ESTIMASI PERMINTAAN

1. MASALAH IDENTIFIKASI 

Kurva permintaan untuk suatu komoditas biasanya diestimasikan dari data yang ada di pasar tentang kuantitas yang di beli dari suatu komoditas pada berbagai tingkat harga dalam jangka waktu tertentu ( menggunakan data deret – waktu ) atau berbagai unit konsumsi atau pasar pada satu waktu ( menggunakana data kerat – lintang ). Namun demikian, dengan hanya menyatukan observasi harga – kuantitas begitu saja dalam suatu grafik tidak akan dapat menghasilkan kurva permintaan untuk komoditas tersebut.Alasannya adalah bahwa setiap observasi harga – kuantitas di peroleh dari perpotongan permintaan dan penawaran dari komoditas yang berbeda tersebut. 

Dengan berjalannya waktu atau melintasi

individual atau pasar yang berbeda, permintaan untuk suatu komoditas bergeser atau berbeda karena perubahan perbedaan dalam masalah selera , pendapatan, harga komoditas yang berhubungan dan sebagainya. Sama halnya dengan kurva penawaran yang juga bergeser atau berbeda dengan berjalannya waktu atau untuk individu atau pasar yang berbeda. , karena adanya perubahan atau perbedaan teknologi , harga factor produksi , dan kondisi cuaca . Perpotongan dari kurva permintaan dan penawaran yang berbeda tetapi tidak di ketahui itu menghasilkan observasi harga – kuantitas yang berbeda – beda. Oleh karena itu dengan hanya menggabungkan observasi yang berbeda – beda tentang harga – kuantitas , kita tidak menghasilkan kurva permintaan untuk komoditas tersebut . Kurva permintaan tidak dapat di identifikasi dengan sesederhana itu. Ini dikenal dengan istilah Masalah identifikasi ( identification problem ). 

2. PENDEKATAN PENELITIAN PEMASARAN UNTUK ESTIMASI PERMINTAAN 

Analisis Regresi sejauh ini merupakan metode yang sangat penting dan berguna untuk mengestimasi permintaan , pendekatan penelitian, pemasaran juga sering di gunakan. Yang paling penting disini adalah survey konsumen, klinik konsumen, dan eksperimen pasar. 

Survei konsumen dan penelitian observasi 

Survei konsumen ( consumer surveys ) melibatkan sujumlah sampel konsumen tentang bagaimana mereka akan bereaksi terhadap perubahan tertentu adalah harga suatu komoditas, pendapatan, harga dari komoditas yang berhubungan , pengeluaran iklan, insentif kredit dan determinan yang lainnya. Survei ini dapat dilakukan dengan

mencegah dan menanyai orang – orang pada suatu pusat perbelanjaan atau dengan menyusun daftar pertanyaan ( kuisioner ) yang canggih untuk di bagikan kepda sampel konsumen tertentu oleh para penanya ( interviewer) yang terlatih. 

Teorinya , kuesioner konsumen dapat menyediakan informasi yang sangat berguna bagi perusahaan. Dalam kenyataan, banyak juga yang menagalami bias karena konsumen tidak mau atau tidak bisa memberikan jawaban yang akurat. 

Kadang konsumen memberikan jawaban yang menurut mereka lebih dapat diterima daripada mengemukakan preferensi mereka yang sesungguhnya . Tergantung dari ukuran sampel yang di pilih dan kelengkapan dari analisis , survey konsumen juga menjadi sangat mahal. 

Karena keterbatasan survey dari konsumen , maka banyak perusahaan yang

menggantikan atau melengkapi survey tersebut dengan Penelitian observasi ( observational research ). Ini mengacu pada pengumpulan informasi tentang preferensi konsumen dengan mengamati bagaimana mereka membeli dan menggunakan berbagai produk. Sebagai contoh , penelitian observasi telah membawa beberapa pembuat mobil untuk mengambil kesimpulan bahwa banyak orang yang berfikir mobil mereka merupakan hasil karya seni yang di pertunjukan kemanapun mereka pergi .Penelitian observasi ini juga menujukkan bahwa konsumen cenderung memilih beberapa jenis obat masuk angin dan tidak hanya satu. Penelitian ini tergantung pada scanner produk, yang semakin sering di jumpai di toko – toko dan ukuran pandagan orang di rumah – rumah. Ini memungkinkan suatu perusahaan untuk mempelajari dalam satu malam mengenai produknya yang akan di jual dan efektivitas dari iklan dan juga pola menonton tv , akan

tetapi scanner dan pandangan orang , menimbulkan pertanyaan hukum mengenai privasi seseorang. 

