Ценообразование в концертной индустрии на примере концертного зала "Crocus City Hall"

Введение в концертную индустрию. Рынок концертных мероприятий. Ценообразование на билеты. Сбор и обработка данных, описательная статистика. Построение базовой модели. Фиксированные эффекты для концертов. Структурные элементы и вместимость аудиторий.

Рубрика Экономика и экономическая теория
Вид дипломная работа
Язык русский
Дата добавления 09.07.2016
Размер файла 256,9 K

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ

ГЛАВА 1. ОБЗОР ЛИТЕРАТУРЫ

1.1 Введение в концертную индустрию

1.2 Ценообразование на билеты

ГЛАВА 2. РАБОТА С ДАННЫМИ

2.1 Сбор и обработка данных

2.2 Описательная статистика

ГЛАВА 3. ПОСТРОЕНИЕ МОДЕЛЕЙ

3.1 Построение базовой модели

3.2 Фиксированные эффекты для концертов

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ 1

ПРИЛОЖЕНИЕ 2

ВВЕДЕНИЕ

Музыкальная индустрия является одной из отраслей экономики, а значит, как и многие другие, неразрывно связана с вопросами капитализма. И пусть есть мнение, что интересующая нас отрасль не имеет ничего общего с экономическими принципами, недавние изменения в концертной индустрии привлекают все большее внимание экономистов, а число статей, опубликованных в цитируемых журналах и посвященных данной теме, свидетельствует о растущей важности ее изучения. Вопросы, касающиеся экономики «суперзвезд», рынка концертных билетов и ценообразования на нем были вынесены на передний край за последнее десятилетие.

Поскольку концертная индустрия непрерывно развивается, новые цели и новые сложности возникают перед всеми игроками рынка, включая исполнителей, их менеджеров и промоутеров концертных площадок. В результате появляются сложно устроенные контракты с исполнителями и изощренные схемы ценообразования, что дает как теоретикам, так и эмпирикам обширное поле для исследований. Ценообразование на концертные билеты в частности представляет особый интерес, так как цены на одно и то же мероприятие значительно варьируются в зависимости от места, дня недели, времени начала концерта и многих других факторов.

В странах с хорошо развитой концертной индустрией регулярно проводятся международные форумы и консорциумы. Так, например, в Соединенных Штатах Консорциум концертной индустрии (Concert Industry Consortium) проходит ежегодно с 1994 года. Данное мероприятие дает уникальную возможность как новичкам, так и ветеранам отрасли поделиться опытом и идеями по организации собственной деятельности в концертной индустрии. Российским аналогом подобного мероприятия является международная музыкальная конвенция «COLISIUM» (Cooperation, Opportunities, Leadership, Information, Strategy, Innovations, Unity, Modernization), название которой отражает цели создания и проведения. С момента создания, с 2007 года, введены новые форматы проведения конвенции, значительно увеличено число участников и партнеров, однако единой упорядоченной системы взглядов до сих пор не выработано.

Российская концертная отрасль в сравнении с другими странами относительно молода. Более того, недостаток информационных ресурсов не позволяет провести полный анализ. Не выработана система стимулов для предоставления необходимых данных, в отличие от США, где, например, журнал «Pollstar», посвященный концертной индустрии, выступает посредником между концертными агентствами и их потенциальными клиентами, а взамен получает информацию о характеристиках концертного зала, ценах и выручках от продажи билетов. Таким образом, не удивительно, что большая часть выводов сделана по американским данным и опыту ценообразования на концертные билеты. Некоторые ученые утверждают, что полученные результаты применимы к другим странам, отраслям и временным периодам (Courty, 2000), однако мотивация исследовать практики ценообразования конкретной страны существует: модели, учитывающие специфику России более надежны, а значит, более предпочтительны для использования.

Данная работа основана на находящихся в открытом доступе данных с официального сайта московского концертного зала «Crocus City Hall». Объектом исследования является политика ценообразования концертной площадки, влияющая на продажи билетов. Предмет исследования - билеты, находящиеся в кассе Crocus City Hall, в каждый из дней продаж, предлагаемые по разным ценам. Используя уникальную базу данных, мы отвечаем на вопрос, билеты на какие концерты раскупаются активнее, почему, и какие выгоды получают концертные залы от каждого типа проводимых мероприятий.

Данная работа построена следующим образом. Первая глава представляет собой введение в концертную индустрию и разделена на две части так, что первый параграф содержит общие сведения об организации концертной деятельности, а второй посвящен особенностям концертов и концертных билетов, как экономических благ, и описывает различные способы ценообразования, используемые площадками. В главе два обоснован выбор концертного зала, единицы наблюдения, а также описан способ получения информации о концертах. Здесь же приведены результаты предварительной работы с собранными данными. Третья глава посвящена работе с моделью, проходящей в два этапа: построение базовой модели и введение фиксированных эффектов для концертов. В заключении приведены выводы, основанные на результатах регрессионного анализа, отмечены ограничения настоящего исследования.

ГЛАВА 1. ОБЗОР ЛИТЕРАТУРЫ

1.1 Введение в концертную индустрию

Прежде всего, определим некоторые понятия, относящиеся к концертной индустрии, и перечислим ее отличительные характеристики.

Изначально музыкальная индустрия была одной из важнейших отраслей культуры и служила для передачи сообщений, идей большим группам людей, что способствовало серьезным политическим, экономическим и культурным изменениям (Frey, 1994). В настоящее время социальная составляющая принимается во внимание во многих сделка и за пределами музыкальной индустрии, что позволяет рассматривать ее как благоприятную среду для новых идей в экономике. Также данная отрасль является уникальной областью для тестирования различных экономических теорий: от изучения эффекта «суперзвезд» до рассмотрения различных соотношений спроса и предложения и последствий установления соответствующих равновесий. Таким образом, выделяется некоторая подобласть в экономике, которая еще в 1993 году получила название «Рокономика» (Eliot, 1993). Здесь популярная музыка рассматривается как музыка, имеющая множество слушателей, созданная современным исполнителем и не нуждающаяся в субсидировании для «выживания» (Connolly, Krueger, 2006).

Концертная индустрия является одной из составляющих частей музыкальной наряду с издательством и индустрией продаж звукозаписей. С точки зрения потребителей может казаться, что доход исполнителей определяется выручкой от продаж звукозаписей, однако именно концертная деятельность является основным источником их доходов (Koster, 2008). Как пишет Алан Крюгер из Принстонского университета, только 4 из 35 артистов, занимающих верхние строки рейтингов и давших гастрольные туры в 2002 году, получили заметно более высокие доходы от продажи звукозаписей, чем от живых выступлений (Krueger, 2005).

