VYMEZENÍ RELEVANTNÍHO PRODUKTOVÉHO TRHU NA ZÁKLADĚ CENOVÉ ANALÝZY

Transkript

1 Masarykova univerzita Ekonomicko-správní fakulta Studijní obor: Hospodářská politika VYMEZENÍ RELEVANTNÍHO PRODUKTOVÉHO TRHU NA ZÁKLADĚ CENOVÉ ANALÝZY Price data analysis for the relevant product market delineation Bakalářská práce Vedoucí bakalářské práce: Mgr. Jaroslav BIL Autor: Klára HODEROVÁ Brno, 2014

2

3 Jméno a příjmení autora: Název diplomové práce: Název práce v angličtině: Katedra: Vedoucí diplomové práce: Rok obhajoby: 2014 Klára Hoderová Vymezení relevantního produktového trhu na základě cenové analýzy Price data analysis for the relevant product market delineation Ekonomie Mgr. Jaroslav Bil Anotace Předmětem bakalářské práce je cenová analýza u vybraného trhu, sloužící k vymezení relevantního produktového trhu. Empirický průzkum byl proveden na trhu mobilních telefonů v České republice v letech Byla zkoumána zastupitelnost mezi vybranými dotykovými telefony a mezi vybranými klasickými telefony z hlediska vývoje jejich cen. Na základě výsledků ekonometrických testů, které se užívají pro cenovou analýzu, byla vymezena velikost relevantního produktového trhu. Annotation The goal of the bachelor thesis is a price data analysis for the relevant product market delineation at the chosen market. The empirical research was varied out on the mobile phone market in the Czech Republic during The substitutability between chosen touch phones and classic phones was investigated in terms of their price behavior. Based on the results of the econometric tests, which are used for price data analysis, was defined the size of the relevant product market. Klíčová slova Relevantní trh, cenová analýza, Johansenův test, Grangerovy kauzality, mobilní telefon Keywords Relevant market, price data analysis, Johansen test, Granger causality, mobile phone

4

5 Prohlášení Prohlašuji, že jsem bakalářskou práci Vymezení relevantního produktového trhu na základě cenové analýzy vypracovala samostatně pod vedením Mgr. Jaroslava Bila a uvedla v ní všechny použité literární a jiné odborné zdroje v souladu s právními předpisy, vnitřními předpisy Masarykovy univerzity a vnitřními akty řízení Masarykovy univerzity a Ekonomicko-správní fakulty MU. V Brně dne 19. dubna 2014 vlastnoruční podpis autora

6

7 Poděkování Na tomto místě bych ráda poděkovala Mgr. Jaroslavu Bilovi za cenné připomínky a odborné rady, kterými přispěl k vypracování této bakalářské práce. Děkuji také svojí rodině a zejména mému příteli Ivovi za trpělivost a podporu při psaní této práce.

8

9 OBSAH ÚVOD METODY VYMEZENÍ RELEVANTNÍHO PRODUKTOVÉHO TRHU VYUŽÍVANÉ PŘI ANALÝZE CEN DEFINICE RELEVANTNÍHO TRHU EKONOMETRICKÉ TECHNIKY CENOVÉ ANALÝZY Korelační analýza Kointegrace Grangerova kauzalita TRH S MOBILNÍMI TELEFONY V ČESKÉ REPUBLICE DATA Reprezentativní produkty EMPIRICKÉ VYMEZENÍ RELEVANTNÍHO TRHU KORELAČNÍ ANALÝZA Stacionarita proměnných TEST KOINTEGRACE Kointegrační vztahy u dotykových telefonů Kointegrační vztahy u klasických telefonů GRANGEROVSKÉ KAUZALITY Grangerova kauzalita u dotykových telefonů Grangerova kauzalita u klasických telefonů VYHODNOCENÍ VÝSLEDKŮ A KONEČNÁ IDENTIFIKACE RELEVANTNÍCH TRHŮ VYMEZENÍ TRHU DOTYKOVÝCH TELEFONŮ VYMEZENÍ TRHU KLASICKÝCH TELEFONŮ ZÁVĚR SEZNAM POUŽITÝCH ZDROJŮ SEZNAM TABULEK SEZNAM GRAFŮ SEZNAM POUŽITÝCH ZKRATEK... 51

10 SEZNAM PŘÍLOH... 53

11 ÚVOD Vymezení relevantního trhu je prvním a klíčovým krokem při sestavování téměř každé soutěžní analýzy. Jde tedy o jednu z činností, které vykonávají orgány úřadů a institucí zabývajících se hospodářskou soutěží. V České republice je to Úřad pro ochranu hospodářské soutěže, v nadnárodním měřítku na poli Evropské unie je realizace politiky hospodářské soutěže v rukou Evropské Komise. V praxi se setkáváme s dvojím typem analýz, které vedou k určení velikosti relevantního trhu. První z nich je analýza založená pouze na dostupnosti cen, tzv. cenová analýza. Druhá, sofistikovanější metoda, je aplikace tzv. SSNIP testu 1 při dostupnosti dat o cenách a množství, tedy analýza poptávky. Za cíl této práce si kladu analyzovat existenci substituce na trhu mobilních telefonů v České republice v předchozích dvou letech, tedy , a to především pohledem na dvě odvětví telefonů, dotykové a klasické. Na základě odhadnutých korelačních koeficientů, kointegrační analýzy a s pomocí Grangerovy kauzality rozhodnu o velikosti relevantního produktového trhu. Oblast mobilních telefonů jsem pro cenovou analýzu vybrala z toho důvodu, že v současnosti trh nabízí nepřeberné množství různorodých produktů, které jsou si často velmi podobné, nebo naopak natolik rozdílné, že již obecně nelze o mobilních telefonech uvažovat jako o vzájemných substitutech. Rostoucí diferenciace produktů s sebou nese také vyšší tržní sílu jednotlivých výrobců a může vést k existenci užších relevantních trhů, než tomu bylo dříve. Analýza prováděná v této práci může být přínosná pro budoucí vyšetřování úřadů zabývajících se hospodářskou soutěží, může pomoci při náhledu na mobilní telefony jakožto na možné substituty, nebo sloužit jako návod při analyzování a hledání substituce u dalších typů telefonů. Bakalářská práce je rozdělena na dvě hlavní části, teoretickou a praktickou. V teoretické části krátce představím relevantní trh a jeho místo v politice hospodářské soutěže. Následně se zaměřím na popis jednotlivých ekonometrických technik, které se 1 Small but Significant Non-transitory Increase in Price (neboli tzv. test hypotetického monopolisty). 13

12 využívají při cenové analýze, předpoklady, které je nutno splňovat při jejich aplikaci a případné problémy, které v jejich souvislosti mohou vyvstat. V praktické části práce provedu vlastní cenovou analýzu. Na úvod se zaměřím na hledání korelačních vztahů mezi jednotlivými telefony v korelační analýze, které nám jako první nastíní případnou existenci vztahu mezi jejich cenami. Dále provedu testování kointegrace, která nám jakožto nejdůležitější analýza poskytne relevantní výsledky a konkrétnější náhled na velikost relevantního trhu. Jako poslední provedu test Grangerovy kauzality, který by měl potvrdit výsledky kointegrační analýzy. V závěru práce okomentuji dosažené výsledky ekonometrických testů s ohledem na jejich použití v soutěžní analýze a určím tak velikost relevantního produktového trhu. 14

