Академический Документы
Профессиональный Документы
Культура Документы
TESIS de MAGSTER
IInstituto
N S T I de
T Economa
U T O
D E
DOCUMENTO
DE TRABAJO
D
3
TESIS DE GRADO
MAGISTER EN ECONOMIA
Galdames Cerda, Javier Esteban
Agosto 2009
DE
ECONOMIA
ECONOMIA
Comisin
Juan Pablo Montero
Salvador Valds
Agosto, 2009
ABSTRACT
El trabajo busca encontrar evidencia para testear la hiptesis de que la dispersin de
precios observada en el mercado de los combustibles lquidos en Santiago de Chile, est
ligada a modelos de informacin imperfecta y a diferencias en los costos de bsqueda por
parte de los consumidores. Adicionalmente, se busc mostrar el componente dinmico en
la fijacin de los precios. Se utilizaron datos de panel de precios de los combustibles y
estimaciones de los costos semanales de 54 estaciones repartidas en la Regin
Metropolitana. Utilizando controles por efectos fijos a lo largo de toda la muestra para
descontar la heterogeneidad presente en las estaciones de servicio, se encontr
evidencia de que aspectos del pricing de las estaciones de servicio se pueden enlazar a
modelos de informacin imperfecta por parte de los consumidores, y que adems, los dos
tipos de consumidores presentes en el mercado (informados y no informados) pueden
explicar la dispersin respecto a los precios y mrgenes de los combustibles que
consumen. Se encontr, adems, que es muy probable que las estaciones de servicio se
muevan a travs de los distintos quintiles de precio a lo largo de la muestra, lo que
descarta la hiptesis de que las diferencias en la fijacin de los precios se explican por
diferentes caractersticas observables de stas. Se mostr, adems, que existe una
inercia de por lo menos un periodo en la fijacin del precio de la estacin. Finalmente, se
realiz un novedoso test para determinar la presencia de la hiptesis de informacin
imperfecta, utilizando los conceptos de grupo de control y tratamiento aplicados a este
problema, y se reforz la hiptesis central del trabajo.
This work seeks for evidence in order to test the hypothesis that the price dispersion
observed in Santiago, capital of Chile, is linked with models of imperfect information and
mostly, that its explained due to differences in consumer search costs. Additionally, the
presence of a dynamic component in the pricing behavior was researched in the data.
Using data panel of prices of 54 stations in the area, an estimation of the weekly marginal
cost and controlling the heterogeneity in the sample by a station fixed effect, evidence was
found that supports the idea that some aspects of the pricing behavior could be linked to
models of imperfect information by the consumers, and also, that the presence of two
types of consumers (informed and uninformed) could explain the price dispersion and the
differences in the estimated margin. Movements between the weekly price quartiles in the
sample was also found, suggesting that an explanation of the price dispersion based on
the differences in observable characteristics of the stations its not accurate. The work also
shows persistence in the price fixing process by at least, one period. Finally, a novel test
was used to determine empirically the presence of the imperfect information hypothesis,
using the concepts of control and treatment group, and the result of the test shows that the
effect of that framework is statistically significant.
A mi familia, mi padre, mi madre y mi abuela. Gracias por todo el apoyo, los cuidados y la
preocupacin durante toda mi vida. Esto es para ustedes.
A todos los profesores y funcionarios de la Facultad que marcaron mi vida acadmica y
sobre todo personal: Vernica Gil, Francisco Gallego, Stephen Blackburn, Salvador
Valds, Juan Pablo Montero, Nadia Becerra, Anita Artigas, Tati, Vero y Carmen Garcs.
A mis compaeros del Seminario, Daniela Marshall, Raimundo Atal, Luis Beltrn y
especialmente a Guillermo Marshall, su ayuda durante el proceso fue invaluable.
El presente trabajo estudia la presencia de dispersin de los precios del mercado de las bencinas en
Santiago de Chile. Siguiendo la metodologa de Lewis (2008) y Hosken et.al (2008), y utilizando datos
de panel de precios de 54 estaciones durante los aos 2005 al 2009, se encuentra que los precios y
mrgenes muestran una dispersin heterognea, controlando por costos y por diferencias constantes
entre las distintas estaciones de servicio. Con el nimo de evaluar la importancia de los costos de
bsqueda como explicacin de esta dispersin, se contrastan los mercados de las gasolinas y el diesel,
considerando que en este ltimo son mayores los incentivos a realizar una bsqueda de precios ms
bajos. Se encuentra apoyo a esta hiptesis, pues el mercado del diesel presenta menores y menos dispersos mrgenes. Adicionalmente se estudia el carcter dinmico de la jacin de precios, encontrando
una inercia de un periodo en la determinacin del precio corriente. La presencia de cambios en la
posicin relativa y en los quintiles en la distribucin de precios semanal tambin apoya a los costos
de bsqueda como una explicacin de la dispersin de precios encontrada. Finalmente, mediante un
jsgaldam@uc.cl. Tesis para obtener el grado de Magster en Economa de la Ponticia Universidad Catlica
de Chile. Agradezco profundamente a los profesores de mi comisin Sr. Juan Pablo Montero y Sr. Salvador
Valds por todos los comentarios que permitieron enfocar este trabajo. Todos los errores son de mi exclusiva
responsabilidad.
novedoso test emprico se determina la relevancia del modelo de informacin imperfecta, en desmedro
de un modelo de diferenciacin de producto, encontrando que el primero es relevante en el mercado
para explicar dicha dispersin.
I.
Introduccin
Todos los das, miles de consumidores santiaguinos llenan los estanques de gasolina de sus
autos para as poder transportarse. Algunos de estos consumidores eligen la estacin ms cercana a su hogar, otros realizan esta transaccin en las estaciones de servicio que pertenecen
al trayecto que va desde al hogar al trabajo, y tambin existen conductores que realizan la
bsqueda por el precio ms bajo, desvindose de sus rutas directas. Estos ltimos son aquellas
personas que poseen mayores incentivos para realizar dicha bsqueda, principalmente debido
a una alta frecuencia de compra o porque este tem es muy importante en su gasto mensual. Stigler (1961) en el trabajo que dio inicio a la literatura de economa de la informacin, declaraba que esta dispersin de precios era una "manifestacin de la ignorancia del
mercado" con respecto a los precios exactos, y que por ende, exista siempre, incluso para
bienes homogneos. Esta ignorancia surge debido a la inestabilidad que persiste en el mercado:
nuevos entrantes, obsolescencia de los conocimientos referentes a los agentes econmicos, y
otros movimientos en la oferta y demanda. En este estudio se estudia la presencia de dispersin de precios en el mercado de los combustibles lquidos en Santiago de Chile y se busca una
explicacin a este fenmeno relacionndolo con los existencia de distintos costos de bsqueda
de los agentes. Los datos utilizados provienen de la Encuesta de Precios del Servicio Nacional
del Consumidor (SERNAC) y de la Comisin Nacional de Energa (CNE), quienes recolectan
una muestra semanal de precios de los cuatro tipos de combustibles lquidos existentes en el
pas: gasolinas de 93, 95, 97 octanos y diesel, en cerca de 50 estaciones de la capital, desde el
2001 al presente. En el estudio, se utilizar la metodologa basada en Lewis (2008) y Hosken
et.al (2008), en la cual se aprovecha la estructura de panel de los datos para realizar la necesaria
correccin por la heterogeneidad presente entre las estaciones. Especcamente, se incorpora
un efecto jo por estacin, con el cual se corrigen todos los efectos observables y no observables
por estacin que son constantes a travs del tiempo. Dichos factores constantes son los que
probablemente explican las grandes diferencias entre las estaciones: ubicacin, marca, contrato
con las empresas distribuidoras, etc. Adems, se controla por cambios en el principal responsable de la variacin agregada de los precios: los cambios en los precios mayoristas que aplica
la Empresa Nacional de Petrleo (ENAP), nico proveedor efectivo de todos los combustibles
lquidos en Santiago. Para hacer esta correccin, se incluir una variable de tiempo con el n
de controlar por los cambios agregados en el nivel de costos para toda la ciudad. El resultado
encontrado es una dispersin de precios sustancial, explicada por la relevancia del paradigma
de informacin imperfecta y costos de bsqueda heterogneos que presentan los consumidores.
El efecto jo anteriormente mencionado explica gran parte de la jacin y dispersin de los
precios, en desmedro de una explicacin basada en la heterogeneidad de las estaciones.
Se utilizan algunas de las ideas de Sorensen (2002) y Johnson (2002) para estudiar la teora
de costos de bsqueda del consumidor como explicacin del fenmeno de dispersin de precios.
La principal hiptesis que se desea contrastar con los datos es la diferencia entre los precios y
mrgenes de los distintos tipos de combustibles lquidos presentes en el mercado. Se considera
al diesel como un bien donde sus consumidores, principalmente conductores de camiones y
camionetas, presentan altos incentivos para cotizar la estacin de servicio que entrega el mejor
precio, debido a la alta frecuencia de compra que presentan, en desmedro de las gasolinas (93,
95 y 97 octanos) que seran consumidores menos sensibles al precio. Entonces, la dispersin de
precios sera un resultado de la diferenciacin que hacen las estaciones de servicio entre aquellas
que venden combustible a consumidores informados (los consumidores de diesel) y otras que
realizan su venta a consumidores no informados (los consumidores de gasolinas) (Varian 1980,
Salop y Stiglitz 1977), por lo que tendramos que observar una menor dispersin de precios
y mrgenes en el diesel, controlando por diferencias en los costos y por heterogeneidad de los
vendedores. Esto debido a que los consumidores de diesel, al cotizar y buscar constantemente
los precios ms bajos, disminuyen el posible rango de jacin de precios, llevndolos cerca del
costo marginal, y como todas las estaciones comparten un costo marginal similar, la dispersin
de precios y los mrgenes son menores en el diesel, en comparacin a los otros tipos de bencina
(Sorensen 2000).
