Состояние вторичного рынка коммерческих автомобилей. Автомобили с пробегом: средний ценник продолжает снижаться. Доступность информации о машинах
Экономическая ситуация в России и в мире выправляется, и рынок в этом плане – хороший индикатор. Однако о массовом возвращении покупателей в дилерские салоны говорить еще рано. Анализ рынка автомобилей продемонстрировал, что из пяти проданных автомашин сегодня лишь один является новым.
Анализ динамики рынка подержанных автомобилей в 2017 году
Данные, опубликованные аналитическим агентством «АВТОСТАТ», свидетельствуют о следующем: в июле 2017 года продажи подержанных автомобилей в России составили 453,9 тыс. единиц, что на 0,9 % меньше, чем в предыдущем году. Хотя, строго говоря, выборочные данные одного месяца слабо связаны с годовым трендом. Тем не менее, как видно из Таблиц 1 и 2, в целом вторичный рынок автомобилей начинает реагировать положительно (+0,8 %) на постепенное улучшение экономической ситуации.
Лидером вторичного рынка автомобилей неизменно является российская марка LADA, удельный вес которой составляет 27 % от общего объема (121,7 тыс. экземпляров), пока на 2,9 % меньше, чем год назад.
Лидером среди иностранных автомобилей также стабильно держится Toyota (51,1 тыс. экземпляров и минус 3,0 %). В тройке лидеров представлен и другой японский бренд – Nissan – с показателем 24,7 тыс. автомашин (+0,5 %).
Как свидетельствует , в ТОП-10 автомобильного рынка заметно затормозили рост четыре бренда: LADA, Toyota, Ford, Mitsubishi. Остальные шесть марок имеют «плюс», причем у четырех брендов прирост весьма приличный (KIA, HYUNDAI, RENAULT, VOLKSWAGEN).
Среди моделей, как в предыдущий период, лидирует хэтчбек LADA 2114, несмотря на то, что объем его продаж на вторичном рынке упал (806 186, -1,1 %). Второе место в модельном рейтинге занял седан LADA 2107 (80 228, -5,4 %). На третьей позиции закрепилась модель Ford Focus (73 270, +2,2 %), которая оказалась лучшей среди подержанных иномарок.
В числе лидеров роста на рынке автомобилей также LADA 2170 (+4,5 %) и Hyundai Solaris (+28,7 %). На редкость высокие темпы роста продаж модели Hyundai Solaris объясняется ее растущей популярностью. В течение нескольких лет она является также одним из лидеров первичного рынка.
Выделим, как статистически наиболее представительный, общий итог продаж легковых автомобилей с пробегом за семь месяцев 2017 года (2 946 472 шт., +0,8 %).
Таблица 1 . ТОП-10 рынка легковых автомобилей с пробегом в июле по маркам (шт.):
марка |
июль’17 |
июль’16 |
7 мес.’17 |
7 мес.’16 |
|||
Всего по России |
2 946 472 |
2 922 914 |
Таблица 2 . ТОП-10 рынка легковых автомобилей с пробегом в июле по моделям (шт.):
модель |
июль’17 |
июль’16 |
7 мес.’17 |
7 мес.’16 |
|||
Всего по России |
2 946 472 |
2 922 914 |
Анализ рынка легковых автомобилей в России в 2017 году
Сравнительная динамика продаж новых автомобилей в 2014–2017 гг. представлена на рисунке 1 .
Отметим ускорение продаж новых автомобилей по месяцам 2017 года: в марте рост составил +9,4 %, в апреле +6,9 %, в мае +14,7 %, в июне +15 %. По данным Ассоциации европейского бизнеса (АЕБ), в июне 2017 года в России продано 141 тыс. легковых и легких коммерческих автомобилей. Превышены не только результаты июня 2016 года (123 тыс. авто), но и данные двухлетней давности (140 тыс. авто).
При анализе рынка общий итог первого полугодия – 718,5 тыс. новых автомобилей, что на 6,9% больше, чем в 2016 году. Реальная динамика опережает скромный прогноз АЕБ, которая в начале года оценивала рост рынка на 4–5 %. Есть основания надеяться, что в оставшиеся месяцы 2017 года ситуация не ухудшится.
Рисунок 1. Продажи новых автомобилей в России в 2014–2017 гг.
В таблице 3 приведена сравнительная статистика продаж отдельных марок легковых и легких коммерческих автомобилей в первом полугодии 2016 и в первом полугодии 2017 года.
Из полусотни действующих брендов, входящих в статистику АЕБ, в первом полугодии почти половина производителей фиксировала прирост продаж. В первой десятке рейтинга отмечается положительная динамика у восьми марок, причем Лада, Kia, Hyundai, Renault и Volkswagen продемонстрировали двухзначные показатели динамики, от +10 до +22 %. Согласно анализу рынка, среди крупнейших поставщиков не смогли выйти в плюс только японские марки Toyota и Nissan, хотя их отставание от прошлогодних результатов ослабевает.
Укрепление рубля оказало отрицательное влияние на : Mercedes, Lexus, Audi, Land Rover и даже Porsche в текущем году потеряли значительную часть покупателей, хотя BMW, Volvo и Infiniti благодаря обновлению моделей сумели нарастить спрос.
Самой востребованной моделью является Kia Rio. За первое полугодие 2017 года продано 46 тыс. автомашин против 39,5 тыс. в предыдущем году. Набирает темпы продаж Лада Гранта: в июне реализовано 8,6 тыс. автомобилей вместо 7,2 тыс. в том же месяце 2016 года, причем результат полугодия – 42 тыс. автомашин. Бронзовый призер – Лада Веста (35 тыс. авто). Среди кроссоверов в лидерах Hyundai Creta (24 тыс. кроссоверов), имеющая пятое место абсолютного рейтинга.
Таблица 3. в России в январе – июне 2017 года (в сравнении с тем же периодом 2016 года):
Марка | 6 месяцев 2017 года, шт. |
6 месяцев 2016 года, шт. |
Динамика |
нет данных |
нет данных |
||
* Продажи начались в марте 2016 года |
Анализ рынка грузовых автомобилей в 2017 году
Рисунок 2. Продажи новых грузовых автомобилей «большой семерки».
На рисунке 2 представлена история изменения продаж 2016/2015 «большой семерки». Таблицы 4–7 позволяют провести анализ рынка автомобилей в 2016 году в сравнении с данными 2015 года.
Как следует из таблицы 4 , продажи коммерческих автомобилей после длительного падения оживают. вырос в 2016 году на 4,2 %, причем одни марки преуспевали (хороший рост показали КАМАЗ, MAN, Volvo, DAF, IVECO), другие заметно потеряли в росте. Проявилась явная тенденция – сокращение продаж азиатских грузовых машин. Европейскую семерку лидеров неизменно возглавляет Scania. Далее следуют MAN и Mercedes. Если говорить о рынке тягачей в целом, то здесь в лидерах новый КАМАЗ-5490 с кабиной от Mercedes, сумевший обогнать MAN TGS.
Согласно анализу рынка, скромные показатели продаж у «грузового» бренда Renault Trucks, который принадлежит концерну Volvo, однако появилась надежда на исправление ситуации, так как руководство концерна предпринимает неординарные меры по возрождению марки в России.
На рынке легких коммерческих автомобилей (см. таблицу 6), ситуация в целом практически стабилизировалась. В то же время наблюдается резкое разделение динамики. С огромным отрывом лидирует Газель Next (рост на 40,4 %), на 27 % снизились продажи фургонов Mercedes Sprinter Classic. Примерно настолько же выросли продажи модели Ford Transit.
У рынка автобусов (таблицы 8, 9) произошел значительный рост продаж (на 15 %), обусловленный крупными заказами на автобусы марок ЛиАЗ и МАЗ. При этом укороченный ЛиАЗ-4292 Kursor, едва появившись на рынке, с ходу захватил четвертое место в рейтинге моделей.
Таблица 4. Продажи грузовиков (полной массой свыше 3,5 т), шт.:
Марка |
2016 г. |
2015 г. |
Динамика, % |
Таблица 5. Продажи новых грузовых автомобилей по моделям, шт.
Марка, модель |
2016 г. |
2015 г. |
Динамика, % |
Mercedes Actros |
|||
Mitsubishi Canter |
|||
Таблица 6. Продажи новых легких коммерческих автомобилей (полной массой до 3,5 т), шт.
Марка |
2016 г. |
2015 г. |
Динамика, % |
Таблица 7. Топ-10 моделей легких коммерческих автомобилей (полной массой до 3,5 т), шт.
Марка, модель |
2016 г. |
2015 г. |
Динамика, % |
Газель Next |
|||
Лада Ларгус |
|||
Mercedes Sprinter |
|||
Таблица 8. Продажи новых автобусов, шт.
Марка |
2016 г. |
2015 г. |
Динамика, % |
Таблица 9. Топ-10 моделей автобусов, шт.
Марка, модель |
2016 г. |
2015 г. |
Динамика, % |
Прогноз рынка автомобилей в России на 2018 год
Как говорят китайцы, прогнозировать трудно, особенно будущее. Тем не менее без прогноза деловая жизнь невозможна.
Аналитики сходятся в едином мнении: в 2018 году продажи на автомобильном рынке России продемонстрируют значительный рост. Позитивный настрой подкрепляется рядом факторов:
Укрепление рубля, которое будет способствовать стабилизации цен на автомобили.
Рост доходов населения, за которым неизбежно последует увеличение спроса.
Снижение стоимости заемных ресурсов благодаря снижению ключевой ставки Центробанка РФ.
