Post on 01-Mar-2023
Binek Otomobil Piyasasında İlgili Ürün Pazarlarının Tespiti: Bir Yöntem Önerisi ve Türkiye Pazarına Uygulanması (2005)
Fırat Bilgel ve Ali Ilıcak
Alice: …lütfen, hangi yöne gitmemiz gerektiğini
söyler misin?
Kedi: Bu, büyük ölçüde nereye varmak istediğine
bağlı.
Lewis Carroll, Alice Harikalar Diyarında
Giriş
Bu çalışma, binek otomobil piyasasında bulunan modellerin hangi ilgili ürün pazarlarında yer
aldığının nasıl tespit edileceğinin gösterilmesi amaçlamaktadır. Bu amaçla hiyerarşik küme analizi
yoluyla bir ön sınıflandırma yapılmıştır. Daha sonra şasi uzunluğuna göre yapılan mevcut
sınıflandırmanın ihtiyaca cevap vermediğini göstermek için, her sınıftaki otomobil modellerinin
kendi ve çapraz fiyat talep esneklikleri hesaplanmış ve çapraz talep esnekliklerinin ekonometrik
geçerliliği ve büyüklüğü göz önünde bulundurulmuştur. Analiz aynı zamanda Ocak 2006’da
yürürlüğe giren 2005/4 sayılı Motorlu Taşıtlar Sektöründeki Dikey Anlaşmalar ve Uyumlu
Eylemlere İlişkin Grup Muafiyeti Tebliği’nde belirtilen dağıtım sistemlerinin ayrıştırılması
konusunda bir ön inceleme niteliği taşımaktadır.
Bunun için analizde Mart-Kasım 2005 tarihleri arasında segment bazında gruplandırılmış olan
toplam 217 binek otomobilin gerçekleşen aylık satış ve fiyat verileri kullanılarak distribütörlerin
piyasa payları hesaplanmış ve modellerin fiyat talep esnekliğinin ekonometrik tahminleri
yapılmıştır.
Çalışmada araç satış miktarları Otomotiv Distribütörleri Derneği’nin (ODD) 2005 yılına ait Mart-
Kasım arasındaki 9 aylık verilerinden, modellerin fiyatları ise Auto Info Türkye Dergisi’nin ilgili
aya ait Satınalma Rehberi başlıklı bölümlerinden alınmıştır. Ancak miktar verileri nin modellerin
motor hacimlerine göre alt kırılımlarına ulaşamadığımız için, satılan araçların ait olduğu modelin
en ucuz ya da en çok satılan alt-modelinin fiyatından satıldığı varsayılmıştır.
I. Distribütör piyasa paylarının hesaplanması
Ocak 2006’da yürürlüğe giren Motorlu Taşıtlar Sektöründeki Dikey Anlaşmalar ve Uyumlu
Eylemlere İlişkin Grup Muafiyeti Tebliği’ne göre, araç satışında uygulanacak olan dağıtım sistemi
seçimi aşağıdaki kriterlere tabidir.
Tablo 1: Dağıtım Sistemi Kriterleri
Piyasa Payı (s)
Uygulanabilecek
dağıtım sistemi
s < %30 %30 < s < %40 s > %40
Niteliksel Seçici Niteliksel Seçici Niteliksel Seçici
Niceliksel Seçici Niceliksel Seçici -
Münhas ır - -
Buna göre, eğer bir distribütör, ilgili modelinin ait olduğu ilgili ürün pazarında %30’un altında
piyasa payına sahip ise, Tablo 1’de verilen üç dağıtım sisteminden herhangi birini, %30 ile %40
arasında piyasa payına sahipse, niteliksel ya da niceliksel dağıtım sistemini, %40’in üzerinde
piyasa payına sahip ise sadece niteliksel dağıtım sistemini benimseyebilir1. Tablo 1’deki kriterler
göz önünde bulundurulduğunda satış adedi üzerinden her segmentteki distribütör piyasa payları
aşağıdaki gibidir.
Tablo 2: Satış Adedine göre Distribütör Piyasa Payları (%), Mart-Kasım 2005
Segment
Distribütör A B C D E F G MPV SUV
Doğuş (VW, Audi,
Seat, Porsche)
6.79 8.48 28.41 13.16 18.81 3.07 2.73
Baylas( Citroen,
Subaru)
18.21 2.05 2.94 1.91 4.75 4.71 6.46
Borusan (BMW, L and
Rover, Mini)