Namun demikian penelitian observasi tidak mngtakan bahwa survey konsumen itu tidak berguna . Kadang , survey merupakan satu – satunya cara untuk mendapatkan informasi tentang respon yang mungkin dari konsumen. Sebagai contoh , jika sebuah perusahaan berpikir untuk memperkenalkan suatu produk baru atau mengubah kualitas dari yang sudah ada, satu- satunya cara bagi perusahaan untuk menguji reaksi konsumen adalah dengan secara langsung menanyakan kepada merka karena tidak ada data lainnya yang tersedia. Dari hasil survei,peneliti kemudian mencoba untuk menentukan karakteristik demografis dari konsumen yang berkemungkinan besar membeli satu jenis produk tertentu. Hal yang sama mungkin juga terjadi dalam pendeteksian perubahan dalam selera konsumen dan pilihannya

serta dalam menentukan ekspektasi konsumen tentang harga dan kondisi bisnis di msa yang akan datang. Survei konsumen juga dpat berguna dalam mendeteksi kepedulian konsumen tentang iklan dari perusahaan. Lebih jauh lagi , jika survei menunjukan bhwa konsumen tidak tanggap terhadap perubahan harga antar produk perusahaan pesaing . Ini merupakan indikasi yang bagus bahwa permintaan terhadap produk perusahaan adalan inelastis. 

Klinik Konsumen 

Pendekatan yang lainnya terhadap estimasi permintaan adalah klinik konsumen (consumer clinics). Ini merupakan eksperimen laboratorium dimana sejumlah partisipan diberikan sejumlah uang tertentu dan diminta untuk membelanjakannya dalam suatu toko simulasi dan melihat bagaimana mereka memberikan reaksi terhadap perubahan

dalam harga komoditas, pengemasan produk, pemajangan, harga produk pesaing dan factor lainnya yang memengaruhi permintaan. 

Partisaipan dalam eksperimen ini dapat dipilih sedekat mungkin yang mewakili karakteristik sosioekonomi dari pasar yang dituju. Partisipan mempunyai intensif dalam membeli komoditas yang mereka inginkan karena biasanya mereka diizinkan untuk tetap membeli barang tersebut sehingga , klinik konsumen lebih realistis disbandingkan survei konsumen. 

Klinik konsumen juga menghadapi beberpa keterbatasan yang cukup serius, Pertama , hasilnya di pertanyakan karena partisipan tahu bahwa mereka dalam situasi yang dibuat dan bahwa mereka sedang diobservasi maka dari itu , ada kemungkinan mereka tidak bertindak secara normal , seperti jika mereka berada dalam situasi pasar yang sesunguhnya.

Kedua, sampel dari partisipan yang diambil harus lebih kecil karena biaya yang besar dalam melakukan eksperimen ini. Mengestimasi suatu bentuk perilaku pasar berdasarkan hasil eksperimen yang didasari oleh sampel yang kecil dapat mejdai sangat berbahaya. Disamping kelemahan tersebut, klinik konsumen dapat menghasilkan informasi yang berguna tentang permintaan tehadap produk perusahaan , terutama jika klinik konsumen dilengkapi dengan survei konsumen. 

Eksperimen Pasar 

Eksperimen Pasar (market experiments ) diadakan di pasar yang sesungguhnya , Terdapat banyak cara utnuk melakukan ekperimen ini . Salah satunya metodenya adalah dengan memilih beberapa pasar dengan karakteristik sosioekonomi yang mirip dan mengubah harga komoditas di dalam beberapa toko atau pasar, mengubah bungkus dipasar atau toko yang lain serta

mengubah jumlah dan tipe peromosi di pasar atau toko yang lainnya, kemudian merekam respon yang dilakukan oleh konsumend di beberapa pasar tersebut. Dengan menggunakan data sensus atau survei tehadap berbagai macam pasar, sebuah perusahaan juga dapat menentukan efek dari umur , jenis kelamin, tingkat pendidikan, pendapatan , jumlah keluarga dan lainnya terhadap pemintaan akan komoditas, Bahkan lainnya , perusahaan dapat mengubah satu hal dalam pasar tetentu dalam jangka waktu tertentu dan merekam respon konsumennya bahwa mereka merupakan bagian dari satu eksperimen, Eksperimen ini juga memiliki beberapa kekurangan yang serius, salah satunya dalam rangka menjaga biaya tetap rendah, eksperimen biasanya tetap dilakukan dalam skala yang terbatas dan dalam jangka waktu yang relative singkat, sehingga gambarannya terhadap seluruh pasar dan untuk jangka waktu yang lebih panjang patut dipertanyakan. Mereka juga

