y

2
expone brevemente posibles extensiones de los modelos propuestos.

2 Análisis de la demanda: modelo logit

Los individuos, a la hora de escoger un vuelo, tienen en cuenta cual es la
utilidad que obtienen con cada una de las alternativas disponibles, y escogen
aquella alternativa que les proporcione mayor utilidad. Esta utilidad depende
de diversos factores, que incluyen tanto características del producto como
características del individuo2 ; la utilidad indirecta que el individuo i obtiene
si escoge el vuelo j en la ruta r en el año t es:

U (Xjrt , ξ jrt , pjrt , τ i , θ)

donde Xjrt son características observables del vuelo j en la ruta r el periodo t,

ξ jrt características inobservables para el económetra del vuelo j en la ruta r el
periodo t, pjrt precio del vuelo j en la ruta r en el periodo t, τ i características
del individuo i y θ parámetros desconocidos.
Los ξ jrt son no sólo observadas por los productores, sino también tenidas
en cuenta a la hora de fijar el precio, lo que introduce el problema econométri-
co de endogeneidad de precios. Este problema se solucionará mediante el uso
de variables instrumentales.
Se especifica la siguiente forma para la utilidad condicional del consumi-
dor i si escoge el vuelo j en la ruta r en el periodo t:

Uijrt = Xjrt β − αpjrt + ξ j + ∆ξ jrt + εijrt,

i = 1, ..., It j = 1, ..., J, r = 1, ...R, t = 1, ..., T

2
Con esto se consigue que exista heterogeneidad en las preferencias, necesaria para que
las elecciones de los individuos puedan diferir y en equilibrio pueda existir más de una
compañía con cuota de mercado positiva.

3
donde la heterogeneidad en las preferencias queda recogida en la pertur-
bación aditivamente separable εijrt . Cuando la distribución que sigue esta
perturbación es de valor extremo se obtiene un modelo logit, que es el que se
estimará en esta tesina. ξ jrt recoge características de los vuelos de la com-
pañía j que no cambian con la ruta ni tampoco en el tiempo y ∆ξ jrt recoge
desviaciones respecto al término anterior para cada compañía en cada una
de las rutas consideradas para cada uno de los periodos analizados.
Finalmente, para permitir que ante aumentos de precios los consumidores
salgan del mercado, se introduce un ”bien externo”, que recoge cualquier
medio alternativo de transporte distinto al avión. Sin este bien aumentos
iguales en los precios de todas las compañías no cambiarían las decisiones de
los individuos. La utilidad que proporciona este bien externo vendrá dada
por:
Uiort = ξ ort + εijrt

y se normaliza la media de esta utilidad a cero. Con ello, los coeficientes que
acompañan a las características de los vuelos para cada una de las compañías
presentes en el mercado y que determinan la utilidad para cada una de estas
alternativas quedan definidos en relación al bien externo. Asímismo, las
cuotas de mercado se definirán en función del total de viajeros potenciales y
no únicamente en función de los individuos que viajan en avión. Este número
de viajeros potenciales se define como la media de las poblaciones de origen
y destino de las ciudades cubiertas por la ruta3 . A partir de aquí, pueden
obtenerse fácilmente las cuotas de mercado de cada una de las compañías y
3
Los resultados son muy similares si se modeliza el tamaño del mercado como función
lineal de la población media y de la distancia entre ciudades.

4
también la del bien externo, que quedará definida como el tamaño total del
mercado menos las cuotas de mercado de los bienes internos.
En el modelo logit, en el que εijrt sigue una distribución de valor extremo,
las cuotas de mercado predichas sjrt que se derivan son:
n o
exp Xjrt β − αpjrt + ξ jrt + ∆ξ jrt
sijrt =
P
J
1+ exp {Xkrt β − αpkrt + ξ krt + ∆ξ krt }
k=1

Sea δ jrt = Xjrt β − αpjrt + ξ jrt + ∆ξ jrt la valoración media de los indi-
viduos si vuelan con la compañía j en la ruta r en el periodo t. En este
modelo se cumple que δ jrt = ln(sjrt ) − ln(sort ), y por tanto, los resultados
para el modelo logit se pueden obtener fácilmente a partir de la regresión de
la diferencia entre la cuota de mercado de cada una de las compañías y del
bien externo (ln(sjrt ) − ln(sort )) sobre el precio (teniendo en cuenta el proble-
ma de endogeneidad existente y solucionándolo mediante el uso de variables
instrumentales) y demás variables explicativas.

2.1 Datos

La base de datos que se utilizará ha sido financiada en gran parte por el

Centre for Economic Policy Research (CEPR). Contiene datos de panel de
60 rutas4 para compañías que operan en la UE en el periodo 1990-1997.
Adicionalmente, se han obtenido indicadores de seguridad de las compañías
a través de Skytrax Research. En el apéndice se presentan los estadísticos
descriptivos de todas las variables usadas en la estimación, ya sea como
4
La lista detallada de todas las rutas consideradas en la muestra se presenta en el
apéndice.

5
instrumentos o como regresores5 .
Los datos que se requieren para estimar el modelo son cuotas de mercado
de las compañías y características de los vuelos ofrecidos, como el precio, la
presencia aeroportuaria o el número de hubs existentes en la ruta para la
aerolínea considerada. Otra variable que se ha incluido en la estimación, que
hace referencia a la población en cada mercado y no a los productos ofrecidos,
es el ingreso por cápita promedio en las ciudades de origen y destino de la
ruta analizada.
Hubiese sido deseable disponer de datos separados para el número de
viajeros que han escogido viajar con cada compañía en clase business y en
clase turista, que hubiesen sido considerados como dos productos distintos
para una misma compañía. Sin embargo, no he encontrado ninguna fuente
que me permitiese obtener estos datos, por lo que la estimación se ha tenido
que llevar a cabo sin esta separación.

2.2 Observaciones

Señalo a continuación dos aspectos a tener en cuenta en la estimación, antes

de pasar a exponer los resultados obtenidos mediante el modelo logit.
1. Correlación del nivel de precios con el término de error. Cada una de las
compañías, al fijar su nivel de precios, tiene en cuenta variables inobservables
para el económetra, algunas de las cuales afectan también a la demanda
(como ξ j , ∆ξ jrt ). Esto hace que el nivel de precios esté correlacionado con el
5
Para algunas de las observaciones de la muestra no se disponía del número de pasajeros
o de los precios cargados por la compañía. Estas observaciones tuvieron que ser excluídas
a la hora de realizar la estimación y con ello la muestra final máxima disponible para la
estimación consta de 2012 observaciones de las 2038 disponibles inicialmente.

6
término de error y si no se tiene en cuenta esta correlación se obtendrá una
sensibilidad precio sesgada hacia cero. Por ello es necesario usar instrumentos
para evitar el sesgo en la estimación del coeficiente de esta variable.
Los instrumentos utilizados son6 : los regresores incluidos en la especi-
ficación, a excepción del nivel de precios, los kilómetros al cuadrado, la
población promedio en las ciudades de origen y destino de la ruta, el número
de aerolíneas en el mercado7 .
2. Introducción de variables ficticias de aerolínea. La introducción de
estas variables en la estimación es muy recomendable, ya que probablemente
existen factores inobservables que afectan el nivel de utilidad obtenido con
cada una de las compañías y que quedan recogidos con estas variables, si son
factores que no varían entre mercados. La introducción de estos efectos fijos
permite mejorar el ajuste del modelo, ya que ayuda a estimar el valor de los
coeficientes.
Una vez las variables ficticias de compañía son introducidas, el térmi-
no de error deja de ser la calidad inobservable, ξ j + ∆ξ jrt , y pasa a ser la
desviación específica del mercado respecto a esta media inobservable, ∆ξ jrt .
La comparación entre las dos estimaciones, con y sin variables ficticias de
compañía, permitirá ver hasta qué punto estas características inobservables
fijas en todas las rutas afectan el nivel de utilidad que obtiene un individuo
6
También utilicé especificaciones alternativas en las que incluía variables de costes a
nivel agregado para cada una de las compañías, pero en las estimaciones resultantes los R2
ajustados eran inferiores, por lo que finalmente opté por no incluir estas variables como
instrumentos. Otras variables, como ventajas burocráticas de las que pueden disfrutar
determinadas aerolíneas en un aeropuerto, pueden estar afectando el nivel de precios, pero
no se han incluido como instrumentos por no estar disponibles.
7
Este instrumento intenta captar el grado de competencia que la empresa encuentra en
el mercado.

