Детерминанты цены на парикмахерские услуги

11.00

1.19

Density (кол-во салонов)

3.07

10.00

0.00

3.00

1.62

Number_of_Reviews (отзывов)

1.39

9.00

0.00

1.00

1.95

Таблица 4

Результаты описательной статистики для бинарных переменных

Переменная	Количество(%) 0	Количество(%) 1
Central (1-нахождение, 0-отсутствие).	74% (503)	26% (176)
Adjacent (1-нахождение, 0-отсутствие).	64% (434)	36% (245)
Medium (1-нахождение, 0-отсутствие).	77% (526)	23% (153)
Remote (1-нахождение, 0-отсутствие).	85% (574)	15% (105)
Add. Serviсes (1-есть,0-нет)	10% (69)	90% (610)
Bus stop (1-есть вблизи, 0-нет)	35% (235)	65% (444)
Location (1-на улице, 0-во дворе)	18% (123)	82% (556)
Social networks (1-есть в соц.сетях, 0-нет)	66% (449)	34% (230)
Payment (1-есть оплата картой, 0-только наличными)	77% (521)	23% (158)
Repair (1-есть ремонт,0-нет)	34% (228)	66% (450)
Site (1-есть сайт,0-нет)	90% (611)	10% (68)
Wi-Fi (1-есть Wi-Fi, 0-нет)	71% (484)	29% (195)

С помощью описательных статистик исследуемых переменных (Таблицы 3, 4) были сделаны следующие выводы:

· Отличие среднего значения переменной Price от ее медианы, как и значительное стандартное отклонение, сигнализируют о большом разбросе ее данных, а также о возможной ненормальности распределения.

· Даже после исключения статистических выбросов, максимум и минимум фактора Price намного различаются, что говорит о неоднородности данных.

· Для других количественных переменных различия между средним значением и медианой практически нет, что свидетельствует об однородности данных и об отсутствии статистических выбросов у этих факторов.

· Максимум и минимум переменных Rating, Number_of_Reviews, Density и Hours ненамного различаются, что говорит об ограниченности их значений.

· В большинстве случаев у парикмахерских присутствуют дополнительные услуги (90%), вход со стороны улицы (82%), вблизи есть остановка (65%), сделан хороший ремонт (66%).

· В основном в салоне нет наличия собственного сайта (90%), возможна оплата только наличными (77%), отсутствует Wi-Fi в помещении (71%), нет страничек в социальных сетях (66%).

3.4 Выбор наилучшей модели

Отталкиваясь от заключений предыдущих работ, где в большинстве случаев лучшей функциональной формой для построения гедонистической модели ценообразования была указана лог-линейная форма, в настоящем исследовании также был сделан выбор в пользу данной спецификации модели. Итак, в качестве итоговой была выбрана лог-линейная функциональная форма по следующим причинам:

· Ошибкой аппроксимации называется среднее отклонение спрогнозированных значений от фактических, допустимыми являются значения ниже 10%. В лог-линейной форме ошибка аппроксимации составляет 5,2%, что входит в пределы допустимого значения.

· Как упоминалось ранее, гедонистическая модель по природе нелинейна, и с точки зрения ранее изученных работ наиболее правильно использовать именно лог-линейную функциональную форму. А также, если принимать во внимание, тот факт, что полученная модель должна быть универсальной вне зависимости от конкретной валюты, то выбор также склоняется в пользу логарифмически-линейной спецификации.

Таким образом, в качестве наиболее подходящей функциональной формы была выбрана лог-линейная спецификация. Данная регрессионная модель принимает следующий вид:

lnPrice_i= б+в₁Add. Serviсes+в₂Bus Stop+в₃Hours+в₄Location+в₅Site+в₆Social networks+в₇Payment+в₈Rating+в₉Repairs+в₁₀Wi-Fi+в₁₁Density+ +в₁₂Number_of_Reviews+в₁₃Central+в₁₄Medium+в₁₅Remote+е_i, (2)

4. Описание результатов

4.1 Общая регрессионная модель

Построенная регрессия тестировалась с помощью метода наименьших квадратов (МНК). Для выявления влияния отдаленности районов на стоимость парикмахерской услуги мы ввели 3 фиктивные переменные «Центральные районы», «Районы средней удаленности» и «Отдаленные районы». Переменная «Прилегающие к центру районы» с наибольшим количеством наблюдений - 245 наблюдений из 679, была взята за базовую категорию. Данный предиктор не вводится в модель, так как это будет означать линейную зависимость регрессоров (полная мультиколлинеарность). Таким образом, ее влияние на цену парикмахерской услуги уходит в константу. Корреляционная матрица и коэффициенты вздутия дисперсии (VIF) не выявили коллинеарности между какими-либо факторами (Приложения 5, 6), а, следовательно, мы вправе оценивать и интерпретировать полученную модель. Итак, оцененная модель имеет следующий вид:

lnPrice=5.22-0.035*Add.Services+0.015*BusStop+0.03*Hours-0.069*Location-0.004*Social_Networks+0.04*Payment+0.003*Rating-0.003*Number_of_reviews+0.248*Repair+0.119*Site+0.08*Wi-Fi+0.012*Density+0.206*Central - 0.016*Medium-0.002*Remote +е (3)

