You are on page 1of 69

E C O N O M Í A

TESIS de MAGÍSTER

IInstituto
N S T I de
T Economía
U T O
D E

DOCUMENTO
DE TRABAJO  

 D          

  3 

+%    D  *  *

$   ' *

puc.cl .    www.economia.

Javier Esteban Agosto 2009 .TESIS DE GRADO MAGISTER EN ECONOMIA Galdames Cerda.

2009 .PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE INSTITUTO MAGISTER EN DE ECONOMIA ECONOMIA Dispersión y Fijación de Precios en el Mercado de los Combustibles Líquidos en Chile: Análisis bajo Información Imperfecta Javier Esteban Galdames Cerda Comisión Juan Pablo Montero Salvador Valdés Agosto.

y se reforzó la hipótesis central del trabajo. Using data panel of prices of 54 stations in the area. Additionally. and the result of the test shows that the effect of that framework is statistically significant. Utilizando controles por efectos fijos a lo largo de toda la muestra para descontar la heterogeneidad presente en las estaciones de servicio. Finally. the presence of a dynamic component in the pricing behavior was researched in the data. evidence was found that supports the idea that some aspects of the pricing behavior could be linked to models of imperfect information by the consumers. Se utilizaron datos de panel de precios de los combustibles y estimaciones de los costos semanales de 54 estaciones repartidas en la Región Metropolitana. utilizando los conceptos de grupo de control y tratamiento aplicados a este problema. that the presence of two types of consumers (informed and uninformed) could explain the price dispersion and the differences in the estimated margin. se buscó mostrar el componente dinámico en la fijación de los precios. that it’s explained due to differences in consumer search costs. . está ligada a modelos de información imperfecta y a diferencias en los costos de búsqueda por parte de los consumidores. que es muy probable que las estaciones de servicio se muevan a través de los distintos quintiles de precio a lo largo de la muestra. lo que descarta la hipótesis de que las diferencias en la fijación de los precios se explican por diferentes características observables de éstas. además. an estimation of the weekly marginal cost and controlling the heterogeneity in the sample by a station fixed effect. is linked with models of imperfect information and mostly. The work also shows persistence in the price fixing process by at least. Se mostró. que existe una inercia de por lo menos un periodo en la fijación del precio de la estación. Finalmente. además. Adicionalmente. y que además. suggesting that an explanation of the price dispersion based on the differences in observable characteristics of the stations it’s not accurate. se encontró evidencia de que aspectos del pricing de las estaciones de servicio se pueden enlazar a modelos de información imperfecta por parte de los consumidores. los dos tipos de consumidores presentes en el mercado (informados y no informados) pueden explicar la dispersión respecto a los precios y márgenes de los combustibles que consumen. capital of Chile. Movements between the weekly price quartiles in the sample was also found. a novel test was used to determine empirically the presence of the imperfect information hypothesis. and also. This work seeks for evidence in order to test the hypothesis that the price dispersion observed in Santiago. using the concepts of control and treatment group. se realizó un novedoso test para determinar la presencia de la hipótesis de información imperfecta. one period.ABSTRACT El trabajo busca encontrar evidencia para testear la hipótesis de que la dispersión de precios observada en el mercado de los combustibles líquidos en Santiago de Chile. Se encontró.

Raimundo Atal. Francisco Gallego. Gracias por todo el apoyo. A todos los profesores y funcionarios de la Facultad que marcaron mi vida académica y sobre todo personal: Verónica Gil.A mi familia. Stephen Blackburn. los cuidados y la preocupación durante toda mi vida. Esto es para ustedes. Salvador Valdés. A mis compañeros del Seminario. Nadia Becerra. Luis Beltrán y especialmente a Guillermo Marshall. mi madre y mi abuela. Anita Artigas. mi padre. Tati. su ayuda durante el proceso fue invaluable. Vero y Carmen Garcés. Juan Pablo Montero. . Daniela Marshall.

.

Finalmente. Adicionalmente se estudia el carácter dinámico de la …jación de precios. mediante un jsgaldam@uc. controlando por costos y por diferencias constantes entre las distintas estaciones de servicio. Salvador Valdés por todos los comentarios que permitieron enfocar este trabajo. 1 . Con el ánimo de evaluar la importancia de los costos de búsqueda como explicación de esta dispersión. Todos los errores son de mi exclusiva responsabilidad. se encuentra que los precios y márgenes muestran una dispersión heterogénea. Se encuentra apoyo a esta hipótesis.Dispersión y …jación de precios en el mercado de los combustibles líquidos en Chile: Análisis bajo información imperfecta Javier Esteban Galdames Cerda Ponti…cia Universidad Católica de Chile Instituto de Economía July 6. Siguiendo la metodología de Lewis (2008) y Hosken et. Tesis para obtener el grado de Magíster en Economía de la Ponti…cia Universidad Católica de Chile. Juan Pablo Montero y Sr. 2009 El presente trabajo estudia la presencia de dispersión de los precios del mercado de las bencinas en Santiago de Chile. se contrastan los mercados de las gasolinas y el diesel. considerando que en este último son mayores los incentivos a realizar una búsqueda de precios más bajos. Agradezco profundamente a los profesores de mi comisión Sr. encontrando una inercia de un periodo en la determinación del precio corriente.cl. pues el mercado del diesel presenta menores y menos dispersos márgenes. y utilizando datos de panel de precios de 54 estaciones durante los años 2005 al 2009. La presencia de cambios en la posición relativa y en los quintiles en la distribución de precios semanal también apoya a los costos de búsqueda como una explicación de la dispersión de precios encontrada.al (2008).

en desmedro de un modelo de diferenciación de producto. . encontrando que el primero es relevante en el mercado para explicar dicha dispersión.novedoso test empírico se determina la relevancia del modelo de información imperfecta.

Dichos factores constantes son los que probablemente explican las grandes diferencias entre las estaciones: ubicación. quienes recolectan una muestra semanal de precios de los cuatro tipos de combustibles líquidos existentes en el país: gasolinas de 93. obsolescencia de los conocimientos referentes a los agentes económicos. Especí…camente. incluso para bienes homogéneos. se controla por cambios en el principal responsable de la variación agregada de los precios: los cambios en los precios mayoristas que aplica la Empresa Nacional de Petróleo (ENAP). otros realizan esta transacción en las estaciones de servicio que pertenecen al trayecto que va desde al hogar al trabajo. desviándose de sus rutas directas. principalmente debido a una alta frecuencia de compra o porque este ítem es muy importante en su gasto mensual. declaraba que esta dispersión de precios era una "manifestación de la ignorancia del mercado" con respecto a los precios exactos. Los datos utilizados provienen de la Encuesta de Precios del Servicio Nacional del Consumidor (SERNAC) y de la Comisión Nacional de Energía (CNE). en cerca de 50 estaciones de la capital. En este estudio se estudia la presencia de dispersión de precios en el mercado de los combustibles líquidos en Santiago de Chile y se busca una explicación a este fenómeno relacionándolo con los existencia de distintos costos de búsqueda de los agentes. con el cual se corrigen todos los efectos observables y no observables por estación que son constantes a través del tiempo. y otros movimientos en la oferta y demanda. Algunos de estos consumidores eligen la estación más cercana a su hogar. Introducción Todos los días. Estos últimos son aquellas personas que poseen mayores incentivos para realizar dicha búsqueda. Stigler (1961) en el trabajo que dio inicio a la literatura de economía de la información.I. desde el 2001 al presente. único proveedor efectivo de todos los combustibles 1 .al (2008). 95. existía siempre. y que por ende. se utilizará la metodología basada en Lewis (2008) y Hosken et. contrato con las empresas distribuidoras. 97 octanos y diesel. Esta ignorancia surge debido a la inestabilidad que persiste en el mercado: nuevos entrantes. en la cual se aprovecha la estructura de panel de los datos para realizar la necesaria corrección por la heterogeneidad presente entre las estaciones. marca. En el estudio. se incorpora un efecto …jo por estación. Además. miles de consumidores santiaguinos llenan los estanques de gasolina de sus autos para así poder transportarse. y también existen conductores que realizan la búsqueda por el precio más bajo. etc.

presentan altos incentivos para cotizar la estación de servicio que entrega el mejor precio. Se utilizan algunas de las ideas de Sorensen (2002) y Johnson (2002) para estudiar la teoría de costos de búsqueda del consumidor como explicación del fenómeno de dispersión de precios. controlando por diferencias en los costos y por heterogeneidad de los vendedores. Esto debido a que los consumidores de diesel. en desmedro de una explicación basada en la heterogeneidad de las estaciones. en desmedro de las gasolinas (93. la dispersión de precios sería un resultado de la diferenciación que hacen las estaciones de servicio entre aquellas que venden combustible a consumidores informados (los consumidores de diesel) y otras que realizan su venta a consumidores no informados (los consumidores de gasolinas) (Varian 1980. llevándolos cerca del costo marginal. un novedoso test que evalúa la presencia de información imperfecta en desmedro de un modelo basado netamente en la diferenciación en 2 . por lo que tendríamos que observar una menor dispersión de precios y márgenes en el diesel. además del estudio de los cambios semanales de las estaciones entre los quintiles de precios observados y también. un análisis de ranking relativo con los precios corrientes y los precios controlados por los efectos …jos de las estaciones. disminuyen el posible rango de …jación de precios. Entonces. explicada por la relevancia del paradigma de información imperfecta y costos de búsqueda heterogéneos que presentan los consumidores. El efecto …jo anteriormente mencionado explica gran parte de la …jación y dispersión de los precios. la dispersión de precios y los márgenes son menores en el diesel. en comparación a los otros tipos de bencina (Sorensen 2000). Se realizan además. al cotizar y buscar constantemente los precios más bajos. Salop y Stiglitz 1977). 95 y 97 octanos) que serían consumidores menos sensibles al precio.líquidos en Santiago. El resultado encontrado es una dispersión de precios sustancial. principalmente conductores de camiones y camionetas. se incluirá una variable de tiempo con el …n de controlar por los cambios agregados en el nivel de costos para toda la ciudad. debido a la alta frecuencia de compra que presentan. Se considera al diesel como un bien donde sus consumidores. Para hacer esta corrección. con el …n de evaluar la relevancia de los modelos de costos de búsqueda. La principal hipótesis que se desea contrastar con los datos es la diferencia entre los precios y márgenes de los distintos tipos de combustibles líquidos presentes en el mercado. y como todas las estaciones comparten un costo marginal similar.

si las estaciones de servicio mantienen su posición relativa en la distribución de precios. 3 . Finalmente. Esta sección tambien incluye algunos hechos relevantes acerca de la industria chilena de los combustibles líquidos. La Sección II del trabajo revisará el marco teórico y algunos de los trabajos sobre la …jación y dispersión de precios del mercado retail de las bencinas y modelos de costos de búsqueda del consumidor que se aplican a la presente investigación.el producto. se estudia el carácter dinámico que presenta la …jación de precios en este mercado con el ánimo de detectar algún grado de inercia en dicha decisión. La Sección IV presenta los resultados principales de los tests empíricos y la Sección V entrega las conclusiones y los trabajos a realizar a futuro. entre el periodo actual y el periodo pasado. relativas a la ciudad y a su precio típico. La Sección III describe los datos utilizados y además se presentan algunas de las limitaciones originadas por el uso de dichos datos. es decir.

la idea de que los compradores inexpertos (los turistas) pagan precios más altos que los consumidores experimentados (los nativos). Este comportamiento implica la existencia de tiendas que persistentemente van a …jar precios más bajos que otras. Marco Teórico Revisión de la literatura La literatura referente a la dispersión de precios de equilibrio comienza con el trabajo de Stigler (1961). Existe bastante evidencia empírica acerca de la existencia de la dispersión de precios en 4 . en contraste con los que no deciden informarse. el cambio en el tamaño del mercado. los primeros compran siempre en las tiendas con los precios más bajos y los segundos compran "al azar". II. entendido esto como comprar en la primera tienda que encuentren. Nace entonces. Los consumidores que deciden informarse conocen la distribución completa de precios. el trabajo presenta diversas fuentes de dispersión de precios. Además.A. Son los nuevos entrantes. Salop y Stiglitz (1977) confeccionan un modelo de dispersión de precios "espacial" (en corte transversal). en el sentido de que en equilibrio. donde se destaca el carácter dinámico del mercado que origina la llamada distribución de precios de equilibrio. desarrollado por Chandra y Tappata (2008). modela la …jación de precios de un retailer. mostrando que las tiendas podrían encontrar óptimo elegir precios al azar desde una distribución optimizada. la obsolescencia de las condiciones de la industria algunos de los factores relevantes para explicar dicha dispersión. por otro lado. Se explicitan claramente los factores que determinan el grado de búsqueda realizada por los consumidores: la alta frecuencia de compra correlacionada positivamente con la dispersión y la correlación que existe entre encontrar un precio bajo en t y encontrar en el mismo lugar un precio bajo en t+1.II. distintas tiendas venden el mismo bien con precios distintos con consumidores heterogéneos. Por ende. Varian (1980). con el …n de evitar que los consumidores puedan aprender qué tienda tiene consistentemente precios más bajos. Esto permite que la dispersión de precios persista en el tiempo y esta dispersión de precios temporal será profundamente estudiada en el presente trabajo con el test de cambios en el ranking de estaciones vecinas y cercanas. Stigler señala que es esta correlación positiva lo que llevaría a los consumidores a realizar fuertes búsquedas al inicio y casi nulas búsquedas posteriormente.

