baseline)”
Le variabili esplicative inserite nei modelli: come abbiamo più volte detto nei 4 modelli stimati è
stato inserito un numero progressivamente maggiore di variabili. Le dummy di anno, segmento e marchio sono delle variabili di controllo ai fini della nostra analisi e quindi non ci soffermeremo sul commento dei loro coefficienti (che sono presenti nei 17 modelli riportati in Appendice). Diverso è il discorso per le variabili tecniche, istituzionali e macroeconomiche. Iniziamo dicendo che i coefficienti di queste variabili relativamente al campione completo sono tutti significativi e si riferiscono alla specificazione 4 completa di tutte le esplicative133.
Per prime vengono inserite le variabili di carattere tecnico che negli output di GRETL presenti in Appendice chiamiamo l_CILINDRATA e ALIMENTAZIONE. . I segni dei relativi coefficienti sono in entrambi i casi positivi e significativi. Ciò significa che all’aumentare di queste variabili aumenta anche la variabile dipendente (l_PREZZO). Questo risultato è coerente con la realtà. Un aumento della cilindrata causa un aumento del prezzo. Il coefficiente della cilindrata ci dice, più
133
La tabella completa (Modello 4) è presente in Appendice. -20.00% -15.00% -10.00% -5.00% 0.00% 5.00% 10.00%
precisamente, che un aumento del 1% della stessa è collegato ad un aumento dello 0,98%134 del prezzo. La variabile alimentazione è invece una dummy, il coefficiente associato indica che passando da un’alimentazione a benzina (0) ad una a gasolio o GPL (1) il prezzo di listino aumenta di circa il 7%.
l_CR1135: il coefficiente associato ha segno positivo, e questo è coerente con le teorie economiche. All’aumentare della concentrazione espressa dalla quota del leader di mercato i prezzi tendono ad aumentare. Più precisamente dato che stiamo parlando di variabili logaritmiche, aumentando dell’1% la concentrazione il prezzo aumenta dello 0,09%.
l_TASSE: il coefficiente in questo caso ha segno negativo, risultato certamente atteso. Un aumento della tassazione infatti tende a deprimere la domanda, costringendo i produttori ad assorbire parte dell’imposizione nel tentativo di aumentare le vendite. Di conseguenza il prezzo di listino ante tasse sarà tendenzialmente più basso nei Paesi ad alta imposizione fiscale. Il risultato del modello è che un aumento dell’1% è collegato ad una riduzione del prezzo dei veicoli dello 0.03%.
AIUTI: il coefficiente di questa variabile ha segno negativo, contrariamente alle attese. Dato che la maggior parte degli aiuti sono stati concessi sotto forma di incentivi alla rottamazione, era lecito attendersi che questi causassero un aumento dei prezzi. Di fatto l’incentivo agisce positivamente sul lato della domanda (sconto sul prezzo finale), e quindi un aumento dei prezzi da parte dei produttori sembrerebbe la risposta più attesa. In realtà, come conferma la Tabella 3.7 presente nel Capitolo III la quasi totalità degli aiuti sono stati concessi nel 2009, in risposta alla crisi economica. Dato che aiuti e recessione nel caso specifico sono fortemente connessi, la variabile aiuti “cattura”, a nostro avviso, l’effetto della recessione. Questa è l’unica spiegazione plausibile che può spiegare il segno meno. Gli aiuti non sono espressi tramite logaritmo poiché molte osservazioni hanno valore 0, quindi generando il logaritmo della variabile avremmo prodotto migliaia di valori mancanti. Interpretando il coefficiente il valore sembra molto basso poiché aumentando di un’unità gli aiuti (che sono espressi in Euro nominali) il prezzo cala dello (-1.2278 e-03)136%.
l_DISOCC: il coefficiente ha segno negativo coerentemente con quanto accade nella realtà.
134 Nel modello di regressione lineare OLS quando due variabili sono entrambe logaritmiche i risultati vengono
interpretati in variazioni percentuali Verbeek (2006).
135
Alla fine la scelta è ricaduta sul CR1. Anche il CR4 ha segno positivo ma il coefficiente associato è privo di significatività in riferimento al campione completo. Il CR4 sconta il fatto che in Europa competono pochi gruppi industriali, e questo tende a livellare le differenze dell’indice tra nazioni.
136
Nel caso in cui una variabile sia espressa tramite logaritmo e l’altra no, l’interpretazione dei risultati è più complessa. Dato che la variabile esplicativa è espressa con un numero reale positivo (Euro per unità prodotta) la regressione va interpretata come segue: una variazione di una singola unità della esplicativa causa una variazione della dipendente in percentuale, ma moltiplicata per 100.
L’aumento della disoccupazione è negativo per l’economia e la domanda di beni (soprattutto durevoli) cala. Questo calo dei consumi si riflette negativamente sui prezzi. Nel nostro modello di regressione un aumento dell’1% della disoccupazione incide negativamente sui prezzi dello 0.0244%.
l_BREVE: il coefficiente di questa variabile ha segno positivo. Come abbiamo già detto nel corso del Capitolo III, tassi a breve alti coincidono con periodi espansione economica (o inflazione) e tassi bassi a periodi di recessione o stagnazione. L’output della specificazione 4 mostra che un aumento dell’1% dei tassi a breve è associato ad un aumento dello 0.09548% del prezzo delle auto nuove.
