Airport Efficiency Een meta-analyse van meetmethoden voor luchthavenefficiëntie

Airport Efficiency Een meta-analyse van meetmethoden voor luchthavenefficiëntie

Marita Mitrovic 5813433 12 juli 2012

* Deze scriptie is ter afsluiting van de Bachelor Economie & Bedrijfskunde aan de Universiteit van Amsterdam. Supervisor: Prof. Dr. Jaap G. de Wit

Inhoudsopgave 1. Inleiding

2

2. Wat is efficiëntie?

5

2.1

Definitie

5

2.2

Variable Factor Productivity (VFP)

6

2.3

Partiële analyse

7

2.4

Data Envelopment Analysis (DEA)

9

2.5

Total Factor Productivity (TFP)

12

3. Luchthaveneigenschappen en efficiëntie

13

3.1

Aeronautical Vs. Non-aeronautical

13

3.2

Eigendomsstructuur

14

3.3

Reguleringsbeleid

16

3.4

Schaalvoordelen

19

3.5

Hub-functie

21

4. Data & methodologie

22

5. Resultaten

25

5.1

Correlatieverschillen

26

6. Case Study: het Amerikaanse Vs. Europese business model

31

7. Conclusie

36

8. Referenties

39

Bijlage I: Tabel 1: Rangschikking Amerikaanse luchthavens

42

Bijlage II: Tabel 2: Rangschikking Europese luchthavens

44

1

1 Inleiding De luchthavenindustrie is een gecompliceerd onderzoeksveld voor de wetenschap wanneer deze inzicht probeert te verschaffen in het functioneren en presteren van luchthavens. Luchthavens hebben een veelvoud aan input en output, bestaande uit land- en luchtzijdige services, passagiers-diensten, terminaldiensten, vrachtdiensten, retail services en onroerendgoedontwikkeling. Daarnaast zijn er een groot aantal externaliteiten die het bedrijfsproces beïnvloeden en daardoor een impact hebben op de efficiëntie en winstgevendheid. De regulatoire, geografische, economische, sociale en politieke factoren die per land en per luchthaven wisselen, maken elke luchthaven tot een unieke en complexe onderneming (Gillen et al., 1997, p. 262). Vanwege deregulering en privatisering in de luchthavenindustrie in de afgelopen twintig jaar worden luchthavens steeds meer als reguliere bedrijven gezien die aan de gebruikelijke voorwaarden zouden moeten voldoen met betrekking tot de kapitaal- en rendementseisen. Hierdoor zijn veel onderzoeken gestart die trachten de fundamenten en factoren van een succesvolle luchthaven bloot te leggen. Wanneer echter alleen naar de financiële prestaties wordt gekeken, is men niet in staat een totaalbeeld te vormen van de gehele productiviteit, doordat economische of sociale inefficiënties niet worden meegenomen in de analyse (Hooper et al., 1997, p. 250). Het is van belang ook de operationele prestaties te bekijken, waarbij factoren als vliegtuigbewegingen, passagiers, werknemers, vracht, landingsbanen etc. zijn betrokken (Bazargan et al., 2003, p. 188). In dit onderzoek wordt het succes van luchthavens niet gemeten aan de hand van de winstgevendheid, maar aan de hand van een breder begrip, zijnde efficiëntie. Wanneer efficiëntie als uitgangspunt wordt gekozen, kunnen zowel operationele als financiële processen worden meegenomen. Het huidige wetenschappelijk beeld over efficiëntie en productiviteit in de luchthavenindustrie is echter zeer gefragmenteerd, vanwege de vele verschillende meetmethoden en deelonderzoeken. De onderzoeken die er zijn richten zich op de relatie tussen één of enkele factoren (bijvoorbeeld eigendomsstructuur, hub-functie, commerciële activiteiten etc.) en efficiëntie aan de hand van één meetmethode. De resultaten zijn vaak tegenstrijdig, omdat verschillende methoden verschillende uitkomsten geven. Een overzicht van zowel de effecten van bepaalde meetmethoden als de effecten en combinaties van bepaalde 2

luchthaveneigenschappen op de efficiëntie, ontbreekt nog. Daarom beoogt dit onderzoek de verschillen in efficiëntie (gedeeltelijk) te verklaren aan de hand van de verschillen in meetmethoden. De hoofdvraag luidt: In hoeverre geven de verschillende methoden die de efficiëntie trachten te meten, solide antwoorden? Om de verschillen van de meetmethoden te kunnen blootleggen, moet eerst aandacht worden geschonken aan de andere factoren die ook verantwoordelijk zijn voor de efficiëntieverschillen. Denk hierbij bijvoorbeeld aan de verschillende luchthavenactiviteiten en eigendomsstructuren. Ook de business- en exploitatiemodellen van Europese en Noord Amerikaanse luchthavens moeten worden bestudeerd, omdat deze verschillend zijn en zich anders verhouden tot de efficiëntie. Aan de hand van een steekproef bestaande uit 42 Europese en 62 Amerikaanse luchthavens, zal de term luchthavenefficiëntie worden onderzocht en zullen verschillen in de fundamenten van efficiëntie in beide markten worden blootgelegd. Het antwoord op de vraag hoe efficiëntie wordt beïnvloed in het algemeen en in Amerika en Europa apart, zal worden opgebouwd aan de hand van een algemene analyse en een case study van drie Amerikaanse en drie Europese luchthavens. In de algemene analyse zullen vier meetmethoden, bestaande uit Variable Factor Productivity (VFP), partiële analyse, Data Envelopment Analysis (DEA) en Total Factor Productivity (TFP), worden gebruikt om alle luchthavens in de steekproef te waarderen. De resultaten zullen gerangschikt worden in een tabel, waarna een duidelijk overzicht zal ontstaan van de gevonden efficiëntiewaarden voor de betrokken luchthavens. In de case study zal een verband worden gelegd tussen de meetresultaten en de eigenschappen van deze luchthavens en zal tevens gekeken worden naar de verschillen tussen het Amerikaanse en Europese business model. In hoofdstuk twee zal een inleiding worden gegeven betreffende het begrip efficiëntie, gevolgd door een korte uitleg over de verschillende meetmethoden. In hoofdstuk drie zal een korte samenvatting worden gegeven van de wetenschappelijke literatuur over de effecten van bepaalde luchthaveneigenschappen op de efficiëntie. De eigenschappen die in de literatuur het meest besproken zijn en die een grote invloed hebben op de efficiëntie zullen worden behandeld, bestaande uit de mate van commerciële activiteiten, de eigendomsstructuur, de schaalvoordelen en een eventuele hub-functie van de luchthaven. In hoofdstuk vier zullen de data worden gepresenteerd 3

in de vorm van een tabel, om vervolgens in hoofdstuk vijf te worden geanalyseerd. In hoofdstuk zes zal de analyse verder gaan aan de hand van de case study. In hoofdstuk zeven zullen de bevindingen worden opgesomd in de vorm van een conclusie.

4

2 Wat is efficiëntie?

2.1 Definitie Een proces mag worden bestempeld als efficiënt indien de middelen - bestaande uit tijd, geld en grondstoffen - doelmatig en adequaat worden gebruikt. Efficiëntie vormt samen met effectiviteit het begrip productiviteit. Effectiviteit heeft betrekking op de doeltreffendheid van de gebruikte input, maar gegeven het onoverzichtelijke en wisselende gebruik van input en output in de luchthavenindustrie, is deze term in deze sector nauwelijks bruikbaar. Hierdoor geldt efficiëntie als een geschikte indicator voor de productiviteit van een luchthaven. De luchthavenindustrie is vanwege de veranderingen in de afgelopen twintig jaar een meer dynamische markt geworden. Door de privatisering van BAA in GrootBrittannië in de jaren 80, is de deregulering, de verandering van eigendomsstructuur en de opkomst van commerciële luchthavenactiviteiten in Europa opgekomen. Vooral de opkomst van de Low Cost Carriers creëerde meer concurrentie tussen luchthavens waardoor nieuwe aspecten als service, kortingen en zelfs nieuwe business modellen voor luchthavens een belangrijkere rol gingen spelen. In die tijd is de behoefte gegroeid de interne prestaties te registreren, zodat management strategieën kunnen worden gemeten en beoordeeld. Ook ontstond de behoefte om de prestaties van luchthavens onderling met elkaar te vergelijken, airport benchmarking genoemd. Ten slotte is ook de wereldwijde groei van het aantal passagiers een drijfveer geweest voor het opstellen van efficiëntiemetingen, zodat kon worden bepaald of deze groei moest worden opgevangen door bestaande of nieuwe luchthavencapaciteit (Pels et al., 2001, p. 183). Bij traditionele metingen was het vooral belangrijk dat de methode simpel in gebruik was (Humphreys et al., 2002, p. 242). Vandaag de dag is het echter belangrijker dat de methoden robuust zijn en de resultaten een betrouwbaar beeld geven van de werkelijke efficiëntie van de processen. Een selectie van methoden die tegenwoordig in veel onderzoeken, evenals in dit onderzoek, worden gebruikt zijn Variable Factor Productivity, partiële metingen, Data Envelopment Analysis en Total Factor Productivity. Al deze methoden proberen zo adequaat mogelijk helderheid te verschaffen in de efficiëntie van (een gedeelte van) een luchthaven. Ondanks dat deze 5

methoden hetzelfde doel beogen, hebben ze elk een andere benadering, waardoor de eindresultaten verschillend zijn.

2.2 Variable Factor Producitvity (VFP) De Variable Factor Productivity (VFP) is een geaggregeerde meting van alle gebruikte variabele inputs. De VFP karakteriseert zich door de focus op de korte- tot middellange termijn en laat het kapitaalniveau achterwege, omdat deze slechts kan veranderen op de lange termijn. Indien men tracht een vergelijking te maken tussen twee luchthavens op basis van de VFP, dan is het van belang dat bij beide luchthavens dezelfde inputs worden opgenomen in de meting. Doordat echter bepaalde kostenposten tussen luchthavens verschillend worden geregistreerd en gegroepeerd, is het in sommige gevallen onmogelijk de hoogte van deze kosten te achterhalen. Om dit probleem op te vangen wordt in veel onderzoeken gekozen om de kostenverdeling volgens de ATRS (2009) aan te houden. Hierin worden kosten ingedeeld in drie categorieën, te weten kapitaal kosten, arbeidskosten en de zogenoemde soft cost. Deze laatste categorie beslaat de kosten voor het uitbesteden van diensten en service en het aanschaffen van goods and materials. De soft cost bevat hierdoor operationele kosten die niet direct gerelateerd zijn aan kapitaal en/of arbeidskosten. Een groot voordeel van de VFP is de bovengenoemde mogelijkheid kosten te categoriseren, gegeven dat deze “kostengroepen” met zekere nauwkeurigheid te achterhalen zijn (Oum et al., 2006, p. 112). Andere sterke punten van deze methode zijn het achterwege laten van de factor kapitaal, omdat het bijna onmogelijk is hier consistente data over te verkrijgen, en het overbruggen van de boekhoudkundige verschillen onder landen (Oum et al., 2006, p. 112). De productiviteit van de variabele factoren (VFP) bestaat uit de geaggregeerde productiviteit van zowel arbeid als soft cost, met een gewicht dat gelijk staat aan het aandeel van deze kosten in de totale input. De VFP meet hierdoor hoe efficiënt een luchthaven gebruik maakt van zijn variabele inputs voor een gegeven niveau van kapitaal.

