Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "wskaźnik cen towarów i usług konsumpcyjnych (CPI)" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Wykorzystanie danych skanowanych do pomiaru inflacji – doświadczenia międzynarodowe i wyzwania metodologiczne
Autorzy:
Jacek, Białek,
Powiązania:
https://bibliotekanauki.pl/articles/542672.pdf
Data publikacji:
2020-03-02
Wydawca:
Główny Urząd Statystyczny
Tematy:
wskaźnik cen towarów i usług konsumpcyjnych (CPI)
dane skanowane
indeksy cen
Opis:
Zgodnie z definicją Organizacji Współpracy Gospodarczej i Rozwoju (OECD) dane skanowane to szczegółowe informacje o dobrach konsumpcyjnych uzyskane dzięki skanowaniu ich kodów kreskowych w punktach sprzedaży. Zaletami tego rodzaju danych są: kompletność już na najniższym poziomie agregacji, relatywnie niski koszt ich uzyskania oraz mnogość obserwacji. Niemniej jednak dane skanowane mają też wady i ograniczenia. Celem artykułu jest wskazanie problemów i wyzwań metodologicznych związanych z uzyskiwaniem, przetwarzaniem i agregacją danych skanowanych wykorzystywanych do szacowania wskaźnika towarów i usług konsumpcyjnych (CPI). Jedna z kluczowych decyzji polega na wyborze formuły indeksowej przeznaczonej dla elementarnych, homogenicznych grup produktów. Istotę problemu wraz z rekomendacjami zademonstrowano na przykładzie dwóch zbiorów danych z portalu Allegro za okres 4.12.2015–28.12.2018, uzyskanych za pomocą narzędzia TradeWatch. Badanie wrażliwości wyników pomiaru dynamiki cen ze względu na wybór formuły indeksu objęło dwie grupy produktów: zegarek męski sportowy oraz fotel biurowy. Najważniejsze spostrzeżenia są następujące: po pierwsze, różnice między indeksami bilateralnymi a ich łańcuchowymi wersjami mogą być znaczne, co wynika zapewne z dynamicznego charakteru danych skanowanych; po drugie, różnice między wskazaniami indeksów multilateralnych mogą wynosić nawet parę punktów procentowych dla rocznego okna obserwacji; po trzecie, różnice pomiędzy wartościami indeksów GEKS i CCDI są nieznaczne, a różnice między indeksem Geary’ego-Khamisa dla pełnego okna czasowego i okna bieżącego (real time index) przestają być znaczące już po upływie kilku miesięcy; po czwarte, ceny produktów sprzedawanych na platformie elektronicznej, a także wartość i wielkość ich sprzedaży mogą zależeć od dnia tygodnia, a nawet godziny pomiaru.
Źródło:
Wiadomości Statystyczne. The Polish Statistician; 2020, 65, 1; 9-33
0043-518X
Pojawia się w:
Wiadomości Statystyczne. The Polish Statistician
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Prognozowanie wybranego subindeksu CPI przy użyciu danych Google Trends
Forecasting transport inflation using Google Trends
Autorzy:
Marynowska, Anna
Powiązania:
https://bibliotekanauki.pl/articles/585573.pdf
Data publikacji:
2018
Wydawca:
Uniwersytet Ekonomiczny w Katowicach
Tematy:
Analiza czynnikowa
Google Trends
Inflacja
Prognozowanie
Wskaźnik cen towarów i usług konsumpcyjnych
Consumer price index (CPI)
Forecasting
Inflation
Principal components
Opis:
Prognozy inflacji mają bezpośredni wpływ na prowadzenie polityki monetarnej państwa oraz odgrywają dużą rolę w uświadamianiu społeczeństwa o potrzebie wprowadzenia ewentualnych zmian w sposobie jej prowadzenia. W celu zapewnienia trafności konstruowanych prognoz stale poszukuje się zmiennych, które istotnie wpływają na inflację. Celem artykułu jest sprawdzenie, czy dane udostępniane przez serwis Google Trends mogą poprawić dokładność prognoz komponentów CPI związanych z sektorem transportowym. Dla każdego z subindeksów zbudowano modele prognostyczne uwzględniające zmienne wpływające na poziom wybranych cen, modele wzbogacone o hasła z wyszukiwarki Google i modele zawierające w swojej specyfikacji wspólne czynniki opisujące zmienność 32 wybranych haseł Google.
Inflation forecasts determine the monetary policy and can be treated as a way of raising society’s awareness of the fact that it needs certain adjustments. Experts continuously seek for the adequate variables that affect the level of inflation. In this paper the author examines whether Google Trends improve forecast of three chosen CPI components related to transport. The Author created a prognostic model for each of the components. Created models include: independent variables such as oil price and rate of excise duty, chosen variables together with statistics provided by Google Trends or principal components (explaining 32 google variables’ volatility) accordingly.
Źródło:
Studia Ekonomiczne; 2018, 375; 55-72
2083-8611
Pojawia się w:
Studia Ekonomiczne
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies