T. Laureti, 30 Novembre - 1 Dicembre 2021 -
Webinar: I dati per definire e valutare le politiche
Titolo: Stima a livello locale degli indici dei prezzi al consumo utilizzando nuovi fonti
Presiding Officer Training module 2024 lok sabha elections
14a Conferenza Nazionale di Statistica
1. Stima a livello locale degli
indici dei prezzi al
consumo utilizzando
nuove fonti
TIZIANA LAURETI
Professore Ordinario di Statistica Economica | Università degli
Studi della Tuscia
30.11-1.12//2021
2. oNuove fonti e statistiche sui prezzi
oL’importanza della comparazione spaziale dei prezzi al consumo
oIndici spaziali dei prezzi al consumo in Italia
oNuove fonti di dati e indici spaziali dei prezzi al consumo
oStime degli indici spaziali dei prezzi al consumo in Italia:
Metodologia, dati e risultati
oConclusione
STIMA A LIVELLO LOCALE DEGLI INDICI DEI PREZZI AL CONSUMO UTILIZZANDO NUOVE FONTI | TIZIANA LAURETI
Indice
2
3. Nuove fonti e statistiche sui prezzi
I big data (scanner data e web scraped
data) sono entrati recentemente nel
processo di produzione corrente degli
indici dei prezzi al consumo:
Indici temporali - Consumer Price
Indexes (CPI)
Indici spaziali - Spatial Price Indexes
(SPI)
3
Indici spaziale dei prezzi misurano le differenze nel
livello dei prezzi tra Paesi o tra regioni all’interno di un
Paese in un dato momento temporale
Le comparazioni dei prezzi nello spazio analizzano la
relazione tra livelli dei prezzi e il potere di acquisto del
denaro in due diverse aree geografiche
Comparazioni essenziali per misurare gli standard di
e il benessere relative delle famiglie in termini reali sia
nel confronto tra i Paesi sia in quello interno ai Paesi
STIMA A LIVELLO LOCALE DEGLI INDICI DEI PREZZI AL CONSUMO UTILIZZANDO NUOVE FONTI | TIZIANA LAURETI
4. Nuove fonti e statistiche sui prezzi
Indici spaziali dei prezzi al consumo tra paesi
(International SPIs o Purchasing Power Parities
PPPs)
International Comparison Program- World Bank,
OECD-Eurostat
Le comparazioni dei prezzi a livello internazionale
sono legate al concetto di Parità del potere
d’acquisto delle valute (PPPs)
La PPA tra due contesti territoriali A e B,
esprime il numero di unità monetarie che sono
necessarie per acquistare in B la stessa
quantità di beni e servizi acquistabili, con una
unità di moneta, nel contesto territoriale A
4
Finalità: misure di povertà, ranking dei Paesi in
termini di reali dimensioni dell’economia,
comparazione dei redditi reali pro capite, finalità
amministrative (allocazione dei fondi strutturali a
livello europeo)
STIMA A LIVELLO LOCALE DEGLI INDICI DEI PREZZI AL CONSUMO UTILIZZANDO NUOVE FONTI | TIZIANA LAURETI
5. CONFRONTI A LIVELLO NAZIONALE
Il problema della comparazione nello spazio dei
prezzi all’interno di ciascun Paese (Indici
spaziali dei prezzi al consumo o parità
regionale del potere d’acquisto)
Paesi di grandi dimensioni e in paesi
caratterizzati da differenziali economici
rilevanti tra diverse aree:
permettere una lettura più accurata delle
diseguaglianze e delle condizioni di vita
delle famiglie
Parità regionali del poter d’acquisto come
fattori di aggiustamento per meglio valutare gli
indicatori di povertà tra diverse aree del Paese
(povertà relativa)
Numerosi gli studi e esperienze condotte in
diversi Paesi sulle parità intra-nazionali del
potere d’acquisto (USA, Brasile, India,
Indonesia, Cina, Australia, Gran Bretagna)
Recente pubblicazione del Manuale ICP World
Bank
5
L’importanza della comparazione spaziale dei prezzi al consumo
Contributo
dell’ITALIA
Laureti e Polidoro
STIMA A LIVELLO LOCALE DEGLI INDICI DEI PREZZI AL CONSUMO UTILIZZANDO NUOVE FONTI | TIZIANA LAURETI
6. 6
I valori regionali degli indicatori economici
dovrebbero essere aggiustati per le differenze di
prezzo regionali
Reddito disponibile lordo pro capite (Anno 2019)
STIMA A LIVELLO LOCALE DEGLI INDICI DEI PREZZI AL CONSUMO UTILIZZANDO NUOVE FONTI | TIZIANA LAURETI
L’importanza della comparazione spaziale dei prezzi al consumo
7. 7
Indici spaziali dei prezzi al consumo in Italia
L’Italia ha condotto due sperimentazioni (Istat, 2008, 2010):
1. Nel 2008 (2006) per tre divisioni di spesa COICOP (Alimentari e bevande analcoliche, Abbigliamento
e calzature, mobili e articoli per la casa), utilizzando la formula GEKS, dati NIC e alcune rilevazioni ad
hoc)
2. Nel 2010 (2009) per tutte le divisioni di spesa, GEKS e CPD per gli affitti reali
Il problema cruciale per la stima di parità regionali del potere d’acquisto: la disponibilità di informazioni di
