mercados geográficos: lecciones de la distribución de ... · pdf file......

Mercados geográficos: lecciones de la

distribución de gasolinas

Jordi Perdiguero∗ y Joan-Ramon Borrell** (Universitat de Barcelona, GPRE e IREA)

(Versión preliminar, no citar sin el permiso de los autores)

Abstract.

La definición del mercado relevante continúa siendo una pieza clave en el análisis económico de la competencia que plantea numerosos problemas cuando la competencia es local y se requiere delimitar la dimensión geográfica del ejercicio del poder de mercado. A pesar de que se ha aproximado la definición del mercado relevante a los avances en la teoría económica y los métodos cuantitativos, las metodologías empleadas continúan presentando limitaciones. En este estudio proponemos un test de monopolista hipotético y de poder de mercado hipotético geográfico utilizando información de precios, de localización geográfica de los competidores y de distancias entre ellos (isocronas). El resultado obtenido indica que la información geográfica puede ser muy útil para delimitar de forma más precisa los mercados geográficos relevantes. Al aplicar el test geográfico al caso de las gasolineras en Cataluña observamos que los mercados de distribución comercial parecen ser más pequeños a los definidos tradicionalmente por la literatura económica y los órganos de defensa de la competencia. Palabras Clave: Competencia, Distribución minorista, Gasolina, Mercado Relevante, Geografía. Códigos JEL: L11, L12, L14, R12.

∗ Dept. de Política Econòmica. Grup de Recerca en Polítiques Públiques i Regulació Econòmica (GPRE). Institut d’Economia Aplicada (IREA). Universitat de Barcelona. Av. Diagonal 690. 08034 Barcelona. E-mail: [email protected]. Agradezco la financiación recibida de la “Fundación Rafael del Pino” a través del premio “Investiga 2004” para la realización de este estudio. ** Dept. de Política Econòmica. Grup de Recerca en Polítiques Públiques i Regulació Econòmica (GPRE). Institut d’Economia Aplicada (IREA). Universitat de Barcelona. Av. Diagonal 690. 08034 Barcelona. E-mail: [email protected] Agradezco la financiación recibida del Tribunal Catalán de Defensa de la Competencia en la realización de este estudio. Los autores agradecen igualmente, los comentarios y sugerencias de los vocales del TCDC y en especial de su Presidente, Lluís Franco, y de Josep M. Carreras. Agradecemos también la excelente ayuda de investigación en el uso de sistemas de información geográfica de Adrià Botey.

Versión preliminar, no citar sin el permiso de los autores

2

1. Introducción. La definición de los mercados relevantes ha sido, y continúa siendo en la actualidad, un elemento clave en la aplicación de la política de competencia. La importancia que las autoridades de defensa de la competencia otorgan a los niveles de concentración dentro de cada mercado relevante hace que la definición de estos últimos resulte fundamental en la evaluación del efecto adverso del ejercicio del poder de mercado. De hecho, la creciente utilización de instrumentos de simulación permite estudiar de forma más precisa y directa el poder de mercado de las empresas sin tener que definir previamente el mercado ni la concentración. Sin embargo, tal y como señalan Brenkers y Verboven (2005) el estudio de la concentración continuará siendo un instrumento importante en el análisis de la competencia por largo tiempo. La utilización de uno u otro modelo económico de simulación para estudiar la interacción de las empresas en los mercados estaría en los casos prácticos sujeto a demasiada controversia, y la elección del modelo determina los resultados del análisis. Por esta dificultad práctica, las autoridades de competencia han redefinido el instrumental que utilizan en la definición del mercado de manera que ahora, con la utilización del test del monopolista hipotético, es muy congruente con los fundamentos económicos de la competencia. En la actualidad tanto las guías de actuación de las autoridades de la competencia de EEUU como de la UE definen el mercado relevante a través de este test. Ahora bien, una vez definido el mercado se utiliza todavía el análisis de la concentración como paso previo al estudio del ejercicio del poder de mercado. El test intenta medir si una empresa que hipotéticamente monopolizase una serie de productos o zonas geográficas tendría incentivos a aumentar los precios entre un 5 y un 10 por ciento de forma no transitoria. Si es así, los productos o zonas geográficas estudiadas pertenecen al mismo mercado relevante. Se trata de identificar de forma precisa cuáles son los límites del mercado donde la rivalidad tiene efectos beneficiosos para los consumidores. En el presente estudio proponemos desarrollar esta metodología para definir la dimensión geográfica de los mercados relevantes. Mostraremos cómo aplicar el test del monopolista geográfico hipotético y el consiguiente test de poder de mercado geográfico al caso de la distribución minorista de gasolina. La localización geográfica de las estaciones de servicio es un caso paradigmático de competencia en mercados locales que comparte muchas de las características de la competencia geográfica de diversas actividades de distribución comercial. Hasta este momento la definición de mercados relevantes geográficos en el sector de la gasolina se ha realizado únicamente a nivel mayorista. Además, el creciente interés que suscita la definición local de mercados ha revitalizado la literatura sobre la rivalidad y la competencia en la distribución comercial que se produce dentro de isócronas de igual desplazamiento (Office of Fair Trading 2005, Competition Commission 2003 y Baker 1999).


3

La clave en la definición del mercado geográfico relevante en la distribución minorista de gasolina es establecer con qué otras estaciones de servicio compite cada uno de los puntos de venta. El artículo se estructura de la siguiente manera. En la sección 2, realizamos un análisis de los diferentes enfoques aplicados tradicionalmente para la definición del mercado relevante y exponemos los problemas que generan su aplicación. En la sección 3 presentamos la metodología para calcular el test del monopolista hipotético, metodología que nos permitirá tener en cuenta el importante papel de la localización geográfica. En la sección 4, presentamos los datos que han sido utilizados para realizar el trabajo. En la sección 5, presentamos los resultados obtenidos, y finalmente presentamos las conclusiones en la sección 6. 2. Definición de mercados geográficos relevantes Hasta este momento, los dos principales enfoques utilizados para definir los mercados geográficos relevantes es por un lado las divisiones administrativas del Estado y, por otro lado, las metodologías de diferenciales de precios. Es habitual en el análisis sobre el comportamiento de los mercados de distribución minorista, realizar aproximaciones ''intuitivas'' sobre el mercado geográfico relevante, relacionándolo con alguna de las divisiones administrativas del territorio. Ejemplos de este tipo de aproximaciones las podemos encontrar en Slade (1992), donde la autora considera que el mercado geográfico relevante es la ciudad de Vancouver, o el artículo publicado por Borenstein y Shepard (1996) donde igualmente consideran las ciudades norteamericanas como los mercados geográficos relevantes de su estudio. Esta aproximación tiene limitaciones, y puede llevar a definiciones de mercados poco relacionadas con la potencialidad de la rivalidad entre operadores. Una de las principales limitaciones de esta aproximación son los problemas de frontera. Atendiendo a la definición de los mercados geográficos relevantes a partir de divisiones administrativas, dos establecimientos, en nuestro caso dos estaciones de servicio, que están situadas muy cercanas, y que por lo tanto pueden tener una fuerte competencia entre si, serán tratadas en mercado geográficos diferentes, y por lo tanto sin relación entre ellas, únicamente por el hecho de que se encuentren una a cada lado de la frontera. El problema se agrava cuanta más pequeña es la unidad administrativa escogida como mercado relevante en el estudio. Alternativamente, existen toda una serie de metodologías econométricas empleadas para la definición de mercados relevantes, aunque mayoritariamente han sido aplicados en el tramo mayorista y no en la distribución minorista. La metodología más sencilla empleada es la correlación de precios. Los precios de dos establecimientos estarán correlacionados, y por lo tanto pertenecerán al mismo mercado, si el cambio de uno de los precios está asociado con el cambio en el otro precio. Si el coeficiente de correlación es igual a cero, los dos precios no pertenecerán al mismo mercado.


