Determination of factors used to influence purchasing price: Enhancing profitability and competitive edge in discount retail chains
Notice bibliographique
Résumé
Wintana Tadesse – Determination of factors used to influence purchasing price: Enhancing profitability and competitive edge in discount retail chains This study investigates the key determinants of purchasing prices in the retail sector, with a focus on Dollarama, a major Canadian discount retailer. Using Ordinary Least Squares (OLS) regression, the research analyzes the influence of four core operational variables: Gross Margin (GM), Minimum Order Quantity (MOQ), stock levels, and consumer demand—on purchasing price. Initial exploratory analysis using scatter plots indicated a strong positive relationship between GM and purchasing price, a negative relationship with demand, and weaker but noticeable trends for stock levels and MOQ. Diagnostic checks revealed violations of OLS assumptions related to linearity and constant variance. To address these issues, a logarithmic transformation was applied to both dependent and independent variables. Post-transformation, the model satisfied all key assumptions, enhancing the robustness and interpretability of the regression results. The refined analysis confirmed that GM, MOQ, and stock levels have a positive and statistically significant effect on purchasing prices, while demand shows a negative effect—suggesting that increased demand may be associated with supplier discounts or economies of scale in procurement. To capture more nuanced relationships, interaction terms (e.g., stockouts × MOQ, GM × demand) were introduced. These revealed that the effects of some variables are conditional on others, indicating that purchasing price is influenced by interdependent operational dynamics. However, the addition of interaction terms also increased multicollinearity, diminishing the individual significance of previously important predictors. Variance Inflation Factor (VIF) analysis is proposed as a next step to evaluate and address this issue. Furthermore, the study explores potential endogeneity by regressing current purchasing prices on lagged values of the independent variables. The significance of these lagged variables suggests that past operational conditions have a persistent impact on present pricing decisions. The findings hold practical implications for retail decision-makers. Understanding how GM targets, MOQ requirements, inventory levels, and demand trends influence purchasing prices enables retailers to develop more informed procurement strategies, negotiate better supplier terms, and optimize inventory management. These insights are especially critical for discount retailers where cost control and pricing efficiency directly impact profitability.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».