ANALÝZA ROZPTYLU CEN INTERNETOVÝCH OBCHODŮ

Transkript

1 Masarykova univerzita Ekonomicko-správní fakulta Studijní obor: Hospodářská politika ANALÝZA ROZPTYLU CEN INTERNETOVÝCH OBCHODŮ Variation in prices of internet shops Bakalářská práce Vedoucí práce: Ing. Michal KVASNIČKA, Ph.D. Autor: Kateřina SKOROCKÁ Brno, 212

2 Masarykova univerzita Ekonomicko-správní fakulta Katedra ekonomie Akademický rok 211/212 ZADÁNÍ BAKALÁŘSKÉ PRÁCE Pro: SKOROCKÁ Kateřina Obor: Hospodářská ská politika Název tématu: ANALÝZA ROZPYTLU CEN INTERNETOVÝCH O BCHODŮ Variation in prices of internet shops Zásady pro vypracování Problémová oblast, cíl práce, postup a použité metody: Studentka sesbírá denní data o vývoji cen ve vybraných internetových obchodech pro vybrané komodity minimálně za 4 dnů. Na těchto datech se s pomocí nástrojů matematické statistiky pokusí zjisit, do jaké míry a jakým způsobem se liší ceny v těchto obchodech. 1

3 Rozsah grafických prací: (Předpoklad cca 1 tabulek a grafů) Rozsah práce bez příloh: 35 4 stran Seznam odborné literatury: Babbie, Earl. The practice of social research.. 11th ed. Belmont : Thomson/Wadsworth, 26. xxiv, 511. ISBN Vedoucí bakalářské práce: Ing. Michal Kvasnička, Ph.D. Datum zadání bakalářské práce: Termín odevzdání diplomové práce a vložení do IS uvedenje v platném harmonogramu akademického roku.. vedoucí katedry. děkan V Brně dne

4 Jméno a příjmení autora: Název bakalářské práce: Název práce v angličtině: Katedra: Vedoucí bakalářské práce: Rok obhajoby: Kateřina Skorocká Analýza rozptylu cen internetových obchodů Variation in Prices of Internet Shops Ekonomie Ing. Michal Kvasnička, Ph.D. 212 Anotace Předmětem této bakalářské práce je empirický výzkum, který se zabývá tím jak se vyvíjí ceny vybraných komodit na internetovém serveru, který srovnává ceny, Heureka.cz.Veškerá data potřebná k vypracování této studie byla každodenně stahována na zmíněném ném serveru Heureka.cz po dobu dvou měsíců (tj. 63 dní). Prostřednictvím software MS Excel byly vypracovány ze stažených informací o cenách základní statistiky, které byly dále použity k testování modelů ve statistickém programu Gretl. Dále je v této studii i zahrnuto pozorování různých typů chovaní největších hráčů na daných trzích. Annotation The main goal of this bachelor thesis is empirical research. This research deals with prices of chosen goods and how they change over time. Prices of different e-shops of the chosen goods were compared using the internet server Heureka.cz. Price data was downloaded everyday from this server for a 2 month period (63 days). After the price data was collected, MS Excel was used to determine mathematical statistics about prices of the chosen goods. Those statistics helped to analyze and build some tests in statistical software called GRETL. This paper also includes market leaders of each commodity and tries to explain how they act on those markets. Klíčová slova Heureka.cz, ceny, popisné statistiky, elektronika, kosmetika, domácí spotřebiče Keywords Heureka.cz, prices, descriptive statistics, electronics, cosmetics, home appliances, 3

5 Prohlášení Prohlašuji, že jsem bakalářskou práci Analýza rozptylu cen internetových obchodů vypracovala samostatně pod vedením Ing. Michal Kvasnička, Ph.D. a uvedla v ní všechy použité literární a jiné odborné zdroje v souladu s právními předpisy, vnitřními předpisy Masarykovy university a vnitřními akty řízení Masarykovy university a Ekonomicko-správní fakulty MU. V Brně, 2.května 212. Kateřina Skorocká 4

6 Poděkování Zde bych velice ráda poděkovala Ing. Michalu Kvasničkovi, Ph.D. za jeho cenné rady a připomínnky, díky kterým mi pomohl k vypracování teto bakalářské práce. Dále bych chtěla poděkovat Ing. Stanislavu Tvrzovi, který mi byl při zpracování bakalářské práce vždy oporou a poskytl velmi cenné rady ohledně statistických metod. 5

7 Obsah: ÚVOD DATA A METODA ZPRACOVÁNÍ Struktura dat Metoda sběru dat, sledované období VÝSLEDKY, KOMENTÁŘE A STATISTICKÉ MODELY Ekonometrické ometrické modely OLS model (model nejmenších čtverců) Interpretace modelu Chování online obchodů na trhu ZÁVĚR SEZNAM POUŽÍTÉ LITERATURY SEZNAM GRAFŮ SEZNAM TABULEK SEZNAM HISTOGRAMŮ SEZNAM OBRÁZKŮ PŘÍLOHY

8 ÚVOD Každý z nás určitě někdy nakupoval po internetu. V dnešní době je online nakupování nejjednodušší formou nákupu vůbec. Nejen že tato forma nákupu umožňuje uskutečnit nákup přímo z pohodlí domova, ale také nám samotný internet poskytuje seznam všech internetových obchodů, ze kterých je možné poptávané zboží vybírat. A právě toto je velkou výhodou online nakupování.na internetu máme k dispozici řadu obchodů, u kterých lze zboží srovnávat. Dále je možné vyhodnotit, který prodejce nabízí zboží nejvýhodněji. Tato výše zmíněná hodnocení se na českém trhu provádí zejména na serverech a K výběru nejvhodnějšího internetového obchodu mohou zákazníci kromě cen zohlednit také hodnocení kvality obchodů (recenze) od dalších zákazníků. Na stránkách se kupující také dozví, kolik mají internetové obchody kamenných poboček po České republice, což je výhodné hlavně pro ty, kdo chtějí ušetřit na poštovném. Dále kupující mají možnost využít služby Garance nákupu 1. Dle Heuréky tato služba by měla odlišit spolehlivé online obchody od těch, co nějakým způsobem nehrají férově. A právě tímto se tato empirická studie zabývá. Zkoumá ceny vybraných komodit na českém trhu u vybraných prodejců. Ceny jsou sesbírány za určité časové období (63 dní) a poté pomocí matematické statistiky vysvětleny do jaké míry a jakým způsobem se ceny u těchto prodejců liší. V této studii byla sesbírána data formou denního sledování vývoje cen u daných komodit a vybraných výrobců. Byla použita forma zaznamenávání poznatků do softwaru MS Excel. Poté jsou data vyhodnocena nástroji základních popisných statistik, odkud byla dále využívána programem Gretl řešení modelů Nejmenších čtverců. Tyto modely jsou v Gretlu snadno interpretovatelné, což ocení i ne ekonometricky zdatní čtenáři. Struktura práce je rozdělena do dvou hlavních částí. V první části popisuje data celkově, jakým způsobem byla sesbírána, odkud, za jaké časové období a dále detailně popisuje jednotlivé komodity. Ve druhé části jsou interpretovány výsledky provedených analýz, testů a statistik, popřípadě jsou připojené komentáře či výpovědi přímo od určitých obchodních zástupců vybraných internetových obchodů. Dále jsou v tomto výzkumu zkoumány určité faktory, které by mohly na jednotlivé ceny působit a ovlivňovat je. 1 Více na: 7

