Esperimenti_laboratorio di fisica per la scuola superiore
T. Laureti, F. Polidoro, Gli scanner data e la comparazione nello spazio dei prezzi al consumo
1. Gli scanner data e la comparazione nello spazio
dei prezzi al consumo
Tiziana Laureti
University of Tuscia, Viterbo, Italy (laureti@unitus.it)
Member of the Governing Body of National Statistical System- (COMSTAT)
Federico Polidoro
Living conditions and consumer price Unit, Istat, Rome, Italy (polidoro@istat.it)
Workshop: gli scanner data e le statistiche
sui prezzi al consumo: risultati e prospettive
Istat, Roma, 21 settembre 2018
2. Indice
1. Presupposti e obiettivi
Il quadro della comparazione dei prezzi nello spazio tra Paesi e
all’interno dei Paesi
L’esigenza in Italia della comparazione dei prezzi tra diverse
aree del Paese
Le nuove possibiltà prospettate dagli scanner data per la
compilazione di indici spaziali regionali dei prezzi al consume
2. Scanner data e la comparazione nello spazio dei prezzi al
consumo
3. L’approccio metodologic adottato
The two-step procedure
4. Risultati
5. Conclusioni e prospettive
Laureti, and Polidoro- Gli scanner data e la comparazione nello spazio dei prezzi al consumo
Workshop: gli scanner data e le statistiche sui prezzi al consumo: risultati e prospettive
Istat, Roma, 21 settembre 2018
3. L’importanza della comparazione spaziale dei prezzi al consumo
Indici spaziale dei prezzi (SPIs) 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 vita e il benessere
relative delle famiglie in termini reali sia nel confronto tra i Paesi sia
in quello interno ai Paesi
Presupposti e obiettivi
Laureti, and Polidoro- Gli scanner data e la comparazione nello spazio dei prezzi al consumo
Workshop: gli scanner data e le statistiche sui prezzi al consumo: risultati e prospettive
Istat, Roma, 21 settembre 2018
4. 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.
L’International Comparison Program (ICP) compila le PPPs per il
PIL. ICP è gestito da World Bank con la collaborazione di OCSE ed
EUROSTAT e celebra50 anni quest’anno con la partecipazione di
circa 200 Paese
Le PPPs internazionali utilizzate per diverse 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)
Presupposti e obiettivi
Laureti, and Polidoro- Gli scanner data e la comparazione nello spazio dei prezzi al consumo
Workshop: gli scanner data e le statistiche sui prezzi al consumo: risultati e prospettive
Istat, Roma, 21 settembre 2018
5. Il problema della comparazione nello spazio dei prezzi all’interno di
ciascun Paese (Indici spaziali dei prezzi al consume o parità regionale
del potere d’acquisto)
Il tema dell parità regionale del poteri d’acquisto, in Paesi di grandi
dimensioni e con differenziali economici rilevanti tra diverse aree è
centrale in quato può offrire la possibilità di misurare le differenze dei
prezzi tra i diversi territori e 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)
Presupposti e obiettivi
Laureti, and Polidoro- Gli scanner data e la comparazione nello spazio dei prezzi al consumo
Workshop: gli scanner data e le statistiche sui prezzi al consumo: risultati e prospettive
Istat, Roma, 21 settembre 2018
6. Numerosi gli studi a livello internazinale e le esperienze condotte in
diversi Paesi sulle parità infranazionali del potere d’acquisto (USA,
Brasile, India, Indonesia, Cina, Australia, Gran Bretagna)
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 2018 (2009) per tutte le divisioni di spesa, GEKS e CPD per
gli affitti reali
Presupposti e obiettivi