7
al escoger una compañía concreta.
La introducción de efectos fijos de compañía requiere disponer de observa-
ciones de más de un mercado. Sin embargo, esto no supone ningún problema
en la muestra disponible, ya que para todas las aerolíneas hay al menos dos
observaciones (las correspondientes a una misma ruta en direcciones opues-
tas).

2.3 Resultados

Los resultados obtenidos con la estimación del modelo logit se presentan en

las Tablas 1 y 2. En la Tabla 1 se presentan los resultados sin incluír efectos
fijos en la regresión; la Tabla 2 presenta los resultados que se obtienen al
incluir efectos fijos de compañía y de tiempo en la regresión8 . En ambos
casos se muestran los resultados obtenidos al estimar por mínimos cuadrados
ordinarios, sin usar variables instrumentales de ningún tipo, y los resultados
obtenidos al usar instrumentos para la variable precio y estimar por mínimos
cuadrados en dos etapas. En las dos tablas la diferencia en los coeficientes es-
timados es importante y, en concreto, el coeficiente estimado para la variable
precio está sesgado a la baja en al menos un 50% al estimar por mínimos
cuadrados ordinarios, cosa que muestra la importancia de instrumentar esta
variable al hacer la regresión.
Las Tablas 1 y 2 presentan diferencias de magnitud importantes en los
coeficientes estimados, lo que muestra la importancia de incluir variables
ficticias en la estimación. En ambos casos, no obstante, los signos de los coe-
8
Los efectos fijos de compañía buscan recoger características inobservables que no cam-
bián entre mercados, tal y como se ha expuesto anteriormente. Los efectos fijos de tiempo
buscan recoger posibles desplazamientos en la demanda de vuelos frente al bien externo.

8
ficientes son los esperados: la presencia aeroportuaria y el número de hubs de
la compañía en la ruta influyen positivamente en la utilidad que proporciona
el vuelo de la compañía frente al bien externo, representado por cualquier
medio alternativo de transporte. Al hacer la estimación sin variables ficti-
cias, la distancia entre ciudades también afecta positiva y significativamente
la utilidad del vuelo de la compañía frente a la utilidad del bien externo; sin
embargo, al incluir efectos fijos de compañía y año el signo del coeficiente
pasa a ser no significativo, aunque sigue siendo positivo, lo que indica que,
una vez se consideran las características de las aerolíneas fijas en las rutas
y el tiempo y se incluyen efectos fijos de tiempo, la distancia entre ciudades
que cubre la ruta no afecta significativamente a la utilidad relativa del vuelo
ofrecido por la compañía. En las dos especificaciones la constante, que recoge
la utilidad del bien externo, es negativa y significativa.
Como era de esperar, el precio de la compañía afecta negativamente (y
de forma estadísticamente distinta de cero) a la utilidad que proporciona
el vuelo ofrecido por la compañía. Para esta variable, la diferencia en los
coeficientes estimados en las regresiones sin y con efectos fijos no es muy
elevada (-0.0020 frente a -0.0017): si no se incluyen, la elasticidad promedio
en la muestra que se deriva del coeficiente estimado para el precio9 es de
1.559, con una desviación estándar en las elasticidades estimadas de 0.550,
mientras que con efectos fijos esta elasticidad media es algo menor, 1.325,
y también lo es la dispersión en estas elasticidades (la desviación estándar
es de 0.467). La menor elasticidad estimada es de 0.487 si no se incluyen
9
En un modelo logit, la elasticidad precio puede obtenerse de la siguiente manera:
ε = αpjrt (1 − sjrt ), donde α es el coeficiente estimado para el precio y ε la elasticidad
respecto al propio precio, en valor absoluto.

9
variables ficticias y 0.414 si se incluyen y la mayor elasticidad estimada de
3.911 sin variables ficticias y 3.325 con ellas.
Para el resto de coeficientes existen diferencias importantes en las esti-
maciones con y sin efectos fijos, excepto para el coeficiente de la variable
que indica el número de hubs existentes en la ruta para la compañía ana-
lizada. Para todas las variables, los coeficientes estimados son menores en
valor absoluto al incluir efectos fijos de tiempo y compañía, excepto para la
variable ingreso per cápita. Esta última variable y el número de kilómetros
son las únicas en las que existe, además de un cambio en la significatividad,
un cambio en el signo del coeficiente estimado: de la estimación realizada
sin variables ficticias se deriva que el ingreso per cápita influye de manera
positiva, aunque no significativa, sobre la utilidad relativa que proporciona
la aerolínea frente al bien externo; al incluir variables ficticias, sin embargo,
el coeficiente estimado para esta variable pasa a ser negativo y significativo.
Este es el único coeficiente estimado con un signo contrario al que se esper-
aría a priori, ya que la intuición sugeriría que un mayor ingreso per cápita
aumentaría la utilidad relativa del vuelo ofrecido por una compañía frente a
la utilidad obtenida al escoger cualquier otro medio de transporte. Una posi-
ble explicación a este hecho podría venir dada por la existencia de medios
de transporte alternativos al avión más desarrollados en aquellos países con
ingresos per cápita más altos.
Es destacable la influencia positiva que un mayor número de hubs en la
ruta y una mayor presencia aeroportuaria tienen sobre la utilidad, lo que
confirma la diferenciación de producto existente en el sector y la existencia
de otros atributos distintos al precio que son relevantes para el individuo a

10
la hora de realizar su elección.
Por último, conviene comentar también que en la estimación realizada con
variables ficticias los coeficientes estimados para los efectos fijos de tiempo
son, para todos los años, positivos y, excepto para el año 1991, estadísti-
camente distintos de cero. Estos coeficientes estimados presentan, además,
una clara tendencia ascendente, que puede recoger un aumento en la utilidad
relativa que proporciona el avión frente a medios alternativos de transporte.
Los resultados de una especificación alternativa para el modelo sin varia-
bles ficticias aparecen en la Tabla 3. Con esta especificación, que incluye un
indicador de seguridad para las compañías, los resultados obtenidos están en
la misma línea que los encontrados con las dos especificaciones anteriores, y la
variable indicador de seguridad influye de forma positiva y significativa sobre
el nivel de utilidad que proporciona la aerolínea. Fue con esta especificación,
sin variables ficticias de compañía y con indicador de seguridad, con la que
obtuve la mayor elasticidad precio estimada10 . Hay que tener en cuenta,
sin embargo, la posibilidad de que estas estimaciones estén sesgadas por
la existencia de correlación entre este indicador de seguridad y otras ca-
racterísticas inobservables del producto (esto sucedería si, por ejemplo, las
aerolíneas con mejores indicadores de seguridad son también las que tienen
mejor reputación, servicios a bordo, etc).
10
La elasticidad media estimada en esta especificación fue de 2.027, la elasticidad míni-
ma, correspondiente a la compañía British Airways, de 0.633, y la máxima de 5.085 (para
Olympic).

