Internationales Verkehrswesen (63) 6 | 2011 17 D ie Struktur des EU-Luftverkehrsmarktes wurde in den letzten Jahren durch die sogenannten Liberalisierungspakete 1987, 1990 und 1993, die freiheitliche Regelungen in der Kapazitätsbeschränkung, Marktzugang und Tarifgestaltung beinhalteten, erheblich gelockert. Aufgrund dieser Rahmenbedingungen wurde der Konkurrenzwettbewerb neben den traditionellen Fluggesellschaften (Full-Service-Carrier, FSC) insbesondere durch die aggressive Preispolitik der Billigluggesellschaften (Low-Cost-Carrier, LCC) verstärkt. Die Anbieter stehen vor der Herausforderung, ihre Preispolitik einerseits kostendeckend auszurichten und andererseits genügend Nachfragesegmente abzuschöpfen, um langfristig am Markt erfolgreich operieren zu können. Gillen & Hazledine (2006) bemerken hierzu, dass in den letzten Jahren nach der Liberalisierung zwei nennenswerte Neuerungen stattgefunden haben. Erstens entstanden im Zuge der Liberalisierung Billigluggesellschaften, aber auch Allianzen zwischen den traditionellen Fluggesellschaften. Zweitens eröfnete die Einführung von internetbasierten Verkaufssystemen den FSC zusätzliche Möglichkeiten zur Marktsegmentierung. Empirische Untersuchungen des Preissetzungsverhaltens der Fluggesellschaften basieren jedoch in der Regel auf US Amerikanischen Datenbeständen. Für die europäische Luftfahrt sind Dieser Beitrag untersucht anhand einer empirischen Preiserhebung auf einer Datenbasis von ca. 60 Flugstrecken mit 600 Beobachtungswerten aus dem europäischen Kurzstreckenbereich das Verhalten von Luftverkehrsgesellschaften im deregulierten EU-Luftverkehrsmarkt. Mit Hilfe eines Modells mit Paneldaten werden sowohl kostenals auch nachfragebasierte Elemente der Preissetzung untersucht. Wettbewerbsfaktoren gehen in die Untersuchung in Form der Anzahl der Wettbewerber auf einer Strecke und der Existenz von Low-Cost-Carriern ein. Foto: Günter Wicker/ Photur Preisstrategien im deregulierten EU-Luftverkehrsmarkt POLITIK Wissenschaft POLITIK Wissenschaft Internationales Verkehrswesen (63) 6 | 2011 18 aufgrund des Datenmangels hauptsächlich nur Streckenbezogene Studien vorhanden. 1 Mit Hilfe eines selbst entwickelten Preiserhebungstools berücksichtigen wir im Folgenden 60 Verbindungen im kontinentaleuropäischen Raum. Diese bilden die Basis für unsere statistisch-ökonometrische Auswertung. Abschnitt zwei beschreibt den ökonometrischen Ansatz zur Schätzung eines durchschnittlichen Flugpreises innerhalb der EU. Hierbei geht es primär, neben weiteren Determinanten, um die Beobachtung der temporären Preisentwicklung über den Buchungszeitverlauf, wobei der Aspekt der Preisdispersion in diesem Beitrag nicht berücksichtigt wird. Ökonometrischer Ansatz Abgrenzungen des Untersuchungsgebietes Zuerst wurde der europäische Luftverkehrsmarkt auf das Untersuchungsgebiet der derzeitigen 27 EU-Mitgliedsstaaten abgegrenzt, da der Geltungsbereich der Liberalisierungsbestrebungen der EU-Luftverkehrspolitik primär auf diese Mitgliedsstaaten abzielt. Zur Flugpreisuntersuchung im Untersuchungsgebiet wurden die Kurzstrecken (Distanz < 1000 km) ausgewählt. Eine Marktstrukturanalyse des europäischen Luftverkehrsmarktes (vgl. Brandmüller, 2010) ergab, dass der Anteil an Airport-Pairs mit LCC im Vergleich zu größeren Entfernungen in diesem Bereich tendenziell höher ist. Vor diesem Hintergrund versprach der relativ hohe Anteil an LCC auf Kurzstrecken interessante Preisreaktionen zwischen den Airlines. Erhebungsmethodik Als Reisetag innerhalb der Woche wurde Mittwoch der 09.12.09 gewählt. Freitag, der 11.12.09 wurde exemplarisch für den Tag am Wochenende gewählt. Über einen Zeitraum von ca. vier Wochen wurden die günstigsten Flugpreise pro Airport-Pair mit Hilfe des Preiserhebungstools Possibase 2 wöchentlich erhoben. Hierbei wurde angenommen, dass es sich um Bruttopreise, d. h. inklusive aller Steuern und Gebühren handelt. Die Suchkriterien dieser Flugpreisabfrage lauten: ƀǁ Direktlug (Non-Stop) ƀǁ Minimaler Flugpreis ƀǁ eine erwachsene Person ƀǁ Reisezeitfenster: 0 bis 24 h des Untersuchungstages. Der durchschnittliche Flugpreis P i,av,A-B zum Buchungszeitpunkt i ist der Mittelwert aus den Flugpreisen in [EUR] der Airlines k = 1…n innerhalb des deinierten Zeitfensters von 12 bis 17-Uhr (s.-Formel-1). P 1 n * P i,av,A B k,A B k 1 n − − = = ∑ (1) Modellansatz Ausgehend von dem Untersuchungsgebiet schätzen wir eine Preisfunktion anhand einer Datenbasis von ca. 60 Flugverbindungen mit 600 Beobachtungswerten aus dem Kontinentalbereich. Die Autoren stellen die These auf, dass das Preissetzungsverhalten der Fluggesellschaften von Kosten-, Nachfrage- und Wettbewerbsfaktoren abhängt. Im Einzelnen: ƀǁ Je höher die direkten Betriebskosten, desto höher ist der durchschnittliche Flugpreis auf einer Strecke (vgl. Hazledine, 2006). Dazu berücksichtigen wir in unserem Modell den Kostenparameter (DOC). ƀǁ Je höher die Wettbewerbsintensität, desto niedriger ist der durchschnittliche Flugpreis 3 . Hierzu führen wir drei Variablen in das Modell ein: die Anzahl der Anbieter auf einer Strecke, die Existenz von LCC und die Funktion des Ziellughafens als Hub. Erkenntnisse hierzu liefern die Arbeiten von Borenstein & Rose (1994), Gillen & Hazledine (2007) und Bruinsma (1999). ƀǁ Je später der Buchungszeitpunkt, desto höher ist der durchschnittliche Flugpreis. Zu diesem Zweck beobachten wir die Preisentwicklung über vier Wochen vor Ablug. Damit wollen wir die mögliche Reaktion der FSC auf das neue (s. Einleitung) Umfeld testen. Pels & Rietveld (2004) zeigten diesbezüglich bereits, dass die europäischen Fluggesellschaften zeitliche Preisdiferenzierung anwenden. ƀǁ Führt der Flug zu einem neuen EU-Land, so sinkt der durchschnittliche Preis. Hiermit wollen wir testen, ob eventuell regionale ( jedoch sehr aggregierte) Einkommensunterschiede die Preisüberlegungen der Fluggesellschaften beeinlussen. Im Folgenden beschreiben wie die Modellvariablen etwas detaillierter. 1. Kosten Die Kosten wurden in Anlehnung an Swan & Adler (2006) kalkuliert, welche die direkten Betriebskosten (DOC) eines Fluges in Abhängigkeit von der Reisedistanz D sowie der verfügbaren Sitzplatzkapazität S des eingesetzten Maschinentyps berechnen. Der Zusammenhang lautet für Single-aisle-Flugzeuge unter 5000 [km]: DOC D S * ( * = + + ( ) ) $ , 722 104 0 019 (2) Die DOC beinhalten nach o. g. Studie folgende Kostenpunkte: Brennstokosten, Personalkosten der Kabine und Cockpit-Crew, reguläre Wartungskosten, Flughafenentgelte, Flugsicherungsgebühren, Versicherung sowie Kapitalkosten. Ferner nahmen Swan & Adler an, dass DOC ca. 50 bis 60 % 4 der gesamten Betriebskosten (TOC) einer Fluggesellschaft ausmachen und somit einen relativ hohen Aussagecharakter besitzen. Dieser Ansatz hat zwar die Vorteile der Einfachheit und der geringen Anzahl an Variablen, birgt jedoch die Gefahr von geringen Ungenauigkeiten bei schwankenden Wechselkursen zwischen Dollar und Euro in sich. Zudem enthält dieser Kostenansatz hinsichtlich der Flughafengebühren ausschließlich Internationales Verkehrswesen (63) 6 | 2011 19 POLITIK Wissenschaft stellt. Eine adäquate Konstruktion des Indexes bedürfte jedoch der Anzahl der Sitzplätze im jeweiligen Fluggerät. Mangels solcher Daten wird der HHI-Index in den entsprechenden Studien relativ oft unter der Annahme ähnlicher Flugzeuggröße (was für die Kurzstrecken durchaus plausibel erscheint) mittels der Frequenz berechnet. Beide Betrachtungsweisen sind für den US-amerikanischen Markt aufgrund der Existenz detaillierter und hochqualitativer Datenbestände unproblematisch umsetzbar. Jedoch eignen sie sich für den europäischen Raum eher weniger. Der Grund hierfür liegt am Vorhandensein von Code-Share-Flügen. Wird ein Flug von zwei Anbietern gleichzeitig als Code-Share angeboten, so ist seine Zuordnung zu dem einen oder anderen Anbieter problematisch, was zu einem fehlerhaften HHI-Index führen kann. Eine mögliche Lösung dieses Problems bietet eine noch höhere Aggregation der Daten anhand der leicht identiizierbaren Anzahl der Anbieter, wofür sich die Autoren entschieden haben. Der damit verbundene Informationsverlust (insbesondere hinsichtlich des oft auftretenden Duopolfalls) musste in Kauf genommen werden, um eventuelle Messfehler zu vermeiden. Wir gehen also in unserem Modell davon aus, dass eine höhere Anzahl der Anbieter pro Strecke den Wettbewerb intensiviert und dementsprechend den durchschnittlichen Preis senkt. 6. Buchungszeitpunkt Verschiedene Studien (vgl. Button et al., 2009, de Roos et al., 2007, Pels et. al., 2004) zeigen eine zahlungsbereitschaftsbasierte Preissetzung. Dies wiederum bedeutet steigende Preisverläufe mit fortschreitendem Buchungszeitpunkt. Dieser Zusammenhang wird mit den Preisvariablen P 4,av,A-B bis P 0,av,A-B in das Schätzmodell integriert. 7. Zieldestination Hinsichtlich des Luftverkehrsmarktes in den neuen EU-Mitgliedsländern zeigte eine Studie von Dobruszkes (2009) ein Wachstum von LCC- Angeboten nach Osteuropa. Um zu analysieren, inwieweit sich eine osteuropäische Zieldestination auf den Flugpreis auswirkt, wurde zwischen den alten und den neuen EU-Mitgliedern diferenziert (EU_NEU). Zusammengefasst ergibt sich zur Schätzung eines durchschnittlichen Flugpreises auf einer Strecke A-B folgende Regressionsgleichung mit o.g. Faktoren sowie der Residualgröße  (s.