0.17 0.40 5.40 18.24 44.20 8.59 10.76
GM (Opel, Chevrolet) 11.55 12.07 11.88 11.13 7.00
Koç (Ford, TOFAŞ) 19.34 29.68 13.54 9.69 0.06 3.39
Sabancı (Toyota) 1.76 11.89 10.61 2.07 1.57 4.71 4.67
Yüce (Skoda) 2.89 1.46 5.03 0.59
Kia 36.72 0.27 1.72 0.41 1.31 45.88 33.71
Smart 1.22 0.10 5.30
Suzuki 7.72 0.13 6.58
1 Avrupa Birligi’nde yapilmis benzer calismalar icin bkz. Brenkers ve Verboven (2002), Verboven (2002).
Daihatsu 5.25 0.46 4.27
Dacia 4.53 0.10
Honda 2.51 1.16 3.69 5.73 0.59 5.38
Hyundai 8.24 13.92 0.85 15.27 14.21
Mitsubishi 0.82 0.81 0.16 2.35 0.87
Nissan 1.66 1.41 2.66 0.34 0.21 2.82
Peugeot 5.57 5.12 8.56 0.23
Renault 19.13 21.52 8.31 0.11 3.82 0.59
Rover 0.01 0.03 0.28
Tata 1.14
Chrysler 0.01 4.04 7.85 3.86
Lada 2.05 1.60
Mazda 1.25 2.54 0.53
Mercedes 0.33 1.67 28.45 33.23 38.18 40.59 1.00
Jaguar 0.13 1.51 2.19
Saab 0.33 0.40
Volvo 3.53 20.03 1.10
MG 1.06
HHI 2276 1585 1245 1356 1789 3419 1973 3803 1644
Tablo 2’ye bakıldığında, A ve SUV segmentinde Kia, F ve G segmentlerinde ise Mercedes-Benz
%30’un üzerindeki piyasa paylarıyla Seçici Dağıtım sistemini benimserken, F segmentinde
Borusan ve MPV segmentinde ise Kia ve Mercedes-Benz %40’in üzerindeki piyasa paylarıyla
sadece Niteliksel Seçici Dağıtım Sistemini benimseyebileceklerdir.
Tablo 1’de verilen pazar payları, her bir distribütörün ilgili segmentteki payı dikkate alınarak
hesaplanmıştır. Buna göre eğer distribütörün ilgili segmentte birden fazla modeli varsa, bunların
paylarının toplamı alınmıştır. Bu nedenle tablonun en soldaki sütununda markaların değil,
distribütörlerin bağlı olduğu grupların adları yer almaktadır.
Segmentler ise ODD’nin de benimsediği beynelmilel bir nitelik taşıdığı düşünülen şasi
uzunluklarına göre yapılan bölümlemelerdir. Buna göre A segmenti tek hacimli küçük
otomobilleri (Smart), B küçük (Ford Fiesta), C küçük-orta (Opel Astra), D büyük-orta (BMW 3), E
büyük-executive (Mercedes E), F lüks (Audi A8), G spor (Hyundai Coupe FX), SUV arazi araçları-
sport utulity vehicle (Honda CRV), MPV minivan-multipurpose vehicle (Chrysler Voyager) araçları
barındırmaktadır.
Her ne kadar AB Komisyonu verdiği hiçbir kararda yeni otomobiller için ilgili ürün pazarının nasıl
belirleneceğine dair bir açıklamada bulunmadıysa da2 bu gruplandırmayı benimsediği Açıklayıcı
Broşürde verilen örneklerden anlaşılmaktadır. Ancak bu gruplandırmanın rekabet teorisinde
benimsenen ve 2005/4 sayılı Motorlu Taşıtlar Tebliği uyarınca da dikkate alınacak olan “ilgili
ürün pazarı” yaklaşımıyla uyuşmadığı açıktır. Zira şasi uzunluğunun otomobillerin ilgili ürün
pazarı belirlenirken ilk olarak dikkate alınması gereken tüketici tercihleri için fiyat, motor hacmi,
beygir gücü ve ortalama yakıt tüketimi gibi ölçütlerden sonra geldiği düşünülmektedir.
Dolayısıyla her bir segmenti tüketicilerin gözünde ayrı ilgili ürün pazarları olarak alınabilecek
alternatif bir bölümleme çalışmasına ihtiyaç bulunmaktadır.
II. Alternatif bir Segmentasyon önerisi: Hiyerarşik Küme Analizi
Otomobil piyasasında ilgili ürün pazarının belirlenmesinde birkaç farklı niteliksel veya niceliksel
yöntem kullanılmaktadır. Bunlardan ilki ekonometrik modellerle oluşturulan tahmin
yöntemleridir. Yapmış olduğumuz analizin çıkış noktasını oluşturan çalışmalardan biri Verboven
(2002) ve Brenkers ve Verboven (2002) taraf ından yapılmıştır. Bu çalışmalar daha çok makro
ölçekli olup, herhangi bir araç modelinin piyasa payını etkileyen faktörleri belirlemeye yöneliktir.
Otomobil piyasasında ilgili ürün pazarlarının belirlenmesinde bizce kullanılması gereken
yöntemlerden bir digeri de hiyerarşik küme analizidir. Hiyerarşik küme analizi (hierarchical
cluster analysis), ürünlerin, pazar tanımlanmasında etkili olan faktörleri kullanarak
sınıflandırılmasında ve doğal gruplaşmaların belirlenmesinde kullanılan bir tekniktir. Hiyerarşik
küme analiziyle yapılmış bölümleme ve ilgili ürün pazarlarının belirlenmesi, yukarıda verilen
segmentasyon tanımına alternatif olmakla beraber, esneklik ve fiyat analizi gibi daha ileri
düzeydeki çalışmaların yapılmasında da referans noktası olması açısından önemlidir.
Bu amaçla 186 model için Mart-Kasım 2005 tarihleri arasında gerçekleşen ortalama fiyat, 100
kilometredeki yakıt tüketimi, motor hacmi ve beygir gücü gibi faktörler kullanılarak hiyerarşik
küme analiziyle otomotiv pazarı segmentlere ayrıştırılmıştır. Bugün kullanılan segmentasyon
tanımı modellerin şasi/dingil uzunluğuna, kasa yapısına ve kullanım amacına göre yapılırken
alternatif bir segmentasyon tanımı yukarıda belirtilen faktörleri de barındırmaktadır.