6

Residual (Net) VFP Factoren die invloed hebben op de VFP zijn te categoriseren in twee groepen, te weten factoren die controleerbaar en oncontrleerbaar zijn voor het management (ATRS I, 2009, p. 17). Om de ware productiviteits efficiëntie te kunnen meten, moeten de variabelen waarop het management geen invloed kan uitoefenen geneutraliseerd worden aan de hand van een regressie van deze variabelen op de VFP. De net VFP geeft nu de werkelijke productiviteitsefficiëntie aan. Over het algemeen (waaronder het ATRS) worden de volgende variabelen meegenomen in de regressie:

Average aircraft size, percentage international traffic, percentage of air cargo in traffic, capacity constraints, percentage of airport connecting/transferring traffic, percentage of hub carrier market share De variabele Airport size wordt meestal niet in de regressie meegenomen, omdat dit een discutabele variabele is. Zo blijkt uit onderzoek (Jeong, 2005) dat bij luchthavens die meer dan 2,5 en minder dan 5 miljoen passagiers per jaar transporteren, de schaalvoordelen stagneren (ATRS II, 2009, p. 4-66). Aangezien in de meeste onderzoeken, net als in dit onderzoek, de steekproef deels bestaat uit luchthavens die gelegen zijn in dit interval, wordt gekozen om deze variabele niet toe te voegen aan de regressieanalyse (ATRS II, 2009, p. 4-66). De grote invloed van de overige factoren op de productivteit, blijkt uit het feit dat alle factoren significant zijn in het onderzoek van het ATRS (2009, p. 4-69). Factoren waar het management wel invloed op kan uitoefenen zijn keuzes betreffende de mate van non-aeronautcial activiteiten, de mate en kwaliteit van service en dienstverlening en de mate van outsourcing van activiteiten. De net VFP geeft de managerial- en technische efficiëntie weer die het management creëert door hun keuzes betreffende deze variabelen. Echter moet wel vermeld worden dat de Net VFP naast deze variabelen ook de efficiëntie weergeeft van onbekende variabelen die nog nader geëxpliciteerd zouden moeten worden. Enige zorgvuldigheid bij het interpreteren van deze cijfers is daardoor nodig.

7

2.3 Partiële productiviteitsmeting Het ontrafelen van de relatie tussen input en output in de luchthavenindustrie, is gecompliceerd vanwege de diversiteit van beide eenheden. Om op een eenvoudige manier inzicht te verkrijgen in de productiviteit van een luchthaven, wordt ook wel gebruik gemaakt van partiële productiviteitsmetingen. In de luchthavenindustrie houdt dit gewoonlijk in dat één specifieke output wordt gerelateerd aan één specifieke input (ATRS I, 2009, p. 16). Een voorbeeld is de arbeids-gerelateerde meting waarbij het aantal vliegbewegingen wordt berekend per medewerker of de kapitaal-gerelateerde meting waarbij het aantal passagiers per gate wordt gecalculeerd. Partiële productiviteitsmetingen zijn duidelijk en makkelijk, zowel om te berekenen als te interpreteren. Vanwege deze eenvoud kan deze maatstaf echter ook misleidend zijn, omdat te veel informatie achterwege wordt gelaten. De kostprijzen worden niet meegenomen in de analyse en ook het gebruik van andere input wordt niet meegerekend (Gillen et al., 1997, p. 264). Vooral dit laatste is een kritiek punt, omdat de productiviteit van een specifieke input kan afhangen van de mate van gebruik van een andere input (ATRS I, 2009, p. 16). Deze meting is dus een betrouwbare indicator voor de prestaties van de specifiek gekozen input en output, maar kan geen totaalbeeld geven of de beste luchthaven van de steekproef identificeren (Graham, 2001, p. 67). De eenzijdigheid wordt vooral duidelijk bij de arbeid gerelateerde metingen. Wanneer gekozen wordt om de variabele ‘arbeid’ uit te drukken in het aantal werknemers dat in direct dienstverband staat onder de luchthaven, worden de cijfers vertroebeld vanwege outsourcing. Ook kan het zich voor doen dat werknemers worden meegerekend die weinig met de kernactiviteiten van de luchthaven te maken hebben, waardoor er veel heterogeniteit binnen de statistieken ontstaat (Pels et al., 2001, p. 185). De mate van outsourcing onder luchthavens varieert aanzienlijk en indien dit niet wordt meegenomen in de analyse, kan arbeidsefficiëntie niet op een betrouwbare manier worden berekend. Verdere vertroebeling ontstaat ook doordat er geen rekening wordt gehouden met verschillen in de mate van overheidssteun, kapitaal beperkingen, methode van boekhouding etc. Ondanks de imperfecties van deze meetmethode, kan het bruikbare informatie opleveren, zolang men zich bewust is van de zwakke kanten. Zo mag er niet simpelweg worden geconcludeerd dat de luchthaven Praag-Ruzyně efficiënter omgaat 8

met de landingsbanen dan Schiphol Airport, vanwege het feit dat zij beter scoren in termen van het aantal vliegtuigbewegingen per landingsbaan. Hier moet worden vermeld dat Schiphol meerdere landingsbanen heeft, niet om te voldoen aan de verkeersbehoefte, maar vanwege de weer- en windcondities waar Schiphol mee te kampen heeft en daardoor niet optimaal gebruik kan maken van zijn landingsbanen (Graham, 2001, p. 60). Naast factoren die gerelateerd zijn aan weersomstandigheden (wind, sneeuw, ijs) zijn er meerdere factoren die de resultaten van de partiële metingen kunnen vertroebelen, zoals bijvoorbeeld milieuwetgeving die het aantal vlieguren limiteert (Graham, 2001, p. 60). Ook worden problemen als capaciteitsbeperkingen niet meegenomen in de analyse, zoals het volgende voorbeeld illustreert. De meting ‘vliegtuigbewegingen per landingsbaan’ verhult dat London Heathrow effectiever gebruik maakt van zijn landingsbanen dan de gemiddelde luchthaven. Het tekort aan capaciteit van deze luchthaven heeft er toe geleid dat het aantal passagiers per vliegtuigbeweging hoger ligt dan gemiddeld, waardoor zij toch meer passagiers vervoeren dan een andere airport met hetzelfde aantal vliegtuigbewegingen per landingsbaan (Beasley et al., 2001, p. 483). Meer algemeen geldt dat geografische factoren effect kunnen hebben op de kosten en kwaliteit van arbeid en de beschikbaarheid van kapitaal voor investeringen (Graham, 2001, p. 60). Echter houdt de partiële prestatiemeting hier geen rekening mee, waardoor zorgvuldigheid moet worden geboden bij het interpreteren van deze resultaten. Verder is de partiële benadering ook bruikbaar voor intern gebruik voor het bijhouden van de prestaties van bepaalde afdelingen of van processen over een bepaalde tijdspanne (Nyshadham et al., 2000, p. 106). In hoofdstuk vier zullen vier verschillende partiële metingen aan bod komen en in hoofdstuk vijf zal worden gesproken of deze metingen robuust zijn.

2.4 Data Envelopment Analysis (DEA) Een Data Envelopment Analysis (DEA) geeft de mate van efficiëntie aan die een decision-making unit (DMU) (in dit geval een luchthaven) kan bereiken met de bestaande technologie of management strategieën (Gillen et al., 1997, p. 264). DEA is goed te gebruiken in situaties waar output moeilijk te specificeren is en wordt daardoor veel gebruikt bij het beoordelen van de productiviteit van scholen, ziekenhuizen en overheidsinstanties (Gillen et al., 1997, p. 264). Een Data 9

Envelopment Analysis bepaalt de efficiëntie van een DMU in verhouding tot andere DMU’s, waarna een ordening gemaakt kan worden van luchthavens gebaseerd op hun relatieve efficiëntie. In het oorspronkelijke model van Charnes et al. (1978) worden de outputs van DMU’s gemaximaliseerd ten opzichte van de inputs, met als restrictie dat de efficiëntiewaarde voor elke DMU kleiner of gelijk moet zijn aan 1 (Pels, 2000, p. 31). In een situatie met L luchthavens met m outputs en n inputs, wordt de efficiëntiewaarde van de luchthaven met subscript 0 als volgt berekend:

De y en de x zijn de output en input en de u en v zijn respectievelijk de variabele gewichten van deze waarden. In het geval van een model met één output, corresponderen de gevonden waarden met een productiefunctie waarin de output maximaal is voor de gegeven input (Gillen et al., 1997, p. 264). In het meer algemene model met meerdere outputs, kan dit worden gedefinieerd als een efficient production possibility surface of frontier (Gillen et al., 1997, p. 264). Afhankelijk van het doel van het onderzoek kunnen zowel input-georiënteerde als output-georiënteerde modellen worden gebruikt (Pels, 2000, p. 30). Omdat in dit geval de airlines de verkoop van vluchten regelen en luchthavens hierdoor weinig zeggenschap hebben over de outputs (tenzij er output-restricties zijn opgelegd door de overheid), is een input-georiënteerd model meer passend voor deze industrie (Pels, 2000, p. 31). Een production frontier van een input-georiënteerd model kan er als volgt uitzien:

Figuur 1 Input-georiënteerde DEA production frontier met input slack

10

In figuur 1 staan x1 en x2 voor de gebruikte inputs en y voor de output. Duidelijk wordt nu dat de DMU’s D en E niet efficiënt zijn. De production frontier is gebaseerd op de DMU’s met de hoogste score en daardoor beste efficiëntie van de data-set, in dit geval B en C. Bij de DMU’s die zich niet op deze lijn bevinden zou er ruimte moeten zijn voor efficiëntieverbeteringen, in ieder geval tot het niveau van de beste spelers. Door de resultaten op deze manier te plotten, wordt in één oogopslag zichtbaar hoe de DMU’s zich relatief tot elkaar verhouden. DMU’s die zich op de frontier bevinden, presteren beter dan DMU’s die naast de lijn zitten. Echter betekent dit niet dat alle punten op de frontier efficiënt zijn. Punt A bevindt zich op de production frontier, maar kan echter dezelfde output blijven produceren met minder input en is daardoor niet efficiënt (Pels, 2000, p. 34). In de tabel is te zien dat de input kan worden verminderd met een hoeveelheid ter grootte van AB zodat punt A zich nog steeds op de frontier begeeft (Pels, 2000, p. 34). In de literatuur wordt dit een input slack genoemd en duidt op een onjuiste mix van inputs (Pels, 2000, p. 34). Indien de frontier is verkregen op basis van empirische observaties, dan meet de DEA de relatieve efficiëntie van DMU’s die verkegen kan worden met de bestaande technologie en management strategieën (Gillen et al., 1997, p. 264). Indien er dan een verandering plaatsvindt in de technologie, zal dit resulteren in een verandering in de prodocution possibility surface (Gillen et al., 1997, p. 264). Er zijn verschillende varianten van de Data Envelopment Analysis. De methode ontwikkeld door Charnes, Cooper en Rhodes (1978) staat bekend als het CCR model (vernoemd naar de bedenkers) en gaat uit van constante schaalopbrengsten (Bazargan et al., 2003, p. 188). Banker et al. (1984) heeft het CCR model herzien tot het BCC model (vernoemd naar de bedenkers Banker, Charnes en Cooper), door in zijn model variabele schaalopbrengsten toe te staan (Bazargan et al., 2003, p. 188). Beide modellen geven dezelfde resultaten indien slechts wordt gemeten of een luchthaven efficiënt is of niet (Bazargan et al., 2003, p. 188). 11

Tot slot is het belangrijk te benoemen dat het hier een relatieve meting betreft die slechts naar de kwantiteit van de input en output kijkt en waardoor informatie over de kostprijzen niet van belang zijn. Dit is een voordeel voor situaties waar gegevens over kostprijzen ontbreken, maar is tevens het grootste nadeel van deze methode omdat er geen uitspraak kan worden gedaan over de kostenefficiëntie van een DMU (Gillen et al., 1997, p. 264). Bedrijven die aan de hand van DEA worden bestempeld als technisch efficiënt, kunnen kosten inefficiënt zijn. Verder kan het voorkomen dat bedrijven die gekwalificeerd zijn als technisch inefficiënt, dezelfde output produceren als bedrijven die wel gewaardeerd worden als efficiënt, maar dan tegen een lagere kostprijs (Gillen et al., 1997, p. 264).