información imperfecta y diferencias en los costos de los vendedores. Resaltan que en este medio. otras pueden ser las fuentes de la dispersión encontrada. por diseño. Mas encuentran que aún en simulaciones confeccionadas en el computador. se establece la presencia de dispersión. la potencia de marca de la tienda. principalmente. El mismo medio. Luego. dicha condición de dispersión de equilibrio de los precios iba a dejar de existir. como por ejemplo. la principal causa de dicha dispersión son los costos de búsqueda. Ocupan un modelo desarrollado anteriormente por Carlson y McAfee (1983). su grado de reconocimiento entre los compradores y la con…anza que entrega al consumidor. 5 . aunque reconocen que pueden existir explicaciones alternativas. en desmedro de los hombres de negocios) presentan menor dispersión de precios. y que además las rutas más orientadas a los turistas (que en este caso serían los individuos que tienen mayor incentivo para plani…car y que por ende estarían más informados. encuentra que la dispersión de precios no puede explicarse por diferencias en los costos o en los servicios que las distintas farmacias entregan. se eliminan los costos de transacción. Concluyen que la dispersión de precios existente en el mercado de los seguros automotrices se debe. la dispersión de precios aún existe. El autor encuentra evidencia empírica de que los remedios para pacientes crónicos. basado en un modelo de búsqueda del consumidor. en la cual. Baye y Morgan (2004) estudian la dispersión de precios en Internet.diferentes mercados. Los pacientes que deben gastar más en medicamentos tienen mayores bene…cios de cotizar y encontrar el menor precio. los cuales se deben comprar con mayor frecuencia para la realización del tratamiento médico. Borenstein y Rose (1994) confeccionan una metodología para detectar si la dispersión de precios encontrada en el mercado de las aerolíneas es causada por discriminación de precios o por diferencias en los costos. Sorensen (2000) realiza un estudio del fenómeno en el mercado de los remedios en EEUU y. Encuentran que la primera de éstas es la más relevante. Dahlby y West (1986) estudian la dispersión de los precios del mercado de seguros de automóviles en Alberta. sin información imperfecta y sin costos de búsqueda tradicionales. Canadá. un mercado en el que se pensaba que. es estudiado por Brynjolfsson y Smith (2000) y encuentran que en la venta de libros y CD’s. debido a la eliminación de los costos de búsqueda signi…cativos. presentan una menor dispersión de precios y menores márgenes que los encontrados en los remedios que son comprados con una menor frecuencia. Internet. al costo de búsqueda para el consumidor.

la información costosa de los consumidores es lo que explica su aparición. Es interesante la mención de que incluso en mercados altamente atomizados se puedan encontrar este tipo de comportamientos colusivos. la velocidad de ajuste de los precios con respecto a los costos. el autor estudia dos aspectos: la dispersión de precios en el tiempo y la dispersión en un mismo periodo. Borenstein y Shepard (1996) encuentran cierta evidencia. con la literatura empírica relacionada con los modelos de información y el mercado de las gasolinas. categorizados por barrios y características viales. En la década de los ’90. de que hay grupos de consumidores que presentan altos costos de cambio hacia alguna estación. y que esta sería la explicación sobre los altos már- 6 . testea la hipótesis de discriminación de precios en el mercado que nos atañe. Shepard (1991). pero basan más su análisis en como el grado de competencia entre las distintas marcas de gasolina. afectan los precios que presentan las estaciones de servicio al público. en un enfoque de empresa multiproducto. la investigación económica volvió a …jar sus ojos en el mercado de las gasolinas. En el trabajo mencionado. pero bajo perspectivas diferentes a las anteriores. el estudio de la dinamica de …jación de precios. En cierto sentido. la dispersión de precios de un bien homogéneo es un hecho que está presente en múltiples mercados y puede tener múltiples explicaciones. de colusión tácita entre los vendedores de gasolina en EEUU. Como podemos ver. etc. las estaciones de servicio poseerían un cierto poder monopólico al tener una masa de consumidores cautiva. Marvel (1978) relaciona los niveles de precios imperantes en el mercado de EEUU entre 1964 y 1971 con los grados de competencia encontrados en distintas ciudades y además los conecta con algunos resultados relacionados a estudios de colusión. El mercado retail de los combustibles líquidos ha sido ampliamente estudiado y fuertemente relacionado con modelos de información imperfecta.La misma metodología es aplicada por Walsh y Whelan (1999) en el mercado irlandés de los supermercados. Borenstein (1991) rea…rma esta última idea. y entre los distintos grupos de consumidores. Livingston y Levitt (1959) realizan un estudio anterior. usando datos de panel y diferenciándose así de los estudios previamente mencionados. Dicha discriminación es explicada por el grado de poder de mercado que poseen algunas estaciones de servicio. que es dado por la cercanía de éstas con sus clientes. a juicio del autor del presente trabajo. Encuentra que en estos dos aspectos. Marvel (1976) comienza.

la dispersión de precios en estos dos mercados tendría que ser diferente: en el mercado del diesel. respectivamente. en comparación a los consumidores de gasolina. Este fenómeno se denomina "rockets and feathers" y es ampliamente estudiado en todo el mundo 2 . que frente a aumentos en los costos de la gasolina al por mayor los precios de la gasolina al por menor aumentan más1 que si ese mismo movimiento fuese a la baja.al (1997) y Bacon (1991) revisan esta teoría y la rea…rman para EEUU y UK. y presenta una idea que es muy útil para el presente trabajo: si los costos de búsqueda son importantes en la determinación de la duración y amplitud de los rezagos estudiados. En ese sentido. Esta diferencia se explicaría por la existencia de costos de búsqueda menores en dicho mercado. Es decir. es aquél que estudia la aparente asimetría en la respuesta de los precios a público frente a cambios en los costos observados en la industria. en desmedro de diferencias en los costos que podrían enfrentar. En este sentido. Lewis (2004) desarrolla un modelo para explicar esta asimetría enlazando dos conceptos: costos de búsqueda del consumidor y un precio de referencia dado por los precios pasados. en desmedro a si dicho precio disminuye. entonces deben existir ajustes más cortos en el mercado del diesel que en el de la bencina. Otro de los aspectos en los cuales el mercado de las gasolinas ha recibido un alto grado de interés en el mundo académico. Este concepto potencia la importancia de los costos de búsqueda como explicación de diferencias en los precios y márgenes dentro del mercado de las bencinas en general. En términos de velocidad de ajuste y / o en magnitud. Borenstein et. el consumidor realizaría una mayor búsqueda de precios si observa que su precio de referencia histórico va al alza. Hofstetter y Tovar (2008) desarrollan la idea de la asimetría de precios conectándola con la existencia de un precio de referencia dictado mensualmente por el Gobierno de Colombia a los distribuidores. Johnson (2002) desarrolla el modelo de respuesta asimétrica frente a cambios en los costos desde una perspectiva más cercana a la teoría de rezagos y de sticky prices. ya que tiene menos incentivos económicos de continuar con la búsqueda cuando encuentra un precio conveniente. ya que los consumidores de diesel típicamente compran en mayores cantidades y con una mayor frecuencia. Ver Tabla 1 en Balmaceda & Soruco (2006) para un detalle de lo realizado hasta la fecha. Finalmente. la compra repetida y la mayor frecuencia desarrollaría los incentivos para una búsqueda más 1.genes que presentan ciertos vendedores. Deltas (2008) relaciona esta asimetría con la existencia de un cierto grado de poder de mercado dentro de EEUU. 7 . 2.

pero que su magnitud económica no es muy relevante 3. encuentran nuevos hechos relacionados más con la …jación de precios del retail que con dispersión de precios propiamente tal. Lewis (2008) ocupa el mercado de las gasolinas en EEUU. Entonces. donde encuentran que la asimetría existe. pero no encuentran ninguna que se ajuste en su totalidad a los hechos estilizados encontrados. Esta es una de las principales hipótesis a testear en este trabajo. El autor encuentra que la relación entre estas dos variables depende fuertemente de la de…nición de competencia local que se presenta y del tipo de competidores con los que se cuente. Los autores encuentran que un aumento en el número de competidores disminuye los niveles y la dispersión de precios. pero con datos de corte transversal.al (2008). Muchos aspectos metodológicos de dichos trabajos se repiten en el presente.al (2008) por otro lado. Hosken et. La dispersión es mayor para las marcas importantes si enfrentan competencia de marcas pequeñas. Buscan encontrar una teoría que explique cómo …jan precios las distintas estaciones de servicio. con el grado de competitividad que enfrentan en su entorno. pero repiten muchos aspectos metodológicos con el trabajo anterior. ocupando datos de panel. Balmaceda y Soruco (2006) realizan el análisis de asimetría en el mercado chileno. controlada por aspectos observables de las diferentes estaciones de servicio. aunque desarrollando una metodología distinta. Editado por Soledad Arellano y Salvador Valdés. para testear la presencia de dispersión de precios y luego estudiar la relación entre dicha dispersión y el grado de competencia local (número de vendedores).al (2004) realiza un estudio similar al anterior. Barron et. En el año 2006 se publica el libro "La Industria de los Combustibles Líquidos: El Caso de Chile"3 . la industria también ha sido analizada desde el punto de vista académico. pero la dispersión es baja si alrededor de la estación se compite con marcas similares. Ediciones Universidad Católica de Chile. En Chile.exhaustiva por parte de los compradores. la dispersión de precios y márgenes en el primer mercado tendería a ser menor que en el segundo. buscando enlazar la dispersión de precios observada. Dos son los trabajos más similares a la presente investigación. 8 . en el cuál se desarrollan trabajos económicos que abordan diversos temas pertenecientes a la industria. en el sentido de la utilización de los datos y las preguntas metodológicas a responder: Lewis (2008) y Hosken et. con datos de panel. en comparación al menor incentivo que poseen los consumidores de gasolinas.

Breve descripción de la industria que sirve a Santiago de Chile La industria chilena de los combustibles líquidos. pero que se alejan al ámbito de esta investigación. Su Re…nería Aconcagua (ex Cón-Cón) abastece.php 9 . además. por lo que la posición monopólica de ENAP está limitada. Es relevante para el mercado chileno la presencia de un precio de referencia. la competencia parece ser mucho más potente. La venta de cada una de las tres gasolinas se hace a precios distintos al precio al cual se vende el petróleo diesel. a la Región Metropolitana. y se recomienda su lectura exhaustiva. precio dictado a la población por la ENAP. especí…camente los movimientos del precio del petróleo en el Golfo de México.enap. la cual concentra cerca del 85% de la producción en Chile4 .B. Existe. mientras que en otras. el petróleo. el cuál está indexado a los movimientos del mercado internacional. Los combustibles líquidos son transportados desde la re…nería y los puertos cercanos. por medio de un oleoducto hasta Maipú. Este precio de referencia es monitoreado por los distintos grupos de 4. con una capacidad de 104.cl/lineas_de_negocio/rl_capacidades. II.000 barriles de crudo diarios. Otros trabajos son incluidos en dicho libro. propiedad de SONACOL (Sociedad Nacional de Oleoductos). La venta del crudo re…nado por parte de la ENAP se hace por medio de contratos de volumen con cada una de las distribuidoras. el cual establece como van a variar los precios a público la semana siguiente a su emisión. http://www.y Gómez-Lobo y Córdova (2006) explican las diferencias en los precios y márgenes encontradas en las distintas regiones del país debido a la existencia de un efecto escala de mercado que implica menores márgenes en los mercados más grandes. empresa cuya propiedad está en manos de ENAP y los tres principales distribuidores mayoristas del país. presenta una composición altamente concentrada en algunas partes de la cadena productiva. en Santiago de Chile. son dos productos diferentes. Según datos propios de ENAP en su sitio web. La re…nación del insumo básico. ya que desde el punto de vista técnico. Este estudio se basa en la etapas de venta minorista (distribución a público). localidad ubicada en la periferia de Santiago. pasa esencialmente por la Empresa Nacional de Petróleo (ENAP). con distintos grados de re…nación. El precio que pagan las distribuidoras está regido por el precio de la paridad de importación. la posibilidad de importación de petróleo re…nado.

