El análisis de resultados se presentará por tipo de modelo. Los primeros a describir son los PH Models. Como se ha mencionado anteriormente, estos modelos miden el riesgo de cambio de precios en un intervalo de tiempo
𝑡𝑡+ℎ sujeto a que no se han cambiado los precios hasta el período 𝑡𝑡, esto condicionado en ciertas covariables.
Tal como en la ecuación 15, los resultados son presentados en la siguiente forma:
𝑙𝑙𝑙𝑙𝑙𝑙𝜆𝜆(𝑡𝑡;𝑥𝑥) = 𝑥𝑥𝛽𝛽+𝑙𝑙𝑙𝑙𝑙𝑙𝜆𝜆0(𝑡𝑡)
siendo 𝛽𝛽𝑗𝑗 la semielasticidad del riesgo con respecto a 𝑥𝑥𝑗𝑗.
La Tabla A1 muestra en detalle los resultados obtenidos. Para la categoría amenitie, se ha dejado como base no tener esos amenities. El tener tienda de conveniencia muestra ser significativo en todos los modelos al 1% e influye de forma positiva en la probabilidad de cambiar de precios. Tomando como referencia el modelo 1, el tener tienda de conveniencia por parte de una bencinera presenta un 7,5% más de probabilidad de cambio en los precios respecto a no tener tienda de conveniencia, ceteris paribus. Si se desea obtener el hazard ratio, tomando exponencial (exp (0,075)) da un valor de 1,61, la lectura de esto es, en cualquier instante del tiempo una estación de servicio que presenta tienda de conveniencia tiene un 61% más de propensidad a cambiar sus precios respecto a una que no presenta este
amenitie.
Tener farmacia presenta mayor riesgo de cambio de precios, en comparación a una bencinera que no posea este servicio. Esta variable no es significativa en los modelos semiparamétricos, pero sí lo es en el resto de los
modelos. Poseer baño público exhibe un menor riesgo de variar los precios, respecto a no tener este amenitie, sólo no es significativo en el primer modelo. Presentar servicio de mantención muestra mayor propensión de cambio de precios, siendo significativamente estadístico en todos los modelos, a excepción del segundo. Por el contrario, tener autoservicio disminuye el riesgo de alterar los precios presentando significancia en todas las especificaciones.
Para los modelos de Cox (1 y 2), son las estaciones de la compañía COPEC (categoría base) las que presentan mayor propensión de variar los precios, en comparación al resto de las banderas. Los otros modelos muestran que aquellas bencineras pertenecientes a SHELL son las que tienen más alta inclinación a modificar sus precios. Los coeficientes son significativos en todos los modelos.
Al agrupar por zonas, la Región Metropolitana es la zona que exhibe menor propensión a alterar los precios en todas las especificaciones. Para los modelos de Cox, la zona de VI, VII Región manifiesta más riesgo de variar las cifras, el resto de las estimaciones muestra que la zona comprendida por la VIII y IX Región son las de mayor tendencia de modificar los precios.
La variable cambio de precios anunciados por ENAP, fue utilizada en los modelos impares. Para el tramo entre 0-3 pesos, hay mayor propensión al cambio cuando existe un anuncio a la baja en este trayecto en todas las estimaciones. Si el anuncio es entre 3-6 pesos, el modelo de Cox presenta más alta proclividad a variar los precios para una baja que alza, lo contrario ocurre para el resto de las especificaciones. En los tramos de 6-10 y mayor a 10 pesos, son los anuncios al alza los que presentan un más alto indicio en variación de los precios, salvo para Cox en anuncios mayores a 10 pesos. Cabe resaltar que todos los coeficientes son significativos.
En cuanto al tipo de combustible, aquellas de tipo diesel son más proclives a la variación, a excepción del quinto modelo (Weibull), donde es la gasolina de 93 octanos la que presenta más riesgo al cambio.
