Курсовая работа: Факторы, влияющие на назначение разных цен на одинаковые товары

· Averagepriceonthemostvariableprices (EUR). Из отсортированной выборки, на основе расчета стандартного отклонения для каждого товара, были отобраны 10000 товаров с наибольшим стандартным отклонением и рассчитано арифметическое среднее. В данной категории цен ценовая дискриминация (разница в ценах) более очевидна;

· Averageprice (geometric) (EUR). Среднее геометрическое по ценам на 152602 наименования товара по каждой стране;

· Average price relative to Italy (EUR). Данный показатель рассчитывался как частное между средним арифметическим по всем цена по каждой стране и средним арифметическим по ценам в Италии. Данный показатель важен для оценки отклонений в ценах от страны-продавца;

· Averagetimetodeliver. Данный показатель отображает среднее количество дней, необходимых для доставки покупателю;

· Averagecostofdeliver. Данный показатель отображает среднюю стоимость доставки, которая оплачивается за «последнюю милю» - доставку от склада «до двери»;

· Freeship. Возможность бесплатной доставки;

· Distance from Italy to buyers (km). Прямое географическое расстояние между Складом в Милане и столицей страны-покупателя;

· Lastmile (km). Длина «последней мили». Рассчитывалась как географическое расстояние между ближайшим «хабом» и столицей страны-покупателя;

· Fulldeliverydistance (km). Полное расстояние, необходимое для доставки товара от склада в Милане до страны-покупателя, в том числе через «хабы»;

· GDPpercapita (PPP). ВВП на душу населения, конвертируемый в евро и рассчитанный с учетом ППС (Паритета покупательских способностей) на 2017 год;

· GNI per capita (PPP)(EUR). Валовый национальный доход на душу населения, конвертируемый в евро и рассчитанный с учетом ППС (Паритета покупательских способностей) на 2017 год;

· Population. Численность населения на 2017 год;

· IndexGini. Индекс Джини - показывает степень неравенства доходов населения. Из-за отсутствия достаточных и актуальных данных в открытом доступе, в статистическую выборку были включены показатели разных годов;

· Mobilephoneson 100 people. Количество мобильных телефонов на 100 человек на 2017 год;

· Urbanpopulation (% oftotal). Процент жителей городов от общего числа населения на 2017 год;

· Individuals using the Internet (% of total).Процент числа населения, пользующегося интернетом на 2017 год;

· Totalexport (mill. EUR). Общий экспорт из страны в миллионах Евро на 2017 год;

· Totalimport (mill. EUR). Общий импорт в страну в миллионах Евро на 2017 год;

· Import of clothes from Italy (mill. EUR). Импорт одежды (коды 61,62,64) в страну из Италии на 2017 год в миллионах Евро.

Все переменные приведены к единой валюте - Евро, из расчета курса на конец 2017 года равному 1,2 Доллара за один Евро. Информация о ценах на реализуемые товары компанией Yooxдоступны на официальном сайте интернет-магазина[22]. В результате были получены данные по 97 странам по 24 показателям. Оценка модели производится в программе EViews.

2.5 Эмпирическая оценка модели

2.5.1 Оценка модели влияния географических факторов на цену товара

В целях осуществления более полного анализа ценовой дискриминации были подобраны несколько видов моделей, которые учитывают географическое влияние, экономическое (социальное) и комбинированное влияние различных факторов. В качестве зависимой переменной была взята средняя цена товара для определенной страны. Также были рассмотрены средние цены для разных сегментов товаров: дешевые товары, средней ценовой категории и наиболее дорогие. Однако в процессе работы с разрабатываемой моделью, оказалось, что в целом получаемые результаты изменяются незначительно. Поэтому в данной работе рассматриваются модели с зависимой переменной в виде средней цены товара.

В целях анализа наличия ошибок в данных, в приложении 1 приведена таблица с описательной статистикой данных по географическим показателям. В значениях переменных не должно быть отрицательных значений, так как не использовались какие-либо показатели динамики, изменений и прироста. Поэтому каких-либо ошибок в расчетах не обнаружено.

