XXVIII CONGRESSO NAZIONALE
DI
SCIENZE MERCEOLOGICHE
Firenze 21-23 Febbraio 2018
Copyright
Titolo del libro: Atti del Congresso AISME 2018
Autore: Laboratorio Phytolab (Pharmaceutical, Cosmetic, Food supplement Technology and
Analysis) – DiSIA Università degli Studi di Firenze
© 2018, Università degli Studi di Firenze
© 2018, PIN Polo Universitario Città di Prato
TUTTI I DIRITTI RISERVATI. La riproduzione, anche parziale e con qualsiasi mezzo, non è
consentita senza la preventiva autorizzazione scritta dei singoli Autori.
Presidente del Congresso
Prof. Bruno Notarnicola Presidente Aisme
Comitato scientifico
Prof. Bruno Notarnicola Presidente Aisme
Prof. Riccardo Beltramo Università di Torino
Prof. Alessandro Ruggieri Università della Tuscia
Prof. Fabrizio D’Ascenzo Sapienza - Università di Roma
Prof. Giovanni Lagioia Università di Bari
Prof. Maria Claudia Lucchetti Università Roma Tre
Prof. ssa Anna Morgante Università di Chieti
Prof Giuseppe Tassielli Università di Bari
Prof,ssa Maria Francesca Renzi Università Roma Tre
Prof.ssa Roberta Salomone Università di Messina
Prof.ssa Angela Tarabella Università di Pisa
Dott. Stefano Alessandri Università di Firenze
Prof.ssa Patrizia Pinelli Università di Firenze
Prof.ssa Annalisa Romani Università di Firenze
Comitato organizzativo
Prof.ssa Annalisa Romani Università di Firenze
Prof.ssa Patrizia Pinelli Università di Firenze
Prof.ssa Nadia Mulinacci Università di Firenze
Dott. Stefano Alessandri Università di Firenze
Dott.ssa Maria Francesca Belcaro Pin – Polo Universitario Città di Prato
Dott.ssa Michela Magnolfi Pin – Polo Universitario Città di Prato
Dott.ssa Margherita Campo Università di Firenze
Dott.ssa Manuela Ciani Scarnicci Uniecampus
Dott.ssa Francesca Ieri Università di Firenze
Dott.ssa Claudia Masci Pin – Polo Universitario Città di Prato
Ing. Luca Mattesini Pin – Polo Universitario Città di Prato
Dott.ssa Arianna Scardigli Università di Firenze
Dott.ssa Silvia Urciuoli Università di Firenze
Dott.ssa Pamela Vignolini Università di Firenze
Editorial board
Prof.ssa Annalisa Romani Università di Firenze
Prof.ssa Roberta Bernini Università di Firenze
Dott.ssa Margherita Campo Università di Firenze
Dott.ssa Manuela Ciani Scarnicci Uniecampus
Dott.ssa Francesca Ieri Università di Firenze
Prof.ssa Patrizia Pinelli Università di Firenze
Dott.ssa Arianna Scardigli Università di Firenze
Dott.ssa Pamela Vignolini Università di Firenze
UNIVERSITA’ DEGLI STUDI DI FIRENZE
XXVIII CONGRESSO NAZIONALE
DI
SCIENZE MERCEOLOGICHE
Atti del Congresso
XXVIII
CONGRESSO
NAZIONALE
DI
SCIENZE
MERCEOLOGICHE
F
IRENZE
21-23
F
EBBRAIO
2018
http://www.aismeandaisme2018.it/
Ambiente, Innovazione e Sostenibilità sono alla base e il fulcro di una transizione
sempre più evidente
che delinea il passaggio da un’economia basata su un modello
lineare ad una nuova economia fondata su un modello circolare, di creazione di valore
che prevede sistemi, infrastrutture, modelli economici e tecnologie orientate verso lo
sviluppo di organizzazioni sicure, etiche e sostenibili.
Il XXVIII Congresso di Merceologia, che si terrà a Firenze dal 21 al 23 Febbraio 2018,
vuole essere un’occasione di confronto, studio e condivisione di percorsi di sviluppo su
tematiche quali ambiente, sostenibilità, sicurezza, innovazione e qualità che stanno
sempre più influenzando il sistema produttivo.
La Merceologia, declinata in chiave moderna, è una Scienza di indirizzo applicato che
studia la natura, le proprietà, la qualità, la destinazione, la conservazione, le tecniche di
imballaggio, la commerciabilità di qualsiasi tipo di merce
(da merce e il suffisso, dal gr.
λόγος, comune nei nomi di scienze; ted. Warenkunde). - È, con definizione
generalissima, lo studio delle merci in quanto può interessare l'industria e il commercio.
È una disciplina a sé nel gruppo delle commerciali ed economiche, ma in stretto
rapporto con le chimiche, fisiche, naturali e tecnologiche. La figura del merceologo è
quindi
altamente
interdisciplinare,
dovrà
essere
fondamentalmente
un
chimico/tecnologo, con vasta cultura naturalistica e tecnologica e con adeguata cultura
geografica, statistica ed economica o un economista/economista ambientale con ampia
conoscenza dei processi produttivi, della sostenibilità della produzione e di tutte le
problematiche legate all’impatto ambientale e tutela della salute umana.