-Formel-3): Modellergebnisse Im Folgenden schätzen wir drei Paneldatenmodelle mit ixen Efekten und unterscheiden hinsichtlich der Modelstruktur zwischen linear, loglinear und log-log Speziikationen. Tabelle- 1 zeigt die Ergebnisse der oben speziizierten Modelle 7 die An- und Abluggebühren. Zusätzliche Entgelte (z. B. Gatenutzung, Passagier-Entgelte) sowie An-/ Abluggebühren der Flugsicherung wurden in der o. g. Formel nicht als DOC eingestuft und demnach nicht berücksichtigt. Ferner ist zu beachten, dass in den USA die Flughafenentgelte im Vergleich zu Europa geringer sind. Außerdem ermittelten Swan & Adler diese Kostengleichung 5 anhand von Eingangswerten zwischen 1000 und 5000 [km], sodass streng genommen auch der Geltungsbereich in dieser Spanne liegt. Gillen & Hazledine (2006) entwickelten für ihre Studie eine Kostenformel in Abhängigkeit der Kosten pro Blockstunde, der benötigten Blockstunden eines bestimmten Nachfragesegmentes sowie der Flugfrequenz, wobei Daten des US-Department of Transport (USDoT), Form 41 verwendet wurden. Aus Mangel an ähnlichen Daten für den europäischen Markt wurde dieser Ansatz jedoch nicht weiter verfolgt. In diesem Zusammenhang ist auch die Studie von Smirti & Hansen (2009) zu nennen, die jedoch u. a. auf dem relativ „labilen“ Brennstofpreis basiert und daher nicht weiter berücksichtigt wurde. 2. Anzahl der Low-Cost-Carrier Die Niedrigpreisangebote der LCC haben auf den europäischen Flugstrecken zu einem erhöhten Preiskampf geführt. Deshalb wird die Hypothese aufgestellt, dass LCC den durchschnittlichen Flugpreis P i,av,A-B beeinlussen. Die LCC werden in Form einer Binärvariable in das Regressionsmodell integriert. 3. Ziellughafen Studien aus den USA (vgl. Borenstein, 1989) sowie aus Europa (vgl. Lijesen et al., 2000, Bruinsma, 1999) untersuchen das Hub-Premium, d. h. Preisaufschläge zu Ziellughäfen mit einer typischen Hubfunktion. Daher wird der Ankunftslughafen mit der Binärvariablen HUB berücksichtigt. 4. Reisetag Nach Ergebnissen von Mantin & Bonwoo (2010), welche über einen Zeitraum von ca. 90 Tagen in 2008 täglich Flugpreise von ca. 1000 zufällig ausgewählten Flugstrecken auf dem nordamerikanischen Luftverkehrsmarkt erhoben haben, gibt es keinen Zusammenhang zwischen dem Preisniveau an einem Wochentag und einem Wochenendtag. Dagegen bekräftigten sie, dass ein starker Zusammenhang zwischen der Preisdispersion 6 und dem Wochenende existiert. Deshalb wird der Reisetag ebenfalls mit der Binärvariable DAY in das Modell integriert. 5. Wettbewerbsintensität Die Wettbewerbsintensität wird normalerweise anhand von Konzentrationsmasse, wie z. B des Hirschmann-Herindahl-Indexes (HHI) darge- P A B − + 7 4 8 * , ** * * * * , , , , P P P P EU A B A B A B A B 3 9 2 10 1 11 0 12 − − − − + + + + __ NEU + P i av A B A B A B A B DOC LCC HUB D , , * * * * − − − − = + + + + 1 2 3 4 5 AAY ANBIETER P A B A B − − + + 6 * * * * * * * * P P P P EU __ NEU (3) POLITIK Wissenschaft Internationales Verkehrswesen (63) 6 | 2011 20 hängig den durchschnittlichen Flugpreis unter der Annahme einer Vertrauenswahrscheinlichkeit von 99 % signiikant beeinlussen. Dagegen ofenbart die Einführung von Nicht-Linearitäten das sogenannte Yield-Management der Unternehmen (P4 - P1). Die dazugehörigen Parameter haben das erwartete Vorzeichen und die erwartete Größenordnung (wenn auch nicht immer signiikant). Wir konstatieren, dass der Flugpreis mit