9 1 DATA A METODA ZPRACOVÁNÍ Veškerá data, na kterých je tato studie postavena pochází ze serveru Server Heureka.cz uvádí, že je: jednou z nejpopulárnějších služeb českého internetu. Radí nakupujícím z ČR a Slovenska jaký produkt vybrat a kde bezpečně a výhodně ho nakoupit. Nabízí srovnání cen z více jak 2 e-shopů a potrpí si na neustále aktuální informace. 2 Heuréka každoročně pořádá soutěž ShopRoku, ve které jsou oceňovány nejlepší a nejoblíbenější internetové obchody. 3 Cenový srovnávač Heureka.cz byl spuštěn v říjnu 27, srovnává více než 1 výrobků z více než 45 internetových obchodů Struktura dat Předmětem této studie je 12 vybraných komodit ze třech kategorií. Pro tuto práci bylo třeba vybrat takové komodity, které zastupují vybrané kategorie a mají různé ceny. Kvůli náročnosti sběru dat byly komodity vybrány právě pomocí Heureka.cz. V jednotlivých kategoriích byly vybrané komodity na začátku sledovaného období zařazeny mezi nejlépe hodnocené. Do níže uvedených kategorií byly vybrány ty statky, které splňovaly alespoň tato kritéria: produkt nabízí více než 2 internetových obchodů cena se pohybuje v určitém rozmezí (směrodatná odchylka min 5 Kč) vybrané komodity musí být nabízeny na různých trzích (kosmetika, domácí spotřebiče, elektronika) se objevují minimálně dva statky Dvanáct základních komodit bylo rozděleno do následujících skupin: Kosmetika parfémy (tato kategorie obsahuje dvě komodity) o Dolce & Gabbana Light Blue 5 - toaletní voda 1 ml o Versace Bright Crystal 6 - toaletní voda 9 ml 2Heureka (cit ). ( 3Shoproku (cit ). ( 4Lupa. 29. (cit ). ( 5Detailní info: 8

10 Domácí spotřebiče (tato kategorie obsahuje čtyři komodity) o Bosch TAS moderní espresso kávovar o Braun Series pánský planžetový strojek o Electrolux ERB W 9 - kombinovaná chladnička o Whirlpool AWE pračka s horním plněním Elektronika (tato kategorie obsahuje 6 komodit) o LG 42LV LED televize o Apple ipad 232 GB WiFi 12 tablet o HTC Flyer 32 GB 13 tablet o Microsoft XBOX 36 4GB Kinect Bundle 14 konzole s pohybovým senzorem o Sony Cyber-shot DSC-HX9 15 kompaktní digitální fotoaparát o Sony NWZ-E464 8GB 16 MP3 přehrávač 1.2. Metoda sběru dat, sledované období U výše uvedených komodit byly každodenně sledovány jejich ceny po dobu dvou měsíců (t.j. 63 pozorování u každé komodity) u různých internetových obchodů. U každé komodity je zaznamenán rozdílný počet obchodů, které daný statek nabízejí. To znamená, ne vždy v každé kategorii statků se našel internetový obchod, který by nabízel vše námi vybrané zboží. Toto nám samozřejmě v našem výzkumu nijak nepřekáží k dalším analýzám. Důležité je, že máme dostatek dat k provádění dalších úkonů. Sběr dat byl prováděn ve sledovaném období od 14.prosince 211 do 14.února 212 t.j. presně dva měsíce 63 dní. Data za každý den byla zaznamenávána do software Microsoft Excel, kde se s nimi dále pracovalo.díky software MS Excel bylo snadné pozorovat data jak se postupně vyvíjela. 6Detailní info: 7Detailní info: 8Detailní info: 9Detailní info: 1 Detailní info: 11detailní info: 12detailní info: 13detailní info: 14detailní info: 15detailní info: 16detailní info: 9

11 Níže jsou uvedeny jednotlivé komodity rozdělené do výše zmíněných kategorií. Je zde zobrazna vždy tabulka se základními popisnými statistikami, s počtem sledovaných online obchodů, které statky nabízejí a také data o největších hráčích daného trhu. Data o největších hráčích na daných trzích byla získána dvojím způsobem. Jednak prostřednictvím ankety Shoproku, provozované právě serverem Heureka.cz. 17 Druhým způsobem získání informací o leaderech trhu bylo dotazování přímo obchodních zástupců jednotlivých e-shopů prostřednictvím elektronické pošty jednotlivé výpovědi jsou uvedeny vždy po tabulkami. Kosmetika Tabulka č.1: Popisné statistiky komodit z kategorie kosmetika (průměrné hodnoty sledovaného období) Dolce & Gabbana Versace Průměrná cena 1363,85 137,96 Medián 1347,83 994,6 Minimum 118,63 853,48 Maximum 2629, Směrodatná odchylka 269,39 147,96 Variační koeficient (průměr) 19,75 14,25 Variační koeficient (median) 19,99 14,88 Šikmost 3,33 3,14 Zdroj: autorka Tabulka č. 1 udává průměrné popisné statistiky za celé sledované období, to znamená, že z průměrných cen za každý den byl vypočten průměr, z mediánových cen za každý den byl spočten průměrný medián. To samé bylo provedeno u směrodatných odchylek, u každé směrodatné odchylky za den byla spočtena průměrná směrodatná odchylka atd.v tabulce je vidět, že průměrná cena parfému D&G 18 je 1364 Kč a Versace 137 Kč. U obou druhů parfémů jsou zřejmé rozdíly mezi průměrnou a mediánovou cenou. Odlišnost mediánové ceny od průměrné poukazujena nerovnoměrné rozdělení v datech. Nesymetričnost dat je vyjádřena šikmostí rozdělení dat. V tomto případě má 17 více na: 18 zkratka značky Dolce & Gabbana 1

12 šikmost 19 kladné znaménko. To znamená, že hodnoty datového souboru jsou četnější u nadprůměrných hodnot pro oba případy. To vyplývá z toho, že průměr je vyšší než medián. Počet obchodů, které nabízejí dané parfémy jsou uvedeny v následující tabulce s vyznačením velkých prodejců dle hodnocení Heureka.cz a dle odpovědí přímo od prodejců. Tabulka č.2: Největší leadeři na trhu s kosmetikou a počet sledovaných e-shopů Dolce & Gabbana Versace Počet prodejců Leadeři dle Heureka Leadeři dle ů Elnino.cz, Parfums.cz, Parfemy.cz, Prozdravi.cz, Xparfemy.cz Parfums.cz, Elnino.cz, Parfemy.cz Zdroj: autorka odpověď: V současné době je již mnoho e-shopů s parfémy, ale jen některé mají opravdu dobrou úroveň, mezi ně mohu zahrnout např. parfemy-elnino.cz, parfums.cz, parfemy.cz a samozřejmě i nás (Parfémy SP) Graf č.1: Průměrné ceny vybraných parfémů Průměrné ceny kosmetických komodit Dolce&Gabbana Versace zdroj:vlastní výpočty Graf č.1 zobrazuje průměrné ceny sledovaného období (63 dní), je zde patrné, že cena v obou případech jak u parfému Versace Bright Crystal, tak u Dolce & Gabbana Light Blue se cena pohybovala v relativně stabilním pásmu. 19 šikmost je charakteristika nesymetrie. Data mohou být kladně nebo záporně zešikmená. (více o šikmosti například Budíková, Králová, Maroš Průvodce základními statistickými metodami, 21) 11

