Empirisk estimering av etterspørsel: Topp 10 teknikker

Følgende punkter fremhever de ti beste teknikkene for empirisk estimering av etterspørsel. Teknikkene er: 1. Problemer med teoretisk analyse 2. Estimere etterspørselskurver 3. Identifikasjonsproblemet 4. Forbrukerundersøkelser 5. Forbrukerklinikker 6. Markedseksperiment 7. Multiple regresjonsanalyser 8. Teoretisk formulering av etterspørselsfunksjonen 9. Regresjonsanalyse av Krav 10. Kraftfunksjon.

Teknikk nr. 1. Problemer med teoretisk analyse :

Det er kjent at etterspørselfunksjoner har to viktige egenskaper:

(1) Etterspørselen etter en hvilken som helst vare er en enkeltverdsatt funksjon av priser og inntekt (dvs. en enkelt varekombinasjon tilsvarer et gitt sett med priser og inntekt) og

(2) Etterspørselsfunksjonene er homogene med grader null i priser og inntekt (dvs. hvis alle priser og inntekter endres i samme retning og andel, er det ingen endring i kjøpsplanen til en forbruker).

Disse egenskapene er godt etablert i økonomisk teori. Men forretningsmannen er faktisk interessert i å ha fast kunnskap om en del av etterspørselskurven for produktet han er interessert i.

Det er selvfølgelig mulig å estimere etterspørselsfunksjonen for primærprodukter (f.eks. Landbruksvarer) siden data om priser og mengder er lett tilgjengelige i en årrekke. Men dette er ikke tilfelle for produserte varer.

Det er et annet problem på grunn av eksistensen av forhandlere i de fleste markeder. Oftest selger ikke produsenter direkte til forhandlere og ikke til sluttforbrukere. På kort sikt kan det hende at hele beløpet tatt av forhandlere ikke selges til forbrukerne. Mengdene som er tatt av forhandlere, tilsvarer en tendens til å svare til forbrukerne bare på lang sikt.

Videre er antagelsen som er gjort i teorien om at alle andre faktorer forblir uendret, urealistisk når vi har å gjøre med markedsdata samlet inn over flere år. På lang sikt er det sannsynlig at endringer i forbrukernes inntekter, i størrelsen på befolkningen, i prisen på relaterte varer og i leveringsbetingelsene. Vi må ta disse realitetene til etterretning for å estimere etterspørselen etter et produkt.

Teknikk nr. 2. Estimering av etterspørselskurver :

Anta at på grunn av endringer i inntekt, befolkning og andre faktorer, skifter den teoretiske etterspørselskurven fra D 1 til D 2, D 2 til D 3 til D 4 i figur 11.1. Den tilsvarende tilførselskurven på hvert av disse punktene inntar posisjonene 1 til S 4 . Observasjonen av prismengde som er registrert i periode 1 (si 1981) er gitt ved krysset mellom D 1 og S 1, nemlig A. Den neste bestemmes av krysset mellom D2 og S 2 ved B (i 1982).

Dermed får vi en serie observasjoner A til D i fire år, nemlig 1981, 1982, 1983 og 1984. Disse sporer sammen en etterspørselskurve DD. Men dette er ikke den samme etterspørselskurven diskutert i teorien. Mer spesifikt er det ikke reversibelt. Det er usannsynlig at vi kan gå tilbake fra C til B og B til A.

Det er usannsynlig at den presise kombinasjonen av forhold som hersket på disse punktene vil bli gjentatt. I praksis kan det hende at etterspørsels- og tilbudskurvene ikke beveger seg konsekvent i samme retning, som antatt i dette diagrammet. De kan bevege seg opp eller ned heller uberegnelig.

I figur 11.1 er ikke punkt A, B og C tre punkter på en enkelt etterspørselskurve for, for eksempel, produkt X. Hvert punkt er på en annen etterspørselskurve - et som skifter over en periode. Så bare ved å koble dem sammen kan vi ikke spore ut produktets etterspørselskurve.

