Evaluando la gestión de las grandes infraestructuras de transporte en España durante la crisis

1 Evaluando la gestión de las grandes infraestructuras de transporte en España durante la crisis. 1. Introducción Tradicionalmente la literatura especializada nos muestra un ciclo virtuoso entre GDP y las infraestructuras de transporte. De esta forma, el incremento del GDP de un país incrementaría la demanda de servicios de transporte (Annema y De Jong, 2011; Dargay et al., 2007). Lo que su vez llevaría a un incremento en la inversión en infraestructuras de transporte. Para Kim (2002) un incremento del 1% del GDP llevaría aparejado un aumento similar, del 0,99%, en la dotación de infraestructuras de transporte. Dicho incremento a su vez, a su vez, provocan un mayor crecimiento del GDP, tanto en los países desarrollados (Köhler et al., 2008) como en los que no (Ding, 2013). Se observa que GDP y transporte están íntimamente relacionados de forma bidireccional, aunque esta relación se debilita al completarse el desarrollo económico (Beyzatlar et al., 2014). Desde el inicio de la industrialización, la inversión en transporte es una de las condiciones principales a la hora de iniciar el desarrollo económico de los países (Rostow, 1960). La creencia de que la inversión pública en este sector genera crecimiento económico ha sido utilizada a menudo como justificación para destinar recursos al mismo, aunque hoy se cuestiona esa relación (see for example Banister y Berechman, 2003). De todos modos, son numerosos los ejemplos de países que actualmente apuestan por el desarrollo económico mediante la inversión en infraestructuras, principalmente de transporte, como la Unión Europea con el reciente plan Junker, en el que se pretenden dedicar 220.000 millones de Euros a infraestructuras de transporte, energía y telecomunicaciones (El País, 2014). Planes similares, basados en infraestructuras de transporte se encuentran actualmente en todas las latitudes, especialmente en Asia. Por ejemplo en Thailandia con 50 000 millones de euros 2 según la Royal Thai Embassy (2015), así como en China, Japón or India, con unos 65 mil, 35 mil y 25 mil millones respectivamente por citar sólo unos ejemplos. Pero si hay un país que puede sintetizar esa política en la reciente época de crecimiento en la primera década del siglo XXI, ese es España. Durante ese periodo generó lo que se ha considerado una gigantesca burbuja de infraestructuras de transporte. Este trabajo, analiza la evolución de las infraestructuras económicas españolas a principio de siglo (centrándonos en aeropuertos, ten de alta velocidad, AVE en adelante, y autopistas). Posteriormente se estudia la sensibilidad de los tráficos de las diferentes infraestructuras analizadas en condiciones extremas de un ciclo económico adverso. Por último, y como objetivo principal, se evalúa los efectos de las principales medidas que se han tomado sobre las mismas durante la actual crisis económica. Especialmente destacables han sido la subida de tasas aeroportuarias, y la bajada de precios de los billetes de AVE. De hecho, vemos como el sector público ha empleado estrategias completamente antagónicas: mientras para el transporte aéreo se ha buscado promover una clara estrategia de maximización de beneficios a corto plazo, subiendo las tasas aeroportuarias, con estrategias más sofisticadas para la captación de ingresos no aeronáuticos (un buen ejemplo es la última política de precios para los pankings de larga estancia) y con ajustes en la plantilla laboral; en el tren de alta velocidad se ha buscado incentivar la demanda bajando significativamente los precios. Finalmente hemos visto leves incrementos en las tarifas de las autovías generalmente acordes con la escasa inflación del periodo. Este artículo está organizado como sigue: En la sección 2 se describe la evolución de las grandes infraestructuras de transporte en España. En la sección 3 se explican las variables y la metodología utilizada. En la sección 4 se muestran los resultados empíricos obtenidos y la discusión sobre los mismos. Finalmente, en la sección 5 se presentan las conclusiones del estudio. 