Multilayer network approach and route entry in the airline industry

The aim of this work is to propose a model to better understand the dynamics of entry decisions of airline companies, by including measures derived by the analysis of complex networks. In airline economics, the role of network structure is well known, especially because of the tendency of carriers to prefer a hub-and-spoke system. To analyze networks, I will use the approach known in literature as multilayer network. It consists in decomposing the overall network structure in layers, one for each of the competing airlines. In the empirical part, I will use the model for dynamic binary choice panel data proposed by Wooldridge (2005) to analyze entry decisions of carriers operating in the United States domestic market, with the inclusion of variables borrowed from multilayer network analysis. The main findings of this work are that network variables significantly enhance the predictive capabilities of entry models, in particular the variables that measure the correlation between layers.

Lo scopo di questo lavoro è proporre un modello capace di esaminare le dinamiche delle decisioni di entrata delle compagnie aeree, attraverso l’inclusione di misure che derivano dall’analisi dei network complessi. Nell’economia dei trasporti aerei, il ruolo della struttura dei network è ben riconosciuto, specialmente a causa della tendenza delle compagnie a preferire un sistema “Hub-and-spoke”. Per analizzare i network, utilizzerò un approccio noto in letteratura come “multilayer network”. Consiste nello scomporre la struttura complessiva dei network in layers, uno per ognuna delle compagnie che competono sul mercato. Nella parte empirica, userò il modello dinamico a scelta binaria per dati panel proposto da Wooldridge (2005) per analizzare le decisioni delle compagnie che operano nel mercato domestico degli Stati Uniti, con l’inclusione di variabili ottenute dall’analisi dei multilayer network. I principali risultati di questo lavoro sono che le variabili relative ai network aumentano significativamente le capacità di previsione dei modelli di entrata, in particolare le variabili che misurano la correlazione tra i layer.