4

Sin embargo, esta metodología no ofrece resultados concluyentes, principalmente por dos motivos. Por una parte, es muy difícil determinar la frontera del coeficiente de correlación a partir de la que podemos concluir que pertenecen o no al mismo mercado. Por otro lado, si los dos precios están influenciados por un mismo factor, por ejemplo un mismo factor de producción, el coeficiente de correlación de los dos precios puede ser muy elevado, debido a la relación con el factor de producción, y no porque los dos precios están relacionados. Este último aspecto es clave en el precio de la gasolina, muy influenciada con la cotización del petróleo. Esta metodología fue empleada por Stigler y Sherwin (1985) para determinar si las ciudades de Chicago, Detroit y Nueva Orleans, pertenecían o no al mismo mercado mayorista de gasolina. El resultado obtenido mostraba que las tres ciudades pertenecían al mismo mercado, a pesar de que los propios autores señalaban que el coeficiente de correlación, no es un instrumento suficientemente potente como para definir la existencia de un sólo mercado geográfico. La metodología alternativa es el test de velocidad en el ajuste. Este test está basado en la idea de que dos productos, o dos zonas geográficas, pertenecen al mismo mercado si su diferencia de precios es estable en el tiempo. A pesar de que se trata de una metodología sencilla de implementar, presenta igualmente numerosos problemas. En primer lugar, la dificultad de cómo precisar el valor crítico a partir del que consideraremos que el diferencial de precios es estable. En segundo lugar, el principal problema es que esta metodología es sensible a la frecuencia de las observaciones. Mientras que con datos diarios podríamos observar un ajuste muy lento, este podría pasar a ser instantáneo con datos trimestrales o anuales. Una metodología de tipo similar es el llamado test de causalidad que intentan establecer alguna evidencia sobre si una serie de datos es causante de la evolución de otra, o si existe una causalidad mutua. El test de causalidad que se ha utilizado con mayor asiduidad es la ecuación de Granger. Esta metodología supone que los precios de dos productos, o de dos lugares geográficos de un mismo producto, se encuentran en el mismo mercado cuando existe causalidad entre algunas de las dos series, o exista una relación de causalidad mutua. Uno de los mayores problemas de implementar e interpretar la ecuación de Granger, es la presencia de autocorrelación del término de error, que invalidaría el test de significación conjunta de la F. A pesar de sus problemas, fue implementando por Slade (1986) para determinar los mercados mayoristas de gasolina en el mercado norteamericano. La autora concluyó que no existía una interrelación suficientemente importante para considerar que las ciudades del sureste y el noreste pertenecieran al mismo mercado geográfico, mientras que las ciudades del oeste, formaban otro mercado diferente. Esta metodología fue igualmente empleada por Audy y Erutku (2005) para definir los mercados geográficos relevantes en el mercado mayorista de gasolina en Canada. Finalmente, en la literatura encontramos las regresiones de precios dinámicas y los análisis de cointegración. El proceso de ajuste de una determinada zona geográfica respecto al cambio en el precio por parte de una gasolinera, puede ser aproximado a través de modelos de corrección del error. Antes de observar si las variables vuelven al


5

equilibrio tras el shock y a que velocidad se produce este ajuste, debemos comprobar la estacionalidad de las series, a través de un test de raices unitarias. Las técnicas basadas en las correlaciones de precios, por lo numerosos inconvenientes que tienen, son de difícil aplicación para la definición de mercados geográficos, sobretodo si se trata de mercados de distribución minorista. El hecho de que los precios de una serie de gasolineras se vean afectados por el movimiento de otras áreas, no es una prueba suficientemente robusta para concluir que se encuentran en el mismo mercado relevante. Esta consideración se ve reforzada cuando tratamos el mercado minorista de gasolina, donde el principal input es común para todas las gasolineras, y donde existe un coste de desplazamiento, en términos monetarios y de tiempo de desplazamiento, por el hecho de cambiar de minorista. Un ejemplo, que nos muestra los problemas que las metodologías de correlación de precios tienen para definir correctamente los mercados relevantes, es el mercado minorista de gasolina en las Islas Canarias. Este mercado minorista, existen cinco islas en oligopolio (Gran Canaria, Tenerife, La Palma, Lanzarote y Fuerteventura), y dos islas en monopolio de la compañía DISA (El Hierro y La Gomera). La compañía DISA fija los mismos precios en las dos islas de monopolio, por lo que todas las metodologías anteriormente descritas, y basadas en la correlación de precios, nos dirían que las gasolineras de las dos islas pertenecen al mismo mercado geográfico. Sin embargo, la realidad geográfica nos dice que los consumidores de cualquiera de las dos islas, no puede trasladarse a la otra isla para consumir gasolina, aunque el precio de la gasolina en su isla aumentara. Por tanto, podemos observar como una estrategia comercial de una determinada compañía, hace que las metodologías basadas en las correlaciones de precios no funcionen de forma correcta. Por ello, proponemos la introducción de variables geográficas que nos ayuden a definir los mercados relevantes de forma más eficiente. Esta definición la realizaremos a través del test del monopolista hipotético geográfico, que exponemos en la siguiente sección y que aplicaremos al caso de la distribución minorista de gasolina. Respecto al mercado relevante de producto en la distribución minorista de gasolina, consideraremos que la gasolina y el gasóleo de automoción son dos productos diferentes. Podemos considerar que la gasolina y el gasóleo de automoción son dos productos diferentes si realizamos el análisis en el corto plazo, donde los consumidores no pueden cambiar de combustible. Por el lado de la oferta, el hecho de que en las estaciones de servicio actuales, todos los surtidores permitan la venta de los dos tipos de combustibles, hace que la sustitución sea muy improbable. En nuestra aplicación escogeremos, dentro de estos mercados de producto relevantes diferentes, la gasolina sin plomo 95, por ser la de mayor demanda por parte de los consumidores domésticos. 3. Test del monopolista hipotético geográfico: las isócronas La competencia en el espacio es por su naturaleza un caso paradigmático de diferenciación de productos. Cada operador escoge en primer lugar la localización en el espacio físico, y después dada la localización de los competidores escoge el precio al que ofrece los productos de su punto de venta. Durante los últimos años, se han


6

desarrollado profusamente los métodos para llevar a los datos los modelos de diferenciación de productos, así como su uso por las autoridades de defensa de la competencia. Berry (1994) y Berry, Levinshon y Pakes (1993 y 1995) pusieron las bases para el desarrollo empírico de estos modelos, y Ivaldi y Verboven (2005) entre otros muestran su creciente utilidad para la aplicación práctica de la defensa de la competencia. En estos modelos, la maximización de beneficios de cada operador que denominaremos f (firm) en un mercado en el que compite con otros operadores y en el que se ofrecen un conjunto de productos diferenciados j=1,2,..J (gasolineras en nuestro caso) nos indica que los precios son mayores para los productos ofrecidos que tienen una menor elasticidad precio propia ( jj pq ∂∂ / ). Además, y lo que es más importante para nosotros, los precios de los productos serán mayores cuantas más variedades ofrezca cada empresa en el mercado (Jf), y en especial, cuanto mayor sea la elasticidad precio cruzada de los productos que ofrece la misma empresa ( ji pq ∂∂ / )1:

∑∈

−−=fJj

jjjjfpFqcpMax )(π

)(//

/ iiJi jj

ji

jj

jjj cp

pqpq

pqq

cpf

−∂∂

∂∂+

∂∂+= ∑

∈

A partir del sistema de ecuaciones de precio de equilibrio en un mercado de productos diferenciados podemos inferir cuál es el poder de mercado que puede ejercer una empresa al comercializar conjuntamente más variedades en el mercado. Ivaldi y Verboven (2005) proponen un test de poder de mercado hipotético para evaluar procesos de fusión que explota la información disponible sobre precios, ventas y elasticidades propias y cruzadas mediante la simulación de un modelo de equilibrio que incorpora una demanda tipo logit multinomial anidada para el mercado de camiones en Europa. Nuestra propuesta no requiere especificar una forma funcional de la demanda. Proponemos utilitzar la información sobre precios y distancias entre los puntos de venta de una red de distribución comercial para delimitar el mercado geográfico relevante y realizar un test de poder de mercado geográfico hipotético. Supongamos que las elasticidades precio cruzadas entre cada punto de servicio de un mismo mercado geográfico relevante y el resto de puntos de venta del mercado sean iguales. En este caso, la ecuación de precios de equilibrio anterior se podría rescribir de la siguiente manera: 1 Los precios de equilibrio son crecientes en relación al llamado coeficiente de desvío (divertion ratio) que indica qué proporción de ventas se desvían hacia una variedad cuando la empresa operadora aumenta el precio de otra de sus variedades en el mercado.