Laureti, and Polidoro- Gli scanner data e la comparazione nello spazio dei prezzi al consumo
Workshop: gli scanner data e le statistiche sui prezzi al consumo: risultati e prospettive
Istat, Roma, 21 settembre 2018
7. 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 ai paesi partecipanti 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 ciascun
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
Presupposti e obiettivi
Laureti, and Polidoro- Gli scanner data e la comparazione nello spazio dei prezzi al consumo
Workshop: gli scanner data e le statistiche sui prezzi al consumo: risultati e prospettive
Istat, Roma, 21 settembre 2018
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
Nello studio illustrato in questa presentazione i risultati ottenuti e i
problemi emersi calcolando indici spaziali dei prezzi al consumo
utilizzando questa nuova fonte di dati testando anche diversi
approcci metodologici
La base utilizzata è quella utilizzata per l’IPCA/NIC nel 2017
Presupposti e obiettivi
Laureti, and Polidoro- Gli scanner data e la comparazione nello spazio dei prezzi al consumo
Workshop: gli scanner data e le statistiche sui prezzi al consumo: risultati e prospettive
Istat, Roma, 21 settembre 2018
9. Stimati prezzi medi provinciali a livello di GTIN utilizzando i pesi
campionari calcolati per ciascun punto vendita
Calcolate medie annuali dei prezzi GTIN/provincia utilizzando
l’informazione sul fatturato come peso (avendo l’informazione a livello
più granulare possibile)
È stata poi utilizzata una procedura in due step (replicando si scala
nazionale lo schema dell’ICP)
1. Indici spaziali all’interno tra le province all’interno delle regioni,
comparando prezzi e quantità con diverse formule
2. Indici spaziali tra le regioni, utilizzando i risultati di cui al punto 1,
aggregando per tenere conto delle differenze regionali (fatturato
deflazionato) e utilizzando il modello RPD
Gli indici spaziali sono stati calcolati per gruppi di prodotti simili
(BHs) e aggregate di prodotto (Alimentari e non alimentari)
Approcci metodologici e formule utilizzate
Laureti, and Polidoro- Gli scanner data e la comparazione nello spazio dei prezzi al consumo
Workshop: gli scanner data e le statistiche sui prezzi al consumo: risultati e prospettive
Istat, Roma, 21 settembre 2018
10. Diverse formule di indici multilaterali sono state utilizzate per le BHs
1. Indici di Jevons e GEKS (Gini, Elteto and Koves and Szulc) per
ovviare alla non transitività degli indici di Jevons
2. GEKS Index basato su Fisher binary index
3. Geary-Khamis Index
4. Weighted Regional Product Dummy model (WRPD)
GEKS e Fisher per l’aggregazione degli indici di base delle BHs
Approcci metodologici e formule utilizzate
Laureti, and Polidoro- Gli scanner data e la comparazione nello spazio dei prezzi al consumo
Workshop: gli scanner data e le statistiche sui prezzi al consumo: risultati e prospettive
Istat, Roma, 21 settembre 2018
11. 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 and 95.17)
Risultati principali
Food Products (Italy=100) Non-Food Products (Italy=100)
Laureti, and Polidoro- Gli scanner data e la comparazione nello spazio dei prezzi al consumo
Workshop: gli scanner data e le statistiche sui prezzi al consumo: risultati e prospettive
Istat, Roma, 21 settembre 2018
12. Pasta Products (BH1) Non-electrical appliances (BH2)
Region Coef. std.error p-value RPPPs Coef. std.error p-value RPPPs
North-Center
PIEMONTE 0.0187 0.0039 0.000 101.89 -0.0806 0.0079 0.000 92.26