Выделим немаловажный фактор – поддержка со стороны государства. Программа утилизации подержанных автомобилей привела к стабилизации продаж во время кризиса. В дальнейшем данный инструмент ускорит восстановление отечественного рынка, уверяют эксперты.
В сложившихся условиях продажи автомобилей по итогам 2017 года увеличатся на 5–10 %.
Эксперты «АвтоВАЗ» ожидают итоговый рост продаж своей продукции до 10 % в текущем году. В 2018 году рост рынка значительно ускорится благодаря постепенному улучшению экономической ситуации в стране.
С подобными оценками соглашаются зарубежные эксперты, которые учитывают влияние психологических факторов. Потребители практически адаптировались к новым ценам на авто, и это также будет способствовать росту продаж в 2018 году.
В то же время чрезмерный рост цен может ослабить спрос. Главным источником риска остается валютный рынок, который может спровоцировать резкий скачок стоимости автомобилей.
Для анализа рынка автомобилей требуется изучить большой объем информации, которой у предприятия часто нет. Поэтому стоит обратиться к профессионалам. Предлагаем вам ознакомиться с нашей базой информационно-аналитических продуктов рынка коммерческих автомобилей. Статистические отчеты и маркетинговые исследования, подготовленные специалистами компании «VVS», помогут Вам четко ориентироваться в том, какие виды транспорта наиболее востребованы, кто является Вашим потенциальным покупателем, в каком регионе/стране предпочтительнее развивать бизнес.
Качество в нашем деле – это, в первую очередь, точность и полнота информации. Когда вы принимаете решение на основе данных, которые, мягко говоря, неверны, сколько будут стоить ваши потери? Принимая важные стратегические решения, необходимо опираться только на достоверную статистическую информацию. Но как быть уверенным, что именно эта информация достоверна? Это можно проверить! И мы предоставим вам такую возможность.
А. Л. Богданов
ЭКОНОМЕТРИЧЕСКИЙ АНАЛИЗ РЫНКА ПОДЕРЖАННЫХ АВТОМОБИЛЕЙ
Объектом данного исследования является рынок подержанных автомобилей, целью - построение модели формирования цены автомобиля на вторичном рынке с учетом различных факторов. Предложено два подхода к построению такой модели.
Объектом данного исследования является рынок подержанных автомобилей, целью - выявление факторов и оценки степени их влияния на цену подержанного автомобиля. Данные для исследования были получены с Web-сайта auto.ru - одного из крупнейших российских сайтов автомобильной тематики. Выбор этого сайта объясняется, во-первых, тем, что сайт обладает достаточно большой базой предложений, во-вторых, по каждому продаваемому автомобилю в базе имеется подробная информация о его характеристиках.
Размер загруженной с сайта выборки (5 мая 2005 г.) после удаления недостоверных и противоречивых данных составил 47175 записей о более чем 700 моделей 22 фирм-производителей. Большая часть выборки представляет собой предложения из Москвы (40434) и Санкт-Петербурга (4690). О каждом продаваемом автомобиле в выборке имеется следующая информация: название производителя (марка автомобиля), модель автомобиля, год выпуска, пробег, объем двигателя, тип двигателя (бензиновый/дизельный), тип привода (передний/задний/полный), тип кузова, цвет, возможность торга, информация о комплектации автомобиля (наличие магнитолы, подушек безопасности, систем ABS и ESP, сигнализации, центрального замка, отделке салона и т.д., всего 58 пунктов).
Фиктивные переменные Описание
D2 Airbag боковые
D3 Airbag д/водителя
D4 Airbag д/пассажира
D5 Airbag оконные
DS Авт. упр. светом
D9 Антипробуксовочная система
D10 Ау диоподготовка
D11 Багажник на крыше
D12 Блокировка заднего диф.
D15 Д/о багажника
D16 Д/о бензобака
D17 Датчик дождя
D1S Иммобилайзер
D19 Катализатор
D20 Климат-контроль
D21 Кондиционер
D22 Корректор фар
D23 Круиз-контроль
D24 Ксеноновые фары
D25 Лебедка
D2S Навигационная система
D29 Обогрев зеркал
ОПИСАНИЕ ПЕРЕМЕННЫХ
Введем обозначения: PRICE - цена автомобиля (SUSA); AGE - возраст (число лет); PROBEG - пробег (lO OOO км); DRVOL - объем двигателя; DIZEL - фиктивная переменная, обозначающая тип двигателя (O -бензиновый, 1 - дизельный); PT0, PT1, PTl - фиктивные переменные, обозначающие тип привода (задний, передний, полный привод); NEW - равна 1 для новых автомобилей и 0 - для подержанных; RU - равна 1, если автомобиль российского производства, O - в противном случае; KZ0, KZ1,...,KZ12 - переменные, обозначающие тип кузова (седан, хэтчбек, универсал, купе, пикап, комби, кабриолет, мини-вэн, стретч, родстер, тарга, фургон, вседорожник); MO, M1,...,M22 - фиктивные переменные, обозначающие марку автомобиля (Audi, BMW, Daewoo, Dodge, Ford, Honda, Hyundai, Lexus, Mazda, Mercedes, Mitsubishi, Nissan, Opel, Peugeot, Renault, Subaru, Suzuki, Toyota, Volkswagen, Volvo, ВАЗ, ГАЗ); TORG - равна 1, если продавец допускает возможность торга, и O - в противном случае; Dl, D2,..., D5S - фиктивные переменные, принимающие значение 1 при наличии соответствующей опции в автомобиле и O - в противном случае. Полное описание переменных приведено в табл. 1.