7

)(//

)1(/ ii

jj

jif

jj

jjj cp

pqpq

Jpq

qcp −

∂∂

∂∂−+

∂∂+=

El sistema de ecuaciones de precio de equilibrio pone de manifiesto que los precios de equilibrio son crecientes en relación al número de puntos de venta que tenga cada competidor en el mercado relevante (Jf –1). Por otro lado, la elasticidad precio propia es decreciente con el número de rivales que existan en el mercado (J-f). Por tanto, podemos aproximarnos a las elasticidades propias y cruzadas utilizando una función como la siguiente:

),( ffj JJfp −= Aplicación del test A partir de la matriz de distancias de las 590 gasolineras interurbanas, hemos construido una nueva variable que nos indica para cada estación de servicio, cuantas gasolineras de marcas rivales hay en el área de influencia o isócrona escogida. El hecho de escoger la distancia a la próxima estación de servicio de otra marca, y no la estación de servicio más próxima, es porque suponemos que no existe competencia intramarca. Sin embargo, en las estaciones de servicio independientes si hemos admitido la competencia entre ellas, por lo que se han tratado como agentes individuales. Este supuesto se debe a los tipos de contratos verticales existentes en la distribución minorista de gasolina de las estaciones de servicio abanderadas, y que hacen que prácticamente en la totalidad de los casos, el precio de la estación de servicio lo acabe fijando la compañía petrolera, y no el propietario de la estación de servicio. Como señalan Contín, Correljé y Huerta (1998), las compañías que se encuentran abanderadas, independientemente del régimen de propiedad, usufructo, concesión, propiedad de la compañía petrolífera o propiedad de un particular, trabajan a comisión por litro vendido, esto hace que sean las compañías las que fijen los precios finales de venta. Las tablas 1, muestran el número de mercados o isócronas, en los que hay competencia y en los que existe un monopolio (una sola marca tiene todas las gasolineras del mercado), en función de la distancia que tomemos para definir el mercado geográfico.


8

Tabla 1. Estructura de mercado en las áreas de influencia delimitadas por distancias (km)

km

Número de gasolineras en competencia

Número de gasolineras en

monopolio

Media de competidores en los mercados en

competencia

1 37 553 1.03 2 82 508 1.07 3 146 444 1.15 4 210 380 1.35 5 261 329 1.59 6 332 258 1.83 7 369 221 2.12 8 424 166 2.38 9 440 150 2.70

10 465 125 3.07 11 485 105 3.40 12 496 94 3.80 13 506 84 4.29 14 514 76 4.78 15 528 62 5.29 16 536 54 5.72 17 541 49 6.22 18 543 47 6.81 19 545 45 7.42 20 551 39 7.96 21 553 37 8.59 22 556 34 9.28 23 558 32 9.92 24 560 30 10.62 25 563 27 11.36 26 565 25 12.07 27 566 24 12.77 28 567 23 13.41 29 569 21 14.09 30 572 18 14.76

Fuente: Elaboración propia


9

Como podemos observar, cuando definimos el mercado de cada gasolinera como el área que queda dentro de un desplazamiento de diez kilómetros, por ejemplo, nos encontramos que hay 465 estaciones de servicio con rivales, mientras que 125 no tienen. Igualmente, hemos calculado el número total de estaciones de servicio que se encuentran en cada uno de los mercados definidos. Una vez que hemos asignado el número de competidores y el número total de gasolineras, que hay para las diversas definiciones del mercado geográfico, estamos interesados en conocer la magnitud del efecto de este número de competidores sobre los precios, el coeficiente α1 de la regresión siguiente:

Pi = α0 + α1 Nrivales(.)i + α2 Npropias(.)i + α3 IMDi + εi donde i=1,2,...,590. Nrivales(.)i es el número de competidores dentro de las áreas de influencia definidas: N(1km), N(2km),...,N(30km). Npropias(.)i es el número de estaciones de servicio dentro del área de influencua definida de la misma marca. La variable IMDi, es la instensidad media diaria de tráfico de cada gasolinera. Por lo tanto, debemos estimar 30 regresiones. Este coeficiente α1 nos indica en cuanto se reduciría el precio, en términos medios, de las gasolineras si en el área de influencia o isócrona definida existe un competidor adicional. Cabe advertir, que el número de rivales que tiene cada gasolinera en el área de influencia, así como el número de gasolineras de la misma marca, puede no ser exógeno, ya que puede depender de la demanda potencial de la zona, de los costes o de la marca de la gasolinera. Por ello, hemos estimado las ecuaciones anteriores utilizando el método de variables instrumentales, donde los instrumentos son las marcas de las gasolineras rivales y la población del distrito censal al que pertence la gasolinera. Ante la posibilidad de que la intensidad media diaria de tráfico (IMD), no afecte al precio fijado por las gasolineras, sino al número de gasolineras y de competidores que actuan en el mercado, nos ha llevado a formular una segunda especificación:

Pi = α0 + α1 Nrivales(.)i + α2 Npropias(.)I + εi donde la población, la marca de los rivales y la IMD son instrumentos del número de rivales y del número total de gasolineras. 4. Datos Una de las mayores dificultades para la realización de este estudio es el gran volumen de datos que se necesita. No sólo necesitamos conocer el precio de cada una de las gasolineras, así como la marca a la que pertenecen, sino que necesitamos ubicarlas geográficamente y conocer la distancia existente respecto al resto de gasolineras. La dirección y los precios fijados por las diferentes estaciones de servicio ha sido extraído

(1)

(2)


10

de la página web del Ministerio de Industria, Turismo y Comercio. El precio está tomado el 31 de julio de 2005. Con las direcciones obtenidas, se han georeferenciado todas y cada una de las gasolineras interurbanas, que no están en autopistas de peaje, existentes en Cataluña, un total de 590 estaciones de servicio. Posteriormente, mediante un graf de carreteras se han calculado la distancia por carretera, desde cada estación de servicio hasta el resto de puntos de venta. Esto hace que dispongamos de 348.100 distancias de desplazamiento calculadas. La marca de las 590 estaciones de servicio ha sido asignada a través de las páginas web de las compañías. En la tabla 2 podemos observar la distribución de las gasolineras por marcas, así como su precio medio para la gasolina 95 sin plomo, y su desviación estándar. La población ha sido obtenida de IDESCAT y corresponde a cada una de las áreas censales de las estaciones de servicio. Igualmente, la intensisdad media diaria de tráfico (IMD) ha sido obtenida de IDESCAT, y corresponde a la medición de la IMD más próxima a cada una de las estaciones de servicio. Tabla 2. Número de gasolineras interurbanas y su precio medio en Catalunya.

Nº Estaciones de Servicio

Precio medio Desviación Estándar

Repsol 259 1.032 0.009 Cepsa 100 1.029 0.007 Galp 16 1.031 0.0112 Petrocat 15 1.029 0.0022 Hipermercats 10 1.002 0.0298 Agip 6 1.030 0.0100 BP 1 1.030 - Independientes 182 1.025 0.0147 Total 590 1.029 0.0122 Fuente: Elaboración propia a partir de la página web del Ministerio de Industria, Turismo y Comercio, y de las páginas web de la compañías. Finalmente, la cotización del precio spot de la gasolina refinada de 95 octanos en el mercado del Mediterraneo, ha sido obtenido del boletín estadístico de la OPEP. 5. Resultados Como ya hemos señalado, en una primera etapa realizaremos un cálculo del efecto de la competencia sobre el precio de equilibrio, para en una segunda etapa aplicar el test del monopolista hipotético en las áreas de influencia estudiadas. Las tablas 3 y 4, presentan los resultados econométricos obtenidos. En el apéndice 1, podemos observar los resultados cuando el número de gasolineras de la misma marca es considerado exógeno.