Et firma kan tolke linjen dd (som er et fokus på punktene A, B, C og D) som etterspørselskurven ved en feiltakelse. Dermed kan det antas at en reduksjon i pris fra P 1 til P 2 øker salget fra Q 1 til Q 2 . En utvidelse av etterspørselen kan godt rettferdiggjøre prisreduksjonen.

Men i praksis vil en slik priskutt føre til en mye mindre økning i etterspørselen. Den sanne etterspørselskurven (D 1 ) er mye mindre elastisk enn linjen dd. Dermed er et priskutt mye mindre ønskelig enn det så ut ved første blikk.

Samtidig forhold :

Så det er sammenheng mellom etterspørsel og tilbudskurver.

Nå kan data om priser og kjøpte mengder brukes til å estimere en etterspørselskurve bare under to sett med betingelser:

(1) Etterspørselskurven har ikke forskjøvet, men tilbudskurven har forskjøvet; eller

(2) Vi har nesten fullstendig informasjon for å bestemme hvordan hver kurve har endret seg i løpet av observasjonsperioden (som dekker fire år i dette tilfellet).

Anta at det er en teknologisk endring i produksjonen av X. Så kostnadene i industrien vil falle kraftig i løpet av en kort periode, men etterspørselsforholdene vil sannsynligvis være stabile. Situasjonen er illustrert i figur 11.2. Her antatt nå etterspørselskurven, som opprinnelig var ukjent, stabil. Tilførselskurven skifter fra S 1 til S 2, S 2 til S 3 og S 3 til S 4 .

Det er tydelig at hvert pris / mengdepunkt representerer skjæringspunktet mellom tilbuds- og etterspørselskurvene. Siden alle etterspørselsdeterminanter unntatt pris antas å være stabile, må punkt A, B, C og D være på samme etterspørselskurve. Så etterspørselskurven DD kan estimeres ved å koble de fire punktene.

Teknikk nr. 3. Identifikasjonsproblemet :

Det ser nå ut til at "problemet med samtidige forhold i etterspørselsanalyse bare kan overvinnes hvis man har nok informasjon til å identifisere de sammenhengende funksjonene slik at skift i den ene kurven kan skilles fra skift i den andre." Dette er grunnen til at " Problemet med å estimere en funksjon når det eksisterer samtidige forhold, er kjent som identifikasjonsproblemet. "

Faktisk må vi ha tilstrekkelig informasjon om pris / kvantitetsdata for å skille forskyvninger i etterspørsel fra endringer i tilbudet. Vi kan merke at informasjon om hvilken kurve som skifter og i hvilken grad, er nødvendig for å identisere og estimere etterspørselsforholdet. Denne informasjonen er ikke tilgjengelig mesteparten av tiden.

I praksis gjør noen bedrifter studier av påvirkning av pris på salgsvolum, noe som gir et glimt av en liten del av etterspørselskurven. De fleste selskaper stoler på instinkt og erfaring fra toppledere med hensyn til reaksjonsevnen ved salg av prisendringer.

Det er noen bevis for at forretningsmenn har en tendens til å undervurdere reaksjonsevnen for salg til prisjusteringer. I slike tilfeller er statistisk etterspørselsanalyse ved hjelp av regresjonsteknikk ikke i stand til å gi estimater av parametrene for den lineære etterspørselsfunksjonen.

Hvis det ikke er mulig å løse identifikasjonsproblemet, brukes andre teknikker som forbrukerintervjuer og markedseksperimenter for å få nødvendig informasjon om viktige etterspørselsfunksjonsforhold.

Fire primære metoder som brukes for å estimere parametrene (koeffisienter) for etterspørselfunksjonen er: (1) forbrukerundersøkelser, (2) forbrukerklinikker, (3) markedseksperimentering og (4) regresjonsanalyse. Regresjonsanalyse er kanskje det viktigste verktøyet for etterspørselsanalyse av to grunner.

For det første er det kanskje i de fleste situasjoner den beste, eller den eneste teknikken for å estimere parameterne til etterspørselsligningen. For det andre er dette kanskje den viktigste beregningsteknikken som brukes i ledelsesøkonomi og alle andre forretningsområder.