13 Graf č.2: Směrodatné odchylky na trhu s kosmetikou Směrodatné odchylky kosmetiky Dolce&Gabbana Versace zdroj: vlastní výpočty Graf č.2 popisuje směrodatné odchylky sledovaného období (t.j. 63 dní). Směrodatná odchylka se v obou případech pohybuje v určitém pásmu. D&G parfém celé sledované období byl v pásmu kolem 265 Kč 267 Kč, pouze ke konci sledovaného období se směrodatná odchylka zvýšila až na 294 Kč. To znamená, že ke konci období se ceny od sebe vzájemně lišili vice než v průběhu sledovaného období. To samé se dělo u parfému Versace pouze s tím rozdílem, že se odchylka zmenšila z pásma (145 Kč 15 Kč) na 124 Kč to znamená, že v tomto období se ceny k sobě vice přiblížili měly menší rozptyl. Toto se ovšem změnilo koncem ledna 212 a ceny se od sebe začali mírně lišit začaly mít vyšší rozptyl mezi sebou. Domácí spotřebiče Tabulka č.3: Popisné statistiky komodit z kategorie domácí spotřebiče (průměrné hodnoty sledovaného období) 12

14 Bosch TAS Braun Series Electrolux ERB Whirlpool AWE Průměr 3469, , , ,3 Median 3572, , , ,95 Minimum 2218,6 1273, ,89 645,14 Maximum 4471,49 248,83 882, Směrodatná odchylka 419,61 258,8 633, ,46 Var.koef.(průměr) Var.koef.(median) Šikmost 12,12 14,9 9,13 645,14 11,83 15,62 9, ,99,99,87 2,54 Zdroj: autorka Tabulka č.3 popisuje základní popisné statistiky průměrných hodnot sledovaného období. Statistiky vypočteny stejným způsobem jako v tabulce č.1. V této tabulce je opět patrná nesymetričnost dat. Průměrná cena je odlišná od mediánové. Všechny produkty kromě kávovaru Bosch TAS, jsou kladně zešikmené, což znamená, že v datech se vice vyskytují hodnoty s podprůměrnou hodnotou. Naopak kávovar Bosch má záporně zešikmená data, to znamená, že většina dat v souboru je větší jako průměr. Tabulka č.4: Největší leadeři na trhu s domácími spotřebiči a počet sledovaných e-shopů Bosch TAS Braun Series Electrolux ERB Whirlpool AWE Počet prodejců Dle ů Dle Heuréka MALL.cz Electro World 123shop.cz KASA.cz DATART.cz Alza.cz MALL.cz KASA.cz Obchodní-dům.cz MALL.cz KASA.cz DATART.cz Obchodní-dům.cz T.S.Bohemia a.s. Alza.cz KASA.cz T.S.Bohemia a.s. MALL.CZ Electro World Alza.cz, MALL.cz, Korunka.cz, Obchodní-dům.cz, eproton.cz, ALFA.cz, CZC.cz, OK Computers, Spořílek.cz, Kamenný obchod.cz Zdroj: autorka Vždy se snažíme reagovat právě na vývoj cen u ostatních velkých hráčů na trhu, tj. mall.cz, kasa.cz, alza.cz, 123shop.cz či elektromedia.cz, kteří sice nemají nejnižší ceny na trhy, ale mají již naakumulovanou tak velkou a spokojenou klientelu, že dokáží i s těmito cenami být pro zákazníky zajímaví. (Nakupka.cz) 13

15 Cenu vetšinou určují největší hráči, tzn. Alza.cz, T.S. Bohemia, Kasa.cz, Mall.cz, Datart, Electroworld a ostatní elektromarkety. (itek.cz) Graf č.3: Průměrné ceny domácích spotřebičů Průměrné ceny domácích spotřebičů Bosch Braun Electrolux Whirlpool zdroj: autorka Z grafu č.4 je vidět, že skoro všechny průměré ceny se ve sledovaném období pohybovaly bez nějakých významnějších změn, pouze průměrné ceny pračky Whirlpool zaznamenala významějších rust průměrných cen v období půlky ledna Graf č. 4: Směrodatné odchylky na trhu s domácími spotřebiči Směrodatné odchylky domácích spotřebičů Bosch Braun Electrolux Whirlpool zdroj: autorka 14

16 Jak je z předchozího grafu patrné o průměrných cenách, tak i zde v grafu č. 4 jsou směrodatné odchylky pračky Whirlpool odlišné od ostatních sledovaných produktů. U směrodatných odchylek zaznamenaly výrazné zvýšení variability mezi cenami. To znamená, že mezi cenami v období půlky ledna 212 byly výrazné rozdíly vychylovaly se od průměrných cen byly mezi cenami velké rozptyly. Elektronika Tabulka č.5 Popisné statistiky komodit z kategorie domácí spotřebiče (průměrné hodnoty sledovaného období) LG TV ipad 2 HTC XBOX Sony MP3 Průmer 11947, , ,62 789,2 765, ,81 Median 11565, , ,93 772, ,5 Min 1984, ,8 1159, ,5 6827,6 1832,67 Max 16444, , ,8 Std 143,1 864, ,38 671,73 517,6 113,5 Var.koef(průměr) 8,73 6,15 9,8 8,58 6,77 5,8 Var.koef(median) 9,2 6,23 9,4 8,68 6,91 5,9 Šikmost 2,35 1,83,7 -,43 2,32,16 Zdroj: autorka Tabulka č.5 opět shrnuje průměrné popisné statistiky na trhu s elektronikou za sledované období. Opět je zde rozdíl mezi průměrnou a mediánovou cenou, to je opět dáno nerovnoměrně rozdělenými daty v datovém souboru. Pouze jedna komodita je záporně zešikmená, a to XBOX Kinect. To opět znamená, že většina hodnot v datovém souboru je vyšší než průměrná cena. Naopak od ostatních komodit, kde je kladná šikmost což je vysvětleno vyšší průměrnou cenou oproti mediánové ceně. Směrodatné odchylky u vybraného elektronického zboží vysvětlují variabilitu cen ve sledovaném období. Jak moc se v průměru odlišují od průměrné ceny. 15

17 Tabulka č.6: Největší leadeři na trhu s elektronikou a počet sledovaných e-shopů LG TV ipad 2 HTC XBOX Sony MP3 Počet prodejců Dle ů Dle Heuréka T.S. Bohemia a.s. KASA.cz CZC.cz KASA.cz Alza.cz Alza.cz MALL.cz MALL.cz T.S.Bohemia CZC.cz CZC.cz CZC.cz a.s. KASA.cz Obchodní-dům.cz DATART.cz CZC.cz T.S.Bohemia a.s. Alza.cz Alza.cz 123shop.cz Alza.cz, MALL.cz, Korunka.cz, Obchodní-dům.cz, eproton.cz, ALFA.cz, CZC.cz, OK Computers, Spořílek.cz, Kamenný obchod.cz Zdroj: autorka Jelikož jsme partnerem Sony tak musíme dodržovat doporučené ceny (které stanový Sony). (Profizona.cz) V internetovém prodeji jsou považovány za velké hráče na trhu MAll, ALZA, Electro Word, kasa, Datart (SOFTCOM.cz) Na českém trhu dominují asi ALZA, CZC, MALL. (lrcom.cz) Naceňujeme tak, aby naše koncové ceny byly ve většině případů o trochu atraktivnější (viz Alza, CZC, Alfa) (OK Computers) Graf č.5: Průměrné cenyna trhu s elektronikou Průměrné ceny elektroniky LG TV Apple ipad 2 HTC Flyer XBOX Sony foto Sony MP3 zdroj: autorka 16