base idonee a tal fine
1. Principio della comparabilità. Si richiede di considerare prodotti identici con qualità simile o identica.
In tal modo si vuole garantire che le differenze nei prezzi tra paesi per un prodotto riflettano “reali”
differenze di prezzo e non siano influenzate da differenze nella qualità dei prodotti.
2. Principio della rappresentatività. Questo concetto è legato all’importanza del prodotto nel consumo
della popolazione di ciascuna area del paese. In genere non è possibile disporre di pesi definiti in
termini di spesa per lo specifico prodotto nelle basi dati per il calcolo dell’inflazione
STIMA A LIVELLO LOCALE DEGLI INDICI DEI PREZZI AL CONSUMO UTILIZZANDO NUOVE FONTI | TIZIANA LAURETI
8. 8
La straordinaria novità rappresentata dagli scanner data e la rilevanza dell’attività che su questo terreno sta conducendo
l’Istat
1. Vantaggi. La disponibilità di informazioni granulari (associate ai singoli GTIN) e con i dati sul fatturato e le quantità
vendute), ampia copertura del territorio
2. Limiti. Copertura parziale delle merceologie e dei canali distributivi
STUDI PRECEDENTI- USO DATI SCANNER e WEB SCRAPED PER CONFRONTI SPAZIALI
Comparazioni internazionali
Diversi studi di ricerca: Heravi et al, 2003; Feenstra et al, 2017; Cavallo et al 2018
A livello ufficiale: per la raccolta delle informazioni necessarie per le PPP (ICP, OECD-Eurostat)
Comparazioni intra-nazionali
Progetto Istat: progetto di ricerca per la costruzione degli SPI che coinvolge anche i dati scanner (Laureti
and Polidoro, 2016, 2017; Laureti, Ferrante e Dramis, 2017; Laureti and Polidoro, 2022),
Altri paesi iniziano le sperimentazioni (es. Francia-Insee)
Nuove fonti di dati e indici spaziali dei prezzi al consumo
STIMA A LIVELLO LOCALE DEGLI INDICI DEI PREZZI AL CONSUMO UTILIZZANDO NUOVE FONTI | TIZIANA LAURETI
9. 9
• Il progetto Istat per giungere a una stima periodica degli indici spaziali dei prezzi al consumo (parità regionali del potere
d’acquisto) basato su un approccio multi-fonte:
Rilevazione tradizionale sviluppata ad hoc sul territorio dagli Uffici Comunali di Statistica (UCS) dei
capoluoghi di regione agganciata ai cicli triennali d’indagine delle parità internazionali del potere d’acquisto
(ogni sei mesi vengono rilevati i dati di tutte le merceologie per le quali non è possibile utilizzare i dati mensilmente
rilevati per la stima dell’inflazione a causa dei problemi di comparabilità delle informazioni di base)
I dati mensilmente rilevati dagli UCS per la stima dell’inflazione per i quali non ci sono problemi di comparabilità
delle informazioni di base (utilities, alcuni servizi tra i quali quelli di ristorazione, alimentari freschi chiaramente
identificati da varietà pre-codificate, altri)
Scanner data per i prodotti grocery
Fonti amministrative già utilizzate per la stima dell’inflazione e sufficientemente dettagliate per definire confronti
like to like tra territori (carburanti, canoni di affitto)
Internet (utilizzando le informazioni di merceologie per le quali è disponibile un dettaglio territoriale nei dati già
raccolti dall’Istat o di merceologie per le quali non ci sono differenziali territoriali di prezzo)
• L’individuazione dei metodi e degli algoritmi per l’aggregazione dei dati provenienti da fonti così eterogenee rappresenta la
sfida con la quale l’Istat, con la collaborazione dell’accademia, ha in animo di confrontarsi per giungere entro il 2022 al
rilascio di prime stime sperimentali della parità regionali del potere d’acquisto
Il progetto Istat per stime periodiche degli indici spaziali dei prezzi al consumo
STIMA A LIVELLO LOCALE DEGLI INDICI DEI PREZZI AL CONSUMO UTILIZZANDO NUOVE FONTI | TIZIANA LAURETI
10. 1. Scanner sono: molteplici sperimentazioni
a) Progetto Istat: costruzione degli indici dei prezzi al consumo (Laureti and
Polidoro, 2017; Laureti, Ferrante e Dramis, 2017; Laureti and Polidoro, 2022)