Организация музыкальной отрасли подробно описана в работах Паскаля Коурти (Courty, 2000), профессора Викторианского университета, и Алана Крюгера и Мэри Коннолли (Connolly, Krueger, 2006). Исключив часть, относящуюся к издательской индустрии и продажам звукозаписей, мы рассмотрим взаимодействие следующих игроков: исполнителей, их менеджеров и промоутеров концертных площадок. Каждый артист или группа имеет своего менеджера, который представляет интересы исполнителя и получает определенную долю его дохода за свои услуги. Эти услуги включают установление контактов с промоутерами, в чьи обязанности входит подготовка концертного зала, проведение рекламных акций и прочее. Концертные залы устанавливают ограничения на количество билетных категорий, и как только концертный зал выбран, билеты поступают в продажу. Таким образом, концертная индустрия имеет вертикальную организацию, что характерно для отраслей развлечений (Courty, 2000).

Стандартный контракт представляет собой договор, по которому исполнитель получает «гарантированный аванс», после выплаты которого промоутер покрывает свои расходы и забирает «гарантированную прибыль» (Caves, 2000). Расходы могут включать в себя затраты на рекламу, аренду, оплату доставки и выгрузки оборудования и прочее. Оставшаяся после покрытия расходов и выплаты «гарантированной прибыли» выручка разделяется между исполнителем и промоутером. Автор утверждает, что в большинстве случаев артист получает 85% выручки, а промоутер - 15%.

В недавнее время концертная индустрия пережила ряд серьезных изменений, в ответ на это было опубликовано несколько статей, посвященных изучению текущих тенденций отрасли. Статья Алана Крюгера - один из лучших примеров. Автор использует базу данных журнала «Pollstar», упомянутую во введении, и описание артистов из энциклопедии «Rolling Stone Encyclopedia of Rock&Roll» и выводит несколько стоящих внимания трендов для периода с 1981 по 2003 год (Krueger, 2005). Во-первых, число концертных мероприятий сократилось на 16% за рассматриваемый период. Во-вторых, вплоть до 2000 года число проданных билетов в год составляло 30 миллионов и сократилось до 22 миллионов к 2003. В-третьих, общая выручка от продажи билетов неизменно росла до 2000 года по причине роста цен. Более того, выручка 1% исполнителей, занимающих лидирующие места в рейтинге, составляла 26% общей выручки в начале периода и увеличилась до 56% к 2003 году. Для 5% наиболее успешных артистов эти значения составляли 62% и 84% на начало и конец периода соответственно. Последнее изменение касается доли мест, занимаемых в зале во время концерта, от общей вместимости зала: в поздние 80-ые года эта доля составляла приблизительно 90%, а к 2003 сократилась до 75%.

По приведенным результатам Крюгера можно сделать вывод, что в рассматриваемой отрасли наблюдается эффект «суперзвезд». На самом деле, эта особенность, проявляющаяся в том, что небольшое число исполнителей получает значительную долю общей выручки, выделяет концертную индустрию из ряда других (Hamlen, 1991). Ранее Розен (Rosen, 1981) создает модель, где спрос определяется несовершенным замещением между продавцами. Данная модель применима к концертной индустрии: здесь популярные исполнители рассматриваются в качестве продавцов. Согласно модели, при небольших расхождениях в способностях артистов, имеют место существенные разницы в их выручках. Борганс и Гроут иначе подходят к объяснению эффекта «суперзвезд»: сила монополистической власти исполнителя рассматривается как источник более высоких доходов (Borghans, Groot, 1998). Экономисты утверждают, что благодаря медиа возможностям достаточно одного лишь артиста, чтобы удовлетворить весь рынок, где без этих возможностей и современных технологий потребовалось бы множество исполнителей. По эффективному распределению, наиболее талантливый артист назначается на эту роль и использует все преимущества своего положения. На сегодняшний день феномен «суперзвезд» все еще требует более тщательного исследования: не все существующие теоретические модели имеют эмпирическое подтверждение, так как возникают проблемы определения и измерения «звездности» исполнителей.

1.2 Ценообразование на билеты

Рынок концертных мероприятий обладает уникальными характеристиками и поэтому заслуживает особого внимания. Эти отличительные черты были наиболее подробно описаны в работах Коурти (Courty, 2000), Хаппел и Дженнинс (Happel, Jennings , 2002) а также Крюгера и Коннолли (Connolly, Krueger, 2006). Согласно более поздней статье, существует пять основных характеристик. Во-первых, концерты обладают высокими фиксированными и низкими переменными издержками. Во-вторых, концертные мероприятия - это так называемые испытуемые блага (от англ. - experience goods). В нашем случае это означает, что о качестве концерта ничего нельзя сказать заранее, до момента его проведения. В-третьих, по окончании мероприятия стоимость билетов на него равна нулю. Что касается мест в зрительном зале, то обеспечиваемое ими качество восприятия заметно меняется от одного к другому. И, наконец, концертные билеты имеют ряд дополняющих товаров, от музыкальных дисков до продукции с символикой группы или отдельного исполнителя. Перечисленные особенности дают концертным площадкам основания для проведения ценовой дискриминации. А ценовая дискриминация в концертной индустрии названа основным направлением дальнейших исследований (Connolly, Krueger, 2006).

Между разными рынками и периодами времени существует множество различий в том, как фирмы дискриминируют по цене (Busse, Rysman , 2005), (Clerides, Michis, 2007). Концертная индустрия в этом смысле особенна: обеспечена мотивация применения самых разных политик ценообразования (Woodrow, Smith, 2012). Для некоторых из них уже введены свои названия. Например, процесс установления более высоких цен на места в рядах, расположенных ближе к сцене, был назван «scaling the house». Как замечает Коурти, даже в применении конкретно этого метода находятся отличия от площадки к площадке, и даже в пределах одного концертного зала - от концерта к концерту (Courty, 2000).

Так как фиксированные издержки намного выше переменных, а посетители концертных мероприятий с высокой и низкой эластичностью спроса по цене могут быть определены по расположению выбираемых мест, имеют место ценовые разницы. С изменением расстояния от места до сцены меняется видимость и слышимость - не найдется двух таких билетов, которые гарантировали бы одинаковое качество восприятия. Концертные площадки используют этот факт и вводят различные категории билетов. Каждый билет может восприниматься как уникальное благо, но, практически, рассматриваются именно их группы - категории. Розен и Розенфилд изучают ситуацию с двумя категориями продуктов (в нашем случае - мест): низкого и высокого качества (Rosen, Rosenfield, 1997). Потребители предпочитают высокое качество низкому, а продавец владеет информацией о резервных ценах, но не может распределить покупателей. Предположив, что концертные залы обладают монопольной властью, некоторые модели ценовой дискриминации второй степени можно применить к концертной индустрии (Tirole, 1988). Покупатели готовы платить за качество, а залы предлагают различные сочетания качества места и соответствующей стоимости билета. Выбирая категорию места, покупатели самоопределяются.

