网络视角下航空公司竞争态势及影响因素研究

汪瑜　雷迪　于娇娇　温国兵

摘要： 为剖析疫情时期中国国内主要客运航空公司竞争格局和竞争优势的影响因素，利用TOPSIS－熵值法和修正Huff模型量化航空公司在航线上的竞争优势强度，构建基于优势强度的航空公司－航线赋权二分网络，从网络的视角对航空公司竞争优势市场划分及其静态特征进行研究，利用Tobit回归模型剖析竞争优势的影响因素。研究表明：在疫情时期航空公司多市场接触程度较低，三大航空公司竞争优势明显，其优势在城市分布上差异巨大，主要集中在其基地城市。HU、3U等航空公司在市场竞争中优势不明显，更多表现为竞争且主要围绕沿海二线城市展开；航空公司竞争优势受到多因素共同制约，疫情时期收益更多表示成本控制的能力，低成本航空公司9C相较HU、3C等航空公司更具优势。

关键词： 竞争态势；航空公司－航线赋权二分网络；TOPSIS－熵值法；修正Huff模型；社团；Tobit 模型

中图分类号： F560.5文献标识码： A

On the Competitive Situation of Airlines and the Influencing Factors from the Perspective of Network

WANG Yu， LEI Di，YU Jiaojiao， WEN Guobing

（School of Economics and Management， Civil Aviation FlightUniversity of China， Guanghan 618307， China）

Abstract：In order to analyze the competitive pattern and factors influencing the competitive advantage of China′s major domestic passenger airlines during the epidemic period， we use the TOPSIS-Entropy method and a modified Huff model to quantify the competitive advantage strength of airlines on routes， construct a weighted bipartite network of airlines-routes empowerment based on advantage strength， and study the market segmentation of airlines′ competitive advantage and its static characteristics from the perspective of network. The Tobit regression model is used to analyze the factors influencing competitive advantage. The study shows that during the epidemic period， the airlines have a low degree of multi-market exposure， and the three major airlines have obvious competitive advantages， which vary greatly in city distribution and are mainly concentrated in their base cities; HU， 3U and other airlines have less obvious advantages in market competition and are more competitive and mainly around the second-tier coastal cities. The competitive advantage of airlines is constrained by a combination of factors， and the revenue during the epidemic period is more indicative of the ability to control cost.

Keywords： competition; airline-airline weighted bipartite network; TOPSIS-Entropy method; modified Huff model; community; Tobit model

0 引言

正確把握航空公司之间的竞争关系，剖析市场竞争格局，分析影响竞争优势的关键因素，是提高航空公司航线网络布局及其机队运力投放的前提。随着新冠疫情的爆发，国内航空运输业客运市场大幅缩水，并严重影响了航空公司之间的竞争格局，为此有必要明确后疫情时期航空公司的优势市场分布及其结构特征，找到影响航空公司竞争优势的主要因素，这对于航空公司制定科学的竞争战略，改善经营管理水平具有重要意义。航空公司竞争关系研究主要集中在3个方面：1）利用统计学及产业组织理论研究竞争态势［13］；2）利用博弈论研究竞争战略对航空公司的影响［6］；3）研究航空公司核心竞争力的影响因素及竞争力评价［45］。在竞争态势研究上，陆锋［1］等对中国民航客运的竞争态势进行了分析，并发现四大航空集团具有明显的垄断优势，且内部存在明显的竞争关系。李菲［2］利用产业组织理论方法研究发现，中国民航运输业存在市场集中度不高，进/退壁垒过高、竞争不规范及效率低下等问题。Nigel Dennis 和David Pitfield［3］利用市场集中度研究发现，进行合并或联盟可以使航空网络枢纽的有效性增强。上述研究主要利用传统产业组织理论，从整体市场集中度分析竞争态势，但对航空公司细分市场全貌未进行准确刻画。为此，部分学者们将复杂网络理论引入产业组织分析之中［58］，杨建梅［5］将复杂网络引入产业组织分析当中，发现了广州软件产业竞争关系网络的小世界特性。冯建勇［6］基于航空公司共营航线数量，建立航空公司竞争关系网络，发现了航空公司竞争关系网络的无标度等特性。Sven Maerens［7］提出了一种在网络层次上对航空公司和航空集团竞争地位指标进行建模的新方法。复杂网络的引入弥补了基于市场集中度无法评估竞争全貌的缺陷，为航空公司航线网络竞争关系分析提供了一种新的视角，但现有研究所构建的网络大部分为无权网络或所使用的权重为单一的共营航线数量，忽略了航线之间的差异性。此外，在航空公司竞争关系网络研究中，所构建的网络大多属于航空公司－航线的投影网络［6］，这往往会引起原本二分网络信息大量丢失。