3 2. El caso de España Durante los años de gran crecimiento económico que experimentó España durante el boom inmobiliario se realizaron grandes inversiones en infraestructuras de transporte: El HSR español pasó a ser el segundo en longitud, pasando de 471 Km. a principios de 2003 a 2.383 en 2014 (Figura 1), estando actualmente en construcción o planificación otros 2.135, siendo sólo superado por el HST de China (Albalate y Bel, 2011). Por otra parte, se construyó un aeropuerto en casi todas las provincias, apareciendo siete nuevos aeropuertos desde 2007, pasando de 41 a 48. Respecto al transporte por carretera, se hicieron nuevas autopistas, tanto públicas, como en colaboración público-privada, destacando el caso de las radiales de Madrid, pasando de 1.739 km. de autopistas de peaje en 2001, a 2.529 en 2008. Figura 1. Líneas AVE. Fuente: Adif, 2015. Este crecimiento hizo que del AVE español un fenómeno de interés internacional, aunque su planificación fuera objeto de críticas debido a su falta de análisis previo (Albalate y Bel, 2012), a pesar que desde los años 60 se considera necesario una planificación detallada dada la complejidad de la toma de decisiones en infraestructuras de transporte (Levinson et al., 2012). Sin embargo, este fenómeno de inversión, sin someterse a un mínimo análisis coste-beneficio previo no es sólo español, como ejemplo citar que la mayoría de los 30 4 proyectos prioritarios de la Trans-European Transport Network analizados por Proost et al. (2014) fallan en él. Otro ejemplo similar podemos encontrarlo en Asia donde Utsunomiya y Hodota (2011) concluyen que las inversiones también son difícilmente justificables desde el punto de vista económico. A nivel político, la justificación de las grandes inversiones en AVE abusaron de la supuesto efecto positivo de las infraestructuras en el crecimiento económico regional (ver por ejemplo Hong et al., 2011, sobre esa relación). De hecho el discurso político justificaba el AVE en las decenas de miles de nuevos puestos de trabajo que se generarían, basándose en el incremento del número de viajeros (ver Martin y Nombela, 2007). También se pretendía reducir los costes medioambientales y sociales del avión y la carretera (congestión, polución, ruido y accidentes de tráfico) (ver Román y Martín, 2011). En el caso de los aeropuertos, en España tenemos 49, que reflejamos en la Figura 2, además del autonómico de Lleida. De ellos, los cuatro primeros en número de pasajeros se llevan casi el 60% de los 187 millones de pasajeros de 2013, mientras que los 22 últimos apenas alcanzan el 1% entre todos. Estos últimos, según Lozano y Gutiérrez (2011) tienen escasa eficiencia, siete de ellos superaron en 2013 los 15.000 € de deuda por pasajero, llegando a 232.000€ en el caso de Huesca-Pirineos. 5 Figura 2. Aeropuertos españoles. Fuente: Abc, 2010 y elaboración propia. Figura 3. Km de Autopistas de Peaje en España. Fuente: Ministerio de Fomento, 2014a y elaboración propia. En el caso de las autopistas de peaje, el grueso de la inversión se dio entre los años 2001 y 2007 (ver Figura 3). Varias de estas autopistas estatales, como las radiales, han sido 1.500 1.700 1.900 2.100 2.300 2.500 2.700 01-90 02-91 03-92 04-93 05-94 06-95 07-96 08-97 09-98 10-99 11-00 12-01 01-03 02-04 03-05 04-06 05-07 06-08 07-09 08-10 09-11 10-12 11-13 Km. Autopistas Peaje 6 construidas en colaboración con el sector privado, es decir, en public-private partnership y de forma similar a lo que se está haciendo en otras latitudes (Leruth, 2012). Es de esperar que este conjunto de infraestructuras, aéreas, ferroviarias y carreteras, hayan incrementado el nivel de