Cenový vývoj a jeho predikce ve vybraných maloobchodních formátech

Mendelova univerzita v Brně Provozně ekonomická fakulta

Cenový vývoj a jeho predikce ve vybraných maloobchodních formátech Diplomová práce

Vedoucí práce: Ing. Marek Záboj, Ph.D.

Bc. Tereza Staňková

Brno 2012

Na tomto místě bych chtěla poděkovat vedoucímu mé diplomové práce panu Ing. Marku Zábojovi, Ph.D. za veškerou pomoc a odborné konzultace při zpracování práce.

Prohlašuji, že jsem tuto práci vypracovala samostatně s použitím literatury, kterou uvádím v seznamu. V Brně dne 1. 5. 2012

_______________________

Abstract STAŇKOVÁ, Tereza. Price Development and its Prediction in Selected Retail Formats. Brno, 2012. Diploma thesis. Mendel University in Brno. Diploma thesis is focused on the price prediction determination of selected food across particular retail formats. In the first part of the thesis, the theoretical framework of this issue is defined. The second part provides a practical solution of the specified goal. The practical part first evaluates the development in the selected food basket monitored by the author over the period of one year in 6 food stores of various retail formats. This is followed by a regression analysis by means of which an econometric model applicable for the subsequent annual price prediction of selected food was established. In order to evaluate the customer price sensitivity and determine the consequences of a potential price increase, a marketing research was conducted in BRNĚNKA retail network. Keywords Prediction, price development, retail, regression analysis, marketing research.

Abstrakt STAŇKOVÁ, Tereza. Cenový vývoj a jeho predikce ve vybraných maloobchodních formátech. Brno, 2012. Diplomová práce. Mendelova univerzita v Brně. Diplomová práce je zaměřena na stanovení cenové predikce zvolených potravin ve vybraných maloobchodních formátech. První část práce se zabývá vymezením teoretického rámce dané problematiky. Druhá část obsahuje praktické řešení stanoveného cíle. V praktické části je nejdříve zhodnocen cenový vývoj zvoleného koše potravin, který autorka sledovala po dobu jednoho roku v šesti prodejnách potravin různých maloobchodních formátů. Následuje regresní analýza, pomocí níž byl stanoven ekonometrický model využitelný pro následnou roční predikci cen vybraných potravin. Pro posouzení cenové citlivosti zákazníků a zjištění důsledků případného zdražování, byl proveden marketingový výzkum v MS BRNĚNKA, spol. s r.o. Klíčová slova Predikce, cenový vývoj, maloobchod, regresní analýza, marketingový výzkum.

Obsah

5

Obsah 1

2

3

Úvod a cíl práce 1.1

Úvod .................................................................................................................. 9

1.2

Cíl práce ............................................................................................................ 9

Metodika

11

2.1

Cenový vývoj a jeho predikce ...................................................................... 11

2.2

Marketingový výzkum ................................................................................. 12

Teoretická část 3.1 3.2

14

Marketing a marketingový mix ................................................................... 14

3.1.1

Cena ......................................................................................................... 14

Cenová predikce ............................................................................................ 15

3.2.1

4

9

Regresní analýza.................................................................................... 16

3.3

Maloobchod .................................................................................................... 23

3.4

Zákazník a jeho nákupní chování ............................................................... 25

3.5

Marketingový výzkum ................................................................................. 29

Vlastní práce 4.1

31

Sledované maloobchodní prodejny ............................................................ 31

4.1.1

Maloobchodní síť BRNĚNKA, spol. s r.o........................................... 31

4.1.2

Zvolené maloobchodní prodejny ........................................................ 32

4.2

Cenový vývoj zvolených potravin ve vybraných prodejnách ................ 35

4.3

Predikce cenového vývoje ............................................................................ 39

4.3.1

Vysvětlovaná proměnná ...................................................................... 39

4.3.2

Vysvětlující proměnné .......................................................................... 39

4.3.3

Empirická analýza ................................................................................. 41

4.3.4

Predikce cenového vývoje .................................................................... 56

Obsah

6

4.4

Marketingový výzkum ................................................................................. 61

4.4.1

Plán výzkumu ........................................................................................ 61

4.4.2

Pomocné výpočty .................................................................................. 64

4.4.3

Marketingový výzkum Brněnka ......................................................... 67

5

Diskuse

82

6

Závěr

85

7

Literatura

87

A

Dotazník

91

Seznam obrázků

7

Seznam obrázků Obr. 1 Logické schéma hledání adekvátního modelu (VESELÝ, 2000) .................. 15 Obr. 2 Maslowova pyramida lidských potřeb (FORET, 2008)................................. 25 Obr. 3 Model nákupního chování (KOMÁRKOVÁ, VYSEKALOVÁ A RYMEŠ, 1998) . 27 Obr. 4 Rozvoj maloobchodní sítě Brněnka ............................................................... 31 Obr. 5 Vývoj ceny stanoveného nákupu ve zvolených prodejnách v roce 2011 (v Kč) .............................................................................................................................. 36 Obr. 6 Průměrná cena jednoho stanoveného nákupu ve zvolených prodejnách (v Kč) .............................................................................................................................. 37 Obr. 7 Náklady na roční nákup ve zvolených prodejnách (v Kč)......................... 38 Obr. 8 Průměrná měsíční cena stanoveného nákupu (v Kč) ................................. 38 Obr. 9 Vývoj PCN a ICPV ........................................................................................... 42 Obr. 10 Lineární funkční forma ................................................................................. 43 Obr. 11 Kvadratická funkční forma ........................................................................... 43 Obr. 12 Inverzní funkční forma ................................................................................. 44 Obr. 13 Semilogaritmická funkční forma ................................................................. 44 Obr. 14 Prognóza kurzu CZK/EUR (ZPRÁVA O INFLACI/I, 2012) ............................. 56 Obr. 15 Vývoj indexu cen průmyslových výrobců ................................................. 57 Obr. 16 Predikce vývoj indexu cen průmyslových výrobců pro rok 2012 .......... 58 Obr. 17 Zastoupení respondentů dle vzdálenosti bydliště od prodejny Brněnka (Purkyňova) .................................................................................................................. 67 Obr. 18 Zastoupení respondentů dle věku............................................................... 68 Obr. 19 Zastoupení respondentů dle povolání ........................................................ 68 Obr. 20 Zastoupení respondentů dle čistého měsíčního příjmu ........................... 68 Obr. 21 Četnost návštěv prodejny ............................................................................. 69 Obr. 22 Obchody dle nejlepší ceny ............................................................................ 71 Obr. 23 Obchody dle vnímané kvality ...................................................................... 71 Obr. 24 Obchody dle velikosti výběru ...................................................................... 72 Obr. 25 Obchody dle příjemnosti obsluhy ............................................................... 72 Obr. 26 Obchody dle vzdálenosti od bydliště ......................................................... 72 Obr. 27 Obchody dle četnosti slev ............................................................................. 73 Obr. 28 Obchody dle zboží od regionálních dodavatelů ....................................... 73 Obr. 29 Odhad ceny stanoveného nákupu............................................................... 75 Obr. 30 Obavy respondentů z budoucích finančních problémů způsobených změnou DPH ................................................................................................................ 77 Obr. 31 Výroky charakterizující jednotlivé respondenty ....................................... 78

Seznam tabulek

8

Seznam tabulek Tab. 1 Lineární funkční forma .................................................................................... 46 Tab. 2 Kvadratická funkční forma ............................................................................. 46 Tab. 3 Inverzní funkční forma .................................................................................... 46 Tab. 4 Semilogaritmická funkční forma.................................................................... 46 Tab. 5 Test nelinearity pro jednorozměrnou regresní analýzu ............................. 47 Tab. 6 RESET test pro jednorozměrnou regresní analýzu ..................................... 47 Tab. 7 Test heteroskedasticity pro jednorozměrný regresní model ..................... 48 Tab. 8 Test autokorelace pro jednorozměrnou regresní analýzu.......................... 49 Tab. 9 Test normality pro jednorozměrnou regresní analýzu ............................... 50 Tab. 10 ANOVA pro vícerozměrnou regresní analýzu .......................................... 51 Tab. 11 VIF vysvětlujících proměnných I ................................................................. 51 Tab. 12 Matice párových korelačních koeficientů ................................................... 52 Tab. 13 VIF vysvětlujících proměnných II ................................................................ 52 Tab. 14 VIF vysvětlujících proměnných III .............................................................. 53 Tab. 15 ANOVA pro výsledný model....................................................................... 53 Tab. 16 RESET test pro výsledný model ................................................................... 54 Tab. 17 Test nelinearity pro vícerozměrný model .................................................. 54 Tab. 18 Test heteroskedasticity pro vícerozměrný regresní model ...................... 54 Tab. 19 Test autokorelace pro vícerozměrný regresní model ............................... 55 Tab. 20 Test normality pro vícerozměrný regresní model ..................................... 55 Tab. 21 VIF vysvětlujících proměnných IV .............................................................. 56 Tab. 22 Predikce ceny stanoveného nákupu pro rok 2012 ..................................... 59 Tab. 23 Predikovaná cena nákupu včetně DPH ve výši 14 % a její porovnání se skutečnou hodnotou .................................................................................................... 60 Tab. 24 Harmonogram etap výzkumu...................................................................... 63 Tab. 25 Průměrná roční spotřeba vybraných kategorií potravin v ČR ................ 64 Tab. 26 Průměrný počet nakoupených kusů vybraných potravin na osobu a rok ............................................................................................................................... 65 Tab. 27 Hodnota ročního nákupu vybraných potravin v jednotlivých prodejnách..................................................................................................................... 66 Tab. 28 Kritéria při výběru obchodu s potravinami dle důležitosti ..................... 74

Úvod a cíl práce

9

1 Úvod a cíl práce 1.1 Úvod Potraviny uspokojují základní lidské potřeby, a proto není možné vzdát se jejich nákupu. Z toho důvodu jejich ceny výrazně ovlivňují finanční situaci každého z nás. Cenový vývoj potravin je dán celou řadou faktorů a konkrétní výše v jednotlivých prodejnách závisí i na cenové politice daného prodejce. Existuje však velké množství faktorů, které nezávisí na lidské vůli, jako jsou např. klimatické podmínky při pěstování plodin. Cenu ovlivňují také politická rozhodnutí. Jedním z nich je i výše daně z přidané hodnoty, která ovlivňuje konečnou výši ceny. Právě tato problematika je v současnosti aktuální, jelikož zvýšení snížené sazby DPH od ledna 2012 má zajistit dodatečné příjmy do státního rozpočtu a tím pomoci stabilizovat českou ekonomiku. Lidé se těchto změn obávají, jelikož se mnoho z nich nenachází v dobré finanční situaci. Je třeba si také uvědomit, že cena je součástí marketingového mixu a proto je důležité, aby byla v souladu s ostatními jeho složkami, kterými je produkt, propagace a distribuce. Diplomová práce se zaměřuje na sledování cenového vývoje potravin ve vybraných maloobchodních formátech a na jejich následnou predikci. Pomocí marketingového výzkumu budou také zjišťovány případné reakce na změny cen v důsledku zvyšování snížené sazby DPH, což je velkým přínosem pro prodejce potravin, jelikož budou znát pravděpodobné změny nákupních zvyklostí svých pravidelných zákazníků.

1.2 Cíl práce Hlavním cílem práce je provést predikci cen zvolených potravin ve vybraných maloobchodních formátech. Pro dosažení hlavního cíle je nezbytné naplnit řadu dílčích cílů. Jedním z nich je sledování cenového vývoje zvolených potravin ve vybraných maloobchodních prodejnách po dobu jednoho roku ve čtrnáctidenních intervalech. Dílčím cílem je i realizace regresní analýzy, pomocí níž bude stanoven ekonometrický model využitelný pro následnou predikci. Pro účely poskytnutí komplexního pohledu na danou problematiku byl stanoven dílčí cíl v podobě realizace marketingového výzkumu v maloobchodní prodejně MS BRNĚNKA, spol. s r.o. (dále jen „Brněnka“).

Úvod a cíl práce

10

Výsledky výzkumu umožní odhalit možné dopady zdražování vlivem zvýšení sazby DPH a odhalit tak, jak jsou zákaznici prodejny Brněnka citliví na cenu zde nabízených potravin. Na základě zjištěných skutečností bude následně stanoveno doporučení pro cenovou politiku prodejny Brněnka. Dílčím cílem je i zpracování literární rešerše, která obsahuje teoretický rámec problematiky, jenž je předmětem diplomové práce, konkrétně jde o vysvětlení jednotlivých testů, které budou provedeny ve vlastní práci v rámci regresní analýzy, vymezení maloobchodu, stručné shrnutí problematiky chování zákazníků a marketingového výzkumu. Přínosem diplomové práce je predikce cenového vývoje, která poskytuje představu o možném vývoji cen potravin v důsledku změn zvolených proměnných. Na základě výsledků marketingového výzkumu je možné odhalit citlivost zákazníků prodejny Brněnka na ceny potravin a jejich možné změny nákupního chování, díky čemuž může vedení prodejny předcházet negativnímu vývoji v podobě odlivu zákazníků do jiných, cenově výhodnějších prodejen potravin.

Metodika

11

2 Metodika Hlavním cílem diplomové práce je provedení cenové predikce zvolených potravin ve vybraných maloobchodních formátech. Základní sledovanou prodejnou je Brněnka, zbylé prodejny sloužily k posouzení cenového vývoje v různých maloobchodních formátech. Následně byl proveden i marketingový výzkum u pravidelných zákazníků Brněnky, což umožní vedení podniku zhodnotit možné důsledky zdražování. Při realizaci práce bylo využito standardních vědecko-výzkumných metod, jako jsou analýza, syntéza, dedukce a indukce.

2.1 Cenový vývoj a jeho predikce Cenový vývoj byl sledován v prodejnách potravin různých maloobchodních formátů po dobu jednoho roku ve čtrnáctidenních intervalech. Na počátku sledování byly určeny základní potraviny různých kategorií, které nabízí všechny zvolené prodejny. V případě, že zboží nebylo ve všech prodejnách k dispozici, bylo nahrazeno nejbližším substitutem. Jakmile došlo k zaznamenání vývoje cen od března do prosince roku 2011, data byla využita pro regresní analýzu a následnou roční predikci cenového vývoje. Data ze sledování v období od ledna do března posloužila k ověření správnosti provedené predikce. Regresní analýza byla provedena na základě metody nejmenších čtverců (OLS). Přičemž základním vzorcem pro výpočet metodou OLS je (KVASNIČKA a VAŠÍČEK, 2001): S2 = ∑e2 = ∑ (y-ŷ)2

min

Následně proběhlo posouzení vhodnosti modelu na základě relevantních testů. Pro posouzení do jaké míry vysvětluje zvolený model celkovou variabilitu vysvětlované veličiny, byl vypočten adjustovaný index determinace, jehož výpočet je následující (KVASNIČKA a VAŠÍČEK, 2001): R

2 adj

=1−

(1 − R ),

přičemž R2 = 1- [ ∑

(

− ŷ ) / ∑

(

− ȳ ) ].

Metodika

12

Veškeré testy byly provedeny prostřednictvím statistického a ekonometrického programu Gretl. Jakmile byl určen vhodný ekonometrický model, následovalo určení predikce cenového vývoje na základě prognózy vývoje vysvětlujících proměnných v roce 2012. Pro stanovení budoucího vývoje bylo využito expertních odhadů hodnot vysvětlujících proměnných a analýzy trendu vývoje dané proměnné. U proměnných, pro které nebyl k dispozici expertní odhad, byl vývoj stanoven v pesimistické, optimistické a střední variantě. V diskusi byly pomocí metody PESTE identifikovány faktory, které mohou zapříčinit odchylku od provedené predikce. Pro zhodnocení možných důsledků růstu cen potravin a pro zajištění komplexního pohledu, byl proveden i marketingový výzkum v prodejně Brněnka, který poskytne vedení představu o možné změně nákupního chování zákazníků v důsledku navýšení cen, což umožní rozhodnout o vhodné cenové politice Brněnky.

2.2 Marketingový výzkum Cílem marketingového výzkumu je odhalení možných změn nákupního chování pravidelných zákazníků Brněnky z důvodu zvýšení cen potravin vlivem zvýšení snížené sazby DPH z 10 % na 14 % v roce 2012. Pro tyto účely byla použita forma dotazníkového šetření, která se v této oblasti jeví jako nejvhodnější, zejména z důvodu zachování anonymity. Dotazníky obsahovaly i otázky, jejichž cílem bylo zjištění, jaké povědomí respondenti mají o cenách a o roční útratě za zvolené základní potraviny. Pro tyto účely bylo nezbytné stanovit přibližnou roční spotřebu těchto potravin na osobu a rok. Uvedené údaje byly získány z veřejně publikovaných statistik. Před započetím výzkumu došlo k ověření srozumitelnosti jednotlivých otázek pomocí předvýzkumu, který byl proveden na malém vzorku respondentů z různých segmentačních skupin. Pokud by bylo zjištěno nepochopení některých otázek, došlo by ke změně jejich formulace. Během vlastního výzkumu autorka osobně oslovovala zákazníky přímo v prodejně. Tento způsob byl zvolen z důvodu zvýšení návratnosti dotazníků v důsledku osobního kontaktu a také z důvodu možnosti oslovit respondenty z různých segmentů zákazníků. Jelikož je častým argumentem oslovených pro neúčast ve výzkumu nedostatek času, byla zvolena forma šetření, při které jsou dotazníky v prodejně respondentům pouze rozdány, přičemž respondenti byli informováni o místě

Metodika

13

odevzdání vyplněného dotazníku, kterým byla připravená schránka v prodejně. Doba pro vyplnění a odevzdání dotazníku byla stanovena na období jednoho měsíce. Předpokládáno bylo oslovení 100 osob s očekávanou návratností 50 %. Tento počet poskytuje základní představu o postojích zákazníků Brněnky k dané problematice. Navrácené dotazníky byly překontrolovány a neúplně nebo nesprávně vyplněné z výzkumu vyloučeny. Získaná data byla zaznamenána do programu MS Excel a vyhodnocena pomocí základních statistických metod, zejména prostřednictvím absolutní a relativní četnosti. Výsledky výzkumu byly srovnány se skutečným vývojem objemů prodeje Brněnky v období od ledna do března 2012 v porovnání se stejným obdobím předchozího roku. Tato data byla poskytnuta vedením Brněnky.

Teoretická část

14

3 Teoretická část 3.1 Marketing a marketingový mix „Marketing je uspokojení potřeb zákazníka na straně jedné a tvorba zisku na straně druhé. Cílem marketingu je vyhledávat nové zákazníky příslibem získání výjimečné hodnoty a udržet si stávající zákazníky uspokojením jejich potřeb, a současně vytvářet zisk“ (KOTLER a ARMSTRONG, 2004). „Marketingový mix je souborem taktických marketingových nástrojů – výrobkové, cenové, distribuční a komunikační politiky, které firmě umožňují upravit nabídku podle přání zákazníků na cílovém trhu“ (KOTLER a ARMSTRONG, 2004). Jak je patrné z uvedené definice, marketingový mix je velmi důležitým nástrojem marketingového řízení a je možné jeho prostřednictvím naplnit cíle podniku v oblasti marketingu. Existují i rozšířené verze marketingového mixu, základními prvky tohoto mixu však jsou následující: • • • •

produkt, cena, místo, propagace.

Jednotlivé prvky však nelze izolovat od ostatních částí mixu. Je nezbytné, aby jednotlivé prvky byly v souladu s ostatními a sledovaly stejné cíle. Jediným z těchto prvků, který představuje pro podnik výnos je cena, ostatní složky jsou pro podnik zdrojem nákladů. Diplomová práce se zabývá cenovou oblastí, která bude v následujícím textu detailněji rozpracována. 3.1.1

Cena

Cena je složitý pojem, pro něhož neexistuje jednotná definice. KOTLER ve své knize (2007) uvádí, že „v nejužším slova smyslu je cena peněžní částka účtovaná za výrobek nebo službu. V širším slova smyslu je cena souhrnem všech hodnot, které zákazníci vymění za užitek z vlastnictví nebo užívání výrobku nebo služby.“ MACÁKOVÁ (2007) uvádí, že cena je „směnná hodnota vyjádřená v penězích jako všeobecném ekvivalentu,“ přičemž směnnou hodnotu definuje jako „kvantitativní poměr, ve kterém se určité zboží směňuje na trhu s ostatními.“ Podobných definic je možné nalézt celou řadu.

