Elasticidad precio de la demanda en la industria automotriz

Texto completo

(1)INSTITUTO TECNOLOGICO Y DE ESTUDIOS SUPERIORES DE MONTERREY. Proyecto de Investigación 11. Dr. Humberto Valencia. Elasticidad Precio de la Demanda en la Industria Automotriz. José Luis Cataneo 712559. 1TESM JVlJ-tU. .; MEXTCO. 01 •.tMPUS C ' BJ BWOi Ll,L~.

(2)

(3) INDICE GENERAL l. Introducción. 11. Marco Teórico 11.1 La demanda y sus determinantes 11.2 Elasticidades • Elasticidad precio de la demanda • Elasticidad cruzada precio de la demanda • Elasticidad ingreso de la demanda. 111. La Industria Automotriz en México 111.1 Segmentación de la Industria. 111.2 Participación en el mercado por segmento 111.3 Precios y volúmenes históricos.. IV. Análisis de Elasticidad de la Industria Automotriz. V.. Conclusiones Generales. VI. Bibliografía VII. Anexos. 2.

(4) 1.. INTRODUCCIÓN El Producto Interno Bruto (PIB) es la suma de los valores monetarios de. todos los bienes y servicios producidos durante un período determinado. En nuestro país, el PIB se encuentra dividido en nueve grades ramas de actividad económica, entre las que se encuentra la industria manufacturera, la cual representa poco más del 18% del PIB1. Ésta última presenta subdivisiones, la división Productos Metálicos, Maquinaria y Equipo, a la que pertenece la industria automotriz, representa casi el 20%. 2. de lo producido dentro de la. industria manufacturera.. La historia de la industria automotriz también nos ayuda a comprender algunos de los conceptos básicos de la teoría economica, debido a que las inovaciones tecnológicas y la original política laboral (que originó incrementos en la productividad de los trabajadores) fueron elementos clave que permitieron aprovechar las ventajas técnicas de la producción en serie con miras a ofrecer al mercado un mayor número de unidades a menor precio.. De aquí se deriva la importancia del análisis de la presente investigación, no sólo por lo que representa para el desarrollo y buen funcionamiento de DaimlerChrysler,. empresa. a la. que represento,. sino también. por las. implicaciones de las estrategias tomadas por las diferentes armadoras sobre las economías domésticas y del país.. Expuesto lo anterior, la presente investigación tiene como finalidad contar con una herramienta útil para evaluar los efectos que el cambio en precios tiene sobre la cantidad demandada de los vehículos dentro de los diferentes segmentos que existen en la industria automotriz. Esto se realizará a través de la estimación, por medio de análisis de regresiones, de las diferentes curvas de demanda del mercado por segmento y de algunos de los productos Chrysler; adicionalmente, se analizará la sensibilidad de la cantidad demandada ante 1. Fuente: INEGI, información al primer trimestre de 2003. 3.

(5) variaciones en precio a través del cálculo de elasticidades en las demandas estimadas.. Los resultados obtenidos en esta investigación dotará a la alta gerencia de información valiosa que servirá para la toma de decisiones y para determinar las estrategias a segir dentro del mercado, ya sea de mayores ingresos o permanencia en el mercado.. El análisis diario y el conocimiento del mercado nos da idea de que en el mercado se obervan las siguientes relaciones, las cuales se intentarán probar en la presente investigación:. ./ La demanda es elástica para los segmentos de autos subcompactos y compactos y los segmentos subcompactos y comerciales en camiones . ./ La demanda es más inelástica, en comparación con la anterior, en el resto de los segmentos de autos (lujo y minivan) y camiones (vans y camiones pesados) . ./ Una estrategia de maximizar ingresos no siempre será la mejor opción, debido a que ésta dependerá de la situación del mercado.. 11. MARCO TEÓRICO 11.1. LA DEMANDA Y SUS DETERMINANTES. El concepto de demanda describe el comportamiento de los individuos o empresas al adquirir un bien o servicio en el mercado. La cantidad demandada de un bien (mas no la cantidad que finalmente adquieren) es la cantidad que se está dispuesto a adquirir en un período determinado, el cual depende de varios factores como el precio del bien demandado, el precio de bienes relacionados, los precios futuros esperados, el ingreso y las preferencias. En términos 2. ldem. 4.

(6) generales, la experiencia sugiere que, a menores precios, las cantidades demandadas de los bienes aumentan, debido a que, si se observan precios más bajos en el mercado es muy probable que una mayor cantidad de personas adquieran el bien, además de que la probabilidad de que dicho bien o servicio sea adquirido en un período determinado de tiempo también aumenta, lo mismo sucede a la inversa.. La función de demanda de un bien es la relación entre la cantidad demandada de un bien y su precios, es decir, la curva de demandada explica la cantidad demandada que un individuo o empresa esta dispuesto a adquirir a diferentes precios del bien demandado, manteniendo constantes todos los demás factores.. 11.2. ELASTICIDADES. La elasticidad es una medida de sensibilidad que nos indica los efectos que los cambios en precios e ingreso tienen sobre la cantidad demandada de los bienes. Este concepto se utiliza muy frecuentemente para abordar muchas situaciones en las que son importantes las magnitudes, y lo utilizamos para comprender mejor como se ajusta el mercado a las variaciones de los determinantes de la demanda y la oferta. Por el lado de la demanda 3 , existen básicamente tres medidas de sensibilidad ante cambios en precios: a. Elasticidad precio de la demanda b. Elasticidad cruzada precio de la demanda a. Elasticidad ingreso de la demanda 4. 3. De igual forma es posible el cálculo de las elasticidades por el lado de la oferta, sin embargo,. no es objeto de este análisis. 4. Dado que no se realizarán análisis de elasticidad ingreso, ésta sólo se mencionará.. 5.

(7) Elasticidad Precio de la Demanda. La elasticidad precio de la demanda mide la sensibilidad de la cantidad demandada de un bien ante una variación en su precio.. También se define como el aumento porcentual que experimenta la cantidad demandada cuando el precio baja un punto porcentual, manteniéndose constantes todos los demás factores que afectan a la cantidad demandada. Se dice que la demanda es elástica si la elasticidad precio de la demanda es mayor a uno; inelástica, si la elasticidad es menor a uno y, unitaria, si la elasticidad es igual a uno. Entre mayor sea la elasticidad precio de la demanda, más sensible es la cantidad demandada a variaciones en el precio y se dice que la demanda es más elástica. Uno de los factores más importantes que determina el grado de sensibilidad de la elasticidad precio de la demanda es la existencia de los bienes sustitutos. 5. .. Un determinante importante del grado en que puede sustituirse un. bien por otro es el tiempo que se tarda en realizar un ajuste dado cambios en el precio, cuando se tiene más tiempo para realizar la sustitución entre bienes o servicios, la elasticidad de la demanda generalmente es mayor.. El cálculo de la elasticidad precio de la demanda se realiza a través de la siguiente fórmula:. Elasticidad Precio de la Demanda = Variación Porcentual de la Cantidad Demandada Variación Porcentual del Precio. Donde r¡p es elasticidad; O, es la cantidad demandada final, O; es la cantidad demandada inicial; P, es el Precio final y P; es el Precio Inicial.. 5. Dos bienes son sustitutos si una subida del precio de uno eleva la cantidad demandada del otro. cualquiera que sea el precio de este último. Los bienes son complementarios si la subida del precio de uno reduce la cantidad demandada del otro.. 6.

