De prijselasticiteit van verschillende soorten muziekevenementen
bij een non-profitorganisatie
Nikki Wesselius, 10338942 28 juni 2015 Bachelor scriptie
Econometrie, Universiteit van Amsterdam Onder begeleiding van J.C.M. van Ophem
Inhoud 1. Inleiding ... 1 2. Theoretisch kader ... 3 3. Onderzoeksopzet ... 8 4. Resultaten en analyse ... 15 5. Conclusie... 23 I. Bibliografie ... 25
1 1. Inleiding
Naar een muziekevenement gaan kost geld, maar wat bepaalt hoeveel een kaartje voor een muziekoptreden kost? Is de prijsstelling zodanig dat het door de organiserende organisatie gestelde resultaat behaald wordt? Non-profitmuziekpodia, zoals Paradiso Amsterdam, geven een podium aan opkomende artiesten en zorgen voor betaalbare ticketprijzen voor bezoekers. Daarnaast moeten dergelijke non-profitorganisaties ervoor zorgen dat ze financieel gezond blijven. Non-profitorganisaties moeten daarom een balans zien te vinden tussen deze doelen. De relevante prijselasticiteit is daarbij interessante informatie. Indien optredens in een bepaald soort muziekgenre prijsinelastisch zijn en in een ander genre juist prijselastisch kunnen de prijzen daarop worden aangepast, zodat het aantal bezoekers van optredens wordt vergroot, terwijl de omzet niet hoeft te dalen.
Ervan uitgaande dat een muziekevent een luxegoed is, wordt er verwacht dat de ticketprijs elastisch is. Onderzoek wijst echter uit dat in veel gevallen de eventkaarten praktisch prijsinelastisch zijn. Zieba (2009) komt bij Duitse publieke theatervoorstellingen uit op een prijselasticiteit tussen de -0.26 en -0.43. Bij Felton (1992) worden uitvoerende kunsten als balletvoorstellingen, orkestoptredens en opera’s uit de Verenigde Staten verdeeld in verschillende budgetgroepen. De classificatie wordt gedaan aan de hand van de hoogte van het totale jaarlijkse inkomen uit georganiseerde evenementen. Orkesten worden in vier verschillende budgetgroepen verdeeld en balletgroepen in twee. De budgetgroepen hebben elasticiteiten die liggen tussen de (-0.13; -0.95). Hier is sprake van een bijna prijselastische groep, namelijk orkesten met zeer gering budget (-0.95). Uit haar resultaten blijkt, hoe kleiner het budget van de uitvoerende kunstorganisator, hoe gevoeliger de organisatie is voor ticketprijsveranderingen. Lange en Luksetich (1984) komen tot de conclusie dat orkesten uit de Verenigde Staten met een groot budget prijsinelastisch zijn (-0.390), terwijl orkesten met een middel tot klein budget prijselastisch zijn (-1.258, -1.367).
Bij deze onderzoeken worden ongeveer dezelfde verklarende variabelen gebruikt, zoals ticketprijs, het gemiddelde inkomen van een populatie in de regio waar de organisatie optreed en de gage die artiesten ontvangen. Het soort muziekevent wordt bij de meeste onderzoeken niet in de beschouwing genomen, maar dit kan wel degelijk invloed hebben op de prijselasticiteit. Het onderzoek van Pompe, Tamburri en Munn (2013) is een voorbeeld van een onderzoek waarbij het soort muziekevent wel is gebruikt als variabele. Zij onderzoeken of het repertoire van het symfonieorkest invloed heeft op het bezoekersaantal. Hieruit blijkt dat de symfonieorkesten met een standaardklassiek repertoire een significant groter bezoekersaantal hebben in vergelijking tot symfonieorkesten met een modern-klassiek repertoire.
2 Ik verwacht dat er bij het onderzoek van Pompe e.a. (2013) geen rekening gehouden is met de positieve correlatie tussen de salarissen van de musici en het spelen van een standaardklassiek repertoire. Pompe e.a. (2013) meten aan de hand van de salarissen van de musici het niveau en de bekendheid van de orkesten. Hun onderzoek gaat niet in op eventuele correlatie tussen de hoogte van de salarissen en het spelen van klassieke repertoires, die ik positief verwacht. Hierdoor is het mogelijk dat het geschatte effect van het repertoire in het model groter is dan in de werkelijkheid. Dit heeft invloed op de prijselasticiteit, indien de ticketprijs beïnvloed wordt door de repertoirekeuze.
De bovengenoemde onderzoeken analyseren prijselasticiteiten van klassieke podiumkunsten. Dit onderzoek neemt de prijselasticiteit van muziekevenementen van een non-profitpoppodium/club in beschouwing. Er wordt onderzocht welke factoren het aantal bezoekers van een muziekevenement bepalen. Variabelen als de dag van de week, de hoogte van de gage, de ticketprijs en de marketinguitgaven kunnen hierbij verklarend zijn.
Geïnspireerd door het onderzoek van Pompe e.a. (2013) worden in dit onderzoek de evenementen ingedeeld in verschillende soorten muziekevents. De muziekevenementen worden in dit onderzoek onderverdeeld in de muzieksoorten dance-events, live concerten en overige. De vraag die hierbij gesteld wordt is: wat is de prijselasticiteit van een non-profitpoppodium en welke factoren spelen een rol bij het verklaren van het aantal betalende bezoekers?
Om deze vraag te beantwoorden zijn data nodig. De data, die voor dit onderzoek gebruikt worden, zijn beschikbaar gesteld door Paradiso Amsterdam en zijn vertrouwelijk. Paradiso Amsterdam is een non-profitorganisatie die jaarlijks meer dan 1000 evenementen organiseert. Het evenementenrepertoire van Paradiso is zeer divers. Het varieert van pop-, rock-, folk-, soul-, country-, reggae- en bluesconcerten tot dance- en house-events en zelfs tot lezingencountry-, klassieke muziekconcerten en modeshows. De combinatie van de verdeling van de muziekevents op muzieksoort en de data van een modern non-profitmuziekpodium maakt dit onderzoek uniek.
Aan de hand van de specifiek gekozen variabelen uit de beschikbare gegevens wordt er een model gevormd, waarmee de prijselasticiteit kan worden geschat. Er worden meerdere soorten regressie uitgevoerd, deze worden met elkaar vergeleken. Een probleem bij het maken van de regressies is dat de zalen waarin de evenementen zich afspelen een maximum capaciteit hebben. Indien het event is uitverkocht geeft dit gecensureerde data. In het theoretisch kader wordt hier verder op ingegaan.
De scriptie is op de volgende manier opgebouwd: het volgende hoofdstuk bevat het theoretisch kader. Hierin worden theorieën, achtergronden en feiten besproken vanuit gerelateerde onderzoeken. Dit wordt in hoofdstuk drie gevolgd door de opzet en inhoud van het onderzoek. Hierbij worden vorige onderzoeken vergeleken met dit onderzoek. Daarna worden de data geanalyseerd en opgeschoond. Ook wordt het model gespecificeerd en de variabelen beschreven. In het vierde hoofdstuk worden de resultaten van het onderzoek besproken waarna de analyse volgt. In hoofdstuk zes wordt ten slotte de conclusie gevormd.
3 2. Theoretisch kader
Er zijn meerdere voorgaande studies gedaan over de prijselasticiteit van podiumkunsten. Deze onderzoeken ondersteunen de opbouw van dit onderzoek. Allereerst worden er twee onderzoeken voor klassieke podiumkunsten onder de loep genomen. Daarna wordt er naar een oplossing gezocht voor gecensureerde data. Dit wordt gedaan met behulp van een onderzoek naar het aantal aanwezigen in een Amerikaans footballstadion. Vervolgens wordt gekeken naar een aantal theoretische aannames die onderzoeken maken. Het theoretisch kader begint met het onderzoek van Felton (1992). Ten slotte wordt er nog een kort advies gegeven aan Paradiso Amsterdam met betrekking tot het eventueel verhogen van de prijzen.
Felton (1992) onderzoekt de prijselasticiteit van podiumkunsten. Het model bestaat uit een micro-economische vraagfunctie met als afhankelijke variabele het aantal abonnees voor het thuisseizoen van podiumkunstorganisaties gedurende één seizoen. Felton (1992) kiest specifiek voor de abonnees, aangezien zij in vorig onderzoek (Felton, 1989) concludeert dat seizoenabonnees wel gevoelig zijn voor prijsveranderingen, terwijl niet-abonnees dat niet zijn. De onafhankelijke variabelen opgenomen in het model zijn de gemiddelde abonneeticketprijs van de podiumkunstorganisatie, het reële inkomen per hoofd van de bevolking en de populatiegrootte van het grootstedelijk gebied waarin de organisatie zich bevindt, het aantal thuisoptredens, de marketinguitgaven en de gemiddelde abonneeprijs voor een andere podiumkunstorganisatie in dezelfde stad. Daarnaast zijn er nog twee dummyvariabelen, één voor elke organisatie en één voor de verschillen in marginaal effect van de ticketprijs tussen de organisaties. De laatste is een variabele maal de dummy voor elke organisatie. Felton (1992) plot de onafhankelijke variabelen tegen het aantal abonnees voor een thuisseizoen. De relaties zijn niet lineair. Van zowel de afhankelijke variabele als alle onafhankelijke variabelen, met uitgang van de dummyvariabelen, worden de logaritmes genomen, waarna de functie min of meer lineair is.
