工作文件系列 TeresaMessner,FabioRumler 奥地利家庭的通货膨胀异质性。来自家庭扫描仪数据的证据 编号2894 免责声明:本文不应被报告为代表欧洲中央银行(ECB)的观点。表达的观点是作者的观点,不一定反映欧洲央行的观点。 定价微数据分析网络(PRISMA) 本文包含在定价微观数据分析网络(PRISMA)中进行的研究。PRISMA由欧洲央行和欧洲中央银行体系(ESCB)的国家中央银行(NCB)的经济学家组成 。 PRISMA由LucaDedola(ECB)主持的团队协调,该团队由ChiaraOsbat(ECB),PeterKaradi(ECB)和GeorgStrasser(ECB)组成。 FernandoAlvarez(芝加哥大学),YuriyGorodnichenko(加州大学伯克利分校),RaphaelSchoenle(克利夫兰联邦储备银行和Br PRISMA收集和研究各种价格微观数据,包括消费者价格指数(CPI)和生产者价格指数(PPI)等官方价格指数基础数据,扫描数据和在线价格,以加深对欧元区和欧盟的价格设定行为和通货膨胀动态的理解,以期对货币政策传导的关键方面获得新的见解(有关更多信息,请参见https://www.ecb.欧罗巴。欧盟/酒吧/经济-研究/研究-网络/html/研究员_prisma。A.html). 本文的裁判过程由LucaDedola(ECB),AntonNakov(ECB),ChiaraOsbat(ECB),ElviraPrades(西班牙银行),SergioSantoro( ECB),HenningWeber(德国央行)。 本文的发布是为了使PRISMA研究的结果以初步形式普遍可用,以鼓励在最终发表之前发表评论和建议。论文中表达的观点是作者自己的观点,不一定反映 ESCB的观点。 欧洲央行工作文件系列编号28941 Abstract 据广泛记载,家庭经历不同的通货膨胀率,这些通货膨胀率通常隐藏在总价格指数中。使用来自奥地利大型家庭面板的扫描仪数据,我们分析了单个家庭面临的价格动态,并试图解释观察到的通货膨胀差异的原因。不仅考虑消费份额,而且考虑到家庭支付的特定产品价格,我们发现家庭通货膨胀率之间存在相当大的持续异质性。随着时间的推移,这些变化也相当大,这是由于不同的消费篮子和活跃的产品替代,允许家庭大幅减少通货膨胀风险。家庭的年龄和购物行为等因素可以解释某些通货膨胀差异,而收入在正常时期似乎没有显着影响。然而,在高通货膨胀时期,最低收入群体面临的通货膨胀率高于其他收入群体。 JEL分类:D12,D30,E31 关键词:家庭通货膨胀,异质性,微观数据 非技术性摘要 监测价格发展通常涉及汇总统计数据,如消费者价格协调指数(HICP)。然而,家庭很少经历统一的价格变化。由于家庭消费不同的商品和服务组合,并且根据购买的地点和时间为相同的物品支付不同的价格 ,因此家庭水平的通货膨胀率可能会发生变化。 几项研究调查了通货膨胀如何不同地影响某些家庭群体。这些研究主要分析了家庭预算调查得出的各种消费捆绑的价格变化。他们一致发现,不同家庭的通货膨胀率差异很大。通常,老年人、蓝领和低收入家庭往往会经历更高的通货膨胀率,因为他们在总消费中食品和能源的支出份额更大。 最近的研究使用更精细的数据重新检查了家庭通货膨胀的异质性,例如家庭扫描仪数据。这种类型的数据使研究人员能够解释家庭选择的产品以及他们为这些产品支付的价格的变化。此外,它还提供详细的交易信息以及个人家庭特征。这些分析揭示了家庭通货膨胀率之间相当大的异质性-比以前记录的要明显得多,此外,发现通货膨胀差异往往会随着时间的推移而持续,尽管个别家庭通货膨胀率可能相当不稳定。 使用奥地利2008年至2018年的数据集,我们探讨了家庭水平通胀差异的程度和原因。我们的发现揭示了巨大的通货膨胀异质性。在我们的样本期内,我们发现以四分位数范围衡量的家庭通货膨胀率范围平均约为6个百分点。