Analisi di mercato

Analisi della domanda di un singolo bene

1) FUNZIONI COMPLETE DI DOMANDA: Relazione di come varia la domanda di un singolo bene al variare delle variabili da cui dipende. La variabile dipendente si riferisce a un'unica categoria (es. yogurt).

2) FUNZIONI DI ENGEL: Definiscono la relazione tra la domanda di un singolo/gruppo di beni e i livelli di reddito disponibile rispetto a famiglie distinte secondo caratteri demografici, sociali ed ambientali. Si stimano a partire da dati che si riferiscono ad un intervallo di tempo, teniamo fissi i prezzi (che sono uguali per tutti i consumatori) e inseriamo le variabili demografiche, sociali.

3) SISTEMI DI DOMANDA: Generalizzazione delle funzioni complete in cui abbiamo un'equazione per ogni categoria di bene. Analizzano simultaneamente, tramite funzioni parziali o complete di domanda, nel rispetto del vincolo di bilancio, come i consumatori destinano le loro spese tra i diversi beni.

FASI DELLO STUDIO DELLE FUNZIONI DI DOMANDA: Identificazione delle variabili esplicative e scelta della forma.

1. Formattare il testo fornito utilizzando tag html:

funzionale della relazione

reperimento di una base dati adeguata

scelta del procedimento di stima

verifica del modello

utilizzo del modello (spiegazione e/o previsione)

FUNZIONI DI DOMANDA ENGELIANE E MISURA DELL'ELASTICITA'

Le funzioni di Engel mettono in relazione le spese per l'acquisto di un singolo bene con il reddito o la spesa totale

SPESA=f(REDDITO)

Y = f (X)

Indicando con:

y la spesa sostenuta dalla j-esima famiglia per l'acquisto del bene i

jx la spesa totale sostenuta dalla j-esima famiglia

j y ijw = la quota relativa per la famiglia j della spesa sostenuta per il prodotto i sulla spesa totale

j x ja be i parametri del modello

loii si definiscono:

yq ( x ) = propensione media al consumo

xdym ( x ) = propensione marginale al consumo

dxm ( x )

E ( x ) = elasticità

q ( x )

L'elasticità è un indicatore della reattività della quantità domandata ad una variazione unitaria del reddito

Tra i modelli utilizzati per

stimare funzioni di Engel, i principali sono:

RETTA: y = a + bx

ESPERIENZIALE: E(x) = a + bx

SEMILOGARITMICA: y = a + b log x

ESPERIENZIALE: E(x) = a + b log x

DOPPIOLOGARITMICA: log y = a + b log x

ESPERIENZIALE: E(x) = b

WORKING-LESER: w = a + b log x + a b (1 log x) + E(x)

Nella Working Leser w è la quota di spesa del capitolo j-mo sulla spesa totale della famiglia i-ma.

La variabile indipendente è la spesa totale, quindi, NON il reddito disponibile.

Problemi di simultaneità tra variabile indipendente e variabile dipendente; non uso il metodo dei MQ perché la x non sarebbe una variabile deterministica, ma contiene un termine d'errore.

Soluzione: IPOTESI DI TWO-STAGE BUDGETING di Leser.

Nel primo stadio le famiglie decidono quanta parte del reddito consumare e quanta risparmiare.

Nel secondo stadio le famiglie decidono come "allocare" la spesa tra i diversi capitoli.

Valorizziamo l'aspetto di razionalità dei consumatori.

Il campionamento 1. ELEMENTI COSTITUTIVI DELLE RILEVAZIONI STATISTICHE Le unità non vengono osservate nella loro totalità ma ne osserviamo un loro sottoinsieme; dal sottoinsieme attraverso l'inferenza statistica delle osservazioni campionarie risaliamo alla stima di alcune caratteristiche che si riferiscono al collettivo. Questo ragionamento è valido se il campione costruito è di tipo probabilistico; ovvero, prima di estrarre il campione, siamo in grado di definire la probabilità che una singola unità faccia parte del campione (essendo la probabilità di estrazione nota a priori, siamo in grado di calcolare la numerosità campionaria, le stime e gli intervalli di confidenza). - L'insieme delle unità statistiche forma il collettivo. Abbiamo definizione delle unità statistiche: tanti elementi e individuiamo le caratteristiche comuni, coloro che le possiedono sono considerati analoghi gli uni agli altri. Questo processosi chiama ASTRAZIONE CLASSIFICATORIA.
analizziamo i risultati della nostra indagine
Nomenclature e schemi di classificazione:
classificando il nostro campione sulla base di svariati caratteri, la combinazione di questi caratteri dà luogo a uno schema di classificazione. Le variabili osservate possono essere articolate secondo diverse nomenclature
le variabili definite in modo oggettivo sono più facili da rilevare e hanno un grado di accettazione più elevato.
esempio: cambiamenti della condizione economica sociale della popolazione durante il covid; ci si chiede se durante la pandemia le risorse economiche a disposizioni della famiglia sono state sufficienti. Variabile chiave per la definizione del benessere delle famiglie e riguarda la percezione soggettiva delle famiglie. questa non è un'indagine oggettiva, avrei dovuto porre domande diverse (la famiglia può assumere un pasto con proteine 2 volte a

settimana?)