Il vero concetto di merce dovrebbe scaturire da una sorgente più ampia che va dalle scienze naturalistiche nel più lato senso intese, a quelle geografiche, economiche, chimiche.
TOPICS
OF
AISME
2018
ENERGIA, AMBIENTE & SOSTENIBILITÀ
Modelli di economia circolare e simbiosi industriale,
Valorizzazione e tutela della biodiversità
Life Cycle Thinking e relativi strumenti (LCA, LCC, S-LCA, LCSA),
Efficientamento e diagnosi energetica,
Responsabilità sociale di impresa ed etica di produzione,
QUALITÀ,INNOVAZIONE E TECNOLOGIA
Qualità e Innovazione di prodotto e servizio, soddisfazione e tutela del consumatore,
Sistemi di gestione ambientale, Sistemi di gestione integrata e certificazioni,
Tecnologie avanzate per l’energia e l’industria, Trasferimento tecnologico: start-up e spin-off; R&S e tecnologie innovative,
Innovazione e nuove tecnologie per l’informazione e la comunicazione IT e ICT,
Nuovi modelli tecnologici: sharing economy, open innovation, added manufacturing
MATERIE PRIME E CARATTERIZZAZIONE DELLE MERCI
Caratterizzazione delle merci e nuove materie prime,
Novel food, nutraceutica, qualità e sicurezza nel settore alimentare,
Metodi di analisi per la valutazione della qualità agroalimentare e di filiera,
256
La disponibilità a pagare per il Made in Italy .
Una ricerca empirica su alcuni prodotti nel settore alimentare.
Cappelli L²., D’Ascenzo F¹., Arezzo M.F.¹, Ruggieri R.¹,Rossetti F¹.
¹Università degli Studi di Roma “La Sapienza”
²Università degli Studi di Cassino e del Lazio Meridionale cappelli@unicas.it fabrizio.dascenzo@uniroma1.it mariafelice.arezzo@uniroma1.it roberto.ruggieri@uniroma1.it francesca.rossetti@uniroma1.it Abstract
Il presente contributo ha l’obiettivo di analizzare l’atteggiamento del consumatore nei confronti dei prodotti Made in Italy, con riferimento specifico ai sistemi valoriali che influenzano l’acquisto dei seguenti prodotti alimentari: olio extravergine di oliva, carne e pesce. Il paper, che è parte di un ampio progetto sul Made in Italy, analizza l’eventuale presenza di una disponibilità a pagare relativamente ai prodotti citati, mediante l’uso di un questionario e di un modello di regressione logistica che evidenzi le caratteristiche del campione associate alla preferenza per il Made in Italy. Come verrà esplicitato nel lavoro, i risultati ottenuti confermano la presenza di una disponibilità a pagare, che sembra principalmente legata all’elemento culturale/informativo dei rispondenti al questionario.
Keywords: Made in Italy, Willingness to pay, Country of origin, Quality, Food choices.
1. Introduzione
Il presente contributo si inquadra all’interno di un esteso lavoro sul Made in Italy, fondato sulle seguenti domande di ricerca: 1) Esiste una preferenza espressa in termini di consumo del prodotto Made in Italy rispetto ad un altro prodotto non Made in Italy ? E se si, 2) Esiste una disponibilità a pagare, in termini quantitativi, un premium price per tali prodotti?
I principali risultati ottenuti finora (Cappelli et al. 2016, 2017) hanno chiaramente mostrato che il Made in Italy non soltanto rappresenta una ben definita categoria concettuale nella mente dei consumatori italiani, ma che esiste un premium price per i prodotti Made in Italy nei settori indagati (alimentare, arredamento, tessile/abbigliamento, automazione meccanica), di entità variabile a seconda del settore e sostanzialmente collocabile all’interno del range 10-30%. Il premium price è maggiore nel settore alimentare e per questa ragione il presente paper si è concentrato su alcuni specifici prodotti alimentari di largo consumo: olio extravergine di oliva, carne e pesce.
Il lavoro propone dapprima una breve rassegna sulla letteratura, soffermandosi in particolare sul filone scientifico riguardante la ‘disponibilità a pagare’, specificatamente per i prodotti olio d’oliva, carne e pesce Made in Italy. Successivamente vengono presentati i risultati originali derivanti dall’indagine empirica.
2. Analisi della letteratura
La letteratura è carente di riferimenti sufficienti per una piena comprensione del reale valore del Made in Italy in termini di disponibilità a pagare da parte dei consumatori italiani. Sono ancora pochi, infatti, gli studi che non soltanto confermano ma che soprattutto quantificano la willingness to pay dei consumatori verso i prodotti Made in Italy. Questo è vero sia in generale, sia specificatamente ai prodotti del settore alimentare qui presi in considerazione: olio extravergine d’oliva, carne e pesce.