Se realizan adems, con el n de evaluar la relevancia de los modelos de costos de bsqueda,
un anlisis de ranking relativo con los precios corrientes y los precios controlados por los efectos
jos de las estaciones, adems del estudio de los cambios semanales de las estaciones entre
los quintiles de precios observados y tambin, un novedoso test que evala la presencia de
informacin imperfecta en desmedro de un modelo basado netamente en la diferenciacin en
II.
II.A.
Marco Terico
Revisin de la literatura
diferentes mercados. Sorensen (2000) realiza un estudio del fenmeno en el mercado de los
remedios en EEUU y, basado en un modelo de bsqueda del consumidor, encuentra que la
dispersin de precios no puede explicarse por diferencias en los costos o en los servicios que las
distintas farmacias entregan. El autor encuentra evidencia emprica de que los remedios para
pacientes crnicos, los cuales se deben comprar con mayor frecuencia para la realizacin del
tratamiento mdico, presentan una menor dispersin de precios y menores mrgenes que los
encontrados en los remedios que son comprados con una menor frecuencia. Los pacientes que
deben gastar ms en medicamentos tienen mayores benecios de cotizar y encontrar el menor
precio. Luego, la principal causa de dicha dispersin son los costos de bsqueda. Dahlby y West
(1986) estudian la dispersin de los precios del mercado de seguros de automviles en Alberta,
Canad. Ocupan un modelo desarrollado anteriormente por Carlson y McAfee (1983). Concluyen que la dispersin de precios existente en el mercado de los seguros automotrices se debe,
principalmente, al costo de bsqueda para el consumidor, aunque reconocen que pueden existir
explicaciones alternativas. Baye y Morgan (2004) estudian la dispersin de precios en Internet,
un mercado en el que se pensaba que, debido a la eliminacin de los costos de bsqueda signicativos, dicha condicin de dispersin de equilibrio de los precios iba a dejar de existir. Mas
encuentran que an en simulaciones confeccionadas en el computador, en la cual, por diseo,
se eliminan los costos de transaccin, informacin imperfecta y diferencias en los costos de los
vendedores, se establece la presencia de dispersin. El mismo medio, Internet, es estudiado por
Brynjolfsson y Smith (2000) y encuentran que en la venta de libros y CDs, la dispersin de
precios an existe, sin informacin imperfecta y sin costos de bsqueda tradicionales. Resaltan
que en este medio, otras pueden ser las fuentes de la dispersin encontrada, como por ejemplo, la potencia de marca de la tienda, su grado de reconocimiento entre los compradores y la
conanza que entrega al consumidor. Borenstein y Rose (1994) confeccionan una metodologa
para detectar si la dispersin de precios encontrada en el mercado de las aerolneas es causada
por discriminacin de precios o por diferencias en los costos. Encuentran que la primera de
stas es la ms relevante, y que adems las rutas ms orientadas a los turistas (que en este caso
seran los individuos que tienen mayor incentivo para planicar y que por ende estaran ms
informados, en desmedro de los hombres de negocios) presentan menor dispersin de precios.
La misma metodologa es aplicada por Walsh y Whelan (1999) en el mercado irlands de los
supermercados. Como podemos ver, la dispersin de precios de un bien homogneo es un hecho
que est presente en mltiples mercados y puede tener mltiples explicaciones.
El mercado retail de los combustibles lquidos ha sido ampliamente estudiado y fuertemente
relacionado con modelos de informacin imperfecta, el estudio de la dinamica de jacin de
precios, la velocidad de ajuste de los precios con respecto a los costos, etc. Marvel (1976)
comienza, a juicio del autor del presente trabajo, con la literatura emprica relacionada con
los modelos de informacin y el mercado de las gasolinas. En el trabajo mencionado, el autor
estudia dos aspectos: la dispersin de precios en el tiempo y la dispersin en un mismo periodo.
Encuentra que en estos dos aspectos, la informacin costosa de los consumidores es lo que
explica su aparicin. Livingston y Levitt (1959) realizan un estudio anterior, pero basan ms
su anlisis en como el grado de competencia entre las distintas marcas de gasolina, y entre los
distintos grupos de consumidores, categorizados por barrios y caractersticas viales, afectan los
precios que presentan las estaciones de servicio al pblico. Marvel (1978) relaciona los niveles
de precios imperantes en el mercado de EEUU entre 1964 y 1971 con los grados de competencia
encontrados en distintas ciudades y adems los conecta con algunos resultados relacionados a
estudios de colusin.
En la dcada de los 90, la investigacin econmica volvi a jar sus ojos en el mercado
de las gasolinas, pero bajo perspectivas diferentes a las anteriores. Borenstein y Shepard
(1996) encuentran cierta evidencia, usando datos de panel y diferencindose as de los estudios
previamente mencionados, de colusin tcita entre los vendedores de gasolina en EEUU. Es
interesante la mencin de que incluso en mercados altamente atomizados se puedan encontrar
este tipo de comportamientos colusivos. Shepard (1991), en un enfoque de empresa multiproducto, testea la hiptesis de discriminacin de precios en el mercado que nos atae. Dicha
discriminacin es explicada por el grado de poder de mercado que poseen algunas estaciones de
servicio, que es dado por la cercana de stas con sus clientes. En cierto sentido, las estaciones
de servicio poseeran un cierto poder monoplico al tener una masa de consumidores cautiva.
Borenstein (1991) rearma esta ltima idea, de que hay grupos de consumidores que presentan
altos costos de cambio hacia alguna estacin, y que esta sera la explicacin sobre los altos mr-
genes que presentan ciertos vendedores, en desmedro de diferencias en los costos que podran
enfrentar. Este concepto potencia la importancia de los costos de bsqueda como explicacin
de diferencias en los precios y mrgenes dentro del mercado de las bencinas en general.
Otro de los aspectos en los cuales el mercado de las gasolinas ha recibido un alto grado de
inters en el mundo acadmico, es aqul que estudia la aparente asimetra en la respuesta de los
precios a pblico frente a cambios en los costos observados en la industria. Es decir, que frente
a aumentos en los costos de la gasolina al por mayor los precios de la gasolina al por menor
aumentan ms1 que si ese mismo movimiento fuese a la baja. Este fenmeno se denomina
"rockets and feathers" y es ampliamente estudiado en todo el mundo 2 . Borenstein et.al
(1997) y Bacon (1991) revisan esta teora y la rearman para EEUU y UK, respectivamente.
Deltas (2008) relaciona esta asimetra con la existencia de un cierto grado de poder de mercado
dentro de EEUU. Lewis (2004) desarrolla un modelo para explicar esta asimetra enlazando dos
conceptos: costos de bsqueda del consumidor y un precio de referencia dado por los precios
pasados. En este sentido, el consumidor realizara una mayor bsqueda de precios si observa
que su precio de referencia histrico va al alza, en desmedro a si dicho precio disminuye,
ya que tiene menos incentivos econmicos de continuar con la bsqueda cuando encuentra
un precio conveniente. Hofstetter y Tovar (2008) desarrollan la idea de la asimetra de precios
conectndola con la existencia de un precio de referencia dictado mensualmente por el Gobierno
de Colombia a los distribuidores. Finalmente, Johnson (2002) desarrolla el modelo de respuesta
asimtrica frente a cambios en los costos desde una perspectiva ms cercana a la teora de
rezagos y de sticky prices, y presenta una idea que es muy til para el presente trabajo: si
los costos de bsqueda son importantes en la determinacin de la duracin y amplitud de los
rezagos estudiados, entonces deben existir ajustes ms cortos en el mercado del diesel que en el
de la bencina. Esta diferencia se explicara por la existencia de costos de bsqueda menores en
dicho mercado, ya que los consumidores de diesel tpicamente compran en mayores cantidades
y con una mayor frecuencia, en comparacin a los consumidores de gasolina. En ese sentido, la
dispersin de precios en estos dos mercados tendra que ser diferente: en el mercado del diesel,
la compra repetida y la mayor frecuencia desarrollara los incentivos para una bsqueda ms
1. En trminos de velocidad de ajuste y / o en magnitud.
2. Ver Tabla 1 en Balmaceda & Soruco (2006) para un detalle de lo realizado hasta la fecha.
exhaustiva por parte de los compradores, en comparacin al menor incentivo que poseen los
consumidores de gasolinas. Entonces, la dispersin de precios y mrgenes en el primer mercado
tendera a ser menor que en el segundo. Esta es una de las principales hiptesis a testear en
este trabajo, aunque desarrollando una metodologa distinta.
Dos son los trabajos ms similares a la presente investigacin, en el sentido de la utilizacin
de los datos y las preguntas metodolgicas a responder: Lewis (2008) y Hosken et.al (2008).