b) Progetto Makswell
Medesima metodologia
2. Web-scraped data: progetto Unitus in fase iniziale.
• Primi risultati
10
STIMA A LIVELLO LOCALE DEGLI INDICI DEI PREZZI AL CONSUMO UTILIZZANDO NUOVE FONTI | TIZIANA LAURETI
Stime degli indici spaziali dei prezzi al consumo in Italia
11. 11
STIME A LIVELLO REGIONALE: DATI SCANNER
DATASET PER STIME REGIONALI DEI PRESSI AL CONSUMO (PROGETTO ISTAT)
OUTLETS:
Campionamento casuale stratificato:
Universo di 9,000 retailers appartenenti alle 16 più importanti catene della GDO (94% della
distribuzione moderna).
Stratificazione per provincia, catena distributiva e tipo di negozio (888 strat1)
Outlets sono selezioni con probabilità proporzionali al fatturato del 2016
1,781 outlets (510 ipermercati e 1,271 supermarcati)
PRODOTTI: selezionati secondo cut-off threshold (fino al 60% dell’aggregato)
ANNO: 2017
DATASET PER STIME PROVINCIALI (PROGETTO WAKSWELL)
PRODOTTI: selezionati secondo senza cut-off threshold
ANNO: 2018
STIMA A LIVELLO LOCALE DEGLI INDICI DEI PREZZI AL CONSUMO UTILIZZANDO NUOVE FONTI | TIZIANA LAURETI
12. 12
1. Identificazione del prodotto: livello più disaggregato possibile (GTIN)- comparabilità
2. Determinazione del prezzo (unit value) annuale a livello di punto vendita usando una media ponderata
dei prezzi settimanali di ciascun GTIN
3. Stima dei prezzi medi provinciali utilizzando i pesi campionari calcolati per ciascun punto vendita
derivanti dal disegno campionario Calcolate medie annuali dei prezzi GTIN/provincia utilizzando
l’informazione sul fatturato come peso (avendo l’informazione a livello più granulare possibile)
4. Stima degli indici spaziali dei prezzi tra aree geografiche (regioni, province). Due livelli di aggregazione:
1. Gruppo di prodotti): SPI per BH (Basic Heading)
Metodo selezionato weighted regional product dummy models
2. Aggregazione di gruppi di prodotti: (Alimentari e non alimentari)
Metodo GEKS basato su Fisher e standardizzato (procedura OECD-Eurostat)
Per le stime regionali è stata utilizzata una procedura in due step (replicando si scala nazionale lo
schema dell’ICP)
𝑝𝑦 = 𝑤∈𝑦 𝑝𝑤
𝑝𝑤𝑞𝑤
𝑤∈𝑦 𝑝𝑤𝑞𝑤
STIMA A LIVELLO LOCALE DEGLI INDICI DEI PREZZI AL CONSUMO UTILIZZANDO NUOVE FONTI | TIZIANA LAURETI
Stime degli indici spaziali dei prezzi al consumo in Italia
13. 13
Si considerino prezzi 𝑝𝑖𝑗 e quantità 𝑞𝑖𝑗 di singoli item i=1,2…,Nj
Allo scopo di considerare l’importanza economica (rappresentatività) di ciascun prodotto si è utilizzato il
modello pesato Weighted Regional Product Dummy (WRPD)
𝑤𝑖𝑗𝑙𝑛𝑝𝑖𝑗 = 𝑗=1
𝑀𝑟
𝜋𝑗 𝑤𝑖𝑗 𝐷𝑗
+ 𝑖=1
𝑛
𝜂𝑖 𝑤𝑖𝑗𝐷𝑖
+ 𝑣𝑖𝑗
dove Dj e 𝐷𝑖
sono, rispettivamente, variabili dummy per province e prodotti con valore 1 per la
regione/provincia j e prodotto i respectively e 0 altrimenti, 𝑣𝑖𝑗 sono variabili aleatorie i.i.d con media 0 e
varianza σ2, 𝑤𝑖𝑗 sono valori delle spese relative (expenditure share value) per i-th item nella j-th
provincial/regione sul numero totale degli items nella l-th BH:𝑤𝑖𝑗 =
𝑝𝑖𝑗𝑞𝑖𝑗
𝑖=1
𝑁𝑙 𝑝𝑖𝑗𝑞𝑖𝑗
con 𝑤𝑖𝑗 = 1 per ogni
regione/provincia e BH.