13 1 METODY VYMEZENÍ RELEVANTNÍHO PRODUKTOVÉHO TRHU VYUŽÍVANÉ PŘI ANALÝZE CEN V úvodu první kapitoly bude definován pojem relevantního trhu a jeho role v politice hospodářské soutěže v České republice. V další části potom budou popsány ekonometrické techniky využívané při analýze cen, použitelné k vymezování relevantního trhu. 1.1 Definice relevantního trhu Pojem relevantní trh je jedním z klíčových pojmů soutěžního práva. Jedná se o trh, na němž se stanovuje míra dominance firmy. Roli tedy hraje především v posuzování míry narušení hospodářské soutěže a při rozhodování o povolení spojení podniků. Vymezení relevantního trhu proto bývá prvním a důležitým krokem při sestavování soutěžní analýzy. V České republice je relevantní trh definován v Zákoně č. 143/2001 Sb. o ochraně hospodářské soutěže: Relevantním trhem je trh zboží, které je z hlediska jeho charakteristiky, ceny a zamýšleného použití shodné, porovnatelné nebo vzájemně zastupitelné, a to na území, na němž jsou soutěžní podmínky dostatečně homogenní a zřetelně odlišitelné od sousedících území. [20, 2 odst. 2] Jak vyplývá také z definice samotné, relevantní trh je vymezen jako kombinace trhu produktu a trhu na daném území. Rozlišujeme tedy relevantní trh výrobkový a relevantní trh geografický. Někdy se také můžeme setkat se zkoumáním relevantního trhu z časového hlediska, např. v případě sezonního prodeje zemědělských produktů [5, s ]. Definice relevantního produktového (výrobkového) trhu, kterému se budu v této práci věnovat, lze vyčíst i z obecné charakteristiky relevantního trhu. Přesněji to však může být například: Relevantní výrobkový trh, který zahrnuje všechny výrobky nebo služby, které spotřebitel pokládá za zaměnitelné nebo vzájemně zastupitelné z hlediska charakteristických znaků výrobků, jejich ceny a zamýšleného použití. [5, s. 76] Pokud vymezujeme relevantní trh, snažíme se najít skupinu produktů (začínáme s co nejmenším vzorkem) které na trhu mohou vystupovat jako substituty. Je nutné brát v úvahu 15

14 zboží, které je shodné, porovnatelné a u vzájemně zastupitelného je třeba neopomenout funkčnost výrobku a jeho cenovou relaci. Doporučuje se položit si také otázku:, jaká skupina výrobků je schopna uspokojit určitou potřebu kupujících, zda a jakými výrobky může být nahrazen daný výrobek v případě zvýšení jeho ceny nebo nedostatku a mají-li spotřebitelé reálnou možnost přejít na spotřebu jiného výrobku v rámci uspokojení dané potřeby. [6, s. 194] Vezmeme-li v úvahu množství substitutů, kterým možná firma čelí, můžeme rámcově odhadnout i její tržní sílu. Obecně, pokud produkt dané firmy čelí blízkým substitutům, bude mít tato firma pouze omezenou schopnost zvýšit cenu svého produktu nad cenu konkurence a její tržní síla bude značně limitována. Klíčové faktory, které omezují tržní sílu podniků, jsou míry tzv. nabídkové a poptávkové substituce. Poptávková substituce popisuje, do jaké míry spotřebitelé zareagují na změnu ceny produktu substitucí daného produktu produktem konkurence, případně změnou místa (lokality) nákupu. Na druhé straně nabídková substituce popisuje, jak jsou schopni výrobci reagovat na zvýšení ceny produktu, například změnou ve výrobě (přesunout větší množství výroby na produkt s vyšší cenou) [2, s ]. Výrobkový relevantní trh lze tedy vymezit na základě několika všeobecně platných pravidel, a lze uplatnit několik koncepcí, například koncepce fyzikálně technické shodnosti, shodnosti spotřebitelovy reakce, nebo funkční totožnosti. Pro soutěžní analýzu je však důležité, aby byl trh pro každý jednotlivý případ vymezen zvlášť [6, s ]. 1.2 Ekonometrické techniky cenové analýzy Zvažuje-li spotřebitel nákup produktu, zajímá se nejen o jeho užitné vlastnosti, ale především o jeho cenu. Tato informace mu poskytne mnohem jasnější náhled na produkt, na to co od něj může očekávat, a v neposlední řadě mu také umožní srovnání s jinými, podobnými produkty. Vzhledem k tomu jak důležité jsou informace o cenách pro kupující (viz poptávková substituce), jsou také rozhodující v prvních fázích vymezování trhu a hledání výrobků, které mohou být snadno zaměnitelné. Jsou-li cenové hladiny rozdílné, je možné, že i vhodné vymezení trhu může být odlišné. 16

15 Pro správné a podrobnější popsání relevantního trhu je žádoucí mít k dispozici informace jak o cenách tak také i o množství spotřebovaných produktů. Ve skutečnosti však data o spotřebovaném (prodaném) množství produktů často nebývají k dispozici a je třeba spolehnout se pouze na analýzu cen. V praxi se často i Evropská komise, při vymezování relevantních trhů, spoléhá na jednoduché ukazatele, jako jsou například rozdíly v cenových hladinách. Využívá tak především analýzy cenové korelace, v případě nestacionarity cenových řad také metody kointegrace [19]. V této kapitole budou vymezeny ekonometrické techniky, kterých se nejčastěji využívá při cenové analýze k vymezení produktového relevantního trhu. Konkrétně korelační analýza, testování kointegrace a Grangerovské kauzality Korelační analýza Analýza cenové korelace bývá nejužívanější empirickou metodou, pro odhadnutí míry substituce mezi dvěma produkty. Jejím základem je jednoduchý předpoklad, že ceny produktů, které jsou vzájemně zaměnitelné, by se měly pohybovat společně. V extrémním případě, kdy jde o identické zboží, hovoří Davis a Garcés o tzv. law of one price [2]. The law of one price states that aktive sellers of identical goods must sell them at identical prices. [2, s. 170] V ekonometrii vnímáme korelaci jako důležitý způsob vyjádření závislosti mezi dvěma proměnnými. Korelační analýza je tvořena dílčími koeficienty korelace, které počítáme vždy mezi dvěma proměnnými (případně pozorováními) v našem případě ve srovnání dvou časových řad X a Y: Koeficient nabývá hodnot v rozmezí (-1; 1), kdy v případě, že se vypočtený údaj blíží 1, mluvíme o silné, pozitivní korelaci a v opačné situaci, kdy je záporný o negativní korelaci [4, s ]. 17

