Bank i Kredyt 44 (4), 2013, 375–402
www.bankandcredit.nbp.pl www.bankikredyt.nbp.pl
Wykorzystanie gotówki i karty płatniczej w punktach handlowo-usługowych w Polsce:
zastosowanie dwuwymiarowego modelu Poissona
Jerzy Marzec*, Michał Polasik
#, Piotr Fiszeder
‡Nadesłany: 24 kwietnia 2012 r. Zaakceptowany: 18 lutego 2013 r.
Streszczenie
Celem artykułu jest prezentacja wyników badań dotyczących wykorzystania dwóch podstawo- wych metod płatności za codzienne zakupy dokonywane przez polskich konsumentów, tj. gotówki i karty debetowej. Dane uzyskano w ramach badania ankietowego zrealizowanego na przełomie 2010 i 2011 r. na ogólnopolskiej reprezentatywnej próbie losowej 2974 respondentów. Zastosowanie dwuwymiarowego modelu Poissona pozwoliło na zweryfikowanie wielu hipotez. Uzyskane wyni- ki wykazały, że na liczbę transakcji, zarówno gotówką, jak i kartami debetowymi, wpływa wiele zmiennych o charakterze demograficznym, społecznym i ekonomicznym. Określono wrażliwość cenową posiadaczy kart na opłaty związane z korzystaniem z kart, jak też na oferty promocyjne oraz rabaty skłaniające do stosowania tego instrumentu płatniczego. Ponadto potwierdzono, że na skłonność do płacenia w dany sposób silnie dodatnie oddziałuje poczucia bezpieczeństwa klien- tów. Wykazano, że istotną barierą rozwoju płatności kartami jest chęć zachowania anonimowości płatności, szczególnie wysoka w przypadku gotówki. Dane empiryczne nie potwierdziły natomiast hipotezy o występowaniu efektu substytucyjnego pomiędzy płatnościami dokonywanymi gotówką i za pomocą kart debetowych. Wyniki badań pozwalają określić zwyczaje (preferencje) płatnicze polskich konsumentów.
Słowa kluczowe: wybór metod płatności, dwuwymiarowy model regresji Poissona, gotówka, karty płatnicze, mikroekonometria
JEL: C35, E42, D12
* Uniwersytet Ekonomiczny w Krakowie; e-mail: marzecj@uek.krakow.pl.
# Uniwersytet Mikołaja Kopernika w Toruniu; e-mail: michal.polasik@umk.pl.
‡ Uniwersytet Mikołaja Kopernika w Toruniu; e-mail: piotr.fiszeder@umk.pl.
1. Wstęp
Rynek płatności detalicznych odgrywa ważną rolę w funkcjonowaniu gospodarki każdego kra- ju. Zmiana struktury dokonywanych płatności, przez rozwój obrotu bezgotówkowego, może przy- nieść istotne korzyści uczestnikom rynku: klientom indywidualnym, sektorowi bankowemu, pod- miotom handlowym, a także sektorowi publicznemu (Brits, Winder 2005; Quaden 2005; Gresvik, Haare 2009). Nowoczesne technologie informatyczne pozwalają na znaczne zwiększenie spraw- ności i bezpieczeństwa płatności detalicznych oraz optymalizację ich kosztów (Humphrey, Kim, Vale 2001; Allen 2003; Garcia-Swartz, Hahn, Layne-Farrar 2006; Chande 2008; Humphrey, Bolt, Uittenbogaard 2008; Takala, Viren 2008). Rozwój elektronicznych płatności detalicznych wymaga przezwyciężenia wielu barier, takich jak konieczność ponoszenia znacznych nakładów na wdra- żanie systemów informatycznych i dostosowania się do regulacji prawnych. Innymi poważny- mi przeszkodami są: niedostateczna aprobata społeczna, niewystarczająca infrastruktura i oba- wy o bezpieczeństwo dokonywanych transakcji (Jonker 2007; Górka 2009b; Polasik, Maciejewski 2009a). Należy dodać, że zaawansowany proces wdrażania jednolitego obszaru płatności w euro (SEPA) oraz dyrektywa ws. usług płatniczych (PSD) sprawiają, że właśnie na europejskim rynku płatności detalicznych zachodzą obecnie zasadnicze zmiany (Bolt, Humphrey 2007; EPC 2006;
Schmiedel 2007). Istnieje zatem duże zapotrzebowanie na badania wyjaśniające zachowania płatnicze społeczeństwa.
