Pues mira, yo te doy una:
Si se componen de dos vías (un cono y un tweeter) siempre en vertical, la razón.
Ambos transductores se han ajustado y alineado en fase siguiendo este criterio, si lo pones tumbados, la diferenca de tiempo que tardan en llegar a tu oreja será más corta para uno de los transductores que para el otro (según hacia dónde los tumbes) sin embargo en vertical esas diferencias de tiempo son a la fuerza menores. Suponiendo siempre claro que el monitor está en un lateral (que junto con el otro lateral te dará la imagen estéreo)
Si bien es cierto estamos hablando de diferencias tan pequeñas que no es que afecten mucho a la respuesta en frecuencia, pero es lo que pasa.