a nivel nacional y según datos de la CNE 5 son un 56. Esta política de transparencia pública podría ser signi…cativa para determinar el grado de información sobre los precios que posee cada consumidor. es practicamente conocido por toda la población relevante. http://www. 95 y 97 octanos. no hay una diferenciación relevante entre los datos entregados a público del diesel y de las restantes gasolinas. 11. generalmente.25% para Copec. Las participaciones de mercado.7 % para Esso. El último proceso relevante para el estudio. 63.4%). 5.3% y 9. un margen bruto de comercialización (6. ver "Fondo de estabilización del petróleo: historia y perspectivas" de Bernardita Piedrabuena.4%) más la corrección por los impuestos y subsidios por el Fondo de Estabilización del Precio del Petróleo7 (10% y 6. ubicado en la zona Poniente de Santiago. 12.cne. por lo que son los precios de venta a público. en el libro "La industria de los combustibles líquidos: el caso de Chile". más petróleo diesel.5% del diesel). es esta última la que …ja los precios imperantes de la semana. Los precios que se utilizan en el estudio tienen la siguiente estructura: precio de venta ENAP (48.6% del precio …nal de las gasolina 93 octanos para Diciembre del 2008.5%). 17. consumido principalmente por vehículos de transporte y carga (camiones y camionetas).2%).consumidores.52% para YPF / Terpel y un 1.5% y 13. la aplicación del impuesto al valor agregado (10. franquicias. que en el transcurso del año 2008 vende sus estaciones de servicio a la empresa colombiana Terpel.html 6. se realiza a través de los grandes distribuidores mencionados anteriormente. y en cierto sentido. lo que tiene una fuerte implicancia en la política de precios que pueden …jar. un impuesto especí…co (24. incluyendo todos los impuestos y subsidios pertinentes. más Repsol-YPF. leasing. que posee una sola estación que. pero afecta a todos los consumidores por igual. el de venta a público. …ja precios más bajos que sus competidores. A grandes rasgos. Contratos de arriendo. como JLC. es decir. 10 .71% para JLC. Según datos de Balmaceda y Soruco (2006) cerca del 90% de las estaciones de servicio mantiene un alto grado de integración vertical por medio de contratos entre éstas y las empresas distribuidoras. etc 7.5% y 7. Para mayor detalle sobre este aspecto.cl/cnewww/opencms/03_Energias/Otros_Niveles/ hidrocarburos/mercado/Mercado_Gas_Natural/mercado_petroleo_derivados/ participacion_mercado. gasolina de 93. si una estación de servicio tiene un fuerte vínculo con la marca distribuidora6 .71% para Shell. más la presencia de vendedores independientes. entre otros productos ajenos al mercado de los combustibles líquidos. En cada una de estas estaciones se comercializan.

Además de los datos de precios. Además. Se incluye además. los precios fueron observados los días miércoles. en cada una de las cuatro categorías de ventas de combustibles. una estimación del costo marginal semanal que enfrenta cada estación de servicio. de un total aproximado de 500 estaciones ubicadas en la Región Metropolitana. la cual confecciona considerando la diferencia entre el precio promedio a público semanal y el precio del combustible en la planta de almacenamiento de Maipú. que es la planta que entrega el insumo a las empresas distribuidoras. desde el 5 de enero del 2005 al 27 de abril del 2009 (226 semanas) con 54 estaciones incluidas en la muestra. Datos Datos Los datos utilizados en el trabajo muestran los precios cobrados por las distintas estaciones de servicio.4% YPF / TERPEL 5 9. III. y en algunas semanas.3% JLC 1 1.A.cl/casen 11 .5% ESSO 11 20.mideplan. Dicha variable proviene de la estimación del margen promedio semanal que la CNE calcula y publica en su página web.III. Se anotaron los precios de las paletas de venta a público. www. conocemos la marca de cada estación. La muestra presenta la siguiente estructura con respecto a las estaciones y sus distribuidoras: Distribuidoras N Estaciones Porcentaje COPEC 20 37% SHELL 17 31. Las estaciones de servicio fueron escogidas por el Servicio Nacional del Consumidor (SERNAC) debido al alto volumen de venta que se estimó éstas transaban.9% Los precios son recogidos una vez por semana los días lunes. su dirección y la comuna en que está ubicada. se obtuvieron datos del ingreso promedio de los hogares de las distintas comunas a partir de la Encuesta de Caracterización Socioeconómica (CASEN) del año 20068 . Del margen 8.

4 kms). que hubieran permitido calcular directamente elasticidades precio y usarlas como explicación de la dispersión. Ver Lewis (2008) y Barron et. y no es un censo de todas las estaciones de servicio presentes. Por ejemplo. Los autores identi…can distintos grados de desnsidad competitiva. Este cambio no se realiza simultáneamente en todas dichas estaciones. por cada una de las semanas de la muestra. sino que van ocurriendo a lo largo del año. enlazando dicho concepto con la presencia de importantes costos de cambio. y su presencia implica un posible cambio en el modelo de …jación de precios de las estaciones. en la que se estima el entorno competitivo que enfrenta cada estación de servicio mediante el número de estaciones de servicio aledañas a cada una de éstas9 . o de preferencias únicas por una estación determinada. pero a grandes rasgos la idea es la misma. presenta menores márgenes y menor dispersión de precios entre las distintas áres estudiadas. Este resultado no puede medirse con los datos de este estudio. 12 . sesgando cualquier resultado entregado. En este trabajo. por lo que es muy probable que se omita uno o más de los competidores de cada estación de servicio posición competitiva.promedio semanal se extrae el costo promedio semanal que es compartido por todas las estaciones de Santiago y gracias a ello.al (2004). una estación que enfrenta un alto número de competidores dentro de un radio euclideano estándar de 1. y éstas no presentan algún cambio relevante al pasar de YPF a Terpel. todas éstas ocurren en el año 2008.5 millas (2. pero como el periodo de cambio no es signi…cativo en comparación al periodo 9. las condiciones externas. como la ubicación. segun Lewis. es posible calcular márgenes propios de cada estación y por cada tipo de combustible. III. Tampoco se poseen datos de ventas físicas por estación. son las relevantes a la hora de …jar los precios. Los márgenes calculados son similares a los obtenidos en Balmaceda y Soruco (2006).B. ser relevante en términos de que cambia el entorno competitivo de cada estación. Con respecto a la existencia de un cambio en la propiedad de las estaciones YPF a Terpel. debido a que los únicos datos disponibles en Chile son parte de la muestra confeccionada por el SERNAC. Un cambio signi…cativo en la …jación de los precios de las estaciones que cambian de dueño podrían cambiar la demanda residual que enfrenta la competencia y por ende. Limitaciones con los datos Estos datos no permiten realizar algunos de los tests que realiza la literatura actual.

13 . se decide trabajar con el supuesto de que el cambio de dueño es más que nada un cambio de nombre y que por ende. el número de estaciones de servicio que cumplen con esa condición es reducido (menos del 10%) y el foco del estudio está en la dispersión y …jación de precios. no se afectan las estimaciones o la metodología.de tiempo estudiado. y no en el modelo subyacente de generación de precios seguido por las distintas distribuidoras.

945 29.747 560. El carácter más competitvo del diesel. IV.928 603. El precio del diesel. Las Figuras 1. Est G.189 26.638 561.561 45.168 560. Esta primera estadística es el primer paso necesario para la continuación del presente trabajo. tiene una mayor dispersión que los restantes combustibles.124 28.999 42.993 13.427 44.930 44.253 561.923 48.619 576.455 472. Resultados Precios y márgenes promedios por tipos de combustible La primera aproximación a la comprobación de la hipótesis de que los distintos costos de búsqueda de los consumidores explican la dispersión de precios requiere que los márgenes del diesel sean menores y menos dispersos que los de las demás gasolinas.987 475.428 9. Precios y margenes promedio por marca de distribucion. La Tabla 1 muestra los precios y márgenes promedios por marca de distribución desagregado por los distintos tipos de combustibles presentes en la Región Metropolitana: Distribuidoras Copec Esso Shell YPF / Terpel JLC Total Desv.093 9.161 46.64 561.097 571.560 Total 45.C muestra los test de desviación estándar realizados para comprobar estadísticamente esta a…rmación.634 44.480 47.A y 1.085 606.72 45.268 67. 95 G. 93 G.464 50.807 46.720 24. por cada tipo de bencina.066 590. llevaría a ese resultado.639 47.545 576.B del anexo muestran las distribuciones según el tipo de combustible.IV.047 43.601 84.721 576.760 46.382 473.97 Diesel Total G. Una de las medidas más utilizadas en la literatura de dispersión de precios es la desviación estándar10 de la variable de estudio.427 562.361 (1) Precio promedio de todas las estaciones de servicio de la marca.97 Diesel 590. al tener consumidores más informados acerca de la distribución de precios.768 582. Pero es en los márgenes donde las predicciones de las teorías de costos de búsqueda se cumplen.039 47. 93 577.522 589.343 602. 95 G.385 603. Otras.584 38.754 37.A. y la Tabla 1.531 87. como el rango o coe…cientes de Gini son utilizadas para chequear la robustez de los resultados 14 .146 542.537 14.653 Precios Promedio (1) y Márgenes por Distribuidores Precios Promedio Márgenes Promedio G.200 48. a través de la muestra (2) Porcentaje en el número de estaciones de la muestra Tabla 1.094 44.898 31.275 38.866 63.240 472.971 472.058 456.538 593.29 603.291 45. ya que 10.309 40.934 65.828 589.925 50. ya que este combustible presenta menores márgenes y una menor dispersión en comparación a las gasolinas de 93.176 46. entonces.543 578. 95 y 97 octanos.471 12.

con los precios y márgenes encontrados. es un comportamiento aparentemente paradojal. y la cantidad vendida se mantiene constante. Finalmente.al (2008).si se hubieran obtenido resultados contrarios. lo que rea…rma la noción de dispersión de precios en la ciudad y además motiva el siguiente paso en el análisis: el control por la heterogeneidad de las estaciones de servicio. Las estaciones con los promedios de precios más altos. están ubicadas en las comunas de mayores ingresos y viceversa. una tendencia a permanecer más estables que los obtenidos para las gasolinas de 93 y 97. Siguiendo a Hosken et. Si los márgenes cambian fuertemente.E del anexo muestra la relación existente entre los ingresos de las comunas. el coe…ciente aumenta a 0:81. el coe…ciente de correlación entre el promedio de los precios por comunas y los ingresos reportados es de 0:7. los ingresos totales de las estaciones de servicio se ven afectadas de gran manera. la hipótesis central no se consideraría vigente. El comportamiento encontrado en la gasolina de 95 octanos. 15 . La Figura 1. Se muestra que los márgenes promedio para el diesel y la gasolina 95 presentan una baja variabilidad. Lamentablemente no se poseen datos cualitativos (diferencias en el comportamiento esperado de los consumidores de gasolinas) o cuantitativos (cantidades físicas vendidas para calcular elasticidades) que permitan entregar una conjetura adecuada a esta aparente paradoja. Con los márgenes. Esto muestra la gran heterogeneidad existente entre las distintas estaciones en la Región Metropolitana. Un trabajo posterior que incluya este tipo de información ayudaría a despejar esta incógnita. De hecho. muestra como cambian los márgenes promedio de las estaciones por tipo de combustible.D del Anexo. distinto a las demas gasolinas y similar al del diesel. la Tabla 1. cambios importantes en los márgenes son relevantes debido a la inelasticidad que presenta en el corto plazo la demanda por combustible. en las cuales estan insertas las estaciones de servicio.