Alternatywne wykorzystanie gotówki i bezgotówkowych instrumentów płatności ma duże zna- czenie dla rozwoju systemu płatniczego. Na wybór metody płatności wpływa wiele czynników, takich jak: koszty ponoszone przez klientów, szybkość transakcji, łatwość użycia czy programy lojalnościowe powiązane z instrumentami płatniczymi (Humphrey, Kim, Vale 2001; Stavins 2001;
Klee 2004; Zinman 2005; Jonker 2007; Górka 2009b; Polasik, Maciejewski 2009b; Ching, Hayashi
2010; Kim, Lee 2010; Simon, Smith, West 2010). W wielu krajach realizowane są szeroko zakrojo-
ne programy promowania obrotu bezgotówkowego i zmian zachowań społecznych w zakresie płat-
ności (Van Hove 2008; Górka 2009a). W związku z tym wykorzystanie metod płatności stanowi
jeden z głównych nurtów badań w obszarze bankowości detalicznej i systemów płatniczych. Pod
względem metodyki badania te wciąż znajdują się jednak na wczesnym etapie rozwoju. Pierwsze
prace o charakterze mikroekonomicznym, w których analizowano zachowania płatnicze klientów
za pomocą różnych metod, dotyczyły rynku holenderskiego (Bolt, Jonker, van Renselaar 2010), nie-
mieckiego (von Kalckreuth, Schmidt, Stix 2009), fińskiego (Leinonen 2008) oraz amerykańskie-
go (Borzekowski, Kiser 2008). W szczególności badacze często stosują klasyczne modele regresji,
gdy dysponują makrodanymi, albo jednorównaniowe modele probitowe, logitowe bądź Poissona
w przypadku danych pochodzących z ankiet. Przykładowo, wykorzystując dane makroekonomicz-
ne, Snellman, Vesala i Humphrey (2001) zbadali zależność między wzrostem wartości płatności
kartami a wzrostem wartości gotówki w obiegu w badanych sześciu krajach Europy. W tym ce-
lu wykorzystali model regresji dla danych panelowych. Z kolei Jonker (2007) przeprowadziła mi-
kroekonomiczną analizę stosowania przez holenderskie gospodarstwa domowe czterech środków
płatności: gotówki, karty debetowej, karty kredytowej i elektronicznej portmonetki. Zastosowała
cztery osobne modele probitowe dla tej samej próby, przy czym zmienna endogeniczna odzwiercie-
dlała najczęściej wybierany przez gospodarstwa domowe sposób płatności za zakupy dokonywane
w ośmiu punktach usługowo-handlowych. Próba przekrojowa liczyła 2000 obserwacji. W kolejnej
Wykorzystanie gotówki i karty płatniczej...
377
publikacji (Jonker, Kosse 2009) użyto dwóch odrębnych modeli Poissona wobec liczby transakcji kartą debetową i gotówką, w celu analizy preferencji holenderskich konsumentów w zakresie me- tod płatności w 16 różnych zakładach usługowych, sklepach i obiektach kulturalno-rozrywkowych.
Na tym tle wyróżniają się badania makroekonomiczne przeprowadzone przez Humphreya, Kim i Vale (2001), które dotyczyły wykorzystania trzech metod płatności (gotówki wypłaconej z banko- matu, wypisania czeku lub użycia karty debetowej) w przypadku transakcji detalicznych w Nor- wegii. W tym celu wykorzystano dane zagregowane w postaci szeregów czasowych i zastosowano model wielorównaniowy, opisujący udział kosztów użycia poszczególnych narzędzi płatniczych w koszcie całkowitym. Dotychczas nie przeprowadzono jednak pogłębionych badań empirycznych (z wyjątkiem badania Fiszedera i Polasika 2009), wykorzystujących zaawansowane metody mikro- ekonometrii w odniesieniu do metod płatności stosowanych w Europie Środkowej i Wschodniej, w tym w Polsce.
Głównym celem badań przedstawionych w niniejszej pracy było poznanie czynników determi- nujących stosowanie przez klientów poszczególnych metod płatności w punktach handlowo-usłu- gowych w Polsce. Dodatkowym celem była prezentacja zaawansowanych modeli ekonometrycz- nych dla dwuwymiarowej zmiennej licznikowej, które pozwalają na analizę zjawisk z dodatnią lub ujemną korelacją. Istotną cechą wyróżniającą to opracowanie jest połączenie dwóch aspektów – metodologicznego i praktycznego.
Podejście badawcze przyjęte w niniejszej pracy jest odmienne niż dotychczas stosowane w literaturze z tego zakresu. Nie ograniczono się do badania struktury transakcji (jak w pracy Humphrey, Kim, Vale 2001) czy zastosowania prostego jednorównaniowego modelu probitowego lub modelu Poissona. Wnikliwie przeanalizowano wpływ różnych czynników mikroekonomicz- nych na liczbę płatności dokonanych poszczególnymi metodami oraz uwzględniono substytucję i komplementarność tych metod. Realizacja badania wymagała zastosowania dwuwymiarowego modelu Poissona dla danych licznikowych. Podjęto się zatem zbadania w sposób formalny zależno- ści przyczynowo-skutkowych między dwiema zmiennymi endogenicznymi a wybranymi zmien- nymi egzogenicznymi. Według wiedzy autorów jest to pierwsze zastosowanie tej metody do bada- nia zachowań konsumentów na rynku płatności detalicznych. Warto zwrócić uwagę, że modele wielowymiarowe dla zmiennych licznikowych i kategorii polichotomicznych uporządkowanych wciąż są w fazie intensywnego rozwoju (zob. Windmeijer, Santos Silva 1997; Chib, Winkelmann 2001; Edwards, Allenby 2003; Riphahn, Wambach, Million 2003; Berkhout, Plug 2004; Iwasaki, Tsubaki 2006).
2. Gotówką czy kartą − opis problemu i hipotezy badawcze
Dla większości konsumentów zakupy są przyjemnością, ale zapłata za nie – przykrym obowiąz-
kiem. Zakładamy, że konsumenci są racjonalni i wybierając metody płatności, kierują się przede
wszystkim wysokością kosztów własnych związanych z ich zastosowaniem. Konsument korzy-
sta z różnych instrumentów płatniczych, przede wszystkich z gotówki i karty płatniczej, mini-
malizując własne koszty osiągnięcia ustalonego celu, tj. dokonania odpowiedniej liczby zaku-
pów. Oczywiście istnieją czynniki trudno mierzalne, jak przyzwyczajenie, wygoda i ograniczenia
w infrastrukturze (dotyczą one szczególnie używania kart płatniczych), które dodatkowo wpływają
na wybory dokonywane przez klientów. Można odwołać się do standardowego zagadnienia mini- malizacji kosztu wytworzenia przez przedsiębiorcę określonej wielkości produkcji przy znanych, rynkowych cenach czynników produkcji. W tym przypadku rozwiązaniem problemu decyzyjnego konsumenta jest optymalna liczba transakcji, które zostaną opłacone każdą z dwóch metod. Zakła- damy, że częstość wykorzystania każdej z tych metod jest równa wielkościom optymalnym z do- kładnością do błędu pomiaru, czynników czysto losowych i innych zakłóceń, których wpływ ma charakter symetryczny. Ponadto decyzje podejmowane przez reprezentatywnych konsumentów są od siebie niezależne, co jest naturalnym (standardowym) założeniem, ale ważnym z punktu wi- dzenia estymacji modelu statystycznego. Istnieją jednak czynniki specyficzne, które mogą wpły- wać na pojedyncze decyzje. Determinanty te będą podlegały statystycznej identyfikacji. Powyższe założenia, wynikające z dobrze znanej, klasycznej teorii popytu konsumpcyjnego, są podobne do tych, na których oparto badania Humphreya, Kim, Vale (2001).
Główną hipotezą badawczą jest założenie, że między podstawowymi metodami płatności, tj. gotówką i kartą płatniczą, występuje substytucja
1. Na gruncie mikroekonomii formalne ujęcie zagadnienia substytucji między tymi metodami jest możliwe i dokonuje się przez skonstruowanie funkcji popytu na oba wyróżnione instrumenty płatności. Optymalny popyt na dany instrument jest funkcją własnej ceny i cen pozostałych instrumentów oraz wielkości potrzeb zaspokajanych w wyniku zakupu określonego koszyka dóbr i usług. Z przesłanek empirycznych wynika, że istnieją jeszcze inne czynniki, które odpowiadają za zróżnicowanie intensywności wykorzystania poszczegól- nych metod płatności, np. czynniki demograficzne (np. wiek, płeć, poziom wykształcenia konsumen- ta). Ważną rolę powinna odgrywać zmienna informująca o dochodzie konsumenta, gdyż jej zadaniem jest kontrola skali (rozmiaru) płatności. Gdyby wraz ze wzrostem rozporządzalnego dochodu rosła liczba zakupów opłaconych gotówką lub kartą, wystąpiłby tzw. dochodowy efekt zmiany popytu.
W ramach mikroekonomicznej analizy zachowania się konsumenta wnioskujemy, że gotówka i karta są substytutami, gdy wzrost ceny za korzystanie jednej z nich prowadzi do wzrostu inten- sywności zastosowania drugiej metody
2. Oczywiście, w przypadku pojedynczej transakcji kon- sument płaci za towar lub usługę gotówką albo kartą. Wówczas stopa substytucji wynosi jeden.
Naturalnym założeniem (hipotezą) jest zatem przyjęcie, że między gotówką a kartą zachodzi sub- stytucja. Sporadycznie, gdy kwota do zapłacenia jest wysoka, konsument wykorzysta oba instru- menty płatnicze.
