Binek Otomobil Piyasasında İlgili Ürün Pazarlarının
Transkript
Binek Otomobil Piyasasında İlgili Ürün Pazarlarının
Binek Otomobil Piyasasında İlgili Ürün Pazarlarının Tespiti: Bir Yöntem Önerisi ve Türkiye Pazarına Uygulanması (2005) Fırat Bilgel ve Ali Ilıcak Alice: …lütfen, hangi yöne gitmemiz gerektiğini söyler misin? Kedi: Bu, büyük ölçüde nereye varmak istediğine bağlı. Lewis Carroll, Alice Ha rikalar Diya rında Giriş Bu çalışma, binek otomobil piyasasında bulunan modellerin hangi ilgili ürün pazarlarında yer aldığının nasıl tespit edileceğinin gösterilmesi amaçlamaktadır. Bu amaçla hiyerarşik küme analizi yoluyla bir ön sınıflandırma yapılmıştır. Daha sonra şasi uzunluğuna göre yapılan mevcut sınıflandırmanın ihtiyaca cevap vermediğini göstermek için, her sınıftaki otomobil modellerinin kendi ve çapraz fiyat talep esneklikleri hesaplanmış ve çapraz talep esnekliklerinin ekonometrik geçerliliği ve büyüklüğü göz önünde bulundurulmuştur. Analiz aynı zamanda Ocak 2006’da yürürlüğe giren 2005/4 sayılı Motorlu Taşıtlar Sektöründeki Dikey Anlaşmalar ve Uyumlu Eylemlere İlişkin Grup Muafiyeti Tebliği’nde belirtilen dağıtım sistemlerinin ayrıştırılması konusunda bir ön inceleme niteliği taşımaktadır. Bunun için analizde Mart-Kasım 2005 tarihleri arasında segment bazında gruplandırılmış olan toplam 217 binek otomobilin gerçekleşen aylık satış ve fiyat verileri kullanılarak distribütörlerin piyasa payları hesaplanmış ve modellerin fiyat talep esnekliğinin ekonometrik tahminleri yapılmıştır. Çalışmada araç satış miktarları Otomotiv Distribütörleri Derneği’nin (ODD) 2005 yılına ait MartKasım arasındaki 9 aylık verilerinden, modellerin fiyatları ise Auto Info Türkye Dergisi’nin ilgili aya ait Satınalma Rehberi başlıklı bölümlerinden alınmıştır. Ancak miktar verileri nin modellerin motor hacimlerine göre alt kırılımlarına ulaşamadığımız için, satılan araçların ait olduğu modelin en ucuz ya da en çok satılan alt-modelinin fiyatından satıldığı varsayılmıştır. I. Distribütör piyasa paylarının hesaplanması Ocak 2006’da yürürlüğe giren Motorlu Taşıtlar Sektöründeki Dikey Anlaşmalar ve Uyumlu Eylemlere İlişkin Grup Muafiyeti Tebliği’ne göre, araç satışında uygulanacak olan dağıtım sistemi seçimi aşağıdaki kriterlere tabidir. Tablo 1: Dağıtım Sistemi Kriterleri Piyasa Payı (s) Uygulanabilecek dağıtım sistemi s < %30 Niteliksel Seçici Niceliksel Seçici %30 < s < %40 Niteliksel Seçici Niceliksel Seçici s > %40 Niteliksel Seçici - Münhasır - - Buna göre, eğer bir distribütör, ilgili modelinin ait olduğu ilgili ürün pazarında %30’un altında piyasa payına sahip ise, Tablo 1’de verilen üç dağıtım sisteminden herhangi birini, %30 ile %40 arasında piyasa payına sahipse, niteliksel ya da niceliksel dağıtım sistemini, %40’in üzerinde piyasa payına sahip ise sadece niteliksel dağıtım sistemini benimseyebilir1. Tablo 1’deki kriterler göz önünde bulundurulduğunda satış adedi üzerinden her segmentteki distribütör piyasa payları aşağıdaki gibidir. Tablo 2: Satış Adedine göre Distribütör Piyasa Payları (%), Mart-Kasım 2005 Segment Distribütör A B C D E F G 6.79 8.48 28.41 13.16 18.81 3.07 2.05 2.94 1.91 4.75 0.17 0.40 5.40 18.24 12.07 29.68 1.76 11.88 13.54 11.89 11.13 9.69 10.61 0.06 2.07 36.72 2.89 0.27 1.46 1.72 0.41 5.03 1.31 1.22 7.72 0.10 0.13 Doğuş (VW, Audi, Seat, Porsche) Baylas( Citroen, Subaru) 18.21 Borusan (BMW, L and Rover, Mini) GM (Opel, Chevrolet) Koç (Ford, TOFAŞ) Sabancı (Toyota) Yüce (Skoda) Kia Smart Suzuki 1 11.55 19.34 MPV 2.73 4.71 44.20 SUV 8.59 6.46 10.76 7.00 3.39 1.57 4.71 4.67 0.59 45.88 33.71 5.30 6.58 Avrupa Birligi’nde yapilmis benzer calismalar icin bkz. Brenkers ve Verboven (2002), Verboven (2002). Daihatsu Dacia Honda 5.25 0.46 4.53 2.51 0.10 1.16 3.69 5.73 8.24 0.82 13.92 0.81 0.85 0.16 15.27 1.66 5.57 19.13 1.41 5.12 21.52 2.66 8.56 