2.5 Total Factor Productivity (TFP) Total Factor Productivity heeft zichzelf bewezen als de meest accurate meetmethode van productiviteit vanwege het feit dat alle significante inputs en outputs in de analyse worden meegenomen, waardoor een objectief totaalbeeld ontstaat van de kosten efficiëntie en effectiviteit van een luchthaven (Vasigh, 2006). De TFP is een ratio van geaggregeerde output tot geaggregeerde input en erkent de multi-output en multi-input natuur van luchthavens (Oum et al., 2003, p. 294). Oum et al. (2003) omschrijven de TFP als een gewogen gemiddelde van alle partiële productiviteitsmetingen (p. 289). De TFP is de hoeveelheid geaggregeerde output geproduceerd door één hoeveelheid geaggreggeerde input (Oum et al., 2003, p. 289). Afhankelijk van output variabelen, geeft de TFP kostefficiëntie of kosteneffectiviteit weer (Hooper et al., 1997, p. 253). De TFP overstemt de zwakke kanten van alternatieve meetmethodes, waardoor het bruikbaar wordt voor zowel theoretisch als empirisch onderzoek (Nyshadham et al., 2000, p. 107). Als uit een analyse bijvoorbeeld blijkt dat een luchthaven een lage arbeidsproductiviteit heeft, kan de TFP aantonen dat het niet per definitie inefficiënt hoeft te zijn. Zo zou uit de TFP-analyse kunnen blijken dat de luchthaven kapitaal vervangt door arbeid om zo optimaal gebruik te maken van bijvoorbeeld lage lonen (Nyshadham et al., 2000, p. 107). De Total Factor Productivity heeft ten opzichte van de Data Envelopment Analysis twee voordelen, te weten een sterke basis in de economische theorie en een grotere robuustheid in steekproefgrootte (Nyshadham et al., 2000, p. 107).

12

3 Luchthaveneigenschappen en efficiëntie

3.1 Aeronautical Vs. non-aeronautical activiteiten In 2006 waren de inkomsten uit commerciële activiteiten ongeveer 53% van de totale inkomsten voor Noord Amerikaanse luchthavens en 48% voor Europese luchthavens (Graham, 2009, p. 106). Omdat echter commerciële inkomsten per luchthaven op verschillende wijze worden gerapporteerd (soms worden ze niet gerapporteerd omdat ze zijn uitbesteed), is het beter om naar de commerciële opbrengsten per passagier te kijken (Graham, 2009, p. 107). Opvallend is nu hoe groot de bijdrage is van commerciële activiteiten voor Europese luchthavens. Een gemiddelde passagier levert in Europa $12,15 aan commerciële inkomsten op, terwijl dit in Noord Amerika slechts $5,92 bedraagt (Graham, 2009, p. 107). Hieruit blijkt dat Europese luchthavens een meer commerciële focus hebben dan de Amerikaanse. De commerciële inkomsten in Noord Amerika zien er duidelijk anders uit. Waar retail in Europa een grote rol speelt, bestaan de inkomsten in Amerika voornamelijk uit car parking (31%) en car rental (14%) en slechts voor 10% uit retail. De Food & Beverage (F&B) speelt een belangrijkere rol in Amerika dan in Europa en omdat de gemiddelde uitgave per passagier aan F&B lager ligt dan aan retail, zijn de commerciële inkomsten in Amerika lager (Graham, 2009, p. 108). Uit onderzoeken van de ATRS (II, 2009, p. 4-71) blijkt dat zowel voor Europese als Amerikaanse luchthavens geldt dat non-aeronautcial activiteiten tot een significant hogere VFP leiden. Ook de VFP analyse van Oum et al. (2004) wijst uit dat de variabele “percentage non-aviation” een significant positieve coëfficiënt is, wat inhoudt dat luchthavens met een hoger aandeel van non-aeronautical opbrengsten een hogere VFP hebben. Een proactief management beleid tot het ontwikkelen van commerciële kansen als aanvulling op de aeronautical services leidt tot een hogere productiviteit dan airports die slechts op hun kernactiviteiten focussen (Oum et al., 2004, p. 528). Een jaar eerder (2003) heeft Oum et. al aan de hand van een TFP analyse hetzelfde geconcludeerd. Het vermeerderen van de inkomstenbronnen leidt tot een betere benutting van de productiefactoren en tot optimale exploitatie van de vraagcomplementariteit (Oum et al., 2003, p. 292). Zo zorgen opbrengsten uit andere activiteiten er voor dat de luchthaven meer vrijheid krijgt om bijvoorbeeld zijn aeronautical charges te verlagen, zodat meer luchtvaartmaatschappijen kunnen 13

worden aangetrokken. Het optimaliseren van de inkomstenbronnen leidt tot een significant hogere TFP. Het effect van het diversifiëren van de inkomstenbronnen wordt nog eens bevestigd in de onderzoeken van Tovar et al. (2009) over de Spaanse luchthavenindustrie.

3.2 Eigendomsstructuur Het veranderen van publieke in private eigendom, privatisering, brengt een aantal mogelijkheden voor efficiëntieverbetering met zich mee waar de luchthaven van zou kunnen profiteren. Het reduceert de controle van de overheid, vergroot de mogelijkheden voor de organisatie om te diversifiëren en het verbetert de concurrentie binnen de markt (Graham, 2001, p. 13). Vasigh en Haririan (2003) hebben de efficiëntie verschillen onderzocht tussen publieke luchthavens uit de VS en private luchthavens uit Europa aan de hand van een financiële en operationele ratioanalyse. Hieruit blijkt dat publieke luchthavens een betere operationele efficiëntie hebben in termen van passagiers per landingsbaan, vliegtuigbewegingen per gate en vliegtuigbewegingen per landingsbaan, waarvan deze laatste variabele ook is opgenomen in dit onderzoek. Wat betreft financiële prestaties als opbrengsten per passagier, opbrengsten per landing en kosten per landingsbaan, presteren publieke luchthavens ook significant beter. Uit de multivariabele regressie blijkt dat naast bovenstaande bevindingen, private luchthavens wel meer kostenefficiënt zijn in termen van kosten per landingsbaan. Bij dit onderzoek moet wel de kanttekening worden geplaatst dat de twee substeekproeven beide een ander continent beslaan. Er moet rekening mee worden gehouden dat Amerikaanse, private luchthavens (zo die al bestaan) niet hetzelfde opereren als Europese, private luchthavens. Er bestaat een duidelijk verschil tussen de exploitatiemodellen van beide continenten, waardoor de efficiëntie van de “productie” verschilt. Noord Amerikaanse luchthavens gaan vaak contracten aan met luchtvaartmaatschappijen, waarin gebruiks- en leaseovereenkomsten liggen besloten. Deze contracten bevatten een zogenoemde Majority-in-interest (MII) clausule die gekoppeld wordt aan de duur van de uitgegeven obligaties van de luchthaven waardoor luchtvaartmaatschappijen een significante rol spelen in de besluitvorming rondom de kapitaal investeringen van de luchthaven. Dit kan worden gezien als een bepaalde vorm van outsourcing en wordt alleen in Amerika toegepast. Dit onderzoek kan dus geen conclusies trekken over private luchthavens in het algemeen. 14

Interessant is nu de financiële en operationele ratioanalyse van Vogel (2005) die zich op hetzelfde vraagstuk focust, maar zich, in tegenstelling tot het vorige onderzoek, volledig concentreert op Europese luchthavens. Vogel (2005) beaamt de bevindingen van Vasigh en Haririan (2003) en concludeert dat hoewel publieke luchthavens betere asset utilization hebben, geprivatiseerde ondernemingen meer kosten efficiënt werken. Hieruit zou kunnen worden afgeleid dat het verschil in businessmodel van Europese en Amerikaanse luchthavens een marginaal effect heeft op de efficiëntie in vergelijking met het effect van de verschillende eigendomssstructuren. In tegenstelling tot bovengenoemde onderzoeken, blijkt uit een ander onderzoek (Ling, Hong; 2006) dat de vorm van eigendom niet gecorreleerd is met de operationele prestaties van een luchthaven. Aan de hand van een DEA analyse van 20 grote luchthavens wereldwijd, concluderen Ling en Hong (2006) dat er geen significante verschillen zijn in operationele prestaties tussen private, publieke en mixed-ownership luchthavens. De verklaring die hiervoor wordt gegeven is dat veel overheden na privatisering de regulering verhogen waardoor operationele efficiëntie wordt belemmerd en/of dat sommige private luchthavens niet de juiste capaciteiten en ervaringen hebben om efficiënt te zijn (Ling en Hong; 2006, p. 348). Dit zou betekenen dat privatisering niet altijd de beste oplossing is (Ling en Hong; 2006, p. 348). De geografische positie van de luchthaven heeft volgens dit onderzoek echter wel een significante relatie met de operationele efficiëntie. Luchthavens uit Noord Amerika en Europa presteren significant beter dan luchthavens uit Azië en Australië. Helaas voorziet het onderzoek niet in verdere details over de exacte verschillen tussen deze twee goed presterende continenten. Het onderzoek van Oum et. Al (2006) is gedetailleerder. De door hem gehanteerde steekproef bestaat uit 116 luchthavens wereldwijd met verschillen in grootte en eigendomsstructuren. Het onderzoek is nauwkeuriger, omdat het geprivatiseerde luchthavens categoriseert naar de mate van privatisering. Wanneer onderscheidingen worden aangebracht in de verschillende fasen van privatisering, veranderen de onderzoeksresultaten aanzienlijk. Zo blijkt uit dit onderzoek dat luchthavens van een privaat-publieke structuur met een private meerderheid het meest efficiënt zijn en een hogere operationele winstmarge hebben dan andere luchthavens, waaronder de 15

volledige publieke luchthavens uit Noord Amerika. Wat deze groep kenmerkt is dat zij meer inkomsten uit de non-aviation services hebben en significant lagere aeronautical charges hanteren dan luchthavens met andere eigendomsstructuren. Volgens dit onderzoek leidt privatisering direct tot het eerder genoemde optimaliseren van inkomstenbronnen. De privaat-publieke structuur met een publieke meerderheid heeft de laagste operationele winstmarge en opereert één derde minder efficiënt dan private luchthavens en moet samen met multi-level governments’ ownership vermeden worden. Hieruit zou blijken dat een volledig publieke luchthaven achteruit gaat in termen van efficiëntie wanneer private partijen in beperkte mate worden toegelaten. Anderzijds zouden volledig private luchthavens er op vooruit gaan wanneer het gedeeltelijk publieke partijen zou toelaten. In laatst genoemd onderzoek is in de regressieanalyse een regionale dummy variabele opgenomen, om de geografische effecten te kunnen meten op de efficiëntie. Hieruit blijkt dat in vergelijking met Noord Amerika, de variabele “Europa” en negatief coëfficiënt heeft (Oum et al., 2006, p. 115). Een verklaring blijft helaas echter uit.