11
3 Análisis del impacto sobre el nivel de pre-
cios del contacto multimercado entre com-
pañías
Si se analiza la dispersión en el nivel de precios, se observa que gran parte de
la variación en precios que muestran los estadísticos descriptivos es debida
a diferencias en precios a nivel de ruta, mientras que dentro de cada ruta
resulta sorprendente la gran igualdad existente entre los precios que fijan las
distintas aerolíneas. Una posible explicación a este hecho vendría dada por
la existencia de colusión entre compañías y es esta hipótesis la que busca
contrastarse en esta sección.
Para contrastar la validez de esta hipótesis hay que tener en cuenta que las
aerolíneas son empresas multiproducto, que compiten muchas veces en más de
un mercado, por lo que su comportamiento va a ser, en principio, distinto del
que se esperaría en empresas que compiten en un sólo mercado11 . Es posible
que puedan mantener comportamientos colusivos no sostenibles en caso de
interactuar en un sólo mercado, ya que, ante el temor a que sus competidores
inicien una guerra de precios en otra ruta en la que interactúan, puede ser
óptimo para ellas no desviarse del comportamiento colusivo acordado en una
ruta determinada. Por ello, el objetivo de esta sección es analizar hasta
qué punto las compañías europeas utilizan estrategias multimercado para
poder mantener conductas colusivas. Me basaré en un artículo de Evans y
11
Véanse análisis de contacto multimercado en Schmalensee (1978), Porter
(1980,1981,1983) o Bernheim y Whinston (1990), por ejemplo. Este comportamiento co-
lusivo es más fácilmente sostenible cuando los precios se fijan de manera secuecial en los
distintos mercados y a menudo se observa que las aerolineas ajustan sus precios en respues-
ta a los movimentos de sus competidores de forma selectiva y no en todos los mercados de
forma simultánea.

12
Kesssides12 (1994), y analizaré además hasta qué punto este comportamiento
colusivo disminuye con la desregulación.

3.1 Metodología

Debido a la ausencia de variables de costes a nivel de ruta para las distin-

tas aerolíneas, no es posible modelizar cuál es el comportamiento óptimo de
cada aerolínea en función de las acciones de sus competidores; por ello, la
estimación debe llevarse a cabo a partir del resultado de equilibrio en cada
mercado. La forma reducida que estimaré es una ecuación de precios con efec-
tos fijos que, al explotar la variación intertemporal existente en el contacto
multimercado dentro de cada ruta, permite evitar el sesgo que habitualmente
se produce al estimar con datos de sección cruzada13 . Dado que el estimador
que se obtiene de la regresión con efectos fijos es un estimador intragrupos,
el efecto estimado del contacto multimercado estará determinado solamente
por la variación en el tiempo en este contacto dentro de cada ruta y no
por la variación de sección cruzada, que es lo que genera el sesgo debido a
la omisión de factores específicos de cada ruta al realizar la estimación con
datos de sección cruzada.
La ecuación a estimar es la propuesta por Evans y Kessides:

ln(preciojrt ) = Xjrt ϕ + Zjt φ + µj + λt + ν r + εjrt

donde la variable dependiente ln(precioijt ) es el logaritmo natural del nivel de

precios, Xjrt incluye variables que varían con la aerolínea y la ruta considera-
12
”Living by the ”Golden Rule”: Multimarket Contact in the U.S. Airline Industry”
13
La diferencia en precios pueden ser consecuencia de diferencias en costes debidas a
características específicas de cada ruta, y la omisión de estos factores puede sesgar las
estimaciones de los parámetros en análisis realizados con datos de corte transversal.

13
da y Zrt son características de las rutas que varían a lo largo del tiempo. Los
términos µj , ν r y λt buscan recoger diferencias en precios debidas a efectos
fijos de aerolínea, ruta y tiempo, respectivamente.
Los efectos fijos de aerolínea captan diferencias relativas a la eficiencia
o la reputación entre compañías que sean constantes para cada aerolínea en
todas las rutas y periodos. Por último, el término εjrt es un término de error
aleatorio de media cero y varianza finita.
En el vector X se incluyen la presencia aeroportuaria14 y cuota de mercado
de la compañía j en la ruta r en el periodo t (cuotajrt )15 . En este vector
incluiré también el número de hubs (hubsjrt ) existentes en la ruta para la
aerolínea considerada, ya que estudios como el de Berry, Carnall y Spiller
(1996) encuentran que aquellas aerolíneas con un hub en la ciudad de origen
de la ruta tienen unos costes menores, debido a la existencia de economías
de densidad. Por ello, si existe competencia entre empresas, se esperaría
encontrar un coeficiente negativo para la variable que indica el número de
hubs existentes en la ruta para la compañía analizada.
El vector Z recoge características que varían con la ruta y el tiempo pero
no con la aerolínea. Incluye el índice de Herfindhal(HHIrt )16 y una me-
dida de contacto multimercado (Contactort ) que se definirá a continuación.
También se incluye la interacción de esta medida de contacto con variables
14
El coeficiente de esta variable indicará si domina la presión a la baja vía costes que
introduce una mayor presencia aeroportuaria o la presión al alza vía calidad.
15
Las cuotas de mercado en esta sección están definidas en función del total de pasajeros
que usan como medio de transporte el avión, a diferencia de los que sucedía en el modelo
usado para analizar la demanda.
16
Indice de Herfindahl: suma del cuadrado de las cuotas de mercado de todas las com-
pañías presentes en un mercado (cálculo de las cuotas de mercado en base al número total
de viajeros en la ruta, a diferencia de lo que sucedía en el modelo de demanda).

14
ficticias de tiempo para los subperiodos 1993-1995 (periodo de transición en
la desregulación del sector) y 1996-1997 (periodo de consolidación), que bus-
can captar cambios derivados de la desregulación en las posturas colusivas de
las aerolíneas. Se espera que el coeficiente para el índice de Herfindahl sea
positivo, y también el coeficiente para la medida de contacto, si la hipótesis
de contacto multimercado es correcta. Por otra parte, si la desregulación
hubiese dado paso a una mayor competencia, las interacción de la medida de
contacto con las dos variables ficticias anteriores tendrían coeficientes nega-
tivos.
Indice de contacto multimercado
Para construir un índice que capte el contacto multimercado en cada una
de las rutas hay que ver cual es el contacto que existe entre dos aerolíneas
cualesquiera que sirven esa ruta. Aunque en la muestra hay 27 compañías,
no todas operan en todos los mercados y por tanto el contacto multimercado
varía de una ruta a otra.
Usaré el indicador de contacto propuesto por Evans y Kessides. Este
indicador pondera los puntos de contacto entre aerolíneas de acuerdo con
su contribución a los ingresos de las compañías17 : dado que algunas rutas
contribuyen en mayor medida que otras a los ingresos de una compañía y a
sus beneficios, es posible que las interacciones entre estas rutas relativamente
17
Evans y Kessides proponen también una medida de contacto multimercado que pon-
dera de forma uniforme todos los puntos de contacto. Esta medida es la siguiente:
J X
X J
1
Contacto medio rutar = akl Dkr Dlr
[fr (fr − 1)/2]
k=1l=k+1

P
R
donde akl = Dkr Dlr , k, l = 1, 2, ..., J , y fr =número de aerolineas en la ruta r.
r=1

15
más importantes pesen más en la medida de contacto multimercado.
Para incorporar este hecho, se utiliza una medida de pesos cuadrática en
la cual la contribución del contacto existente entre las compañías k y l en
la ruta r está ponderada por el porcentaje de los ingresos obtenidos en esta
ruta j por estas aerolíneas (denotados por Rkr , Rlr ). Con ello, la medida de
contacto entre las empresas y se genera sumando estas medidas ponderadas
para todas las rutas r.
Para poder construir una medida de contacto que incorpore las diferencias
en la importancia relativa que para cada aerolínea tienen cada una de las
rutas es necesario construir en primer lugar la siguiente matriz simétrica:

P = (rkl ),

donde los elementos rkl son una medida ponderada que capta la importancia
relativa que las aerolíneas k y l asignan a sus puntos de contacto:
R
X
rkl = Rkr Rlr , k, l = 1, 2, ...., J
r=1

A partir de esta matriz puede construirse la siguiente medida de contacto

multimercado con ponderaciones dadas por los ingresos:
XJ X J
1
Contacto medio rutar = rkl Dkr Dlr
[fr (fr − 1)/2] k=1l=k+1

donde fr es el número de aerolíneas que cubren la ruta r y Djrt es una variable

ficticia que toma el valor 1 si la aerolínea j opera en la ruta r en el año t y cero
en caso contrario. Añadiendo el subíndice temporal, Contacto medio rutart
es el contacto promedio entre las aerolíneas en la ruta r en el año t18 . Esta
18
En el apéndice se presenta la evolución temporal de esta variable para los ocho años
considerados en la muestra.