Значимость данных коэффициентов представлена ниже в таблице 5:

Таблица 5

Результаты тестирования общей модели с помощью МНК¹

Переменная	Probability	Коэффициент
б	0.0000	5.22*
Repair	0.0000	0.248*
Hours	0.0009	0.03*
Central	0.0000	0.206*
Wi-Fi	0.0181	0.08**
Location	0.0169	-0.069**
Site	0.0667	0.119***
Bus stop	0.5732	0.015
Number_of_reviews	0.7184	-0.003
Rating	0.8173	0.003
Add. Services	0.2817	-0.035
Social networks	0.8778	-0.004
Payment	0.2682	0.04
Density	0.1878	0.012
Medium	0.5592	-0.016
Remote	0.9498	-0.002

¹*-коэф. значим на 1%-ном уровне; **-коэф. значим на 5%-ном уровне, ***-коэф. значим на 10%-ном уровне

Оценка значимости переменных определяется с помощью Probability-вероятности принятия гипотезы H₀:

· H₀: в-не значим;

· H₁: в-значим.

Таким образом, чем значение Probability ближе к 0, тем вероятнее гипотеза H₀ будет отклонена и принята альтернативная гипотеза о значимости коэффициента в_. Качество полученной модели определяется с помощью коэффициента детерминации R² и равняется 0.33, т.е. модель объясняет 33% дисперсии стоимости парикмахерской услуги. Однако в данной модели существует некоторая проблема, а именно, тест Рамсея показал неверность спецификации модели. Для решения проблемы был проведен анализ значимости и включения в модель степени регрессоров, рассмотрение различных функциональных форм, а также включение и выключение переменных, но эти способы не устранили существующую проблему. Следует сказать, что тест Рамсея также может показывать неверную спецификацию при наличии пропущенной переменной, влияние которой определяется нелинейным членом. Данная информация позволяет сделать вывод о том, что проблема кроется в пропущенной переменной, которую мы не в состоянии включить в базу данных. К примеру, это могут быть такие показатели, как «качество готовой стрижки» или «качество используемой продукции».

С помощью эконометрического анализа имеющихся данных были сделаны следующие выводы: в построенной регрессионной модели значимыми являются переменные Repair, Hours, Central и б на 1%-ном уровне; Wi-Fi и Location на 5%-ом уровне; Site на 10% уровне значимости. Константа также является значимой переменной в полученной регрессии, и как известно, в нее входит влияние базовой категории для районов «Прилегающие к центру районы». Таким образом, данный регрессор также имеет значение в получившейся модели и, очевидно, оказывает положительное влияние на стоимость парикмахерской услуги.

Эмпирически подтверждены выдвинутые ранее гипотезы:

H4: нахождение парикмахерской в центральном районе действительно увеличивает стоимость парикмахерской услуги;

H5: наличие экономичного или комфортного ремонта в помещении положительно сказывается на стоимости парикмахерской услуги, более того, эта детерминанта является самой существенной в модели;

H7: частично подтверждена гипотеза о положительном влиянии наличия сайта и страниц в других социальных сетях на стоимость парикмахерской услуги, а именно, наличие сайта подлинно увеличивает стоимость услуги.

Наиболее сильная связь наблюдается между зависимой переменной (Price) и наличием ремонта (Repair), а также между нахождением парикмахерской в центральном районе (Central) и стоимостью парикмахерской услуги (Price). Помимо этого, интересным оказался факт того, что вход в парикмахерскую «со двора» ничуть не уменьшает стоимость ее услуг, и даже наоборот оказывает положительное влияние.

Полученные результаты можно проинтерпретировать следующим образом:

1. При наличии экономичного и комфортного ремонта в помещении парикмахерской стоимость парикмахерской услуги возрастает на 24,8%.

2. При наличии сайта у салона стоимость парикмахерской услуги увеличивается на 11,9%.

3. При нахождении парикмахерской в центральном районе города, цена её услуги в среднем увеличивается на 20,6%.