näherndem Ablugtermin i. d. R. steigt. Im Gegensatz dazu inden sich in keinem der Modelle Anzeichen, die die Existenz einer Preisdiferenzierung je nach Tag (Mittwoch oder Freitag) und je nach Zieldestination (alte oder neue EU-Länder) bestätigen. Eine etwas disaggregiertere Betrachtung (City-Pair-speziisch mit autoregressiven Faktoren) wäre an diesem Punkt adäquat gewesen, um solche Efekte tiefer zu untersuchen. Darüber hinaus haben die Schätzergebnisse gezeigt, dass in allen Modellspeziikationen auf Flugstrecken mit Hublughäfen als Zieldestinationen erhöhte Flugpreise, d. h. Hub-Premiums zu beobachten sind. Ofen bleiben allerdings die konkreten Ursachen für diese Hub-Premiums. Einerseits vertreten etablierte Fluggesellschaften auf Hublughafen eine dominante Marktposition, sodass sie erhöhte Preise verlangen können. Andererseits erheben Hublughäfen vergleichsweise hohe Entgelte, welche sich in den Die relativ niedrig korrigierten Bestimmtheitsmaße lassen zunächst eine schlechte Anpassbarkeit der Modelle vermuten. Angesichts vergleichbarer Ergebnisse weiterer Studien (vgl. Gillen et al., 2006) sowie eines hohen F-Wertes in allen Modellspeziikationen ist jedoch die Allgemeingültigkeit der Modelle nicht abzulehnen. Nichtsdestoweniger stellen wir an dieser Stelle fest, dass es noch weitere (nicht identiizierbare) Einlussfaktoren des Preises gibt. Zum Beispiel sind das Vorhandensein und die Intensität des intermodalen Wettbewerbs entscheidend für das Preisniveau. Zudem ist es durchaus vorstellbar, dass die Fluggesellschaften detaillierte regionale Einkommensunterschiede in ihrer Preissetzung berücksichtigen. Außerdem können durchaus unterschiedliche Attraktivitätsmerkmale der jeweiligen Destination temporaler (Messen, etc.), oder permanenter (klassische touristische Destination) Natur eine Rolle spielen. In diesem Zusammenhang ist die Verwendung des Modells mit ixen Efekten umso wichtiger, denn dadurch wird die Schätzung trotz fehlender Variablen möglich. Tabelle- 1 zeigt überraschenderweise eine bessere Anpassbarkeit des linearen Modells. Als mögliche Erklärung kann die eventuell sehr hohe Güte der errechneten direkten Betriebskosten (DOC) angeführt werden. Tabelle- 1 zeigt, dass die DOC und die Existenz von LCC auf einer Strecke (LCC) modellunab- Modell 1 (linear) Modell 2 (log-linear) Modell 3 (log-log) Variable Parameter t-Wert Parameter t-Wert Parameter t-Wert Const 0,1806 2,2032 ** -1,0996 -6,5997 *** -2,3286 -7,6094 *** log DOC 1,0274 7,4274 *** DOC 0,0851 12,5885 *** 0,1018 7,4131 *** LCC -0,1244 -2,7384 *** -0,3816 -4,1321 *** -0,3745 -4,0454 *** HUB 0,1130 2,2843 ** 0,2102 2,0904 ** 0,1793 1,7710 * DAY -0,0047 -0,1252 -0,0021 -0,0275 0,0106 0,1391 Anzahl der Anbieter -0,0386 -3,0678 *** -0,0545 -2,1305 ** -0,0654 -2,5570 ** P4 -0,0981 -1,7326 * -0,3540 -3,0761 *** -0,3531 -3,0684 *** P3 -0,0804 -1,4202 -0,3220 -2,7984 *** -0,3216 -2,7957 *** P2 -0,0669 -1,1800 -0,2731 -2,3701 ** -0,2705 -2,3482 ** P1 -0,0415 -0,7328 -0,1642 -1,4262 -0,1626 -1,4132 EU_NEU_ 0,0441 0,5820 -0,0077 -0,0502 0,0008 0,0054 R² adj 0,3679 0,2134 0,2137 Tab. 1: Finale Modelergebnisse. Quelle: eigene Berechnungen. *** Irrtumswahrscheinlichkeit 