W celu przeprowadzenia badań empirycznych skonstruowano odpowiedni model statystycz- ny, który posłużył do identyfikacji preferencji konsumenta (gospodarstwa domowego) co do metod płatności. Niestety koszty wykorzystania danej metody płatności przez konsumenta robiącego za- kupy w sklepie bardzo trudno obliczyć. Często pokrywa je sprzedawca, a pewną ich część stano- wią koszty stałe, które nie są przypisane bezpośrednio do transakcji. Z powodu braku głównych zmiennych egzogenicznych: cen, w równaniu optymalnego popytu na dany instrument płatniczy konieczne jest zbudowanie modelu statystycznego, który umożliwiałby falsyfikację hipotezy głów- nej. Inną ważną kwestią jest przyjęcie założenia, że oba równania opisujące liczbę transakcji za pomocą analizowanych instrumentów są ze sobą powiązane.
1 W modelu ekonometrycznym prezentowanym w dalszej części pracy substytucja oznacza ujemną zależność między liczbą transakcji kartą a liczbą transakcji gotówką.
2 Przez cenę gotówki rozumie się koszt jej stosowania w płatnościach, na który składa się m.in. koszt utraconych korzyści i koszt „zdartych zelówek”.
Wykorzystanie gotówki i karty płatniczej...
379
Na podstawie dotychczasowych wyników badań naukowych, obserwacji i doświadczenia au- torów sformułowano kilka hipotez badawczych. Dotyczą one zależności między liczbą operacji go- tówką lub kartą debetową, wykonanych przez gospodarstwa domowe w celu zapłacenia za towary i usługi, a wybranymi determinantami. Ich weryfikacja umożliwi poznanie preferencji polskich konsumentów w odniesieniu do wskazanych, podstawowych metod płatności. Hipotezy badawcze o charakterze empirycznym są następujące:
H1. Czynniki demograficzne i społeczne mają wpływ na wykorzystanie przez klientów bada- nych sposobów płatności.
H2: Ważnym czynnikiem wpływającym na wybór sposobu płatności przez klientów jest dąże- nie do zmniejszenia ponoszonych przez nich kosztów transakcyjnych, obejmujących koszty usług płatniczych oraz inne koszty związane bezpośrednio z płatnością.
H3: Rozwój infrastruktury pozwalającej na stosowanie danego instrumentu płatności znacznie zwiększa jego wykorzystanie.
H4: Poczucie bezpieczeństwa i anonimowość płatności mają duży wpływ na wybór i częstotli- wość wykorzystania instrumentów płatniczych.
H5: Wykorzystanie instrumentów płatniczych przez klientów cechuje się występowaniem silnego efektu substytucyjnego.
Dodatkowo zaproponowano hipotezę o charakterze metodycznym, która odnosi się do kon- strukcji modelu statystycznego:
H6: Modele wielorównaniowe dla zmiennych licznikowych pełniej opisują złożoność wyborów metod płatności niż modele jednorównaniowe.
3. Model statystyczny – konstrukcja i własności 3.1. Dwuwymiarowy warunkowy model Poissona
Model statystyczny, czyli układ założeń probabilistycznych, powinien odzwierciedlać naturę ba- danego zjawiska. Przedmiotem analizy jest częstość wykorzystania metod płatności – gotówki i karty płatniczej. Obie zmienne endogeniczne przyjmują nieujemne wartości całkowite. Podstawową klasą modeli służącą do opisu tego typu zjawisk są modele dla zmiennej licznikowej. Najpopularniej- szym narzędziem statystycznym jest model Poissona i jego modyfikacje (zob. np. Cameron, Trivedi 1998; 2005; Winkelmann 2008). Modele licznikowe typu Poissona są uniwersalnym sposobem opisu zachowania się konsumentów lub analizy procesów, których kwantyfikacja polega na zliczeniu zda- rzeń. W przypadku badań konsumenckich można ich użyć zarówno do danych ankietowych, jak i da- nych bezpośrednio rejestrowanych w punkach sprzedaży, w tym również do danych typu big data.
Dane mikroekonomiczne charakteryzują się silną heterogenicznością, a zależności między kategoria-
mi ekonomicznymi mają najczęściej nieliniowy charakter. Modele typu Poissona mogą być z powodze-
niem wykorzystane do opisu tych zależności, gdyż są właśnie konstrukcjami nieliniowym i a priori
dopuszczają heteroskedastyczność składnika losowego. Bardziej zaawansowane konstrukcje oparte na
mieszaninach rozkładów (ang. Poisson mixture models), np. model Poissona z nadmiarem zer (ang. zero
inflated Poisson, ZIP) lub ze złożonym rozkładem Poissona, umożliwiają uwzględnienie takich sytuacji,
jak nadwyżka zerowej wartości zmiennej obserwowanej czy zwiększenie rozproszenia jej rozkładu.
