De prijselasticiteit van muziekevenementen geprogrammeerd door Paradiso

29 juni 2015 Universiteit van Amsterdam

J.C.M. van Ophem 2014-2015

Bachelorscriptie 2e semester

De prijselasticiteit van muziekevenementen geprogrammeerd door Paradiso

Wouter Kastrop 10423125

Inhoud

1 Inleiding ... 1

2 Elasticiteit van podiumkunst; welke aspecten zijn van belang ... 2

3 Onderzoeksopzet ... 9

3.1 Beschikbare data ... 9

3.2 Het model ... 10

4 Resultaten ... 13

4.1 Overzicht van de evenementen ... 13

4.2 Schattingsresultaten ... 17

5 Conclusie ... 23

Appendix ... 25

1 1 Inleiding

De muziekindustrie is de afgelopen decennia gekenmerkt door grote veranderingen in de productietechnologie (Mixon & Ressler, 2000). Niet alleen is door de komst van de cd en het internet de toegankelijkheid van muziek enorm toegenomen, ook de manier van muziek maken is aan verschuivingen onderworpen. Door de technologische vooruitgang in de elektronica en de populariteit van dancemuziek is het aandeel van dj’s in de totale muziekproductie aanzienlijk groter geworden. Daar waar in de jaren 80 de rockbands de muziekindustrie domineerden zijn het nu de dj’s die de hitranglijsten aanvoeren.

De opkomst van het internet is echter hand in hand gegaan met de opkomst van de illegale downloadindustrie, waardoor de artiesten wat betreft hun inkomen, in steeds grotere mate afhankelijk zijn van liveoptredens (Woodrow Eckard & Smith, 2012). Hierdoor is ook het belang van een goede prijszetting van de toegangsbewijzen voor deze optredens gestegen. Dit is iets wat economen de afgelopen jaren heeft geïnspireerd nog meer onderzoek te doen naar de vraagelasticiteit van liveoptredens.

Er wordt al jaren door cultureel economen beweerd dat de vraag naar

podiumkunst prijsinelastisch is, iets wat ook door verscheidene macro-economische onderzoeken wordt bevestigd. Uit het onderzoek van Felton (1992) blijkt echter dat deze prijsinelastische vraag lang niet altijd voor individuele bedrijven of theaters geldt. Er kan dus niet zomaar van uit worden gegaan dat de vraag naar podiumkunst

prijsinelastisch is.

Los van de veranderingen in de muziekindustrie, is er de laatste jaren ook een stijgende trend in de algemene prijselasticiteit zichtbaar (Bijmolt, Van Heerde, &

Pieters, 2005). Bijmolt, Van Heerde en Pieters stellen dat de gemiddelde prijselasticiteit jaarlijks met 0.04 toeneemt.

Hoe al deze veranderingen zich hebben vertaald in de huidige prijselasticiteit is een vraag die zeker van belang is voor veel artiesten en podia, waaronder Paradiso, een Amsterdams poppodium. Dit onderzoek heeft dan ook de intentie om aan de hand van een door Paradiso geleverde dataset antwoord te geven op deze vraag. Vanwege de goede organisatiestructuur van Paradiso is er een zeer complete dataset

2 beschikbaar die gegevens bevat van alle gehuisveste evenementen van de afgelopen drie jaar. Naast een duidelijk overzicht van het aantal verkochte tickets en in welke (of combinatie) van de zalen het evenement werd gehouden, zijn ook de gemaakte kosten gespecificeerd. Deze specificatie van de kosten maakt het mogelijk om te controleren voor variabelen die normaal gesproken niet in een onderzoek kunnen worden

opgenomen. Door op deze data een schatting met behulp van het Tobit-model1 uit te voeren, wordt er een schatting gemaakt van de prijselasticiteit van de evenementen in Paradiso.

Om de centrale vraag te kunnen beantwoorden wordt in de volgende paragraaf een overzicht gegeven van de bestaande theorie betreffende de prijselasticiteit van podiumkunst en worden onderzoeken besproken die direct of indirect van invloed zijn op het onderzoek naar de prijselasticiteit van evenementen georganiseerd door Paradiso. In hoofdstuk 3 wordt de opzet van het onderzoek verder toegelicht en worden de variabelen verder uitgewerkt. Daarna worden in hoofdstuk 4 de

onderzoeksresultaten gepresenteerd om vervolgens in hoofdstuk 5 de resultaten te analyseren en bediscussiëren en een conclusie uit de resultaten te trekken. Ten slotte worden in hoofdstuk 6 de mogelijkheden voor verder onderzoek voorgesteld.

2 Elasticiteit van podiumkunst; welke aspecten zijn van belang

Hoewel er behoorlijk wat onderzoek is gedaan naar de prijselasticiteit zijn er maar weinig van deze onderzoeken die een heel duidelijk raakvlak hebben met Paradiso. Paradiso is namelijk een non-profit organisatie die een deel van zijn succes te wijden heeft aan zijn laagdrempeligheid. In het programma van Paradiso zijn meerdere evenementen opgenomen die een ingecalculeerd verlies draaien, maar een positief effect hebben op de reputatie. De prijszetting van Paradiso is dus niet per definitie gericht op winstmaximalisatie.

Het onderzoek dat het meeste raakvlak heeft met de situatie van Paradiso is het onderzoek van Zieba (2009). Zieba heeft onderzoek gedaan naar de prijs- en

1

Het Tobit-model is een statisch model wat in 1958 werd geïntroduceerd door de Amerikaan James Tobin. Het Tobit-model beschrijft de relatie tussen een niet-negatieve afhankelijke variabele en een of meerdere onafhankelijke variabelen.

3 inkomenselasticiteit van Duitse publieke theaters. Deze publieke theaters zijn net als Paradiso non-profit organisaties. De gebruikte dataset bevat gegevens over 145 stadstheaters en 23 regiotheaters en is afkomstig uit het jaarlijkse Theater Rapport (Theaterstatistik genaamd) wat sinds het theaterseizoen 1965-1966 wordt

gepubliceerd. De vraag naar theaterkunst is in Zieba’s onderzoek gedefinieerd als het aantal theaterbezoeken en zij analyseert deze aan de hand van twee two-way fixed-effects modellen. Theaterbezoek wordt daarbij gedefinieerd als een log-lineaire functie, aangezien dit de beste aansluiting met de data heeft (Zieba, 2009). In een eerste model wordt gekeken naar de eigen-prijselasticiteit, beschikbaar inkomen, de prijs van substitutiegoederen (in dit geval de prijs voor het bijwonen van een concert van een symfonieorkest) en indicatoren voor de kwaliteit van de optredens2. In haar alternatieve model houdt ze rekening met de tijdsintensiviteit van het bijwonen van theaterkunst door twee tijdsbesteding-variabelen op te nemen; ‘de prijs van vrije tijd’ en ‘het totaalinkomen’.