Lewis (2008) ocupa el mercado de las gasolinas en EEUU, con datos de panel, para testear
la presencia de dispersin de precios y luego estudiar la relacin entre dicha dispersin y
el grado de competencia local (nmero de vendedores). El autor encuentra que la relacin
entre estas dos variables depende fuertemente de la denicin de competencia local que se
presenta y del tipo de competidores con los que se cuente. La dispersin es mayor para las
marcas importantes si enfrentan competencia de marcas pequeas, pero la dispersin es baja si
alrededor de la estacin se compite con marcas similares. Barron et.al (2004) realiza un estudio
similar al anterior, pero con datos de corte transversal, buscando enlazar la dispersin de precios
observada, controlada por aspectos observables de las diferentes estaciones de servicio, con el
grado de competitividad que enfrentan en su entorno. Los autores encuentran que un aumento
en el nmero de competidores disminuye los niveles y la dispersin de precios. Hosken et.al
(2008) por otro lado, ocupando datos de panel, encuentran nuevos hechos relacionados ms
con la jacin de precios del retail que con dispersin de precios propiamente tal, pero repiten
muchos aspectos metodolgicos con el trabajo anterior. Buscan encontrar una teora que
explique cmo jan precios las distintas estaciones de servicio, pero no encuentran ninguna que
se ajuste en su totalidad a los hechos estilizados encontrados. Muchos aspectos metodolgicos
de dichos trabajos se repiten en el presente.
En Chile, la industria tambin ha sido analizada desde el punto de vista acadmico. En el
ao 2006 se publica el libro "La Industria de los Combustibles Lquidos: El Caso de Chile"3 ,
en el cul se desarrollan trabajos econmicos que abordan diversos temas pertenecientes a la
industria. Balmaceda y Soruco (2006) realizan el anlisis de asimetra en el mercado chileno,
donde encuentran que la asimetra existe, pero que su magnitud econmica no es muy relevante
3. Editado por Soledad Arellano y Salvador Valds. Ediciones Universidad Catlica de Chile.
y Gmez-Lobo y Crdova (2006) explican las diferencias en los precios y mrgenes encontradas
en las distintas regiones del pas debido a la existencia de un efecto escala de mercado que
implica menores mrgenes en los mercados ms grandes. Otros trabajos son incluidos en dicho
libro, y se recomienda su lectura exhaustiva, pero que se alejan al mbito de esta investigacin.
II.B.
La industria chilena de los combustibles lquidos, en Santiago de Chile, presenta una composicin altamente concentrada en algunas partes de la cadena productiva, mientras que en
otras, la competencia parece ser mucho ms potente. Este estudio se basa en la etapas de
venta minorista (distribucin a pblico). La renacin del insumo bsico, el petrleo, pasa
esencialmente por la Empresa Nacional de Petrleo (ENAP), la cual concentra cerca del 85%
de la produccin en Chile4 . Su Renera Aconcagua (ex Cn-Cn) abastece, con una capacidad
de 104.000 barriles de crudo diarios, a la Regin Metropolitana. Existe, adems, la posibilidad de importacin de petrleo renado, por lo que la posicin monoplica de ENAP est
limitada. Los combustibles lquidos son transportados desde la renera y los puertos cercanos, por medio de un oleoducto hasta Maip, localidad ubicada en la periferia de Santiago,
propiedad de SONACOL (Sociedad Nacional de Oleoductos), empresa cuya propiedad est en
manos de ENAP y los tres principales distribuidores mayoristas del pas. La venta del crudo
renado por parte de la ENAP se hace por medio de contratos de volumen con cada una de
las distribuidoras.
El precio que pagan las distribuidoras est regido por el precio de la paridad de importacin, el cul est indexado a los movimientos del mercado internacional, especcamente
los movimientos del precio del petrleo en el Golfo de Mxico. La venta de cada una de las tres
gasolinas se hace a precios distintos al precio al cual se vende el petrleo diesel, ya que desde
el punto de vista tcnico, son dos productos diferentes, con distintos grados de renacin. Es
relevante para el mercado chileno la presencia de un precio de referencia, precio dictado a la
poblacin por la ENAP, el cual establece como van a variar los precios a pblico la semana
siguiente a su emisin. Este precio de referencia es monitoreado por los distintos grupos de
Copec, 17,71% para Shell, 12.7 % para Esso, 11.52% para YPF / Terpel y un 1.71% para JLC.
En cada una de estas estaciones se comercializan, entre otros productos ajenos al mercado
de los combustibles lquidos, gasolina de 93, 95 y 97 octanos, ms petrleo diesel, consumido
principalmente por vehculos de transporte y carga (camiones y camionetas). Segn datos de
Balmaceda y Soruco (2006) cerca del 90% de las estaciones de servicio mantiene un alto grado
de integracin vertical por medio de contratos entre stas y las empresas distribuidoras, lo que
tiene una fuerte implicancia en la poltica de precios que pueden jar. A grandes rasgos, si una
estacin de servicio tiene un fuerte vnculo con la marca distribuidora6 , es esta ltima la que
ja los precios imperantes de la semana.
Los precios que se utilizan en el estudio tienen la siguiente estructura: precio de venta ENAP
(48.6% del precio nal de las gasolina 93 octanos para Diciembre del 2008, 63.5% del diesel), un
margen bruto de comercializacin (6.5% y 7.4%), la aplicacin del impuesto al valor agregado
(10.5% y 13.5%), un impuesto especco (24.3% y 9.4%) ms la correccin por los impuestos y
subsidios por el Fondo de Estabilizacin del Precio del Petrleo7 (10% y 6.2%); por lo que son
los precios de venta a pblico, incluyendo todos los impuestos y subsidios pertinentes.
5. http://www.cne.cl/cnewww/opencms/03_Energias/Otros_Niveles/
hidrocarburos/mercado/Mercado_Gas_Natural/mercado_petroleo_derivados/
participacion_mercado.html
6. Contratos de arriendo, leasing, franquicias, etc
7. Para mayor detalle sobre este aspecto, ver "Fondo de estabilizacin del petrleo: historia y perspectivas"
de Bernardita Piedrabuena, en el libro "La industria de los combustibles lquidos: el caso de Chile".
10
III.
III.A.
Datos
Datos
Los datos utilizados en el trabajo muestran los precios cobrados por las distintas estaciones
de servicio, en cada una de las cuatro categoras de ventas de combustibles, desde el 5 de enero
del 2005 al 27 de abril del 2009 (226 semanas) con 54 estaciones incluidas en la muestra, de
un total aproximado de 500 estaciones ubicadas en la Regin Metropolitana. Las estaciones de
servicio fueron escogidas por el Servicio Nacional del Consumidor (SERNAC) debido al alto
volumen de venta que se estim stas transaban. La muestra presenta la siguiente estructura
con respecto a las estaciones y sus distribuidoras:
Distribuidoras
N Estaciones
Porcentaje
COPEC
20
37%
SHELL
17
31.5%
ESSO
11
20.4%
YPF / TERPEL
9.3%
JLC
1.9%
Los precios son recogidos una vez por semana los das lunes, y en algunas semanas, los precios
fueron observados los das mircoles. Se anotaron los precios de las paletas de venta a pblico.
Adems, conocemos la marca de cada estacin, su direccin y la comuna en que est ubicada.
Adems de los datos de precios, se obtuvieron datos del ingreso promedio de los hogares de
las distintas comunas a partir de la Encuesta de Caracterizacin Socioeconmica (CASEN) del
ao 20068 .
Se incluye adems, una estimacin del costo marginal semanal que enfrenta cada estacin
de servicio. Dicha variable proviene de la estimacin del margen promedio semanal que la
CNE calcula y publica en su pgina web, la cual confecciona considerando la diferencia entre el
precio promedio a pblico semanal y el precio del combustible en la planta de almacenamiento
de Maip, que es la planta que entrega el insumo a las empresas distribuidoras. Del margen
8. www.mideplan.cl/casen
11
promedio semanal se extrae el costo promedio semanal que es compartido por todas las estaciones de Santiago y gracias a ello, es posible calcular mrgenes propios de cada estacin y por
cada tipo de combustible, por cada una de las semanas de la muestra. Los mrgenes calculados
son similares a los obtenidos en Balmaceda y Soruco (2006).
III.B.
Estos datos no permiten realizar algunos de los tests que realiza la literatura actual, en la
que se estima el entorno competitivo que enfrenta cada estacin de servicio mediante el nmero
de estaciones de servicio aledaas a cada una de stas9 . Por ejemplo, segun Lewis, una estacin
que enfrenta un alto nmero de competidores dentro de un radio euclideano estndar de 1.5
millas (2.4 kms), presenta menores mrgenes y menor dispersin de precios entre las distintas
res estudiadas. Este resultado no puede medirse con los datos de este estudio, debido a que los
nicos datos disponibles en Chile son parte de la muestra confeccionada por el SERNAC, y no es
un censo de todas las estaciones de servicio presentes, por lo que es muy probable que se omita
uno o ms de los competidores de cada estacin de servicio posicin competitiva, sesgando
cualquier resultado entregado. Tampoco se poseen datos de ventas fsicas por estacin, que
hubieran permitido calcular directamente elasticidades precio y usarlas como explicacin de la
dispersin, enlazando dicho concepto con la presencia de importantes costos de cambio, o de
preferencias nicas por una estacin determinada.
