Analisi economica della Settimana del Baratto turistico

Come abbiamo già detto, l’obiettivo di questa analisi è quello di dimostrare la correlazione inversa esistente tra il prezzo per soggiornare nel B&B e la tendenza dei proprietari a contrattare per uno scambio diversi o più servizi di quelli richiesti. Esemplificando: più alto è il prezzo del mio B&B, più è alto il mio mancato guadagno in denaro se baratto, maggiore è la mia propensione ad accettare solo quei beni e servizi che richiedo.

Per verificare ciò, è stata fatta una stima sulla relazione che lega i prezzi delle camere al numero dei servizi barattati dai B&B, quindi per ogni struttura partecipante al sondaggio, si sono andati a ricercare i prezzi per una notte per due persone nel periodo della terza settimana di novembre (esattamente quando si svolge la Settimana del baratto), il numero di beni e servizi richiesti e quello dei beni e servizi effettivamente barattati.

Il prezzo medio delle strutture partecipanti per una notte per due persone nella terza settimana di novembre è di 134,96€. In Figura I mostra la distribuzione dei prezzi. È evidente che la maggior parte dei B&B ricade nella fascia di prezzo che va dai 101,00€ ai 150,00€.

Figura I – Prezzi B&B nella terza settimana di novembre (1 notte per 2 persone)

Dalla parte dei beni e servizi sono in media 1,68 quelli richiesti e 1,57 quelli effettivamente scambiati. Nelle Figura II-A e Figura II-B gli istogrammi ne rappresentano rispettivamente la distribuzione. Dei 69 servizi barattati nell’edizione del 2021 nelle strutture che hanno partecipato al sondaggio, solo il 50% era stato richiesto dai B&B in sede di annuncio sul sito internet. Questo evidenzia che comunque esiste una tendenza ad accettare anche proposte di baratto diverse dai desideri dei B&B.

Figura II-A – Numero beni e servizi richiesti dai B&B ricavati dal sito

Figura II-B – Numero beni e servizi effettivamente scambiati

Il modello di regressione è un analisi del legame lineare tra due o più variabili quantitative. Esso ha lo scopo di stimare i valori di una variabile quantitativa dipendente a partire da quelli osservati dalle altre variabili insidpendenti.

L’equazione si può genericamente riassumere così

y = a₁x₁ + a₂x₂ + … + a_ix_i + b

dove:

y : variabile dipendente
a₁, a₂, … a_i : coefficienti di regressione per le variabili indipendenti
x₁, x₂, … x_i : variabili indipendenti
b : intercetta

Per stimare la variabile dipendente “Numero di servizi contrattati nell’edizione 2021” e verificare se esiste una correlazione tra prezzo e disponibilità a contrattare beni e servizi, tramite il software Stata 14, effettuiamo una regressione lineare multipla utilizzando le seguenti variabili indipendenti:

• Quanti servizi sono stati inseriti nell’annuncio su settimanadelbaratto.it;
• Se si erano già ricevuti baratti nelle scorse edizioni;
• Prezzo definitivo di una notte per due persone nel periodo di riferimento.

Il coefficiente di determinazione R² misura quanto bene un modello di regressione lineare “si adatta” a un set di dati. Esso misura la proporzione di variabilità della y spiegata dalla relazione con le x all’interno del modello di regressione, è il principale indicatore della bontà di una regressione lineare.

Il valore di R² può variare tra 0 e 1.
0: la variabile di risposta non può essere spiegata affatto dalla variabile predittiva;
1: la variabile di risposta può essere spiegata perfettamente, senza errori, dalla variabile predittiva. In sostanza maggiore è il valore R² più precisamente le variabili x sono in grado di prevedere i valori della variabile y.

Il 20,87% è una percentuale accettabile per spiegare la relazione tra le variabili indipendenti e la variabile di risposta perché R² alto o basso, in questo caso, non cambia la nostra interpretazione. Quindi quanto deve essere alto un coefficiente di determinazione per essere considerato “buono” dipende dall’uso che se ne deve fare: spiegare o prevedere i dati.

Nella prima colonna troviamo i tre coefficienti di x e la costante della retta y. Nella seconda colonna troviamo i residui (o errori) cioè gli scontamenti tra i valori osservati e quelli attesi che si trovano sulla retta di regressione. Questi ultimi sono chiamati anche “componete stocastica”, mentre nella prima colonna troviamo la componete deterministica.

Possiamo dire che con un α di 0.05 il nostro coefficiente di regressione è significativo perché t non rientra negli intervalli di confidenza del 95%, il che significa che la componente deterministica è più “pesante” di quella stocastica, cioè dei residui o errori. Le variabili quanti servizi, bin prima sì e prezzo definitivo sono delle buone variabili esplicative del numero di servizi barattati nel 2021, quindi prossimo sostenere che maggiore è il prezzo di una struttura, minore sarà la tendenza di questa a contrattare servizi non richiesti in precedenza.