Strategie cenowe i lokalizacyjne na rynku dystrybucji paliw

Strategie cenowe i lokalizacyjne na rynku dystrybucji paliw w Polsce
Wojciech Dorabialski, WSHiFM
Kwiecień 2007
wersja wstępna, niekompletna
1. Wstęp
Celem niniejszej pracy jest zbadanie strategii wejścia na rynek i strategii cenowych firm
działających na polskim rynku dystrybucji paliw. Rynek dystrybucji paliw stanowi dobry
przedmiot takiego badania z kilku przyczyn. Po pierwsze, rynek ten charakteryzuje się dużą
homogenicznością produktów. Obecność sieci stacji paliw pozwala na zaobserwowanie skutków
decyzji o wejściu na nowe rynki. Polski rynek stacji paliwowych cechuje się dużym tempem
wzrostu (w segmencie interesującym nas), wysokim stopniem koncentracji udziałów w rynkach
lokalnych, a także wysokim stopniem koncentracji na rynku dostawców paliw. Czynniki te z
jednej strony ułatwiają analizę empiryczną, z drugiej zaś stwarzają warunki do zachowań
lokalizacyjnych i cenowych o charakterze strategicznym (niedoskonale konkurencyjnym).
Naszym zamiarem jest wykrycie tego objawów tego typu zachowań i dokonanie oceny ich
zakresu. Dodatkowym argumentem za zbadaniem rynku paliw jest fakt, że przejawy zachowań
oligopolistycznych wykryto na rynku dystrybucji paliw w USA, mimo, iż występujące tam marże
są dużo niższe od tych na rynku polskim.
1
2. Przegląd literatury
Praca wpisuje się w dwa nurty empirycznych badań rynków. Pierwszy z tych nurtów zajmuje się
pomiarem siły rynkowej (konkurencyjności rynków) na postawie danych o cenach. Metodologia
wprowadzona przez Bresnahan’a (1982) pozwala na oddzielenie wpływu czynników popytowych
(elastyczności popytu) od czynników strategicznych na marże. Zastosowanie tej metody wymaga
jednak znalezienia właściwych zmiennych instrumentalnych i w zasadzie da się zastosować
jedynie do danych w postaci szeregów czasowych (zob. Genesove i Mullin (1998), Wolfram
(1999)). Jeśli idzie o rynek dystrybucji paliw, w badaniach przeprowadzanych dla Stanów
Zjednoczonych wykorzystywano dane o cenach w postaci szeregów czasowych w na różne
sposoby. Borenstein i Shephard (1996) badali reakcje marż detalicznych na zmiany oczekiwań
popytowych i kosztowych. Znaleźli oni dowody na zachowanie zgodne z modelem cichej zmowy
kartelowej Rottenberga-Salonera, mimo, iż koncentracja udziałów w rynku oraz przeciętny
poziom marż na rynku dystrybucji paliw w USA jest niski. Zupełnie inne podejście
zaprezentowała Slade (1987). Na podstawie danych z lokalnego rynku dystrybucji paliw
wyestymowała fukcje popytu, kosztów, oraz funkcje reakcji firm. Wykazała, że firmy ustalają
ceny powyżej poziomu równowagi Nasha gry statycznej, co oznacza, że mamy do czynienia z
cichą zmową. Karrenbrock (1991) oraz Borenstein, Cameron i Gilbert (1997) badali mechanizm
transmisji cen na różnych poziomach produkcji i dystrybucji paliw. Wykryli oni asymetrię reakcji
zmian cen produktów t na zmiany cen półproduktów; na przykład cena detaliczna benzyny
reaguje szybciej na wzrosty niż na spadki ceny hurtowej. Ta asymetria jest przejawem posiadania
siły rynkowej przez dystrybutorów paliw. Zupełnie inne podejście zaprezentowała Slade (1987).
Na podstawie danych z lokalnego rynku dystrybucji paliw wyestymowała fukcje popytu,
kosztów, oraz funkcje reakcji firm. Wykazała, że firmy ustalają ceny powyżej poziomu
równowagi Nasha gry statycznej, co oznacza, że mamy do czynienia z cichą zmową.
