Pontificia Universidad Católica de Chile

Facultad de Ciencias Económicas y Administrativas

Mercados II
Profesora: Daniela Zuñiga

TAREA 3:
CASO YOGURT

Integrantes:

María Ignacia Letelier Helfmann

Valentina Letelier Morales
 Caso Yogurt

a) Estime el modelo de elección de marca y comente los resultados. ¿Qué

proporción de las elecciones están bien clasificadas por el modelo? Analice el
aporte que hacen las constantes de marca en el modelo

Para estimar el modelo se crearon “dummys” para la variable marca. Además, se tomó
arbitrariamente como referencia la marca 2, Dannon, por lo que su constante toma el valor
de cero. Finalmente, se obtuvo la Tabla 1 luego de ordenar y generar las variables en la
columna de elección. En cuanto a la significancia de las variables, es posible afirmar que
todas son estadísticamente significativas dado que todas tienen un p-value menor al 5%.
En relación a las preferencias de los consumidores, vemos que Hiland y Watchers generan
un efecto negativo en la utilidad, por lo que claramente Dannon es preferida por los
consumidores antes que esas dos marcas. Sin embargo, Yoplait tiene un coeficiente positivo
y mayor a cero lo que la hace preferida ante Dannon. La variable precio también tiene un
efecto negativo en la utilidad por lo que ante un aumento de $1 en el precio, la utilidad
disminuye en 0,367. Lo anterior implica una disminución en la probabilidad de elección de
marca cuando hay un aumento en el precio de un 31%. Finalmente, la publicidad genera un
efecto positivo en la elección de 0,491.

Tabla 1

Conditional (fixed-effects) logistic regression

eleccion Coef. St.Err. t- p-value [95% Conf Interval] Sig
value
Yoplait 0.735 0.081 9.11 0.000 0.577 0.893 ***
Hiland -3.716 0.145 -25.55 0.000 -4.001 -3.431 ***
Watchers -0.641 0.054 -11.77 0.000 -0.748 -0.534 ***
publicidad 0.491 0.120 4.09 0.000 0.256 0.727 ***
precio -0.367 0.024 -15.04 0.000 -0.414 -0.319 ***

Mean dependent var 0.250 SD dependent var 0.433

Pseudo r-squared 0.205 Number of obs 9648.000
Chi-square 1373.708 Prob > chi2 0.000
Akaike crit. (AIC) 5323.776 Bayesian crit. (BIC) 5359.648

*** p<0.01, ** p<0.05, * p<0.1

Para ver qué proporción de las elecciones están bien clasificadas por el modelo, se
utilizó Stata para calcular la probabilidad de elección para cada marca y transacción. Con
ciertos comandos y dummys se obtuvo el número de transacciones donde coincide la mayor
probabilidad de elección con la elección realmente hecha. El numero arrojado fue 1252
transacciones de un total de 2412. Lo anterior corresponde a un 52 1%. Lo anterior implica
que el 52% de las elecciones de marca están bien clasificadas por el modelo.
Aproximadamente, la mayor probabilidad de elección termina siendo la compra efectiva.

1
e^(-0.37)-1= -0.309 ≈ -0,31
b) ¿Cuánto vale cada una de las marcas de Yogurt?

Las constantes de marca son aquellas que determinan el valor de cada una de las marcas.
Observando la Tabla 1, se desprende lo siguiente:

 Yoplait: 0,735
 Dannon: 0
 Watchers: -0,641
 Hiland: -3,716

Como se dijo en la pregunta anterior, se tomó la marca Danon como referencia por lo que
tiene una constante de marca igual a cero, por lo que los demás valores de marca se ven
todos en relación a Dannon. Además, esta constante nos informa sobre la utilidad que
obtienen los consumidores al elegir una marca determinada por lo que con esta información
es posible jerarquizar las preferencias de los consumidores. En este sentido, la marca más
preferida el Yoplait, seguida por Dannon, luego Watchers y en último lugar, Hiland.

c) Estime el modelo con datos hasta el hogar 50 y para los hogares 51 a 100 de manera
separada. Compare los resultados. ¿Qué puede concluir?

La Tabla 2 refleja los resultados para el grupo de hogares hasta el 50 y la Tabla 3 para el
grupo de hogares del 51 al 100.
EXPLICACION NO ENTENDI

Tabla 2
Alternative-specific conditional logit
eleccion Coef. St.Err. t-value p-value [95% Conf Interval] Sig
publicidad 0.346 0.169 2.05 0.041 0.014 0.677 **
precio -0.353 0.034 -10.24 0.000 -0.421 -0.286 ***
Constant 0.760 0.110 6.89 0.000 0.544 0.976 ***
Constant -3.642 0.200 -18.24 0.000 -4.034 -3.251 ***
Constant -0.978 0.083 -11.74 0.000 -1.141 -0.814 ***

Mean dependent var 0.250 SD dependent var 0.433

Number of obs 4936.000 Chi-square 128.574
Prob > chi2 0.000 Akaike crit. (AIC) 2659.432

*** p<0.01, ** p<0.05, * p<0.1

Tabla 3
Alternative-specific conditional logit
eleccion Coef. St.Err. t-value p-value [95% Conf Interval] Sig
publicidad 0.670 0.172 3.90 0.000 0.333 1.007 ***
precio -0.383 0.035 -10.95 0.000 -0.452 -0.315 ***
Constant 0.702 0.120 5.87 0.000 0.467 0.936 ***
Constant -3.812 0.214 -17.83 0.000 -4.231 -3.393 ***
Constant -0.355 0.073 -4.84 0.000 -0.499 -0.212 ***