因此本文考虑航线产品的差异性，以及投影网络信息损失问题，利用TOPSIS－熵值法和修正Huff模型量化航空公司在航线上的竞争优势强度，构建基于优势强度的航空公司－航线赋权二分网络；从网络的视角对航空公司竞争优势市场划分及其静态特征进行研究，利用Tobit回归模型剖析竞争优势的影响因素。

1 研究方法

1.1 航空公司－航线赋权二分网络构建

二分网络指网络中包含两类节点且同一类节点间没有边相连，文章所要构建的网络包含航空公司和航线两类节点，航司运营航线，因此存在着某种关系，航司之间通过共营航线而产生联系，但航司之间不存在直接联系，因此隶属于二分网络范畴。整个网络的构建过程如下。

1.1.1 量化航空公司航线竞争优势強度（网络边权）

航空公司优势指航空公司所表现出的相对于竞争对手能够更好地满足旅客需求，并持续获得更高效益的综合力量，主要体现在航空公司自身综合能力优势、价格优势以及时间优势上。航空公司自身综合能力主要受运输能力、运营管理、航线网络、生产效益、服务质量5个方面影响［9］，综合考虑影响航司综合能力的因素，采用评价的方法对航空公司综合能力进行评估，为此首先建立的航空公司综合能力评价体系如表1所示。再以量化后的综合能力为基础，结合航司在航线上的票价及出行时间，利用修正后的Huff模型量化航空公司航线竞争优势强度（竞争优势系数）。目前，在对航空公司综合能力评价研究中，主要利用模糊综合评价［1011］、AHP［12］、因子分析［13］等方法。模糊综合评价由于可以兼顾多种因素而被广泛运用，但其评估结果的准确度依赖于指标的选取。层次分析和专家打分，原理简单，对数据的要求较低，但结果容易受到主观影响。因子分析可以突出影响的关键因素，但对数据的质量和数量要求较高。TOPSIS能够有效弥补层次分析等方法评价客观性不足的问题。因此，本文利用TOPSIS－熵值法评估航空公司综合能力。另外，Huff模型基本法则是万有引力模型，并常被用于具有吸引力的设施研究上［1415］。传统Huff模型常用面积一项指标代表规模，这显然不适用于航空公司这种由多个因素决定的对象。此外，已有研究在选取Huff模型中的距离参数时大都利用实际物理距离，这种实际距离的引力模型在经济学领域时常不适用。为此，有学者在传统引力模型基础上将实际距离用时间成本进行替代［15］。修正后的Huff模型与原有模型的不同在于，模型中考虑了对象间不具备实际物理距离的情况，具体过程如下：

1）构建评价指标体系。

2）TOPSIS－熵值和修正Huff评估竞争优势强度。熵值法基本原理是利用信息熵来衡量指标的差异程度。指标差异程度越大，指标的信息熵越小，权重越大。TOPSIS法又称优劣解距离法，其基本原理是将各指标中的最大值作为正理想解，最小值作为负理想解。通过计算评价对象与正、负理想解之间的欧式距离得出所有评价对象的优劣排序。Huff模型具体步骤：