Таблица 1
Фиктивные переменные Описание
D30 Обогрев сидений
D31 Омыватель фар
D32 Отделка под дерево
D33 Парктроник
D34 Подлокотник передний
D36 Разд. спинка задн. сидений
D37 Регул. сид. вод. по высоте
D3S Регул. сид. пасс. по высоте
D39 Регулировка руля
D40 Салон (велюр)
D41 Салон (кожа)
D42 Сигнализация
D43 Сотовый телефон
D44 Тонированные стекла
D45 Фаркоп
D47 Электроантенна
D4S Электрозеркала
D49 Электропривод вод. сиденья (есть)
D50 Электропривод вод. сиденья (с памятью)
D51 Электропривод пасс. сиденья
D52 Электростекла (все)
D53 Электростекла (передние)
D54 Магнитола (есть)
D55 Магнитола (с ОБ)
D56 Магнитола (с МР3)
D57 СБ-чейнджер (есть)
D5S СБ-чейнджер (с МР3)
ПРОСТАЯ МОДЕЛЬ ЦЕНЫ ПОДЕРЖАННОГО АВТОМОБИЛЯ
Рассмотрим следующее регрессионное уравнение
ln(PRICE) = а + ^ PX +е. (1)
Здесь - факторы; а - некоторая константа; Pi -неизвестные параметры; е - случайная составляющая, учитывающая неучтенные в модели факторы и возможные ошибки в данных. Параметры Рг- имеют следующий смысл: при фиксированных значениях остальных факторов изменение i-го фактора на единицу приводит к изменению цены в среднем на Рг- х 100 %
(приблизительно). Параметр а не имеет какой-либо экономической интерпретации. Регрессионное уравнение (1) можно использовать для построения модели цены некоторой определенной автомодели. Построение заключается в оценке неизвестных параметров а и Рг- по методу наименьших квадратов .
Основной проблемой здесь является определение «наилучшего» уравнения регрессии - уравнения, содержащего наибольшее число значащих факторов имеющее наиболее высокое значение коэффициента детерминации и имеющее непротиворечивую экономическую интерпретацию. Для решения этой проблемы можно использовать подходы «от частного к общему» и «от общего к частному» , но, как известно , ни один из них не гарантирует получения правильной с экономической точки зрения спецификации модели. Поэтому при выборе между альтернативными моделями предпочтение следует отдавать той, что имеет непротиворечивую экономическую интерпретацию.
Процесс построения модели рассмотрим на примере автомобиля ВАЗ 2109. Эта модель выпускается в модификациях с типом кузова седан и хэтчбек. Диаграммы рассеяния цена/возраст и цена/пробег приве- ного коэффициента детерминации равно 0,82, что го-
дены на рис. 1 и 2. ворит о достаточно хорошем качестве подгонки. КоВ качестве первого приближения построим мо- эффициент перед переменной AGE показывает, что с
дель, в которую включим следующие факторы: воз- увеличением возраста автомобиля на один год его цена
раст, пробег, тип кузова и переменную TORG. Ре- при прочих равных условиях уменьшается в среднем
зультаты оценивания параметров в эконометрическом на 9,57%. Коэффициент перед переменной PROBEG
пакете EViews приведены в табл. 2. показывает, что с увеличением пробега на 10000 км
цена автомобиля при прочих равных условиях Таблица 2 уменьшается в среднем на 0,55%. Коэффициент перед переменной KZ1 показывает, что модель с кузовом хэтчбек при прочих равных условиях стоит на 9,16% дешевле модели с кузовом седан. Переменная TORG оказалась незначимой.