(8) Debido a que la elasticidad mide cambios procentuales, la elasticidad a lo largo de la curva de demanda no es la misma, ya que la elasticidad es elevada cuando los precios son altos y baja cuando éstos son bajos. 6. ,. porque a pesar de. que los cambios tanto en la cantidad demandada como en precio sean siempre por el mismo monto absoluto (si la demanda considerada es lineal), el cambio porcentual dependerá del valor inicial que analicemos. 100 90 80. p. 70. e e. 60. o. 50 40 30 20 1O. o o. 10. 20. 30. 40. 50. 60. 70. 80. 90. 100. Cantidad. En nuestro análisis, mediremos la elasticidad precio de la demanda para algunos de los productos Dodge, Chrysler, Jeep y revisaremos el impacto que tiene sobre las estrategias de maximización de ingresos y permanencia en el mercado.. Elasticidad Cruzada Precio de la Demanda. La elasticidad cruzada precio de la demanda mide la sensibilidad de la cantidad demandada de un bien a una variación de precio de otro bien, es decir, es la variación porcentual que experimenta la cantidad demandada de un bien cuando sube un punto porcentual el precio de otro.. La elasticidad cruzada precio de la demanda se calcula mendiante la siguiente fórmula:. Elasticidad Cruzada Precio de la Demanda = Variación Porcentual de la Cantidad Demandada del bien x Variación Porcentual del Precio del Bien y. 6. Lo cual no es necesariamente cierto si las demandas no son lineales.. 7.

(9) Q /t - Q ix. r¡. Q ix p !Y - P¡y P¡y. Donde r¡ es elasticidad; Orx es la cantidad demandada final del bien "x", O;x es la cantidad demandada inicial del bien "x";. Pry es el precio final del bien. "y"; y P;y es el precio Inicial del bien "y".. Cuanto mayores son las elasticidades cruzadas entre cualquier par de bienes, más fácil es para los compradores sustituir uno por otro.. Elasticidad Ingreso de la Demanda. Esta elasticidad mide la respuesta de la cantidad demandada de un bien a una variación en el ingreso de los individuos y nos indica la variación porcentual que experimenta la cantidad demandada cuando aumenta el ingreso en un punto porcentual.. 111. LA INDUSTRIA AUTOMOTRIZ EN 111.1. MÉXICO. SEGMENTACIÓN DE LA INDUSTRIA. La industria automotriz está dividida en varios segmentos dependiendo de las especificaciones de los vehículos: Autos. •. Subcompacto •. Son unidades con una distancia entre ejes hasta. 2,475 mm; con un motor de 4 cilindros de 1.6 ó 1.8 litros de desplazamiento y potencia hasta de 11 O caballos de fuerza (HP). Por ejemplo: Atas, Chevy. •. Compacto*. Son unidades con una distancia entre ejes de 2,476 a. 2,700 mm; con motores de 4 ó 6 cilindros de 2.5 a 3.1 litros de. • Con participación de DaimlerChrysler en el segmento. 8.

(10) desplazamiento y potencia de 11 O a 135 HP. Por ejemplo: Stratus, Jetta, Cavalier. Deportivos*. Son unidades con una distancia entre ejes de 2,601. •. a 3,000 mm; con motores de 4, 6 y 8 cilindros de 2.0 a 4.6 litros de desplazamiento y potencia de 160 a 295 HP, estas unidades también poseen dispositivos especiales en su motor (turbo cargadores o un junior número de válvulas en cada cilindro). Por ejemplo: Viper, Corvette. Lujo*. Son unidades con una distancia entre ejes de 2,600 a 3,000. •. mm; con un motor de 4, 6, 8 ó 12 cilindros, de 3.2 a 6.0 litros de desplazamiento y potencia de 136 a 394 HP. Por ejemplo: Mercedes Benz Clase C, Audi A3, Jaguar, BMW. Minivan*. Son unidades con una distancia entre ejes de 2,800 a. •. 3,000 mm; con un motor de. 6 cilindros, de 3. 7 litros de. desplazamiento y potencia de 180 a 215 HP Camiones. •. 1. .. Ligeros Clase 1. Camiones con peso bruto vehicular inferior a. 2,721 kg. •. Ligeros Clase 2. Camiones con peso bruto vehicular entre 2,722 y. 4,536 kg. •. Ligeros Clase 3: Camiones con peso bruto vehicular entre 4,537 y. 6,350 kg. •. Pesados Clase 7: Camiones con peso bruto vehicular entre. 11,794 y 14,698 km. 111.2. PARTICIPACIÓN EN EL MERCADO POR SEGMENTO. De acuerdo con las últimas cifras reportadas en la Asociación Mexicana de la Industria Automotriz (AMIA), la participación estimada para este año del mercado por segmento es como sigue:. 7. Los criterios para determinar las clases en camiones son los mismos que se utilizan en los Estados Unidos de Norteamérica y Canadá y los especificados por la AMIA. 9.

(11) INDUSTRIA AUTOMOTRIZ Volumen acumulado 2003. SEGMENTO. VOLUMEN. PARTICIPACIÓN. AUTOS Subcompacto Compacto Especial Lujo M inivan Total A u tos. 182,946 83,087 1,657 10,102 12,146 2_~9,938. 63% 29% 1% 3% 4% 73%. CAMIONES Utility Sport Utility Small Pick Up Comerciales Light Cargo C lass 6 Cargo Class 7 Class 8 Tracto Pesados Total Camiones. 7,716 31,918 25,794 19,656 10,228 158 1,413 4,763 3,093 1,288 106,027. 7% 30% 24% 19% 10% 0% 1% 4% 3% 1% 27%. TOTAL INDUSTRIA. 395,965. 100%. 111.3 PRECIOS Y VOLÚMENES HISTÓRICOS El análisis de la elasticidad precio de la demanda se realizó con la información histórica del período comprendido entre el 1 de Enero de 2000 y el 31 de Diciembre de 2002. 8. ,. los datos de volúmen y precio se obtuvieron en. forma mensual lo que representan 36 datos para cada uno de los segmentos Autos (Subcompactos, Compactos, Minivan y Lujo) y de Camiones (Pequeños, Comerciales, Ligeros y Sport Utilities) y de por cada una de las marcas analizadas. 9. .. A continuacion se muestra un cuadro resumen de cada segmento y. por cada año del período revisado.. 8. La información de volúmenes por segmento y por fabricante se obtuvieron de la AMIA La información de precios se recopilo de JATO (base de datos de precios de la industria automotriz). 9. 10.