Vervolgens wordt er met behulp van deze variabelen een model gevormd. Bij het schatten begint Felton (1992) met standaard OLS-regressies van het aantal seizoenabonnementen op de bovengenoemde, onafhankelijke variabelen zonder de twee dummyvariabelen voor elke organisatie en de marginale verschillende effecten van de ticketprijs voor elke organisatie. Hierna worden OLS-regressies gedaan met de dummyvariabelen. De F-toets maakt het aannemelijk dat de nauwkeurigheid van het model, door het toevoegen van de dummyvariabelen, opweegt tegen het verlies van vrijheidsgraden. Er is sprake van heteroscedasticiteit bij de verschillende bedrijven. Dit kan worden opgelost door WLS-regressie toe te passen. Vervolgens maakt de Durbin-Watson toets het aanvaardbaar dat serial correlation afwezig is.
4 Middels dit model concludeert Felton (1992) dat in het algemeen prijselasticiteit voor de vraag van podiumkunsten inelastisch is. Zij vermeldt daarbij dat podiumkunstorganisaties niet blindelings prijsverhogingen moeten uitvoeren, omdat er ook organisaties zijn die wel prijsinelastisch zijn.
Naast Felton (1992) hebben meerdere onderzoekers zich beziggehouden met de prijselasticiteit van podiumkunsten. Een recenter onderzoek is die van Pompe e.a. (2013) over symfonieorkesten. Het onderzoek van Pompe e.a. (2013) onderzoekt de invloed van het programma van een symfonieorkest op het aantal bezoekers. In hun model wordt geschat in welke mate het totaal aantal betalende bezoekers per seizoen wordt beïnvloed door het percentage modern-klassiek repertoire, de percentages van composities met een of meerdere solisten op verschillende instrumenten, de gemiddelde ticketprijs, het salaris van de muzikanten, de reclamekosten, de uitzendingsinkomsten, het aantal abonnementen op concerten, de donaties per bezoeker, het aantal jaren dat het orkest bestaat, het aantal orkesten dat in de omgeving gevestigd is. Ook gebruiken Pompe e.a. (2013) variabelen gemeten over alle inwoners van het metropoolgebied, zoals het mediaaninkomen, de populatie, het leeftijdsgemiddelde en de werkloosheidsratio. Daarnaast gebruiken zij nog een dummyvariabele voor elk specifiek seizoen.
Allereerst wordt de OLS-regressie toegepast op de vraagvergelijking. Ook Pompe, e.a. (2013) gebruiken voor het berekenen van de prijselasticiteit in hun model de dubbel logaritmische vorm. Aan de hand van de Box-Coxtransformatie nemen ze aan dat er geen reden is om de dubbel logaritmische vorm te verwerpen. De Box-Coxtransformatie is gegeven door 𝑦𝑖(𝜆) = 𝛽1+ ∑𝑘𝑗=2𝛽𝑗𝑥𝑗𝑖(𝜆)+ 𝜀𝑖, volgens Heij, De Boer, Franses, Kloek en Van Dijk (2004). Hierbij is 𝑦𝑖(𝜆) =𝑦𝑖
𝜆−1
𝜆 en 𝑥𝑗𝑖(𝜆) op
dezelfde manier geformuleerd. Heij, e.a. (2004) geven aan dat indien 𝜆 = 1 verkregen wordt het model het best lineair gespecificeerd kan worden. Terwijl als 𝜆 = 0 wordt verkregen, het model het best log-lineair gespecificeerd kan worden.
Daarna passen Pompe, e.a. (2013) de Ramsey RESET F-test toe om te toetsen of het model correct gespecifieerd is. Vervolgens wordt er gekeken of er multicollineariteit optreedt, door de
variance inflation factor (1−𝑅1
𝑗
2). De gemiddelde waarde van de VIF is kleiner dan 3 en wordt
insignificant geacht. Desalniettemin laat de correlatiematrix sterke correlaties zien, met een significantielevel van Sidak onder de 0.05, tussen de marketingkosten, het aantal orkesten in een gebied en het aantal abonneeconcerten en andere variabelen.
5 Pompe e.a. (2013) concluderen dat het spelen van een standaardklassiek repertoire resulteert in meer bezoekers in vergelijking tot het spelen van een modern-klassiek repertoire. Desondanks is het geen goed idee voor symfonieorkesten om enkel standaardklassieke repertoires te spelen om hun bezoekersaantallen te verhogen (Pompe e.a., 2013). De symfonieorkesten hebben meer doelen dan winstmaximalisatie. Symfonieorkesten willen dat er ook nieuwe stukken worden geschreven. Indien er geen nieuwe repertoires kunnen worden gespeeld, zal de ontwikkeling van modern-klassieke muziek stagneren.
Pompe e.a. (2013) constateren dat optredens van symfonieorkesten vaak prijsinelastisch zijn. Zij geven daarbij wel aan dat prijsstijgingen zullen resulteren in minder donaties. Er moet immers met zowel de donaties, als aantal betalende bezoekers en de ticketprijs rekening worden gehouden bij het maximaliseren van de omzet.
Gecensureerde data
Het aantal betalende bezoekers is de afhankelijke variabele in een model bedoeld voor het bepalen van de prijselasticiteit. Indien een evenement is uitverkocht en dus een zaal zijn maximale capaciteit heeft bereikt, is de prijselasticiteit lastig te schatten. Door de censurering van het aantal betalende bezoekers kan het volledige effect van de ticketprijs niet gemeten worden. De OLS-schattingen van een lineair model zijn inconsistent als de afhankelijke variabele gecensureerd is. De oplossing hiervoor is het Tobitmodel toepassen.
In het onderzoek van Welki en Zlatoper (1999) wordt zowel het Tobitmodel als een lineair regressiemodel gebruikt voor het bepalen van het aantal aanwezige bezoekers tijdens een professionele American footballwedstrijd. Deze twee schattingen worden vervolgens met elkaar vergeleken. Het opvallendste verschil is dat de p-waarde voor de variabele prijs bij het Tobitmodel 0.05 is, terwijl die bij de OLS-regressie 0.01 is. Daarnaast is bij beide modellen een positieve relatie aanwezig tussen de kwaliteit van het bezoekende team en het aantal bezoekers. Deze variabele is echter alleen significant bij de OLS-regressie.
Omdat footballstadions een maximum capaciteit hebben werken Welki en Zlatoper (1999) met het Tobitmodel. De afhankelijke variabele is het aantal stadionbezoekers gedeeld door de maximale capaciteit van de footballstadions. Met het relatieve aantal aanwezigen zorgen ze ervoor dat er enkel relatieve verschillen zijn bij verschillende groottes van stadions. Het Tobitmodel zorgt voor consistente schattingen met betrekking tot het aantal aanwezigen in het stadion en de ticketprijs. Hieronder wordt het Tobitmodel verder beschreven.
Heij e.a. (2004) beschrijven hoe gecensureerde data gebruikt kunnen worden in een model. Dit kan, volgens hen, worden gedaan door middel van het Tobitmodel, type 1. Bij het Tobitmodel bevat een variabele enkel observaties binnen een bepaald interval. In dit geval is dat de maximale relatieve stadioncapaciteit, die altijd tussen nul en één zit. Een Tobitmodel met de maximale stadioncapaciteit is rechts gecensureerd, dit kan namelijk niet boven de 100 procent bezettingsgraad
6 uitkomen. Er wordt hier verder ingegaan op het rechts gecensureerde model. Het rechts gecensureerd model kijkt in dit onderzoek naar het relatief aantal betalende bezoekers ten opzichte van de zaalcapaciteit. Het aantal betalende bezoekers gedeeld door de zaalcapaciteit kan niet boven de één kan uitkomen en is rechts gecensureerd. Het Tobitmodel gaat uit van:
𝑦𝑖= {𝑦𝑖∗= 𝑥𝑖′𝛽 + 𝜎𝜀𝑖 𝑎𝑙𝑠 𝑦𝑖∗< 1
1, 𝑎𝑙𝑠 𝑦𝑖∗≥ 1
Hierbij is σ een schaalparameter en heeft de fout term ε𝑖 een dichtheidsfunctie. Er wordt uitgegaan
van een gecensureerde normale verdeling, waarbij 𝜑(𝑧) de dichtheidsfunctie is en 𝛷(𝑧) de cumulatieve verdelingsfunctie. De verdeling van 𝑦𝑖 ziet er dan als volgt uit:
𝑓(𝑧) = { 1 𝜎𝜑 ( 𝑧 − 𝑥𝑖′𝛽 𝜎 ) , 𝑣𝑜𝑜𝑟 𝑧 < 1 𝑃(𝑦𝑖∗≥ 1) = 1 − 𝛷 (𝑧 − 𝑥𝑖 ′𝛽 𝜎 ) , 𝑎𝑙𝑠 𝑧 ≥ 1
Hier wordt een loglikelihoodfunctie van gemaakt door te sommeren en de logaritme te nemen.
𝐿(𝛽, 𝜎2) = ∏ 1 𝜎𝜑 ( 𝑦𝑖∗− 𝑥𝑖′𝛽 𝜎 ) 𝑦𝑖∗<1 ∏ 1 − 𝛷 (1 − 𝑥𝑖 ′𝛽 𝜎 ) 𝑦𝑖∗=1
Wanneer een Tobitmodel te maken krijgt met mogelijk endogene variabelen moet dit ook op een andere manier getoetst worden dan bij een standaard klassiek model. Bij OLS-regressie wordt gekeken of er sprake is van endogene variabelen door middel van de Wu-Hausman test (Heij e.a. 2004). Bij een Tobitmodel wordt er gebruikgemaakt van de Waldtest voor exogeniteit.