16
variable puede interpretarse como el número de rutas conjuntamente cubier-
tas por dos aerolíneas cualesquiera escogidas de forma aleatoria entre las que
operan en esa ruta.

3.2 Resultados

Las estimaciones del modelo se realizan incluyendo efectos fijos y también

sin ellos. La comparación de las dos estimaciones permite ver la importancia
de incluir estos efectos en la regresión, ya que el cambio en los parámetros
estimados es importante en casi todas las variables, y, en concreto, para el
indicador de contacto utilizado. La estimación propuesta se realiza usando
para tres tarifas distintas de las aerolíneas: precio de la clase turista, business
y precio mínimo. Los resultados para cada una de estas estimaciones se
presentan en las tablas 4, 5 y 6, respectivamente.
De las regresiones por Mínimos Cuadrados Ordinarios (MCO) del lo-
garitmo del nivel de precios de los tres tipos de precios sobre las variables
explicativas se obtiene un coeficiente para la variable de contacto negativo
y significativo, lo que iría en contra de la hipótesis de colusión contrastada.
Sin embargo, al introducir en la regresión las variables variables ficticias
de tiempo, ruta y compañía, los resultados obtenidos son completamente
distintos, lo que muestra la importancia de incluir estas variables.
En las regresiones con efectos fijos, los resultados varían según cual sea
el tipo de precio considerado. Para el precio de la clase turista, el coefi-
ciente que acompaña a la medida de contacto multimercado es positivo y
significativamente distinto de cero, lo que sugiere que, ceteris paribus, las
tarifas cargadas por las compañías son mayores en aquellas rutas en las que

17
las aerolíneas tienen amplios contactos intermercado.
Por otra parte, la interacción de la medida de contacto con las variables
ficticias que recogen si el año corresponde al periodo de transición de la
desregulación o al de consolidación son negativos y estadísticamente signi-
ficativos para la clase turista, lo que indicaría que con la desregulación la
colusión existente entre las aerolíneas disminuyó.
Sin embargo, la interacción del indicador de contacto multimercado con
la variable ficticia que recoge el periodo de consolidación de la desregulación
es menor que el coeficiente para la interacción entre la medida de contacto
y la variable ficticia del periodo de transición (0.0262 frente a 0.0919). Es-
to parece indicar que aunque en el corto plazo la desregulación lleva a un
aumento en la competencia, en el medio plazo las aerolíneas aumentan su
coordinación y se acercan a la situación previa a la desregulación. Esto está
en la línea de lo encontrado por Marín (1995), que encuentra evidencia de
un aumento en la competencia en el corto plazo tras la desregulación pero
señala que esto no garantiza el paso a un sector completamente competiti-
vo en el largo plazo. No se puede, no obstante, para un nivel de confianza
del 95%, rechazar la hipótesis nula de que los coeficientes de las variables
que recogen las interacciones del indicador de contacto con los efectos fijos
para los dos subperiodos sean iguales, por lo que no puede afirmarse que
en el periodo de consolidación de la desregulación aumente la colusión entre
empresas respecto al periodo de transición.
Para los precios mínimos el coeficiente para la medida de contacto multi-
mercado es, aunque positivo, no significativamente distinto de cero, para un
nivel de confianza del 95%. Tampoco para los precios de la clase business el

18
contacto multimercado tiene un impacto significativamente distinto de cero
sobre el nivel de precios, aunque el coeficiente es también positivo. Esta no
significatividad puede recoger los menores incentivos a la colusión que exis-
ten para el segmento de mercado que el que representa la clase business, en
el que la diferenciación de producto existente entre compañías es mayor que
para la clase turista y la sensibilidad al precio mucho menor.
Para los precios de la clase business y los precios mínimos, los resulta-
dos obtenidos para estas interacciones son bastante distintos a los obtenidos
para la clase turista, tal y como se observa en las Tablas 5 y 6. En estos
dos casos, los coeficientes para las variables de interacción de la medida de
contacto con los dos subperiodos no son estadísticamente distintos de cero,
por lo que no puede afirmarse que con la desregulación se produjesen cam-
bios importantes en las posturas colusivas de las aerolíneas en estas tarifas
(aunque esto es lógico, dado que para ellas no se había encontrado evidencia
de comportamiento colusivo).
Para el resto de variables, no relacionadas con el nivel de contacto multi-
mercado entre aerolíneas, los resultados están de acuerdo con lo que podría
esperarse a priori: coeficiente negativo y estadísticamente distinto de cero
para el indicador del número de hubs para las tres tarifas, que refleja la
ventaja de costes asociada a tener un mayor número de hubs en la ruta19 ;
coeficiente no estadísticamente distinto de cero para la presencia aeroportua-
ria, también para las tres tarifas, lo que indicaría que la presión a la baja de
los costes sobre los precios que introduce una mayor presencia aeroportuaria
19
Los costes pueden ser menores en rutas que incluyen un hub porque el uso de la
capacidad del avión puede ser más elevado en estos casos, reduciéndose así los costes
marginales.

19
se ve compensada por la mayor sensación de calidad que puede proporcionar
una aerolínea con mayor presencia aeroportuaria20 .
También es interesante comparar las estimaciones para el coeficiente de la
variable cuota de mercado en las tres especificaciones. Aunque esta variable
es significativa únicamente para el nivel de precios mínimos, la comparación
del valor del coeficiente en los tres casos resulta intuitiva: de los coeficientes
estimados, parece derivarse que la mayor sensibilidad a cambios en el precio
se da para los precios mínimos, ya que es en este caso en el que el coeficiente
para la variable cuota de mercado es más negativo, mientras que la menor
sensibilidad a cambios en el precio se daría para la clase business, como era de
esperar, dada la mayor diferenciación de producto existente en este segmento
del mercado.
Para el resto de variables, cuando la variable dependiente son los pre-
cios de la clase business y los precios mínimos los coeficientes estimados
son del mismo signo que para la clase turista, aunque difieren en la mag-
nitud, especialmente para el índice de Herfindahl. El coeficiente obtenido
para esta variable es positivo para los tres tipos de precios, pero sólo es es-
tadísticamente significativo, una vez tenido en cuenta el nivel de contacto
multimercado, para las tarifas mínimas. De estos coeficientes estimados para
el índice de Herfindahl se deduce que las reducciones de precios asociadas a
un aumento en el número de aerolíneas que operan en una ruta son, en el
caso europeo, pequeñas: el paso de un monopolio a un duopolio conllevaría
20
Es destacable aquí la importancia de incluir la variable que recoge el número de hubs
existentes en la ruta para la compañía considerada: la omisión de esta variable conduciría
a concluír erróneamente, que el coeficiente que acompaña a la variable presencia aeropor-
tuaria es negativo y estadísticamente significativo.

20
una disminución en los precios de un 1.03% para los precios de la clase tur-
ista y 0.82% para la clase business; únicamente para los precios mínimos se
produciría reducción de precios importante (14.6%).