𝑊𝑅_𝑆𝑃𝐼𝑗
𝑊𝑅_𝑊𝑅𝑃𝐷
= 𝑒𝜋𝑗
Metodologia: primo stadio di aggregazione
STIMA A LIVELLO LOCALE DEGLI INDICI DEI PREZZI AL CONSUMO UTILIZZANDO NUOVE FONTI | TIZIANA LAURETI
14. 14
Metodologia: secondo stadio di aggregazione
Il passaggio finale consiste nell’aggregare I risultati ottenuti dalla compoarazione a livello di BH. In linea
con l’approccio internazionale si è utilizzata la metodologia GEKS basato sugli indici Fisher.
Supponiamo di avere L basic headings (l=1,…,L) e 𝑝𝑙
𝑟
and 𝑒𝑙
𝑟
representano prezzi e spese per l-th basic
heading nella regione/provincial r, respettivamente. L’indice di Fisher è espresso da:
𝑃𝑟𝑠
𝐹𝑖𝑠ℎ𝑒𝑟
= 𝑃𝑟𝑠
𝐿𝑎𝑠𝑝𝑒𝑦𝑟𝑒𝑠
∙ 𝑃𝑠𝑟
𝑃𝑎𝑎𝑠𝑐ℎ𝑒
𝑃𝑟𝑠
𝐿𝑎𝑠𝑝𝑒𝑦𝑟𝑒𝑠
=
𝑙=1
𝐿
𝑝𝑙
𝑠
𝑞𝑙
𝑟
𝑙=1
𝐿
𝑝𝑙
𝑟
𝑞𝑙
𝑟 = 𝑠𝑙
𝑟
𝑝𝑙
𝑠
𝑝𝑙
𝑟 𝑃𝑟𝑠
𝑃𝑎𝑎𝑠𝑐ℎ𝑒 =
𝑙=1
𝐿
𝑝𝑙
𝑠
𝑞𝑙
𝑠
𝑙=1
𝐿
𝑝𝑙
𝑟
𝑞𝑙
𝑠 =
𝑙
𝑠𝑙
𝑠 𝑝𝑙
𝑠
𝑝𝑙
𝑟
−1 −1
con 𝑠𝑙
𝑟
=
𝑒𝑙
𝑟
𝑙=1
𝐿 𝑒𝑙
𝑟 =
𝑝𝑙
𝑟
𝑞𝑙
𝑟
𝑙=1
𝐿 𝑝𝑙
𝑟𝑞𝑙
𝑟
Poiché gli indici di Fisher non soddisfano la transitività si usa la procedura GEKS per ottenere
comparazioni multilaterali transitive.
𝑆𝑃𝐼𝑗𝑘
𝐺𝐸𝐾𝑆
=
𝑗=1
𝑀
𝑆𝑃𝐼𝑗𝑙
𝐺𝐸𝐾𝑆
∙ 𝑆𝑃𝐼𝑙𝑘
𝐺𝐸𝐾𝑆 1 𝑀
STIMA A LIVELLO LOCALE DEGLI INDICI DEI PREZZI AL CONSUMO UTILIZZANDO NUOVE FONTI | TIZIANA LAURETI
15. 15
Risultati: Indici spaziali dei prezzi a livello regionale
I livelli di prezzo nelle regioni del Sud sono in genere al disotto della media nazionale sia per Alimentari
che per Non alimentari, con l’eccezione dell’Abruzzo (101.90 e 101.33), Molise (102.90 e 101.24) and
Sardegna (101.93 and 101.57)
Il caso della Toscana (96.24 e 95.17)
Prodotti Alimentari (Italia=100) Prodotti Non-Alimentari (Italia=100)
STIMA A LIVELLO LOCALE DEGLI INDICI DEI PREZZI AL CONSUMO UTILIZZANDO NUOVE FONTI | TIZIANA LAURETI
17. 17
Risultati a livello provinciale: Gruppi di prodotti
Pasta
Caffè
Il dualismo Nord-Sud è confermato
solo per alcune categorie di prodotto
(BH).