Indien er uit de Waldtest komt dat er een variabele gecorreleerd is met de foutterm in het Tobitmodel, kan er door middel van instrumentele variabelen met de maximum likelihoodschatter het Tobitmodel worden geschat. De maximum likelihoodschatter voor het Tobitmodel geldt als model voor gecensureerde data met één of meerdere endogene variabelen. Het Tobitmodel geschat met behulp van de maximum likelihoodschatter ziet er als volgt uit:
𝑦1𝑖∗ = 𝑦
2𝑖𝛽 + 𝑥1𝑖𝛾 + 𝑢𝑖
𝑦2𝑖 = 𝑥1𝑖𝛱𝑖+ 𝑥2𝑖𝛱2+ 𝑣𝑖
Waarbij 𝑖 = 1, … , 𝑛; 𝑦2𝑖 een 1 × 𝑝 vector is met endogene variabelen; 𝑥1𝑖 een 1 × 𝑘1 vector met exogene variabelen en 𝑥2𝑖 een 1 × 𝑘2 vector met toegevoegde instrumenten. Hierbij wordt
7 Modelaannames
Naast gecensureerde data hebben de genoemde onderzoeken naar prijselasticiteit te maken met meer problemen. In twee empirische onderzoeken worden er aannames gemaakt die van belang zijn voor het vormen van het model voor dit onderzoek. De eerste aanname wordt gemaakt in het onderzoek van Eckard en Smith (2012). Zij maken het aannemelijk dat de marginale kosten van een extra verkocht ticket bij een popmuziekconcert nul is. De data bevatten gegevens over grote popmuziekshows uit de Verenigde Staten van 2005 tot en met 2008. De kosten van popconcerten die meerdere dagen optreden op dezelfde locatie worden met elkaar vergeleken. Hieruit resulteert dat de extra arbeids- en apparatuurskosten per verkocht ticket niet significant zijn. Er wordt in het onderzoek van Eckard en Smith (2012) echter geen rekening gehouden met de mogelijkheid dat in de voorverkoop minder kaarten worden verkocht dan verwacht. Dan kunnen er nog marketinguitgaven worden gedaan, om het evenement te promoten. Hierdoor stijgen de marginale kosten per extra verkocht kaartje na het promoten. Naast dat de marginale kosten dan niet meer gelijk zouden zijn aan nul, betekent dit ook dat de variabele voor marketinguitgaven endogeen is. De marketinguitgaven zijn dan gecorreleerd aan het aantal betalende bezoekers oftewel het aantal verkochte kaartjes.
Een tweede aanname is dat het maximaliseren van de omzet uit tickets niet het juiste uitgangspunt kan zijn. Indien de prijselasticiteit tussen de -1 en 0 zit kan de prijs stijgen zonder dat de omzet (aantal betalende bezoekers maal ticketprijs) daalt. Het aantal bezoekers stijgt niet, maar de omzet zal niet dalen. Een non-profitorganisatie stelt echter als doel om laagdrempelig te blijven en daarom is het niet geschikt om zulke prijsstijgingen blindelings door te voeren. Daarnaast heeft een non-profitorganisatie ook inkomsten van subsidies en donaties. Indien non-profitorganisaties de omzet van de ticketprijs gaan maximaliseren, kan dit invloed hebben op deze subsidies en donaties.
Paradiso
Los van de resultaten uit het onderzoek is het mogelijk niet verstandig voor Paradiso om blindelings ticketprijzen te verhogen. Ook als de prijselasticiteit groter is dan -1. Paradiso is een non-profitorganisatie die deels afhankelijk is van subsidies. Ook is het mogelijk om donaties te doen aan Paradiso. Volgens de website van Paradiso Amsterdam wordt de begroting van Paradiso voor 6% gedekt door de gemeente Amsterdam. Het aanpassen van ticketprijzen met als oogpunt het maximaliseren van de winst is niet passend bij een gesubsidieerd poppodium.
Daarnaast organiseert Paradiso Amsterdam evenementen, waarvoor al van tevoren verlies wordt ingecalculeerd. Desondanks vindt Paradiso het belangrijk dat deze evenementen gehouden worden, omdat ze op cultureel gebied interessant zijn. Het zou voor Paradiso Amsterdam een optie kunnen zijn om niet de winst te maximaliseren, maar het aantal bezoekers te maximaliseren. Hierbij moet dan verlies zoveel mogelijk beperkt worden.
8 3. Onderzoeksopzet
De onderzoeksopzet begint met een databeschrijving. Daarna wordt de modelopbouw behandeld en het model gegeven dat geschat wordt. Hierna worden de variabelen van het model beschreven met behulp van de variabelen die in de onderzoeken in het theoretisch kader zijn besproken.
De data
De vertrouwelijke data van Paradiso Amsterdam bestaan uit een programma en een journaal. Het programma bevat gegevens van alle evenementen van Paradiso van 1 januari 2012 tot en met 31 december 2014. Dit geeft in totaal een overzicht van 3255 evenementen. Elk evenement in het programma is verbonden aan een uniek projectkaartnummer. De data bevatten van elk evenement gegevens over de dag van de week, het totaal aantal betalende en niet-betalende bezoekers, de ticketprijs, of er lidmaatschap nodig is, de zaal, de soort muziek (dance, live of overig), hoeveel kaarten er in de voorverkoop verkocht zijn en een variabele die aangeeft of het event uitverkocht is. Daarnaast zijn er in het programma nog gegevens die niet worden gebruikt voor het model wat de prijselasticiteit schat, bijvoorbeeld de baromzet, de regiekosten en of het evenement zich overdag of ’s avonds/’s nachts afspeelt.
Ongeveer 70% van de evenementen bestaat uit dance events, 25% uit live events en 5% uit overige events. De overige events worden verder niet beschouwd, dit zijn evenementen als lezingen, exposities en modeshows. In dit onderzoek richt ik mij alleen op muziekevents. Vervolgens worden alle gratis en afgelaste evenementen uit de data gehaald. Van deze evenementen zijn geen betalende bezoekers bekend en hebben daarom geen invloed op de prijselasticiteit. Ook worden alle evenementen die geen betalende bezoekers trekken en evenementen met minder dan twintig bezoekers uit de gegevens gehaald. Evenementen waarbij het aantal betalende bezoekers onder de twintig ligt, zijn uitschieters die de soort evenementen van Paradiso niet goed representeren. Wat overblijft is een steekproef van 2784 evenementen.
Het journaal geeft alle facturen weer van 1 januari 2012 tot en met 31 december 2014. In de stamgegevens zijn alle soorten uitgaven gecodeerd. Uit het journaal zijn slechts twee facturen belangrijk, namelijk die van de artiestengages en die van de marketinguitgaven. De rest van de uitgaven worden buiten beschouwing gelaten. Een aantal programma’s hebben meerdere facturen van marketinguitgaven of artiestengages. Alle facturen van marketinguitgaven van een dezelfde evenement worden bij elkaar opgeteld. Dit wordt ook gedaan bij meerdere facturen van artiestengages voor een evenement. Ook de facturen zijn verbonden aan het unieke projectkaartnummer. Hierdoor kunnen de evenementen uit het journaal gecodeerd worden aan de evenementen uit het programma die hetzelfde projectkaartnummer hebben. Aan het opgeschoonde programma worden de gage- en marketinguitgaven verbonden. Hieruit blijkt dat slechts 67 procent van de evenementen artiestengage-uitgaven hebben. Het kan zijn dat de andere evenementen artiesten hebben die niet betaald worden. In
9 het journaal van Paradiso staan echter ook facturen van een kleine vergoedingsregeling voor minder bekende artiesten. Het lijkt erop dat er een deel van de data mist. Verder heeft maar 27 procent van de evenementen marketingtuitgaven. Volgens Dhr. Minkman, De algemeen directeur van Paradiso Amsterdam, hebben ronduit de meeste evenementen geen evenementspecifieke marketinguitgaven. Dit geeft aan dat het journaal waarschijnlijk geen grote getale missende marketingdata heeft.
Model
Aan de hand van de theorie wordt er een model gemaakt. In het onderzoek voor Paradiso wordt het model logaritmisch-lineair gespecificeerd. Dit vergemakkelijkt het berekenen van prijselasticiteiten en lijkt het de correcte specificatie gegeven Felton (1992) en Pompe e.a. (2013). Verderop in het onderzoek wordt aan de hand van de Box-Coxtransformatie gekeken of dit de juiste specificatie is.
De data bevatten, net als de data van Welki en Zlatoper (1999), gecensureerde observaties. Er zijn 641 uitverkochte evenementen, dit is ongeveer 23 procent van het totale aantal events. Indien een evenement is uitverkocht geeft dit een gecensureerd aantal bezoekers weer. Indien bij gecensureerde data OLS-regressie wordt uitgevoerd, levert dit inconsistente schattingen. Daarom wordt er bij dit onderzoek niet enkel regressie uitgevoerd op het lineaire model, maar ook op het Tobitmodel. Een probleem bij het gebruik van een Tobitmodel voor dit onderzoek is dat de capaciteit per zaal verschilt. Daarbij komt nog dat de zaalcapaciteit verschilt per evenement, een deel van de bezoekers is een zogenoemde gast en betaalt niet voor een kaartje. Het aantal verkochte kaarten is relatief. Indien bij een kleine zaal tweehonderd kaarten zijn verkocht, kan het evenement zijn uitverkocht. De zaal heeft zijn maximale capaciteit bereikt. Terwijl tweehonderd verkochte kaarten in een grote zaal, relatief heel weinig kan zijn.