competencia entre las mismas (ver por ejemplo Jiménez y Betancor, 2012). Además, son muchos los que defienden (ver por ejemplo Ferreiro et al., 2013) que esta política fiscal expansiva pro cíclica terminó agravando la crisis. Por ejemplo, aunque con carácter general la reciente crisis económica ha afectado a la demanda de transporte aéreo (Voltes-Dorta y Pagliari, 2012; Martín et al., 2013), en España aeropuertos enteros se han quedado sin vuelos. Ello provocó que el aeropuerto de Ciudad Real se cerrara en 2012, o que el de Castellón no haya llegado a operar hasta 2015, con un único vuelo hasta la fecha. Otro ejemplo destacable es el Aeropuerto de Murcia, cuyas obras terminaron en 2012 y todavía no ha sido inaugurado. En el caso del AVE, en 2012, antes de la bajada drástica de tarifas, 48 rutas de las 206 entre las 22 estaciones en funcionamiento tuvieron uno o menos pasajeros al día, con 10 de ellas con menos de 10 pasajeros al año, y otras 88 tuvieron menos de cinco viajeros al día (Ruiz del Árbol, 2013). Para el caso de las autopistas de peaje, el mejor ejemplo que ilustra este exceso de capacidad son el conjunto de nuevas radiales de Madrid (concretamente las AP36, AP41, R2, R3, R4 y R5), que en 2012 acumulaban deudas por valor de 3.800 millones de euros, mientras que sólo ingresaban 49,5 millones de euros (Romero y Méndez, 2012), lo que ha llevado a la quiebra de las empresas concesionarias que las explotaban. Más que previsiblemente Estado las va a rescatar mediante una nueva empresa pública, que asumiría los 4.600 millones de deuda en 2014 con una quita del 50% y sustituyéndola por un bono a 30 años, pero sin garantía del Estado (Romero, 2014). Gran parte de esa deuda se debe a un desastroso sistema de expropiaciones que se siguió en la construcción de las mismas. Las constructoras privadas 7 estimaron que el coste de las expropiaciones estaría por debajo de los 400 millones de euros, mientras que los tribunales están revisando muchas de ellas, fallando a favor de los expropiados, con lo que es de esperar que el coste final pueda superar los 2000 millones. Ante estas circunstancias, y debido a la restricción presupuestaria impuesta a España por la Unión Europea (Trachanas y Katrakilidis, 2013; Ali, 2012), el Gobierno ha tenido que tomar decisiones para racionalizar la gestión de las mismas. Aunque es llamativo la disparidad de las mismas según el modo de transporte. Por ejemplo, en el AVE se optó por bajar el precio del billete significativamente en febrero de 2013 (Urrutia, 2013), lo que ha permitido incrementar un 19% el número de viajeros, aunque, dificulta aún más el cubrir los costes del tren de alta velocidad (García, 2013). De hecho las pérdidas de RENFE han pasado de 39.5 millones de euros en 2012 hasta 113,17 millones en 2014, sólo en su división de viajeros, sin tener en cuenta los costes de inversión. Otra opción se ha experimentado ha sido privatizar su explotación, lo que se ha probado en la línea Madrid-Valencia-Alicante-Murcia (de la Peña, 2014). Aunque, para Cowie y Loynes (2012), este tipo de decisiones podría aumentar los costes de explotación a corto plazo antes de disminuirlos a largo. Por el contrario, en el transporte aéreo se ha optado por subir las tasas aeroportuarias y la privatización de la agencia gestora, AENA, aunque manteniendo al estado como principal accionista de referencia. Lo primero, la subida de tasas, debería provocar una caída del número de pasajeros, lo que a su vez reduciría los ingresos por concesiones (Gillen y Mantin, 2014). Lo segundo, la privatización de los aeropuertos, se suele asociar a una mejora de eficiencia en su gestión (Ohri, 2012) a largo plazo. Lo cierto es que los ajustes debido al proceso de privatización han conseguido que AENA, la empresa pública que gestiona la mayoría de los aeropuertos españoles, cerrase el ejercicio de 2014 con un beneficio bruto de explotación (EBITDA) superior a los 1.800 millones de euros, unos resultados récord para la 8 empresa, que han provocado que su salida a bolsa en febrero de 2015 haya sido un completo éxito con importantes y rápidas plusvalías. 