При исследованиях регрессии (см. главу 3) использовался обычный метод наименьших квадратов (МНК). Как правило, поскольку наши независимые и зависимые переменные – это трехкатегорийные дискретные переменные, можно было бы использовать упорядоченную пробит-модель, так как мы пытаемся оценить вероятность попадания в одну из трех заданных категорий для зависимой переменной (изменение эффективности: негативное, без изменений, позитивное).

Однако для такого анализа необходимо, чтобы каждая независимая переменная имела дисперсию для каждого состояния зависимой переменной. Здесь, к сожалению, «Изменение позиции» = 0 в каждом из пяти примеров, в которых «Изменение эффективности» = 0. В такой ситуации можно получить весьма неточные оценки коэффициентов регрессии и среднеквадратической ошибки.

Для сравнения – МНК позволяет обрабатывать такие данные. При переходе на МНК мы проигрываем в эффективности, поскольку зависимая переменная (изменение эффективности) не непрерывна, а категоризована. Однако предпочтительнее все же использовать этот более консервативный метод, чем получить смещенные оценки с помощью упорядоченного пробит-метода.

Для каждой из наших 18 выдающихся компаний мы можем охарактеризовать связь между изменением (или его отсутствием) для каждой категории эффективности и стратегической позицией. Здесь рассматриваются три зависимости. Во-первых, «стайеры» с большей вероятностью страдают от спадов, независимо от изменений позиции. Во-вторых, компании с неценовой конкурентной позицией с большей вероятностью работают с большей эффективностью, независимо от категории.

Однако наиболее важным и наиболее статистически значимым является третье эмпирическое заключение: смещение конкурентной позиции в сторону неценовой конкурентной позиции связано с последующим повышением рентабельности, а смещение конкурентной позиции в сторону ценовой конкурентной позиции связано с последующим снижением рентабельности.

Ниже приводятся детали регрессионного анализа, упомянутого в главе 3.

Таблица 52. Сводка данных

Регрессия 1. Stryker и Publix: обработка данных об изменениях рентабельности

Регрессия 2. Stryker и Publix: обработка данных без учета изменений рентабельности