W prezentowanych badaniach przedmiotem zainteresowania są dwie zmienne endogeniczne, między którymi istnieje pewna zależność. Wybrane metody płatności potencjalnie charakteryzu- ją się substytucją. Należy więc traktować je łącznie, współzależnie, a to wymaga budowy modelu dwuwymiarowego z korelacją pomiędzy zmiennymi endogenicznymi. Ponadto istnieją potencjalne czynniki egzogeniczne (wspólne lub swoiste dla każdej z metod płatności), które powodują zróż- nicowanie aktywności konsumentów w tym zakresie. Model statystyczny powinien to uwzględ- niać. Najprostszym i wygodnym podejściem jest zastosowanie modelu jednorównaniowego, który opisuje zróżnicowanie udziału płatności wykonanych daną metodą w liczbie płatności ogółem.
Umożliwia on badanie wyłącznie struktury, a nie skali wykorzystania obu metod płatności. Wo- bec powyższego w przypadku prowadzonych badań zastosowano metodę badawczą, która pozwa- la rozważać oba aspekty. W konsekwencji wykorzystano dwurównaniowy model Poissona z kore- lacją ujemną lub dodatnią.
Rozważamy dwuwymiarową zmienną losową Y = [Y
1Y
2], czyli parę zależnych zmiennych licznikowych
3. W literaturze przedmiotu znajdziemy różne propozycje rozkładów tej zmiennej, od najprostszych po bardzo złożone (Kocherlakota, Kocherlakota 1992). Niestety prawie wszystkie mają poważne wady: współczynnik korelacji przyjmuje wartości wyłącznie dodatnie i często jest ograniczony od góry, tzn. istnieje maksymalna wartość tego współczynnika, która jest mniejsza od jedności.
Propozycji rozkładów, które dopuszczają korelację zarówno dodatnią, jak i ujemną, jest nie- wiele. Można je uzyskać, wykorzystując funkcję kopula (zob. np. van Ophem 1999) lub mie- szaniny rozkładów określonego typu, np. wielowymiarowy log-normalny model Poissona (zob.
Aitchison, Ho 1989; Chib, Winkelmann 2001; Marzec 2012). Niestandardowym modelem z dodat- nią lub ujemną korelacją jest tzw. warunkowy model Poissona, zaproponowany przez Berkhouta i Pluga (2004). Jest to prostsza specyfikacja, ale dogodniejsza do estymacji w porównaniu z modelem Aitchisona i Ho. Mimo to model ten nie znalazł jeszcze szerszego zastosowania w badaniach empirycznych. W niniejszych badaniach wykorzystano tę propozycję.
Berkhout i Plug (2004) zaproponowali warunkowy model Poissona dla dwóch skorelowanych zmiennych licznikowych. Konstrukcja ta dopuszcza zarówno ujemną, jak i dodatnią korelację, a jednocześnie jest prosta. Rozważali oni dwa modele statystyczne określone przez rozkład łączny dla Y
1i Y
2:
Pr ( Y
1y
1, Y
2y
2) g
1|2( y
1y
2)
•g
Y2( ) y
2•
• •
•
• • •
•
•
•
•
•
•
•
•
•
• Y
= Y
=
=
(
1 1,
2 2)
2|1(
2 1)
1( )
1Pr Y
=y Y
=y
=g
YYy y g
Yy
( ) (
1) ( )
1 11
1
exp
!
1
ytt t t
t
y
y
g
= ––
– –
–
+ +
– –
, gdzie
1=exp (
1 1)
= +
+
t
t
x
( ) (
2)( )
2 22 1
2
exp
!
1
ytt t t t
t
y y
y
g , gdzie
t2exp ( x
t2y
t1)
( )
( )
2exp ( ( exp ( ) 1 ) ) exp (
2)
1 1 t t
t t
x Y
E Y E
( )
( Y ) E ( Y ) E ( Y ) ( exp ( ( exp ( ) 1 ) ) 1 ) Var
Var Y
2 t1
2 t2 t2
t2 t1
( ) ( ) ( )
( )
1( )
22 2 1
1
, 1
t t
t t t
t
Var Y Var Y
e E Y Y
Y corr
( )
h t h t h t
t
x
Y E
, 1 1 , 1 , 1
1
( )
j t j t
t
Y
, 2 , 2
2
( ) ( )
t hh t h t
t
e
x Y E
, 1 ,
1 , 2
2
1
( )
2 1,21 ,
ln stala wiek
t 1wiek
t2
0
, 1 2
0
, 1
1 1
ln
t1x
tλ
λ
α λ
λ
t1
λ
λ
λ λ
λ
β
β
2β
2β
j ,
β
2β
β β
β
β
α
α
∂
∂ E
∂
∂
∂
∂ x
α
=
=
t1
λ
η
η
η η
λ
λ
λ
t2=
=
=
=
=
=
=
=
<
>
=
=
λ
t2λ
t1
λ
=
=
(1)
(
1 1,
2 2)
1|2(
1 2)
2( )
2Pr Y y Y y g y y
•g
Yy
•
• •
•
• • •
•
•
•
•
•
•
•
•
•
• Y
= Y
=
=
(
1 1,
2 2)
2|1(
2 1)
1( )
1Pr Y
=y Y
=y
=g
YYy y g
Yy
( ) (
1) ( )
1 11
1
exp
!