Fijación de precios y dispersión Con el …n de realizar dicho control. De ahí en adelante. La ecuación (1) da a entender que la principal variación de precios de los combustibles proviene de los cambios en los costos mayoristas (precios de venta de ENAP a las empresas distribuidoras) y por ende. es la diferencia entre el precio de la estación i y el precio promedio de todas las estaciones de la muestra en la semana t. quienes aprovechan la estructura de panel de los datos para así corregir los precios y controlar por todos las condiciones permanentes que afectan el nivel de precios y que no cambian a traves de la muestra. etc). Las tablas completas están disponibles por parte del autor. donde la corrección se realiza sólo a nivel de observables (marca. En términos generales.IV. Esta es. se seguirá la metodología propuesta por Hosken et. Al tener los resultados de los márgenes en la sección 11. 2.al 2004). calculada por separado para los cuatro tipos de combustibles. La corrección por efecto …jo toma en cuenta los factores observables y no observables de las estaciones. es: (1) pit = + X t W eekt + eit donde pit es el precio de la estación i en el periodo t. y se interpreta como desviaciones con respecto al precio promedio en cada semana de la ciudad como un todo.al (2008) y Lewis (2008). debido a la alta cantidad que se calculan (uno por semana) y solo algunos de los restantes coe…cientes diferentes para cada estimación. eit . la dispersión de precios bajo esta ecuación se estudia con los residuos de la ecuación. entonces. Se muestran sólo algunos de los coe…cientes de las variables temporales.B para la gasolina de 95 octanos. son signi…cativas para todos los tipos de combustibles.D para el diesel. 16 . El comportamiento de los coe…cientes es común para todas las estaciones. El coe…ciente de los residuos. 2.A presenta la regresión.C para la de 97 octanos y 2. para la gasolina de 93 octanos. la posición relativa del precio de cada estación dentro de la ciudad. y t son los coe…cientes que identi…can las semanas.B. por eso se decide reportar este número reducido de parámetros11 . Barron et. lo que es una ventaja con respecto a lo realizado anteriormente (ver por ejemplo. servicios anexos. presencia de tienda de alimentos. pero si lo son para el diesel. La ecuación. La primera columna de la Tabla 2. las primeras dummies de cada semana no son signi…cativas para las gasolinas.

se esperaba un comportamiento similar al obtenido en la Tabla 1. con respecto a la ecuación anterior: son las desviaciones de la estación i en el periodo t con respecto al promedio de la ciudad. La Figura 2. además de la marca. La estimación se muestra en la segunda columna de las Tablas 2. con el estudio de la inercia en la …jación de los precios. Se hace entonces esta regresión con el …n de respetar la metodología presente en la literatura. La ecuación es: (2) pit = donde i + X i Stationi + X t W eekt + uit es el efecto …jo especí…co de cada estación i. ya que lo que se controla con el coe…ciente de la semana. Los residuos de esta ecuación se muestran en la Figura 2. Es decir. pero el resultado sólo se mantuvo con respecto al diesel y la gasolina de 97 octanos.C con los márgenes.anterior. como un mecanismo de robustez de los resultados encontrados y sobre todo. Esta ecuación lleva implícito el supuesto de que la estación de servicio usa una estrategia de …jación de precios estática con un margen en función a atributos observados y no observados que no cambian en el tiempo. pero considerando ahora la diferencia constante (el efecto …jo) que existe entre las estaciones a lo largo de la muestra. esto implica que la estación está sistemáticamente …jando precios más altos o más bajos que su precio relativo típico. que permanece constante en todo momento. para poder llevar adelante la siguiente comprobación del carácter dinámico de la …jación de precios.E en el anexo muestra los histogramas respectivos por los distintos tipos de combustibles. Con respecto a la ecuación (1). Ahora. lo que se controla en esta ecuación es la ubicación.G muestra los tests de desviaciones estandar de los residuos.A2. la interpretación de los residuos cambia. el cálculo de esta regresión puede resultar excesivo. si se observa persistencia en el residuo de una estación. Principalmente. es el costo promedio semanal que enfrentan las estaciones y eso ya está estudiado con anterioridad.F del anexo. el efecto …jo propio de cada estación a lo largo de la muestra. La explicación a esta disonancia va por el lado de que los costos 17 .D. La Tabla 2. a grandes rasgos. La ecuación (2) añade al control temporal de la ecuación (1). Esta diferenciación espacial es el principal factor de heterogeneidad entre las estaciones. Los coe…cientes de efectos …jos por estación son signi…cativos para todas las estaciones y para todos los tipos de combustibles. Este supuesto se revisará más adelante.

La hipótesis no se cumple para todos los tipos de combustibles. que explican la …jación de precios en el mercado chileno. sólo para la comparación entre el diesel y la gasolina de 97 octanos. Así. se estudia a continuación. deben existir otros factores que no están siendo incluidos en la ecuación. Los demás tipos de combustibles se encuentran 18 .calculados por los márgenes promedios de la CNE pueden ser distintos a los costos controlados con esta herramienta econométrica. y por lo tanto. Y luego. despues de controlar por la heterogeneidad de las estaciones. Los residuos de la ecuación (2) muestran una mayor dispersión en los residuos del diesel con respecto a la gasolina de 93 y 95 octanos. Con el ánimo de ampliar este último resultado. mientras que la Figura 2 lo detalla en la gasolina 93 para la ecuación (2). y se construyó una matriz de transición Markoviana donde los elementos de la matriz muestran la probabilidad de estar y pesos sobre (bajo) la media en el periodo t condicional a estar x pesos sobre (bajo) la media en el periodo t 1. La Figura 1 presenta las distribuciones empíricas para el diesel de la ecuación (1). y esa puede ser la razón de esta divergencia de resultados. y para cada uno de los tipos de combustibles. el carácter dinámico que presenta la …jación de los precios. se intenta averiguar si una estación relativamente "cara" repite ese comportamiento en el periodo siguiente. Usando los residuos de las regresiones anteriores. entendido como aquél proceso de …jación que condiciona el precio en el periodo t con el precio en el periodo t 1. cambia su precio hacia el promedio de la ciudad o se vuelve "barata". y una menor desviación estándar con respecto a la de 97 octanos. Esto implica que luego de controlar por los efectos …jos especí…cos de cada estación los residuos son más dispersos en el diesel. para las dos ecuaciones mencionadas. si esa condición desaparece al controlar por los efectos …jos propios de cada estación. se redondearon los valores de los residuos hacia el número entero más cercano.

se observa 19 .O: P = 5 en periodo t-1 1.B: P = -8 en periodo t-1 1. Segundo.I: P = -1 en periodo t-1 1.F: P = -4 en periodo t-1 1.H-2.en las Figuras 2.Q: P = 7 en periodo t-1 1. es decir.N: P = 4 en periodo t-1 1. que las estaciones relativamente más caras (Paneles 1.D de la Figura 1).A: P = -9 en periodo t-1 0 5 10 15 0 10 20 30 40 50 -15 -10 -5 -15 -10 -5 0 5 10 15 -15 -10 -5 0 5 10 15 -15 -10 -5 0 5 10 15 -15 -10 -5 0 5 10 15 Precio en el periodo actual (t) Figura 1. las estaciones con precios relativos más bajos presentan una distribución más plana (Panel 1.S: P = 9 en periodo t-1 0 10 20 30 40 50 0 10 20 30 40 50 Percent 0 10 20 30 40 50 1.J: P = 0 en periodo t-1 1. la forma de las distribuciones cambia según el tipo de combustible que se está vendiendo y según la posición relativa de la estación.E: P = -5 en periodo t-1 1.G: P = -3 en periodo t-1 1.R: P = 8 en periodo t-1 1.H: P = -2 en periodo t-1 1. lo que signi…ca que estas estaciones presentan una convergencia más rápida hacia la media o cualquier otro precio. Ecuacion 1. Figura 1: Matriz Empírica de Transición Markoviana en un Periodo Ecuación 1 Type=9 1. Matriz de transicion empirica. hay una persistencia en la …jación de los precios relativos de un periodo a otro. Para el diesel. es más probable que …je precios 9 pesos más bajos que el promedio en el periodo t. si una estación está 9 pesos bajo el promedio de la ciudad en el periodo t 1 (Panel 1.A-B de la Figura 1) que las demás. Además. Lo más común es mantener el mismo precio relativo de una semana a otra.P: P = 6 en periodo t-1 1.C: P = -7 en periodo t-1 1.M: P = 3 en periodo t-1 1.L: P = 2 en periodo t-1 1.K: P = 1 en periodo t-1 1.M en el anexo.D: P = -6 en periodo t-1 1. Diesel Estas dos primeras …guras permiten obtener algunas conclusiones interesantes.N-S de la Figura 1). En el anexo se muestran las distribuciones empíricas para los distintos tipos de combustible. Primero.

antes que mostrar persistencia en su …jación.L: P = 2 en periodo t-1 2. controlar por el efecto …jo de las estaciones explica mucho de la persistencia. ocurren dos cosas muy interesantes: Figura 2: Matriz Empírica de Transición Markoviana en un Periodo Ecuación 2 Type=6 2.K: P = 1 en periodo t-1 2. Gasolina 93 Primero.O: P = 5 en periodo t-1 2. Las distribuciones son más planas que las encontradas en la Figura 1 (Paneles 2.P-S).J: P = 0 en periodo t-1 2. la inercia de un periodo encontrada anteriormente disminuye fuertemente. que presenta persistencia tanto en las estaciones baratas como en las más caras. Además. es más probable que la estación vuelva más rápidamente a su precio promedio relativo.M: P = 3 en periodo t-1 2.P: P = 6 en periodo t-1 2.I: P = -1 en periodo t-1 2. se puede a…rmar que el proceso de …jación de precios de cada 20 .A: P = -9 en periodo t-1 0 5 10 15 0 10 20 30 40 50 -15 -10 -5 -15 -10 -5 0 5 10 15 -15 -10 -5 0 5 10 15 -15 -10 -5 0 5 10 15 -15 -10 -5 0 5 10 15 Precio en el periodo actual (t) Figura 2. Al parecer.R: P = 8 en periodo t-1 2. salvo en la gasolina de 93 octanos.B: P = -8 en periodo t-1 2.S: P = 9 en periodo t-1 0 10 20 30 40 50 0 10 20 30 40 50 Percent 0 10 20 30 40 50 2. por lo que los precios convergen más rápidamente hacia su precio relativo promedio típico. Ecuacion 2.C: P = -7 en periodo t-1 2. Al controlar por la heterogeneidad de las estaciones mediante el efecto …jo.N: P = 4 en periodo t-1 2.que la inercia en un periodo es mayor en las estaciones más caras.A-C y 2. en comparación a la …gura anterior.F: P = -4 en periodo t-1 2. Matriz de transicion empirica.G: P = -3 en periodo t-1 2. Mediante este análisis.D: P = -6 en periodo t-1 2. Este comportamiento se repite en los demas combustibles.E: P = -5 en periodo t-1 2.H: P = -2 en periodo t-1 2.Q: P = 7 en periodo t-1 2. pero está aún presente.

aún después de controlar por el efecto …jo constante a través del periodo estudiado. es decir: (3) pit = + X q i (Stationit )(yearq ) + X t W eekt + uit donde q = (2005. Esto podría disminuir la inercia encontrada en algunos tipos de combustibles.estación tienen un carácter dinámico inherente. por ejemplo: la instalación de una estación competidora que no está en la muestra. la inercia tiene un factor no incluido en la especi…cación que podría explicarla.M que representa la matriz de transición del diesel. pero incluyendo cambios en los efectos …jos calculados. el resto de los tipos de combustibles se 21 . 2007. por lo que aún despues de controlar por el efecto …jo de la estación. la creación de una zona industrial cercana a la estación y que presente una alta demanda por un tipo especí…co de combustible (diesel). causado por factores externos y que cambian a lo largo de la muestra. Una aproximación a la solución de este problema. 2009). etc. La Figura 2. Para controlar este cambio en la estrategia de precios. por lo menos de un periodo. 2006. presenta una mayor inercia que la encontrada en las gasolinas. 2008. es realizar una regresión que permita controlar por cambios en la estrategia de …jación de precios. son los años incluidos en la muestra. se realiza una regresión similar a la anterior. La Figura 3 muestra el análisis de esta ecuación para el diesel. en el anexo.

tienden a mantener el mismo precio en el periodo siguiente.R: P = 8 en periodo t-1 3.P. En la Figura 3.A: P = -9 en periodo t-1 0 5 10 15 0 10 20 30 40 50 -15 -10 -5 -15 -10 -5 0 5 10 15 -15 -10 -5 0 5 10 15 -15 -10 -5 0 5 10 15 -15 -10 -5 0 5 10 15 Precio en el periodo actual (t) Figura 3.A-2.I: P = -1 en periodo t-1 3. aquellas más baratas o más caras con respecto al promedio. es 22 . se puede observar una disminución notable de la inercia encontrada anteriormente.H: P = -2 en periodo t-1 3.N-P del anexo: Figura 3: Matriz Empírica de Transición Markoviana en un Periodo Ecuación 3 Type=9 3. Los test de las desviaciones estándar de los residuos se encuentran en la Tabla 2. Aún así.G: P = -3 en periodo t-1 3. Matriz de transicion empirica.N: P = 4 en periodo t-1 3.F: P = -4 en periodo t-1 3.O: P = 5 en periodo t-1 3.Q: P = 7 en periodo t-1 3.B: P = -8 en periodo t-1 3.S: P = 9 en periodo t-1 0 10 20 30 40 50 0 10 20 30 40 50 Percent 0 10 20 30 40 50 3.L: P = 2 en periodo t-1 3. Ecuacion 3.encuentra en las Figuras 2. sobre todos en las estaciones de los extremos. y muestran resultados similares a los vistos anteriormente.E: P = -5 en periodo t-1 3.C: P = -7 en periodo t-1 3.P: P = 6 en periodo t-1 3. las estaciones que …jan precios promedios. por lo que la inercia entre periodos disminuye a través de todos los tipos de combustibles.D. Diesel Los resultados de la regresión ?? se obvservan en la tercera columna de las Tablas 2.D: P = -6 en periodo t-1 3.K: P = 1 en periodo t-1 3.M: P = 3 en periodo t-1 3.J: P = 0 en periodo t-1 3. Esta ecuación denota que el efecto …jo por toda la muestra puede omitir cambios relevantes en el entorno competitivo. Los coe…cientes que miden el efecto …jo temporal presentan una mayor heterogeneidad en su signi…cancia que las estimaciones calculadas anteriormente. Los efectos …jos que cambian a través de los años permiten explicar de mejor manera la …jación de los precios.

