Research & Evidence

Buscar un método

Busca entre títulos, preguntas, territorios e identificadores MSC.

    ← Todos los métodos
    FICHA DE MÉTODOMSC-P-022Ciencia de preciosDosier científico verificado

    ¿Cómo estimar la elasticidad-precio y su incertidumbre?

    En un modelo log-log, el coeficiente del logaritmo del precio es una elasticidad constante condicionada a las variables incluidas. Sin un diseño creíble sigue siendo asociativa y puede estar sesgada por la endogeneidad del precio.

    Redacción científica: Marketing Science Center

    Respuesta directa

    Estimar una sensibilidad condicional con intervalo y diagnósticos.

    En un modelo log-log, el coeficiente del logaritmo del precio es una elasticidad constante condicionada a las variables incluidas. Sin un diseño creíble sigue siendo asociativa y puede estar sesgada por la endogeneidad del precio.

    Tellis, 1988

    01

    Respuesta directa

    En una regresión log-log, el coeficiente del log-precio estima una elasticidad constante condicionada a las variables incluidas. En MSC-001, el modelo con estacionalidad da −2,4586: asociación, no efecto causal.

    02

    Pregunta científica

    Para el producto, mercado y periodo observados, ¿qué variación relativa de cantidad se asocia con una variación del 1 % del precio, con qué incertidumbre y sobre qué soporte?

    03

    Población, unidad y horizonte

    La unidad es la semana producto-mercado. El conjunto de datos tiene 24 semanas, precios de 10 a 11 euros y ninguna promoción. Las simulaciones deben permanecer cerca del intervalo observado.

    04

    Objetivo estadístico

    El objetivo por defecto es β en E[ln(Q)|ln(P),S]=α+βln(P)+γS. La demanda contrafactual Q(p) exige un diseño de identificación separado.

    05

    Datos necesarios

    Se requieren cantidad y precio positivos, tiempo, promociones, estacionalidad, precios competidores, disponibilidad, distribución y causas comunes de precio y demanda. Declarar cada variable como pre- o postratamiento.

    06

    Supuestos

    Forma log-log adecuada, errores compatibles, sin ruptura no modelada y, para causalidad, sin confusión residual o con variación exógena justificada. R² no prueba los supuestos.

    07

    Modelo

    El modelo simple es ln(Q)=α+βln(P)+ε. El de referencia añade el índice estacional S. La promoción vale constantemente cero y debe excluirse para evitar una columna sin variación.

    08

    Cálculo reproducible

    Validar 24 filas, transformar precio y cantidad en logaritmos, estimar ambas especificaciones OLS, calcular el error estándar residual, el IC95 y el cambio exacto (1,05)^β−1. El script falla si falta el soporte.

    09

    Resultados

    Modelo simple: β=−2,4107, SE=0,1198. Con estacionalidad: β=−2,4586, SE=0,0251, IC95 [−2,5078; −2,4093]. Con elasticidad constante, +5 % de precio corresponde a −11,3039 % de volumen condicional.

    MSC-001 · log-log OLS
    EspecificaciónβSEIC 95 %
    ln(P)−2,4106830,119794—
    ln(P) + S−2,4585720,025131[−2,507828; −2,409317]

    10

    Incertidumbre

    El IC convencional está condicionado al modelo y 24 observaciones. No incluye el error de forma funcional, la endogeneidad ni la incertidumbre por un cambio de régimen. Una serie temporal real exige una varianza compatible con la autocorrelación.

    11

    Endogeneidad del precio

    Los gestores pueden cambiar el precio según demanda prevista no observada. Precio y error se correlacionan; OLS es asociativo y potencialmente sesgado. MSC-P-020 trata la identificación con variable instrumental.

    12

    Diagnósticos

    Graficar residuos y ajustes, comparar especificaciones, inspeccionar apalancamiento e influencia, contrastar estabilidad temporal, autocorrelación y colinealidad, documentar el soporte de los escenarios e investigar la regla de fijación de precios.

    13

    Errores frecuentes

    Errores: llamar causal a β sin diseño, leer −2,46 como −2,46 unidades, no exponenciar grandes cambios, controlar una variable posterior al precio, ignorar los ceros o extrapolar fuera del soporte.

    14

    Interpretación

    La estimación describe una demanda muy sensible en este pequeño conjunto de datos construido. La precisión estrecha refleja regularidad artificial; no es una referencia sectorial ni garantiza una respuesta real.

    15

    Decisión posible

    Usar la estimación asociativa para escenarios cercanos, mostrar la sensibilidad del volumen bajo supuestos y decidir qué datos o experimentos adicionales hacen falta.

    16

    Decisión imposible

    No fijar precio óptimo, prometer ventas, transportar β a otro mercado ni atribuir causalmente al precio la caída de volumen sin identificación ni restricciones económicas.

    17

    Implementación

    El CSV CC0 y Python MIT ejecutan OLS sin dependencias, fallan con precios o cantidades no positivos e informan ambas especificaciones, el IC y el escenario +5 %.

    18

    Entregable esperado

    Incluir pregunta, unidad, soporte, estado asociativo/causal, especificación, variables, coeficiente, SE, IC, diagnósticos, sensibilidad, escenario acotado, decisión admisible/inadmisible y archivos reproducibles.

    19

    Fuentes científicas

    Tellis define la elasticidad, vincula el coeficiente log-log con la elasticidad y documenta los sesgos de especificación. Villas-Boas y Winer muestran el sesgo por endogeneidad del precio. Ninguna fuente valida MSC-001 como mercado real.

    1. Tellis (1988) ↗Texto completo verificado
    2. Villas-Boas & Winer (1999) ↗Texto completo verificado

    Datos · Herramienta

    Datos · MSC-001Elasticidad-precio sintética→Herramienta · MSC-T04Impacto precio-volumen→

    Conexiones metodológicas

    Territorio principalCiencia de precios: conectar precio, demanda y contribución

    Leer después

    MSC-P-018Regresión predictiva o causal: ¿qué se intenta estimar?→MSC-P-019¿Cómo diagnosticar una regresión de marketing antes de interpretarla?→MSC-P-003¿Cómo expresar la incertidumbre de un resultado de marketing?→