Si为航空公司i的综合能力，dij为在j航线出行旅客选择i航空公司的出行成本（票价+时间成本（以当年人均小时收入计算）），μ通常为1，λ通常为2。

其中，Pij为航线j出行旅客选择航空公司i出行的概率，假设有m家航空公司，n条航线。

1.1.2 航空公司－航线赋权二分网络构建

文章以前文计算的竞争优势强度为权，航空公司、航线为节点构建航空公司－航线赋权二分网络。

1.2 航空公司优势市场特征及影响因素研究

1.2.1 基于非重叠社团网络的航空公司优势市场划分

利用非重叠社团划分的思想，旨在对航空公司优势市场进行划分。现有研究针对二分网络非重叠社团结构的研究主要有两种方法：1）将二分网络依靠某种原则转化为单粒子网络利用单粒子网络社团划分算法进行划分，其中较为著名的是Newman快速算法［16］；2）直接在二分网络上对社团结构进行划分。由于将二分网络转换成单粒子网络进行社团划分会损失大量信息，因此，第二种方法更适用于二分网络的研究，二分网络社团划分方法经历了从无权小规模到赋权大规模的发展［17］，其中针对赋权大规模网络较为成熟的就是基于标签传播的算法，利用标签传播思想进行社团划分具有执行速度快、可扩展性强、效果好等优势，近年已有大量学者基于标签传播思想对社团划分进行研究［1820］。由此可见基于标签传播思想的社团划分方法成效显著。因此本文采用基于二分赋权网络的标签传播算法（LPAWB+）对航空公司优势市场进行划分。

其中，Qw为模块度指数，Qw越大，实际网络的社团结构越明显，此外Qw∈0，1。M为二分网络所有边的权重之和；Wuv为节点u与节点v的实际权重；yu为红色节点g的权，Zv为蓝色节点h的权；δgu，hv表示当且仅当底部节点u和顶部节点v同属于一个社团时δgu，hv=1，否则为0。

LPAWB+算法的实施分为两个阶段。标签传播阶段，所谓标签传播思想即已知节点将自己的标签沿着权重最大的方向传播给未知节点，在二分网络中其思想可用使式（3）最大化表示，利用最大化式（3）的思想异步更新二分网络中的两类节点标签（红色标签g，蓝色标签h），可简化为式（4）。基于上述描述首先选择节点数目较少的一类标签进行初始化，然后按照式（5）异步更新另一类节点标签并利用式（3）计算更新后的Qw，如此循环更新两类节点的标签直至模块度不再增加为止。

其中，gnewx，hnewx为分配给红色、蓝色节点x的新标签；argmaxg，argmaxh表示使右侧式子最大化的标签g，h；Nxg，Nxh分别表示与x节点相连的标记为g，h的h，g类节点的边权和；zg，yh分别表示标记为g，h的h，g类节点的点权和；yx，Zx分别表示标记为g，h的x节点权。

当QW不能通过第一阶段增加时，此时出现局部最优，第二阶段旨在通过将社区合并在一起来防止算法陷入局部最大值。每个已识别的社区模块t由共享相同标签的蓝色和红色节点组成，即当gu=hv时，如果总共有N个社团，那么两个不同社区ti和tj的合并只有在这会导致网络模块化增加并且没有第三个社团tk（1≤k≤N，i≠j≠k），ti或tj的合并将导致更大的模块度增加。一旦社区合并完成，将重复执行上述两阶段，直到不能通过任何一步增加模块度为止。

1.2.2 网络视角下航空公司竞争优势市场特征分析

文章从网络整体及节点中心性两个角度对网络特征进行分析研究，在网络整体分析上从网络密度、网络规模、平均赋权度、平均集聚系数、平均路径长度、度－度相关性、网络赋权度分布7个角度对各航空公司优势网络的整体特征进行描述。利用关键节点识别技术对网络节点中心性进行分析。在网络关键节点识别研究上，常用网络度中心性、中间中心性、特征向量中心性、接近中心性等指标中的某一指标进行节点重要度评估［48］。对于节点重要度，采用多指标进行综合评估的研究相对较少。因此，本文综合考虑影响节点重要度的因素，从节点直接可达性（度中心性）、节点的中转衔接能力（中间中心性）、节点间的相对可达性（接近中心性）、节点相邻节点的重要程度（特征向量中心性）以及节点在网络中所处位置（k－壳）5个方面建立多指标体系，利用前文所述的TOPSIS－熵值法对节点中心性进行评估。

1.2.3 基于Tobit模型的竞争优势影响因素分析

1）Tobit回归模型。为探究影响竞争优势的因素，考虑到文章量化后的竞争优势强度系数在0，1上取值，满足被解释变量两端取值受限，因此采用因变量满足某种约束条件下取值的Tobit回归模型［21］，对航空公司优势影响因素进行分析，回归模型如式（6）所示。