4. При наличии Wi-Fi в парикмахерской стоимость её услуги увеличивается на 8%.

5. При увеличении работы парикмахерского салона на 1 час, цена его услуг увеличивается на 3%.

6. Наличие входа со стороны улицы уменьшает стоимость парикмахерской услуги на 6,9%.

Для проверки гипотезы H2 ниже в Таблице 6 приведена корреляционная матрица, которая показывает, что между показателями: оплата банковской картой, наличие сайта и социальных сетей, наличие Wi-Fi действительно существует связь. Однако эта корреляционная связь находится в пределах от 0.3 до 0.4, что не является сильной корреляцией. Таким образом, гипотеза о взаимосвязи факторов информационных технологий была частично подтверждена.

Таблица 6

Корреляционная матрица факторов «информационных технологий»

	Social networks	Payment	Site	Wi-Fi
Social networks	1.000000	0.371754	0.393554	0.377908
Payment	0.371754	1.000000	0.361974	0.405387
Site	0.393554	0.361974	1.000000	0.297875
Wi-Fi	0.377908	0.405387	0.297875	1.000000

В данном исследовании есть интерес для сравнения влияния рассматриваемых факторов на парикмахерские разных категорий престижности, так как существует вероятность того, что для каждого из районов значимыми будут различные друг от друга показатели. Таким образом, рассмотрим регрессионные модели отдельно по каждой зоне.

4.2 Регрессионная модель «Центр»

Рассмотрим регрессионную модель для центрального района (1 категория престижности). Данные для этой модели включают в себя 176 наблюдений, что позволяет провести оценку данной модели при 12 имеющихся факторах. Оцененная модель имеет следующий вид:

Ln(Price)=5,184-0,021*Add.Services+0,091*Bus stop+0,044Hours-0,126*

*Location-0,009*Social_Networks-0,114*Payment-0.001*Rating-0.01*Number_of_reviews+0,304*Repair+0,09*Site+0,19*Wi-Fi+0.03*Density+е (4)

В ходе проведенного анализа значимыми оказались переменные б и Repair на 1%-ном уровне значимости, переменные Hours, Wi-Fi на 5%-ном уровне значимости, а также переменные Density и Location на 10%-ном уровне значимости. Приведенные результаты указаны ниже в Таблице 7:

Таблица 7

Результаты тестирования модели для центрального р-на

Переменная	Probability	Коэффициент
б	0.0000	5.18*
Hours	0.0470	0.044**
Wi-Fi	0.0106	0.187**
Repair	0.0000	0.304*
Location	0.0766	-0.126***
Density	0.0674	0.026***
R2		0.224

Качество полученной модели определяется коэффициентом детерминации, и интерпретируется таким образом: факторы, которые были выбраны, объясняют зависимую переменную на 22,4%. Исходя из полученных результатов, можно сделать следующие выводы:

1. Если парикмахерская находится в центральном районе, то при наличии ремонта в помещении, стоимость парикмахерской услуги увеличивается на 30,4%.

2. Если парикмахерская находится в центральном районе, то при наличии Wi-Fi в парикмахерской, стоимость услуги увеличивается на 18,7%.

3. Если парикмахерская находится в центральном районе, то при наличии входа со стороны улицы стоимость парикмахерской услуги уменьшается на 12,6%.

4. Если парикмахерская находится в центральном районе, то с увеличением часов работы парикмахерской, стоимость на ее услуги увеличивается на 4,4%.

5. Если парикмахерская находится в центральном районе, то с увеличением плотности парикмахерских в радиусе 400 метров стоимость на ее парикмахерские услуги увеличивается на 2,6%.

В данном случае эмпирически подтверждена гипотеза H5 о положительном влиянии экономичного и комфортного ремонта на стоимость парикмахерской услуги. Гипотезы Н6 об увеличении стоимости услуги при входе в салон со стороны улицы в центральных районах и Н8 о снижении цены на услугу при увеличении плотности в радиусе 400 метров были опровергнуты. Вероятно, опровержение гипотезы Н6 объясняется тем фактом, что конкретно у парикмахерских высокая проходимость не играет большой роли в установлении цены. Так, например, парикмахерская со входом со стороны улицы возле остановки может быть эконом-класса, где работают не на качество, а на количество, как и парикмахерские среднего и VIP сегмента не обязательно должны располагаться со стороны улицы.

Что касается гипотезы Н8, в этом случае может быть такое явление, как выгодное место для парикмахерских, в особенности это касается центрального района. Например, расположение возле торгового центра, который увеличивает потенциальную аудиторию для парикмахерских, при этом, не вынуждая учредителей снижать стоимость парикмахерских услуг.