Добавим в модель факторы D1, D2,..., D58 и повторно произведем оценку параметров, исключая последовательно незначащие факторы в соответствии с методом «от общего к частному». Результат оценивания приведен в табл. 3. Как видно из таблицы, новая модель получилась лучше предыдущей: скорректированный коэффициент детерминации равен 0,84. Коэффициенты перед переменными AGE, PROBEG и KZ1 остались значимыми и изменились незначительно. Коэффициент перед переменной TORG оказался
ALPHA AGE PROBEG KZ1 TORG 8,847406 -0,095726 -0,005521 -0,091577 0,012405 0,010334 856,1205 0,000967 -98,97453 0,000784 -7,043760 0,004708 -19,45046 0,008820 1,406509 0,0000 0,0000 0,0000 0,0000 0,1597
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 0,823463 0,823253 0,135187 61,40574 1961,463 1,744911 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 8,274289 0,321558 -1,162831 -1,153736 3918,210 0,000000
0 4 8 12 16 20 24
Рис. 1. Диаграмма цена/возраст
12000 10000 8000
0 4 8 12 16 20 24
PROBEG Рис. 2. Диаграмма цена/пробег
Как видно из таблицы, значение скорректирован-
Таблица 3
Dependent Variable: LOG(PRICE) Method: Least Squares Included observations: 3365
Variable Coefficient Std. Error t-Statistic Prob.
ALPHA 8,777030 0,011135 788,2484 0,0000
AGE -0,092950 0,000952 -97,66733 0,0000
PROBEG -0,007003 0,000756 -9,262149 0,0000
KZ1 -0,080293 0,004580 -17,53211 0,0000
TORG 0,023634 0,008443 2,799281 0,0052
D10 0,030518 0,005863 5,204758 0,0000
D13 0,034216 0,010227 3,345643 0,0008
D15 0,042650 0,013579 3,140945 0,0017
D22 0,024459 0,007286 3,356796 0,0008
D26 0,038207 0,005461 6,996574 0,0000
D35 0,016877 0,007272 2,320622 0,0204
D44 0,022819 0,004655 4,902135 0,0000
D45 0,027283 0,008625 3,163398 0,0016
D46 0,015448 0,004953 3,118926 0,0018
D47 0,025603 0,011280 2,269820 0,0233
R-squared 0,839828 Mean dependent var 8,274289
Adjusted R-squared 0,839159 S.D. dependent var 0,321558
S.E. of regression 0,128961 Akaike info criterion -1,254171
Sum squared resid 55,71335 Schwarz criterion -1,226885
Log likelihood 2125,143 F-statistic 1254,646
Durbin-Watson stat 1,879215 Prob(F-statistic) 0,000000
МОДЕЛЬ ИНДЕКСА ПОДЕРЖАННОГО АВТОМОБИЛЯ
Пусть Р0 - цена подержанного автомобиля, а Рп - точно такого же нового. Рассмотрим безразмерную величину I = 1п(Р0)/1п(Рп), называемую в дальнейшем индексом. Логично предположить, что изменение индекса связано с процессом старения автомобиля, т.е. зависит от времени и интенсивности использования автомобиля:
I = а + рЛвБ + уРКОББО + е.
Предположим также, что износ со временем автомобилей различных производителей происходит по-разному:
I = а + Y, Mß AGE + у PROBEG + e,
значимым. Ему можно дать следующую интерпретацию: продавец, указавший в объявлении возможность торга, в среднем заранее завышает цену на 2,36%. Коэффициенты перед переменными из набора комплектация получились значимыми на 5%-м уровне и положительными, что соответствует здравому смыслу (наличие в автомобиле дополнительных опций должно увеличивать его стоимость).
По графику остатков (рис. 3) видно, что ошибки прогноза хаотично расположены вокруг нуля, что свидетельствует в пользу правильной спецификации модели. Средняя ошибка прогноза цены составила 318,73 доллара, или 8,58%. Заметим, что влияние на стоимость автомобиля каждого из факторов TORG, D10, D13, D15, D22,
D26, D35, D44, D45, D46 и D47 по отдельности получилось меньше средней ошибки прогноза, тем не менее все они являются значимыми на 5%-м уровне и не могут быть исключены из модели.
1,2 0,8 -0,4 -0,0 -0,4 -0,8 Н -1,2 -1,6
где Mi - фиктивная переменная, соответствующая марке автомобиля; а, р,- и у - оцениваемые параметры.
Имеющиеся в выборке данные не позволяют рассчитать индекс, так как не удается найти для каждого подержанного автомобиля идентичный новый. Поэтому индекс подержанного автомобиля будем вычислять, рассчитывая величину Рп как средневзвешенную цену новых автомобилей той же марки и модели. В имеющейся выборке индексы удалось рассчитать для 28794 автомобилей. Результаты оценивания параметров модели (2) приведены в табл. 4.
Таблица 4
■ LOG(PRICE) Residuals
Рис. 3. График остатков
Dependent Variable: IDXPRICE Method: Least Squares Included observations: 28794
Variable Coefficient Std. Error t-Statistic Prob.