Очевидным образом, число различных категорий билетов меняется от площадки к площадке. Большие концертные залы с более высокой вместимостью предлагают большее число разных категорий мест, и, соответственно, категорий билетов. Существуют площадки, не вирирующие стоимость билетов в зависимости от удаленности места от сцены, однако еще в 1993 году была подтверждена эффективность проведения такой ценовой политики. Хантингтон установил, проанализировав данные 33 театров, что, предлагая билеты по разным ценам, можно добиться увеличения выручки на 24% (Huntington, 1993).

Другой способ ценообразования заключается в предложении скидок на билеты при покупке заранее и/или для определенных групп населения, например, студентов или пенсионеров. Коурти пишет, в то же время разница в ценах может быть объяснена политикой установления стоимости билетов на один и тот же концерт в зависимости от дней недели и/или времени начала (цены достигают своего максимума на мероприятия, проходящие в субботу вечером). Более того, принимаются во внимание и другие особенности конкретного выступления. Автор приводит в пример ценообразование на концерты артиста, дающего тур по городам: здесь ставится задача установить цены в соответствии с региональным спросом. Филипп Лесли, проанализировав данные по различным шоу Бродвея, выяснил, что в среднем на одно и то же выступление предлагается 8,7 различных категорий билетов. Помимо этого, разница в ценах между двумя билетами, выбранными случайным образом, составляет 40% средней цены (Leslie, 1998).

Исполнители обладают монопольной властью: артисты предлагают гетерогенные товары и при этом имеют верных зрителей, фанатов творчества. Также, на цены концертных билетов оказывает влияние наличие и стоимость дополняющих товаров. Чем ниже цены билетов, тем большее число зрителей посетит мероприятие и купит продукцию с подписью или символикой исполнителя, что увеличит выручку. Таким образом, комбинации различных техник ценообразования являются важным инструментом на рынке концертных билетов.

Как заявляют Коурти и Паглиеро, концертная индустрия полностью соответствует модели установления цен монополистом, описываемой в учебниках по экономике (Courty, Pagliero, 2009). Авторы используют большую базу данных по различным концертам, чтобы определить, применяют ли концертные площадки ценовую дискриминацию второй степени, когда все условия позволяют это делать. По результатам данного исследования, вместимость зрительного зала и возраст исполнителя увеличивают вероятность дискриминации.

На сегодняшний день очень мало эмпирических исследований было проведено в этом направлении. На многие вопросы, касающиеся концертной индустрии, не было дано удовлетворительного ответа. Как влияет количество билетных категорий на продажи билетов? А каково влияние числа изначально установленных на мероприятие цен? Насколько важен день недели проведения мероприятия? Настоящая статья посвящена поиску ответов на эти вопросы для одного конкретного типа концертных залов.

ГЛАВА 2. РАБОТА С ДАННЫМИ

2.1 Сбор и обработка данных

Настоящее исследование основано на данных, собранных с официального сайта московского концертного зала «Crocus City Hall» (http://www.crocus-hall.ru/). Crocus City Hall - единственный в России многофункциональный зал, рассчитанный более чем на 7000 зрителей. Площадка заслужено считается одной из наиболее престижных в стране, о чем свидетельствуют и имена выступавших на ее сцене артистов, и насыщенный график проводимых мероприятий.

В работах, посвященных изучению концертной индустрии, существует два наиболее распространенных подхода к выбору единицы наблюдения. Это может быть либо исполнитель (концерт), либо концертная площадка, и, на самом деле, каждый из вариантов имеет свои недостатки (Connolly, Krueger, 2006). Если выбран концертный зал, при сравнении цен билетов на мероприятия различных площадок выводы могут быть некорректны: мероприятия, проходящие в разных концертных залах, сильно различаются, а эти особенности сложно учесть. Так, более дорогие билеты на одно мероприятие могут быть распроданы, а часть более дешевых билетов на другой концерт остаются в кассе на момент его начала. Снижение цен билетов может быть рассмотрено как внутреннее изменение для конкретной площадки, в то время, как произошло снижение качества шоу (устарела программа и т.п.). Если в качестве единицы наблюдения выбран исполнитель или концерт (в этой ситуации анализируются концерты, проходящие в одном и том же концертном зале), возникают такие ограничения, как невозможность учесть влияние размера площадки, ее максимальной вместимости и расположения.

В данной работе концерт является единицей наблюдения. Мы анализируем мероприятия, проходящие на площадке концертного зала «Crocus City Hall». Дополнительным аргументом в пользу выбранной единицы наблюдения и даже конкретной концертной площадки является ее способность модифицироваться. Зал-трансформер может подстроиться под мероприятие любого формата: от шоу мировой звезды до новогодней елки для детей и даже ледового шоу. Существует шесть вариантов концертного зала, отличающихся числом структурных элементов и максимальной вместимостью: от наименьшей по размеру модификации, не имеющей танцевального партера, к наибольшей с танцевальным партером. Таким образом мы можем выявить влияние типа зала, выбранного для проведения мероприятия, на продажи билетов на него. Информация о структуре и вместимости каждой из модификаций приведена в приложении 1.

Данные по мероприятиям Crocus City Hall собирались в период с 23 декабря 2013 года по 19 мая 2014 года. Был создан специальный алгоритм для получения необходимой информации из разных разделов сайта. Нас интересовала дата, день недели проведения мероприятия, модификация зрительного зала, наличие возрастного ограничения и число билетов разных категорий по различным ценам, имеющихся в кассе на конкретную дату (дата сбора данных также фиксировалась).

В рамках данного исследования под «кассой» понимается исключительно on-line касса, билеты здесь может приобрести любой желающий пользователь интернета - информация о билетах, имеющихся в off-line кассе недоступна.

Каждый день данные собирались по каждому из мероприятий. Как только появлялись сведения об исполнителе и дате проведения, новый концерт добавлялся в базу данных, однако только с появлением информации о билетах, доступных в кассе, мы начинали обратный отсчет дней до концерта и считали дни сбора данных. Таким образом, здесь число дней, в течение которых билеты были в продаже, совпадает с числом дней сбора данных или периодов наблюдений. С 23 декабря 2013 по 19 мая 2014 года была собрана информация о 133 концертах, 54 из которых уже состоялись. Другими словами, у нас есть информация о числе и ценах билетов различных категорий, находящихся в кассе площадки в каждый из дней от самого старта продаж до дня проведения по 54 мероприятиям.

Данное исследование основано на несбалансированных (билеты поступают в продажу за разное число дней до дня проведения концерта) панельных данных по 54 концертам.