Een Tobitmodel heeft maar één waarde waarop gecensureerd wordt. Het Tobitmodel in dit onderzoek maakt daarom gebruik van het relatief aantal verkochte kaarten per evenement. De formule geeft het aantal verkochte kaarten gedeeld door de hoeveelheid kaarten die verkocht had kunnen worden. Het aantal kaarten wat verkocht kan worden is de zaalcapaciteit minus het aantal niet-betalende bezoekers. De formule voor evenement i ziet er als volgt uit:
𝑟𝑒𝑙𝑎𝑡𝑖𝑒𝑓 𝑎𝑎𝑛𝑡𝑎𝑙 𝑣𝑒𝑟𝑘𝑜𝑐ℎ𝑡𝑒 𝑘𝑎𝑎𝑟𝑡𝑒𝑛𝑖 =
aantal verkochte kaarteni
zaalcapaciteiti− aantal niet − betalende bezoekersi
10 Paradiso houdt evenementen in veel verschillende zalen. In de jaren 2012 tot en met 2014 zijn er 42 verschillende locaties gebruikt met elk een andere capaciteit. Voor dit onderzoek is gebruikgemaakt van de capaciteiten van de zalen waarin het gros van de evenementen wordt gehouden. In deze zalen vindt gezamenlijk 98 procent van de muziekevents plaats. De zaalcapaciteit van de volgende zalen is gebruikt: Paradiso Noord, Amstelkerk, Bitterzoet, de Duif en People’s Place en de grote zaal, de kleine zaal en de kelder bij Paradiso op de Weteringschans. Bij sommige evenementen wordt er gebruikgemaakt van combinaties van de grote zaal, kleine zaal en de kelder.
Het Tobitmodel kan nu worden toegepast met de grenswaarde één. Wanneer het relatieve aantal verkochte kaarten gelijk is aan één, betekent dit dat het evenement is uitverkocht. Oftewel de zaal heeft zijn capaciteit bereikt. Het relatieve aantal verkochte kaarten zal nooit gelijk zijn aan nul, omdat de evenementen waarbij geen kaarten zijn verkocht uit de data zijn gehaald. Alle observaties kunnen nu in een keer in hetzelfde model worden toegepast. Het model ziet er als volgt uit:
ln 𝑟𝑒𝑙𝑎𝑡𝑖𝑒𝑓 𝑎𝑎𝑛𝑡𝑎𝑙 𝑣𝑒𝑟𝑘𝑜𝑐ℎ𝑡𝑒 𝑘𝑎𝑎𝑟𝑡𝑒𝑛𝑖 = 𝛼𝑖+ 𝛽1ln 𝑝𝑟𝑖𝑗𝑠𝑖+ 𝛽2ln 𝑔𝑎𝑔𝑒𝑖+ 𝛽3𝑔𝑒𝑒𝑛𝑔𝑎𝑔𝑒𝑖
+ 𝛽4ln 𝑚𝑎𝑟𝑘𝑒𝑡𝑖𝑛𝑔𝑖+ 𝛽5𝑟𝑒𝑙𝑣𝑣𝑖+ 𝛽6𝑖𝑛𝑐𝑙𝑖𝑑𝑖+ 𝛽7𝑑𝑎𝑛𝑐𝑒𝑖+ 𝛽8𝑤𝑒𝑒𝑘𝑒𝑛𝑑𝑖+ 𝜀𝑖
Waarbij:
𝑟𝑒𝑙𝑎𝑡𝑖𝑒𝑓 𝑎𝑎𝑛𝑡𝑎𝑙 𝑣𝑒𝑟𝑘𝑜𝑐ℎ𝑡𝑒 𝑘𝑎𝑎𝑟𝑡𝑒𝑛𝑖=
aantal verkochte kaarteni
zaalcapaciteiti− aantal niet − betalende bezoekersi
𝛼𝑖 = constante
𝑝𝑟𝑖𝑗𝑠𝑖= de ticketprijs voor evenement 𝑖
𝑔𝑎𝑔𝑒𝑖 = de hoogte van de artiestengage voor evenement 𝑖, indien gage > 0
𝑔𝑒𝑒𝑛𝑔𝑎𝑔𝑒𝑖 = dummyvariabele met 𝑔𝑒𝑒𝑛𝑔𝑎𝑔𝑒𝑖 = {1, indien gage evenement 𝑖 = 0 0, indien gage evement 𝑖 > 0
𝑙𝑜𝑔𝑚𝑎𝑟𝑘𝑒𝑡𝑖𝑛𝑔𝑖 = de marketingtuitgaven voor evenement 𝑖 𝑟𝑒𝑙𝑣𝑣𝑖 = relatief aantal voorverkoopkaarten =
aantal kaarten verkocht in de voorverkoop zaalcapaciteit − aantal gasten
𝑖𝑛𝑐𝑙𝑖𝑑𝑖 = dummyvariabele met 𝑖𝑛𝑐𝑙𝑖𝑑𝑖= {1, indien evenement 𝑖 inclusief lidmaatschap 0, indien evement 𝑖 exclusief lidmaatschap 𝑑𝑎𝑛𝑐𝑒𝑖= dummyvariabele met 𝑑𝑎𝑛𝑐𝑒𝑖 = {1, indien evenement 𝑖 een dance event 0, indien evenement 𝑖 een live event
𝑤𝑒𝑒𝑘𝑒𝑛𝑑𝑖 = dummyvariabele met 𝑤𝑒𝑒𝑘𝑒𝑛𝑑𝑖 = {1,0, indien evement 𝑖 op een andere dag in de week is indien evenement 𝑖 op donder−, vrij − of zaterdag is
Met behulp van de afgeleide kan worden laten zien dat de coëfficiënt van de logaritme van de ticketprijs ook bij het relatieve aantal verkochte kaarten de prijselasticiteit is. Men neemt de algemene formule:
ln𝑡𝑖
11 De afgeleide van 𝑡𝑖 naar 𝑝𝑖 is dan:
𝜕𝑡𝑖 𝜕𝑝𝑖 = 𝑐𝑖∗ 𝛽 𝑝𝑖∗ 𝑒𝛼+𝛽 ln 𝑝𝑖+𝜀= 𝑐𝑖∗ 𝛽 𝑝𝑖∗ 𝑡𝑖 𝑐𝑖 = 𝛽 ∗ 𝑡𝑖 𝑝𝑖 → 𝜕𝑡𝑖 𝜕𝑝𝑖 𝑝𝑖 𝑡𝑖 = 𝛽
Het maakt dus voor de betekenis van de coëfficiënt van de prijselasticiteit niet uit of het relatieve aantal verkochte kaarten of het aantal verkochte kaarten als afhankelijke variabele wordt genomen.
Variabelen Paradiso
De onderzoeken van Felton (1992) en Pompe e.a. (2013) kunnen worden vergeleken met het onderzoek dat wordt uitgevoerd op de data van Paradiso. Hierin zijn zowel verschillen als gelijkenissen te vinden. Felton (1992) en Pomp e.a. (2013) onderzoeken data van verschillende organisaties, terwijl dit onderzoek zich richt op één organisatie. De evenementen van Paradiso spelen zich enkel af in Amsterdam. Daarom heeft het model geen variabele nodig voor het stedelijk gebied. Ook variabelen als inkomen per hoofd, populatiegrootte en werkloosheidsratio worden dan ook niet gebruikt in het model.
Daarnaast voegen Felton (1992) en Pompe e.a. (2013) een variabele toe die de substitueerbaarheid van het event aangeeft, zoals de gemiddelde abonneeprijs van andere podiumkunstorganisaties in de omgeving. Het onderzoek voor Paradiso past geen variabele toe die aangeeft hoeveel substitueerbare evenementen van andere poppodia/clubs in de omgeving van Paradiso plaatsvinden. De reden hiervoor is dat de data van andere poppodia/clubs in de omgeving van Paradiso niet beschikbaar zijn.
Er worden in de modellen van Felton (1992) en Pompe e.a. (2013) ook variabelen gebruikt die goed toepasbaar zijn voor het model van dit onderzoek. Voorbeelden hiervan zijn ticketprijs per event en de marketing uitgaven per event en de afhankelijke variabele: het aantal betalende bezoekers. Deze worden nader verklaard, te beginnen met het aantal betalende bezoekers en de ticketprijs.
De variabele voor het aantal betalende bezoekers is in het model voor dit onderzoek herschreven naar het relatieve aantal verkochte tickets. In het model wordt de logaritme hiervan genomen. Aangezien het relatieve aantal verkochte tickets tussen de waarde nul en één zit, zit de logaritme hiervan tussen min oneindig en nul. De variabele voor de ticketprijs heeft weinig toelichting nodig. Ook van de ticketprijs is de logaritme genomen voor het model. Aannemelijk is dat de prijs een negatieve relatie heeft met het aantal verkochte kaarten. Volgens de theorie is er namelijk sprake van negatieve prijselasticiteit.