其中，α，β，xi，y*i，yi分别为常数项、回归参数向量，自变量、因变量与航空公司竞争优势强度系数。

2）变量选取。航空公司的竞争优势体现在对旅客的吸引上，根据中国消费者协会联合民航局运输司开展航空服务监督调查活动得到的航空服务消费者调查报告显示：影响消费者航班选择的主要因素中排在第一位的是飞机的航班时间（53.4％）之后分别是航空公司（16.6%）、安全（14.1%）、机票价格（37.1%）、机舱服务（24.5%）等。由于航班时间是根据消费者实际情况而不断变化的，所以这一项很难作为评价航空公司航班竞争的一项指标，而航空公司、安全、机舱服务等都是航空公司综合能力的体现，因此文章从航空公司综合能力、机票价格及飞行时间3个方面，将指标聚焦在各航线上，选取旅客运输能力（客运量、中转旅客比例）、收益能力（客公里收益）、运营效率与质量（客座率、航班频率、飞行时间、航班正常率）、平均票价水平8个指标作为Tobit回归模型的自变量。

2 实证研究

2.1 數据来源及整理

本文从中央企业、地方国企、民营航空公司中选取具有代表性的10家航空公司（CA，CZ，MU，HU，3U，SC，MF，G5，ZH，9C）从2020年航班计划中选取由以上10家航空公司中2家及以上运营的742条航线为例，从各航空公司公布的2020年年报以及MIDT（Marketing Information Data Tape）数据库获取航空公司竞争力评价指标等数据。

2.2 航空公司－航线二分网络构建

利用前文所述网络构建方法首先对表1中各指标权重及航空公司综合能力进行评估，评估结果如表2所示，紧接着利用修正Huff模型计算航空公司航线竞争优势强度，构建航空公司－航线二分网络如图3b所示。

2.3 航空公司优势市场特征及因素分析

2.3.1 航空公司竞争优势市场特征分析

1）航空公司竞争优势市场划分。

利用LPAWB+算法，对航空公司－航线赋权二分网络的非重叠社团进行划分，划分结果如图1a所示。图1a中展示了各社团内部航空公司及其航线，线条颜色越深代表该航线旅客选择该航空公司出行的概率越大。为使结果更直观，利用复杂网络可视化软件Gephi，以航空公司、航线为节点，航空公司与航线关系为边，竞争系数为权重，构建航空公司－航线赋权二分网络并将网络按照社团划分结构进行布局，如图1b所示。

根据算法划分结果显示，模块度Qw=0.396 8，在企业－产品网络中，模块度指数衡量的是产业中的多市场接触程度或市场分割程度。模块度指数越大，市场分割程度就越高，不同市场和不同企业之间的相互影响就越小。反之，模块度指数越小，市场分割程度就越低［5］。由此可见，中国2020年航空公司－航线二分网络社团结构明显，市场分割程度较高，在市场竞争中，9C、CA、CZ、MU航空公司各自具有明显的优势市场，3U、HU、MF等航空公司优势市场不明显，更多表现为激烈的竞争。如图1b所示CA、CZ、MU三大航空公司之间的交互明显强于其他社团。这表明：在中国航空客运市场竞争中，三大航空公司（CA、CZ、MU）间的竞争仍占主要格局。

2）竞争优势市场特征分析。

（1）整体网络特征分析。

从网络规模、平均赋权度、平均聚集系数、密度、平均路径长度、度－度相关性、网络度分布7个角度对网络整体特征进行分析，各指标计算结果如表3所示。

在具有明显优势市场的航空公司中，CZ航空公司网络规模最大，平均赋权度最大，优势最为明显，如表3所示，其网络的平均最短路径长度相较于其他航空公司较大，此特征表明，CZ航空公司优势网络的直接连通性相较于其他航司较差。从各航空公司优势航线网络的密度上的差异可见，CZ、MU的密度最大，CA密度较小。另外，根据度－度相关性的数值表明，各航空公司的优势网络都存在异配性，即网络中小节点偏向于与大节点相连，可见在各航司优势市场中对于枢纽的依赖程度都较大，也正是如此，各航空公司优势在城市分布上，两级分化明显，如图1c所示，在双对数坐标下累积节点重要度分布基本成一条直线，度分布满足幂律分布，具有无标度特征，少数城市居于网络核心位置，其中CA优势地域分布较CZ、MU两极分化更严重。在不具备明显优势市场的航空公司中，如表3所示，3U、ZH等的竞争网络不具备小世界特征，平均路径长度为3左右，竞争主要集中在三段式的航线上。

（2）节点中心性研究。

在对节点中心性进行研究时，首先利用熵值法对节点中心性指标权重进行计算，再利用TOPSIS评价法对网络节点中心性进行评估。各指标平均权重和评估结果（节选前十的节点）如表4所示。