3.2.1 Observaciones

Errores estándar La estimación propuesta está basada en el supuesto

de que el término de error εjrt es independiente e idénticamente distribuido
(i.i.d.) y ortogonal a las variables explicativas introducidas.21 Y, si en contra
del supuesto hecho, la distribución del error no fuese i.i.d., las estimaciones
de los errores estándar presentadas en las tablas 3, 4 y 5 serían inconsistentes,
y la significatividad de variables como el indicador de contacto podría variar.
Y hay razones para pensar que los shocks específicos de ruta o de aerolínea
en cada periodo generan correlación en los errores.
Por ello, para proveer estimaciones consistente de los errores, calculo los
errores estándar de White, que permiten correlación en los errores y formas
arbitrarias de heteroscedasticidad. Con ello, los resultados obtenidos van en
la misma dirección que los expuestos anteriormente: el indicador de contac-
to multimercado tiene un efecto positivo significativamente distinto de cero
sobre el precio para la clase turista, y no para la clase business ni para los pre-
cios mínimos (aunque sigue obteniéndose un coeficiente positivo). Tampoco
cambian las conclusiones sobre cuál ha sido el impacto de la desregulación
sobre la colusión existente entre empresas: la desregulación condujo a una
menor colusión en la fijación de precios para la clase turista. Para el resto
de variables, las conclusiones se mantienen.
21
Tanto los contrastes realizados en esta sección como los de la sección 3.2.2 están
basados en contrastes realizados por Evans y Kessides.

21
Variables explicativas endógenas Una posible duda que podría surgir
es la posibilidad de que los resultados obtenidos fuesen sesgados debido a que
alguna de las variables explicativas como el índice de Herfindahl o la cuota de
mercado en la ruta para la compañía considerada estuviesen potencialmente
correlacionadas con el término de error εjrt . La restricciones de tiempo no
me han permitido analizar con más detalle este aspecto, pero es de esperar
que este sesgo, en caso de existir, fuese pequeño, ya que al incluir efectos
fijos de ruta, tiempo y compañía se elimina gran parte de este sesgo que
potencialmente podría existir. Además, este sesgo, en caso de existir, no
afectaría a la variable indicador de contacto, que es la variable relevante en
este análisis.

3.2.2 Explicaciones alternativas a la hipótesis de contacto multi-

mercado: el papel del tamaño de la compañía

Una posible duda que podría surgir es que las estimaciones del contacto
multimercado fuesen sesgadas, ya que la medida de contacto usada está posi-
tivamente correlacionada con el tamaño de la empresa: si el tamaño de las
compañías aumenta, el contacto anticipado entre dos compañías cualesquiera
aumentaría. Y dado que el tamaño de la compañía es una variable no incluida
que está correlacionada positivamente con la medida de contacto utilizada, no
incluir el tamaño de la empresa en la ecuación estimada puede estar sesgando
al alza los coeficientes estimados si las compañías más grandes tienden a
cargar precios más altos. Sin embargo, en un principio esto no va a ser
un gran problema, dado que al incluir variables ficticias de compañía en la
estimación ya se ha tenido en cuenta gran parte de la variación en el tamaño

22
de la empresa en la muestra.
A pesar de ello, para intentar tener en cuenta el tamaño de la empresa,
se incluye en la ecuación estimada una medida del nivel de actividad de cada
compañía: el número de kilómetros recorridos por la compañía j en la ruta
r en el periodo t. Los resultados se muestran en la Tabla 7. Como puede
verse, al incluir esta variable en el modelo básico, el coeficiente de la medida
de contacto multimercado aumenta ligeramente, situándose en un valor de
0.0305 para la clase turista. Para la clase business, el coeficiente de la medida
de contacto pasa a ser negativo, pero sigue siendo claramente no significativo.
Por tanto, es posible rechazar que los resultados obtenidos sean debidos a la
correlación existente entre el indicador de contacto y el tamaño de la empresa.
Las estimaciones para el resto de variables al incluir este indicador del
tamaño de la empresa van en la misma dirección que las obtenidas anterior-
mente. La diferencia fundamental está en el coeficiente estimado para el
indicador de contacto en la ecuación en la que la variable dependiente es
el nivel de precios mínimos. Al incluir la variable tamaño de la compañía,
este indicador pasa a ser significativo, lo que sugeriría que también para los
precios mínimos el contacto multimercado tiene un impacto positivo sobre el
nivel de precios. Para la nueva variable incluida en la regresión, el indicador
del tamaño de la compañía, el coeficiente es positivo y significativo.

4 Comparación entre los sectores de aviación

civil europeo y norteamericano
Por el lado de la demanda, tal y como sucede en el caso americano, la variable
de presencia aeroportuaria tiene, en el caso europeo, un impacto positivo y

23
significativamente distinto de cero sobre el nivel de utilidad que obtienen los
individuos: los consumidores están dispuestos a pagar una prima por servicios
como pueden ser una mayor presencia aeroportuaria de la compañía o por
viajar con aquellas aerolíneas con un hub en la ciudad de origen de la ruta.
Por el lado de la oferta, existen diferencias importantes respecto al sector
norteamericano. Sin duda, una de las más importantes es el distinto impacto
que el nivel de concentración existente en el mercado, recogido por el índice
de Herfindahl, tiene sobre el nivel de precios. El estudio de Evans y Kessides
para Estados Unidos muestra que la reducción en precios al pasar de un
monopolio a un duopolio es en promedio de un 11%; para el caso europeo, en
cambio, la reducción en precios asociada a este cambio es, tal y como ya he
expuesto, apenas de un 1%, excepto cuando se consideran los precios mínimos
(14.6%). Aún así, cuando las rutas no están monopolizadas, tampoco las
reducciones en el precio asociadas a la entrada de una nueva aerolínea son
demasiado altas para el caso norteamericano, y, por lo tanto, para rutas no
monopolizadas el impacto que la entrada de una nueva aerolínea tiene sobre
el nivel de precios no es muy diferente en Estados Unidos y en Europa.
Otra diferencia importante es el distinto impacto del contacto multimer-
cado sobre los niveles de precios: mientras que para el caso norteamericano
este impacto aumenta con el nivel de precios, esto no sucede para el caso
europeo, para el cual el impacto de este contacto es significativo para el nivel
de precios de la clase turista y no lo es, en cambio, para el nivel de precios
de la clase business.
También el estudio realizado permite contrastar si las conclusiones a
las que llegan Berry, Carnall y Spiller (1996) relativas a la existencia de

24
economías de densidad son extrapolables al caso europeo. El estudio de es-
tos autores para el caso americano muestra que los vuelos de compañías que
salen de un hub están asociados a menores costes marginales. Y aunque para
mi análisis no disponía de variables de costes para cada ruta, el coeficiente
negativo y claramente significativo que el indicador del número de hubs tiene
sobre el nivel de precios, para los tres tipos de tarifas, parece indicar que lo
mismo sucede para el caso europeo.
La influencia positiva que el número de hubs existentes en la ruta tiene
sobre la utilidad y su influencia negativa sobre el nivel de costes ejercen una
presión en sentidos opuestos sobre el nivel de precios. Y también en este
aspecto se encuentran diferencias entre los sectores europeo y americano, ya
que si bien para el caso estadounidense domina la presión al alza, tal y como
señala Borenstein (1989,1991), en el caso europeo esto no sucede, ya que esta
presión al alza se ve más que compensada por la presión a la baja que esta
variable ejerce vía costes.
Lo mismo sucede para la presencia aeroportuaria: mientras que para el
caso norteamericano domina la presión al alza en los precios, para el caso
europeo se ve compensada por la presión a la baja, de forma que la una
mayor presencia aeroportuaria no tiene una influencia positiva sobre el nivel
de precios.

5 Conclusiones
Esta tesina pretende caracterizar el sector de aviación europeo, tanto por
el lado de la oferta como por el de la demanda, así como analizar posibles
cambios en el sector derivados de la desregulación.