Teknikk # 4. Forbrukerundersøkelser :

Forbrukerundersøkelser innebærer å stille spørsmål ved et utvalg av representative forbrukere for å bestemme faktorer som kjøpsviljen, deres respons på prisendringer eller for relative prisnivåer og deres bevissthet om reklamekampanjer og forskjellige andre variabler som anses å være viktige for markedsførings- og gevinstplanleggingsfunksjonene. .

Denne teknikken kan bare brukes ved å stoppe kjøpere og stille dem spørsmål om deres intensjoner om å kjøpe til forskjellige priser. For å samle den nødvendige informasjonen, kan øvrige ekstreme bli utnevnt til å stille sofistikerte spørsmål til et nøye utvalgte (representative) utvalg av kjøpere.

I teorien kan forbrukerundersøkelser gi nødvendig informasjon om de viktigste etterspørselsforholdene. Et firma kan spørre hver enkelt av sine kunder eller et utvalg av kunder om anslåtte kjøp under en lang rekke forhold knyttet til pris og andre faktorer som er inkludert i etterspørselsfunksjonen.

Ved å samle dataene kan selskapet deretter forutse den totale etterspørselen og kanskje være i stand til å komme frem til et estimat av noen av de viktige parametrene i etterspørselfunksjonen for produktet.

Ulemper :

Imidlertid er den praktiske vanskeligheten med denne metoden at informasjonen som er oppnåelig med denne teknikken, og dens kvalitet, sannsynligvis vil være begrenset. Som JL Pappas og EF Brigham hevder, “Forbrukerne er ofte ikke i stand til, og i mange tilfeller uvillige, å gi nøyaktige svar på hypotetiske spørsmål om hvordan de vil reagere på endringer i de viktigste etterspørselvariablene”.

For eksempel er de fleste forbrukere ikke i stand til å si hvordan de vil reagere på en økning (eller reduksjon) på 1, 2 eller 3% i prisen på et farge-TV-apparat. Dette gjør det vanskelig å bruke en slik teknikk for å estimere etterspørselsforholdene for de fleste forbruksvarer.

Fordeler :

Imidlertid er det to fordeler ved metoden. Først ved å bruke stabile henvendelser er det mulig for en trent intervjuer å hente ut en god del nyttig informasjon fra forbrukerne. For eksempel kan en intervjuer stille spørsmål om de relative prisene til flere trykkokere eller sykler (som konkurrerer tett med hverandre) og kan oppdage at folk flest ikke er klar over eksisterende prisforskjeller.

Dette er en god indikasjon på at etterspørselen er uelastisk og at forbrukerne ikke er veldig prisbevisste. Så det ville ikke være nødvendig for en produsent å prøve å kutte prisen for å øke etterspørselen etter produktene. Forbrukerne vil kanskje ikke en gang legge merke til reduksjonen.

Dessuten kan effektiviteten til reklamekampanjer testes ved å prøve bevisstheten fra en gruppe forbrukere til kampanjen. Dermed er det mulig å få tak i grunnleggende informasjon gjennom slike undersøkelser som kan være tilstrekkelige og pålitelige for noen beslutningsformål.

For det andre er det ingen erstatning for denne metoden for viss type informasjon angående etterspørsel etter et produkt. For eksempel, når kortsiktig etterspørsel (eller salg) prognoserer forbrukernes intensjoner, gjør holdninger og forventninger om fremtidige forretningsforhold hele forskjellen mellom et nøyaktig estimat og et unøyaktig. Det er mulig å få slik subjektiv informasjon bare gjennom intervjumetoder.

For eksempel kan forbrukernes forventninger til fremtidige forretnings- og kredittfasiliteter gi betydelig innsikt i deres tilbøyeligheter til å kjøpe mange varer, spesielt forbrukervarighet som vaskemaskiner, kjøleskap, TV-apparater, etc. Dessuten kan det å bruke litt fantasi og stille mindre direkte spørsmål gi betydelig innsikt.

Teknikk # 5. Forbrukerklinikker :

Et alternativt middel til å registrere forbrukernes svar på endringer i etterspørselsdeterminanter er gjennom bruk av forbrukerklinikker. Dette er som en laboratorietest i fysikk eller kjemi.