12 De marketinguitgaven hebben meer verklaring nodig. Dhr. Minkman, de algemeen directeur van Paradiso Amsterdam, geeft aan dat de marketinguitgaven voor evenementen van Paradiso endogeen zijn. Het marketingbudget voor een evenement wordt van te voren ingecalculeerd. Er worden enkel marketinguitgaven ingecalculeerd voor evenementen waarbij wordt verwacht dat deze een extra bekendheid nodig hebben om genoeg kaarten te kunnen verkopen. Indien er in de voorverkoop van de tickets niet genoeg kaarten zijn verkocht kunnen er, als reactie daarop, nog extra marketinguitgaven worden gedaan om de verkoop te stimuleren. Hierbij geldt dat bij grote evenementen, waarbij grotere geldrisico’s een rol spelen, er indien nodig meer marketinguitgaven zullen worden gedaan dan bij kleinere evenementen. Uit deze beschrijving kan worden geconcludeerd dat de marketinguitgaven endogeen zijn.
Voor het toepassen van de variabele voor marketinguitgaven zijn verschillende mogelijkheden. Bij de eerste mogelijkheid wordt er aangenomen dat alle evenementen waarbij in de data geen marketinguitgaven staan, ze dat in werkelijkheid ook niet hebben. Er wordt dan aangenomen dat er geen missende observaties zijn in de data. Indien deze veronderstelling wordt aangenomen, worden alle marketinguitgaven die niet gegeven zijn gelijkgesteld aan één. Waarna van de marketinguitgaven de logaritme wordt genomen. De evenementen zonder gegevens over de marketinguitgaven krijgen hierdoor marketinguitgaven gelijk aan nul. Indien er wordt uitgegaan van missende variabelen zijn er twee andere mogelijkheden. De eerste is het maken van een dummy voor het wel, dan wel niet hebben van marketinguitgaven voor elk evenement. De andere optie is om van alle gegeven marketinguitgaven de logaritme te nemen en voor de missende marketinguitgaven een dummy te maken. Volgens M. Minkman worden er slechts bij enkele evenementen aparte, evenementspecifieke marketinguitgaven besteed, hierdoor lijkt de eerste manier waarbij van alle marketinguitgaven de logaritme wordt genomen correct. Tijdens het maken van regressies kan worden gekeken welke van de opties significante waarden hebben. De coëfficiënt van de logaritme van marketinguitgaven is naar verwachting positief in relatie tot het relatief aantal verkochte tickets.
Daarnaast zijn er nog variabelen die de onderzoeken van Felton (1992) en Pompe e.a. gebruiken, die lijken op de variabelen die toepast worden in de modellen van dit onderzoek. Deze worden hier verder besproken. Een van deze variabelen is de abonnementen. Bij Paradiso is er geen sprake van seizoenabonnementen, zoals bij Felton (1992), maar er wordt gewerkt met een lidmaatschap. Bij ongeveer 42 procent van de evenementen is een lidmaatschap verplicht. Deze kan voor een maand worden gekocht voor €3.50 of voor een jaar voor €25.-. De data van Paradiso geven geen informatie over het aantal maand- of jaarlidmaatschappen dat wordt verkocht bij de ticketverkoop van een evenement. Per evenement zijn er dus geen gegevens beschikbaar over hoeveel mensen al een lidmaatschap hebben bij binnenkomst en hoeveel er nog één moeten kopen. Wel is voor elk evenement aangegeven of een lidmaatschap verplicht is of niet, de variabele kan dus alleen als dummy worden gebruikt. Op deze manier is het mogelijk om te kijken of een lidmaatschap bezoekers afschrikt. In dat geval is de coëfficiënt van de dummyvariabele negatief. Er moet echter
13 gelet worden op mogelijke correlatie tussen de variabele lidmaatschap met andere variabelen, zoals bepaalde zalen waarvoor misschien nooit lidmaatschap nodig is. Bij een concert op de locatie Weteringschans geldt dat bijna altijd een lidmaatschap verplicht is, terwijl bij events op andere locaties dit meestal niet het geval is. Het kan zijn dat het lidmaatschap niet afschrikt, maar dat mensen een bepaald type concert of zaal juist minder prefereren.
Een andere variabele is het salaris van de musici bij het onderzoek van Pompe e.a. (2013). In dit onderzoek wordt er gebruikgemaakt van een vergelijkbare variabele, namelijk de gage die de artiest ontvangt voor zijn of haar optreden. De hoogte van de artiestengage geeft, net als het salaris van een muzikant, een indicatie van de populariteit van de artiest. Bij Paradiso wordt de hoogte van de gage op verschillende manieren vastgesteld. In sommige gevallen geldt dat de hoogte van de gage al is vastgezet voor het evenement. Dit gebeurt vooral bij de kleinere events. Het komt ook voor dat Paradiso afspreekt met de artiestvertegenwoordiger of concertpromotor dat zij slechts een deel van de gage met zekerheid ontvangen en dat de rest van het te ontvangen bedrag afhangt van de hoeveelheid verkochte eventtickets. De hoogte van de gage wordt dan pas na het optreden vastgesteld. Hierbij wordt rekening gehouden bij het bepalen van de hoogte van de ticketprijs. Er is bij deze gevallen dus sprake van een correlatie tussen de gage en de ticketprijs. Omdat het aantal betalende bezoekers de hoogte van de gage beïnvloedt is er sprake van een endogene variabele.
Net als bij marketinguitgaven zijn er bij de artiestengages meerdere opties voor het verwerken van de variabele in het model. De eerste mogelijkheid is alle evenementen zonder gage een waarde geven van één. Vervolgens wordt van alle artiestengages de logaritme genomen. Door deze handelingen wordt de waarde van de missende artiestengages nul. In tegenstelling tot de oningevulde observaties bij marketing, die waarschijnlijk gelijk zijn aan nul, lijkt het er bij de artiestengage op dat deze waarden missen. In de facturen staan naast gewone artiestengages ook kleine vergoedingsregelingen. Verwacht wordt dat elke artiest een vergoeding zal krijgen. De missende observaties de waarde nul geven lijkt dan niet juist. Een optie om de endogeniteit uit de gage mogelijk te laten verminderen en de missende variabelen te verwerken, is om te werken met dummy’s met verschillende bandbreedtes. De gages worden verdeeld in vier kwartielen plus een dummy voor de missende gages: 𝑛𝑢𝑙𝑔𝑎𝑔𝑒𝑖 = {1 , 𝑎𝑙𝑠 𝑔𝑎𝑔𝑒𝑖 = 0 0, 𝑎𝑛𝑑𝑒𝑟𝑠 𝑒𝑒𝑛𝑔𝑎𝑔𝑒𝑖= {1, 𝑎𝑙𝑠 𝑔𝑎𝑔𝑒𝑖 𝑖𝑛 1 𝑠𝑡𝑒𝑘𝑤𝑎𝑟𝑡𝑖𝑒𝑙 0, 𝑎𝑛𝑑𝑒𝑟𝑠 𝑡𝑤𝑒𝑒𝑔𝑎𝑔𝑒𝑖 = {1, 𝑎𝑙𝑠 𝑔𝑎𝑔𝑒𝑖 𝑖𝑛 2 𝑒 𝑘𝑤𝑎𝑟𝑡𝑖𝑒𝑙 0, 𝑎𝑛𝑑𝑒𝑟𝑠 𝑑𝑟𝑖𝑒𝑔𝑎𝑔𝑒𝑖 = {1, 𝑎𝑙𝑠 𝑔𝑎𝑔𝑒𝑖 𝑖𝑛 3 𝑒 𝑘𝑤𝑎𝑟𝑡𝑖𝑒𝑙 0, 𝑎𝑛𝑑𝑒𝑟𝑠 𝑣𝑖𝑒𝑟𝑔𝑎𝑔𝑒𝑖 = {1, 𝑎𝑙𝑠 𝑔𝑎𝑔𝑒𝑖 𝑖𝑛 4𝑒 𝑘𝑤𝑎𝑟𝑡𝑖𝑒𝑙 0, 𝑎𝑛𝑑𝑒𝑟𝑠
14 Een laatste optie is een dummy voor de missende gages en een logaritme van de gages voor de gegeven gages. De twee laatste mogelijkheden lijken het best, indien er uit wordt gegaan van missende data zijn. Bij het maken van regressies kan worden gekeken naar de significantie van de artiestengage bij elk van de drie methoden. De coëfficiënt van de gage heeft waarschijnlijk een positief effect heeft op het relatief aantal verkochte kaarten.
Naast de hoogte van de artiestengage is er nog een andere variabele die de populariteit van de artiest kan meten, namelijk het relatief aantal verkochte tickets in de voorverkoop. Hoe meer kaarten in de voorverkoop verkocht zijn, hoe populairder de artiest is. De variabele is als volgt geformuleerd:
𝑟𝑒𝑙𝑎𝑡𝑖𝑒𝑣𝑒 𝑎𝑎𝑛𝑡𝑎𝑙 𝑣𝑜𝑜𝑟𝑣𝑒𝑟𝑘𝑜𝑜𝑝 𝑣𝑒𝑟𝑘𝑜𝑐ℎ𝑡𝑒 𝑘𝑎𝑎𝑟𝑡𝑒𝑛𝑖 =
𝑎𝑎𝑛𝑡𝑎𝑙 𝑣𝑒𝑟𝑘𝑜𝑐ℎ𝑡𝑒 𝑘𝑎𝑎𝑟𝑡𝑒𝑛 𝑖𝑛 𝑣𝑜𝑜𝑟𝑣𝑒𝑟𝑘𝑜𝑜𝑝𝑖 𝑐𝑎𝑝𝑎𝑐𝑖𝑡𝑒𝑖𝑡𝑖− 𝑔𝑟𝑎𝑡𝑖𝑠𝑏𝑒𝑧𝑜𝑒𝑘𝑒𝑟𝑠𝑖
Verwacht wordt dat de variabele een positief effect heeft op het relatief aantal verkochte kaarten. Dit is logisch aangezien het aantal kaarten verkocht in de voorverkoop een deel is van het totaal aantal verkochte kaarten.