Teoretická část

15

V historii byla cena určena na základě vyjednávání mezi kupujícím a prodávajícím, postupně došlo k přechodu k systému pevných cen. V dnešní době internet nabízí v řadě případů návrat k dynamické cenové tvorbě, která umožňuje nabídnout zboží za různé ceny dle situace nebo zákazníka. Jedná se zejména o možnost vyjednávání při větších odběrech (KOTLER, 2007).

3.2 Cenová predikce Diplomová práce se zabývá zejména cenovou predikcí. Základní postup při tvorbě predikce je zobrazen na obrázku č. 1.

Apriorní znalosti Návrh experimentu Výběr problematiky

Sběr dat

Volba třídy modelů Volba kriteria pro určení nejlepšího modelu

Odhad parametrů modelu Není v pořádku: Ověření modelu revize modelu

Je v pořádku: model použijeme (např. pro predikci)

Obr. 1 Logické schéma hledání adekvátního modelu (VESELÝ, 2000)

Teoretická část

16

Dle SYNKA (2009) „předpovědí (predikcí, prognózou) rozumíme odhad budoucí úrovně předvídané veličiny.“ Odhad je realizován prostřednictvím aplikace vytvořeného prognostického modelu, který se nejčastěji vyskytuje v podobě matematického modelu (SYNEK, 2009). Počátkem předpovědi je časový okamžik, ve kterém je predikce prováděna a horizontem předpovědi je období, pro které je predikce určena (SYNEK, 2009). Pro účely stanovení předpovědi je možné využít řadu metod, mezi něž patří např. grafické metody, metoda klouzavých průměrů, regresní a jiné funkce, které vznikly vyrovnáním časové řady. Mezi další příklady použitelných metod patří metody Box-Jenkinsova, barometrická, ekonometrická prognostická či metoda input-output analýzy (SYNEK, 2009). Jakmile je stanovena předpověď, je možné její kvalitu zhodnotit prostřednictvím výpočtu průměrné chyby předpovědi, přičemž chyba předpovědi představuje rozdíl mezi skutečnou a predikovanou hodnotou dané proměnné. Výpočet průměrné chyby předpovědi je následující (SYNEK, 2009): =

∑(

−

) ,

kde n … počet pozorování, pi … predikovaná hodnota období i, xi … skutečná hodnota období i. 3.2.1

Regresní analýza

Predikce velmi často vychází z regresní analýzy, která vyžaduje několik nezbytných kroků. Jakmile proběhne studium literatury týkající se dané problematiky, je třeba provést specifikaci modelu, která zahrnuje zejména volbu proměnných, určení jejich funkční formy a stanovení typu stochastického chybového členu. Při volbě proměnných je nejdříve nezbytné stanovit vysvětlovanou proměnnou Y (závislá proměnná, regresand), která je závislá na vysvětlujících proměnných X (nezávislá proměnná, regresor). Vysvětlující proměnné mohou být do modelu přidávány různými sekvenčními metodami, např. vzestupným výběrem (k absolutnímu členu se postupně přidávají statisticky významné proměnné), sestupným výběrem (nejprve jsou do modelu zařazeny všechny potenciální nezávisle proměnné, následně je jejich počet redukován o statisticky nevýznamné proměnné, popř. o ty,

Teoretická část

17

které nejméně přispívají k vysvětlení proměnlivosti závisle proměnné) nebo krokovou regresí, která je kombinací předchozích dvou metod. Jakmile jsou určeny proměnné, které budou do modelu zařazeny, je nezbytné odhadnout, jaký vliv bude mít každá z nezávisle proměnných na proměnnou závislou. Proměnná může mít pozitivní, negativní případně pozitivní i negativní vliv na vysvětlovanou proměnnou. Znaménka lze určit na základě znalosti ekonomické teorie k dané problematice. Je také možné určit interval, ve kterém se hodnoty parametru budou pohybovat. Následuje určení funkční formy vysvětlujících proměnných. Z tohoto hlediska rozeznáváme modely lineární v parametrech, modely nelineární v parametrech, které lze transformovat na modely lineární v parametrech a modely nelineární v parametrech, pro jejichž odhad je třeba využít speciální metody. Pro zpracování dat je také třeba určit, zda se jedná o data průřezová, panelová či o časové řady (KRÁLÍK, 2010). V rámci diplomové práce bude využito dat, která mají povahu časových řad. Časové řady se vyznačují pozorováním jevu po několik časových období. Následuje stanovení ekonometrického modelu a jeho ověření. Určení ekonometrického modelu Při provádění regresní analýzy je možné postupovat ve dvou krocích. Nejdříve proběhne jednorozměrná analýza, při které bude zkoumán vliv jedné vysvětlující proměnné na vysvětlovanou proměnnou. Po následném ověření modelu je možné zvolenou funkční formu využít pro účely vícerozměrné analýzy. Odhad parametrů modelu Jelikož v tomto okamžiku není známá vhodná funkční forma, jsou uvažovány následující čtyři základní funkční formy: Lineární funkční forma Yi = β0 + β1 Xi Kvadratická funkční forma Yi = β0 + β1 Xi + β2 X i2 Inverzní funkční forma Yi = β0 + β1 /Xi Semilogaritmická funkční forma lnYi = β0 + β1 Xi Pro odhad parametrů modelu se velmi často využívá metoda nejmenších čtverců, zejména pro svou jednoduchost. Metoda nejmenších čtverců Pro každou z výše uvedených funkčních forem bude nejdříve proveden odhad parametrů pomocí metody OLS (metody nejmenších čtverců).

Teoretická část

18

Tato metoda je založena na snaze nalézt „takové parametry zvoleného matematického modelu, pro které je součet čtverců (tj. druhých mocnin) chyb predikce e minimální“ (KVASNIČKA a VAŠÍČEK, 2001), tzn. S2 = ∑e2 = ∑ (y-ŷ)2

min

Uvedená metoda odhadu parametrů je využívána pro svou jednoduchost a snadnou interpretaci. Pro jednotlivé odhady je třeba provést ověření, které umožní určit vhodnou funkční formu. Posouzení vhodnosti modelu je možné posoudit metodami korigovaného (adjustovaného) indexu determinace, F-testu či DW statistiky. Metodu nejmenších čtverců lze použít pouze v případě, že jsou splněny určité podmínky. Pokud je některá z nich porušena je nezbytné model změnit nebo transformovat proměnné, případně je možné použít jinou metodu odhadu parametrů modelu. Nezbytnými podmínkami jsou (KVASNIČKA a VAŠÍČEK, 2001): • • • • • •

Náhodná složka má normální rozdělení. Náhodná složka má nulovou střední hodnotu v každém pozorování. Náhodná složka má konstantní rozptyl (homoskedasticita). Náhodné složky z různých sledování jsou vzájemně nekorelované. Nezávisle proměnné nejsou náhodné, jsou nezávislé na náhodné složce. Vysvětlující proměnné nejsou vzájemně závislé a jejich počet je menší než počet pozorování.

K zjištění odhadu parametrů pomocí uvedené metody je nezbytné nejprve vytvořit soustavu rovnic, která je tvořena prvními parciálními derivacemi podle každého parametru. Jednotlivé rovnice tvoří parciální derivace podle daného parametru položené rovny 0 (KVASNIČKA a VAŠÍČEK, 2001). = 0, = 0,1, … Pokud jsou splněny výše uvedené podmínky, tento odhad je nejlepším bodovým odhadem skutečných hodnot modelu.

Teoretická část

19

Verifikace ekonometrického modelu 1.

Ekonomické a statistické ověření specifikace

Korigovaný (adjustovaný) index determinace Základní index determinace R2 poukazuje na to, jak model vysvětluje celkovou variabilitu vysvětlované veličiny. Výsledná hodnota se pohybuje v intervalu od 0 do 1, pokud je výslednou hodnotou 0, pak index vypovídá o tom, že model vůbec nevysvětluje chování vysvětlované veličiny. Nedostatkem může být, že tento model s přidáním další proměnné neklesá, proto je používán korigovaný index determinace R2adj, který zahrnuje počet stupňů volnosti (rozdíl mezi počtem pozorování a počtem odhadovaných parametrů). Výpočet uvedených indexů je následující (KVASNIČKA a VAŠÍČEK, 2001): R2 = 1- [ ∑ R

2 adj

(

− ŷ ) / ∑

=1−

(

− ȳ ) ]

(1 − R )

ANOVA Autorem vícefaktorové metody ANOVA je R. A. Fischer. Podstata metody spočívá v tom, že celkový rozptyl vysvětlované proměnné se rozloží na dvě části a to na rozptyl uvnitř jednotlivých výběrů a na rozptyl mezi těmito výběry. Tuto metodu z uvedeného důvodu nazýváme také analýzou rozptylu. Nulová hypotéza v tomto testu je o nevýznamnosti modelu jako celku (BUDÍKOVÁ, KRÁLOVÁ, MAROŠ, 2010). RESET test RESET test (Regression specification error test), jehož autorem je Ramsey, slouží k testování funkční formy. Napomáhá tedy ověřit, zda je model správně specifikován. Nulová hypotéza v tomto testu vypovídá o správné specifikaci modelu, což znamená, že veličiny jsou ve správné funkční formě (KLEIBER a ZEILEIS, 2008). Test nelinearity Test je možné provádět na základě čtverců hodnot nebo na základě logaritmů hodnot. Výsledkem testu je LM statistika, na základě p-hodnoty je pak možné zamítnout či nezamítnout nulovou hypotézu o linearitě modelu (KRÁLÍK, 2010).

Teoretická část

20

2.

Významnost parametrů modelu

V této části je vhodné provést ekonomickou verifikaci, při které se ověří směr a intenzita působení vysvětlujících proměnných na vysvětlovanou proměnnou. Pokud dojde k tomu, že odhady nejsou v souladu s předpoklady, je zapotřebí ověřit správnost specifikace modelu. Pro statistické ověření významnosti parametrů modelu je možné využít t-test. Porovnáním získané t-hodnoty s tabulkovou hodnotou t-testu při daném počtu stupňů volnosti a na stanovené hladině významnosti je možné rozhodnout o zamítnutí či nezamítnutí nulové hypotézy o statistické nevýznamnosti parametrů. K zamítnutí nulové hypotézy dojde, je-li t-hodnota vyšší než tabulková hodnota t-testu (ČECHURA, 2008). 3.

Testování splnění podmínek pro použití metody OLS

V rámci regresní analýzy bude provedeno testování, které ověří, že model nevykazuje znaky, které by porušovaly předpoklady pro použití metody OLS. Nejdříve však musí být ověřeno, zda chybový člen pochází z normálního rozdělení, jelikož normalita reziduí je podmínkou některých testů. Pokud by některá z podmínek splněna nebyla, je třeba model upravit pomocí vhodné metody (např. GLS, WLS). Náhodná složka má normální rozdělení Test normality H0: normalita chybového členu H1: normalita chybového členu neplatí •

Chí-kvadrát neboli Test dobré shody. Tato metoda se používá pro ověření normálního rozdělení u kategoriálních dat. Přičemž pro použití této metody je důležité, aby očekávaná četnost v každé kategorii byla alespoň 5. Výsledek daného testu se následně porovná s tabulkovou hodnotou kritických hodnot χ2 pro danou hladinu významnosti a pro daný počet stupňů volnosti (HETNEROVIČ, 2009).

•

Shaphiro-Wilkův test. Tento test je nejčastěji využívaným testem pro posouzení normality v případě, že je k dispozici malé až střední množství pozorování (n < 2000). Testová statistika W vykazuje hodnotu 1, pokud jsou data v naprosté shodě s normálním rozdělením, tzn. H0 o normálním rozdělení nezamítáme. Opačný výsledek nastane

Teoretická část

21

v případě, že je hodnota statistiky W výrazně nižší než 1. Test lze provést pomocí různých statistických programů (ROST, 2007). •

Jarque-Bera (JB test). Jedná se o dvojstranný test dobré shody, který se vyznačuje neznámými parametry, které musí být odhadnuty. Test je založený na koeficientech šikmosti a špičatosti. JB test vrací hodnotu, kterou je třeba porovnat s kritickou hodnotou. Nulovou hypotézu je možné zamítnout na hladině významnosti α v případě, že hodnota testu je větší než kritická hodnota (HETNEROVIČ, 2009).

Náhodná složka má nulovou střední hodnotu v každém pozorování H0: µ= 0 H1: µ≠ 0 •

Uvedený předpoklad je možné řešit pomocí t-testu. T-test porovnává t-hodnotu s tabulkovou hodnotou na dané hladině významnosti, na základě porovnání těchto dvou hodnot je rozhodnuto o zamítnutí či nezamítnutí nulové hypotézy. Výpočet tohoto testu je vhodné provést pomocí statistického softwaru, například programu Gretl.

Náhodná složka má konstantní rozptyl (homoskedasticita) H0: Chybový člen je homoskedastický H1: Chybový člen je heteroskedastický •

Whiteův test. Uvedený test je založený na principu Lagrangeových multiplikátorů. Předpokladem pro správnou identifikaci heteroskedasticity je počet pozorování větší než 30. Za nedostatek tohoto testu bývá považována jeho obecnost, test umožňuje identifikovat i jiné chyby specifikace (např. nesprávná funkční forma), také dokáže odhalit korelaci mezi vysvětlovanou proměnnou a chybovou složkou (BARTUŇKOVÁ, 2010).

•

Breusch-Paganův test. I tento test je založený na principu Lagrangeových multiplikátorů. Oproti předchozímu testu je však jednodušší a vyžaduje normalitu náhodných složek modelu (BARTUŇKOVÁ, 2010).

Teoretická část

22

Náhodné složky z různých sledování jsou vzájemně nekorelované H0: Chybový člen je neautokorelován H1: Chybový člen je autokorelován •

Durbin-Watsonův test. Tento test je možné použít pro ověření, zda se v modelu vyskytuje autokorelace prvního stupně. Pokud jsou data pozitivně či negativně korelována, je porušen jeden z předpokladů regresního modelu pro chybové členy. Výsledné hodnoty daného testu se pohybují v rozmezí od 0 do 4. Přičemž nízké hodnoty ukazatele svědčí o pozitivní autokorelaci, vysoké o negativní korelaci. Pokud se pohybuje hodnota okolo 2, pak je model z tohoto hlediska v pořádku, jelikož se v něm nevyskytuje autokorelace 1. stupně (ANDERSON, SWEENEY, WILLIAMS, 2010).

•

Breusch-Godfreyův, Box-Pierceův a Ljung-Boxův test (KLEIBER a ZEILEIS, 2008). Testy umožňují zjistit, jestli model obsahuje autokorelaci vyššího řádu. Přičemž pro výpočet je třeba zvolit velikost zpoždění. Jednou z možností je stanovení tohoto zpoždění jako √". Kde n je počet sledování.

Nezávisle proměnné nejsou náhodné, jsou nezávislé na náhodné složce •

Ověření tohoto předpokladu je možné provést pomocí párových korelačních koeficientů, nebo graficky zobrazením závislosti v bodovém grafu (KRÁLÍK, 2010).

Vysvětlující proměnné nejsou vzájemně závislé a jejich počet je menší než počet pozorování •

Párové korelační koeficienty. Pokud se v modelu vyskytuje multikolinearita, tzn., že se v modelu objevuje závislost mezi více proměnnými, pak hodnota párových korelačních koeficientů dosahuje hodnot vyšších než 0,8 případně 0,9 (KRÁLÍK, 2010).

•

VIF faktory. Pro určení multikolinearity pomocí této metody je nezbytné vypočítat VIF statistiku pro každou vysvětlující proměnnou. Jestliže nabývá VIF faktor hodnoty vyšší než 10, pak je multikolinearita v tomto modelu problémem (MAINDONALD a BRAUN, 2010).

Teoretická část

23

3.3 Maloobchod Jak uvádí ZÁBOJ ve své knize (2007) „maloobchod (retail) je podnik (nebo činnost) zahrnující nákup od velkoobchodu nebo od výrobce a jeho prodej bez dalšího zpracování konečnému spotřebiteli.“ Maloobchod můžeme členit dle různých kritérií, základním hlediskem je rozdělení dle způsobu realizace maloobchodní činnosti na dvě skupiny (ZÁBOJ, 2007): • maloobchod realizovaný v síti prodejen, • maloobchod realizovaný mimo prodejní síť (prodejní automaty, přímý prodej, zásilkový obchod). Práce je zaměřena na potravinářský maloobchod, který spadá pod první z uvedených skupin maloobchodních prodejen. Další možné členění je dle provozní jednotky, ve které se maloobchodní činnost uskutečňuje. Z tohoto hlediska rozeznáváme následující hlavní typy (ZÁBOJ, 2007): • Specializované prodejny, které nabízí úzký a hluboký sortiment (většinou nepotravinářský). V prodejně jsou zaměstnáni odborní pracovníci, kteří dokážou zákazníkovi v dané oblasti poradit. Z tohoto důvodu a také z důvodu prodeje zboží s nízkou frekvencí poptávky je zde nabízeno zboží ve vyšších cenových relacích. Tento provozní typ se často vyskytuje v nákupních centrech apod. • Úzce specializované prodejny nabízí zboží určité sortimentní skupiny či podskupiny. Sortiment je tedy ještě užší a hlubší než u specializované prodejny. V ostatních aspektech jsou tyto dva typy maloobchodních jednotek srovnatelné. • Smíšené prodejny nabízejí zboží za vyšší ceny, což je dáno zejména malou frekvencí poptávky z důvodu umístění na venkově či v okrajových částech měst. Tyto prodejny nabízí zboží běžné potřeby, přičemž sortiment je široký, ale mělký. Nabízí potravinářský i nepotravinářský sortiment. • Samoobslužné prodejny potravin (superety) se vyznačují širokým sortimentem potravin, nabízejí také základní druhy nepotravinářského zboží denní potřeby. Prodejní plocha je přibližně 200-400 m2. Charakteristická je pro tyto prodejny blízkost spotřebiteli, ať už v bytové zástavbě, nebo na cestách. Působí buď jako samostatné prodejny, nebo jsou součástí větších maloobchodních jednotek. Je možné na ně narazit na nádražích, letištích, jako součást čerpacích stanic apod.

Teoretická část

24

• Supermarkety nabízejí plný sortiment potravin a základní druhy nepotravinářského zboží. Jedná se o převážně samoobslužné prodejny, vyskytují se v nich i obslužné úseky. Prodejna se rozkládá na ploše 400–2 500 m2 a nabízí 5 000–10 000 druhů převážně potravinářského zboží. Supermarkety jsou umísťovány na nejrůznějších místech, bývají také součástí obchodních domů či nákupních center. • Hypermarkety se odlišují od předchozího typu prodejny jednak svou rozlohou, která bývá vyšší (2 500–20 000 m2), ale především množstvím nabízeného nepotravinářského zboží. Hypermarkety bývají umísťovány na okraje měst i mimo města. Zaměstnávají malý počet nekvalifikovaných pracovníků, čímž prodejna snižuje mzdové náklady. Činnost hypermarketu vzešla z následující základních principů: „No parking, no business“ „One-stop shopping“ „Every day low price“ • Plnosortimentní obchodní domy nabízejí široký a hluboký sortiment zboží. Nabízeno je v nich až 200 000 položek potravinářského i nepotravinářského zboží. Umísťovány jsou do center měst a regionálních nákupních center. Oproti předešlým provozním typům nabízí tyto univerzální obchodní domy i sortiment odívání, jako jediný provozní typ nabízí ucelený univerzální sortiment. Poskytuje různé služby včetně rychlého občerstvení a rozkládá se na ploše 10 000 – 20 000 m2 (nejméně však 5 000 m2). • Specializované obchodní domy se zaměřují na určitou část nepotravinářského zboží a služby s tím spojené. Široký a hluboký sortiment je nabízen za střední až vyšší ceny. Prodejní plocha je minimálně 1 500 m2. Umísťovány jsou do center měst, regionálních nákupních center, čtvrťové i obvodové vybavenosti. Prodejna nabízí kombinovanou formu prodeje (pultový prodej, volný výběr, samoobsluha). • Specializované velkoprodejny nabízejí rychloobrátkové nepotravinářské zboží v prodejnách s rozlohou od 600 do několika tisíc m2. Od specializovaných obchodních domů se odlišuje převážně samoobslužnou formou prodeje a nižší cenovou hladinou díky sortimentnímu zaměření a nižším provozním nákladům.