11

Tabla 3. Resultados econométricos. Estimación por variables instrumentales. Ecuación estimada: Pi = α0 + α1 Nrivales(.)i + α2 Npropias(.)i + α3 IMDi + εi Nº de observaciones: 590 Variable endógena: Nrivales(.); Npropias(.)i Instrumentos: población, variables dummy de las marcas rivales 1 km 2 km 3 km 4 km 5 km 6 km 7 km 8 km Constante 1.03***

(0.004) 1.02*** (0.003)

1.028*** (0.004)

1.028*** (0.002)

1.026*** (0.003)

1.026*** (0.003)

1.023*** (0.0039)

1.025*** (0.0033)

Nrivales(.) -0.0476 (0.0413)

-0.04** (0.0192)

-0.0125 (0.0096)

-0.0078 (0.0072)

-0.0075 (0.0037)

-0.0112** (0.0056)

-0.0079** (0.0034)

-0.0068*** (0.0022)

Npropias(.)i 0.00004 (0.01)

0.0203*** (0.0078)

0.0045 (0.0049)

0.0035 (0.0031)

0.0051 (0.0037)

0.0076** (0.0038)

0.0072** (0.0031)

0.0052*** (0.0019)

IMDi 1.11e-07 (7.35e-08)

8.63e-08 (4.71e-08)

8.13e-08 (5.23e-08)

7.83e-08** (3.74e-08)

6.06e-08* (3.73e-08)

6.19e-08 (5.46e-08)

2.41e-08 (5.36e-08)

1.99e-08 (4.61e-08)

Sargan Test 13.76 (0.02)

4.46 (0.49)

20.87 (0.001)

23.75 (0.0002)

18.21 (0.003)

7.1 (0.21)

6.39 (0.27)

4.49 (0.48)

9 km 10 km 11 km 12 km 13 km 14 km 15 km 16 km Constante 1.027***

(0.0032) 1.026*** (0.003)

1.026*** (0.0036)

1.024*** (0.0036)

1.023*** (0.0038)

1.023*** (0.004)

1.023*** (0.004)

1.024*** (0.004)

Nrivales(.) -0.0056*** (0.0018)

-0.0048*** (0.0015)

-0.0041*** (0.0012)

-0.0032*** (0.0009)

-0.0029*** (0.0008)

-0.0022*** (0.0007)

-0.002*** (0.0006)

-0.0018*** (0.0005)

Npropias(.)i 0.0036** (0.0016)

0.0032*** (0.0012)

0.003*** (0.0011)

0.0027*** (0.001)

0.0026*** (0.0009)

0.0022** (0.0008)

0.002** (0.0008)

0.0017** (0.0007)

IMDi 6.09e-08 (4.57e-08)

5.91e-08 (4.00e-08)

3.49e-08 (4.71e-08)

1.80e-08 (5.19e-08)

1.02e-09 (6.14e-08)

4.24e-09 (6.24e-08)

-3.96e-09 (6.26e-08)

2.53e-10 (6.60e-08)


6.63 (0.25)

5.22 (0.39)

6.22 (0.29)

4.63 (0.46)

5.45 (0.36)

5.77 (0.33)

6.61 (0.25)


12


(0.0041) 1.025*** (0.004)

1.024*** (0.004)

1.024*** (0.004)

1.025*** (0.004)

1.024*** (0.004)

1.024*** (0.004)

1.024*** (0.004)

Nrivales(.) -0.0017*** (0.0005)

-0.0004* (0.0002)

-0.0014*** (0.0004)

-0.0013*** (0.0004)

-0.0012*** (0.0003)

-0.001*** (0.0003)

-0.001*** (0.0003)

-0.0009*** (0.0003)

Npropias(.)i 0.0015** (0.0006)

0.0011** (0.0005)

0.0013** (0.0005)

0.0012** (0.0005)

0.001** (0.0004)

0.0009** (0.0004)

0.0008** (0.0004)

0.0008** (0.0003)

IMDi -2.01e-09 (6.61e-08)

4.20e-08 (6.17e-08)

1.90e-09 (6.68e-08)

2.71e-09 (6.59e-08)

1.84e-08 (6.18e-08)

1.32e-08 (6.63e-08)

6.50e-09 (7.13e-08)

5.58e-09 (7.21e-08)0


9.65 (0.09)

7.65 (0.18)

8.01 (0.16)

8.96 (0.11)

9.32 (0.1)

8.16 (0.15)

7.79 (0.17)

25 km 26 km 27 km 28 km 29 km 30 km Constante 1.024***

(0.005) 1.024*** (0.004)

1.024*** (0.004)

1.024*** (0.004)

1.024*** (0.004)

1.024*** (0.004)

Nrivales(.) -0.0008*** (0.0002)

-0.0008*** (0.0002)

-0.0008*** (0.0002)

-0.0007*** (0.0002)

-0.0007*** (0.0002)

-0.0007*** (0.0002)

Npropias(.)i 0.0008** (0.0003)

0.0007** (0.0003)

0.0007*** (0.0003)

0.0007*** (0.0003)

0.0006*** (0.0003)

0.0006*** (0.0002)

IMDi 3.52e-09 (7.50e-08)

9.51e-09 (7.29e-08)

7.87e-09 (7.22e-08)

1.14e-08 (7.03e-08)

1.37e-08 (7.18e-08)

8.80e-09 (6.99e-08)


7.95 (0.16)

7.25 (0.20)

6.89 (0.23)

7.1 (0.21)

6.84 (0.23)

Error Estándar Robusto entre paréntesis. (* 10%, ** 5%, *** 1%) Variable endógena: Nrivales(.), Npropias(.)i

Instrumentos: población, IMDi, variables dummy de las marcas rivales.


13

Tabla 4. Resultados econométricos. Estimación por variables instrumentales. Ecuación estimada: Pi = α0 + α1 Nrivales(.)i + α2 Npropias(.)i + εi Nº de observaciones: 590 Variable endógena: Nrivales(.); Npropias (.)i Instrumentos: población, variables dummy de las marcas rivales, IMD i 1 km 2 km 3 km 4 km 5 km 6 km 7 km 8 km Constante 1.025***

(0.0034) 1.022*** (0.0035)

1.025*** (0.0037)

1.026*** (0.0023)

1.024*** (0.0029)

1.024*** (0.0035)

1.022*** (0.0038)

1.024*** (0.003)

Nrivales(.) 0.0004 (0.025)

-0.0284* (0.016)

-0.0027 (0.0087)

-0.0031 (0.0065)

-0.0049 (0.0059)

-0.0096* (0.0055)

-0.0076** (0.0034)

-0.0066*** (0.0023)

Npropias(.)i 0.0117 (0.0074)

0.0256*** (0.0083)

0.0068 (0.0053)

0.0046 (0.0033)

0.0059 (0.0038)

0.0084** (0.004)

0.0076** (0.003)

0.0055*** (0.0017)

Sargan Test 27.92 (0.0001)

5.95 (0.43)

26.52 (0.0002)

28.53 (0.0001)

20.16 (0.003)

7.92 (0.24)

6.26 (0.4)

4.47 (0.61)


(0.0029) 1.024*** (0.0029)

1.024*** (0.003)

1.024*** (0.003)

1.023*** (0.003)

1.023*** (0.003)

1.024*** (0.003)

1.024*** (0.003)

Nrivales(.) -0.0051** (0.002)

-0.0044*** (0.0015)

-0.004*** (0.0012)

-0.0032*** (0.0009)

-0.0029*** (0.0008)

-0.0022*** (0.0007)

-0.002*** (0.0006)

-0.0018*** (0.0005)

Npropias(.)i 0.0041*** (0.0029)

0.0036*** (0.0012)

0.0033*** (0.001)

0.0028*** (0.0008)

0.0026*** (0.0007)

0.0022*** (0.0006)

0.0019*** (0.0006)

0.0017*** (0.0005)