18 Graf 5 zobrazuje průměrné ceny za sledované období, ceny vybraných produktů se vyvíjeli stabilně, pouze u produktu tablet HTC Flyer se cena měnila v průběhu období výrazněji než u ostatních komodit. Zejména velké snížení průměrné ceny bylo zaznamenáno kolem 19.ledna 212. Graf č.6: Směrodatné odchylky vybraných komodit na trhu s elektronikou Směrodatné odchylky elektroniky LG TV Apple ipad 2 HTC Flyer XBOX Sony foto Sony MP3 zdroj: autorka Graf č.6 směrodatných odchylek sledovaného období u vybraných produktů na trhu elektroniky už vypovídá vice než předchozí grafy. U fotoaparátu Sony Cyber-shot, Sony MP3 přehrávače a Apple ipad 2 byla směrodatná odchylka v celém sledovaném období téměr beze změn. Naproti tomu odchlky XBOX, LG televize a tablet HTC Flyer zaznamenaly značné změny. U tabletu HTC se na začátku období z velkého rozptylu cen začala přibližovat průměrné ceně. To znamená, že se u tabletu snižovali rozdíly mezi cenami u jednotlivých výrobců. Ale v období kolem druhé poloviny ledna 212 se začali rozdíly mezi cenami opět zvyšovat, rostl jejich rozptyl. Změny odchylek můžeme take pozorovat u LG Televize a XBOX Kinect. 17

19 2 VÝSLEDKY, KOMENTÁŘE a STATISTICKÉ MODELY V této části se zaměříme na dvě hlavní věci a to na regresní analýzu testovanou pomocí OLS estimátoru nejmenších čtverců v programu Gretl. K tomuto využijeme proměnné, které by mohli naši vysvětlovanou proměnnou (podíl směrodatné odchylky ku nějaké popisné statistice) ovlivnit. Dále se zaměříme na jednotlivé online obchody na námi vybraných trzích a na jejich chování v praxi. Budeme zkoumat zda vykazují určité formy chování na jednotlivých trzích námi vybraných statků. Tohoto se budeme snažit dosáhnout rozdělením prodejců do určitých skupin, to nám umožní lepší srovnání z velkého množství dat Ekonometrické modely Tato část práce se věnuje regresní analyze. Úkolemje sestrojit modely pomocí metody OLS 2 nejmenších čtverců. Tento model nám poskytne přehled o tom, jestli průměrné ceny, ovlivněné nějakými proměnnými jsou statisticky významné a popřípadě jestli je ještě nějaké jiné proměnné ovlivňují. Než se podíváme blíže na regresní analýzu, popišme si o co se vlastně jedná. K vytvoření ekonometrického modelu, který je hlavním nástrojem ekonomerie potřebujeme nejdříve vysvětlovanou proměnnou. Tato proměnná je modelem zkoumána a vyjadřuje závislost na vysvětlujících ch proměnných. Nejběžněji se můžeme setkat v ekonometrii s lineárním regresním modelem. 21 Lineární regresní model vyjadřuje rovnice s k vysvětlujícími proměnnými Obr.č.1: Rovnice lineráního regresního modelu 22 2 OLS metoda (z anglického jazyka Ordinary Least Squares) metoda Nejmenších čtverců 21 NĚMEC D. Základy ekonometrie, 21, s NĚMEC D. Základy ekonometrie, 21, s

20 Kde X1,,X2,.,Xk jsou vysvětlující proměnné, proměnné α je koeficient tzv. úrovňové konstanty, β1, β2,, βk jsou regresní koeficienty vysvětlujících proměnných. Zde regresní koeficienty říkají, jaká bude změna vysvětlované proměnné, když se regresory změní o jednotku. Jsou to tedy mezní vlivy vysvětlujících vysvětlu proměnných. εi vyjadřuje náhodnou chybu (rozdíl mezi skutečnou a pozorovanou hodnotou). 23 Odhady o kvalitě vysvětlení modelu modelu podává koeficient determinace R2. Koeficient R2 udává kolik procent rozptylu vysvětlované proměnné je modelem vysvětleno. Jako ukazatelé kvality modelů se nejčastějí uvádí Logaritmus věrohodnosti, který slouží pro srovnávání modelů se stejnou vysvětlovanou proměnnou. Čím vyšší hodnota logaritmu věrohodnosti, tím je model kvalitnější v porovnání s ostatními srovnávanými modely. A ještě budeme uvádět hodnotu Akaikeho informačního kritéria, kde nám jde o co nejnižší hodnotu, čím nižší hodnota, hodnota tím je model lépe vysvětlen oproti ostatním srovnávaným modelům. Klasické předpoklady fungování regresního modelu zobrazuje následující obrázek: obráz Obr.č.2: Klasické lasické předpoklady fungování regresního modelu (zdroj: Němec, 21) Testování estování předpokladů fungování regresního modelu: Nulová ulová střední hodnota náhodných chyb tohoto předpokladu je splněno pokud do modelu zařadíme správné proměnné, které ovlivňují vývoj vysvětlované proměnné.24 Homoskedasticita omoskedasticita se testuje pomocí Whiteova testu nebo Breusch-Paganova Breusch testu u obou testů chceme dosáhnout dosáhnout nezamítnutí nulové hypotézy o neexistenci heteroskedasticity. Zamítnutím nulové hypotézy o neexistenci heteroskedasticity he potvrzujeme výskyt heteroskedasticity v modelu. modelu Breusch-Paganův Paganův test lze použít pouze 23NĚMEC 24KOOP D., Základy ekonometrie, 21, s. 64 G., Introduction to econometrics, 28, s.99 19

21 u normalě rozdělných reziduí, což v našem příkladu neplatí, proto budeme provádět pouze Whiteův test. V případě nalezení heteroskedasticity v modelu můžeme použít heteroskedasticitně konzistentní estimátor HCE 25 tento estimátor pouze změní hodnoty směrodatných odchylek u jednotlivých pamarametrů. Celková variabilita modelu se nezmění 26 Nekorelovanost můžeme testovat pomocí korelační matice, v tom případě, že nám vyjdou některé parametry v modelu korelované, jedinou možností je je z modelu vyřadit Normální rozdělení vychází z předpokladů o nulové střední hodnotě náhodných chyb, testuje se pomocí testu Normality reziduí, kde nám jde opět o nezamítnutí nulové hypotézy o normalním rozdělení Nenáhodnost veličin proměnné jsou nenáhodné, protože jsou pevně dané tím, že jsme je naměřily předpokádáme jejich nenáhodnost Před ukončením testů ještě otestujeme celkově model pomocí F-testu a Ramsay RESET testu. F-test testuje hypotézu o statistické nevýznamnosti všech regresorů. Pokud nulovou hypotézu zamítneme je nutné najít nové parametry. RESET test testuje jestli proměnné v modelu jsou správně specifikované. Zde opět nezamítnutím nulové hypotézy o správnosti specifikovaného modelu potvrzujeme, že je model správný. Pro naše výpočty budeme vycházet z OLS modelu. S naším modelem budeme pracovat jako s panelovými daty, které budou rozděleny do 12 skupin (jednotlivé komodity) do 63 časových období (sledované obodbí 63 dní). V konečném důsledku v modelu budeme data využívat jako průřezová. Díky tomu, že data načteme jako panelová, můžeme rozlišit jednotlivé promněné díky zavedení dummy proměnných hodnoty, které nabývají pouze 1 nebo. 25 HCE z anglického Heteroskedasticity Consistent Estimator 26 KOOP G., Introduction to econometrics, s.129 2