16 Pokud však modelujeme korelační matici pro časové řady, můžeme se setkat s několika problémy, projevující se zejména ve zkreslení výsledků. Tzv. falešná korelace se objeví tehdy, pokud dvě řady vypadají jako korelované, ale ve skutečnosti jsou korelované jen proto, že každá z nich obsahuje trend. S tímto problémem se vypořádáme, pokud budeme pracovat se stacionárními řadami. Dále je třeba mít na paměti, že v rámci analýzy, porovnáváme poptávkové substituty, nemůžeme tedy brát jako relevantní výsledky pozitivní korelace mezi výrobky, jejichž cena se vyvíjí stejně, protože jsou tvořeny společnou základní surovinou, avšak prakticky je nelze považovat za substituty. V takovém případě mluvíme o falešné pozitivní korelaci [2, s ]. Výsledky korelační analýzy je vhodné vždy porovnat také s grafy časových řad, se kterými pracujeme Kointegrace Jak jsem již zmínila v předchozích odstavcích, pro korektní korelační analýzu je třeba pracovat se stacionárními časovými řadami. Pokud však máme řady nestacionární i zde se můžeme pokusit nalézt určitý vztah, který nám napomůže odhalit, zda jsou si cenové řady produktů podobné. Konkrétně jde o testování kointegrace mezi řadami. Testování kointegrace tvoří nejdůležitější část cenové analýzy při vymezování relevantního trhu. Díky kointegraci zjistíme, zda cenové řady produktů vykazují známky společného chování, zda mezi nimi skutečně existuje nějaký dlouhodobý vztah. Potvrdí-li výsledky testování přítomnost vztahu, případně více vztahů, mezi cenovými řadami, můžeme zcela jistě prohlásit, že testované produkty budou patřit na společný produktový relevantní trh. Nejsou-li proměnné kointegrované, mohou v čase divergovat, takže mezi nimi neexistuje žádný dlouhodobý vztah. Naopak při existenci dlouhodobé závislosti mezi nimi, projevující se zhruba stejným společným trendem, dochází pouze krátkodobě k odchylkám obou kointegrovaných proměnných od jejich dlouhodobého trendu, resp. rovnovážného vztahu. [3, s. 269] Intuice stojící v pozadí kointegrace je taková, že provedeme-li lineární kombinaci dvou nestacionárních řad (s jednotkovými kořeny) a tato kombinace je stacionární, jsou potom obě řady vzájemně kointegrovány [4, s. 218]. 18

17 Kointegraci lze vyčíst i z grafu a to především pokud řady vykazují velmi podobné trendové chování. Takovéto cenové řady produktů tedy mezi sebou mají dlouhodobě rovnovážný vztah a produkty samotné je možné považovat za substituty. Pro provedení cenové analýzy je však třeba kointegraci testovat. V ekonometrii se k tomu běžně využívá dvou testů. Prvním z nich a také tím jednodušším je test Engleův-Grangerův, druhým je o něco populárnější, především v oblasti vymezování trhu, Johansenův test. Engleův-Grangerův test (1987) je založen na provedení regrese řady Y na řadu X. Jsou-li řady kointegrovány, potom by náhodné složky regrese měly být stacionární. Jsou-li náhodné složky nestacionární potom naopak mezi danými proměnnými kointegrační vztah neexistuje [1, s. 636]. Nulová hypotéza tohoto testu je H 0 : řady nejsou kointegrované, Engelův-Grangerův test je tedy test o nepřítomnosti kointegrace, zamítneme-li tuto hypotézu, přijímáme závěr o přítomnosti kointegrace [4, s. 222]. Vzhledem k tomu, že Engelův-Grangerův test se užívá nejčastěji při existenci jednoho kointegračního vztahu, pro naši cenovou analýzu, kde pracujeme s více než dvěma proměnnými, bude vhodnější využít druhého testu. Johansenův test je test kointegrace, který vychází z testu věrohodnostního poměru. Máme-li v analýze M cenových řad, je možné nalézt až M-1 kointegračních vztahů, označovaných jako řády kointegrace. V rámci testu existují dvě možné testové statistiky, v cenové analýze se budeme opírat o výsledky tzv. trace statistic neboli statistiky stopy, která testuje postupně od nejmenšího možného počtu kointegračních vztahů (od žádného) k nejvyššímu možnému počtu vztahů. Nulová hypotéza, při využití statistiky stopy, o počtu kointegračních vztahů, c, pro testovaný řád r je H 0 : c r a alternativní hypotéza je H 1 : c = M. Před provedením Johansenova testu je třeba specifikovat délku zpoždění a případnou přítomnost úrovňové konstanty a deterministického trendu [4, s. 242]. 19

18 Johansenův test je prováděn na nestacionárních proměnných, a vychází z tzv. VEC modelu 2, tedy modelu korekce chyby. Obecný tvar VEC modelu pro dvě proměnné, X a Y, vypadá takto: λ λ Chybový člen je získaný z kointegrační regrese (tj. ). Tento model lze rozšířit také pro případ více proměnných, a také více kointegračních vztahů, model tedy bude obsahovat více než jeden člen korekce chyby [4, s ]. Při aplikaci Johansenova testu bude využita tzv. neomezená konstanta, která zajistí v modelu možnost, kdy ceny telefonu vykazují společný trend i přesto, že jejich cenová hladina bude ve sledovaném období odlišná, právě ve velikosti konstanty. VEC model může zahrnovat dvě konstanty, konstantu v testování neuvažujeme, avšak předpokládáme přítomnost konstanty v kointegrační regresi pro výpočet členu korekce chyby. Volba neomezené konstanty se v modelu využívá, není-li dána jiná specifikace, protože umožňuje zachytit nenulové hodnoty v kointegračních vztazích, stejně jako se využívá trend na úrovni endogenních proměnných. V praxi vymezování relevantního trhu se doporučuje Johansenův test jakožto účinný nástroj: we suggest to employ the Johansen ML procedure for cointegrated systems which takes advantage of an extended information set compared to a sequential procedure using univariate unit root tests, e.g. Dickey-Fuller tests, that do not use co-variate information regarding other price series. [19, s. 2] 2 VECM Vector error correction model 20

19 1.2.3 Grangerova kauzalita Grangerova kauzalita hraje v cenové analýze podpůrnou roli. Díky ní lze určit, která cenová řada má kauzální vliv na druhou cenovou řadu, a jak velký tento vliv je. Po otočení proměnné závislé a vysvětlující lze také zjistit případný obousměrný vliv, obousměrnou kauzalitu. Mluvíme tedy o testování směru kauzální závislosti. Cenové hladiny mohou být stejně jako změny v cenách v čase korelovány tak, že nemusí existovat okamžitý efekt z jedné ceny na druhou. Jedním ze způsobů jak zjistit, zda má časová prodleva vliv na cenovou dynamiku je právě testování Grangerovy kauzality. Tento test tedy pomáhá identifikovat směry, ve kterých se cenové řady vzájemně ovlivňují [18, s. 21]. V ekonometrii je chápána kauzalita jako schopnost určité proměnné predikovat jinou proměnnou. V pojetí Grangerovy kauzality je testování kauzality ověřením toho, zda změny určité proměnné předcházejí změně jiné proměnné a ne, která proměnná je příčinnou a která je následkem. [3, s. 264] The basic idea is that a variable X Granger causes Y if past values of X can help explain Y. [4, s. 228] Grangerovu kauzalitu lze testovat buď na stacionárních řadách, nebo na nestacionárních řadách, které však musí být kointegrovány. Pro další odstavce předpokládáme, že všechny proměnné jsou stacionární, nebo pokud mají jednotkové kořeny, uvažujeme práci s jejich diferencemi. Testy Grangerovy kauzality jsou založeny na Vektorových autoregresních modelech (VAR modelech). Budeme-li pracovat se čtyřmi proměnnými pro každý trh, potom budeme v rámci modelu odhadovat čtyři rovnice. Každá rovnice odpovídá regresi závisle proměnné na vysvětlující proměnné, které jsou všechny proměnné zpožděné o jedno období a na úrovňovou konstantu, případně může rovnice obsahovat i deterministický trend. Délka zpoždění proměnných lze zvolit například s využitím informačních kritérií nebo metod sekvenčního testování a bývá stanovena stejná pro všechny proměnné, hovoříme potom o modelu VAR(p), kde p = délka zpoždění [4, s ]. Testování hypotéz lze v případě VAR modelů provést standardním způsobem, rovnice odhadnout metodou OLS a k testování statistické významnosti jednotlivých parametrů lze 21