Zieba (2009) gaat er in haar onderzoek vanuit dat elk stadstheater een afzetmarkt heeft van 40-50 km. Hiermee kan een schatting worden gemaakt van het relevante inkomen per hoofd van de bevolking. Daarnaast wordt er gecorrigeerd voor tijdgerelateerde trends door gebruiken te maken van de jaarlijks gepubliceerde

consumenten prijsindex. De resultaten van het onderzoek zijn in overeenstemming met die van eerder onderzoek. De prijselasticiteit en inkomenselasticiteit hebben het

verwachte teken en zijn significant. Wat opvalt, is dat als de kwaliteitsindicatoren weg worden gelaten uit de regressie, de geschatte prijselasticiteit van het theaterticket niet verandert. Dit duidt erop dat de ticketprijs exogeen wordt bepaald en niet van andere variabelen afhankelijk is. Zieba (2009) concludeert dat de prijselasticiteit van de vraag naar theaterkunst varieert tussen de -0.26 en -0.43, afhankelijk van het model dat wordt gebruikt. In beide gevallen is de vraag dus prijsinelastisch. De

inkomenselasticiteit is positief en schommelt rond de 1.

Zoals al aangegeven is Paradiso niet per definitie op zoek naar een

winstmaximaliserende prijs, iets wat helemaal niet negatief hoeft te zijn, zo stellen Woodrow Eckard en Smith (2012). In hun onderzoek naar het effect van

2

De rol van kwaliteit van de kunst werd in 2002 door Klamer besproken, met de bevinding dat voor het bezoeken van theaterkunst ook ‘cultureel kapitaal’, de capaciteit om te inspireren en geïnspireerd te worden, nodig is (Klamer, 2002).

4 prijsdiscriminatie3 op de opbrengsten bij Amerikaanse popconcerten stellen Woodrow Eckard en Smith dat er nog veel geld voor het oprapen ligt bij popconcerten (2012). Door het schatten van de potentiele opbrengsten van shows die niet aan

prijsdiscriminatie deden, komen zij uit op een gemiddelde meeropbrengst van $20.000 per show als er wel prijsdiscriminatie is toegepast. Onder de aanname dat de

marginale kosten $0 zijn, is dit dus $20.000 extra winst per show.

Artiesten die op deze manier hun inkomen willen verhogen moeten echter wel rekening houden met het risico van prijsdiscriminatie. Een te hoge mate van

prijsdiscriminatie leidt vaak tot onvrede bij de fans. Het kiezen voor de ‘eerlijkere’ uniforme prijszetting kan dus ook worden gezien als een lange termijn investering in de ‘klanttevredenheid’. Zeker artiesten die de muziek veel belangrijker vinden dan het financiële aspect van een liveoptreden kiezen vaak voor een uniforme prijszetting.

In 2000 hebben Mixon en Ressler onderzoek gedaan naar de prijselasticiteit in de muziekopname industrie (Mixon & Ressler, 2000). Hun verwachting was dat de vraag naar eerder uitgebrachte albums lager is dan naar nieuwe albums, maar dat deze vraag wel minder prijselastisch is. De lagere elasticiteit is het gevolg van het feit dat ‘oudere’ albums over het algemeen eerder worden gekocht door mensen die bekend zijn met de artiest en dus ook daadwerkelijk naar dat album op zoek zijn. De analyse wordt gedaan aan de hand van twee lineaire modellen. De beschikbare dataset telt echter maar 118 verschillende albums. De schattingsresultaten zijn dus zeker gevoelig voor subjectiviteit van de gekozen albums, wat ertoe kan leiden dat de gevonden resultaten een geen goede weergave zijn van de werkelijkheid.

De twee modellen die zij gebruiken verschillen in het feit dat het ene model kijkt naar het aantal jaren dat het album op de markt is en het tweede model alleen een dummyvariabele opneemt die gelijk is aan 1 als het album niet het laatst uitgebrachte album van die artiest is, en 0 als die dat wel is. Verder corrigeren beide modellen alleen nog voor de internetprijs van het album. Het opnemen van maar één

corrigerende variabele kan leiden tot misspecificatie. Zeker aangezien er niet wordt gecorrigeerd voor de populariteit en doelgroep van een artiest, twee aspecten waarvan

3 _{Door middel van het categoriseren van de kaarten op kwaliteit. De kaarten die als hoge kwaliteit}

worden beschouwd, meestal 1e rang of VIP kaarten, worden voor een hogere prijs verkocht dan de rest van de kaarten. Bij muziekconcerten wordt meestal gebruik gemaakt van niet meer dan 4 categorieën voor de kaarten.

5 het zeer aannemelijk is dat ze van invloed zijn op de prijselasticiteit van een album. Hier wordt verder geen aandacht aan besteed bij het bespreken van de resultaten. Toch zijn de resultaten van hun onderzoek in lijn met de hypothese dat de tijd een negatief effect heeft op de prijselasticiteit van de vraag naar muziekalbums. Met andere woorden, de vraag naar eerder uitgebrachte albums is minder elastisch dan de vraag naar hun nieuwere tegenhangers (Mixon & Ressler, 2000). Het is aannemelijk dat deze bevindingen voor muziekalbums ook gelden voor liveoptredens. Het principe dat oudere artiesten meer ‘trouwe’ fans hebben zal de prijselasticiteit van de vraag naar toegangskaarten voor gevestigde artiesten zeker kunnen beïnvloeden.

Naast onderzoeken in de muziekindustrie is er ook veel onderzoek gedaan naar de prijselasticiteit van de vraag naar sportevenementen. De markt voor kaarten voor sportevenementen vertoont veel overeenkomsten met de markt voor concertkaarten, vaak is het zelfs zo dat de concerten in sportstadions worden gehouden. Parallel speelt het probleem van capaciteitsbeperking in beide markten een belangrijke rol.

In hun onderzoek naar de prijselasticiteit van de vraag naar Nederlandse voetbalkaarten, stellen Goeree en Minkman (1996) dat het probleem van de capaciteitsbeperking op te lossen is door gebruik te maken van het gecensureerde Tobit-model. Het Tobit-model wordt gebruikt wanneer vanwege een censurering niet de daadwerkelijke waarde wordt weergenomen (Pudney, 1989). In het geval van Paradiso wordt bij uitverkochte evenementen niet de daadwerkelijke vraag naar het evenement waargenomen maar de maximale zaalcapaciteit. Wanneer de prijselasticiteit van deze evenementen wordt geschat aan de hand van een OLS-model (welke er van uit gaat dat de werkelijke waarde wordt waargenomen) zal de geschatte prijselasticiteit een bias bevatten. Om voor deze bias te corrigeren maakt het Tobit-model gebruik van aangepast marginale effecten. Het Tobit-model werkt als volgt:

De waarnemingen worden gerelateerd aan de volgende index functie:

𝑦_𝑖∗_{= 𝑥}

𝑖′𝛽 + 𝜎𝜀𝑖 𝑖𝑓 𝑦𝑖∗> 0 𝑦_𝑖∗_{= 0 𝑖𝑓 𝑦}

𝑖∗≤ 0

Vanwege het feit dat het marginale effect van 𝑥_𝑖 afhangt van het teken van 𝑦_𝑖∗_{, als 𝑦} 𝑖∗ negatief is en dat ook blijft na de marginale verandering in 𝑥_𝑖, zal de waarde van 𝑦_𝑖∗ _nog

6 steeds op 0 blijven staan (Pudney, 1989). Het Tobit-model kan met deze eigenschap omgaan omdat het is gebaseerd op de volgende vergelijking voor het marginale effect (Heij, Boer, Franses, Kloek, & Dijk, 2004):

𝜕𝐸[𝑦_𝑖]

𝜕𝑥𝑖 =(𝑥𝑖

′_{𝛽/𝜎)𝛽}

Het marginale effect 𝛽 wordt dus gecorrigeerd met de factor (𝑥_𝑖′_{𝛽/𝜎), waarvoor geldt} 0 <(𝑥_𝑖′_{𝛽/𝜎) < 1. Hoe negatiever 𝑥}

𝑖′𝛽 is, hoe dichter (𝑥𝑖′𝛽/𝜎) bij 0 zal liggen, waardoor het marginale effect dus ook minimaal zal zijn. Voor hele grote waarde van 𝑥_𝑖′_{𝛽 is de correctie klein aangezien (𝑥}

𝑖′𝛽/𝜎) dan dicht bij 1 zal liggen.

Toch is voorzichtigheid geboden bij het gebruik van gecensureerde modellen, zo stellen Forrest en Simmons in hun onderzoek naar de prijselasticiteit van de vraag naar voetbalkaarten in de Engelse competitie (Forrest & Simmons, 2002). Om een goede schatting te maken met een gecensureerd model moet er een aantal aannames worden gemaakt. Een van die aannames is dat wanneer de maximale capaciteit niet bereikt is de ‘werkelijke’ vraag wordt weergegeven (Forrest & Simmons, 2002). Het probleem hierbij is, zo stellen zij, dat er vaak gebruik wordt gemaakt van bepaalde abonnementen zoals seizoenkaarten. Hierdoor wordt de werkelijke vraag van een evenement vertroebeld en zal dus de schatting van het gecensureerde model niet meer een goede weergave van de werkelijke waarde zijn.

Als dit wordt vertaald naar de markt voor concertkaart, wordt duidelijk dat het ook hier niet ongewoon is om te werken met abonnementen of lidmaatschappen. Ook Paradiso werkt met een lidmaatschap. Bij een lidmaatschap is het echter wel zo dat, in tegenstelling tot een abonnement, er nog een (gereduceerde) toegangsprijs moet worden betaald. Daarnaast zijn de kosten van het lidmaatschap van Paradiso dusdanig laag dat het zeer onwaarschijnlijk is dat het door Forrest en Simmons (2002) gevonden effect in dit onderzoek van invloed is. De bias zal dus bij het gebruik van een

gecensureerd model in het geval van Paradiso beperkt zijn.

Opvallend is dat alleen Felton in haar onderzoek naar de prijselasticiteit

specifiek op de marketingkosten ingaat (Felton, 1992). Terwijl het effect van marketing op de prijselasticiteit toch al geruime tijd bekend is. Popkowski, Leszczyc en Roa

7 (1989) bespreken in hun onderzoek het effect van zowel nationale als lokale marketing op de prijselasticiteit. Beide marketing strategieën hebben volgens hen een

tegengesteld effect op de prijselasticiteit. Daar waar nationale marketing meer gericht is op het differentiëren van het merk of product, is de regionale marketing vaak prijsspecifiek. Door het product te differentiëren wordt het product als het ware uit de gangbare markt getrokken waardoor het aantal substituten van het product afneemt. Zodra het aantal substituten afneemt, zal ook de prijselasticiteit afnemen vanwege de simpele reden dat mensen moeilijker een vervanging van het product vinden en dus bereid zijn de hogere prijs te betalen (Popkowski Leszczyc & Roa, 1989).

Lokale marketing verhoogt de prijselasticiteit juist vanwege het feit dat deze vorm van marketing over het algemeen gericht is op product- en prijsspecifieke

aanbiedingen. Hierdoor wordt de lokale markt transparant en is precies duidelijk welke alternatieven er zijn. Aangezien Paradiso voor ongeveer 35% van het totaal aantal evenementen geld aan (lokale) marketing besteedt, is het dus zeker van belang om het effect van marketing in het model op te nemen.

Pompe, Tamburri en Munn (2013) hebben onderzocht in hoeverre het repertoire van invloed is op de vraag naar symfonieorkesten in de Verenigde Staten. Zij

concluderen dat het spelen van conventionele en alom bekende stukken een positief effect heeft op het aantal toeschouwers. Daarnaast schatten zij dat de vraag naar symfonieorkesten een prijselasticiteit van -0.54 heeft. Maar ondanks de

prijsinelastische vraag leidt het verhogen van de toegangsprijs niet zondermeer tot hogere inkomsten volgens hen. De symfonieorkesten zijn namelijk voor een groot deel (39% van de begroting) afhankelijk van donaties (Pompe, Tamburri, & Munn, 2013). Het effect van deze donaties op de prijselasticiteit hebben Pompe, Tamburri en Munn ook meegenomen in hun onderzoek, met een opvallend resultaat. Wanneer er in het regressiemodel wordt gecontroleerd voor de donaties blijkt de prijselasticiteit veel kleiner te zijn dan wanneer de controlevariabele voor donaties niet wordt meegenomen (Pompe, Tamburri, & Munn, 2013). Dit effect kan, naar hun zeggen, worden verklaard door het feit dat donaties voor een groot deel afhankelijk zijn van de reputatie en het aantal toeschouwers. Dat aantal toeschouwers zal volgens de wet van de vraag afnemen wanneer de prijs wordt verhoogd. Hoewel door de prijsinelastische vraag de

8 inkomsten uit de toegangskaarten zal toenemen bij een prijsverhoging, neemt het aantal en de grootte van donaties af wegens het afnemend aantal toeschouwers.

Hoewel optredens van orkesten maar een klein aandeel hebben in het programma van Paradiso, is een aantal bevindingen van Pompe, Tamburri en Munn (2013) wel degelijk interessant. Zoals eerder al aangegeven wijdt Paradiso een deel van zijn succes aan zijn laagdrempeligheid. Het is dus zeer aannemelijk dat het verhogen van de prijs ook voor Paradiso niet alleen van invloed zal zijn op de

opbrengsten uit de toegangskaarten. De laagdrempeligheid is echter moeilijk te vangen in een variabele, maar hier zal wel rekening mee moeten worden gehouden bij het analyseren van de resultaten.

Om een goede schatting te maken van de prijselasticiteit moet ervan uit worden gegaan dat toeschouwers ook daadwerkelijk de prijs hebben betaald die beschikbaar is in de dataset, met andere woorden; de doorverkoop van de toegangskaarten moet beperkt zijn (Woodrow Eckard & Smith, 2012). Doorverkoop van toegangskaarten is voornamelijk een probleem wanneer een evenement is uitverkocht. Wanneer een evenement niet is uitverkocht is het onwaarschijnlijk dat mensen meer geld voor een doorverkocht ticket betalen dan dat de beschikbare kaarten kosten.