VALLE D’AOSTA 0.0526 0.0039 0.000 105.41 0.0305 0.0081 0.000 103.10
LIGURIA 0.0482 0.0044 0.000 104.94 -0.0269 0.0079 0.001 97.35
LOMBARDIA 0.0264 0.0038 0.000 102.67 -0.0509 0.0079 0.000 95.04
TRENTINO A.A. 0.0716 0.0039 0.000 107.42 0.0051 0.0080 0.523 100.51
VENETO 0.0347 0.0038 0.000 103.53 -0.0309 0.0079 0.000 96.96
FRIULI V.G. 0.0435 0.0038 0.000 104.45 -0.0285 0.0079 0.000 97.19
EMILIA-ROMAGNA 0.0227 0.0041 0.000 102.30 -0.0580 0.0079 0.000 94.37
TOSCANA -0.0050 0.0039 0.201 99.50 -0.1294 0.0079 0.000 87.86
UMBRIA -0.0094 0.0039 0.015 99.06 -0.0185 0.0079 0.019 98.17
MARCHE 0.0557 0.0041 0.000 105.73 0.0077 0.0079 0.327 100.77
South and Islands
ABRUZZO 0.0561 0.0040 0.000 105.77 -0.0163 0.0079 0.039 98.38
MOLISE 0.0471 0.0041 0.000 104.82 0.0142 0.0080 0.076 101.43
CAMPANIA -0.0097 0.0040 0.014 99.04 0.0167 0.0079 0.035 101.69
PUGLIA -0.0388 0.0040 0.000 96.20 -0.0267 0.0079 0.001 97.37
BASILICATA -0.0410 0.0040 0.000 95.98 0.0021 0.0080 0.791 100.21
CALABRIA -0.0286 0.0040 0.000 97.18 0.0087 0.0080 0.275 100.87
SICILIA -0.0598 0.0044 0.000 94.19 0.0667 0.0080 0.000 106.89
SARDEGNA 0.0336 0.0046 0.000 103.41 -0.0266 0.0079 0.001 97.37
Obs. 18,007 3,453
Root MSE 0.09538 0.10105
AIC -19261.88 -4447.601
Tavola 1: stime basate su WRPD estimation per Pasta e apparecchiature non elettriche per la casa
(Lazio=100)
54 BHs
Per alcuni BHs
il tradizionale
differenziale
Nord Sud non è
confermato
Laureti, and Polidoro- Gli scanner data e la comparazione nello spazio dei prezzi al consumo
Workshop: gli scanner data e le statistiche sui prezzi al consumo: risultati e prospettive
Istat, Roma, 21 settembre 2018
Risultati principali
13. Pasta Products (BH1) Non-electrical appliances (BH2)
Region Coef std.error p.value RPP Coef std.error p.value RPP
North-Center
PIEMONTE 0.0028 0.0027 0.3071 100.28 -0.0550 0.0056 0.0000 94.65
VALLEDAOSTA 0.0367 0.0028 0.0000 103.74 0.0528 0.0059 0.0000 105.43
LIGURIA 0.0323 0.0034 0.0000 103.28 -0.0061 0.0056 0.2829 99.40
LOMBARDIA 0.0104 0.0027 0.0001 101.05 -0.0402 0.0056 0.0000 96.06
TRENTINO 0.0557 0.0029 0.0000 105.73 0.0268 0.0057 0.0000 102.71
VENETO 0.0188 0.0027 0.0000 101.89 -0.0133 0.0056 0.0183 98.68
FRIULI 0.0276 0.0026 0.0000 102.80 -0.0079 0.0057 0.1611 99.21
EMILIA-ROMAGNA 0.0068 0.0031 0.0270 100.68 -0.0386 0.0056 0.0000 96.22
TOSCANA -0.0209 0.0028 0.0000 97.93 -0.1205 0.0057 0.0000 88.65
UMBRIA -0.0254 0.0029 0.0000 97.50 0.0027 0.0056 0.6357 100.27
MARCHE 0.0398 0.0031 0.0000 104.06 0.0258 0.0056 0.0000 102.61
LAZIO -0.0159 0.0026 0.0000 98.42 0.0075 0.0056 0.1823 100.75
South and Islands
ABRUZZO 0.0401 0.0030 0.0000 104.09 0.0036 0.0057 0.5254 100.36
MOLISE 0.0311 0.0031 0.0000 103.16 0.0354 0.0058 0.0000 103.60
CAMPANIA -0.0256 0.0029 0.0000 97.47 0.0348 0.0057 0.0000 103.54
PUGLIA -0.0547 0.0029 0.0000 94.68 -0.0071 0.0057 0.2132 99.29
BASILICATA -0.0570 0.0029 0.0000 94.46 0.0236 0.0057 0.0000 102.39
CALABRIA -0.0445 0.0029 0.0000 95.65 0.0270 0.0057 0.0000 102.74
SICILIA -0.0758 0.0034 0.0000 92.70 0.0679 0.0057 0.0000 107.03
SARDEGNA 0.0176 0.0036 0.0000 101.78 -0.0192 0.0057 0.0007 98.10
Laureti, and Polidoro- Gli scanner data e la comparazione nello spazio dei prezzi al consumo
Workshop: gli scanner data e le statistiche sui prezzi al consumo: risultati e prospettive
Istat, Roma, 21 settembre 2018
Tavola 1: stime basate su WRPD estimation per Pasta e apparecchiature non elettriche per la casa
(Italia=100)
14. Higher price levels:
• Siena (102.9)
• Livorno (102.2)