4.3 Регрессионная модель «Прилегающие к центру районы»

Также регрессионная модель была оценена для Прилегающих к центру районов (2 категория престижности). База для построения данной модели включает в себя 245 наблюдений, что позволяет нам оценить её:

Ln (Price)= 5.494-0.0002*Add.Services-0.063*Bus Stop+0.014*Hours-0.117*Location+0.016*Social Networks+0.056*Payment-0.028*Rating+0.024*Number_of_reviews+0.232*Repair+0.16*Site+ +0.066*Wi-Fi-0.008*Density+е (5)

В полученной модели значимыми факторами оказались следующие переменные (Таблица 8):

Таблица 8

Результаты тестирования модели для прилегающих к центру районов

Переменная	Probability	Коэффициент
б	0.0000	5.494*
Repair	0.0000	0.232*
Location	0.0303	-0.117**
Number_of_reviews	0.0693	0.024***
R2		0.25

Исходя из проведенного эконометрического анализа, необходимо сделать следующие выводы: построенная регрессионная модель для Мотовилихинского района объясняет зависимую переменную (Price) всего лишь в 25% случаев - (R2=0,25). Значимыми переменными оказались переменные б и Repair на 1%-ном уровне значимости, а также Location на 5%-ном уровне и Number_of_reviews на 10%-ном уровне. Проинтерпретируем получившиеся значения:

1. Если парикмахерская находится в прилегающем к центру районе, то наличие ремонта в помещении увеличивает стоимость её услуг на 23,2%.

2. Если парикмахерская находится в прилегающем к центру районе, то наличие входа со стороны улицы уменьшает стоимость ее услуги на 11,7%.

3. Если парикмахерская находится в прилегающем к центру районе, то с получением 1 дополнительного отзыва в общем рейтинге парикмахерских цена услуги возрастает на 2,4%.

С помощью оцененной модели гипотеза Н5 о положительном влиянии экономичного и комфортного ремонта на стоимость парикмахерской услуги была эмпирически подтверждена. Гипотезы Н1 об уменьшении цены на услуги при большем количестве отзывов и Н6 об увеличении стоимости услуги при входе в салон со стороны улицы в центральных районах были опровергнуты.

Гипотеза H1 была сформулирована на основе статьи, касающейся модели ценообразования в ресторанном бизнесе. Вероятно, данный вид деятельности немного не соответствует сфере парикмахерских услуг, однако в следующей регрессионной модели данная гипотеза подтвердится.

4.4 Регрессионная модель «Районы средней удаленности»

Далее была оценена модель для районов средней удаленности (3 категория престижности). База для построения данной модели включает в себя 153 наблюдения, что также позволяет нам оценить её:

Ln(Price)=5.064-0.046*Add.Services+0.047*Bus stop+0.039*Hours+0.004*

*Location+0.034*Social_Networks+0.212*Payment+0.015*Rating-0.025*Number_of_reviews+0.224*Repair+0.13*Site-0.025*Wi-Fi+0.015*Density+е (6)

В полученной модели значимыми факторами оказались следующие переменные (Таблица 9):

Таблица 9

Результаты тестирования модели для районов средней удаленности

Переменная	Probability	Коэффициент
б	0.0000	5.064*
Payment	0.0026	0.213*
Repair	0.0000	0.224*
Hours	0.0325	0,039**
Number_of_reviews	0.0667	-0.025***
R2		0.25

Исходя из проведенного эконометрического анализа, необходимо сделать следующие выводы: построенная регрессионная модель для районов средней удаленности объясняет зависимую переменную (Price) лишь в 25%-ах случаев - (R2=0,25). Значимыми переменными оказались переменные б, Payment и Repair на 1%-ном уровне значимости, Hours на 5%-ном уровне значимости и Number_of_reviews на 10%-ном уровне значимости. Проинтерпретируем получившиеся значения:

1. Если парикмахерская находится в районе средней удаленности, то наличие ремонта в помещении увеличивает стоимость её услуг на 22,4%.

2. Если парикмахерская находится в районе средней удаленности, то возможность оплаты картой увеличивает стоимость услуг салона на 21,3%.

3. Если парикмахерская находится в районе средней удаленности, то с увеличением часов работы парикмахерской, стоимость ее услуги возрастает на 3,9%.

4. Если парикмахерская находится в районе средней удаленности, то с получением 1 дополнительного отзыва в общем рейтинге парикмахерских цена услуги снижается на 2,5%.