在评价节点中心性的各指标中，中间中心性指标权重最大，如表4所示，可见航空公司在某一城市竞争优势的强弱与该城市在该航空公司子网络中的连通衔接能力紧密相关。相对而言，城市的相对通达性（接近中心性）对节点中心性的影响就相对较小。

如表4所示，在优势城市分布上，具有明显优势市场的航空公司，其优势城市主要分布在其基地所在地，例如CA航空公司，其优势城市主要在北京、成都、呼和浩特等地，原因在于基地航司在基地享有较多的资源（优先时刻资源分配权、拥有更多的航班，休息室较大等）。另外，航司之间优势地域的重叠度较低，据计算，各航司前20位优势地域的重合率仅达27%左右，基地航司垄断优势仍明显，航空公司在其主基地机场的市场份额偏高。另外，值得注意的是，在疫情冲击下HU航空公司不存在明显优势市场，相比下9C这种低成本航空公司在疫情影响下仍保持着一定优势。表5给出了3U、HU、MF等航空公司竞争激烈的市场主要集中在泉州、厦门等地且从城市类型上可以看到竞争激烈的地域主要集中在二线沿海城市。

2.3.2 航空公司优势影响因素分析

据前文可知，CA，CZ，MU具有明显大规模优势市场，因此从CA，CZ，MU航空公司运营航线中随机抽取1 029个样本进行航空公司优势影响因素分析。进行回归分析前首先排除自变量共线性对结果的影响，通过stata16.0对所涉及变量相关性进行检验，利用方差膨胀系数VIF判断变量间是否存在多重共线性，通常认为VIF 小于10则变量间不存在多重共线性，结果如表5所示。

如表5所示，客座率、时间、票价三者VIF大于10，因此三者存在多重共线性。为排除多重共线性对回归结果精度的影响，且在不删除变量基础上，利用客座率、时间、票价三者之间的相关性及与y之间的相关性构建新变量x9=x2/x3*x4，再对所有变量进行VIF检验，结果如表5所示。可以发现，所有变量VIF均小于10，变量间已不存在多重共线性。

对上述所有变量重新编号，进行稳健标准差下的Tobit模型逐步回归，结果如表6所示。

在对所有变量进行Tobit回归时发现，运输能力（客运量）、收益能力、效率（客座率、时间、航班频率）、平均票价水平在1%水平上显著。在运输能力上，竞争优势与航空公司客运量始终呈正相关，表明航空公司运输能力越大，竞争优势越大。在分析收益对航空公司竞争优势影响时，若仅考虑收益对竞争优势的影响从表6可见收益能力越强，竞争优势越大。这表明航空公司对细分市场结构、市场需求、针对各细分市场的票价等级以及各等级库存分配预留的准确把握，能够显著提高航空公司竞争优势。但在加入其它控制变量（客运量）后，收益对竞争优势的影响为负，原因在于在客运量、票价、客座率一定条件下收入也基本确定，此时收益更多代表成本的大小。收益一定，成本越低越好，因此在客运量控制下收益与航空公司竞争优势呈负相关，这也是疫情期间一些低成本航空公司（9C）竞争优势反而显著的原因。在运输效率与质量上（正常率、出行时间、客座率、航班频率），航班正常率对航空公司竞争优势的影响不显著但存在正相关的影响，同时竞争优势的强弱与客座率呈正相关与时间呈负相关，可见航空公司保障航线运行效率与质量的能力越强，航空公司竞争优势越显著。航空公司竞争优势水平与平均票价水平呈负相关，从表6可见航空公司票价越低对旅客的吸引力越大，客座率也越高，同时航空公司竞争优势也越明显。这也是疫情期间多数航空公司为恢复客座率而采取降价措施的原因。至于航班频率对竞争优势的影响，从表6中可知，航班频率越大竞争优势越明显，结合实际情况，适当提高航空公司航班频次能够有效减少旅客出行总时间，这对于提高航空公司竞争力有利。在分析航空公司携带中转旅客能力对竞争优势的影响时，发现同收益对竞争优势的影响一样。若仅考虑中转旅客比例对竞争优势的影响，航空公司在航线上携带中转旅客的能力越大竞争优势越明显。但在加入多变量进行Tobit回归后发现中转旅客比例对航空公司竞争优势产生负向影响，为找到限制原因，对变量进行逐步回归，当加入航班频率时，中转旅客比例对航空公司竞争优势的影响由正转负，可见航班频次会限制中转旅客比例。当航班频率一定，过多的中转旅客出现时，供给跟不上需求，会造成旅客流失，影响航空公司竞争优势。