ALPHA 0,999821 0,000233 4290,870 0,0000
AGE*M0 -0,015290 0,000104 -147,1760 0,0000
AGE*M1 -0,014012 8,93E-05 -156,9820 0,0000
AGE*M2 -0,009440 0,000198 -47,58022 0,0000
AGE*M3 -0,014539 0,000686 -21,19981 0,0000
AGE*M4 -0,009960 0,000137 -72,94191 0,0000
AGE*M5 -0,010939 0,000169 -64,60249 0,0000
AGE*M6 -0,008104 0,000230 -35,22352 0,0000
AGE*M7 -0,011521 0,000216 -53,24322 0,0000
AGE*M8 -0,007242 0,000825 -8,773554 0,0000
AGE*M9 -0,013029 0,000106 -122,6546 0,0000
AGE*M10 -0,010993 0,000108 -101,7212 0,0000
AGE*M11 -0,011134 9,66E-05 -115,2724 0,0000
AGE*M12 -0,011676 8,54E-05 -136,7619 0,0000
AGE*M13 -0,012877 0,000314 -41,04783 0,0000
AGE*M14 -0,010665 0,000174 -61,13954 0,0000
AGE*M15 -0,016336 0,000240 -67,98064 0,0000
AGE*M16 -0,008689 0,000246 -35,28486 0,0000
AGE*M17 -0,011942 9,45E-05 -126,3381 0,0000
AGE*M18 -0,010433 7,76E-05 -134,3959 0,0000
AGE*M19 -0,013430 0,000241 -55,66306 0,0000
AGE*M20 -0,010890 5,55E-05 -196,3888 0,0000
AGE*M21 -0,019084 0,000119 -159,7062 0,0000
PROBEG -0,000795 3,46E-05 -22,98319 0,0000
R-squared 0,844103 Mean dependent var 0,932866
Adjusted R-squared 0,843979 S.D. dependent var 0.053447
S.E. of regression 0,021111 Akaike info criterion -4.877166
Sum squared resid 12,82264 Schwarz criterion -4.870274
Log likelihood 70240,56 F-statistic 6772.848
Durbin-Watson stat 1,350200 Prob(F-statistic) 0.000000
Как видно из таблицы, все коэффициенты получились значимыми. Значение параметра a близко к единице, что соответствует смыслу индекса (новый автомобиль с нулевым пробегом и нулевым возрастом имеет индекс, равный 1). Скорректированный коэффициент детерминации равен 0,S4, средняя ошибка прогноза индекса составила 1,61%.
Полученный результат позволяет построить рейтинг производителей по скорости снижения индекса автомобиля с возрастом: Mazda (-0,0072), Hyundai (-0,0081), Suzuki (-0,0086), Daewoo (-0,0094), Ford (-0,0099), Volkswagen (-0,0104), Renault (-0,0106), ВАЗ (-0,0108), Honda (-0,0109), Mitsubishi (-0,0109), Nissan (-0,0111), Lexus (-0,0115), Opel (-0,0116), Toyota (-0,0119), Peugeot (-0,0128), Mercedes (-0,0130), Volvo (-0,0134), BMW (-0,0140), Dodge (-0,0145), Audi (-0,0152), Subaru (-0,0163), ГАЗ (-0,0190). Таким образом, покупателю автомобиля, планирующему через некоторое время его продать, наиболее выгодным будет покупка автомобиля фирмы Mazda.
ЗАКЛЮЧЕНИЕ
В статье рассмотрено две модели зависимости цены подержанного автомобиля от параметров. Из первой модели следует, что основным фактором, влияющим на цену автомобиля, является его возраст. Остальные факторы оказывают менее значимое влияние, в том числе такой на первый взгляд важный фактор, как пробег, что согласуется с мнением экспертов (http://caragent.ru/info/odometer.shtm1). Тем не менее пренебрегать ими не следует, так как совокупный их вклад может быть существенным. Добавим также, что в выборке отсутствовали и, следовательно, не вошли в модель такие важные факторы, как состояние кузова, двигателя, салона и ходовой части, информация о том, какой хозяин по счету и был ли автомобиль в аварии. Возможно, их учет сделал бы модель более точной.
Вторая модель позволила оценить качественное различие автомобилей разных производителей. По результатам оценивания модели построен рейтинг производителей автомобилей по скорости падения цены с возрастом.
ЛИТЕРАТУРА
1. Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс. М.: Дело, 2004.
2. Доугерти К. Введение в эконометрику. М.: ИНФРА-М, 2004.
3. ДрайперН., Смит Г. Прикладной регрессионный анализ. М.: Статистика, 1973.
Статья представлена кафедрой математических методов и информационных технологий в экономике экономического факультета Томского государственного университета, поступила в научную редакцию «Кибернетика» 31 мая 2005 г.
Падение российского рынка новых автомобилей практически сошло на нет. Если в мае отставание от показателей прошлого года составляло 6,7%, а в июне - 3,3%, то результат сентября близок к погрешности: минус 0,2%. По данным Ассоциации европейского бизнеса, в сентябре официальными дилерами было продано 157129 легковушек и легких коммерческих автомобилей - всего на 242 штуки меньше, чем годом ранее.
