Economy and Food Security

fa مدل‌سازی عوامل مؤثر بر تعداد سطوح قیمتی روزانه در قیمت‌گذاری پویای محصولات فسادپذیر: مطالعه موردی بازار گوجه‌فرنگی گرگان Modeling the Determinants of Daily Price Levels in Dynamic Pricing of Perishable Products: A Case Study of the Tomato Market in Gorgan, Iran بازار محصولات کشاورزی و منابع طبیعی General پژوهشي Research مقدمه و هدف: محصولات تازه کشاورزی مانند گوجه‌فرنگی به دلیل ماهیت فسادپذیر، نرخ بالای کاهش کیفیت پس از برداشت و حساسیت بالا به شرایط محیطی، یکی از چالش‌برانگیزترین کالاها در مدیریت زنجیره تأمین خرده‌فروشی محسوب می‌شوند. بر اساس گزارش FAO (2024)، حدود 14 درصد از تولید جهانی مواد غذایی در مرحله پس از برداشت تا پیش از خرده‌فروشی و سهم قابل‌توجهی نیز در سطح فروشگاه‌ها به ضایعات تبدیل می‌شود. گوجه‌فرنگی به‌عنوان یکی از پرمصرف‌ترین محصولات تازه در سبد غذایی خانوارهای ایرانی، به دلیل نرخ بالای تنفس، حساسیت به دمای محیط و کاهش سریع سفتی بافت، در زمره حساسترین محصولات فسادپذیر قرار دارد. یکی از کارآمدترین راهکارهای مدیریت موجودی و کاهش ضایعات، استفاده از استراتژی قیمت‌گذاری پویا از طریق تعدیل قیمت در ساعات مختلف روز است. با وجود گستردگی پژوهش‌ها در این حوزه، مرور نظام‌مند ادبیات نشان می‌دهد که اکثر مطالعات بر روی «مقدار یا عمق تخفیف» متمرکز بوده‌اند و به‌ندرت به این پرسش اساسی پاسخ داده‌اند که چه عواملی تعیین می‌کنند یک فروشنده چند بار در طول روز قیمت محصول خود را تغییر دهد (تعداد سطوح قیمتی روزانه). این شکاف پژوهشی، انگیزه اصلی شکل‌گیری پژوهش حاضر است. ازاین‌رو، هدف اصلی این مطالعه، شناسایی و تحلیل هم‌زمان مهم‌ترین عوامل تعیین‌کننده تعداد سطوح قیمتی روزانه (تعداد دفعاتی که قیمت گوجه‌فرنگی در یک روز فروش تغییر می‌کند) در سه فروشگاه میوه و تره‌بار شهر گرگان است. نوآوری اساسی مقاله در آن است که برای نخستین بار، «تعداد سطوح قیمتی» را نه به‌عنوان یک ابزار مدیریتی، بلکه به‌عنوان یک پدیده رفتاری چندعاملی و وابسته معرفی می‌کند و به مدل‌سازی اقتصادسنجی آن با استفاده از داده‌های خرد روزانه می‌پردازد. مواد و روش‌ها: این پژوهش از نظر هدف کاربردی و از نظر روش‌شناسی، یک مطالعه کمی مبتنی بر داده‌های پانل روزانه است. داده‌های مورد نیاز طی سال 1402(میلادی 2023) از سه فروشگاه میوه و تره‌بار دارای مجوز از شهرداری در شهر گرگان جمع‌آوری گردید. متغیر وابسته پژوهش، «تعداد سطوح قیمتی روزانه» با سه سطح اسمی شامل 1 (یک قیمت ثابت در طول روز)، 2 (دو قیمت مجزا) و 3 (سه قیمت یا بیشتر در طول روز) در نظر گرفته شد. متغیرهای مستقل شامل قیمت اولیه گوجه‌فرنگی در ابتدای روز (هزار تومان)، هویت فروشگاه (فروشگاه دوم در مقایسه با فروشگاه سوم به‌عنوان گروه مبنا)، الگوی روزهای هفته (دوشنبه و سه‌شنبه در مقایسه با جمعه، و چهارشنبه و پنج‌شنبه در مقایسه با جمعه) و لگاریتم طبیعی نسبت محصول باقی‌مانده پایان روز به مقدار خرید اولیه بودند. از آن‌جایی که محاسبه لگاریتم نیازمند مقادیر مثبت است، تعداد 42 مشاهده با نسبت صفر یا منفی حذف و مدل نهایی بر روی 150 مشاهده (روز-فروشگاه) برآورد گردید. با وجود ترتیب طبیعی متغیر وابسته، به دلیل نامساوی بودن فاصله بین سطوح و متفاوت بودن مکانیسم تصمیم‌گیری فروشندگان، از مدل لاجیت چندجمله‌ای به‌جای مدل‌های ترتیبی استفاده شد. برآورد پارامترها با نرم‌افزار Stata و روش حداکثر راست‌نمایی انجام گرفت. متغیرهای کنترل اضافی (دما، نسبت فروش، تعطیلات و وقفه‌دار ضایعات) به دلیل عدم‌معناداری یا مشکلات همگرایی از مدل نهایی حذف گردیدند. یافته‌ها: نتایج آمار توصیفی نشان داد که الگوی غالب قیمت‌گذاری، استفاده از دو سطح قیمتی در طول روز است که بیش از75  درصد از مشاهدات (113 مورد از 150 مشاهده) را به خود اختصاص داده است. روزهایی با یک سطح قیمتی و سه سطح قیمتی به‌ترتیب 12 درصد (18 مورد) و 67/12 درصد (19 مورد) از کل مشاهدات را تشکیل می‌دهند. همچنین با افزایش تعداد سطوح قیمتی از یک به سه سطح، میانگین نسبت محصول باقی‌مانده در پایان روز از حدود 18 درصد به 11 درصد کاهش یافت که نشان‌دهنده کارایی نسبی قیمت‌گذاری پویاتر در مدیریت موجودی است. نتایج برآورد مدل لاجیت چندجمله‌ای نشان داد که مدل از برازش مطلوبی برخوردار است (LR chi2(10) = 82.50, Prob > chi2 = 0.0000) و مقدار Pseudo R² برابر با 35/38درصد به‌دست آمد. یافته‌های اصلی: (1) قیمت اولیه دارای تأثیر منفی