3. Datos y metodología Figura 4: Variables mensuales endógenas desde 1999 a 2013. Las áreas sombreadas indican periodos de recesión en España. Para nuestro análisis hemos utilizado una amplia base de datos que se puede dividir en grupos de variables: A) Variables endógenas: cuatro variables mensuales reflejadas en la Figura 4: pasajeros por km. de Alta Velocidad y larga distancia (Ministerio de Fomento, 2014b), pasajeros aéreos nacionales (Aena, 2015; datos divididos por dos, para evitar la doble contabilización), pasajeros aéreos internacionales (Aena, 2015), y Vehículos por km. en autopistas estatales en España (Ministerio de Fomento, 2014a) (TRAIN, DOMESTIC, INTERNATIONAL y 9 ROAD en las tablas). Todas las variables están expresadas en millones de pasajeros (o vehículos) y abarcan desde 1999 hasta 2013. B) Variables exógenas: se han incluido en los modelos un amplio conjunto de variables para estimar los efectos de las medidas antes descritas, así como para incluir shocks externos detectados en la evolución de las series. Las más importantes, con sus definiciones, son: b.1) Easter: Los tráficos en el periodo vacacional de la Semana Santa. Se le ha asignado un peso a cada día del periodo de vacaciones en función de la densidad de tráfico esperada (estos pesos deben sumar uno). Los pesos máximos se han asignado al Viernes de Dolores, Domingo de Ramos, Miércoles Santo y Domingo de Resurrección. Al Sábado de Pasión y al Jueves Santo se le asignan pesos medios, y cero al resto de los días. b.2) Trading: El número de días laborables en un mes sobre los días no laborables, asumiendo que cada semana tiene 5 días laborables y dos de fin de semana. Para cada mes esta variable toma un valor igual al número de días laborables menos 2,5 veces los correspondientes a fin de semana. b.3) Leap: Variable dicotómica que indica el efecto de los meses de febrero con 29 días. b.4) Price TRAIN: Efecto permanente de la reducción de precios del AVE, consistente en una reducción del 11% desde el 8 de febrero de 2013 para varios tipos de billetes de clase turista, 35% de descuento en bonos de 10 viajes válido para más de 4 meses, 30% de descuento a jóvenes y 20% para viajes múltiples. Todos estos descuentos se han modelizado con una pareja de variables dicotómicas, una con un uno en febrero de 2013, (Price TRAIN(Feb2013) en las tablas), dado que este descuento no se inició con el comienzo del mes; y la segunda variable dicotómica que se convierte en uno desde marzo de 2013 (Price Train (Mar2013-)) (Efe, 2013). 16 Terminal 2 en el aeropuerto de Barcelona tendrían un efecto significativo en el total de pasajeros por km. De hecho, el AVE Madrid-Barcelona incremento un 7.62% el número de pasajeros por km. en febrero de 2008 y consiguió un efecto permanente posterior del 23.38%. La sustitución entre el AVE y el avión en la conexión MadridBarcelona ha sido tratada en un artículo específico (Pagliara et al., 2012), pero los resultados de nuestro estudio muestran que ese efecto no es lo suficientemente grande como para ser notado en el número total de pasajeros de vuelos nacionales. 