Küme analizinde esas olan ürünlerin benzerliğinin belirlenmesidir. Bu gruplama metodu
ürünlerin birbirlerine olan uzaklığının hesaplanmasıyla belirlenir. Bunlardan en sık kullanılanı
kareleri alınmış Öklidyen uzaklığıdır (Squared Euclidean Distance). Eğer, i ve j iki farklı modeli, X
karakteristiği ve n ise karakteristik sayısını gösterecek olursa, Kareleri Alınmış Öklidyen Uzaklık,
2 Bu durum Komisyonun kendi hazırladığı Açıklayıcı Broşür’ün s.74, dipnot 195’te de Kabul edilmiş ve
otomobillerin uzunluk, uzunluk ve fiyata gore bölümlenebileceğine değinilerek bu zorlu görevden
kaçınılmıştır.
n
k
jkikij XXd1
2 şeklinde ifade edilebilir.
Yukarıdaki ölçüm sonucunda elde edilen sayı ne kadar büyük olursa, bu iki ürün (model)
birbirinden o kadar farklılık göstermektedir. 3 Bu metodla yapılan hiyerarşik küme analizi
sonucunda belirlenen 8 segment tablo 3.1’de verilmiştir.
Tablo 3.1: Hiyerarşik Küme Analizine Bağlı Segmentasyon
Segment 1
Citroen C3 Daihatsu YRV Ford Fusion Nissan Micra Seat Ibiza
Citroen Picasso Fiat Albea Honda Jazz Opel Corsa Smart Forfour
Citroen Xsara Fiat Palio Hyundai Getz Opel Tigra Smart Fortwo
Dacia Logan Fiat Panda Kia Picanto Peugeot 206 Smart Roadster
Dacia Solenza Fiat Punto Mercedes A Serisi Peugeot 307 Suzuki Alto
Daihatsu Coure Ford Fiesta Mitsubishi Carisma Renault Clio Symbol Toyota Yaris
Daihatsu Sirion Ford Focus C-max Mitsubishi Colt Seat Cordoba VW Polo
Segment 2
Alfa 147 Ford Focus Mazda 3 Series Renault Megane II Subaru Impreza
Alfa 156 Honda Civic 3D MG ZR Renault Modus Suzuki Jimny
Audi A3 Honda Civic 4D MG ZS Renault Scenic Toyota Avensis
Audi A4 Honda Civic 5D Mini Cooper Rover 25 Toyota Corolla HB
BMW 1 Serisi Honda HR-V Mini Cooper C Rover 45 Toyota Corolla S/D
BMW 3 Serisi Hyundai Accent Mitsubishi Lancer Rover Streetwise Toyota Corolla S/W
Chevrolet Kalos Hyundai Coupe Mitsubishi Spacestar Seat Altea Toyota Verso
Chevrolet Lacetti Hyundai Elantra Nissan Almera Seat Leon Volvo SV 40
Citroen C4 Hyundai Santa Fe Opel Astra Seat Toledo Volvo V 50
Daihatsu Terios Kia Carens Opel Meriva Skoda Fabia VW Bora
Fiat Idea Kia Cerato Opel Zafira Skoda Fabia Combo VW Golf
Fiat Marea Kia Sportage Renault Clio Skoda Fabia Sedan VW Passat
Fiat Stilo Kia Rio Renault Megane Skoda Octavia VW Touran
Lada Vega
3 Hiyerarşik küme analizi istatistik paket programlarında hierarchical cluster analysis olarak bulunabilir.
Segment 5
Alfa 166 Ford Mondeo Kia Sorento Nissan Primera Saab 95
Chevrolet Evanda Honda Accord Landrover Freelander Nissan Terrano Subaru Legacy 2.0
Chrysler PT Honda CR-V Mazda 6 Series Nissan X-Trail Subaru Forester
Chrysler Cherokee Hyundai Tucson Mini Cooper S Peugeot 407 Suzuki Grand Vitara
Citroen C5 Kia Magentis Mitsubishi Outlander Saab 93 Toyota RAV 4
Toyota Camry
Segment 6 Segment 7
Mercedes E Serisi Audi A6 Porsche Boxster Chrysler Crossfire
Opel Signum BMWZ4 Subaru Legacy 3.0 Honda S 2000
Opel Vectra BMW X3
X 3
Subaru WRX Jaguar S-Type
Renault Laguna Jaguar X-Type Subaru Outback Mitsubishi Evo
Rover 75 Mercedes C Serisi Nissan 350 Z
Skoda Superb
Segment 4
Mitsubishi Pajero Audi TT Kia Opirus Mercedes G
Nissan Pathfinder BMW 5 Serisi Landrover Discovery Volvo S 60
Nissan Patrol Chrysler 300C Mercedes SLK Volvo S 80
Peugeot 607 Chrysler Sebring Mercedes CLK Volvo V 70
Volvo XC 90 Honda Civic Type R VW Touareg Mercedes M
Hiyerarşik küme analizi sonucunda elde edilen segmentler araçların 100 kilometredeki yakıt
tüketimi, beygir gücü ve fiyatı gibi faktörlere bağlı olduğundan aynı segmentte farklı kasa yapısı
ve kullanım amacındaki araçlar bulunabilmektedir. Türkiye’de binek otomobiller için kullanım
amacından çok fiyatın ve fiyat veri iken performanslarının araç seçiminde daha önemli faktörler
olarak ortaya çıkması hiyerarşik küme analizi sonucunda belirlenen segmentlerin beklentilerle
uyumlu olduğunu göstermektedir.