3.3 Reguleringsbeleid Het reguleringsbeleid speelt een grote rol in de efficiëntie voor luchthavens die (gedeeltelijk) geprivatiseerd zijn. De mate van operationele efficiëntie is in deze gevallen sterk afhankelijk van de mate van concurrentie binnen de markt en de mate van regulering van de tarieven door de overheid (Vasigh et al., 2003, p.100). Een hoge mate van overheidsbemoeienis kan sterk de productiviteit van een luchthaven drukken. De inefficiënties die hierdoor worden veroorzaakt, vallen buiten de invloed van het management, maar laten wel hun sporen na op de winstgevendheid. Een voorbeeld is het beleid dat gericht is op de vermindering van luchtvervuiling en geluidsoverlast. Dit heeft tot gevolg dat er maar een gelimiteerd aantal uren gevlogen kan worden, waardoor de productiecapaciteit wordt beperkt. De prijsregulering die ontstaat door privatisering kan, afhankelijk van het land, verschillende vormen aan nemen, met als meest voorkomende vormen een ingesteld prijsplafond gebaseerd op de formule RPI-X of een vooraf ingesteld rendement (ROR) (Assaf et al., 2012, p. 188). Beide vormen kunnen worden gebaseerd op een single-till of dual-till regulering, dat wil zeggen gebaseerd op al dan niet buiten de regulering 16

houden van de non-aeronautical opbrengsten, die daartoe al dan niet gescheiden moeten worden van de aeronautical revenues. De vormen van regulering verschillen per land, maar in het algemeen kan worden gesteld dat in Noord Amerika vooral de rate of return vorm van regulering voorkomt en het prijsplafond in Europa van toepassing is. De ROR is een rendementseis dat een procentueel maximum stelt aan het te behalen rendement gebaseerd op de waarde van een bepaalde asset (Assaf et al., 2012, p. 188). Echter is hier de vraag wat een “redelijk” rendement is en welk kapitaal moet worden opgenomen in de basis (Gillen et al., 2004, p. 47). Het nadeel van het traditionele Amerikaanse rate of return reguleringssysteem is dat het overinvesteringen in de hand werkt, ook wel gold plating genoemd. De investeringen vinden plaats om het basiskapitaal te verhogen zodat de luchthaven alsnog in staat is een hoger absoluut rendement te behalen (Glynn, 1992, p. 90). Deze ongelimiteerde verhoging van het basiskapitaal, overinvestering, ondermijnt de efficiëntie waardoor deze afneemt (Oum et al., 2004, p. 228). Dit verschijnsel wordt ook wel het Averch Johnson (A-J) effect genoemd. De RPI-X prijsregulering is bedoeld om de zwakheden van rate of return regulering te corrigeren, onder andere de hoge kosten van deze controle, en om de luchthaven een prikkel te geven te handelen in het economisch maatschappelijk belang (Gillen et al., 2004, p. 48). De Retail Price Index regulering houdt in dat het gemiddelde tariefniveau, bestaande uit o.a. de start- en landingsgelden en passagiersgelden, niet harder mag stijgen dan de inflatie minus factor X, waarbij X de verwachte efficiëntieverbetering is die reeds verdisconteerd wordt in de maximale tariefstijging (Gillen et al., 2004, p. 48). Kostenstijgingen die buiten de macht van het management om vallen, worden uitgesloten van de regulering door Y toe te voegen aan de formule (Graham, 2001, p. 105). Price Cap = RPI – X + Y Omdat er in tegenstelling tot de ROR geen prijsplafond wordt gesteld op de winst, is elke efficiëntieverbetering boven de X een direct voordeel voor de luchthaven (Graham, 2001, p. 105). Echter bleek deze prijsregulering meer controle nodig te hebben dan in de eerste instantie was gedacht, omdat op den duur in de plaats van efficiencyverbeteringsmaatregelen uitstel van vervangingsinvesteringen en daarme kwaliteitsuitholling gaat optreden. Het gevolg is het alsnog ontstaan van excessieve 17

regulering en bureaucratie die een verstikkende werking hebben op de efficiëntie en innovatie (Gillen, 2011, p. 11). Ondanks deze tekortkomingen is deze vorm van regulering nog steeds de meest populaire benadering voor geprivatiseerde luchthavens (Graham, 2001, p. 105). De vraag of een single-till of duall-till regulering moet worden gebruikt is vooral belangrijk voor het prijsplafond. Momenteel wordt in Europa vooral de single-till gebruikt, maar deze begint langzaam aan populariteit te verliezen (Assaf et al., 2012, p. 189). Empirisch onderzoek wijst uit dat de dual-till benadering, vooral bij drukke luchthavens, leidt tot een sterke verbetering in de economische efficiëntie omdat in deze gevallen de commerciële opbrengsten niet kunnen worden gebruikt om de starten landingsgelden te verlagen (Assaf et al., 2012, p. 189). Uit de DEA analyse van Assaf et al. (2012), waarbij gekeken wordt naar de effecten van verschillende eigendomsstructuren in combinatie met verschillende reguleringsvormen op de efficiëntie, blijkt dat de best presterende luchthavens bestaan uit de combinatie volledig geprivatiseerd met lichte regulering en volledig publiek eigendom zonder regulering. De slechtst presterende vormen zijn publieke luchthavens met een single-till prijsplafond en publieke luchthavens in combinatie met ROR regulering. Opvallend is dat deze laatste variant veel voorkomt in Noord Amerika. Het verschil in efficiëntie tussen de beste en slechtste vorm is aanzienlijk en bedraagt 27%. De belangrijkste bevinding in dit onderzoek is dat ondanks de eigendomsstructuur, een luchthaven altijd efficiënter wordt wanneer de regulering een lichtere vorm aanneemt (Assaf et al., 2012, p. 196). De verklaring die hiervoor wordt gegeven is dat regulering, zelfs prijs-plafond regulering, altijd prikkels creëert die ervoor zorgen dat luchthavens anders met hun resources omgaan dan wanneer zij zouden opereren in een volledig vrije markt. In het onderzoek van Oum et al. (2004) worden ook de effecten van de eerder genoemde reguleringsvormen op de efficiëntie berekend, ditmaal echter aan de hand van een TFP-analyse. Hieruit blijkt dat de Total Factor Productivity groter is onder een dual-till prijsplafond dan onder een single-till prijsplafond of een single-till ROR (Oum et al., 2004, p. 234). Omdat het TFP model door de gestelde voorwaarden een versimpeling van de werkelijkheid is, zijn deze bevindingen vervolgens getoetst in 18

een empirische analyse. Deze analyse bevestigt de eerdere bevindingen en wijst ook uit dat een ROR regulering significant lagere efficiëntie creëert, vanwege de reden die eerder is beschreven (Oum et al., 2004, p. 242). In het algemeen geldt verder dat private luchthavens die niet prijs gereguleerd zijn hogere prijzen zetten dan luchthavens die wel gereguleerd zijn, maar dat de keuze van het regulerings mechanisme geen invloed heeft op de hoogte van de airport charges (Bel et al., 2009, p. 150).

3.4 Schaalvoordelen Uit de TFP-analyse van Oum et al. (2004) blijkt dat grotere luchthavens een significant hogere TFP behalen, niet zozeer omdat zij een betere efficiëntie hebben, maar vooral omdat zij profiteren van schaalvoordelen (p. 527). De positieve effecten die gepaard gaan met de groei van een luchthaven (in termen van hoeveelheid output), zijn het meest significant bij kleinere luchthavens. Wanneer het aantal passagiers stijgt, is bij deze luchthavens de daling van de kosten per eenheid het grootst (Graham, 2001, p. 58). Deze sterke daling van unit costs doet zich voor bij luchthavens met een groei tot 3 miljoen work load units (WLU is het equivalent van één passagier of 100kg vracht). Hierna vlakt deze sterke daling af waardoor grote luchthavens hiervan minder profiteren. Bij deze luchthavens uit de groei zich vooral in het verbreden van het aanbod van diensten en commerciële activiteiten (Graham, 2001, p. 59). Zo blijkt uit het onderzoek van de ICAO dat luchthavens die meer dan 25 miljoen passagiers verwerken, 58% van hun inkomsten vergaren uit non-aeronautical bronnen, dit in vergelijking met het gemiddelde van de steekproef van 36% van alle luchthavens (Graham, 2001, p. 59). In het onderzoek van Bazargan et al. (2003) worden 45 Amerikaanse luchthavens getoetst op hun efficiëntie. De steekproef bestaat uit 15 grote, 15 medium en 15 kleine luchthavens met een hub-functie. De data zijn eerst gerangschikt aan de hand van een DEA-analyse en vervolgens met een Mann-Whitney U test getoetst. In dit onderzoek blijkt echter dat de kleine luchthavens de grote luchthavens elk jaar overtreffen in termen van relatieve efficiëntie. Een mogelijke oorzaak van dit verschijnsel wordt door de auteurs niet genoemd. Als we kijken naar de DEA-analyse Ling et al, (2006) gehouden onder twintig luchthavens wereldwijd, blijkt dat er geen significante productiviteitsverschillen zijn tussen grote en kleine airports (Lin et al., 2006, p. 348). 19

De omvang van luchthavens wordt in dit onderzoek gemeten aan de hand van units of traffic transported (UT), waarbij UT het aantal passagiers is plus (het aantal kilogram vracht/1000). Omdat er geen productiviteitsverschillen zijn, zou volgens de auteurs de focus van het management niet moeten liggen op een uitbreiding van de diensten van de luchthaven, maar op het verbeteren van de kwaliteit van de reeds bestaande diensten, door onder andere prijsverlagingen en het sneller afhandelen van processen. Een kanttekening die gemaakt dient te worden bij dit onderzoek is dat de kleinste luchthaven in de steekproef New Tokyo International Airport is, met meer dan 32 miljoen passagiers per jaar. Het is hierdoor dubieus of dit onderzoek conclusies mag trekken over kleine luchthavens. Pels et al. (2003) bekijkt de relatie tussen size en efficiëntie van Europese luchthavens aan de hand van de correlaties tussen de twee variabelen size en technische efficiëntie. Deze laatstgenoemde variabele komt tot stand aan de hand van een DEA-analyse met eenmaal passagiers als output (APM) en eenmaal met vliegtuigbewegingen als output (ATM). De reden dat deze twee outputs apart worden behandeld is omdat de inputs voor beide metingen erg verschillend zijn. De correlatie tussen de grootte van een luchthaven en de ATM bedraagt slechts 0.19, wat duidt op een zeer zwak verband. Hetzelfde geldt voor de relatie met APM, die slechts 0,17 beslaat. Verder wordt duidelijk dat de gemiddelde Europese luchthaven onder constante schaalopbrengsten opereert in het “produceren” van vliegtuigbewegingen en onder toenemende schaalopbrengsten in het “produceren” van passagiersbewegingen. Als we kijken naar de resultaten van het onderzoek van het ATRS, waarin verbanden worden geanalyseerd tussen een aantal partiële metingen en de variabele size, zijn er wel degelijk relaties te vinden. Zo is er een (al dan niet zwak) verband tussen de grootte van de luchthaven en de arbeidsproductiviteit en blijkt dat grotere luchthavens een hogere kapitaalproductiviteit bereiken, gemeten in aantal passagiers per gate, passagiers per vierkante meter terminal oppervlakte en vliegbewegingen. Tussen de soft-cost productiviteit en de luchthaven omvang is echter geen relatie gevonden.

20

3.5 Hub-functie Ondanks dat de aanwezigheid van een hub de operationele efficiëntie van een luchthaven sterk kan beïnvloeden, is hier slechts in beperkte mate empirisch en theoretisch onderzoek naar gedaan (Sarkis, 2000, p. 338). In het onderzoek van Ling et al. (2006) waarin geen verband werd gevonden tussen eigendomsstructuur en productiviteit, werd wel een significant productiviteitsverschil gevonden tussen luchthavens met en zonder hub-functie. Het kunnen centraliseren van passagiers en vracht levert de luchthaven een dusdanig schaalvoordeel op, dat dit (in combinatie met een verlaging van de gemiddelde kosten per eenheid) een significant efficiëntie verschil oplevert. Bijkomende voordelen van hubs zijn een verhoging van de vliegfrequentie, meer directe vluchten en meer mogelijkheden voor intercontinentale round-trip vluchten op één dag (Button et al., 1999). Dit uit zich in grote stijgingen in verschillende output metingen, waaronder opbrengsten en aantal passagiers (Sarkis, 2000, p. 338).