В данной категории престижности были подтверждены гипотезы Н1 об уменьшении цены на услуги при большем количестве отзывов и Н5 о положительном влиянии экономичного и комфортного ремонта на стоимость парикмахерской услуги.

4.5 Регрессионная модель «Отдаленные районы»

База для построения регрессионной модели отдаленных районов включает в себя 105 наблюдений, что не позволяет нам оценить все 12 факторов. Для этого с помощью анализа данных и здравого смысла было принято решение о необходимости убрать переменные Bus stop и Density. Во-первых, потому что фактор о наличии остановок вблизи парикмахерской скорее относился к районам с большей транспортной доступностью. Надо полагать, из центральных и близлежащих к центру районов скорее всего не поедут в более отдаленные. И, во-вторых, в более отдаленных районах нет большой плотности в расположении парикмахерских в районе 400 метров. Сообразно с этими заключениями, было принято решение об исключении именно этих факторов. Итак, оцененная модель имеет следующий вид:

Ln(Price)=5.379-0.05*Add.Services+0.021*Hours+0.046*

*Location-0.053*Social_Networks+0.064*Payment+0.022*Rating-0.009*Number_of_reviews+0.235*Repair+0.154*Site+0.025*Wi-Fi+е (7)

В полученной модели значимыми факторами оказались следующие переменные (Таблица 10):

Таблица 10

Результаты тестирования модели для отдаленных районов

Переменная	Probability	Коэффициент
б	0.0000	5.379*
Repair	0.0000	0.235*
R2		0.36

Качество полученной модели определяется коэффициентом детерминации, и интерпретируется следующим образом: факторы, которые были выбраны, объясняют зависимую переменную на 36%. Исходя из полученных результатов, можно сделать следующие выводы:

1. Если парикмахерская находится в отдаленном районе, то при наличии ремонта в помещении, стоимость парикмахерской услуги увеличивается на 23,5%.

Эмпирически подтверждена гипотеза Н5 о положительном влиянии экономичного и комфортного ремонта на стоимость парикмахерской услуги.

Таким образом, в данном разделе исследования была проведена оценка и интерпретация результатов пяти полученных регрессионных уравнений - для всех регионов г. Перми, для центральных районов, для прилегающих к центру районов, для районов средней удаленности и отдаленных районов; а также проверка сформулированных ранее гипотез.

Заключение

Рынок парикмахерских услуг является одним из востребованных и массовых рынков в повседневном быту людей. Современный мир достаточно динамичен и подвержен изменениям со стороны различных факторов, что вызывает постоянные изменения правил игры в вопросе ценообразования услуг, в том числе. Как мы знаем, рынок парикмахерских услуг соответствует рынку монополистической конкуренции, которая характеризуется сильной дифференциацией продукта, большим количеством продавцов, а также относительно низкими барьерами входа. И зачастую для расчета цен на парикмахерские услуги управляющими используется ориентация на уровень цен на рынке. А значит, многие парикмахерские являются ценополучателями - фирмами, которые принимают цены так, как они складываются на рынке, а не из расчета на свои издержки и приблизительный уровень получаемой прибыли.

Результаты данного исследования могут помочь учредителям парикмахерских и салонов применять оптимальную модель ценообразования, тем самым увеличивая поток клиентов и, соответственно, прибыль организации с растущих продаж.

Итак, основная цель, поставленная в данном научном исследовании, была достигнута: выявлены подлинно значимые детерминанты цены на парикмахерские услуги, а также обозначена степень их влияния. Разделение общей выборки на 4 подвыборки, разделенные по зонам престижности, позволило также проанализировать влияние детерминант в разных ценовых и социальных условиях. Таким образом, исходя из вышеперечисленных результатов можно сделать несколько следующих общих выводов:

1. Во всех оцененных моделях общим значимым фактором является наличие экономичного и комфортного ремонта в помещении (Repair). В каждом из районов наличие хорошего ремонта оказывает положительное влияние, повышая стоимость парикмахерской услуги на 20-30%.

2. Переменная, касающаяся количества отзывов (Number_of_reviews) неоднозначно себя проявила в разных зонах престижности. Так, в прилегающих к центру районах она оказывает положительное влияние, а в районах средней удаленности с увеличением количества отзывов цена на парикмахерскую услугу наоборот снижается.

3. Вход со стороны улицы (Location) оказался фактором, отрицательно влияющим на цену парикмахерской услуги. Вероятно, данный фактор не так важен в салонном бизнесе, и многие парикмахерские делают ставку не на проходимость, а на качество.

4. Наличие Wi-Fi увеличивает стоимость парикмахерской услуги, особенно это касается центрального района. Так, при наличии Wi-Fi в центральном районе, стоимость услуги увеличится на 18,7%.