25
 Los resultados obtenidos confirman, a nivel de demanda, la influencia
positiva que variables como la presencia aeroportuaria y el número de hubs
en la ruta tienen sobre la utilidad; por el lado de la oferta se obtienen indicios
de la existencia de comportamiento colusivo entre empresas, ya que se obtiene
para la clase turista que el nivel de contacto multimercado entre compañías
influye positivamente sobre el nivel de precios fijados por las aerolíneas.
También por el lado de la oferta se obtienen indicios de la existencia de
economías de densidad, que hacen que para las rutas que incluyen un hub los
costes marginales asociados sean menores. Dado que con la desregulación las
aerolíneas tienden a usar una organización basada en hubs, esto puede haber
permitido reducciones en costes para las aerolíneas ya presentes en una ruta,
pero puede, a su vez, suponer una barrera a la entrada de nuevas compañías.
Sin embargo, dada la poca importancia que el índice de Herfindahl parece
tener sobre el nivel de precios esto no parece ser un coste importante derivado
de la desregulación.
Con el análisis realizado se obtiene también evidencia de que con la
desregulación del sector se produce un aumento de la competencia en el
corto plazo; aún así, parece que existe la posibilidad de que en el medio pla-
zo se haya reducido la competencia, por lo que los efectos derivados de la
desregulación del sector no están claros.
Existen varias extensiones de interés que pueden realizarse para los mode-
los de oferta y demanda aquí expuestos. Por el lado de la demanda, resultaría
interesante la estimación de un modelo de coeficientes aleatorios, siguiendo la
metodología propuesta por Berry Levinsohn y Pakes (1995) y Berry, Carnall
y Spiller (1996), que permitiese estimar distintas sensibilidades al precio y

26
demás características de los vuelos ofrecidos por las compañías para distin-
tos grupos inobservables de usuarios del transporte aéreo. Se ha intentado,
con los datos disponibles, estimar un modelo de este tipo, pero, sin embargo,
parecen existir indicios de falta de identificación de la distribución de la sensi-
bilidad al precio en la población de consumidores. Esta identificación podría
pasar por la disponibilidad de datos separados para los billetes vendidos de
clase business y de clase turista. Estos dos tipos de billetes corresponderán a
dos productos distintos ofrecidos por la misma compañía en cada mercado, y
es de esperar que al fijar sus precios las compañías tengan en cuenta la hetero-
geneidad existiente entre los usuarios. Parece, sin embargo, que actualmente
no se dispone, para el caso europeo, datos con este nivel de desagregación,
por lo que esta línea de investigación parece complicada.
Por el lado de la oferta, podría especificarse un modelo estructural, que
modelizase la decisión óptima de cada compañía en función del compor-
tamiento de las demás aerolíneas con las que interactúa, teniendo en cuenta
el contacto multimercado e incorporando consideraciones dinámicas. Este
análisis, dejando a un lado la dificultad de modelización que supone, re-
queriría disponer de variables de costes para cada aerolínea a nivel de ruta,
cosa complicada, y que da, si cabe, mayor justificación a una especificación
para la oferta como la aquí presentada, en la que, si bien no se modeliza el
comportamiento óptimo de cada empresa, permite obtener algunas conclu-
siones sobre cómo es este comportamiento a través del resultado de equilibrio
del mercado.

27
 Apéndice. Estadísticos descriptivos.

Para la estimación se dispone de una base de datos de panel 120 mercados

(120 rutas) en 8 años (1990-1997). De esta muestra se excluyeron algunas
observaciones por falta de información sobre el pasajeros de alguna compañía
en el mercado, lo que implica la imposibilidad de calcular la cuota de mercado
de la compañía en cuestión.
Se dispone de datos para el total de pasajeros en cada una de las rutas
para cada una de las compañías presentes en el mercado, así como de precios
y variables relevantes a la hora de determinar la demanda, entre las que
destaca de forma especial la presencia aeroportuaria. También se dispone
del ingreso por cápita promedio en cada una de las rutas analizadas, así
como de indicadores de seguridad para las compañías de la muestra-

Evolución del número de aerolíneas promedio en una ruta

El panel finalmente usado para la estimación contiene datos para 27 com-
pañías en 952 mercados. La distribución del número de compañías que operan
en cada uno de estos mercados varía considerablemente según cual sea el peri-
odo considerado: en los primeros años, en los que el sector no estaba todavía
desregulado, el número de compañías promedio en las rutas (o mercados) de
la muestra es menor que el número medio de compañías una vez desregulado
el sector. Esto se ve en la siguiente tabla:

28
 Evolución del número de aerolíneas en una ruta
Núm. obs. Media Desv. Est. Mín. Máx
Muestra 952 2.118 1.108 1 6
1990 120 1.817 0.768 1 5
1991 120 2.033 0.898 1 5
1992 120 1.983 0.907 1 5
1993 120 2.017 0.944 1 5
1994 120 2.133 1.122 1 5
1995 120 2.200 1.199 1 5
1996 118 2.373 1.419 1 6
1997 114 2.404 1.329 1 6

Como puede observarse en la tabla, el número medio de aerolíneas en el

mercado es 2.118, pero la distribución no se mantiene a lo largo de los años:
si se mira cuál es el número medio de aerolíneas cada año, se observa una
tendencia ascendente, que va acompañada una mayor dispersión.
Asimismo, para el conjunto de la muestra el 75% de los mercados tiene
un número de aerolíneas menor o igual a 2, y el número de mercados con 6
aerolíneas es inferior al 1%. al hacer el desglose por años, en los primeros
años la distribución está más desplazada hacia la izquierda y al aumentar el
tiempo se desplaza hacia la derecha.

29
Evolución del índice de Herfindahl en los mercados de la muestra

Evolución del índice de Herfindahl

Núm. obs Media Desv. Est. Mín Máx
Muestra 2016 0.550 0.227 0.235 1
1990 218 0.613 0.222 0.271 1
1991 244 0.575 0.206 0.264 1
1992 238 0.582 0.219 0.257 1
1993 242 0.563 0.212 0.280 1
1994 256 0.543 0.233 0.259 1
1995 264 0527 0.228 0.258 1
1996 280 0.509 0.236 0.250 1
1997 274 0.509 0.233 0.235 1

Se observa una tendencia decreciente en el índice de Herfindahl: al con-

solidarse la desregulación, el reparto del total de pasajeros entre las diversas
compañías en los distintos mercados tiende a hacerse más igualitario. En to-
dos los años, sin embargo, el promedio de este índice es superior al 0.500, lo
que indica diferencias importantes en las cuotas de mercado de las distintas
compañías. Esto es debido, a que las aerolíneas bandera de cada país pueden
mantener altas cuotas de mercado gracias a diferencias en las características
de los productos y ventajas importantes derivadas del control de los servicios
aeroportuarios (airport facilities) y otros servicios, as
Evolución en la muestra del ingreso por cápita, población y distan-
cia cubierta por las rutas
Los siguientes estadísticos muestran una tendencia ascendente tanto para
el ingreso por cápita como para la población. En el caso del ingreso por
cápita,esta tendencia ascendente va acompañada de una mayor dispersión.
No hay cambios importantes en las distancias cubiertas por las rutas de la
muestra ni en su dispersión.