2.2 Описательная статистика

В процессе работы с данными было сгенерировано множество переменных, часть которых представлена в таблице 2.1. Исключены переменные, являющиеся промежуточными для получения приведенных в таблице, а также те, описание которых аналогично указанному (например, фиктивные переменные dc_monday, dc_tuesday, dc_wednesday, dc_thursday, dc_friday, dc_saturday, dc_sunday принимающие значение «1», если сбор данных происходил в соответствующий день недели).

Рассмотрим категориальную переменную cenz, принимающую значения от одного до пяти, согласно таблице ниже. В нашей выборке присутствуют мероприятия Crocus City Hall с различными возрастными ограничениями. Будем считать, что определенный возрастной ценз соответствует наличию у концерта определенных характеристик, которые могут повлиять на то, как проходят продажи, сколько билетов остается в кассе, каждый день. Увеличении номера категории говорит об ужесточении возрастного ограничения. В формуле 2.1 приведено соответствие возрастных цензов номерам категорий.

Таблица 2.1.

Описание переменных

Переменная

Тип

Описание

number_tg

Количественная

Число имеющихся в кассе билетов на момент сбора данных

fraction_tg

Количественная

Доля билетов на концерт, доступных в кассе, от их общего числа, %

num_p

Количественная

Число доступных цен на концерт в день сбора данных

or_num_p

Количественная

Число доступных цен на момент поступления билетов в кассу

num_pc

Количественная

Число доступных ценовых категорий в день сбора данных

or_num_pc

Количественная

Число доступных ценовых категорий на момент поступления билетов в кассу

mean_p

Количественная

Средняя цена билетов доступных в кассе в день сбора данных, рубли

dc_day

Количественная

Порядковый номер дня сбора данных

cenz

Категориальная

Принимает значения от 1 до 5 в зависимости от установленного возрастного ограничения

foreign

Фиктивная

Концерт иностранного исполнителя (1), иначе (0)

small_0

Фиктивная

Малая аудитория без танцевального партера (1), иначе (0)

small_1

Фиктивная

Малая аудитория с танцевальным партером (1), иначе (0)

medium_0

Фиктивная

Средняя аудитория без танцевального партера (1), иначе (0)

big_0

Фиктивная

Большая аудитория без танцевального партера (1), иначе (0)

big_1

Фиктивная

Большая аудитория с танцевальным партером (1), иначе (0)

monday

Фиктивная

Концерт проводится в понедельник (1), иначе (0)

tuesday

Фиктивная

Проводится во вторник (1), иначе (0)

wednesday

Фиктивная

Проводится в среду (1), иначе (0)

thursday

Фиктивная

Проводится в четверг (1), иначе (0)

friday

Фиктивная

Проводится в пятницу (1), иначе (0)

saturday

Фиктивная

Проводится в субботу (1), иначе (0)

sunday

Фиктивная

Проводится в воскресенье (1), иначе (0)

time_l

Фиктивная

Билеты поступили в кассу не менее, чем за 50 дней до концерта (1), иначе (0)

Таблица 2.2 содержит описательные статистики количественных переменных, указанных в таблице выше.

концертный цена аудитория билет

Таблица 2.2.

Описательные статистистики

Переменная

Среднее

Ст. отклонение

Минимум

Максимум

Num_tg

589,74

411,83

0

1873

Fraction_tg

12,33

10,99

0

64,84

Num_p

10,25

3,64

0

23

Or_num_p

11,55

4,06

2

20

Num_pc

5,66

1,56

0

9

Or_num_pc

6,19

1,49

1

9

Dc_day

43,72

29,19

1

149

Mean_p

4865,44

2773,51

1000

35000

Согласно приведенным данным, в среднем в кассе находится 590 билетов на каждое мероприятие, и примерно 12% всех билетов на него. Максимальное число билетов - 1873 штуки, максимальная доля билетов - приблизительно 65%, а минимальное число равно 0, когда все билеты на концерт распроданы (доля в этом случае также равна 0). Средняя цена равна 4865 рублям, при этом максимальная цена на прошедшие за рассмотренный период концерты составила 35000 рублей. На мероприятия Crocus City Hall устанавливается от 1 до 9 ценовых категорий, в среднем доступно 6 категорий, внутри которых варьируются цены. Изначально предлагается не менее 2 различных цен на мероприятие, в среднем - 12. Интересно, что максимальное число цен на мероприятие, билеты по которым доступны в первый день продаж, (20) ниже, чем наибольшее число различных цен, доступных в последующие дни (23). Это свидетельствует о существовании такого факта, как «вброс» билетов: после начала продаж в кассу добавляются билеты по уже имеющимся или новым ценам. Мы собираем информацию с первого по последний день продаж билетов, в среднем они поступают в кассу за 44 дня до мероприятия, и самый продолжительный срок продаж - 149 дней.

Рассмотрим, как меняется во времени число билетов, оставшихся в кассе, на разные мероприятия, проведем локально-взвешенное сглаживание взаимосвязи между числом билетов и количеством дней продаж. Рисунок 2.1 демонстрирует, что с течением дней уменьшается число билетов в кассе. Данный вывод не оригинален, однако следует обратить внимание, что число билетов на различные концерты убывает по-разному. На особенности продаж билетов могут влиять следующие факторы: поведение концертной площадки в отношении данного исполнителя (политика ценообразования, выбор дня недели проведения мероприятия, модификации зрительного зала), уникальность программы выступления, популярность артиста в России и т.п.

Рис. 2.1. Локально-взвешенное сглаживание

Как уже было отмечено, устройство Crocus City Hall позволяет варьировать максимальной вместимостью зрительного зала, а значит, на мероприятия, проходящие в больших по размеру и вместимости зрительных залах, выпускается большее количество билетов. За рассмотренный период были проведены концерты в пяти различных аудиториях. Максимально возможное число зрителей в одном случае могло быть 7233 человека, для другой модификации зрительного зала - 2173. Таким образом, какой бы ни была договоренность площадки с билетными агентствами о распространении билетов (например, 30% всех билетов поступают в кассу, а остальные распределяются между агентствами), на одни мероприятия в кассе всегда будет больше билетов, чем на другие. Делать какие-либо выводы о продажах на основании сравнения количества оставшихся в кассе билетов бессмысленно. Использование процентной доли билетов в кассе от общего их числа, соответствующего вместимости выбранной модификации зрительного зала, является выходом в такой ситуации.

Проанализируем распределение процентных долей имеющихся в кассе билетов для мероприятий проходящих в большой аудитории с танцевальным партером (обладает наибольшей вместимостью, 7233 человека) и всех остальных концертов.