و معنادار بر احتمال استفاده از هر دو سطح دو قیمتی (3/0-) سه قیمتی (21/0-) است. (2) فروشگاه دوم نسبت به فروشگاه سوم، تمایل بیشتری به استفاده از قیمت‌گذاری چندسطحی دارد (ضرایب 018/2 و 231/3). (3) روزهای چهارشنبه و پنج‌شنبه احتمال تغییر قیمت را افزایش می‌دهند. (4) برخلاف انتظار نظری، نسبت بالاتر محصول باقی‌مانده، اثر منفی بر تعداد سطوح قیمتی دارد. (5) اثر روزهای دوشنبه و سه‌شنبه فقط در سطح دو قیمتی و به‌صورت مرزی معنادار بوده است. نتیجه‌گیری: یافته‌ها نشان می‌دهد که تصمیم خرده‌فروشان برای تغییر مکرر قیمت، فرآیندی پیچیده و چندوجهی است که به‌طور هم‌زمان از نشانه‌های هزینه‌ای (قیمت اولیه و ضایعات)، زمانی (روزهای پایانی هفته) و نهادی (ویژگی فروشگاه) تأثیر می‌پذیرد. این نتیجه با ادبیات کلاسیک قیمت‌گذاری پویا و مدیریت موجودی محصولات فسادپذیر همخوانی دارد. از منظر مدیریتی، فروشگاه‌های دارای موجودی مازاد می‌توانند به‌جای کاهش حاشیه سود از ابتدای روز، با افزایش دفعات تغییر قیمت (به‌ویژه در روزهای چهارشنبه و پنج‌شنبه) به مدیریت بهتر موجودی و کاهش ضایعات بپردازند. با توجه به محدودیت‌هایی نظیر کوچکی حجم نمونه و عدم دسترسی به متغیرهای کیفی، پیشنهاد می‌شود پژوهش‌های آتی با گسترش نمونه و روش‌های شبه‌آزمایشی، رابطه علی بین تعداد سطوح قیمتی و کاهش ضایعات را دقیق‌تر بررسی کنند.   Introduction and Objectives: Fresh agricultural products such as tomatoes are highly perishable, with rapid post-harvest quality deterioration and sensitivity to environmental conditions. According to the FAO (2024), approximately 14% of global food production is lost post-harvest, with substantial waste at the retail level. Tomatoes, a staple in Iranian households, are extremely sensitive to respiration, temperature, and tissue softening. Dynamic pricing through daily price adjustments is a key strategy for inventory management and waste reduction. While extensive literature exists on the "depth of discounts," few studies have addressed the fundamental question of what determines how many times a seller changes the price during a day. This gap motivates the present research. The main objective is to identify and analyze the determinants of the number of daily price levels (the frequency of tomato price changes) in three fruit and vegetable stores in Gorgan, Iran. The core novelty is introducing the "number of price levels" not just as a managerial tool, but as a multi-factor behavioral phenomenon modeled using daily micro-data. Materials and Methods:  This research is applied in terms of purpose and quantitative in methodology, based on daily panel data. Required data were collected during the year 1402 (2023 AD) from three licensed fruit and vegetable stores in Gorgan, which were randomly selected from active stores. The dependent variable, "number of daily price levels," was defined with three nominal levels including 1 (one fixed price throughout the day), 2 (two distinct prices, e.g., morning and evening), and 3 (three or more prices during the day). Independent variables included the initial price of tomatoes at the beginning of the day (thousand Tomans), store identity (Store 2 compared to Store 3 as the base group), weekly day patterns (Monday-Tuesday compared to Friday, and Wednesday-Thursday compared to Friday), and the natural logarithm of the ratio of leftover product at the end of the day to the initial purchase quantity. Since logarithmic transformation requires positive values, 42 observations with zero or negative ratios (usually due to zero waste or data recording errors) were excluded from the dataset, and the final model was estimated on 150 store-day observations. Although the dependent variable has a natural order, due to the unequal intervals between levels and the differing decision-making mechanisms for moving from one to two levels versus from two to three levels, a multinomial logit model with emphasis on the Independence of Irrelevant Alternatives (IIA) assumption was