30
 Evolución del ingreso por cápita
Núm. obs Media Desv. Est. Mín Máx
Muestra 952 17.294 3.142 8.506 25.445
1990 120 15.510 2.432 8.506 19.758
1991 120 15.746 2.260 8.91 19.485
1992 120 16.236 2.437 9.199 20.695
1993 120 16.576 2.684 9.251 21.72
1994 120 17.437 2.896 9.582 23.14
1995 120 18.036 3.203 9.88 24.705
1996 118 18.717 3.153 10.595 25.18
1997 114 20.265 2.905 11.385 25.445

Evolución de la población
Núm. obs Media Desv. Est Mín. Máx.
Muestra 952 9353.798 3816.81 2383 19971
1990 120 9147.72 3707.78 2396.1 18812.2
1991 120 9263.87 3740.78 2397.1 19109.2
1992 120 9314.535 3776.53 2390.5 19291.5
1993 120 9368.323 3815.49 2393.7 19496
1994 120 9418.71 3843.56 2392.6 19624.9
1995 120 9449.99 3863.48 2391.6 19731.4
1996 118 9455.01 3918.70 2384.6 19864.8
1997 114 9417.08 3972.19 2383 19971

31
 Evolución del número de km cubiertos por las rutas
Núm. obs. Media Desv. Est. Mín. Máx
Muestra 952 928.118 462.744 157 2416
1990 120 932.567 464.06 158 2413
1991 120 932.800 464.04 158 2413
1992 120 932.800 464.04 158 2413
1993 120 932.800 464.04 158 2413
1994 120 932.800 464.04 158 2416
1995 120 918.950 456.42 157 2416
1996 118 914.763 459.15 157 2416
1997 114 927.193 479.79 157 2416

Relación entre número de aerolíneas en el mercado y el ingreso por

cápita de la población.
La correlación existente entre estas dos variables es muy pequeña (0.0180),
por lo que puede afirmarse que ante mayores niveles de renta por cápita no
hay un mayor número de compañías que cubran la ruta considerada.

Relación entre el número de aerolíneas que cubren una ruta y la

población en las ciudades de esa ruta
La correlación existente entre estas dos variables es positiva y bastante
alta (0.3288), y con una clara tendencia ascendente en el tiempo. Esta cor-
relación puede recoger una mayor entrada en el mercado ante una mayor
demanda potencial.

32
Evolución de los precios a lo largo del periodo

Evolución del precio de la clase business

Núm. obs. Media Desv. Est. Mín. Máx
Muestra 2012 811.072 267.195 261.2 1964.4
1990 218 760.123 265.543 261.2 1550
1991 238 769.200 261.260 264.8 1529.9
1992 238 792.703 267.809 287.6 1686.6
1993 242 755.01 237.670 276.6 1629.6
1994 256 825.05 269.925 319.4 1779.6
1995 264 850.818 275.79 280.6 1877
1996 278 893.560 290.270 339.1 1964.4
1997 272 819.380 234.786 284.5 1664
Evolución del precio de la clase turista
Núm. obs. Media Desv. Est. Mín. Máx
Muestra 2012 784.730 274.91 261.2 1964.4
1990 218 756.367 266.99 261.2 1550
1991 244 763.997 263.72 264.8 1529.9
1992 238 769.81 279.49 287.6 1686.6
1993 242 723.349 244.918 264.9 1629.6
1994 256 780.820 283.65 303.4 1779.6
1995 264 811.609 287.85 280.6 1442.1
1996 278 866.89 299.79 339.1 1522.5
1997 272 787.342 243.96 284.5 1664

Evolución del precio de los precios mínimos

Núm. obs. Media Desv. Est. Mín. Máx
Muestra 2012 358.93 202.35 95.1 1493
1990 218 419.621 307.48 134.6 1493
1991 244 383.417 271.59 136.3 1463.8
1992 238 304.849 172.51 112.4 1160.7
1993 242 279.870 118.24 111.2 895.7
1994 256 325.835 136.31 145.6 975.6
1995 264 388.475 176.22 126.9 934.4
1996 278 399.18 181.23 105.6 1011.1
1997 272 367.34 164.53 95.1 960

33
Evolución de la presencia aeroportuaria de las compañías.
Relación con el nivel de precios.

Evolución de la presencia aeroportuaria de las compañías en el mercado

Núm. obs. Media Desv. Est. Mín. Máx
Muestra 2016 0.274 0.134 0.0083 0.600
1990 218 0.349 0.112 0.0126 0.559
1991 244 0.288 0.122 0.0134 0.600
1992 238 0.292 0.121 0.008 0.530
1993 242 0.298 0.132 0.0083 0.583
1994 256 0.263 0.136 0.0219 0.550
1995 264 0.248 0.130 0.0196 0.528
1996 280 0.237 0.140 0.0165 0.571
1997 274 0.240 0.138 0.0124 0.588
Se observa una tendencia decreciente en la segunda mitad de la muestra, y
una desviación estándar bastante estable. Tampoco hay grandes variaciones
en los valores máximos que toma esta variable en los distintos años
La correlación existente entre esta variable y el nivel de precios es posi-
tiva, tanto para la clase business como para la clase turista. Esto refleja la
diferenciación de producto que introduce la presencia aeroportuaria de una
compañía.
Por último, cabe destacar la correlación negativa entre la variable presen-
cia aeroportuaria y año (-0.235). Esto es debido a que con la desregulación
aumenta el número de aerolíneas presentes en cada mercado y por tanto dis-
minuye el porcentaje de rutas cubiertas por las compañías ya existentes en un
aeropuerto. Este hecho, unido a que las nuevas aerolíneas tienen una presen-
cia aeroportuaria mucho menor, da como resultado una correlación negativa
entre las dos variables (presencia aeroportuaria y tiempo).

Evolución del índice de contacto

34
 Evolución del índice de contacto
Núm. obs. Media Desv. Est. Mín. Máx
1990 120 0.05819 0.1859 0 1.207
1991 120 0.1384 0.3686 0 1.786
1992 120 0.1558 0.4607 0 2.172
1993 120 0.1672 0.4461 0 1.969
1994 120 0.3654 1.0864 0 5.145
1995 120 0.4039 1.0677 0 4.394
1996 118 0.6061 1.5842 0 10.162
1997 114 0.5488 1.3249 0 7.583

Se observa una tendencia ascendente en la evolución de la media y la

dispersión de la medida de contacto.

35
Rutas recogidas en la muestra
Amsterdam Aberdeen
Atenas Amsterdam
Barcelona Atenas
Aberdeen Bergen
Birmingham Barcelona
Bruselas Amsterdam
Bruselas Berlín
Bruselas Barcelona
Bruselas Bristol
Copenaghen Barcelona
Duseldorf Barcelona
Duseldorf Copenaghe
Madrid Copenhagen
Duseldorf Madrid
Madrid Londres
Manchester Bruselas
Manchester Frankfurt
Manchester Hannover
Manchester Madrid
Munich Amsterdam
Munich Barcelona
Munich Birmingham
Munich Copenaghe
Munich Londres
Bruselas Nápoles
Niza Londres
Norwich Amsterdam
Newcastle Bruselas
París Londres
Estocolmo Hamburgo
Stuttgart Londres
Stuttgart Bruselas
Stuttgart Barcelona
Tesalonika Milán
Toulouse Munich
Viena Colonia

36
Duseldorf Birmingham
Edimburgo Amsterdam
East Midland Amsterdam
Frankfurt Birmingham
Gothemburgo Bruselas
Gothemburgo Frankfurt
Glasgow Copenaghe
Hamburgo Barcelona
Hamburgo Copenaghe
Londres Amsterdam
Londres Atenas
Londres Berlín
Londres Barcelona
Londres Bruselas
Londres Colonia
Londres Copenaghe
Londres Duseldorf
Londres Frankfurt
Londres Glasgow
Londres Hamburgo
Londres Hannover
Lisboa Barcelona
Lión Londres
Madrid Bruselas

37
Referencias
[1] Berry, S., J. Levinsohn y A. Pakes (1995). ”Automobile Prices in Market
Equilibrium”. Econometrica, Volumen 63, pp. 841-890.

[2] Berry, S. (1990). ”Airport Presence as Product Differenciation”. The

American Economic Review, Volumen 80, pp. 894-399.

[3] Berry, S., M. Carnall y P.T. Spiller (1996). ”Airline Hubs: Costs,
Markups and the Implications of Customer Heterogeneity”. NBER
Working Paper 5561.

[4] Evans, W.N. e I.N. Kessides (1994). ”Living by the ”Golden Rule”: Mul-
timarket Contact in the U.S. Airline Industry”, The Quaterly Journal
of Economics, Volumen 109, pp.341-366.