Higher price levels:
• Livorno (104.0)
• Siena (103.2)
• Grosseto (103.1)
Lower price levels:
• Prato (98.3)
• Firenze (98.4)
Lower price levels:
• Prato (97.4)
• Pistoia (97.5)
SPIs FOOD PRODUCTS (Tuscany=100)
Risultati: comparazione dei prezzi tra le province
SPIs NON-FOOD PRODUCTS (Tuscany=100)
Laureti, and Polidoro- Gli scanner data e la comparazione nello spazio dei prezzi al consumo
Workshop: gli scanner data e le statistiche sui prezzi al consumo: risultati e prospettive
Istat, Roma, 21 settembre 2018
15. Jevons GEKS Fisher GEKS GK RPD WE_RPD WQ_RPD
Arezzo 98.98 98.39 99.42 98.71 98.91 98.50
Firenze 100.00 100.00 100.00 100.00 100.00 100.00
Grosseto 100.77 99.40 99.94 99.99 99.11 98.85
Livorno 103.46 102.07 101.17 102.60 101.05 101.29
Lucca 100.97 101.07 100.59 101.38 101.03 102.32
Massa-Carrara 103.75 103.18 101.53 103.67 102.95 103.40
Pisa 99.73 99.63 99.90 99.83 99.74 100.55
Prato 99.45 99.01 99.66 99.32 99.11 100.18
Pistoia 100.52 99.62 100.33 100.71 99.90 101.62
Siena 102.56 104.05 100.72 101.50 103.67 100.46
RPIs using different methods: Pasta products and coscous (Florence=100)
Alto livello di eterogeneità
Diversi metodi simili risultati
Differenze più contenute con la formula Geary-Khamis
Laureti, and Polidoro- Gli scanner data e la comparazione nello spazio dei prezzi al consumo
Workshop: gli scanner data e le statistiche sui prezzi al consumo: risultati e prospettive
Istat, Roma, 21 settembre 2018
Risultati: comparazione dei prezzi tra le province
16. SPIs FOOD PRODUCTS (Lombardia=100) SPIs NON-FOOD PRODUCTS (Lombardia=100)
Higher price levels:
• Brescia (101.2)
• Pavia (101.1)
Higher price levels:
• Pavia (101.9)
• Como (101.5)
Lower price levels:
• Mantova (99.0)
• Bergamo (99.1)
Lower price levels:
• Bergamo (98.5)
• Sondrio (97.4)
Laureti, and Polidoro- Gli scanner data e la comparazione nello spazio dei prezzi al consumo
Workshop: gli scanner data e le statistiche sui prezzi al consumo: risultati e prospettive
Istat, Roma, 21 settembre 2018
Risultati: comparazione dei prezzi tra le province
17. Conclusioni e considerazioni di prospettiva
Gli scanner data aprono orizzonti nuovi alla possibilità di
comparazione nllo spazio dei prezzi al consumo
La necessità di ampliare la copertura degli scanner data agli altri
canalidi distribuzione
La possibilità di testare la bontà di diversi metodi di aggregazione
Verse la sperimentazione di parità regionali (experimental statistics)
Approccio multi fonte (scanner data, web scraping, rilevazione
tradizionale, rilevazione ad hoc, dati amministrativi)
Laureti, and Polidoro- Gli scanner data e la comparazione nello spazio dei prezzi al consumo
Workshop: gli scanner data e le statistiche sui prezzi al consumo: risultati e prospettive
Istat, Roma, 21 settembre 2018
18. Grazie per l’attenzione
Tiziana Laureti laureti@unitus.it
Federico Polidoro polidoro@istat.it
Laureti, and Polidoro- Gli scanner data e la comparazione nello spazio dei prezzi al consumo
19. In this paper we use a scanner dataset constructed for experimental CPI computation.
Stratified Random Sample:
OUTLETS
• Universe of 9,000 retailers belonging to the 16 most important retail chains
(95% of modern retail chain distribution).
• Stratified by province, distribution chains and kind of outlets (888 strata)
• Outlets are selected with probabilities proportional to the 2016 turnover
1,781 outlets (510 hypermarkets and 1,271 supermarkets)
ITEMS
• Grocery products: five divisions of the ECOICOP (01, 02, 05, 09, 12).
