Закономерности рынка цифровых гаджетов в Приморском крае

Автор: Ивин В.В., Кригер А.Б.

Журнал: Научный форум. Сибирь @forumsibir

Рубрика: Информационные технологии

Статья в выпуске: 1 т.5, 2019 года.

Бесплатный доступ

Реализация государственной программы цифровой экономики требует обеспечения всех участников экономического взаимодействия, в том числе граждан, устройствами, позволяющими реализовывать не только коммуникации, но и специальные транзакции, включая сервисы «электронного правительства». Указанные устройства часто обозначают общим названием - цифровые гаджеты. На практике это означает, что гаджеты должны быть доступны гражданам любого возраста, социального положения и обеспечивать необходимые функции в соответствии с запросами владельца. Невыполнение этого условия делает бессмысленным реализацию клиентских информационных сервисов. Цель исследования состояла в выявлении закономерностей в поведении участников рынка цифровых гаджетов в Приморском крае. В работе представлены результаты анализа, основанные на моделях прикладной статистики и методе (системе статистических показателей) Тейла-Кавасаки-Циммермана. Сформулированы выводы о закономерностях ценовых уровней на гаджеты, закономерностях в формировании ассортиментного предложения, степени удовлетворённости потребителей.

Еще

Цифровая экономика, рынок цифровых гаджетов, закономерности рынка, система статистических показателей, региональная экономика

Короткий адрес: https://sciup.org/140242222

IDR: 140242222

Текст научной статьи Закономерности рынка цифровых гаджетов в Приморском крае

Идея цифровой экономики состоит в переносе экономического взаимодействия предприятий, индивидов, органов власти и общественных организаций в виртуальное информационное пространство. Формирование цифровой экономической среды невозможно без массового обеспечения граждан устройствами, реализующими коммуникации, хранение и обработку информации. Указанные устройства часто обозначают общим названием – цифровые гаджеты. Очевидно, что необходима доступность цифровых гаджетов для всех слоев населения, не зависимо от возраста, уровня образования и уровня доходов. С другой стороны, любой участник экономического взаимодействия – клиент информационных сервисов и покупателей услуг – должен осуществлять осмысленный, целесообразный выбор цифрового устройства.

Цель исследования состояла в выявлении закономерностей в поведении участников рынка цифровых гаджетов, на основе открытых доступных данных. Особое значение такие исследования имеют для регионов с низкой плотность населения, где не достижим экономический эффект от масштаба.

В статье представлены результаты моделирования и анализа закономерностей для Приморского края, сложившиеся в течение последнего года (с апреля 2017 по ноябрь 2018 гг.).

Полученные нами результаты позволили ответить на следующие вопросы:

  • 1.    Существенно ли отличаются технические характеристики гаджетов, предлагаемых различными торговыми сетями?

  • 2.    Какие характеристики – потребительские или технически – в большей степени влияют на цену товара?

  • 3.    В какой степени на уровень цены влияет бренд и страна сборки?

  • 4.    В какой степени товарное предложение соответствует ожиданиям потребителя?

Данные и источники.

При проведении исследований применялось два подхода в формировании выборок наблюдений: использование баз данных торговых предприятий и активный сбор данных посредством проведения опросов. Таким образом, исследование построено и на открытых доступных данных из электронных каталогов товаров крупных торговых сетей, представленных в Приморском крае, так и на данных полевых исследований.

Для анализа предложения цифровых гаджетов в регионе рассматривались данные по группе товаров премиального ценового уровня. Такой выбор обусловлен тем, что под «специальными транзакциями» следует понимать, в том числе: работу на электронных торговых площадках, участие в онлайновых аукционах, транзакции с финансовыми активами, участие в операциях с использованием электронной подписи, использование больших массивов данных из облачных ресурсов. Перечисленные виды взаимодействия требуют существенного быстродействия, значительных объемов оперативной памяти. Следовательно, оценивая перспективы цифрового экономического пространства, следует ориентировать потребителя на более высокий ценовой сегмент. Объемы выборок, определяются фактически доступными данными, представленными торговыми предприятиями.