Рис. 2.2. Распределение доли билетов

По двум ящичковым диаграммам, представленным на рисунке 2.2, видно, что медианная доля билетов на мероприятия, проходящие в аудитории с максимальной вместимостью (1) даже ниже, чем для остальных мероприятий (0). Размах и межквартильный размах здесь также ниже. При анализе распределения числа билетов между теми же группами мероприятий, концерты, рассчитанные на большую аудиторию имели больший размах числа билетов, оставшихся в кассе, и больший межквартильный размах в сравнении со всеми остальными концертами.

Таким образом, из анализа переменных number_tg и fraction_tg следует, что последняя, полученная в результате нехитрых вычислений из первой лучше подходит для анализа продаж билетов. Доля билетов изменяется так же, как и их число со временем - убывает замедляющимся темпом. При возврате билетов или их «вбросе» процентная доля увеличивается, нас же интересуют в первую очередь детерминанты снижения доли билетов в кассе.

ГЛАВА 3. ПОСТРОЕНИЕ МОДЕЛЕЙ

3.1 Построение базовой модели

Проанализируем продажи концертных билетов, построив модель по несбалансированным панельным данным. Учтем влияние ценовой политики и различных характеристик концертной площадки на долю билетов, доступных в кассе, от общего их числа. Мы не располагаем точными сведениями о числе проданных билетов в каждый день на каждое мероприятие. Простым вычитанием числа билетов, оставшихся в кассе на сегодняшнее число, из вчерашнего остатка билетов мы не получим желаемого. Периодически происходят «вбросы» и возвраты билетов, увеличивающие число билетов в кассе и не позволяющие получить абсолютную величину проданных билетов. Таким образом, в качестве зависимой переменной была выбрана fraction_tg.

Используемая панель для 54 концертов является несбалансированной, так как наблюдения за одними мероприятиями велись дольше, чем за другими. Число периодов наблюдения зависит от того, за сколько дней до проведения концерта билеты поступили в кассу.

Базовая модель включала 24 параметра, 23 регрессора: dc_day, foreign, 6 регрессоров для дней недели проведения концерта, medium_0, big_0, big_1, cenz, mean_p, num_p, or_num_p, num_pc, or_num_pc, time_l, 6 регрессоров для дней недели сбора данных, - и константу. Данную модель можно представить в виде формулы 3.1.

Понедельник принят за эталонный день как для проведения мероприятия, так и для сбора данных. Для модификаций зрительного зала базовой является малая аудитория. Переменная num_pc не включается в модель по причине высокого значения коэффициента парной корреляции с or_num_pc. Если число различных цен, по которым можно приобрести билеты в кассе концертного зала, меняется со временем, то число ценовых категорий редко отличается от того значения, что было установлено в первый день продаж, а значит при включении переменная будет дублировать уже имеющуюся.

+

где:

- индекс мероприятия,

- индекс периода наблюдения.

Параметры регрессии были оценены методом наименьших квадратов, и мы получили следующий результат. Набор переменных для дня недели сбора данных оказался статистически незначимым. F-тест показал, что нет оснований для отвержения гипотезы о равенстве коэффициентов регрессии 0, значение p-value составило 0,996. Получается, не имеет значения, в какой день мы «заглядываем» в кассу, чтобы подсчитать долю оставшихся там билетов. Возможно, это связано с тем, что мы изучаем on-line продажи билетов, многие факторы, определяющие то, сможет ли человек доехать до кассы и приобрести билеты (например, погода, день недели) здесь теряют свое влияние. Более того, незначимыми оказались коэффициенты перед thursday и, вопреки ожиданиям, friday. На 5%-ом уровне значимости нет оснований отвергнуть гипотезу об их совместном равенстве 0 (p-value = 0.095). Несмотря на то, что на 10% уровне значимости нулевую гипотезу можно было отвергнуть, данные переменные были исключены из дальнейшего анализа

На этом же шаге в модель была добавлена переменная, равная квадрату числа дней наблюдений. Это изменение было необходимо для учета нелинейной зависимости процентной доли билетов от дней, что они находятся в продаже: мы предполагаем, что доля убывает замедляющимся темпом. В результате методом наименьших квадратов была оценена модель с 17 параметрами (16 регрессорами с константой). Коэффициенты регрессии приведены в таблице 3.1.

Таблица 3.1.

Результаты регрессионного анализа

Переменная

Оценка

t-статистика

Значимость

Const

21,294

24,82

***

Dc_day

-1,711

-13,25

***

Dc_day_sq

0,001

7,70

***

Foreign

1,027

3,82

***

Tuesday

-1,159

-3.52

***

Wednesday

3,661

6,91

***

Saturday

-1,522

-5,29

***

Sunday

-3,598

-12,90

***

Cenz

-0,567

-6,30

***

Medium_0

-19,391

-31,79

***

Big_0

-20,237

-41,82

***

Big_1

-16,818

-29,65

***

Mean_p

0,379

10,81

***

Num_p

1,153

24,86

***

Or_num_p

-1,310

-24,94

***

Or_num_pc

2,996

26,60

***

Time_l

-3,026

-5,20

***

Наблюдений

3793

R-squared

66,54%

Adj R-squared

66,39%

Значимость:*p< 0.05;**p< 0.01;***p< 0.001

Все коэффициенты регрессии статистически отличны от 0 на 5% и даже 1% уровне значимости. Коэффициент детерминации модели составляет 66,54%, а значит регрессоры на 66,54% объясняют дисперсию зависимой переменной.

Прежде, чем принять модель и перейти к интерпретации коэффициентов регрессии был проведен ряд тестов, среди которых тест Чоу на структурное изменение. Переменная time_l в короткой регрессии оказалась значимой даже на 1% уровне значимости, что послужило основанием для проведения теста. Были сгенерированные новые переменные и оценена модель с 34 параметрами. Для длинной модели был проведен F-тест для проверки 17 линейных ограничений, по результатам которого нулевая гипотеза была отвергнута. Таким образом, выборки для концертов, билеты на которые поступили в продажу не менее, чем за 50 дней до мероприятия, и менее, чем за 50 дней, признаны неоднородными, что говорит о необходимости строить две разные модели.

Параметры моделей были оценены также методом наименьших квадратов, для корректной проверки гипотез мы использовали робастные стандартные ошибки. В таблице 3.2 приведены коэффициенты регрессии и стандартные ошибки двух моделей, одна из которых построена по выборке, включающей концерты, билеты на которые поступили в продажу не менее, чем за 50 дней до него (выборка 1), а вторая - по выборке, включающей все остальные мероприятия.

Данные модели не являются окончательными, и на следующем этапе работы могут быть получены результаты, отличающиеся от имеющихся. Однако интерпретация коэффициентов регрессии позволяет улучшить понимание исследуемых взаимосвязей, а также причин возможных смещений оценок.