VAR_CAMBIO: questa variabile non è espressa tramite logaritmo in quanto come nel caso degli aiuti di Stato avremmo generato troppi valori mancanti. La variazione del tasso di cambio è infatti pari a 0 per tutti e 12 gli Stati che hanno aderito all’Euro. Anche tra Euro e Corona Danese non si verificano scostamenti. Il segno del coefficiente è negativo, in quanto una variazione positiva dei valori della variabile indica una svalutazione delle valute estere rispetto all’Euro. Dunque i prezzi in queste nazioni tendono a diminuire relativamente ai prezzi praticati nella zona Euro. La stima del modello ci dice che una svalutazione di un punto percentuale della valuta estera è associato a un calo dei prezzi in valuta comune dello 0,84%. Il coefficiente deve essere moltiplicato per 100 come nel caso degli aiuti. Stiamo infatti confrontando un logaritmo con un numero intero.
4.3.2 Analisi per segmento
Come abbiamo più volte ricordato il mercato auto può essere diviso in sette segmenti. Le caratteristiche dei modelli di auto appartenenti a due segmenti diversi possono essere così diverse, che a volte, la sostituibilità tra di essi può venire meno sul lato della domanda. Anche qui, come per le specificazioni precedenti ci concentreremo sui coefficienti delle dummy di Paese presenti nelle tabelle 4.3 e 4.4 (useremo la specificazione completa di tutte le variabili presenti come nel Modello 4). Il fatto di aver generato sette sotto-campioni ha limitato il numero di osservazioni per ogni modello di stima. Il numero di osservazioni non è omogeneo per campione (vedere tabelle 4.3 e 4.4), poiché si va dalle 858 del segmento F alle oltre 4000 del segmento D. Malgrado la scarsa numerosità campionaria, che porta a stime meno precise (standard error più elevati), buona parte dei differenziali di prezzo risultano essere significativi. Il test di significatività ci porta a rifiutare l’ipotesi di uguaglianza dei prezzi tra mercati in tutte e 7 le specificazioni, mentre l’R2
assume sempre valori elevati. . Le forbici tra il Paese con i prezzi minori e quello con i prezzi maggiori si aggirano intorno al 13,5%, tranne che per il segmento G dove si registra una forbice del 22%. Il
segmento G è un segmento particolare, e questo può spiegare le differenze più marcate che registriamo. Esso sconta il problema dell’eterogeneità presente al suo interno (contiene monovolume, Suv e auto sportive), inoltre ogni anno i modelli presi a campione dalla CE variavano. Le differenze dei prezzi negli altri segmenti non si discostano notevolmente dal valore del 13,5% che è il differenziale del modello completo comprensivo di tutte le esplicative (Modello 4). La cosa più evidente è che la classifica dei Paesi più cari cambia da segmento a segmento. Ad esempio sembra evidente che nel Regno Unito i prezzi delle auto siano significativamente superiori a quelli della baseline nei segmenti medio piccoli (A-D), mentre se consideriamo le auto di dimensioni maggiori (E-F) i prezzi sono relativamente inferiori a quelli francesi. E’ il trend opposto delle Grecia che per i segmenti medio-bassi ha prezzi inferiori alla Francia, mentre per le auto di lusso diventa spesso il Paese più caro. Tali prezzi nei segmenti più alti sono dovuti alla scarsa concorrenza che c’è nel mercato greco delle auto di grossa dimensione. Guardando le rilevazioni di prezzo eseguite dalla CE possiamo notare che in tali segmenti molti marchi non concorrono nel mercato ellenico. Poca concorrenza significa prezzi più alti. Guardando i coefficienti relativi alla baseline è evidente che ogni segmento ci racconta delle differenze nei prezzi diversi. Nel segmento A la Francia è il Paese con prezzi inferiori, nel G tra quelli con i prezzi maggiori. Queste differenze sono a nostro avviso dovute alle diverse domande che si registrano nei vari Stati relativamente ad ogni segmento. In Francia ad esempio il segmento G (Suv, Monovolume e Sportive) ha una quota del 31%137 (nettamente la più alta d’Europa), il che ci permette di capire perché i prezzi delle auto di tale segmento in questa nazione siano ai vertici. Nelle specificazioni illustrate nelle pagine successive il set di dummy SEGMENTI è stato escluso dato che già si considerano le osservazioni appartenenti ad ogni segmento separatamente.
Tabella 4.3a “Segmenti A-D, stima dei parametri relativi alle dummy di paese. Per ogni parametro si riportano stima puntuale, standard error e livello di significatività osservato. La riga “F-test (p-value)” mostra il p-value relativo al test di significatività congiunta dei parametri sulle dummy di Paese”.
MODELLO