Согласно матрице корреляций (приложение 2), наибольший коэффициент корреляции (0,96) наблюдается между следующими переменными: «FulDist» - полное расстояние для доставки товара и «DistfromItaly» - прямое расстояние между Миланом (Италия) и страной назначения. Это связано с тем, что данные переменные отображают примерно одну и ту же информацию: расстояние от страны-продавца до страны-покупателя. Однако показатель «FullDist» более точно учитывает дистанцию. Также переменная «LastMile» входит в расчет полного расстояния, соответственно в данной ситуации наблюдается эндогенность. Поэтому, переменные «LastMile» и «DistfromItaly» не будут одновременно включаться в модель с переменной «FullDist». Учитывая данные особенности, были опробованы несколько видов моделей. Результаты оценки моделей представлены в таблице 4.

Таблица 4

Оценка МНК моделей, учитывающих географическое влияние

0,002***

(0,001)

Возможность бесплатной доставки (FS)

7,62

(5,72)

-

-

15,49***

(5,59)

Дистанция «последней мили» (LastMile)

-0,006***

(0,001)

-0,03***

(0,01)

-

-

Количество наблюдений

96

96

96

96

0,53

0,48

0,33

0,36

Adjusted

0,50

0,46

0,30

0,34

F статистика

20

[0]

21,4

[0]

14,77

[0]

12,92

[0]

Примечание: *** - коэффициент значим на 1% уровне значимости, **-5%, *-10%

С целью корректировки стандартных ошибок, из-за наличия гетероскедастичности в моделях, данные в моделях представлены с учетом поправок «Huber-White».

Наиболее адекватной моделью, описывающей зависимость между ценой и географическими факторами, является «Модель 1». Данная модель имеет линейный вид и отличительной особенностью является то, что в ней учитывается влияние двух видов расстояний: от Италии до страны назначения и длина «последней мили». Модель с коэффициентами, оцененными методом наименьших квадратов, выглядит следующим образом:

где AVP - средняя цена товара, ADC - средняя стоимость доставки транспортной компанией, ADT - среднее время для осуществления доставки, DistFromItaly - расстояние от Италии до страны-назначения, FS - возможность бесплатной доставки (бинарная переменная), LastMile-длина «последней мили».

В полученной модели цена начинается с уровня равному 226,05 Евро, что немного меньше чем средний уровень цен в целом. Средняя стоимость доставки оказалась незначимой, что подтверждает факт отнесения данного вида затрат на потребителя. Поэтому стоимость доставки действительно не включается в стоимость предлагаемого товара.

При увеличении среднего срока доставки на 1 день, цена будет вырастать на 4,18 Евро. Данный факт вызвал наибольший интерес. В целом, в большинстве стран средний срок доставки составляет от 3 до 5 дней. То есть рост цены, в зависимости от срока доставки, будет составлять от 12,54 до 20,9 Евро. Однако был обнаружен весьма интересный факт. Для стран постсоветского пространства: Армения, Азербайджан, Беларусь, Казахстан, Киргизстан, Российская Федерация, Таджикистан, Туркменистан, Узбекистан средний срок доставки составляет 14 дней, соответственно средняя цена вырастет в среднем на 58,52 евро, что в разы больше по сравнению с другими странами. Было обнаружено, что именно в эти страны доставку осуществляет только компания EMS. Также стоит отметить, что эти страны располагаются относительно недалеко от Италии, но сроки доставки весьма высокие, а средняя стоимость доставки равна 30 Евро, что соответствует среднему уровню всех стран. Можно предположить, что компания Yoox имеет ряд соглашений между компаниями, осуществляющими доставку. Примерно во всех странах средняя стоимость доставки сохраняется на уровне 27,44 Евро, при этом «последняя миля», которая оплачивается именно покупателями, варьируется от нескольких километров (страны, где присутствуют «хабы») до 9 000 километров. Соответственно и стоимость доставки должна значительно изменяться, чего не наблюдается. К примеру: средняя стоимость доставки до Парагвая составляет 30 евро, при «последней миле» равной 7593 километра. Чтобы доставить товар до Сербии, для которой оплачиваемое расстояние равно 886 километров, покупателю придется заплатить в среднем также 30 евро. Поэтому можно подразумевать, что затраты на доставку в более дальние страны компенсируются за счет более «близких» покупателей. Так как доставка оформляется сразу же на веб-сайте компании Yoox, при покупке товара, можно предположить, что онлайн-ритейлер мог взять на себя роль регулятора затрат на доставку. Чтобы покупатели из любых стран могли видеть примерно равную стоимость доставки, компания Yoox включает часть издержек, понесенных компаниями EMS и UPS, в цену и уплачивает им определенную плату. Учитывая высокие сроки доставки для постсоветских стран, которые географически близко находятся с центральным складом компании Yoox, можно говорить о сложностях транспортировки товаров. Из-за неразвитости транспортной, складской и прочей инфраструктуры, отсутствия эффективной системы управления цепями поставок, а также наличия дополнительных посредников, стоит ожидать и значительного роста стоимости доставки. Поэтому, с целью выравнивания стоимости пересылки товара, в цену включается большая компенсация. При росте «последней мили» на 1 км, цена снижается в среднем на 0,01 Евро. Это частично подтверждает предположение о том, что компенсация и выравнивание стоимости доставки происходит не за счет стран, в которые географически далеко и сложно организовывать пересылку товара.