21

4 Data & Methodologie

Tabel 1 en 2: zie bijlage De data – exclusief de TFP en DEA – zijn afkomstig uit het Airport Benchmarking Report van de Air Transport Research Society (ATRS). De VFP wordt berekend aan de hand van twee inputs en drie outputs. De outputs bestaan uit vliegtuigbewegingen, aantal passagiers en een kwantitatieve index voor non-aeronautical opbrengsten en de inputs bestaan uit arbeids en soft-cost input. De net VFP geeft de werkelijke productiviteitsefficiëntie weer en wordt berekend door de effecten van oncontroleerbare variabelen te neutraliseren, bestaande uit het percentage internationale passagiers, het percentage vracht, het percentage van passagiers die overstappen (connecting traffic) en eventuele capaciteitsbeperkingen van de luchthaven. De vierde tot en met de zevende kolom bestaan uit partiële prestatiemetingen. Allereerst het aantal work load units (WLU) per werknemer, gevolgd door het aantal passagiers per vierkante meter terminal oppervlakte, de runway productiviteit bestaande uit het aantal vliegtuigbewegingen per landingsbaan - en de soft-cost productiviteit met het aantal passagiers als output. In dit onderdeel is gekozen voor twee kapitaal-gerelateerde metingen omdat beide een ander aspect van de luchthaven meten. Zo staan D en E respectievelijk voor terminal efficiency en runway efficiency. De gegevens van de TFP analyse van de Europese luchthavens stammen van het onderzoek van Nyshadham en Rao (2000). In dit onderzoek wordt de ratio van de inputs en outputs van 25 Europese luchthavens berekend aan de hand van een trans log, multilaterale index procedure, zoals deze is opgesteld door Caves et al. (1982). Door het toevoegen van de multilaterale index procedure kunnen outputs van verschillende landen op een betrouwbare manier worden vergeleken, zonder dat de characteristicity en circularity van de index cijfers worden aangetast (Caves et al., 1982, p. 74). Bij het berekenen van de TFP is niet gekozen voor fysieke in- en outputs, maar voor kosten en opbrengsten. De outputs beslaan aeronautical en nonaeronautical opbrengsten, met een gewicht gelijk aan het aandeel van deze post in de

22

totale opbrengsten. De inputs bestaan uit operationele, kapitaal- en overige kosten met het gewicht gelijk aan het aandeel in de totale kosten. Voor de Amerikaanse TFP analyse is het onderzoek van Oum et al. (2003) geraadpleegd. Hierin wordt een TFP analyse gemaakt van 31 Amerikaanse luchthavens aan de hand van de endogenous-weight (EW-TFP) methode, waarin ruimte is voor afnemende, constante of toenemende schaalopbrengsten en waarin inputs en outputs elkaar kunnen vervangen. De output beslaat het aantal vliegtuigbewegingen, aantal passagiers, het vrachtvolume en een kwantitatieve index voor non-aviation gerelateerde opbrengsten. De inputs bestaan uit het aantal werknemers, het aantal landingsbanen, terminal oppervlakte, aantal gates en de softcost input. De gegevens van de DEA analyse van de Europese luchthavens zijn overgenomen uit het onderzoek van Pels (2001) en deze zijn opgesplitst in twee categorieën; ATM en PAX. ATM beslaat het aantal air transport movements en PAX de air passenger movements. De reden voor deze opsplitsing is gelijk aan de reden waarom er twee partiële kapitaal gerelateerde metingen zijn opgenomen in de tabel. Beide meten een ander aspect van een luchthaven, die ondanks het feit dat ze aan elkaar gerelateerd zijn toch een andere “productie technologie” vereisen (Pels et al., 2001, p. 186) en daardoor verschillende resultaten kunnen geven. De ATM is gerelateerd aan runway efficiency en de PAX aan terminal efficiency (Pels, 2000, p. 35). De inputs zijn in allebei de modellen gelijk en beslaan terminal oppervlakte, het aantal opstelplaatsen voor vliegtuigen bij de terminal, het aantal verderaf gelegen opstelplaatsen voor vliegtuigen, het aantal check-in balies en het aantal bagagebanden (Pels et al., 2001, p. 186). De resultaten van de DEA analyse van Amerikaanse luchthavens komen voort uit het onderzoek van Bazargan en Vasigh (2003) en beslaan financiële en operationele data over de periode 1996 tot 2000. De data van de inputs en outputs zijn gelijk onder alle Amerikaanse luchthavens, doordat kosten- en opbrengstenposten onder deze luchthavens gelijk zijn verwerkt. Ook omvatten deze data alle activiteiten van een luchthaven, bestaande uit de activiteiten van luchtvaartmaatschappijen, algemene luchtvaartactiviteiten, air taxis en militaire activiteiten (Bazargan et al., 2003, p. 189). 23

De inputs bestaan uit de operationele kosten, de non-operationele kosten, het aantal landingsbanen en het aantal gates. De outputs bestaan uit het aantal passagiers dat de luchthaven verwerkt, het aantal operaties verricht door airlines, het aantal operaties verricht door overige partijen, aeronautical opbrengsten, non-aeronautical opbrengsten en het procentuele niveau van handelingen die op tijd worden verricht.

24

5 Resultaten De deregulering en privatisering die de luchthavenindustrie over de afgelopen twintig jaar kenmerkt, is de reden geweest voor het ontwikkelen van meetmethoden om de prestaties van luchthavens te meten. De meetmethoden werden ontwikkeld met als doel de managementmethoden en strategieën te beoordelen, om de technische vooruitgang te meten en om productiviteitsverbeteringen waar te nemen (Gillen et al., 1997, p. 261). Ondanks dat de zeven methoden uit tabel één hetzelfde doel beogen, vereisen ze allen verschillende data. Dat de metingen verschillende aspecten van het bedrijfsproces onderzoeken wordt duidelijk in tabel drie en vier, waarin correlaties tussen de resultaten worden weergegeven.

Tabel 3 Correlaties Amerikaanse steekproef

A en B  A en C  A en D  A en E  A en F  A en G  A en H 

0,777  0,298  0,109  0,115  0,643  0,063  0,068 

B en C  B en D  B en E  B en F  B en G  B en H 

0,144  0,161  ‐0,131  0,552  0,067  0,266 

C en D  C en E  C en F  C en G  C en H 

0,215  0,453  0,048  0,141  ‐0,209 

D en E  D en F  D en G  D en H 

0,177  0,300  0,014  ‐0,105 

E en F  E en G  E en H 

0,308  0,279  ‐0,126 

F en G  F en H  G en H 

0,082  ‐0,164  0,399 

Tabel 4 Correlaties Europese steekproef

A en B  A en C  A en D  A en E  A en F  A en G  A en H  A en I 

0,928  0,786  0,438  0,323  0,560  0,301  0,215  ‐0,047 

B en C  B en D  B en E  B en F  B en G  B en H  B en I 

0,779  0,375  ‐0,019  0,629  0,213  0,258  ‐0,085 

C en D  C en E  C en F  C en G  C en H  C en I 

0,221  0,234  0,336  0,305  ‐0,017  ‐0,120 

D en E  D en F  D en G  D en H  D en I 

0,237  0,569  0,421  0,443  0,048 

E en F  E en G  E en H  E en I 

‐0,035  0,426  ‐0,074  0,311 

F en G  F en H  F en I  G en H  G en I 

0,183  0,199  ‐0,240  0,181  0,187 

25

Op het eerste gezicht is het opvallend dat er weinig sterke verbanden aanwezig zijn, gegeven het feit dat alle methoden hetzelfde proberen vast te leggen, te weten efficiëntie. Sterke verbanden zijn in dit geval correlaties boven de 0,50 en donkerblauw gearceerd. Wanneer ook gekeken wordt naar de zwakkere verbanden (correlatie tussen de 0,3 en 0,5 en lichter blauw gearceerd), blijft de samenhang van de resultaten als geheel nog steeds beperkt. Wel wordt duidelijk zichtbaar dat in de Amerikaanse steekproef slechts zeven resultaten een verband tonen, terwijl in de Europese steekproef er zestien verbanden zichtbaar zijn. Dit onderscheid kan worden teruggevoerd op de verschillende kenmerken van beiden luchthavens en daarmee op de verschillen in het businessmodel tussen Amerikaanse en Europese luchthavens.

5.1 Correlatieverschillen De meest opmerkelijke verschillen tussen de Amerikaanse en Europese resultaten, zijn de correlaties tussen kolom A en C, B en C en D en F. De relatie tussen de VFP en het aantal Work Load Units (WLU’s) per werknemer is bij Europese luchthavens sterk (0,79), maar bij de Amerikaanse luchthavens zwak (0,30). Ook de relatie tussen de net VFP en het aantal WLU’s per werknemer is in Europa sterk (0,78) en in Amerika zwak (0,14). Ten slotte geldt dit verschil ook voor de relatie tussen terminal utilization en soft-cost productiviteit, waarbij de waarden respectievelijk (0,57) en (0,30) zijn voor Europa en Amerika. De eerste twee genoemde relaties bevatten beide een vorm van de VFP en volgens de resultaten zouden die voor het Europese gebied een goede indicator zijn van het aantal WLU’s per werknemer. De reden dat in Europa beide vormen van de VFP een hoge correlatie hebben met WLU’s per werknemer, is omdat de correlatie tussen VFP en net VFP zeer sterk is, namelijk 0,93. In Amerika bedraagt deze correlatie 0,78 en dat geeft aan dat Europa minder onderhevig is aan externe factoren die invloed uitoefenen op de efficiëntie en waar het management geen invloed op kan uitoefenen dan Amerika. Verder zouden de aanzienlijke verschillen van het ‘aantal WLU’s per werknemer’ tussen Amerikaanse luchthavens een reden kunnen zijn waarom de relatie tussen VFP en WLU’s per werknemer in Amerika minder nauwkeurig is dan in Europa. Zo hebben Albany en San Antonio minder dan 22.000 WLU’s per werknemer en New 26

York JFK meer dan 160.000. Ter vergelijking: het interval in Europa beslaat slechts 18.000 tot 69.000 WLU’s per werknemer. De reden dat sommige Amerikaanse luchthavens zulke hoge aantallen WLU´s per werknemer hebben, komt voort uit het feit dat op sommige luchthavens terminals voor de lange termijn worden geleased of zelfs volledig in handen zijn van airlines die daar hun eigen personeel inzetten. Het totaal aantal werknemers dat onder direct dienstverband van de luchthaven valt, daalt hierdoor, waardoor het aantal WLU’s per werknemer stijgt. Het derde correlatieverschil betreft de relatie ‘passagiers per vierkante meter terminal oppervlakte’ en de soft-cost productiviteit. Deze cijfers zijn niet voldoende om een inhoudelijke analyse op te stellen, omdat de meetmethoden in dit geval te veel vertroebeling opleveren. De soft-cost productiviteit bestaat uit de soft-cost index. Deze komt tot stand door de Purchasing Power Parity (PPP) van de soft-cost af te trekken en vervolgens het antwoord te normaliseren naar het regionale gemiddelde. Voor de Europese markt is dit Kopenhagen Airport en voor de Amerikaanse is dit Vancouver International Airport. De verschillen tussen deze twee luchthavens zijn echter groot, wat helder terug te zien is in de gemiddelde soft-cost productiviteit per continent. Met Vancouver als benchmark, wordt het gemiddelde van Amerikaanse luchthavens 1.019, terwijl met Copenhagen als uitgangspunt dit 0.419 wordt voor Europa. Indien deze twee luchthavens representatief waren doordat zij het gemiddelde terminal oppervlakte zouden hebben van hun continent, zouden deze gegevens nog bruikbaar zijn. Aangezien Vancouver echter een terminal oppervlakte heeft van bijna 300.000 tegenover een gemiddelde van 182.000 in Amerika en Copenhagen van 86.000 tegenover het Europese gemiddelde van 175.000, zijn deze gegevens ongeschikt voor een intercontinentale analyse. De soft-cost productiviteit is waardevol indien men prestaties van luchthavens wil controleren die zich op hetzelfde continent bevinden, maar onbruikbaar voor het vergelijken van Amerika met Europa. Tussen de opvallende resultaten uit tabel 2 zit ook een categorie metingen die in de Europese steekproef (al dan niet zwak) gerelateerd zijn, maar in de Amerikaanse steekproef geen relatie hebben. Dit geldt voor de relatie tussen de VFP en de terminal utilization waarbij Europa 0,44 scoort en Amerika 0,11; de relatie tussen terminal 27

utilization en TFP waarbij Europa 0,42 scoort en Amerika 0,01 en de relatie tussen de WLU’s per werknemer en de soft-cost productiviteit waarbij Europa 0,34 scoort en Amerika 0,05. In Europa is er een (al dan niet matig) verband tussen de TFP of de VFP en de terminal utilization, terwijl dit niet het geval is in Amerika. Indien het aantal passagiers per vierkante meter toeneemt, is het een logisch gevolg dat de VFP stijgt, omdat er een toename aan de output kant plaatsvindt. Het aantal passagiers en de nonaeronautical opbrengsten zullen aan de output kant relatief toenemen ten opzichte van de soft-cost aan de input kant. De vraag is echter nu, waarom dit effect zich niet voordoet in de Amerikaanse steekproef. Omdat de inputs en outputs van de VFP analyse gelijk zijn voor beide continenten kan dit verschil niet te wijten zijn aan de meting. Als gekeken wordt naar het gemiddelde aantal passagiers per vierkante meter terminal oppervlakte voor beiden continenten, wordt duidelijk dat er een verschil is; voor Europa bedraagt het gemiddelde 155 passagiers en voor Amerika 130 passagiers. Interessanter is het om te kijken naar de breedte van het interval van het aantal passagiers per vierkante meter onder luchthavens per continent. In Amerika begint het bij 50 passagiers in Pitssburgh en loopt het op tot 281 in Oakland. In Europa is dit 9 in Malta en 581 in Dublin. Omdat het Europese interval bijna tweeënhalf keer zo groot is als het Amerikaanse interval, is de relatie passagiers ten opzichte van terminal oppervlakte in Europa nauwkeuriger vastgelegd dan in Amerika. Verder moet teruggehaald worden uit hoofdstuk 3 dat de inkomsten van Amerikaanse luchthavens voor een kleiner aandeel bestaan uit de commerciële activiteiten, dan bij de Europese luchthavens het geval is. Zoals eerder genoemd is in Amerika vooral de F&B belangrijk, waar een lager rendement in zit dan bijvoorbeeld de retail-activiteiten die in Europa een grote rol spelen. De commerciële opbrengsten per vierkante meter terminal oppervlakte zullen hierdoor in Amerika lager liggen dan in Europa. En aangezien de VFP een kwantitatieve index voor non-aeronautical opbrengsten als output hanteert, verklaart dit waarom de relatie van deze meting met de terminal utilization in Amerika zo zwak is. Een gelijksoortig verhaal geldt voor de relatie tussen terminal utilization en Total Factor Productivity. Echter is dit verschil gedeeltelijk te wijten aan de input verschillen tussen de Amerikaanse en Europese TFP-analyse. Voor de Europese TFP28

analyse zijn slechts financiële variabelen gebruikt, terwijl de Amerikaanse TFPanalyse ook operationele variabelen bevat. Omdat in de Amerikaanse analyse de variabele terminal oppervlakte een input is en het aantal passagiers een output, zou er een verband moeten bestaan tussen de TFP en de terminal utilization. Vermoedelijk speelt hier dezelfde oorzaak een rol, als bij de relatie tussen terminal utilization en VFP. Een correlatie van 0,01 betekent in dat geval niet dat er geen wisselwerking is, maar dat de variabele terminal utilization niet genoeg informatie bevat. Verder zou veronderstelt kunnen worden dat terminal utilization zich meer uit in de financiële variabelen, zoals die gebruikt zijn in de Europese TFP-analyse. Te denken valt hierbij aan de operationele- en kapitaalkosten aan de input-zijde en non-aeronautical opbrengsten aan de output-zijde. De laatste opmerkelijke relatie in dit rijtje was het aantal WLU’s per werknemer en de soft-cost productiviteit. Zoals eerder gezien is de soft-cost productiviteits methode geen juiste meting voor intercontinentale analyses. Deze meting levert te veel vertroebeling op om een inhoudelijke analyse te kunnen maken. Een laatste opmerkelijke relatie uit tabel vier is die tussen terminal utilization en de DEA resultaten. Amerika toont hierin een negatief verband van (-0,10) terwijl Europa een duidelijk positief verband laat zien van (0,44). Omdat de DEA analyse van Europa in dit geval slechts de PAX beslaat zou dit een oorzaak kunnen zijn van het verschil. Ditzelfde fenomeen doet zich namelijk ook voor bij de relatie tussen de softcost productiviteit en de DEA resultaten, echter wordt in dit geval de positieve correlatie in Europa gecompenseerd door de negatieve correlatiecoëfficiënt tussen de soft-cost productiviteit en de ATM, die samen met de PAX de totale DEA vormen. In de eerstgenoemde relatie vindt deze compensatie echter niet plaats en is het verband tussen terminal utilization en ATM 0,05. Omdat de DEA analyses erg verschillend zijn, zijn in tabel vijf de inputs en outputs van beiden continenten uiteengezet. Hierin wordt duidelijk dat voor Europa slechts operationele data en Amerika zowel operationele als financiële data zijn gebruikt.

29

Tabel 5 DEA analyse: inputs en outputs

Europa

Amerika

Inputs

Outputs

Terminal oppervlakte

Vliegtuigbewegingen Operationele kosten (ATM) Non-operationele Passagiers (PAX) Kosten

Opstelplaatsen bij terminal voor vliegtuigen Afgelegen opstelplaatsen voor vliegtuigen Check-in balies

Inputs

Landingsbanen

Outputs Passagiers Aantal operaties van airlines Aantal overige operaties

Gates Aeronautcial opbrengsten Non-aeronautical opbrengsten

Bagagebanden Percentage handelingen op tijd verricht

De reden waarom het verband tussen terminal utilization en de DEA-analyse in Europa zo sterk is, is snel uit de tabel op te maken. De PAX-analyse heeft alleen passagiers als output en die variabele beslaat tevens de output van de terminal. Een beter gebruik van de terminal (terminal utilization) resulteert in een hogere terminal output (passagiers). Waarom dezelfde relatie in de Amerikaanse steekproef negatief is, is moeilijker vast te stellen. Opvallend is dat in de Amerikaanse DEA ook de variabele passagiers is opgenomen aan de output-zijde. Aangezien dit een positief verband hoort op te leveren, is er vermoedelijk een sterkere, negatieve relatie van de andere variabelen die dit effect neutraliseert. Zoals helder weergegeven in tabel vijf, zijn de verschillen tussen de DEA’s echter te groot om hier uitspraak over te kunnen doen.

30

6 CASE STUDY: Het Amerikaanse vs. Europese business model Omdat de meeste resultaten, met uitzondering van DEA en TFP, uit hetzelfde onderzoek stammen, levert dit een helder en objectief beeld van de verschillen tussen Amerika en Europa. Om een zo betrouwbaar mogelijke analyse te kunnen maken, is gekozen om drie luchthavens te selecteren in Europa en elke luchthaven te verbinden met een Amerikaanse luchthaven die bij benadering hetzelfde aantal passagiers vervoert en die om en nabij hetzelfde aantal Work Load Units heeft. De zes luchthavens die zijn uitgekozen en gekoppeld zijn in tabel zes weergegeven, met de daarbij behorende scores uit tabel 1 en 2. Per meetmethode staat het rangordenummer van de betreffende luchthaven vermeld met daarachter het laagst mogelijk haalbare rangordenummer. De luchthavens uit match één tot drie zijn oplopend in grootte.

Tabel 6 Rangschikking luchthavens Case Study

Match

1

2

3

Luchthaven

BCN*

PHL*

AMS*

JFK*

LHR*

ORD*

VFP (A)

3/39

50/62

17/39

51/62

25/39

46/62

Net VFP (B)

4/35

60/62

12/35

50/62

31/35

59/62

Part. 1 (C)

2/35

24/62

6/35

1/62

20/35

18/62

2 (D)

6/42

21/63

32/42

51/63

8/42

18/63

3 (E)

10/42

11/62

27/42

13/62

1/42

8/62

4 (F)

8/39

26/62

30/39

55/62

37/39

29/62

TFP (G)

5/17

21/31

15/17

23/31

2/17

12/31

DEA (PAX)

-

-

8/20

17/30

1/20

29/30

(H) (ATM) (I) *

-

7/20

1/20

Barcelona El Prat International Airport, Philadelphia International Airport, Amsterdam International Airport Schiphol, New York John F. Kennedy International Airport, London Heathrow International Airport, Chicago O’hare International Airport

Bij alle drie de paren geldt dat Europese luchthavens een (relatief) hogere score behalen bij zowel de VFP als de net VFP dan de Amerikaanse luchthavens. Ook doen Europese luchthavens het beter in termen van terminal space utilization (2) en op basis van de resultaten van de DEA. In match één en twee blijkt dat Amerikaanse luchthavens een betere runway productiviteit (3) hebben (in de derde match zijn deze 31

waarden bijna gelijk) en uit match één en drie blijkt dat Europese luchthavens een betere TFP hebben (in match twee zijn deze waarden ook nagenoeg gelijk). Indien naar het geheel van resultaten wordt gekeken scoort in Europa de kleinste luchthaven het beste, dit in tegenstelling tot de Amerikaanse steekproef waar de grootste luchthaven de beste efficiëntie score behaald. Om beter inzicht te kunnen krijgen waarom deze verschillen tussen luchthavens en continenten bestaan, volgt in tabel zeven een overzicht van de belangrijkste kenmerken van de luchthavens. Tabel 7 Kenmerken luchthavens Case Study

Match

1

Luchthaven

BCN*

PHL*

AMS*

JFK*

LHR*

ORD*

Passagiers (000’s) Cargo (ton)

32.801

31.880

47.795

47.717

67.855

76.182

96.770

571.452 1.610.282 1.607.050 1.310.986 1.533.606

Work Load Units (000’s) Vliegtuigbewegingen % Internationaal Runways

33.769

37.595

Terminal size

371.500 224.361 591.885

63.898

3

63.788

80.965

91.518

352.489 509.197 435.973

443.752

475.700

926.973

50%

13%

99,9%

45%

91,5%

16%

3

4

6

4

2

6

555.664

294.000

500.155

% marktaand. 14,7% dominante airline Passagiers 93 per vliegtuigbeweging *

2

-

59%

28,3%

41,3%

-

66

110

108

143

84

Barcelona El Prat International Airport, Philadelphia International Airport, Amsterdam International Airport Schiphol, New York John F. Kennedy International Airport, London Heathrow International Airport, Chicago O’hare International Airport

Het is opmerkelijk dat Europa betere scores behaalt betreffende de VFP en de net VFP, gegeven dat er bewijs is geleverd dat een hoger percentage internationale passagiers zowel de VFP van luchthavens verlaagt (ATRS II, 2009, p. 4-71) als ook de TFP (Oum et al., 2003, p. 292). Echter bevindt zich veel heterogeniteit binnen de meting ‘internationale passagiers’, omdat de definitie ‘internationale vlucht’ van beide continenten niet gelijk is. Indien gekozen zou worden deze meting te vervangen door 32