Con respecto a la existencia de un cambio en la propiedad de las estaciones YPF a Terpel,
todas stas ocurren en el ao 2008. Este cambio no se realiza simultneamente en todas dichas
estaciones, sino que van ocurriendo a lo largo del ao, y su presencia implica un posible cambio
en el modelo de jacin de precios de las estaciones. En este trabajo, las condiciones externas,
como la ubicacin, son las relevantes a la hora de jar los precios, y stas no presentan algn
cambio relevante al pasar de YPF a Terpel. Un cambio signicativo en la jacin de los precios
de las estaciones que cambian de dueo podran cambiar la demanda residual que enfrenta la
competencia y por ende, ser relevante en trminos de que cambia el entorno competitivo de
cada estacin, pero como el periodo de cambio no es signicativo en comparacin al periodo
9. Ver Lewis (2008) y Barron et.al (2004). Los autores identican distintos grados de desnsidad competitiva,
pero a grandes rasgos la idea es la misma.
12
de tiempo estudiado, el nmero de estaciones de servicio que cumplen con esa condicin es
reducido (menos del 10%) y el foco del estudio est en la dispersin y jacin de precios, y
no en el modelo subyacente de generacin de precios seguido por las distintas distribuidoras,
se decide trabajar con el supuesto de que el cambio de dueo es ms que nada un cambio de
nombre y que por ende, no se afectan las estimaciones o la metodologa.
13
IV.
IV.A.
Resultados
Distribuidoras
Copec
Esso
Shell
YPF / Terpel
JLC
Total
Desv. Est
G. 93
577.545
576.721
576.543
578.64
561.619
576.866
63.653
Total
45.634
44.047
43.200
48.124
28.094
44.471
12.361
(1) Precio promedio de todas las estaciones de servicio de la marca, por cada tipo de bencina, a travs de la muestra
(2) Porcentaje en el nmero de estaciones de la muestra
14
15
IV.B.
Con el n de realizar dicho control, se seguir la metodologa propuesta por Hosken et.al
(2008) y Lewis (2008), quienes aprovechan la estructura de panel de los datos para as corregir
los precios y controlar por todos las condiciones permanentes que afectan el nivel de precios y
que no cambian a traves de la muestra. La correccin por efecto jo toma en cuenta los factores
observables y no observables de las estaciones, lo que es una ventaja con respecto a lo realizado
anteriormente (ver por ejemplo, Barron et.al 2004), donde la correccin se realiza slo a nivel
de observables (marca, servicios anexos, presencia de tienda de alimentos, etc). La ecuacin
(1) da a entender que la principal variacin de precios de los combustibles proviene de los
cambios en los costos mayoristas (precios de venta de ENAP a las empresas distribuidoras) y
por ende, la dispersin de precios bajo esta ecuacin se estudia con los residuos de la ecuacin,
y se interpreta como desviaciones con respecto al precio promedio en cada semana de la ciudad
como un todo. La ecuacin, calculada por separado para los cuatro tipos de combustibles, es:
(1)
pit =
t W eekt
+ eit
las semanas. La primera columna de la Tabla 2.A presenta la regresin, para la gasolina de 93
octanos, 2.B para la gasolina de 95 octanos, 2.C para la de 97 octanos y 2.D para el diesel. Se
muestran slo algunos de los coecientes de las variables temporales, debido a la alta cantidad
que se calculan (uno por semana) y solo algunos de los restantes coecientes diferentes para
cada estimacin. El comportamiento de los coecientes es comn para todas las estaciones,
por eso se decide reportar este nmero reducido de parmetros11 . En trminos generales, las
primeras dummies de cada semana no son signicativas para las gasolinas, pero si lo son para el
diesel. De ah en adelante, son signicativas para todos los tipos de combustibles. El coeciente
de los residuos, eit , es la diferencia entre el precio de la estacin i y el precio promedio de todas
las estaciones de la muestra en la semana t. Esta es, entonces, la posicin relativa del precio
de cada estacin dentro de la ciudad. Al tener los resultados de los mrgenes en la seccin
11. Las tablas completas estn disponibles por parte del autor.
16
anterior, el clculo de esta regresin puede resultar excesivo, ya que lo que se controla con
el coeciente de la semana, a grandes rasgos, es el costo promedio semanal que enfrentan las
estaciones y eso ya est estudiado con anterioridad. Se hace entonces esta regresin con el n
de respetar la metodologa presente en la literatura, como un mecanismo de robustez de los
resultados encontrados y sobre todo, para poder llevar adelante la siguiente comprobacin del
carcter dinmico de la jacin de precios. La Figura 2.E en el anexo muestra los histogramas
respectivos por los distintos tipos de combustibles.
La ecuacin (2) aade al control temporal de la ecuacin (1), el efecto jo propio de cada
estacin a lo largo de la muestra. Principalmente, lo que se controla en esta ecuacin es
la ubicacin, que permanece constante en todo momento. Esta diferenciacin espacial es el
principal factor de heterogeneidad entre las estaciones, adems de la marca. La ecuacin es:
(2)
pit =
donde
i Stationi
t W eekt
+ uit
supuesto de que la estacin de servicio usa una estrategia de jacin de precios esttica con
un margen en funcin a atributos observados y no observados que no cambian en el tiempo.
Este supuesto se revisar ms adelante, con el estudio de la inercia en la jacin de los precios.
Ahora, la interpretacin de los residuos cambia, con respecto a la ecuacin anterior: son las
desviaciones de la estacin i en el periodo t con respecto al promedio de la ciudad, pero
considerando ahora la diferencia constante (el efecto jo) que existe entre las estaciones a lo
largo de la muestra. Es decir, si se observa persistencia en el residuo de una estacin, esto
implica que la estacin est sistemticamente jando precios ms altos o ms bajos que su
precio relativo tpico. La estimacin se muestra en la segunda columna de las Tablas 2.A2.D. Los coecientes de efectos jos por estacin son signicativos para todas las estaciones
y para todos los tipos de combustibles. Los residuos de esta ecuacin se muestran en la
Figura 2.F del anexo. La Tabla 2.G muestra los tests de desviaciones estandar de los residuos.
Con respecto a la ecuacin (1), se esperaba un comportamiento similar al obtenido en la
Tabla 1.C con los mrgenes, pero el resultado slo se mantuvo con respecto al diesel y la
gasolina de 97 octanos. La explicacin a esta disonancia va por el lado de que los costos
17
calculados por los mrgenes promedios de la CNE pueden ser distintos a los costos controlados
con esta herramienta economtrica, y esa puede ser la razn de esta divergencia de resultados.
Los residuos de la ecuacin (2) muestran una mayor dispersin en los residuos del diesel con
respecto a la gasolina de 93 y 95 octanos, y una menor desviacin estndar con respecto a la de
97 octanos. Esto implica que luego de controlar por los efectos jos especcos de cada estacin
los residuos son ms dispersos en el diesel, y por lo tanto, deben existir otros factores que no
estn siendo incluidos en la ecuacin, que explican la jacin de precios en el mercado chileno.
La hiptesis no se cumple para todos los tipos de combustibles, slo para la comparacin
entre el diesel y la gasolina de 97 octanos, despues de controlar por la heterogeneidad de las
estaciones.
Con el nimo de ampliar este ltimo resultado, se estudia a continuacin, el carcter
dinmico que presenta la jacin de los precios, entendido como aqul proceso de jacin
que condiciona el precio en el periodo t con el precio en el periodo t
1. As, se intenta
averiguar si una estacin relativamente "cara" repite ese comportamiento en el periodo siguiente, cambia su precio hacia el promedio de la ciudad o se vuelve "barata". Y luego, si esa
condicin desaparece al controlar por los efectos jos propios de cada estacin.