8.31 0.01 1.14 0.03 0.28 Chrysler Lada Mazda 0.01 2.05 1.25 4.04 Mercedes Jaguar Saab 0.33 Hyundai Mitsubishi Nissan Peugeot Renault Rover Tata 4.27 Volvo MG 0.34 0.23 0.11 0.59 5.38 2.35 14.21 0.87 0.21 3.82 2.82 0.59 7.85 2.54 3.86 1.60 0.53 1.67 0.13 0.33 28.45 1.51 0.40 3.53 20.03 33.23 2.19 38.18 40.59 1.00 1.10 1.06 HHI 2276 1585 1245 1356 1789 3419 1973 3803 1644 Tablo 2’ye bakıldığında, A ve SUV segmentinde Kia, F ve G segmentlerinde ise Mercedes-Benz %30’un üzerindeki piyasa paylarıyla Seçici Dağıtım sistemini benimserken, F segmentinde Borusan ve MPV segmentinde ise Kia ve Mercedes-Benz %40’in üzerindeki piyasa paylarıyla sadece Niteliksel Seçici Dağıtım Sistemini benimseyebileceklerdir. Tablo 1’de verilen pazar payları, her bir distribütörün ilgili segmentteki payı dikkate alınarak hesaplanmıştır. Buna göre eğer distribütörün ilgili segmentte birden fazla modeli varsa, bunların paylarının toplamı alınmıştır. Bu nedenle tablonun en soldaki sütununda markaların değil, distribütörlerin bağlı olduğu grupların adları yer almaktadır. Segmentler ise ODD’nin de benimsediği beynelmilel bir nitelik taşıdığı düşünülen şasi uzunluklarına göre yapılan bölümlemelerdir. Buna göre A segmenti tek hacimli küçük otomobilleri (Smart), B küçük (Ford Fiesta), C küçük-orta (Opel Astra), D büyük-orta (BMW 3), E büyük-executive (Mercedes E), F lüks (Audi A8), G spor (Hyundai Coupe FX), SUV arazi araçlarısport utulity vehicle (Honda CRV), MPV minivan-multipurpose vehicle (Chrysler Voyager) araçları barındırmaktadır. Her ne kadar AB Komisyonu verdiği hiçbir kararda yeni otomobiller için ilgili ürün pazarının nasıl belirleneceğine dair bir açıklamada bulunmadıysa da2 bu gruplandırmayı benimsediği Açıklayıcı Broşürde verilen örneklerden anlaşılmaktadır. Ancak bu gruplandırmanın rekabet teorisinde benimsenen ve 2005/4 sayılı Motorlu Taşıtlar Tebliği uyarınca da dikkate alınacak olan “ilgili ürün pazarı” yaklaşımıyla uyuşmadığı açıktır. Zira şasi uzunluğunun otomobillerin ilgili ürün pazarı belirlenirken ilk olarak dikkate alınması gereken tüketici tercihleri için fiyat, motor hacmi, beygir gücü ve ortalama yakıt tüketimi gibi ölçütlerden sonra geldiği düşünülmektedir. Dolayısıyla her bir segmenti tüketicilerin gözünde ayrı ilgili ürün pazarları olarak alınabilecek alternatif bir bölümleme çalışmasına ihtiyaç bulunmaktadır. II. Alternatif bir Segmentasyon önerisi: Hiyerarşik Küme Analizi Otomobil piyasasında ilgili ürün pazarının belirlenmesinde birkaç farklı niteliksel veya niceliksel yöntem kullanılmaktadır. Bunlardan ilki ekonometrik modellerle oluşturulan tahmin yöntemleridir. Yapmış olduğumuz analizin çıkış noktasını oluşturan çalışmalardan biri Verboven (2002) ve Brenkers ve Verboven (2002) tarafından yapılmıştır. Bu çalışmalar daha çok makro ölçekli olup, herhangi bir araç modelinin piyasa payını etkileyen faktörleri belirlemeye yöneliktir. Otomobil piyasasında ilgili ürün pazarlarının belirlenmesinde bizce kullanılması gereken yöntemlerden bir digeri de hiyerarşik küme analizidir. Hiyerarşik küme analizi (hierarchical cluster analysis), ürünlerin, pazar tanımlanmasında etkili olan faktörleri kullanarak sınıflandırılmasında ve doğal gruplaşmaların belirlenmesinde kullanılan bir tekniktir. Hiyerarşik küme analiziyle yapılmış bölümleme ve ilgili ürün pazarlarının belirlenmesi, yukarıda verilen segmentasyon tanımına alternatif olmakla beraber, esneklik ve fiyat analizi gibi daha ileri düzeydeki çalışmaların yapılmasında da referans noktası olması açısından önemlidir. Bu amaçla 186 model için Mart-Kasım 2005 tarihleri arasında gerçekleşen ortalama fiyat, 100 kilometredeki yakıt tüketimi, motor hacmi ve beygir gücü gibi faktörler kullanılarak hiyerarşik küme analiziyle otomotiv pazarı segmentlere ayrıştırılmıştır. Bugün kullanılan segmentasyon tanımı modellerin