El número de competidores muestra poseer una influencia positiva, pero decreciente a la variación en los precios.
Si bien al controlar por densidad muestra tener significancia para todos los modelos, el coeficiente de esta variable es muy cercano a cero.
En los modelos pares, se añadieron las variables de alza y baja de precios anunciados por ENAP en forma continua e interactuada con negocios, diferenciando de controlar por tramos de precio especificado en los modelos impares. Un alza de precios de ENAP respecto a la semana anterior incrementa la probabilidad de cambio, pero en forma decreciente. Por otro lado, un aviso a la baja reduce la inclinación a la modificación de precios por parte de las bencineras, pero su comportamiento en su componente cuadrático muestra convexidad. Lo interesante es ver que en su forma lineal, ante una noticia de incremento por parte de ENAP, las bencineras reaccionan de forma más rápida elevando sus precios, en comparación cuando hay un anuncio a la baja y esto es significativo estadísticamente.
Un aviso de alza interactuado con negocios muestra un efecto positivo y decreciente en la tendencia a la modificación por las bencineras, sin embargo esto no es significativo estadísticamente.
Un anuncio de una baja de ENAP combinado con la variable negocio muestra una menor propensión al cambio y de forma cóncava.
El segundo análisis se hará para los AFT Models. La ecuación 17 descrita anteriormente expone la ecuación para esta especificación.
log𝑇𝑇𝑖𝑖 =𝛽𝛽′𝑥𝑥𝑖𝑖+𝑒𝑒𝑖𝑖
La lectura es si una variable muestra un coeficiente positivo, aumentará el tiempo de supervivencia en los precios (en PH Models se traduce a una disminución en la propensión al cambio de precios), al revés será cuando el coeficiente de una variable sea negativo (en PH Models aumenta la propensión al cambio).
Tener servicio de mantención o tienda de conveniencia resulta tener menor sobrevivencia en los precios, esto es significativo para todas las distribuciones. Esto es análogo a los modelos de riesgo proporcionado, donde estas variables mostraban mayor propensión al cambio.
El tener farmacia presenta menor lapso de supervivencia y es significativa para modelos exponencial, weibull y log normal. Estos mismos resultados son hallados en PH Models donde se muestra una mayor propensión al cambio para estaciones con farmacia.
Si una estación de servicio presenta baño público muestra un efecto ambiguo, pues para distribuciones Exponencial, Weibull y lognormal presenta mayor sobrevivencia, pero lo contrario ocurre cuando la distribución es gamma. En modelos de riesgo proporcionado se encuentra que la presencia de baño público reduce el riesgo a variar los precios.
El poseer una bencinera con autoservicio indica un período de sobrevivencia de precios mayor, respecto a una bencinera que tenga a bomberos llenando el estanque. Esto es significativo en todas las distribuciones. Similarmente, en PH Models la presencia de autoservicio reduce el riesgo a variar los precios
En la categoría bandera, para modelos Exponencial y Weibull las compañías que tienen menor sobrevivencia son aquellas pertenecientes a SHELL, en cambio para el resto de las distribuciones son las estaciones de COPEC las que poseen menor tiempo de supervivencia. En PH models, para las estimaciones semiparamétricas de Cox es COPEC la que muestra mayor propensión al cambio de precios, para el resto de especificaciones es SHELL la de mayor riesgo a la variación.
Para todos los modelos aquellas bencineras pertenecientes a la Región Metropolitana muestra un tiempo de vida más largo para sus precios, respecto a otras zonas, siendo en todos los modelos significativo. La zona VIII, IX Región exhibe menor sobrevivencia para modelos Exponencial y Weibull, para lognormal y loglogistic es la zona de VI, VII Región la que muestra menor sobrevivencia, por último en la distribución gamma son las bencineras pertenecientes a las regiones X, XI, XII, XIV las que presentan menor sobrevivencia. En los modelos de riesgo proporcionado, una bencinera de la Región Metropolitana presenta menor propensión al cambio.