Полевые исследования реализовывались в форме анкетирования или активных опросов потенциальных покупателей.

Методы и модели исследования закономерностей рынка.

Исследования построены на информационных методах сбора данных (опросы, анкеты), методах структурирования данных, методах прикладной статистики.

Анализ закономерностей формирования предложения рынка цифровых гаджетов осуществляется методами прикладной статистики. Анализ статистических взаимосвязей показателей построен на корреляционном анализе - рассчитывались коэффициенты корреляции Пирсона, частные коэффициенты корреляции [5, 10, 11]. Влияние на ценовые уровни технических и потребительских характеристик гаджетов на уровень цен, формализовано уравнениями регрессии.

Анкетный подход (применение панельных технологий) к сбору экономической информации имеет принципиальные особенности, которые позволяют существенно расширить состав и улучшить информативность показателей. Во-первых, в ходе анкетных опросов можно собирать не только количественные, но и качественные показатели (например, помехи росту производства, оценки достаточности мощностей, оценки запасов готовой продукции и т.д.). Во-вторых, анкеты дают возможность получить информацию, которой владеют только руководители предприятий (например, соответствие планов торговых предприятий в области товарного предложения и цен и потребительских предпочтений, прогнозы изменения спроса). Аналитическая ценность анкетных опросов существенно возрастает при регулярном характере их проведения. В этом случае результаты опросов приобретают форму традиционных временных рядов и могут быть широко использованы в экономическом анализе наряду с привычными статистическими данными [1-4, 6-9, 12, 14].

Результаты конъюнктурных опросов (в том числе результаты мониторинга степени удовлетворённости потребителей) могут быть представлены в порядковой (высокая, средняя, слабая) или категориальной (перечисление факторов, усиливающих те или иные характеристики товара или товарной группы) шкалах. Считается, что они «грубее» описывают исследуемые процессы по сравнению с данными, представленными в количественных шкалах. Порядковые данные требуют использования специфических статистических методов анализа, которые не так развиты, как методы анализа количественных данных. Вместе с тем панельный характер опросов в сочетании даже с простейшими приёмами анализа порядковых данных позволяет разрабатывать новые направления исследований.

По нашему мнению, наилучшие результаты обработки таких данных позволяет получить метод Тейла-Кавасаки-Циммермана.

Основой статистического анализа порядковых данных является матрица сопряжённости показателей (вопросов) X и Y - M ( X , Y ), (рис. 1).

Y

+

=

X

+

+ +

+ =

+ -

=

= +

= =

- +

Рис. 1 Матрица сопряжённости показателей.

Элементы матрицы M ( X , Y ) представляют собой относительные частоты сочетания ответов респондентов о показателях (изменении или оценках) X и Y .

Впервые система специфических показателей анализа результатов конъюнктурных опросов была предложена Тейлом [15]. На основе матрицы сопряжённости прогнозов изменения показателя X t и фактических изменениях того же показателя в следующем опросе Xt+1 были введены показатели точности прогнозов (ожиданий) респондентов. Модифицированная матрица сопряжённости показателей Xt+1 или матрица сопряжённости показателей Тейла имеет вид (рис. 2).

X -1

+

=

Xt

+

+ +

+ =

+ -

=

= +

= =

- +

Рис. 2. Матрица сопряжённости показателей Тейла.

Сумма диагональных элементов этой матрицы представляет собой долю респондентов, точно спрогнозировавших направление изменения показателя X :

CR = (+ +) + (= =) + (- -).

Поскольку сумма всех элементов матрицы сопряжённости равна 1 (или 100%), то доля респон- дентов, давших в целом ошибочные прогнозы (ожидания), определяется следующим образом:

ER = 1 – CR .

Сумма наддиагональных элементов матрицы сопряжённости прогнозов и реализаций представляет собой долю респондентов, прогнозы (ожидания) которых оказались излишне оптимистичными (overestimation):

OE 1 = (+ =) + (+ –) + (= –).