dapat memeonitor eksperimen ini dan mengambil keuntungan informasi yang bermanfaat yang tidak ingin dibuka oleh perusahaan. Akhirnya sebuah perusahaan dapat secara permanen kehilangan pelanggan karena proses peningkatan harganya selama eksperimen berlangsung dengan harga yang relatife tinggi. Disamping kekurangan tersebut eksperimen pasar dapat berguna bagi perusahaan dalam menentukan strategi penetuan harganya yang terbaik dan menguji beberapa jenis bungkus yang berbeda, kampanya promosi dan kualitas produk. Eksperimen pasar yang utama benar – benar berguna dalam proses pengenalan produk di mana tidak ada data lainnya yang tersedia. Ia juga menjadi sangat bermanfaat dalam menguji hasil dari teknik statistic yang lainnya yang digunakn untuk mengestimasi permintaan dan dalam menyediakan beberapa data yang diperlukan untuk teknik statisktik yang lainnya dari estimasi permintaan.

3. PENGENALAN TERHADAP ANALISIS REGRESI 

Salah satu cara untuk mengestimasi hubungan linear antara pengeluaran iklan perusahaan dengan penerimaan penjualannya adalah dengan menggambarkan, secara pandang mata, suatu garus lurus dengan kemiringan positif yang paling dapat mewakili di antara titik – titik data yang ada ( sehingga titik – titik data tersebut berada pada jarak yang kurang lebih sama pada kedua sisi garis ). Dengan memperpanjang garis tersebut dengan pengeluaran iklan sama dengan mengestimasi penerimaan penjualan perusahaan tersebut dengan pengeluaran iklan sama dengan nol. Kemiringan garis ini bisa digunakan untuk estimasi peningkatan penerimaan penjualan yang bisa diharapkan oleh perusahaan setiap kenaikan 1 juta dolar pengeluaran iklan. Ini

akan memberikan estimasi kasar mengenai hubungan antara penerima penjualan ( Y) dengan pengeluaran iklan ( x ) dari bentuk persamaan : 

Y = a+bX 

Analisis Regresi ( regression analysis ) merupakan teknik statistic yang dapat menghasilkan garis yang paling baik yang cocok dengan data yang sesuai dengan kriteria statistika yang objektif, sehingga semua peneliti yang melihat data yang sama akan mempunyai hasil yang sama ( menghasilkan garis yang sama ) secara spesifik , garis regresi ( regression liner ) merupakan garis yang di hasilkan dengan meminimumkan jumlah dari simpangan kuadrat pada sumbu vertical dari setiap titik dari garis regresi tersebut. Metode ini kemudian disebut sebagai metode kuadrat terkecil biasa (ordinary least –squares – OLS method ) “ garis regresi yang memenuhi Metode kuadrat terkecil ( least

square method ) 

4. ANALISIS REGRESI SEDERHANA 

Dalam bagian ini kita membahas bagaimana 

ü Menghitung nilai a (titik potong vertical ) dan nilai b ( koefesien kemiringan) dari garis regresi. 

ü Mengadakan uji signifikansi dari estimasi – estimasi parameter 

ü Membuat interval keyakinan untuk parameter yang sebenarnya 

ü Menguji kekuatan penjelas secara keseluruhan dari regresi sementara semua biasanya dilakukan dengan computer , namun kita akan membuat secara manual dengan tujuan menunjukan bagaimana analisis regresi dibuat dan apa saja isinya. 

Metode Kuadrat Terkecil Biasa 

Kita telah melihat pada bagian sebelumnya bahwa suatu garis regresi merupakan suatu garis terbaik yang cocok dengan titik – titik data dalam artian bahwa jumlah simpangan kuadrat pada garis adalam minimum . Tujuan analisis regresi adalah untuk menghasilkan estimasi nilai a ( titik potong vertical ) dan b ( kemiringan ) dari garis regresi : 