(12) 2001. Volumen 2002. Precio Ponderado 2002. 2001. 2003. 2003. AUTOS Subcompactos. 359,913. 421,257. 465,584. Compactos. 192,652. 205,613. 198,616. Minivan. 36,004. 39,119. 35,984. Lujo. 27,784. 29,172. 25,754. 616,353. 695,161. 725,938. Total. $ $ $ $ $. $ $ 271,354 $ 335,850 $ 142,446 $ 98,627. 97,637. 172,325. 169,838 281,056 390,363 141,598. $ $ $ $ $. 94,712 168,372 285,883 398,659 135,124. CAMIONES. 189,622. $ $ $ $ $. 915,560. $. Small. 62,962. 61,105. 62,577. Comerciales. 62,371. 51,862. 49,189. Light. 31,271. 26,525. 28,414. suv. 36,468. 40,901. 49,442. Total. 193,072. 180,393. Total. 809,425. 875,554. IV.. ANÁLISIS. DE. 198,306. $ $ $ $ $. $ $ 196,973 $ 320,436 $ 201,577 $. 155,771. $. 153,956. 141,690 180,034 194,541 330,535. ELASTICIDAD DE. 143,638. 143,529. 178,458. 170,514. $. 191,163 306,157 200,070 148,575. LA INDUSTRIA. AUTOMOTRIZ Como se mencionó anteriormente, la elasticidad del precio de la demanda se determina en función a los cambios en volúmen y precio del producto, para nuestro análisis el cálculo lo realizamos a través regresiones.. La metodología utilizada consistió en determinar el precio promedio mensual ponderado (el promedio se obtuvo de la sumatoria de los cocientes determinados de multiplicar el precio unitario por el volúmen de cada marca participante y el resultado se dividió entre el volumen total del mes) de cada segmento. Una vez obtenido este ponderado se obtuvo el logaritmo base 1O natural. 10. de cada una de las 36 observaciones para precio y volumen. La. descripción del análisis se revisará a partir del segmento de subcompactos.. JO. Esta transformación nos ayudará a estabilizar la varianza de las series en cuentión.. 11.

(13) PRECIOS Y VOLUMENES AUTOS SUBCOMPACTOS. P. Unitario. 2002. 2001. 2000 Cantidad. Cantidad. P. Unitario. P. Unitario. Cantidad. ENERO. 98,769. 98,769. 100,970. 36,290. 94,324. 46,238. FEBRERO. 98,203. 98,203. 96,881. 35,389. 92,657. 38,551. 99,001. 99,001. 99,306. 33,740. 92,047. 34,598. ABRIL. 100,718. 100,718. 100,797. 26,020. 93,194. 36,654. MAYO. 101,607. 101,607. 96,314. 30,810. 96,244. 36,362. JUNIO. 99,312. 99,312. 99,598. 32,728. 96,211. 34,247. JULIO. 99,292. 99,292. 95,190. 33,901. 95,322. 37,675. AGOSTO. 99,503. 99,503. 97,593. 38,928. 94,895. 39,855. SEPTIEMBRE. 99,973. 99,973. 99,843. 33,210. 94,097. 33,524. OCTUBRE. 96,576. 96,576. 97,134. 34,652. 95,480. 39,062. NOVIEMBRE. 96,681. 96,681. 95,264. 38,064. 95,690. 38,020. DICIEMBRE. 96,337. 96,337. 94,752. 47,525. 95,912. 50,798. MARZO. LOGARITMO DE PRECIOS Y VOLUMENES SUBCOMPACTOS 2000 P. Unitario. 2001 Cantidad. ENERO. 11.50053. 10.21457. FEBRERO. 11.49479. 10.20374. MARZO. 11.50288. 10.23470. P. Unitario 11.52258. 2002 Cantidad. P. Unitario. Cantidad. 10.49930. 11.45449. 10.74156. 11.48123. 10.47416. 11.43666. 10.55974. 11.50596. 10.42644. 11.43005. 10.45155. ABRIL. 11.52008. 10.03351. 11.52086. 10.16662. 11.44244. 10.50928. MAYO JUNIO. 11.52887. 10.19757. 11.47537. 10.33559. 11.47464. 10.50128. 11.50603. 10.25228. 11.50889. 10.39599. 11.47430. 10.44135. JULIO. 11.50582. 10.24046. 11.46363. 10.43120. 11.46502. 10.53675. AGOSTO. 11.50794. 10.29337. 11.48856. 10.56947. 11.46052. 10.59300. SEPTIEMBRE. 11.51265. 10.33172. 11.51135. 10.41061. 11.45208. 10.42002. OCTUBRE. 11.47808. 10.39087. 11.48385. 10.45311. 11.46667. 10.57291. NOVIEMBRE. 11.47917. 10.47534. 11.46440. 10.54702. 11.46887. 10.54587. DICIEMBRE. 11.47560. 10.68196. 11.45902. 10.76901. 11.47118. 10.83561. 12.

(14) El análisis de regresiones que se realizó para cada uno de los segmentos de autos y camiones fue a través del método de Mínimos Cuadrados Ordinarios (MCO). Es importante mencionar que cuando se estima una regresión por este método con series que no son estacionarias. 11. los resultados de las regresiones. obtenidas pueden ser espurea 12 , por lo que es de suma importancia realizar el análisis con series que sí lo sean. Cuando alguna variable no lo es, es necesario aplicarle alguna transformación. para volverla estacionaria.. Una de las. transformaciones más comunes es el operador diferencia, cuando se aplica una transformación de este tipo, se pierde información de largo plazo ya que se elimina su tendencia determinista, por lo que nos ayuda a eliminar efectos estacionarios, la serie resultante se conoce como proceso integrado13 .. Las series utilizadas para el presente trabajo fueron previamente analizadas para obtener series estacionarias y con ellas modelos y relaciones confiables.. Las variables originales están definidas como Price y Vol para identificar al Precio y Volumen respectivamente; las letras LN manifiestan que a la serie original se le aplicó un logaritmo base 1O; la letra D, identifica una primera diferencia en la serie. A continuación se expondrán los resultados de la regresión para el caso del segmento de Autos Subcompactos, los demás resultados y el análisis de los residuales se presentarán en los Anexos.. 11. Se dice que un proceso es estacionario de primer orden cuando su primer momento (esperanza o promedio) no depende del tiempo. 12 Ya que los supuestos de la teoría clasica de regresiones se invalidan. 13 Una serie integrada es aquella que originalmente no es estacionaria, pero al aplicarle alguna transformación se convienrte en estacionaria. El operador diferencia esta definido por ~dY1=(1L}dY1 donde d son las veces que necesita ser diferenciada Y, para lograr la estacionariedad. Las regresiones generadas con variables estacionarias deberán arrojar residuales estacionarios, lo cual se puede comprobar con las gráficas de los correlogramas de los residuales presentadas en el Anexo. Si los residuales se encuentran dentro de las bandas de confianza, se dice que los residuales son estacionarios. Estadíasticamente la hipótesis nula es estacionariedad en la serie y la hipótesis alterna es no estacionariedad en la serie.. 13.