20 využít t-statistiky. Jak se pracuje s testováním v každé jednotlivé rovnici, je krátce nastíněno v následujících odstavcích, kde uvažujeme pouze dvě proměnné. Je-li koeficient u vysvětlující proměnné statisticky významný, potom minulé hodnoty této proměnné mají sílu vysvětlit aktuální hodnoty proměnné závislé a působí tak na ni v Grangerovském smyslu. Nulová hypotéza tohoto testu tedy bude s využitím t-testu v případě ADL modelu: Y t = α + ρy t-1 + βx t-1 + ε t H 0 : β = 0, minulé hodnoty X nemají sílu vysvětlit aktuální hodnoty Y. V případě modelu s větší délkou zpoždění, ADL(p,q) lze k testu Grenagerovy kauzality využít standardního F- testu pro sdruženou hypotézu H 0 : β 1 = 0,, β q = 0. Pro případ více proměnných lze rozšířit uvedené techniku o více koeficientů [4, s ]. 22

21 2 TRH S MOBILNÍMI TELEFONY V ČESKÉ REPUBLICE Mobilní telefony se objevily na českém trhu v roce 1991 souběžně se spuštěním první komerčně provozované mobilní sítě firmou Eurotel. V prvních letech byly výsadou bohatých lidí, především podnikatelů a manažerů, protože jejich nákupní i provozní náklady byly velmi vysoké [12]. Významným zlomem na trhu s mobilními telefony byl rok V tomto roce byla v Česku, firmou Eurotel, spuštěna mobilní síť dnešního standardu GSM a ještě ten samý rok přibyl na trhu první konkurent, společnost RadioMobil (dnes T-mobile). V druhé polovině 90. let potom docházelo také k rychlému vývoji telefonů, ty se stávaly praktičtějšími a dostupnějšími pro širší okruh lidí [11]. V roce 1996 začínají být mobilní telefony skutečně mobilní, a na trhu se objevují značky jako je například Alcatel, Dancall, Ericsson, Nokia, Motorola a Siemens. Do této doby hovoříme pouze o klasických telefonech, první telefon s barevným displejem představila v roce 1998 firma Siemens, displej však rozlišoval jen tři barvy, a to modrou, zelenou a červenou. Opravdový rozmach telefonů s barevným displejem přišel až v roce 2002, kdy také začala výrazně klesat jejich cena, mimo jiné se na trhu objevily také telefony bez antény a první evropský smartphone Nokia 7650 s operačním systémem Symbian. Po rozšíření telefonů s barevným displejem přichází výrobci v dalších letech s prodejem telefonů s integrovaným fotoaparátem a se službou zasílání multimediálních zpráv MMS [10]. Postupem času se tedy z luxusního statku, stal mobilní telefon klasickým spotřebním zbožím. V České republice vzrostl počet konkurentů poskytujících mobilní sítě a především se neustále rozrůstá škála typů mobilních telefonů, takže si každý spotřebitel vybere přesně ten typ, který mu vyhovuje. U mobilních telefonů lze rozlišovat konkurenci jak mezi výrobci hardware tak mezi developery mobilního software. Právě software často hraje důležitou roli při rozhodování spotřebitele. Například operační systém ios, dostupný pouze na výrobcích značky Apple je natolik specifický, že ani nelze uvažovat, že by telefon s tímto softwarem mohl být spotřebitelem považovaný za substitut telefonu s operačním systémem například Android od firmy Google, který je u mobilních telefonů jiných značek nejčastější. Tržní podíly operačních systémů chytrých telefonů ukazuje graf 1. 23

22 Graf 1: Chytré mobilní telefony ve čtvrtém čtvrtletí 2012 Nokia 3% Ostatní 5% Apple 22% Android 70% Zdroj: Mobil.idnes.cz: Android poráží ios Mezi výrobci mobilních telefonů, sledujeme v posledních letech také silnou konkurenci, avšak v posledních měsících stále jasněji vystupují pouze tři firmy jako hlavní na trhu. Vůdcem světovéhoo trhu mobilních telefonů, dle podílu na trhu a prodaných kusů, je jednoznačně jihokorejská firma Samsung, což dokládá také graf 2 znázorňujícíí procentuální podíl na trhu jednotlivých firem za druhé čtvrtletí roku Společnost Samsung byla založena roku 1938 v Daegu v Koreji, od 70. let 20. století se firma zabývala především výrobou televizorů a kuchyňských spotřebičů. Vývoj prvních mobilních telefonů se datuje od počátku 90. let a první multifunkční telefon (smartphone) firma představila v roce Od roku 2000 pak firma téměř každý rok přicházela s inovacemi v oblasti mobilních telefonů, především v kvalitě a rozlišení displeje. Společnost Samsung v posledních několika letech obdržela také spoustu ocenění za své mobilní telefony [16]. 24

23 Graf 2: Trh mobilních telefonů ve druhém čtvrtletí 2013 Motorola 1% Ostatní 25% Samsung 26% Xiaomi 1% HTC 2% Blackberry 2% Sony Mobile Lenovo 2% 3% TCL CoolPad (Alcatel) (Yuloong) 3% 2% Huawei 3% ZTE 4% LG 4% Apple 7% Nokia 15% Zdroj: FierceWirelessEurope: Analyzing the world s 14 [14]. biggest handset makers in Q Důležitým mezníkem v historii mobilních telefonů, bylo také poslední čtvrtletí roku 2011, kdy, v západní Evropě, objem prodeje chytrýchh telefonů překonal objem prodeje klasických telefonů. V současnosti pozorujeme neustálý pokles prodeje těchto klasických telefonů. Společnost GfK provedla zjištění z oblasti telekomunikačního trhu, a ve svojí tiskové zprávě udává, že za první polovinu roku 2013 se zmenšil trh s klasickými mobilními telefony o 25 %. Stále jsou však místa, jako Afrika, Indie a Jižní Amerika, kde prodej klasických telefonů převažuje [15]. Nejen výrobci, ale především prodejci mobilních telefonů začali mobilní telefony třídit do skupin, podle jejich charakteristických rysů a funkcí, aby tak usnadnili nakupujícím výběr vhodného typu. V současnosti se tak setkáváme se základním členěním, které je téměř shodné u všech prodejců. Například obchod s elektronikou T.S.Bohemia a.s. třídíí telefony do podkategorií: Chytré telefony, Klasické, skládací (véčko), S QWERTY klávesnicí, Výsuvné, Pro seniory, S dotykovým displejem, Dual SIM, a Speciální [17]. Velmi podobné dělení má i obchod s počítači a elektronikou CZC.cz, a to na telefony: 3D, Dotykové, Odolné, Klasické, QWERTY, Véčko, Výsuvný, Pro seniory [7]. 25