7. Los pasajeros internacionales sólo se han visto afectados por fenómenos internacionales, como el 11S o la erupción volcánica. Ni la política nacional de precios, ni la recesión española, ni las obras públicas, etc. han tenido efectos significativos sobre su número. TRAIN DOMESTIC INTERNATIONAL ROAD Easter Trading Leap Price TRAIN(Feb2013) Price TRAIN(Mar2013-) AVE Barna(Feb2008) AVE Barna(Mar2008-) T2 Eyjafjallajökull Cycle(Mar2008-Nov2009) Cycle(Mar2011-May2013) 11S (TC) 11S Denominator FEB2003 (TC) FEB2003 Denominator DIC2003 (AO) JAN2005 (AO) 0.0789*** 0.0497*** 0.0968** 0.1256*** 0.0734** 0.2101*** -0.0018** 0.0168*** 0.0008* 0.0203** -0.0285* -0.1876*** 0.0452* -0.0024** -0.0126*** 0.0701*** -0.0025*** 0.0254** -0.0919*** -0.1924*** -0.6961*** -0.1253** -0.9403*** -0.1144*** -0.1301*** 0.0815*** -0.0714*** -0.0021*** MA1 MA2 MA12 -0.5138*** -0.3127*** -0.3658*** -0.2017** -0.4609*** 0.2008** -0.4879*** -0.6008*** -0.3886*** 1000 Q(4) Q(8) Q(12) Q(24) KSL H 1.429 1.616 9.957 11.887 23.995 0.0718 (0.026) 0.867 (0.591) 0.941 2.269 5.355 6.457 17.842 0.044 (0.456) 0.798 (0.414) 2.153 2.026 3.767 11.874 29.090 0.044 (0.449) 0.947 (0.839) 0.896 1.998 2.545 3.754 17.296 0.0436 (0.464) 0.854 (0.562) Table 1. Resultados de las estimaciones de los modelos ARIMA-TF. Uno, dos y tres asteriscos representan una significancia del 10%, 5% y 1%, respectivamente. Q(p) son los estadísticos Ljung-Box Q para los retrasos p. KSL es el test de gaussianidad Kolmogorov-Smirnov-Lilliefors gaussianity test (P-valores entre paréntesis). H es una ratio de varianza del test de homoscedasticdad que compara la varianza entre la primera y la tercera parte de la muestra (P-valores entre paréntesis). 17 La Tabla 2 completa la información de la Table 1, añadiendo la multivariante completa o la versión vector. Los comentarios específicos a esta tabla son: 1. Un problema técnico parece que previene de utilizar los modelos en su formulación estándar, identificado inicialmente por Harvey (1989). El interés en este caso se centra en que, para los datos de pasajeros, es absolutamente necesario estimar diferentes matrices de covarianza de armónicos para poder llegar a un modelo aceptable, debido a que los parámetros constantes producen residuos serialemente correlacionados. Para evitar los problemas de “dimensionalidad”, las estacionalidades son asumidas como independientes entre las variables, esto no es una limitación restrictiva dado que estamos interesados precisamente en tendencias correlacionadas. La Tabla 5 presenta las varianzas finales estimadas para cada armónico y serie temporal, sin dejar lugar a dudas sobre este tema. 2. El efecto de las variables dicotómicas es similar en esencia al de los modelos ARIMA-TF. Los valores más relevantes en este caso son: i) Las variables Price TRAIN experimentan un incremento del 9.79% in febrero de 2013 y otro permanente del 13,55% a partir de marzo de 2013; ii) El efecto sobre los pasajeros aéreos nacionales es de una reducción del 2,43% en febrero, y del a 17,12% tras marzo; iii) El segundo valle de la recesión española produce mayores pérdidas que el modelo ARIMA-TF; en concreto, una pérdida de 537.610 pasajeros hasta enero de 2013 (5.16% del total) y 756.570 de pasajeros por km. de Alta Velocidad (7,26%) hasta mayo de 2013; iv) El AVE Madrid-Barcelona añadió un 5% de pasajeros en febrero de 2008 y un 21.42% después de marzo. 3. Es más relevante el movimiento de tendencias e irregularidades medido por las correlaciones estimadas directamente desde el modelo, véase la Tabla 6. La correlaciones de tendencias entre pasajeros de tren y el resto de variables, una vez que el resto de efectos ha sido tenido en cuenta, es siempre negativa, implicando que a largo plazo el comportamiento del número de pasajeros de ferrocarril se mueve en dirección apuesta a 18 los del resto. Sin embargo, los pasajeros aéreos y el tráfico rodado se mueven en la misma dirección. TRAIN DOMESTIC INTERNATIONAL ROAD Easter Trading Leap Price TRAIN(Feb2013) Price TRAIN(Mar2013-) AVE Barna(Feb2008) AVE Barna(Mar2008-) T2 Eyjafjallajökull Cycle(Mar2008-Nov2009) Cycle(Mar2011-May2013) 11S (TC) 11S Denominator FEB2003 (TC) FEB2003 Denominator DIC2003 (AO) JAN2005 (AO) 0.0763*** 0.0561*** 0.0934** 0.1271*** 0.0495** 0.1941*** -0.0023** 0.0172*** 0.0011* 0.0187** -0.0240* -0.1580*** 0.0406* -0.0022** -0.0064** 0.0671*** -0.0023*** 0.0249** -0.0683*** -0.1829*** -0.7023*** -0.0518* -0.9214*** -0.1116*** -0.1402*** 