1 %, ** Irrtumswahrscheinlichkeit 5 %, * Irrtumswahrscheinlichkeit 10 %. Internationales Verkehrswesen (63) 6 | 2011 21 POLITIK Wissenschaft 5 Swan & Adler entwickelten diesen Kostenansatz auf Basis eigener Berechnungen für unterschiedliche auf dem Markt existierende Flugzeugtypen der Hersteller Boeing und Airbus mit dem Kostenberechungsprogramm OPCOST. Dieses Programm, dessen Details nicht näher erläutert sind, entwickelte Boeing und optimierte es in den letzten 25 Jahren sukzessive. 6 Nähere Ausführungen zu der Preisdispersion in Abhängigkeit der Wettbewerbsintensität analysieren z. B. Borenstein & Rose (1994). 7 Die Schätzung erfolgte mit der Statistiksoftware GRETL 1.8.7. Flugpreisen der Fluggesellschaften widerspiegeln könnten. Ofen bleibt die Frage, inwieweit die Marktstruktur in den Modellen hinreichend gut erfasst wurde. Die Verwendung der eher aggregierten Betrachtung anhand der Anzahl der Anbieter zeigt, dass in allen drei Modellspeziikationen eine steigende Anzahl der Anbieter den durchschnittlichen Preis auf der betrefenden Strecke senkt. Unbeantwortet bleibt jedoch der interessante Duopol-Fall, insbesondere wenn zwei Fluggesellschaften mit unterschiedlichen Kapazitäten eine Streckenverbindung bedienen. Zusammenfassung In diesem Beitrag wurde anhand einer empirischen Preiserhebung das Verhalten von Fluggesellschaften in dem deregulierten Luftverkehrsmarkt der EU27-Mitgliedstaaten untersucht. Hierbei konnte für die untersuchten Flugstrecken ein Zusammenhang zwischen dem durchschnittlichen Flugpreisniveau und der Marktform ökonometrisch bestätigt werden. Ferner konnten keine nennenswerten Preisunterschiede zwischen den Ablugtagen Mittwoch, 09.12.09 und Freitag, 11.12.09 bestätigt werden. Dies deckt sich weitestgehend mit der Studie von Mantin & Bonwoo (2010). Das ökonometrische Modell umfasste drei unterschiedliche Modellspeziikationen mit Paneldaten. Im Allgemeinen lässt sich festhalten, dass das Preissetzungsverhalten der Fluggesellschaften im kontinental europäischen Raum sowohl Kostenals auch Nachfrage- und Wettbewerbselemente beinhaltet. Direkte Betriebskosten (DOC) haben einen signiikanten (positiven) Einluss auf das Preisniveau in einer Strecke. Hingegen senken die Anwesenheit von LCC sowie die Anzahl der Wettbewerber auf einer Flugstrecke den Durchschnittspreis. Das von den Fluggesellschaften viel zitierte und praktizierte Yield-Management dokumentiert sich in steigenden Preisen mit fortschreitendem Buchungszeitpunkt. Das Modell liefert ausreichende Anzeichen für die Existenz des Hub-Premiums. Hingegen konnten keine Anzeichen für die Existenz eines unterschiedlichen Preissetzungsverhaltens hinsichtlich räumlicher Kriterien, insbesondere für Flüge die ihren Start- oder Endpunkt in einem der neuen EU-Länder haben, festgestellt werden. ɷ Danksagung Die Autoren bedanken sich bei Herrn Andreas Schubert für die exzellente Datenaubereitung. 1 Für einen Literaturüberblick vgl. Evangelinos & Stangl (2010), sowie Evangelinos, et. al. (2011). 2 Dieses Preiserhebungstool wurde im Rahmen von Forschungsarbeiten am Lehrstuhl für Verkehrswirtschaft und internationale Verkehrspolitik der Technischen Universität Dresden entwickelt. 