[5] Good, D.H., L.H. Roller y R.C. Sickles (1993). ”US Airline Deregulation:
Implications for European Transport”. Economic Journal, Volumen 103.

[6] Morrison, S.A. y C. Winston (1986). The Economic Effects of Airline

Deregulation. Washington: Brookings.

[7] Morrison, S.A. y C. Winston (1989). ”Enhancing the Performance of

the Deregulated Air Transport System”. Brookings Papers on Economic
Activity, Microeconomics, pp. 61-112.

[8] Nevo, A. (1998). ”A Research Assistant’s Guide to Random Coefficents

Discrete Choice Models of Demand”. National Bureau of Economic Re-
search. Technical Working Paper 221.

38
 [9] Nevo, A. (2001). ”Measuring Market Power in the Ready-to-Eat Cereal
Industry”. Econometrica, Volumen 69(2), pp. 307-342.

[10] Marín, P.L. (1995). ”Competition in European Aviation: Pricing Policy

and Market Structure”. Journal of Industrial Economics, Volumen 43,
pp. 141-159.

[11] Reyes, T. (2001). ”El Mercado del Transporte Aéreo: La Competencia

en las Rutas Intraeuropeas tras la Desregulación del Sector”. Tesina
CEMFI.

39
Tabla 1: Estimación del modelo logit sin variables ficticias
MCO MC2E
Constante -5.840* -6.0090*
(0.169) (0.1732)
Km (miles) 0.0158 0.5173*
(0.0776) (0.1432)
Presencia aeroportuaria 2.250* 2.4251*
(0.149) (0.1557)
Número de hubs 1.621* 1.5526*
(0.0638) (0.0661)
Precio -0.0010* -0.0020*
(0.0001) (0.0003)
Ingreso per cápita -0.0162* 0.0114
(0.0081) (0.0103)
R2 ajustado 0.3565 0.3519
Número de observaciones 2012 2016
MCO: mínimos cuadrados ordinarios.
MC2E: mínimos cuadrados en dos etapas.
( ): desviaciones estándar.
*: coeficiente significativo para un nivel de confianza del 95%.

40
Tabla 2: Estimación del modelo logit con variables ficticias
MCO MC2E
Constante -4.344* -4.538*
(0.200) (0.202)
Km(miles) -0.459* 0.151
(0.0794) (0.141)
Presencia aeroportuaria 0.891* 0.971*
(0.187) (0.188)
Número de hubs 1.517* 1.438*
(0.0591) (0.0610)
Precio -0.0006* -0.0017*
(0.0001) (0.0003)
Ingreso per cápita -0.1021* -0.0695*
(0.0106) (0.0122)
R2 ajustado 0.5424 0.5439
Número de observaciones 2012 2016
MCO: mínimos cuadrados ordinarios.
MC2E: mínimos cuadrados en dos etapas.
( ): desviaciones estándar.
*: coeficiente significativo para un nivel de confianza del 95%.

41
Tabla 3: Estimación del modelo logit con indicador de seguridad
MCO MC2E
Constante -5.998* -6.388*
(0.278) (0.276)
Km (miles) 0.0413* 0.841*
(0.0844) (0.152)
Presencia aeroportuaria 1.880* 2.123*
(0.188) (0.191)
Número de hubs 1.650* 1.532*
(0.0666) (0.0686)
Precio -0.0010* -0.0026*
(0.0001) (0.0003)
Ingreso per cápita -0.0285* 0.0106
(0.0091) (0.0112)
Seguridad 0.134* 0.197*
(0.0671) (0.0655)
R2 ajustado 0.381 0.390
Número de observaciones 1740 1744
MCO: mínimos cuadrados ordinarios.
MC2E: mínimos cuadrados en dos etapas.
( ): desviaciones estándar.
*: coeficiente significativo para un nivel de confianza del 95%.

42
 Tabla 4: Impacto del contacto multimercado sobre
el nivel de precios de la clase turista
Sin efectos fijos Con efectos fijos
Constante 6.662* -
(0.0362) -
Presencia aeroportuaria 0.0256 -0.0713
(0.0710) (0.0415)
Indice de Herfindahl 0.219* 0.0206
(0.0569) (0.0308)
Cuota -0.0558 -0.0061
(0.0453) (0.0166)
Número de hubs -0.271* -0.792*
(0.0277) (0.0497)
Contacto -0.121* 0.0212*
(0.0265) (0.0100)
Contacto*Dtransic 0.0919* -0.0369*
(0.0262) (0.0091)
Contacto*Dconsololid 0.135* -0.0266*
(0.0259) (0.0095)
2
R ajustado 0.125 0.930
Número de observaciones 2012 2012
( ): desviaciones estándar.
*: coeficiente significativo para un nivel de confianza del 95%.

43
 Tabla 5: Impacto del contacto multimercado sobre
el nivel de precios de la clase business
Sin efectos fijos Con efectos fijos
Constante 6.723*
(0.0346)
Presencia aeroportuaria -0.0173 0.0015
(0.0678) (0.0341)
Indice de Herfindahl 0.150 0.0165
(0.0543) (0.0253)
Cuota -0.0206 -0.0018
(0.0433) (0.0136)
Número de hubs -0.267* -0.726*
(0.0264) (0.0409)
Contacto -0.118* -0.0092
(0.0253) (0.0082)
Contacto*Dtransic 0.116* -0.0005
(0.0250) (0.0075)
Contacto*Dconsolid 0.136* 0.0028
(0.0248) (0.0078)
2
R ajustado 0.105 0.9467
Número de observaciones 2012 2012
(): desviaciones estándar.
*: coeficiente significativo para un nivel de confianza del 95%.

44
 Tabla 6: Impacto del contacto multimercado sobre
el nivel de precios mínimos
Sin efectos fijos Con efectos fijos
Constante 5.736* -
(0.0475) -
Presencia aeroportuaria 0.0470 -0.0699
(0.0931) (0.116)
Indice de Herfindahl 0.546* 0.293*
(0.0746) (0.0858)
Cuota -0.256* -0.154*
(0.0594) (0.0462)
Número de hubs -0.307* -0.680*
(0.0363) (0.139)
Contacto -0.166* 0.0416
(0.0347) 0.0279
Contacto*Dtransic 0.1613* 0.00121
(0.0344) (0.0254)
Contacto*Dconsolid 0.2191* -0.0176
(0.03403) (0.0264)
R2 ajustado 0.1186 0.681
Número de observaciones 2012 2012
(): desviaciones estándar.
*: coeficiente significativo para un nivel de confianza del 95%.

45
 Tabla 7
Impacto del contacto multimercado sobre los niveles de precios.
Estimaciones con indicador del tamaño de la compañía.
ln(pturista ) ln(pbu sin ess ) ln(pmı́nimo )
Presencia aeroportuaria -0.0266 0.0361 -0.0382
(0.0429) (0.0358) (0.118)
Indice de Herfindahl 0.0247 0.0144 0.307*
(0.0308) (0.0257) (0.0844)
Cuota -0.0137 -0.00438 -0.1424*
(0.0169) (0.0141) (0.0464)
Número de hubs -0.796* -0.727* -0.683*
(0.0493) (0.0411) (0.135)
Tamaño (km) 5.25e-07* 3.12e-07* 9.32e-07*
(1.02e-07) (8.47e-08) (2.79e-07)
Contacto 0.03046* -0.00897 0.0585*
(0.0101) (0.00846) (0.0278)
Contacto*Dtransic -0.04489* -0.000165 -0.0178
0.009189 (0.00767) (0.0252)
Contacto*Dconsolid -0.03526* 0.00336 -0.0376
0.009638 (0.00804) (0.0265)
R2 ajustado 0.933 0.947 0.725
Número de observaciones 2012 2012 2012
( ): desviaciones estándar.
*: coeficiente significativo para un nivel de confianza del 95%.

46