pero esa persistencia va disminuyendo conforme vamos controlando por las distintas especi…caciones de efectos …jos realizados. 23 . para así corregir y mejorar la e…ciencia de los resultados con respecto a la inercia encontrada. Como podemos ver. éste depende del precio …jado en el periodo pasado. la hipótesis de menor dispersión no se cumple para todos los tipos de combustibles al controlar por el efecto …jo constante a través de la muestra. se estudiarán las predicciones emanadas de las teorías de los modelos de búsqueda del consumidor e información imperfecta.A-2.D muestran dicha regresión. ni controlando por efectos …jos que cambian en el tiempo y tampoco al considerar el análisis bajo GLS.decir. por lo que el análisis encontrado se muestra en la Tabla 2. Con el ánimo de encontrar un modelo de dispersión de precios relevante. se realizó el cálculo de los residuos bajo GLS.R del anexo y se muestra una menor dispersión del diesel con respecto a la gasolina de 97 octanos. mas no se puede rechazar que presenten la misma dispersión el diesel y la gasolina de 97 octanos. que el diesel presenta mayor dispersión que las gasolinas de 93 y 95. Al detectar la heterogeneidad presente aún despues de controlar por los efectos …jos y la autocorrelación debido a la inercia en la …jación de precios. correlación de un periodo. considerando heterocedasticidad entre las estaciones y además. Los resultados del análisis de las dispersiones de los residuos fueron similares a los obtenidos con la ecuación (2). Se detecta una inercia relevante en la …jación de precios. La cuarta columna de las Tablas 2. para así contrastarlas con los datos.

La mejor ubicación ciertamente es una condición multifactorial. Si la dispersión de precios fuese causada sólo por la heterogeneidad de las estaciones. Las condiciones de trá…co.C.sectra. El comportamiento a través de los quintiles de la distribución de precios reportados ayudaría a reforzar el concepto anterior. La estación está ubicada en la comuna de Ñuñoa. Salop y Stiglitz 1977. pero los datos disponibles en SECTRA (www. para así evitar que los consumidores puedan aprender la ubicación relativa de cada estación dentro de la distribución de precios y así quedarse algunas con los consumidores que deciden no informarse. mas los datos disponibles sólo permiten evaluar el factor del ingreso comunal como una aproximación de dicha condición. los consumidores enfrentan un costo positivo en aprender la distribución de precios presente en el mercado.IV. considerada en la muestra como una comuna de altos ingresos13 : 12. 13. Las Figuras 4 y 5 muestran el ranking obtenido de los residuos de la Ecuación (1) y el desvío que presenta la misma estación con respecto a su precio promedio relativo. antes y despues de haber controlado por la heterogeneidad de cada estación. por ejemplo. Salop 1977). y otras estaciones con una mezcla de los dos consumidores. …jando por ende. Consumer Search Model Bajo un paradigma de este tipo de modelos. las estaciones "mejor ubicadas" presentarían constantemente precios más altos relativos a la ciudad. por lo que se tendría que esperar que dichas estaciones no cambien su ranking relativo a la ciudad12 . Esta teoría predice entonces. que si confeccionamos un ranking con la posición relativa del precio semanal dentro de la ciudad. Las estaciones que cumplirían esta condición. por lo que tambien se estudiará. van a existir cambios signi…cativos en dicho ranking a través del tiempo. sería una adición relevante. Los rankings para cada una de las estaciones están disponibles a petición del lector por parte del autor 24 . y las estaciones cambian constantemente su posición relativa en la distribución de precios de la ciudad. serían aquellas ubicadas en comunas de mayores ingresos. con precios cercanos al costo marginal (ver Lewis 2008. precios más altos que el resto.cl) no presentan el detalle necesario para la correcta inclusión a este trabajo.

Se presentan las mismas Figuras para la estación de la marca JLC. si la dispersión de precios se explicara sólo por la heterogeneidad presente en las estaciones. Desvios en pesos. 95. sobre todo al …nal de la muestra en el diesel. Ecuacion 1 95 97 Diesel -20 60 -20 0 20 40 dmean_price 0 20 40 60 93 0 100 200 0 100 200 Semana muestra Graphs by Tipo de Bencina: 93. una comuna 25 . 95.Ecuacion 2 La Figura 4 presenta cambios signi…cativos de la posición relativa a la ciudad al …nal de la muestra. 97 y Diesel Figura 4. Es decir. Lo mismo ocurre al controlar por los efectos …jos en la Figura 5.95 97 Diesel 10 0 30 20 0 10 Relative ranking: price 20 30 93 0 100 200 0 100 200 Semana muestra Graphs by Tipo de Bencina: 93. donde se muestra que la estación se desvía constantemente de su precio promedio relativo típico. ubicada en Quinta Normal. estos cambios de ranking serían menores. 97 y Diesel Figura 5.

Estos comportamientos se repiten en todas las estaciones presentes en la muestra. Desvios en pesos. 97 y Diesel Figura 7. constantemente …ja precios más bajos que su precio relativo típico. descontados por los efectos …jos. Ecuacion 1. señala que esta estación. 95.Ecuacion 2 La Figura 6 con…rma que semana a semana. lo que muestra que hay indicios de entregar precios diferentes. cada semana al consumidor. es decir. la estación de JLC …ja los precios más bajos de la ciudad. 95. en cada uno de los tipos de bencina. pero la …gura siguiente. que después de controlar por el efecto …jo. para que así tenga que incurrir en un gasto y cotizar para obtener el precio más conveniente. que las estaciones tienden a …jar precios diferentes al precio típico en cada semana. 26 . 95 97 Diesel -60 -40 -20 20 -60 -40 -20 0 dmean_price 0 20 93 0 100 200 0 100 200 Semana muestra Graphs by Tipo de Bencina: 93.de bajos ingresos: 95 97 Diesel 5 0 15 10 0 5 Relative ranking: price 10 15 93 0 100 200 0 100 200 Semana muestra Graphs by Tipo de Bencina: 93. la estación …ja precios distintos al esperado. 97 y Diesel Figura 6. Hay un comportamiento diferente para los distintos tipos de combustibles. por lo que se rea…rma el movimiento relativo en el ranking de la ciudad y además.

86 0 60.66 5.95 4.89 4.55 22. que se con…rma lo encontrado con las matrices empíricas de transición markoviana. Primero.89 0 31.42 10.88 2. De las tablas anteriores se pueden extraer dos relaciones importantes.27 5. las estaciones de servicio se encuentren en el mismo 14.45 27.47 6.89 4. Es decir.42 43. Los demas tipos de combustibles presentan un movimiento similar.47 6.29 51.69 100 0 0 0 0 Cuatro semanas q1 q2 q3 q4 q5 86.85 28.22 9.08 25 0 0 0 17.42 43.05 2.42 2.27 5.08 25 0 0 0 17.58 0 8. se estudia el cambio entre quintiles de la semana t con t+1.18 72.85 28.47 2.23 7. ya que es mucho más probable que de una semana a otra.95 4.09 9. cuatro y ocho semanas.79 5.88 2.66 1. Dichas tablas se construyeron con una diferencia de una.4 50.18 72.23 7.08 2.56 61.05 2.86 0 60.4 50.79 17.11 10 1. 27 .09 70 0 20 10 0 0 0 23.51 Tabla 2.62 16.86 Ocho semanas q1 q2 q3 q4 q5 71.44 11.66 1.82 9.71 51.43 14. Cambios en los quintiles Tabla 3.13 0.79 17.11 10 1.71 51.76 4. t+4 y t+8 Las tablas correspondientes a los precios corrientes y a los residuos de la Ecuación (2) se detallan a continuación para el diesel14 : q1 q2 q3 q4 q5 q1 q2 q3 q4 q5 q1 q2 q3 q4 q5 Una semana q1 q2 q3 q4 q5 81.14 82.29 51.22 9.55 22.62 16.56 61.14 82.08 69.51 q1 q2 q3 q4 q5 q1 q2 q3 q4 q5 q1 q2 q3 q4 q5 Una semana q1 q2 q3 q4 q5 81.82 9.42 2.41 0 0 14.42 10. por lo que las tablas se omiten.43 22.41 0 0 14.43 22.43 14. pero quedan a pedido del autor.45 27. Cambios en los quintiles entre semanas de los precios entre semanas de los residuos de la corrientes.73 0 0 9.86 Ocho semanas q1 q2 q3 q4 q5 71.44 11.89 0 31. Ecuacion 2.44 15.13 0.Con el ánimo de ahondar en lo anterior.58 0 8.09 0 0 18.08 84.79 5.47 2.73 0 0 9.44 15.76 4.09 70 0 20 10 0 0 0 23. que controla por efecto …jo de estación.09 0 0 18.09 9.66 5.08 84.08 69.08 2. se confeccionaron tablas de cambios entre los quintiles de los precios y residuos de la ecuación (2).69 100 0 0 0 0 Cuatro semanas q1 q2 q3 q4 q5 86.

entonces. lo que rea…rma el concepto del movimiento a través de la distribución de precios. antes de estar en uno diferente. Lo segundo. Una manera novedosa de enfrentar este problema es construir un grupo de "control y tratamiento". eligen los precios para competir por los consumidores informados o no informados. La diagonal de las tablas en una semana lo demuestra. Una diferencia crítica entre estos dos modelos es que bajo diferenciación del producto los precios no cambian si se mantienen constantes las características del producto. accesibilidad. se muestra que la probabilidad de que una estación se mantenga en el mismo quintil es menor o muy cercana al 50% cuando extendemos el periodo de una a cuatro y ocho semanas. y el ranking no cambia al no cambiar los factores diferenciadores. Pero esta relación podria ser causada tambien por una diferenciación del producto. Las estaciones que están ubicadas "en la misma esquina" presentan diferencias en los precios únicamente debido a la diferenciación de productos (marca. a que se mantenga en la misma posición relativa. éstas compiten sólo por diferenciación de producto. ya que sólo hay diferenciación de producto. en el que se sepa por de…nición que uno de los dos elementos (información imperfecta o diferenciación) esté ausente.quintil. Por otro lado. por lo tanto. que una estación de servicio en el futuro esté en un quintil distinto al actual. que sería un fuerte indicio de la presencia de información imperfecta en el mercado. sobre todo si consideramos los cambios en el precio corriente de la Tabla 2. Luego. se presenta el siguiente test empírico. Entonces. es la diferencia entre un modelo de información imperfecta hacia los consumidores y diferenciación en el producto como explicación a la dispersión de precios encontrada y al movimiento de las estaciones entre los quintiles de precios. Las estaciones vecinas. con respecto a las demás estaciones. Para poder contrastar esta pregunta. cambios en el ranking de pares de estaciones deben ser menores entre las estaciones vecinas. En las restantes estaciones cercanas. Es más probable. La última disyuntiva presente en el trabajo. un modelo de dispersión de precios temporal con información imperfecta (ver Chandra y Tappata 2008) a…rma que los precios relativos cambian para que el consumidor tenga que adivinar y comprar al azar o cotizar e incurrir en un costo de búsqueda. pero si lo hacen con respecto a las otras estaciones "cercanas". al 28 . Este efecto es más potente al controlar por los efectos …jos de las estaciones. servicios extras). No compiten entre sí por los consumidores turistas o nativos. cuando ese consumidor enfrenta a las dos estaciones vecinas.

por lo tanto los cambios deben ser mayores. Lo óptimo sería encontrar aquellas estaciones ubicadas en la misma esquina. muestran el mismo análisis considerando la diferencia entre los tipos de combustibles y la Tabla 4 presenta las estadísticas relevantes:c 15. Sea sij el vector de la diferencia de precios entre dos estaciones (i. de…nidas como aquellas con una distancia menor a 2 kms y que además estén ubicadas en la misma calle. Las Figuras 8 y 9 muestran los histogramas de los cambios de ranking para ambos grupos. pero lamentablemente. Se de…ne entonces. en el anexo. tal que pit pjt es observado la mayor parte del tiempo. La manera más directa para analizar la dispersión de precios temporal es observar. entonces. pero la poca cantidad de datos impide realizar el test de esa manera. las Figuras 3.A y 3. Se de…nen como estaciones "vecinas" . Una estación vecina no se incluye como una estación cercana. los cambios en el ranking de precios a través del tiempo. Un número mayor de estaciones ayudaría a obtener mejores estimaciones.B. 29 . las estaciones "cercanas". son pocos los datos en los que se cumplen las condiciones necesarias y el universo de estaciones disponibles en la muestra es reducido. Por otro lado.mecanismo de diferenciación de productos presente en los dos tipos de estaciones. como las estaciones del grupo de tratamiento de "información imperfecta". como un cambio en el ranking entre las estaciones i y j como la proporción de observaciones donde pjt > pit : (4) rij = Tij 1 X Ifp >p g Tij t=1 jt it Se calculó este estadístico para los dos grupos de estaciones: las vecinas y las cercanas. j) sobre Tij días. se agrega el factor de la información imperfecta. aquellas que poseen una distancia entre sí menor a 100 metros15 y éstas son las estaciones del grupo de control. Se detectaron 6 pares de estaciones vecinas y 9 pares de estaciones cercanas en los datos.