5. Цены на парикмахерские услуги в центральных районах действительно выше примерно на 20%, чем в среднем по городу. Это может объясняться как повышенной арендной ставкой, так и большим потенциальным количеством клиентов, из-за транспортной доступности и более развитой сферой парикмахерских услуг.

6. При увеличении продолжительности рабочего времени парикмахерской стоимость ее услуги увеличивается в среднем на 3-4%. Этот вывод подтвердился в общей регрессионной модели, а также в модели центральных районов и районах средней удаленности.

Данные выводы позволяют обратить внимание на ключевые моменты, касающиеся ценообразования парикмахерской услуги, которые могут оказаться полезными, как в вопросе прибыли и удовлетворенности клиентов, так и в корректности установленной цены.

Безусловно, такое исследование можно назвать актуальным. Во-первых, потому что подобных работ, касающихся именно вопроса определения детерминант цены в парикмахерской сфере деятельности, практически нет, а во-вторых исследуемый период является актуальным на сегодняшний день.

Следует сказать, и об ограничениях работы. Прежде всего, это отсутствие показателей, характеризующих саму стрижку, например, такие показатели, как качество готовой стрижки, качество обслуживания, качество используемой продукции и другие важные характеристики, которые невозможно проидентифицировать через глобальную сеть Интернет. Для их включения в модель можно пойти двумя путями: либо самостоятельно посещать парикмахерские и задавать интересующие нас вопросы персоналу, либо проводить опросы на веб-сайтах сети Интернет с привязкой к конкретной парикмахерской. Нами была предпринята попытка о замещении этих показателей переменой Рейтинг, но, безусловно, данный показатель не включает в себя все характеристики итоговой стрижки. Поэтому эти признаки желательно рассматривать по отдельности, так как среди них могут выявиться интересные взаимосвязи.

Подведя итог, можно сказать, что в данной работе было проведено исследование на выявление значимости детерминант цены на парикмахерские услуги, где рассматривались всевозможные характеристики, прямо или косвенно влияющие на её стоимость. Были выявлены такие значимые детерминанты, как: время работы, район, наличие W-Fi, наличие сайта и даже вход в салон. В зависимости от района это влияние может меняться в большую или меньшую сторону, а также появляются дополнительные факторы, специфические для каждой зоны престижности, которые также оказывают влияние на стоимость парикмахерской услуги.

Список литературы

1. Аналитический отдел ООО "АЦ "КД-Консалтинг". Аналитический отчет за 3 кв. 2017 г. Рынок торгово-офисной недвижимости г. Перми.

2. Л.А. Лейфер. Справочник оценщика недвижимости. Том II: Офисно-торговая недвижимость и сходные типы объектов. 2016.

3. Малахова А.А. Тенденции развития рынка салонов красоты в России. 2017. №1

4. Anderson E. W., Fornell С., Donald R. L. Customer Satisfaction, Market Share and Profitability: Findings from Sweden // Journal of Marketing. 1994. №58. P. 53-66.

5. Anderson E. W., Fornell С. Johnson M.D., Cha J., Bryant B.E. The American Customer Satisfaction Index: Nature, Purpose, and Findings // Journal of Marketing.1996. №60(4). P.7-18.

6. Bacon D.R., Besharat A., Parsa H.G., Smith S.J. Revenue management, hedonic pricing models and the effects of operational attributes // International Journal of Revenue Management. 2016. Vol.9. Issue 2-3. P.147-164.

7. Buiga A., Stegerean R., Chiє A., Lazгr D.Pricing of the tourism product: A tool for enterpreneurs to adapt to a flexible market // Economie a Management. 2017. №20 (1). P. 172-186

8. Cameron, A.C., Trivedi, P.K. Microeconometrics // Using Stata. Stata Press. Texas. 2009

9. Ekeland I., Heckman J.J., Nesheim L. Identification and Estimation of Hedonic Models // Journal of Political Economy.2004. Vol. 112, No. 1. P. 60-S109.

10. Erjavec H.S., Dmitrovic T., Brzan P.P. Drivers of customer satisfaction and loyalty in service industries // Journal of Business Economics and Management. 2016. Vol. 17(5).P. 810-823.

11. Falk M. A hedonic price model for ski lift tickets // Tourism Management. 2008. № 29 (6), P. 1172-1184.

12. Falvey R.E., Fried H.O., Richards,B. A hedonic guid to New Orleans restaurants // Quarterly Review Of Economics and Finance. 1992. № 32(1). P. 123-133.