Usando los residuos de las regresiones anteriores, para las dos ecuaciones mencionadas, y
para cada uno de los tipos de combustibles, se redondearon los valores de los residuos hacia
el nmero entero ms cercano, y se construy una matriz de transicin Markoviana donde los
elementos de la matriz muestran la probabilidad de estar y pesos sobre (bajo) la media en el
periodo t condicional a estar x pesos sobre (bajo) la media en el periodo t
1. La Figura 1
presenta las distribuciones empricas para el diesel de la ecuacin (1), mientras que la Figura 2
lo detalla en la gasolina 93 para la ecuacin (2). Los dems tipos de combustibles se encuentran
18
0 10 20 30 40 50
0 10 20 30 40 50
Percent
0 10 20 30 40 50
10 15
0 10 20 30 40 50
-15 -10 -5
-15 -10 -5
10 15
-15 -10 -5
10 15
-15 -10 -5
10 15
-15 -10 -5
10 15
Estas dos primeras guras permiten obtener algunas conclusiones interesantes. Primero,
hay una persistencia en la jacin de los precios relativos de un periodo a otro. Lo ms comn
es mantener el mismo precio relativo de una semana a otra, es decir, si una estacin est 9 pesos
bajo el promedio de la ciudad en el periodo t
que je precios 9 pesos ms bajos que el promedio en el periodo t. Segundo, la forma de las
distribuciones cambia segn el tipo de combustible que se est vendiendo y segn la posicin
relativa de la estacin. En el anexo se muestran las distribuciones empricas para los distintos
tipos de combustible. Para el diesel, las estaciones con precios relativos ms bajos presentan
una distribucin ms plana (Panel 1.A-B de la Figura 1) que las dems, lo que signica que
estas estaciones presentan una convergencia ms rpida hacia la media o cualquier otro precio,
que las estaciones relativamente ms caras (Paneles 1.N-S de la Figura 1). Adems, se observa
19
0 10 20 30 40 50
0 10 20 30 40 50
Percent
0 10 20 30 40 50
10 15
0 10 20 30 40 50
-15 -10 -5
-15 -10 -5
10 15
-15 -10 -5
10 15
-15 -10 -5
10 15
-15 -10 -5
10 15
20
estacin tienen un carcter dinmico inherente, por lo menos de un periodo. La Figura 2.M
que representa la matriz de transicin del diesel, en el anexo, presenta una mayor inercia que
la encontrada en las gasolinas, por lo que an despues de controlar por el efecto jo de la
estacin, la inercia tiene un factor no incluido en la especicacin que podra explicarla. Una
aproximacin a la solucin de este problema, es realizar una regresin que permita controlar
por cambios en la estrategia de jacin de precios, causado por factores externos y que cambian
a lo largo de la muestra, por ejemplo: la instalacin de una estacin competidora que no est
en la muestra, la creacin de una zona industrial cercana a la estacin y que presente una
alta demanda por un tipo especco de combustible (diesel), etc. Esto podra disminuir la
inercia encontrada en algunos tipos de combustibles, an despus de controlar por el efecto
jo constante a travs del periodo estudiado. Para controlar este cambio en la estrategia de
precios, se realiza una regresin similar a la anterior, pero incluyendo cambios en los efectos
jos calculados, es decir:
(3)
pit =
q
i (Stationit )(yearq )
t W eekt
+ uit
donde q = (2005; 2006; 2007; 2008; 2009), son los aos incluidos en la muestra. La Figura
3 muestra el anlisis de esta ecuacin para el diesel, el resto de los tipos de combustibles se
21
0 10 20 30 40 50
0 10 20 30 40 50
Percent
0 10 20 30 40 50
10 15
0 10 20 30 40 50
-15 -10 -5
-15 -10 -5
10 15
-15 -10 -5
10 15
-15 -10 -5
10 15
-15 -10 -5
10 15
22
decir, que el diesel presenta mayor dispersin que las gasolinas de 93 y 95, mas no se puede
rechazar que presenten la misma dispersin el diesel y la gasolina de 97 octanos.
Al detectar la heterogeneidad presente an despues de controlar por los efectos jos y la
autocorrelacin debido a la inercia en la jacin de precios, se realiz el clculo de los residuos
bajo GLS, considerando heterocedasticidad entre las estaciones y adems, correlacin de un
periodo, para as corregir y mejorar la eciencia de los resultados con respecto a la inercia
encontrada. La cuarta columna de las Tablas 2.A-2.D muestran dicha regresin. Los resultados
del anlisis de las dispersiones de los residuos fueron similares a los obtenidos con la ecuacin
(2), por lo que el anlisis encontrado se muestra en la Tabla 2.R del anexo y se muestra una
menor dispersin del diesel con respecto a la gasolina de 97 octanos.
Como podemos ver, la hiptesis de menor dispersin no se cumple para todos los tipos de
combustibles al controlar por el efecto jo constante a travs de la muestra. ni controlando por
efectos jos que cambian en el tiempo y tampoco al considerar el anlisis bajo GLS. Se detecta
una inercia relevante en la jacin de precios, ste depende del precio jado en el periodo
pasado, pero esa persistencia va disminuyendo conforme vamos controlando por las distintas
especicaciones de efectos jos realizados. Con el nimo de encontrar un modelo de dispersin
de precios relevante, se estudiarn las predicciones emanadas de las teoras de los modelos de
bsqueda del consumidor e informacin imperfecta, para as contrastarlas con los datos.
23
IV.C.
Bajo un paradigma de este tipo de modelos, los consumidores enfrentan un costo positivo
en aprender la distribucin de precios presente en el mercado, y las estaciones cambian constantemente su posicin relativa en la distribucin de precios de la ciudad, para as evitar que los
consumidores puedan aprender la ubicacin relativa de cada estacin dentro de la distribucin
de precios y as quedarse algunas con los consumidores que deciden no informarse, jando por
ende, precios ms altos que el resto, y otras estaciones con una mezcla de los dos consumidores,
con precios cercanos al costo marginal (ver Lewis 2008, Salop y Stiglitz 1977, Salop 1977). Esta
teora predice entonces, que si confeccionamos un ranking con la posicin relativa del precio
semanal dentro de la ciudad, van a existir cambios signicativos en dicho ranking a travs
del tiempo, antes y despues de haber controlado por la heterogeneidad de cada estacin. El
comportamiento a travs de los quintiles de la distribucin de precios reportados ayudara a
reforzar el concepto anterior, por lo que tambien se estudiar.
Si la dispersin de precios fuese causada slo por la heterogeneidad de las estaciones, las
estaciones "mejor ubicadas" presentaran constantemente precios ms altos relativos a la ciudad. Las estaciones que cumpliran esta condicin, seran aquellas ubicadas en comunas de
mayores ingresos, por lo que se tendra que esperar que dichas estaciones no cambien su ranking relativo a la ciudad12 . Las Figuras 4 y 5 muestran el ranking obtenido de los residuos de
la Ecuacin (1) y el desvo que presenta la misma estacin con respecto a su precio promedio
relativo. La estacin est ubicada en la comuna de uoa, considerada en la muestra como
una comuna de altos ingresos13 :
12. La mejor ubicacin ciertamente es una condicin multifactorial, mas los datos disponibles slo permiten
evaluar el factor del ingreso comunal como una aproximacin de dicha condicin. Las condiciones de trco,
por ejemplo, sera una adicin relevante, pero los datos disponibles en SECTRA (www.sectra.cl) no presentan
el detalle necesario para la correcta inclusin a este trabajo.
13. Los rankings para cada una de las estaciones estn disponibles a peticin del lector por parte del autor
24
95
97
Diesel
10
0
30
20
0
10
20
30
93
100
200
100
200
Semana muestra
Graphs by Tipo de Bencina: 93, 95, 97 y Diesel
Figura 4. Ecuacion 1
95
97
Diesel
-20
60
-20
20
40
dmean_price
20
40
60
93
100
200
100
200
Semana muestra
Graphs by Tipo de Bencina: 93, 95, 97 y Diesel
25
de bajos ingresos:
95
97
Diesel
5
0
15
10
0
10
15
93
100
200
100
200
Semana muestra
Graphs by Tipo de Bencina: 93, 95, 97 y Diesel
Figura 6. Ecuacion 1.
95
97
Diesel
dmean_price
20
93
100
200
100
200
Semana muestra
Graphs by Tipo de Bencina: 93, 95, 97 y Diesel
La Figura 6 conrma que semana a semana, la estacin de JLC ja los precios ms bajos de
la ciudad, en cada uno de los tipos de bencina, pero la gura siguiente, seala que esta estacin,
constantemente ja precios ms bajos que su precio relativo tpico, es decir, que despus de
controlar por el efecto jo, la estacin ja precios distintos al esperado, lo que muestra que
hay indicios de entregar precios diferentes, descontados por los efectos jos, cada semana al
consumidor, para que as tenga que incurrir en un gasto y cotizar para obtener el precio ms
conveniente. Hay un comportamiento diferente para los distintos tipos de combustibles. Estos
comportamientos se repiten en todas las estaciones presentes en la muestra, por lo que se
rearma el movimiento relativo en el ranking de la ciudad y adems, que las estaciones tienden
a jar precios diferentes al precio tpico en cada semana.
26
q1
q2
q3
q4
q5
q1
q2
q3
q4
q5
q1
q2
q3
q4
q5
Una semana
q1
q2
q3
q4
q5
81.82 9.09
9.09
0
0
18.18 72.73
0
0
9.09
70
0
20
10
0
0
0
23.08 69.23 7.69
100
0
0
0
0
Cuatro semanas
q1
q2
q3
q4
q5
86.79 5.66
5.66
1.89
0
31.71 51.22 9.76
4.88 2.44
11.43 14.29 51.43 22.86
0
60.42 10.42
2.08
2.08
25
0
0
0
17.14 82.86
Ocho semanas
q1
q2
q3
q4
q5
71.79 17.95 4.27
5.13 0.85
28.4 50.62 16.05 2.47 2.47
6.45 27.42 43.55 22.58
0
8.89
4.44 15.56 61.11 10
1.41
0
0
14.08 84.51
q1
q2
q3
q4
q5
q1
q2
q3
q4
q5
q1
q2
q3
q4
q5
Una semana
q1
q2
q3
q4
q5
81.82 9.09
9.09
0
0
18.18 72.73
0
0
9.09
70
0
20
10
0
0
0
23.08 69.23 7.69
100
0
0
0
0
Cuatro semanas
q1
q2
q3
q4
q5
86.79 5.66
5.66
1.89
0
31.71 51.22 9.76
4.88 2.44
11.43 14.29 51.43 22.86
0
60.42 10.42
2.08
2.08
25
0
0
0
17.14 82.86
Ocho semanas
q1
q2
q3
q4
q5
71.79 17.95 4.27
5.13 0.85
28.4 50.62 16.05 2.47 2.47
6.45 27.42 43.55 22.58
0
8.89
4.44 15.56 61.11 10
1.41
0
0
14.08 84.51
corrientes.
Ecuacion 2.
De las tablas anteriores se pueden extraer dos relaciones importantes. Primero, que se
conrma lo encontrado con las matrices empricas de transicin markoviana, ya que es mucho
ms probable que de una semana a otra, las estaciones de servicio se encuentren en el mismo
14. Los demas tipos de combustibles presentan un movimiento similar, por lo que las tablas se omiten, pero
quedan a pedido del autor.