1
ytt t t
t
y
y
g
= ––
– –
–
+ +
– –
, gdzie
1=exp (
1 1)
= +
+
t
t
x
( ) (
2)( )
2 22 1
2
exp
!
1
ytt t t t
t
y y
y
g , gdzie
t2exp ( x
t2y
t1)
( )
( )
2exp ( ( exp ( ) 1 ) ) exp (
2)
1 1 t t
t t
x Y
E Y E
( )
( Y ) E ( Y ) E ( Y ) ( exp ( ( exp ( ) 1 ) ) 1 ) Var
Var Y
2 t1
2 t2 t2
t2 t1
( ) ( ) ( )
( )
1( )
22 2 1
1
, 1
t t
t t t
t
Var Y Var Y
e E Y Y
Y corr
( )
h t h t h t
t
x
Y E
, 1 1 , 1 , 1
1
( )
j t j t
t
Y
, 2 , 2
2
( ) ( )
t hh t h t
t
e
x Y E
, 1 ,
1 , 2
2
1
( )
2 1,21 ,
ln stala wiek
t 1wiek
t2
0
, 1 2
0
, 1
1 1
ln
t1x
tλ
λ
α λ
λ
t1
λ
λ
λ λ
λ
β
β
2β
2β
j ,
β
2β
β β
β
β
α
α
∂
∂ E
∂
∂
∂
∂ x
α
=
=
t1
λ
η
η
η η
λ
λ
λ
t2=
=
=
=
=
=
=
=
<
>
=
=
λ
t2λ
t1
λ
=
=
(2)
Modele nie są równoważne, gdyż zamiana numerów zmiennych nie prowadzi do otrzymania równoważnych konstrukcji statystycznych. Może to być postrzegane jako wada.
Mamy próbę z rozkładu łącznego, czyli parę y
t1i y
t 2dla t =1,…,T, gdzie t to numer obserwa- cji. Rozkład brzegowy dla jednej ze zmiennych, Y
t1, jest jednowymiarowym rozkładem Poissona z parametrem λ
t 1(będącym jednocześnie wartością oczekiwaną i wariancją):
(
1 1,
2 2)
1|2(
1 2)
2( )
2Pr Y y Y y g y y
•g
Yy
•
•
•
•
• • •
•
•
•
•
•
•
•
•
•
• Y
= Y
=
=
(
1 1,
2 2)
2|1(
2 1)
1( )
1Pr Y
=y Y
=y
=g
YYy y g
Yy
( ) (
1) ( )
1 1 11
exp
!
1
ytt t t
t
y
y
g
= ––
– –
–
+ +
– –
, gdzie
1=exp (
1 1)
= +
+
t
t
x
( ) (
2)( )
2 22 1
2
exp
!
1
ytt t t
t
t
y y
y
g , gdzie
t2exp ( x
t2y
t1)
( )
( )
2exp ( ( exp ( ) 1 ) ) exp (
2)
1 1
t t
t t
x Y
E Y E
( )
( Y ) E ( Y ) E ( Y ) ( exp ( ( exp ( ) 1 ) ) 1 ) Var
Y Var
2 t1
2 t2 t2
t2 t1
( ) ( ) ( )
( )
1( )
22 2 1
1
, 1
t t
t t t
t
Var Y Var Y
e Y Y E
Y corr
( )
h t h t h t
t
x
Y E
, 1 1 , 1 , 1
1
( )
j t j t
t
Y
, 2 , 2
2
( ) ( )
t hh t h t
t
e
x Y E
, 1 ,
1 , 2
2
1
( )
2 1,21 ,
ln stala wiek
t 1wiek
t2
0
, 1 2
0
, 1
1 1
ln
t1x
tλ
λ
α λ
λ
t1
λ
λ
λ λ
λ
β
β
2β
2β
j ,
β
2β
β β
β
β
α
α
∂
∂ E
∂
∂
∂
∂ x
α
=
=
t1
λ
η
η
η η
λ
λ
λ
t2=
=
=
=
=
=
=
=
<
>
=
=
λ
t2λ
t1
λ
=
=
(3)
3 Dla czytelności pominięto indeks obserwacji t. Zakłada się niezależność decyzji podejmowanych przez konsumentów.
Wykorzystanie gotówki i karty płatniczej...