22 2.2. OLS model (model nejmenších čtverců) Rovnice lineárního regresního modelu bude pro nás výchozí. Náš model bude mít tvar: Yi = α + β1x1i + β2x2i + +βkxki +εi i = 1,2,, N jednotlivé pozorování (v našem případě se bude odvíjet podle sledovaného období tj. 63 dní) Yi α β1,, βk εi = závislé proměnná = úrovňová konstanta = regresní parametry = náhodná chyba modelu budeme testovat tři různé modely s různými závisle proměnnými: 1. směrodatná odchylka i-té komodity/průměrná cena 2. směrodatná odchylka/medián 3. směrodatná odchylka počítaná kolem mediánu (místo průměru) již předem se dá očekávat, že tyto testy s různými závisle proměnnými nám dají velmi podobné výsledky. 1.typ modelu - Yi = směrodatná odchylka / průměrná cena(podíl směrodatné odchylky ku průměrné ceně všech) vysvětlující proměnné: prumerna cena = tato proměnná představuje průměrné ceny jednotlivých komodity za každý sledovaný den pocet zmen = pocet zmen, to znamená, kolikrát byly změněny ceny oproti předcházejímu dni kurzeur= kurz Eura vůči české koruny za celé sledované období, o víkendech, kdy nebylo možné data získat byl použit vždy páteční kurz 21

23 kurzusd = kurz amerického dolaru vůči české koruně za celé sledované období. O víkendech, kdy nebylo možné data získat byl použit vždy páteční kurz. du_1 = umělá proměnná nabývající 1 nebo. Du_1= XBOX pokud 1, jinak du_2 = umělá proměnná nabývající 1 nebo. Du_1= Sony MP3 přehrávač pokud 1, jinak du_3 = umělá proměnná nabývající 1 nebo. Du_1= Whirlpool pračka pokud 1, jinak du_4 = umělá proměnná nabývající 1 nebo. Du_1= Versace Bright Crystal pokud 1, jinak du_5 = umělá proměnná nabývající 1 nebo. Du_1= Sony fotoaparát pokud 1, jinak du_6 = umělá proměnná nabývající 1 nebo. Du_1= LG TV pokud 1, jinak du_7 = umělá proměnná nabývající 1 nebo. Du_1= Bosch kávovar pokud 1, jinak du_8 = umělá proměnná nabývající 1 nebo. Du_1= HTC Flyer pokud 1, jinak du_9 = umělá proměnná nabývající 1 nebo. Du_1= Electrolux lednice pokud 1, jinak du_1 = umělá proměnná nabývající 1 nebo. Du_1= D&G Light Blue pokud 1, jinak du_11 = umělá proměnná nabývající 1 nebo. Du_1= Braun holící strojek pokud 1, jinak du_12 = umělá proměnná nabývající 1 nebo. Du_1= Apple ipad 2 pokud 1, jinak 22

24 Tabulka č.7: Model č.1 OLS model zdroj:vlastní výpočty V modelu 4 je vidět že skoro všechny námi přidané proměnné jsou statisticky významné. Pouze dvě proměnné kurz EUR/CZK a počet změn není statisticky významný. A proto, než se pustíme do testování klasických ch předpokladů lineárního modelu, vyřadíme postupně nevýznamné proměnné pomocí sekvenční eliminace statisticky nevýznmanch proměnnných z modelu 4. Nejprve se vyřadí nejméně významná proměnná v modelu s největší p-hodnotou. V našem případě: kurzeur (p-hodnota.777) pocetzmen (p-hodnota.335) tím získáváme následující model 23

25 Tabulka č.8 OLS model 2 zdroj: vlastní výpočty V tomto případě jsou všechny proměnné statisticky významné a než se pastime do přesné interpretace výsledků, otestujme předpoklady poklady fungování regresního modelu: 1. předpoklad o nulových náhodných složkách je splněn díky přítomnosti úrovňové konstanty v modelu 2. předpoklad o homoskedasticitě modelu, musíme ověřit Whiteovým testem: Tabulka č.9: Test heteroskedasticity Whiteův test: H : předpokládá neexistenci heteroskedasticity Testovací statistika: LM= s p-hodnotou = P(Chí-kvadrát(38) > 358,16) =. H : zamítáme na hladině 5 %, nesplnění předpokladu zdroj: vlastní výpočty 24

26 zamítnuté nulové hypotéze se budeme zabývat dále v textu. 3. předpoklad nekorelovanosti je většitnou splněn pro průřezová data 4. přepoklad je normalita rozložení náhodných složek Test normality reziduí Tabulka č.1: Test normality reziduí Test normality reziduí: H:předpoklad normálního rozložení chyb Testová statistika: Chí-kvadrát(2) = S podnotou:. H se zamítá na hladině 5%, data nejsou normálně rozložena Zdroj: vlastní výpočty Histogram č.1: normalita rozložení chyb zdroj: vlastní výpočty Zamítnutí normality dat ještě neznamená, že nemůžeme s modelem nadále pracovat. Je to vysvětleno tím, že máme k dispozici velký vzorek dat, u kterého by měla platit asymptotická teorie. S každým dalším přibývajícím počtem dat se stává model více citlivý. Asymptotická teorie konverguje k normálnímu rozložení KOOP G., Introduction to econometrics, s

27 5. předpoklad je nenáhodnost,nenáhodná veličina vyplývá z pevně naměřených dat, tyto data jsou daná, proto nejsou náhodná Nyní se zpětně vraťmě k zamítnuté hypotézez předcházejícího Whiteova testu. Zamítnutí homoscedasticity budeme dále řešit v novém modelu pomocí heteroskedasticitně konzistentního estimátoru. Tabulka č.11 : Heteroskedasticitně konzistentní estimátor zdroj: vlastní výpočty V tomto modelu opět vyřadíme nevýznmané proměnné pomocí sekvenční eliminace statisticky nevýznamných proměnných v tomto případě proměnná kurz USD (s p-hodnotou.336) a tím dostáváme tento model: 26

28 Tabulka č.12: Konzistentní estimator po vyřazení významných proměnných zdroj: vlastní výsledky Z celkových výsledků tohoto konečného modelu můžeme říct dle koeficientu determinace - 99 %, to znamená, že 9 % rozptylu vysvětlované proměnné je vysvětleno pomocí modelu. Konečná p-hodnota celkového F-test je. a tedy nulovou hypotézu o celkové statistické nevýznmanosti všech regresních koeficientů zamítáme. Dále provést test o správnosti specifikace vysvětlujících proměnných, který se nazývá RAMSEY RESET (z anglického Regression Specification Error Test) test. Tento test je možné provádět třema variantama pro druhé a třetí mocniny, pouze pro třetí mocniny a pouze pro druhé mocniny. V našem případě ve všech třech možnostech testování RESET testu nám p-hodnoty výcházejí následovně: 27

