Кому принадлежит власть на потребительских рынках: отношения розничных сетей и поставщиков в современной России

где в качестве зависимой переменной первоначально выступает Y — мониторинг действий конкурентов (1 — осуществляется; 0 — не осуществляется).

Независимые переменные: X 1 — уровень конкуренции (фактор 1);

Х2 — давление крупных партнёров по обмену (фактор 2);

Х3 — плотность рыночной ниши (фактор 3);

Х4 — место фирмы в цепи поставок (1 — ритейлер; 0 — поставщик);

Х5 — работа в секторе торговли продовольственными товарами (1 — да; 0 — нет) [75];

Х6 — время работы на рынке (1 — возникла до 1998 г.; О — возникла в период с 1998 г.);

Х7 — X 10 — региональная принадлежность (дамми-переменные) (Москва — база; Х7

— Санкт-Петербург; Xg — Екатеринбург;

Х9 — Новосибирск; X — Тюмень).

В результате было обнаружено, что качество предсказания модели достаточно высоко: правильно предсказаны 68,5 % случаев (наличие мониторинга — 84,5 % случаев). Основные параметры регрессии приведены в табл. 6.3.

Таблица 6.3

Коэффициенты бинарной логистической регрессии наблюдения за действиями конкурентов (N = 337)

Мы видим, что все регрессионные коэффициенты переменных, связанных с измерением рыночного давления, оказались значимыми: для первого фактора (уровень конкуренции) при р ‹ 0,001, для второго и третьего факторов (давление крупных партнёров и плотность рыночной ниши) при р ‹ 0,05. Работа в секторе продовольственных товаров снижает шансы осуществления мониторинга конкурентов примерно на 50 %. Коэффициенты же всех прочих переменных, включая место в цепи поставок, время работы на рынке и региональную принадлежность, не демонстрируют значимости.

Мы проверили модель на устойчивость, рассчитав её отдельно для сектора продовольственных товаров, ритейлеров и поставщиков. Во всех случаях модель сохраняет свои основные параметры, остаётся высокий процент корректных предсказаний. Однако есть и несколько важных исключений. Так, при анализе сектора продовольственных товаров

исчезает значимость коэффициента плотности рыночной ниши, зато появляется значимая связь в отношении одного из обследованных регионов — Новосибирска (р ‹ 0,05). Здесь шансы на то, что менеджеры наблюдают за действиями своих конкурентов, оказываются ниже, чем в Москве.

Сходную картину мы наблюдаем и при анализе группы ритейлеров. Коэффициент плотности рыночной ниши вновь не значим, в отличие от первых двух факторов рыночного давления. Работа в продовольственном секторе снижает среди ритейлеров распространённость мониторинга за поведением конкурентов. И несколько неожиданно демонстрирует высокий уровень значимости переменная, обозначающая локализацию респондента в Санкт-Петербурге: здесь розничные сети оказываются внимательнее к поведению друг друга. Прочие коэффициенты незначимы.

Когда же мы берём отдельно группу поставщиков, то на этот раз ниже уровня значимости оказывается коэффициент второго фактора (давление крупных партнёров), а первый и третий факторы имеют значимые коэффициенты. У поставщиков также более важную роль играет региональная принадлежность. Оказывается, что почти во всех городах (кроме Тюмени) менеджеры с меньшей вероятностью, чем москвичи, наблюдают за действиями прямых конкурентов. Добавим, что сектор торговли здесь уже не играет роли, так же как и время работы компании на рынке.

Анализ групп ритейлеров и поставщиков по отдельности также помогает понять, почему в исходной модели место в цепи поставок оказалось незначимым. Дело в том, что эта переменная коррелирует со вторым и третьим факторами рыночного давления на высоком уровне значимости и в модели она опосредует их влияние. Особенно тесной оказывается связь со вторым фактором (давление со стороны крупных партнёров): поставщики в этом отношении чувствуют себя заметно более ущемлёнными. При изъятии данного фактора значимость коэффициента места в цепи поставок сразу же появляется.

Сформулируем некоторые общие выводы в отношении предложенных ранее гипотез. Во-первых, наблюдается устойчивое влияние конкуренции на высоком уровне значимости. Фактор, характеризующий её общий уровень и его повышение, во всех вариантах предложенной модели положительно связан с вероятностью мониторинга действий конкурентов в соответствии с гипотезой Н6.3. Полученные результаты соответствуют выводам, сделанным при анализе распространения новых технологий, о том, что взаимное влияние структурно эквивалентных фирм будет значительнее в тех случаях, когда они оказываются перед лицом более высокой конкуренции [Bothner 2003].