Teoretická část

25

3.4 Zákazník a jeho nákupní chování Pod pojmem zákazník je možné chápat osobu, která objednává, nakupuje i platí zboží, čímž se liší od spotřebitele, který zboží spotřebovává bez ohledu na to, zda je zakoupil on sám či nikoliv (VYSEKALOVÁ, 2011). Aby mohla společnost uspokojit své zákazníky, je nezbytné, aby znala dostatečně své zákazníky a jejich požadavky, názory a chování. Faktory ovlivňující nákupní chování Zákazníkem může být jak jednotlivec, tak organizace. Dle typu zákazníků se jejich nákupní chování výrazně liší. Složitost rozhodování o nákupu také ovlivňuje, o jak náročný produkt se jedná. Nákupní chování je taktéž ovlivněno cenovou citlivostí zákazníků (FORET, 2008). Zákazník realizuje své nákupy z důvodu uspokojení své potřeby, kterou lze definovat jako „rozpor mezi stávající situací (momentálním stavem) a lidským očekáváním (stavem požadovaným)“ (FORET, 2008). Dle amerického psychologa Abrahama Herberta Maslowa je možné hierarchicky uspořádat všechny lidské potřeby, které pak lze zobrazit pomocí Maslowovy pyramidy lidských potřeb. Potřeba seberelaizace (rozvoj osobnosti) Potřeba uznání (sebeúcta, uznání, status) Společenské potřeby (pocit sounáležitosti, láska) Potřeby bezpečnosti (ochrana, bezpečí) Fyziologické potřeby (hlad, žízeň) Obr. 2 Maslowova pyramida lidských potřeb (FORET, 2008)

Teoretická část

26

Lidské potřeby jsou uspokojovány postupně od základních fyziologických potřeb jako je hlad a žízeň. Až po jejich uspokojení přechází člověk k uspokojování potřeb na vyšší úrovni. VYSEKALOVÁ ve své knize (2011) uvádí, že na nákupní chování „má vliv osobnost člověka, jeho postoje, názory, znalosti, motivační struktura, sociální role a obecně jeho osobní vlastnosti.“ SOLOMON (2006) uvádí, že nákupní chování je ovlivněno 3 základními skupinami faktorů – interními, situačními, společenskými. Přičemž do skupiny interních faktorů řadí vnímání, motivaci, učení, postoje, osobnost, věkovou skupinu a životní styl. Mezi situační faktory dle Salmona patří fyzické prostředí a čas. Společenské vlivy zahrnují kulturu, subkulturu, společenské třídy a skupinovou příslušnost. Jiný pohled uvádí KOTLER a KELLER ve své knize (2007), kde stanovují 3 skupiny faktorů, které ovlivňují nákupní chování, tedy osobní, společenské a kulturní faktory. Podobný výčet uvádí i KOTLER a ARMSTRONG (2004), kteří přidávají ještě faktory psychologické. Osobní faktory Osobní faktory jsou pro každou osobu jedinečné. KOTLER a ARMSTRONG (2004) uvádí, že se jedná o demografické faktory, povolání, životní fáze, životní styl, ekonomickou situaci a osobnost. Uvedené faktory se v průběhu života mění a s tím se mění i nákupní chování spotřebitele. Společenské faktory KOTLER a ARMSTRONG (2004) uvádí, že mezi společenské faktory patří rodina, členské a referenční skupiny, role jednotlivce a jeho společenský status. KOTLER a KELLER (2007) sociální (společenské) faktory vymezují velmi podobně, doplňují navíc postavení. Psychologické faktory Dle KOTLERA a ARMSTRONGA (2004) patří mezi psychologické faktory, které ovlivňují nákupní chování, zejména motivace, vnímání, učení, přesvědčení a postoje. Kulturní faktory KOTLER a KELLER (2007) uvádí, že „kultura, subkultura a společenská třída mají obzvláště značný vliv na kupní chování spotřebitelů.“ Kultura se skládá z menších subkultur, do kterých patří např. národnosti, náboženství, rasové skupiny a geografické regiony. Členové společenských tříd sdílejí podobné zájmy, hodnoty a způsoby chování.

Teoretická část

27

Proces nákupního chování a rozhodování je možné vymezit pomocí pěti základních kroků, které v rámci tohoto rozhodování jednotlivci realizují (FORET, 2008): 1.

identifikace potřeby,

2.

sběr informací o nabídce na trhu,

3.

vyhodnocení získaných informací,

4.

rozhodnutí, koupě,

5.

ponákupní vyhodnocení.

Jiný pohled na proces nákupního chování uvádí KOMÁRKOVÁ, VYSEKALOVÁ a RYMEŠ (1998) ve svém modelu, který je uveden na obrázku č. 3. Základní model nákupního chování Vstup do prodejny

Orientace v prodejně

Působení nabídky

Aktivní vyhledávání určitého zboží

Proces rozhodování

Volba

Nákup Obr. 3 Model nákupního chování (KOMÁRKOVÁ, VYSEKALOVÁ A RYMEŠ, 1998)

Nákupní chování také výrazně ovlivňuje cenová citlivost spotřebitele. Pro vyjádření cenové citlivosti je možné využít ekonomický pojem cenová elasticita poptávky, která vyjadřuje, jak se změní poptávané množství daného statku, když se jeho cena změní o 1 %. Cenovou elasticitu poptávky je třeba vyjádřit

Teoretická část

28

pro každý produkt zvlášť, jelikož ji ovlivňuje celá řada faktorů. Mezi nejvýznamnější patří (MACÁKOVÁ, 2007): • Povaha potřeb, které statek uspokojuje. V případě statků, které uspokojují základní životní potřeby, je cenová elasticita poptávky nižší než u poptávky po luxusních předmětech. • Podíl výdajů na určitý statek v rozpočtu spotřebitele. Cenová elasticita poptávky je tím vyšší, čím vyšší je podíl na rozpočtu spotřebitele. • Existence a dostupnost substitutů. Elasticita je vyšší v případě, že jsou substituty dostupnější. • Elasticita poptávky se rovněž mění v čase. V případě zboží dlouhodobější spotřeby je elasticita poptávky vyšší. Segmentace zákazníků Trhy je možné segmentovat pomocí různých kritérií. Základní hlediska pro segmentaci jsou následující (Foret, 2008): • geografická (např. obce, regiony, země), • demografická (např. věk, pohlaví, příjem, vzdělání), • sociologická (např. společenská třída, životní styl), • behaviorální (např. loajalita, místo nákupu, frekvence nákupu).

Teoretická část

29

3.5 Marketingový výzkum KOTLER a KELLER (2007) definují marketingový výzkum jako „systematické plánování, shromažďování, analyzování a hlášení údajů a zjištění jejich důležitosti pro specifickou marketingovou situaci, před níž se ocitla firma.“ Podobnou definici používá i ZAMAZALOVÁ (2010), která pod pojmem marketingový výzkum rozumí „systematickou identifikaci, sběr, analýzu, vyhodnocování a interpretaci informací vztažených k určité marketingové situaci, se kterou se podnik nebo organizace střetává.“ Pokud má být výzkum proveden kvalitně je vhodné dodržet následujících 5 základních kroků při jeho realizaci (FORET a STÁVKOVÁ, 2003): 1.

Definování problému a cílů výzkumu Dle autorů se jedná o jednu z nejdůležitějších částí výzkumu. V případě špatné definice problému či cílů nemusí mít výzkum takový přínos, jaký byl očekáván.

2.

Sestavení plánu výzkumu Plán výzkumu by měl obsahovat dle autorů: •

formulaci zkoumaného problému, základní hypotézu řešení a určení výzkumného cíle a jeho zdůvodnění,

•

předběžné představy o tom, co lze od výzkumu očekávat na rozdíl od dosavadních znalostí,

•

stanovení informačních potřeb, jejich struktury a jejich zdrojů,

•

navržení výběrového souboru, zdůvodnění jeho velikosti a složení, navržení místa a času realizace výzkumu,

•

stanovení techniky výzkumu a nástrojů vhodných pro výzkum,

•

určení způsobu kontaktování respondentů,

•

předvýzkum, zpřesňující přecházející body na základě praktického ověření sběru informací v terénu na malém vzorku,

•

vlastní výzkum,

•

statistické zpracování výsledků,

•

interpretace a prezentace výsledků,

•

časový rozvrh jednotlivých etap s uvedením odpovědného pracovníka,

•

rozpočet nákladů výzkumu.

Teoretická část

3.

30

Shromáždění informací V rámci prvního kroku by mělo být také určeno, jaká data budou využita. Autoři uvádí možné rozdělení na data: •

primární (jsou výsledkem primárního výzkumu, který předpokládá sběr vlastních informací v terénu) a sekundární (byla získána sběrem v terénu již dříve a slouží k dalšímu využití),

•

harddata (popisují výsledky chování, jevů a činností) a softdata (vypovídají o stavu vědomí),

•

kvalitativní (slovní, popisné) a kvantitativní (vyjádřená v číselné podobě).

Pro účely realizace marketingového výzkumu je možné využít celou řadu metod. Základními metodami použitelnými pro sběr primárních dat jsou dotazování, pozorování a experiment. 4.

Analýza informací Pro analýzu získaných informací je možné využít celou řadu statistických metod. Volba konkrétní metody závisí na tom, jakého cíle má být dosaženo a jaká data jsou k dispozici.

5.

Prezentace výsledků Výsledky výzkumu by měly být prezentovány v ucelených slovních závěrech a doporučeních. Výsledný text musí vykazovat vysoké známky odbornosti i po formální stránce. Pro snadnější orientaci je vhodné výsledky prezentovat i pomocí grafů a tabulek.

Vlastní práce

31

4 Vlastní práce 4.1 Sledované maloobchodní prodejny Za účelem naplnění cíle diplomové práce bylo nezbytné stanovit kromě základní sledované prodejny Brněnka dalších 5 prodejen různých maloobchodních formátů, ve kterých byl zaznamenán vývoj určených potravin za období jednoho roku. Zvoleny byly prodejny Billa, Lidl, Potraviny Adriana, Tesco, TG potraviny, jejichž popisem se tato kapitola zabývá. 4.1.1

Maloobchodní síť BRNĚNKA, spol. s r.o.

Maloobchodní síť Brněnka vznikla v roce 1997, kdy se sdružilo 23 nezávislých prodejen, které se nacházely většinou na území Brna (MALOOBCHODNÍ SÍŤ BRNĚNKA, 2011). Za důvod vzniku lze jednoznačně považovat obrovský rozmach zahraničních řetězců supermarketů a od roku 1996 i hypermarketů na území České republiky, které přišly s novým konceptem, ve kterém nabízely levnější zboží a vzhlednější prodejny. Staly se tak velmi obávanou konkurencí a impulsem pro změnu trhu s potravinami v České republice (WEBER, 2010). Majitelé nezávislých prodejen rychle došli k poznatku, že jako individuum nemohou nikdy řetězcům konkurovat, vznikl tak nápad na spojení, které umožnilo zvýšit vyjednávací sílu vůči dodavatelům, působit na zákazníky jednotným designem a větší možnosti v oblasti slevových akcí. V případě Brněnky se spojení týkalo systému a metod maloobchodního prodeje, přístupů, letákových akcí, image a reklamy (MALOOBCHODNÍ SÍŤ BRNĚNKA, 2011). Brněnka se pomocí franchisingu rozrostla do roku 2010 z původních 23 prodejen na 234 prodejen. Vývoj v jednotlivých letech je uveden na obrázku. 250 211

225 225 225 234

187

200

166 148

150

123

100 50

42

53

70

77

Počet prodejen

23

0 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 Obr. 4 Rozvoj maloobchodní sítě Brněnka Zdroj: Vlastní zpracování na základě podnikových dat (MALOOBCHODNÍ SÍŤ BRNĚNKA, 2011)

Vlastní práce

32

Jak uvádí ZAMAZALOVÁ ve své knize (2010) „franchising je v podstatě systém, který společnosti využívají k prodeji nebo distribuci svých výrobků nebo služeb. Jedna společnost (franchisor) udělí jiné společnosti nebo osobě (franchisantovi) právo (franchisu) prodávat její výrobky nebo služby na určeném místě nebo území a zároveň užívat její jméno nebo ochrannou známku. Hlavní podmínkou celé smlouvy je, že franchisant musí zachovávat provozní a marketingové standardy vyvinuté franchisorem, které často představují tzv. podnikatelský formát. Zpravidla se jedná o dlouhodobý kontrakt. Získání franchisy představuje fakticky vstup do smlouvy o partnerství.“ Brněnka tento typ spolupráce nabízí formou tzv. „měkkých franchisingových smluv.“ Tento typ smluv ponechává značnou suverenitu franchisanta. Aby podnik získal franchisu, musí splňovat alespoň následující požadavky (MALOOBCHODNÍ SÍŤ BRNĚNKA, 2011): • obrat prodejny min. 300.000,- Kč/měsíc, platba měsíčních poplatků ve výši 500,- Kč bez DPH, platební kázeň, dodržování poskytované doby splatnosti faktur, akceptace letákového sortimentu, apod. Dle výše obratu prodejny a dodržování interních standardů sítě jsou prodejny následně zařazeny do různých skupin. Brněnka má svůj vlastní sklad v Tišnově, který zásobuje její prodejny, ale i další zákazníky. Tato maloobchodní síť získala řadu ocenění jako např. Zlatý dukát v roce 2007 za kvalitu a mimořádný přínos pro obchod, BRNO TOP 100 v letech 2007-2010 a v roce 2010 Národní cenu kvality. Brněnka se zaměřuje na podporu regionálních výrobců a pokrývá přibližně 80 % nezávislého trhu s potravinami v Brně (MALOOBCHODNÍ SÍŤ BRNĚNKA, 2011). 4.1.2

Zvolené maloobchodní prodejny

Za účelem sledování cenového vývoje byly stanoveny prodejny různých maloobchodních formátů, které se vyskytují v Brně nebo okolí a mohou tedy konkurovat prodejně Brněnka. Sledováním cenového vývoje v prodejnách různých maloobchodních formátů budou získaná data o tomto vývoji objektivnější. Popis a zařazení zvolených prodejen je uveden v následujícím textu. BILLA Historie uvedeného supermarketu sahá až do roku 1953, kdy Karl Wlaschek otevřel ve Vídni první diskontní prodejnu drogistického zboží. Síť se začala

Vlastní práce

33

poměrně rychle rozšiřovat a během následujícího desetiletí bylo založeno 45 filiálek, tento úspěch vedl zakladatele k myšlence rozšíření prodeje i na potravinářský sortiment. Název BILLA byl zaveden v roce 1961 a je odvozen od spojení Billiger Laden (neboli Levný obchod). V uvedeném roce byl také zaveden samoobslužný způsob prodeje a v roce 1966 byl otevřen první supermarket o rozloze 1000 m2. V České republice byl otevřen první supermarket BILLA v roce 1991 v Brně. Expanze supermarketů probíhala i do jiných evropských zemí, kromě ČR to bylo Slovensko, Itálie, Rusko, Chorvatsko, Rumunsko, Ukrajina a Bulharsko. Ke změně vlastnictví koncernu došlo v roce 1996, kdy jej koupila německá skupina REWE (BILLA SUPERMARKET, 2011). Dnes Billa, spol. s r.o. provozuje v České republice 203 prodejen, které se rozkládají na průměrné prodejní ploše o rozloze přibližně 1 000 m2 (BILLA SUPERMARKET, 2011). LIDL Lidl se stal dalším ze sledovaných maloobchodů. Jedná se o maloobchod typu diskont a v této kategorii má nejrozsáhlejší síť prodejen v Evropě. Historie sahá až do 30. let 20. století, kdy byl otevřen první Lidl v německém Švábsku. Jeho podoba byla však odlišná od dnešní, jelikož se jednalo o velkoobchod s potravinami a jiným sortimentem. Následně docházelo k expanzi a od počátku 90. let je možné nalézt maloobchodní diskontní prodejny po celé Evropě o průměrné rozloze prodejní plochy přibližně 1 000 m2 (LIDL, 2011). Potraviny Adriana Prodejna potraviny Adriana byla do výzkumu zařazena jako zástupce nezávislých obchodů s potravinami. Prodejna se nachází v Černé Hoře, kde se potýká se třemi dalšími přímými konkurenty. Obchod se rozkládá na rozloze přibližně 90 m2 a lze v něm zakoupit základní potraviny, uzeniny a masné výrobky, základní drogistické zboží, papírnické zboží a zeleninu. Jeho provoz započal stávající majitel v roce 2004, od roku 2006 byla nabídka podniku rozšířena i o služby řeznictví a uzenářství (ŽIVNOSTENSKÝ-REJSTŘÍK.CZ, 2011). Tesco Tesco představuje zástupce hypermarketů. Kromě hypermarketů existují i supermarkety Tesco. Počátky je možné najít ve Velké Británii již v roce 1919, kdy Jack Cohen začal se stánkovým prodejem přebytečných válečných zásob potravin. Již v roce 1924 byl uveden jeho vlastní produkt, čaj Tesco. Název vznikl ze spojení iniciál jmen vlastníků společnosti T. E. Stockwell a Jack Cohen. První

Vlastní práce

34

kamenný obchod byl otevřen v roce 1929 v Londýně. V roce 1956 byl otevřen první samoobslužný obchod. Rok 1961 je pro historii velmi významný, jelikož supermarket v Leicesteru byl zapsán do Guinessovy knihy rekordů jako největší obchod v Evropě. Od roku 1996 se obchody Tesco rozšiřovaly i na území střední Evropy. V ČR byl otevřen první hypermarket Tesco v roce 1998 v Praze. Od roku 2002 je možné v těchto prodejnách nalézt výrobky pod vlastní značkou. Od roku 2005 je možné v ČR navštívit i supermarkety Tesco. Od roku 2008 nabízí Tesco prodejny Tesco Expres, které nabízí menší sortiment potravin a zboží běžné spotřeby. V roce 2009 otvírá Tesco svůj první obchodní dům v Liberci, pod značkou My. Následující rok byly otevřeny v ČR také 3 hypermarkety Tesco Extra (TESCO, 2011). V současné době rozšiřuje Tesco zejména svou síť supermarketů a prodejen Tesco Expres. V roce 2011 otevřelo obchodní dům v Pardubicích pod novým názvem Tesco City. Hypermarkety Tesco se rozkládají na ploše okolo 10 000 m2 (TESCO, 2011). TG potraviny Uvedená prodejna je franchisantem Brněnky. Jedná se o prodejnu se sídlem v Brně, která nabízí potraviny a základní nepotravinářský sortiment.

Vlastní práce

35

4.2 Cenový vývoj zvolených potravin ve vybraných prodejnách Cílem diplomové práce je provést cenovou predikci potravin na základě pozorování vývoje těchto cen ve vybraných maloobchodních formátech. Pro tyto účely bylo stanoveno 13 druhů potravin, které byly sledovány v šesti zvolených obchodech po dobu jednoho roku ve čtrnáctidenních intervalech. Sledovanými potravinami jsou: • • • • • • • • • • • • •

chléb (1200 g, kmínový/konzumní, případně pšenično-žitný), rohlík (43 g, tukový), mléko OLMA (1 l PET láhev, polotučné), Jihlavanka standard (150 g, pražená), Rajec – jemně perlivá (1,5 l), Coca-cola (2 l), Apetito Supercremo 3D (150 g), Activia – bílá sládká (120 g), Fidorka – mléčná s oříšky (30 g), tatarská omáčka Hellmann´s (440 ml), kuřecí prsní řízky (1 kg, chlazené), Rama classic (500 g), vejce (10 ks).

Zvolené potraviny byly sledovány v různých maloobchodních formátech. Za zástupce jednotlivých kategorií byly zvoleny prodejny uvedené v kapitole 4.1., tedy: • • • • • •

Billa (supermarket), Brněnka (supermarket), Lidl (diskontní prodejna), Potraviny Adriana (nezávislá prodejna), Tesco (hypermarket), TG potraviny (franšíza Brněnky).

Na obrázku č. 5 je zobrazen vývoj ceny stanoveného nákupu v jednotlivých prodejnách.

