Кому принадлежит власть на потребительских рынках. Отношения розничных сетей и поставщиков в современной России
Шрифт:
Чтобы оценить, насколько усиливающееся давление рынка воздействует на социальную координацию и кооперацию, мы построили модель бинарной логистической регрессии, где в качестве зависимой дихотомической переменной выступает переменная, фиксирующая наличие или отсутствие социальных связей. Сначала в качестве такой зависимой переменной мы использовали мониторинг действий конкурентов, затем последовательно замещали его другими формами социальных связей.
Для выбора релевантных предикторов на предварительной стадии анализа мы проделали факторный анализ всех независимых переменных, которые характеризуют давление рынка. В результате были
— повышение и (или) понижение уровня рыночной конкуренции (уровень давления со стороны прямых конкурентов);
— усиление и (или) ослабление властных позиций крупных партнёров по обмену (уровень давления со стороны крупных участников рынка);
— повышение и (или) понижение плотности рыночной ниши (давление со стороны своей организационной популяции).
Мы сохранили три указанных фактора и включили их в нашу модель в качестве независимых переменных, дополнив их перечень необходимыми контрольными переменными. В результате получили уравнение:
Факторная структура параметров давления рынка (метод главных компонент, после вращения, N = 347)
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.
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
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].