Sintetizzando i risultati della ricerca nazionale sui temi oggetto di studio, è stata condotta una narrative
literature review, considerando i contributi del periodo compreso tra il 2008 e il 2017. Si è ritenuto
opportuno prendere in considerazione l’anno iniziale della crisi economico-finanziaria internazionale perché ha impattato direttamente e negativamente sui consumi dei prodotti presenti sulle tavole degli italiani
257 (Coldiretti, 2014). Dall’analisi di un totale di 40 articoli selezionati (14 per la carne, 14 per l’olio extravergine d’oliva, 12 per il pesce) emerge la rilevanza, nelle preferenze dei consumatori, soprattutto dei seguenti attributi del prodotto: certificazione di origine geografica, sicurezza alimentare, caratteristiche sensoriali, brand, prezzo.
Quasi tutti gli autori evidenziano una correlazione dei suddetti attributi con la disponibilità a pagare un
premium price, ma soltanto alcuni ne propongono una stima quantitativa attraverso le loro investigazioni
empiriche. Iniziando con i lavori che hanno per oggetto l’olio di oliva Made in Italy, la scelta individuale con
premium price da parte dei consumatori sembra collegarsi in particolare ad elementi quali la zona di origine
e le informazioni presenti in etichetta, nello specifico sulla quantità di concentrazione dei polifenoli (Cafarelli et al., 2017). Cavallo et al. (2017) mettono in luce l’importanza, oltre al paese di origine, anche dei processi produttivi sostenibili. Nello studio di Del Giudice et al. (2015) si evidenzia la presenza di una disponibilità a pagare un premium price di circa il 50% se sono presenti sull’etichetta l’indicazione geografica protetta e la denominazione di origine protetta. Sillani et al., (2014) mostrano che la disponibilità a pagare aumenta con la presenza e la specificazione che l’origine del prodotto è italiana. Le ricerche di Panico et al. (2014), Di Vita et al. (2013) e Bevilacqua et al. (2012) rilevano che, oltre al paese di origine, i consumatori sono maggiormente propensi ad acquistare con premium price un olio extra vergine di oliva in base alle caratteristiche organolettiche e ai processi produttivi avvenuti nel rispetto dell’ambiente. Tre gruppi di studiosi (Cicia et al., 2013; Piccolo et al., 2013; Finco et al., 2010) sostengono che i consumatori pagano un premium price se le olive sono Made in Italy, cioè se l’origine è italiana al 100% e se la produzione è locale/territoriale. Dai lavori di Marchini et al. (2011) e Pagliuca & Scarpato (2011) emerge come fondamentale la caratteristica della provenienza regionale dell’olio per poter avere un premium price. Del Giudice et al. (2012) cercano di quantificare la disponibilità a pagare e mostrano, attraverso una ampia ricerca empirica, che il premium price per l’olio Made in Italy è di + €3,76 se biologico. Infine, Finardi et al. (2009) stimano che la disponibilità a pagare un premium price per un olio Made in Italy è + € 4,00 e che suddetta decisione è motivata anche dalla presenza di indicazioni concernenti in particolare il livello di acidità dell’olio e in generale la salute.
La rassegna della letteratura inerente la disponibilità a pagare per la carne Made in Italy dimostra che sono meno numerosi i lavori inerenti la determinazione quantitativa della disponibilità a pagare un premium price. In generale, sembra dimostrato che l’attributo più importante in assoluto associato al premium price riguarda l’indicazione “animal welfare”, ossia che le metodologie di allevamento bovino, suino, ovino rispettino il benessere degli animali. La ricerca di Di Pasquale et al. (2016, 2014) dimostra empiricamente che il premium
price va dal 10% al 20% se nella carne Made in Italy è espressamente presente la dicitura “animal friendly”
o “animal welfare”. Gli studi di Scarpa et al. (2012), Zanoli et al. (2011) e Mascarello et al. (2015) a livello qualitativo confermano l’importanza della sostenibilità dei processi produttivi e dell’origine territoriale della carne. L’etichetta sembra essere un valido e importante specchio delle informazioni, nutritive e non, che determinano la disponibilità a pagare un premium price per tale prodotto (Napolitano et al. 2010, 2013; Stefani et al., 2008; Zanoli et al., 2011; Menozzi et al., 2010; Tranter et al., 2009; Cicia & Colantuoni 2010). Per quanto concerne la letteratura riguardante il settore ittico Made in Italy, si segnalano alcuni lavori che presentano delle stime quantitative sulla disponibilità a pagare un premium price.