Проанализируем результаты, начав с модели, полученной по первой выборке. Как мы видим, все коэффициенты регрессии статистически значимы. Коэффициент детерминации говорит о том, что 65,65% дисперсии зависимой переменной объясняется регрессорами модели. Мультиколлинеарность не выявлена, так как все VIF (за исключением VIF для dc_day и dc_day_sq) меньше 5, а значит, объясняющие переменные не дублируют друг друга по смыслу, а измеряют разные более или менее независимые аспекты. Большинство наблюдений базовой модели попали в первую выборку (3583 из 3793), знаки коэффициентов регрессии не изменились, а их значения поменялись несильно.

Таблица 3.2

Результаты регрессионного анализа для двух выборок

Переменная

Выборка 1

Выборка2

Const

19,116***

(0,73)

33,989***

(3,84)

Dc_day

-0,170***

(0,01)

-0,494***

(0,05)

Dc_day_sq

0,001***

(0,00)

-

Foreign

0,893***

(0,27)

32,220***

(1,54)

Tuesday

-1,659***

(0,33)

-

Wednesday

2,599***

(0,58)

43,392***

(2,97)

Thursday

-

37,534***

(2,32)

Saturday

-1,734***

(0,29)

-

Sunday

-4,063***

(0,32)

-

Cenz

-0,609***

(0,09)

-7,861***

(1,12)

Medium_0

-20,835***

(0,68)

-

Big_0

-21,411***

(0,547)

-

Big_1

-17,454***

(0,59)

-

Mean_p

0,360***

(0,04)

1,371***

(0,27)

Num_p

1,101***

(0,48)

0,682**

(0,29)

Or_num_p

-1,340***

(0,05)

-9,781***

(0,40)

Or_num_pc

3,269***

(0,117)

13,097***

(0,58)

Наблюдений

3583

211

R-squared

65,65%

92,45%

Adj R-squared

65,50%

92,12%

Значимость:*p< 0.05;**p< 0.01;***p< 0.001

Подтверждена гипотеза о нелинейной взаимосвязи доли билетов и числа дней продаж (квадрат числа дней статистически значим). Если рассматривается концерт иностранного исполнителя, то доля билетов в кассе в каждый фиксированный день при прочих равных больше на 0,8%-ого пункта. Для мероприятий, проходящих во вторник, субботу или воскресенье доля билетов меньше, чем для концертов первого рабочего дня (взятого за эталонный) на 1,6%-ого пункта, 1,7%-ого пункта и 4%-ых пункта соответственно. Если же мероприятие проходит в среду, то при прочих равных доля билетов в кассе выше на 2,6%-ого пункта. При ужесточении возрастного ценза, переходе от отсутствия ограничения к 6+, затем к 12+ и т.д. (увеличение категории на 1), доля билетов в кассе снижается на 0,6%-ого пункта. Рассмотрим влияние модификации зрительного зала на долю концертных билетов в кассе. Коэффициенты регрессии говорят в пользу проведения мероприятий в средней или большой аудитории без или с танцевальным партером: доля билетов в кассе на такие концерты меньше приблизительно на 21, 21, 17%-ых пунктов соответственно. Коэффициент перед средней ценой, измеренной в рублях, был настолько мал, что для его интерпретации было решено изменить единицу измерения с рублей на тысячи рублей. Тогда при росте средней цены на 1000, число билетов в кассе увеличится на 0,4%-ого пункта. При увеличении числа доступных цен в конкретный день продаж на 1, число билетов в кассе в среднем увеличивается на 1%-ый пункт. Доля билетов при прочих равных меньше на 1,3%-ого пункта для тех концертов, где изначально было заявлено на 1 цену больше, а если изначально выделялась дополнительная ценовая категория, то доля билетов в кассе при прочих равных, наоборот, выше на 3,3%-ого пункта.

Вторая выборка включает 211 наблюдений по 9 концертам, продажи билетов на которые начались менее, чем за 50 дней до самого мероприятия. Все девять концертов проходили в малой аудитории в рабочие дни недели. Поэтому в модель не включались переменные для модификации концертного зала, а также субботы и воскресенья. Вторник и пятница оказались статистически незначимыми и были исключены из дальнейшего анализа. Знаки коэффициентов регрессии сохранились, если сравнивать с базовой моделью, но их значения заметно выросли.

Сравнивая константы моделей по двум выборкам, можно сказать, что доля билетов, имеющаяся в кассе, от общего их числа для концертов из второй выборки (менее, чем за 50 дней билеты на эти концерты поступили в продажу) в среднем выше, чем доля билетов на другие мероприятия. Более того, в модели, полученной по второй выборке, зависимость доли билетов от числа дней, что они находятся в продаже линейная или очень близка к ней - переменная, равная квадрату числа дней оказалась статистически незначимой -, и с каждым днем доля билетов в кассе становится меньше на 0,5%-ого пункта. Если рассматривается концерт проходящий в четверг, то при прочих равных условиях билетов в кассе на это выступление на 37%-ых пунктов больше, чем на мероприятия, проходящие в понедельник (эталонный день). Интерпретация других коэффициентов аналогична приведенной для модели, построенной, по выборке 1.

Следующим шагом в работе является построение модели с фиксированными эффектами для концерта. Несмотря на высокое значение коэффициента детерминации, мы не можем продолжить работу с моделью, построенной по второй выборке. Число степеней свободы ограничивает нас, не позволяя включить дополнительные регрессоры. Таким образом, дальнейший анализ доли концертных билетов, остающихся в кассе, будет произведен по наблюдениям за концертами, билеты на которые поступили в продажу задолго до его проведения (более, чем за 50 дней).

3.2 Фиксированные эффекты для концертов

Известной проблемой регрессионного анализа являются пропущенные переменные. При моделировании продаж билетов пропущенная переменная - «звездность» исполнителя: талант, известность и т.п. Эти характеристики исполнителя не меняются от самого первого дня, когда билеты попадают в кассу концертного зала, до дня проведения концерта, следовательно, перестают быть пропущенной переменной в панельной регрессии.

Мы предполагаем, что помимо переменных, уже включенных в модель, построенную по второй выборке, на долю билетов в кассе площадки влияют некоторые факторы , которые меняются от концерта к концерту, но не меняются для конкретного мероприятия. А если организаторы концерта знают об этих факторах, не наблюдаемых нами, средние цены, выбор аудитории для мероприятия, число цен и ценовых категорий может быть скорректировано. Так, если предположить, что неучтенные факторы коррелированы с включенными в модель переменными, то можно прийти к выводу о смещении оценок.