Her får eksperimentelle grupper av forbrukere en liten sum penger å kjøpe visse varer til. Eksperimentet kan avdekke innvirkning på faktiske kjøp av den varen som vurderes da prisen, prisene på konkurrerende varer og andre variabler som påvirker etterspørselen blir manipulert.

Ulemper :

Selv om denne metoden er mer realistisk enn metoden for direkte intervju, har den to store mangler. For det første er kostnadene ved å etablere og drifte en slik klinikk betydelige. Følgelig kan et veldig lite antall forbrukere delta i eksperimentet.

For det andre, siden deltakerne er godt klar over at handlingene deres blir observert, kan de oppføre seg på en annen måte enn normalt. Dette er kjent som Hawthorne-effekten. En kjøper av TV-apparat som deltar i forbrukerklinikk, kan mistenke at eksperimentatoren er interessert i følsomhet for priser og dermed kan være mye mer prisbevisst at han ellers ville være.

Imidlertid gir denne tilnærmingen som den forrige ofte nyttig informasjon til beslutningsprosessen. I noen situasjoner er dette den eneste teknikken som kan gi brukbar informasjon.

Teknikk nr. 6. Markedseksperiment :

Markedseksperimentmetoden som ofte brukes til å samle informasjon om etterspørselsfunksjonen innebærer å undersøke hvordan forbrukere oppfører seg i det virkelige markedet. Denne metoden innebærer undersøkelse av forbrukeratferd i faktiske markeder. Bedrifter kan bruke denne metoden for å undersøke arten av etterspørselskurvene ved å eksperimentere med forskjellige priser.

Dette er også kjent som markedstesting. Eksperimenter blir utført under laboratorieforhold for å utlede en etterspørselsplan. Det forsøkes "å skape kjøpssituasjonen under kontrollerte forhold for å sikre at prisen er den eneste variabelen".

Hver forbruker i gruppen blir tilbudt et valg mellom produktet som undersøkes og en sum penger, og antall personer i gruppen som uttrykker preferanser for produktet noteres.

Da får en annen gruppe tilbud om å velge mellom produktet og en annen sum penger, og svaret blir igjen notert. Ved å gjenta øvelsen kan antall personer som tar produktet til forskjellige 'priser' plottes som etterspørselsplan.

Denne metoden har igjen alle manglene ved den forrige metoden. Forbrukeren har bare et valg mellom produktet og en sum penger, mens i markedet kan han velge fra konkurrerende produkter. Igjen er det ingen garanti for at forbrukerne vil oppføre seg under disse kontrollerte forholdene som på markedet.

Denne metoden gir også vanskeligheter. For det første er det nødvendig i løpet av et eksperiment å "holde ikke-prisfaktorer konstante, eller i det minste å tilby statistiske metoder for å bestemme deres separate effekter. Deretter kan etterspørsel ofte ikke bare avhenge av den gjeldende prisen, men også av den foregående prisen. Det er derfor vanskelig å skille ut (dvs. skille ut) effekten av den rådende pris fra effekten av prisendringen.

For det andre prøver konkurrenter noe å forstyrre markedstester ved for eksempel å kjøre egne kampanjer.

Til slutt tror forretningsfolk ofte at “det er lettere å senke prisen enn å heve den. De er derfor motvillige til å eksperimentere med en lavere pris av frykt for at hvis eksperimentet ikke lykkes, vil den påfølgende prisstigningen ha eksepsjonell uheldige effekter.

Teknikk nr. 7. Analyse av flere regresjoner :

Dette er i utgangspunktet en statistisk teknikk. Det brukes til å "isolere" effekten av pris fra andre faktorer som påvirker etterspørselen. For å illustrere, antar at Godrej Company antar at mengden som etterspørres av sine produkter avhenger av, i tillegg til pris, av generelle økonomiske forhold som gjenspeiles i BNI og av størrelsen på annonseringsbudsjettet.