Los tramos de cambio de precios anunciados por ENAP, son especificados sólo para modelos impares. Cuando la variación es entre 0-3 pesos, hay menor tiempo de sobrevivencia para el anuncio a la baja. En el tramo de cambio 3-6 pesos, para Exponencial, Weibull y log normal hay menor tiempo de sobrevivencia para alzas, en cambio, en loglogistic y gamma es menor la sobrevivencia para bajas. En el segmento de variación de 6-10 pesos, hay menor tiempo de sobrevivencia para todos los modelos, con excepción de la distribución gamma. Por último, para modificaciones superiores a 10 pesos, hay menor tiempo de vida para alzas en Weibull y Exponencial, lo contrario ocurre para el resto de las distribuciones. Estos resultados difieren un poco en los PH Models, dado que para anuncios mayores a 3 pesos muestran mayor propensión al cambio cuando hay alzas y en AFT Models, el menor tiempo de sobrevivencia no es para todos los anuncios al alza en las distintas especificaciones.
En la mayoría de los modelos, es el tipo diesel el que muestra menor tiempo de sobrevivencia respecto al resto de los combustibles, con excepción de dos modelos (9 y 11). En los modelos de riesgo proporcionado, también el tipo diesel muestra mayor propensión al cambio.
El número de competidores reduce el tiempo de sobrevivencia, sin embargo el componente cuadrático indica que esto tiene un comportamiento convexo. Esto es significativo en todos los modelos. Tal como en los modelos de riesgo proporcionado, el número de competidores aumenta el riego de cambio en los precios de las estaciones de servicio.
La densidad disminuye el tiempo de vida, aunque significativo en las distintas especificaciones, su efecto es muy cercano a cero.
Para modelos pares, el alza de precios revela menor tiempo de subsistencia de los precios, sin embargo esto ocurre hasta cierto valor, puesto que el componente cuadrático revela un comportamiento en forma convexo. Lo opuesto ocurre cuando hay una noticia de una baja por ENAP, hay un mayor prolongamiento del período de tiempo de sobrevivencia, sin embargo esto es en forma decreciente conforme aumenta la disminución de precios por ENAP.
Cuando se interactúa el alza de precios de ENAP con la variable negocios, no se muestra significancia. Un anuncio a la baja combinada con negocios incrementa el período de supervivencia de precios de manera convexa.
El tercer tipo de modelo a analizar es el PCE, los resultados no muestran mayores cambios en cuanto a los resultados expuestos en el modelo 1 (función exponencial en modelos de riesgo proporcionado). Para amenities,
tener tienda de conveniencia o servicio de mantención muestra en cualquier instante del tiempo mayor propensión al cambio, lo contrario sucede para bencineras que tienen baño público o autoservicio, el tener farmacias no muestra mayor significancia. Pertenecer a la compañía COPEC presenta mayor probabilidad de variación, así como ser de la zona de la VI y VII Región. Para tramos de anuncio de precios de ENAP, en 0-3 y 3-6 es más probable el cambio cuando hay baja, por el contrario, para los segmentos de 6-10 y mayor a 10 pesos es más proclive las modificaciones cuando hay alzas. El tipo diesel muestra tener más riesgo al cambio, respecto a los otros tipos de combustibles. El número de competidores presenta tener una significancia positiva en la modificación de precios de las bencineras, pero su respuesta muestra una concavidad. La densidad presenta una respuesta significativa y positiva, pero su coeficiente toma un valor muy cercano a cero.
