II.2.5. Otros Modelos

Entre otros estudios empíricos, cabe destacar el realizado por Fisher, Griliches y Kaysen (1962) quienes determinaron que buena parte de los aumentos en los precios de los vehículos se debe a los aumentos en calidad, por lo que esta variable sigue siendo relevante, aunque sus resultados no son concluyentes en cuanto a si los consumidores no hubiesen estado dispuestos a pagar precios más altos (por los automóviles) por mejoras en calidad.

McCarthy (1996) encontró evidencia estadísticamente significativa que la inclusión o no de variables que midan calidad, afecte la estimación de la elasticidad precio, en contraste a los resultados encontrados por Trandel (1991).

Al mismo tiempo, afirma que las elasticidades precios de la demanda estimados en modelos desagregados de demanda de automóviles para el mercado estadounidense, se encuentran entre -0.51 y -6.13 y que la elasticidad ingreso es menor para autos pequeños y compactos y mayor para los más lujosos.

Esto ha sido demostrado anteriormente por los estudios realizados por Mannering y Winston (1985) quienes encontraron que para el mercado americano la elasticidad precio oscila de 1.96 para un Chevy Chevette hasta 7.49 para un Mercedes 280S, lo que reafirma la idea que para cada tipo de automóviles (o cada segmento de estos) tiene una respuesta diferente por parte de los consumidores ante una variación en los precios. También encontraron evidencia que en dicho mercado es de suma importancia la preferencia de la marca por parte de las familias, teniendo estas además, un alto grado de lealtad a la marca.

McNelis y Nickelsburg (2001) realizan un estudio comparativo de pronóstico de la demanda de automóviles nuevos, el cual más que centrarse en el análisis de la demanda de automóviles, tratan de mostrar los beneficios de una novedosa metodología estadística en cuanto al pronóstico de demanda de bienes de consumo duradero. Para ello, realizan la estimación y pronósticos de la demanda de automóviles, utilizando data mensual para el período 1990-2000 a través de dos métodos diferentes: uno utilizando un modelo lineal y otro con el método de redes neurales y algoritmos genéticos (*), donde los resultados de los pronósticos de la segunda metodología son estadísticamente más robustos que los realizados por el método lineal, dando paso así a una técnica que puede ser utilizada en el futuro inmediato como herramienta de análisis de negocios debido a su gran poder de predicción.

* Para ver una explicación más detallada de la metodología de las Redes Neurales y Algoritmos Genéticos, ver McNelis y Nickelsburg, 2001; p. 1-6.