Segment 8 Segment 3
Audi A8 Landrover Range Rover Volvo XC 70 BMW X 5
BMW 7 Mercedes S Toyota Landcruiser Chrysler Grand Cherokee
BMW 6 Mercedes SL Hyundai Sonata Chrysler Wrangler
Jaguar XJ Porsche Carrera Porsche Cayenne
VW Phaeton
Tablo 3.2: Segment Histogramı
Modellerin segment içindeki dağılımlarına bakıldığında en çok aracın 1. ve 2. segmentlerde
bulunduğu görülmektedir. Binek otomobil piyasasındaki modellerin %18’i (35 model) 1.
segmentte olup bunu sırasıyla %35 (68 model) ile 2. segment, ve % 14 (27 model) ile 5. segment
takip etmektedir.
Tablo 3.3: Temel İstatistikler
Segment Fiyat (YTL)
Yakıt
Tüketimi
(l t/100 km)
Beygir Gücü
(hp)
1 Ortalama 26.802 5,50 79
Model Sayısı 35 35 35
Std. Sapma 8.749 0,82 13
2 Ortalama 33.948 7,30 104
Model Sayısı 68 68 68
Std. Sapma 9.779 0,70 9
5 Ortalama 58.435 8,93 145
Model Sayısı 27 27 27
Std. Sapma 11.989 0,67 11
6 Ortalama 80.962 6,30 137
Model Sayısı 11 11 11
Std. Sapma 20.157 0,84 12
7 Ortalama 103.138 10,20 240
Model Sayısı 9 9 9
Std. Sapma 24.311 0,59 24
4 Ortalama 110.982 9,80 174
Model Sayısı 20 20 20
Std. Sapma 35.785 1,01 16
3 Ortalama 115.767 13,30 212
Model Sayısı 7 7 7
Std. Sapma 50.100 1,13 32
8 Ortalama 211.832 10,30 253
Model Sayısı 9 9 9
Std. Sapma 14.538 1,42 42
Toplam Ortalama 62256 7.9 133
Model Sayısı 186 186 186
Std. Sapma 49279.93 2.04 52.84
Elde ettiğimiz segmentlerin fiyat, motor gücü ve ortalama yakıt tüketimlerinin ortalamalarını ve
standart sapmalarını inceleyerek segmentlerin profillerini ortaya koymaya çalıştık. Tablo 3.3’te
bu nedenle segmentler ortalama fiyatlarına göre sıralandılar. Segment 1’deki araçların ortalama
26 bin YTL değerinde ve 79 beygir gücünde olduklarını görmekteyiz. Segment 2’dekilerin fiyatı
ise ortalama 34 bin YTL olup araçlar 104 beygir gücündeler. Bu verilerden ve ilgili modellerin
taranmasından, Segment 1’in şasi uzunluğuna göre A ve B segmentlerine düşen araçları,
Segment 2’nin ise C ve D segmentlerini topladığı görülebilir. Buradan A’nın B’den, C’nin ise D’den
ayrı pazarlarda ifade edilecek kadar farklı olmadığı sonucu çıkarılabilir. Ancak bu durumun üst
segmentlerdeki araçların aldığımız üç ölçüte göre çeşitlilik göstermeleri yani, birbirlerinden ve alt
segmenttekilerden çok farklı olmasından da kaynaklanabileceği unutulmamalıdır. İncelediğimiz
186 modelden spor ya da aşırı lüks arabaları çıkardığımızda alt segmentlerdeki araçların da kendi
aralarında anlamlı gruplar oluşturacağını görürüz.
Nitekim AB Komisyonu da, bir araç farklı donanım seçenekleri yüzünden üst ya da alt
segmentlerdeki modellere rakip olabiliyorsa bütün bu segmentlerdeki araçların o aracın ilgili
pazar kümesine dahil edilmesi gerektiğini Açıklayıcı Broşürü’nde belirtmektedir. Bu fiyat
geçişlerinin alt segmentlerde yoğun olması Segment 1 ve Segment 2’nin tanımlarının doğru ve
ilgili pazar olarak kullanıma hazır olduğunu göstermektedir.
Segment 5, 2000 cc motor hacminin üzerindeki, 50 bin YTL ve üzeri fiyatlı D ve SUV
segmentlerindeki araçları barındırmaktadır. Bu araçların fiyatları görece düşük olmakla birlikte
yakıt tüketimi ve motor güçlerinin yine görece fazla olduğunu görmekteyiz.
Daha üst sınıflarda yer alan 56 modelin birbirlerinden ölçütler ışığında çok farklılaştırılmış
olduğu, bu araçların ancak 5 ayrı segmentte toparlanabilmesine yol açmıştır. ODD
sınıflandırmasına göre de E (büyük), F (Lüks), SUV ve G (spor araç) olarak 4 ayrı grupta incelenen
bu araçlar tüketicinin kafasındaki imajlarına göre değil teknik ve mali verilerine göre daha değişik
bir biçimde sınıflandırılmıştır.
Buna göre Segment 7 açıkça spor arabaları, Segment 6 yönetici araçlarını, Segment 8 en üst
düzey arabaları, Segment 3 üst düzey SUV’leri içermektedir. Segment 4 ise bir nevi, Segment
6’ya göre daha güçlü yönetici araçlarını (SUV’ler dahil) barındırmaktadır.
Görüldüğü üzere, araçların biçimlerinin empoze ettiği aile arabası, spor araba, lüks, SUV gibi
kullanım amacına yönelik özellikleri modele konulmamış olsa da, farklı amaçlara yönelik araçlar
kendi aralarında ikame edilebilir olduğu ölçüde aynı segmentlerde yer almıştır. Sonuçta örneğin
bir şirket yöneticisine E sınıfı bir araç yerine, SUV’de alabilmektedir, yeter ki mali profilleri çok
farklı olmasın.
Tablo 3.1’de sonuçlarını verdiğimiz analizde fiyat, motor gücü ve yakıt tüketimi gibi özelliklerin
her birinin tüketicinin gözünde eşit ağırlıkta olduğu varsayılmaktadır. Bu özelliklerin eşit ağırlıkta
olmadığı kesin olmakla birlikte, nasıl ağırlıklandırılması gerektiği sübjektif bir meseledir ve
kapsamlı bir anket çalışması yapılmadan da ortalama bir sonuca varılması mümkün değildir. Yine
de Tablo 3.1’deki sonuçların şasi uzunluğuna göre yapılan bölümlemeden sezgisel olarak daha
doğru olduğunu söyleyebiliriz. Fakat son sözün sonraki bölümlerde nasıl uygulanacağı gösterilen
çapraz esnekliklerin incelenmesinden sonra söylenmesi gerekmektedir.
III. Talep Esnekliği: Teori
Fiyat talep esnekliği, fiyattaki yüzde değişimin talepte oluşturduğu yüzde değişim olarak
tanımlanabilir. Buna göre, fiyat talep esnekliğini ile gösterecek olursak:
Q
P
P
Q şeklinde gösterilir.
Fiyat talep esnekliği 1’in üzerinde ise talep fiyattaki değişimlere karşı hassastır. Buna karşın,
esneklik 1’in altında ise talep fiyatlardan çok fazla etkilenmemektedir.
Mikroekonomik modellerdeki talebin fiyat esnekliği, kendi ve çapraz esnekliği olmak üzere ikiye
ayrılır. Kendi fiyat talep esnekliği (own price elasticity of demand) bir modelin fiyatındaki yüzde
değişimin, o modele olan talebi ne kadar değiştirdiğini, çapraz fiyat talep esnekliği (cross price
elasticity of demand) ise, bir modelin fiyatındaki yüzde değişimin, diğer bir modele olan talebi ne
kadar değiştirdiğini gösterir. Buna göre kendi ve çapraz fiyat talep esneklikleri sırasıyla,
i
i
i
i
iiQ
P
P
Q ve
i
j
j
iij
Q
P
P
Q olarak gösterilir.
Ekonomik teoriye göre bir modelin fiyatı ile o modele olan talep arasında ters orantılı, bir
modelin fiyatı ile başka bir modele olan talep arasında ise doğru orantılı bir ilişki vardır. Bu
durum 0ii ve 0ij , diğer bir deyişle, kendi fiyat esnekliğinin daima negatif, aşağıda
belirteceğimiz koşullar altında ise çapraz fiyat esnekliğinin pozitif olma koşulunu getirir. Çapraz
fiyat esnekliği, modellerin ikame (substitution) mallar olması durumunda pozitif, tamamlayıcı
mallar (complements) olması durumunda ise negatiftir:
0ij : model i ve model j birbirini tamamlamaktadır.
0ij : bir model diğerine ikame etmektedir.
IV. Talep esnekliğinin Ekonometrik Modelleri
Fiyat talep esnekliğinin hesaplanmasında birkaç farklı ekonometrik model ve tahmin metodu
kullanılmaktadır. Bunlardan en sık kullanılanı, bağımlı değişkenin sürekli veri (continuous data)
olması durumunda uygulanabilecek olan tam logaritmik (full-logarithmic) spesifikasyondur. Bu
tanımlama aşağıdaki talep denklemiyle gösterilebilir.
uxPPQ jjii
'
21 (5.1)
Yukarıdaki denklemde i modeli, Q satış miktarını, Pi i modelinin fiyatını, Pj ise j modelinin fiyatını,
x bir matris olup talebi etkileyebilecek diğer makroekonomik değişkenleri ve u ise stokastik hata
terimini göstermektedir. (5.1)’deki i modelinin fiyat katsayısı olan 2 fiyatın bir YTL artması
durumunda, satışın, diğer bir deyişle talebin, ne kadar YTL azalacağını gösterir. Eğer (5.1)’deki
denklemde fiyat ve miktar değişkenlerinin doğal logaritması alınırsa oluşacak yeni denklemdeki
fiyat katsayısı, fiyat talep esnekliğini ifade eder. Buna göre;
uxPPQ jjii
'
21 lnlnln (5.2)
(5.2)’de ln doğal logaritmayi, 2 kendi fiyat talep esnekliğini, j ise çapraz fiyat talep
esnekliklerini göstermektedir. Aynı veya ardışık segmentlerdeki modellerin birbirlerini ikame
ettikleri durumda a priori beklenti 02 ve 0j ’dir. (5.2) numaralı denklem küçük kareler
(least squares, LS) yöntemiyle tahmin edilebilir.