158 1.067 1.036 Gas.655 Diesel 0.227 0.8 Figura 9.0 20 Percent 40 60 Estaciones vecinas 0 .207 1.1 . Estadisticas descriptivas de los cambios en el ranking 30 . 0 10 20 Percent 30 40 50 Estaciones Cercanas 0 .061 0.071 2.170 1.089 2.202 0.2 . Estaciones Vecinas Cambio de ranking promedio Diferencia promedio de precios Estaciones Cercanas Cambio de ranking promedio Diferencia promedio de precios Gas. Distribucion de los cambios en el ranking de las estaciones vecinas.4 (mean) r1 .032 2.865 0.120 Tabla 4. Distribucion de los cambios en el ranking de las estaciones vecinas.785 0.6 .97 0.95 0.4 Figura 8.2 (mean) r1 .336 0.93 Gas.3 .

entonces tendríamos que esperar que F1 (r) < F2 (r). y la Tabla 3.0000 1.0000 Tabla 5. tambien presenta un 8% de veces precios más altos que su rival.5694 0.La Tabla 4 muestra la existencia de dispersión de precios temporal: todas las estaciones presentan un cambio de ranking entre ellas a lo largo del periodo estudiado y dicho cambio de ranking promedio está cerca de un 7% para las estaciones vecinas y un 18% para las estaciones cercanas. por lo que el modelo de información imperfecta.5694 0. tiene un efecto relevante y cuantitativo al cambiar 31 . lo que sugiere que la intensidad de la competencia es heterogénea a través de los tipos de combustibles.0000 Combinación KS 0.0000 Estaciones cercanas 0. presente solamente en las estaciones cercanas.C. Este es un test no paramétrico que evalúa la hipótesis alternativa F1 ? F2 . Tambien se observa que la diferencia de precios entre dos estaciones cambia cuando se cambia el octanaje. Analisis de Kolgomorov-Smirnov La tabla muestra que la hipótesis inicial de este análisis se cumple. debido al escaso número de estaciones. en el anexo. contra la hipótesis nula H0 : F1 = F2 : La Tabla 5 presenta el resultado del test para los dos grupos de estaciones. Esto quiere decir que una estación que cobra un precio más bajo que su vecino. la comparación empírica entre los dos grupos (estaciones vecinas y cercanas) es posible. Su usa el test de Kolgomorov-Smirnov (KS) para testear dicha hipótesis. Las estaciones vecinas presentan menores cambios en sus rankings. La combinación KS realiza el test de hipótesis de que ambas distribuciones son iguales. Aun a pesar de presentar pocas observaciones. muestra la desagregación entre los distintos tipos de combustibles: Test de Kolgomorov-Smirnov de igualdad de distribuciones Grupo más pequeño D p-value Estaciones vecinas 0. Supongamos que los cambios en el ranking entre estaciones cercanas son extraídos de una distribution F1 (r) y que los cambios en el ranking de las estaciones cercanas se extrae de F2 (r). Si el concepto de búsqueda del consumidor es relevante en el mercado de los combustibles.

Además. no se presentan diferencias signi…cativas entre los distintos tipos de combustibles. La dispersión de precios temporal es signi…cativamente menor para el grupo de control que para el grupo de tratamiento.el lugar relativo de las estaciones.C. en el anexo. básicamente. por el escaso número de observaciones disponibles. al observar la tabla 3. Esto puede ser. 32 .

de al menos un periodo. con el …n de explicar la dispersión de precios y márgenes. Muchos aspectos que pueden aportar a esta literatura fueron dejados de lado. Finalmente.V. se encontró evidencia de que las estaciones de servicio cambian constantemente su posición relativa en la distribución de precios a lo largo del tiempo. que el paradigma de información imperfecta está presente en este mercado. debido a que los consumidores de este combustible líquido poseen mayor incentivo a cotizar y buscar la estación con el precio más bajo en cada semana. al realizar el test de cambios en el ranking para estaciones cercanas y vecinas. La dispersión de los márgenes es menor en el mercado del diesel que en el de las bencinas. Luego se encuentra. la estación de servicio se encuentre en un quintil de precio distinto al actual. Conclusiones Se examinaron los precios de 54 estaciones de servicio de la Región Metropolitana. homogeneizando entonces la …jación del precio semanal. es más probable que en el mediano plazo (4 a 8 semanas). Adicionalmente. principalmente. ya que al descontar por efectos …jos de cada estación. lo que indicaría que las estaciones de servicio pueden seguir estrategias diferentes de …jación de precio a lo largo del periodo estudiado. controlando por heterogeneidad en los vendedores. la …jación de precios de las distintas estaciones de servicio responde a un proceso dinámico. ya que se 33 . y se encontró que la dispersión puede ser explicada. lo que rea…rma la idea de que existen cambios en los precios relativos. asi como tambien al controlar por efectos …jos temporales. Este mercado presenta menores márgenes tambien. por la existencia de costos de búsqueda positivos por parte del consumidor. en Santiago de Chile. durante 226 semanas. se encuentra que la posición relativa del precio ajustado en cada semana varía. mientras que las primeras sólo poseen este último factor. que llevarían al consumidor a tener que hacer una conjetura respecto a la creencia acerca de que estación de servicio presenta menores precios. la persistencia encontrada disminuye. tal como se espera bajo un modelo de costos de búsqueda. al revisar la intuición de que estaciones vecinas presentan menores cambios de ranking que las estaciones cercanas. Además. Al controlar por efectos …jos propios de cada estación. debido a que estas últimas tienen incorporado los factores de información imperfecta y diferenciación del producto. siendo este otro indicio de la relevancia de información imperfecta y apoya la presencia de costos de búsqueda.

que puede actuar como un borde competitivo17 dentro de un posible cartel. este mercado permite contestar muchas de las interrogantes planteadas para trabajo futuro en esta investigación y se espera que este trabajo pueda servir de inicio para los demás. como en Eckert & West (2005) pueden explicar la uniformidad existente entre las grandes marcas distribuidoras16 . la existencia de la marca de distribución JLC. 16. y se espera que en investigaciones posteriores. este tipo de desafíos puedan ser respondidos. desestimó la presencia de colusión en el mercado chileno. la búsqueda de una teoría de …jación de precios de retail que permita explicar los hechos estilizados encontrados. la presencia del precio de referencia entregado por la ENAP a los consumidores y su efecto en variables de asimetría de precios o en el mismo nivel. la presencia (o no) de ciclos de Edgewoth en la …jación de precios. Como se puede apreciar. el estudio dinámico de los precios de las distintas estaciones. 17. Los modelos de colusión en el mercado retail de las bencinas.escapan del ámbito del presente trabajo. etc. fringe 34 . A pesar de que la sentencia del diez de junio del 2005 del Tribunal de la Libre Competencia.

VI. 95.A 95 97 Diesel 0 . 97 y Diesel 35 400 600 800 .005 . Anexos Figura 1.005 0 Density .01 .01 93 200 400 600 800 200 Precio Density normal price Graphs by Tipo de Bencina: 93.

05 93 -50 0 50 100 150 -50 0 Margen por semana y por estación Density normal margin Graphs by Tipo de Bencina: 93. 97 y Diesel 36 50 100 150 . 95.05 0 Density .Figura 1.B 95 97 Diesel 0 .

53 c 0.6774 [11246.0000 0.0000 Diesel b 0.0000 sd = 84. 11303] 1.0000 1.C Precio Gasolina 93 (sd=63.5636 [11246.093) Gasolina 95 (sd=9.56 c 1.0000 0. 11302] 1.0000 Nota: H0: ratio=sd(diesel)/sd(gasolinaXX)=1.993) Gasolina 97 (sd=13.4602 [11246.0000 1.0000 0.0000 0. a) H1: ratio<1.0000 1.0000 0.0000 0.0000 Diesel b 0. 37 .0000 1.0000 sd=9.268) Gasolina 97 (sd=67. 11302] 0.428) a 0.0000 Margen Gasolina 93 (sd=14.601) f gdl p-value f gdl p-value f gdl p-value a 1. 11303] 0. 11304] 1.653) Gasolina 95 (sd=65.9151 [11246.5068 [11246. b) H1: ratio!=1. c) H1: ratio>1.7636 [11246. 11304] 0.Tabla 1.0000 0.0000 0.

97 y Diesel 38 100 200 . 95.93 95 97 Diesel 0 100 50 0 margin_week_type 50 100 Figura 1.D 0 100 200 0 Semana muestra Graphs by Tipo de Bencina: 93.

88 595.864 $ 790.E Comunas Las Condes Ñuñoa La Reina San Miguel La Florida Santiago Maipu La Cisterna Estacion Central Independencia Pudahuel Quinta Normal Recoleta Ingresos $ 2.47 48.03 601.97 588.17 51.23 579.75 580.17 580.006 $ 1.09 49.55 463.97 47.84 54.69 610.35 Precio Promedio G.60 576.28 55.01 44.55 581.29 40.063 $ 1.50 38.022 $ 532.349 $ 869.24 G.58 45.09 44.40 46.80 39. 93 584.44 53.10 480.35 46.18 32.20 30.01 41.361.21 36.19 479.71 613.96 569.31 469.56 48.144 $ 701.30 568.48 36. 93 56.01 592.483 $ 1.68 471.224.25 591.07 576.49 59.69 28.54 607.42 609.164 $ 907. 95 G.73 38.74 46.15 580.18 43.41 40.95 34.62 598.97 58.39 601.30 47.88 44.64 57.88 47.65 579.51 30.48 38.35 589.36 467.12 .54 588.85 36. 95 G.22 612.44 601.00 49.452.97 599.94 44.966 G.44 576.94 575.32 576.81 475.08 461.02 39.18 51.10 46.35 605.90 593.30 41.99 588.00 471.13 569.84 47.31 602.43 486.11 583.Tabla 1.133 $ 770.34 590.17 53.77 39 Diesel 479.71 589.74 467.51 45.573.61 36.06 478.229 $ 831.64 43.11 36.81 Margen Promedio G.57 34.09 596.78 Diesel 50.748 $ 625.349 $ 737.15 36.

6*** -0.852 -0.807*** -0.731 -0.084*** 0 -0.93*** -0.706 -1.854 -0.573 -1.05 -0.722 Semana 5 48.686 Estación 2 1.752 -8.4*** -1.762 -0.457*** -0.322 Estación 2*Año 2008 4.702 -0.9*** 455.54*** 48.722** -0.81 11303 - .5 0.1*** 461.26*** -0.0796 0 Estación 2*Año 2006 2.1 Ec.761 1.305 455.76*** -0.524 23.5 -0.01.86 Semana 3 24.388*** -1.987 0.726 -0.487 -0.0796 0 Estación 90 (JLC) -8. * p<0.996 Robust standard errors in parentheses *** p<0.789 -0.76*** 24.322 Estación 2*Año 2007 4.A Gasolina 93 Ec.606*** 0 -0.072 -0.727 47.92*** -0.868 Observations 11303 11303 11303 R² 0.69*** -0.05.754*** -0.1 40 GLS -0.75*** 41.5 0.99*** -0.76*** 24.797 Semana 4 41.322 Estación 2*Año 2009 1.322 Constant 461.69*** 41.658 41.791 -0.Tabla 2. ** p<0.3 VARIABLES price Semana 2 0.52*** 48.274*** 0 -0.995 0.2 Ec.215*** -0.0796 0 Estación 3 -1.