Det antatte forholdet kan uttrykkes i form av en ligning der Y representerer den avhengige variabelen, dvs. mengden etterspurt; X 1, X 2 og X 3 representerer de uavhengige variablene, henholdsvis, pris, BNP og annonseutgifter; koeffisientene b1, b2 og b 3 representerer påvirkningen fra de respektive uavhengige variablene på mengde; og koeffisienten b4 er en konstant betegnelse. Ligningen er

Y = b 1 X 1 + b 2 X 2 + b 3 X 3 + b 4

Hvis et antall tidligere observasjoner av de uavhengige og avhengige variablene er tilgjengelige, kan disse observasjonene behandles statistisk for å få estimater av sameffektiviteten. Den estimerte koeffisient bi, blir deretter tatt for å representere påvirkningene av pris på etterspurt mengde, mens andre faktorer holdes konstante.

I mange tilfeller er regresjonsanalyse det beste, eller kanskje det eneste, middelet for å estimere etterspørselsligningen.

Teknikk nr. 8. Teoretisk formulering av etterspørselsfunksjonen :

Det første trinnet i å utføre en statistisk studie er å formulere en modell basert på økonomisk teori. Så til å begynne med demonstrerer vi hvordan vi kan bruke økonomisk teori ved hjelp av matematiske verktøy for å formulere en kvantifiserbar statistisk modell.

Forbrukerens etterspørselskurve for en gitt vare kan avledes fra analysen av bruksmaksimering. Den nyklassiske (marshalliske) teorien om forbrukeratferd begynner med en bruksfunksjon som gjør at individets tilfredshetsnivå avhenger av varene han bruker.

La kundens ordinære nyttefunksjon være

U = f (q 1, q 2, ..., q n ) (1)

hvor q 1, q 2, . . ., q n er mengdene av forskjellige varer som forbrukes i en enkelt tidsperiode. Det antas at bruksfunksjonen i ligning (1) ikke bare er en økende og kontinuerlig funksjon av hver av mengdene, men også er to ganger differensierbar.

Gitt bruksfunksjonen i ligning (1), antar teorien at forbrukeratferd kan ekspliseres ved å maksimere ligning (1) med hensyn til spørsmålene, med forbehold om begrensning i budsjettet, nemlig

Prisene p 1, p 2, . . ., p n og inntekt y tas som gitt til forbrukeren, og de tilfredsstiller følgende betingelser:

Maksimering av ligning (1) underlagt ligning (2) er et begrenset maksimalt problem. En nødvendig betingelse for å løse denne typen problemer er det

hvor U i = (∂U / ∂q i ) og λ er Lagrange-multiplikatoren. I økonomiske termer står λ for den marginale bruken av penger. Av dette følger det logisk

Og så videre

U i / P i = λ, i = 1, 2, . . ., n (6)

I likevekt er således forholdet mellom marginale verktøy for to varer lik deres prisforhold, det vil si marginale verktøy er proporsjonale med prisene.

Ligninger (2) og (4) gir (1 + n) sammenhenger som tillater (1 + n) ukjente, λ og q i (i = 1, ..., n) å komme til uttrykk i form av y og p i (i = 1, ..., n). Dermed gir løsningen følgende etterspørselfunksjoner:

q i = f i (p 1, p 2, ..., p n, y), i = 1, 2, . . . n (7)

Ligning (7) uttaler med andre ord at forbrukernes etterspørsel etter varene avhenger av inntekt og prisene på alle varer.

Det som er viktig å merke seg på dette stadiet, er at like proporsjonale endringer i priser og inntekter ikke påvirker begrensningen i ligning (2) og dermed ikke vil påvirke bruksmaksimeringsverdiene til q-ene. Ved å ta i bruk denne egenskapen med null-graders homogenitet, kan ligning (7) skrives som

der p er en indeks over generelle priser. Ligning (8) oppgir at etterspørselen etter er en funksjon av relative priser på alle varer og realinntekt.