Drugi nurt literatury dotyczy strategii wejścia na rynek. Przykłady prac empirycznych na ten
temat nie są liczne, z uwagi na fakt, że niewiele jest przypadków, w których można uzyskać
odpowiednie dane. Toivanen i Waterson (2001) zbadali strategie wejścia dwóch największych
sieci fast-food na 452 lokalne rynki w Wielkiej Brytanii. Firmy te stasują ujednolicone
geograficznie ceny, co znacznie upraszcza problem. Z wykorzystaniem modelu regresji
probitowej na danych panelowych udało się stwierdzić występowanie efektu uczenia się od
2
konkurenta; obecność konkurencyjnej sieci na danym rynku zwiększa prawdopodobieństwo
wejścia na ten rynek.
Praca Bresnahana i Reissa (1991) była pionierską w dziedzinie badania wpływu wejścia na rynek
na poziom konkurencji (cen). Przeanalizowali oni dane dotyczące 5 profesji w 202 małych i
odizolowanych geograficznie rynków. Okazuje się, że zależność między poziomem koncentracji
a cenami jest różna dla różnych profesji, ale wspólną cechą jest fakt, że wejście drugiej firmy na
rynek ma największy wpływ na poziom cen, podczas gdy wejście dodatkowych firm podniosło
znacząco na poziomu konkurencji na rynkach, na których już funkcjonuje 3 lub więcej firm.
Metodologia stworzona przez Bresnahan i Reissa jest o tyle ciekawa, że do zbadania efektów
związanych z wejściem na rynek wykorzystuje dane statyczne, o obecnej liczbie firm na rynku, a
nie dynamiczne, opisujące proces wejścia, a o poziomie konkurencji wnioskuje się również na
podstawie konfiguracji rynkowej nie na podstawie faktycznych cen czy marż. Model estymuje się
przy założeniu, że rynki znajdują się w równowadze długookresowej.
Mazzeo (2002) rozwinął metodologię Bresnahana-Reissa wprowadzając element wyboru
poziomu jakości przez frmy na rynku zróżnicowanych produktów. Zbadał on decyzje wejścia i
wyboru jakości produktu na 492 oligopolistycznych, geograficznie odizolowanych rynkach
(rynek przydrożnych moteli) i między innymi wykazał, że nowe firmy mają silny bodziec do
zróżnicowania swojego produktu w stosunku do produktu firm zasiedziałych.
3. Rynek dystrybucji paliw w Polsce.
Paliwa sprzedawane na polskich stacjach pochodzą z rafinerii polskich i zagranicznych.
Największym graczem na rynku jest PKN Orlen. Jego udział w produkcji i w sprzedaży hurtowej
paliw samochodowych w Polsce wynosi ok. 70%. Pozostałe 30% udziału w produkcji posiada
Grupa Lotos. Pod względem ilościowym w ostatnich latach, import mniej-więcej bilansował się z
eksportem (ok. 10% produkcji krajowej), importowane paliwa nie stanowiły zatem dużego
zagrożenia dla krajowych potentatów w sprzedaży hurtowej. Sytuacja na rynku detalicznym
wygląda nieco inaczej, choć i tutaj PKN Orlen posiada pozycję lidera.1 Sieć tej firmy liczy ok.
1
W styczniu 2007 roku PKN Orlen został ukarany przez UOKiK za wykorzystywanie pozycji dominującej na rynku
glikolu. Istotną przesłanką podjęcia ww. decyzji był fakt posiadania przez PKN Orlen pozycji lidera w dystrybucji
paliw.
3
1900 stacji. Drugim pod względem liczby stacji operatorem jest Grupa Lotos z ok. 360 stacjami.
Trzy największe międzynarodowe sieci dystrybucji, BP, Stell i Statoil, posiadają odpowiednio
300, 250 i 230 stacji. W następnej kolejności należy wymienić mniejsze sieci krajowe i
międzynarodowe posiadające po kilkadziesiąt stacji (Neste24, Jett), oraz stacje należące do
supermarketów wielkopowierzchniowych. Liczbę stacji niezależnych ocenia się na 3000, jednak
wiele z nich zaprzestało działalności lub przekwalifikowało się na dystrybucję gazu LPG.)
Niestety, brak danych co do udziałów rynku pod względem sprzedaży. W branzy panuje jednak
opinia, że największymi obrotami cieszą się nowoczesne stacje sieci międzynarodowych i stacje
przy supermarketach. W następnej kolejności są stacje Lotosu2, a PKN Orlen i niezależni
dystrybutorzy maja przeciętnie najniższe obroty. W ostatnim czasie Orlen zmniejszał liczbę
stacji, jednocześnie modernizując pozostałe. Pozostałe sieci rozwijały się dość dynamicznie.