Da questi studi emerge la rilevanza, nelle preferenze dei consumatori, soprattutto dei seguenti attributi del prodotto: certificazione di origine geografica, etichetta e produzione sostenibile. Il premium price stimato è di € +3,9/Kg (Mauracher et al., 2013) e di € +0,86/Kg (Disegna et al., 2009). Per alcuni autori la disponibilità a pagare aumenta se il consumatore trova tutte le informazioni chiare sull’etichetta (Tempesta et al., 2016), in particolare il premium price è stato stimato pari a € +1,24/1,25 al Kg (De Magistris et al., 2016; Disegna et al., 2009). Se l’etichetta del pesce Made in Italy è bio il premium price è di € +2,76/Kg (Stefani et al., 2012). Ancora, il report tecnico di un progetto commissionato dall’Unione Europea (Freucht et al., 2017), descrive come la disponibilità a pagare un premium price da parte dei consumatori italiani per il prodotto ittico etichettato Made in Italy sia compresa tra il 10% e il 15% in più se il prodotto risponde a requisiti in merito alla sostenibilità, organicità e produzione nel rispetto del benessere degli animali. Anche Cosmina et al., (2012) e Brécard et al., (2009) nelle loro ricerche evidenziano come il rapporto diretto tra sicurezza e sostenibilità impatti con le scelte del consumatore, ed aggiungono gli ulteriori elementi rappresentati dal paese di origine del prodotto ittico e dalla presenza o meno dell’etichetta ecolabel.
A livello qualitativo, uno degli studi più interessanti è quello di Carlucci et al. (2015), in cui viene presentata una rassegna sistematica della letteratura che esamina circa 50 articoli nazionali e internazionali al fine di valutare il comportamento d’acquisto dei consumatori nei confronti dei prodotti ittici.
258
3. Materiali e metodi: il modello di regressione logistica per la stima della probabilità di pagare un premium price per i prodotti Made in Italy
Dal punto di vista empirico, si è investigato mediante l’utilizzo di un questionario sull’esistenza e sulla tipologia di una relazione tra preferenza espressa dei prodotti Made in Italy e la disponibilità a pagare un
premium price per tali prodotti. La rilevazione è avvenuta a Roma nel mese di Giugno 2017 in 6
supermercati di una nota catena della grande distribuzione alimentare. Il campione intervistato attraverso la somministrazione dei questionari all’uscita di ogni supermercato è di 408 rispondenti. Il questionario, diviso in più sezioni, ha preso in esame i seguenti aspetti: se nel carrello della spesa il consumatore ha acquistato olio extravergine d’oliva, carne e pesce Made in Italy oppure no; l’atteggiamento verso il consumo e verso il Made in Italy (in scala Likert da molto d’accordo a per niente d’accordo); la disponibilità a pagare premium
price per il prodotto Made in Italy; la conoscenza riguardante la qualità della filiera produttiva dei prodotti
acquistati; la fonte principale di conoscenza/informazione; il profilo personale (genere, età, titolo di studio, professione e residenza nel quartiere). Le risposte al questionario sono state analizzate con un modello di regressione logistica multivariata (appendice 1), al fine di prevedere la presenza o l’assenza di una determinata caratteristica (nel nostro caso la disponibilità a pagare un premium price, ovvero la variabile dipendente) in base ad una serie di variabili-stimatori (o covariate o predittori), cioè in base alle variabili indipendenti individuate.
4. Risultati e Discussione
La tabella 1 riporta le stime dei coefficienti del modello di regressione logistica.
Il modello testa l’ipotesi della presenza di una disponibilità a pagare superiore al 10% sulla base delle risposte al questionario. Ricordiamo che se “P” (P-value) è maggiore di 0,05 la variabile non è significativa. La positività del coefficiente incrementa la probabilità che si verifichi l’evento (cioè l’acquisto del bene Made in Italy con una disponibilità a pagare maggiore del 10%).
In base al modello, soffermandosi unicamente sulle variabili in tabella il cui effetto sulla disponibilità a pagare è significativo, è possibile proporre le seguenti principali considerazioni.
D1. La decisione di acquisto con disponibilità a pagare superiore al 10% non sembra preceduta da una attività di confronto fra i prezzi. Questo suggerisce che gli acquirenti del Made in Italy con disponibilità a pagare sono meno sensibili al fattore prezzo nel processo di acquisto dei beni.
D3. L’esperienza di consumo positiva non sembra fondamentale nell’incrementare la probabilità di acquisto del prodotto Made in Italy con disponibilità a pagare superiore al 10%. Ciò suggerisce che la probabilità di acquisto dei prodotti Made in Italy con disponibilità a pagare un premium price non è legata all’esperienza pregressa di consumo ma ad altri fattori.
D5. Il territorio di provenienza sembra giocare un ruolo nell’incrementare la probabilità di acquisto di prodotti Made in Italy con disponibilità a pagare. Questo è coerente con l’aspettativa che il luogo di origine del prodotto abbia un impatto sulle decisioni di acquisto da parte dei consumatori.
D7. La preferenza per il prodotto Made in Italy è decisamente correlata alla probabilità di acquisto con disponibilità a pagare un premium price. Ciò è perfettamente in linea con le attese.