Vlastní práce

36

460

440

420

400

380

360

Tesco

Billa

Brněnka

Lidl

TG potraviny

Obr. 5 Vývoj ceny stanoveného nákupu ve zvolených prodejnách v roce 2011 (v Kč) Zdroj: Vlastní zpracování

Potraviny Adriana

29.12

15.12

1.12

17.11

3.11

20.10

6.10

22.9

8.9

25.8

11.8

28.7

14.7

30.6

16.6

2.6

19.5

5.5

21.4

7.4

24.3

340

Vlastní práce

37

Z uvedeného grafu je patrné, že ve většině pozorování byly nejvyšší ceny zaznamenány v prodejně Billa a naopak nejnižší v Tescu a TG potravinách. Průměrná cena jednoho nákupu ve zvolených prodejnách za sledované období je zobrazena na obrázku č. 6, z něhož je patrná nejvyšší cena jednoho nákupu v prodejně Lidl těsně následované prodejnou Billa. Za nejnižší náklady je možné tento nákup pořídit v prodejně TG potraviny. 435 430 Tesco 425

Billa Brněnka

420 Lidl 415

TG potraviny Potraviny Adriana

410 405 Obr. 6 Průměrná cena jednoho stanoveného nákupu ve zvolených prodejnách (v Kč) Zdroj: Vlastní zpracování

Pokud však má být posouzení objektivní, je vhodné při srovnání zohlednit průměrnou spotřebu jednotlivých potravin za osobu a rok. Náklady na nákup potravin zohledňující jejich průměrnou roční spotřebu zachycuje obrázek č. 7. V tomto případě jsou náklady nejvyšší v prodejně Potraviny Adriana. Tato skutečnost je pravděpodobně důsledkem umístění v Černé Hoře, kde konkurence v této oblasti není příliš velká. Mezi brněnskými prodejnami je nejméně výhodnou prodejna Brněnka i přesto, že z hlediska průměrné ceny jednoho nákupu se umístila až na třetím místě z hlediska nejvyšších nákladů. Druhou nejméně výhodnou brněnskou prodejnou potravin je Billa, která je z hlediska maloobchodního formátu nejbližším konkurentem Brněnky. Nejnižších ročních nákladů lze docílit při nákupu v hypermarketu Tesco. TG potraviny jsou z tohoto hlediska druhou nejvýhodnější prodejnou. Uvedené umístění je důsledkem faktorů, jako je levná pracovní síla, nízké nájemné v důsledku umístění mimo centrum Brna apod.

Vlastní práce

38

15 500,00

15 000,00

Tesco Billa Brněnka

14 500,00

Lidl TG potraviny

14 000,00

Potraviny Adriana

13 500,00 Obr. 7 Náklady na roční nákup ve zvolených prodejnách (v Kč) Zdroj: Vlastní zpracování

Obrázek č. 8 zobrazuje vývoj průměrné ceny stanoveného nákupu v jednotlivých měsících sledování. Jedná se o průměr cen nákupu ve zvolených prodejnách. 440,00 435,00 430,00 425,00

Průměrná cena nákupu

420,00 415,00

Obr. 8 Průměrná měsíční cena stanoveného nákupu (v Kč) Zdroj: Vlastní zpracování

Výrazný nárůst ceny je možné sledovat od listopadu. Tento vývoj je pravděpodobně zapříčiněn plánovaným zvýšením DPH, na které prodejci reagují již s předstihem. Stejná situace nastala i na konci roku 2007, kdy prodejci zvyšovali ceny, i když DPH se z 5 % na 10 % měnilo až od ledna 2008.

Vlastní práce

39

4.3 Predikce cenového vývoje Pro predikci budoucího vývoje cen potravin je nezbytné analyzovat minulý vývoj, na základě něhož je možné s určitou pravděpodobností odhadnout budoucí tendence vývoje. Pro účely práce byly sledovány ceny v šesti obchodech s potravinami různých maloobchodních formátů ve čtrnáctidenních intervalech po dobu jednoho roku. Predikce vychází z průměrné ceny zvoleného nákupu za jednotlivé měsíce od března do prosince roku 2011. Data z následujících tří měsíců posloužila k ověření přesnosti provedené predikce. 4.3.1

Vysvětlovaná proměnná

Průměrná cena zvoleného nákupu (PCN) Vysvětlovanou proměnnou v této predikci je tedy průměrná cena zvoleného nákupu. Jedná se o průměrnou cenu jednotlivých měsíců ve vybraných maloobchodních prodejnách za zboží: chléb (1200 g, kmínový/konzumní, případně pšenično-žitný), rohlík (43 g, tukový), mléko OLMA (1 l PET láhev, polotučné), Jihlavanka standard (150 g, pražená), Rajec – jemně perlivá (1,5 l), Coca-cola (2 l), Apetito Supercremo 3D (150 g), Activia – bílá sládká (120 g), Fidorka – mléčná s oříšky (30 g), tatarská omáčka Hellmann´s (440 ml), kuřecí prsní řízky (1 kg, chlazené), Rama classic (500 g), vejce (10 ks). Cena potravin je ovlivněna celou řadou faktorů. Pro účely práce bylo zvoleno pět vysvětlujících proměnných, které mají dle autorky na cenu potravin významný vliv. 4.3.2

Vysvětlující proměnné

Index cen zemědělských výrobců (ICZV) Ceny zemědělských výrobců jsou ovlivněny zejména průběhem klimatických podmínek, základnou z předchozího roku a hospodářským vývojem ekonomiky v daném roce (VELEBA, 2011). Klimatické podmínky není možné predikovat. Hospodářský vývoj je však již na roku 2012 předpokládán jako negativní, dojde tedy ke snížení hospodářského růstu. Tento vývoj bude mít negativní dopad i na sektor zemědělství. Dle odborníků je základna, se kterou zemědělci vstupují do roku 2012 v příznivější výši, než tomu bylo v minulém období (VELEBA, 2011). Ceny zemědělských výrobců budou ovlivněny i reformními změnami, především zvýšením snížené sazby DPH z 10 % na 14 %. Tato změna zdraží

Vlastní práce

40

potraviny, což způsobí snížení jejich spotřeby a dojde k tlaku na snižování zemědělských cen (VELEBA, 2011). Celkově by rok 2012 měl být méně příznivý pro zemědělce, než rok 2011. Ceny zemědělských výrobců se v minulých obdobích promítly do ceny potravin během 3-4 měsíců (BENDA, 2010). Z uvedeného důvodu bude proměnná v regresní analýze uvažována jako zpožděná proměnná. I přesto, že ceny zemědělských výrobců od poloviny roku 2011 klesaly, ceny potravin rostly. Tento vývoj je s nejvyšší pravděpodobností zapříčiněn plánovanou změnou DPH od ledna 2012, na kterou prodejci zareagovali už na konci roku 2011, jako tomu bylo i v roce 2007, kdy došlo k podobné situaci. Tato proměnná má na vysvětlovanou proměnnou pozitivní vliv. Pokud tedy index cen zemědělských výrobců vzroste, lze předpokládat i růst cen některých potravin obsažených ve zvoleném koši potravin. + PCN= f (ICZV) Směnný kurz CZK/EUR (SK) Růst měnového kurzu (tedy apreciace EUR vůči CZK) vede ke zdražení dováženého zboží. Vyskytuje se zde pozitivní korelace směnného kurzu a cen potravin. + PCN= f (SK) Průměrná cena pohonných hmot (PHM) Cenu potravin významně ovlivňuje i cena ropy, která ovlivňuje ceny pohonných hmot i hnojiv. Nejedná se tedy pouze o zdražení v oblasti dopravy, ale vyšší cena hnojiv zvyšuje náklady i zemědělcům. Vzroste-li cena ropy, lze předpokládat, že se tento růst promítne i do cen potravin. Z tohoto důvodu je i v tomto případě patrná pozitivní korelace cen pohonných hmot a ceny potravin. + PCN= f (PHM) Index cen dovozu (ICD) Česká republika se vyznačuje otevřenou ekonomikou, ve které je velká část produkce exportována do zahraničí a také část potravin ze zahraničí dovážena.

Vlastní práce

41

Poroste-li dovozní cena potravin, vzrostou i prodejní ceny těchto potravin v České republice. I zde se vyskytuje pozitivní korelace. + PCN= f (SK) Index cen průmyslových výrobců (ICPV) Pro účely diplomové práce byla v rámci ICPV sledována pouze kategorie ceny potravinářských výrobků, nápojů a tabáku, která je pro dané účely relevantní. Index vyjadřuje ceny sjednané mezi dodavatelem a odběratelem v tuzemsku bez DPH a spotřební daně. Mezi ICPV a PCN se projevuje, stejně jako u všech uvedených vysvětlujících proměnných, pozitivní korelace. + PCN= f (ICPV) Při vícerozměrné analýze bude použit následující funkční vztah: + + + + + PCN=f (ICZV, ICPV, SK, PHM, ICPV) 4.3.3

Empirická analýza

V rámci empirické analýzy bude nejdříve provedena jednorozměrná analýza, která umožní určit nejvhodnější funkční formu. Následně bude zvolená funkční forma podrobena vícerozměrné regresní analýze, prostřednictvím které je možné zhodnotit zvolený ekonometrický model. Jednorozměrná analýza Pro účely jednorozměrné analýzy je nutné zvolit jednu z vysvětlujících proměnných, která bude analýze podrobena. Vzhledem ke složení sledovaného koše potravin byla zvolena proměnná index cen průmyslových výrobců. Pro stanovení funkční formy a její ověření budou provedeny následující kroky: • • • • •

odhad parametrů modelu a posouzení vhodnosti modelu, test významnosti regresních parametrů, analýza rozptylu, celkový F-test, test linearity modelu, RESET test specifikace modelu,

Vlastní práce

42

• analýza reziduí: test heteroskedasticity, test sériové korelace, test normality. Odhad parametrů modelu a posouzení vhodnosti modelu Nejdříve je vhodné vykreslit data, což může napovědět o vhodném modelu. Na obrázku č. 9 je vykreslen vývoj průměrné ceny nákupu v Kč a indexu cen průmyslových výrobců. Obě veličiny se vyvíjely dle obrázku stejným směrem. V dalším kroku budou stanoveny jednotlivé parametry. Parametry modelu byly odhadnuty pomocí metody OLS, následovalo stanovení adjustovaných indexů determinace, t-testů parametrů, celkového F-testu a DW statistiky.

Obr. 9 Vývoj PCN a ICPV Zdroj: Vlastní zpracování

Vlastní práce

43

Lineární funkční forma (přímka) Yi = β0 + β1 Xi Yi = 48,4821 + 347,654 Xi

T-podíl= 2,475 n=10 R2adj= 0,362929 F= 6,127163 DW= 1,804681

Obr. 10 Lineární funkční forma Zdroj: Vlastní zpracování

Kvadratická funkční forma (parabola) Yi = β0 + β1 Xi + β2Xi2 Yi= 26408,1 – 48671,9X + 22785,1X2

T-podíl= -1,999; 2,013 n=10 R2adj= 0,538918 F= 6,259659 DW= 2,550376

Obr. 11 Kvadratická funkční forma Zdroj: Vlastní zpracování

Vlastní práce

44

Inverzní funkční forma (hyperbola) Yi = β0 + β1 /Xi Yi = 793,850 – 399,406/Xi

T-podíl= -2,446 n= 10 R2adj= 0,356328 F= 5,982276 DW= 1,794532

Obr. 12 Inverzní funkční forma Zdroj: Vlastní zpracování

Semilogaritmická funkční forma lnYi = β0 + β1 Xi lnYi = 5,16829 + 0,815943X

T-podíl= 2,46 n= 10 R2adj= 0,366305 F= 6,202422 DW= 1,819778

Obr. 13 Semilogaritmická funkční forma Zdroj: Vlastní zpracování

Vlastní práce

45

Jednotlivé funkční formy byly testovány pomocí t-testu. Nulová hypotéza vypovídá o nevýznamnosti parametrů daného modelu. T0,975, 8= 2,306, t0,975, 7= 2,36462. Z uvedených dat plyne, že nulová hypotéza o nevýznamnosti parametrů nebyla zamítnuta u kvadratické a inverzní funkční formy. Korigovaný index determinace nabývá nejvyšší hodnoty u kvadratické a semilogaritmické funkční formy, nejnižší hodnoty dosahuje u inverzní funkční formy. DW statistika se v ideálním případě pohybuje kolem hodnoty 2, hodnota blížící se 4 vypovídá o negativní závislosti, hodnota blízká 0 naopak vypovídá o pozitivní závislosti. Ve sledovaných modelech se závislost u většiny funkčních forem neprokázala, pouze kvadratická funkční forma vykazuje mírnou negativní závislost. F-test celkové průkaznosti modelu nasvědčuje u všech funkčních forem průkaznost jednotlivých modelů. Pro zvolení vhodné funkční formy je důležité zhodnotit další vlastnosti modelu. Posouzení vhodnosti modelu Vhodný jednorozměrný model by měl mít normální rozdělení a neměl by vykazovat znaky: • autokorelace, • heteroskedasticity, • nelinearity. Pokud model některý ze znaků obsahuje, je nezbytné provést úpravy dle typu porušení předpokladů. ANOVA (analýza rozptylu) H0: β1=β2=….=βn=0 H1: non H0

Analýza rozptylu hodnotí celkovou významnost modelu, díky čemuž je možné zjistit, které z funkčních forem je možné považovat za významné a budou tedy uvažovány i nadále. Nulová hypotéza vypovídá o nevýznamnosti modelu jako celku a v případě, že není nulová hypotéza zamítnuta, je nezbytné model vhodnými metodami upravit.

Vlastní práce

46

Tab. 1 Lineární funkční forma

Regrese Reziduum Úplné

Součet čtverců 178,019 232,433 410,452

DF 1 8 9

Střední kvadrát 178,019 29,0541 45,6058

F-test 6,12716

Zdroj: Vlastní zpracování

P-hodnota 0,0384 < α => Zamítnutí hypotézy H0 o nevýznamnosti modelu. Tab. 2 Kvadratická funkční forma

Regrese Reziduum Úplné

Součet čtverců 263,256 147,196 410,452

DF 2 7 9

Střední kvadrát 131,628 21,028 45,6058

F-test 6,25966

Zdroj: Vlastní zpracování

P-hodnota 0,0276 < α => Zamítnutí hypotézy H0 o nevýznamnosti modelu. Tab. 3 Inverzní funkční forma

Regrese Reziduum Úplné

Součet čtverců 175,611 234,841 410,452

DF 1 8 9

Střední kvadrát 175,611 29,3552 45,6058

F-test 5,98228

Zdroj: Vlastní zpracování

P-hodnota 0,0402 < α => Zamítnutí hypotézy H0 o nevýznamnosti modelu. Tab. 4 Semilogaritmická funkční forma

Regrese Reziduum Úplné

Součet čtverců 0,000980603 0,0012648 0,0022454

DF 1 8 9

Střední kvadrát 0,000980603 0,0001581 0,000249489

F-test 6,20242

Zdroj: Vlastní zpracování

P-hodnota 0,0375 < α => Zamítnutí hypotézy H0 o nevýznamnosti modelu. Jak je možné vidět výše, dle analýzy rozptylu se všechny modely vyznačují statistickou významností modelu jako celku. Nejnižší p-hodnota se vyznačuje u kvadratické a semilogaritmické funkční formy. Na základě analýzy rozptylu však není možné rozhodnout o vhodné funkční formě, je třeba posoudit i další vlastnosti modelů.

Vlastní práce

47

Test nelinearity H0: Model je lineární H1: Model je nelineární

Tento test slouží k ověření funkčnosti funkční formy. Model splňuje základní požadavky, jestliže není nulová hypotéza zamítnuta a je-li tedy model lineární. Tab. 5 Test nelinearity pro jednorozměrnou regresní analýzu

Funkční forma Lineární Kvadratická Inverzní Semilogaritmická

Test linearity Čtverce hodnot Log. hodnot Čtverce hodnot Log. hodnot Čtverce hodnot Log. hodnot Čtverce hodnot Log. hodnot

Testovací statistika LM 3,66716 3,64346 0,996613 0,990207 3,66045 3,68477 3,64485 3,62172

P-hodnota

Vyhodnocení

0,0554946 0,0562898 0,318135 0,319692 0,0557185 0,0549117 0,0562427 0,05703

H0 nezamítám H0 nezamítám H0 nezamítám H0 nezamítám H0 nezamítám H0 nezamítám H0 nezamítám H0 nezamítám

Zdroj: Vlastní zpracování

Z předchozí tabulky je patrné, že požadavek na linearitu splňují všechny funkční formy. Nejvyšších hodnot dosahuje kvadratická funkční forma, poté semilogaritmická funkční forma. RESET test H0: model je správně specifikován H1: model je nesprávně specifikován Tab. 6 RESET test pro jednorozměrnou regresní analýzu

Funkční forma Lineární Kvadratická Inverzní Semilogaritmická

F-test 2,260645 0,395908 2,303600 2,216331

P-hodnota 0,185 0,692 0,181 0,19

Vyhodnocení H0 nezamítám H0 nezamítám H0 nezamítám H0 nezamítám

Zdroj: Vlastní zpracování

RESET test slouží k testování funkční formy. Napomáhá tedy ověřit, zda je model správně specifikován. Nulová hypotéza v tomto testu vypovídá o správné specifikaci modelu, což znamená, že veličiny jsou ve správné funkční formě. Z výsledků RESET testu je patrné, že ani v jednom případě nulová

Vlastní práce

48

hypotéza nebyla zamítnuta a podmínku správné specifikace modelu splňují všechny uvedené funkční formy. Analýza reziduí Pomocí analýzy reziduí jsou ověřovány předpoklady pro použití metody OLS. Pokud by došlo k porušení některých ze základních předpokladů, je možné model vhodným způsobem upravit. Test heteroskedasticity H0: Chybový člen je homoskedastický H1: Chybový člen je heteroskedastický Tab. 7 Test heteroskedasticity pro jednorozměrný regresní model

Funkční forma

Test Whiteův test Lineární Breusch-Pagan Whiteův test Kvadratická Breusch-Pagan Whiteův test Inverzní Breusch-Pagan Whiteův test Semilogaritmická Breusch-Pagan

Hodnoty LM 5,058490 0,869896 6,331113 1,103607 5,061531 0,852899 4,981094 0,854320

P-hodnota 0,079719 0,350984 0,175748 0,575910 0,079598 0,355734 0,082865 0,355333

Závěr H0 nezamítám H0 nezamítám H0 nezamítám H0 nezamítám H0 nezamítám H0 nezamítám H0 nezamítám H0 nezamítám

Zdroj: Vlastní zpracování

Jedním z předpokladů pro použití metody OLS je konstantní rozptyl chybového členu. Uvedenou vlastnost modelu je možné ověřit pomocí testu heteroskedasticity, přičemž podmínka je splněna v případě nezamítnutí nulové hypotézy. Pro použití Whiteova testu je doporučeno alespoň 30 pozorování. Z uvedeného důvodu není možné v tomto případě považovat výsledky testu za věrohodné. Dle Breusch-Paganova testu však homoskedasticitu chybového členu vykazují všechny zvolené funkční formy.

Vlastní práce

49

Test autokorelace H0: Chybový člen je neautokorelován H1: Chybový člen je autokorelován Tab. 8 Test autokorelace pro jednorozměrnou regresní analýzu

Funkční forma

Test Durbin-Watson Breusch-Godfrey Lineární Box-Pierce Ljung-Box Durbin-Watson Breusch-Godfrey Kvadratická Box-Pierce Ljung-Box Durbin-Watson Breusch-Godfrey Inverzní Box-Pierce Ljung-Box Durbin-Watson Breusch-Godfrey Semilogaritmická Box-Pierce Ljung-Box

Hodnoty 1,80468 0,419915 2,012456 1,26531 2,55038 0,362765 2,138819 2,00466 1,79453 0,419380 2,010404 1,26018 1,81978 0,436889 2,076907 1,31863

P-hodnota 0,247138 0,747 0,57 0,737 0,625515 0,784 0,544 0,571 0,242224 0,747 0,57 0,739 0,255101 0,736 0,557 0,725

Závěr H0 nezamítám H0 nezamítám H0 nezamítám H0 nezamítám H0 nezamítám H0 nezamítám H0 nezamítám H0 nezamítám H0 nezamítám H0 nezamítám H0 nezamítám H0 nezamítám H0 nezamítám H0 nezamítám H0 nezamítám H0 nezamítám

Zdroj: Vlastní zpracování

Durbin-Watsonův test hodnotí, zda se v modelu vyskytuje autokorelace prvního stupně. Hodnoty se mohou pohybovat v rozmezí od 0 do 4, přičemž výsledek pohybující se okolo hodnoty 2 nasvědčuje, že v modelu se autokorelace 1. stupně nevyskytuje. Z výše uvedené tabulky je patrné, že žádný z hodnocených modelů autokorelaci prvního stupně neobsahuje. Ostatní uvedené testy hodnotí, zda se v modelu objevuje autokorelace vyššího řádu. Pro výpočet testů je nezbytné zvolit velikost zpoždění. Pro výpočet bylo stanoveno zpoždění ve výši √". Po zaokrouhlení tedy 3. Na základě výsledků testu je možné prohlásit, že autokorelace se v žádném z uvedených modelů nevyskytuje.