Poniższa tabela przedstawia dynamikę wzrostu sieci Statoil i Shell.
Tabela 1. Liczba stacji Statoil i Shell w latach 1993-2004
Źródło: www.shell.pl oraz www.statoil.pl
Skutkiem tego jest malejący udział PKN Orlen a rosnący udział sieci międzynarodowych w
krajowym rynku dystrybucji paliw, co ilustruje Tabela 2.
2
„Władze Lotosu, kupując stacje Esso, zapewniają, że sprzedają one najwięcej paliwa [...] 40 proc. więcej niż stacje
gdańskiej grupy” – czytamy w artykule Agnieszki Łakomej, „Lotos przejmuje stacje Esso”, Rzeczpospolita,
25.08.2005
4
2000
2001
2002
2003
2004
2005
Grupa ORLEN
32%
31%
29%
26%
25%
25%
Grupa Lotos
4%
5%
5%
5%
5%
5%
BP
2%
2%
4%
4%
4%
4%
Statoil
2%
2%
3%
3%
3%
3%
Shell
2%
3%
3%
3%
3%
3%
Jet
1%
1%
1%
1%
1%
1%
Hipermarkety
b.d.
0%
0%
0%
0%
1%
Niezależne
54%
53%
54%
57%
57%
57%
Tabela 2. Udziały w rynku dysrybucji paliw.
Źródło: www.orlen.pl
Ogólna liczba zarejestrowanych pojazdów w Polsce rośnie systematycznie, z 11,2 milionów w
roku 1995 do 16,7 milionów w roku 2004 (Źródło: Rocznik Statystyczny GUS, 2004).Co
ciekawe, pomimo wzrostu liczby zarejestrowanych pojazdów, ogólna wielkość sprzedaży paliw
w Polsce spadała w ostatnich latach i trend ten powinien się utrzymać w przyszłości. Jest to
skutek głównie zwiększonej wydajności nowoczesnych silników oraz zwiększenia proporcji
użytkowników nie-biznesowych, oraz rosnących cen paliw.
5
Tabela 3. popyt i podaż benzyn w Polsce.
Źródło: Prognozy PKN Orlen na bazie danych z Agencji Rynku Energii, Polskiej Organizacji
Gazu Płynnego oraz Nexant.
Tym niemniej wysoki segment rynku dystrybucji paliw czeka dalszy wzrost. W Polsce nadal
brakuje nowoczesnych wygodnych stacji, wyposażonych w toalety, sklepiki, bufety, myjnie itp.
Zdaniem prezesa Nafty Polskiej, w najbliższych latach przybywać będzie po ok. 100 stacji
rocznie, gdyż „w najbliższym czasie na stacjach będą rozwijać się usługi niekoniecznie związane
ze sprzedażą paliw, jak np. bary i sklepy [...] w krajach zachodnich usługi niezwiązane z
paliwami stanowią 50 proc. działalności stacji benzynowych, u nas jest to zaledwie 10 proc.
[]”(Źródło: komunikat serwisu e-petrol z dn. 5.05.2005)
4. Dane i metodologia badania.
Naszym celem jest zidentyfikowanie determinantów decyzji cenowych i lokalizacyjnych stacji
benzynowych należących do sieci międzynarodowych. Cel ten jest umotywowany zarówno
względami naukowymi jak i praktycznymi. O strony naukowej, supienie się na sieciach pozwoli
6
na przyjęcie założeń o jednolitej strategii danej sieci. Jak pokażemy niżej, strategie
poszczególnych sieci mogą różnić się znacząco.
Obserwując decyzje podejmowane wewnątrz tej samej sieci, będziemy w stanie odczytać
faktyczną strategię sieci, zamiast uśrednionych skutków decyzji niezależnych podmiotów.3 Jeśli
idzie o strategie cenowe, wzorując się na pomyśle Toivanena-Watersona, zakładamy, że sieć
stosuje tę samą strategię cenową na wszystkich rynkach lokalnych. Obserwowalne różnice w
charakterystyce tych rynków pozwolą nam na odczytanie ukrytej strategii sieci. Podobnie w
przypadku strategii wejścia, zakładać będziemy, że w każdym okresie sieć decyduje się na
wejście na rynki, które przekroczyły próg oczekiwanego zysku. To pozwoli nam odczytać w jaki
sposób sieci formułują oczekiwania o zyskach.