381
gdzie β
1jest k
1-elementowym wektorem nieznanych parametrów, informującym o kierunku i sile oddziaływania zmiennych egzogenicznych (objaśniających) na charakterystyki rozkładu obserwowanej zmiennej. Zmienne te są zgrupowane w wektor x
t 1, który standardowo zawiera także sztuczną zmienną „1”.
Najważniejszą kwestią jest określenie rozkładu dla drugiej zmiennej Y
t2pod warunkiem zaob- serwowania Y
t1= y
t1, co do którego zakłada się, że także jest rozkładem Poissona z parametrem λ
t 2. Berkhout i Plug (2004) przyjęli, że:
(
1 1,
2 2)
1|2(
1 2)
2( )
2Pr Y y Y y g y y
•g
Yy
•
• •
•
• • •
•
•
•
•
•
•
•
•
•
• Y
= Y
=
=
(
1 1,
2 2)
2|1(
2 1)
1( )
1Pr Y
=y Y
=y
=g
YYy y g
Yy
( ) (
1) ( )
1 11
1
exp
!
1
ytt t t
t
y
y
g
= ––
– –
–
+ +
– –
, gdzie
1=exp (
1 1)
= +
+
t
t
x
( ) (
2)( )
2 22 1
2
exp
!
1
ytt t t
t
t
y y
y
g , gdzie
t2exp ( x
t2y
t1)
( )
( )
2exp ( ( exp ( ) 1 ) ) exp (
2)
1 1
t t
t t
x Y
E Y E
( )
( Y ) E ( Y ) E ( Y ) ( exp ( ( exp ( ) 1 ) ) 1 ) Var
Y Var
2 t1
2 t2 t2
t2 t1
( ) ( ) ( )
( )
1( )
22 2 1
1
, 1
t t
t t t
t
Var Y Var Y
e E Y Y
Y corr
( )
h t h t h t
t
x
Y E
, 1 1 , 1 , 1
1
( )
j t j t
t
Y
, 2 , 2
2
( ) ( )
t hh t h t
t
e
x Y E
, 1 ,
1 , 2
2
1
( )
2 1,21 ,
ln stala wiek
t 1wiek
t2
0
, 1 2
0
, 1
1 1
ln
t1x
tλ
λ
α λ
λ
t1
λ
λ
λ λ
λ
β
β
2β
2β
j ,
β
2β
β β
β
β
α
α
∂
∂ E
∂
∂
∂
∂ x
α
=
=
t1
λ
η
η
η η
λ
λ
λ
t2=
=
=
=
=
=
=
=
<
>
=
=
λ
t2λ
t1
λ
=
=
(4)
gdzie x
t 2jest wektorem o wymiarach 1 × k
2, ß
2jest zaś wektorem parametrów. Parametr α odgrywa ważną rolę, gdyż jest odpowiedzialny za znak korelacji.
Berkhout i Plug (2004) podali charakterystyki brzegowe rozkładu zmiennej dwuwymiarowej Y = [Y
t1Y
t2]. Wektor wartości oczekiwanych zmiennej dwuwymiarowej Y
tskłada się z następują- cych elementów:
(
1 1,
2 2)
1|2(
1 2)
2( )
2Pr Y y Y y g y y
•g
Yy
•
• •
•
• • •
•
•
•
•
•
•
•
•
•
• Y
= Y
=
=
(
1 1,
2 2)
2|1(
2 1)
1( )
1Pr Y
=y Y
=y
=g
YYy y g
Yy
( ) (
1) ( )
1 11
1
exp
!
1
ytt t t
t
y
y
g
= ––
– –
–
+ +
– –
, gdzie
1=exp (
1 1)
= +
+
t
t
x
( ) (
2)( )
2 22 1
2
exp
!