За три квартала этого года в России реализован 1 млн 271 тысяча машин против 1 млн 297 тысяч годом ранее - спад составил 2%. При этом шесть из девяти месяцев были с отрицательной динамикой. А самым успешным стал третий квартал, за который реализовано 443 тысячи новых автомобилей.
Продажи новых автомобилей в России в 2016-2019 гг.
Динамика лидеров рынка колеблется около нуля. Лада за девять месяцев увеличила продажи на 2% (до 265 тысяч машин), Kia и Hyundai зафиксировали скромную прибавку примерно на 0,5% (168 и 132 тысячи автомобилей), а у Renault спад на 1%, до 102 тысяч. Ford почти распродал легковые автомобили (в сентябре их реализовано только 362 штуки), но на освободившуюся рыночную площадку тянутся «китайцы». Haval и Geely с более чем трехкратным ростом продаж уже обогнали других игроков из КНР и продают намного больше машин, чем Suzuki или Peugeot.
Самыми продаваемыми автомобилями в России остаются Лада Гранта (97 тысяч) и Веста (83,5 тысячи). На третьем месте - Kia Rio (69 тысяч), но спрос, в отличие от Лад, падает. А еще из рейтинга двадцати пяти самых продаваемых моделей выпала Chevrolet Niva - в этом году сбыт таких внедорожников упал на четверть.
Продажи легковых и легких коммерческих автомобилей в России в январе-сентябре 2019 года (в сравнении с тем же периодом 2018-го)
Марка | 9 месяцев 2019 г., шт. | 9 месяцев 2018 г., шт. | Динамика |
---|---|---|---|
Лада | 265200 | 259129 | +2% |
Kia | 168141 | 167490 | 0% |
Hyundai | 132248 | 131683 | 0% |
Renault | 102479 | 103294 | –1 % |
Volkswagen | 81593 | 80145 | +2% |
Toyota | 74394 | 77816 | –4 % |
Skoda | 61483 | 57473 | +7% |
Nissan | 48674 | 57946 | –16 % |
ГАЗ | 42422 | 41704 | +2 % |
Mercedes-Benz | 30721 | 32665 | –6 % |
BMW | 30236 | 26157 | +16% |
Mitsubishi | 28840 | 31203 | –8 % |
УАЗ | 26331 | 27029 | –3 % |
Ford | 25969 | 38212 | –32 % |
Mazda | 21816 | 22424 | –3 % |
Datsun | 16514 | 13702 | +21% |
Chevrolet | 16270 | 21161 | –23 % |
Lexus | 15610 | 17988 | –13% |
Audi | 11346 | 11447 | –1% |
Haval | 7024 | 1838 | +282% |
Geely | 6341 | 1936 | +228% |
Land Rover | 5992 | 6880 | –13% |
Volvo | 5896 | 5218 | +13% |
Subaru | 5251 | 5554 | –5 % |
Suzuki | 4734 | 4051 | +17% |
Chery | 4244 | 4179 | +2% |
Porsche | 4200 | 3432 | +22% |
Lifan | 3472 | 11227 | –69% |
Peugeot | 3351 | 4245 | –21% |
Infiniti | 2797 | 3566 | –22% |
Citroen | 2265 | 2792 | –19% |
Mini | 1854 | 1725 | +7% |
Genesis | 1563 | 1253 | +25% |
Jeep | 1373 | 1190 | +15% |
Honda | 1339 | 3536 | –62% |
Jaguar | 1311 | 1796 | –27% |
Changan | 1306 | 1281 | +2% |
Zotye | 1213 | 2047 | –41% |
Dongfeng | 1166 | 999 | +17% |
FAW | 960 | 1073 | –11% |
Fiat | 869 | 855 | –8% |
Cadillac | 669 | 772 | –13% |
smart | 611 | 621 | –2% |
Isuzu | 597 | 497 | +20% |
IVECO | 295 | 400 | –26 % |
Brilliance | 172 | 124 | +39 % |
Foton | 160 | 267 | –40% |
Hawtai | 40 | 90 | –56 % |
Chrysler | 36 | 55 | –35 % |
SsangYong | 4 | 81 | –95 % |
Ravon | 0 | 5184 | - |
Топ-25 самых популярных автомобилей в России в январе-сентябре 2019 года (в сравнении с тем же периодом 2018-го)
Модель | 9 месяцев 2019 г., шт. | 9 месяцев 2018 г., шт. | Динамика |
---|---|---|---|
Лада Гранта | 96974 | 70186 | +38% |
Лада Веста | 83502 | 76189 | +10% |
Kia Rio | 69349 | 75071 | –8% |
Hyundai Creta | 51969 | 49683 | +5 % |
Hyundai Solaris | 45284 | 50317 | –10% |
Volkswagen Polo | 42413 | 42804 | –1% |
Лада Ларгус | 31663 | 32440 | –2% |
Renault Duster | 27649 | 31643 | –13% |
Kia Sportage | 26068 | 24619 | +6% |
Skoda Rapid | 25600 | 25813 | –1% |
Volkswagen Tiguan | 25441 | 23132 | +10% |
Renault Logan | 25181 | 22168 | +14% |
Toyota Camry | 25046 | 22986 | +9% |
Лада 4х4 | 23464 | 23819 | –1% |
Renault Sandero | 22102 | 23681 | –7% |
Лада XRAY | 21582 | 26292 | –18% |
Toyota RAV4 | 21270 | 23281 | –9% |
Renault Kaptur | 20145 | 22799 | –12% |
Kia Optima | 19494 | 14813 | +32% |
Nissan Qashqai | 18195 | 16010 | +14% |
Skoda Kodiaq | 17517 | 9413 | - |
Skoda Octavia | 17313 | 17725 | –2% |
Mitsubishi Outlander | 17114 | 17266 | –1% |
Hyundai Tucson | 16413 | 15978 | +3% |
Mazda CX-5 | 15945 | 15750 | +1% |
-
Насколько подорожали автомобили с пробегом в России?