Los tramos de tiempo se han dividido en segmentos de doce horas. Los resultados en forma detallada se hallan en la Tabla A3 y Figura A1, en la cual se ha normalizado a uno, indicando que el tramo que alcance dicho valor muestra mayor propensión al cambio. Se puede observar que el tramo donde se presenta mayor riesgo de cambio de precios es durante el tramo de la hora 36-48 hrs. (día jueves) una vez que los nuevos precios informados por ENAP se hacen efectivos. Otro tramo donde hay más riesgo al cambio de precios es entre la hora 60 a 72 (medio día a finales del viernes). Esto es consistente con las estimaciones no paramétricas que muestran a las estaciones de servicio preferentemente cambiar sus precios los días jueves y una menor proporción durante el transcurso del día viernes.
Resumiendo, las estimaciones obtenidas pueden sintetizarse en los siguientes aspectos. Para la categoría amenities, tanto los PH como AFT
models dan a entender que una bencinera que posee servicios de
mantención o tienda de conveniencia presentan mayor inclinación a la modificación de precios o menor tiempo de sobrevivencia. Este resultado es
contraintuitivo, dado que se espera que aquellas estaciones de servicio con servicios adicionales propios como estos dos descritos, repartan sus utilidades en los diferentes negocios, los cuales son bienes complementarios a las gasolineras. Entonces ante una modificación por parte de ENAP, las bencineras que poseen estos negocios deberían demorarse más en variar sus precios, respecto de una gasolinera que sólo margina vendiendo bencina.
El tener farmacia para ambas especificaciones muestra mayor probabilidad de cambio. Aunque a diferencia de los otros dos amenities
descritos en el párrafo anterior, esto no es significativo en todos los modelos. La bencinera no obtiene utilidades por la farmacia, salvo por el arriendo del espacio de la estación, por lo cual no debiese ser relevante a la hora de decidir si modificar o no los precios.
El que una estación de servicio tenga baño público o autoservicio reduce la probabilidad de cambio de precios. El baño público no es un negocio donde una gasolinera margine en gran cuantía como si lo haría por ejemplo con una tienda de conveniencia (minimarket), por lo cual no es relevante el análisis en este ítem, pero sí lo es en autoservicio. Aquellas bencineras que poseen esta característica se ahorran el costo que implica tener gente que llene el estanque de los autos, por lo tanto ante una variación informada por ENAP, una estación con autoservicio debiese reaccionar en forma más lenta al ajuste de sus precios que una sin autoservicio.
En cuanto a la bandera a la cual pertenecen las estaciones, los modelos señalan que aquellas pertenecientes a SHELL cambian más rápido sus precios en distribuciones de Weibull, Exponencial y Gompertz, el resto de las especificaciones señalan que esto ocurre con COPEC. Esta última compañía es la que acapara mayor poder de mercado con cerca de un 58% de acuerdo a estimaciones realizadas en su Memoria Anual del 2011, seguida con
SHELL con 12%. En consecuencia, el poder de mercado ejercido podría explicar el ajuste de precios en forma más acelerada por parte de COPEC. Para SHELL no es muy claro, dado que tiene una participación cercana a lo que posee TERPEL y PETROBRAS, según los datos obtenidos.
A la luz de lo obtenido, una bencinera que es de la Región Metropolitana debiese cambiar en forma más lenta sus precios luego de un anuncio de ENAP. Sobre la zona donde muestra más riesgo de modificación los resultados varían. En distribución Exponencial, Weibull y Gompertz presenta a la zona de la VIII y IX Región, en gamma son las regiones X, XI, XII, XIV las que tienen más riesgo de variar, para las demás distribuciones es la zona de la VI, VII Región las localidades con más propensión a modificar sus valores. No es claro la causa de porque es la Región Metropolitana la de menor riesgo a una variación en precios de ENAP. Una posible razón es que el mercado relevante en Santiago sea un radio de competencia menor y en consecuencia se enfrente con un menor número de competidores, respecto a una ciudad o comuna fuera de la Región Metropolitana.