Vlastní práce

50

Test normality H0: normalita chybového členu H1: normalita chybového členu neplatí Tab. 9 Test normality pro jednorozměrnou regresní analýzu

Funkční forma

Test Chí-kvadrát Lineární Shapiro-Wilk Jarque-Bery Chí-kvadrát Kvadratická Shapiro-Wilk Jarque-Bery Chí-kvadrát Inverzní Shapiro-Wilk Jarque-Bery Chí-kvadrát Semilogaritmická Shapiro-Wilk Jarque-Bery

Hodnota 0,184889 0,937545 0,562444 1,63923 0,889996 0,963634 0,220 0,936536 0,575071 0,17686 0,937764 0,574964

P-hodnota 0,9117 0,526034 0,754861 0,440602 0,169559 0,61766 0,89573 0,515146 0,75011 0,915367 0,52841 0,75015

Závěr H0 nezamítám H0 nezamítám H0 nezamítám H0 nezamítám H0 nezamítám H0 nezamítám H0 nezamítám H0 nezamítám H0 nezamítám H0 nezamítám H0 nezamítám H0 nezamítám

Zdroj: Vlastní zpracování

Normalita chybového členu není nezbytnou podmínkou. Je však předpokladem pro využití některých testů reziduí. Zvolené modely dle všech tří testů potvrzují normalitu chybového členu. Závěr jednorozměrné regresní analýzy Pro regresní analýzu byly zvoleny 4 základní funkční formy – lineární, kvadratická, inverzní a semilogaritmická. Cílem jednorozměrné analýzy bylo najít vhodnou funkční formu, která bude využita pro následnou vícerozměrnou analýzu. Výše provedené testy prokázaly, že pro hodnocená data je možné použít všechny uvedené funkční formy, jelikož nedošlo k porušení požadovaných předpokladů. Dle p-hodnoty je však patrné, že u většiny testů dosahuje nejlepších hodnot kvadratická a semilogaritmická funkční forma. Při hodnocení kvadratické funkční formy však byla odhalena mírná negativní závislost a pomocí t-testu nebyla zamítnuta nulová hypotéza o nevýznamnosti parametrů. Z těchto důvodů byla pro následující vícerozměrnou analýzu zvolena semilogaritmická funkční forma.

Vlastní práce

51

Vícerozměrný regresní model Po zvolení vhodné funkční formy je třeba provést vícerozměrnou analýzu, při které je hodnocen model se všemi zvolenými vysvětlujícími proměnnými. V případě, že budou porušeny některé základní předpoklady modelu, budou z modelu odebrány proměnné, které nesplňují základní požadavky. Výchozí model má tedy následující podobu: lnY = 4,74944 + 0,00978031 SK - 0,402024 ICD - 0,666803 ICZV + 2,34285 ICPV - 0,00183271PHM ANOVA (analýza rozptylu) H0: β1=β2=….=βn=0 H1: non H0 Tab. 10 ANOVA pro vícerozměrnou regresní analýzu

Regrese Reziduum Úplné

Součet čtverců 0,00185928 0,000386119 0,0022454

DF 5 4 9

Střední kvadrát 0,000371857 9,65298e-005 0,000249489

F-test 3,85225

Zdroj: Vlastní zpracování

P-hodnota 0,1079 > α => Nezamítnutí hypotézy H0 o nevýznamnosti modelu. Analýza rozptylu tedy vypovídá o nevýznamnosti modelu. Tuto situaci lze řešit změnou modelu nebo funkční formy. V případě, že se v následujících testech prokáže multikolinearita mezi některými z vysvětlujících proměnných, bude model změněn odebráním vhodných proměnných. Na závěr bude provedeno testování výsledného modelu. Test multikolinearity Tab. 11 VIF vysvětlujících proměnných I

Proměnná ICZV SK ICD PHM ICPV

VIF 22,043 14,252 15,541 3,427 18,734 Zdroj: Vlastní zpracování

Vlastní práce

52

VIF statistika umožňuje zjistit, zda se v modelu vyskytuje multikolinearita. Je-li vypočtená statistika vyšší než 10, může být multikolinearita v modelu problémem. Z vypočtených hodnot je patrné, že mezi proměnnými se multikolinearita vyskytuje, proto je třeba některé proměnné z modelu odebrat. Nejvyšší hodnota VIF statistiky se vyskytuje u indexu cen zemědělských výrobců, proto prvním krokem bude odebrání této proměnné z modelu. Dalším důvodem pro tento krok je fakt, že hodnota koeficientu ICZV nabývá záporných hodnot a neodpovídá ekonomickému předpokladu, že zvýšení cen zemědělských výrobců vede ke zvýšení ceny potravin. Hodnocení je vhodné provést i pomocí matice párových korelačních koeficientů. Tab. 12 Matice párových korelačních koeficientů

SK SK ICD ICZV ICPV PHM

1

ICD 0,9444 1

ICZV -0,2615 -0,3767 1

ICPV 0,4739 0,3687 0,6762 1

PHM -0,5956 -0,5392 -0,2876 -0,5787 1

Zdroj: Vlastní zpracování

Korelace mezi proměnnými je vysoká, jestliže se hodnota koeficientu blíží hodnotě 1. Nejvyšší hodnota koeficientu se vyskytuje mezi proměnnými ICD a SK. Z tohoto důvodu bude druhým krokem odebrání proměnné ICD a to i z důvodu, že hodnota koeficientu ICD je záporná a neodpovídá tedy ekonomickému předpokladu, že zvýšení ceny dovozu vede ke zvýšení ceny potravin. Tab. 13 VIF vysvětlujících proměnných II

Proměnná SK ICD PHM ICPV

VIF 11,356 9,998 1,882 1,678 Zdroj: Vlastní zpracování

Po odebrání proměnné ICZV je patrné výrazné snížení VIF statistiky. Pouze hodnota u proměnné SK je vyšší než 10. Vzhledem k tomu, že v souladu s ekonomickými předpoklady není ICD, bude z modelu tato proměnná odebrána.

Vlastní práce

53 Tab. 14 VIF vysvětlujících proměnných III

Proměnná SK PHM ICPV

VIF 1,613 1,880 1,564 Zdroj: Vlastní zpracování

Odebráním proměnné ICD došlo k výraznému snížení VIF statistiky u jednotlivých proměnných. Všechny hodnoty jsou nižší než 10 a proto je problém s multikolinearitou v modelu vyřešen. Pokud má model odpovídat realitě, je nezbytné překontrolovat, zda koeficienty proměnných odpovídají ekonomickým předpokladům. V případě proměnné PHM je předpoklad porušen a z toho důvodu bude i tato proměnná z modelu vyřazena. Testování výsledného modelu Model, který byl hodnocen v rámci vícerozměrné analýzy, byl sestupnou metodou zredukován do následující podoby: lnYi = 5,07329 + 0,0178251 SK + 0,498831 ICPV Pro výše uvedený model je nezbytné provést testy, které ověří, zda jsou splněny veškeré předpoklady pro jeho použití k následné predikci. SK 0,00817676 2,180

Směrodatná chyba T-podíl n= 10

R2 = 0,664492

ICPV 0,306966 1,625

F= 6,931933

DW= 2,538291

ANOVA (analýza rozptylu) H0: β1=β2=….=βn=0 H1: non H0 Tab. 15 ANOVA pro výsledný model

Regrese Reziduum Úplné

Součet čtverců 0,00149205 0,000753351 0,0022454

DF 2 7 9

Střední kvadrát 0,000746026 0,000107622 0,000249489

F-test 6,93193

Zdroj: Vlastní zpracování

P-hodnota 0,0219 < α => Zamítnutí hypotézy H0 o nevýznamnosti modelu.

Vlastní práce

54

Analýza rozptylu po úpravách vypovídá o významnosti zvoleného modelu. Dle analýzy ANOVA je model v pořádku a není třeba jej dále upravovat. RESET test H0: model je správně specifikován H1: model je nesprávně specifikován Tab. 16 RESET test pro výsledný model

Funkční forma Semilogaritmická

F-test 1,683416

P-hodnota Vyhodnocení 0,276 H0 nezamítám Zdroj: Vlastní zpracování

Jelikož p-hodnota nabývá hodnoty vyšší než α, pak na 5% hladině významnosti nulová hypotéza o správné specifikaci modelu nebyla zamítnuta. Test nelinearity H0: Model je lineární H1: Model je nelineární Tab. 17 Test nelinearity pro vícerozměrný model

Test Test linearity založený na čtvercích hodnot Test linearity založený na logaritmech

Testovací statistika

P-hodnota

5,26188

0,0720106

5,2679

0,0717942 Zdroj: Vlastní zpracování

Na 5% hladině významnosti je zvolený ekonometrický model lineární a splňuje tak jeden ze základních předpokladů. Test heteroskedasticity H0: Chybový člen je homoskedastický H1: Chybový člen je heteroskedastický Tab. 18 Test heteroskedasticity pro vícerozměrný regresní model

Test Whiteův test Breusch-Pagan

Testovací statistika 3,910585 1,010664

P-hodnota 0,562360 0,603305 Zdroj: Vlastní zpracování

Provedené testy heteroskedasticity nenaznačují, že by chybový člen byl heteroskedastický. Rezidua tedy splňují základní předpoklad homoskedasticity.

Vlastní práce

55

Test autokorelace H0: Chybový člen je neautokorelován H1: Chybový člen je autokorelován Tab. 19 Test autokorelace pro vícerozměrný regresní model

Test Durbin-Watson Box-Pierce Breusch-Godfrey Ljung-Box

Testovací statistika 2,53829 5,306095 1,507230 3,26182

P-hodnota 0,538128 0,151 0,341 0,353 Zdroj: Vlastní zpracování

Autokorelace prvního stupně je hodnocena dle Durbin-Watsonova testu. Testovací statistika DW se blíží hodnotě 2, která naznačuje, že autokorelace se v modelu nevyskytuje. Ve zvoleném modelu se vyskytuje velmi mírná negativní korelace, tato závislost však není považována za významnou. Autokorelaci vyššího řádu hodnotí ostatní výše uvedené testy. Velikost zpoždění byla stanovena √", po zaokrouhlení bylo zvoleno zpoždění 3. Dle výsledků testu je možné prohlásit, že autokorelace se v žádném z uvedených modelů nevyskytuje. Test normality H0: normalita chybového členu H1: normalita chybového členu neplatí Tab. 20 Test normality pro vícerozměrný regresní model

Test Chí-kvadrát Shapiro-Wilk Jarque-Bery

Testovací statistika 1,992 0,956005 0,371492

P-hodnota 0,36937 0,739539 0,830484 Zdroj: Vlastní zpracování

Na 5% hladině významnosti je dle výše uvedených výpočtů možné prohlásit, že chybový člen pochází z normálního rozdělení.

Vlastní práce

56

Test multikolinearity Tab. 21 VIF vysvětlujících proměnných IV

Proměnná SK ICPV

VIF 1,290 1,290 Zdroj: Vlastní zpracování

Multikolinearita se v modelu vyskytuje v případě, že hodnota VIF statistiky je vyšší než 10. Po úpravách je patrné, že ve zvoleném modelu se multikolinearita mezi vysvětlujícími proměnnými nevyskytuje. 4.3.4

Predikce cenového vývoje

Predikce cenového vývoje zvoleného koše potravin byla provedena s využitím stanoveného ekonometrického modelu, přičemž vysvětlující proměnné jsou stanoveny na základě publikovaných expertních odhadů. Vývoj směnného kurzu Směnný kurz CZK/EUR pro rok 2012 byl stanoven na základě prognózy České národní banky. Prognóza předpokládá, že od druhého čtvrtletí roku 2012 bude docházet k posilování CZK po výrazném oslabení v závěru roku 2011, které bylo zapříčiněno velmi napjatou situací na finančních trzích a řadou dalších skutečností. 28

26

24

22

20 I/10

II

III

IV I/11 90%

II

70%

III 50%

IV I/12

II

III

IV I/13

30% interval spolehlivosti

Obr. 14 Prognóza kurzu CZK/EUR (ZPRÁVA O INFLACI/I, 2012)

II

III

Vlastní práce

57

Vývoj indexu cen průmyslových výrobců V předchozích obdobích docházelo k dlouhodobému růstu cen průmyslových výrobců, což je možné sledovat na obrázku č. 15. 1,1 1,08 1,06 1,04 1,02 1 prosinec

listopad

říjen

září

srpen

červenec

červen

květen

duben

březen

únor

leden_2011

prosinec

listopad

říjen

září

srpen

červenec

červen

květen

duben

březen_2010

0,98

ICPV Obr. 15 Vývoj indexu cen průmyslových výrobců Zdroj: Vlastní zpracování na základě údajů z ČSÚ

Dle expertních odhadů bude i v roce 2012 docházet k navyšování cen průmyslových výrobců. V roce 2011 byl průměrný meziroční růst tohoto indexu 8,12 %. Pro predikci vývoje v roce 2012 byla střední varianta odvozena od úrovně průměrného meziročního růstu, konkrétně na úrovni 8 %. Dále byla stanovena pesimistická a optimistická varianta možného vývoje. Z údajů Českého statistického ústavu je patrné, že největší meziroční růst nastal v květnu a červnu, kdy došlo k meziročnímu nárůstu cen průmyslových výrobců o 9,6 %. Z této skutečnosti vychází pesimistická varianta možného vývoje, která byla stanovena jako 10% meziroční nárůst cen průmyslových výrobců. Optimistická varianta představuje 2% meziroční nárůst těchto cen. Na obrázku č. 16 je zachycen dosavadní vývoj včetně predikce vývoje pro rok 2012 v pesimistické, optimistické a střední variantě.

Vlastní práce

58

1,2 1,15 1,1 1,05 1

březen_2010 duben květen červen červenec srpen září říjen listopad prosinec leden_2011 únor březen duben květen červen červenec srpen září říjen listopad prosinec leden_2012 únor březen duben květen červen červenec srpen září říjen listopad prosinec

0,95

Pesimistická (meziroční růst 10 %) Optimistická (meziroční růst 2 %)

Střed (meziroční růst 8 %)

Obr. 16 Predikce vývoje indexu cen průmyslových výrobců pro rok 2012 Zdroj: Vlastní zpracování

Vývoj DPH V lednu roku 2012 došlo k navýšení snížené sazby DPH z 10 % na 14 %. Jelikož se uvedená změna týká i potravin, je nezbytné tuto skutečnost zohlednit i v predikci pro rok 2012. Hodnota vypočtená ekonometrickým modelem proto musí být navýšena o změnu ve výši DPH, tedy o 4 %, což je uvedeno v tabulce č. 23. Predikované hodnoty vysvětlujících proměnných byly dosazeny do stanoveného ekonometrického modelu a byly navýšeny o 4 % z důvodu nutnosti zohlednění vývoje snížené sazby DPH. V období od ledna do března byl nadále sledován vývoj cen zvolených potravin, díky čemuž je možné posoudit kvalitu stanovené prognózy. Porovnání je uvedeno v tabulce č. 23.

Vlastní práce

59

Tab. 22 Predikce ceny stanoveného nákupu pro rok 2012

Predikované období 2012

Předpokládaná hodnota ICPV

Předpokládaná hodnota SK

Pesimistická

Leden

25,5

1,145

Únor

25,5

Březen

Střed

Predikovaná hodnota Y

Optimistická

Pesimistická

Střed

Optimistická

1,125

1,065

445,408

440,987

427,984

1,15

1,13

1,07

446,521

442,088

429,053

25,5

1,155

1,135

1,075

447,636

443,192

430,124

Duben

24,9

1,17

1,15

1,09

446,2

441,771

428,744

Květen

24,9

1,186

1,166

1,106

449,776

445,311

432,18

Červen

24,9

1,19

1,17

1,11

450,674

446,2

433,043

Červenec

24,6

1,191

1,171

1,111

448,494

444,042

430,949

Srpen

24,6

1,189

1,169

1,109

448,047

443,599

430,519

Září

24,6

1,188

1,168

1,108

447,823

443,378

430,304

Říjen

24,5

1,191

1,171

1,111

447,695

443,251

430,181

Listopad

24,5

1,194

1,174

1,114

448,366

443,915

430,825

Prosinec

24,5

1,197

1,177

1,117

449,037

444,58

431,471

Zdroj: Vlastní zpracování

Vlastní práce

60

Tab. 23 Predikovaná cena nákupu včetně DPH ve výši 14 % a její porovnání se skutečnou hodnotou

Období roku 2012

Predikovaná cena nákupu včetně 14 % DPH Pesimistická

Střed

Optimistická

Skutečná hodnota nákupu

Leden

463,225

458,626

445,103

457,59

Únor

464,382

459,772

446,215

458,16

Březen

465,541

460,920

447,329

476,84

Duben

464,048

459,441

445,894

Květen

467,767

463,123

449,467

Červen

468,701

464,048

450,365

Červenec

466,434

461,803

448,187

Srpen

465,969

461,343

447,740

Září

465,736

461,113

447,516

Říjen

465,603

460,981

447,388

Listopad

466,300

461,671

448,058

Prosinec

466,999

462,363

448,729 Zdroj: Vlastní zpracování

V tabulce č. 23 je uvedena predikce ceny sledovaného nákupu na období roku 2012 a současně je zobrazena také skutečná hodnota nákupu v období prvních tří měsíců roku 2012. Z uvedených údajů je zřejmé, že v lednu a únoru se skutečné ceně nákupu nejvíce přibližuje střední varianta predikce. V lednu je chyba předpovědi ve výši 1,036 Kč, v únoru 1,612 Kč. V březnu roku 2012 již došlo k výraznější chybě predikce, která byla pravděpodobně způsobena působením vlivů, které v predikci nebyly zohledněny. Konkrétně došlo k výraznému navýšení ceny vajec, což je s největší pravděpodobností příčinou výraznější chyby predikce ve výši -15,92 Kč. Průměrná chyba predikce pak byla za sledované období ve výši přibližně 9,258 Kč.

Vlastní práce

61

4.4 Marketingový výzkum Marketingový výzkum byl proveden za účelem zajištění komplexního pohledu na problematiku cenového vývoje, kterou se diplomová práce zabývá. Před realizací vlastního marketingového výzkumu byl stanoven plán výzkumu, který umožňuje shrnout předpokládaný průběh celého výzkumu. Následně bylo nezbytné pro účely některých z otázek v dotazníku provést pomocné výpočty, za pomocí kterých byla stanovena průměrná spotřeba vybraných potravin a také průměrná roční cena stanoveného nákupu ve zvolených maloobchodních prodejnách. 4.4.1

Plán výzkumu

Formulace zkoumaného problému V současné době se potýká Česká republika s řadou finančních problémů, které se již stávají neúnosnými, a proto politici přichází s mnoha opatřeními, prostřednictvím kterých má být situace řešena. Jedním z návrhů na zvýšení příjmů do státního rozpočtu je i zvýšení snížené sazby DPH. V době tvorby plánu má být první zvýšení na úroveň 14 % v roce 2012 a následující rok sjednocení sazeb DPH na úrovni 17,5 %. Jelikož DPH ovlivňuje ceny potravin, začínají se objevovat obavy z možných finančních problémů obyvatel. Pro maloobchodníky je proto důležité znát předpokládané reakce svých zákazníků. Pokud by se situace ukázala jako závažná, pak by prodejci měli začít uvažovat o změně cenové politiky. Očekávaný přínos výzkumu Výzkum se zabývá problematikou změny sazby DPH a z jeho výsledků je možné posoudit, jak moc je situace závažná a zda se prodejci potravin mají obávat odlivu zákazníků ke konkurenci, především k diskontním prodejcům potravin. Informační potřeby Při realizaci výzkumu je třeba dodržet určité zásady, aby měl výzkum požadovanou vypovídací schopnost. Před započetím výzkumu bude prostudována odborná literatura zabývající se touto problematikou. Jednou z takových publikací bude Marketingový výzkum (FORET a STÁVKOVÁ, 2003).