şasi/dingil uzunluğuna, kasa yapısına ve kullanım amacına göre yapılırken alternatif bir segmentasyon tanımı yukarıda belirtilen faktörleri de barındırmaktadır. Küme analizinde esas olan ürünlerin benzerliğinin belirlenmesidir. Bu gruplama metodu ürünlerin birbirlerine olan uzaklığının hesaplanmasıyla belirlenir. Bunlardan en sık kullanılanı kareleri alınmış Öklidyen uzaklığıdır (Squared Euclidean Distance). Eğer, i ve j iki farklı modeli, X karakteristiği ve n ise karakteristik sayısını gösterecek olursa, Kareleri Alınmış Öklidyen Uzaklık, 2 Bu durum Komisyonun kendi hazırladığı Açıklayıcı Broşür’ün s.74, dipnot 195’te de Kabul edilmiş ve otomobillerin uzunluk, uzunluk ve fiyata gore bölümlenebileceğine değinilerek bu zorlu görevden kaçınılmıştır. n d ij X ik X jk 2 şeklinde ifade edilebilir. k 1 Yukarıdaki ölçüm sonucunda elde edilen sayı ne kadar büyük olursa, bu iki ürün (model) birbirinden o kadar farklılık göstermektedir. 3 Bu metodla yapılan hiyerarşik küme analizi sonucunda belirlenen 8 segment tablo 3.1’de verilmiştir. Tablo 3.1: Hiyerarşik Küme Analizine Bağlı Segmentasyon Segment 1 Citroen C3 Citroen Picasso Citroen Xsara Dacia Logan Dacia Solenza Daihatsu Coure Daihatsu Sirion Daihatsu YRV Fiat Albea Fiat Palio Fiat Panda Fiat Punto Ford Fiesta Ford Focus C-max Ford Fusion Honda Jazz Hyundai Getz Kia Picanto Mercedes A Serisi Mitsubishi Carisma Mitsubishi Colt Nissan Micra Opel Corsa Opel Tigra Peugeot 206 Peugeot 307 Renault Clio Symbol Seat Cordoba Seat Ibiza Smart Forfour Smart Fortwo Smart Roadster Suzuki Alto Toyota Yaris VW Polo Renault Megane II Renault Modus Renault Scenic Rover 25 Rover 45 Rover Streetwise Seat Altea Seat Leon Seat Toledo Skoda Fabia Skoda Fabia Combo Skoda Fabia Sedan Skoda Octavia Subaru Impreza Suzuki Jimny Toyota Avensis Toyota Corolla HB Toyota Corolla S/D Toyota Corolla S/W Toyota Verso Volvo SV 40 Volvo V 50 VW Bora VW Golf VW Passat VW Touran Segment 2 Alfa 147 Alfa 156 Audi A3 Audi A4 BMW 1 Serisi BMW 3 Serisi Chevrolet Kalos Chevrolet Lacetti Citroen C4 Daihatsu Terios Fiat Idea Fiat Marea Fiat Stilo 3 Ford Focus Honda Civic 3D Honda Civic 4D Honda Civic 5D Honda HR-V Hyundai Accent Hyundai Coupe Hyundai Elantra Hyundai Santa Fe Kia Carens Kia Cerato Kia Sportage Kia Rio Lada Vega Mazda 3 Series MG ZR MG ZS Mini Cooper Mini Cooper C Mitsubishi Lancer Mitsubishi Spacestar Nissan Almera Opel Astra Opel Meriva Opel Zafira Renault Clio Renault Megane Hiyerarşik küme analizi istatistik paket programlarında hierarchical cluster analysis olarak bulunabilir. Segment 5 Alfa 166 Chevrolet Evanda Chrysler PT Chrysler Cherokee Citroen C5 Ford Mondeo Honda Accord Honda CR-V Hyundai Tucson Kia Magentis Kia Sorento Landrover Freelander Mazda 6 Series Mini Cooper S Mitsubishi Outlander Nissan Primera Nissan Terrano Nissan X-Trail Peugeot 407 Saab 93 Segment 6 Mercedes E Serisi Opel Signum Opel Vectra Renault Laguna Rover 75 Skoda Superb Audi A6 BMWZ4 BMW X3 Jaguar X-Type Mercedes C Serisi X3 Saab 95 Subaru Legacy 2.0 Subaru Forester Suzuki Grand Vitara Toyota RAV 4 Toyota Camry Segment 7 Porsche Boxster Subaru Legacy 3.0 Subaru WRX Subaru Outback Chrysler Crossfire Honda S 2000 Jaguar S-Type Mitsubishi Evo Nissan 350 Z Segment 4 Mitsubishi Pajero Nissan Pathfinder Nissan Patrol Peugeot 607 Volvo XC 90 Audi TT BMW 5 Serisi Chrysler 300C Chrysler Sebring Honda Civic Type R Kia Opirus Landrover Discovery Mercedes SLK Mercedes CLK VW Touareg Segment 8 Audi A8 BMW 7 BMW 6 Jaguar XJ Landrover Range Rover Mercedes S Mercedes SL Porsche Carrera VW Phaeton Mercedes G Volvo S 60 Volvo S 80 Volvo V 70 Mercedes M Segment 3 Volvo XC 70 Toyota Landcruiser Hyundai Sonata BMW X 5 Chrysler Grand Cherokee Chrysler Wrangler Porsche Cayenne Hiyerarşik küme analizi sonucunda elde edilen segmentler araçların 100 kilometredeki