7.38 (0.29)

5.3 (0.51)

6.12 (0.41)

4.62 (0.59)

5.42 (0.49)

5.82 (0.44)

6.61 (0.36)


14


(0.003) 1.024*** (0.0028)

1.024*** (0.0029)

1.024*** (0.003)

1.024*** (0.003)

1.024*** (0.003)

1.024*** (0.003)

1.024*** (0.0029)

Nrivales(.) -0.0017*** (0.0005)

-0.0003 (0.0002)

-0.0014*** (0.0004)

-0.0013*** (0.0004)

-0.0011*** (0.0003)

-0.00099*** (0.0003)

-0.00096*** (0.00028)

-0.00088*** (0.00026)

Npropias(.)i 0.0015*** (0.0004)

0.0013*** (0.0004)

0.0013*** (0.0004)

0.0012*** (0.0003)

0.001*** (0.0003)

0.00094*** (0.0003)

0.00092*** (0.00026)

0.00085*** (0.00024)


9.66 (0.14)

7.62 (0.27)

7.98 (0.24)

8.87 (0.18)

9.2 (0.16)

8.08 (0.23)

7.73 (0.26)


(0.0029) 1.024*** (0.0029)

1.023*** (0.003)

1.024*** (0.003)

1.023*** (0.0029)

1.024*** (0.0028)

Nrivales(.) -0.0008*** (0.00024)

-0.00078*** (0.00023)

-0.00076*** (0.0002)

-0.00074*** (0.0002)

-0.00071*** (0.0002)

-0.00069*** (0.00021)

Npropias(.)i 0.0008*** (0.0002)

0.00076*** (0.0002)

0.00075*** (0.0002)

0.0007*** (0.00018)

0.00068*** (0.00018)

0.00065*** (0.00017)


7.87 (0.25)

7.19 (0.3)

6.83 (0.34)

7.03 (0.32)

6.79 (0.34)

Error Estándar entre paréntesis. (* 10%, ** 5%, *** 1%) Variable endógena: Nrivales(.), Npropias(.)i Instrumentos: población, IMDi, variables dummy de las marcas rivales


15

Como se puede observar, el efecto del número de competidores sobre el precio es negativo, como era de esperar, y significativo estadísticamente al 1 por ciento, en la gran mayoría de los casos. Igualmente podemos observar como el efecto del número de competidores cada vez es menor, lo que nos indica que el efecto del primer competidor es mayor y los siguientes competidores tienen un impacto más moderado. También nos podría señalar que, los competidores que están más cercanos hacen disminuir el precio en mayor medida que no los situados más lejos geográficamente. Igualmente el signo de la variable Npropias(.)i es positivo y significativo al 1 por ciento en la mayoría de los casos. Este resultado nos podría indicar que cuanto mayor es el número de gasolineras, mayor es el poder de mercado que esa marca posee en el mercado definido, por lo que puede fijar precios más elevados. Respecto a la variable IMDi, tiene un efecto positivo sobre el precio, pero en pocas ocasiones resulta significativo. Una interpretación de este resultado es que una elevada intensidad media diaria de tráfico, incentiva la entrada de más competidores, lo que limitaría de forma importante el posible efecto positivo de demanda que podría tener sobre los precios. En ese caso, resultaría un buen factor explicativo del número de gasolineras establecidas en el mercado. En las dos especificaciones los instrumentos utilizados superan el estadístico de sobreidentifiación de Sargan, lo que nos indica que los instrumentos utilizados en la estimación econométrica son válidos. Igualmente, hemos realizado un cluster de los residuos a través del código de cada una de las carreteras, para eliminar posibles problemas de correlación espacial. Una vez que hemos determinado el efecto que tienen las diferentes variables sobre el precio de la gasolina que fija cada gasolinera, y una vez observado que los signos coinciden con lo esperado, realizaremos para las diferentes áreas de influencia el test del monopolista hipotético. Este test trata de calcular el incremento que se produciría en el margen, si todos aquellos mercados en los que hay competencia es convirtieran hipotéticamente en mercados en monopolio. Para calcular el margen bruto de distribución, hemos restado a los precios minoristas antes de impuestos, la cotización de la gasolina refinada 95, para el mes de julio, del mercado spot del Mediterraneo. Este es una forma estándar en toda Europa para calcular el margen en el mercado minorista de distribución. A continuación se muestra la tabla 5 con los resultados del test para los mercados delimitados en distancias de desplazamiento, de 1 a 30 kilómetros, cuando la variable IMDi está considerada en la ecuación de demanda. La columna 1 muestra el efecto que tiene el número de rivales en el área de influencia de cada estación de servicio sobre los precios medios de la gasolina, cuando el número total de gasolineras se considera exógeno, mientras que en la columna 2, se muestra dichos efectos cuando se considera endógena. La columna 3 muestra el margen bruto de distribución. Las columnas 4 y 5 muestran los efectos que tendría la ausencia de rivales sobre el margen bruto de distribución, cuando el número total de gasolineras se considera exógeno y endógeno respectivamente. De la columna 5 se deduce que el mercado más pequeño en el que la monopolización hipotética produce un aumento pequeño pero significativo y no transitorio de precios


16

(Small but Significant and Non-transitory Increase in Prices, SSNIP), de cómo mínimo un 5 por ciento es el mercado definido en la distancia de 8 kilómetros en el entorno de cada estación de servicio. En este entorno, la rivalidad entre las gasolineras de las diferentes marcas disciplina los precios de forma pequeña pero significativa. Tabla 5. Incremento de precios del monopolista hipotético con la IMD como factor de demanda

Km

1 Efecto-precio

de los rivales en el mercado(€) (Npropias(.)i,

exógeno)

2 Efecto precio de los rivales

en el mercado (€)

(Npropias(.)i, endógeno)

3 Margen bruto

de distribución medio

(mercados en competencia)

1/3 = 4 Efecto-precio de pasar de

competencia a monopolio

(mercados en competencia,

%) (Npropias(.)i,

exógeno)

2/3 = 5 Efecto-precio de

pasar de competencia a

monopolio (mercados en

competencia, %) (Npropias(.)i,

endógeno)

1 km -0.0470366 -0.047648 0.1307869 36% 36%2 km -0.033416 -0.039974 0.1295288 26% 31%3 km -0.0142132 -0.0124505 0.1293103 11% 10%4 km -0.0072501 -0.007847 0.1288063 6% 6%5 km -0.0072257 -0.0074861 0.1293835 6% 6%6 km -0.0079797 -0.0111607 0.1292743 6% 9%7 km -0.0046664 -0.0078797 0.1296573 4% 6%8 km -0.0056651 -0.0068017 0.1295268 4% 5%9 km -0.0050576 -0.0056131 0.1294485 4% 4%10 km -0.0042165 -0.0047536 0.1292489 3% 4%11 km -0.0037489 -0.0041043 0.1293528 3% 3%12 km -0.0027536 -0.003212 0.1293532 2% 2%13 km -0.0024148 -0.0028653 0.1293175 2% 2%14 km -0.0019779 -0.0022274 0.1291347 2% 2%15 km -0.0017788 -0.0020283 0.1290227 1% 2%16 km -0.0016685 -0.0018428 0.1291315 1% 1%17 km -0.0015179 -0.0016718 0.1291065 1% 1%18 km -0.0005338 -0.0004048 0.1291418 0% 0%19 km -0.0012542 -0.0013634 0.1290811 1% 1%20 km -0.0011688 -0.0012782 0.1290407 1% 1%21 km -0.0011022 -0.0011509 0.1290175 1% 1%22 km -0.0009405 -0.0010026 0.1290373 1% 1%23 km -0.0008966 -0.0009609 0.1290298 1% 1%24 km -0.000856 -0.0008859 0.1290115 1% 1%25 km -0.0007891 -0.0008065 0.1290021 1% 1%26 km -0.0007661 -0.0007839 0.1290253 1% 1%27 km -0.0007454 -0.0007659 0.1290064 1% 1%28 km -0.0007368 -0.0007439 0.1290027 1% 1%29 km -0.0007177 -0.0007215 0.1290258 1% 1%30 km -0.0006937 -0.0006952 0.1290299 1% 1%