STIMA A LIVELLO LOCALE DEGLI INDICI DEI PREZZI AL CONSUMO UTILIZZANDO NUOVE FONTI | TIZIANA LAURETI
18. 18
Risultati a livello provinciale
Prodotti Alimentari (Italia=100) Prodotti Non-Alimentari (Italia=100)
19. 19
Progetto utilizzo dati web Unitus: primi risultati
Risultati preliminari – Progetto webscraping
• Informazioni raccolte da oltre 460
supermercati localizzati
geograficamente in 19 Regioni
• Esplorazione su dati relativi alla
pasta, una categoria iconica per i
consumatori Italiani
• 2554 prodotti unici identificati
tramite GTIN nella categoria Pasta
• Rilevanti connessioni tra Regioni
per prodotti comuni
STIMA A LIVELLO LOCALE DEGLI INDICI DEI PREZZI AL CONSUMO UTILIZZANDO NUOVE FONTI | TIZIANA LAURETI
20. 20
Regione ISP
Pasta
P-Value
Abruzzo 99.7
Basilicata 93.7 ***
Calabria 92.5 ***
Campania 90.1 ***
Emilia-Romagna 101.5 *
Friuli Venezia Giulia 99.0
Liguria 105.6 ***
Lombardia 104.5 ***
Marche 100.2
Molise 93.5 ***
Piemonte 105.7 ***
Puglia 88.9 ***
Sardegna 102.3 ***
Sicilia 92.4 ***
Toscana 100.2
Umbria 94.3 ***
Valle d'Aosta 19.3 ***
Veneto 94.2 ***
STIMA A LIVELLO LOCALE DEGLI INDICI DEI PREZZI AL CONSUMO UTILIZZANDO NUOVE FONTI | TIZIANA LAURETI
Progetto utilizzo dati web: primi risultati
Si stanno usando dati riferiti a periodi temporali più ampi
21. 21
Conclusioni
STIMA A LIVELLO LOCALE DEGLI INDICI DEI PREZZI AL CONSUMO UTILIZZANDO NUOVE FONTI | TIZIANA LAURETI
I dati scanner consentono la costruzione degli indici spaziali dei prezzi al
consumo per alcune categorie di prodotti
Necessarie altre fonti di dati
Progetto Istat fondamentale per colmare il gap informativo
Uso per analisi delle disuguaglianze
Indicators concerning absolute poverty (measured according to household expenditure) confirmed the differences observed across the Italian territory. Before the two economic crises, in 2007, the absolute poverty rate in terms of households was 3.1% in the North and 4.6% in the South and Islands. In 2017, the absolute poverty rate in Italy increased as well as the gap between the two geographical macro-areas reaching the value of 10.3 in the South and Islands and 5.4 in Northern Italy (Istat, 2018b). Even if in 2019 this gap appeared to decrease (8.6% vs 5.8%) it still indicates a considerable disparity (Istat, 2020). The North-South gap widens if we consider the relative household poverty rate (in expenditure terms). In 2017, this rate was 5.9% in the North and 24.7% in the South while in 2019 it increased to 6.8% in the Northern regions and decreased to 21.1% in the South, thus indicating that in 2019 Southern households in relative poverty remained three-fold higher than those recorded in the North whereas households in absolute poverty were approximately 1.5 times higher than those in the North.
These differences between the absolute and relative poverty rates together with household expenditure level data provide further proof that measuring consumer price differences in Italy is essential. Indeed, Istat computes absolute poverty indicators taking into account thresholds that differ by municipality typology and by geographical macro-areas. In terms of geographical areas, the differences amongst the thresholds are mainly due to the consumer price component that was considered in their estimation, thus the comparison of these thresholds between different geographical areas represents a proxy of “poverty purchasing power parities”. As regards relative poverty, the threshold is uniform for the entire Italian territory and therefore does not take the differences of prices amongst regions into consideration.
It is clear that these indicators combined with the evidence coming from the current survey on consumer prices for estimating inflation, prove that household purchasing power differs across Italian regions and that consumer prices are mainly responsible for this difference.