(15) RESULTADO CALCULO REGRESION SEGMENTO DE SUBCOMPACTOS Dependent Variable: LNVOL Method: Least Squares Date: 07 /061D3 Time: 13:39 Sample(adjusted): 2001 :02 2002: 12 lncluded observations: 23 after adjusting endpoints Variable. Coefficient. Std. Error. t-Statistic. Prob.. e. 47.52746 -3.227891 0.483265. 12.21216 1.064553 0.195698. 3.891816 -3.032157 2.469440. 0.0009 0.0066 0.0227. LNPRICE DLNVOL(-12) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat. 0.404627 0.345089 0.116011 0.269170 18.51535 1.559703. Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic). 10.50818 0.143353 -1.349161 -1.201053 6.796181 0.005596. El modelo resultante de la regresión anterior es: DLNVOL= -3.22DLNPRICE + 0.48 DLNVOL12 +. E. La variable DLNVOL1 2 nos indica que la variable ha sido rezagada doce períodos con el fin de eliminar la estacionalidad de la serie y de obtener un modelo con residuales estacionarios,. E.. Esta misma metodología se aplicó para. las demás regresiones obtenidas.. Para este caso, la elasticidad está dada por el coeficiente de la variable DLNPRICE, los resultados y la interpretación se darán en la parte V Conclusiones Generales.. ANALISIS DE RESIDUALES DE LA REGRESION DE SUBCOMPACTOS. Por lo expuesto anteriormente, es importante analizar los residuales obtenidos en las regresiones, ya que a través de la observación de éstos podemos realizar ajustes a nuestras regresiones identificando el número de rezagos con las que están relacionados los residuales y eliminar efectos de estacionalidad, ya que estos efectos pueden ser ajustados dentro de los modelos de regresión. 14.

(16) Los residuales obtenidos de la regresión anterior se presentan a continuación:. Cuadro de residuales de e-views Sample: 2001 :02 2002: 12 lncluded observations: 23 Autocorrelation. AC. Partial Correlation 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21. 0.123 -0.128 -0.101 -0.005 -0.022 -0.150 -0.228 -0.239 -0.199 0.151 0.281 0.131 0.052 0.023 0.003 0.140 -0.089 -0.018 -0.193 -0.063 0.020. PAC. Q-Stat. Prob. 0.123 -0.145 -0.068 -0.001 -0.046 -0.155 -0.212 -0.266 -0.309 0.023 0.140 0.071 0.064 -0.049 -0.175 0.040 -0.131 0.178 0.017 0.145 0.010. 0.3941 0.8402 1.1353 1.1362 1.1520 1.9105 3. 7724 5.9584 7.5791 8.5925 12.380 13 282 13.436 13.470 13.470 15.082 15.840 15.878 21.227 21.989 22.104. 0.530 0.657 O. 769 0.888 0.949 0.928 0.806 0.652 0.577 0.571 0.336 0.349 0.415 0.490 0.566 0.519 0.535 0.601 0.324 0.341 0.394. Los residuales se encuentran dentro de las bandas de confianza tanto para la correlación parcial como para la autocorrelación, por lo que podemos concluir que los residuales generados son estacionarios y nuestro modelo confiable.. 15.

(17) V.. CONCLUSIONES GENERALES Como. resultado. de. la. metodología. anteriormente. explicada,. a. continuación se presentarán los resultados obtenidos para los segmentos de la industria automotriz, así como los obtenidos para los productos que comercializa Chrysler.. El planteamiento inicial de esta investigación fue comprobar que el precio es una variable preponderante ya que, en el mercado competitivo de la industria automotriz, éstos están determinados por la Ley de la Oferta y la Demanda. Los descuentos y planes de financiamiento son variables que reducen el precio de venta y motivan la compra teniendo como resultado un incremento en los volúmenes.. Para comprender lo anterior tomaremos como referencia la elasticidad precio obtenida en el segmento de Subcompactos la cual fue de 3.23%, este valor nos indica que al incrementar en 1% el precio de las unidades contenidas en este segmento, su volumen disminuirá en 3.23% y, viceversa, al disminuir en 1% el precio el volumen se incrementará en 3.23%.. Para comprobar las hipótesis mencionadas en la introducción es necesario mencionar las elasticidades, tanto para autos como para camiones, que se obtuvieron con los modelos estimados. Los resultados que arrojan los modelos son los siguientes:. Lograitmo Base1 O. Diferencia en logaritmo. Subcompactos. 3.23. na. Compactos. 2.04. 4.08. Minivan. 0.20. 3.16. Lujo. 2.38. na. Camión Pequeño. 0.98. 0.77. SEGMENTO. 16.

(18) Camión Comercial. 2.49. 2.38. Camión Ligero. 1.77. 1.64. suv. 0.23. 2.08. na. 2.88. Total Industria na: No aplica. El análisis para autos en los segmentos de Subcompactos, Compactos y Minivan, nos arroja que cuentan con una elasticidad precio demanda elástica, esto se desprende del resultado obtenido (al ser la elasticidad mayor a uno). Lo mismo sucede para el caso de camiones en los segmentos Comerciales, Ligeros y SUV. Para el caso del segmento Camiones Pequeños no es posible obtener resultados debido a que los parámetros de las variables estimadas para la curva de demanda fueron no significativos (ver los resultados de la regresión de este segmento en el anexo), ya que no cumplieron con los supuestos de la teoría econométrica, por lo que no se puede realizar ninguna conclusión en este segmento.. La dos primeras hipótesis a comprobar es que los segmentos de autos subcompactos. y. compactos. presentan. elasticidades. más. grandes. en. comparación con las elasticidades de los demás segmentos, esto queda demostrado si observamos los resultados obtenidos en la tabla anteiror. Por tal motivo, la disminución del precio en los vehículos ha sido determinante para la permanencia en el mercado de una armandora, debido a que se incrementa la participación de ésta dentro del segmento.. A continuación presentaremos los resultados de las elasticidades de los productos Chrysler obtenidas bajo la misma metodología:. 17.