17

Gráfico 1. Incremento de precios del monopolista hipotético, con la IMD como factor de demanda. (€)

0

0.005

0.01

0.015

0.02

0.025

0.03

0.035

0.04

0.045

0.05

1 km 2 km 3 km 4 km 5 km 6 km 7 km 8 km 9 km 10km

11km

12km

13km

14km

15km

16km

17km

18km

19km

20km

21km

22km

23km

24km

25km

26km

27km

28km

29km

30km

Npropias(.)i endógena Npropias(.)i enxógena

Fuente: Elaboración propia Gráfico 2. Incremento de precios del monopolista hipotético, con la IMD como factor de demanda. (%)

0%

5%

10%

15%

20%

25%

30%

35%

1 km 2 km 3 km 4 km 5 km 6 km 7 km 8 km 9 km 10 km 11 km 12 km 13 km 14 km 15 km 16 km 17 km 18 km 19 km 20 km 21 km 22 km 23 km 24 km 25 km 26 km 27 km 28 km 29 km 30 km

Npropias(.)i endógena Npropias(.)i exógena

Fuente: Elaboración propia Los Gráficos 1 y 2, muestran como el efecto, tanto en valores absolutos como en porcentaje, es decreciente, cruzando la linea del 5% en los 8 kilometros. Hemos realizado este mismo ejercicio para la especificación (2), donde la intensidad media diaria de trñafico se considera como un factor explicativo del número de gasolineras y no como variable que afecte directamente al precio. La tabla 6 tiene la misma estructura que la anterior, y muestra de nuevo como el umbral del 5 por ciento


18

se obtiene en la definición de los mercados de 8 kilometros en el entorno de cada una de las estaciones de servicio. Tabla 6. Incremento de precios del monopolista hipotético con la IMD como factor explicativo del número de gasolineras.

Km

1 Efecto-precio

de los rivales en el mercado(€)

(Ntotal(.)i, exógeno)

2 Efecto precio de los rivales

en el mercado (€) (Ntotal(.)i,

endógeno)

3 Margen bruto

de distribución medio

(mercados en competencia)

1/3 = 4 Efecto-precio de pasar de

competencia a monopolio

(mercados en competencia, %) (Ntotal(.)i,

exógeno)

2/3 = 5 Efecto-precio de

pasar de competencia a

monopolio (mercados en

competencia, %) (Ntotal(.)i, endógeno)

1 km 0.0014709 0.0004177 0.1307869 -1% 0%2 km -0.0071844 -0.0283827 0.1295288 6% 22%3 km -0.0035536 -0.0027372 0.1293103 3% 2%4 km 0.0004792 -0.0031344 0.1288063 0% 2%5 km -0.0008688 -0.004925 0.1293835 1% 4%6 km -0.0012603 -0.0096187 0.1292743 1% 7%7 km -0.0008214 -0.0076418 0.1296573 1% 6%8 km -0.0028869 -0.0066451 0.1295268 2% 5%9 km -0.0025035 -0.0050898 0.1294485 2% 4%10 km -0.002356 -0.0043941 0.1292489 2% 3%11 km -0.0024969 -0.0039942 0.1293528 2% 3%12 km -0.0019412 -0.0031883 0.1293532 2% 2%13 km -0.0017401 -0.0028644 0.1293175 1% 2%14 km -0.001437 -0.0022224 0.1291347 1% 2%15 km -0.0014001 -0.0020299 0.1290227 1% 2%16 km -0.0013193 -0.0018426 0.1291315 1% 1%17 km -0.0012138 -0.0016727 0.1291065 1% 1%18 km -0.0001423 -0.0002888 0.1291418 0% 0%19 km -0.0009747 -0.0013621 0.1290811 1% 1%20 km -0.0009276 -0.0012769 0.1290407 1% 1%21 km -0.0008792 -0.0011362 0.1290175 1% 1%22 km -0.0007267 -0.0009941 0.1290373 1% 1%23 km -0.0006916 -0.0009573 0.1290298 1% 1%24 km -0.0006734 -0.0008821 0.1290115 1% 1%25 km -0.0006288 -0.0008042 0.1290021 0% 1%26 km -0.0006018 -0.0007775 0.1290253 0% 1%27 km -0.000576 -0.0007606 0.1290064 0% 1%28 km -0.000569 -0.0007355 0.1290027 0% 1%29 km -0.0005471 -0.0007111 0.1290258 0% 1%30 km -0.0005429 -0.0006891 0.1290299 0% 1%


19

Los gráficos 3 y 4 muestran gráficamente el efecto del número de rivales en el margen bruto de distribución, donde podemos observar que de nuevo el umbral del 5 por ciento se obtiene en la definición de los mercados de 8 kilometros alrededor de cada estación de servicio. Gráfico 3. Incremento de precio del monopolista hipotético, con la IMD como factor explicativo del número de gasolineras. (€)

0

0.005

0.01

0.015

0.02

0.025

0.03


11km

12km

13km

14km

15km

16km

17km

18km

19km

20km

21km

22km

23km

24km

25km

26km

27km

28km

29km

30km


Fuente: Elaboración propia Gráfico 4. Incremento de precio del monopolista hipotético, con la IMD como factor explicativo del número de gasolineras. (%)

0%

5%

10%

15%

20%

25%


11km

12km

13km

14km

15km

16km

17km

18km

19km

20km

21km

22km

23km

24km

25km

26km

27km

28km

29km

30km


Fuente: Elaboración propia


20

Del análisis realizado concluimos que la rivalidad en la distribución y comercialización de gasolina sin plomo 95, se produce en mercados relativamente pequeños, de 8 kilómetros en el entorno de cada estación de servicio. La rivalidad a partir de esta distancia no disciplina suficientemente el margen de distribución. El mercado geográfico relevante es por lo tanto el que queda definido en estas isócronas de distancia alrededor de cada gasolinera. A continuación presentamos el mapa de Catalunya con las 166 gasolineras que se encontrarían en situación de monopolio si definimos los mercados en 8 kilometros de desplazamiento desde cada estación de servicio. Gráfico 5. Mapa de Catalunya con las 166 estaciones de servicio sin competidores en 8 kilometros de desplazamiento.

En el anterior mapa podemos observar como la mayoría de las estaciones de servicio sin ningún competidor en 8 kilometros de desplazamiento están bajo el control de la compañía Repsol, aspecto que no nos debería sorprender ya que también poseé la


21

mayor cuota de mercado, y además era la compañía pública cuando se produjo el reparto de las estaciones de servicio, con lo que podría haber escogido los mejores lugares. Igualmente podemos observar una vía especialmente monopolizada por Repsol, la antigua N-II, actualmente llamada A.-2. Esta autovía, que comienza en Lleida, llega hasta Barcelona y continua hasta Girona, es una de las principales vías de gran capacidad de Catalunya y se encuentra copada por estaciones de servicio de la compañía Repsol, prácticamente en su totalidad. Otras vías de comunicación importantes, como las principales conexiones con Francia (N-230, N-260, E-9, C-38), se encuentran igualmente fuertemente monopolizadas por las diferentes compañías. 6. Conclusiones La definición del mercado relevante continúa siendo hoy en día una pieza fundamental en la política de competencia. A pesar de que una definición inadecuada nos puede llevar a conclusiones alejadas de la realidad, la definición del mercado geográfico relevante en la distribución minorista no ha sido analizada en profundidad. Los enfoques tradicionales se han limitado a establecer como mercados geográficos relevante alguna de las divisiones administrativas de los diferentes países, o han establecido mecanismos de correlación de precios que presentan numerosos problemas en la aplicación a los mercados minoristas de distribución. Por todo ello, proponemos la aplicación de una metodología consistente con el test del monopolista hipotético, que nos permitiera definir las áreas de influencia de cada uno de los puntos de venta, en nuestro caso las gasolineras. Una vez georeferenciadas las 590 gasolineras interurbanas que existen en Cataluña, se midieron las distancias desde cada una de las gasolineras al resto de estaciones de servicio. Una vez obtenidas estas distancias, calculamos el número de estaciones de servicio total y de marcas rivales que se encontraban dentro de las áreas de influencia fijadas, y que iban desde 1 a 30 kilómetros. El hecho de escoger únicamente el número de estaciones de servicio de otras marcas, es porque suponemos que no existe competencia intramarca. Este supuesto se justifica por el tipo de contratos verticales existentes actualmente en España, que hacen que en la práctica totalidad de las estaciones de servicio abanderadas, como bien indican Contín et al. (1998), el precio final lo fije la compañía petrolera. Una vez obtenidos el número total de gasolinera de la misma marca y el número de rivales, pasamos a observar el efecto que este número de competidores tiene sobre el precio aplicado por las estaciones de servicio, a través de una estimación en dos etapas por variables instrumentales. El efecto del número de competidores sobre el precio es negativo, como era de esperar, y significativo estadísticamente. Para finalmente observar si este impacto supera el test del monopolista hipotético, que exige un impacto mínimo del 5 por ciento, medimos el impacto del número de competidores sobre el margen de distribución.