ŷt = â + t 

Dalam persamaan ŷt adalah estimasi dari penerimaan penjualan perusahaan tahu t yang di peroleh dari garis regresi untuk tingkat pengeluaran iklan pada tahun t(Xt,), serta â dan   merupakan estimasi dari parameter a dan b . Deviasi dari galat (et ) dari setiap observasi penerimaan penjualan (Yt) dari nilainya yang berhubungan yang

berasal dari garis regresi (ŷt), yaitu : 

et =Yt – ŷt = yt – â -t 

Jumlah dari simpangan kuadrat atau galat ini dapat dituliskan sebagai : 

Dimana adalah jumlah keseluruhan observasi dari periode waktu t =1 sampai ke t = n. Estimasi dari nilai a dan b ( yaitu â dan  diperoleh dari meminimumkan jumlah simpangan kuadrat ( meminimumkan persamaan 4-5 ) nilai   di berikan oleh : 

Dimana   dan   adalah rata – rata nila dai Y1 dan X1 , nilai â tersebut kemudian diperoleh dari 

Dengan menstubtitusi nilai yang dihasilkan ke dalam persamaan maka kita memperoleh nilai  sebagai beriktu : 

Lalu dengan mesubsitusi nilai   yang di peroleh di atas dan nilai   dan   yang di peroleh , maka kita memperoleh nilai   : 

 Sehingga, persamaan dari garis regresinya adalah : 

Uji Signifikansi Estimasi Parameter 

Dalam bab sebelumnya kita telah mengestimasi koefesien kemiringan ( dari suatu sampel data iklan – penjualan suatu perusahaan. Jika kita menggunakan sampel yang berbeda, kita akan mendapatkan hasil estimasi b yang berbeda. Semakin besar disperse dari estimasi nilai b , semakin kecil interval keyakinan yang kita miliki dalam estimasi nilai koefisien b. 

Berikut cara menghitungnya dan dan bagaiman menggunakannya untuk melakukan uji signifikansi ini. 

Dimana Yt dan Xt merupakan sampel observasi actual dari variable terikat dan bebas pada tahun, t, ŷt , merupakan nilai variable terikat pada tahun t yang diestimasi dari garis regresi ,   merupakan rata – rata atau nilai yang diharapkan dari variabel bebas, e merupakan factor galat ayau Yt – ŷt, n adalah jumlah obsrvasi atau titik data yang dipakai dalam mengestimasi garis regresi . Nilai n – k disebut derajat kebebasan (degrees of freedom – df ) . Karena dlam analisis regresi sederhana ( simple regression analysis kita mengestimasi dua parameter â dan   , maka nilai k adalah 2 sehingga derajat kebebasan adalah n -2 

Aspek lainnya dalam uji signifikansi dan interval keyakinan 

Kita dapat menguji suatu hipotesis yang

mengatakan bahwa koefesien kemiringan itu berbeda dari nol pada tingkat signifikansi 1 persen dan bukannya 5 persen. Dalam hal ini kita hanya mengizinkan 1 kemungkinan salah pada 100 kemungkinan yang ada . Kita menerima hipotesis yang menyatakan bahwa terdapat pula hubungan yang singnifikan antara X dan Y pada tingakt 1 persen juga. Meskipun uji signifikan kadang dilakukan pada tingkat 1 persen atau bahkan pada tingakat signifikan 10 persen, lebih umum menggunakan tingkat 5 persen. 

Uji kecocokan model dan Korelasi 

Selain menguji signifikansi secara statistic dari parameter tertentu hasil estimasi, kita juga dapat menguji kekuatan variable penjelas secara keseluruhan dari keseluruhan regresi. Ini didapat dengan menghitung nilai koefesien determinasi , yang biasanya diberi symbol R2 . Koefesien determinasi ( coefficient of determination –

R2 ) dinyatakan sebagai proporsi dari variasi total atau diseperse dari variable terikat ( disekitar reratanya ) yang bisa dijelaskan oleh variasi dari variable – variable bebas atau penjelasan pada regresi. 

5. ANALISIS REGRESI BERGANDA 

Model Regresi Berganda 

Pada saat variable terikat yang kita cari untuk dijelaskan , dihipotesis tergantung pada lebih dari satu variable bebas atau variable penjelas. Kita memiliki analisis regresi berganda ( multiple regression analysis ). 

Koefesien Determinasi dan R2 yang disesuaikan 

Seperti halnya analisis regresi sederhana, koefesien determinasi mengukur proporsi dari variasi total variable terikat yang dijelaskan oleh variasi variable bebas atau variabel penjelas dalam regresi. Sangat penting untuk memasukan dalam analisis regresi semua variabel bebas atau variable penjelas yang penting. 