‘percentage intercontinentale vluchten’, zouden de verschillen tussen Amerika en Europa drastisch worden verminderd. Echter is deze data in de huidige literatuur niet verkrijgbaar, waardoor andere oorzaken van dit verschijnsel moeten worden gevonden. Het is bekend dat internationale passagiers niet alleen een VFP verlagende werking hebben, maar ook een verhogend effect teweeg kunnen brengen vanwege het feit dat internationale passagiers meer alternatieve inkomsten genereren. De outputs van de VFP analyse bestaan niet alleen uit vliegtuigbewegingen en passagiers, maar ook uit een kwantitatieve index voor non-aeronautical opbrengsten. Zoals eerder is aangegeven in hoofdstuk 3.1, zijn de commerciële activiteiten van Europese luchthavens uitgebreider dan die van Amerikaanse en levert één vierkante meter terminal oppervlakte in Europa meer commerciële inkomsten op. Vermoedelijk wegen de extra bronnen van commerciële inkomsten in Europa zwaarder dan de belemmerende factoren die internationale passagiers met zich meebrengen. Daarnaast zijn er nog andere redenen te verzinnen waarom de relatie internationale passagiers en VFP niet opgaat in deze selectie van luchthavens. Schiphol Airport vervult een hubfunctie die, zoals eerder genoemd, een efficiëntieverbetering oplevert vanwege de lagere unit costs. Het is denkelijk dat Schiphol hierdoor efficiënter met de extra kosten omgaat, waardoor deze per passagier lager uitvallen en uiteindelijk wegvallen tegen de extra gegenereerde inkomsten. In match drie zou het voordeel van Londen Heathrow ook gedeeltelijk te wijten kunnen zijn aan het feit dat de Britse luchthaven in handen is van private partijen en daardoor, zoals in hoofdstuk 3.2. omschreven, meer kosten efficiënt is en daardoor ook beter met deze extra kosten kan omgaan. Echter is er geen oorzaak te bedenken waarom Barcelona Airport van deze algemene bevinding afwijkt. Verder is het tegenovergestelde verband noemenswaardig tussen efficiëntie en de luchthavenomvang van de twee continenten. Uit de case study blijken kleine Europese luchthavens beter te scoren dan de grote, terwijl in Amerika juist de grote luchthavens de kleine overtreffen. Dit verschijnsel kan niet worden onderbouwd door de eerder besproken literatuur. Zoals uiteengezet in hoofdstuk 3.4, zouden de kleine luchthavens in Amerika juist hun grote concurrenten moeten overstijgen (zie onderzoek Bazargan et al., 2003) en zouden Europese luchthavens meer voordelen moeten behalen bij een hoger aantal passagiersbewegingen (Pels et al., 2003). Het is echter niet vreemd 33

waarom Amerikaanse luchthavens een grotere efficiëntie bereiken naarmate de omvang toeneemt, gegeven de grote betrokkenheid van airlines bij alle (behalve kern-) activiteiten. Deze vorm van “uitbesteding” maakt dat Amerikaanse luchthavens een betere efficiëntie bereiken in termen van lagere kosten per eenheid dan bijvoorbeeld Europese luchthavens die deze samenwerking niet hebben (Graham, 2004, p. 65). Een verklaring van de tegenstrijdige empirische uitkomsten van de Europese luchthavens kan op basis van dit onderzoek echter niet worden gegeven. Uit de steekproef blijkt ook dat Europese luchthavens een betere terminal space utilization hebben en Amerikaanse luchthavens een betere runway productiviteit. Het is hierdoor geen verrassing dat Europese luchthavens beter presteren in de TFPanalyse, gegeven dat hierin de variabelen non-aeronautical index, terminal space en operationele kosten zijn opgenomen. Variabelen die allemaal in het voordeel van Europa pleiten. Dat Amerikaanse luchthavens een betere runway productiviteit tonen, zou (gedeeltelijk) verklaard kunnen worden door de capaciteitsbeperking waar veel Europese luchthavens mee te maken hebben, ontstaan door meteorologische omstandigheden. Zoals eerder genoemd in hoofdstuk 3, kunnen weersomstandigheden er toe leiden dat een luchthaven genoodzaakt is een aantal start- en landingsbanen niet optimaal te benutten. Zo ondervindt Amsterdam problemen die verband houden met de windsterkte en –richting en Barcelona met de hevige regenbuien gedurende de zomerperiode. London Heathrow Airport is in dit rijtje Europese luchthavens een uitzondering, gegeven de zeer efficiënte benutting van de landingsbanen door de eerder genoemde capaciteitsbeperking en daaruit voortvloeiende congestie. De betere terminal utilization van Europese luchthavens blijkt in deze case study vooral uit match twee; Amsterdam Airport en John F. Kennedy Airport. De verklaring dat Europese luchthavens hun terminals beter benutten zou gevonden kunnen worden in de verschillende business modellen van de twee betreffende luchthavens. Eerder werden de efficiëntievoordelen genoemd van de grote betrokkenheid van luchtvaartmaatschappijen bij de bedrijfsprocessen van een luchthaven. Echter heeft deze samenwerking ook een keerzijde, zoals te zien is bij de John F. Kennedy luchthaven in New York. Doordat airlines hier de mogelijkheid krijgen terminals voor 34

de lange termijn te leasen of in eigen beheer te nemen, is deze luchthaven uitgegroeid tot een multi-terminal concept. Terminals bevinden zich niet op één locatie waardoor de afhandeling van (internationale) passagiers die moeten overstappen wordt belemmerd, doordat zij een langere afstand moeten afleggen en soms zelfs moeten uitchecken alvorens te kunnen inchecken bij een andere terminal. Dit laat zien dat de samenwerking tussen luchthavens en luchtvaartmaatschappijen niet alleen mogelijkheden biedt om de efficiëntie te verbeteren, maar op een bepaald punt de efficiëntie ook kan belemmeren. Dit gebeurt indien te veel partijen met verschillende belangen worden betrokken bij de besluitvorming.

35

7 Conclusie Dit onderzoek heeft getracht de verschillen bloot te leggen tussen de verscheidene meetmethoden die in de wetenschap worden gebruikt om de efficiëntie van luchthavens vast te leggen. Meetmethoden dienen accuraat de werkelijkheid te reflecteren, omdat met zich hier op beroept bij het beoordelen van de besluitvorming van het management en het vaststellen van nieuwe strategieën. Aan de hand van een theoretisch en empirisch onderzoek is getracht antwoord te geven op de hoofdvraag: In hoeverre geven de verschillende methoden die de efficiëntie trachten te meten, solide antwoorden? De meetmethoden zouden moeten weerspiegelen in welke mate een luchthaven zijn middelen - bestaande uit tijd, geld en grondstoffen - adequaat gebruikt. Het is echter duidelijk geworden dat elke methode zich onderscheidt vanwege zijn unieke benadering en daardoor voor- en nadelen heeft. De VFP houdt geen rekening met kapitaalgegevens, de partiële analyse houdt geen rekening met externe factoren en de DEA houdt geen rekening met kostprijzen. De VFP is echter wel betrouwbaar indien kostenefficiëntie gemeten moet worden, omdat de categorisatie van kosten bij deze meting de mogelijkheid biedt de kosten van luchthavens accuraat vast te leggen. De partiële analyse kan helder relaties tussen een input en output aangeven door ze rechtstreeks aan elkaar te verbinden. De DEA geeft per DMU aan hoeveel ruimte er nog is voor verbetering vanwege de relatieve metingen tussen de DMU’s. De TFP geeft een helder totaalbeeld en is zeer accuraat wat betreft kostenefficiëntie doordat alle kosten in beschouwing worden genomen. Het belang van een meetmethode is om een inventarisatie te geven van de huidige situatie, maar moet ook rekening houden met eventuele (toekomstige) veranderingen van de interne en externe omgeving. Er zijn veel factoren die invloed hebben op de prestatie van een luchthaven en daarmee op de efficiëntie. Dit houdt in dat een robuuste meetmethode rekening moet houden met veel elementen, zoals onder andere overheidsregulering, eigendomsstructuur, het aanbod van de activiteiten, concurrentie, outsourcing etc. In dit onderzoek is naar een aantal van bovenstaande elementen gekeken en hierin is duidelijk geworden welke methoden het best geschikt is om een bepaald element te 36

meten. Hoofdstuk 3.1 stelt dat commerciële opbrengsten voor Europese luchthavens een grotere rol spelen dan voor Amerikaanse luchthavens. Voor beide continenten geldt dat het optimaliseren van de inkomstenbronnen een verhogende werking heeft op zowel de VFP als de TFP. Een partiële meting zou voor dit onderwerp niet geschikt zijn, omdat deze (onterecht) kan duiden op een verslechtering van de situatie wanneer bijvoorbeeld gekeken wordt naar de aeronautical opbrengsten ten opzichte van het aantal werknemers. Uit hoofdstuk 3.2 blijkt dat publieke luchthavens operationeel gezien beter presteren, terwijl private luchthavens juist meer kostenefficiënt zijn. Dit houdt in dat een partiële meting, evenals een DEA niet geschikt zijn om de effecten van verschillende eigendomsstructuren vast te leggen, omdat deze methoden zich niet toespitsen op kostprijzen. In hoofdstuk 3.3 werd gesteld dat overheidsregulering de productiecapaciteit van een luchthaven kan beperken en daarmee de efficiëntie onder druk zet. Echter houdt geen enkele methode expliciet rekening met dergelijke maatregelen, waardoor een vertroebeling van de resultaten ten opzichte van de werkelijkheid ontstaat. Uit hoofdstuk 3.4 bleek dat de effecten van groei voor kleine en grote luchthavens verschillend waren. Kleine luchthavens ondervinden schaalvoordelen in termen van een dalende unit costs en grote luchthavens een verbreding van de activiteiten en daarmee een mogelijkheid tot het diversifiëren van inkomstenbronnen dankzij scope voordelen. Om deze twee verschillende uitwerkingen te erkennen, moet de gebruikte meetmethode niet alleen kijken naar de output in termen van passagiers, maar ook in aeronautical en nonaeronautical inkomsten. De output verandering moet bekeken worden in verhouding tot de veranderingen aan de input kant (de kosten), waardoor een DEA en partiële meting al snel tekort schieten. Uit bovenstaande komt naar voren dat de TFP zich kwalificeert als een zeer accurate meetmethode. De minst solide methode zijn de partiële metingen, omdat te veel cruciale informatie wordt buitengesloten om een beeld te kunnen vormen van de algemene efficiëntie van een luchthaven. De DEA en VFP analyse bezitten, gebaseerd op dit onderzoek, een gelijk aantal voor- en nadelen, waardoor onduidelijk is welke methode robuuster is.

37

Een tekortkoming van dit onderzoek is dat de input en output van de TFP analyses van de twee continenten verschillend zijn. Hierdoor was in dit onderzoek slechts gedeeltelijk een vergelijkende analyse tussen de luchthavens van de twee continenten.