D10. La probabilità di acquisto di un prodotto Made in Italy con disponibilità a pagare aumenta in base al fatto di considerare giustificato un prezzo maggiore per un prodotto Made in Italy rispetto a un prodotto non Made in Italy. Questo risultato è particolarmente interessante in quanto sembra suggerire che un prezzo più alto per i prodotti Made in Italy non sia solo esclusivamente “assunto come tale” e “sopportato” dai consumatori, ma venga ritenuto un qualcosa di “legittimo” e “corretto”.
D15. In un contesto di scarsa significatività dell’elemento legato all’età, la fascia più giovane (18-24) mostra una più bassa probabilità all’acquisto del prodotto Made in Italy con disponibilità a pagare. Questo risultato si presta a una duplice chiave di lettura: da una parte si può interpretare il dato in termini di minore disponibilità economica e quindi di capacità di spesa da parte della fascia di età considerata. Dall’altra, l’analisi delle risposte alle successive domande, dove si dimostra una forte relazione fra titolo di studio più elevato e probabilità di acquisto del prodotto Made in Italy con disponibilità a pagare, lascia sostanzialmente fuori dal requisito suddetto la fascia di età in esame.
259 Tabella 1
Logistic regression Number of obs = 408 Wald chi2(3) = .
Prob > chi2 = .
Log pseudolikelihood = -209.36815 Pseudo R2 = 0.2534
(Std. Err. adjusted for 5 clusters in zonadirilevazione)
Robust
d11aggr2 Coef. Std. Err. z P>|z| [95% Conf.Interval]
D1: Prima di acquistare un prodotto confronto i prezzi e acquisto il meno caro (ref: molto d'accordo) Abbastanza d'accordo 0,674 0,214 3,15 0,002 0,255 1,092 Poco d'accordo 1,433 0,153 9,36 0,000 1,133 1,733 Per niente d'accordo 0,915 0,521 1,76 0,079 -0,106 1,936
D2: Acquisto i prodotti di una marca specifica di cui mi fido (ref: molto d'accordo)
Abbastanza d'accordo -0,019 0,418 -0,04 0,965 -0,838 0,801 Poco d'accordo -0,185 0,420 -0,44 0,660 -1,009 0,639 Per niente d'accordo -0,198 0,538 -0,37 0,713 -1,253 0,857
D3: Acquisto i prodotti la cui esperienza di consumo è positiva (ref: molto d'accordo)
Abbastanza d'accordo -0,127 0,198 -0,65 0,519 -0,515 0,260 Poco d'accordo -0,406 0,655 -0,62 0,536 -1,690 0,878 Per niente d'accordo 2,717 1,160 2,34 0,019 0,444 4,990
D4: Acquisto i prodotti sulla base delle informazioni presenti nell'etichetta (ref: molto d'accordo) Abbastanza d'accordo 0,386 0,323 1,2 0,231 -0,246 1,019 Poco d'accordo 0,242 0,256 0,94 0,345 -0,261 0,744 Per niente d'accordo -0,480 0,623 -0,77 0,441 -1,701 0,741
D5: Acquisto i prodotti in base al territorio di provenienza (ref: molto d'accordo)
Abbastanza d'accordo 0,209 0,267 0,78 0,435 -0,315 0,733 Poco d'accordo -0,613 0,333 -1,84 0,066 -1,266 0,041 Per niente d'accordo -0,267 0,840 -0,32 0,750 -1,914 1,379
D6: Acquisto più volentieri i prodotti "Made in Italy" (ref: molto d'accordo)
Abbastanza d'accordo 0,167 0,276 0,6 0,546 -0,375 0,708 Poco d'accordo 0,603 0,824 0,73 0,465 -1,013 2,218 Per niente d'accordo 0,401 0,745 0,54 0,590 -1,059 1,861
D7: Preferisco il prodotto "Made in Italy" anche se costa di più (ref: molto d'accordo)
Abbastanza d'accordo -0,972 0,242 -4,01 0,000 -1,446 -0,497 Poco d'accordo -1,215 0,481 -2,53 0,012 -2,158 -0,273 Per niente d'accordo -1,290 0,843 -1,53 0,126 -2,943 0,362
D8: Acquisto il prodotto "Made in Italy" per abitudini consolidate
Abbastanza d'accordo -0,018 0,279 -0,07 0,948 -0,564 0,528 Poco d'accordo -0,447 0,313 -1,43 0,153 -1,061 0,166 Per niente d'accordo -0,652 0,750 -0,87 0,384 -2,122 0,817
D9: Acquisto il prodotto "Made in Italy" perché è sinonimo di qualità
Abbastanza d'accordo -0,682 0,169 -4,03 0,000 -1,014 -0,350 Poco d'accordo -0,577 0,605 -0,95 0,340 -1,764 0,609 Per niente d'accordo 0,163 0,655 0,25 0,804 -1,121 1,447
D10: Trovo giustificato che il prodotto "Made in Italy" costi di più rispetto ad un prodotto no "Made in Italy" Abbastanza d'accordo -0,352 0,366 -0,96 0,337 -1,070 0,366
Poco d'accordo -1,248 0,272 -4,58 0,000 -1,782 -0,715 Per niente d'accordo -1,837 0,387 -4,74 0,000 -2,596 -1,078
sesso -0,443 0,243 -1,82 0,069 -0,920 0,034
D15aggr: Età (ref: 18-24)
25-30 -1,116 0,493 -2,26 0,024 -2,081 -0,150 31-40 -0,895 0,793 -1,13 0,259 -2,450 0,659 41-50 -0,805 1,058 -0,76 0,447 -2,879 1,269 51-60 -1,550 0,803 -1,93 0,053 -3,124 0,023 61 e più -1,610 1,132 -1,42 0,155 -3,828 0,608
d16aggr: Titolo di studio (ref: Al massimo diplomato)
Laurea e post (Master/Dottorato) 0,504 0,116 4,34 0,000 0,277 0,731 vivequart 0,464 0,269 1,72 0,085 -0,064 0,992
d18aggr: Professione (ref: studente/non occupato)
Casalinga 0,539 0,589 0,92 0,360 -0,616 1,695 Operaio 0,721 0,429 1,68 0,093 -0,119 1,561 Libero professionista 0,185 0,724 0,26 0,798 -1,235 1,605 Pensionato -0,110 0,984 -0,11 0,911 -2,038 1,818
260 D16-D18. Il possesso del titolo di studio di laurea o post laurea incrementa la probabilità di acquisto di prodotti Made in Italy con disponibilità a pagare. Il tipo di professione non sembra influenzare la probabilità di acquisto di prodotti Made in Italy con disponibilità a pagare.