24 Můžeme tedy sledovat jakési vymezení trhu, které však není přesně definováno ani ohraničeno. V předchozím odstavci například pozorujeme, že telefony které jedna prodejna řadí do společné skupiny, rozděluje další prodejna do skupin dvou. Například dotykové telefony lze ještě členit na klasické dotykové a chytré telefony. S rychlým vývojem nových, ať už hardwarových nebo softwarových, funkcí telefonů, neustále přibývá nových podskupin. V následující kapitole se zaměříme na to, zda lze toto členění telefonů, používané prodejci využít i při vymezování relevantního trhu. Jestli skutečně toto dělení vymezuje jednotlivé relevantní trhy telefonů, nebo zda jsou si jednotlivé typy v rámci skupiny natolik odlišné, že je nelze umístit na společný trh. 2.1 Data Datová báze k cenové analýze je tvořena dvěma datovými vzorky. Každý z nich je tvořen týdenními 3 cenovými řadami pro reprezentativní produkty v prvním případě dotykových telefonů a ve druhém klasických telefonů. Jednotlivé cenové položky odpovídají prodejním cenám 4 internetového obchodu CZC.cz Reprezentativní produkty Dotykové telefony Jak již bylo zmíněno, dotykové telefony tvoří nyní velkou skupinu zahrnující často i velmi rozdílné produkty. Rozdíly u dnes nejhojněji používaných chytrých telefonů (smarthphonů) jsou především v jejich operačních systémech, s tím souvisí i množství a kvalita dostupných aplikací, dále také v kvalitě displeje, fotoaparátu a dalším. Dotykové mobily jsou dnes jednoznačnou jedničkou na trhu s telefony. Dotykové telefony jsou také synonymem pro smartphone. Některé mobily s dotykovým displejem ovšem toto označení nemají, jelikož nesplňují všechna kritéria pro získání označení smartphone. [8] Jako reprezentativní produkty byly tedy vybrány takové telefony, které lze uvažovat z pohledu spotřebitele za možné substituty, především z hlediska ceny a podobnosti 3 Týden je měřen jako období od soboty do pátku. 4 Všechny ceny jsou uvedeny v Kč, bez DPH a poplatků. 5 Historie cen. Dostupné z: 26

25 základních parametrů. Konkrétně jde o telefony: Nokia Lumia 610 (dále jen NL), Samsung Galaxy S III (dále jen SGSIII), Sony Xperia U (dále jen SX) a Samsung Galaxy S DUOS (dále jen SGSduos). Přehled zástupců, včetně jejich hlavních parametrů je uveden v tabulce 1. Pozorované období pro všechny čtyři typy telefonů je od 4. srpna 2012 do 30. listopadu Tabulka 1: Reprezentativní zástupci dotykových telefonů Výrobce Model Operační systém Interní paměť [MB] Typ displeje Velikost displeje [palce] Nokia Lumia 610 Microsoft Windows Phone TFT 3,7 Samsung Galaxy S III Google Android OLED 4,8 Sony Xperia U Google Android TFT 3,5 Samsung Galaxy S DUOS Google Android TFT 4 Zdroj: Vlastní konstrukce na základě CZC.cz: Mobilní telefony, technické parametry. Dle charakteristických znaků, můžeme vybrané telefony řadit nejen mezi dotykové telefony, ale právě i mezi tzv. chytré telefony. Pro bližší představu o cenách jednotlivých telefonů jsou obsahem Přílohy 1 grafy vývoje cen. Klasické telefony Druhou část zkoumaných dat tvoří reprezentativní produkty ze skupiny klasických telefonů. Tyto telefony jsou si již na první pohled více podobné než telefony dotykové a spotřebitel, který je kupuje, od nich vyžaduje plnění především základních funkcí, tj. uskutečňování hovorů a posílání textových zpráv. Výrobci udržují na trhu širokou nabídku telefonů s klasickým rozložením klávesnic pod displejem, které přežily všechny módní vlny v konstrukcích telefonů, a stále si tak drží vcelku důležité postavení. Poptávají je především spotřebitelé, pro které je složité ovládání 27

26 dotykových telefonů, nebo nechtějí do telefonu příliš investovat. Tyto telefony patří obecně k nejlevnějším typům na trhu [9]. Tabulka 2: Reprezentativní zástupci klasických telefonů Výrobce Model Operační systém Interní paměť [MB] Typ displeje Velikost displeje [palce] Samsung S5610 Samsung OS 108 TFT 3 Nokia 300 Nokia Series TFT 2,4 Samsung XCOVER 2 Samsung OS 30 TFT 2,2 Nokia Asha 202 Nokia Series TFT 2,4 Zdroj: Vlastní konstrukce na základě CZC.cz: Mobilní telefony, technické parametry. Stejně jako u dotykových telefonů bylo snahou vybrat takové typy klasických telefonů, které by mohly být považovány za poptávkové substituty. Konkrétně jsou to telefony: Samsung S5610 (dále jen SS5610), Nokia 300 (dále jen N300), Samsung XCOVER (dále jen SXC2) a Nokia Asha 202 (dále jen NA202). Tabulka 2 obsahuje přehled vybraných telefonů včetně jejich základních parametrů. Pozorované období pro všechny čtyři telefony je od 5. května 2012 do 30. listopadu Vývoje cen jednotlivých telefonů jsou zobrazeny na grafech v Příloze 2. 28

27 3 EMPIRICKÉ VYMEZENÍ RELEVANTNÍHO TRHU 3.1 Korelační analýza Korelační analýzu provedeme jako první náhled na všechny cenové řady. Do jedné analýzy jsou tedy zahrnuty telefony jak dotykové, tak klasické. Tabulka 3: Korelační matice NL SGSIII SX SGSduos SS5610 N300 SXC2 NA202 NL 1,0000 SGSIII 0,7532 1,0000 SX 0,7774 0,9403 1,0000 SGSduos 0,6624 0,9543 0,9307 1,0000 SS5610 0,5562 0,6372 0,6676 0,6921 1,0000 N300 0,7371 0,7593 0,7425 0,6568 0,5773 1,0000 SXC2 0,7107 0,9088 0,8975 0,8657 0,6077 0,8715 1,0000 NA202 0,7139 0,6083 0,6635 0,5392 0,2741 0,4502 0,5748 1,0000 Zdroj: Vlastní konstrukce Výsledky z tabulky 3 nás vedou k závěru, že zřejmě mezi cenami telefonů, a také mezi produkty samotnými, bude existovat nějaký vztah. Především korelační koeficienty mezi dotykovými telefony, v matici v levé horní čtvrtině, jsou v několika případech vyšší než 0,9, tedy blízko 1. Zde tedy tušíme nějakou silnější závislost. Korelace mezi klasickými telefony, v matici v pravé dolní čtvrtině, již není tak silná jako u dotykových telefonů, avšak stále zde vidíme určitou podobnost ve vývoji cenových řad, největší mezi telefony Nokia 300 a Samsung XCOVER 2 (0,8715) a mezi telefony Samsung S5610 a Samsung XCOVER 2 (0,6077). Protože v celé matici jsou všechny koeficienty kladné a téměř všechny vyšší než 0,5 je možné, že mobilní telefony obecně lze považovat za vzájemné substituty. Pokud však vezmeme v úvahu preference spotřebitelů, je zřejmé, že pro spotřebitele nebudou všechny uváděné mobilní telefony vzájemnými substituty, protože se někdy až příliš liší v nabízených funkcích, především porovnáváme-li dotykový telefon s klasickým. Zde tedy tušíme, že pouze z korelační matice nelze dojít k jednoznačnému závěru, a je třeba hledat případné hlubší vztahy mezi jednotlivými typy vybraných mobilních telefonů. Kromě pohledu na samotné korelační koeficienty nám i grafy cenových řad poskytují jakousi vizuální kontrolu. Na grafu 3 vidíme, že ceny dotykových telefonů se vyvíjejí velmi 29