De volgende variabele is het percentage modern-klasssiek repertoire versus het percentage standaardklassiek repertoire van een symfonieorkest beschreven in het onderzoek van Pompe e.a. (2013). In dit onderzoek worden de evenementen ook opgedeeld in verschillende soorten muziekevenementen. De evenementen zijn verdeeld in dance- en live-evenementen. Deze gegevens heeft Paradiso gedocumenteerd voor Buma/Stemra en kunnen worden gebruikt in dit onderzoek.
Als allerlaatste variabele wordt de dummy voor in welk gedeelte van de week een evenement plaatsvindt behandeld. Van maandag tot en met woensdag en zondag wordt er minder uitgegaan, omdat er de volgende dag gewerkt moet worden. Daarom worden optredens op deze dagen minder druk bezocht. Voor vrijdag en zaterdag, de weekendavonden, wordt er voor elke dag een dezelfde invloed verwacht en dus dezelfde coëfficiënt. Daarnaast wordt er nog een aparte dummy gemaakt voor donderdag. Een mogelijkheid is dat de coëfficiënt van de dummy voor donderdag niet gelijk is aan die van de andere twee dummy’s. Indien dit het geval is blijft de extra dummy gemaakt voor donderdag behouden in het model. Indien de dummy voor donderdag insignificant is wordt donderdag toegevoegd aan de dummy voor het weekend. Aangezien donderdag voor vele mensen wordt gezien als een stapavond verschillend van de andere doordeweekse dagen. Verwacht wordt dat de variabele weekend een positief effect heeft op de het relatief aantal verkochte tickets.
15 4. Resultaten en analyse
De resultaten en analyse begint met de beschrijvende statistiek. Dit geeft informatie over de variabelen waarmee regressies worden gedaan. Daarna worden de resultaten van de regressie beschreven en geïnterpreteerd. Vervolgens wordt met advies gegeven aan Paradiso Amsterdam. Vervolgens wordt beschreven wat voor kritiek en vragen het onderzoek oplevert. Tot slot wordt dit in een breder perspectief geplaatst voor andere vergelijkbare organisaties als Paradiso.
Beschrijvende statistiek
De tabellen A en B bevatten beschrijvende statistiek. Van de niet-dummyvariabelen zijn in tabel A het aantal observaties, het gemiddelde waarde, de standaardafwijking en de minimale en maximale waarde gegeven. Het maximaal aantal bezoekers is even groot als het maximaal aantal verkochte kaarten in de voorverkoop. Zoals zichtbaar heeft de artiestengage een zeer grote bandbreedte van €1,- tot bijna €250.000,-. Dit komt omdat in Paradiso zowel kleine bandjes als wereldwijd zeer bekende artiesten optreden. De bandbreedte van de ticketprijs is een reactie op de variatie van de artiestengage. De ticketprijzen variëren van €1,- tot €465,-. Ook de marketinguitgaven hebben een grote bandbreedte. Tabel B beschrijft de frequenties van observaties van dummyvariabelen. Er zijn net iets meer evenementen met verplicht lidmaatschap, 54 procent, als zonder verplicht lidmaatschap, 46 procent. Ruim driekwart van de evenementen in de steekproef is een live concert. De rest van de evenementen zijn dance-events. Slechts 47 procent van de events wordt gehouden op een donder-, vrij- of zaterdag. De rest van de evenementen wordt op de andere dagen van de week gehouden.
Tabel A Samenvattende statistieken van de niet-dummyvariabelen
Variabele Obs. Mean Std. Dev. Min Max
ticketprijs 2784 1.468.534 1.277.817 1 465 bezoekers 2777 5.703.046 6.951.463 20 16000 betalende bezoekers 2784 5.123.574 6.738.172 9 16000 gratis bezoekers 2784 5.127.529 7.381.576 0 1100 voorverkoop-kaarten 2784 3.544.969 6.472.187 0 16000 gage 2784 3.050.259 9444.93 1 247142 marketing 2784 2.092.946 9.059.456 1 27217
16
Tabel B Samenvattende statistieken van de dummyvariabelen respectievelijk deel van de week, muzieksoort, lidmaatschap en eventlocatie.
Weekdeel Freq. Percent Muzieksoort Freq. Percent Lidmaatschap Freq. Percent
ma-wo, zo 1607 52.6 Dance 695 24.96 excl. 1,493 53.63
do-za 1448 47.4 Live 2,089 75.04 incl. 1,291 46.37
Totaal 3055 100 Totaal 2,784 100 Total 2,784 100
Zaal Freq. Percent
Paradiso Noord 90 3.23 Amstel 23 0.83 Bitterzoet 250 8.98 de Duif 25 0.90 grote zaal 858 30.83 grote zaal/kelder 3 0.11 grote zaal/kleine zaal 250 8.98 grote zaal/kleine zaal/kelder 198 7.11 Kelder 44 1.58 kleine zaal 894 32.12 kleine zaal/kelder 4 0.14 People's Place 70 2.52 Overig 74 2.67 Totaal 2.783 100.00 Empirische resultaten
In de eerste analyse wordt het Tobitmodel geschat. De resultaten worden gepresenteerd in tabel C. Er wordt een Tobitregressie gedaan van de logaritme van het relatieve aantal verkochte kaarten op de logaritme van de ticketprijzen, het relatieve aantal tickets verkocht in de voorverkoop, de logaritme van de marketinguitgaven, de logaritme van de artiestengage en de dummy’s weekend, lidmaatschap en dancemuziek. Er wordt nog een regressie gedaan waarbij er voor donderdag een aparte dummy wordt genomen. De coëfficiënt van deze dummy is niet significant. Daarom wordt in de rest van de schattingen donderdag opgenomen in de dummy voor weekend.
De waarden van het Tobitmodel zijn in het eerste model in tabel C te zien. Bij het Tobitmodel is de coëfficiënt van de logaritme van de ticketprijs -0.121 met een p-waarde kleiner dan 0.01. Dit betekent dat wanneer de ticketprijs stijgt er relatief minder tickets worden verkocht. Er is sprake van een kleine, negatieve prijselasticiteit. De variabele voor de logaritme van de artiestengage heeft een kleine positieve coëfficiënt die niet significant is. De coëfficiënt van de logaritme van gage is 0.018 met een p-waarde kleiner dan 0.1. Indien de artiestengage stijgt, stijgt het relatief aantal verkochte
17 kaarten. Dit komt overeen met de theorie, die zegt: hoe populairder de artiest, hoe meer gage hij of zij ontvangt en hoe meer tickets er worden verkocht. In de modelopzet is gegeven dat de artiestengage mogelijk endogeen is. Aangezien de artiestengage in dit model niet significant is, zou de variabele weggelaten kunnen worden. Echter heeft de artiestengage theoretisch gezien wel invloed op het aantal verkochte kaarten. Daarom wordt de variabele niet uit het model verwijderd. De dummy variabele, die de waarde één aanneemt indien bij het evenement in de data geen gage gegeven is, heeft een coëfficiënt van 0.142 met een p-waarde onder de 0.05.
Een manier om de niet-significante, mogelijk endogene artiestengage in het model te verwerken, is om de methode die de artiestengages opdeelt in vier kwartieldummy’s plus een dummy voor missende gage toe te passen. Door het opdelen in kwartielen wordt mogelijk de endogeniteit verminderd. Wanneer de regressie met alle eerder genoemde variabelen plus de 5 dummy’s voor artiestengage wordt uitgevoerd, blijkt dat de artiestengagedummy’s niet significant zijn. Daarom moet er worden gekeken naar een methode die beter kan omgaan met de endogeniteit en niet significantie van de artiestengage. Een methode is het gebruikmaken van instrumentele variabelen. De rest van de verklarende variabelen plus dummy’s voor alle zalen zijn als instrumenten voor de artiestengage gebruikt. Het idee hierbij is dat de verschillende soorten zalen gecorreleerd zijn met de artiestengage. Elke zaal heeft een andere capaciteit die varieert van 120 tot 1700 bezoekers. Verwacht wordt dat artiesten die meer gage ontvangen in grotere zalen spelen dan artiesten die minder gage ontvangen. Met behulp van de maximum likelihoodschatter wordt het Tobitmodel gevormd dat gebruikmaakt van de instrumentele variabelen. De coëfficiënten van de variabelen van dit model zijn te zien in model 2 van tabel C.
De coëfficiënt van de logaritme van de ticketprijs is bij het tweede model nog steeds negatief, maar is iets groter in vergelijking met de coëfficiënt bij het normale Tobitmodel. De waarde is nu -0.071 met een p-waarde kleiner dan 0.05. De prijs blijft dus negatief inelastisch. De coëfficiënt van de logaritme van de gage is negatief geworden en heeft een waarde van -0.034. De p-waarde is nu groter dan 0.1. Dit betekent dat de variabele voor artiestengage minder significant is worden in vergelijking tot het eerste model. Tegen de theorie in daalt het relatief aantal verkochte kaarten als de artiestengage stijgt. Ook de dummy voor evenementen waarbij geen gage gegeven is, is niet meer significant.