Analisis Varians 

Kekuatan menerangkan secara menyeluruh dari keseluruhan regresi dapat diuji dengan mengggunakan analisis varians ( analysis of variance ) . Ini menggunakan statistic F ( F statistic ) atau rasio F, yang juga disediakan dari hasi computer , khususnya statistic F digunakan untuk menguji hipotesis bahwa variasi dari semua variabel bebas ( X ) menjelaskan proporsi yang signifikan dari variasi pada variabel terikat (Y ). Maka, kita

dapat menggunakan statistic F untuk menguji hipotesis nol bahwa semua koefesien regresi sama dengan nol melawan hipotesis nilai statistic diberikan oleh : 

F=   

Dimana, seperti biasanya , n adalah jumlah observasi dan (k) adalah jumlah dari parameter atau koefesien yang diestimasi dalam regresi , Karena F ini merupakan rasio antara kedua varians yang ada maka uji ini sering disebut sebagai “analisis varians” Statistik F juga dapat dihitung dalam hubungannya dengan koefesien determinasi sebagai berikut : 

Estimasi Titik dan Interval 

Secara spesifik kita dapat menggunakan estimasi regresi yang diberikan pada persamaan sebelumnya untuk menemukan estimasi peramalan atau titik dari Y, dan kemudian menggunakannya beserta nilai SE dari regresi untuk menghasilkan estimasi peramalan atau interval untuk Y . Sebagai contoh , untuk X1 = 12 dan X2 =5 , kita mendapatkan estimasi peramalan titik 

Ŷ= 17.944+ 1.915(12)+ 1.873(5) = 50, 289 

6. MASALAH DALAM ANALISIS 

Analisis regresi dapat menghadapi beberapa masalah serius. Ada multikolineritas, heteroskedastisitas dan otokorelasi. 

Multikolinearitas 

Ini mengacu kepada situasi di mana dua atau lebih variabel penjelas dalam suatu regresi mempunyai korelasi yang tinggi. Multikolineritas yang serius terkadang dapat dihilangkan atau dikurangi dengan 

1. Memperluas ukuran sampel 

2. Menggunakan informasi sebelumnya 

3. Melakukan transformasi terhadap hubungan fungsional 

4. Membuang satu dari variabel yang memiliki kolinear tinggi 

Heteroskedastisitas 

Ini timbul pada saat asumsi bahwa varians dari factor galat adalah konstan untuk semua nilai dari variabel bebas yang tidak

dipenuhi Hal ini sering muncul dalam cross – sectional data 

Gangguan heteroskedastisitas ini membawa kita pada galat baku yang bias dan menjadi hasil uji statistik yang tidak tepat serta interval keyakinan untuk estimasi parameter yang kurang tapat pula. 

Otokorelasi 

Kapanpun terjadi galat atau residual yang berurutan berkorelasi, kita memiliki otkorelasi atau korelasi serial.Pada saat galat yang berurutan mempunyai tanda yang sama otokorelasinya positif, pada saat gambar berubah secara teratur kita mempunyai otokorelasi negative. Otokoerelasi bisanya terjadi pada data deret waktu , data yang mempunyai satu observasi untuk setiap variable pada setiap satuan waktu. Dalam ekonomi Otokorelasi

positif lebih umum daripada yang negatife . Otokorelasi dapat muncul karena adanya tren dan siklus dalam variable ekonomi , dari tidak dimasukkannya variabel yang penting dalam regresi , atau karena data yang nonlinear. 

7. ESTIMASI PERMINTAAN DENGAN ANALISIS REGRESI 

Meskipun survei konsumen, klinik konsumen, eksperimen pasar dan pendekatan pemasaran yang lainnya untuk mengestimasi permintaan menjadi sangat berguna, tetapi metode yang paling digunakan untuk mengestimasi permintaan dalam ekonomi menejerial adalah analisis regresi , Metode ini biasanya lebih objektif menyediakan informasi yang lengkap dan lebih murah. 