Сумма поддиагональных элементов матрицы представляет собой долю респондентов, прогнозы (ожидания) которых излишне пессимистичны (underestimation):

UE 1 = (= +) + (– +) + (– =).

На основе описанных выше простых суммарных показателей ошибок прогнозов Кавасаки и Циммерман [16] предложили обобщённые индикаторы (индексы) смещения прогнозов:

OE.-UE,

1 OE^UE^

где OE 1 – сумма наддиагональных элементов матрицы сопряжённости, т.е. доля респондентов, прогнозы (ожидания) которых оказались излишне оптимистичными (overestimation); UE1 – сумма поддиагональных элементов матрицы представляет собой долю респондентов, прогнозы (ожидания) которых излишне пессимистичны (underestimation).

Система статистических показателей Тейла-Кавасаки-Циммермана, по нашему мнению, более универсальна и может быть применена для исследования проблем потребительских предпочтений и степени удовлетворённости конечных потребителей с использованием результатов конъюнктурных опросов и для организации ценового и иного мониторинга на конкретных рынках.

Для изучения изменения во времени (между двумя опросами) оценок потребительских предпочтений и степени удовлетворённости потребителей товарным предложением строится матрица сопряжённости M(Хt, Xt+1), в которой сопрягаются оценки удовлетворённости X в опросе t и оценки той же удовлетворённости в опросе t+1. Сумма диагональ- ных элементов в этом случае определяет долю респондентов, сообщивших о неизменности исследуемых показателей в двух опросах. Сумма внедиаго- оценок степени удовлетворённости потребителей товарным предложением Х, а ER – степенью нестабильности (изменчивости) оценок Х. Сумма наддиагональных элементов ОЕ1 покажет долю респондентов, степень удовлетворённости потребителей товарным предложением на рынках сбыта которых снизилась. Сумма поддиагональных элементов UE1 представляет собой долю респондентов, у которых степень удовлетворённости товарным предложением повысилась. Показатель В1 показывает, какие изменения были преобладающими.

Применительно к изучению поведения потребителей этот индекс показывает, какая ошибка прогноза преобладает среди всех ошибочных прогнозов. Значения B 1 изменяются в интервале от –1 до +1. Значение –1 говорит о том, что ожидания потребителей не оправдались. Значение +1 говорит о том, что реальность оказалась выше ожиданий.

Таким образом, мониторинг потребительских предпочтений и степени удовлетворённости конечных потребителей на основе регулярных конъюнктурных опросов в сочетании с методом Тейла-Кавасаки-Циммермана имеет высокие шансы на реализацию и позволит существенно расширить эмпирические исследования потребительских предпочтений на рынках товаров и услуг, а также повысить эффективность функционирования субъектов рынка.

Результаты моделирования.

Закономерности формирования уровня цен на планшеты

Исходные данные – предложение (ассортимент) планшетов премиального ценового уровня (с ценой от 35000 рублей). Источник – электронные каталоги товаров крупных торговых сетей, представленных в Приморском крае: DNS, «Эльдорадо», «В-Лазер», «Домотехника» и «М.Видео». Общий объем выборки – 60. Каждый из товаров характеризовался 12 характеристиками. Из них: пять характеристики технических, являющихся числовыми значениями, семь характеристик маркетинговых, среди которых как числовые, так и качественные. К чис- ловым маркетинговым характеристикам относятся розничные цены и год выпуска.

Анализ закономерностей строился на основе нальных элементов есть доля респондентов, изме-    корреляционного, дисперсионного и корреляцион- нивших (в любом направлении) свои оценки. Оче-    но-регрессионного анализов. При выполнении кор- видна для этого случая интерпретация показателей    реляционного анализа оценивались парные и част-

CR и ER : CR можно считать степенью стабильности    ные коэффициенты корреляции.