014*** -0.29*** 24.688 -0.2*** 456.28 Estación 2*Año 2007 4.714*** -0.866 -0.3 VARIABLES price Semana 2 0.28 Estación 2*Año 2008 4.586 Estación 2 1.513 447.01.0751 0 Estación 90 (JLC) -8.638 -0.996 Robust standard errors in parentheses *** p<0.Tabla 2.28 Estación 2*Año 2009 2.735 Observations 11304 11304 11304 R² 0.765 47.419 -0.28 Constant 456.702 Semana 4 41.1 Ec.1 41 GLS -0.0751 0 Estación 2*Año 2006 2.29*** 24. * p<0.863 -1.64*** -0.05.031*** -0.B Gasolina 95 Ec.46*** -0.365 -0.647 -0.0751 0 Estación 3 -1.20*** 41.2 Ec.368*** -1.756 -0.12*** 48.697 -0.31*** 41.260*** 0 -0.5*** -0.537 23. ** p<0.249*** 0 -0.64*** -0.944 11304 - .982 0.627 Semana 5 48.604 -0.995 0.831 -0.28*** -0.809 1.896 -8.13*** 48.7*** 447.695 -0.390*** 0 -0.95*** -0.0238 0.29*** -0.831*** -0.684 40.3*** -1.763 Semana 3 24.375 -0.0238 0.757 -0.0238 -0.

249 Estación 2*Año 2009 -7.59*** -0.1 Ec.937 Estación 2 -0.541 -0.81*** 23.581 Semana 3 23.625 -0.978 0.31*** -0.813*** -0.3 GLS VARIABLES price Semana 2 -0.249 Estación 2*Año 2007 4.0772 0 -2.50*** -0.2 Ec.249 Constant 451.32*** -0.84*** 40.346 -0.249 Estación 2*Año 2008 -0.842*** -0.691 -0.1 42 . * p<0.98*** 40.140*** 0 -1.4*** 451.200** -0.01.684 -0.Tabla 2.75*** 40.632 -1.796 -0.67*** 47.047 Estación 2*Año 2006 2.995 Robust standard errors in parentheses *** p<0.6*** 441.606 -0.060*** -0.63 -0.476 -0. ** p<0.11 -0.81*** 23.317*** 0 -0.759 Semana 4 40.646 -0.253 Observations 11305 11305 11305 11305 R² 0.525 -0.476 -0.05.476 -1.C Gasolina 97 Ec.2*** 441.624 -0.271 Estación 3 -1.81*** 47.69*** 47.21*** 0 -10.476 -0.284 -0.577 -0.0772 0 -1.992 0.268 Estación 90 (JLC) -10.686 -0.0772 0 -1.81*** 23.869 Semana 5 47.595 -0.8*** -1.

571 -1.501 Observations 11247 11247 11247 11247 R² 0.245 Estación 2*Año 2009 1.577 Semana 3 -12.633 0 -1.2 VARIABLES Semana 2 Ec.348 0 -1.1 43 .245 Constant 353.3*** 352.53*** 12.447 Estación 90 (JLC) -6.939*** 0 -6.98*** -0.745 -0.3 GLS price -18.04 -0.899 Estación 2 0.05.3*** -0.745 Semana 4 12.695 -0.05*** -0.54*** -19.501 -0.80*** 16.60*** 12.899 -0. ** p<0.995*** -0.497 -1.54*** -19.447 0 -1.468 -0.01.96*** -1.729 -0.348 -1.577 -1.726*** -0.2*** 344.245 Estación 2*Año 2007 4.471 -0.05*** -12.689 -0.633 Estación 3 -1.02*** -13.02*** -13.841 -0.914 -1.989 0.D Diesel Ec.96*** -18.246 Estación 2*Año 2008 0.90*** -0.Tabla 2.571 0 0.067 0 -2.997 Robust standard errors in parentheses *** p<0.067 Estación 2*Año 2006 1.98*** 16.335*** -0.841 Semana 5 16. * p<0.992 0.90*** 12.739 -0.1 Ec.939*** -2.2*** 344.03 -0.749*** -0.89*** 16.

97 y Diesel 44 0 50 100 .Figura 2.E 95 97 Diesel 0 .02 .04 .06 .04 .02 0 Density .06 93 -50 0 50 100 -50 Residuos Ecuación 1: Week Density normal res_w Graphs by Tipo de Bencina: 93. 95.

1 .05 .1 .Figura 2.F 95 97 Diesel 0 . 97 y Diesel 45 50 100 .15 . 95.15 93 -50 0 50 100 -50 0 Residuos Ecuacion 2: Week & Station con reg Density normal res_ws Graphs by Tipo de Bencina: 93.05 0 Density .

782769) Gasolina 97 (sd= 5.0000 c 0.13005) f gdl p-value f gdl p-value f gdl p-value a 1.0000 b 0.Tabla 2.0000 0.0000 0.0000 b 0.G Diesel sd = 8.7162 1.0000 0. 11303] 0.8801 [11246.4887 [11246.0000 Ecuación 2 Gasolina 93 (sd= 4.0000 1. 11302] 1.5676 0.0000 0.899082) a 1. 11304] 0.6716 [11246.534255 Ecuación 1 Gasolina 93 (sd=7.2838 0.0000 1.0000 0.74972) Gasolina 97 (sd= 10.0000 46 .9893 [11246.280543) Gasolina 95 (sd= 4. 11302] 1.7381 [11246.0000 c 0.0000 0.0000 0.132645) Gasolina 95 (sd= 8. 11304] 0.3389 [11246.702748 Diesel sd= 5. 11303] 1.

Figura 2.H

Figura 1: Matriz Empírica de Transición Markoviana en un Periodo
Ecuación 1 Type=6
1.B: P = -8 en periodo t-1

1.C: P = -7 en periodo t-1

1.D: P = -6 en periodo t-1

1.E: P = -5 en periodo t-1

1.F: P = -4 en periodo t-1

1.G: P = -3 en periodo t-1

1.H: P = -2 en periodo t-1

1.I: P = -1 en periodo t-1

1.J: P = 0 en periodo t-1

1.K: P = 1 en periodo t-1

1.L: P = 2 en periodo t-1

1.M: P = 3 en periodo t-1

1.N: P = 4 en periodo t-1

1.O: P = 5 en periodo t-1

1.P: P = 6 en periodo t-1

1.Q: P = 7 en periodo t-1

1.R: P = 8 en periodo t-1

1.S: P = 9 en periodo t-1

0 10 20 30 40 50
0 10 20 30 40 50

-15 -10 -5

0 10 20 30 40 50

Percent

0 10 20 30 40 50

1.A: P = -9 en periodo t-1

-15 -10 -5

0

5

10 15

-15 -10 -5

0

5

10 15

-15 -10 -5

0

5

10 15

-15 -10 -5

Precio en el periodo actual (t)

47

0

5

10 15

0

5

10 15

Figura 2.I

Figura 1: Matriz Empírica de Transición Markoviana en un Periodo
Ecuación 1 Type=7
1.B: P = -8 en periodo t-1

1.C: P = -7 en periodo t-1

1.D: P = -6 en periodo t-1

1.E: P = -5 en periodo t-1

1.F: P = -4 en periodo t-1

1.G: P = -3 en periodo t-1

1.H: P = -2 en periodo t-1

1.I: P = -1 en periodo t-1

1.J: P = 0 en periodo t-1

1.K: P = 1 en periodo t-1

1.L: P = 2 en periodo t-1

1.M: P = 3 en periodo t-1

1.N: P = 4 en periodo t-1

1.O: P = 5 en periodo t-1

1.P: P = 6 en periodo t-1

1.Q: P = 7 en periodo t-1

1.R: P = 8 en periodo t-1

1.S: P = 9 en periodo t-1

0 10 20 30 40 50
0 10 20 30 40 50

-15 -10 -5

0 10 20 30 40 50

Percent

0 10 20 30 40 50

1.A: P = -9 en periodo t-1

-15 -10 -5

0

5

10 15

-15 -10 -5

0

5

10 15

-15 -10 -5

0

5

10 15

-15 -10 -5

Precio en el periodo actual (t)

48

0

5

10 15

0

5

10 15

Figura 2.J

Figura 1: Matriz Empírica de Transición Markoviana en un Periodo
Ecuación 1 Type=8
1.B: P = -8 en periodo t-1

1.C: P = -7 en periodo t-1

1.D: P = -6 en periodo t-1

1.E: P = -5 en periodo t-1

1.F: P = -4 en periodo t-1

1.G: P = -3 en periodo t-1

1.H: P = -2 en periodo t-1

1.I: P = -1 en periodo t-1

1.J: P = 0 en periodo t-1

1.K: P = 1 en periodo t-1

1.L: P = 2 en periodo t-1

1.M: P = 3 en periodo t-1

1.N: P = 4 en periodo t-1

1.O: P = 5 en periodo t-1

1.P: P = 6 en periodo t-1

1.Q: P = 7 en periodo t-1

1.R: P = 8 en periodo t-1

1.S: P = 9 en periodo t-1

0 10 20 30 40 50
0 10 20 30 40 50

-15 -10 -5

0 10 20 30 40 50

Percent

0 10 20 30 40 50

1.A: P = -9 en periodo t-1

-15 -10 -5

0

5

10 15

-15 -10 -5

0

5

10 15

-15 -10 -5

0

5

10 15

-15 -10 -5

Precio en el periodo actual (t)

49

0

5

10 15

0

5

10 15

B: P = -8 en periodo t-1 2.F: P = -4 en periodo t-1 2.C: P = -7 en periodo t-1 2.P: P = 6 en periodo t-1 2.I: P = -1 en periodo t-1 2.E: P = -5 en periodo t-1 2.N: P = 4 en periodo t-1 2.Figura 2.R: P = 8 en periodo t-1 2.M: P = 3 en periodo t-1 2.K: P = 1 en periodo t-1 2.G: P = -3 en periodo t-1 2.D: P = -6 en periodo t-1 2.H: P = -2 en periodo t-1 2.L: P = 2 en periodo t-1 2.O: P = 5 en periodo t-1 2.S: P = 9 en periodo t-1 0 10 20 30 40 50 0 10 20 30 40 50 -15 -10 -5 0 10 20 30 40 50 Percent 0 10 20 30 40 50 2.Q: P = 7 en periodo t-1 2.J: P = 0 en periodo t-1 2.A: P = -9 en periodo t-1 -15 -10 -5 0 5 10 15 -15 -10 -5 0 5 10 15 -15 -10 -5 0 5 10 15 -15 -10 -5 Precio en el periodo actual (t) 50 0 5 10 15 0 5 10 15 .K Figura 2: Matriz Empírica de Transición Markoviana en un Periodo Ecuación 2 Type=7 2.

J: P = 0 en periodo t-1 2.I: P = -1 en periodo t-1 2.R: P = 8 en periodo t-1 2.S: P = 9 en periodo t-1 0 10 20 30 40 50 0 10 20 30 40 50 -15 -10 -5 0 10 20 30 40 50 Percent 0 10 20 30 40 50 2.K: P = 1 en periodo t-1 2.A: P = -9 en periodo t-1 -15 -10 -5 0 5 10 15 -15 -10 -5 0 5 10 15 -15 -10 -5 0 5 10 15 -15 -10 -5 Precio en el periodo actual (t) 51 0 5 10 15 0 5 10 15 .E: P = -5 en periodo t-1 2.L Figura 2: Matriz Empírica de Transición Markoviana en un Periodo Ecuación 2 Type=8 2.G: P = -3 en periodo t-1 2.L: P = 2 en periodo t-1 2.M: P = 3 en periodo t-1 2.F: P = -4 en periodo t-1 2.P: P = 6 en periodo t-1 2.N: P = 4 en periodo t-1 2.O: P = 5 en periodo t-1 2.H: P = -2 en periodo t-1 2.B: P = -8 en periodo t-1 2.C: P = -7 en periodo t-1 2.Figura 2.Q: P = 7 en periodo t-1 2.D: P = -6 en periodo t-1 2.

C: P = -7 en periodo t-1 2.K: P = 1 en periodo t-1 2.Figura 2.M Figura 2: Matriz Empírica de Transición Markoviana en un Periodo Ecuación 2 Type=9 2.R: P = 8 en periodo t-1 2.F: P = -4 en periodo t-1 2.E: P = -5 en periodo t-1 2.O: P = 5 en periodo t-1 2.Q: P = 7 en periodo t-1 2.S: P = 9 en periodo t-1 0 10 20 30 40 50 0 10 20 30 40 50 -15 -10 -5 0 10 20 30 40 50 Percent 0 10 20 30 40 50 2.D: P = -6 en periodo t-1 2.M: P = 3 en periodo t-1 2.I: P = -1 en periodo t-1 2.G: P = -3 en periodo t-1 2.P: P = 6 en periodo t-1 2.J: P = 0 en periodo t-1 2.H: P = -2 en periodo t-1 2.B: P = -8 en periodo t-1 2.N: P = 4 en periodo t-1 2.A: P = -9 en periodo t-1 -15 -10 -5 0 5 10 15 -15 -10 -5 0 5 10 15 -15 -10 -5 0 5 10 15 -15 -10 -5 Precio en el periodo actual (t) 52 0 5 10 15 0 5 10 15 .L: P = 2 en periodo t-1 2.