employed instead of ordered models. The base level in this model was set to one price level per day. Parameter estimation was performed using Stata software via the Maximum Likelihood method. To check the robustness of the results, extra control variables such as temperature, sales-to-purchase ratio, holidays, and lagged waste variable were tested in initial estimations but were excluded from the final model due to statistical non-significance or convergence issues. Results: Descriptive statistics revealed that the dominant pricing pattern in the Gorgan tomato market is the use of two price levels during the day, accounting for over 75 percent of observations (113 out of 150 observations). In contrast, days with one price level and three price levels accounted for 12 percent (18 observations) and 12.67 percent (19 observations) of total observations, respectively. Furthermore, it was observed that as the number of price levels increased from one to three, the average ratio of leftover product at the end of the day decreased from approximately 18 percent to 11 percent, indicating the relative efficiency of more dynamic pricing in inventory management. The estimation results of the multinomial logit model showed that the model is overall well-fitted (LR chi2(10) = 82.50, Prob > chi2 = 0.0000), with a Pseudo R² value of 38.35 percent, indicating that the explanatory variables explain a substantial portion of the variation in the dependent variable. The main findings are as follows: (1) Initial price has a negative and significant effect on the probability of using both two-price (0.304-) and three-price (0.210-) levels, meaning that each one-thousand-Toman increase in the initial price reduces the seller's tendency to change prices. (2) Store 2, compared to Store 3 (the base), shows a significantly greater tendency to use multi-level pricing (coefficients of 2.018 for level two and 3.231 for level three), reflecting behavioral and managerial differences among stores. (3) Wednesdays and Thursdays (close to the weekend holiday) significantly increase the probability of price changes, consistent with increased demand patterns at the end of the week. (4) Contrary to theoretical expectations, a higher ratio of leftover product at the end of the day has a negative effect on the number of price levels, which may be due to retailers following fixed, pre-determined pricing rules. (5) The effect of Mondays and Tuesdays was only marginally significant for the two-price level. Conclusion: Retailers' decisions to change prices frequently are a complex process, simultaneously influenced by cost signals (initial price, potential waste), time signals (late-week days), and store-specific institutional characteristics. These findings align with classical dynamic pricing and perishable inventory literature but extend it by focusing on the "frequency of change" as the dependent variable. From a managerial perspective, stores facing surplus inventory are advised to increase price change frequency (especially on Wednesdays and Thursdays) rather than reducing profit margins early. The study is limited by its small sample size (only three stores) and lack of qualitative variables (product grading, competitor prices). Future research should expand samples across cities and employ quasi-experimental methods to establish causality between price levels and waste reduction.   تعداد سطوح قیمتی روزانه, قیمت‌گذاری پویا, مدل‌سازی رفتار فروشنده, لاجیت چندجمله‌ای, گوجه‌فرنگی, گرگان Daily price levels, Dynamic pricing, Seller behavior modeling, Multinomial logit, Tomato, Gorgan 0 0 http://efs.sanru.ac.ir/browse.php?a_code=A-10-215-1&slc_lang=fa&sid=1 Masoumeh Asgari معصومه عسگری minashad61@gmail.com 10031947532846001154 10031947532846001154 Yes مدرس دانشگاه علوم کشاورزی و منابع طبیعی گرگان