Таблица 1

Матрица коэффициентов корреляции технических характеристик планшетов

Показатель

Оперативная память

Хранилище

Количество ядер

Частота процессора

Диагональ экрана

Оперативная память

1,000

0,651

0,681

0,329

0,668

Хранилище

0,651

1,000

0,563

0,183

Количество ядер

0,681

0,563

1,000

0,284

-0,313

Частота процессора

0,329

0,183

0,284

1,000

0,284

Диагональ экрана

0,668

-0,313

0,284

1,000

Таблица 2

Матрица коэффициентов корреляции цен с техническими характеристиками планшетов

Показатель

Оперативная память

Хранилище

Количество ядер

Частота процессора

Цена

Оперативная память

1,000

0,651

0,681

0,329

0,365

Хранилище

0,651

1,000

0,563

0,183

0,365

Количество ядер

0,681

0,563

1,000

0,284

0,348

Частота процессора

0,329

0,183

0,284

1,000

0,182

Цена

0,365

0,365

0,348

0,182

1,000

Так как состав характеристик планшетов предполагает неоднозначные, транзитивные связи, были построены четыре варианта матриц парных коэффициентов корреляции вместо одной общей. Состав показателей включенных в каждую матрицу определялся вопросами исследования. Ниже приведены результаты корреляционного анализа. В целом расчеты показывают статистически значимый уровень корреляции технических характеристик планшетов (табл. 1).

Высокий уровень корреляционной связи между техническими характеристиками, подтверждает соответствие выборочных данных объекту наблюдения (корректность). Влияние технических характеристик на цену гаджета отражает соответствующая матрица коэффициентов корреляции (табл. 2).

Несмотря на низкие значения коэффициентов корреляции (менее 40%), они статистически значимы. Исключение составляет показатель «частота процессора». Однако, оценка частной корреляции показывает, что эта значимость – следствие статистической связи объёмов оперативной памятью и объемом хранилища. При исключении влияния характеристики «оперативная память» все парные частные коэффициенты корреляции не значимы (табл. 3).

Таким образом, можно утверждать, что форми- рование цены на планшеты премиального ценового сегмента осуществляется без учёта объективных технических характеристик устройств.

Линейные модели регрессии подтверждают выводы корреляционного анализа. Факторы «оперативная память» и «объем хранилища» статистически значимы. Модель также статистически значима, однако, объясняет лишь 13% рассеяния объясняемого показателя «цена». Факторы значимы на уровне 0,4%. Высокая коррелированность между факторами позволяет строить только парные моде- ли. Это утверждение легко проверяется при оценке множественной модели регрессии. При включении в модель 3 факторов уровень значимости любого из них более 10%.

Результаты оценки уровня корреляционной связи цены с потребительскими характеристиками существенно интереснее. Влияние на уровень цены страны бренда – также не подтверждается. Коэффициент корреляции фактически нулевой. Но из матрицы очевидно, что сеть DNS более связана со значением страны брендов (США, Китай), чем сеть Эльдорадо. При этом влияние на цену незначительно, хотя уровень значимости (p-value = 0,01) позволяет говорить наличии статистической связи уровня цены и сети DNS.

Закономерности формирования уровня цен на ноутбуки

Исходные данные – предложение (ассортимент) ноутбуков премиального ценового уровня (с ценой от 50000 рублей). Источник – электронные каталоги товаров крупных торговых сетей, представленных в Приморском крае: DNS, «Эльдорадо». Общий объем выборки – 365. Каждый из товаров характеризовался 8 характеристиками. Из них: четыре характеристики технических, три из которых являются числовыми значениями, четыре характеристики потребительские. К числовым потреби- тельским характеристикам относятся розничные цены.

Анализ закономерностей строился на основе корреляционно-регрессионного анализа. При выполнении корреляционного анализа оценивались парные и частные коэффициенты корреляции. С учётом неоднозначности связей между характеристиками ноутбуков, коррелированность цены и технических характеристик, цены и потребительских характеристик анализировались отдельно. Ниже приведены результаты.