13. Fogarty J. Expert opinion and cuisine reputation in the market for restaurant meals // Applied Economics. 2012. № 44. P. 4115-4123.

14. Gergaud O., Guzman L., Verardi V. Stardust over Paris gastronomic restaurants // Journal of Wine Economics. 2007. № 2(1). P. 24-39.

15. Gunawardana P.J., Havrila I.I. An analysis of restaurant characteristic and meal prices in Melbourne, Australia // Tourism Economics. 1996. № 2(1). P. 79-93.

16. Heskett J. L., Thomas O. J., Loveman G.W.,Sasser W.E., Schlesinger L.A. Putting the Service-Profit Chain to Work // Harvard Business Review. 1994. № 72(2), P. 164-174.

17. Hu H.H., Parsa H.G., Lin Z. J. The magic of price-ending choices in European restaurants: a comparative study // International Journal of Contemporary Hospitality Management. 2006. Vol. 18, No. 2. P.110-122.

18. Law S. Defining Street-based Local Area and measuring its effect on house price using a hedonic price approach: The case study of Metropolitan London // Cities. 2017. Vol. 60. Part A. P.166-179.

19. Miyazaki A.D., Grewal D.,Goodstein R.C. The effect of multiple extrinsic cues on quality perceptions: a matter of consistency // Journal of Consumer Research. 2005. Vol. 32, No. 1, P.146-153.

20. Parsa H.G., Self J.T., Njite D., King T. Why restaurants fail? // Cornell Hotel and Restaurant Administration Quarterly. 2005. № 46 (3), P. 304-322.

21. Parsa H.G., Gregory A., Terry M. Why do restaurants fail? Part III: An analysis of macro and micro factors // Emerging Aspects Redefining Tourism and Hospitality. 2010. № 1 (1), P. 16-25.

22. Pawlicz A., Napierala T. The determinants of hotel room rates: an analysis of the hotel industry in Warsaw, Poland // International Journal of Contemporary Hospitality Management. 2010. Vol. 29 Issue: 1. P.571-588.

23. Pawlowski T., Pawlowski C. The monetary value of winter sport services in the European Alps // IASE Working Paper. 2010. No.10-03.

24. Raab C., Mayer K., Kim Y., Shoemaker. S. Price-sensitivity measurement: a tool for restaurant menu pricing // Journal of Hospitality & Tourism Research. 2009. № 33 (1), P. 93-105.

25. Richardson P.S., Dick A.S., Jain, A.K. Extrinsic and intrinsic cue effects on perceptions of store brand quality // Journal of Marketing. 1994. Vol. 58. No. 4. P. 28-36.

26. Rust R.T., Zahorik A.J., Keiningham T.L. Return of Quality: Measuring the Impact of Your Company's Quest for Quality // Irwin Professional Publishing. 1995.

27. Shoemaker S., Dawson M., Johnson W. How to increase menu prices without alienating your customers // International Journal of Contemporary Hospitality Management. 2005. № 17 (7), P. 553-568.

28. Yim E.S., Lee S., Kim W.G. Determinants of a restaurant average meal price: An application of the hedonic pricing model // International Journal of Hospitality Management. 2014. Vol. 39. P.11-20.

29. Zhang H., Zhang J., Lu S., Cheng S., Zhang J. Modeling hotel room price with geographically weighted regression // International Journal of Hospitality Management. 2011. № 30 (4), P. 1036-1043.

30. Neoanalytics// Анализ российского рынка парикмахерских и салонов красоты: итоги 2016 г., прогноз до 2019 [Электронный ресурс] [Режим доступа: https://marketing.rbc.ru/articles/10088/].

31. 2ГИС [Электронный ресурс] [Режим доступа: https://2gis.ru/perm].

32. Рынок парикмахерских услуг в России. 2015. [Электронный ресурс] [Режим доступа: [http://spamanagement.su/practice/resear4/130-hairdressing-servicesmarket].

33. Федеральная служба государственной статистики по Пермскому краю «Пермьстат» [Электронный ресурс] [Режим доступа: http://permstat.gks.ru/].