(19) Elasticidad DCM. Elasticidad Segmento. Atos. 0.08. 3.23. Neon. 1.99. 4.08. Stratus. 3.29. 4.08. PT Cruiser. 4.91. 4.08. Cirrus. 4.07. 4.08. 300M. (24.79). 2.38. Voyager. 2.97. 3.16. Town & Country. 4.23. 3.16. Ram 1500. 4.45. 2.38. Ram 2500. 2.04. 2.38. Ram 3500. 10.44. 1.64. Grand Cherokee. 3.46. 2.08. CJ). Durango. (4.69). 2.08. 3:. Wrangler. 5.46. 2.08. (1.96) 14. 2.08. Vehículo. Liberty. Como lo demuestran los resultados, en todos los casos (excepto Atas) las demandas de los productos Chrysler son elásticas puesto que éstas son mayores a uno, lo cual es consistente con los resultados obtenidos en el análisis por segmentos.. Las elasticidades anteriormente presentadas (excepto las anteriores mencionadas), nos demuestra que una estrategia de maximización de ingresos va de la mano con una estrategia de permanencia en el mercado. Para maximizar el beneficio y para incrementar la penetración de los productos en el mercado es necesario disminuir los precios hasta el punto donde la elasticidad 14. Para Liberty el resultado de la elasticidad fué calculado en base a 17 observaciones por lo cual se. presenta solo en forma ilustrativa mas no representa la cifra real. 18. -. -f. fT1. n n • 3: • •.

(20) del producto sea igual a uno. Cabe destacar que esto no sucedería así si las demandas de los productos Chrysler fueran inelásticas ya que con un incremento en precios se obtendrían mayores ingresos, pero contrariamente, la participación dentro del mercado se vería disminuida.. Con tales resultados y con las condiciones que imperan actualmente en el mercado, podemos concluir que la elasticidad de los vehículos es alta debido a la presencia de bienes sustitutos y a que el tiempo es una factor determinante para este grado de sensibilidad, ya que existe un mayor plazo para realizar los ajustes necesarios antes de tomar la decisión de compra de un vehículo.. Para el caso del Atas los modelos generados resultan no significativo a pesar de que las series en cuestion son estacionarias, lo cual nos indica que no existe relación alguna entre el precio del mercado y la cantidad demandada del mismo.. Podemos mencionar que el Atas es un vehículo no representativo del segmento al que pertenece, debido a las características del mismo y al precio que se observa en el mercado.. 19.

(21) VII. BIBLIOGRAFIA. •!•. STIGLITZ, J. (2002). "Macroeconomía". Editorial Ariel 2a Ed. México pp . 2131, 78-86.. •!•. FISHERr, S., et al. ( 1999). Economía. Me Graw Hill. México pp. 95-124.. •!•. JATO Base de Datos. Precios e Incentivos en la industria Automotriz. México. •!•. Asociación Mexicana de la Industria Automotriz (AMIA). Volúmenes Históricos en México 1998 - 2003. México.. •!•. NARANJO, A. (1996) "Relación de largo plazo del indicador bursátil mexicano con el de Estados Unidos, el Japón, el Reino Unido y el de Singapur: Un análisis divariado de cointegración y mecanismo de corrección de errores". Tesis de Licenciatura. Instituto Tecnológico Autónomo de México.. •!•. GUERRERO, V. (1991 ). "Análisis Estadístico de Series de Tiempo Económicas". Universidad Nacional Autónoma de México. México.. 20.

(22) VII. ANEXOS Segmentos CORRELOGRAMAS DE RESIDUALES. REGRESIONES. Segmento Compactos Sample 2001 :02 200212 lncluded observations: 23. Dependen! Variable: DLNVOLUMEN Method: Leas! Squares Date: 07/01/03 Time: 20:02 Sample(adjusted): 2001 :02 2002: 12 lncluded observations: 23 after adjusting endpoints. Autocorrelation. Variable. Coefficient. Std. Error. 1-Statistic. Prob.. e. -0.013185 -4.078418 0.447474. 0.029489 2.164742 0.208022. -0.447102 -1.884020 2.151090. 0.6596 0.0742 0.0439. DLNPRICE DLNVOLUMEN(-12) R-squared Adjusted R-squared S.E of regression Sum squared resid Log likelihood Durbin-Watson sial. 0.526658 0.479324 0.139030 0.386587 14.35217 2.395747. Mean dependen! var S.D. dependen! var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic). Partial Correlation. AC 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21. 0.011284 0.192675 -0.987145 -0.839037 11.12638 0.000565. PAC. Q-Stat. Prob. -0.221 -0.211 -0.094 -0.037 0.344 -0.069 -0.237 -0.201 0.271 0.120 -0.192 0.091 -0.162 0.230 0.013 -0.101 0.025 -0.095 0.075 -0.038 -0010. -0.221 -0.273 -D.242 -D.235 0.216 0.045 -0.142 -D.337 0065 --0015 -0.216 0.161 0.007 0.066 -0.104 0.090 0.081 -0.127 -0.107 0.045 -0.052. 1.2757 2.4895 2.7432 2.7842 6.5552 6.7182 8.7418 10.285 13.311 13.945 15.705 16.140 17.655 21.038 21.050 21.887 21.947 22.987 23.804 24.083 24.111. 0.259 0.288 0.433 0.595 0.256 0.348 0.272 0.246 0.149 0.175 0.152 0.185 0.171 0.101 0.135 0.147 0.187 0.191 0.204 0.239 0.288. AC. PAC. Q-Stat. Prob. -0.234 0.014 -0.046 0.311 -0.062 0.113 -0.143 0.067 -D.114 -0.250 -0.088 -0.002 0020 -0.012 -0.040 -0.122 -0.134 0.060 0028 -0.010 0.067. 1.4339 1.5624 1.6767 4.7579 5.9510 6.9124 8.1676 9.8085 11.585 11.843 12.499 13.639 15.224 15.226 16.056 16.064 17.791 19.178 19.426 19.583 19.592. 0.231 0.458 0.642 0.313 0.311 0.329 0.318 0.279 0.238 0.296 0.327 0.324 0.294 0.363 0.378 0.448 0.402 0.381 0.430 0.484 0.547. Segmento Minivan Dependen! Variable: DLNVOL Method Leas! Squares Date: 07 /01 /03 Time: 20:00 Sample(adjusted): 2001 :02 2002: 12 lncluded observations: 23 after adjusting endpoints Newey-West HAC Standard Errors & Covariance (lag truncation=2). Sample 200102200212 lncluded observations: 23 Autocorrelation. Variable. Coefficient. Std. Error. t-Statistic. Prob.. DLNPRICE. -3.161482 -0.026871 0.573301 -0.333752. 1.484044 0.024210 0.137209 0.103393. -2.130316 -1.109909 4.178314 -3.228010. 0.0464 0.2809 0.0005 0.0044. e. DLNVOL(-12) DLNVOL(-1) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat. 0.757475 0.719182 0.129235 0.317334 16.62231 2.096575. Mean dependen! var S. D. dependen! var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic). 0.002715 0.243876 -1.097592 -0.900115 19.78082 0.000005. 21. Partial Correlation 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21. -0.234 0.068 -0.063 0.319 -0.193 0.169 -0.187 0.207 -0.208 -0.076 -0.117 0.148 -0.166 -0.005 -0.107 -0.010 -O 134 0.110 -0.042 0.029 -0.006.

(23) Segmento Lujo Sample: 2001 :02 2002:12 lncluded observations: 23. Dependen! Variable: LNVOLUMEN Method: Least Squares Date: 071D6J03 Time: 14:02 Sample(adjusted): 2001:022002:12 lncluded observations: 23 after adjusting endpoints. Autocorrelation. Variable. Coefficient. Std. Error. t-Statistic. Prob.. e. 38.51187 -2.389558 0.164078. 10.29344 0.798790 0.195146. 3.741398 -2.991473 0.840800. 0.0013 0.0072 0.4104. LNPRECIO DLNVOLUMEN(-12) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat. 0.309140 0.240054 0.121353 0.294533 17.47977 1.340337. Mean dependen! var S. D. dependen! var Akaike info criterion Schwarz criterion ·F-statistic Prob(F-statistic). Partial Correlation. AC 1 0.279 2 0.271 3 -0.060 4 0.082 5 0.029 6 -0.050 7 -0.063 8 -0.341 9 -0.196 10 -0.374 11 -0.133 12 -0.274 13 -0.034 14 0.017 15 0.048 16 0.065 17 0.031 18 -0.003 19 0.042 20 0.084 21 0.035. 7.719480 0.139207 -1.259111 -1.111003 4.474712 0.024769. PAC Q-Stat Prob 0.279 0.210 -0.201 O. 100 0.064 -0.158 -0.014 -0.319 -0.058 -0.204 -0.053 -0.143 0.048 0.127 -0.044 -0.038 -0.006 -0.279 0.011 -0.124 -0.117. 2.0286 4.0378 4.1396 4.3414 4.3691 4.4524 4.5936 9.0567 10.639 16.823 17.672 21.610 21.676 21.694 21.862 22.204 22.295 22.296 22.550 23.894 24.243. O 154 0.133 0.247 0.362 0.498 0.616 0.709 0.338 0.301 0.078 O.D90 0.042 0.061 0.085 0.111 0.137 0.17 4 0.219 0.258 0.247 0.281. PAC. Q-Stat. Prob. -0.359 -0.447 -0.305 -0.256 -0.132 0.151 -0.208 -0.228 -0.178 -0.040 0.026 -0.075 -0.085 0.035 -0.021 -0.054 0.141 0000 0.047 -0. 168 0.030. 3.3609 5.2267 5.4268 5.5035 5.5479 5.9504 9.6668 9.7495 11.277 11.293 11.676 12.103 12.138 14.573 15.174 16.498 17.989 18.475 19.208 20.519 20.731. 0.067 0.073 0.143 0.239 0.353 0.429 0.208 0.283 0.257 0.335 0.389 0.437 0.516 0.408 0.439 0.419 0.390 0.425 0.444 0.426 0.475. Segmento Camión Pequeño Sample: 2001 :02 2002: 12 lncluded observations: 23. Dependen! Variable: DLNVOL Method: Leas! Squares Date:07ffi6J03 Time: 14:11 Sample(adjusted): 2001 :02 2002: 12 lncluded observations: 23 after adjusting endpoints. Autocorrelation. Variable. Coefficient. Std. Error. t-Statistic. Prob.. e. 0.006087 0.766494 0.360973. 0.024699 1.851310 0.149631. 0.246452 0.414028 2.412423. 0.8078 0.6833 0.0256. DLNPRICE DLNVOL(-12) R-squared Adjusted R-squared S. E. of regression Sum squared resid Log likelihood Durbin-Watson sial. 0.235469 0.159016 0.118212 0.279483 18.08296 2.663826. Mean dependen! var S.D. dependen! var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic). 0.008618 0.128905 -1.311562 -1.163454 3.079921 0.068226. 22. Partial Correlation. AC 1 -0.359 2 -0.261 3 0.083 4 0.050 5 0.037 6 0.109 7 -0.322 8 0.046 9 0193 10 0.019 11 -0.089 12 -0.090 13 0.025 14 0.195 15 -0.091 16 -0.127 17 0.125 18 -0.065 19 0.071 20 -0.083 21 0.027.