yakıt tüketimi, beygir gücü ve fiyatı gibi faktörlere bağlı olduğundan aynı segmentte farklı kasa yapısı ve kullanım amacındaki araçlar bulunabilmektedir. Türkiye’de binek otomobiller için kullanım amacından çok fiyatın ve fiyat veri iken performanslarının araç seçiminde daha önemli faktörler olarak ortaya çıkması hiyerarşik küme analizi sonucunda belirlenen segmentlerin beklentilerle uyumlu olduğunu göstermektedir. Tablo 3.2: Segment Histogramı Modellerin segment içindeki dağılımlarına bakıldığında en çok aracın 1. ve 2. segmentlerde bulunduğu görülmektedir. Binek otomobil piyasasındaki modellerin %18’i (35 model) 1. segmentte olup bunu sırasıyla %35 (68 model) ile 2. segment, ve % 14 (27 model) ile 5. segment takip etmektedir. Tablo 3.3: Temel İstatistikler Segment Beygi r Gücü (hp) 26.802 35 5,50 35 79 35 8.749 33.948 0,82 7,30 13 104 68 9.779 68 0,70 68 9 58.435 8,93 145 27 11.989 27 0,67 27 11 80.962 11 6,30 11 137 11 20.157 0,84 12 103.138 10,20 240 9 9 9 24.311 0,59 24 110.982 9,80 174 Fi ya t (YTL) 1 Ortalama Model Sayısı Std. Sapma 2 Ortalama Model Sa yısı Std. Sapma 5 Ortalama Model Sayısı Std. Sapma 6 Ortalama Model Sa yısı Std. Sapma 7 Ortalama Model Sayısı Std. Sapma 4 Ortalama Model Sa yısı Std. Sapma 3 Ortalama Toplam Yakıt Tüketimi (l t/100 km) 20 20 20 35.785 1,01 16 115.767 13,30 212 Model Sayısı Std. Sapma 7 50.100 7 1,13 7 32 8 Ortalama Model Sa yısı 211.832 9 10,30 9 253 9 Std. Sapma 14.538 1,42 42 Ortalama 62256 7.9 133 Model Sayısı Std. Sapma 186 186 186 49279.93 2.04 52.84 Elde ettiğimiz segmentlerin fiyat, motor gücü ve ortalama yakıt tüketimlerinin ortalamalarını ve standart sapmalarını inceleyerek segmentlerin profillerini ortaya koymaya çalıştık. Tablo 3.3’te bu nedenle segmentler ortalama fiyatlarına göre sıralandılar. Segment 1’deki araçların ortalama 26 bin YTL değerinde ve 79 beygir gücünde olduklarını görmekteyiz. Segment 2’dekilerin fiyatı ise ortalama 34 bin YTL olup araçlar 104 beygir gücündeler. Bu verilerden ve ilgili modellerin taranmasından, Segment 1’in şasi uzunluğuna göre A ve B segmentlerine düşen araçları, Segment 2’nin ise C ve D segmentlerini topladığı görülebilir. Buradan A’nın B’den, C’nin ise D’den ayrı pazarlarda ifade edilecek kadar farklı olmadığı sonucu çıkarılabilir. Ancak bu durumun üst segmentlerdeki araçların aldığımız üç ölçüte göre çeşitlilik göstermeleri yani, birbirlerinden ve alt segmenttekilerden çok farklı olmasından da kaynaklanabileceği unutulmamalıdır. İncelediğimiz 186 modelden spor ya da aşırı lüks arabaları çıkardığımızda alt segmentlerdeki araçların da kendi aralarında anlamlı gruplar oluşturacağını görürüz. Nitekim AB Komisyonu da, bir araç farklı donanım seçenekleri yüzünden üst ya da alt segmentlerdeki modellere rakip olabiliyorsa bütün bu segmentlerdeki araçların o aracın ilgili pazar kümesine dahil edilmesi gerektiğini Açıklayıcı Broşürü’nde belirtmektedir. Bu fiyat geçişlerinin alt segmentlerde yoğun olması Segment 1 ve Segment 2’nin tanımlarının doğru ve ilgili pazar olarak kullanıma hazır olduğunu göstermektedir. Segment 5, 2000 cc motor hacminin üzerindeki, 50 bin YTL ve üzeri fiyatlı D ve SUV segmentlerindeki araçları barındırmaktadır. Bu araçların fiyatları görece düşük olmakla birlikte yakıt tüketimi ve motor güçlerinin yine görece fazla olduğunu görmekteyiz. Daha üst sınıflarda yer alan 56 modelin birbirlerinden ölçütler ışığında çok farklılaştırılmış olduğu, bu araçların ancak 5 ayrı segmentte toparlanabilmesine yol açmıştır. ODD sınıflandırmasına göre de E (büyük), F (Lüks), SUV ve G (spor araç) olarak 4 ayrı grupta incelenen bu araçlar tüketicinin kafasındaki imajlarına göre değil teknik ve mali verilerine göre daha değişik bir biçimde sınıflandırılmıştır. Buna göre Segment 7 açıkça spor arabaları, Segment 6 yönetici araçlarını, Segment 8 en üst düzey