Приложение 1

Ящичковые диаграммы до исключения выбросов

Ящичковые диаграммы после исключения выбросов

Приложение 2

Корреляционная матрица (для количественных переменных)

Корреляция	Rating	Number of reviews	Price	Hours	Density in 400 m.
Вероятность
Add. Services	0.015191	0.139586	0.044246	0.176421	-0.045354
	0.6927	0.0003	0.2496	0.0000	0.2379
Adjacent	-0.054109	-0.053420	-0.095404	-0.058551	-0.063983
	0.1590	0.1644	0.0129	0.1275	0.0957
Bus stop	0.015742		0.024419	0.046023	0.088137
	0.6822	0.119356	0.5253	0.2310	0.0216
		0.0018
Cent	0.172043	0.225963	0.420810	0.097115	0.375376
	0.0000	0.0000	0.0000	0.0113	0.0000
Density in 400 m.	0.103318	0.174884	0.277346	0.156444	1.000000
	0.0071	0.0000	0.0000	0.0000	-----
Hours	0.031257	0.084860	0.198296	1.000000	0.156444
	0.4161	0.0270	0.0000	-----	0.0000
Location	-0.081647	0.038599	-0.040155	0.023058	0.004445
	0.0334	0.3152	0.2961	0.5486	0.9080
Medium	-0.024215	-0.062065	-0.188022	-0.089703	-0.118005
	0.5287	0.1061	0.0000	0.0194	0.0021
Social networks	0.138332	0.295701	0.274581	0.065823	0.131855
	0.0003	0.0000	0.0000	0.0866	0.0006
Number of reviews	0.198684	1.000000	0.182593	0.084860	0.174884
	0.0000	-----	0.0000	0.0270	0.0000
Payment	0.113186	0.275477	0.263187	0.086708	0.124358
	0.0031	0.0000	0.0000	0.0239	0.0012
Price	0.165628	0.182593	1.000000	0.198296	0.277346
	0.0000	0.0000	-----	0.0000	0.0000
Rating	1.000000	0.198684	0.165628	0.031257	0.103318
	-----	0.0000	0.0000	0.4161	0.0071
Remote	-0.108658	-0.131185	-0.166018	0.063726	-0.233597
	0.0046	0.0006	0.0000	0.0971	0.0000
Probability	Add. Services	Adjacent	Bus stop	Cent	Location	Medium	Social networks
Add. Services	1.000000
	-----
Adjacent	0.009103	1.000000
	0.8128	-----
Bus stop	0.062698	0.037349	1.000000
	0.1026	0.3312	-----
Cent	-0.012401	-0.444437	-0.043003	1.000000
	0.7470	0.0000	0.2631	-----
Density in 400 m.	-0.026918	-0.019493	0.157676	0.326093	-0.002751	-0.113447	0.126465
	0.4838	0.6121	0.0000	0.0000	0.9430	0.0031	0.0010
Hours	0.163497	-0.047845	0.044128	0.108687	0.033767	-0.105036	0.059471
	0.0000	0.2131	0.2508	0.0046	0.3797	0.0062	0.1216
Location	0.044305	0.034887	0.148143	-0.001028	1.000000	-0.084974
	0.2489	0.3640	0.0001	0.9787	-----	0.0268
Medium	-0.016941	-0.405220	0.051519	-0.319025	-0.084974	1.000000
	0.6595	0.0000	0.1800	0.0000	0.0268	-----
Social networks	0.137724	-0.058250	0.003940	0.229963	-0.002713	-0.110427	1.000000
	0.0003	0.1294	0.9184	0.0000	0.9437	0.0040	-----
Number of reviews	0.172649	-0.075289	0.117722	0.213906	0.020867	-0.010002	0.278484
	0.0000	0.0499	0.0021	0.0000	0.5873	0.7947	0.0000
Payment	0.139070	0.007183	0.012333	0.135580	0.050873	-0.130159	0.371754
	0.0003	0.8518	0.7484	0.0004	0.1855	0.0007	0.0000
Price	0.048405	-0.065046	0.023808	0.380575	-0.049990	-0.182954	0.240826
	0.2078	0.0903	0.5357	0.0000	0.1932	0.0000	0.0000
Rating	0.027187	-0.057043	0.039576	0.181336	-0.073196	-0.021548	0.159638
	0.4794	0.1376	0.3031	0.0000	0.0566	0.5751	0.0000
Remote	0.022515	-0.321349	-0.057024	-0.252994	0.053099	-0.230670	-0.073733
	0.5581	0.0000	0.1377	0.0000	0.1670	0.0000	0.0548
Repair	0.111784	0.112132	0.072697	0.171501	0.038040	-0.139014	0.245321
	0.0035	0.0034	0.0583	0.0000	0.3223	0.0003	0.0000
Site	0.014778	-0.005476	0.015826	0.183321	0.042266	-0.097726	0.393554
	0.7007	0.8867	0.6806	0.0000	0.2714	0.0108	0.0000
Wi-Fi	0.127294	-0.063448	-0.037708	0.211373	0.044996	-0.108603	0.377908
	0.0009	0.0986	0.3265	0.0000	0.2416	0.0046	0.0000

Размещено на Allbest.ru

...