(24) Segmento Comercial Sample 2001 02 2002:12 lncluded observations: 23. Dependent Variable: DLNVOLUMEN Method: Least Squares Date: 071D11D3 Time: 19:47 Sample(adjusted): 2001 :02 2002: 12 lncluded observations: 23 after adjusting endpoints. Autocorrelation. Variable. Coefficient. Std. Error. t-Statistic. Prob.. e. -0.009252 -2.386634 0.802563. 0.033272 1.159399 0.196307. -0.278062 -2.058509 4.088299. 0.7838 0.0528 0.0006. DLNPRECIO DLNVOLUMEN(-12) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat. 0.608062 0.568868 0.157569 0.496561 11.47315 2.894687. Mean dependent var S. D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic). Partial Correlation. AC. PAC Q-Stat Prob. 1 -0.458 -0.458 2 0.176 -0.043 3-0.154-0.113 4 -0.045 -0.198 5 -0.148 -0.324 6 0.342 0.189 7 -0.268 -0.071 8 0.247 0.027 9 -0.096 0.081 10 -0.176 -0.232 11 0.078 -0.055 12 -0.064 -0.157 13 0090 0.075 14 0.042 -0.051 15 -0.002 -0.043 16 -0.087 -0.005 17 0.111 0.027 18 -0.179 -0.012 19 O158 -0.026 20 -0.087 -0.043 21 0.019 -0.123. 0.016474 0.239975 -0.736796 -0.588688 15.51424 0.000086. 5.4805 6.3281 7.0097 7.0703 7.7737 11.725 14.298 16.644 17.019 18.389 18.682 18.899 19.366 19.481 19.481 20.108 21.291 24.990 28.561 29.996 30.099. 0.019 0.042 0072 0.132 0.169 0.068 0.046 0.034 0.048 0.049 0.067 0.091 0.112 0.147 0.193 0.215 0.214 0.125 0.073 0.070 0090. Segmento Ligero Sample: 2001 :02 2002: 12 lncluded observations: 23. Dependen! Variable: DLNVOLUMEN Method: Leas! Squares Date: 071D1/03 Time: 19:52 Sample(adjusted): 2001 :02 2002: 12 lncluded observations: 23 after adjusting endpoints. Autocorrelation. Variable. Coefficient. Std. Error. t-Statistic. Prob.. e. 0.001275 -1.640383 0.121446. 0.026342 1.364726 0.180385. 0.048407 -1.201988 0.673262. 0.9619 0.2434 0.5085. DLNPRECIO DLNVOLUMEN(-12) R-squared Adjusted R-squared S. E. of regression Sum squared resid Lag likelihood Durbin-Watson sial. 0.110654 0.021720 0.126126 0.318156 16.59254 3.121036. Mean dependen! var S.D. dependen! var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic). 0.003626 0.127519 -1.181960 -1.033852 1.244220 0.309533. 23. Partial Correlation. AC 1 -0.568 2 0080 3 0.066 4 -0.031 5 -0.123 6 0.114 7 0.099 8 -0.334 9 0.248 10 -0.081 11 0.032 12 -0.049 13 0.037 14 -0.006 15 0.023 16 0.047 17 -0.016 18 -0.075 19 0.036 20 -0.008 21 0.013. PAC Q-Stat Prob -0.568 -0.359 -O 129 -0.025 -0.206 -0.160 0.143 -0.249 -0.215 -0.198 -0.042 -0.112 -0.273 -0.202 -0.019 -0.030 0.007 -0.149 -0.096 -0.132 -0.150. 8.4462 8.6235 8.7471 8.7769 9.2577 9.6973 10.052 14.330 16.864 17.156 17.205 17.330 17.407 17.409 17.449 17.632 17.656 18.302 18.485 18.496 18.542. 0.004 0.013 0.033 0.067 0099 0.138 0.186 O07 4 0.051 0.071 0.102 0.138 0.181 0.235 0.293 0.346 0.411 0.436 0.490 0.555 0.614.

(25) Segmento SUV Sample 2001 02 200212 lncluded observations: 23. Dependen! Variable: DLNVOL Method: Leas! Squares Date: 071D6/03 Time: 14:19 Sample(adjusted): 2001:022002:12 lncluded observations: 23 after adjusting endpoints. Autocorrelation. Variable. Coefficient. Std. Error. t-Statistic. Prob.. e. 0.002618 -2.077703 0.733374. 0.034119 0.672323 0.241854. 0.076720 -3.090333 3.032305. 0.9396 0.0058 0.0066. DLNPRICE DLNVOL(-12) R-squared Adjusted R-squared S.E. of regression Sum squared resid Lag likelihood Durbin-Watson stat. 0.623864 0.586251 0.149409 0.446461 12.69625 2.545784. Mean dependen! var S. D. dependen! var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic). Partial Correlation. AC 1 -0.280 2 -0.042 3 0.007 4 -0.390 5 0.135 6 O140 7 -0.007 8 0.003 9 O.D60 10 -0.096 11 -0.021 12 -0.041 13 -0.138 14 0.174 15 -0.076 16 0.081 17 0088 18 -0.204 19 O 180 20 -0.092 21 0.026. 0.021083 0.232278 -0.843152 -0.695044 16.58615 0.000057. PAC Q-Stat Prob -0.280 -0.131 -0.048 -0.451 -0.185 0.042 0.005 -0.188 0.058 0.073 -0.044 -0.186 -0.217 O.D38 -0.190 -0.172 -0.009 -0.109 0.044 -0.061 0.078. 2.0553 2.1035 2.1049 6.7078 7.2858 7.9509 7.9528 7.9532 B.1011 B.5081 B.5296 8.6176 9.7106 11.636 12.055 12.592 13.340 18.116 22.789 24.414 24.615. 0.152 0.349 0.551 0.152 0.200 0.242 0.337 0.438 0.524 0.579 0.665 0.735 0.717 0.636 0.675 0.702 0.713 0.448 0.247 0.225 0.264. Industria Sample 2001 :02 2002: 12 lncluded observations: 23. Dependen! Variable: LNVOLUMEN Method: Least Squares Date: 07 /OS/03 Time: 13:29 Sample(adjusted): 2001:022002:12 lncluded observations: 23 after adjusting endpoints. Autocorrelation. Variable. Coefficient. Std. Error. t-Statistic. Prob.. e. 45.56288 -2.883344 0.497592. 9.493305 0.796800 0.150019. 4.i'99475 -3.618655 3.316867. 0.0001 0.0017 0.0034. LNPRECIO DLNVOLUMEN(-12) R-squared Adjusted R-squared S.E. of regression Sum squared resd Log likelihood Durbin-Watson stat. 0.504970 0.455467 0.097579 0.190433 22.49485 1.459172. Mean dependen! var S. D. dependen! var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic). 11.21975 0.132234 -1.695204 -1.547096 10.20081 0.000884. 24. Partial Correlation. AC 1 0.252 2 -0.128 3 -0.085 4 0.050 5 0.073 6 -0.121 7 -0.369 8 -0.267 9 0.005 10 0.012 11 -0.058 12 0.041 13 0.054 14 0.084 15 -0.019 16 0.074 17 -0.031 18 -0.042 19 -0.022 20 -0.050 21 0.049. PAC O-Sta! Prob 0.252 -0.205 0.006 0.054 0.029 -0.151 -0.308 -0.151 -0.008 -0.092 -0.039 0.103 -0.053 -0.055 -0.183 0.094 -0.173 -0.047 0000 -O.D36 0.051. 1.6653 2.1136 2.3227 2.3998 2.5709 3.0662 7.9595 10.700 10.701 10.707 10.867 10.956 11.122 11.577 11.602 12.056 12.148 12.349 12.422 12.896 13.579. 0.197 0.348 0.508 0.663 0.766 0.800 0.336 0.219 0.297 0.381 0.455 0.533 0.601 0.640 0.709 0.740 0.791 0.829 0.867 0.882 0.887.