Mean dependent var 0.250 SD dependent var 0.433

Number of obs 4712.000 Chi-square 145.773
 Prob > chi2 0.000 Akaike crit. (AIC) 2622.820

*** p<0.01, ** p<0.05, * p<0.1

d) ¿Cree usted que en este caso se cumple la IAI? Estime el modelo sin la marca Hiland y
compare los resultados con los encontrados en a). ¿Qué evidencia tiene respecto de la
IAI?
Para que se cumpla la Independencia de las Alternativas Irrelevantes, se debería cumplir
que al eliminar la marca Hiland, las probabilidades de elección siguen siendo las mismas. El
modelo estimado sin la marca se refleja en la Tabla 4. Es posible ver que las variables siguen
siendo significativas, tanto Yoplait como Weight Watchers cambian en una magnitud muy
pequeña y poco significativa. Con todo lo anterior, podemos decir que IAI se cumple.
FALTA ODD RATIOS QUE NO LO ENTENDI
Tabla 4
Conditional (fixed-effects) logistic regression
eleccion Coef. St.Err. t-value p-value [95% Conf Interval] Sig
Yoplait 0.746 0.083 8.99 0.000 0.584 0.909 ***
Watchers -0.639 0.054 -11.74 0.000 -0.746 -0.533 ***
publicidad 0.305 0.127 2.40 0.017 0.055 0.554 **
precio -0.368 0.025 -14.51 0.000 -0.417 -0.318 ***

Mean dependent var 0.333 SD dependent var 0.471

Pseudo r-squared 0.084 Number of obs 7023.000
Chi-square 430.345 Prob > chi2 0.000
Akaike crit. (AIC) 4721.358 Bayesian crit. (BIC) 4748.786

*** p<0.01, ** p<0.05, * p<0.1

Tabla 5
Conditional (fixed-effects) logistic regression
eleccion Coef. St.Err. t-value p-value [95% Conf Interval] Sig
Yoplait 2.109 0.175 8.99 0.000 1.793 2.482 ***
Watchers 0.528 0.029 -11.74 0.000 0.474 0.587 ***
publicidad 1.356 0.173 2.40 0.017 1.057 1.740 **
precio 0.692 0.018 -14.51 0.000 0.659 0.728 ***

Mean dependent var 0.333 SD dependent var 0.471

Pseudo r-squared 0.084 Number of obs 7023.000
Chi-square 430.345 Prob > chi2 0.000
Akaike crit. (AIC) 4721.358 Bayesian crit. (BIC) 4748.786

*** p<0.01, ** p<0.05, * p<0.1

e) Suponga que usted es ejecutivo de Dannon. ¿Preferiría una promoción de precio o una
campaña publicitaria para incentivar las ventas? Explique

Para analizar la conveniencia de ambos métodos es necesario ver qué información nos
están revelando las constantes asociadas a publicidad y precio acerca de la probabilidad de
elección. En cuanto a la publicidad, la cual tiene un efecto positivo en la utilidad de
elección de 0,49, la probabilidad de elección de marca aumenta en un 63% 2 si se hace una
campaña publicitaria. En relación a la variable precio, la cual genera un efecto negativo en
la utilidad de elección, es posible ver que la probabilidad de elección de marca disminuye
en un 31%3 si se suben los precios, por lo que hacer una promoción de precios aumentaría
en un 31% la probabilidad de elección de marca. Por lo tanto, el impacto en las ventas
seria mayor con una campaña publicitaria que con una promoción de precios para los
hogares de la muestra.

2
e^ (0,49)-1= 0,6339 ≈ 0,63
3
e^ (-0,367)-1= -0,307 ≈ -0,31
Do file stata

a)
cd "/Users/Nachaletelier/Desktop"
import excel using "yogurt.xlsx",sheet("datos forma larga") firstrow
gen Yoplait=1 if marca==1
replace Yoplait=0 if Yoplait==.
gen Hiland=1 if marca==3
replace Hiland=0 if Hiland==.
gen Watchers=1 if marca==4
replace Watchers=0 if Watchers==.
asdoc clogit eleccion Yoplait Hiland Watchers publicidad precio, group(transaccion),
save(t3mercados.doc) label
asdoc clogit, or , save(t3mercados.doc)label
asclogit eleccion publicidad precio, case (transaccion) alternatives (marca)
basealternative(2)
predict probabilidad_eleccion
bys transaccion: egen probmax= max(probabilidad_eleccion)
gen id_max= 0
replace id_max=1 if probabilidad_eleccion==probmax
drop probmax
gen id_correctas=0
replace id_correctas=1 if id_max==1 & eleccion==1
count if id_correctas==1

c)
asclogit eleccion publicidad precio if hogar<51, case (transaccion) alternatives (marca)
basealternative(2)
asdoc asclogit eleccion publicidad precio if hogar<51, case (transaccion) alternatives
(marca) basealternative(2), save(t3mercados.doc) label
asdoc asclogit eleccion publicidad precio if hogar>50, case (transaccion) alternatives
(marca) basealternative(2), save(t3mercados.doc)label

d)
drop if marca==3
drop if y=="hiland"
asdoc clogit eleccion Yoplait Watchers publicidad precio, group (transaccion),
save(t3mercados.doc) label
asdoc clogit, or, save(t3mercados.doc) label