L’analisi delle risposte alle due domande precedenti rappresenta probabilmente l’aspetto più interessante che emerge dai risultati del modello. Si evince infatti che l’elemento istruzione/educazione influisce fortemente sulla probabilità di acquisto di prodotti Made in Italy con disponibilità a pagare un premium price, mentre la professione e la conseguente maggiore o minore disponibilità economica non mostra un pari effetto.
La presente indagine suggerisce quindi come il fattore “cultura” rappresenti l’elemento che principalmente caratterizza il consumatore tipo nel processo di acquisto dei prodotti Made in Italy con disponibilità a pagare un premium price superiore al 10%. Si tratta di una conclusione particolarmente interessante, da approfondire in successivi lavori.
References
1. Bevilacqua, M., Ciarapica, F.E., Marchetti, B. Development and test of a new fuzzy-QFD approach for characterizing customers rating of extra virgin olive oil. Food Quality and Preference, 2012, 24, pp.75–84. 2. Brécard, D., Hlaimi, B., Lucas, S., Perraudeau, Y., Salladarré, F. Determinants of demand for green products:
An application to eco-label demand for fish in Europe. Ecological Economics, 2009, 69, pp. 115–125.
3. Cafarelli, B., La Sala, P., Pellegrini, G., Fiore, M. Consumers’ preferences investigation for extra virgin olive oil basing on conjoint analysis. Rivista di studi sulla sostenibilità, 2017, 1, pp. 203-218 .
4. Cappelli, L., D’Ascenzo, F., Natale, L., Rossetti, F., Ruggieri, R., Vistocco, D., Are Consumers Willing to Pay More for a “Made in” Product? An Empirical Investigation on “Made in Italy” , Sustainability, April 2017, pp.1-17.
5. Cappelli, L., D'Ascenzo, F., Natale, L., Rossetti, F., Ruggieri, R.,Vistocco D., Consumer attitude towards the products "Made in Italy". An empirical investigation., 19th QMOD-ICQSS International Conference on Quality and Service Sciences. Building a Culture for Quality, Innovation and Sustainability, Rome 2016, pp.1835-1838.
6. Carlucci, D., Nocella, G., De Devitiis, B., Viscecchia, R., Bimbo, F., Nardone, G. Consumer purchasing behaviour towards fish and seafood products. Patterns and insights from a sample of international studies. Appetite, 2015, 84, pp. 212–227.
7. Castellini, A., Disegna, M., Mauracher, C., Procidano, I., Consumers’ Willingness to Pay for Quality and Safety in Clams. Journal of International Food & Agribusiness Marketing, 2014, 26, pp. 189–208.
8. Cavallo,C., Caracciolo, F., Cicia, G., Del Giudice, T. Extra-virgin olive oil: are consumers provided with the sensory quality they want? A hedonic price model with sensory attributes. Journal of the Science of Food and Agriculture, 2017, 1, pp-2-8.
9. Cicia, G., Caracciolo, F., Cavallo, C., Del Giudice, T., Sannino, G., Verneau, F. The Role of Sensory Profile in the Extra-Virgin Olive Oil Consumers Choice. Proceedings in Food System Dynamics, 2013, pp.110-126. 10. Cicia, G., Colantuoni, F. Willingness to Pay for Traceable Meat Attributes: A Meta-analysis. International
Journal Food System Dynamics, 2010, 3, pp. 252-263.
11. Cosimina, M., Demartini, E., Gaviglio, A., Mauracher, C., Prestamburgo, S., Trevisan, G. Italian consumers’ attitudes towards small pelagic fish. NEW MEDIT, 2012, 1, pp. 52-57.