arabaları, Segment 3 üst düzey SUV’leri içermektedir. Segment 4 ise bir nevi, Segment 6’ya göre daha güçlü yönetici araçlarını (SUV’ler dahil) barındırmaktadır. Görüldüğü üzere, araçların biçimlerinin empoze ettiği aile arabası, spor araba, lüks, SUV gibi kullanım amacına yönelik özellikleri modele konulmamış olsa da, farklı amaçlara yönelik araçlar kendi aralarında ikame edilebilir olduğu ölçüde aynı segmentlerde yer almıştır. Sonuçta örneğin bir şirket yöneticisine E sınıfı bir araç yerine, SUV’de alabilmektedir, yeter ki mali profilleri çok farklı olmasın. Tablo 3.1’de sonuçlarını verdiğimiz analizde fiyat, motor gücü ve yakıt tüketimi gibi özelliklerin her birinin tüketicinin gözünde eşit ağırlıkta olduğu varsayılmaktadır. Bu özelliklerin eşit ağırlıkta olmadığı kesin olmakla birlikte, nasıl ağırlıklandırılması gerektiği sübjektif bir meseledir ve kapsamlı bir anket çalışması yapılmadan da ortalama bir sonuca varılması mümkün değildir. Yine de Tablo 3.1’deki sonuçların şasi uzunluğuna göre yapılan bölümlemeden sezgisel olarak daha doğru olduğunu söyleyebiliriz. Fakat son sözün sonraki bölümlerde nasıl uygulanacağı gösterilen çapraz esnekliklerin incelenmesinden sonra söylenmesi gerekmektedir. III. Talep Esnekliği: Teori Fiyat talep esnekliği, fiyattaki yüzde değişimin talepte oluşturduğu yüzde değişim olarak tanımlanabilir. Buna göre, fiyat talep esnekliğini ile gösterecek olursak: Q P P Q şeklinde gösterilir. Fiyat talep esnekliği 1’in üzerinde ise talep fiyattaki değişimlere karşı hassastır. Buna karşın, esneklik 1’in altında ise talep fiyatlardan çok fazla etkilenmemektedir. Mikroekonomik modellerdeki talebin fiyat esnekliği, kendi ve çapraz esnekliği olmak üzere ikiye ayrılır. Kendi fiyat talep esnekliği (own price elasticity of demand) bir modelin fiyatındaki yüzde değişimin, o modele olan talebi ne kadar değiştirdiğini, çapraz fiyat talep esnekliği (cross price elasticity of demand) ise, bir modelin fiyatındaki yüzde değişimin, diğer bir modele olan talebi ne kadar değiştirdiğini gösterir. Buna göre kendi ve çapraz fiyat talep esneklikleri sırasıyla, ii Qi Pi Pi Qi ve ij Qi Pj Pj Qi olarak gösterilir. Ekonomik teoriye göre bir modelin fiyatı ile o modele olan talep arasında ters orantılı, bir modelin fiyatı ile başka bir modele olan talep arasında ise doğru orantılı bir ilişki vardır. Bu durum ii 0 ve ij 0 , diğer bir deyişle, kendi fiyat esnekliğinin daima negatif, aşağıda belirteceğimiz koşullar altında ise çapraz fiyat esnekliğinin pozitif olma koşulunu getirir. Çapraz fiyat esnekliği, modellerin ikame (substitution) mallar olması durumunda pozitif, tamamlayıcı mallar (complements) olması durumunda ise negatiftir: IV. ij 0 : model i ve model j birbirini tamamlamaktadır. ij 0 : bir model diğerine ikame etmektedir. Talep esnekliğinin Ekonometrik Modelleri Fiyat talep esnekliğinin hesaplanmasında birkaç farklı ekonometrik model ve tahmin metodu kullanılmaktadır. Bunlardan en sık kullanılanı, bağımlı değişkenin sürekli veri (continuous data) olması durumunda uygulanabilecek olan tam logaritmik (full-logarithmic) spesifikasyondur. Bu tanımlama aşağıdaki talep denklemiyle gösterilebilir. Qi 1 2 Pi j Pj ' x u (5.1) Yukarıdaki denklemde i modeli, Q satış miktarını, Pi i modelinin fiyatını, Pj ise j modelinin fiyatını, x bir matris olup talebi etkileyebilecek diğer makroekonomik değişkenleri ve u ise stokastik hata terimini göstermektedir. (5.1)’deki i modelinin fiyat katsayısı olan 2 fiyatın bir YTL artması durumunda, satışın, diğer bir deyişle talebin, ne kadar YTL azalacağını gösterir. Eğer (5.1)’deki denklemde fiyat ve miktar değişkenlerinin doğal logaritması alınırsa oluşacak yeni denklemdeki fiyat katsayısı, fiyat talep esnekliğini ifade eder. Buna göre; ln Qi 1 2 ln Pi j ' ln Pj x u (5.2) (5.2)’de ln doğal logaritmayi, 2 kendi