1
ytt t t t
t
y y
y
g , gdzie
t2exp ( x
t2y
t1)
( )
( )
2exp ( ( exp ( ) 1 ) ) exp (
2)
1 1 t t
t t
x Y
E E Y
( )
( Y ) E ( Y ) E ( Y ) ( exp ( ( exp ( ) 1 ) ) 1 ) Var
Var Y
2 t1
2 t2 t2
t2 t1
( ) ( ) ( )
( )
1( )
22 2 1
1
, 1
t t
t t t
t
Var Y Var Y
e Y Y E
Y corr
( )
h t h t h t
t
x
Y E
, 1 1 , 1 , 1
1
( )
j t j t
t
Y
, 2 , 2
2
( ) ( )
t hh t h t
t
e
x E Y
, 1 ,
1 , 2
2
1
( )
2 1,21 ,
ln stala wiek
t 1wiek
t2
0
, 1 2
0
, 1
1 1
ln
t1x
tλ
λ
α λ
λ
t1
λ
λ
λ λ
λ
β
β
2β
2β
j ,
β
2β
β β
β
β
α
α
∂
∂ E
∂
∂
∂
∂ x
α
=
=
t1
λ
η
η
η η
λ
λ
λ
t2=
=
=
=
=
=
=
=
<
>
=
=
λ
t2λ
t1
λ
=
=
(5)
Wariancje zmiennych Y
1i Y
2wynoszą odpowiednio:
(
1 1,
2 2)
1|2(
1 2)
2( )
2Pr Y y Y y g y y
•g
Yy
•
• •
•
• • •
•
•
•
•
•
•
•
•
•
• Y
= Y
=
=
(
1 1,
2 2)
2|1(
2 1)
1( )
1Pr Y
=y Y
=y
=g
YYy y g
Yy
( ) (
1) ( )
1 11
1
exp
!
1
ytt t t
t
y
y
g
= ––
– –
–
+ +
– –
, gdzie
1=exp (
1 1)
= +
+
t
t
x
( ) (
2)( )
2 22 1
2
exp
!
1
ytt t t t
t
y y
y
g , gdzie
t2exp ( x
t2y
t1)
( )
( )
2exp ( ( exp ( ) 1 ) ) exp (
2)
1 1 t t
t t
x Y
E Y E
( )
( Y ) E ( Y ) E ( Y ) ( exp ( ( exp ( ) 1 ) ) 1 ) Var
Var Y
2 t1
2 t2 t2
t2 t1
( ) ( ) ( )
( )
1( )
22 2 1
1
, 1
t t
t t t
t
Var Y Var Y
e E Y Y
Y corr
( )
h t h t h t
t
x
Y E
, 1 1 , 1 , 1
1
( )
j t j t
t
Y
, 2 , 2
2
( ) ( )
t hh t h t
t
e
x Y E
, 1 ,
1 , 2
2
1
( )
2 1,21 ,
ln stala wiek
t 1wiek
t2
0
, 1 2
0
, 1
1 1
ln
t1x
tλ
λ
α λ
λ
t1
λ
λ
λ λ
λ
β
β
2β
2β
j ,
β
2β
β β
β
β
α
α
∂
∂ E
∂
∂
∂
∂ x
α
=
=
t1
λ
η
η
η η
λ
λ
λ
t2=
=
=
=
=
=
=
=
<
>
=
=
λ
t2λ
t1
λ
=
=
(6)
Charakterystykę zależności między obiema zmiennymi: korelację, opisuje natomiast poniższa formuła:
(
1 1,
2 2)
1|2(
1 2)
2( )
2Pr Y y Y y g y y
•g
Yy
•
• •
•
• • •
•
•
•
•
•
•
•
•
•
• Y
= Y
=
=
(
1 1,
2 2)
2|1(
2 1)
1( )
1Pr Y
=y Y
=y
=g
YYy y g
Yy
( ) (
1) ( )
1 11
1
exp
!
1
ytt t t
t
y
y
g
= ––
– –
–
+ +
– –
, gdzie
1=exp (
1 1)
= +
+
t
t
x
( ) (
2)( )
2 22 1
2
exp
!
1
ytt t t t
t
y y
y
g , gdzie
t2exp ( x
t2y
t1)
( )
( )
2exp ( ( exp ( ) 1 ) ) exp (
2)
1 1 t t
t t
x Y
E Y E
( )
( Y ) E ( Y ) E ( Y ) ( exp ( ( exp ( ) 1 ) ) 1 ) Var
Var Y
2 t1
2 t2 t2
t2 t1
( ) ( ) ( )
( )
1( )
22 2 1
1
, 1
t t
t t t
t
Var Y Var Y
e E Y Y
Y corr
( )
h t h t h t
t
x
Y E
, 1 1 , 1 , 1
1
( )
j t j t
t
Y
, 2 , 2
2
( ) ( )
t hh t h t
t
e
x Y E
, 1 ,
1 , 2
2
1
( )
2 1,21 ,
ln stala wiek
t 1wiek
t2
0
, 1 2
0
, 1
1 1
ln
t1x
tλ
λ
α λ
λ
t1
λ
λ
λ λ
λ
β
β
2β
2β
j ,
β
2β
β β
β
β
α
α
∂
∂ E
∂
∂
∂
∂ x
α
=
=
t1
λ
η
η
η η
λ
λ
λ
t2=
=
=
=
=
=
=
=
<
>
=
=
λ
t2λ
t1
λ
=
=