Таблица 3

Матрица частных коэффициентов корреляции цен с техническими характеристиками планшетов – исключённая переменная «оперативная память»

Показатель

Хранилище

Количество ядер

Частота процессора

Цена

Хранилище

1,000

-0,432

0,040

-0,248

Количество ядер

-0,432

1,000

0,040

-0,248

Частота процессора

0,040

0,040

1,000

0,070

Цена

-0,248

-0,248

0,070

1,000

Матрица коэффициентов корреляции технических характеристик ноутбуков

Таблица 4

Показатель

Оперативная память

Кэш процессора

Жёсткий диск

Монитор (диагональ)

Оперативная память

1,000

0,131

0,031

0,302

Кэш процессора

0,131

1,000

-0,346

-0,025

Жёсткий диск

0,031

-0,346

1,000

0,199

Монитор (диагональ)

0,302

-0,025

0,199

1,000

Таблица 5

Матрица коэффициентов корреляции цен с техническими характеристиками ноутбуков

Показатель

Оперативная память

Кэш процессора

Монитор (диагональ)

Цена

Оперативная память

1,000

0,131

0,302

0,713

Кэш процессора

0,131

1,000

-0,025

0,257

Монитор (диагональ)

0,302

-0,025

1,000

0,129

Цена

0,713

0,257

0,129

1,000

Расчёты показали низкий уровень корреляции технических характеристик ноутбуков (табл. 4). Этот факт объясняется тем, что объективно, предоставленные технические характеристики не являются взаимозависимыми.

Данные по показателю «жёсткий диск» практически отсутствуют, обозначены лишь у нескольких моделей. Поэтому в дальнейшем данная характеристика из рассмотрения исключена.

Таким образом, применительно к техническим характеристикам можно говорить о незначительном объёме информации, предоставляемой потребителям онлайновыми ресурсами торговых сетей. Влияние технических характеристик на цену гаджета отражает соответствующая матрица коэффициентов корреляции (табл. 5).

Несмотря на низкие значения коэффициентов корреляции объясняемого показателя с факторами «монитор» и «кэш» (менее 30%), они статистически значимы, что обусловлено объёмом выборки. Однако результаты показывают, что цена ноутбука премиального класса в существенной степени зависит объёма оперативной памяти.

Оценка частной корреляции в данном случае подтверждает высказанное авторами утверждение о независимости предоставленных технических характеристик. При исключении влияния характеристики «кэш» парные частные коэффициенты корреляции мало отличаются от исходных оценок (табл. 6).

Таким образом, можно утверждать, что цены на ноутбуки премиального ценового сегмента в значительной степени определяются объёмом оперативной памяти.

Линейные модели регрессии цены на технические характеристики подтверждают выводы корреляционного анализа. Цена на ноутбуки группы «премиум» зависит от объективных технических показателей. Коэффициент детерминации модели R2=53%, что не позволяет говорить о том, что построенная модель в полной мере объясняет принципы формирования ценовых уровней . Факторы «оперативная память», «кэш», а также свободный член модели статистически значимы на уровне менее 0,1%. Статистическая значимость фактора «монитор» составляет около 5%. Удаление данного фактора из модели не оказывает существенного влияния ни на статистическую значимость параметров модели, ни на абсолютные значения коэффициентов при объясняющих переменных.

Результаты оценки показали отсутствие корреляционной связи цены с потребительскими характеристиками ноутбуков.

Влияние на уровень цены торговой сети статистически значимо, но коэффициент корреляции крайне низок (–13,8%). Потребительская характеристика «страна производства» данной выборке имеет незначительное рассеяние и соответственно слабо связана с уровнем цены. Улучшить модель регрессии путём включения потребительских характеристик не удалось. Таким образом, лучшее уравнение регрессии имеет вид:

У = 28 236,5 + 5 671,2 * Xcash + 4 824,7 * XROM где ^cash – объем кэш процессора,

Xrom – объем оперативной памяти ноутбука.