27
quintil, antes de estar en uno diferente. La diagonal de las tablas en una semana lo demuestra.
Lo segundo, se muestra que la probabilidad de que una estacin se mantenga en el mismo
quintil es menor o muy cercana al 50% cuando extendemos el periodo de una a cuatro y ocho
semanas. Este efecto es ms potente al controlar por los efectos jos de las estaciones. Es
ms probable, entonces, que una estacin de servicio en el futuro est en un quintil distinto
al actual, a que se mantenga en la misma posicin relativa, lo que rearma el concepto del
movimiento a travs de la distribucin de precios, que sera un fuerte indicio de la presencia
de informacin imperfecta en el mercado. Pero esta relacin podria ser causada tambien por
una diferenciacin del producto, sobre todo si consideramos los cambios en el precio corriente
de la Tabla 2. Para poder contrastar esta pregunta, se presenta el siguiente test emprico.
La ltima disyuntiva presente en el trabajo, es la diferencia entre un modelo de informacin
imperfecta hacia los consumidores y diferenciacin en el producto como explicacin a la dispersin de precios encontrada y al movimiento de las estaciones entre los quintiles de precios.
Una diferencia crtica entre estos dos modelos es que bajo diferenciacin del producto los precios no cambian si se mantienen constantes las caractersticas del producto. Por otro lado, un
modelo de dispersin de precios temporal con informacin imperfecta (ver Chandra y Tappata
2008) arma que los precios relativos cambian para que el consumidor tenga que adivinar y
comprar al azar o cotizar e incurrir en un costo de bsqueda. Una manera novedosa de enfrentar este problema es construir un grupo de "control y tratamiento", en el que se sepa por
denicin que uno de los dos elementos (informacin imperfecta o diferenciacin) est ausente.
Las estaciones que estn ubicadas "en la misma esquina" presentan diferencias en los precios
nicamente debido a la diferenciacin de productos (marca, accesibilidad, servicios extras). No
compiten entre s por los consumidores turistas o nativos, pero si lo hacen con respecto a las
otras estaciones "cercanas". Las estaciones vecinas, por lo tanto, eligen los precios para competir por los consumidores informados o no informados, con respecto a las dems estaciones.
Luego, cuando ese consumidor enfrenta a las dos estaciones vecinas, stas compiten slo por
diferenciacin de producto. Entonces, cambios en el ranking de pares de estaciones deben ser
menores entre las estaciones vecinas, ya que slo hay diferenciacin de producto, y el ranking
no cambia al no cambiar los factores diferenciadores. En las restantes estaciones cercanas, al
28
del tiempo. Se dene entonces, como un cambio en el ranking entre las estaciones i y j como
la proporcin de observaciones donde pjt > pit :
(4)
rij =
Tij
1 X
Ifp >p g
Tij t=1 jt it
Se calcul este estadstico para los dos grupos de estaciones: las vecinas y las cercanas.
Las Figuras 8 y 9 muestran los histogramas de los cambios de ranking para ambos grupos, las
Figuras 3.A y 3.B, en el anexo, muestran el mismo anlisis considerando la diferencia entre los
tipos de combustibles y la Tabla 4 presenta las estadsticas relevantes:c
15. Lo ptimo sera encontrar aquellas estaciones ubicadas en la misma esquina, pero la poca cantidad de
datos impide realizar el test de esa manera.
29
20
Percent
40
60
Estaciones vecinas
.1
.2
(mean) r1
.3
.4
10
20
Percent
30
40
50
Estaciones Cercanas
.2
.4
(mean) r1
.6
.8
Estaciones Vecinas
Cambio de ranking promedio
Diferencia promedio de precios
Estaciones Cercanas
Cambio de ranking promedio
Diferencia promedio de precios
Gas.93 Gas.95
0.061 0.071
2.032 2.036
Gas.97
0.089
2.655
Diesel
0.067
1.865
0.170
1.336
0.202
0.785
0.207
1.227
0.158
1.120
30
31
32
V.
Conclusiones
Se examinaron los precios de 54 estaciones de servicio de la Regin Metropolitana, en Santiago de Chile, durante 226 semanas, con el n de explicar la dispersin de precios y mrgenes,
controlando por heterogeneidad en los vendedores, y se encontr que la dispersin puede ser
explicada, principalmente, por la existencia de costos de bsqueda positivos por parte del consumidor. La dispersin de los mrgenes es menor en el mercado del diesel que en el de las
bencinas, debido a que los consumidores de este combustible lquido poseen mayor incentivo
a cotizar y buscar la estacin con el precio ms bajo en cada semana. Este mercado presenta
menores mrgenes tambien, tal como se espera bajo un modelo de costos de bsqueda. Adems,
se encontr evidencia de que las estaciones de servicio cambian constantemente su posicin relativa en la distribucin de precios a lo largo del tiempo, siendo este otro indicio de la relevancia
de informacin imperfecta y apoya la presencia de costos de bsqueda, ya que al descontar
por efectos jos de cada estacin, homogeneizando entonces la jacin del precio semanal, se
encuentra que la posicin relativa del precio ajustado en cada semana vara. Adicionalmente,
es ms probable que en el mediano plazo (4 a 8 semanas), la estacin de servicio se encuentre
en un quintil de precio distinto al actual, lo que rearma la idea de que existen cambios en
los precios relativos, que llevaran al consumidor a tener que hacer una conjetura respecto a
la creencia acerca de que estacin de servicio presenta menores precios. Luego se encuentra,
al realizar el test de cambios en el ranking para estaciones cercanas y vecinas, que el paradigma de informacin imperfecta est presente en este mercado, al revisar la intuicin de que
estaciones vecinas presentan menores cambios de ranking que las estaciones cercanas, debido
a que estas ltimas tienen incorporado los factores de informacin imperfecta y diferenciacin
del producto, mientras que las primeras slo poseen este ltimo factor. Finalmente, la jacin
de precios de las distintas estaciones de servicio responde a un proceso dinmico, de al menos
un periodo. Al controlar por efectos jos propios de cada estacin, la persistencia encontrada
disminuye, asi como tambien al controlar por efectos jos temporales, lo que indicara que las
estaciones de servicio pueden seguir estrategias diferentes de jacin de precio a lo largo del
periodo estudiado.
Muchos aspectos que pueden aportar a esta literatura fueron dejados de lado, ya que se
33
escapan del mbito del presente trabajo, y se espera que en investigaciones posteriores, este
tipo de desafos puedan ser respondidos. Los modelos de colusin en el mercado retail de
las bencinas, como en Eckert & West (2005) pueden explicar la uniformidad existente entre
las grandes marcas distribuidoras16 , la existencia de la marca de distribucin JLC, que puede
actuar como un borde competitivo17 dentro de un posible cartel, el estudio dinmico de los
precios de las distintas estaciones, la presencia (o no) de ciclos de Edgewoth en la jacin de
precios, la bsqueda de una teora de jacin de precios de retail que permita explicar los
hechos estilizados encontrados, la presencia del precio de referencia entregado por la ENAP a
los consumidores y su efecto en variables de asimetra de precios o en el mismo nivel, etc. Como
se puede apreciar, este mercado permite contestar muchas de las interrogantes planteadas para
trabajo futuro en esta investigacin y se espera que este trabajo pueda servir de inicio para los
dems.
16. A pesar de que la sentencia del diez de junio del 2005 del Tribunal de la Libre Competencia, desestim la
presencia de colusin en el mercado chileno.
17. fringe
34
VI.
Anexos
Figura 1.A
95
97
Diesel
0
.01
.005
0
Density
.005
.01
93
200
400
600
800
200
Precio
Density
normal price
Graphs by Tipo de Bencina: 93, 95, 97 y Diesel
35
400
600
800
Figura 1.B
95
97
Diesel
0
.05
0
Density
.05
93
-50
50
100
150 -50
36
50
100
150
Tabla 1.C
Precio
Gasolina 93 (sd=63.653)
Gasolina 95 (sd=65.268)
Gasolina 97 (sd=67.601)
f
gdl
p-value
f
gdl
p-value
f
gdl
p-value
a 1.7636 [11246, 11302] 1.0000 1.6774 [11246, 11303] 1.0000 1.5636 [11246, 11304] 1.0000
Diesel
b
0.0000
0.0000
0.0000
sd = 84.53
c
0.0000
0.0000
0.0000
Margen
Gasolina 93 (sd=14.093)
Gasolina 95 (sd=9.993)
Gasolina 97 (sd=13.428)
a 0.4602 [11246, 11302] 0.0000 0.9151 [11246, 11303] 0.0000 0.5068 [11246, 11304] 0.0000
Diesel
b
0.0000
0.0000
0.0000
sd=9.56
c
1.0000
1.0000
1.0000
Nota: H0: ratio=sd(diesel)/sd(gasolinaXX)=1. a) H1: ratio<1. b) H1: ratio!=1. c) H1: ratio>1.