Cuando se agrupa por tramos de anuncio de ENAP, en los modelos de riesgo y AFT para bajos cambios (0-3 pesos) hay mayor propensión al cambio (menor tiempo de sobreviviencia) cuando hay noticias de una baja por ENAP, cuando los anuncios de ENAP son mayores a 3 pesos, los resultados varían de acuerdo a la distribución. Para Weibull, Gompertz y Exponencial hay mayor propensión al cambio en alzas, cuando la variación es mayor a 3 pesos. Este ítem muestra que hay asimetría en el ajuste de precios, el riesgo varía si hay alzas respecto a bajas de ENAP para distinto tramo de anuncios.
El tipo de combustible que se muestra más proclive a una modificación de precios es el petróleo diesel en la mayoría de las especificaciones tanto en
Al controlar por número de competidores, esta variable muestra tener una influencia negativa y convexa en el tiempo de sobrevivencia en modelos AFT. Para los modelos PH y PCE, el número de competidores presenta un incremento en el riesgo de cambio, pero con comportamiento cóncavo. Esto es apoyado a lo encontrado por Faber (2011) en donde hay una mayor concentración de bencineras que ajustan sus precios asimétricamente respecto a los que no lo hacen.
La densidad es significativa e influencia el cambio de precios, pero su aporte porcentual es cercano a cero.
Tomando el anuncio de ENAP como alzas y bajas en una variable continua se muestra que existe una inclinación a un mayor cambio de precios dado una noticia de alza de ENAP. Al interactuar esta variable con negocios, alza con negocios no es significativo y baja con negocios si lo es. Aquellas bencineras que poseen algún negocio (farmacia, tienda de conveniencia o servicio mantención) y se enfrenta a una baja de precios de ENAP muestra menor tiempo de sobrevivencia en sus precios respecto a una estación que puede o no tener negocios adicionales. Dado que puede marginar con servicios adicionales, una bencinera podrá bajar sus precios de combustibles en forma más rápida, ya que obtiene rentas por el lado de los amenities que posea. Por otro lado, la no significancia de un alza con negocios puede explicarse en el hecho que una bencinera con negocios adicionales no se ve influenciada en modificar sus precios si hay un anuncio al alza, dado que margina no sólo por los combustibles, sino por otros servicios adicionales que presta.
La tercera especificación (Piecewise constant exponential) revela que los tramos con mayor riesgo de cambio son 36-48 horas, luego del comienzo del evento (Miércoles 0 horas), esto es durante el día jueves pasado mediodía
donde ya entra en vigencia los nuevos precios de ENAP. Otro segmento que muestra alto riesgo de variación es el que va de las 60 a 72 hrs. (medio día de viernes a fin de este). Esto es consistente con las estimaciones no paramétricas realizadas en un comienzo.
Conclusión
En el contexto del mercado chileno, asimetría de precios para combustibles se define como la situación en la cual dado un anuncio de ENAP de modificación de precios en sus productos refinados, una bencinera modifica sus precios en forma más rápida si hay una noticia de incremento versus una noticia de decremento, obteniendo así un margen de ganancia en el corto plazo.
La preocupación para la autoridad reguladora pasa por la forma en cómo reaccionan las bencineras cada vez que ENAP anuncia un nuevo listado de precios de sus productos refinados cada semana. La variable de decisión de las estaciones de servicio es la velocidad a la cual se modificaran los precios dado un cambio en sus costos.
Estimaciones no paramétricas dan a entender que si existe asimetría de precios pues dado el comienzo del evento (día miércoles 0 horas) la curva de sobrevivencia para alzas de precios está por debajo de la curva de baja de precios, esta diferencia se hace más notoria luego de la hora 50 aproximadamente. Cuando se separa por tramos de anuncio de ENAP, para bajos cambios de precios (0-3 pesos) hay una adopción más rápida en el cambio de precio por las bencineras para anuncios a la baja, esta situación se revierte para los tramos con cambios más altos por ENAP. Los test de igualdad de funciones indican que se rechaza la hipótesis nula de igualdad