Spesifikasi Model 

Langkah pertama dalam menggunakan analisis regresi untuk mengestimasi permintaan adalah menspesifikasi model yang akan diestimasi. Ini menyangkut pengidentifikasian variabel – variabel penting yang mempengaruhi permintaan untuk komoditas yang dikaji, seperti pendapatan konsumen(Px), pendapatan konsumen (I), jumlah konsumen dalam pasar (N), harga komoditas yang berhubungan, substitusi atau komplementer (Py), selera konsumen (T) dan variabel – variabel lainnya, jadi kita bisa dapat membuat fungsi umum dari permintaan untuk komoditas 

Qx = f (Px,I,N,Py,T ,…) 

Mengumpulkan data dari variabel – variabel 

Tahap kedua dalam analisis regresi adalah mengumpulkan data dari variabel – variabel dalam modelnya. Data dapat dikumpulkan untuk setiap variabel sepanjang waktu atau untuk unit ekonomi yang berbeda pada waktu tertentu. Yang awal disebut sebagai data deret waktu sementara yang akhir disebut cross – sectional data. Setiap data mempunyai keuntungan tertentu tetapi juga mengarah pada masalah estimasi tertentu. Sumber data yang paling penting dari data yang diterbitkan untuk umum yang sangat berguna untuk mengumpulkan data tentang estimasi permintaan adalah : survey of current Business, the statistical abstract of the united states, the vederal reserve bulletin, dan annual economic report to the president. 

Menspesifikasi Bentuk Persamaan Permintaan 

Langkah ketiga dalam estimasi permintaan dalam analisis regresi adalah menentukan bentuk fungsional dari model yang akan diestimasi.Model yang paling sederhana dan biasanya paling realistis , adalah model linear. 

Menguji Hasil Ekonometri 

Langkah ke empat merupakan langkah terakhir dlam estimasi permintaan dalam analisis Regresi adalah mengevaluasi hasil regresi , tanda dari setiap estimasi koefiseien kemiringan yang ada harus di cek apakah sesuai dengan dasar teori yang ada, kedua uji t harus dilaksanakan terhadap signifikansi statistic dari estimasi

parameter – parameter untuk menentukan derajat keyakinan dari setiap estimasi koefesien kemiringan. Koefesien determinasi akan mengindikasikan proporsi dari variasi total dalam permintaan untuk komoditas yang “ dapat dijelaskan “ oleh varibel bebas atau variabel penjelas yang ada dalam persamaan permintaan. 

Akhirnya persamaan permintaan hasil estimasi harus lulus uji ekonometri lainnya untuk menyatakan bahwa masalah – masalah seperti multikolinearitas, heteroskedastisitas, dan otokorelasi tidak terjadi. Jika salah satu masalah ini terdeteksi dari uji yang dilakukan , tindakan tertentu harus dilakukan untuk menghilangkan masalah ini. 

8. MENGESTIMASI PERMINTAAN EKSPOR DAN IMPOR AMERIKA SERIKAT 

Sama untuk permintaan barang dan jasa domestic permintaan akan impor di Amerika Serikat(QM) merupakan fungsi dari harga dalam dolar dari komoditas atau jasa yang di impor (PM) , pendapatan konsumen Amerika Serikat (I), jumlah konsumen Amerika Serikat (N) , harga dalam dolar dari barang atau jasa yang berhubungan di Amerika Serikat ( PY), selera dari konsumen di Amerika Serikat (T) , dan semua variabel lainnya yang dianggap penting sebagai determinan dari permintaan atas komoditas atau jasa impor tertentu dalam penelitian ini. 

QM = f ( PM, I , N, PY, T,… ) 

Akan tetapi perlu di catat bahwa harga dalam dollar impor Amerika Serikat bergantung pada harga di Negara yang melakukan ekspor dan kepada nilai tukar antar dollar. 

Dengan mengesampingkan alasan perubahan harga dalam impor Amerika Serikat kita dapat mengukur peningkatan kuantitas dari impor Amerika serikat sebagai akibat dari perubahan dalam harga dollarnya karena pengaruh dari elastisitas permintaan terhadap harga untuk impor, begitupun dalam perhitungan ekspor. 

Permintaan antara ekspor dan impor Amerika serikat juga bergantung pada harga komoditas subsitusi dan komplementer , dan juga selera dari Amerika Serikat dan luar negeri. Kemampuan untuk mensubsitusi barang atau jasa domestik dengan barang atau jasa asing di dalam maupun di luar negeri telah mencapai tingkat yang paling tinggi di sepanjang masa di seluruh dunia dan diramalkan akan terus meningkat secara tajam di masa yang akan datang karena : 

ü Penurunan yang tajam dalam biaya transportasi untuk hampir semua produk 

ü Peningkatan pengetahuan tentang barang – barang luar negeri karena adanya revolusi informasi internasional 

ü Kampanye iklan secar global oleh perusahaan multinasional 

ü Meledaknya jasa perjalanan internasional 

ü Konvergensi yang pesat dari selera secara Internasional.