Согласно данным аналитического агентства «АВТОСТАТ», средняя цена легкового автомобиля с пробегом в нашей стране по итогам февраля 2020 года составила 630 тыс. рублей.
-
«Подняли цены, убрали скидки». Машины с пробегом сильно подорожают (Autonews.ru)
Подержанные автомобили будут дорожать пропорционально новым моделям. Дилеры уже отказываются от скидок и обновляют предложения. Эксперты рассказали, когда и какие варианты на вторичном рынке прибавят в цене.
-
Более половины автомобилей с пробегом регистрируется на вторых и третьих владельцев
Эксперты аналитического агентства «АВТОСТАТ» в ходе исследования рынка легковых автомобилей с пробегом выяснили, что более половины (53%) таких машин в нашей стране зарегистрированы на вторых и третьих владельцев.
-
Fresh Auto открыла в Воронеже хаб по продаже автомобилей с пробегом и дилерский центр Ford
Компания Fresh Auto открыла в Воронеже крупнейший в городе салон по продаже и сервисному обслуживанию автомобилей с пробегом. Одновременно с этим здесь начал работу новый дилерский центр Ford, ставший третьим после Волгограда и Ростова-на-Дону предприятием марки в портфеле автомобильной сети.
-
Российский рынок легковых автомобилей с пробегом в феврале 2020 года
Согласно данным аналитического агентства «АВТОСТАТ», в феврале 2020 года объем рынка легковых автомобилей с пробегом в России составил 407,5 тыс. единиц. Это на 11,1% больше по сравнению с аналогичным периодом 2019 года.
-
Рынок легковых автомобилей с пробегом в феврале вырос на 11%
По данным аналитического агентства «АВТОСТАТ», объем рынка легковых автомобилей с пробегом в России по итогам февраля 2020 года составил 407,5 тыс. единиц, что на 11% выше результата за аналогичный период прошлого года.
-
В 2020 году дилеры выживут благодаря автомобилям с пробегом
Среди участников ежегодного форума автомобильного бизнеса «ForAuto - 2020» был проведен онлайн-опрос, в ходе которого мы выяснили, что эксперты рынка думают о прошедшем годе и какие планы строят на будущее.
вчера, 21:10
Конференция «Used Car Forum 2020» перенесена на 22 июля
Аналитическое агентство «АВТОСТАТ» информирует, что в связи со сложившейся эпидемиологической ситуацией в стране нами было принято решение о переносе конференции по автомобилям с пробегом «Used Car Forum 2020» на 22 июля нынешнего года.
В прошлом месяце средняя стоимость автомобиля с пробегом снизилась на 6% по сравнению с прошлым годом и на 1% по сравнению с июнем 2017 года. Ценник машины в среднем составляет 566 тысяч рублей, информирует Авто.ру, ссылаясь на собственную статистику. Количество предложений продолжает увеличиваться.
Кроме того, увеличился средний возраст машин, представленных на вторичном рынке. Теперь он составляет 10 лет и 4 месяца, тогда как в июле прошлого года этот показатель составлял 9 лет и 7 месяцев.
Самой востребованной маркой на рынке автомобилей с пробегом остается Lada, доля спроса и предложения которой составляет 14% и 18%, соответственно. Значительно отстает Toyota, занявшая второе место с 7% и замыкает тройку Hyundai – 6% (спрос) и 4% (предложение).
На Топ-10 марок приходится 62% рынка: Lada, Toyota, Volkswagen, Hyundai, Nissan, Ford, Mercedes, Chevrolet, Kia и BMW. Чаще всего на площадке продается Ford Focus, но в десятку самых популярных входит восемь моделей Lada.
Наиболее предпочитаемый тип кузова на российском рынке – седан, доля которого составляет 41,8% по предложению и 40,2% по спросу. Кроссоверы и хэтчбеки на втором и третьем месте с долей 21-26% (спрос и предложение).