(selezione campionaria/selezione esaustivaModalità di selezione delle unità di rilevazionepoco usata). Problematica che riguarda la progettazione del campione.

Fondamentale l’interazione tra analista e soggettiScelta del metodo di osservazione.dell’indagine mediata attraversa la scelta del metodo di osservazione. Interviste dirette,telefoniche, postali (poco utilizzate), tramite web. Le interviste personali sono le più efficaciperché l’interazione fra intervistatore e intervistato permette di chiarire passaggi delquestionario difficili da comprendere, inoltre la presenza dell’intervistatore può aiutare nel casodi domande delicate. l’intervista personale può essere abbastanza lunga. Al contrario l’intervistatelefonica si presta all’indagine di fenomeni più semplice, perché l’interazione telefonica è piùfredda e ha una lunghezza ridotte

costi fissi

della rilevazione che riguardano gli aspetti organizzativi; costi Valutazione dei costi: diretti che dipendono dal metodo d'indagine, dal metodo di osservazione e dalla numerosità del campione. Se il costo totale stimato risulta troppo elevato rispetto al budget a disposizione dobbiamo intervenire su qualche elemento o più di un o (esempio ridurre la numerosità campionaria o rivedere il metodo d'indagine) Esempio interviste personali più costose di quelle telefoniche. L'intervista telefonica è preferibile per motivi di costi ma comporta anche un impoverimento del processo di rilevazione, questionario più semplice e schematico. 2. Il campionamento IL DISEGNO DI CAMPIONAMENTO È il primo passo nella progettazione del campione; è l'insieme delle decisioni prese per formare il campione. Per estrarre un campione di tipo probabilistico dobbiamo avere a disposizione una lista delle unità statistiche che stiamoconsiderando

1. Struttura del campione: dipende dalle liste delle unità statistiche che stiamo considerando.
   • Struttura (una sola lista) / struttura (più liste); se non abbiamo una lista semplice complessa, estrarre un campione può essere molto difficile, in condizioni particolari potrebbe essere anche impossibile.
2. Le unità che fanno parte della nostra lista devono essere molto simili alla definizione di unità statistica che abbiamo usato. Per le indagini sulle famiglie usiamo lista anagrafe (Istat, enti pubblici) o elettorale (privati).
3. Probabilità di selezione: costanti o variabili. Sono i motivi per cui le famiglie accettano o meno di farsi intervistare, può essere un motivo casuale (es. cattivo umore) o per le condizioni economiche. Attraverso l'uso della teoria dei campioni di tenere sotto controllo l'errore di campionamento.
4. Selezione delle unità campionarie: con criteri di casualità.
5. Determinazione della

numerosità campionaria: numerosità ottima, punto più complicato sotto il profilo matematico. La numerosità campionaria dipende da tre elementi: - la variabilità del carattere nella popolazione (ovvero dalla varianza della variabile d'interesse principale), se l'indagine comprende più variabili bisogna sceglierne una e tarare la numerosità del campione sulla variabile principale; - il grado d'interesse associato all'intervallo di confidenza, - il margine d'errore che vogliamo avere; ovvero il raggio dell'intervallo di confidenza deve essere minore o uguale di un certo valore assoluto QUALI SONO LE STATISTICHE DI INTERESSE? Attraverso dati campionari generalmente si stima: - il valore medio di una variabile Y - la moda della presenza di un determinato attributo (N) - la frequenza assoluta o relativa - la varianza σ² di una variabile Y - la covarianza XY ρ tra due variabili X e Y - il coefficiente di correlazione tra due variabili X e Y

correlazione XY2. Il campionamento2. CRITERI DI CAMPIONAMENTO PROBABILISTICI:le unità della popolazione hanno prefissate probabilità di essere incluse nel campione

Campionamento casuale semplice (c.c.s.): estrazione (con o senza ripetizione) delle unità del campione dalla popolazione garantendo a ciascuna unità del collettivo la stessa probabilità di entrare a far parte del campione. Non ci sono sotto-collettivi.

Estrazione con ripetizione (o campionamento bernoulliano); la variabile casuale è di tipo qualitativo. Estraiamo un'unità e dopo averla osservata viene rimessa nell'urna si genera una distribuzione binomiale. È il più semplice ma non è particolarmente efficiente perché possiamo osservare la stessa unità più volte

Estrazione senza ripetizione (o campionamento in blocco; perché equivale a estrarre in blocco no unità). L'unità estratta non viene rimessa nell'urna.

Otteniamo una distribuzione casuale senza ripetizione, è nota come distribuzione ipergeometrica; in questo caso la varianza delle stime è minore. Se la popolazione è molto numerosa le due varianze (con campione ripetuto e non) tendono a coincidere.

Campionamento stratificato (proporzionale, uniforme, ottimale). Tipo di campionamento più strutturato che richiede che nella lista siano presenti alcuni caratteri sulla base dei quali classifichiamo le unità statistiche; costruiamo dei sottoinsiemi (segmenti) il più possibile omogenei al loro interno ed eterogenei tra loro. Da ciascun segmento viene estratto un campione casuale semplice. Il campionamento è formato da gruppi.