Research & Evidence

Methode suchen

Titel, Fragen, Gebiete und MSC-Kennungen durchsuchen.

    ← Alle Methoden
    METHODEN-DOSSIERMSC-P-022PreisforschungGeprüftes wissenschaftliches Dossier

    Wie schätzt man Preiselastizität und ihre Unsicherheit?

    Im Log-Log-Modell ist der Koeffizient des logarithmierten Preises eine konstante, auf enthaltene Variablen bedingte Elastizität. Ohne glaubwürdiges Design bleibt sie assoziativ und kann durch Preisendogenität verzerrt sein.

    Wissenschaftliche Redaktion: Marketing Science Center

    Direkte Antwort

    Eine bedingte Sensitivität mit Intervall und Diagnosen schätzen.

    Im Log-Log-Modell ist der Koeffizient des logarithmierten Preises eine konstante, auf enthaltene Variablen bedingte Elastizität. Ohne glaubwürdiges Design bleibt sie assoziativ und kann durch Preisendogenität verzerrt sein.

    Tellis, 1988

    01

    Direkte Antwort

    In einer Log-Log-Regression schätzt der Log-Preis-Koeffizient eine konstante, auf enthaltene Variablen bedingte Elastizität. Für MSC-001 ergibt das saisonkontrollierte Modell −2,4586: Assoziation, kein kausaler Preiseffekt.

    02

    Wissenschaftliche Frage

    Welche relative Mengenänderung ist für Produkt, Markt und Zeitraum mit 1 % Preisänderung verbunden, mit welcher Unsicherheit und auf welchem Datenbereich?

    03

    Population, Einheit und Horizont

    Einheit ist die Produkt-Markt-Woche. Der Datensatz umfasst 24 Wochen, Preise von 10 bis 11 Euro und keine Promotion. Simulationen müssen nahe am Datenbereich bleiben.

    04

    Statistisches Ziel

    Standardziel ist β in E[ln(Q)|ln(P),S]=α+βln(P)+γS. Kontrafaktische Nachfrage Q(p) erfordert ein eigenes glaubwürdiges Identifikationsdesign.

    05

    Benötigte Daten

    Erforderlich sind positive Menge und Preis, Zeit, Promotion, Saisonalität, Wettbewerberpreise, Verfügbarkeit, Distribution und gemeinsame Ursachen von Preis und Nachfrage. Variablen als prä- oder post-Treatment deklarieren.

    06

    Annahmen

    Angemessene Log-Log-Form, passende Fehlerstruktur, kein unmodellierter Bruch und für Kausalität keine Restkonfundierung oder begründete exogene Variation. R² beweist diese Annahmen nicht.

    07

    Modell

    Das einfache Modell lautet ln(Q)=α+βln(P)+ε. Das Referenzmodell ergänzt Saisonindex S. Promotion ist konstant null und muss ausgeschlossen werden, um eine Spalte ohne Variation zu vermeiden.

    08

    Reproduzierbare Berechnung

    24 Zeilen prüfen, Preis und Menge logarithmieren, beide OLS-Spezifikationen schätzen, Standardfehler, 95-%-KI und exakte Änderung (1,05)^β−1 berechnen. Bei fehlendem Datenbereich bricht das Skript ab.

    09

    Ergebnisse

    Einfaches Modell: β=−2,4107, SE=0,1198. Mit Saisonalität: β=−2,4586, SE=0,0251, 95-%-KI [−2,5078; −2,4093]. Bei konstanter Elastizität entsprechen +5 % Preis −11,3039 % bedingtem Volumen.

    MSC-001 · log-log OLS
    SpezifikationβSE95-%-KI
    ln(P)−2,4106830,119794—
    ln(P) + S−2,4585720,025131[−2,507828; −2,409317]

    10

    Unsicherheit

    Das konventionelle KI ist auf Modell und 24 Beobachtungen bedingt. Funktionsformfehler, Endogenität und Unsicherheit über einen Regimewechsel sind darin nicht enthalten. Reale Zeitreihen benötigen eine mit serieller Korrelation verträgliche Varianz.

    11

    Preisendogenität

    Manager können Preise aufgrund unbeobachteter erwarteter Nachfrage ändern. Preis und Fehler korrelieren; OLS ist assoziativ und potenziell verzerrt. MSC-P-020 behandelt IV-Identifikation.

    12

    Diagnostik

    Residuen und Fits darstellen, Spezifikationen vergleichen, Hebelwirkung und Einfluss sowie zeitliche Stabilität, Autokorrelation und Kollinearität prüfen, den Datenbereich der Szenarien und die Preisregel dokumentieren.

    13

    Häufige Fehler

    Fehler: β ohne Design kausal nennen, −2,46 als −2,46 Einheiten lesen, große Änderungen nicht exponentieren, Post-Preis-Variablen kontrollieren, Nullen ignorieren oder außerhalb des Datenbereichs extrapolieren.

    14

    Interpretation

    Die Schätzung beschreibt stark preissensible Nachfrage im kleinen konstruierten Datensatz. Das enge Intervall spiegelt künstliche Regelmäßigkeit und ist weder Branchenreferenz noch reale Garantie.

    15

    Vertretbare Entscheidung

    Die assoziative Schätzung nutzen, um nahe Szenarien zu vergleichen, die bedingte Mengensensitivität zu zeigen und zu entscheiden, welche zusätzlichen Daten oder Experimente nötig sind.

    16

    Unzulässige Entscheidung

    Keinen optimalen Preis festlegen, Absatzänderung versprechen, β übertragen oder den Mengenrückgang ohne Identifikation und ökonomische Grenzen kausal dem Preis zuschreiben.

    17

    Implementierung

    CC0-CSV und MIT-Python führen OLS ohne Abhängigkeiten aus, brechen bei nichtpositiven Preisen oder Mengen ab und berichten beide Spezifikationen, das KI und das +5-%-Szenario.

    18

    Erwartetes Ergebnis

    Frage, Einheit, Datenbereich, assoziativer/kausaler Status, Spezifikation, Variablen, Koeffizient, SE, KI, Diagnostik, Sensitivität, begrenztes Szenario, mögliche/unzulässige Entscheidung und reproduzierbare Dateien enthalten.

    19

    Wissenschaftliche Quellen

    Tellis definiert die Elastizität, verknüpft den Log-Log-Koeffizienten mit ihr und dokumentiert Spezifikationsverzerrungen. Villas-Boas und Winer zeigen Preisendogenitätsbias. Keine Quelle validiert MSC-001 als realen Markt.

    1. Tellis (1988) ↗Volltext geprüft

    Datensatz · Werkzeug

    Datensatz · MSC-001Synthetische Preiselastizität→Werkzeug · MSC-T04Preis-Mengen-Effekt→

    Methodische Verbindungen

    Übergeordnetes GebietPreisforschung: Preis, Nachfrage und Deckungsbeitrag verbinden

    Als Nächstes

    MSC-P-018Prädiktive oder kausale Regression: Was soll geschätzt werden?→MSC-P-019Wie diagnostiziert man eine Marketingregression vor der Interpretation?→MSC-P-003Wie lässt sich die Unsicherheit eines Marketingergebnisses ausdrücken?→