尽管如此,平均和中位数家庭通货膨胀率与总通货膨胀率非常接近。这表明,尽管总价格指数掩盖了家庭之间的大部分变化,但它们准确地代表了所有家庭的平均通货膨胀率。 我们的数据使我们能够将购买产品的差异和家庭为同一产品支付的价格作为异质性的来源。我们发现,家庭通货膨胀率的大部分变化源于相同产品的价格差异。用平均产品价格计算家庭通货膨胀率,而不是家庭特定价格 ,大大降低了异质性。有趣的是,我们还发现,随着时间的推移,一个家庭的通货膨胀率几乎是不相关的,这表明家庭是。 不一定卡住,而是在通货膨胀率从一个时期到另一个时期的分布中移动。 除了对通货膨胀差异的统计解释之外(i。Procedres.价格和消费变化),我们发现有限的证据表明社会人口统计学特征和家庭购物行为可以解释这些差异。家庭成员的年龄,搜索强度,对自有品牌产品的偏好以及商店选择等因素可以解释所观察到的异质性的一小部分。令人惊讶的是,家庭收入似乎与个人通货膨胀率基本无关。只有在高通货膨胀时期,低收入群体的通货膨胀率才高于高收入群体。这可能是由于便宜的产品替代了相对更昂贵的产品,这是限制家庭通胀风险的常见策略。 平均而言,家庭可以通过产品替代将通货膨胀率降低0.4个百分点。然而,家庭并不总是在预期的方向上进行替代;相当一部分家庭被证明可以从更便宜的产品替代到更昂贵的产品。然而,这可能与所研究的大部分低通货膨胀时期有关,因为当通货膨胀增加时,替代模式变得不那么模糊。 我们的研究强调了家庭之间通货膨胀差异的持久性及其对实际个人收入的潜在影响。家庭替代能力在减轻其通货膨胀风险方面起着关键作用。 1Introduction 他们消费不同组成的商品和服务,并且经常根据购买的地点和时间为相同的商品或服务支付不同的价格 (Kaplan和Menzio,2015)。 许多关于通货膨胀异质性的早期研究(例如ProcedreMichael,1979年;Hagema,1982年;Hobij和Lagaos,2005年;Fessler和Fritzer,2013年;以及最近的Gürer和Weicherieder,2020年)研究了家庭预算调查得出的不同群体特定消费捆绑的总价格变化。这些研究记录了不同家庭通货膨胀率的巨大差异。一个普遍的发现是,由于食品和能源消费份额增加,老年人、蓝领和低收入家庭在整体通胀上升的时候经历更高的通胀率。结果还表明,总体而言,通货膨胀异质性是一个相当持续的现象,而特定于家庭的通货膨胀率则相当不稳定。 与使用产品类别级别的价格指数数据和不同家庭支出份额的研究相反,Kapla和Schlhofer-Wohl(2017)以及Argete和Lee(2021)是少数使用家庭扫描仪数据分析美国家庭通货膨胀率的论文之一。使用这些数据使他们能够(i)考虑特定产品选择的异质性以及(ii)为这些产品支付的价格的异质性。此外, (iii)此类小组还基于独特的产品标识符和有关单个家庭特征的信息提供实际交易。特别是,考虑到支付价格的差异,Kapla和Schlhofer-Wohl(2017)发现家庭通货膨胀率之间的异质性更大,个人通货膨胀率与总体的偏差更持久。他们还证实了先前关于能源和食品价格上涨时期收入与家庭通货膨胀率之间负相关的发现。此外,Argete和Lee(2021)发现,在全球金融危机(GFC)期间,收入分配低端和高端家庭之间的通货膨胀率出现了很大差异。分配两端的家庭之间的差距几乎有一半可以归因于所支付的价格差异,三分之一归因于产品类别内的替代,约13%归因于家庭的购物行为。他们还发现有证据表明 ,较富裕的家庭能够在危机期间通过转向更便宜的低质量商品来更容易地改变其消费行为。 总体而言,这表明通货膨胀对家庭的影响不同,这取决于他们进入不同超市,不同价格的产品以及替代能力。因此,了解个人通货膨胀率的差异程度对于货币政策及其控制总体通货膨胀的尝试至关重要。 在本文中,我们还使用来自大型家庭面板的交易数据,以确定奥地利家庭水平上通货膨胀差异的程度和原因。