Bortsett fra priser og inntekter, bestemmer andre faktorer, for eksempel smak, forbrukernes etterspørsel. Faktorene som bestemmer preferanser, som familiestørrelse og sammensetning og boligområde, kan bemerkes med x j, der j = 1, 2, . . ., m. Dermed kan etterspørselsforholdet for en individuell forbruker skrives i form

Siden nyttefunksjonen ikke er målbar i praksis, begynner statistisk analyse direkte med etterspørselfunksjonene. Den nøyaktige funksjonelle formen trekkes sjelden teoretisk, men bestemmes vanligvis empirisk (statistisk).

Ligning (9) er en generell funksjon for empirisk estimering av en etterspørselsfunksjon. Imidlertid er det flere grunner til at det i praksis ikke er spesifisert en regresjon i en studie for å inkludere alle faktorer som kan ha kausal påvirkning på den avhengige variabelen som analyseres. Prima facie er det legitimt å gjøre etterspørselsteorien så enkel som mulig, idet man bare tar hensyn til de viktigste årsaksfaktorene.

For det andre mangler statistiske data for visse variabler. Videre kan årsaksfaktorene være svært inter-korrelerte. Inkludering av et stort antall forklaringsvariabler i modellen kan øke standardfeilene i regresjonskoeffisientene og ha en tendens til å skjule viktigheten av forklaringsvariabler i ligningen.

Til slutt, før estimering av en etterspørselsfunksjon empirisk, står etterspørselsanalytikeren overfor et identifikasjonsproblem. Hvordan vet vi at den spesifiserte funksjonen snarere ikke er en forsyningskurve? Med andre ord, hvordan kan vi skille etterspørselfunksjonen fra tilbudsfunksjonen? Faktisk er de innsamlede økonomiske data allerede i likevektsforhold der tilbudet er lik etterspørselen.

Til tross for disse fallgruvene foretar vi ofte regresjonsanalyse av etterspørselen. Pionerarbeidet på dette feltet ble gjort av T. Schultz i 1938 i USA, og i 1945 gjennomførte Richard Stone regresjonsanalyse i Storbritannia. Vi kan nå gjøre en regresjonsanalyse av etterspørselen mot bakteppet.

Teknikk nr. 9. Regresjonsanalyse av etterspørsel:

Et hyppig mål i virksomheten er spesifikasjonen av et funksjonelt forhold mellom to variabler som Y = f (X). Her kalles Y den avhengige variabelen og X den uavhengige variabelen. I næringslivet må man finne forholdet mellom salg og reklame, der salg (Y) er den avhengige variabelen og reklame (X) er den uavhengige variabelen.

Vi kan ikke forvente en perfekt forklaring på salg etter reklame, og derfor skriver vi Y = f (X) + u, hvor u er en tilfeldig variabel som kalles rest. Dette kalles en regresjonsligning av Y og X. Det resterende oppstår fra målefeil i Y, eller ufullkommenheter i spesifikasjonen av funksjonen f (X). For eksempel kan det være mange andre variabler utover X som påvirker Y, som vi har utelatt.

Siden u er en tilfeldig variabel, er Y også en tilfeldig variabel. Den uavhengige variabelen X er ikke tilfeldig når det gjelder forretningsforbindelser. Forutsatt at f (X) er en lineær funksjon, dvs. f (X) = α + βX., Har vi

y i = α + βx i + u i i = 1, . . .n (10)

hvor i = 1, 2, . . ., n angir antall observasjoner.

Hellingskoeffisienten β, gir oss et estimat av endring i salg knyttet til en enhetsendring i annonseutgifter. Avskjæringsbetegnelsen α har generelt ingen økonomisk betydning.

Det kan være sant at salget med null annonsering vil være lik avlyttingstiden α, men siden det ikke er observasjoner av salg ved null annonseutgifter, kan vi ikke trygt anta at α er salg uten annonseutgifter.