(26) Precios Históricos de Venta en la Industria Automotriz Subcomp.. Compactos. 2000-01 98,769 168,390 2000-02 167,985 98,203 2000-03 99,001 167,765 2000-04 100,718 170,434 2000-05 101,607 172,170 2000-06 99,312 174,284 2000-07 99,292 173,381 2000-08 99,503 169,560 2000-09 99,973 168,309 2000-10 96,576 172,116 2000-11 96,681 167,906 2000-12 96,337 161,317 2001-01 100,970 165,993 2001-02 96,881 166,905 2001-03 99,306 164,705 2001-04 100,797 166,402 2001-05 96,314 165,762 2001-06 166,446 99,598 2001-07 95,190 165,877 2001-08 163,426 97,593 2001-09 99,843 167,768 2001-10 97,134 167,691 2001-11 95,264 160,104 2001-12 94,752 156,598 2002-01 94,324 160,017 2002-02 92,657 157,202 2002-03 92,047 155,918 2002-04 93,194 157,360 2002-05 96,244 157,226 2002-06 96,211 154,275 2002-07 95,322 156,621 2002-08 94,895 157,676 2002-09 94,097 162,249 2002-10 162,088 95,480 2002-11 161,587 95,690 2002-12 157,284 95,912 Precios ponderados. Fuente: Jato.. Minivan. 261,583 262,962 267,798 267,757 269,206 272,607 273,349 270,620 275,717 285,845 285,927 266,266 280,120 276,183 276,913 284,710 284,809 284,384 282,614 283,891 285,094 286,144 286,957 271,165 269,720 286,272 285,870 288,522 289,650 292,344 289,937 284,802 288,278 293,073 294,489 274,257. PRECIOS Camión Lujo Pequeño 329,155 309,031 306,764 319,026 308,872 311,960 322,347 379,023 360,075 352,703 346,692 359,560 387,353 371,454 378,726 380,500 395,037 392,355 394,010 390,583 391,739 403,346 395,470 399,183 391,581 365,860 385,080 392,752 399,841 403,139 405,571 408,243 410,839 414,710 415,083 412,461. 25. 140,060 141,065 142,498 142,400 142,811 144,521 143,107 143,389 139,863 141,981 141,899 138,787 143,632 141,573 143,137 143,384 142,838 144,266 144,029 143,669 142,831 146,760 145,447 141,844 141,565 142,050 145,396 143,060 144,278 144,739 141,695 143,630 142,361 141,952 145,178 146,158. Camión Comercial 183,507 183,926 184,502 180,295 179,823 178,905 178,333 185,323 181,379 178,419 181,211 170,774 186,946 187,172 188,514 177,041 175,342 176,431 179,509 181,682 183,425 177,242 172,465 166,588 169,419 170,636 168,099 173,638 175,621 175,007 172,272 179,102 175,790 160,620 167,789 168,210. Camión Ligero 198,307 194,849 194,413 195,423 193,398 193,991 195,517 196,843 200,112 202,519 188,206 186,237 194,731 194,754 196,062 203,793 203,380 191,206 195,616 198,026 198,789 197,310 198,762 190,982 194,055 192,444 193,988 189,597 188,506 190,339 188,837 190,089 193,024 192,443 191,621 190,531. suv 339,168 327,543 325,643 327,945 327,774 329,564 332,937 332,295 335,422 341,234 337,503 316,904 247,118 252,862 257,288 257,210 262,431 262,357 246,675 246,726 240,071 257,937 265,749 251,766 305,447 312,215 309,670 301,860 295,409 313,656 310,795 313,323 320,249 307,446 306,984 292,098.

(27) Volúmenes Históricos de Venta en la Industria Automotriz Subcom.. 2000-01 2000-02 2000-03 2000-04 2000-05 2000-06 2000-07 2000-08 2000-09 2000-10 2000-11 2000-12 2001-01 2001-02 2001-03 2001-04 2001-05 2001-06 2001-07 2001-08 2001-09 2001-10 2001-11 2001-12 2002-01 2002-02 2002-03 2002-04 2002-05 2002-06 2002-07 2002-08 2002-09 2002-10 2002-11 2002-12 Fuente: AMIA. 27,298 27,004 27,853 22,777 26,838 28,347 28,014 29,536 30,691 32,561 35,431 43,563 36,290 35,389 33,740 26,020 30,810 32,728 33,901 38,928 33,210 34,652 38,064 47,525 46,238 38,551 34,598 36,654 36,362 34,247 37,675 39,855 33,524 39,062 38,020 50,798. Compactos. 12,492 13,746 15,178 12,038 13,852 15,850 14,088 13,661 13,885 14,428 18,890 24,354 17,939 17,942 18,755 13,504 14,369 15,282 17,835 19,354 14,474 15,063 18,595 26,886 20,119 16,898 16,753 15,965 16,664 15,91 O 17,299 17,417 14,136 17,996 15,663 23,255. Minivan. 2,695 2,548 3,285 2,655 3,079 3,238 2,978 2,401 2,156 2,424 3,371 5,174 3,523 3,400 3,957 2,650 3,262 2,895 2,989 2,947 2,434 2,780 3,143 5,139 3,438 2,698 3,189 2,791 3,581 2,857 3,500 2,527 2,328 2,831 2,494 3,750. VOLUMEN Camión Lujo Pequeño. 2,033 2,209 2,321 1,871 2,039 2,150 1,902 2,220 2,360 2,653 2,853 3,173 2,643 2,280 2,439 1,908 2,399 2,562 2,353 2,549 2,268 2,352 2,326 3,093 2,541 2,927 2,143 2,327 2,260 1,874 1,915 2,021 1,941 1,974 1,893 1,938. 26. 5,510 4,916 5,320 4,110 4,473 4,653 4,756 5,253 5,516 5,877 5,099 7,479 5,086 4,915 5,506 4,369 4,780 4,727 5,053 5,099 4,201 5,495 5,635 6,239 5,455 5,106 4,728 5,316 5,260 4,555 4,763 5,637 4,821 5,501 5,234 6,201. Camión Comercial. 4,375 4,530 4,803 4,344 5,124 5,516 5,541 4,339 5,078 6,003 5,653 7,065 4,083 3,744 4,414 3,854 4,269 3,882 3,532 3,417 3,627 4,941 5,419 6,680 3,715 3,584 3,726 4,537 4,196 3,535 3,163 3,060 2,768 5,826 5,115 5,964. Camión Ligero. 1,961 2,666 2,785 2,329 2,854 2,689 2,635 2,371 2,417 2,388 2,830 3,346 2,173 2,110 2,448 2,275 2,419 2,207 2,245 2,078 1,884 2,264 2,142 2,280 1,941 2,652 2,113 2,448 2,603 2,316 2,633 2,587 2,197 2,292 2,270 2,362. suv 2,416 2,588 2,770 2,626 2,919 2,975 2,808 2,683 2,737 3,334 3,644 4,968 3,793 3,548 4,243 3,212 3,575 3,522 3,847 4,339 4,275 5,180 5,142 6,924 4,046 3,318 3,477 3,781 4,891 4,065 4,301 3,692 2,809 4,618 4,284 6,160.

(28)