De afgelopen drie jaar was 22.7% van de evenementen in Paradiso uitverkocht. Na contact te hebben opgenomen met Ticketswap, een van de grootste platforms voor de doorverkoop van toegangskaarten voor muziekevenementen, is duidelijk dat er helaas geen data beschikbaar is van de doorverkoop van toegangskaarten voor evenementen in Paradiso over de afgelopen drie jaar. In de regressie kan hier dus niet voor gecontroleerd worden.

9 3 Onderzoeksopzet

3.1 Beschikbare data

De door Paradiso aangeleverde dataset bevat zeer veel gegevens over de

evenementen die de afgelopen 3 jaar door Paradiso zijn georganiseerd. Naast een overzicht van het totaal aantal aanwezige en het aantal betalende bezoekers per evenement, is ook de gebruikte zaal, de gemaakte kosten, de streefwinst (of in sommige gevallen het streefverlies4) en de toegangsprijs in de dataset opgenomen.

De gebruikte zaal is van belang aangezien Paradiso, naast het hoofdgebouw aan de Weteringsschans, ook regelmatig gebruikmaakt van andere locaties in

Amsterdam. Daarnaast is ook het hoofdgebouw opgedeeld in drie verschillende zalen, de grote zaal, de kleine zaal en de kelder. De meeste evenementen worden óf in de grote zaal óf in de kleine zaal gehuisvest, maar er zijn ook een aantal evenementen die gebruikmaken van een combinatie van zalen of van het gehele gebouw.

De capaciteitsbeperking van de grote zaal is ongeveer 1500 personen, in de kleine zaal kunnen rond de 250 personen. De kelder wordt alleen in combinatie met een andere zaal gebruikt en is daarbij meestal meer een extra bar dan dat het wordt gebruikt om een evenement bij te wonen. De capaciteit van de verschillende zalen staat echter niet per definitie vast maar wordt per evenement vastgesteld. Voor een rockconcert waar het verwachte publiek bestaat uit volwassen mannen en vrouwen wordt een kleinere capaciteit aangehouden dan wanneer er een dance-event is waar voornamelijk tieners op af komen. Bij ieder evenement is daarom ook aangegeven of het wel of niet was uitverkocht.

Naast de informatie over het aantal bezoekers en de locatie waar het

evenement is gehouden heeft Paradiso ook een overzicht van de gemaakte kosten. Er wordt onderscheid gemaakt tussen de hoeveelheid geld die is uitgegeven aan

marketing, wat de artiest heeft ontvangen en welke overige kosten er gemaakt zijn. Dit geeft de mogelijkheid goede controle variabelen op te nemen in het model.

4

Paradiso heeft een aantal evenementen die zij organiseren vanwege het feit dat deze goed zijn voor het imago en de laagdrempeligheid. Voor sommige van deze evenementen zijn ze dan ook bereidt een dusdanig lage toegangsprijs te vragen dat het evenement op verlies uitkomt.

10 De ontvangen gage5 van een artiest is een indicator voor de kwaliteit en

populariteit van een artiest. Wanneer Paradiso een hogere opbrengst verwacht, zijn ze ook bereid een hogere gage te betalen. Het probleem met de gage als

kwaliteitsindicator van het evenement is echter wel dat de gage meestal voor een deel van de opbrengst uit de kaartverkoop afhangt. Wanneer de prijselasticiteit wordt geschat met het aantal verkochten kaarten als onafhankelijke variabele is er een grote kans op reversed causality tussen de gage en het aantal verkochten toegangskaarten. Het is dus zeer aannemelijk dat de gage, of in ieder geval een gedeelte van de gage, endogeen is. Daar zal rekening mee moeten worden gehouden bij de regressies.

Tot slot is, zoals in hoofdstuk 2 al besproken, ook de marketing van invloed op de prijselasticiteit. Hiervoor controleren zal dus een betere schatting van de werkelijke prijselasticiteit geven.

3.2 Het model

Zoals al eerder aangegeven, is vanwege de capaciteitsbeperking van de zalen een gecensureerd model nodig. Hiervoor komen zowel de Heckman two-step estimation method als het gecensureerde Tobit-model in aanmerking. Het Tobit-model is vooral geschikt voor gevallen waarbij de censurering van de afhankelijke variabele afhangt van de waarde van de afhankelijke variabele zelf. Omdat dit het geval is bij de maximale zaalcapaciteiten van Paradiso, is er voor het Tobit-model gekozen.

De afhankelijke variabele in het model, 𝑏𝑒𝑧𝑖, is gedefinieerd als het percentage van de beschikbare kaarten dat is verkocht:

𝑏𝑒𝑧_𝑖 = 𝑣𝑒𝑟𝑘𝑜𝑐ℎ𝑡𝑖 𝑏𝑒𝑠𝑐ℎ𝑖𝑘𝑏𝑎𝑎𝑟_𝑖

5 _{Een gage is een afgesproken bedrag of percentage van de opbrengst uit de kaartverkoop wat de artiest}

ontvangt. De samenstelling van de gage wordt besproken tijdens de onderhandelingen tussen de artiest en Paradiso en ligt dus vast voordat het evenement wordt aangekondigd of er kaarten in de verkoop gaan.

11 Hierbij staat 𝑣𝑒𝑟𝑘𝑜𝑐ℎ𝑡_𝑖 voor het aantal verkochte kaarten voor evenement 𝑖 en is

𝑏𝑒𝑠𝑐ℎ𝑖𝑘𝑏𝑎𝑎𝑟_𝑖 het aantal beschikbare kaarten voor evenement 𝑖. Hierbij is het aantal beschikbare kaarten per evenement meestal niet gelijk aan de maximale zaalcapaciteit voor het desbetreffende evenement. Voor veel van de evenementen is namelijk een gastenlijst beschikbaar. Deze gastenlijst bevat bezoekers die het evenement gratis kunnen bezoeken. Meestal zijn dit gasten die via de artiest meekomen of gasten die op de een of andere manier hebben bijgedragen aan de organisatie van het evenement door bijvoorbeeld mee te helpen aan de promotie. Het aantal beschikbare plaatsen is dus gedefinieerd als de maximale zaalcapaciteit min het aantal gratis tickets dat is weggegeven voor het evenement:

𝑏𝑒𝑠𝑐ℎ𝑖𝑘𝑏𝑎𝑎𝑟_𝑖 = 𝑧𝑎𝑎𝑙𝑐𝑎𝑝𝑎𝑐𝑖𝑡𝑒𝑖𝑡_𝑖− 𝑔𝑟𝑎𝑡𝑖𝑠𝑡𝑖𝑐𝑘𝑒𝑡𝑠_𝑖

Het schatten van de bezetting van de beschikbare plaatsen als afhankelijke variabele in plaats van de verkochte toegangskaarten heeft een aantal voordelen. Ten eerste wordt door het schatten van het bezettingspercentage van de beschikbare plaatsen het probleem van verschillende zaalcapaciteiten opgelost. Door het schatten van het bezettingspercentage komt voor elk van de zalen een censurering, een uitverkochte zaal, op dezelfde limietwaarde, namelijk 1. Het is dus niet meer nodig om voor elke zaal een ander model op te stellen met een censurering op de capaciteit behorende bij die zaal.