Resultatene fra denne enkle 2-variabel regresjonsmodellen kan lett utvides til mange variabler. Anta at vi også har informasjon om gjennomsnittsprisen p belastet for produktet. Den nye informasjonen kan legges til den lineære modellen i ligning (10), noe som resulterer i følgende regresjonsligning:

Der det brukes mer enn to uavhengige variabler, kan vi regne ut regresjonskoeffisientene (i dette tilfellet β og θ) etter matrisemetode, som er utenfor tittelen. I dag gjøres den statistiske estimeringen av parametere / koeffisienter av datamaskiner. Den monterte linjen er

Når dette er gjort, tolker vi koeffisientene som følger: α er igjen avskjæringsbegrep, med liten økonomisk betydning; β er den forventede endringen i salg relatert til en endring i en enhets annonseutgifter, og holder prisen p konstant; og θ er den forventede endringen i salg relatert til en endring i pris på 1 enhet, og holder reklameutgiftene konstante. I matematisk notasjon,

Lineære etterspørselsfunksjoner har stor tiltrekningskraft i empirisk arbeid av to grunner. For det første har erfaring vist at mange etterspørselsforhold faktisk er lineære. For det andre kan en praktisk statistisk teknikk, metoden for minste kvadrater, brukes til å estimere parametrene a, β, θ eller regresjonskoeffisientene for lineære ligninger.

Men dette er ikke den eneste formen for etterspørselsfunksjon. Det kan være andre former for etterspørselsfunksjoner. I det følgende avsnittet har vi gitt et eksempel på hvordan vi skal regne ut regresjonsestimatene α og β og trekke det estimerte forholdet i tilfelle av en lineær sammenheng mellom salg (tusenvis av enheter) og annonseutgifter (millioner Rs.).

der y i representerer salg og x i, representerer annonseutgifter.

Teknikk nr. 10. Kraftfunksjon :

Det nest mest spesifiserte etterspørselsforholdet er tilfellet der to eller flere sammenhengende variabler kommer inn i bildet. Hvis man antar konstant elastisitet, kan kraftfunksjoner være til nytte, for eksempel mengde etterspørsel Q

P, Y, A er henholdsvis pris, inntekt og annonseutgifter. Multiplikasjonsformen har stor appell, siden de marginale effektene av hver av de uavhengige variablene avhenger av verdiene til andre variabler i funksjonen.

Den marginale innvirkningen på mengden som etterspørres på grunn av prisendring vil være forskjellig for forskjellige inntektsnivåer (Y) og annonseutgifter (A). Multiplikasjonsmodellen beskrevet av (27) er faktisk mer realistisk enn lineære funksjoner, der den marginale påvirkningen av de uavhengige variablene er konstant.

Multiplikasjonsmodellen kan gjøres lineær ved å ta logaritmisk transformasjon. Å ta logg på begge sider av ligningen (27) gir,

log Q = log α + β log P + θ log Y + 7 log A. (28)

Siden ligningen er lineær i logaritme, kan man anvende minst kvadrat regresjonsanalyse for å estimere parametrene α, β, θ og y. Det kan vises at β, θ og y er konstante elastisitetskoeffisienter.

Vi vet at priselastisiteten i etterspørselen er gitt av formelen

Disse elastisitetene, inntektselastisiteten til etterspørselen (e y ), reklamens elastisitet i etterspørselen (e A ) og priselastisiteten for etterspørselen (e p ), er konstante. Verdiene, θ, y og β er ikke funksjoner for variablene; for eksempel endres ikke y med endringer i P, Q, Y eller A.

Konstante elastisiteter er nyttige der de passer. For eksempel, hvis inntektselastisiteten i etterspørselen etter TV-apparater er konstant, kan økning i inntekt forventes å gi forholdsmessige endringer i etterspørselen etter TV over store inntektsområder.

Hvis inntektselastisiteten i etterspørselen etter TV-apparat ikke er konstant, kan ikke beslutningstakeren bruke multiplikasjonsmodellen som er utenfor rammen for denne boken. Hvis det er muligheter for å bruke konstante elastisiteter som kanskje ikke er hyppige, er multiplikasjonsmodellen veldig nyttig fordi den i stor grad forenkler analysen.

Eksempel 1

Tabellen nedenfor viser virksomhetsutgiftene til nytt anlegg og utstyr, det vil si etterspørsel etter kapitalvarer.

Prosjekter virksomhetsutgiftene for nytt anlegg og utstyr for året 1990.

 

Legg Igjen Din Kommentar