Также ожидалось, что внутренний логистический поток, который выражается в расстоянии от центрального склада в Милане «хаба» каким-либо образом будет отражаться на цене, так как эти затраты должна нести сама компания Yoox. Именно полную схему доставки отражали модели 3 и 4, которые слабо описывают зависимость. Однако в рассматриваемой модели 1, при росте дистанции между Италией и страной назначения на 1 километр, цена растет в среднем на 0,01 Евро. Однако данное значение весьма незначительно, поэтому предположение о том, что компания Yoox включает в цену затраты на перемещение между собственными инфраструктурами, не нашло подтверждений.

Коэффициент перед переменной «FS» - возможность бесплатной доставки оказался незначимым. Однако влияние данного фактора было рассмотрено вне эмпирической оценки модели. Так, средняя цена товара для тех стран, которые не имеют возможности получить доставку бесплатно, составляет 230,29 Евро. В странах, в которых при соблюдении некоторых условий (минимальная сумма заказа, количество товаров в одном заказе, общее количество заказов за определенный период) существует возможность бесплатной доставки, средняя цена равна 240,6 Евро.

Это может свидетельствовать тому, что взаимосвязь межу условиями доставки и ценой товара может существовать. В этом случае «бесплатность» доставки частично отражается в росте цены самого товара.

Таким образом, на основе эмпирической оценки модели, которая учитывает географическое влияние на цену товара, можно говорить о существующей взаимосвязи между условиями (стоимостью) доставки и стоимостью самого товара.

2.5.2 Оценка модели влияния экономических (социальных) факторов на цену товара

Проанализировав результаты исследования «IncomeDifferencesandPricesofTradables: InsightsfromanOnlineRetailer» [18], в котором также анализируется онлайн-ритейлер, возникла необходимость оценки влияния различных макроэкономических показателей. К примеру, автор обнаружил, что цена на продаваемые товары зависит от доходов на душу населения, а также существует положительная связь с индексом Джини.

В приложении 3 представлена описательная статистика по отобранным показателям. В целом ошибок в данных не обнаружено. Согласно матрице корреляции (приложение 4), наибольшее значение коэффициента корреляции (0,96) наблюдается между переменными: «GDPPC» - ВВП на душу населения, рассчитанный по ППС и «GNIPC» - Валовый доход на душу населения, рассчитанный по ППС. Данные переменные будут использованы в разных моделях. Результаты оценки моделей представлены в таблице 5.

Таблица 5

Оценка МНК моделей, учитывающих экономические и социальные факторы

С целью корректировки стандартных ошибок, из-за наличия гетероскедастичности в моделях, данные в моделях представлены с учетом поправок «Huber-White».

В ходе выбора наиболее подходящей и адекватной модели, описывающей взаимосвязь между ценой и рядом факторов, обнаружилось, что такие показатели как:процент числа населения, пользующегося интернетом, процент жителей городов от общего числа населения, количество мобильных телефонов на 100 человек, как правило, являются незначимыми и их включение не вносит сильных изменений в модель. Поэтому было принято решение не включать данные показатели при оценке моделей.