Vlastní práce

62

Výběrový soubor Výzkum bude proveden na výběrovém souboru 100 osob, přičemž těmito osobami budou pravidelní návštěvníci maloobchodní prodejny Brněnka na ulici Purkyňova v Brně ve věku od 18 let. Jelikož cílová skupina není příliš velká, je pravděpodobné, že se nepodaří získat názory od stanoveného počtu osob. Snahou bude získat názory respondentů z co největšího počtu stanovených segmentačních skupin. Vlastní výzkum bude probíhat v období od července do září 2011, přičemž v prvním měsíci dojde ke kontaktování respondentů a v druhém měsíci dojde ke statistickému zpracování výsledků. Oslovení proběhne v prostorách prodejny Brněnka na ulici Purkyňova. Technika výzkumu Při realizaci výzkumu je možné využít techniky dotazování, experimentu nebo pozorování. Vzhledem k velikosti a charakteru cílové skupiny bylo rozhodnuto o oslovení formou osobního kontaktu přímo v prodejně Brněnka. Při tomto kontaktu respondenti obdrží dotazník, který při příští návštěvě odevzdají do přichystané schránky. Způsob oslovení respondentů Tazatelka osloví zákazníky přímo v prodejně, zeptá se jich na přibližnou četnost návštěv této prodejny a v případě, že bude tato četnost minimálně měsíční, poprosí oslovené o vyplnění dotazníku. Dotazníky bude možné si odnést domů a při příští návštěvě prodejny je vhodit do připravené schránky. Tímto řešením je překonána problematika časové tísně návštěvníků a také zajištěna naprostá anonymita, díky které je možné očekávat upřímnější odpovědi. Předvýzkum Jelikož budou osloveny různé věkové i sociální skupiny zákazníků, je nezbytné zajistit, aby byly jednotlivé otázky v dotazníku respondenty pochopeny. Z tohoto důvodu bude dotazník nejdříve rozdán 5 osobám z různých věkových kategorií, jestliže se objeví případné nejasnosti, bude dotazník upraven. Vlastní výzkum Během měsíce července 2011 budou osloveni pravidelní zákazníci Brněnky. Výzkum proběhne přímo v prostorách prodejny na ulici Purkyňova v Brně. Snahou bude získat výběrový soubor o velikosti 100 respondentů. Oslovení budou vracet obdržené dotazníky do připravované schránky v prodejně. Schránka

Vlastní práce

63

bude průběžně vybírána a data zaznamenávána, aby byla zjištěna případná převaha zvolených segmentačních skupin. Pokud by k této situaci došlo, tazatelka se bude snažit oslovit respondenty z nedostatečně zastoupených segmentů. Statistické zpracování výsledků Zpracování získaných dat proběhne v programu Microsoft Excel. Pro účely práce postačí využití základních statistických metod, především absolutní a relativní četnosti. Interpretace a prezentace výsledků Výsledky výzkumu budou interpretovaný procentním a slovním vyjádřením. Pro větší přehlednost bude provedeno i grafické vyjádření výsledků. Prezentace výsledků bude zařazena jednak do diplomové práce, ale také budou zjištěné skutečnosti prezentovány vedení Brněnky, ve které výzkum proběhl. Časový rozvrh jednotlivých etap Zejména pro kontrolní účely je vhodné stanovit harmonogram jednotlivých činností, které během výzkumu proběhnou. Tab. 24 Harmonogram etap výzkumu

Etapa Tvorba dotazníku Předvýzkum Vlastní výzkum Zpracování výsledků výzkumu Prezentace výsledků

Období Červen 2011 Červen 2011 Červenec 2011 Srpen 2011 Červen 2012 Zdroj: Vlastní zpracování

Rozpočet nákladů výzkumu Jelikož dotazování provede sama autorka této práce, jedinými náklady (kromě vlastní práce) budou náklady na tisk dotazníků. Dotazník se skládá ze 4 stran A4, v případě, že uvažujeme náklady na tisk 1 strany A4 ve výši 1 Kč, celkové náklady na tisk 100 dotazníků budou ve výši 400 Kč. Uvedená částka bude uhrazena z vlastních finančních prostředků autorky.

Vlastní práce

4.4.2

64

Pomocné výpočty

Dotazník obsahuje i odhady cen stanoveného nákupu potravin, který zahrnuje základní potraviny, jejichž ceny jsou sledovány autorkou ve vybraných maloobchodech. Aby bylo možné posoudit přesnost odhadů respondentů, bylo nezbytné zjistit průměrnou cenu tohoto nákupu a také roční útratu za dané potraviny. Nejdříve byla zjištěna průměrná roční spotřeba zvolených kategorií potravin v České republice. Tato informace je důležitá pro další výpočty, nejsou však nezbytně nutná nejaktuálnější data, jelikož postačuje znát přibližnou spotřebu sledovaných potravin. Tab. 25 Průměrná roční spotřeba vybraných kategorií potravin v ČR

Potravina Chléb Ostatní pšeničné pečivo Drůbeží maso Mléko Sýry tavené Rostlinný tuk Čokoládová cukrovinka Minerálky Limonády Káva Jogurty Vejce Tatarská omáčka

Průměrná spotřeba na osobu a rok 43,4 kg 53,4 kg 24,8 kg 58,0 l1 2,4 kg 3,4 kg 3,8 kg 67 l 109 l 2,2 kg 10 kg1 252 ks2 1,329 kg3,4

Poznámka: ostatní informace pocházejí ze stejného, níže uvedeného, zdroje5 Zdroj: Vlastní zpracování na základě informací z uvedených zdrojů

Pokud již známe spotřebu daných kategorií potravin, je možné přepočítat tuto spotřebu na počet kusů balení jednotlivých potravin. Pro účely výzkumu je tedy uvažováno určitě zjednodušení. Toto zjednodušení spočívá v tom, že je uvažován např. jako jediný zástupce kategorie Sýry tavené, sýr Apetito Supercremo 3D (150 g). Finance.cz. Spotřeba mléčných výrobků loni klesla na 244 kg. Zootechnika.cz. Úvod do chovu drůbeže. 3 ČECHOVÁ, Radana. Zdraví životní styl předpovídá řadu změn. 4 ČSÚ. Rychlé informace : Pohyb obyvatelstva. 5 ČSÚ. Spotřeba potravin v roce 2009. 1 2

Vlastní práce

65

Tab. 26 Průměrný počet nakoupených kusů vybraných potravin na osobu a rok

Potravina Chléb Rohlík Kuřecí prsní řízky Mléko Apetito Rama Fidorka Minerální voda Coca-cola Jihlavanka standard Activia Vejce Tatarská om. Hellmann´s

Hmotnost 1200 g (1100 g*) 43 g 1 kg 1l 150 g 500 g 30 g 1,5 l 2l 150 g 120 g 10 ks 440 ml

Průměrná spotřeba na osobu a rok 36,17 ks (39,46 ks) 1243 ks 24,8 ks 58 ks 16 ks 6,8 ks 126,7 ks 44,7 ks 54,5 ks 14,67 ks 83,3 ks 25,2 ks 3,02 ks

* V prodejně TG potraviny lze zakoupit pšenično-žitný chléb pouze o hmotnosti 1100 g. Zdroj: Vlastní zpracování na základě údajů z tabulky č. 25

Aby bylo možné zjistit, kolik lze ročně na takovémto nákupu ušetřit pouhou změnou navštěvovaného obchodu s potravinami, byla zjištěná roční spotřeba vynásobena průměrnou cenou tohoto zboží za sledované období. Z údajů v tabulce č. 27 je zřejmé, že cena jednoho stanoveného nákupu se pohybuje v rozmezí 401 až 445 Kč. Pokud však zohledníme roční spotřebu jednotlivého zboží, pak je rozdíl mezi nejdražším a nejlevnějším sledovaným obchodem 2 147 Kč. Detailní přehled je zobrazen v tabulce č. 27.

Vlastní práce

66

Tab. 27 Hodnota ročního nákupu vybraných potravin v jednotlivých prodejnách Hodnota ročního nákupu v jednotlivých prodejnách (v Kč) Potraviny

Minerálka Coca-cola Mléko Jihlavanka Rohlík Chléb Apetito Kuřecí prs. řízky Rama Fidorka Tatarská omáčka Vejce Activia Celkem

Tesco

Brněnka

TG potraviny

Lidl

Billa

Potraviny Adriana

Cena za jednotku*

Celkem za rok

Cena za jednotku*

Celkem za rok

Cena za jednotku*

Celkem za rok

Cena za jednotku*

Celkem za rok

Cena za jednotku*

Celkem za rok

Cena za jednotku*

Celkem za rok

9,99 29,61 18,76 33,9 1,69 22,47 29,47 131,33

447 1614 1088 497 2101 813 472 3257

14,2 29,19 17,9 23,33 2 27,04 33,19 117,3

635 1591 1038 342 2486 978 531 2909

10,72 29,03 19,8 25,9 1,5 34,17** 29,1 147,97

479 1582 1148 380 1865 1348 466 3670

11,9 31,9 15,9 32,19 1,69 21,61 29,9 156,37

532 1739 922 472 2101 782 478 3878

13,9 29,9 17,04 34,9 1,9 24,19 28,76 147,71

621 1630 988 512 2362 875 460 3663

13,9 33,57 18 25,5 2,4 30 33 150

621 1830 1044 374 2983 1085 528 3720

38,9 8,56 42,04

265 1085 127

42,61 11,61 51,9

290 1471 157

39,87 8,84 39,8

271 1120 120

39,57 8,04 40,61

269 1019 123

38,61 9,47 43,47

263 1200 131

41,2 8,9 47,06

280 1128 142

24,47 9,47 401

617 789 13 172

24,9 9,99 405

628 832 13 888

26,8 9,04 423

675 753 13 877

26,61 9,19 426

671 766 13 752

24,19 9,19 423

610 766 14 081

32 9,34 445

806 778 15 319

Poznámky: * Jedná se o průměrnou cenu za období 24.3. – 16.6. 2011. ** Chléb o hmotnosti 1100 g. Zdroj: Vlastní zpracování na základě sledovaní cen a údajů z tabulky č. 26

Vlastní práce

4.4.3

67

Marketingový výzkum Brněnka

Dotazníkové šetření bylo provedeno za účelem zajištění komplexního pohledu na danou problematiku. Umožňuje zjistit citlivost zákazníků Brněnky na ceny, také jejich případné reakce v situaci zdražování vlivem plánovaného zvyšování snížené sazby DPH. Co se týče struktury dotazníku, obsahoval celkem 16 otázek, 12 otázek bylo zaměřeno přímo na cíle výzkumu, zbylé 4 otázky byly segmentační. Objevilo se v něm 12 otázek uzavřených, 2 polootevřené, 2 otevřené. Cílovou skupinou dotazníkového šetření byli pravidelní návštěvníci prodejny Brněnka (Purkyňova, Brno) ve věku od 18 let. Celkem se podařilo získat názory 38 respondentů, vzhledem k velikosti této cílové skupiny a k aktuální neochotě účastnit se podobných šetření, nebylo možné získat více názorů. Dotazník byl rozdán 90 pravidelným zákazníkům a návratnost tedy činila přibližně 42 %. Snahou při dotazování bylo dosáhnout zastoupení přibližně stejného počtu respondentů v jednotlivých segmentačních skupinách, což se povedlo, vzhledem k náročnosti oslovování respondentů a vzhledem k nerovnoměrnému rozdělení těchto segmentů v populaci, jen přibližně. Zastoupení jednotlivých segmentů v dotazníkovém šetření je zobrazeno na obrázcích č. 17-20. 3%

3% 5%

Docházková vzdálenost Bydlím ve stejné městské části

89%

Bydlím ve stejném městě Bydlím v jiném městě

Obr. 17 Zastoupení respondentů dle vzdálenosti bydliště od prodejny Brněnka (Purkyňova) Zdroj: Vlastní zpracování

Vlastní práce

68

13%

16%

18-25 let 26-35 let

13% 26% 16%

36-45 let 46-55 let 56-65 let 66-75 let

16%

76 let a více Obr. 18 Zastoupení respondentů dle věku Zdroj: Vlastní zpracování

11% 26%

13%

Student OSVČ Zaměstnanec

50%

Jiné Obr. 19 Zastoupení respondentů dle povolání Zdroj: Vlastní zpracování

3%

3% Do 10 000 Kč

26%

10 001-20 000 Kč

39%

20 001-30 000 Kč 30 001-40 000 Kč

29%

40 001 Kč a více

Obr. 20 Zastoupení respondentů dle čistého měsíčního příjmu Zdroj: Vlastní zpracování

Vlastní práce

69

Výsledky výzkumu Otázka č. 1: Navštěvujete pravidelně (tj. alespoň jednou měsíčně) prodejnu Brněnka (na ulici Purkyňova)? První otázka sloužila jako filtrační, neboť cílovou skupinou jsou právě zákazníci pravidelně navštěvující tuto prodejnu. Respondenti, kteří by eventuálně nesplňovali toto kritérium, by museli být z výzkumu vyloučeni. Jelikož byli oslovováni jen pravidelní zákazníci, všech 38 respondentů bylo do výzkumu zařazeno. Otázka č. 2: Jak často navštěvujete Brněnku? Cílem otázky bylo zjistit přibližnou četnost návštěv Brněnky jejími pravidelnými návštěvníky. Výzkum ukázal, že pravidelní zákazníci navštěvují tuto prodejnu poměrně často, což je jistě pozitivní a svědčí to o určité loajalitě. Většina respondentů navštěvuje prodejnu vícekrát týdně. Podrobnější výsledky jsou uvedeny na obrázku č. 21.

Každý den

11%

13%

4-6krát týdně

13% 24% 39%

1-3krát týdně Méně často, ale vícekrát do měsíce Přibližně jednou za měsíc

Obr. 21 Četnost návštěv prodejny Zdroj: Vlastní zpracování

Otázka č. 3: Jaký typ nákupu v Brněnce provádíte? Odpovědi respondentů na uvedenou otázku měly poukázat na pravděpodobnou útratu pravidelných zákazníků při návštěvě prodejny. Daná otázka je polootevřená a bylo možné zvolit i více odpovědí, které nejlépe vystihují nákupní zvyklosti oslovených. Této možnosti využil pouze jeden respondent.

Vlastní práce

70

Ze zpracovaných výsledků je zřejmé, že pravidelní zákazníci nejsou ochotni v prodejně dělat větší nákupy. Ačkoliv, jak vyplynulo z předchozí otázky, oslovení navštěvují prodejnu několikrát do týdne, jejich výdaje zde pravděpodobně nebudou vysoké, jelikož povětšinou doplňují jen základní potraviny (67 %). Respondenti často využili otevřenou možnost a uváděli zde, co nejvíce v prodejně nakupují (26 %). Z výzkumu plyne, že velmi častými důvody návštěvy je nákup masa, uzenin, pečiva a zboží v akci. Zbylá část respondentů uvádí, že v Brněnce provádí nejčastěji týdenní nákupy (7 %). Uvedené výsledky mohou poukazovat na nespokojenost návštěvníků s cenami potravin, jelikož nejsou ochotni provádět v prodejně větší nákupy. Může to být však i důsledkem nedostatečných parkovacích prostor v bezprostředním okolí prodejny. Otázka č. 4: Navštěvujete pravidelně (tj. alespoň jednou měsíčně) jiný obchod s potravinami? Uvedená otázka byla polootevřená, pokud respondent uvedl, že navštěvuje pravidelně i jiný obchod s potravinami, byl dotaz rozšířen o požadavek uvést 1-5 takových obchodů. Cílem bylo zjistit největší konkurenty pro Brněnku, které její pravidelní zákazníci navštěvují. Respondenti uváděli obchody Billa, Tesco, Lidl, Globus, Albert a Kaufland. Oslovení uvádějí nejčastěji obchody Billa a Tesco, zmíněny byly shodným počtem respondentů. Každý z nich byl uveden 63 % respondentů. 45 % respondentů zmínilo Kaufland a Globus, 18 % Lidl a nejméně byl uváděn Albert (13 %). Z výsledků je zřejmé, že za největší konkurenty, kteří by mohli pravděpodobně způsobit úbytek stálých zákazníků Brněnky, jsou Billa a Kaufland. Tesco a Globus vzhledem k maloobchodnímu formátu za přímé konkurenty nelze považovat. Otázka č. 5: Který z následujících obchodů je dle Vašeho názoru nejlepší v následujících oblastech? Obchody: Brněnka, Billa, Lidl, Tesco, Jiná prodejna. Kritéria: Cena, Kvalita potravin, Velký výběr, Příjemná obsluha, Malá vzdálenost od mého bydliště, Časté slevy, Zboží od regionálních dodavatelů. Otázka byla zvolena za účelem zjištění konkurenceschopnosti Brněnky vůči uvedeným maloobchodním prodejnám v oblastech, které jsou většinou pro zákazníky důležité.

Vlastní práce

71

Jako problematické se ukázalo kritérium „Zboží od regionálních dodavatelů“, k němuž přiřadili respondenti obchod pouze v 50 % případů, ve zbylých případech bylo toto kritérium nepochopeno nebo není při návštěvě obchodu respondenty sledováno. Výsledky jsou uvedeny na obrázcích č. 22-28.

3% 14%

Brněnka Billa Lidl

24% 59%

Tesco Jiná prodejna

Obr. 22 Obchody dle nejlepší ceny Zdroj: Vlastní zpracování

16%

8% Brněnka Billa

38% 35%

Lidl Tesco Jiná prodejna

3% Obr. 23 Obchody dle vnímané kvality Zdroj: Vlastní zpracování

Vlastní práce

72

8%

22%

3% Brněnka Billa Lidl Tesco

67%

Jiná prodejna

Obr. 24 Obchody dle velikosti výběru Zdroj: Vlastní zpracování

3%

9% 6%

Brněnka

34 %

Billa Lidl

48%

Tesco Jiná prodejna

Obr. 25 Obchody dle příjemnosti obsluhy Zdroj: Vlastní zpracování

3%

5%

13%

Brněnka Billa Lidl

79 %

Tesco Jiná prodejna

Obr. 26 Obchody dle vzdálenosti od bydliště Zdroj: Vlastní zpracování

Vlastní práce

73

3% 20%

8%

Brněnka Billa

33% 36%

Lidl Tesco Jiná prodejna

Obr. 27 Obchody dle četnosti slev Zdroj: Vlastní zpracování

16%

Brněnka Billa

11% 5%

68 %

Lidl Tesco Jiná prodejna

Obr. 28 Obchody dle zboží od regionálních dodavatelů Zdroj: Vlastní zpracování

Otázka č. 6: Seřaďte následující kritéria od těch, která jsou pro Vás při výběru obchodu s potravinami nejdůležitější po ta, co jsou pro Vás nejméně důležitá. Kritéria: Viz předchozí otázka Otázka měla za cíl zjistit, jaká kritéria jsou při výběru obchodu s potravinami nejdůležitější. Pokud budou následně srovnány výsledky se závěry plynoucími z předchozí otázky, je možné posoudit, v jakých oblastech je Brněnka konkurenceschopná vůči jiným prodejnám. Respondenti přiřazovali známky od 1 do 7 ke každému kritériu, přičemž 1 znamená, že je pro respondenty dané kritérium nejdůležitější, 7 nejméně důležité. Pořadí jednotlivých kritérií byla respondenty zvolena následovně.

Vlastní práce

74

Tab. 28 Kritéria při výběru obchodu s potravinami dle důležitosti

Kritérium Kvalita potravin Cena Velký výběr Malá vzdálenost od mého bydliště Časté slevy Příjemnost obsluhy Zboží od regionálních dodavatelů

Průměrná známka 1,83 1,94 3,25 4,39 4,75 5,47 6,36 Zdroj: Vlastní zpracování

Dle hodnocení respondentů je zřejmé, že nejdůležitější při výběru obchodu s potravinami je kvalita potravin spolu s cenou. V těchto kritériích Brněnka příliš neuspěla. Co se týče kvality potravin jako nejdůležitějšího kritéria, Brněnka byla zmíněna jen 8 % respondentů, což je po Lidlu druhý nejhorší výsledek. V oblasti cen je situace ještě méně příznivá, jelikož žádný z respondentů nezmínil Brněnku, jako nejlepší. Na třetím místě je dle oslovených velikost výběru, zde dopadlo nejlépe Tesco, což je vzhledem k typu maloobchodního formátu pochopitelné, následně 15 % získaly jiné prodejny, Brněnka získala 8 %, což je jistě možné chápat pozitivně, zejména z důvodu lepšího umístění než Billa, kterou je vzhledem k typu prodejny možno považovat za největšího konkurenta. Pozitivní je i nejlepší umístění v kritériu vzdálenosti od bydliště respondentů, které bylo uvedeno jako čtvrté nejdůležitější. Zde byla Brněnka zmíněna většinou respondentů (79 %), je patrné, že slogan firmy „Váš dobrý soused“ není bezvýznamný, jelikož její blízkost svému bydlišti si respondenti většinou uvědomují. Přibližně na stejné pozici se umístilo i kritérium týkající se četnosti slev, ve kterém se naopak Brněnka umístila na nejhorším místě. Co se týče cenových aspektů, je zde zřejmé, že zákazníci nejsou spokojeni. Příjemná obsluha pro respondenty není příliš důležitá, nejvíce jsou respondenti v této oblasti spokojeni v obchodě Billa a následuje Brněnka. Jako nejméně důležité kritérium vnímají respondenti zboží od regionálních dodavatelů, zde respondenti často ani nevěděli, co si pod tímto pojmem představit, odpovědělo pouze 50 % respondentů, kteří ovšem zmiňovali převážně Brněnku. Jelikož prodejna považuje uvedené kritérium za svou konkurenční výhodu, bylo by vhodné takové zboží lépe propagovat a zákazníky informovat o výhodách regionálních produktů.