29 Tabulka č.13: Ramsey RESET test zdroj:vlastní výpočty Všechny varianty zamítají H o adekvátnosti modelu. Proto je nutné náš model dále upravit a to způsobem přidání druhých mocnin k vybraným proměnným. Po přidání druhých mocnin ke zbylé proměnné průměrná rná cena je H stále zamítnuta. Což znamená, že přidání druhých mocnin do modelu, se ho nepovedlo nijak lépe vysvětlit. Viz obrázek níže. Ale na druhou stranu dle koeficientu determinace z modelu po přidání druhých mocnin (viz příloha model 1) vidíme, že model je vysvětlen z 98 %. Tak zde není zase tak velký prostor or pro změny v tomto modelu. Tabulka č.14: Ramsey RESET test zdroj: vlastní výpočty Ještě uvádíme reziduální Q-Q graf, který zobrazuje jednotlivá data jak jsou blízko odhadnuté přímce. Z tohoto obrázku můžeme říct, že data celkem vystihují odhanutou přímku a model tak vystihuje chování dat. 28

30 Graf č.7: Q-Q Q graf pro rezidua modelu 4 zdroj: vlastní výpočty Ještě všechny modely co jsme použili můžeme nyní porovnat pomocí ukazatelů kvality dle logaritmu věrohodnosti a díky Akaikeho kritériu. Viz tabulka č. Tabulka č.15: Srovnání ukazatelů kvality jednotlivých modelů Model 4 Model 5 Model 6 Model 7 Model 1 Log 2583, , ,65 257, ,84 věrohodnosti Akaikovo kr , ,3-5137,3-5114, ,84 Zdroj: autorka Z tabulky je vidět, že dle Akaikova kritéria je nejlépe vysvětlen model 6, před aplikací konzistentně robustního modelu. A dle koeficientu věrohodnosti nejlepší model je model 4 model původní. 29

31 2.3. Interpretace modelu V konečném modelu nám zůstalo 12 vysvětlujících proměnných, z toho 11 umělých (dummy) proměnných a konstanta. Je zřejmé, že všechny tyto proměnné velmi výrazně ovlivňují vysvětlovanou proměnnou směrodatná odchylka ku průměrné ceně. Je docela překvapivé, že nám v modelu nezůstali proměné kurzy Eura a USD vůči české koruně. Dalo by se totiž předpokládat, že s čím vyšším kurzem USD nebo EUR vůči CZK (oslabování CZK) tím by se rozptyl snižoval a varibilita cen by se také snížila. To samé by mělo platit i naopak, když CZK posiluje, lidé mohou vice nakupovat a tím by se variabilita cen mezi sebou měnila. Ale překvapivé závěry z našich modelů říkají, že kurzy nejsou až tak statisticky významné. Velikost konstanty nám v tomto případě vůbec nic neříká a není pro nás důležitá. Její interpretace by nedávala smysl proto se jí nebude dále věnovat. Proměnná prumerna cena je statisticky velmi významná a říká, že s každou změnou průměrné ceny o jednotku, se zvýší podíl směrodatné odchylky ku průměrné ceně o asi To potvrzuje náš předpoklad a cíl z úvodu této práce, že by se rozptyl mohl měnit s tím jak se mění průměrná cena. Zde jsou naše domněky potvrzeny. Jednotlivé dummy proměnné znamenají: Du_2 říká, zboží Sony MP3 přehráváč má o.11 vyšší podíl na vysvětlované proměnné (směrodatné odchlce ku průměru), to znamená, že ceny u MP3 přehrávače jsou vice rozptýlené než u XBOX. Du_3 říká, že Whirlpool pračka má ještě vice rozptýlené ceny než Sony MP3 a původní XBOX. Whirlpool má o.15 vyšší podíl na směrodatné odchylce ku průměrné ceně než původní XBOX. To samé nám říkají koeficienty du_4(versace), du_7(bosch), du_9(electrolux), du_1(d&g), du_11(braun) mají vyšší podíl v pořadí o.22,.14,.3,.27,.21 na vysvětlované proměnné (směrodatná odchylka ku průměrné ceně) Naopak umělé proměnné du_5(sony fotoaparat), du_6(lg TV), du_8(htc Flyer) a du_12 (Apple ipad) mají menší rozptyl než ceny původní dummy XBOX. Tyto proměnné mají o.13,.98,.181 a.155 menší podíl na vysvětlované proměnné (směrodatná odchylka ku průměrné ceně) Ostatní 3 regresní modely s odlišnými vysvětlovanými proměnnými (odchylka/medián, odchylka bez hráčů co neměnili ceny, odchylka okolo mediánu) 3

32 budou provedeny stejným způsobem jako předchozí regrese, jen s tím rozdílem, že zde bude uveden pouze konečný model po úpravách. Ostatní budou v příloze. Začneme opět OLS modelem, ze kterého vyřadíme postupně nevýnmané proměnné a budeme zkoumat parametry fungování klasického regresního modelu modelu (homoskedasticita, normalita reziduí, linearita). 2.typ modelu - Yi = směrodatná odchylka / mediáová cena Modely s touto vysvětlovanou proměnnou vyšly úplně se stejnými výsledky jako předchozí analýza, pouze s tím rozdílem, že zde zůstal významný i kurz USD/CZK. Zde uvádím poslední model po úpravách: Tabulka č.16: upravený model OLS odhadů zdroj: vlastní výpočty Vysvětlované proměnné jsou všechny statisticky významné. Koeficient determinace je.97. to znamená, že je vysvětleno 97 % variability dat. Testy 31

33 heteroskedasticity zamítly výskyt hosmoskedasticity s p-hodnotou =., normalita reziduí s p-hodnotou. zamítla normální rozložení. Všechny vysvětlované proměnné se dají vysvětlit stejným způsobem jako výše popsané. Viz příloha soubory Gretl 3.typ modelu - Yi = směrodatná odchylka / průměr bez hráčů co něměnili To samé bylo provedeno u regrese se závisle proměnnou směrodatné odchylky spočtenou bez hráčů, kteří cenu neměnili opět předpokládáme, že výsledky budou velmi podobné jako v předešlých analýzách. Tabulka č.17: OLS model po úpravách Zdroj: vlastní výpočty 32

34 Tento model je opět upraven o statisticky nevýznamné proměnné. Zde v tomto modelu uvedené vysvětlující proměnné jsou statisticky významné. Koeficient determinace vysvětluje data 94 %. Samozřejmě byly také provedeny testy předpokladů pro fungování klasického regresního modelu. Zde byly výsledky jisté jako u předchozích testů. Homoskedasticita v modelu byla zamítnuta s p-hodnotou., test normality reziduí také zamítl normlitu s p- hodnotou.. Všechny výpočty a grafy jsou uvedeny v příloze v souborech gretl soubory relace. Je zajímavé, že poslední dva modely nevyloučili kurz USD vůči české koruně, tak jako to provedl první regresní model. Přitom by se dalo předpokládat jak již bylo výše zmíněno, že kurzy budou vždy statisticky významné a cena by se měla od nich odvíjet. Je zde také potvrzen náš předpoklad o skoro shodnosti výsledků jednotlivých regresních analýz. Je to dáno tím, že jsme vždy počítali podíl směrodatné odchylky k jiné veličině, buď průměrným cenám či mediánovým cenám Chování online obchodů na trhu Další částí této práce je vytypovat chování hráčů na trhu. Z velkého množství dat bylo nezbytné data redukovat. Proto jsme u každého online obchodu vypočetli jejich směrodatnou odchylku, která se stala výchozí při rozdělování prodejců do menších skupinek. To znamená, že vždy trh každé komodity byl rozdělen na více skupinek podle velikosti jejich směrodatných odchylek průměrných cen. Z každé nově vzniklé skupiny internetových prodejen se spočetly jejich průměrné hodnoty za každý den sledovaného období. To znamená, že například ze skupiny obchodů, které mají nejmenší či nulovou směrodatnou odchylkou jsme vypočetla denní průměry cen. A díky těmto průměrům bylo snad jednotlivé obchody lépe porovnat a dostala jsem tím lepší grafické zpracování. Rozdělení do skupin bylo následující (vždy u každé skupiny, je interval směrodatné odchylky průměrné ceny, počet prodejen, které do skupiny spadají, a jsou zde uvedeni také největší leadeři trhu, pokud do některé ze skupin spadají). Více o rozdělení do skupin či více informací k nalezení v příloze Excel soubory. Grafy všech velkých konkurentů na každém trhu jsou přiloženy v příloze. Kde jde přesně vidět jak se který velký hráč na jakém trhu chová. 33