fiyat talep esnekliğini, j ise çapraz fiyat talep esnekliklerini göstermektedir. Aynı veya ardışık segmentlerdeki modellerin birbirlerini ikame ettikleri durumda a priori beklenti 2 0 ve (least squares, LS) yöntemiyle tahmin edilebilir. j 0 ’dir. (5.2) numaralı denklem küçük kareler LS yöntemi, bağımlı değişken olan satış miktarının (Q) o ay satış yapılamaması nedeniyle sıfır değerini alması ve serilerin devamlı görünümünü kaybederek kesikli veri gibi görünmesi durumunda hatalı katsayı tahmini vermektedir. Bu gibi durumlarda “integer count data” adı verilen bir tahmin yöntemi esas alınır. Yukarıdaki fiyat talep esnekliği tahmin yöntemlerine ek olarak ikinci bir alternatif ise segmentteki piyasa paylarını esas alan “Oransal kalibre edilmiş İdeale Yakın Talep Sistemi” (Proportionally Calibrated Almost Ideal Demand System, PCAIDS)’dir4. PCAIDS yöntemiyle her modelin segmentdeki piyasa payı o modele ait fiyatla ve diğer modellerin fiyatlarıyla açıklanır. 4 b13 ln P13t b1n ln Pnt u1t b22 ln P2t b23 ln P3t b2 n ln Pnt u 2t bn 2 ln P2t bn3 ln P3t bnn ln Pnt u nt S1t a1 b11 ln P1t b12 ln P2t S 2t a2 b21 ln P1t S nt an bn1 ln P1t Bkz. Epstein ve Rubinfeld (2002). (5.3) (5.3) numaralı denklemde S, bir modelin söz konusu segmentteki değer cinsinden hesaplanmış piyasa payını 0 S 1 , n segmentteki model sayısını, t ise zamanı gösterir. Parametrelerin birtakım varsayımlarla sınırlandırılmadığı bir durumda n tane model, n2 adet parametre hesaplanması demektir. Fakat bunun için geniş çaplı bir veri setine gereksinim vardır. Buna karşılık, (5.3) numaralı denklemin getirdiği birtakım sınırlamalar vardır. Bunlardan ilki n segmentteki piyasa paylarının toplamının 1 olduğudur ( Si 1). Bu sınırlamayla beraber i 1 bilinmeyen parametre sayısı PCAIDS yöntemiyle büyük oranda azalmaktadır. V. Esneklik Tahminleri Kendi ve çapraz fiyat talep esnekliklerini hesaplayabilmek için her araç modeli için Mart-Kasım 2005 tarihleri arasındaki segment bazında aylık satış ve fiyat verileri kullanılmıştır. Veri seti toplamda 60 model ve her model için 9 zaman serisi gözleminden oluşmaktadır. ODD segmentleri bazında bakıldığında satış ve fiyat verileri tam olan modeller sırasıyla A segmentinde 5, D segmentinde 27, E segmentinde 14, F segmentinde 5 ve G segmentinde 9 adettir5. Kendi ve çapraz fiyat talep esneklikleri bazı segmentler için, satış verileri kimi aylarda satış yapılamaması nedeniyle kesikli bir görünüme sahip olduğundan integer count data tahmin yöntemi kullanılarak hesaplanmıştır. Her model için ayrı bir denklem tanımlanmış ve Negative Binomial ML yöntemiyle katsayı tahmini yapılmıştır6. Fakat model sayısının fazla olduğu orta segmentlerde PCAIDS yöntemiyle esneklik hesaplanamamaktır. Buna ek olarak, modellere ait zaman serisinin 9 gözlemden oluşması nedeniyle talep denklemlerinin sağ tarafına maksimum 8 bağımsız değişken konulabilmesi, bir segmentteki tüm çapraz esnekliklerin hesaplanamamasına yol açmaktadır7 . 5 Esneklik tahmininde karşılaşılan teknik probl emler nedeniyle B,C ve SUV segmentindeki esneklikler hesaplanmamıştır. 6 Negative Binomial ML yöntemiyle ilgili geniş bir bilgi Cameron ve Trivedi (1996)’de bulunabilir. 7 Talep esneklikleri tahmininde bazı model ler arasındaki esneklik işaretlerinin beklentilerle tutarlı olmadığı görülmektedir. Bu durum bizce örneklem sayısının azlığından kaynaklanan ve telafisi uzun dönemde olabilecek bir problemdir. Esneklik tahminlerinde dikkat çekilmesi gereken diğer bir ise durum herhangi iki model arasındaki esnekliği n büyüklüğüdür. Yaptığımız tahminler sonucunda çıkan esnekliklerin tam isabetli olması eldeki verilerin kısıtlılığı gözönünde bulundurulduğunda mümkün olmamaktadır. Buradaki dikkat çekmek istediğimiz nokta çapraz esnekliklerin birim (esneklik=1) esnekliği n üstünde ya da altında kalıp kalmadığıdır. Aşağıdaki