Research & Evidence

Cerca un metodo

Cerca tra titoli, domande, territori e identificativi MSC.

    ← Tutti i metodi
    SCHEDA METODOMSC-P-022Scienza dei prezziDossier scientifico verificato

    Come stimare l’elasticità al prezzo e la sua incertezza?

    In un modello log-log, il coefficiente del logaritmo del prezzo è un’elasticità costante condizionata alle variabili incluse. Senza un disegno credibile resta associativa e può essere distorta dall’endogeneità del prezzo.

    Redazione scientifica: Marketing Science Center

    Risposta diretta

    Stimare una sensibilità condizionale con intervallo e diagnostica.

    In un modello log-log, il coefficiente del logaritmo del prezzo è un’elasticità costante condizionata alle variabili incluse. Senza un disegno credibile resta associativa e può essere distorta dall’endogeneità del prezzo.

    Tellis, 1988

    01

    Risposta diretta

    In una regressione log-log, il coefficiente del log-prezzo stima un’elasticità costante condizionata alle variabili incluse. Su MSC-001 il modello con stagionalità dà −2,4586: associazione, non effetto causale.

    02

    Domanda scientifica

    Per prodotto, mercato e periodo osservati, quale variazione relativa di quantità è associata a una variazione di prezzo dell’1%, con quale incertezza e su quale supporto?

    03

    Popolazione, unità e orizzonte

    L’unità è la settimana prodotto-mercato. L’insieme di dati comprende 24 settimane, prezzi da 10 a 11 euro e nessuna promozione. Le simulazioni devono restare vicine all’intervallo osservato.

    04

    Obiettivo statistico

    L’obiettivo predefinito è β in E[ln(Q)|ln(P),S]=α+βln(P)+γS. La domanda controfattuale Q(p) richiede un disegno di identificazione separato.

    05

    Dati necessari

    Servono quantità e prezzo positivi, tempo, promozioni, stagionalità, prezzi concorrenti, disponibilità, distribuzione e cause comuni di prezzo e domanda. Dichiarare ogni variabile come pre- o post-trattamento.

    06

    Ipotesi

    Forma log-log adeguata, errori compatibili, nessuna rottura non modellata e, per causalità, assenza di confondimento residuo o variazione esogena giustificata. R² non prova le ipotesi.

    07

    Modello

    Il modello semplice è ln(Q)=α+βln(P)+ε. Il riferimento aggiunge l’indice stagionale S. La promozione è costantemente zero e va esclusa per evitare una colonna senza variazione.

    08

    Calcolo riproducibile

    Verificare 24 righe, trasformare prezzo e quantità in logaritmi, stimare entrambe le specificazioni OLS, calcolare l’errore standard residuo, l’IC95 e la variazione esatta (1,05)^β−1. Lo script fallisce se manca il supporto.

    09

    Risultati

    Modello semplice: β=−2,4107, SE=0,1198. Con stagionalità: β=−2,4586, SE=0,0251, IC95 [−2,5078; −2,4093]. Con elasticità costante, +5% prezzo corrisponde a −11,3039% volume condizionale.

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

    10

    Incertezza

    L’IC convenzionale è condizionato a modello e 24 osservazioni. Non include l’errore di forma funzionale, l’endogeneità né l’incertezza su un cambio di regime. Una serie temporale reale richiede una varianza compatibile con l’autocorrelazione.

    11

    Endogeneità del prezzo

    I manager possono cambiare prezzo in risposta a domanda prevista non osservata. Prezzo ed errore si correlano; OLS è associativo e potenzialmente distorto. MSC-P-020 tratta l’identificazione con variabile strumentale.

    12

    Diagnostica

    Tracciare residui e valori stimati, confrontare le specificazioni, ispezionare leva e influenza, verificare stabilità temporale, autocorrelazione e collinearità, documentare il supporto degli scenari e indagare la regola di fissazione del prezzo.

    13

    Errori frequenti

    Errori: chiamare β causale senza un disegno, leggere −2,46 come −2,46 unità, non esponenziare grandi variazioni, controllare variabili post-prezzo, ignorare gli zeri o estrapolare fuori dal supporto.

    14

    Interpretazione

    La stima descrive una domanda molto sensibile in questo piccolo insieme di dati costruito. La precisione stretta riflette una regolarità artificiale; non è un riferimento settoriale né una garanzia di risposta reale.

    15

    Decisione possibile

    Usare la stima associativa per scenari vicini, mostrare la sensibilità del volume sotto ipotesi e decidere quali dati o esperimenti aggiuntivi servono.

    16

    Decisione impossibile

    Non fissare prezzo ottimale, promettere vendite, trasportare β su un altro mercato o attribuire causalmente al prezzo il calo di volume senza identificazione e vincoli economici.

    17

    Implementazione

    CSV CC0 e Python MIT eseguono OLS senza dipendenze, falliscono su prezzi o quantità non positivi e riportano entrambe le specificazioni, l’IC e lo scenario +5%.

    18

    Risultato atteso

    Includere domanda, unità, supporto, stato associativo/causale, specificazione, variabili, coefficiente, SE, IC, diagnostica, sensibilità, scenario delimitato, decisione possibile/impossibile e file riproducibili.

    19

    Fonti scientifiche

    Tellis definisce l’elasticità, collega il coefficiente log-log all’elasticità e documenta i bias di specificazione. Villas-Boas e Winer mostrano il bias da endogeneità del prezzo. Nessuna fonte valida MSC-001 come mercato reale.

    1. Tellis (1988) ↗Testo integrale verificato
    2. Villas-Boas & Winer (1999) ↗Testo integrale verificato

    Dati · Strumento

    Dati · MSC-001Elasticità-prezzo sintetica→Strumento · MSC-T04Impatto prezzo-volume→

    Connessioni metodologiche

    Territorio principaleScienza dei prezzi: collegare prezzo, domanda e contribuzione

    Da leggere dopo

    MSC-P-018Regressione predittiva o causale: cosa si vuole stimare?→MSC-P-019Come diagnosticare una regressione di marketing prima di interpretarla?→MSC-P-003Come esprimere l’incertezza di un risultato di marketing?→