Caso Eurotel

1. Contexto

Eurotel es una empresa de telecomunicaciones que cuenta con una docena de licencias de telecomunicaciones en Europa. Como parte de su plan de crecimiento, planea competir por la adquisición de licencias en Hungría, Rusia y Turquía; por lo que necesita determinar el monto que ofertará por estas, durante las subastas.

Históricamente el monto es determinado por las características del mercado, el valor presente neto del mercado y teoría del juego. Sin embargo, el paper propone el uso de regresión lineal múltiple, utilizando otras variables de las que se dispone, para determinar el monto oferta en las subastas.

En este documento, primeramente, analizaremos las variables, con las que se cuentan, determinaremos las de mejor cualidad, para sumarlas al modelo de regresión, y luego obtendremos la predicción del monto de subasta. Finalmente se brindarán conclusiones sobre la utilidad y eficacia del modelo.

1. Análisis, Modelo y Resultados

Variable dependiente

Los datos con los que se cuentan proveen información del total ganado por cada gobierno por todas las licencias (“Price for all licenses”); pero lo que necesitamos predecir es el precio unitario. Crearemos una nueva variable dividiendo el precio total por todas las licencias entre el total de licencias disponibles (“Licenses  Available”). Esta nueva variable será la que utilicemos como variable dependiente y dado que la comparación final con el análisis NPV será en millones de USD, realizamos la conversión de billón a millón.

Tipo de Concurso

Esta variable grafica si el proceso de selección es una subasta o un proceso “beauty” (selección del mejor candidato en base a evaluación de característica), para poder incluirla en el modelo, la simplificaremos convirtiéndola en valores discretos:

Análisis de Correlación

El análisis arroja que las variables con mayor correlación con la variable dependiente son GDP (Producto Bruto Interno), Mobile Subscribers y Population. Sin embargo, estas tienen alta correlación entre sí, por lo que debemos retirarlas del modelo ya que explican parte de la misma varianza en la variable a predecir.

Lo que indica el análisis resulta lógico, tanto la cantidad de suscriptores y el producto bruto interno están relacionadas al volumen poblacional en cada país.

Igualmente, al tener alta correlación entre sí, no evaluaremos modelos que usen combinaciones de ellas, porque podría llevarnos a modelos sesgados.

El resto de las variables, al arrojar valores de correlación no significantes con la variable dependiente serán descartados.

Con lo cual evaluaremos las siguientes opciones de regresión:

De los 3 modelos, el que obtiene mejor valor de R2 es el que considera la variable GDP; no obstante, al usarlo para predecir los valores de subasta de las licencias en Hungría se obtiene un valor negativo, lo que lo hace inviable. Por este motivo lo desestimamos. Con el segundo modelo, tenemos el segundo valor R2 más alto, igualmente se comprueba la significancia de la variable al tener un P-value menor que 0.05. Solo con fines comparativos obtenemos el tercer modelo, pero al tener valores inferiores de R2 que el segundo no lo usaremos en la predicción.

...