0.0808*** -0.0457*** -0.0019*** 1000 Q(4) Q(8) Q(12) Q(24) KSL H 1.304 1.027 3.392 4.320 14.603 0.052 (0.279) 0.912 (0.736) 0.892 0.321 0.416 2.091 13.481 0.029 (0.756) 0.855 (0.559) 2.151 3.734 5.088 14.679 32.053 0.056 (0.213) 0.822 (0.466) 0.882 2.281 4.705 10.679 26.704 0.063 (0.089) 0.814 (0.448) Tabla 2. Resultados de la estimación del modelo del vector UC. El formato es idéntico al de la Tabla 3. TRAIN DOMESTIC INTERNATIONAL ROAD Harmonic 12 Harmonic 6 Harmonic 4 Harmonic 3 Harmonic 2.4 Harmonic 2 0.241 0.062 0.173 0.004 0.000 0.005 0.063 0.021 0.033 0.025 0.004 0.014 0.594 0.227 0.024 0.000 0.000 0.002 0.047 0.009 0.015 0.000 0.000 0.016 Tabla 5. Varianzas estimadas para los armónicos estacionales de cada serie temporal. TRAIN DOMESTIC INTERNATIONAL ROAD TRAIN - -0.480 -0.189 -0.603 DOMESTIC 0.993 - 0.235 0.556 INTERNATIONAL 0.982 0.985 - 0.602 ROAD 0.422 0.450 0.403 - Tabla 3.Correlaciones de tendencias estimadas (triángulo superior sombreado) y correlaciones irregulares (triángulo inferior). 19 5. Conclusiones Tras analizar la política de inversiones público-privada del estado español en las últimas décadas, nuestros resultados muestran que el efecto de la política de bajada de precios en los billetes de AVE ha tenido un efecto superior al 13% en el número de pasajeros por km. de Alta Velocidad y larga distancia, pero que ha tenido un efecto negativo sobre el número de pasajeros aéreos totales nacionales de hasta un 20%. Sin embargo, esta medida no ha tenido efecto sobre el tráfico rodado, ni, como era de esperar, sobre el número de pasajeros aéreos internacionales. Sorprendentemente, la medida política, contraria a la anterior, de cargar el coste de los aeropuertos a los pasajeros, mediante la subida de tasas, no ha tenido efecto sobre las variables anteriores. Esto puede ser debido a España sigue siendo uno de los países de la UE con las tasas más bajas (Aceta y López Colmenarejo, 2012). Llama la atención que las grandes inversiones públicas en terminales aéreas y nuevas líneas de HSR tampoco han tenido un efecto significativo en el número de pasajeros, salvo la T2 del aeropuerto de Barcelona y la línea HSR Madrid-Barcelona. Esta última tuvo un efecto negativo sobre los pasajeros por carretera significativo y claramente superior al que tuvo sobre el transporte aéreo nacional. La crisis económica, que en España ha tenido forma de W, ha afectado a los pasajeros nacionales de avión, HSR y a los desplazamientos por carretera, aunque a estas últimas dos categorías sólo le afectó la segunda recesión y no la primera. En resumen, vemos un comportamiento mucho más sensible a la crisis desde el principio en el transporte aéreo nacional que en los otros dos medios de transporte. Sin embargo, ninguna de las principales variables locales testadas, como la crisis económica nacional o los cambios de precios en HSR y tasas aeroportuarias parece haber afectado al transporte aéreo internacional. 20 Desde un punto de vista económico es incompresible que se hay optado por subir las tasas aeroportuarias a la vez que se optaba por bajar los billetes de HSR. Más aún si tenemos en cuenta que España ha tenido tradicionalmente los precios por km más bajos en HSR (Nash, 2009). Dicha estrategia sólo se podría entender en clave socio-política, donde a la vez que optaba por duros recortes públicos en sanidad y educación, o había millones de trabajadores en paro sin protección social se ha optado por seguir ampliando la red de HSR. Concretamente el presupuesto de inversiones ferroviarias en España, donde más del 90% son para HSR, durante la crisis económica (2209-2015) ha superado los 4100 millones de euros al año. Obviamente, dichas inversiones hubieran sido aún más difícil de justificar con la situación de principios de 2012, de completa infrautilización de los trenes, donde al tradicional menor uso de la red española (un quinto de los viajeros por km de otras líneas europeas, o incluso veinte veces menor que la línea Tokyo-Osaka, ver Albalate y Bel, 2011), se sumó el shock negativo de la segunda recesión española (variable Cycle(Mar2011May2013) de la Tabla 1). References: ABC,2010.