3 结论与建议

通过对航空公司的优势市场特征及影响因素分析，结果表明，中国航空公司多市场接触程度较低，三大航（CA、CZ、MU）竞争优势明显，同时，三者间的竞争也最为激烈，疫情期间低成本航空公司相对于某些中大型航空公司更具有竞争优势。具体到城市而言，各社团节点重要度分布具有无标度特征，航空公司优势在城市与城市之间分布不均匀，主要集中在其基地所在城市，并且各航空公司优势地域重叠程度低，主基地航空公司的市场份额较高。通过Tobit回归模型对影响航空公司竞争优势的因素进行回归分析，在影响航空公司竞争优势的因素中，运输能力、运输效率对竞争优势有正向影响，在客运量、客座率、票价及航班频次等变量限制下，收益能力与携带中转旅客的能力对竞争优势有负向影响，此时收益更多体现航空公司成本控制的能力。

通过上述结论，建议：1）针对航空公司优势市场表现出的优势分布不均匀、主基地市场份额偏高等特征，结合航空公司优势在城市分布上的影响因素，应从航空公司与机场双方进行调整。对于航空公司而言应对自身网络结构进行调整，对基地适当减少航线与运力的投入，讓其他航司有更多空间发展，对非基地城市考虑需求下适当投入更多航线，以提高城市在网络中的中转衔接能力。对于城市机场而言，基地机场应根据非基地航司市场表现给予非基地航司更多的资源，提高非基地航司市场份额，削弱基地航司优势，降低基地与非基地航司间的差距，以达到提高航空公司整体优势稳定的目的。2）航空公司竞争优势受多因素共同作用，因素与因素间也在相互制约相互影响，不同航空公司对于外界影响的敏感程度也不同，在实际竞争活动中，面对疫情的冲击航空公司常采用降价的方式提高客座率以达到提高竞争优势的目的，但实际情况是总的需求受到疫情限制，降价对于客座率的提升并不明显，而航空公司的成本基本固定且受航油价格上升的影响导致航空公司入不敷出，相对而言一些低成本的航空公司由于成本的优势反而能够盈利，因此在疫情时期航空公司首先应该在考虑总体需求的限制、自身价格需求的敏感程度及成本的基础上再制定恢复及竞争策略。

参考文献：

［1］陆锋，萧世伦，陈洁，等.中国民航客运（国内）空间格局与竞争态势分析［J］.地球信息科学，2005，4（4）： 43－49.

LU F，XIAO S L，CHEN J， et al. Analysis of the spatial pattern and competitive situation of Chinese civil aviation passenger transportation （domestic）［J］. Earth Information Science，2005，4（4）： 43－49.

［2］李菲. 我国民航运输产业组织研究［D］.陕西：长安大学，2005.

LI F. Study on the Organization of Civil Aviation Transportation Industry in China ［D］.Shaanxi：Changan University，2005.

［3］DENNIS N， PJTFIELD D. A tale of two cities：the impact of airline mergers and consolidation at London and New York［J］.Transportation Research Record，2018，2672（23）：1－7.

［4］胡进.“一带一路”沿线市场大陆航空公司新竞争态势研究［J］.空运商务，2016（5）：11－15.

HU J.Research on the new competitive situation of mainland airlines in the marketalong the "belt and road"［J］.Air Transport Business，2016（5）：11－15.

［5］杨建梅，陆履平，谢王丹.广州软件企业竞争关系的复杂网络分析［C］.第二届全国复杂动态网络学术论坛.北京：中国高等科学技术中心，2005：630－632.

YANG J M，LU L P，XIE W D. Complex network analysis of competitive relationships of software enterprises in Guangzhou［C］.Proceedings of the Second National Academic Forum on Complex Dynamic Networks. Beijing： China Center of Advanced Science and Technology， 2005：630－632.

［6］冯建勇.基于复杂网络的中国M航空公司竞争策略研究［D］.广东：华南理工大学，2009.

FENG J Y. Research on the competitive strategy of Chinese M airlines based on complex networks［D］.Guangdong：South China University of Technology， 2009.