22

Con todo ello, concluimos que el mercado geográfico relevante medio, de la gasolina sin plomo 95 en Cataluña, para cada una de las gasolineras es de ocho kilómetros. Por lo tanto, la competencia entre las diferentes estaciones de servicio se produciría a nivel muy local, disipándose la presión competitiva de forma rápida. Esta definición de los mercados geográficos relevantes hace que nos encontremos con un gran número de mercados en situación de monopolio, concretamente 166. Estas 166 estaciones de servicio sin competencia en 8 kilometros de desplazamiento se encuentran situadas en las principales vías de comunicación de Catalunya, la actual A-2 (antigua N-II) y las vías de conexión con Francía, y están principalmente bajo el control de la compañía Repsol. Como conclusión de política económica, podríamos concluir que en el mercado de distribución minorista de gasolina en Cataluña, o bien tiene actualmente un déficit de estaciones de servicio en algunas zonas, o bien la distribución de las marcas en la red viaria catalana, hace que el nivel de competencia no alcance su nivel máximo. El efecto positivo que observamos del número total de gasolineras sobre el precio, parece indicar que esta segunda opción puede ser más beneficiosa para los consumidores.


23

Referencias Argentesi, E., y Ivaldi, M. (2005) ''Market Definition in the Printed Media Industry: Theory and Practice'' Discussion Paper Series CEPR, Nº5096. Audy, E. Y Erutku, C. (2005) “Price Test to Define Markets: An Application to Wholesale Gasoline in Canada” Journal of Industry, Competition and Trade, Vol. 5. Issue 2. pp. 137-54. Baker, J. (1999) “Econometric Analysis in FTC v. Staples”, Journal of Public Policy and Marketing, 18:1, Spring, 11-21. Berry, S. (1994) “Estimating Discrete-Choice Models of Product Differentiation” Rand Journal of Economics, Vol. 25. Issue 2. pp. 242-62. Berry, S., Levinshon, J., y Pakes, A. (1995) “Automobile Prices in Market Equilibrium” Econometrica, Vol. 63. Issue 4. pp. 841-90. Borenstein, S., y Shepard, A. (1996) ''Dynamic Pricing in Retail Gasoline Markets'' Rand Journal of Economics, Vol. 37. Issue 3. pp. 429-51. Borrell, JR., y Perdiguero, J. (2005) La Competècia en la distribució de gasolina a Catalunya. Tribunal Català de Defensa de la Competencia. Generalitat de Catalunya. Brekens, R., y Verboven, F. (2005) ''Market Definition with Differentiated Products- Lessons from the Car Market'' Discussion Paper Series CEPR, Nº 5249. Competition Commission (2003) ‘Safeway plc and Asda Group Limited; …: A Report on the Mergers in Contemplation’, September. CNE (2002) Cronología del Sector Petrolero Español, Dirección de Petroleo, Comisión Nacional de Energía, Madrid. Contin, I., Correljé, A., y Huerta, E. (1998) “Estrategias de Fijación de Precios en el Mercado Español de la Gasolina (1990-1997). Factores Explicativos” Economía Industrial, Nº 321. pp. 35-46. Dobbs, I.M. (2003) “Demand, Cost Elasticities and Pricing Benchmarks in the Hypothetical Monopoly Test: The Consequences of a Simple SSNIP” Applied Economics Letters, Vol. 10. pp. 545-48. Ivaldi, M., y Lörincz, S. (2005) “A Full Equilibrium Relevant Market Test: Application to Computer Servers” IDEI Working Papers Nº 341. Ivaldi, M., y Verboven, F. (2005) “Quantifying the Effects from Horizontal Mergers in European Competition Policy” International Journal of Industrial Organization, Vol. 23. Isuue 9-10. pp. 669-91.


24

Jiménez, J., y Perdiguero, J. (2006) ''¿Competencia o colusión en el mercado gasolina? Una aproximación a través del parámetro de conducta'' mimeo. Klein, C., Rifkin, E., y Noel, U. (1985) ''A Note on Defining Geographic Markets'' Regional Science and Urban Economics, Vol. 15. pp. 109-19. Office of Fair Trading (1999) “Quantitative Techniques in Competition Analysis”. Research Paper OFT, Nº 17. Office of Fair Trading (2005) “Acquisition by Terra For,a Investiments (GP) 2 Ltd of United Cinemas International (UK) Limited and Cinema International Corporation (UK) Limited.” Markovits, R. (2002) ''On the Inevitable Arbitrariness of Market Definitions'' Antitrust Bulletin, Vol. 77. Issue 4. pp. 571-601. Meyer, D. W. y Fischer, J.H (2004) “The Economics of Price Zones and Territorial Restrictions in Gasoline Marketing” Federal Trade Commission Working Paper, Nº 271. Motta, M. (2004) Competition Policy. Theory and Practice. Cambridge University Press, Cambridge y Nueva York. Pakes, A., Berry, S., y Levinshon, J. (1993) “Applications and Limitations of Some Recent Advances in Empirical Industrial Organization: Price Indexes and the Analysis of Environmental Change” American Economic Review, Vol. 83. Issue 2. pp. 241-46. Pleatsikas, Ch., y Teece, D. (2001) “The Analysis of Market Definition and Market Power in the Context of Rapid Innovation” International Journal of Industrial Organization, Vol. 19. Issue, 5. pp. 665-93. Radecki, L. (2000) ''Competition in Shifting Product and Geographic Markets'' Antitrust Bulletin, Vol. 45. Issue 3. pp. 571-613. Rey, P., y Stiglitz, J. (1995) ''The Role of Exclusive Territories in Producers'Competition'' Rand Journal of Economics, Vol.26, Nº 3. pp. 431-51. Slade, M.E. (1986) ''Exogeneity Test of Market Boundaries Applied to Petroleum Products'' Journal of Industrial Economics, Vol. 34. Slade, M.E. (1992) ''Vancouver's Gasoline-Price Wars: An Empirical Exercise in Uncovering Supergame Strategies'' Review of Economics Studies, Vol. 59. Issue 4. pp. 257-76. Stock, J.H., y Yogo, M. (2002) “Testing for Weak Instruments in Linear IV Regression” NBER Technical Workin Paper, Series Nº. 284. Uri, N., y Rifkin, E. (1985) ''Geographic Markets, Causality and Railroad Deregulation'' The Review of Economics and Statistics, Vol. 67. Issue 3. pp. 422-28.


25

Verboven, F. (2001) “Testing for "Monopoly" Market Power when Products are Differentiated in Quality” The Manchester School – Special Issue on Industrial Organization, Vol. 70. Issue 1, pp. 115-33.