Уровень значимости всех параметры, включая свободный член регрессии, менее 1%.

Таблица 6

Матрица частных коэффициентов корреляции цен с техническими характеристиками ноутбуков – исключённая переменная «кэш»

Показатель

Оперативная память

Монитор (диагональ)

Цена

Оперативная память

1,000

0,307

0,712

Монитор (диагональ)

0,307

1,000

0,140

Цена

0,712

0,140

1,000

Рис. 3. Графическое представление результатов анализа степени удовлетворённости конечных потребителей предлагаемым розничными сетями ассортиментом на рынке ноутбуков г. Владивостока в динамике за период с 2002 по 2018 гг.

Вид уравнения позволяет говорить о влиянии на уровень цены на ноутбуки премиального сегмента объективных технических характеристик. Однако тот факт, что модель объясняет не более 53% рассеяния цены, наше предположение о существенном влиянии на формировании цены являются условия ведения бизнеса, подтверждаются. Оценки логистических моделей ничего не добавляют к приведённым выше результатам. Ни технические характеристики ноутбуков, ни ценовые уровни в торговых сетях DNS «Эльдорадо» не различаются.

Оценка удовлетворенности потребителей

В рамках проводимого исследования IT-рынка г. Владивостока было проведено периодическое панельное исследование потребительских предпочтений и степени удовлетворённости конечных потребителей предлагаемым розничными сетями ассортиментом на рынке ноутбуков эконом класса [1, 3, 4, 6, 8, 13].

Объём выборки – 300 человек, из которых 75 человек приняли участие во всех опросах .

Анализ закономерностей строился с использованием матриц сопряжённости и метода Тейла-Кавасаки-Циммермана [2, 16, 17].

На рисунке 3 представлены результаты анализа степени удовлетворённости конечных потребителей предлагаемым розничными сетями ассортиментом на рынке ноутбуков г. Владивостока в динамике: базовый период – ноябрь-декабрь 2002 г., I период – ноябрь-декабрь 2007 г., II период – ноябрь - декабрь 2012 г., III период – ноябрь-декабрь 2017 г. и IV период – ноябрь-декабрь 2018 г.

Результаты обработки анкет с предварительным анализом рассылались всем респондентам.

Как видно из рисунка 3, доля респондентов, удовлетворённых ( CR ) товарным предложением, за исследуемый период снизилось с 28,0% до 16,0%. При этом доля респондентов, негативно оценивающих товарное предложение ( ER ), увеличилось с 72,0% до 84,0%, т.е. подавляющее большинство респондентов отмечают крайнюю степень неудовлетворённости товарным предложением. Доля респондентов, оптимистично оценивающих изменения товарного предложения ( OE ) на протяжении 10 лет остаётся практически неизменной и колеблется около 1/3 от общего числа респондентов. А доля «пессимистов» ( UE ) растёт из года в год, увеличиваясь от 40,0% в начальный период наблюдений до 53,33% в 2018 г., что составляет более половины всех респондентов.

Отрицательные значения индекса смещения оценки ( B ), который за исследуемый период снизился почти в 2,5 раза с –11,11% до –26,98%, свидетельствуют о крайней недооценке торговыми сетями предпочтений потребителей и, соответственно, конечный потребитель вынужден осуществлять выбор из товарного предложения неудовлетворяющего его требованиям с точки зрения технических и потребительских характеристик, а также неясной системы ценообразования.

Результаты проведённого анализа показывают, что на рынке существует диспропорция между товарным спросом и предложением, т.е. в течение длительного периода времени в данном сегменте рынке ретейлеры формируют товарное предложение и ассортиментную политику без учёта потребительских предпочтений конечных потребителей. Причём за наблюдаемый период эта диспропорция увеличилась почти в двое (с 11,11% до 26,98%).

Выводы и рекомендации. Результаты исследования, приведенные выше, позволяют сформулировать следующие утверждения.

Ассортимент цифровых гаджетов, предлагаемых различными торговыми сетями однороден – технические характеристики устройств статистически не различимы.