37
93
95
97
Diesel
0
100
50
0
margin_week_type
50
100
Figura 1.D
100
200
Semana muestra
Graphs by Tipo de Bencina: 93, 95, 97 y Diesel
38
100
200
Tabla 1.E
Comunas
Las Condes
uoa
La Reina
San Miguel
La Florida
Santiago
Maipu
La Cisterna
Estacion Central
Independencia
Pudahuel
Quinta Normal
Recoleta
Ingresos
$ 2,361,006
$ 1,573,063
$ 1,452,483
$ 1,224,164
$ 907,349
$ 869,229
$ 831,864
$ 790,133
$ 770,349
$ 737,144
$ 701,748
$ 625,022
$ 532,966
G. 93
584.55
581.11
583.65
579.17
580.94
575.32
576.60
576.13
569.44
576.30
568.96
569.07
576.35
Precio Promedio
G. 95
G.97
599.71 613.09
596.42 609.62
598.22 612.90
593.54 607.88
595.69 610.99
588.03 601.71
589.31 602.34
590.35 605.15
580.01 592.54
588.39 601.23
579.35 589.75
580.25 591.97
588.44 601.77
39
Diesel
479.81
475.10
480.36
467.06
478.68
471.00
471.43
486.55
463.31
469.08
461.74
467.19
479.24
G. 93
56.18
51.44
53.97
47.30
47.94
44.88
47.02
39.50
38.51
45.80
39.48
36.35
46.81
Margen Promedio
G. 95
G.97
58.49
59.17
53.84
54.28
55.64
57.56
48.09
49.00
49.17
51.09
44.58
45.40
46.84
47.01
41.18
43.61
36.21
36.01
44.88
44.85
36.95
34.57
34.18
32.74
46.10
46.78
Diesel
50.64
43.47
48.73
38.41
40.48
38.29
40.11
36.20
30.15
36.51
30.69
28.30
41.12
Tabla 2.A
Gasolina 93
Ec.1
Ec.2
Ec.3
VARIABLES
price
Semana 2
0.5
0.5
0.5
-0.852
-0.854
-0.86
Semana 3
24.76***
24.76***
24.76***
-0.789
-0.791
-0.797
Semana 4
41.75***
41.69***
41.92***
-0.731
-0.762
-0.722
Semana 5
48.52***
48.54***
48.69***
-0.702
-0.726
-0.686
Estacin 2
1.084***
0
-0.0796
0
Estacin 3
-1.606***
0
-0.0796
0
Estacin 90 (JLC)
-8.274***
0
-0.0796
0
Estacin 2*Ao 2006
2.754***
-0.322
Estacin 2*Ao 2007
4.457***
-0.322
Estacin 2*Ao 2008
4.215***
-0.322
Estacin 2*Ao 2009
1.807***
-0.322
Constant
461.9***
455.1***
461.4***
-1.573
-1.072
-0.868
Observations
11303
11303
11303
R
0.987
0.995
0.996
Robust standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
40
GLS
-0.487
-0.524
23.99***
-0.658
41.26***
-0.727
47.93***
-0.761
1.05
-0.706
-1.722**
-0.752
-8.388***
-1.305
455.6***
-0.81
11303
-
Tabla 2.B
Gasolina 95
Ec.1
Ec.2
Ec.3
VARIABLES
price
Semana 2
0.0238
0.0238
0.0238
-0.756
-0.757
-0.763
Semana 3
24.29***
24.29***
24.29***
-0.695
-0.697
-0.702
Semana 4
41.31***
41.20***
41.46***
-0.638
-0.688
-0.627
Semana 5
48.12***
48.13***
48.28***
-0.604
-0.647
-0.586
Estacin 2
1.390***
0
-0.0751
0
Estacin 3
-1.249***
0
-0.0751
0
Estacin 90 (JLC)
-8.260***
0
-0.0751
0
Estacin 2*Ao 2006
2.831***
-0.28
Estacin 2*Ao 2007
4.714***
-0.28
Estacin 2*Ao 2008
4.014***
-0.28
Estacin 2*Ao 2009
2.031***
-0.28
Constant
456.7***
447.2***
456.3***
-1.419
-0.866
-0.735
Observations
11304
11304
11304
R
0.982
0.995
0.996
Robust standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
41
GLS
-0.831
-0.537
23.64***
-0.684
40.95***
-0.765
47.64***
-0.809
1.375
-0.863
-1.365
-0.896
-8.368***
-1.513
447.5***
-0.944
11304
-
Tabla 2.C
Gasolina 97
Ec.1
Ec.2
Ec.3
GLS
VARIABLES
price
Semana 2
-0.476
-0.476
-0.476
-1.200**
-0.684
-0.686
-0.691
-0.581
Semana 3
23.81***
23.81***
23.81***
23.32***
-0.624
-0.625
-0.63
-0.759
Semana 4
40.84***
40.75***
40.98***
40.59***
-0.606
-0.646
-0.595
-0.869
Semana 5
47.67***
47.69***
47.81***
47.31***
-0.541
-0.577
-0.525
-0.937
Estacin 2
-0.317***
0
-0.476
-0.0772
0
-1.271
Estacin 3
-1.140***
0
-1.346
-0.0772
0
-1.268
Estacin 90 (JLC)
-10.21***
0
-10.50***
-0.0772
0
-2.047
Estacin 2*Ao 2006
2.813***
-0.249
Estacin 2*Ao 2007
4.842***
-0.249
Estacin 2*Ao 2008
-0.11
-0.249
Estacin 2*Ao 2009
-7.060***
-0.249
Constant
451.6***
441.4***
451.2***
441.8***
-1.284
-0.796
-0.632
-1.253
Observations 11305
11305
11305
11305
R
0.978
0.992
0.995
Robust standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
42
Tabla 2.D
Diesel
Ec.1
Ec.2
VARIABLES
Semana 2
Ec.3
GLS
price
-18.54*** -19.96*** -18.54*** -19.96***
-1.03
-0.577
-1.04
-0.577
Semana 3
-12.02*** -13.05*** -12.02*** -13.05***
-0.689
-0.745
-0.695
-0.745
Semana 4
12.53***
12.90***
12.60***
12.90***
-0.739
-0.841
-0.729
-0.841
Semana 5
16.80***
16.98***
16.89***
16.98***
-0.468
-0.899
-0.471
-0.899
Estacin 2
0.571
0
0.571
-1.633
0
-1.633
Estacin 3
-1.348
0
-1.348
-1.447
0
-1.447
Estacin 90 (JLC)
-6.939***
0
-6.939***
-2.067
0
-2.067
Estacin 2*Ao 2006
1.726***
-0.245
Estacin 2*Ao 2007
4.749***
-0.246
Estacin 2*Ao 2008
0.995***
-0.245
Estacin 2*Ao 2009
1.335***
-0.245
Constant
353.2***
344.3***
352.2***
344.3***
-0.914
-1.501
-0.497
-1.501
Observations 11247
11247
11247
11247
R
0.989
0.992
0.997
Robust standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
43
Figura 2.E
95
97
Diesel
0
.06
.04
.02
0
Density
.02
.04
.06
93
-50
50
100
-50
44
50
100
Figura 2.F
95
97
Diesel
0
.15
.1
.05
0
Density
.05
.1
.15
93
-50
50
100
-50
45
50
100
Tabla 2.G
Diesel
sd = 8.702748
Diesel
sd= 5.534255
Ecuacin 1
Gasolina 93 (sd=7.132645)
Gasolina 95 (sd= 8.74972)
Gasolina 97 (sd= 10.13005)
f
gdl
p-value
f
gdl
p-value
f
gdl
p-value
a 1.4887 [11246, 11302]
1.0000 0.9893 [11246, 11303]
0.2838 0.7381 [11246, 11304]
0.0000
b
0.0000
0.5676
0.0000
c
0.0000
0.7162
1.0000
Ecuacin 2
Gasolina 93 (sd= 4.280543)
Gasolina 95 (sd= 4.782769)
Gasolina 97 (sd= 5.899082)
a 1.6716 [11246, 11302]
1.0000 1.3389 [11246, 11303]
1.0000 0.8801 [11246, 11304]
0.0000
b
0.0000
0.0000
0.0000
c
0.0000
0.0000
1.0000
46
Figura 2.H
0 10 20 30 40 50
0 10 20 30 40 50
-15 -10 -5
0 10 20 30 40 50
Percent
0 10 20 30 40 50
-15 -10 -5
10 15
-15 -10 -5
10 15
-15 -10 -5
10 15
-15 -10 -5
47
10 15
10 15
Figura 2.I
0 10 20 30 40 50
0 10 20 30 40 50
-15 -10 -5
0 10 20 30 40 50
Percent
0 10 20 30 40 50
-15 -10 -5
10 15
-15 -10 -5
10 15
-15 -10 -5
10 15
-15 -10 -5
48
10 15
10 15
Figura 2.J
0 10 20 30 40 50
0 10 20 30 40 50
-15 -10 -5
0 10 20 30 40 50
Percent
0 10 20 30 40 50
-15 -10 -5
10 15
-15 -10 -5
10 15
-15 -10 -5
10 15
-15 -10 -5
49
10 15
10 15
Figura 2.K
0 10 20 30 40 50
0 10 20 30 40 50
-15 -10 -5
0 10 20 30 40 50
Percent
0 10 20 30 40 50
-15 -10 -5
10 15
-15 -10 -5
10 15
-15 -10 -5
10 15
-15 -10 -5
50
10 15
10 15
Figura 2.L
0 10 20 30 40 50
0 10 20 30 40 50
-15 -10 -5
0 10 20 30 40 50
Percent
0 10 20 30 40 50
-15 -10 -5
10 15
-15 -10 -5
10 15
-15 -10 -5
10 15
-15 -10 -5
51
10 15
10 15
Figura 2.M
0 10 20 30 40 50
0 10 20 30 40 50
-15 -10 -5
0 10 20 30 40 50
Percent
0 10 20 30 40 50
-15 -10 -5
10 15
-15 -10 -5
10 15
-15 -10 -5
10 15
-15 -10 -5
52
10 15
10 15
Figura 2.N
0 10 20 30 40 50
0 10 20 30 40 50
-15 -10 -5
0 10 20 30 40 50
Percent
0 10 20 30 40 50
-15 -10 -5
10 15
-15 -10 -5
10 15
-15 -10 -5
10 15
-15 -10 -5
53
10 15
10 15
Figura 2.O
0 10 20 30 40 50
0 10 20 30 40 50
-15 -10 -5
0 10 20 30 40 50
Percent
0 10 20 30 40 50
-15 -10 -5
10 15
-15 -10 -5
10 15
-15 -10 -5
10 15
-15 -10 -5
54
10 15
10 15
Figura 2.P
0 10 20 30 40 50
0 10 20 30 40 50
-15 -10 -5
0 10 20 30 40 50
Percent
0 10 20 30 40 50
-15 -10 -5
10 15
-15 -10 -5
10 15
-15 -10 -5
10 15
-15 -10 -5
55
10 15
10 15
Tabla 2.P
Ecuacin 3
Gasolina 93 (sd= 3.875799)
Gasolina 95 (sd= 4.035567)
Gasolina 97 (sd= 4.763301)
a 1.5494 [11246, 11302] 1.0000 1.4292 [11246, 11303] 1.0000 1.0258 [11246, 11304] 0.9122
Diesel
b
0.0000
0.0000
0.1757
sd= 4.824441
c
0.0000
0.0000
0.0878
Nota: H0: ratio=sd(diesel)/sd(gasolinaXX)=1. a) H1: ratio<1. b) H1: ratio!=1. c) H1: ratio>1.