Het relatieve aantal verkochte kaarten in de voorverkoop heeft, zoals verwacht, een zeer grote, positieve coëfficiënt, namelijk 2.363 met een p-waarde kleiner dan 0.01. Dit komt omdat het aantal in de voorverkoop verkochte kaartjes een deel is van het totaal aantal verkochte kaarten. De coëfficiënt van de logaritme van de marketingkosten neemt de waarde -0.011 aan met een p-waarde kleiner dan 0.01. De coëfficiëntwaarde verschilt bijna niet van die van de regressie in model 1. De negatieve coëfficiënt betekent dat het relatief aantal verkochte kaarten met 1.1 procent afneemt, als de marketing uitgaven stijgen met 100 procent. Dit is onlogisch, aangezien er door marketinguitgaven juist meer kaarten zouden moeten worden verkocht. Een verklaring hiervoor kan zijn dat de
18 marketinguitgave een endogene variabele is. Indien de kaarten in de voorverkoop niet goed worden verkocht, worden de marketinguitgaven opgehoogd.
De dummyvariabele voor weekend, donder tot en met zaterdag, neemt de waarde 0.157 aan en is zeer significant. Dit betekent dat als het weekend is, het relatief aantal verkochte kaarten stijgt met 15.7 procent. De dummyvariabele voor lidmaatschap neemt de waarde -0.024 aan met een p-waarde groter dan 0.1. De variabele is niet significant maar heeft een coëfficiënt die overeenkomt met de theorie. De dummyvariabele voor dancemuziek neemt de waarde 0.480 aan met een p-waarde kleiner dan 0.01. Dit betekent dat wanneer er een dance-evenement wordt georganiseerd, het relatief aantal verkochte kaarten significant toeneemt.
Bij de Tobitmodellen zijn er van de 2709 observaties, 497 observaties rechts gecensureerd op de waarde nul en 2212 ongecensureerd. Het normale Tobitmodel bevat een sigma van 0.423, dit is vergelijkbaar met de wortel van de mean squared error van een OLS-regressie. De Wald Chi-kwadraattest bij het Tobitmodel dat geschat wordt met behulp van de maximum likelihoodschatter toetst of er tenminste één van de regressiecoëfficiënten ongelijk is aan nul. De test maakt gebruik van de Chi-kwadraat verdeling met het aantal vrijheidsgraden gelijk aan het aantal onafhankelijke variabelen min de constante. Wald Chi-kwadraat(8) geeft de waarde 5495. Dit is gelijk aan een p-waarde kleiner dan 0.01. Hieruit kan worden geconcludeerd dat op zijn minst een van de variabelen een coëfficiënt ongelijk aan nul heeft. Bij het standaard Tobitmodel is er gebruikgemaakt van de LR Chi-kwadraattest die dezelfde conclusie trekt. Ook wordt er met behulp van de Waldtest voor exogeniteit gekeken of de variabele artiestengage endo- of exogeen is. De Chi-kwadraat(1) waarde is 4.93. Dit geeft een p-waarde van 0.0264. De test is significant. Dit houdt in dat er voldoende informatie in de steekproef is om de nulhypothese van geen endogeniteit te verwerpen. Er is dus sprake van significante endogeniteit bij de variabele artiestengage.
Tot slot wordt er gekeken of de log-lineaire specificatie wel juist is. Dit wordt gedaan met behulp van de Box-Coxtransformatie, zie hiervoor tabel D. Als afhankelijke variabele wordt het relatief aantal verkochte kaarten genomen en als onafhankelijke variabelen de gage- en marketinguitgaven. Er is af te lezen dat zowel de lineaire als de lineair-logaritmische en de inverse modelspecificatie worden afgewezen met een p-waarde kleiner dan 0.01. Dit komt omdat de lambda (in de testresultaten theta genoemd) zeer gevoelig is voor onder andere heteroskedasticiteit.
19
Tabel C Respectievelijk het Tobitmodel, het Tobitmodel met MLE, lineair model en iv-model
(1) (2) (3) (4)
Tobitmodel
iv-Tobitmodel
lineair
model iv-model
Variabelen zalen als iv zalen als iv
logprijs -0.121*** -0.071** -0.168*** -0.093** (0.023) (0.032) (0.029) (0.042) geengage 0.142** -0.223 0.09 -0.397* (0.069) (0.179) (0.08) (0.214) loggage 0.018* -0.034 0.013 -0.059* (0.01) (0.025) (0.011) (0.032) relvv 2.334*** 2.363*** 2.330*** 2.386*** (0.035) (0.038) (0.045) (0.051) logmarketing -0.013*** -0.011*** -0.007* -0.006 (0.004) (0.004) (0.004) (0.004) weekend 0.165*** 0.157*** 0.188*** 0.175*** (0.018) (0.019) (0.02) (0.021) inclid -0.021 -0.024 -0.057** -0.062** (0.023) (0.023) (0.025) (0.025) dance 0.475*** 0.480*** 0.516*** 0.528*** (0.029) (0.029) (0.032) (0.033) constante -1.731*** -1.493*** -1.604*** -1.295*** (0.068) (0.127) (0.078) (0.148) observaties 2,709 2,709 2,081 2,081 R-kwadraat 0.607 0.599 sigma 0.423*** (0.006)
Standaardfouten staan tussen haakjes *** p<0.01, ** p<0.05, * p<0.1
Tabel D Box-Coxtransformatie voor aantal verkochte kaarten, artiestengage en marketinguitgaven
relverkocht Coef. Std. Err. Z P>z [95%
Conf. Interval] /theta 0.285593 0.017755 16.09 0 0.250793 0.320392 Test H0: Restricted log likelihood LR statistic chi2 P-value Prob>chi2 theta = -1 -3.229 4959.22 0.0000 theta = 0 -865 231.13 0.0000 theta = 1 -2.346 3194.47 0.0000
20 Het Tobitmodel en het Tobitmodel geschat aan de hand van de maximum likelihoodschatter worden vergeleken met een standaard lineair model. Bij dit model wordt een regressie gedaan van de logaritme van het relatief aantal verkochte tickets op de logaritme van ticketprijzen, het relatieve aantal tickets verkocht in de voorverkoop, de logaritme van marketing, de logaritme van de artiestengage en de dummy’s weekend, lidmaatschap en dancemuziek. De schattingen van het model zijn te vinden in tabel C model 3. Bij de OLS-regressie is gekozen om de uitverkochte evenementen uit de steekproef te halen. Hierdoor wordt de schatting consistent. Om deze regressie te mogen doen, neem ik aan dat Paradiso van tevoren weet welk evenement wordt uitverkocht en welke niet. Indien Paradiso weet dat een evenement wordt uitverkocht, wordt er op een andere manier de ticketprijs vastgesteld. Bij een evenement dat zeker wordt uitverkocht hoeft de ticketprijs alleen maar te zorgen dat er geen verlies wordt gemaakt. Terwijl een event waarbij niet zeker is hoeveel kaarten worden verkocht de ticketprijs een risico moet opheffen. De ticketprijs moet ervoor zorgen dat als de kaartverkoop tegenvalt er geen verliezen worden gemaakt.
Bijna 77 procent van de evenementen is niet uitverkocht. Op de 2081 overgebleven, niet-uitverkochte evenementen wordt OLS-regressie toegepast. De prijselasticiteit van de OLS-regressie is inelastisch met een coëfficiënt van -0.168 met een p-waarde kleiner dan 0.01. De prijs is nu elastischer dan de Tobitmodellen. Verder hebben de dummy voor evenementen zonder gegeven artiestengage, de logaritme van gage, het relatieve aantal voorverkoop tickets en de dummy voor lidmaatschap iets kleinere coëfficiënten vergeleken het normale Tobitmodel (respectievelijk 0.090, 0.013, 2.330, -0.057, 0.516 ). De logaritme van de marketing, de dummy voor weekend, de dummy voor dance-events en de constante hebben een iets grotere coëfficiënt in vergelijking met het normale Tobitmodel (respectievelijk 0.013, 0.188, -0.007, 0.516, -1.604). De variabelen zijn allen significant, behalve de twee variabelen voor gage-uitgaven en die voor marketinguitgaven. De marketinguitgaven hebben een p-waarde kleiner dan 0.1. Ditmaal lijkt de coëfficiënt van lidmaatschap significant te zijn, met een p-waarde kleiner dan 0.05. Indien er bij een event lidmaatschap verplicht is, daalt het relatieve aantal verkochte kaarten met 5.7 procent.
De variabele voor de artiestengage heeft een positieve coëfficiënt. Theoretisch zou deze positieve coëfficiënt kloppen, namelijk hoe meer artiestengage uitgegeven bij een evenement, hoe meer kaarten er verkocht worden. Echter is de variabele zeer insignificant met een p-waarde boven de 0.1. Opnieuw kan dit zijn veroorzaakt door endogeniteit.
Daarom wordt er hier een two-stage least squares regressie gedaan met dezelfde instrumentele variabelen als bij het Tobitmodel. In het model, verkregen door de two-stage least squares regressie, heeft de variabele voor artiestengage een coëfficiënt van -0.059. De schattingen van de iv-regressie zijn te zien in tabel C model 4. Die dummy voor evenementen zonder gegeven gage heeft een coëfficiënt van -0.397. De beide variabelen zijn al een stuk significanter in vergelijking met het standaard regressiemodel, met beide een p-waarde onder de 0.1. De prijselasticiteit is bij dit model
21 -0.093 en is zeer significant. Verdere veranderingen met betrekking tot de coëfficiënten van de variabelen bij de iv-regressie in vergelijking tot de OLS-regressie zijn klein en niet noemenswaardig.