На данном этапе мы вводим в базовую модель ненаблюдаемые переменные , которые для i-ого концерта не менялись в период продаж билетов. Было сгенерировано 42 новые переменные для концертов, включенных в выборку 1. В приложении 2 приведена таблица соответствий переменных анализируемым концертам. Новую модель можно описать c помощью формулы 3.2.

где:

- индекс концерта,

- индекс периода наблюдения.

Оценка параметров модели с 57 параметрами была осуществлена методом наименьших квадратов с фиксированными эффектами для всех мероприятий кроме «Дискотеки детского радио», которое было взято за эталонное. В таблице 3.3 приведены результаты регрессионного анализа.

Таблица 3.3

Результаты регрессионного анализа

Переменная

Оценка

t-статистика

Значимость

Const

28,197

23,12

***

Dc_day

-0,214

-20,69

***

Dc_day_sq

0,001

12,18

***

Foreign

-5,719

-6,90

***

Tuesday

1,756

6,17

***

Wednesday

-6,582

-3,92

***

Saturday

-7,371

-14,71

***

Sunday

-6,550

-8,21

***

Medium_0

-21,971

-16,26

***

Big_0

-18,085

-20,24

***

Big_1

-13,076

-17,78

***

Cenz

-1.556

-4.23

***

Mean_p

0.272

8,81

***

Num_p

0.756

18,32

***

Or_num_p

-1,512

-17,05

***

Or_num_pc

3,668

7,63

***

Conc_6

-7,993

-4,43

***

Conc_11

4,587

5,60

***

Conc_12

-12,898

-10,13

***

Conc_16

-11,691

-10,05

***

Cons_25

-3,652

-3,60

***

Conc_28

-9,176

-6,66

***

Conc_29

-9,712

-7,90

***

Conc_30

3,679

4,19

***

Conc_34

2.423

2.62

**

Conc_35

-2,955

-2,80

**

Conc_39

-8,948

-8,16

***

Conc_40

4,768

6,78

***

Conc_42

-0,367

-0,36

***

Наблюдений

3583

R-squared

84,49%

Adj R-squared

84,28%

Значимость:*p< 0.05;**p< 0.01;***p< 0.001

В данную таблицу включены коэффициенты регрессии только лишь некоторых ненаблюдаемых переменных для наиболее интересных концертов с точки зрения популярности исполнителя в России.

Для большинства коэффициентов регрессии включение в модель фиксированных эффектов не сильно отразилось на значениях, однако сразу заметна смена знака коэффициента перед переменной foreign. Учитывая ненаблюдаемые переменные, мы избавляемся от смещения коэффициентов, вызванного этими самыми не включенными нами ранее факторами. Поэтому модель с фиксированными эффектами является более надежной, и интерпретация ее коэффициентов представляет особый интерес. Также новая модель превосходит базовую модель, поскольку регрессоры, включенные в нее, объясняют дисперсию зависимой переменной на 84,49% а информационный критерий полученной модели (20941) ниже значения для базовой модели (23528).

Данная модель также, как и базовая, подтверждает существование нелинейной взаимосвязи между долей билетов в кассе концертного зала и числом дней продаж: квадрат числа дней статистически значим. Если билеты поступают в продажу более, чем за 50 дней до проведения мероприятия, то доля оставшихся в кассе от общего их числа уменьшается замедляющимися темпами с приближением даты концерта.

Если проводится концерт иностранного исполнителя, то при прочих равных в конкретный день продаж в кассе остается практически на 6%-ых пунктов меньшая доля билетов. Что говорит о том, что посетителями концертных залов, аналогичных московскому Crocus City Hall, иностранные артисты более востребованы, чем российские, а также исполняющие песни на русском языке. На концертные площадки с другими характеристиками (вместимость, расположение и т.п.) данный результат не распространяется.

Доля билетов на концерты, проходящие в среду в среднем ниже на 6,6%-ого пункта доли билетов доступных в кассе на мероприятие первого рабочего дня, взятого за эталонный. Также доля билетов на субботние и воскресные концерты меньше на 7,4 и 6,5%-ого пункта соответственно. Большая приблизительно на 2%-ых пункта доля билетов остается в кассе на мероприятия, проходящее во вторник при прочих равных условиях. Неудивительно, что на концерты, проходящие в выходные дни билеты раскупаются быстрее. Проведение мероприятия во вторник ведет к тому, что на него большая доля билетов будет оставаться в кассе площадки. Среда, согласно модели, является наилучшим днем рабочей недели для проведения концерта.

Если концерт проводится в средней аудитории без танцевального партера, то в среднем в кассе остается меньшая на 22%-ых пункта доля билетов, если же организаторами мероприятия выбрана большая аудитория без или с танцевальным партером, то при прочих равных доля оставшихся в кассе билетов меньше на 18 и 13%-ых пунктов соответственно. Результаты регрессионного анализа модели говорят в пользу средней модификации без танцевального партера для проведения концертных мероприятий.

С ужесточением возрастного ограничения на мероприятия изменяется доля билетов, имеющихся в кассе. Так для концерта с возрастным ограничением 6+ эта доля при прочих равных условиях будет на 1,6%-ого пункта меньше, чем для мероприятия с цензом 12+.

Как уже было отмечено в предыдущем разделе главы 3, средняя цена переведена в тысячи рублей. Таким образом, доля концертных билетов, средняя цена которых выше на 1000 рублей, больше приблизительно на 0,3%-ого пункта при прочих равных условиях. Как мы видим, чтобы в кассе осталась хотя бы на один процентный пункт большая доля билетов, надо увеличить цену на 4000 рублей. Это в очередной раз подтверждает, что артисты, как производители гетерогенных благ, имеющие при этом множество верных поклонников и последователей, обладают монопольной властью, проявляющейся в том числе в том, что даже при сильном повышении средней цены, в кассе будет оставаться лишь немного большая доля билетов при прочих равных условиях.

Рассмотрим влияние ценовой политики концертного зала в отношении конкретного мероприятия в установлении числа различных цен и ценовых категорий. Если в первый день продаж билетов на концерт доступно на одну цену больше, то в среднем доля билетов в кассе от всех билетов меньше на 1,5%-ого пункта. Введение дополнительной цены на мероприятие, в одну из существующих категорий дает возможность желающим посетить концерт «самоопределиться», выбрав в интересующей категории оптимальное сочетание качества восприятия, обеспеченного расположением места, и стоимости, что положительно сказывается на продажах билетов. В отношении ценовых категорий наблюдается обратное. Если при поступлении билетов в продажу предлагается на одну ценовую категорию больше, то при прочих равных, доля билетов, имеющихся в кассе больше практически на 4%-ых пункта. В этом случае при одном и том же числе цен, распределенных по категориям, для одного мероприятия, число категорий больше, чем для другого. Скорее всего, размах цен (разность максимальной и минимальной) для первого мероприятия должен быть выше, чтобы был смысл делить билеты на категории. А тогда имеет место ситуация, когда билеты по более низким ценам раскупаются, а более дорогие (другой категории) долго остаются в кассе.