tablolarda şasi uzunluğu bölümlemelerine göre aynı sınıfta kabul edilen araçların fiyat talep esneklikleri gösterilmektedir. Bu tablolarda yatay eksendeki modeller fiyatı, tablonun solundaki sütunda yer alan modeller ise miktarı göstermektedir. Tablo 6.1: Fiyat Talep Esneklikleri: A Segmenti Fiyat Segment Suzuki Alto Daihatsu Coure Esnekligi = Smart Fiat Kia For Two Panda Picanto -2.88 Suzuki Alto -26 21 34 0 12 Daihatsu Coure -13 0 17 0 0 0 6 -16 22 0 18 -2 0 0 -5 0 0 0 0 0 Smart For Two Fiat Panda Kia Picanto A segmentine bakıldığında Smart ForTwo modeli Daihatsu Coure modeline rakip olarak gözükmektedir. Diğer bir deyişle, bu iki model birbirini ikame etmektedir. Smart ForTwo modelinin fiyatındaki bir artış Suzuki Alto modeline olan talebi artırırken, Alto’nun fiyatındaki bir artış ForTwo modeline olan talebi etkilememektedir. Bu durum ForTwo’nun Alto modeliyle ikame edildiğini fakat tam tersi bir durumun gerçekleşmediğini göstermektedir. ForTwo modelinin A segmentindeki en pahalı otomobil olduğu göz önünde bulundurulduğunda daha ucuz bir model olan Alto ile ikame edilmesi beklentilerle tutarlılık göstermektedir. Benzer bir geçiş Fiat Panda ile Smart ForTwo arasında da gerçekleşmektedir. Burada ise, Fiat Panda’nın fiyatındaki %1’lik bir artış talebi Smart ForTwo modeline kaydırırken, tam tersi bir durum görülmemektedir. Tablo 6.1’te dikkat çeken bir başka durum ise hiçbir modelin Picanto ile ikame edilmediğidir (çapraz fiyat esneklikleri sıfırdan farklı değildir). Bu durum Picanto modelinin mart 2005’ten itibaren olan 9 aylık satış performansının diğer modellere kıyasla daha yüksek olması ve markalaşmayla açıklanabilir. Tablo 6.2: Fiyat Talep Esneklikleri: D Segmenti Fiyat Segment Audi A4 Esnekligi = BMW Jaguar XType Mercedes C Serisi VW Passat Saab 93 3 Serisi -2.22 Audi -15 0 0 0 0 0 -7 5 21 -25 0 3 0 15 42 -61 0 0 0 0 0 0 0 0 0 0 0 0 0 0 16 17 19 -72 1 2 A4 BMW 3 Serisi Jaguar X-Type Mercedes C Serisi VW Passat Saab 93 D segmenti fiyat talep esnekliklerine bakıldığında BMW 3 Serisi’nin Jaguar X-type ile Saab 93 modeline rakip olduğu, buna karşın VW Passat ve Mercedes C Serisi’nin hiçbir modele rakip olmadığı görülmektedir. VW Passat fiyat ve satış miktarı seviyesiyle de D segmentindeki araçlardan farklılık göstermektedir fakat Mercedes C Serisi’nin diğer modellerdeki fiyat artışlarından etkilenmemesi Mercedes talep eden tüketici profilindeki farklılıklar ve marka yönetiminin etkileriyle açıklanabilir. Bunlara ek olarak Audi A4, BMW 3 serisi ve VW Passat modelleri Saab 93 modeliyle ikame edilmektedir. Tablo 6.2’daki modellerin ortalama fiyat istatistiklerine bakıldığında en pahalı model Jaguar X-type olup, bunu sırasıyla Mercedes C Serisi, BMW 3 serisi, Saab 93, Audi A4 ve VW Passat takip etmektedir. Dolayısıyla ortalama fiyata sahip olan A4, 93 ve 3 Serisi arasında geçişler görülürken, X-type modelinden de Saab 93 ve BMW 3 Serisi’ne geçişler gözlemlenmektedir. Tablo 6.3: Fiyat Talep Esneklikleri: E segmenti Fiyat Audi A6 BMW Serisi 5 Chrysler 300C Jaguar SType Mercedes E Serisi Volvo S80 Volvo XC70 Audi A6 0 0 0 61 0 0 0 BMW 0 0 0 23 0 0 0 Chrysler 300C 501 0 -578 96 0 0 0 Jaguar SType 864 4 -1017 204 2 48 -79 Mercedes 164 1 -150 0 -9 14 -28 Volvo S80 0 1 0 0 8 -35 58 Volvo XC70 0 3 0 -132 -23 0 0 5 Serisi E Serisi E segmentindeki 14 model, fiyatlardaki varyasyonun yüksek olması nedeniyle alt ve üst segment olmak üzere iki bölümde incelenmiştir. Tablo 6.3’de üst E segmentinde olan modeller arasındaki fiyat esneklikleri görülmektedir. Buna göre, Jaguar S Type modelinin Audi A6 ve BMW 5 Serisi’ne; Volvo S80’in ise Mercedes E Serisi’ne rakip olduğu gözlemlenmektedir. Tablo 6.4: Fiyat Talep Esneklikleri: F segmenti Fiyat Segment Audi A8 Esnekligi = BMW Jaguar XJ Mercedes S Serisi 7 Serisi -3.26 Audi A8 BMW -3.3 11 224 -233 -1 -3.3 -29 26 -84 234 -3.3 -3172 0 5 -218 -3.2 7 Serisi Jaguar XJ Mercedes S Serisi F segmentinde BMW 7 Serisi’nden Audi A8, Mercedes S ve Jaguar XJ modellerine bir ge çiş olduğu görülmektedir. Tablo 6.4’deki modellerin ortalama fiyat istatistiklerine bakıldığında en pahalı model BMW 7 Serisi olup, bunu sırasıyla Mercedes S, Jaguar XJ, Audi A8 ve VW Phaeton takip etmektedir. BMW 7 Serisi’nin segmentteki en pahalı model olduğu göz önünde bulundurulduğunda, yüksek fiyatlı modellerden, göreceli olarak düşük fiyatlı modellere geçiş olması beklenen bir durumdur. Bunun dışında VW Phaeton haricinde fiyat açısından en düşük iki model ile en yüksek iki model arasında da ikame vardır. Tablo 6.5: Fiyat Talep Esneklikleri: G segmenti Fiyat Porsche Carrera Mercedes CLK Mercedes SLK -1032 1076 0 19 30 -91 Mercedes CLK 883 0 -251 34 0 0 Mercedes SLK -1023 964 -77 14 37 104 Chrysler Sebring -2152 2308 -199 19 79 0 0 0 171 0 0 83 -2056 2271 -318 46 72 19 Segment Chrysler Sebring Honda S2000 Chrysler Crossfire Esnekligi = -0.43 Porsche Carrera Honda S2000 Chrysler Crossfire G segmentine bakıldığında Mercedes CLK’nin Porsche Carrera ve Chrysler Sebring modellerine rakip olduğu, Honda S2000’nin ise Mercedes SLK ve Chrysler Crossfire modellerine rakip olduğu görülmektedir. Tablo 6.5’deki modellerin ortalama fiyat istatistiklerine bakıldığında en pahalı model olan Porsche Carrera’yı sırasıyla Mercedes CLK, Chrysler Crossfire, Mercedes SLK, Honda S2000 ve Chrysler Sebring takip etmektedir. Sonuç Son bölümde beynelmilel şasi uzunluğuna göre yapılan sınıflandırmanın segmentlerinin birbirleriyle tam olarak ikame edilemeyecek modelleri barındırdığı, dolayısıyla incelemeye konu olacak bir modelin ilgili ürün pazarının bu segment olarak tespit edilmemesi gerektiği gösterilmiştir. Bu nedenle ilgili ürün pazarları tespit edilirken farklı bir yöntemin izlenmesini çalışmamızda önerdik. Bu yönteme göre, önce küme analizi yöntemiyle, mümkün olursa tüketicilerin modellere ilişkin sübjektif değerlendirmelerinin de kategorize edilerek modele katılması yoluyla bulunacak segmentler oluşturulmalıdır. Daha sonra bu segmentlerde yer alan modellerin birbirlerine ikame olup olmadıkları çapraz esnekliklerine bakılarak kontrol edilmelidir. Bu şekilde tespit edilecek ilgili ürün pazarlarının şasi uzunluğu esas alınarak yapılan segmentasyondan daha sağlıklı olacağı düşünülmektedir. İlgili ürün pazarının nasıl hesaplanacağına ilişkin sayısız tartışma hem yabancı hem de Türkçe literatürde bulunabilir.8 Biz teorinin ancak pratiği açıkladığı ve ona yön verdiği ölçüde anlamlı olduğunu düşündüğümüzden tartışmaları özetlemeyi başkalarına bırakıp, Türk otomobil piyasasında daha önce yapılmamış bir çalışmayı, verileri elde etmek için elimizden gelen çabayı göstererek gerçekleştirmeye çalıştık. Kullandığımız yöntemler, doğru ilgili ürün pazarlarının neler olduğunu göstermek için değil, ihtiyaç halinde doğru ilgili ürün pazarlarının nasıl tespit edileceğini göstermeye yöneliktir. 8 Konu ile ilgili Türkçe kaynaklar için bkz. Çetinkaya (2003) ve Şenyücel (2003). Kaynakça Brenkers, R., Verboven, F. (2002) Liberalizing a Distribution System: The European Car Market. Cameron, A.C, Trivedi, P.K. (1996) Count Data Models for Financial Data, Handbook of Statistics: Statistical Methods in Finance, G.S Maddala C.R. Rao ed., North-Holland. Çetinkaya, M. (2003), “İlgili Pazar Kavramı ve İlgili Pazar Tanımında Kullanılan Nicel Teknikler”, Rekabet Kurumu, Ankara. Şenyücel, O. (2003), “Rekabet İktisadında Ampirik Uygulamalar”, Rekabet Kurumu, Ankara. Epstein, R.J., Rubinfeld, D.L. (2002) Merger Simulation: A Simplified Approach with New Applications. Antitrust Law Journal, vol: 69, no. 3, pp: 883-919. Verboven, F. (2002) Quantitative Study to Define the Relevant Market in the Passenger Car Sector. Catholic University of Leuven.