S: P = 9 en periodo t-1 0 10 20 30 40 50 0 10 20 30 40 50 -15 -10 -5 0 10 20 30 40 50 Percent 0 10 20 30 40 50 3.G: P = -3 en periodo t-1 3.K: P = 1 en periodo t-1 3.L: P = 2 en periodo t-1 3.N: P = 4 en periodo t-1 3.N Figura 3: Matriz Empírica de Transición Markoviana en un Periodo Ecuación 3 Type=6 3.B: P = -8 en periodo t-1 3.D: P = -6 en periodo t-1 3.P: P = 6 en periodo t-1 3.Figura 2.Q: P = 7 en periodo t-1 3.C: P = -7 en periodo t-1 3.A: P = -9 en periodo t-1 -15 -10 -5 0 5 10 15 -15 -10 -5 0 5 10 15 -15 -10 -5 0 5 10 15 -15 -10 -5 Precio en el periodo actual (t) 53 0 5 10 15 0 5 10 15 .J: P = 0 en periodo t-1 3.O: P = 5 en periodo t-1 3.E: P = -5 en periodo t-1 3.M: P = 3 en periodo t-1 3.I: P = -1 en periodo t-1 3.F: P = -4 en periodo t-1 3.H: P = -2 en periodo t-1 3.R: P = 8 en periodo t-1 3.

J: P = 0 en periodo t-1 3.M: P = 3 en periodo t-1 3.P: P = 6 en periodo t-1 3.L: P = 2 en periodo t-1 3.C: P = -7 en periodo t-1 3.E: P = -5 en periodo t-1 3.N: P = 4 en periodo t-1 3.B: P = -8 en periodo t-1 3.I: P = -1 en periodo t-1 3.S: P = 9 en periodo t-1 0 10 20 30 40 50 0 10 20 30 40 50 -15 -10 -5 0 10 20 30 40 50 Percent 0 10 20 30 40 50 3.G: P = -3 en periodo t-1 3.F: P = -4 en periodo t-1 3.D: P = -6 en periodo t-1 3.O: P = 5 en periodo t-1 3.K: P = 1 en periodo t-1 3.R: P = 8 en periodo t-1 3.Q: P = 7 en periodo t-1 3.A: P = -9 en periodo t-1 -15 -10 -5 0 5 10 15 -15 -10 -5 0 5 10 15 -15 -10 -5 0 5 10 15 -15 -10 -5 Precio en el periodo actual (t) 54 0 5 10 15 0 5 10 15 .Figura 2.O Figura 3: Matriz Empírica de Transición Markoviana en un Periodo Ecuación 3 Type=7 3.H: P = -2 en periodo t-1 3.

A: P = -9 en periodo t-1 -15 -10 -5 0 5 10 15 -15 -10 -5 0 5 10 15 -15 -10 -5 0 5 10 15 -15 -10 -5 Precio en el periodo actual (t) 55 0 5 10 15 0 5 10 15 .K: P = 1 en periodo t-1 3.J: P = 0 en periodo t-1 3.F: P = -4 en periodo t-1 3.Figura 2.P: P = 6 en periodo t-1 3.D: P = -6 en periodo t-1 3.I: P = -1 en periodo t-1 3.C: P = -7 en periodo t-1 3.H: P = -2 en periodo t-1 3.R: P = 8 en periodo t-1 3.N: P = 4 en periodo t-1 3.S: P = 9 en periodo t-1 0 10 20 30 40 50 0 10 20 30 40 50 -15 -10 -5 0 10 20 30 40 50 Percent 0 10 20 30 40 50 3.M: P = 3 en periodo t-1 3.Q: P = 7 en periodo t-1 3.P Figura 3: Matriz Empírica de Transición Markoviana en un Periodo Ecuación 3 Type=8 3.B: P = -8 en periodo t-1 3.L: P = 2 en periodo t-1 3.G: P = -3 en periodo t-1 3.E: P = -5 en periodo t-1 3.O: P = 5 en periodo t-1 3.

56 .573021 c 0.0000 0. b) H1: ratio!=1.30483) Gasolina 95 (sd= 4.4292 [11246.811859) Gasolina 97 (sd= 5.763301) a 1. b) H1: ratio!=1. 11302] 1.Tabla 2.035567) Gasolina 97 (sd= 4.0000 Nota: H0: ratio=sd(diesel)/sd(gasolinaXX)=1.0000 0.5494 [11246. 11303] 1.875799) Gasolina 95 (sd= 4.0000 0. a) H1: ratio<1.R Ecuación bajo GLS Gasolina 93 (sd= 4.0000 0.0000 1.3414 [11246.8807 [11246. 11304] 0.0878 Nota: H0: ratio=sd(diesel)/sd(gasolinaXX)=1.P Ecuación 3 Gasolina 93 (sd= 3. 11302] 1. 11303] 1. c) H1: ratio>1.0000 0. a) H1: ratio<1.824441 c 0.0000 0.0000 sd= 5.0000 0. 11304] 0.9122 Diesel b 0. c) H1: ratio>1.0000 1. Tabla 2.0000 Diesel b 0.938615) a 1.1757 sd= 4.0000 0.0258 [11246.0000 1.676 [11246.0000 1.

1 .A Estaciones Vecinas 93 95 Estaciones Vecinas Estaciones Vecinas 97 Diesel 0 20 40 60 0 Percent 20 40 60 Estaciones Vecinas 0 .3 .2 . 95. 97 y Diesel 57 .2 .3 .1 .4 0 (mean) r1 Percent normal r1 Graphs by Tipo de Bencina: 93.4 .Figura 3.

97 y Diesel 58 .5 1 . 95.Figura 3.5 1 0 (mean) r1 Percent normal r1 Graphs by Tipo de Bencina: 93.B Estaciones Cercanas 93 95 Estaciones Cercanas Estaciones Cercanas 97 Diesel 0 20 40 60 0 Percent 20 40 60 Estaciones Cercanas 0 .

2963 0.1667 0.1111 0.27 0.1111 0.1667 0.964 0.928 1 0.1667 0.607 0.187 1 0.607 0.1111 0.2963 0.093 Diesel 2 -0.2963 0.964 0.3333 0.607 0.05 KS 0.553 KS 0.553 KS 0.148 0.1667 0.1667 0.717 KS 0.1667 0.801 -0.1481 0.1 1 0.1667 0.333 0.093 Gasolina 97 2 -0.148 0.964 0.717 Gasolina 95 2 -0.2963 0.1111 0.3333 0.3333 0.111 0.187 Ho:F1=F2 donde 1:Estaciones Vecinas y 2:Estaciones Cercanas 1) Ha:F1>F2 (2) Ha: F1 < F2 (KS) Ha: F1 != F2 59 .Tabla 3.607 0.801 -0.C Estaciones vecinas Estaciones cercanas Tipo de Combustible Ha D p-value D p-value 1 0.135 -0.717 Gasolina 93 2 -0.607 -0.1667 0.

2008. Issue 3. 1991. J. B.1066. Taylor. y Tappata. "Asimetría en la respuesta de los precios de la gasolina en Chile". 26(6). Cap 5 en "La Industria de los Combustibles Líquidos: El Caso de Chile". "Price dispersion and competition with di¤erentiated sellers". June 2008. y West. 56.. y Córdova. Barron. "Search costs. No. Daniel S. 1997). (Autumn. 305-339 Brynjolfsson. Arellano y Valdés (eds. 2008." International Journal of Industrial Organization. 94. J. 102. Balmaceda. 2006.3. No. y Smith. No. M. Hofstetter.3. pp 418-438. Pages 211-218 Balmaceda. 27. "Price uniformity and competition in a retail gasoline market".. The Journal of Industrial Economics. J y McAfee. International Journal of Industrial Organization Vol 22.References Bacon.). 2004). D. pp 629-653. 35. The RAND Journal of Economics. 2008. 2008. P. S. Vol. Dahlby. Mimeo. Carlson. 3. No. Journal of Political Economy. 91. Ediciones Universidad Católica de Chile. LVI. "Consumer search and dynamic price dispersion. Christopher T. 46. R. 112. 653-683 Borenstein. No. 22. D. "Selling costs and switching costs: explaining retail gasoline margins". B. 1996). 2008. pp.). pp. The Journal of Industrial Economics. The RAND Journal of Economics. vol. Borenstein. pp 480-493. vol. "Do gasoline prices respond asymmetrically to crude oli price changes". 1986. 2006. 3. "Dynamic pricing in retail gasoline markets". 1983. Vol. 1997. 4 (Aug. 2008. No. September 2008. pp 1425-1436. No. Volume LVI. 449-466 Borenstein. A y Gilbert. Mimeo. pp. y McMillan. pp. November. "Number of sellers. 1994). no. M. No. A. y Taylor. 3. "Ajuste asimétrico de precios bajo costos siempre crecientes: Evidencia del mercado minorista de gasolina en Colombia". 2000. No. 1 (Feb. average prices and price dispersion". 1994. S. Arellano y Valdés (eds. "Price dispersion in an automobile insurance market". 60 . pp. "Competition and price dispersion in the US airline industry". Journal of Political Economy. vol. "Price dispersion in the lab and on the internet: theory and evidence ". M y Morgan. Lewis. The Journal of Industrial Economics. Vol. lags and prices at the pump". "Asymmetric dynamic pricing in a local gasoline retail market". The RAND Journal of Economics. 219-237. 1991.. Cap 3 en "La Industria de los Combustibles Líquidos: El Caso de Chile". pp. "Rockets and feathers: the asymmetric speed of adjustment of UK retail gasoline prices to cost changes". "Retail gasoline price dynamics and local market power". Eckert. September 2008. 1986. 2005. 2005. Vol. R. July 1991. P. Deltas. J. E. 1041 . A. Vol. Borenstein. 1996. 20. "Retail gasoline pricing: What do we know?. A y West.. 1983. Elsevier. S. R. y Umbeck. "Discrete equilibrium price dispersion". no. S. Vol. 2004. Colin Cameron. M. 33-50. J. Journal of Economic Behavior y Organization. Baye. M y Tovar. "Frictionless commerce? A comparison of internet and conventional retailers". Vol. An application to gasoline markets". 2004. pp 563-585. F y Soruco. 429-451. Vol. 2002. N. Chandra. G. Ediciones Universidad Católica de Chile. September 2008. Gómez-Lobo. R. The Quarterly Journal of Economics. Volume LVI. F. Review of Industrial Organization. Robert S. Johnson. y Shepard. y Rose. Energy Economics. pp 354-369. Hosken. pp.3 Autumn 1991. "Los precios de los combustibles líquidos a lo largo del país: posibles explicaciones". A. 4. The Journal of Political Economy. Management Science.2. Volume 13. 3 (Autumn. 2002. Information Technology Industry April 2000. F y Soruco.

pp. Vol. No. 325-343 61 . 3 (Oct. 1961).Lewis. 41. The Review of Economics and Statistics. Vol. 60. H. "The Noisy Monopolist: Imperfect Information. M.Dec. September 1. The American Economic Review." Journal of Political Economy. The Review of Economics and Statistics. . C. S. A. 69. 213-225 Varian. pp.. Vol. 1980). 1980. 119-132. No. 1973. 1977. 1999. The Journal of Political Economy. Vol. 1977). Livingstone. 1033-1060. Rothschild. Marvel. 5. September 1999. y Whelan. No. 493-510 Sorensen. pp 252-258... G. XLVII. 2000. "Bargains and Ripo¤s: A Model of Monopolistically Competitive Price Dispersion". 44. 2. 3. 1978. 1959). August. 3 (Jun. No. 651-659 Walsh. 393-406. Salop. 6 (Nov. 1976. The Review of Economic Studies.. University of Chicago Press. M. Marvel. "Modelling price dispersion as an outcome of competition in the irish grocery market". "The economics of information and retail gasoline price behavior: An empirical Analysis". y Levitt. Vol. 3 (Oct. "Equilibrium price dispersion in retail markets for prescription drugs. 81. pp. Vol. Working paper. pp. y Stiglitz. No. 4 (Sep. The Review of Economic Studies. 1957. Journal of Political Economy. "Competition and price levels in the retail gasoline market". April. pp. Part 1 (May. Vol. Vol. no. H. "The economics of information". 1977). J. 108(4). "A model of sales". The Journal of Industrial Economics. No. vol. 1978. 2004. "Asymmetric price adjustment and consumer search: an examination of the retail gasoline market". 2. pp. Hal R. 2004. 1961. 1973). 84.. No. "Models of market organization with imperfect information: a survey". M. The Journal of Political Economy. "Competition and retail gasoline prices". No. Price Dispersion and Price Discrimination". P. vol. 70. 1976. pp. pages 833-862. Stigler. S. 1283-1308 Salop. 44. T. pp.