Jednym z kluczowych problemów jest ustalenie granic rynków w sensie geograficznym.
Ponieważ w naszym badaniu niezbędne są dane charakteryzujące te rynki, musieliśmy przyjąć
któryś z poziomów podziału administracyjnego kraju. Poziom województwa jest zdecydowanie
zbyt wysoki. Pozostaje zatem wybór między poziomem powiatu i poziomem gminy. Gminy
wydają się zbyt małe z kilku względów. W zdecydowanej większości gmin popyt jest zbyt mały,
aby podtrzymać przy życiu nowoczesną stację benzynową. Jeśli zatem sieć decyduje się na
otwarcie stacji w konkretnej gminie, zwykle liczy na przyciągnięcie popytu z gmin sąsiednich lub
jeszcze odleglejszych. Zróżnicowanie wielkości (liczby ludności) gmin jest dużo większe niż
powiatów. W związku z tym przyjmujemy, że rynkami lokalnymi są powiaty. Jest to założenie
mocno upraszczające. Z jednej strony wszystkie badane przez nas stacje są zlokalizowane przy
drogach krajowych, a więc popyt ze strony mieszkańców innych powiatów może mieć duże
znaczenie. Co gorsza, udział popytu „zewnętrznego” w obrotach może być silnie zróżnicowany
pomiędzy stacjami. O tym, że powiat nie jest do końca właściwym rynkiem, świadczy fakt, że tej
ceny na stacjach samej sieci zlokalizowanych w tym samym powiecie często nie są identyczne.
Zróżnicowanie cen (odchylenie standardowe) wewnątrz powiatu dla tej stacji samej sieci jest
jednak dużo mniejsze niż zróżnicowanie cen pomiędzy powiatami (średnio 0.027 wobec 0.078)
3
O ile decyzje o wejściu na rynek są de facto podejmowane centralnie wewnątrz sieci, o tyle decyzje o poziomie cen
na lokalnych rynkach podejmowane są wspólnie przez centralę oraz lokalnego operatora.
7
4.1. Dane
Dysponujemy danymi pochodzącymi z 3 źródeł.
1. Charakterystyki rynków (dane demograficzne, infrastruktura drogowa, liczba pojazdów),
pochodzą z Banku Danych Regionalnych GUS.
2. Dane o lokalizacji i datach otwarcia stacji stacji Shell i Statoil pochodzą z serwisów
internetowych tych firm. Dla sieci BP udało się zdobyć jedynie lokalizacje stacji.
3. Dane o cenach na stacjach Shell i Statoil zostały zebrane samodzielnie metodą wywiadów
telefonicznych.
Bank danych regionalnych jest cennym źródłem informacji o powiatach, jednak nie jest zbiorem
idealnym. Nie zawiera on na przykład danych dotyczących dochodów ludności (takie dane
dostępne są jedynie na poziomie krajowym i wojewódzkim), a te są głównym czynnikiem
determinującym elastyczność popytu na paliwo. Dane o tele-adresowe z serwisów sieci stacji
również okazały się nie w pełni wiarygodne (z kilkunastoma stacjami nie udało się skontaktować
telefonicznie). Posiadamy dane o cenach benzyny bezołowiowej E95, zebrane podczas jednego
weekendu (sobota-niedziela) w lutym 2005. Dane postanowiliśmy zebrać podczas weekendu z
kilku względów. Po pierwsze, ceny paliw zmieniają się często, czasem kilka razy w ciągu dnia.
Uzyskanie obserwacji w jednym punkcie czasu dla wszystkich stacji nie było możliwe. W
weekendy ceny są najbardziej stabilne (stabilność światowych rynków surowców, dzień wolny
od pracy dla pracowników centrali sieci). Po drugie, popyt za strony klientów biznesowych jest w
weekendy dużo niższy (również w kategoriach względnych), niż w tygodniu. Po trzecie wreszcie,
nie bez znaczenia był fakt niższych cen połączeń telefonicznych oraz wygoda (krótszy czas
oczekiwania na rozpoczęcie rozmowy). Ze względu na ograniczenia czasowe oraz podejrzliwość
pracowników stacji, zdecydowaliśmy się na zebranie danych tylko o jednym produkcie (E95).
Wybraliśmy produkt, który jest jednocześnie najpopularniejszy i najbardziej ustandaryzowany.
Poniższa tabela przedstawia statystyki opisowe podstawowych zmiennych w naszym zbiorze, w
którym obserwacją jest konkretna stacja paliw.