Ten tweede wordt door het schatten van het bezettingspercentage ook het probleem van de variabele capaciteit per evenement opgelost. Een uitverkocht evenement heeft namelijk altijd een bezettingspercentage van 1, of dit nou voor 1600 man of voor 1400 man geldt.

Ten derde heeft, wanneer er gebruik wordt gemaakt van een log-lineaire vraagfunctie, het schatten van de het bezettingspercentage precies dezelfde coëfficiëntinterpretatie als bij het schatten met het aantal verkochte kaarten als afhankelijke variabele (zie Appendix).

Ten slotte zijn, door de vraagfunctie in het model te formuleren als een log-lineaire functie, de gevonden regressiecoëfficiënten gelijk als elasticiteiten te

12 interpreteren. De regressiecoëfficiënt voor de prijsvariabele is dus gelijk de schatting van de prijselasticiteit van de evenementen georganiseerd door Paradiso.

Het model ziet er als volgt uit:

𝑙𝑛 𝑏𝑒𝑧_𝑖= 𝛼₀+ 𝛼₁𝑙𝑛 𝑃_𝑖+ 𝛼₂𝑙𝑛 𝑀𝐸_𝑖+ 𝛼₃𝑙𝑛 𝐺_𝑖+ 𝛼₄𝑉𝑉_𝑖+ 𝛼₅ 𝑘𝑧_𝑖 + 𝛼₆ 𝑡𝑜𝑡𝑎𝑎𝑙_𝑖 + 𝛼₇𝑃𝑁_𝑖 + 𝛼₈ 𝑏𝑖𝑡𝑡_𝑖 + 𝛼₉ 𝑑𝑢𝑖𝑓_𝑖 + 𝛼₁₀𝑀𝐸𝑚𝑖𝑠𝑠𝑖𝑛𝑔_𝑖 + 𝛼₁₁𝐺𝑚𝑖𝑠𝑠𝑖𝑛𝑔_𝑖 + 𝜀_𝑖

waarin de afhankelijke variabele, 𝑏𝑒𝑧_𝑖, dus het bezettingspercentage voorstelt. Verder is 𝑃_𝑖 de toegangsprijs voor evenement 𝑖. De verwachting is dat de prijs een negatieve invloed op het aantal toeschouwers zal hebben en dus ook een negatief effect op het bezettingspercentage. De variabele 𝑀𝐸_𝑖 bevat de marketingkosten die zijn gemaakt voor evenement 𝑖 en heeft een positief verwacht effect op het bezettingspercentage. Verder is 𝐺_𝑖 de gage die de artiest heeft ontvangen; een hogere gage geeft indicatie voor een artiest met meer kwaliteit en heeft dus, evenals de marketingkosten, een positief verwacht effect op het bezettingspercentage. Om de populariteit van een artiest te vangen is ook de variabele 𝑉𝑉_𝑖 in het model opgenomen. Deze variabele bevat het percentage van de verkochte kaarten dat al in de voorverkoop is verkocht. De

redenatie achter deze variabele is dat wanneer bezoekers kaarten in de voorverkoop kopen ze zeer bewust naar die artiest of dat evenement willen. Een hoger percentage van de kaarten dat al in de voorverkoop is verkocht, duidt op een populairdere artiest of evenement.

Daarnaast zijn er ook dummyvariabelen opgenomen voor zowel de zalen als voor het ontbreken van gegevens over de marketinguitgaven voor een evenement of het ontbreken van de gage van de artiest:

 𝑘𝑧_𝑖 = 1 voor evenementen die alleen in de kleine zaal zijn gehouden en anders 0  𝑡𝑜𝑡𝑎𝑎𝑙𝑖 = 1 voor evenementen waarvoor het hele gebouw beschikbaar is gesteld

en anders 0

 𝑃𝑁_𝑖= 1 voor evenementen die in Paradiso Noord zijn gehouden en anders 0  𝑏𝑖𝑡𝑡 = 1 voor evenementen op de locatie Bitterzoet zijn gehouden en anders 0  𝑑𝑢𝑖𝑓 = 1 voor evenementen in De Duif zijn gehouden en anders 0

 𝑀𝐸𝑚𝑖𝑠𝑠𝑖𝑛𝑔𝑖 = 1 voor evenementen waarvan geen informatie beschikbaar is van de marketinguitgaven en anders 0

13  𝐺𝑚𝑖𝑠𝑠𝑖𝑛𝑔_𝑖 = 1 voor evenementen waarvan geen gage beschikbaar is en anders 0 De grote zaal van het hoofdgebouw dient hierbij als referentiedummy.

4 Resultaten

4.1 Overzicht van de evenementen

Paradiso heeft in de afgelopen drie jaar in totaal 3255 evenementen georganiseerd. Echter, niet al deze waarnemingen zijn geschikt om te gebruiken in de regressie. Paradiso organiseert namelijk ook gesloten evenementen voor bedrijven waarbij geen kaartverkoop plaatsvindt. Daarnaast zijn er ook nog evenementen die over de gehele dag worden gehouden en waarbij de bezoekers in en uit lopen. Ten slotte zijn er ook een aantal evenementen waarvan het bezoekersaantal is vertekend (vanwege bijv. evenementen die tot een ander evenement toebehoren en die dus eigenlijk als één enkel evenement kan worden gezien).

Na het filteren van de georganiseerde evenementen blijven er nog 2703 evenementen over die relevant zijn voor de regressie. Van deze 2703 evenementen hebben er 915 in 2012 plaatsgevonden, 865 in 2013 en 923 in 2014 (zie Tabel 1).

Zoals in hoofdstuk 3 al besproken maakt Paradiso naast het hoofdgebouw ook gebruik van verschillende externe locaties. Op advies van Paradiso is het aantal externe locaties waar gebruikt van wordt gemaakt in de regressies, beperkt tot Paradiso Noord, Bitterzoet en De Duif.

14 Tabel 2 geeft een overzicht van de evenementen die in de afgelopen drie jaar in het hoofdgebouw van Paradiso zijn georganiseerd. De vijfde kolom geeft een overzicht van de variabelen voor alle 2703 evenementen in de afgelopen drie jaar, ter

vergelijking. In deze tabel is duidelijk te zien dat de evenementen die in de grote zaal worden gehuisvest het populairst zijn. Niet alleen heeft de grote zaal de hoogste

gemiddelde bezettingsgraad, een gemiddelde bezetting van 62% van de zaalcapaciteit, ook het percentage van evenementen in een zaal dat wordt uitverkocht is in de grote zaal het hoogst, namelijk 32%.