28 podobně, klesajícím trendem, a ukazují tak určitou korelaci mezi jednotlivými produkty. Největší podobnost lze vidět mezi telefony značky Samsung Galaxy, je tedy možné, že právě mezi dvěma telefony stejné značky, avšak jiného typu, bude existovat silnější vztah, než mezi telefony různých značek. Tento předpoklad může do jisté míry potvrzovat také korelační koeficient, který je nejvyšší v matici v tabulce 3, a to 0,9543. Avšak nelze říci, zda tato závislost bude platit vždy u telefonů stejné značky, protože je možné, že ceny konkrétních typů telefonů se budou vyvíjet jinak, a telefony samotné budou natolik odlišné, že již nebude možné považovat je za substituty. Graf 3: Vývoj cenových řad dotykových telefonů NL SGSIII SX SGSduos 4/8/2012 4/9/2012 4/10/2012 4/11/2012 4/12/2012 4/1/2013 4/2/2013 4/3/2013 4/4/2013 4/5/2013 4/6/2013 4/7/2013 4/8/2013 4/9/2013 4/10/2013 4/11/2013 Zdroj: Vlastní konstrukce Určitý vztah mezi telefony ukazuje také graf 4, kde můžeme vidět podobný vývoj cen především na začátku a konci pozorovaného období. Důležitou informací z toho obrázku je také to, že ceny vybraných klasických telefonů se pohybují v úzkém cenovém pásmu v rozmezí cca Kč. 30

29 Graf 4: Vývoj cenových řad klasických telefonů SS N SXC2 NA /5/2012 5/6/2012 5/7/2012 5/8/2012 5/9/2012 5/10/2012 5/11/2012 5/12/2012 5/1/2013 5/2/2013 5/3/2013 5/4/2013 5/5/2013 5/6/2013 5/7/2013 5/8/2013 5/9/2013 5/10/2013 5/11/2013 Zdroj: vlastní konstrukce Tato analýza by nám měla alespoň na úvod představit jaká je vzájemná podobnost proměnných a k jakému závěru by mělo naše další testování směřovat. Na její výsledky se však nedá stoprocentně spoléhat, proto je třeba provést další testy případné vzájemné závislosti a podobnosti časových řad. Také je třeba brát v úvahu případný problém tzv. falešné korelace, který je popsán v kapitole Je možné, že právě u dotykových telefonů budou tyto extrémně vysoké koeficienty korelace nepřesné. Pro další práci s cenovými řadami tedy provedeme testy stacionarity a vypořádáme se s případným problémem nestacionarity Stacionarita proměnných Tabulka 4 zobrazuje výsledky Dickeyho-Fullerova testu stacionarity pro cenové řady jednotlivých produktů. Stacionarita, resp. nestacionarita je testována na modelu AR(1) s konstantou a trendem. 6 6 Tato modelová specifikace byla zvolena na základě informačních kritérií. 31

30 Tabulka 4: Dickey-Fullerův test stacionarity Produkt NL SGSIII SX SGSduos T-statistika -3,2629-2,5284-2,3486-2,8845 P-hodnota 0,0811 0,3140 0,4027 0,1739 Produkt SS5610 N300 SXC2 NA202 T-statistika -3,8288-0,9642-3,0403-1,3717 P-hodnota 0,0198 0,9425 0,1211 0,8693 Zdroj: Vlastní konstrukce Pohledem na jednotlivé p-hodnoty testu můžeme říci, že téměř všechny cenové řady jsou nestacionární na hladině významnosti 5 %. Proměnná SS5610 je nestacionární na hladině významnosti 1 %. Pro kontrolu byl pro tuto proměnnou proveden KPSS test stacionarity. V tomto testu jsme zamítli na hladině významnosti 5 % nulovou hypotézu, že řada je stacionární a přijímáme tak alternativu o nestacionaritě cenové řady SS5610. Vzhledem k těmto výsledkům, však nemůžeme brát za korektní výsledky korelační matice z předchozí kapitoly, hodnoty nemusí poukazovat na skutečnou závislost mezi veličinami. I přes to nám však dává korelační analýza jisté vodítko k tomu, že má smysl provést i další, důkladnější analýzu. 3.2 Test kointegrace Jak bylo zmíněno v kapitole 1.2.2, pro testování dlouhodobých vztahů mezi cenovými řadami bude použit Johansenův test kointegrace. Vzhledem k tomu, že chceme prvotně vymezovat relevantní trhy dva, tak testování kointegrace provedeme separátně pro každý hypotetický trh telefonů. V první části se zaměříme na hledání vzájemných kointegračních vztahů mezi dotykovými telefony a poté mezi telefony klasickými. U obou testování uvažujeme délku zpoždění 1, tj. stejnou jako v předchozím testování stacionarity proměnných, a neomezenou konstantu. 32

31 Výsledky testu jak pro dotykové, tak pro klasické telefony jsou zobrazeny v tabulkách, kde sloupec hodnost kointegrace, neboli také řád kointegrace, označuje počet kointegračních vztahů, které jsou postupně testovány. Hodnota nula odpovídá nepřítomnosti kointegrace Kointegrační vztahy u dotykových telefonů Tabulka 5 ukazuje výsledky Johansenova testu kointegrace pro vybrané dotykové telefony. Z výsledků v této tabulce vyplývá, že ve sledovaném období neexistuje mezi cenovými řadami žádný kointegrační vztah, ani na hladině významnosti 10 %. Vzhledem k tomu, že k testování byla použita statistika stopy, rozhodujeme o výsledcích analýzy na základě p- hodnot od řádu nula k řádům vyšším. Kvůli vysoké p-hodnotě, v hodnosti kointegrace nula, přijímáme nulovou hypotézu, že mezi testovanými telefony Johansenův test neidentifikuje žádný dlouhodobý vztah mezi cenami u vybraných dotykových telefonů. Tabulka 5: Johansenův test dotykové telefony Hodnost kointegrace Trace test P-hodnota 0 40,5630 0, ,0850 0, ,6705 0, ,0539 0,0805 Zdroj: Vlastní konstrukce Závěry z této analýzy jsou sice ze zřejmého důvodu nestacionarity dat v rozporu s počáteční korelační analýzou, avšak věrohodněji popisují očekávanou situaci na trhu. Lze předpokládat, že právě mezi dotykovými telefony, obzvláště mezi smartphony, jsou velké rozdíly nejen v oblasti vlastností a funkcí, ale především právě mezi cenami jednotlivých značek. 33

32 3.2.2 Kointegrační vztahy u klasických telefonů Tabulka 6 představuje výsledky Johansenova testu kointegrace pro vybrané klasické telefony. Na základě hypotéz využitelných pro statistiku stopy můžeme postupně zamítnout nulovou hypotézu jak o žádném existujícím kointegračním vztahu, tak i o přítomnosti jednoho vztahu. Nulovou hypotézu o existenci dvou kointegračních vztahů však již zamítnou nelze, vzhledem k vysoké p-hodnotě. Přijímáme ji tedy na hladině významnosti jak 10 tak i 5 %. Tabulka 6: Johansenův test klasické telefony Hodnost kointegrace Trace test P-hodnota 0 62,4460 0, ,8410 0, ,6180 0, ,3957 0,0360 Zdroj: Vlastní konstrukce Na základě výsledků testu tedy očekáváme mezi klasickými telefony dva kointegrační vztahy. Test však blíže nespecifikuje, mezi kterými telefony tento vztah existuje. Protože jsme neobjevili vztahy mezi všemi vybranými telefony, test identifikoval pouze dva, je důležité konkrétněji zjistit, které typy telefonů mezi sebou mají kointegrační vztah. Právě tyto telefony totiž mohou patřit na společný relevantní trh a být považovány za vzájemné substituty. Na proměnné klasické telefony tedy aplikujeme ještě druhý test kointegrace, Engleův-Grangerův. Tabulka 7 obsahuje výsledné p-hodnoty Dickey-Fullerova testu stacionarity pro rezidua uložená z jednotlivých regresí. Pro testování stacionarity byl zvolen, na základě informačních kritérií, řád zpoždění jedna. 34