Powiaty ze stacją Shell Wszystkie
i/lub Statoil
powiaty
Variable
Obs Mean
Std. Dev.
Obs Mean
Std. Dev.
Objaśnienia
voivod
153 0.10
0.31
373 0.04
0.20
miasto wojewódzkie
city
153 0.39
0.49
373 0.17
0.38
miasto
8
cena
137 3.74
0.08
373 .
cena na danej stacji
długość dróg ulepszonych w
drogi_ulep
153 227.49
164.02
373 284.75
154.00
powiecie
wydatki
bieżące
samorządu
wyd_biez
153 1.40E+08
3.24E+08
373 73222966 2.15E+08
powiatowego
vehicles
153 57012.33
86669.22
373 41887.06
58110.52
liczba pojazdów osobowych
st_bezrob
153 19.18
6.50
373 21.98
7.48
stopa bezrobocia w powiecie
ludn
153 142044.00 170853.70 373 100747.99 117688.86 ludność powiatu
powierzchnia 153 596.93
525.32
373 825.66
525.61
powierzchnia
west
153 0.04
0.19
373
powiat graniczy z Niemcami
east
153 0.04
0.18
373
powiat graniczy z byłym ZSRR
całkowita liczba stacji sieci
overall
153 4.08
6.00
373
Shell, BP i Statoil w powiecie
całkowita liczba stacji własnej
own
153 1.86
1.80
373
sieci w powiecie
agem
153 56.00
26.94
373
wiek stacji w miesiącach
Tabela 4. Statystyki opisowe zbioru danych.
4.2. Model regresji – strategie cenowe
Zaczynamy od zysku oligopolistycznej firmy i na pojedynczym rynku, którą można zapisać jako:
(1)
Warunek pierwszego rzędu maksymalizacji powyższej funkcji można przekształcić w „funkcję
podaży” firmy:
(2)
czyli
(3)
gdzie
ci jest kosztem krańcowym firmy i
9
θi ∈ [0, 1] jest parametrem określającym konkurencyjność rynku; θi = 1 dla monopolu,
θi = 0 dla doskonałej konkurencji).
1/ θi jest tak zwanym “ekwiwalentem liczby firm”, czyli jego wartość (jeśli jest liczbą całkowitą)
jest ekwiwalentem liczby firm przy założeniu, że firmy zachowują się tak jak w modelu
oligopolu Cournot.
ε jest elastycznością popytu na danym rynku w punkcie równowagi
Metodologia stworzona przez Bresnahana pozwala zmierzenie siły rynkowej (konkurencyjności),
czyli estymację parametru θi w strukturalnym modelu rynku. W modelu takim estymuje się
powyższe równanie “podaży” oraz popyt rynkowy jednocześnie. Jednak identyfikowalność
takiego modelu zależy od użycie odpowiednich instrumentów. Musielibyśmy mieć do dyspozycji
zmienne, które przesuwają popyt lub koszt w jednej płaszczyźnie, oraz takie, które powodują
zmianę nachylenia krzywej popytu lub kosztu krańcowego. W praktyce niezwykle trudno znaleźć
właściwe instrumenty. Ponieważ my nie posiadamy danych o kosztach krańcowych, będziemy
estymować model zredukowany, czyli równanie (3) przy założeniu jednakowych kosztów
krańcowych na wszystkich rynkach. Zakładamy zatem, że sieć posiada centralną strategię
cenową a ceny obserwowane na poszczególnych rynkach są efektem stosowania tej strategii.
4.3. Model regresji – strategie wejścia na rynek
Praca w toku...
(O ile zebrane przez nas dane przekrojowe nie pozwolą nam na dobre oszacowanie siły rynkowej
metodą Bresnahana, o tyle połączenie danych o wejściu na rynek z informacją o cenach może
pozwolić na postawienie nowych hipotez badawczych.)
5. Wyniki regresji – strategie wejścia na rynek
Zmienną objaśnianą w naszym modelu regresji, zgodnie z równaniem (3) jest cena na stacji.