• Scanner data cover 55.4% of the total retail trade distribution for this
category of products
• Items were selected with probabilities proportional to the 2016 turnover for
each product aggregate (at 60% cut-off line)
Scanner data for spatial price comparisons
Laureti, and Polidoro- Gli scanner data e la comparazione nello spazio dei prezzi al consumo
Workshop: gli scanner data e le statistiche sui prezzi al consumo: risultati e prospettive
Istat, Roma, 21 settembre 2018
21. Laureti, and Polidoro- Big data and spatial price comparisons of consumer prices
49th Scientific Meeting of the Italian Statistical Society, Palermo 20-22 June 2018
Sub-classes Description Sub-classes Description
01.1.1.1 Rice 01.1.8.1 Sugar
01.1.1.2 Flour and other cereals 01.1.8.2 Jams, marmalades and honey
01.1.1.3 Bread 01.1.8.3 Chocolate
01.1.1.4 Other bakery products 01.1.8.4 Confectionery products
01.1.1.5 Pizza and quiche 01.1.8.5 Edible ices and ice cream
01.1.1.6 Pasta products and couscous 01.1.9.1 Sauces, condiments
01.1.1.7 Breakfast cereals 01.1.9.2 Salt, spices and culinary herbs
01.1.1.8 Other cereal products 01.1.9.3 Baby food
01.1.2.7 Dried, salted or smoked meat 01.1.9.4 Ready-made meals
01.1.2.8 Other meat preparations 01.1.9.9 Other food products n.e.c.
01.1.3.2 Frozen fish 01.2.1.1 Coffee
01.1.3.4 Frozen seafood 01.2.1.2 Tea
01.1.3.5 Dried, smoked or salted fish and seafood 01.2.1.3 Cocoa and powdered chocolate
01.1.3.6 Other preserved or processed fish and seafood-based preparations 01.2.2.1 Mineral or spring waters
01.1.4.1 Fresh whole milk 01.2.2.2 Soft drinks
01.1.4.2 Fresh low fat milk 01.2.2.3 Fruit and vegetable juices
01.1.4.3 Preserved milk 02.1.1.0 Spirits
01.1.4.4 Yoghurt 02.1.1.0 Spirits
01.1.4.5 Cheese and curd 02.1.2.0 Wine
01.1.4.6 Other milk products 02.1.3.0 Beer
01.1.4.7 Eggs 05.6.1.1 Cleaning and maintenance products
01.1.5.1 Butter 05.6.1.2 Other non-durable small household articles
01.1.5.2 Margarine and other vegetable fats 09.3.4.0 Pets and related products
01.1.5.3 Olive oil 12.1.3.1 Non-electrical appliances
01.1.5.4 Other edible oils 12.1.3.2 Articles for personal hygiene and wellness, esoteric products and beauty products
01.1.6.3 Dried fruit and nuts
01.1.6.4 Preserved fruit and fruit-based products
01.1.7.2 Frozen vegetables other than potatoes and other tubers
01.1.7.3 Dried vegetables, other preserved or processed vegetables
01.1.7.4 Potatoes
01.1.7.5 Crisps
L=54 Groups of products
22. Laureti, and Polidoro- Big data and spatial price comparisons of consumer prices
49th Scientific Meeting of the Italian Statistical Society, Palermo 20-22 June 2018
Results
Product overlap across provinces within a region: Sugar in Calabria
RCPD
23. Laureti, and Polidoro- Big data and spatial price comparisons of consumer prices
49th Scientific Meeting of the Italian Statistical Society, Palermo 20-22 June 2018
Product overlap across regions: Pasta products
Results
24. Laureti, and Polidoro- Big data and spatial price comparisons of consumer prices
49th Scientific Meeting of the Italian Statistical Society, Palermo 20-22 June 2018
N.Outlets
Arezzo 16
Firenze 20
Grosseto 15
Livorno 16
Lucca 14
Massa-Carrara 11
Pisa 16
Prato 9
Pistoia 13
Siena 12
only the best selling products, which are typically consumed in each Italian
province and region, may have be included according to the CPI selection
procedure.
Therefore these products may not be strictly comparable across different provinces
and regions.
Reliable regional price comparisons can be made as long as there is reasonable
overlap in the items priced in different regions.
We checked this requirement by verifying if product overlaps exhibit a chain
structure.