Qua populariteit staan de evenementen die gebruik maken van het gehele gebouw op de tweede plaats. De gemiddelde bezettingsgraad voor deze evenementen is 53%. Van het totaal aantal evenementen dat in het gehele gebouw plaatsvindt, is 17% uitverkocht.

Op de derde plaatst komen de evenementen die worden gehuisvest in de kleine zaal, waarvan 16% is uitverkocht en waarvoor de gemiddelde bezetting van de

zaalcapaciteit 45% bedraagt.

De evenementen die in de kelder worden georganiseerd zijn qua percentage uitverkocht en de zaalbezetting het minst populair. Dit is te verklaren door het feit dat Paradiso de zaal kiest aan de hand van de verwachte populariteit van een evenement. Daarbij wordt vooral gekeken naar de zaalcapaciteit, de populairste evenementen worden logischer wijs daar georganiseerd waar de meeste mensen terecht kunnen.

Aan de hand van deze strategie lijkt het wellicht tegenstrijdig dat de grote zaal, welke een kleinere capaciteit heeft dan het gehele gebouw, het hoogste percentage

15 voor de zaalbezetting en het aantal uitverkochte evenementen heeft. Dit is echter te verklaren door het feit dat wanneer er live optredens zijn van bands of artiesten, deze in de grote zaal worden georganiseerd. Wanneer er een liveoptreden is zal het publiek ook daadwerkelijk de band willen zien spelen en dat kan niet vanuit een andere zaal, waardoor het geen optie is om zo’n soort evenement in het gehele gebouw te

huisvesten6.

De evenementen die in het gehele gebouw worden georganiseerd zijn voor 91% Dance-events (zie Tabel 3), terwijl de uitverkochte evenementen bestaan juist voor 86% uit liveoptredens (zie Tabel 4). De grote zaal wordt voornamelijk voor liveoptredens gebruikt (zie Tabel 5). Het feit dat de grote zaal, ondanks zijn kleinere capaciteit ten opzichte van het gehele gebouw, een hogere gemiddelde zaalbezetting heeft en dat het percentage van de evenementen uit de grote zaal hoger ligt, kan dus worden verklaard aan de hand van het genre van de evenementen.

6

Er zijn echter ook evenementen waarbij het liveoptreden van de band in de grote zaal ook in de kleine zaal is te volgen op grote schermen. Dit is echter meer uitzondering dan regel. Over het algemeen kan er vanuit worden gegaan dat liveoptredens alleen vanuit de grote zaal te zien zijn.

16 Als we kijken naar een overzicht van de evenementen die georganiseerd zijn op externe locaties, zien we dat ook voor deze evenementen geldt dat het verschil in populariteit van de zalen voornamelijk te wijten is aan het genre van de evenementen. Paradiso Noord heeft, ondanks de grootste zaalcapaciteit, het laagste gemiddelde bezettingspercentage (52%) en ook het percentage uitverkochte evenementen is in Paradiso Noord het laagst, 15% (zie Tabel 6). Maar Paradiso Noord is ook de enige externe locatie waar Dance-events worden gehouden. In Tabel 7 is te zien dat ongeveer 27% van de evenementen in Paradiso Noord onder het genre ‘Dance’ geschaard worden. In De Duif en Bitterzoet zijn enkel liveoptredens gehuisvest in de afgelopen drie jaar.

Het verschil in gemiddeld bezettingspercentage tussen Bitterzoet (67%) en De Duif (75%) kan worden verklaard aan de hand van de eerder genoemde strategie om de populairste evenementen in de zaal met de grootste zaalcapaciteit te huisvesten.

17 Zoals in hoofdstuk 3 al naar voren is gekomen varieert de zaalcapaciteit per

evenement. De maximale capaciteiten die in Tabel 2 en Tabel 6 zijn weergegeven zijn tot stand gekomen door voor elk van de zalen het gemiddeld aantal bezoekers te nemen van de evenementen die als uitverkocht zijn geboekt.

4.2 Schattingsresultaten

De schattingen voor de vraagfunctie van evenementen georganiseerd door Paradiso staan in Tabel 8. In de eerste kolom staan de schattingsresultaten die aan de hand van het Tobit-model zijn bepaald. In de tweede kolom staan de resultaten die zijn bepaald op basis van de OLS-methode, waarbij de uitverkochte evenementen uit de schatting zijn weggelaten. Tot slot staan in de derde kolom de schattingsresultaten die met behulp van een IV-regressie zijn gevonden.

De geschatte prijselasticiteit van het Tobit-model is -0.101, met een significantie op een 10%-level, wat duidt op een zeer prijsinelastische vraag. Ook de gage heeft het verwachte teken en een zeer significante coëfficiënt van 0.236. Dit houdt in dat

wanneer de gage met 10% verhoogt, het bezettingspercentage, volgens de schatting van het model, met 2.36% zal toenemen.

Wat opvalt, is het teken van de geschatte coëfficiënt van de marketing. Intuïtief gezien is de verwachting dat wanneer er meer geld wordt gespendeerd aan marketing, het evenement bekender wordt, waardoor over het algemeen meer mensen op het evenement af zullen komen. Volgens de schatting van het Tobit-model is echter het tegenovergestelde het geval. De coëfficiënt voor de marketinguitgaven van -0.093 houdt namelijk in dat wanneer Paradiso een stijging van 10% van de

18 marketinguitgaven doorvoert, het bezettingspercentage met 0.93% zal afnemen. Hoewel de coëfficiënt geen grote waarde aanneemt, is deze wel zeer significant. Het negatieve teken van de coëfficiënt van de marketinguitgaven kan verklaard worden door de marketingstrategie die Paradiso hanteert. Paradiso stelt namelijk niet van tevoren een specifiek bedrag voor de marketing vast, maar kijkt zodra de kaartverkoop aan de gang is of er marketinguitgaven nodig zijn. Indien de toegangskaarten van een bepaald evenement zeer snel verkopen, is er voor Paradiso geen reden om extra geld uit te geven aan marketing. Deze uitgaven worden pas gedaan als blijkt dat de

kaartverkoop niet voldoende vordert.

Dit heeft als gevolg dat er in verhouding meer geld wordt uitgegeven aan marketing voor evenementen die minder populair zijn en over het algemeen ook een lager bezettingspercentage hebben. De interactie tussen de marketinguitgaven en het bezettingspercentage werkt dus eerder de andere kant op; een laag

bezettingspercentage heeft een hogere marketinguitgaven tot gevolg. Vanwege deze reversed causality zijn de marketinguitgaven endogeen en kan het geschatte negatieve effect van de marketing dan ook niet worden gezien als een causaal effect van de marketinguitgaven op de bezettingsgraad.

Niet alleen bij de marketinguitgaven zijn er twijfels over de consistentie van de coëfficiënt. De prijselasticiteit van -0.101 duidt op een veel prijsinelastischere vraag dan het geval was bij de onderzoeken die in hoofdstuk twee naar voren zijn gekomen. De meest aannemelijke verklaring hiervoor is het feit dat een van de meest invloedrijke aspecten voor het bezettingspercentage, de populariteit van een artiest of evenement, maar voor een deel in het model gevangen is. Daar waar, door gebruik van het

percentage van de kaarten dat in de voorverkoop is verkocht in combinatie met de gage, wel voor een deel van de populariteit gecorrigeerd kan worden, zijn deze maten voor de populariteit niet optimaal. Er is namelijk bij het percentage van de kaarten dat in de voorverkoop is verkocht geen informatie over hoelang de kaarten in de verkoop zijn geweest. Zo wordt er geen onderscheid gemaakt tussen een evenement wat binnen twee dagen volledig is uitverkocht en een evenement wat na drie maanden pas volledig is uitverkocht, terwijl de populariteit van deze twee evenementen wel degelijk verschilt.

20 Het ontbreken van een goede maat voor de populariteit van de artiest of

evenement is ook de voornaamste reden voor het schatten van de vraagfunctie op basis van alleen de niet uitverkochte evenementen. De redenatie achter dit model is het feit dat Paradiso over het algemeen redelijk goed kan inschatten of een evenement wel of niet zal worden uitverkocht. Wanneer Paradiso met vrij grote zekerheid een evenement verwacht uit te verkopen, is van wege de non-profit status van Paradiso, het kiezen van de winst maximaliserende prijs minder van belang. Daarnaast is het zo dat artiesten vaak ook een inspraak hebben in welke prijs Paradiso voor de

toegangskaarten vraagt. Zeer populaire artiesten kunnen vaak een veel hogere prijs vragen dan ze in werkelijkheid doen omdat, zoals in hoofdstuk 2 al besproken, ook de tevredenheid van de fans vaak een grote rol speelt. Voor de evenementen die niet uitverkocht zijn is de juiste prijszetting veel meer van belang. Een schatting van de prijselasticiteit voor deze evenementen is dus zeker zinvol voor Paradiso.

Aangezien er door het niet meenemen van de uitverkochte evenementen ook het capaciteitsprobleem van de zalen wegvalt, kan de het model worden geschat door middel van een OLS-regressie. De resultaten van deze OLS-regressie zijn terug te vinden in de tweede kolom van Tabel 8.

De geschatte prijselasticiteit van het alternatieve model zonder de uitverkochte evenementen is -0.302. Hoewel de vraag dus, zoals verwacht, prijselastischer is geworden ten opzichte van het Tobit-model, duidt dit nog steeds op een sterk prijsinelastische vraag. Daarnaast is ook de significantie van de prijselasticiteit gestegen tot een 0%-level. Deze verandering van de prijselasticiteit kan verklaard worden aan de hand van het feit dat de uitverkochte evenementen niet worden meegenomen in de schatting. Vanwege het ontbreken van een goede maat voor de populariteit van de evenementen en het feit dat de prijs van een evenement en de toegangsprijs logischerwijs sterk met elkaar gecorreleerd zijn, gaat een deel van het positieve effect wat de populariteit op de bezettingsgraad heeft, in de prijsvariabele zitten. Door de uitverkochte evenementen niet mee te nemen in de regressie worden de meest populaire evenementen eruit gefilterd. Hierdoor wordt de prijselasticiteit minder beïnvloed door de bias van de populariteit, de evenementen die over blijven zijn namelijk simpelweg minder populair dan de uitverkochte evenementen. Er kan dus worden gesteld dat de schatting voor de prijselasticiteit van het alternatieve model een

21 betere weergave van de werkelijke prijselasticiteit geeft dan de schatting van het Tobit-model.

In de overige geschatte coëfficiënten van het alternatieve model zijn ook een aantal verschuivingen te zien. Ten eerste is het negatieve effect van de marketing op de bezetting kleiner (van -0.093 naar -0.038) en minder significant geworden. Dit komt overeen met het eerder besproken feit dat er voor populaire evenementen vaak weinig marketinguitgaven worden gedaan. In Tabel 9 is te zien dat de gemiddelde

marketinguitgaven voor de uitverkochte evenementen inderdaad lager ligt dan voor de niet uitverkochte evenementen, wat in lijn is met het eerder besproken marketingbeleid van Paradiso. Door het wegvallen van de uitverkochte evenementen worden er

evenementen weggelaten met relatief weinig marketinguitgaven maar met een bezettingspercentage van 100%. Dit zorgt ervoor dat de meest extreme gevallen van het tegenstrijdige marketingeffect (zoals hiervoor besproken) uit het Tobit-model, niet worden meegenomen in het alternatieve model.

Daarnaast is er ook een duidelijke verschuiving te zien in de coëfficiënten voor de dummyvariabelen voor elk van de zalen. Deze verschuiving kan verklaard worden door het feit dat de grote zaal in het model als referentiedummy wordt gebruikt. Uit Tabel 2 was al duidelijk dat 32% van de evenementen uit de grote zaal zijn uitverkocht. Wanneer de uitverkochte evenementen niet meer worden meegenomen verliest de grote zaal 32% van de waarnemingen. Het kan heel goed zijn dat door het verlies van deze karakteristieke groep waarnemingen, de grote zaal anders staat tegenover de overige zalen.

Naast het groot aantal verschuivingen is er ook een coëfficiënt waarbij de verschuiving in de schatting minimaal is: de coëfficiënt van de gage. Toch vereist de

22 gage, zoals in hoofdstuk 3.1 al besproken, extra aandacht wegens de potentiële

endogeniteit. Om hiervoor te testen is een IV-regressie nodig. Een IV-regressie vereist echter instrumentele variabelen, welke zeer beperkt in de dataset aanwezig zijn. De instrumenten moeten zowel relevant als valide zijn, een combinatie die maar voor weinig variabele in de dataset opgaat.

De beste optie die de dataset biedt is het gebruiken van de niet-significante zaaldummy’s, in dit geval de dummy voor de kleine zaal, de kelder en de locatie Paradiso Noord. Door het gebruiken van de niet-significante dummyvariabelen wordt zo goed mogelijk aan de validiteitseis voldaan. Daarnaast hebben de zaaldummy’s een correlatie met de gage. Zoals uit Tabel 2 en Tabel 6 al blijkt zit er duidelijk verschil in de gemiddelde gage per zaal. Het is echter wel zo dat de relevantie van de

zaaldummy’s als instrumenten zeker niet optimaal is.

De resultaten van de Durbin 2-test en de Wu-Hausman F-test duiden beide, met zeer hoge significantie, op endogeniteit van de gage (zie Appendix). Ook de hoge waarde van de F-statistic (287.6) van de first-stage regressie uit IV-schatting duidt op significante endogeniteit7. Het is na aanleiding van de zeer duidelijke endogeniteit nodig om een IV-regressie uit te voeren. Uit de first-stage regressie blijkt dat

coëfficiënten van de zaaldummy’s voor de kleine zaal, de kelder en Paradiso Noord significant zijn, wat duidt op geschikte instrumenten. De R2 van de first-stage regressie is 25%.