Vlastní práce

75

Následující 3 otázky měly za cíl zjistit, jak respondenti sledují ceny potravin. Uvažován je zde spotřební koš se základními potravinami, pro který byl sledován i roční vývoj cen. Zadán byl následující nákup: Chléb (1200 g, kmínový/konzumní), rohlík, mléko (1 l PET láhev, polotučné), káva (150 g, pražená), minerálka (1,5 l), ochucená limonáda (Coca-cola, 2 l), tavený sýr, jogurt, čokoládová cukrovinka (Fidorka), tatarská omáčka (440 ml), kuřecí prsní řízky (1 kg, chlazené), Rama (500 g), vejce (10 ks). Otázka č. 7: Odhadněte, kolik přibližně za jeden takový nákup zaplatíte. Dle sledovaných cen v období od března do června, tedy doby před započetím výzkumu, byla zjištěna průměrná cena uvedeného nákupu ve zvolených šesti obchodech. Podrobný přehled je uveden v tabulce č. 27. Průměrná cena daného nákupu činila v tomto období 401-445 Kč/nákup. Odhady respondentů jsou uvedeny na obrázku č. 29. Do 100 Kč

24%

18%

101-200 Kč 201-300 Kč 301-400 Kč

58%

401-500 Kč Více než 500 Kč

Obr. 29 Odhad ceny stanoveného nákupu Zdroj: Vlastní zpracování

Uvedené výsledky ukazují, že respondenti zboží spíše podceňují, ale nepříliš výrazně, což jistě svědčí o tom, že ceny sledují a jak již bylo uvedeno dříve, jsou pro ně jedním z nejdůležitějších kritérií při volbě obchodu. Otázka č. 8: Odhadněte, kolik ročně můžete ušetřit na takovémto nákupu, pokud místo dražších obchodů začnete navštěvovat ty levnější. Otázka byla otevřená a měla poukázat na to, jak oslovení vnímají cenové rozdíly mezi jednotlivými obchody s potravinami. Pro zhodnocení reálnosti odhadů bylo nezbytné zjistit průměrnou roční spotřebu sledovaných potravin v ČR.

Vlastní práce

76

Tato spotřeba byla následně vynásobena průměrnými cenami těchto potravin za období březen-červen, které byly autorkou sledovány ve čtrnáctidenním intervalu ve vybraných obchodech s potravinami. Podrobnější údaje jsou uvedeny v tabulce č. 26 a 27. Z uvedených údajů vyplývá, že ročně je možné ušetřit přibližně 2 147 Kč (tabulka č. 27). Při výzkumu došlo u některých respondentů pravděpodobně k nedorozumění, kdy bylo uvedeno v jednom případě i 25 000 Kč, zařazením jejich odhadů by došlo ke zkreslení výsledků, proto byly vyloučeny odhady do 500 Kč a nad 5 000 Kč, tyto nerealistické odhady byly uvedeny 5 respondenty. Po výše uvedené úpravě činí průměrný odhad 1 832 Kč. Tento odhad se velmi blíží skutečnosti, která je uvedena výše, což opět svědčí o velkém přehledu respondentů o cenách. Otázka č. 9: Napište, kolik byste musel/a ročně ušetřit na takovémto nákupu, abyste začal/a uvažovat o změně obchodu s potravinami, který budete pravidelně navštěvovat. Uvedený odhad je důležitý zejména pro zjištění, nakolik jsou respondenti loajální vůči obchodu, který pravidelně navštěvují a jak velká úspora by pro ně byla impulsem ke změně prodejny. Jak již bylo uvedeno u předchozí otázky, skutečně je možné ušetřit přibližně 2 147 Kč ročně. Průměrná úspora uvedená respondenty činila 2 417 Kč. I v tomto případě bylo vyloučeno 5 respondentů, jejichž odhady by značně zkreslily výsledky výzkumu. Pokud porovnáme uvedené výsledky s odhadem v předchozí otázce, je zřejmé, že pro respondenty by bylo navýšení rozdílu mezi odhady stávajících rozdílů v cenách o 585 Kč již impulsem ke změně pravidelně navštěvovaného obchodu. Ve skutečnosti je rozdíl ještě mírnější, protože oproti realitě je požadovaná úspora pouze o 270 Kč vyšší. Výsledky poukazují na vysokou cenovou citlivost zákazníků, proto i menší změna v ceně může být impulsem k odlivu zákazníků z prodejen, které uplatňují vyšší ceny. Následující 3 otázky se týkaly plánované změny DPH, která v konečném důsledku ovlivní i ceny potravin.

Vlastní práce

77

Otázka č. 10: Víte, že od roku 2012 dojde ke zvýšení snížené sazby DPH z 10 % na 14 % a v roce 2013 na 17,5 %, což povede mimo jiné i ke zvýšení cen potravin? Jediným cílem otázky bylo zjištění, zda o změně DPH respondenti vědí a v případě neinformovanosti respondentů zajistit, aby byli schopni odpovídat na další otázky týkající se dopadů těchto změn. Zde byly výsledky poměrně jednoznačné, 92 % odpovědělo, že je o změně informováno, 5 % nikoliv a pouhé 3 % oslovených se o danou problematiku nezajímá. Otázka č. 11: Myslíte, že výše uvedené zvýšení sazby DPH u Vás povede k finančním problémům? Procentní zastoupení jednotlivých odpovědí je zobrazeno na obrázku č. 30. Z výsledků je patrné, že 40 % respondentů má obavy, že plánovaná změna DPH u nich povede k finančním problémům. Uvedený výsledek svědčí o tom, že respondenti se nenachází v dobré finanční situaci a je pravděpodobné, že pokud dojde ke zvýšení cen, budou spíše hledat levnější varianty potravin nebo obchodů s potravinami, aby předešli finančním problémům.

26%

40%

Ano Ne Nevím

34%

Obr. 30 Obavy respondentů z budoucích finančních problémů způsobených změnou DPH Zdroj: Vlastní zpracování

Vlastní práce

78

Otázka č. 12: Představte si, že ročně nyní utratíte za nákup základních potravin např. 20 000 Kč. Pokud se snížená sazba DPH zvýší na 14 %, bude tento stejný nákup dražší o 800 Kč, pokud se zvýší sazba DPH na 17,5 %, pak bude dražší o 1 500 Kč. Možnosti odpovědí byly v podstatě 3 pro obě zdražení. Konkrétní částky byly uvedeny z důvodu lepší představivosti. První situaci, kdy zdražení bude sice výrazné, ale oslovení nepředpokládají změnu svého nákupního chování, uvádí 42 % respondentů. Druhá skupina zastupuje názor, že nebudou měnit obchod, který navštěvují, ale zaměří se na levnější zboží (34 %), zbylá skupina s nemalým zastoupením uvádí, že se zaměří na levnější obchody a je zastoupena 24 % respondentů (3 % po prvním zdražení, 21 % po druhém zdražení). Ačkoliv se na první pohled mohou zdát výsledky uspokojivé, je třeba si uvědomit, že Brněnka nemá tak rozsáhlou klientelu jako větší prodejny, a proto je velmi důležitý každý zákazník. Zákazníci jsou však velmi cenově citliví a i sebemenší zdražení může být impulsem k jejich ztrátě.

21%

18%

3% 24%

16% 18%

Již první zdražení pro mě bude znatelné, ale pravděpodobně nebudu měnit obchod, který pravidelně navštěvuji, ani zboží, které nakupuji. Výrazné pro mě bude až druhé zdražení, pravděpodobně ale nebudu měnit obchod, který pravidelně navštěvuji, ani zboží, které nakupuji. Pocítím výrazně již první zdražení, pravděpodobně ale obchod měnit nebudu, zaměřím se na levnější zboží. Pocítím výrazně až druhé zdražení, pravděpodobně ale obchod měnit nebudu, zaměřím se na levnější zboží. Cena ročního nákupu vyšší o 800 Kč pro mě bude natolik výrazná, že začnu uvažovat o obchodu s levnějšími potravinami. Až zdražení ročního nákupu o 1 500 Kč pro mě bude natolik výrazná, že začnu uvažovat o obchodu s levnějšími potravinami. Obr. 31 Výroky charakterizující jednotlivé respondenty Zdroj: Vlastní zpracování

Vlastní práce

79

Shrnutí výsledků výzkumu Jak vyplynulo z výzkumu, zákazníci Brněnky navštěvují tuto prodejnu většinou vícekrát do týdne, přičemž při svých návštěvách provádí především malé nákupy základních potravin, masa, případně zboží v akci. Každý z respondentů uvádí, že navštěvuje pravidelně i jiný obchod s potravinami, nejčastěji prodejny Billa, Tesco, Kaufland, Globus. Vzhledem k maloobchodnímu formátu je jistě největším konkurentem právě Billa a to nejen svou velikostí, ale také umístěním, které je nedaleko prodejny Brněnka (ulice Purkyňova). Sledovaná prodejna zaostává v oblastech, které zákazníky nejvíce zajímají, za svou největší konkurencí. Respondenti uvádějí za nejdůležitější 3 kritéria – kvalitu, cenu, velký výběr. V případě kvality byla Brněnka zmíněna 8 %, zatímco Billa 38 % (čímž se zařadila na první místo v této oblasti). Co se týče druhého nejdůležitějšího faktoru, zde Brněnka nebyla zmíněna ani jedním respondentem, výběr má ovšem Brněnka dle respondentů lepší (8 %) než Bila (3 %). Vedoucí pozici získává, a tím potvrzuje svůj slogan „Váš dobrý soused“, v kritériu vzdálenosti prodejny od bydliště. Respondenti si také uvědomují nabídku zboží od regionálních dodavatelů, je zde však pravděpodobně značná neinformovanost, jelikož 50 % oslovených neuvádělo k danému kritériu žádný obchod, nebo tomuto kritériu nerozumělo. Co se týče informovanosti respondentů o cenách základních potravin, zde je z výzkumu patrné, že lidé ceny vnímají. Potvrdilo se zde, že cena je pro oslovené jedním z nejdůležitějších kritérií, také je však zřejmé, že stačí malý impuls v podobě navýšení cen a dojde pravděpodobně k jejich odlivu do obchodů s nižšími cenami. Taková změna se očekává v lednu 2012 a 2013, kdy bude docházet k navyšování snížené sazby DPH, což se může projevit právě i na cenách potravin, pokud ovšem podnik nerozhodne o snížení své ziskové marže, což by umožnilo ponechat ceny na stávajících úrovních, vždy ovšem závisí na konkrétním podniku a jeho možnostech v této oblasti. O těchto změnách v DPH většina zákazníků ví a obává se jich. Oslovení většinou předpokládají, že své nákupní zvyklosti měnit nebudou, poměrně silně je však zastoupen i názor, že se zákazníci budou zaměřovat na levnější zboží a 24 % dokonce začne uvažovat o změně obchodu, který budou pravidelně navštěvovat. Je zde patrná značná nejistota v oblasti budoucí finanční situace, díky čemuž je předpokládané chování oslovených značně cenově citlivé a nepříliš loajální vůči pravidelně navštěvovanému obchodu s potravinami.

Vlastní práce

80

Závěrečné doporučení Jak je zřejmé z výsledků výzkumu, návštěvníci Brněnky jsou převážně cenově citliví zákazníci, kteří vnímají spíše vyšší ceny než vyšší kvalitu zde nabízených potravin. Jakékoliv případné zdražení by mohlo vést k jejich odlivu. Nemalé zastoupení respondentů uvádí, že nakupuje v Brněnce pouze zboží v akci a ostatní dokupuje u konkurence, čímž se vytrácí základní smysl slev, celkově však respondenti nepovažují kritérium slevových akcí za příliš významné, spíše by uvítali celkově nižší ceny. Z výše uvedeného plyne, že pravidelnými zákazníky Brněnky jsou lidé s různými preferencemi. Jedná se o zákazníky, kteří ocení kvalitu a rádi si za ni připlatí, na druhé straně je však nemalá skupina zákazníků, která preferuje nízké ceny. U obou skupin se však objevuje nespokojenost s cenami základních potravin v prodejně Brněnka. Cílem podniku by z uvedeného důvodu měla být snaha o udržení cen na stávající úrovni. Možností k naplnění daného cíle by mohlo být snížení ziskové marže na takovou úroveň, při které ceny zůstanou nezměněné i po zvýšení sazby DPH. Pokud ovšem vzhledem k situaci podniku není tato možnost reálná, je možné zvýšit příjmy pomocí snížení objemu poskytovaných slev v takovém rozsahu, aby bylo možné kompenzovat zvýšenou sazbu DPH a ponechat tak konečné ceny na stávající úrovni. Pokud bude tato situace dlouhodobě udržitelná, je pravděpodobné, že zákazníci Brněnky budou více spokojeni s cenou v této prodejně a omezí návštěvy konkurenčních prodejců. Výsledky je možné hodnotit dle objemů prodeje. Další z problematických oblastí je zboží od regionálních dodavatelů, o kterém nemají zákazníci pravděpodobně dostatečné povědomí. Cílem podniku v této oblasti by mělo být zvýšení informovanosti o přednostech těchto produktů, zejména u těch zákazníků, kteří preferují spíše kvalitu než cenu. Jednou z možných cest k dosažení uvedeného cíle by mohla být propagační akce, která by poskytla informace o zboží od regionálních dodavatelů. Navrhovanou variantou je vytvoření informačních letáků, které poskytnou základní fakta o zmíněných produktech. Pokud si zákazníci uvědomí vyšší kvalitu těchto potravin, je pravděpodobné, že budou ochotni zaplatit i vyšší cenu, jelikož kritérium kvality je vnímáno většinou zákazníků jako nejdůležitější, i když rozdíl mezi těmito dvěma kritérii je minimální. Výsledky uvedené marketingové akce bude možné zhodnotit na základě změn v objemu prodaného zboží tohoto druhu. Uvedená propagace by měla být spíše dlouhodobá, aby se regionální produkty dostaly dostatečně do povědomí zákazníků. Uvedenou propagační akci je možné propojit i s další variantou podpory prodeje, čímž by se pravděpodobně stala pro zákazníky atraktivnější. Návrh

Vlastní práce

81

spočívá v motivaci k nákupu zboží od regionálních dodavatelů formou bodového systému. Při nákupu uvedených výrobků by zákazníci získali body, které by po stanovené době mohly vést k tematické výhře. Výhru by získali všichni zákazníci, kteří dosáhnou během určitého období (např. měsíc) potřebného počtu bodů. Další variantou je odměnění tří zákazníků s nejvyšším počtem nasbíraných bodů hodnotnější výhrou (např. jednodenní výlet včetně exkurze u regionálního výrobce). Tato forma podpory prodeje má však sama o sobě krátkodobý efekt, proto pokud by byla zvolena, je vhodné i po skončení této akce pokračovat v informování zákazníků pomocí letáků s novinkami v dané oblasti. Zda byla akce úspěšná, je možné posoudit sledováním změn objemů prodeje propagovaných výrobků.

Diskuse

82

5 Diskuse Predikce cenového vývoje zvolených potravin Provedená predikce nezohledňuje jiné změny než je změna směnného kurzu CZK/EUR a indexu cen průmyslových výrobců. Vývoj cen potravin však může ovlivnit celá řada jiných faktorů, jak z vnějšího, tak z vnitřního prostředí. Působení těchto faktorů zapříčinilo i odchylku provedené predikce od skutečnosti. Je velmi pravděpodobné, že se chyba předpovědi bude vyskytovat i v ostatních obdobích v důsledku působení nezohledněných faktorů. Některé z možných vlivů jsou uvedeny v následujícím textu. Metodiku, kterou autorka pro predikci využívá, je možné aplikovat na cenovou predikci i jiného sortimentu výrobků, přičemž je vždy nezbytné zahrnout proměnné, které nejvíce působí na cenu zvoleného sortimentu. Pro identifikaci vnějších faktorů, které mohou na cenu potravin působit, byla využita metoda analýzy PESTE. Politické faktory Směrnice EU 1999/74/ES (EU, 1999) zakazuje od 1. ledna 2012 chov v nezdokonalených klecových systémech, ve kterých chované slepice nemají dostatek prostoru pro pohyb a pro jejich život. Vzhledem k nabytí platnosti uvedené směrnice došlo k výraznému snížení nabídky vajec a to nejen od českých dodavatelů, ale zejména od zahraničních, kteří s přestavbou svých chovů začali později. Na začátku letošního roku měli čeští drůbežáři zmodernizováno 80 % klecí, zbylá část bude zmodernizována do poloviny tohoto roku. Čeští dodavatelé dokázali na začátku roku uspokojit 60 % spotřeby vajec, zbylou poptávku je nutné uspokojit zahraničními dodavateli. Výrazný převis poptávky nad nabídkou cenu vajec zvyšuje a je očekáváno, že tato tendence se bude projevovat minimálně do druhé poloviny roku 2012. Tento nepříznivý vývoj ceny vajec by se však neměl promítnout do cen potravin, pro něž jsou vejce nezbytnou surovinou, zejména v pekařství. Větší výrobci pečiva neplánují zvyšování cen svých produktů z důvodu zachování konkurenceschopnosti. Dalším faktorem, který může ceny potravin nepříznivě ovlivnit je další zvýšení snížené sazby DPH. Podle platné legislativy v době psaní diplomové práce, by mělo v roce 2013 dojít ke zvýšení obou sazeb DPH o 1 %. V současné době se však jedná i o jiných úrovních sazeb DPH. Uvedená změna DPH by mohla přinést další zvyšování cen potravin. Následkem uvedených cenových změn by mohla být změna nákupních zvyklostí zákazníků některých prodejen,

Diskuse

83

zejména v podobě změny pravidelně navštěvované prodejny potravin. Uvedený předpoklad vyplývá i z provedeného marketingového výzkumu. Cenu potravin může výrazně ovlivnit i cena pohonných hmot. V době tvorby diplomové práce se pohybovala cena pohonných hmot přibližně ve výši 37 Kč za litr. Dle některých ekonomů by však tuto cenu mohla výrazně zvýšit hrozící válka v Íránu. Ekonomické faktory Na cenu potravin výrazně působí i kupní síla obyvatel, která ovlivňuje poptávku. Ve zvoleném koši potravin jsou produkty, kterých se většinou spotřebitel nemůže vzdát, i když jeho kupní síla výrazně poklesne. V případě takové situace může dojít k substituci sledovaných výrobků za levnější varianty, díky čemuž by pravděpodobně došlo, v důsledku převisu nabídky nad poptávkou, ke snížení cen daných potravin. Z důvodu vysoké závislosti České republiky na dovozu některých potravin ze zahraničí může ekonomický vývoj v těchto zemích výrazně ovlivnit cenu potravin na českém trhu. Sociální faktory V krátkém období není pravděpodobné, že by sociální faktory mohly výrazně ovlivnit cenu zvolených potravin. Technologické faktory Nové technologie a výrobní postupy zvyšují produktivitu práce a výrobci jsou schopni produkty vyrábět s nižšími náklady. Pokud by uvedená situace nastala, je pravděpodobné, že ceny takto vyráběných produktů budou nižší. Ekologické faktory Zvolený koš potravin obsahuje položky, jejichž produkce může být ovlivněna klimatickými podmínkami. Pokud v důsledku nepříznivých klimatických podmínek bude produkce nízká, je možné očekávat nárůst cen potravin, pro které je daná surovina nezbytná. V případě živočišných i rostlinných produktů mohou ceny ovlivňovat různé normy (viz. Politické faktory) a také různé choroby. Z faktorů vnitřního prostředí, které by mohly výrazněji ovlivnit cenu potravin, je možné zmínit například změnu dodavatelů nebo cenové politiky.