12. De Blasi, G., Acciani, C., De Boni, A., Roma, R. A multifunctional subsidy in aquaculture: an empirical application and its effects on the market, NEW MEDIT, 2009, 3, pp. 11-16.
13. De Magistris, T., Del Giudice, T., Verneau, F., The Effect of Information on Willingness to Pay for Canned Tuna Fish with Different Corporate Social Responsibility (CSR) Certification: A Pilot Study. The Journal of Consumer Affairs, 2015, 49, pp. 457-471.
14. Del Giudice, T. Panico, T., Caracciolo, F., Cicia, G. Le preferenze dei consumatori italiani nei confronti dell’attributo biologico nell’olio extra-vergine di oliva alla luce della nuova normativa sull’etichettatura. Workshop GRAB-IT, “Agricoltura biologica: modello sostenibile per un Mediterraneo in transizione”, Ancona, 10-11 maggio 2012, pp. 40-45.
15. Del Giudice, T., Cavallo, C., Caracciolo, F., Cicia, G. What attributes of extra virgin olive oil are really important for consumers: a meta-analysis of consumers’ stated preferences. Agricultural and Food Economics, 2015, 3, 20. pp. 1-15.
16. Di Pasquale, J., Nannoni, E., Adinolfi, F., Del Duca, I., Capitanio, F., Sardi, L., Vitali, M., Martelli, G. A case-study on profiling Italian consumers of animal-friendly foods. Italian Journal of Animal Science, 2016, 15, pp. 294–302.
17. Di Pasquale, J., Nannoni, E., Del Duca, I., Adinolfi, F., Capitanio, F., Sardi, L., Vitali, M., Martelli, G. What Foods are Identified as Animal Friendly by Italian Consumers? Italian Journal of Animal Science, 2014, 13, pp. 782-789.
261 18. Di Vita, G., D’Amico, M., La Via, G., Caniglia, E., Quality Perception of PDO extra-virgin Olive Oil: Which
attributes most influence Italian consumers? Agricultural Economics Review, 2013, Vol 14, pp. 46-58.
19. Disegna, M., Mauracher, C., Procidano, I., Trevisan G. Characteristics of production and consumption of organic trout in Italy. NEW MEDIT, 2009, 3, pp. 17-26.
20. Feucht, Y., Le Gallic, B., Pirrone, C., Galinou-Mitsoudi, S. Results on consumer preferences for sustainable seafood products from Europe. Technical Report of the European project: Strategic Use of Competitiveness towards Consolidating the Economic Sustainability of the European Seafood sector, 2017, pp.1-70.
21. Finardi, C., Giacomini, C., Menozzi, D., Mora, C., Consumer preferences for country-of-origin and health claim labelling of extra-virgin olive-oil. 113th EAAE Seminar “A resilient European food industry and food chain in a challenging world”, Chania, Crete, Greece, September 3 - 6, 2009.
22. Finco, A., Padella, M., Sargentoni, T. Disponibilità a pagare per la qualità di un olio extravergine locale. Economia Agro-Alimentare, 2010, 1, pp. 77-99.
23. Marchini, A., Diotallevi, F., Fioriti, L., Pampanini, R. A quantitative analysis of olive oil market in the North-West Italy, 2011, SSRN Elsevier, pp.1-21.
24. Mascarello, G., Pinto, A., Parise, N., Crovato, S., Ravarotto, L. The perception of food quality. Profiling Italian consumers. Appetite, 2015, 89, pp. 175–182.
25. Mauracher,C., Tempesta, T., Vecchiato, D. Consumer preferences regarding the introduction of new organic products. The case of the Mediterranean sea bass (Dicentrarchus labrax) in Italy. Appetite, 2013, 63, pp.84–91. 26. Menozzi, D., Mora, C., Chryssochoidis, G., Kehagia, O. Rintracciabilità, qualità e sicurezza alimentare nella
percezione dei consumatori. Economia Agro-Alimentare, 2010, 1, pp. 137-158.
27. Napolitano, F., Braghieri, A., Piasentier, E., Favotto, S., Naspetti, S., Zano, R. Effect of information about organic production on beef liking and consumer willingness to pay. Food Quality and Preference, 2010, 21, pp. 207–212.
28. Napolitano, F., Castellini, C., Naspetti, S., Piasentier, E., Girolami,A., Braghieri, A. Consumer preference for chicken breast may be more affected by information on organic production than by product sensory properties. Poultry Science, 2013, 92, pp. 820–826.
29. Pagliuca, M.M., Scarpato, D. Food quality, consumer perception and preferences: an analysis on olive oil. Electronic Journal of Applied Statistical Analysis, 2011, 4, pp. 215-226.
30. Panico, T., Del Giudice, T., Caracciolo, F. Quality dimensions and consumer preferences: A choice experiment in the Italian extra-virgin olive oil market. Agricultural Economics Review, 2014, 15, pp. 100-112.