Zmiennymi objaśniającymi są charakterystyki rynku (powiatu), charakterystyki stacji (zmienna
new1) oraz charakterystyka stacji konkurencyjnych (zmienne lnshare i newcomp1). Zmienne
objaśniające o rozkładzie ciągłym zostały przekształcone logarytmicznie, ze względu na
nieliniową postać równania (3). Równanie regresji wygląda zatem następująco:
(4) Pk = αX k + δDk + ζ k
10
Gdzie X jest wektorem zmiennych ciągłych a D wektorem zmiennych zero-jedynkowych. Jak
wcześniej wspomnieliśmy, zredukowana postać modelu nie pozwoli na określenie, czy dana
zmienna wpływa na cenę poprzez wpływ na elastyczność popytu, czy też poprzez wpływ na
konkurencyjność zachowań firm. Poniższe tabele prezentują wyniki regresji liniowych. Tabela 5
zawiera wyniki dla regresji łącznej dla wszystkich stacji Shell i Statoil. Zakłada się zatem, że
parametry równania (strategie) są identyczne dla obu sieci, z wyjątkiem komponentu stałego
(zmienna zero-jedynkowa ‘kodfirmy1’) . Tabele 6 i 7 zawierają wyniki regresji osobno dla stacji
Shell i Statoil.
Number of obs =
F( 11, 308) =
R-squared
320
6.04
= 0.1775
Adj R-squared = 0.1482
Root MSE
= .08428
Cena
| Coef.
Std. Err. T
P>|t|
Lnpopdens
| -0.00687
0.008076 -0.85
0.396
lnroaddens1
| -0.04582
0.015232 -3.01
0.003
Voivod
| -0.03858
0.017574 -2.2
0.029
Lnwydatki
| 0.009087
0.008905 1.02
0.308
Lnunemplrate
| -0.06255
0.015821 -3.95
0
East
| 0.038134
0.026561 1.44
0.152
West
| 0.098054
0.022764 4.31
0
Lnshare
| 0.01117
0.012808 0.87
0.384
new1
| -0.03223
0.024593 -1.31
0.191
newcomp1
| -0.01345
0.019538 -0.69
0.492
kodfirmy1
| 0.030743
0.009988 3.08
0.002
_cons
| 3.756607
0.169459 22.17
0
Tabela 5. Wyniki regresji modelu cenowego OLS – wszystkie stacje.
Number of obs =
F( 10, 159) =
Prob > F
R-squared
170
3.59
= 0.0003
= 0.1842
Adj R-squared = 0.1329
Root MSE
= .09283
11
cena
| Coef.
Std. Err. T
P>|t|
lnpopdens
| -0.01048
0.013984 -0.75
0.455
lnroaddens1
| -0.03344
0.028223 -1.18
0.238
voivod
| -0.03076
0.027336 -1.13
0.262
lnwydatki
| 0.005402 0.013412 0.4
lnunemplrate | -0.066
0.025399 -2.6
0.688
0.01
east
| 0.058194 0.048495 1.2
0.232
west
| 0.101693 0.029426 3.46
0.001
lnshare
| 0.004172 0.024552 0.17
0.865
new1
| 0.047715 0.054604 0.87
0.384
newcomp1
| -0.0334
0.226
_cons
| 3.858078 0.257527 14.98
0.027473 -1.22
0
Tabela 6. Wyniki regresji modelu cenowego OLS – stacje Shell.
Number of obs =
F( 10, 139) =
Prob > F
150
3.51
= 0.0004
R-squared
= 0.2016
Adj R-squared = 0.1442
Root MSE
= .07411
cena
| Coef.
Std. Err. T
P>|t|
lnpopdens
| -0.00643
0.009759 -0.66
0.511
lnroaddens1
| -0.04981
0.017219 -2.89
0.004
voivod
| -0.05155
0.022913 -2.25
0.026
lnwydatki
| 0.016565
0.011685 1.42
0.159
lnunemplrate
| -0.05039
0.020433 -2.47
0.015
east
| 0.023814
0.029477 0.81
0.421
west
| 0.104974
0.057071 1.84
0.068
lnshare
| 0.024104
0.015658 1.54
0.126
new1
| -0.05701
0.0253
0.026
newcomp1
| 0.032072
0.029739 1.08
0.283
_cons
| 3.621155
0.222127 16.3
0
-2.25
Tabela 7. Wyniki regresji modelu cenowego OLS – stacje Statoil.