LS yöntemi, bağımlı değişken olan satış miktarının (Q) o ay satış yapılamaması nedeniyle sıfır
değerini alması ve serilerin devamlı görünümünü kaybederek kesikli veri gibi görünmesi
durumunda hatalı katsayı tahmini vermektedir. Bu gibi durumlarda “integer count data” adı
verilen bir tahmin yöntemi esas alınır.
Yukarıdaki fiyat talep esnekliği tahmin yöntemlerine ek olarak ikinci bir alternatif ise segmentteki
piyasa paylarını esas alan “Oransal kalibre edilmiş İdeale Yakın Talep Sistemi” (Proportionally
Calibrated Almost Ideal Demand System, PCAIDS)’dir4. PCAIDS yöntemiyle her modelin
segmentdeki piyasa payı o modele ait fiyatla ve diğer modellerin fiyatlarıyla açıklanır.
ntntnntntntnnnt
tntntttt
tntntttt
uPbPbPbPbaS
uPbPbPbPbaS
uPbPbPbPbaS
lnlnlnln
lnlnlnln
lnlnlnln
332211
2232322212122
11131321211111
(5.3)
4 Bkz. Epstein ve Rubinfeld (2002).
(5.3) numaralı denklemde S, bir modelin söz konusu segmentteki değer cinsinden hesaplanmış
piyasa payını 10 S , n segmentteki model sayısını, t ise zamanı gösterir. Parametrelerin
birtakım varsayımlarla sınırlandırılmadığı bir durumda n tane model, n2 adet parametre
hesaplanması demektir. Fakat bunun için geniş çaplı bir veri setine gereksinim vardır. Buna
karşılık, (5.3) numaralı denklemin getirdiği birtakım sınırlamalar vardır. Bunlardan ilki
segmentteki piyasa paylarının toplamının 1 olduğudur ( 11
n
i
iS ). Bu sınırlamayla beraber
bilinmeyen parametre sayısı PCAIDS yöntemiyle büyük oranda azalmaktadır.
V. Esneklik Tahminleri
Kendi ve çapraz fiyat talep esnekliklerini hesaplayabilmek için her araç modeli için Mart-Kasım
2005 tarihleri arasındaki segment bazında aylık satış ve fiyat verileri kullanılmıştır. Veri seti
toplamda 60 model ve her model için 9 zaman serisi gözleminden oluşmaktadır. ODD
segmentleri bazında bakıldığında satış ve fiyat verileri tam olan modeller sırasıyla A segmentinde
5, D segmentinde 27, E segmentinde 14, F segmentinde 5 ve G segmentinde 9 adettir5. Kendi ve
çapraz fiyat talep esneklikleri bazı segmentler için, satış verileri kimi aylarda satış yapılamaması
nedeniyle kesikli bir görünüme sahip olduğundan integer count data tahmin yöntemi kullanılarak
hesaplanmıştır. Her model için ayrı bir denklem tanımlanmış ve Negative Binomial ML
yöntemiyle katsayı tahmini yapılmıştır6. Fakat model sayısının fazla olduğu orta segmentlerde
PCAIDS yöntemiyle esneklik hesaplanamamaktır. Buna ek olarak, modellere ait zaman serisinin 9
gözlemden oluşması nedeniyle talep denklemlerinin sağ tarafına maksimum 8 bağımsız değişken
konulabilmesi, bir segmentteki tüm çapraz esnekliklerin hesaplanamamasına yol açmaktadır7.
5 Esneklik tahmininde karşılaşılan teknik probl emler nedeniyle B,C ve SUV segmentindeki esneklikler
hesaplanmamıştır.
6 Negative Binomial ML yöntemiyle ilgili geniş bir bilgi Cameron ve Trivedi (1996)’de bulunabilir.
7 Talep esneklikleri tahmininde bazı model ler arasındaki esneklik işaretlerinin beklentilerle tutarlı
olmadığı görülmektedir. Bu durum bizce örneklem sayısının azlığından kaynaklanan ve telafisi uzun
dönemde olabilecek bir problemdir. Esneklik tahminlerinde dikkat çekilmesi gereken diğer bir ise durum
herhangi iki model arasındaki esnekliği n büyüklüğüdür. Yaptığımız tahminler sonucunda çıkan
esnekliklerin tam isabetli olması eldeki verilerin kısıtl ıl ığı gözönünde bulundurulduğunda mümkün
olmamaktadır. Buradaki dikkat çekmek istediğimiz nokta çapraz esnekliklerin birim (esneklik=1) esnekliği n
üstünde ya da altında kalıp kalmadığıdır.
Aşağıdaki tablolarda şasi uzunluğu bölümlemelerine göre aynı sınıfta kabul edilen araçların fiyat
talep esneklikleri gösterilmektedir. Bu tablolarda yatay eksendeki modeller fiyatı, tablonun
solundaki sütunda yer alan modeller ise miktarı göstermektedir.