31. Piccolo, D., Capecchi, S., Iannario, M., Corduas, M. Modelling consumer preferences for extra virgin olive oil: the Italian case, Politica Agricola Internazionale - International Agricultural Policy, 2013, 3, pp. 25-37. 32. Scarpa, R., Zanoli, R., Bruschi, V., Naspetti, S. Inferred and stated attribute non-attendance in food choice
experiments, American Journal of Agricultural Economics, 2012, 95, pp. 165–180.
33. Sillani, S., Esposito, A., Del Giudice, T., Caracciolo, F. Le preferenze dei consumatori della provincia di Trieste per l’olio extra vergine di oliva d’alta gamma. Economia agro-alimentare, 2014, 1, pp. 139-155. 34. Stefani, G., Cavicchi, A., Romano, D., Lobb, A.E. Determinants of Intention to Purchase Chicken in Italy: The
Role of Consumer Risk Perception and Trust in Different Information Sources, Agribusiness, 2008, 24, pp. 523–537.
35. Stefani, G., Scarpa, R., Cavicchi, A. Exploring consumer’s preferences for farmed sea bream. Aquaculture International, 2012, 20, pp. 673–691.
36. Tempesta, T., Vecchiato, D., Marangon, F., Troiano, S. Consumers’ willingness to pay for safer fish: preliminary results from a survey about mercury contaminated fish in Friuli Venezia Giulia Region. Rivista di Economia Agraria, 2016, 1, pp. 305-312.
37. Tranter, R.B., Bennett, R.M., Costa, L., Cowan, C., Holt,C.G., Jones, P.J., Miele, M., Sottomayor, M., Vestergaard, J. Consumers’ willingness-to-pay for organic conversion-grade food: Evidence from five EU countries. Food Policy, 2009, 34, pp. 287–294.
38. Zanoli, R., Scarpa, R., Napolitano, F., Piasentier, E., Naspetti, S., Bruschi, V. Organic label as an identifier of environmentally related quality: A consumer choice experiment on beef in Italy. Renewable Agriculture and Food Systems, 2012, 28, pp. 70-79.
Appendice 1.
Il modello di regressione logistica si basa sul presupposto dell’esistenza di una variabile continua non osservabile (che è possibile indicare con Z) interpretabile come la tendenza alla realizzazione dell’evento di interesse (nel presente caso il fatto che ci sia un premium price per olio, carne e pesce “Made in Italy ”). Se si definisce con Z la propensione a pagare un prezzo “premio” per i prodotti alimentari “Made in Italy ”, valori elevati di Z indicheranno che la probabilità che la disponibilità a pagare il premium price è elevata, mentre valori più bassi indicheranno che tale probabilità è bassa. La relazione tra la probabilità dell’evento di interesse (indicata in generale con
i) e la variabile non osservabile Z può essere espressa come di seguito:262
)
exp(
1
1
)
exp(
1
)
exp(
i i i iz
z
z
Nella formula appena scritta i indica l’i-esimo caso considerato e, quindi, con zi si indica il valore della variabile non osservabile per l’operazione i-esima e con
i si indica la probabilità che tale operazione sia un default. Dalla formula indicata si nota che è possibile risalire al valore non osservabile della variabile Z sulla operazione i-esima, come indicato nel seguito:
i i iz
1
log
Il modello di regressione logistica considera inoltre la variabile Z esprimibile come combinazione lineare dei valori delle variabili indipendenti considerate significative. Il valore della variabile Z per l’operazione i-esima potrà quindi essere espressa come indicato nel seguito:
ik k i i i x x x z
0
1 1
2 2
Dove
j è il parametro relativo al valore osservato xij della variabile j sull’operazione i. Nel modello sono quindi presenti i valori osservati delle variabili esplicative x e i parametri che sono quantità incognite. Tenuto conto di quanto detto si capisce come l’analisi di regressione logistica sia finalizzata, una volta identificate le variabili indipendenti significative, alla stima dei coefficienti del modello. Infatti, una volta stimati i parametri
j otteniamo la stima della variabile non osservabile Z nel modo seguente:ik k i i i
x
x
x
z
ˆ
ˆ
0
ˆ
1 1
ˆ
2 2
ˆ
Il simbolo ˆ utilizzato, indica che una quantità ignota è stata stimata ed assume, pertanto, un valore numerico5. E’ chiaro che una volta stimata la variabile Z è possibile ottenere la stima della probabilità che la disponibilità a pagare il premium price nel modo seguente:
)
ˆ
exp(
1
1
)
ˆ
exp(
1
)
ˆ
exp(
ˆ
i i i iz
z
z
Il valore di
ˆ
iottenuto in seguito alla applicazione del modello ad un caso specifico porta a classificare la disponibilità a pagare un premium price se si verifica la condizione
ˆ
i
*
. In caso contrario la disponibilità a pagare un premium price è classificata come non verificata. La determinazione del valore soglia
*
avviene controllando la performance classificatoria del modello in corrispondenza a diversi valori soglia.