尽管我们发现消费和特定产品价格的差异导致了很大程度的通货膨胀异质性,但我们发现很难通过社会人口统计学因素和与家庭购物行为相关的因素来解释这种异质性。我们可以将家庭通货膨胀与年龄和家庭的购物行为联系起来,而收入似乎并没有像以前的研究那样发挥如此突出的作用。后者在我们的大部分样本期内都保持不变,其特征是通货膨胀率相对较低且稳定。然而,在高通货膨胀时期,最低收入群体面临的通货膨胀率高于所有其他收入群体。我们还发现,在相对价格上涨的情况下,家庭层面的产品替代程度相当高。如果没有这种替代,我们样本期内的平均通货膨胀率将高出近半个百分点。 一方面,我们的论文有助于研究通货膨胀和货币政策的分配方面。与以下研究有关:家庭之间持续的通货膨胀不平等会导致实际收入不平等(例如Procedre阿根廷和李,2021年;贝克和贾拉维尔,2020年 ;居勒和魏琴瑞德,2020年)。家庭群体之间持续的通货膨胀差异甚至会影响货币政策的传导,因为高收入家庭消费的产品价格对货币政策冲击的反应要小于低收入家庭消费的价格(Cravio等人。,2020 ;斯特拉瑟等人。,2023年)。通过讨论使用扫描仪数据构建价格指数的方法,并尝试量化固定基础指数的替代偏差,我们的论文也与有关通货膨胀测量的文献有关(请参见e。ProcedreIvacic等人。,2011;Hadbry等人。,2013年;莫尔顿,2018年)。 本文的其余部分结构如下:第2节介绍了我们分析的基础数据集,并描述了根据家庭扫描仪数据计算家庭特定通货膨胀率的方法。第3节提供了有关家庭通货膨胀率之间异质性的综合证据,然后 在第4节中尝试用不同的家庭水平变量来解释这种异质性。第5节提供了有关产品替代的进一步证据,最后,第6节讨论了主要结果并得出了一些结论。 2家庭通货膨胀率的数据和计算 本文的分析基于奥地利的GfK(GesellschaftfürKonsumforschung)家庭面板数据。该数据集包括家庭随着时间的推移注册的购买,包括2008年至2018年奥地利13175个家庭通过其条形码购买的28261种不同产品的约2290万笔交易。1 包括在数据集中的产品包括所谓的快速消费品(FMCG),i.Procedres.主要是可以在超市购买的物品,例如食品和饮料,家庭维护和园艺产品,个人护理物品和宠物食品。这些产品总共占奥地利CPI篮子的15%左右。附录A中的表A2将我们数据集中的COICOP-4组的支出与奥地利CPI的结构进行了比较。2正如预期的那样,经常购买的食品(如牛奶、奶酪和鸡蛋)和非酒精饮料在家庭面板数据中的比例过高,而大多数其他COICOP群体相对于奥地利CPI的比例似乎不足。尽管覆盖率较低,但根据GfK数据计算出的通货膨胀率与奥地利的CPI总体通货膨胀大致相关,并且与食品和饮料的CPI子指数的通货膨胀密切相关(见图1)。 除了交易信息(产品价格,数量和产品特征,如条形码,品牌,制造商,私人标签),数据集还包含有关家庭特征的信息(小组成员的年龄,家庭规模、社会阶层、家庭收入和家庭居住地点)以及交易发生的零售商的日期、名称和类型。3 继Kaplan和Schulhofer-Wohl(2017)之后,我们通过考虑家庭消费的产品组成和家庭为每种产品支付的价格的异质性来计算家庭特定的通货膨胀率。要计算家庭层面的同比通货膨胀率,我们只能考虑那些由同一家庭至少在季度购买一次的产品t和前一年的同一季度,t−4.4Ifaproductwaspurchasedmorethanonceinaquarter,weusedthe(volume-weighted)averagepriceduringthequarterinthecalculationofthehousehold’sinflationrate.Inordertoreducethesamplingerrorwerestricit-in 1有关