Diskuse

84

Marketingový výzkum Výsledky dotazníkového šetření poukázaly na cenovou citlivost zákazníků Brněnky. Z dat bylo zjištěno, že v případě, kdy Brněnka nezmění svou cenovou politiku, je možné očekávat pokles prodejů v dané prodejně. Skutečný vývoj tržeb v prodejně Brněnka v období od ledna do března 2012 však představuje nárůst přibližně o 11 % oproti stejnému období roku 2011 (MALOOBCHODNÍ SÍŤ BRNĚNKA, SPOL. S R.O., 2012). Dle autorky je pravděpodobnou příčinou uvedeného vývoje určitá setrvačnost v chování zákazníků. Nelze předpokládat, že by návštěvníci své nákupní zvyklosti změnili ze dne na den. Další příčinou pozitivního vývoje je skutečnost, že společnost Brněnka poskytla údaje pouze o vývoji tržeb, které mohou být vyšší v důsledku nárůstu prodejních cen. Pro posouzení kvality provedeného výzkumu by bylo nutné posoudit vývoj počtu prodaných položek v delším časovém horizontu. Výzkum byl realizován za účelem zajištění komplexního pohledu na problematiku, které se diplomová práce věnuje. Z důvodu této doplňkové funkce postačila realizace výzkumu na menším počtu respondentů v rámci jedné prodejny Brněnka, díky čemuž však mohlo dojít ke zkreslení získaných dat. Pro lepší přehlednost byla ponechána grafická znázornění ve vlastní práci, čímž došlo k mírnému překročení plánovaného rozsahu. Metodiku, kterou autorka používá pro zjištění možných dopadů zdražování v prodejně Brněnka, je možné aplikovat i na jiné maloobchodní prodejny.

Závěr

85

6 Závěr Ceny potravin jsou ovlivněny celou řadou faktorů. Některé z vlivů, které na cenu potravin působí, není lehké odhalit a některé z nich není možné predikovat. Jako příklad je možné uvést klimatické podmínky, které není možné predikovat, ale cenu potravin mohou ovlivnit velmi výrazně. Pro účely predikce cenového vývoje byly stanoveny potraviny, které je možné zakoupit v prodejnách různých maloobchodních formátů – Billa, Brněnka, Lidl, Potraviny Adriana, Tesco, TG potraviny. Zvoleny byly následující potraviny – chléb, rohlík, mléko, káva, nealkoholické nápoje, čokoládová pochoutka, tavený sýr, tatarská omáčka, kuřecí prsní řízky, vejce, jogurt a margarín. Uvedené potraviny byly sledovány ve čtrnáctidenních intervalech po dobu jednoho roku. Při zohlednění průměrné roční spotřeby zvolených potravin bylo možné potraviny nejlevněji zakoupit v prodejně Tesco. Za nejvyšší náklady je možné je pořídit v prodejně Potraviny Adriana. Při hodnocení pouze brněnských prodejen byla nejdražší prodejnou Brněnka. Cena stanoveného nákupu výrazněji rostla od října roku 2011, což bylo pravděpodobně způsobeno plánovaným navýšením snížené sazby DPH, na které prodejci reagovali s předstihem. Za účelem predikce cenového vývoje byla nejdříve provedena regresní analýza, ve které byly na počátku stanoveny faktory, které ceny potravin ovlivňují. Zvoleny byly následující faktory – index cen zemědělských a průmyslových výrobců, směnný kurz CZK/EUR, průměrná cena pohonných hmot a index cen dovozu. Na základě testů v rámci jednorozměrné a vícerozměrné analýzy byly vyloučeny některé proměnné a výsledný ekonometrický model zahrnuje jako vysvětlující proměnné index cen průmyslových výrobců a směnný kurz. Predikce zohlednila i vliv změny DPH o 4 %, avšak i přesto došlo během měsíce března k výraznějšímu odchýlení předpovědi od skutečnosti. Tato situace nastala v důsledku působení faktorů, které predikce nezohledňuje, s nejvyšší pravděpodobností byla odchylka zapříčiněna výrazným nárůstem ceny vajec v důsledku vstupu v platnost směrnice EU, která vyžaduje úpravu klecí pro slepice. Chybu předpovědi však může zapříčinit v budoucnu i celá řada jiných faktorů z vnějšího i vnitřního prostředí, které predikce nezohledňuje. Může se jednat například o schválení dalších směrnic EU, změny DPH, politické nepokoje v Íránu, změna kupní síly obyvatelstva, vývoj ekonomické situace v zemích zásobujících ČR, vývoj v oblasti technologií, nepříznivé klimatické podmínky, změna cenové politiky či dodavatelů v jednotlivých prodejnách a mnoho dalších, v predikci nezahrnutých, faktorů.

Závěr

86

Za účelem doplnění poznatků a poskytnutí komplexního pohledu na danou problematiku byl realizován marketingový výzkum v prodejně Brněnka, jehož cílem bylo poznání možných změn nákupního chování v důsledku navýšení cen potravin vlivem změny DPH. Výzkum prokázal cenovou citlivost zákazníků a možnost jejich odlivu do prodejen s nižšími cenovými relacemi. 24 % respondentů uvedlo, že by změnilo svůj pravidelně navštěvovaný obchod s potravinami v případě možné roční úspory 800–1 500 Kč z nákupu základních potravin. Ve srovnání s konkurenčními prodejnami je Brněnka vnímána negativně ve dvou ze tří oblastí, které považují oslovení za nejdůležitější, tedy v oblasti cen a kvality. V třetím nejdůležitějším kritériu, velikosti výběru, se Brněnka umístila lépe než její největší konkurent Billa. Pro prodejnu Brněnka byla stanovena doporučení, která by mohla poklesu prodeje zamezit. Jedním z nich je udržení stávající cenové úrovně i po zvýšení sazby DPH pomocí snížení ziskové marže nebo omezením množství poskytovaných slev, které zákazníci nevnímají jako důležité kritérium při výběru prodejny s potravinami. Případně lepší propagace nabízené kvality v podobě regionálních produktů prostřednictvím výraznějšího označení těchto potravin v prodejně a realizací propagačních akcí s danou tématikou dle finančních možností prodejny. Pro účely ověření výsledků výzkumu byla sledována data o vývoji skutečných prodejů v období leden-březen 2012. Vedení prodejny Brněnka poskytlo autorce data pouze o vývoji tržeb ve srovnání se stejným obdobím roku 2011. Skutečný vývoj se projevil jako přibližně 11% meziroční nárůst tržeb v těchto měsících. Pro objektivní posouzení výsledků výzkumu je však dle autorky vhodné sledovat vývoj dlouhodoběji a zejména v podobě vývoje počtu prodaných položek, jelikož tržby jsou ovlivněny vyššími cenami prodávaných potravin v roce 2012.

Literatura

7

87

Literatura

ANDERSON, David Ray; SWEENEY, Dennis J. ; WILLIAMS, Thomas A. Statistics for Business and Economics. 11th. Mason : South-Western College Pub, 2010. 1024 s. ISBN 0324783248. BARTUŇKOVÁ, Michaela. Regresní analýza transakcí s bytovým fondem. Brno, 2010. 75 s. Diplomová práce. Masarykova univerzita. BENDA, Vojtěch. Inflace stagnuje, ČNB se raduje. Finance.cz [online]. 2010, [cit. 2012-03-02]. Dostupné z: http://www.finance.cz/zpravy/finance/288085inflace-stagnuje-cnb-se-raduje/ BILLA supermarket [online]. 2011 [cit. 2011-11-28]. Historie. Dostupné z WWW: . BUDÍKOVÁ, Marie; KRÁLOVÁ, Maria; MAROŠ, Bohumil. Průvodce základními statistickými metodami. Praha : Grada Publishing, 2010. 272 s. ISBN 978-80247-3243-5. ČECHOVÁ, Radana. Zdraví životní styl předpovídá řadu změn. IHNED.cz : Marketing & Media [online]. 2004, 1, [cit. 2011-09-23]. Dostupný z WWW: . ČECHURA, Lukáš. Cvičení z ekonometrie [online]. Praha, 2008. 102 s. Skripta. Česká zemědělská univerzita v Praze. Dostupné z WWW: . ČSÚ. Rychlé informace : Pohyb obyvatelstva [online]. 2011, [cit. 2011-09-23]. Dostupný z WWW: . ČSÚ. Spotřeba potravin v roce 2009 [online]. 2010, 1, [cit. 2011-09-23]. Dostupný z WWW: . EU. Směrnice Rady 1999/74/ES. In: Úřední věstník Evropské unie. 1999. Dostupné z WWW: . Finance.cz. ČMSM: Spotřeba mléčných výrobků loni klesla na 244 kg [online]. 2011, [cit. 2011-09-23]. Dostupný z WWW: . FORET, Miroslav. Marketing pro začátečníky: základní kurs. Vyd. 1. Brno: Computer Press, 2008, 152 s. ISBN 978-80-251-1942-6.

Literatura

88

FORET, M.; STÁVKOVÁ, J. Marketingový výzkum: Jak poznávat své zákazníky. Praha : Grada Publishing, a.s., 2003. 160 s. ISBN 80-247-0385-8. HETNEROVIČ, Radek. Normální rozdělení. Plzeň, 2009. 35 s. Bakalářská práce. Západočeská univerzita v Plzni. KLEIBER, Christian; ZEILEIS, Achim. Applied Econometrics with R. New York : Springer, 2008. 221 s. ISBN 978-0-387-77316-2. KOMARKOVÁ, R., VYSEKALOVÁ, J., RYMEŠ, M. Psychologie trhu. 1. vyd. Praha: Grada Publishing, 1998. 154 s. ISBN 80-7169-632-3. KOTLER, Philip. Moderní marketing: 4. evropské vydání. 1. vyd. Praha: Grada, 2007, 1041 s. ISBN 978-80-247-1545-2. KOTLER, P.; ARMSTRONG, G. Marketing. 6. vyd. Praha : Grada Publishing, a.s., 2004. 856 s. ISBN 80-247-0513-3. KOTLER, P.; KELLER, K. L. Marketing management. 12. vydání. Praha: Grada Publishing, 2007. ISBN 978-80-247-1359-5. KRÁLÍK, Ondřej. Vývoj objemu vložených finančních prostředků do penzijních fondů jejich klienty v letech 1995-2008. Brno, 2010. 71 s. Diplomová práce. Mendelova univerzita v Brně. KVASNIČKA, Michal; VAŠÍČEK, Osvald. Úvod do analýzy časových řad. Brno : Masarykova univerzita, 2001. 173 s. LIDL

[online]. 2011 [cit. 2011-11-28]. Historie. Dostupné .

z

WWW:

MACÁKOVÁ, Libuše. Mikroekonomie: základní kurs. 10. vyd. Slaný: Melandrium, 2007, 275 s. ISBN 978-80-86175-56-0. MAINDONALD, J a John BRAUN. Data analysis and graphics using R: an example-based approach. 3rd ed. New York: Cambridge University Press, 2010, 525 s. Cambridge series on statistical and probabilistic mathematics, 10. ISBN 05-217-6293-6. Maloobchodní síť BRNĚNKA [online]. 2011 [cit. 2011-11-19]. Dostupné z WWW: <www.brnenka.cz>. MALOOBCHODNÍ SÍŤ BRNĚNKA, spol. s r.o. Vývoj tržeb 2011-2012. Brno, 2012. ROST, Michael. Statistické metody v ekonomii [online]. České Budějovice, 2007. 32 s. Přednášky. Jihočeská univerzita v Českých Budějovicích. Dostupné z WWW: .

Literatura

89

SOLOMON, Michael R. Marketing: očima světových marketing manažerů. Vyd. 1. Brno: Computer Press, 2006, 572 s. ISBN 80-251-1273-X. SYNEK, Miloslav, Heřman KOPKÁNĚ a Markéta KUBÁLKOVÁ. Manažerské výpočty a ekonomická analýza. Vyd. 1. V Praze: C.H. Beck, 2009, 301 s. ISBN 978-80-7400-154-3. TESCO [online]. 2011 [cit. 2011-11-28]. Historie. Dostupné z WWW: . TVRDÍK, Josef. Analýza vícerozměrných dat [online]. Ostrava, 2003. 119 s. Učební texty. Ostravská univerzita. Dostupné z WWW: . VELEBA, Jan. Jak bylo a jak asi bude?. Agrární komora České republiky [online]. 2011 [cit. 2012-03-02]. Dostupné z: . VESELÝ, Vítězslav. Časové řady. Brno, 2000. Pracovní text. Masarykova univerzita. VYSEKALOVÁ, Jitka. Chování zákazníka: jak odkrýt tajemství "černé skříňky". 1. vyd. Praha: Grada, 2011, 356 s. Expert (Grada). ISBN 978-80-247-3528-3. WEBER, Štefan. Supermarkety po letech expanze ztrácejí pozici na českém trhu. Hospodářská komora České republiky [online]. 2010, [cit. 2011-11-19]. Dostupný z WWW: . ZÁBOJ, Marek. Obchodní operace. Brno : KEY Publishing, 2007. 148 s. ISBN 978-80-87071-40-3. ZAMAZALOVÁ, Marcela, a kol. Marketing. 2. přepracované a doplněné vydání. Praha : C. H. Beck, 2010. 499 s. ISBN 978-80-7400-115-4. Zootechnika.cz. Úvod do chovu drůbeže [online]. 2009, [cit. 2011-09-23]. Dostupný z WWW: . Zpráva o inflaci/I [online]. Česká národní banka, 2012 [cit. 2012-03-25]. ISSN 1804-2457. Dostupné z: http://www.cnb.cz/miranda2/export/sites/www.cnb.cz/cs/menova_politi ka/zpravy_o_inflaci/2012/2012_I/download/zoi_I_2012.pdf Živnostenský-rejstřík.cz [online]. 2011 [cit. 2011-11-28]. Dostupné z WWW: .

Přílohy

A Dotazník Vážená respondentko, vážený respondente, v rámci mé diplomové práce si Vás dovoluji požádat o vyplnění dotazníku, který se zaměřuje na poznání toho, jak spotřebitelé budou reagovat na připravované zvýšení snížené sazby DPH a jaké jsou jejich preference při nákupu potravin. Dotazník obsahuje 16 otázek, u každé z nich je uvedeno, jakým způsobem má být vyplněna. Vyplnění Vám nezabere více než 5 minut. Všechny údaje, které mi poskytnete, zůstanou zcela anonymní. Chtěla bych Vás požádat o navrácení vyplněného dotazníku při příští návštěvě Brněnky do schránky umístěné u vchodu s označením Senior pasy. Za vyplnění dotazníku Vám předem velmi děkuji. Tereza Staňková, PEF MENDELU Brno 1. Navštěvujete pravidelně (tj. alespoň jednou měsíčně) prodejnu Brněnka (na ulici Purkyňova)? Zakroužkujte jednu odpověď. O Ano O Ne Pokud jste na předchozí otázku č. 1 odpověděli „Ne“, děkuji Vám za spolupráci, ale již dál dotazník nevyplňujte. Pokud jste odpověděli „Ano“, prosím pokračujte ve vyplňování. 2. Jak často navštěvujte Brněnku? Zakroužkujte jednu odpověď. O Každý den O 4-6krát týdně O 1-3krát týdně O Méně často, ale vícekrát do měsíce O Přibližně jednou za měsíc

3. Jaký typ nákupu v Brněnce většinou provádíte? Zakroužkujte všechny možnosti, které odpovídají Vašemu chování, označit musíte alespoň jednu, ale můžete označit i více možností, případně i všechny. O Každodenní doplňování základních potravin O Týdenní nákupy O Měsíční velké nákupy O Jiné nákupy (vypište):______________________________________ 4. Navštěvujte pravidelně (tj. alespoň jednou měsíčně) jiný obchod s potravinami? Zakroužkujte jen jednu možnost, pokud odpovíte „Ano“, prosím vypište 1-5 obchodů s potravinami, které pravidelně navštěvujete. O Ne O Ano (vypište):____________________________________________________ 5.

Který

z následujících

obchodů

je

dle

Vašeho

názoru

nejlepší

v následujících oblastech? Obchody: Brněnka, Billa, Lidl, Tesco, Jiná malá prodejna potravin. Ke každé z následujících oblastí napiště JEDEN obchod (z výše uvedených), který je dle Vašeho názoru v následující oblasti nejlepší (např. pokud si myslíte, že nejpříjemnější obsluha je v Brněnce, pak k možnosti „Příjemná obsluha“ napište Brněnka). Cena

________________________

Kvalita potravin

________________________

Velký výběr

________________________

Příjemná obsluha

________________________

Malá vzdálenost od mého bydliště _______________________ Časté slevy ________________________ Zboží od regionálních dodavatelů ________________________ 6. Seřaďte následující kritéria od těch, která jsou pro Vás při výběru obchodu s potravinami nejdůležitější po ty, co jsou pro Vás nejméně důležitá. Ke každému kritériu přiřaďte jedno číslo od 1 do 7, každé číslo můžete použít pouze jednou. 1 znamená, že je dané kritérium pro Vás nejdůležitější a 7 nejméně důležité. Cena

______

Kvalita potravin

______

Velký výběr

______

Příjemná obsluha Malá vzdálenost od mého bydliště Časté slevy Zboží od regionálních dodavatelů

______ ______ ______ ______

Představte si nákup (jen pro Vás osobně) následujících základních potravin: Chléb (1200 g, kmínový), rohlík, mléko (1 l, PET láhev, polotučné), káva (150 g pražená), minerálka (1,5 l), ochucená limonáda (Coca-cola), tavený sýr, jogurt, čokoládová cukrovinka (Fidorka), tatarská omáčka (440 ml), kuřecí prsní řízky (1 kg, chlazené), Rama (500 g), vejce (10 ks). Tento nákup bude uvažován u otázek č. 7,8,9. 7. Odhadněte, kolik přibližně za jeden takovýto nákup zaplatíte (uvažujeme nákup uvedený nad touto otázkou). Zakroužkujte pouze jednu možnost, která odpovídá Vašemu odhadu. O Do 100 Kč O 101-200 Kč O 201-300 Kč O 301-400 Kč O 401-500 Kč O Více než 500 Kč 8. Odhadněte, kolik ročně můžete ušetřit na takovémto nákupu, pokud místo dražších obchodů začnete navštěvovat ty levnější. Napište Váš odhad. ______________________________________________________________________ 9. Napište, kolik byste musel/a ročně ušetřit na takovémto nákupu, abyste začal/a uvažovat o změně obchodu s potravinami, který budete pravidelně navštěvovat. Napište minimální částku. ____________________________________________________________________

10. Víte, že od roku 2012 dojde ke zvýšení snížené sazby DPH z 10 % na 14 % a v roce 2013 na 17,5 %, což povede mimo jiné i ke zvýšení cen potravin? Zakroužkujte jen jednu odpověď. O Ano O Ne O Nezajímám se o to 11. Myslíte, že výše uvedené zvýšení sazby DPH u Vás povede k finančním problémům? Zakroužkujte jen jednu odpověď. O Ano O Ne O Nevím 12. Představte si, že ročně nyní utratíte za nákup základních potravin např. 20 000 Kč. Pokud se snížená sazba DPH zvýší na 14 %, bude tento stejný nákup dražší o 800 Kč, pokud se zvýší sazba DPH na 17,5 %, pak bude dražší o 1 500 Kč. Zakroužkujte jeden výrok, který nejvíce odpovídá Vaší situaci. O Již první zdražení pro mě bude znatelné, ale pravděpodobně nebudu měnit obchod, který nyní pravidelně navštěvuji, ani zboží, které nakupuji. O Výrazné pro mě bude až druhé zdražení, ale pravděpodobně nebudu měnit obchod, který nyní pravidelně navštěvuji, ani zboží, které nakupuji. O Pocítím výrazně již první zdražení, pravděpodobně ale obchod měnit nebudu, zaměřím se na levnější zboží. O Pocítím výrazně až druhé zdražení, pravděpodobně ale obchod měnit nebudu, zaměřím se na levnější zboží. O Cena ročního nákupu vyšší o 800 Kč pro mě bude natolik výrazná, že začnu uvažovat o obchodu s levnějšími potravinami. O Až zdražení ročního nákupu o 1 500 Kč pro mě bude natolik výrazná, že začnu uvažovat o obchodu s levnějšími potravinami.

13. Jaká je vzdálenost Vašeho bydliště od prodejny Brněnka (ulice Purkyňova)? Vyberte jen jednu možnost. O Docházková vzdálenost (tj. do prodejny chodím pěšky) O Bydlím ve stejné městské části O Bydlím ve stejném městě O Bydlím v jiném městě 14. Jaký je Váš věk? Zakroužkujte jen jednu možnost. O 18-25 let O 26-35 let O 36-45 let O 46-55 let O 56-65 let O 66-75 let O 76 let a více 15. Jaká je Vaše zaměstnání? Zakroužkujte jen jednu možnost, která nejlépe vystihuje Vaši situaci. O Student O OSVČ O Zaměstnanec O Jiné 16. Jaký je Váš přibližný čistý měsíční příjem? Zakroužkujte jen jednu možnost, která nejlépe vystihuje Vaši situaci. O do 10 000 Kč O 10 001 - 20 000 Kč O 20 001 - 30 000 Kč O 30 001 - 40 000 Kč O 40 001 Kč a více

DĚKUJI VÁM ZA VAŠI OCHOTU A ČAS !!!