“Blancoretiraráaloscontroladoresde«almenos»doceaeropuertos españoles”.AbcMadrid,13/1/2010:34-35. ACETAyLópezColmenarejo,M.2012.Lareformadelasinfraestructuras.Cercle d’Infraestructures,CastelletilaGornal,13dejulio2012. Adif,AdministradordeInfraestructurasFerroviarias,2015,Adif - Líneas de Alta Velocidad. Available: http://www.adifaltavelocidad.es/es_ES /infraestructuras/lineas_de_alta_velocidad/lineas_de_alta_velocidad.shtml [2015, 3/3]. Aena, Administrador de Infraestructuras Ferroviarias, 2015. Estadísticas tráfico: pasajeros, operaciones y carga. Available: http://www.aenaaeropuertos.es/ csee/Satellite?Language=ES_ES&pagename=estadisticas[2015,4/3]. Aena,AdministradordeInfraestructurasFerroviarias,2014,Tráfico de pasajeros, operaciones y carga en los aeropuertos españoles, datos provisionales 2013. Available: www.aenaaeropuertos.es/csee/ccurl/894/561/estadisticas_anual_2013_ provisionales.xls [2014,20/7]. 21 Albalate,D.yBel,G.2011,"Wheneconomicsdoesnotmatter:riseandsplendourofthe HighSpeedyRailinSpain", Revista de Economia Aplicada,vol.19,no.55,pp.171190. Albalate,D.yBel,G.2012.TheEconomicsandPoliticsofHigh-SpeedRail.Lexington Books,Plymouth,UK. Ali,T.M.2012,"TheImpactoftheSovereignDebtCrisisontheEurozoneCountries", Procedia - Social and Behavioral Sciences,vol.62,no.0,pp.424-430. Annema,J.A.yDeJong,M.2011.“TheHistoryoftheTransportFuture—Evaluating DutchTransportScenariosofthePast”.Transport Reviews,vol.31,no.3,pp.341– 356. Banister, D. y Berechman, J. 2003. Transport Investment and Economic Development. UCL Press, London, UK. Beyzatlar, M.A., Karacal, M. y Yetkiner, H. 2014. “Granger-causality between transportationandGDP:Apaneldataapproach”.Transportation Research Part A, vol.63,pp.43–55. Castillo-Manzano,J.I.,Pozo-Barajas,R.yTrapero,J.R.2015.“Measuringthesubstitution effectsbetweenHighSpeedRailandairtransportinSpain”.Journal of Transport Geography, Vol.43,pp.59-65. Cowie,J.yLoynes,S.2012.“AnassessmentofcostmanagementregimesinBritishrail infrastructureprovision”.Transportation,vol.39,no.6,pp.1281-1299. Dargay,J.,Gately,D.ySommer,M.2007.“Vehicleownershipandincomegrowth, worldwide:1960–2030”.Energy Journal,vol.28,no.4,pp.143–190. delaPeña,E.2014.ElGobiernoprivatizaelAVEMadrid-LevanteyunapartedeAENA. Cadena Ser, 13/6/2014. Available: http://www.cadenaser.com/ economia/articulo/gobierno-privatiza-ave-madrid-levante-parte-aena/ csrcsrpor/20140613csrcsreco_3/Tes[2014,28/7]. Ding,C.2013.“TransportDevelopment,RegionalConcentrationandEconomicGrowth”. Urban Studies,vol.50,no.2,pp.312–328. Durbin,J.yKoopman,S.J.2001.TimeSeriesAnalysisbyStateSpaceMethods.Oxford StatisticalScienceSeries,no.24.OxfordUniversityPress. El País, 2014. Juncker lo apuesta todo al plan inversor. Available: http://economia.elpais.com/economia/2014/11/21/actualidad/1416600213_746 428.html[2015,18/1]. Efe,2013.ElbilletegeneraldelAVEseráun11%másbarato.Available: http://www.elmundo.es/elmundo/2013/01/29/economia/1359459315.html [2015,4/3]. Ferreiro,J.,Gómez,C.ySerrano,F.2013.“MistakesintheFiscalPolicyinSpainbefore theCrisis”.Panoeconomicus,vol.60,no.5,pp.577-592. García,P.2013.DescalabrocomercialdeRenfe:labajadadepreciosdelAVEdisparalas pérdidas en 2013. Vozpópuli.com 9/10/2013. Available: http:// vozpopuli.com/economia-y-finanzas/32862-descalabro-comercial-de-renfe-labajada-de-precios-del-ave-dispara-las-perdidas-en-2013[2014,28/7]. Gillen,D.yMantin,B.2014.“Theimportanceofconcessionrevenuesintheprivatization ofairports”.Transportation Research Part E,vol.2014,pp.164–177. Harvey,A.,1989.ForecastingStructuralTimeSeriesModelsandtheKalmanFilter. CambridgeUniversityPress. Hong,J.,Chu,Z.yWang,Q.2011.