Tablo 6.1: Fiyat Talep Esneklikleri: A Segmenti
Fiyat
A segmentine bakıldığında Smart ForTwo modeli Daihatsu Coure modeline rakip olarak
gözükmektedir. Diğer bir deyişle, bu iki model birbirini ikame etmektedir. Smart ForTwo
modelinin fiyatındaki bir artış Suzuki Alto modeline olan talebi artırırken, Alto’nun fiyatındaki bir
artış ForTwo modeline olan talebi etkilememektedir. Bu durum ForTwo’nun Alto modeliyle
ikame edildiğini fakat tam tersi bir durumun gerçekleşmediğini göstermektedir. ForTwo
modelinin A segmentindeki en pahal ı otomobil olduğu göz önünde bulundurulduğunda daha
ucuz bir model olan Alto ile ikame edilmesi beklentilerle tutarl ılık göstermektedir. Benzer bir
geçiş Fiat Panda ile Smart ForTwo arasında da gerçekleşmektedir. Burada ise, Fiat Panda’nın
fiyatındaki %1’lik bir artış talebi Smart ForTwo modeline kaydırırken, tam tersi bir durum
görülmemektedir. Tablo 6.1’te dikkat çeken bir başka durum ise hiçbir modelin Picanto ile ikame
edilmediğidir (çapraz fiyat esneklikleri sıfırdan farklı değildir). Bu durum Picanto modelinin mart
Segment
Esnekligi =
-2.88
Suzuki
Alto
Daihatsu
Coure
Smart
For Two
Fiat
Panda
Kia
Picanto
Suzuki Alto -26 21 34 0 12
Daihatsu
Coure
-13
0
17
0
0
Smart
For Two
0 6 -16 22 0
Fiat
Panda
18 -2 0 0 -5
Kia
Picanto
0 0 0 0 0
2005’ten itibaren olan 9 aylık satış performansının diğer modellere kıyasla daha yüksek olması ve
markalaşmayla açıklanabilir.
Tablo 6.2: Fiyat Talep Esneklikleri: D Segmenti
Fiyat
Segment
Esnekligi =
-2.22
Audi
A4
BMW
3 Serisi
Jaguar X-
Type
Mercedes
C Serisi
VW Passat Saab
93
Audi
A4
-15 0 0 0 0 0
BMW
3 Serisi
-7 5 21 -25 0 3
Jaguar
X-Type
0 15 42 -61 0 0
Mercedes
C Serisi
0 0 0 0 0 0
VW
Passat
0 0 0 0 0 0
Saab
93
16 17 19 -72 1 2
D segmenti fiyat talep esnekliklerine bakıldığında BMW 3 Serisi’nin Jaguar X-type ile Saab 93
modeline rakip olduğu, buna karşın VW Passat ve Mercedes C Serisi’nin hiçbir modele rakip
olmadığı görülmektedir. VW Passat fiyat ve satış miktarı seviyesiyle de D segmentindeki
araçlardan farklılık göstermektedir fakat Mercedes C Serisi’nin diğer modellerdeki fiyat
artışlarından etkilenmemesi Mercedes talep eden tüketici profilindeki farklılıklar ve marka
yönetiminin etkileriyle açıklanabilir. Bunlara ek olarak Audi A4, BMW 3 serisi ve VW Passat
modelleri Saab 93 modeliyle ikame edilmektedir. Tablo 6.2’daki modellerin ortalama fiyat
istatistiklerine bakıldığında en pahalı model Jaguar X-type olup, bunu sırasıyla Mercedes C Serisi,
BMW 3 serisi, Saab 93, Audi A4 ve VW Passat takip etmektedir. Dolayısıyla ortalama fiyata sahip
olan A4, 93 ve 3 Serisi arasında geçişler görülürken, X-type modelinden de Saab 93 ve BMW 3
Serisi’ne geçişler gözlemlenmektedir.
Tablo 6.3: Fiyat Talep Esneklikleri: E segmenti
Fiyat
Audi A6 BMW 5
Serisi
Chrysler
300C
Jaguar
SType
Mercedes
E Serisi
Volvo
S80
Volvo
XC70
Audi A6
0 0 0 61 0 0 0
BMW
5 Serisi
0 0 0 23 0 0 0
Chrysler
300C
501 0 -578 96 0 0 0
Jaguar SType
864 4 -1017 204 2 48 -79
Mercedes
E Serisi
164 1 -150 0 -9 14 -28
Volvo S80
0 1 0 0 8 -35 58
Volvo XC70
0 3 0 -132 -23 0 0
E segmentindeki 14 model, fiyatlardaki varyasyonun yüksek olması nedeniyle alt ve üst segment
olmak üzere iki bölümde incelenmiştir. Tablo 6.3’de üst E segmentinde olan modeller arasındaki
fiyat esneklikleri görülmektedir. Buna göre, Jaguar S Type modelinin Audi A6 ve BMW 5
Serisi’ne; Volvo S80’in ise Mercedes E Serisi’ne rakip olduğu gözlemlenmektedir.