［7］SVEN M. A metric to assess the competitive position of airlines and airline groups in the intra-European air transport market［J］.Research in Transportation Economics，2018，4（5）：65－73.

［8］安静.基于复杂网络的中国矿业上市公司竞争与合作关系研究［D］.北京：中国地质大学，2014.

AN J. A study on the competitive and cooperative relationship of Chinese mining listed companies based on complex networks［D］.Beijing：China University of Geosciences，2014.

［9］于劍， 朱迪， 陈俣秀， 等. 基于熵值TOPSIS模型的网络枢纽型航空公司竞争力评价［J］.生产力研究，2021，35（9）：67－73.

YU J， ZHU D， CHEN Y X， et al.Competitiveness evaluation of network hub-based airlines based on entropy TOPSIS model［J］.Productivity Research，2021，35（9）：67－73.

［10］ 孙新宪，孙莉云.国内外航空公司竞争力综合评价研究［J］.综合运输，2016，38（4）：34－38.

SUN X X，SUN L Y. Acomprehensive evaluation study on the competitiveness of domestic and foreign airlines［J］.Comprehensive Transportation，2016，38（4）：34－38.

［11］ WU C， ZHANG X Y， YEH I C，et al.Evaluating competitiveness using fuzzy analytic hierarchy process—a case study of Chinese airlines［J］.Journal of Advanced Transportation，2013，47（7）：619－634.

［12］ DELBARI S A， NG S I， AZIZ Y A，et al.An investigation of key competitiveness indicators and drivers of full-service airlines using Delphi and AHP techniques［J］.Journal of Air Transport Management，2016，52（3）：23－34.

［13］ 田利军，谢箷.基于因子分析法的航空公司核心競争力评价［J］.财会月刊，2013，42（18）：72－75.

TIAN L J， XIE S. Evaluation of airline core competitiveness based on factor analysis［J］. Finance and Accounting Monthly，2013，42（18）：72－75.

［14］ 黄凌波.粤港澳大湾区港口竞合关系研究［D］.广东：华南理工大学，2020.

HUANG L B. Study on the competitive relationship of ports in Guangdong-Hong Kong-Macao Greater Bay Area ［D］.Guangdong：South China University of Technology，2020.

［15］ HAN J Y，LI Y H.Modification of huff model and its application in county market a case of pharmacy siting in Huang hua City，Hebei Province［C］∥International Conference on Services Science，Chongqing，China：IEEE，2016：63－67.

［16］ NEWMAN M J. Fast algorithm for detecting community structure in networks［J］.Physical Review E，2004 ，69（6）：1－5.

［17］ BECKETT S J. Improved community detection in weighted bipartite networks［J］.Royal Society Open Science，2016，3 （1）：140536．

［18］ LAASSEM B， IDARROU A， BOUJLALEB L， et al. Label propagation algorithm for community detection based on Coulomb′s law［J］.Physical A：Statistical Mechanics and Its Applications，2022，593（9）：1－5.

［19］ YANG H L， ZHANG Y， ZHANG J， et al. Event-based community detection in micro-blog networks［J］. International Journal of Perform Ability Engineering，2021，17（1）：60－73.

［20］ ZHANG Y， LIU Y G， LI Q Q， et al. LILPA： a label importance based label propagation algorithm for community detection with application to core drug discovery［J］.Neuro Computing，2020，413（6）：107－133.

［21］ 李辉婕，柯今朝，朱玲娟，等.江西省种粮大户应对气象灾害适应性行为经济绩效研究——基于DEA-Tobit模型［J］.生物灾害科学，2022，45（1）：95－102.

LI H J， KE J Z， ZHU L J， et al.Study on the economic performance of adaptive behavior of large grain farmers in Jiangxi Province in response to meteorological disasters—based on DEA-Tobit model［J］.Biohazard Science，2022，45（1）：95－102.

（责任编辑 耿金花）

收稿日期：  2022－08－25；修回日期： 2022－11－04

基金项目： 国家自然科学基金民航联合基金重点项目（U2033213）；中国民航飞行学院研究所计划项目（JG2022－21）

第一作者： 汪瑜（1983－），男，江苏常熟人，博士，教授，主要研究方向为航空运输系统分析及运营优化，航空运输系统决策智能化等。

通信作者： 雷迪（1997－），男，四川绵阳人，硕士研究生，主要研究方向为民航运输。