“Transportinfrastructureandregionaleconomic growth:evidencefromChina”.Transportation,vol.38,pp.737–752. 22 Jiménez,J.L.yBetancor,O.2012,"Whentrainsgofasterthanplanes:Thestrategic reactionofairlinesinSpain",Transport Policy,vol.23,no.0,pp.34-41. Kalman,R.E.1960.“ANewApproachtoLinearFilteringandPredictionProblems”. Transactions of the ASME--Journal of Basic Engineering,vol.82,no.D,pp.35-45. Kim,E.2002.“DeterminantsofOptimalLevelofTransportationInfrastructure”.Journal of Urban Planning and Development,vol.128,no.3,pp.150–163. Köhler,J.,Jin,Y.yBarker,T.2008.“IntegratedModellingofEUTransportPolicy”. Journal of Transport Economics and Policy,vol.42,no.1,pp.1–21. Leruth, L.E. 2012. “Public-Private Cooperation in Infrastructure Development: A Principal-AgentStoryofContingentLiabilities,FiscalRisks,andOther(Un)pleasant Surprises”.Networks and Spatial Economics,vol.12,pp.223–237. Levinson,D.,Xie,F.yOcel.N.M.2012.“ForecastingandEvaluatingNetworkGrowth”. Networks and Spatial Economics,vol.12,pp.239–262. Lozano,S.yGutiérrez,E.2011.“EfficiencyAnalysisandTargetSettingofSpanish Airports”.Networks and Spatial Economics,vol.11,no.1,pp.139-157. Martin,J.C.yNombela,G.2007,"Microeconomicimpactsofinvestmentsinhighspeed trainsinSpain",Annals of Regional Science, vol.41,no.3,pp.715-733. Martín,J.C.,Rodríguez-Déniz,H.yVoltes-Dorta,A.2013.“Determinantsofairportcost flexibilityinacontextofeconomicrecession”.Transportation Research Part E,vol. 57,pp.70–84. MinisteriodeFomento,2014a,Tráfico en autopistas estatales de peaje.Available: http://www.fomento.gob.es/BE/?nivel=2&orden=06000000[2014,24/7]. MinisteriodeFomento,2014b,Transporte por ferrocarril. Renfe Operadora.Available: http://www.fomento.gob.es/BE/sedal/07201000.XLS [2014,3/3]. Nash,C.2009.“WhentoInvestinHigh-SpeedRailLinksandNetworks?”JointTransport ResearchCentre,DiscussionPaperNo.2009-16. Ohri,M.2012.“DiscussionPaper:AirportPrivatizationinIndia”.Networks and Spatial Economics,vol.12,pp.279–297. Pagliara,F.,Vassallo,J.M.yRomán,C.2012.“High-SpeedRailVersusAirTransportation: CaseStudyofMadrid–Barcelona,Spain”.Transportation Research Record: Journal of the Transportation Research Board,vol.2289,pp.10-17. Pedregal,D.J.yYoung,P.C.2002.Statisticalapproachestomodellingandforecasting timeseries.M.Clements,D.Hendry(Eds.),CompaniontoEconomicForecasting, BlackwellPublishers. Proost,S.,Dunkerley,F.,VanderLoo,S.,Adler,N.,Bröcker,J.yKorzhenevych,A.2014. “DotheselectedTransEuropeantransportinvestmentspassthecostbenefittest?” Transportation,vol.41,pp.107-132. Román,C.yMartín,J.C.2011.“SpecialIssueonNewFrontiersinAccessibilityModelling: TheEffectofAccessTimeonModalCompetitionforInterurbanTrips:TheCaseof theMadrid-BarcelonaCorridorinSpain”.Networks and Spatial Economics,vol.11, pp.661–675. Romero,A.2014.“Elgobiernoultimaconlabancaelacuerdopararescatarlas autopistas”.ElPaís,24/7/2014:28. Romero,J.M.yMéndez,R.2012.“Elfiascodelasautopistasdepeajedejayaunagujero de3.800millones”.ElPaís,25/6/2012:10. Rostow,W.W.,1960.Lasetapasdelcrecimientoeconómico:unmanifiestonocomunista. FondodeCulturaEconómica,México. RoyalThaiEmbassy,2015.MegaprojectofThailandMinistryofTransportation. Available:http://bic.thaiembassy.sg/node/188[2015,18/1]. 23 RuizdelÁrbol,A.2013.UnodecadacuatrotrayectosdelAVEsolotieneunpasajeroal día.ElDiario.es,14/4/2013.Available:http://www.eldiario.es/economia/RenfeAVE-Tardienta-Puente_Genil_0_121438139.html[2014,27/7]. Trachanas,E.yKatrakilidis,C.2013,"Fiscaldeficitsunderfinancialpressureand insolvency:EvidenceforItaly,GreeceandSpain",Journal of Policy Modeling,vol.35, no.5,pp.730-749. Urrutia,C.2013.“MientrasBarajassequedavacío...elAVEresucitalasestaciones”.El Mundo,9/10/2013:30. Utsunomiya,M.yHodota,K.2011.“FinanciallessonsfromAsianexperiencein constructingandoperatinghighspeedtrainnetworks”.Transportation,vol.38,pp. 753–764. Voltes-Dorta,A.yPagliari,R.2012.“Theimpactofrecessiononairports’costefficiency”. Transport Policy,vol.24,pp.211–222. 