Tablo 6.4: Fiyat Talep Esneklikleri: F segmenti
Fiyat
F segmentinde BMW 7 Serisi’nden Audi A8, Mercedes S ve Jaguar XJ modellerine bir ge çiş
olduğu görülmektedir. Tablo 6.4’deki modellerin ortalama fiyat istatistiklerine bakıldığında en
pahalı model BMW 7 Serisi olup, bunu sırasıyla Mercedes S, Jaguar XJ, Audi A8 ve VW Phaeton
takip etmektedir. BMW 7 Serisi’nin segmentteki en pahal ı model olduğu göz önünde
bulundurulduğunda, yüksek fiyatlı modellerden, göreceli olarak düşük fiyatlı modellere geçiş
olması beklenen bir durumdur. Bunun dışında VW Phaeton haricinde fiyat açısından en düşük iki
model ile en yüksek iki model arasında da ikame vardır.
Segment
Esnekligi =
-3.26
Audi A8 BMW
7 Serisi
Jaguar XJ
Mercedes S
Serisi
Audi A8
-3.3 11 224 -233
BMW
7 Serisi
-1 -3.3 -29 26
Jaguar
XJ
-84 234 -3.3 -3172
Mercedes
S Serisi
0 5 -218 -3.2
Tablo 6.5: Fiyat Talep Esneklikleri: G segmenti
Fiyat
Segment
Esnekligi =
-0.43
Porsche
Carrera
Mercedes
CLK
Mercedes
SLK
Chrysler
Sebring
Honda
S2000
Chrysler
Crossfire
Porsche
Carrera
-1032 1076 0 19 30 -91
Mercedes
CLK
883 0 -251 34 0 0
Mercedes
SLK
-1023 964 -77 14 37 104
Chrysler
Sebring
-2152 2308 -199 19 79 0
Honda S2000
0 0 171 0 0 83
Chrysler
Crossfire
-2056 2271 -318 46 72 19
G segmentine bakıldığında Mercedes CLK’nin Porsche Carrera ve Chrysler Sebring modellerine
rakip olduğu, Honda S2000’nin ise Mercedes SLK ve Chrysler Crossfire modellerine rakip olduğu
görülmektedir. Tablo 6.5’deki modellerin ortalama fiyat istatistiklerine bakıldığında en pahalı
model olan Porsche Carrera’yı sırasıyla Mercedes CLK, Chrysler Crossfire, Mercedes SLK, Honda
S2000 ve Chrysler Sebring takip etmektedir.
Sonuç
Son bölümde beynelmilel şasi uzunluğuna göre yapılan sınıflandırmanın segmentlerinin
birbirleriyle tam olarak ikame edilemeyecek modelleri barındırdığı, dolayısıyla incelemeye konu
olacak bir modelin ilgili ürün pazarının bu segment olarak tespit edilmemesi gerektiği
gösterilmiştir. Bu nedenle ilgili ürün pazarları tespit edilirken farklı bir yöntemin izlenmesini
çalışmamızda önerdik. Bu yönteme göre, önce küme analizi yöntemiyle, mümkün olursa
tüketicilerin modellere ilişkin sübjektif değerlendirmelerinin de kategorize edilerek modele
katılması yoluyla bulunacak segmentler oluşturulmalıdır. Daha sonra bu segmentlerde yer alan
modellerin birbirlerine ikame olup olmadıkları çapraz esnekliklerine bakılarak kontrol edilmelidir.
Bu şekilde tespit edilecek ilgili ürün pazarlarının şasi uzunluğu esas alınarak yapılan
segmentasyondan daha sağlıklı olacağı düşünülmektedir.
İlgili ürün pazarının nasıl hesaplanacağına ilişkin sayısız tartışma hem yabancı hem de Türkçe
literatürde bulunabilir.8 Biz teorinin ancak pratiği açıkladığı ve ona yön verdiği ölçüde anlamlı
olduğunu düşündüğümüzden tartışmaları özetlemeyi başkalarına bırakıp, Türk otomobil
piyasasında daha önce yapılmamış bir çalışmayı, verileri elde etmek için elimizden gelen çabayı
göstererek gerçekleştirmeye çalıştık. Kullandığımız yöntemler, doğru ilgili ürün pazarlarının neler
olduğunu göstermek için değil, ihtiyaç halinde doğru ilgili ürün pazarlarının nasıl tespit
edileceğini göstermeye yöneliktir.
8 Konu ile ilgili Türkçe kaynaklar için bkz. Çetinkaya (2003) ve Şenyücel (2003).
Kaynakça
Brenkers, R., Verboven, F. (2002) Liberalizing a Distribution System: The European Car Market.
Cameron, A.C, Trivedi, P.K. (1996) Count Data Models for Financial Data, Handbook of Statistics:
Statistical Methods in Finance, G.S Maddala C.R. Rao ed., North-Holland.
Çetinkaya, M. (2003), “İlgili Pazar Kavramı ve İlgili Pazar Tanımında Kullanılan Nicel Teknikler”,
Rekabet Kurumu, Ankara.
Şenyücel, O. (2003), “Rekabet İktisadında Ampirik Uygulamalar”, Rekabet Kurumu, Ankara.
Epstein, R.J., Rubinfeld, D.L. (2002) Merger Simulation: A Simplified Approach with New
Applications. Antitrust Law Journal, vol: 69, no. 3, pp: 883-919.
Verboven, F. (2002) Quantitative Study to Define the Relevant Market in the Passenger Car
Sector. Catholic University of Leuven.