35 Kosmetika Dalo by se očekávat, že se budou prodejci parfémů chovat na jednotlivých trzích stejně, ale jak vidíme z grafu níže, tak i ze zobrazení leaderů trhu v různých skupinách. Dolce & Gabbana Light Blue 1.skupina:std 28 =, celkem 13 online prodejců 2.skupina: std = <1;25>, celkem 15 online prodejců Parfemy.cz 3.skupina: std=<25;44>, celkem 13 online obchodů Elnino.cz, Parfums.cz 4.skupina:std=<45;157>, celkem 12 online obchodů Xparfemy.cz graf č.8: průměrné ceny jednotlivých skupin u D&G průměrné ceny skupin - Dolce & Gabbana 1.skupina 2.skupina 3.skupina 4.skupina Zdroj: autorka Versace Bright Crystal 1.skupina: std= celkem 7 online obchodů 2.skupina: std=(;7,7>, celkem 12 online obchodů 3.skupina: std=<7,8;2,5>, celkem 12 obchodů 4.skupina: std=<21;27>, celkem 12 obchodů Elnino.cz, Xparfemy.cz 5.skuina: std=<29;48>, celkem 12 online obchodů, Parfums.cz 28 std=směrodatná odchylka, standard deviation (z angličtiny) 34

36 6.skupina: std= <51;64>, celkem 12 obchodů, Parfemy.cz Graf č.9: průměrné ceny u jednotlivých skupin Versace průměrné ceny skupin - Versace 1.skupina 2.skupina 3.skupina 4.skupina 5.skupina 6.skupina zdroj: autorka Celkově by se dalo říct o trhu s parfrémy, že se zde vyskytují jednak obchody, které drží svou průměrnou cenu v souladu s cenou osatních hráčů (Versace). Za to nadruhé straně u druhé komodity D&G parfém můžeme rozdělit trh na tři druhy chování jednotlivých hráčů. Hráči s nulovou směrodatnou odchylkou nebo hráči spadající do 1.skupiny si průměrnou cenu drží celé období stabilní. Ti hráči, kteří mají nejvyšší směrodatné odchylky (4.skupina) ale také 3.skupina(ne tak významné změny jako 4.skupina) mají také hodně změn průměrných cen ve sledovaném období. U Versace parfému zase platí, že ta skupina, která má největší směrodatnou odchylku za celé sledované obodbí začala výraznějí zvyšovat průměrné ceny až na konci sledovaného období. Trh s domácími spotřebiči Braun Series 33 1.skupina: std=, celkem 1 hráčů, ALFA.cz 2.skupina: std=<11;4>, celkem 12 hráčů 3.skupina: std=<43;69>, celkem 12 hráčů, Spořílek.cz, Korunka.cz, MALL.cz, eproton.cz 4.skupina: std=<69;98>, celkem 13 obchodů, Kamenný obchod 35

37 5.skupina: std=<98;143>, celkem 12 obchodů 6.skupina: std=<146;231>, celkem 12 obchodů, Obchodní-dům.cz 7.skupina: std=<24;552>, celkem 6 obchodů 25 Graf č.1: Průměrné cny jednotlivých skupin Bosch Braun Series - průměrné ceny skupin skupina 2.skupina 3.skupina 4.skupina 5.skupina 6.skupina 7.skupina zdroj: autorka Bosch TAS kávovar 1.skupina: std =, celkem 21 hráčů, MALL.cz, Korunka.cz, Alza.cz 2.skupina: std = <,26;12>, celkem 12 hráčů 3.skupina: std = <14;12>, celkem 12 hráčů 4.skupina: std = <17;274>, celkem 12 hráčů, OK Computers 5.skupina: std = <277;285,95>, celkem 12 obchodů, Obchodní-dům.cz 6.skupina: std = <285,97;342>, celkem 12 obchodů, eproton.cz 7.skupina: std = <349;519>, celkem 13 obchodů, Spořílek.cz 36

38 Graf č.11: Průměrné ceny vybraných skupin Bosch Bosch TAS průměrné ceny skupin 1.skupina 2.skupina 3.skupina 4.skupina 5.skupina 6.skupina 7.skupina zdroj: autorka Electrolux lednice 1.skupina: std =, celkem 21 obchodů 2.skupina: std = <1;33>, celkem 12 obchodů, Obchodní-dům.cz 3.skupina: std = <35;18>, celkem 12 obchodů 4.skupina: std = <137;23>, celkem 12 obchod, alza.cz, eproton.cz, Spořílek.cz, Korunka.cz 5.skupina: std = <25;313>, celkem 12 obchodů, MALL.cz 6.skupina: std = <334;146>, celkem 9 obchodů, Kamenný-obchod.cz Graf č.12: Průměrné ceny vybraných skupin Electrolux Electrolux -průměrné ceny skupin 1.skupina 2.skupina 3.skupina 4.skupina 5.skupina 6.skupina zdroj: autorka 37

39 Whirlpool pračka 1.skupina: std=, celkem 16 prodejců 2.skupina: std=<,4;77>, celkem 12 prodejců, Alza.cz, eproton.cz, Kamenný obchod, MALL.cz 3.skupina: std=<85;21>, celkem 12 hráčů, Korunka.cz 4.skupina: std=<214;432,5>, celkem 12 hráčů 5.skupina: std=<432,7;712>, celkem 12 hráčů 6.skupina: std=<75;2987>, celkem 8 hráčů, Obchodní-dům.cz, Spořílek.cz 12 Graf č.13:průměrné ceny jednotlivých skupin Whirlpool Whirlpool - průměrné ceny skupin skupina 2.skupina 3.skupina 4.skupina 5.skupina 6.skupina zdroj: autorka Shrnutím trhu s domácími spotřebiči by šlo říct, že ti prodejci co za celé období cenu nezměnili, měli nulovou směrodatnou odchylku si průměrnou cenu drží ve vyšším pásmu než ti co cenu v průběhu měnili. To by se dalo vysvětlit tím, že ti hráči, kteří ceny nemění, nereagují na konkurenci a cenu drží takovou jakou předem stanoví bez ohledu na výši ostatních cen. Dále je také zřejmě z grafů, že prodejci, kteří spadají do skupin, které mají nejvyšší směrodatné odchylky ve sledovaném období, vždy alespoň jednou za sledované období se dostanou na hranici maximální průměrné ceny. To však neznamená, že ti prodejci co vice mění ceny jsou nejdražší. Mohlo by se to dát vysvětlit například tím, že jakmile jeden ve skupině zvýšil cenu ostatní na něj reagovali také zvýšením ceny. U Bosch kávovaru je vidět, že celkový trend průměrných cen začal ke konci období klesat, to může vysvětlovat například zavedení nového konkurenčního kávovaru na trhu. Naopak někteří prodejci u pračky Whirlpool ke konci období začali cenu velmi zvyšovat. 38