Цены на планшеты устанавливаются торговыми сетями без учета технических или потребительских характеристик устройств. Уровень цен на ноутбуки связан с техническими характеристиками. Однако и в данном случае, объективные характеристики устройств, позволяют объяснить лишь 53% вариации ценовых уровней. Бренд или страна сборки существенного влияния на цену не оказывают.

Учитывая, что результаты опросов демонстрируют несоответствие товарного предложение ожиданиям потребителя, очевидно, что деятельность ретейлеров не обеспечивает доступность цифровых гаджетов для широких слоев населения.

Таким образом, для успешной реализации проекта цифровой экономики, необходимы законодательные и административные решения, позволяющие урегулировать ситуацию в данном сегменте рынка цифровых устройств.

Список литературы Закономерности рынка цифровых гаджетов в Приморском крае

  • Ивин В.В. Исследование рынка ноутбуков эконом класса г. Владивостока//Практический маркетинг. 2008. № 1. С. 14-28.
  • Ивин, В.В. Метод Тейла-Кавасаки-Циммермана для микроэкономического анализа уровня конкуренции//Практический маркетинг. 2006. №10 (116). С. 8-12.
  • Добряк А.С., Ширин Д.О., Калькова Н.Н. Исследование рынка ноутбуков России//Мат. III научно-практ. конф. молодых учёных, аспирантов, студентов «Маркетинг и логистика в системе конкурентоспособного бизнеса». Симферополь: Изд-во КФУ им. В.И. Вернадского, 2017. С. 11-17.
  • Долгушев Д.С., Новикова Т.Е. Анализ состояния и развития российского рынка персональных компьютеров, ноутбуков и интеллектуальных карманных устройств в начале XXI века//Экономика и предпринимательство. 2014. № 10 (51). С. 928-935.
  • Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс: Учебное пособие. 5-е изд., испр. М.: Дело, 2008. 247 с.
  • Маляревский А. Рынок ноутбуков: прогнозы, киберспорт и другое важное для ритейла -Режим доступа: https://www.crn.ru/news/detail.php?ID=112722
  • Мартышенко Н.С. Исследование предпочтений потребителей на рынке мобильных телефонов Приморского края//Практический маркетинг. 2015. №12 (226). С. 20-27.
  • Минин Д.А., Кузьмин К.О. Маркетинговое исследование рынка ноутбуков//Экономика и социум. 2014. № 2-3 (11). С. 489-497.
  • Пылаева А.Н., Пяткина Д.А. Моделирование ценообразования на рынке смартфонов//Экономика и предпринимательство. 2017. № 10-1 (87-1). С. 1203-1213.
  • Пяткина Д.А., Матюшенко С.И. Методология эконометрического моделирования цен на рынке мобильных телефонов//Экономика и предпринимательство. 2015. № 12-1 (65-1). С. 181-189.
  • Пяткина Д.А. Методология эконометрического моделирования цен на рынке сотовых телефонов/Современные информационные технологии и ИТ-образование. 2016. Т. 12, № 2. С. 56-68.
  • лучших смартфонов на Android -Режим доступа: http://www.expertcen.ru/article/rating/10-luchshih-smartfonov-na-android.html
  • лучших недорогих ноутбуков -Режим доступа: http://www.expertcen.ru/article/ratings/luchshie-nedorogie-noutbuki.html
  • лучших планшетов 2018 года -Режим доступа: http://www.expertcen.ru/article/ratings/luchshie-planshety.html
  • Theil H. Applied Economic Forecasting Amsterdam: North Holland, 1966.
  • Kawasaki S., Zimmermann K. FTesting the Rationality of Price Expectations for Manufacturing Firms, Applied Economics 18, 1986.
  • Laksonen S. Introduction to the Proceedings, Proceedings of First Eurostat Workshop on Techniques of Enterprises Panels. Luxembourg, 21 to 23 February 1994.
Еще
Статья научная