3 Für die Einordnung in ein theoretisches Wettbewerbsmodell vgl. Evangelinos & Stangl (2010). 4 Nach Holloway (vgl. Holloway, 2003) liegt der Anteil der DOC an den TOC bei Linienluggesellschaften ebenfalls bei etwa 45 bis 60 %, wobei dieser Anteil z. B. aufgrund wachsender Brennstofpreise aus heutiger Sicht höher sein kann. LITERATUR ADLER, N., SWAN M.-W. (2006): Aircraft trip cost parameters: A function of stage length and seat capacity, Transportation Research Part E, 42, 105-115. BORENSTEIN, S. (1989): Hubs and High Fares: dominance and market power in the U.S. airline industry, RAND Journal of Economics, 20 (3), 344-365. BORENSTEIN, S., ROSE N.-L. (1994): Competition and Price Dispersion in the U.S. Airline Industry, Journal of Political Economy, 102 (4), 653-683. BRANDMÜLLER, B. (2010): Das Preissetzungsverhalten konkurrierender Fluggesellschaften in dem deregulierten europäischen Luftverkehrsmarkt, Diplomarbeit, Institut für Wirtschaft Verkehr und Institut für Luftverkehr, Technischen Universität Dresden. BRUINSMA, F. (1999): Comparative study of hub airports in Europe: Ticket prices, Travel times and rescheduling costs, working paper, Free University of Amsterdam. DE ROOS, N., MILLS, G.; WHELAN, St.: Pricing dynamics in the Australian airline market, The Economic Record, 86 (275), 545-562. EVANGELINOS, C., STANGL, J. (2010): Das Preissetzungsverhalten von Fluggesellschaften auf Kurzstrecken mit Duopolcharakter. Diskussionsbeiträge aus dem Institut für Wirtschaft und Verkehr, TU Dresden, Fakultät Verkehrswissenschaften "Friedrich List", Nr.2/ 2010. EVANGELINOS, C., OBERMEYER, A., PÜSCHEL, R. (2011): Preisdispersion und Wettbewerb im Luftverkehr - Ein theoretischer und empirischer Überblick. Diskussionsbeiträge aus dem Institut für Wirtschaft und Verkehr, TU Dresden, Fakultät Verkehrswissenschaften "Friedrich List", Nr.2/ 2011. GILLEN, D., HAZLEDINE, T. (2006): The New Price Discrimination and Pricing in Airline Markets: Implications for Competition and Antitrust, XIV Pan-Americain Conference of Traic & Transportation Engineering, Las Palmas de Gran Canaria. HAZLEDINE, T. (2006): Pricing and Competition in Australasian Air Travel Markets, working paper, University of Auckland. HOLLOWAY, St. (2003): Straight and Level: Practical Airline Economics, 2nd Edition, Ashgate Publishing Company USA. LIJESEN M.G., RIETVELD, P., NIJKAMP, P. (2000): Do European Carriers dominate their hubs? Tinbergen Institute Discussion Paper. MANTIN, B., BONWOO K. (2010): Weekend efect in airfare pricing, Journal of Air Transport Management, 16, 48-50. PELS, E., RIETVELD, P. (2004): Airline Pricing Behaviour in the London- Paris market, Journal of Air Transport Management, 10, 279-283. SMIRTI, M., HANSEN, M. (2009): Assessing the Role of Operating, Passenger, and Infrastructure Costs in Fleet Planning under Fuel Price Uncertainty, research paper No. 881, University of California, Berkeley.. Boris Brandmüller, Dipl.-Ing. Condor Flugdienst GmbH boris_brandmueller@web.de Christos Evangelinos, Dipl.-Verkehrswirtschaftler TU Dresden, Lehrstuhl für Verkehrswirtschaft und internationale Verkehrspolitik christos.evangelinos@tu-dresden.de