12
Zmienna
TYP
Opis
logarytm naturalny gęstości zaludnienia
lnpopdens
lnroaddens
logarytm naturalny gęstości dróg ulepszonych
1
lnunemplrat
logarytm naturalny stopy bezrobocia w powiecie
e
logarytm naturalny zmiennej udziału w rynku (powiat), czyli stosunku liczby stacji
własnej sieci do liczby stacji 3 sieci (Shell, Statoil i BP )
lnshare
dumm
kodfirmy1
newcomp1
y
dla Statoil =1, dla Shell = 0
dumm
= 1 jeśli co najmniej jedna ze stacji konkurencji (tylko Shell i Statoil) jest nie
y
starsza niż 12 m-cy
dumm
new1
y
= 1 jeśli własna stacja jest nie starsza niż 12 miesięcy
Tabela 8. Opis zmiennych.
Wyniki regresji – model wejścia na rynek
Praca w toku
6. Wnioski – strategie cenowe
Przy użyciu naszych danych nie jesteśmy w stanie dobrze odczytać strategii cenowych firm.
Wskazują na to niskie wartości R2, nie przekraczające 0,2. Możemy jednak stwierdzić, że
strategie cenowe tych dwóch firm różnią się znacząco. Po pierwsze, współczynnik przy zmiennej
‘kodfirmy1’ jest istotny i wynosi ok. 0,03. Oznacza to, że w porównywalnych sytuacjach Statoil
ustala ceny benzyny o 3 grosze wyższe niż Shell. Po drugie, regresje przeprowadzane osobno dla
dwóch sieci dają lepsze dopasowanie. Zmienne „strategiczne”, takie jak ‘lnshare’ czy ‘new1’ są
w zasadzie nieistotne, z wyjątkiem ‘new1’ dla Shella. Świadczyć to może o tym, że lokalne
warunki nie mają dużego wpływu na konkurencyjność zachowań sieci. Jest to zgodne z hipotezą
o centralnym ustalaniu strategii przez sieć. Dużo większy wpływ na ceny mają zmienne
powiązane z elastycznością popytu, czyli stopa bezrobocia i gęstość sieci drogowej. Duże
znaczenie ma też lokalizacja przygraniczna, ale tylko w przypadku powiatów zachodnich, gdzie
ceny są o ok. 10 groszy wyższe niż w podobnych powiatach położonych w głębi kraju. Nie
13
znajdujemy również dowodów na wykorzystywanie cen do „dynamicznego blokowania wejścia”,
czyli obniżania cen po wejściu konkurenta w celu odstraszenia go od innych rynków (nieistotny
współczynnik zmiennej ‘newcomp1’.
Bibliografia
Borenstein, S., i A.C. Cameron i R.J.Gilbert, „Do Gasoline Prices Respond Asymmetrically to
Crude Oil Price Changes“, Quarterly Journal of Economics, Vol. 112, No.1 (Feb., 1997), pp.
305-339
Borenstein S, i A. Shephard, „Dynamic Pricing in Retail Gasoline Markets”, RAND Journal of
Economics, vol. 27, no. 3 (Autumn, 1996), pp. 429-451
Bresnahan, T.F., “The oligopoly solution concept is identified”, Economics Letters, vol. 10
(1982), pp. 87-92
Bresnahan, T.F. i P.C. Reiss, „Entry and Competition in Concentrated Markets”, Journal of
Political Economy, vol. 99 (Oct., 1991), pp. 977-1009
Genesovem D. i W. P. Mullin, “Testing Static Oligopoly Models: Conduct and Cost in the Sugar
Industry, 1890-1914”, The RAND Journal of Economics, Vol. 29, No. 2 (Summer, 1998), pp.
355-377
Karrenbrock, J.D., „The Behavior of Retail Gasoline Prices: Symmetric or Not?”, Federal
Reserve Bank of St. Louis Review, Vol. 73 (July/August, 1991), pp. 19-29
Mazzeo, M.J., “Product choice and oligopoly market structure”, RAND Journal of Economics,
Vol. 33, No. 2, (Summer, 2002), pp. 221-242
Slade, M. E., “Interfirm Rivalry in a Repeated Game: An Empirical Test of Tacit Collusion”, The
Journal of Industrial Economics, Vol. 35, No. 4, The Empirical Renaissance in Industrial
Economics (Jun., 1987), pp. 499-516
Toivanen O. i M. Waterson, “Market Structure and Entry: Where’s the Beef?”, RAND Journal of
Economics, Vol. 36 (Autumn, 2005), pp. 680-699
Wolfram, C. “Measuring Duopoly Power in the British Electricity Spot Market,”, American
Economic Review, 1999, vol. 89 (September), pp. 805-826
14