Zastosowanie danych skrapowanych i skanowanych w pomiarze inflacji

Abstract

Głównym celem pracy doktorskiej jest omówienie zalet i ograniczeń, związanych z wykorzystaniem nowych źródeł danych w pomiarze inflacji. Autor w swojej dysertacji skupia się przede wszystkim na gruntownym porównaniu szeregu formuł indeksowych i sprawdzeniu możliwości ich zastosowania w ramach poszczególnych, alternatywnych źródeł danych. W szczególności, celem pracy była ocena przydatności szeregu metod mających na celu zmniejszenie obciążenia pomiaru inflacji bazującego na danych skanowanych i skrapowanych, takich jak metody rozszerzania okna czasowego dla wyznaczenia indeksów multilateralnych, metody filtracji danych oraz eliminacji obserwacji nietypowych, a także metody agregacji danych ze względu na homogeniczne podgrupy produktów i outlety danej sieci handlowej. Obliczenia zostały wykonane w języku R z wykorzystaniem m.in. pakietów PriceIndices i microbenchmark przy czym obejmowały operacje na 3 typach zbiorów danych: · danych skrapowanych pozyskanych z jednego z najpopularniejszych sklepów internetowych oferujących odzież i obuwie; · dwóch zbiorów danych skanowanych umieszczonych w pakiecie PriceIndices i zbiorze danych dołączonych do publikacji Międzynarodowego Funduszu Walutowego (CPI Manual); · siedmiu zbiorów sztucznie wygenerowanych przez autora.

The main objective of the doctoral thesis is to discuss the advantages and limitations associated with the use of new data sources in measuring inflation. The author focuses on a thorough comparison of various index formulas and examines their potential application within individual alternative data sources, specifically evaluating a scries of methods to reduce the measurement bias of inflation based on scraped and scanned data, such as methods for expanding the time window to determine multilateral indices, data filtering, elimination of atypical observations, and data aggregation by homogeneous subgroups of products and outlets of a given retail network. The calculations were performed in R using packages such as PriceIndices and microbenchmark and involved operations on three types of data sets: scraped data obtained from one ofthe most popular online stores sclling clothing and footwear; two sets of scanned data in the PriceIndices package and the data set attached to the International Monetary Fund (CPI Manual) publication; and seven sets of artificially generated data by the author.