Hoewel de verklarende kracht van de instrumenten niet optimaal is voldoen ze wel aan de eisen om een goede IV-regressie uit te kunnen voeren. De resultaten van deze regressie zijn te vinden in de derde kolom van Tabel 8.

De geschatte prijselasticiteit van de IV-regressie (-0.330) verschilt maar weinig van de OLS-schatting van het alternatieve model. Ook de rest van de

schattingsresultaten verschillen niet veel van de OLS-regressie. Hieruit kan worden opgemaakt dat het effect van de endogeniteit van de gage op de OLS-schatting van het alternatieve model erg beperkt is.

7

Over het algemeen wordt een F-statistic van de first-stage regressie groter dan 10 als significant beschouwd voor de endogeniteit.

23 5 Conclusie

Daar waar in het grootste deel van eerder onderzoek naar de prijselasticiteit van theaterkunst een prijsinelastische vraag werd gevonden, lijkt dat ook voor Paradiso het geval te zijn. Ondanks de het feit dat er geen ideale maat voor de populariteit van de evenementen kan worden opgenomen, duiden de resultaten op een prijsinelastische vraag. Daar waar de prijselasticiteit steeg na het niet meenemen van de uitverkochte en dus meest populaire evenementen, geeft de waarde van deze stijging geen indicatie voor het vinden van een prijselastische vraag op het moment dat de populariteit

volledig in het model gevangen kan worden. Zeker aangezien er al voor een deel van de populariteit is gecorrigeerd door middel van het percentage van de kaarten verkocht in de voorverkoop. Daarnaast is in de IV-regressie ook de gage nog een significante maat die een deel van de populariteit weet te vangen. De werkelijke vraag naar evenementen georganiseerd door Paradiso zal dus prijselastischer zijn dan de geschatte prijselasticiteit van het model, maar het is onwaarschijnlijk dat deze werkelijke vraag als prijselastisch kan worden beschouwd.

De externe validiteit van het model is echter zeer laag doordat er alleen specifiek naar de evenementen georganiseerd door Paradiso wordt gekeken. Het is dus niet mogelijk om op basis van de resultaten uit dit onderzoek een uitspraak te doen over de prijselasticiteit van theaterkunst in Nederland. De resultaten geven wel een indicatie voor de prijselasticiteit van non-profit organisaties die muziekevenementen organiseren in Amsterdam. Dit komt er op neer dat de resultaten alleen voor Paradiso van toepassing zijn.

Daar waar het model een lage externe validiteit heeft is ook de interne validiteit op sommige punten twijfelachtig. Zoals al besproken heeft de marketingstrategie die Paradiso hanteert een reversed causality voor de marketinguitgaven in het model tot gevolg. Ook voor de gevonden coëfficiënt van de gage in het model is het aannemelijk dat deze niet een exacte weergave is van de werkelijke populariteitwaarde. Hoewel er in de IV-regressie door middel van instrumenten is gecorrigeerd voor de endogeniteit, zijn de zaaldummy’s geen sterke instrumenten vanwege het feit dat de relevantie van de instrumenten vrij laag is.

24 Om met zekerheid een conclusie te kunnen trekken over de prijselasticiteit van de evenementen georganiseerd door Paradiso, is het vooral van belang de populariteit van een artiest of evenement beter in het model te vangen. Optimaal hiervoor zou zijn om gegevens te vinden over het aantal in Nederland gedownloade nummers (in zowel de legale als illegale sector) van een artiest. Echter gaat dit vooral op voor de live-events. In het geval van een dance-event, waar vaak meerdere dj’s op een avond draaien, zal er een maat nodig zijn om de combinatie van de populariteit van de verschillende dj’s uit te drukken.

Al met al lijkt het, ondanks dat er zeker een aantal twijfelachtige aspecten aan het model zitten, gerechtvaardigd de voorzichtige conclusie te trekken dat de vraag naar evenementen georganiseerd door Paradiso prijsinelastisch is.

Appendix

Afleiding van de coëfficiënt interpetatie voor 𝑙𝑛 𝑃𝑖, uitgewerkt in Latex:

Testresultaten Durbin 2-test en de Wu-Hausman F-test:

First-stage regressie IV-schatting:

Wu-Hausman F(1,2604) = 9.84963 (p = 0.0017) Durbin (score) chi2(1) = 9.85396 (p = 0.0017)

LIML Size of nominal 5% Wald test 6.46 4.36 3.69 3.32 2SLS Size of nominal 5% Wald test 22.30 12.83 9.54 7.80 10% 15% 20% 25% 2SLS relative bias 13.91 9.08 6.46 5.39 5% 10% 20% 30% Ho: Instruments are weak # of excluded instruments: 3 Critical Values # of endogenous regressors: 1 Minimum eigenvalue statistic = 287.613

log_gage 0.9249 0.9245 0.2490 287.613 0.0000 Variable R-sq. R-sq. R-sq. F(3,2603) Prob > F Adjusted Partial First-stage regression summary statistics

Bibliografie

Bijmolt, T. H., Van Heerde, H. J., & Pieters, R. G. (2005). New Empirical Generalizations on the Determinants of Price Elasticity. Journal of Marketing Research, Vol. 42, No. 2, 141-156.

Felton, M. V. (1992). On the assumed inelasticity of demand for the performing arts. Journal of Cultural Economics, 1-12.

Forrest, D., & Simmons, R. (2002). Outcome uncertainty and attendance demand in sport: the case of English soccer. Journal of the Royal Statistical Society. Series D (The Statistician) Vol. 51, No. 2, 229-241.

Goeree, J., & Minkman, M. (1996, january ). The Demand for Soccer. Amsterdam: Working paper.

Heij, C., Boer, P. d., Franses, P., Kloek, T., & Dijk, H. v. (2004). Econometric Methods with Applications in Business and Economics. Oxford: Oxford University Press.

Klamer, A. (2002). Accounting for social and cultural values. De Economist 150 (4), 453-473. Mixon, F. G., & Ressler, R. W. (2000). A Note on Elasticity and Price Dispersions in the Music

Recording Industry . Review of Industrial Organization, 465-470.

Pompe, J., Tamburri, L., & Munn, J. (2013). Symphony Concert Demand: Does Programming Matter? The Journal of Arts Management, Law and Society 43, 215-228.

Popkowski Leszczyc, P. T., & Roa, R. C. (1989). An Empirical Analysis of National and Local Advertising Effect on Price Elasticity. Marketing Letters l:2, 149-160.

Pudney, S. (1989). Modelling individual choice - the econometrics of corners, kinks and holes. Oxford: Basil Blackwell Inc.

Woodrow Eckard, E., & Smith, M. A. (2012). The Revenue Gains form Multi-Tier Ticket Pricing: Evidence from Pop Music Concerts. Managerial and Decision Economics 33, 463-473. Zieba, M. (2009). Full-income and price elasticities of demand for German public theatre.