Vervolgens wordt er getest op endogeniteit door middel van de Wu-Hausmantest. Hier komt er een p-waarde uit van 0.0134. Dit betekent dat de nulhypothese van exogeniteit kan worden verworpen. Er is dus sprake van significante endogeniteit bij de variabele artiestengage. Dit komt overeen met wat er in de theorie besproken is. Daarna wordt er aan de hand van de first-stage regressie gekeken in welke mate de instrumentele variabelen verklarend zijn voor de endogene variabele. De F-statistic kijkt of de toegevoegde instrumentele variabelen wel significant de artiestengage verklaren. De p-waarde van de F-statistic is kleiner dan 0.01, dit betekent dat de dummy’s voor de zalen significant de artiestengage verklaren.
Reflectie
Het normale Tobitmodel geeft aan dat de prijs van muziekevenementen inelastisch is met waarde -0.12. Het Tobitmodel met instrumentele variabelen geeft een prijselasticiteit van -0.07. Het normale Tobitmodel geeft waarschijnlijk de beste schattingen. In het Tobitmodel zijn alle observaties toegevoegd en is rekening gehouden met gecensureerde data. Daarbij komt dat het normale Tobitmodel in vergelijking met het Tobitmodel geschat aan de hand van instrumentele variabelen significantere coëfficiënten heeft voor de artiestengage. Wel geeft de Wu-Hausmantest bij de OLS-regressie aan dat de artiestengage significant endogeen is. Evenals dat de Waldtest voor exogeniteit bij het Tobitmodel, geschat met behulp van maximum likelihood, significante endogeniteit van de artiestengage aanneemt.
De kleine, negatieve prijselasticiteit geeft aan dat de ticketprijzen kunnen worden verhoogd met als gevolg een stijging van de omzet, maar een daling van het aantal betalende bezoekers. Daarnaast komt uit het onderzoek dat het organiseren van evenementen in het weekend een positieve invloed heeft op het aantal bezoekers. Het is dus zeker voordelig voor Paradiso om zoveel mogelijk events op de dagen donder tot en met zaterdag te houden. Het verplichte lidmaatschap voor een evenement in de Tobitmodellen een niet-significant effect. Bij de OLS- en iv-regressie is het effect van lidmaatschap op het aantal betalende bezoekers wel significant. De coëfficiënt hierbij is net negatief. Dance-events hebben daarentegen weer een positief effect op het aantal betalende bezoekers.
Het is lastig om de resultaten uit dit onderzoek in een breder kader te plaatsen aangezien er weinig non-profitpoppodia/non-profitclubs van ongeveer dezelfde grootte in de randstad zijn. De prijselasticiteit wijkt af van die van de onderzoeken genoemd in de inleiding en het theoretisch kader. Deze hebben over het algemeen een prijselasticiteit dichterbij -1. De oorzaak hiervan is direct het grootste probleem in dit onderzoek. De populariteit van de artiesten is lastig te meten. De oorzaak hiervan ligt voor een klein deel bij het missen van de artiestengage. Indien er geen missende variabelen zijn, dus alle facturen van artiestengages verwerkt zijn, geeft dit een completer beeld van de werkelijkheid weer. Maar om de populariteit van de artiesten goed te meten, zijn er betere
22 verklarende variabelen nodig. De populariteit van de artiest zou gemeten kunnen worden aan de hand van YouTube-hits. Dit is echter zeer tijdsintensief en kan mogelijk niet het gewenste effect geven. Een probleem kan bijvoorbeeld zijn dat Nederlandse artiesten wereldwijd minder YouTube-hits hebben terwijl zij zeer populair zijn in Nederland. Een ander alternatief voor het meten van de populariteit van de artiest is een variabele maken voor het tijdsbestek waarin een evenement is uitverkocht. Iets anders dat aanvullend onderzoek kan doen is testen op heteroscedasticiteit. Daarnaast kan er gezocht worden naar manieren dan de Box-Coxtransformatie om de juiste specificatie van het model te vinden.
23 5. Conclusie
Dit onderzoek heeft zich verdiept in de prijselasticiteit van Paradiso Amsterdam, een non-profit muziekpodium. Prijselasticiteiten zijn al meerdere malen berekend voor non-profitorganisaties die zich richten op podiumkunsten. Uniek aan dit onderzoek is dat het gedaan wordt voor een poppodium, terwijl andere onderzoeken zich vooral richtten op klassieke podiumkunsten. De vraag die in dit onderzoek gesteld is luidt: wat is de prijselasticiteit van een non-profitpoppodium en welke factoren spelen een rol bij het verklaren van het aantal betalende bezoekers?
Uit het onderzoek is gebleken dat de prijselasticiteit van Paradiso ongeveer -0.12 is. Om tot dit antwoord te komen zijn er Tobitregressies gedaan van de logaritme van het aantal verkochte kaarten op de logaritme van de prijs, de logaritme van de artiestengage, een dummy voor indien het evenement geen gegeven artiestengage heeft, het relatieve aantal in de voorverkoop verkochte kaarten, de logaritme voor marketing, een dummy voor het weekend, een dummy voor het lidmaatschap en een dummy voor de muzieksoort. De prijselasticiteit van het modern kunstpodium Paradiso is niet vergelijkbaar met die van klassieke podiumkunsten genoemd in het onderzoek. Een oorzaak hiervan kan zijn, dat de populariteit van artiesten niet goed te meten is.
Het Tobitmodel werd gebruikt om de gecensureerde data te kunnen verwerken . Ongeveer 23 procent van de evenementen was uitverkocht. Dit deel van de data is gecensureerd. Het Tobitmodel werd in dit geval rechts gecensureerd op nul. Events werden gehouden op verschillende locaties met verschillende capaciteiten. Om niet op elke verschillende capaciteit te hebben moeten censureren is het model omgebouwd naar het relatief aantal verkochte kaartjes. Dit kan nooit boven de één uitkomen en dus de logaritme ervan niet boven nul.
Een belangrijke verklarende variabele voor het aantal betalende bezoekers was de ticketprijs. Hoe duurder een ticket, hoe minder mensen een ticket wilden kopen. Ook de artiestengage speelde een belangrijke factor bij het verklaren van het aantal betalende bezoekers. De artiestengage was een maatstaaf voor de populariteit van een artiest. Deze variabele was endogeen, daarom werd er gebruikgemaakt van instrumentele variabelen voor het schatten van een Tobitmodel met behulp van een maximum likelihoodschatter. Het relatief aantal voorverkoop verkochte kaarten had een zeer positief effect op het relatief totaal aantal verkochte kaarten. Dit is logisch, aangezien de kaarten verkocht in de voorverkoop een deel zijn van het totaal aantal verkochte kaarten. De marketinguitgaven hebben een negatief effect op het aantal verkochte kaarten. Theoretisch is dit niet juist, maar dit is te verwijten aan het feit dat de marketinguitgaven endogeen zijn. De dummy voor weekend had een positief effect op het relatief aantal verkochte kaarten. Terwijl de dummy voor lidmaatschap juist een negatief, maar klein effect had op het relatief aantal verkochte tickets. Dance-events hebben volgens de regressie een positief effect op het relatief aantal verkochte kaarten.
24 Er kan geconcludeerd worden dat Paradiso kleine prijsstijgingen zou kunnen doorvoeren. Hierbij moet wel gedacht worden aan welk doel Paradiso, als non-profitorganisatie, heeft. De omzet kan ook worden verhoogd door middel van het verhogen van het aantal betalende bezoekers. Dit kan worden verwezenlijkt door zoveel mogelijk evenementen op de dagen donder- tot en met zaterdag te houden. Tot slot zouden er meer dance-events kunnen worden georganiseerd voor het laten stijgen van het aantal betalende bezoekers.
25 I. Bibliografie
Felton, M. (1989). Major influenes on the demand for opera tickets. Journal of Cultural Economics, volume 13 pp. 53-65.
Felton, V. (1992). On the assumed inelasticity of demand for the performing arts. Journal of Cultural
Economics, volume 16 pp. 1-12.
Heij, C. D., De Boer, P., Franses, P.H., Kloek, T. & Van Dijk, H.K. (2004). Endogenous regressors and instrumental variables, Censored data, Models for selection and treatment effects, In C. D. Heij,
Econometric methods with applications in business and economics (pp. 398- 418, 490-511 ).
Honoré, B. E., Estimation of panel data Tobit model with normal errors (mei 1998)
Lange, M. D. (1984). Demand elasticities for symphony orchestras. Journal of Cultural Economics, volume 8 pp. 6-27.
Paradiso Amsterdam Holland. (2015). Verkregen van website van Paradiso Amsterdam:
http://www.paradiso.nl/web/Over-Paradiso.htm
Pompe, J. T., Tamburri, J. & Munn, J. (2013). Symphony concert demand: does programming matter?
The Journal of Arts Managment, Law and Society, volume 43 pp. 215-228.
Eckard, W.E. & Smith, M.A. (2012). The revenue gains from multi-tier ticket pricing: Evidence from pop music concerts. Managerial end Decision Economics, volume 33 463-473.
Zieba, M. (2009). Full-income and price elasticities of demand for German public theatre. Journal of
Cultural Economics, volume 33 pp. 85-108.
Welki, A. M., Zlatoper, T. J. (1999). U.S. professional football game-day attendance. Atlantic