Если число различных цен, доступных в кассе на конкретное мероприятие, больше на одну при прочих равных условиях, то доля билетов в таком случае будет больше приблизительно на 0,8%-ого пункта. Данный результат можно переформулировать следующим образом. Если при прочих равных билетов по какой-то конкретной цене не стало (билеты цены p раскуплены), то доля билетов в кассе уменьшилась на 0,8%-ого пункта, что, в общем, естественно.

Как уже упоминалось ранее, в таблице 3.3 приведены коэффициенты регрессии не для всех мероприятий. Переменная conc_6 предс...


Подобные документы

  • Цели и задачи ценообразования. Принятие решений. Ценообразование на основе издержек и на основе спроса. Ценообразование при внедрении на рынок. Тактика развития базисной цены. Тактика построения ценовой шкалы. Тактика ценообразования на мировом рынке.

    курсовая работа [34,0 K], добавлен 09.11.2008

  • Деньги как мера стоимости, средство обращения, платежа, сбережения, накопления. Функции, формы, виды и эволюция денег. Ценообразование на рынке земли. Рынок: сущность, признаки, функции. Характеристика оборотных фондов. Расчет показателей основных фондов.

    контрольная работа [106,9 K], добавлен 17.11.2016

  • Рыночное и централизованное ценообразование как основные системы процесса формирования цен на товары и услуги. Определение объема производства конкурентной фирмой в краткосрочном периоде. Эффективность конкурентного рынка и естественная монополия.

    контрольная работа [86,4 K], добавлен 16.10.2010

  • Нормативные документы, регулирующие ценообразование и деятельность торговых объектов общественного питания. Модели и методы формирования продажной цены, особенности применения торговых надбавок. Калькулирование цен на продукцию собственного производства.

    презентация [2,2 M], добавлен 04.10.2013

  • Цена – сложная экономическая категория. Ценообразование – процесс формирования цен на товары и услуги. Ценовая политика на различных рынках: читая конкуренция, монополистическая конкуренция, олигополия, чистая монополия. Виды цен. Методы ценообразования.

    реферат [29,2 K], добавлен 08.06.2008

  • Основы, задачи и стратегии ценообразования. Система цен в народном хозяйстве. Ценообразование в общественном питании на примере ресторана "Пальма". Обоснование и выбор метода ценообразования на предприятии. Правила взаимозаменяемости сырья и продуктов.

    курсовая работа [71,1 K], добавлен 07.03.2009

  • Понятие цены, ее функции в условиях рынка. Виды цен как основного регулятора рыночных отношений. Классификация цен по роли в экономической сфере, способу установления и регулирования. Ценообразование в условиях рынка. Основные методы ценообразования.

    презентация [66,7 K], добавлен 30.08.2013

  • Понятие и характерные свойства совершенной и монопольной конкуренции, их отличительные признаки и распространенность на современном рынке. Ценообразование в условиях данных разновидностей конкуренции. Установление цены при ориентации на цены конкурентов.

    контрольная работа [69,9 K], добавлен 12.12.2010

  • Ценообразование - процесс формирования цен и позиционирования товаров и услуг на рынке, количественные отношения при совершении сделки купли-продажи. Ценообразование во внешнеэкономической деятельности: группы мировых цен, факторы влияния, конкуренция.

    контрольная работа [1,6 M], добавлен 18.01.2012

  • Исходные данные для расчета договорной цены, сетевой график ее формирования. Характеристика товара (услуги), на который (которую) устанавливается договорная цена. Анализ структуры базовой цены, обоснование и расчет ее верхнего и нижнего пределов.

    реферат [75,2 K], добавлен 24.01.2016

  • Понятие факторов производства и факторных доходов. Ценообразование на рынке факторов производства, этапы и методы. Равновесие фирмы и эластичность спроса. Ценообразование на рынках труда, капитала и земли, функционирование рынков в Российской экономике.

    курсовая работа [291,6 K], добавлен 30.10.2011

  • Олигополия — особая структура, при которой на рынке доминирует несколько фирм: понятие, сущность, особенности; характеристики и эффективность. Направления поведения олигополиста, черты несовершенной конкуренции. Ценообразование в условиях олигополии.

    курсовая работа [1017,5 K], добавлен 14.03.2011

  • Цена как инструмент коммерческой политики организации. Ценовая стратегия – выбор динамики изменения базовой цены товара в условиях рынка. Ценообразование - фактор стратегии установления цен в условиях обмена товаров и услуг и формирования спроса на них.

    контрольная работа [18,3 K], добавлен 27.05.2013

  • Расчет необходимого количества оборудования, численности работающих, оплаты труда, общепроизводственных расходов для производства. Ценообразование и амортизация дорогостоящего инструмента. Расходы на рационализацию, инновации и технику безопасности.

    курсовая работа [99,1 K], добавлен 03.04.2011

  • Ценообразование - экономическая природа. Роль цен в экономической жизни. Ценообразование на исторических этапах развития России. Становление рыночной системы в России. Социальные, экономические политические последствия колебания цен.

    реферат [27,3 K], добавлен 04.12.2006

  • Особенности ценообразования на рынке экономических ресурсов. Характеристика рынка труда, его моделей и особенностей. Содержание, функции и формы заработной платы. Самые главные причины возникновения и эволюцию денег. Суть закона денежного обращения.

    контрольная работа [24,2 K], добавлен 08.05.2011

  • Основы теории спроса и предложения. Понятие эластичности и её виды. Рынок и его свойства. Цена равновесия спроса и предложения. Значение и функции цены в рыночной экономике. Общая выгода от обмена. Вмешательство государства в рыночное ценообразование.

    курсовая работа [509,3 K], добавлен 04.08.2014

  • Рынок молока и молочной продукции в России. Сравнение динамики движения цен на сырое молоко за 2013 и 2014 года. Объёмы производства основных молочных продуктов. Динамика цен и объемов предложения на рынке, исследование потребительских предпочтений.

    реферат [1,1 M], добавлен 22.04.2015

  • Сущность государственного вмешательства в рыночное ценообразование причины, цели и последствия. Формы, методы государственного вмешательства в ценообразование. Государственное регулирование цен на продукты питания во время засухи 2010 года в России.

    курсовая работа [1,0 M], добавлен 04.06.2014

  • Ценообразование как один из элементов рыночной экономики. Изучение стоимости жизни в Греции. Применение свободного рыночного ценообразования на промышленные, потребительские товары и услуги. Проведение политики цен на разных этапах развития страны.

    реферат [22,5 K], добавлен 18.12.2014

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.