Tabla 2.R
Ecuacin bajo GLS
Gasolina 93 (sd= 4.30483)
Gasolina 95 (sd= 4.811859)
Gasolina 97 (sd= 5.938615)
a 1.676 [11246, 11302] 1.0000 1.3414 [11246, 11303] 1.0000 0.8807 [11246, 11304] 0.0000
Diesel
b
0.0000
0.0000
0.0000
sd= 5.573021
c
0.0000
0.0000
1.0000
Nota: H0: ratio=sd(diesel)/sd(gasolinaXX)=1. a) H1: ratio<1. b) H1: ratio!=1. c) H1: ratio>1.
56
Figura 3.A
Estaciones Vecinas
93
95
Estaciones Vecinas
Estaciones Vecinas
97
Diesel
0
20 40 60
0
Percent
20 40 60
Estaciones Vecinas
.1
.2
.3
.4
(mean) r1
Percent
normal r1
Graphs by Tipo de Bencina: 93, 95, 97 y Diesel
57
.1
.2
.3
.4
Figura 3.B
Estaciones Cercanas
93
95
Estaciones Cercanas
Estaciones Cercanas
97
Diesel
0
20 40 60
0
Percent
20 40 60
Estaciones Cercanas
.5
(mean) r1
Percent
normal r1
Graphs by Tipo de Bencina: 93, 95, 97 y Diesel
58
.5
Tabla 3.C
59
References
Bacon, R. 1991. "Rockets and feathers: the asymmetric speed of adjustment of UK retail
gasoline prices to cost changes". Energy Economics. Volume 13, Issue 3, July 1991, Pages
211-218
Balmaceda, F y Soruco, P. 2006. "Asimetra en la respuesta de los precios de la gasolina en
Chile". Cap 3 en "La Industria de los Combustibles Lquidos: El Caso de Chile". Arellano
y Valds (eds.). Ediciones Universidad Catlica de Chile.
Balmaceda, F y Soruco, P. 2008. "Asymmetric dynamic pricing in a local gasoline retail market". The Journal of Industrial Economics. Vol. LVI. No. 3. September 2008. pp 629-653.
Barron, J. Taylor, B. y Umbeck, J. 2004. "Number of sellers, average prices and price dispersion". International Journal of Industrial Organization Vol 22. pp. 1041 - 1066.
Baye, M y Morgan, J. 2004. "Price dispersion in the lab and on the internet: theory and
evidence ". The RAND Journal of Economics, Vol. 35, No. 3 (Autumn, 2004), pp. 449-466
Borenstein, S. 1991. "Selling costs and switching costs: explaining retail gasoline margins".
The RAND Journal of Economics. Vol. 22. No.3 Autumn 1991, pp 354-369.
Borenstein, S. y Rose, N. 1994. "Competition and price dispersion in the US airline industry".
The Journal of Political Economy, Vol. 102, No. 4 (Aug., 1994), pp. 653-683
Borenstein, S. y Shepard, A. 1996. "Dynamic pricing in retail gasoline markets". The RAND
Journal of Economics, Vol. 27, No. 3. (Autumn, 1996), pp. 429-451.
Borenstein, S. Colin Cameron, A y Gilbert, R. 1997. "Do gasoline prices respond asymmetrically to crude oli price changes". The Quarterly Journal of Economics, Vol. 112, No. 1
(Feb., 1997), pp. 305-339
Brynjolfsson, E. y Smith, M. 2000. "Frictionless commerce? A comparison of internet and conventional retailers". Management Science, Vol. 46, No. 4, Information Technology Industry
April 2000. pp 563-585.
Carlson, J y McAfee, R. 1983. "Discrete equilibrium price dispersion". Journal of Political
Economy. 1983, vol. 91, no. 3, pp 480-493.
Chandra, A. y Tappata, M. 2008. "Consumer search and dynamic price dispersion. An application to gasoline markets". Mimeo. June 2008.
Dahlby, B. y West, D. 1986. "Price dispersion in an automobile insurance market". Journal of
Political Economy, 1986, vol. 94, no.2. pp 418-438.
Deltas, G. 2008. "Retail gasoline price dynamics and local market power". The Journal of
Industrial Economics. Volume LVI., September 2008. No.3.
Eckert, A y West, D. 2005. "Price uniformity and competition in a retail gasoline market".
Journal of Economic Behavior y Organization. Vol. 56. pp. 219-237. 2005.
Gmez-Lobo, A. y Crdova, F. 2006. "Los precios de los combustibles lquidos a lo largo del
pas: posibles explicaciones". Cap 5 en "La Industria de los Combustibles Lquidos: El Caso
de Chile". Arellano y Valds (eds.). Ediciones Universidad Catlica de Chile.
Hofstetter, M y Tovar, J. 2008. "Ajuste asimtrico de precios bajo costos siempre crecientes:
Evidencia del mercado minorista de gasolina en Colombia". Mimeo.
Hosken, Daniel S. y McMillan, Robert S. y Taylor, Christopher T., 2008. "Retail gasoline
pricing: What do we know?," International Journal of Industrial Organization, Elsevier,
vol. 26(6), pp 1425-1436, November.
Johnson, R. 2002. "Search costs, lags and prices at the pump". Review of Industrial Organization, 20. pp. 33-50, 2002.
Lewis, M. 2008. "Price dispersion and competition with dierentiated sellers". The Journal of
Industrial Economics. Volume LVI, September 2008. No.3.
60
Lewis, M. 2004. "Asymmetric price adjustment and consumer search: an examination of the
retail gasoline market". Working paper. September 1, 2004.
Livingstone, M. y Levitt, T. 1957. "Competition and retail gasoline prices". The Review of
Economics and Statistics, Vol. 41, No. 2, Part 1 (May, 1959), pp. 119-132.
Marvel, H. 1976. "The economics of information and retail gasoline price behavior: An empirical
Analysis". Journal of Political Economy, 1976, vol. 84, no. 5, pp. 1033-1060.
Marvel, H. 1978. "Competition and price levels in the retail gasoline market". The Review of
Economics and Statistics, Vol. 60, No. 2. April, 1978. pp 252-258.
Rothschild, M. 1973. "Models of market organization with imperfect information: a survey".
The Journal of Political Economy, Vol. 81, No. 6 (Nov. - Dec., 1973), pp. 1283-1308
Salop, S. 1977. "The Noisy Monopolist: Imperfect Information, Price Dispersion and Price
Discrimination". The Review of Economic Studies, Vol. 44, No. 3 (Oct., 1977), pp. 393-406.
Salop, S. y Stiglitz, J. "Bargains and Ripos: A Model of Monopolistically Competitive Price
Dispersion". The Review of Economic Studies, Vol. 44, No. 3 (Oct., 1977), pp. 493-510
Sorensen, A. 2000. "Equilibrium price dispersion in retail markets for prescription drugs," Journal of Political Economy, University of Chicago Press, vol. 108(4), pages 833-862, August.
Stigler, G. 1961. "The economics of information". The Journal of Political Economy, Vol. 69,
No. 3 (Jun., 1961), pp. 213-225
Varian, Hal R. 1980. "A model of sales". The American Economic Review, Vol. 70, No. 4 (Sep.,
1980), pp. 651-659
Walsh, P. y Whelan, C. 1999. "Modelling price dispersion as an outcome of competition in the
irish grocery market". The Journal of Industrial Economics, Vol. XLVII, No. 3, September
1999. pp. 325-343
61