40 Trh s elektronikou LG Televize 1.skupina: std=, celkem 15 obchodů 2.skupina: std=<3;66>, celkem 12 obchodů 3.skupina: std=<79;119>, celkem 12 obchodů, CZC.cz, Obchodní-dům.cz, MALL.cz, Korunka.cz 4.skupina: std=<123;159>, celkem 12 obchodů, eproton.cz, OK Computers 5.skupina: std=<161;341>, celkem 12 obchodů, ALFA.cz, Alza.cz 6.skupina: std=<362;1949>, celkem 9 obchodů, Spořílek.cz, Kamenný obchod Graf č.14: Průměrné ceny vybraných skupin LG televize LG televize - průměrné ceny skupin 1.skupina 2.skupina 3.skupina 4.skupina 5.skupina 6.skupina zdroj: autorka Apple ipad 2 1.skupina: std=,celkem 12 obchodů, ALFA.cz, Alza.cz 2.skupina: std=<1;57>, celkem 12 obchodů 3.skupina: std=<73;119>, celkem 12 obchodů, OK Computers, Korunka.cz 4.skupina: std=<125;14>, celkem 12 obchodů, eproton.cz 5.skupina: std=<146;179>, celkem 12 obchodů, MALL.cz 6.skupina: std=<185;227>, celkem 12 obchodů, Obchodní-dům.cz 7.skupina: std=<233;333>, celkem 12 obchodů 8.skupina: std=<333;629>, celkem 11 obchodů 39

41 Graf č.15: Průměrné ceny vybraných skupin Apple ipad 2 Apple ipad 2 - průměrné ceny skupin skupina 2.skupina 3.skupina 4.skupina 5.skupina 6.skupina 7,skupina 8.skupina zdroj: autorka HTC FLYER 1.skupina: std=, celkem 3 obchody 2.skupina: std=<1;583>, celkem 11 obchodů, CZC.cz 3.skupina: std=<587;655>, celkem 8 obchodů, Obchodní-dům.cz 4.skupina: std=<655;1541>, celkem 1 obchodů, eproton.cz Graf č.16:průměrné ceny skupin produktu HTC Flyer HTC -průměrné ceny skupin skupina 2.skupina 3.skupina 4.skupina zdroj: autorka 4

42 Sony Cyber-Shot 1.skupina: std=, celkem 9 obchodů, ALFA.cz 2.skupina: std=, celkem 12 obchodů, CZC.cz, Spořílek 3.skupina: std=<1;183>, celkem 1 obchodů, Alza.cz 4.skupina: std=<223;421>, celkem 1 obchodů Graf č.17: Průměrné ceny skupin produktu Sony CyberShot Sony - průměrné ceny skupin skupina 2.skupina 3.skupina 4.skupina zdroj: autorka Sony MP3 přehrávač 1.skupina:std=, celkem 12 hráčů, MALL.cz, CZC.cz 2.skupina:std=, celkem 13 hráčů, OK Computers 3.skupina:std=<,3;5,3>, celkem 14 hráčů, Kamenný obchod, Alza.cz 4.skupina:std=<5,5;13>, celkem 14 hráčů 5.skupina:std=<14;22>, celkem 14 hráčů, Korunka.cz, Obchodní-dům.cz 6.skupina:std=<22;47,5>, celkem 14 hráčů, eproton.cz 7.skupina:std=<47,7;82>, celkem 9 hráčů, Spořílek.cz 41

43 Graf č.18: Průměrné ceny skupin produktu Sony MP3 přehrávač 25 Sony MP3 - průměrné ceny skupin skupina 2.skupina 3.skupina 4.skupina 5.skupina 6.skupina 7.skupina zdroj: autorka XBOX Kinect 1.skupina:std=<;43>, celkem 1 hráčů 2.skupina:std=<49;126>, celkem 1 hráčů 3.skupina:std=<126;267>, celkem 1 hráčů, CZC.cz 4.skupina:std=<33;61>, celkem 1 hráčů, DATART.cz, Alza.cz 5.skupina:std=<69;835>, celkem 11 hráčů Graf č.19: průměrné ceny skupin produktu XBOX Kinect XBOX Kinect - průměrné ceny skupin 1.skupina 2.skupina 3.skupina 4.skupina 5.skupina zdroj:autorka 42

44 Na tomto trhu není tak dobré a zřejmé na první pohled vyčíst nějaké společné chování na trhu s elektronickým zbožím. Platí zde, že většina těch co celé období s cenou nemanipulovali se drží na vyšších cenách, platí to u většiny sledovánách produktů sledovaných produktů. Také je vidět, že zmínění leadeři na každém trhu, jsou většinou ve skupinách, které cenu nějakým způsobem mění. Jen velmi zřídka jsou tito prodejci ve skupinách s nulovou střední hodnotou. U elektroniky by se dalo říct, že celé sledované obbodí mají všichni prodejci jednu cenu, kolem které se všichni drží a dlouhodobě ji nepřekračují. 43

45 ZÁVĚR Základním kamenem této práce bylo shromáždit data o vývoji cen za delší časové období u různých druhů zboží prodávaného po internetu. S těmito daty se dále pracovalo a zjišťovalo, jakým způsobem se jednotlivé ceny liší, jestli je vývoj cen na nějakých faktorech závislý. Díky regresním analýzám OLS (metody nejmenších čtverců) jsme dospěli k tomu, že vývoj ceny je ovlivněn několika faktory. Předpoklad, že by se cena měla měnit se změnou rozptylu se nám potvrdil. Dokázali jsme, že s růstem průměrné ceny roste rozptyl, to znamená,že čím dražší je námi vybrané zboží, tím se od sebe jeho ceny liší. A naopak pokud je zboží levné, tak se jeho ceny se od sebe příliš neliší a nejsou zde prováděny tak velké změny. Další veličinou která, cenu velmi ovlivnila, byl kurz amerického dolaru vůči české koruně. To znamená, že pokud koruna bude silnější vůči dolaru, lidi začnou více nakupovat a tím prodejci budou nuceni měnit ceny. Naproti tomu došlo i k převapivému závěru a to, že vždy když jsme v modelu měli zahrnutou proměnou kurz eura vůči českého koruně, tak jsme tuto proměnnou museli z modelu vyloučit. Podařilo se nám také ukázat jak se jednotlivý hráči chovají na trzích. Zjistili jsme největší tahouny každého trhu a podívali se se na jejich chování. Dozvěděli jsme se, že ti hráči, kteří cenu během sledovaného období nechávali na stejné úrovni (neměnili ji), byla ve srovnání s ostatními hráči trhu na vysoké úrovni. Naproti tomu hráči, kteří byli zařazeni do skupin s vysokou směrodatnou odchylku měnili cenu často nebo ji změnili jednou, ale výrazně. Překvapivým výsledkem byl také fakt, že ve srovnání mezi všemi hráči trhu nebyla žádná vazba na vyjíměčné události. Například se dalopředem očekávat, že v období Vánoc ochody začnou zdražovat, aby na nakupujících vydělali, ale žádné výrazné změny cen nenastaly. Vhodným rozšířením tohoto modelu by mohlo být delší období, za které by data byla sesbírána, například minimálně po dobu 6 měcíců, nejlépe jednoho celého roku. V takovém případě by pak byly ceny lépe popsatelné a mohli bysme například zkoumat, jestli ceny mají vliv na různé části roku. 44