26

Apéndice 1. Tabla 7. Resultados econométricos. Estimación por variables instrumentales. Ecuación estimada: Pi = α0 + α1 Nrivales(.)i + α2 Npropias(.)i + α3 IMDi + εi Nº de observaciones: 590 Variable endógena: Nrivales(.); Instrumentos: población, variables dummy de las marcas rivales 1 km 2 km 3 km 4 km 5 km 6 km 7 km 8 km Constante 1.03***

(0.0018) 1.03*** (0.0018)

1.03*** (0.0019)

1.03*** (0.0018)

1.029*** (0.0018)

1.03*** (0.002)

1.03*** (0.0017)

1.031*** (0.002)

Nrivales(.) -0.047 (0.032)

-0.033** (0.015)

-0.014 (0.009)

-0.0073 (0.0067)

-0.0072 (0.0053)

-0.008* (0.0043)

-0.0047** (0.0024)

-0.0057*** (0.0018)

Npropias(.)i 0.0005 (0.0016)

0.0019 (0.0012)

0.0028** (0.0011)

0.0018 (0.0013)

0.0023* (0.0014)

0.0023** (0.0012)

0.0014** (0.0007)

0.0018*** (0.0006)

IMDi 1.10e-07* (5.68e-08)

1.37e-07** (6.14e-08)

9.43e-08** (4.58e-08)

9.19e-08** (3.94e-08)

9.92e-08*** (3.82e-08)

1.30e-07** (5.08e-08)

1.17e-07*** (3.96e-08)

1.17e-07*** (3.72e-08)


(0.0019) 1.03*** (0.0017)

1.03*** (0.0018)

1.03*** (0.0017)

1.03*** (0.0016)

1.03*** (0.0016)

1.03*** (0.0016)

1.03*** (0.0016)

Nrivales(.) -0.0051*** (0.0015)

-0.0042*** (0.0012)

-0.0037*** (0.0011)

-0.0028*** (0.00074)

-0.0024*** (0.00065)

-0.002*** (0.0006)

-0.0018*** (0.0005)

-0.0017*** (0.0005)

Npropias(.)i 0.0017*** (0.0005)

0.0016*** (0.00045)

0.0014*** (0.0004)

0.0011*** (0.0003)

0.00097*** (0.0003)

0.00078*** (0.00025)

0.00074*** (0.00023)

0.00069*** (0.00021)

IMDi 1.27e-07*** (4.18e-08)

1.20e-07*** (3.92e-08)

1.12e-07*** (3.81e-08)

1.01e-07** (3.93e-08)

9.90e-08** (3.83e-08)

9.92e-08** (4.11e-08)

9.02e-08** (4.01e-08)

8.87e-08** (4.10e-08)


27


(0.0016) 1.031*** (0.002)

1.03*** (0.0017)

1.03*** (0.0018)

1.03*** (0.0017)

1.03*** (0.0017)

1.03*** (0.0017)

1.03*** (0.0018)

Nrivales(.) -0.0015*** (0.0004)

-0.0005*** (0.0002)

-0.0013*** (0.0004)

-0.0012*** (0.0003)

-0.0011*** (0.0003)

-0.0009*** (0.0003)

-0.0009*** (0.00025)

-0.00086*** (0.00024)

Npropias(.)i 0.00062*** (0.0002)

0.00015 (0.0001)

0.00052*** (0.00017)

0.00049*** (0.00016)

0.00047*** (0.00015)

0.00039*** (0.00013)

0.00038*** (0.00012)

0.00037*** (0.00011)

IMDi 8.85e-08** (4.11e-08)

1.20e-07** (5.35e-08)

8.99e-08** (4.25e-08)

8.78e-08** (4.23e-08)

8.85e-08** (4.15e-08)

9.05e-08** (4.10e-08)

9.10e-08** (4.16e-08)

8.89e-08** (4.20e-08)


(0.0018) 1.03*** (0.0018)

1.03*** (0.0018)

1.03*** (0.0018)

1.03*** (0.0019)

1.03*** (0.0019)

Nrivales(.) -0.00079*** (0.00022)

-0.00077*** (0.00022)

-0.00075*** (0.00021)

-0.00074*** (0.0002)

-0.00072*** (0.0002)

-0.00069*** (0.0002)

Npropias(.)i 0.00034*** (0.00011)

0.00034*** (0.00011)

0.00033*** (0.0001)

0.00032*** (0.0001)

0.00031*** (0.0001)

0.00031*** (0.0001)

IMDi 8.73e-08** (4.41e-08)

8.92e-08** (4.48e-08)

9.20e-08** (4.44e-08)

9.33e-08** (4.38e-08)

9.40e-08** (4.31e-08)

9.04e-08** (4.27e-08)

Error Estándar entre paréntesis. (* 10%, ** 5%, *** 1)


28

Tabla 8. Resultados econométricos. Estimación por variables instrumentales. Ecuación estimada: Pi = α0 + α1 Nrivales(.)i + α2 Npropias(.)i + εi Nº de observaciones: 590 Variable endógena: Nrivales(.); Instrumentos: población, variables dummy de las marcas rivales, IMD i 1 km 2 km 3 km 4 km 5 km 6 km 7 km 8 km Constante 1.028***

(0.0012) 1.029*** (0.0013)

1.029*** (0.0015)

1.028*** (0.0017)

1.028*** (0.0015)

1.029*** (0.0017)

1.028*** (0.0015)

1.03*** (0.0017)

Nrivales(.) 0.0015 (0.017)

-0.0072 (0.009)

-0.0036 (0.0064)

0.0005 (0.005)

-0.0009 (0.0037)

-0.0013 (0.0027)

-0.0008 (0.0017)

-0.0029** (0.0014)

Npropias(.)i 0.0005 (0.0011)

0.0015* (0.0009)

0.0016* (0.0009)

0.0005 (0.0011)

0.001 (0.0009)

0.00075 (0.00073)

0.0006 (0.0005)

0.0012*** (0.0005)


(0.0017) 1.03*** (0.0016)

1.03*** (0.0017)

1.03*** (0.0016)

1.03*** (0.0016)

1.03*** (0.0015)

1.03*** (0.0016)

1.03*** (0.0004)

Nrivales(.) -0.0025** (0.0011)

-0.0024** (0.00097)

-0.0025*** (0.00086)

-0.0019*** (0.00065)

-0.0017*** (0.0006)

-0.0014*** (0.0005)

-0.0014*** (0.0004)

-0.0013*** (0.0004)

Npropias(.)i 0.0012*** (0.0004)

0.0011*** (0.0004)

0.0011*** (0.0003)

0.00092*** (0.00028)

0.00084*** (0.00026)

0.0007*** (0.00023)

0.00068*** (0.00021)

0.00064*** (0.0002)


29


(0.0016) 1.029*** (0.0018)

1.03*** (0.0016)

1.03*** (0.0017)

1.03*** (0.0017)

1.03*** (0.0017)

1.03*** (0.0017)

1.03*** (0.0017)

Nrivales(.) -0.0012*** (0.0004)

-0.00014 (0.00016)

-0.00097*** (0.0003)

-0.00093*** (0.0003)

-0.00088*** (0.0003)

-0.00073*** (0.00026)

-0.00069*** (0.00023)

-0.00067*** (0.00022)

Npropias(.)i 0.00058*** (0.00019)

0.00019** (0.00009)

0.00048*** (0.00016)

0.00045*** (0.00015)

0.00044*** (0.00015)

0.00036*** (0.00012)

0.00035*** (0.00011)

0.00034*** (0.00011)


(0.0017) 1.03*** (0.0017)

1.03*** (0.0017)

1.03*** (0.0018)

1.03*** (0.0018)

1.03*** (0.0018)

Nrivales(.) -0.00063*** (0.0002)

-0.0006*** (0.0002)

-0.00058*** (0.00019)

-0.00057*** (0.00018)

-0.00055*** (0.00018)

-0.00054*** (0.00018)

Npropias(.)i 0.00032*** (0.0001)

0.00031*** (0.0001)

0.0003*** (0.0001)

0.00029*** (0.00009)

0.00029*** (0.00009)

0.00029*** (0.00009)

Error Estándar entre paréntesis. (* 10%, ** 5%, *** 1%) Variable endógena: Nrivales(.), Instrumentos: población, IMDi, variables dummy de las marcas rivales.

mercados geográficos: lecciones de la distribución de ... · pdf file......

Documents