33 Tabulka 7: P-hodnoty Dickeyho-Fullerova testu pro získaná rezidua Závisle proměnná Vysvětlující proměnná SS5610 SS5610 N300 SXC2 NA202 x N300 0,0592 x SXC2 0,0485 0,2564 x NA202 0,1315 0,8133 0,5506 x Zdroj: Vlastní konstrukce Jak bylo řečeno v kapitole existenci kointegračního vztahu mezi proměnnými zjistíme, dle Engelova-Grangerova testu, testováním stacionarity reziduí z lineární regrese mezi danými proměnnými. Interpretace výsledků Engelova-Grangerova testu vychází z p-hodnot Dickeyho- Fullerova testu stacionarity pro rezidua získaná z regrese závisle proměnné na vysvětlující proměnnou a konstantu. Hypotézu o přítomnosti nulového kořene můžeme ve dvou případech zamítnout na hladině významnosti 10 % a přijmout alternativní hypotézu, že rezidua nemají jednotkový kořen. Konkrétně můžeme říci, že za prvé cenové řady telefonu Samsung S5610 a telefonu Samsung XCOVER 2 jsou kointegrovány, v tomto případě dokonce zamítáme nulovou hypotézu na hladině významnosti 5 %. Druhým závěrem je, že cenové řady telefonu Samsung S5610 a telefonu Nokia 300 jsou kointegrovány. U dalších náhodných složek regresí nelze zamítnout nulovou hypotézu o jednotkovém kořenu. Mezi ostatními telefony tedy žádný další kointegrační vztah neexistuje. Engel- Grangerův test potvrzuje naše závěry Johansenova testu kointegrace o přítomnosti dvou kointegračních vztahů, a konkrétněji ukázal, které produkty vykazují společné trendové chování a které nikoli. Dalším z nástrojů, který dokáže vztahy blíže specifikovat a podpořit také výsledky kointegrační analýzy jsou Grangerovské kauzality, které budou na datech testovány v následující podkapitole. 35

34 3.3 Grangerovské kauzality Předpokladem pro výpočet Grangerovských kauzalit za použití vektorové autoregrese (dále VAR) je třeba, jak bylo zmíněno v kapitole 1.2.3, aby cenové řady byly buď stacionární, nebo nestacionární, ale vzájemně kointegrované. Na základě předchozích výsledků, však nelze říci, že všechny cenové řady jsou kointegrované, proto je třeba před výpočtem kauzalit tyto řady upravit do stacionární podoby. Cenové řady tedy byly upraveny a VAR model je proveden na prvních diferencích logaritmu daných řad, které již jsou stacionární. Značení takovýchto proměnných bude l _konkrétní řada. V modelu tedy pracujeme s procentními změnami (po vynásobení koeficientu stem) každé z proměnných. Délka zpoždění zůstává stejná jako u předchozího testování a je vybrána podle informačních kritérií Grangerova kauzalita u dotykových telefonů Výsledky OLS odhadu VAR(1) modelu pro dotykové telefony jsou obsahem tabulek U jednotlivých rovnic, znázorněných v tabulkách, pozorujeme často jako jedinou statisticky významnou proměnnou pouze konstantu. Například v tabulce 8, která znázorňuje výsledky modelu se závisle proměnnou l _NL vidíme, že všechny proměnné jsou statisticky nevýznamné. Jediná proměnná, která má relativně nižší p-hodnotu, je pouze minulá hodnota závisle proměnné, avšak ani ona nemá dostatečnou sílu vysvětlit současnou hodnotu proměnné l _NL. Na základě výsledků z tabulky 8 a znalosti teorie o Grangerovských kauzalitách můžeme říci, že ani jedna z vysvětlujících proměnných nemá Grangerovsky kauzální vliv na proměnnou závislou, tedy na současné procentní změny ceny telefonu Nokia Lumia

35 Tabulka 8: Rovnice VAR(1) modelu se závisle proměnnou l _NL Závisle proměnná l _NL Nezávisle proměnná Koeficient T-podíl P-hodnota Konstanta -0,0041-0,5409 0,5905 l _NL t-1-0,1834-1,3740 0,1744 l _SGSIII t-1 0,1412 0,3172 0,7521 l _SX t-1-0,0566-0,1185 0,9061 l _SGSduos t-1-0,0134-0,0551 0,9562 Zdroj: Vlastní konstrukce Tabulka 9: Rovnice VAR(1) modelu se závisle proměnnou l _SGSIII Závisle proměnná l _SGSIII Nezávisle proměnná Koeficient T-podíl P-hodnota Konstanta -0,0062-2,7050 0,0088 l _NL t-1-0,0020-0,0515 0,9591 l _SGSIII t-1-0,1410-1,0710 0,2884 l _SX t-1 0,0563 0,3980 0,6919 l _SGSduos t-1 0,0363 0,5049 0,6154 Zdroj: Vlastní konstrukce Tabulka 9 ukazuje výsledky regrese se závisle proměnnou l _SGSIII. Také z této tabulky snadno vyčteme, že jedinou statisticky významnou proměnnou je právě již zmiňovaná konstanta. Minulé změny cen vybraných telefonů nemají sílu pro vysvětlení aktuálních změn cen telefonu Samsung Galaxy S III. 37

36 Tabulka 10: Rovnice VAR(1) modelu se závisle proměnnou l _SX Závisle proměnná l _SX Nezávisle proměnná Koeficient T-podíl P-hodnota Konstanta -0,0042-1,9310 0,0580 l _NL t-1-0,0609-1,6090 0,1125 l _SGSIII t-1-0,0082-0,0647 0,9486 l _SX t-1 0,0581 0,4283 0,6699 l _SGSduos t-1-0,0384-0,5565 0,5798 Zdroj: Vlastní konstrukce Stejně jako u předchozích rovnic, ani ty v tabulkách 10 a 11 neukazují žádnou vysvětlující proměnnou jako statisticky významnou. Můžeme tedy říci, že minulá změna v cenách vybraných telefonů nemá v Grangerovském smyslu kauzální vliv na aktuální změny cen jak telefonu Sony Xperia U tak i telefonu Samsung Galaxy S DUOS. Tabulka 11: Rovnice VAR(1) modelu se závisle proměnnou l _SGSduos Závisle proměnná l _SGSduos Nezávisle proměnná Koeficient T-podíl P-hodnota Konstanta -0,0084-1,9390 0,0569 l _NL t-1-0,0097-0,1293 0,8976 l _SGSIII t-1 0,2596 1,0350 0,3046 l _SX t-1-0,0556-0,2065 0,8371 l _SGSduos t-1-0,1291-0,9425 0,3495 Vlastní konstrukce 38

37 V tomto případě testování Grangerových kauzalit podporuje naše závěry, které vyplývaly z analýzy kointegrace. Tedy absence jakéhokoli dlouhodobě prokazatelného vztahu mezi telefony, případně vzájemného působení změn cen jednoho produktu na jiný Grangerova kauzalita u klasických telefonů Na základě výsledků Johansenova testu kointegrace, předpokládáme, že u klasických telefonů, nelezneme nějakou Grangerovu kauzalitu mezi proměnnými. Výsledky OLS odhadu VAR(1) modelu pro klasické telefony jsou obsahem tabulek Tabulka 12: Rovnice VAR(1) modelu se závisle proměnnou l _SS5610 Závisle proměnná l _SS5610 Nezávisle proměnná Koeficient T-podíl P-hodnota Konstanta 0,0000-0,0560 0,9555 l _SS5610 t-1-0,0383-0,3609 0,7192 l _N300 t-1-0,0395-0,6456 0,5205 l _SXC2 t-1 0,2273 3,9330 0,0002 l _NA202 t-1-0,3458-2,5160 0,0140 Zdroj: Vlastní konstrukce Tabulka 12 zobrazuje výsledky regrese se závisle proměnnou l _SS5610 a právě tato regrese ukazuje pro naši analýzu zajímavé výsledky. Budeme-li se rozhodovat na základě p- hodnot, můžeme říci, že zamítáme nulovou hypotézu o absenci Grangerovy kauzality u dvou proměnných na hladině významnosti 5 %. Minulé hodnoty proměnné l _SXC2 t-1 a proměnné l _NA202 t-1 mají Grangerovsky kauzální vliv na aktuální změnu ceny telefonu Samsung S6510. Ostatní proměnné však tento vliv na aktuální změnu ceny daného telefonu nemají. 39

