|
Аннотация.
В статье рассматривается возможность использования альтернативных источников данных (фискальных операторов) для анализа пространственной зависимости потребительских цен на примере мороженого в регионах России. Авторы сравнивают официальные данные Росстата с высокочастотными данными фискального оператора «Первый ОФД», выделяя их преимущества и недостатки. Результаты расчетов показывают, что несмотря на явное преимущество фискальных данных в уровне их детализации, для получения адекватных оценок, соотносимых с оценками, получаемыми на данных Росстата, требуется проведение их предобработки. Показано, что методология Росстата сглаживает колебания цен, тогда как альтернативные источники позволяют оперативно отслеживать рыночные изменения. Исследование подтверждает перспективность интеграции альтернативных данных в статистический учет, несмотря на их ограничения.
Ключевые слова:
онлайн-цены, фискальный оператор, Росстат, методы предобработки, пространственная автокорреляция, глобальный индекс Морана.
DOI 10.14357/20718632260206
EDN JYKIPT
Стр. 52-65.
Литература
1. Калинин А.М., Волин А.М. Информационные источники для расчета индекса потребительских цен: большие данные сети Интернет и систем ФНС России // Вопросы статистики. 2022. Т. 29. № 1. С. 44-51. EDN LWOOOB. https://doi.org/10.34023/2313-6383-2022-29-1-44-51 2. Исаков А., Латыпов Р., Репин А. Твердые цифры: открытые микроданные о потребительских ценах // Деньги и кредит. 2021. Т. 80, № 1. С. 104-119. EDN NZEHlQ. https://doi.org/10.31477/rjmf.202101.104 3. Konny C.G., Williams B.K., Friedman D.M. Big Data in the U.S. Consumer Price Index: Experiences & Plans // CRIW Conference: Big Data for 21st Century Economic Statistics, March 15-16, 2019, Washington, DC. URL: https://conference.nber.org/conf_papers/f11229.pdf (дата обращения: 30.03.2026) 4. Aparicio D., Bertolotto M.I. Forecasting inflation with online prices. International Journal of Forecasting. 2020. Vol. 36. No. 2. P. 232-247. https://doi.org/10.1016/j.ijforecast.2019.04.018 5. Griffioen A., Ten Bosch O. On the Use of Internet Data for the Dutch CPI // UNECE-ILO Meeting of the Group of Experts on Consumer Price Indices, 2-4 May, 2016, Geneva, Switzerland. UNECE; 2016. URL: https://unece.org/fileadmin/DAM/stats/documents/ece/ces/ge.22/2016/ Session_2_Netherlands_on_the_use_of_internet_data_for_the_Dutch_CPI.pdf (дата обращения: 02.06.2025). 6. Myklatun K.H. Utilizing Machine Learning in the Consumer Price Index // 28th Nordic Statistical Meeting, 2019, Helsinki, Statistics Finland. URL: http://www.stat.fi/static/media/uploads/ajk_en/Events/nsm2019/myklatun_-_utilizing_machine_learning_in_the_consumer_price_index.docx (дата обращения: 22.05.2025). 7. Uriarte Ju.I., Ramirez Muñoz De Toro G.R., Larrosa Ju.M.C. Web scraping based online consumer price index: The "IPC Online" case // Journal of Economic and Social Measurement. 2020. Vol. 44. No. 2-3. P. 141-159. https://doi.org/10.3233/jem-190464 8. Haqqoni M.G.Al., Pramana S. Implementation of marketplace data in the production of Consumer Price Index in Indonesia // Data Science. 2022. Vol. 5. No. 2. P. 79-95. https://doi.org/10.3233/ds-210037 9. Juszczak A. The use of web-scraped data to analyze the dynamics of footwear prices // Journal of Economics and Management. 2021. Vol. 43. P. 251-269. https://doi.org/10.22367/jem.2021.43.12 10. Leclair M., L'éonard, I., Rateau, G., Sillard, P., Varlet, G., Vern'edal, P. Scanner data: advances in methodology and new challenges for computing consumer price indices // Economic et Statistique = Economics and Statistics. 2019. No. 509. P. 13-29. https://doi.org/10.24187/ecostat.2019.509.1981 11. Гребенкина А., Синельникова-Мурылева Е. Прогнозирование инфляции с использованием высокочастотных данных в моделях временных рядов // Экономическая политика. 2025. Т. 20. № 2. С. 34-55. EDN WLUQJZ. https://doi.org/10.18288/1994-5124-2025-2-34-55 12. Третьяков Д.В., Фокин Н.Д. Помогают ли высокочастотные данные в прогнозировании российской инфляции? // Вестник Санкт-Петербургского университета. Экономика. 2021. Т. 37. № 2. С. 318-343. EDN LZWVZB. https://doi.org/10.21638/spbu05.2021.206 13. Кириллов А.М. Исследование пространственной автокорреляции: случай российской региональной инфляции // Прикладная эконометрика. 2021. № 4 (64). С. 5-22. EDN WCXXJS. https://doi.org/10.22394/1993-7601-2021-64-5-22 14. Иванова В.И. Конвергенция цен на рынке зерна: исторический аспект // Пространственная экономика. 2015. № 3. С. 34-56. EDN VCHJZZ. https://doi.org/10.14530/se.2015.3.034-056 15. Ojogho O., Izekor O.B. Rice Price Differentials in Rural Markets of Edo State, Nigeria // Journal of Agroforestry and Environment. 2022. Vol. 16. No. 1. P. 114-121. https://doi.org/10.55706/jae1614 16. Dai J., Feng Yu., Wang Ya., Wang X. Agricultural support and spatial price transmission: evidence from China's maize sector // International Food and Agribusiness Management Review. 2023. Vol. 26. No. 2. P. 325-340. https://doi.org/10.22434/ifamr2021.0160 17. Allender W., Richards T. Brand loyalty and price promotion strategies: An empirical analysis // Journal of Retailing. 2012. No. 88(3), P. 323-342. https://doi.org/10.1016/j.jretai.2012.01.001 18. Тимирыянова В.М., Красносельская Д.Х., Прудников В.Б., Гирфутдинова А.Ф. Пространственная автокорреляция цен: чувствительность к выбору весовой матрицы и уровню агрегирования данных // Вестник Магнитогорского государственного технического университета им. Г.И. Носова. 2025. Т. 23. №1. С. 190-200. EDN FMWAJG. https://doi.org/10.18503/1995-2732-2025-23-1-190-200 19. Сапова А.К., Поршаков А.С., Андреев А.В., Шатило Е.Ю. Особенности сезонной корректировки индекса потребительских цен // Вопросы статистики. 2018. Т. 25. № 5. С. 42-54. EDN RTOUIL 20. Кириллов А.М. Инфляция цен на продовольственные товары в регионах России: пространственный анализ // Пространственная экономика. 2017. № 4. С. 41-58. EDN ZXXWVP. https://doi.org/10.14530/se.2017.4.041-058 21. Ollech D., Webel K. A random forest-based approach to identifying the most informative seasonality tests // Deutsche Bundesbank's Discussion Paper series. 2020. № 55. URL: https://econpapers.repec.org/paper/zbwbbudps/552020.htm (дата обращения: 05.05.2025). 22. Cavallo. A., Rigobon. R. The billion prices project: Using online prices for measurement and research // The Journal of Economic Perspectives. 2016. No. 30(2). P.151-178. https://doi.org/10.3386/w22111
|