38

8 Referenties Air Transport Research Society (ATRS) (2009). Airport Benchmarking Report – 2009, part I:Global Standards for Airport Excellence. Vancouver: Sauder School of Business, University of British Columbia Air Transport Research Society (ATRS) (2009). Airport Benchmarking Report – 2009, part II: Full results and Analysis. Vancouver: Sauder School of Business, University of British Columbia Air Transport Research Society (ATRS) (2009). Airport Benchmarking Report – 2009, part III: Airport Profiles, Methodology and Data Description. Vancouver: Sauder School of Business, University of British Columbia Assaf, A.G., D. Gillen (2012). Measuring the joint impact of governance form end economic regulation on airport efficiency. European Journal of Operational Research, 220, (1), 187-198 Banker, R.D., A. Charnes, W.W. Cooper (1984). Models for the estimation of technical and scale inefficiencies in Data Envelopment Analysis. Management Science, 30, 1078-1092 Bazargan, M., en B. Vasigh (2003). Size versus efficiency: a case study of US commercial airports. Journal of Air Transport Management, 9, (3), 187-193 Beasley, E., J. Sonander, P. Havelock (2001). Scheduling Aircraft Landings at London Heathrow Uwing a Population Heuristic. The Journal of the Operational Research Society, 52, (5), 483-493 Button, K.J., A.J. Reynolds-Feighan (1999). An assessment of the capacity and congestion levels at European airports. Journal of Air Transport Management, 5, (3), 113-134 Caves, D.W., L.R. Christensen, W.E. Diewert (1982). Multilateral Comparisons of Output, Input, and Productivity using Superlative Index Numbers. The Economic Journal, 92, (365), 73-86 Charnes, A., W.W. Cooper, E. Rhodes (1978). Measuring the efficiency of decision making units. European Journal of Operational Research, 2, (6), 429-444 Emorouznejad, A., E. Thanassolis (1997). An extensive bibliography of data Envelopment analysis (DEA), Vol. 3, Supplement 1. Working Paper 258, Business School, University of Warwick Francis, G., I. Humphreys, J. Fry (2002).The benchmarking of airport performance. Journal of Air Transport Management, 8, (4), 239-247 Gillen, D., en A. Lall (1997). Developing measures of airport productivity and performance: an application of data envelopment analysis. Transportation Research Part E: Logistics and Transportation Review, 33, (4), 261-273 39

Glynn, D.R. (1992). The Mechanisms of price control. Utilities Policy, 2, (2), 90-99 Graham, A. (2009). How important are commercial revenues to today’s airports? Journal of Air Transport Management, 15, (3), 106-111 Graham, A., Managing Airports. An international perspective, Oxford: ButterworthHeinemann 2001 Graham, A., The Regulation of US Airports, in: P. Forsyth, D.W. Gillen, A. Knorr, O.G. Mayer, H. Niemeier, D. Starkie, The Economic Regulation of Airports, Hants: Ashgate 2004, 63-74 Hooper, P.G. en D.A. Hensher (1997). Measuring total factor productivity of airports - an index number approach. Transportation Research Part E: Logistics and Transportation Review, 33, (4), 249-259 Jeong, J. (2005). An Investigation of Operating Cost of Airports: Focus on the Effects of utput Scale, Msc thesis, Sauder School of Business, University of Britisch Columbia, Vancouver, Canada Ling, L.C., C.H. Hong (2006). Operational performance evaluation of international Major airports: An application of data envelopment analysis. Journal of Air Transport Management, 12, (6), 342-351 Nyshadham, E.A., V.K. Rao (2000). Assessing Efficiency of European Airports: A Total Factor Productivity Approach. Public Works Management & Policy, 5, (2), 106-114 Oum, T.H., C. Yu, X. Fu (2003). A comparative analysis of productivity performance of the world’s major airports: summary report of the ATRS global airport benchmarking research report-2002. Journal of Air Transport Management, 9, (5), 285-297 Oum, T.H., A. Zhang, Y. Zhang (2004). Alternative Forms of Economic Regulation and their Efficiency Implications for Airports. Journal of Transport Economics and policy, 38, (2), 217-246 Oum, T.H., N. Adler, C. Yu (2006). Privatization, corporatization, owernership forms and their effects on the performance of the world’s major airports. Journal of Air Transport Management, 12, (3), 109-121 Oum, T.H., C. Yu (2004). Measuring airports’ operating efficiency: a summary of the 2003 ATRS global airport benchmarking report. Transportation Research Part 40E: 515-532 Pels, E., P. Nijkamp, P. Rietveld (2001). Relative efficiency of European airports. Transport Policy, 8, (3), 183-192 Pels, E., P. Nijkamp, P. Rietveld (2003). Inefficiencies and scale economies of European airport operations. Transport Research Part 39E: 341-361 40

Pels, E. (2000). Airport economics and policy: efficiency, competition, and interaction with airlines, PhD thesis #222, Vrije Universiteit Amsterdam Sarkis, J. (2000). An analysis of the operational efficiency of major airports in the United States. Journal of Operations Management, 18, (3), 335-351 Tovar, B., R.R. Martín-Cejas (2009). Are outsourcing and non-aeronautical revenues important drivers in the efficiency of Spanish airports? Journal of Air Transport Management, 15, (5), 217-220 Vasigh, B., J. Gorjidooz (2006). Productivity Analysis of Public and Private Airports: A Causal Investigation. Journal of Air Transportation, 11, (3), 144-163 Vasigh, B., M. Haririan (2003). An Empirical Investigation of Financial and Operational Efficiency of Private Versus Public Airports. Journal of Air Transportation, 8, (1), 91-110

41

Bijlage I: Tabel 1 Rangschikking Amerikaanse luchthavens

Airport  A  VFP 

ABQ  ALB  ATL  AUS  BNA  BOS  BWI  CLE  CLT  CVG  DCA  DEN  DFW  DTW  EWR  FLL  HNL  IAD  IAH  IND  JAX  JFK  LAS  LAX  LGA  MCI  MCO  MDW  MEM  MIA  MKE  MSP  MSY  OAK 

8  58  1  37  11  33  56  45  3  16  30  34  26  31  41  35  42  43  18  27  14  51  32  60  19  49  15  52  17  61  10  4  55  53 

B 

C 

D 

E 

F 

Net VFP  Partieel 

24  54  2  21  3  19  45  56  13  51  22  39  33  35  52  15  16  44  31  25  20  50  28  58  29  46  6  47  49  62  12  9  41  37 

Terminal  WLU per  space  werknemer utilization 51  29  62  41  3  13  47  17  34  27  28  40  27  33  44  26  7  8  29  31  39  12  20  55  35  10  21  16  4  35  16  3  38  59  36  42  13  32  30  25  50  37  1  51  40  11  54  15  5  20  57  34  19  49  9  6  2  36  37  45  23  44  10  30  11  52  12  1 

Soft Cost  Runway  productivity  productivity  (YVR=1.0)  41  8  58  61  2  1  38  30  62  14  45  49  39  56  30  45  6  2  15  9  22  21  19  39  20  37  33  20  9  62  31  38  32  13  16  48  12  17  49  41  52  33  13  55  10  11  7  10  3  23  40  53  29  34  50  47  27  31  21  58  57  36  18  5  59  54  43  50 

G 

H 

TFP 

DEA 

oum et  al  (2003)  ‐  ‐  ‐  ‐  ‐  3  22  ‐  9  18  30  17  8  20  4  ‐  11  25  13  ‐  ‐  23  26  2  27  ‐  15  ‐  19  7  ‐  1  ‐  ‐ 

Bazargan  en  Vasigh  (2003)  ‐  2  16  ‐  23  ‐  ‐  20  ‐  ‐  ‐  25  30  26  15  ‐  ‐  ‐  21  7  ‐  17  19  18  ‐  10  ‐  28  22  4  ‐  12  13  14 

42

ONT  ORD  PBI  PDX  PHL  PHX  PIT  RDU  RIC  RNO  SAN  SAT  SDF  SEA  SFO  SJC  SLC  SMF  SNA  STL  TPA  YEG  YHZ  YOW  YUL  YVR  YWG  YYC  YYZ 

62  46  28  20  50  22  54  2  5  24  40  29  12  25  47  59  13  38  23  57  9  39  48  36  44  7  21  6  ‐ 

57  59  8  17  60  34  55  1  5  4  38  23  27  32  40  43  26  30  10  61  7  36  53  18  48  14  42  11  ‐ 

52  18  25  26  24  15  56  33  58  60  14  61  6  31  46  48  32  53  17  49  42  43  55  45  59  22  41  8  ‐ 

24  18  23  43  21  28  62  14  47  22  5  19  38  39  53  4  7  60  2  46  9  54  61  56  57  58  48  50  63 

46  8  56  35  11  5  53  44  60  61  1  42  51  4  24  54  26  23  17  48  37  47  55  ‐  36  14  34  28  25 

60  29  42  19  26  27  57  7  15  6  25  3  46  12  16  52  4  40  32  43  18  24  44  35  59  22  51  28  ‐ 

‐  12  ‐  ‐  21  6  ‐  ‐  ‐  ‐  ‐  ‐  ‐  5  14  ‐  24  ‐  ‐  ‐  ‐  29  ‐  ‐  28  10  16  22  ‐ 

‐  29  ‐  8  ‐  5  ‐  6  11  ‐  ‐  ‐  ‐  ‐  24  9  ‐  3  1  27  ‐  ‐  ‐  ‐  ‐  ‐  ‐  ‐  ‐ 

Totaal 

62 

62 

62 

63 

62 

62 

31 

30 

43

Bijlage II: Tabel 2 Rangschikking Europese luchthavens

Airport  A  VFP 

AMS  ARN  ATH  BCN  BHX  BRU  BTS  BUD  CDG  CGN  CIA  CPH  DUB  DUS  EDI  FCO  FRA  GVA  HAM  HEL  IST  KBP  KEF  LGW  LHR  LIS  LJU  MAD  MAN  MLA  MUC  MXP  ORY  OSL  PRG  RIX  SOF 

17  19  14  3  20  13  39  ‐  8  38  11  4  16  32  7  21  29  9  24  12  ‐  ‐  36  23  25  5  33  1  31  34  30  ‐  22  2  27  35  ‐ 

B  C  Net  VFP  Partieel 

12  17  14  4  15  8  ‐  ‐  10  34  7  1  13  30  11  19  32  6  22  9  ‐  ‐  ‐  20  31  5  ‐  3  29  21  33  ‐  24  2  25  27  ‐ 

D 

Terminal  WLU per  space  werknemer  utilization 6  32  9  15  11  30  2  6  24  16  5  28  41  24  34  23  13  25  28  40  16  2  19  7  22  1  30  33  12  9  25  22  39  38  23  3  14  27  8  26  21  35  ‐  ‐  15  39  18  12  20  8  4  29  40  20  1  11  27  13  29  42  32  34  ‐  36  31  37  3  19  33  17  38  18  42  41 

E 

F 

Soft Cost  Runway  productivity  productivity (CPH=1.0)  27  30  28  18  14  23  10  8  34  17  17  15  40  19  31  ‐  5  34  35  36  30  11  20  1  13  24  25  27  33  5  21  10  4  29  15  6  19  31  32  7  22  ‐  ‐  ‐  42  35  7  22  1  37  29  13  37  38  9  9  11  26  41  25  2  39  6  ‐  23  33  12  12  18  20  36  4  ‐  ‐ 

G 

H 

TFP  Nyshadham  en Rao  (2000)  15  12  ‐  5  8  ‐  ‐  ‐  ‐  ‐  ‐  13  11  10  ‐  ‐  17  6  ‐  ‐  ‐  ‐  ‐  4  2  16  ‐  3  14  ‐  ‐  7  ‐  1  ‐  ‐  ‐ 

DEA  PAX, Pels  (2001)  8  ‐  ‐  ‐  ‐  *1  ‐  ‐  11  ‐  ‐  *1  *1  ‐  ‐  4  6  ‐  12  ‐  ‐  ‐  ‐  3  *1  5  ‐  ‐  # 9 ‐  # 9  15  7  ‐  14  ‐  ‐ 

I 

ATM, Pels  (2001)  7  ‐  ‐  ‐  ‐  8  ‐  ‐  *1  ‐  ‐  *  15  ‐  ‐  5  4  ‐  11  ‐  ‐  ‐  ‐  *1  *1  14  ‐  ‐  6  ‐  3  17  9  ‐  16  ‐  ‐ 

44

STN  TLL  TLV  TXL  VIE  WAW  ZRH 

18  37  15  6  26  28  10 

18  28  ‐  ‐  26  23  16 

10  37  26  7  36  35  17 

‐  21  31  4  5  10  14 

3  38  39  26  8  24  16 

14  32  28  3  21  2  16 

‐  ‐  ‐  ‐  9  ‐  ‐ 

13  ‐  ‐  10  2  ‐  *1 

12  ‐  ‐  13  10  ‐  2 

Totaal  39 

35 

42 

42 

42 

39 

17 

15/20 

17/20 

# Gedeelde plek  * Gedeelde plek 

45