38 Tabulka 13: Rovnice VAR(1) modelu se závisle proměnnou l _N300 Závisle proměnná l _N300 Nezávisle proměnná Koeficient T-podíl P-hodnota Konstanta -0,0017-0,5920 0,5556 l _SS5610 t-1 0,0303 0,1460 0,8843 l _N300 t-1 0,0018 0,0146 0,9884 l _SXC2 t-1 0,0641 0,5674 0,5721 l _NA202 t-1-0,0620-0,2308 0,8181 Zdroj: Vlastní konstrukce Tabulka 13 ukazuje výsledky regrese se závisle proměnnou l _N300 na základě postupného testování nelze zamítnout nulovou hypotézu ani u jedné vysvětlující proměnné, tudíž žádná z proměnných nemá sílu vysvětlit aktuální změny ceny telefonu Nokia 300. Tabulka 14: Rovnice VAR(1) modelu se závisle proměnnou l _SXC2 Závisle proměnná l _SXC2 Nezávisle proměnná Koeficient T-podíl P-hodnota Konstanta -0,0031-1,1700 0,2458 l _SS5610 t-1-0,1798-0,9284 0,3561 l _N300 t-1 0,1569 1,4040 0,1645 l _SXC2 t-1-0,4747-4,4980 0,0000 l _NA202 t-1-0,4287-1,7080 0,0917 Zdroj: Vlastní konstrukce Regrese v tabulkách 14 a 15 ukazují stejné výsledky v takové podobě, že vždy pouze minulé hodnoty závisle proměnné jsou schopny vysvětlit současné hodnoty závisle proměnné v rovnici, a mají tak na ni Grangerovsky kauzální vliv. 40

39 Vzhledem k tomu, že v tabulce 12 pozorujeme Grangerovsky kauzální vliv minulé změny cen telefonu Samsung XCOVER 2 na aktuální změny ceny telefonu Samsung S5610 je na místě otestovat také případný druhý směr této kauzality. Zde však vidíme, že p-hodnota u proměnné l _SS5610 t-1 je 0,3561, tudíž nemůžeme zamítnout nulovou hypotézu o neexistenci kauzálního vztahu. Grangerovská kauzalita mezi těmito typy telefonů je tedy pouze jednosměrná, tedy že minulé změny ceny telefonu Samsung XCOVER 2 mají sílu vysvětlit aktuální změny ceny telefonu Samsung S5610, nikoli však naopak. Tabulka 15: Rovnice VAR(1) modelu se závisle proměnnou l _NA202 Závisle proměnná l _NA202 Nezávisle proměnná Koeficient T-podíl P-hodnota Konstanta -0,0016-1,3560 0,1790 l _SS5610 t-1 0,0608 0,6807 0,4981 l _N300 t-1 0,0263 0,5097 0,6118 l _SXC2 t-1 0,0769 1,5780 0,1186 l _NA202 t-1-0,2609-2,2520 0,0272 Zdroj: Vlastní konstrukce Stejně jako jsme identifikovali jednosměrnou kauzalitu v předchozím odstavci, je třeba prověřit existenci případné obousměrné kauzality mezi telefony Samsung S5610 a Nokia Asha 202. I v tomto případě však nelze zamítnou nulovou hypotézu o neexistenci kauzálního vztahu a působení minulých změn cen telefonu SS5610 na aktuální změny ceny telefonu NA202. Pohledem na p-hodnotu u proměnné l _SS5610 t-1, v tabulce 15, která je 0,4981, je zřejmé, že tato proměnná vystupuje v modelu jako statisticky nevýznamná. Mezi telefony tedy existuje pouze jednosměrná kauzalita. Díky Grangerovským kauzalitám jsme si tedy potvrdili výsledky testu kointegrace jak u dotykových telefonů, tak částečně i u těch klasických, kde se výsledky shodují s Johansenovým testem, a v případě vztahu telefonů Samsung S5610 a Samsung XCOVER 2 i s Engelovým-Grangerovým testem. Grangerovy kauzality mimo jiné odhalily také kauzální vliv minulých hodnot telefonu Nokia Asha 202 na aktuální změnu telefonu Samsung S

40 Obecně se při vymezování relevantního trhu Grangerovských kauzalit příliš nevyužívá, avšak zde vidíme, že je vhodné toto testování provést, i když jen jako podpůrný nástroj. Potvrdí-li výsledky testování kointegrace, může pak konečné vymezení relevantního trhu nabýt na síle. Na těchto analýzách je tedy postaveno konečné vymezení relevantního produktového trhu pro vybrané mobilní telefony, které je obsahem následující kapitoly. 42

41 4 VYHODNOCENÍ VÝSLEDKŮ A KONEČNÁ IDENTIFIKACE RELEVANTNÍCH TRHŮ V předchozí kapitole byly využity ekonometrické techniky, které se běžně užívají, jakožto jednodušší a rychlejší nástroje při vymezování relevantních trhů. V první fázi hodnocení jsou pro nás důležité výsledky korelační analýzy, tedy posouzení velikosti korelačních koeficientů. Vzhledem k tomu, že vybrané cenové řady telefonů vyšly jako nestacionární, nemůžeme korektně hodnotit korelační koeficienty a jejich velikost brát jako závěr pro vymezování trhu. Pro stanovení velikosti trhu tedy bude v našem případě stěžejní výsledek testu kointegrace. 4.1 Vymezení trhu dotykových telefonů Johansenův test kointegrace nám u dotykových telefonů poskytl zajímavý výsledek. Přestože při výběru zástupců pro dotykové telefony, se tyto modely zdály být velmi podobné, nenacházíme žádný dlouhodobý vztah mezi vývojem jejich cen. Cenové řady telefonů nevykazují společné trendové chování. Ani u jednoho typu testovaného telefonu se neprojevilo působení změny ceny jednoho telefonu na aktuální změnu ceny jiného. Telefony se tedy na trhu co do změn cen vzájemně neovlivňují. Tyto závěry jsou klíčové pro samotné určení velikosti relevantního trhu. Jak bylo řečeno v první kapitole, abychom mohli produkty zařadit na společný trh, je třeba, aby ceny produktů vykazovaly dlouhodobě velmi podobný trend a měnily se tedy v čase stejně, nebo velmi podobně. S ohledem na výsledky v kapitole 3 tedy dotykové telefony nemůžeme zařadit na společný relevantní trh. Pro využití trhu v oblasti hospodářské soutěže tedy lze relevantní trh dotykových telefonů uvažovat jako velmi úzký a specifický. Každý model telefonu bude představovat svůj jedinečný trh. Na tento trh bude možné zařadit pouze stejný telefon, odlišný například v barvě krytu, u kterých v praxi pozorujeme stejný cenový vývoj, lišící se pouze nepatrně. 43