PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2018 | 22 | nr 4 | 79--97
Tytuł artykułu

The Size of the Substitution Bias of Inflation Measurement in Relation to the Level of Innovativeness of the European Union's Economies

Warianty tytułu
Wielkość obciążenia substytucyjnego pomiaru inflacji w relacji do poziomu innowacyjności gospodarek Unii Europejskiej
Języki publikacji
EN
Abstrakty
Wskaźnik cen towarów i usług konsumpcyjnych (CPI) jest powszechną miarą inflacji. Podobnie jak zharmonizowany wskaźnik cen (HICP) jest wyznaczany za pomocą indeksu Laspeyresa, dzięki czemu dane o konsumpcji koszyka dóbr nie muszą być bieżące (z okresu badanego). Indeks Laspeyresa, wykorzystując wagi jedynie z okresu bazowego, może nie odzwierciedlać zmian w preferencji konsumentów, jakie nastąpiły w badanym roku. Jest to przyczyna powstawania tzw. obciążenia substytucyjnego przy pomiarze inflacji. Celem pracy jest ocena wpływu poziomu innowacyjności gospodarki danego kraju na występowanie efektu substytucyjnego w pomiarze inflacji. Część empiryczna artykułu bazuje na podstawowych indeksach innowacyjności, tzn. SII, IOI czy GII. Ocena powiązań poziomu innowacyjności i skali efektu substytucyjnego została przeprowadzona z wykorzystaniem metod wielowymiarowej analizy statystycznej (m.in. analizy skupień, metody PROFIT).(abstrakt oryginalny)
EN
The consumer price index (CPI) is a common measure of inflation. Similarly to the harmonised index of consumer prices (HICP), it is determined using the Laspeyres index, thus data on the consumption of the basket of goods do not have to be current. The Laspeyres index, using weights only from the base period, may not reflect changes in consumer preferences that occurred in the studied year. This is the reason for the formation of the so-called substitution bias in the measurement of inflation. The aim of the article is to assess the impact of the level of innovativeness of a given country's economy on the occurrence of the substitution effect. The empirical part of the article is based on basic innovation indices, i.e. the SII, IOI, and GII. The assessment of the relationship between the level of innovativeness and the scale of the substitution effect was carried out based on the methods of multidimensional statistical analysis (including cluster analysis, the PROFIT method).(original abstract)
Rocznik
Tom
22
Numer
Strony
79--97
Opis fizyczny
Twórcy
  • University of Lodz, Poland
  • University of Lodz, Poland
Bibliografia
  • Adams J.D., Jaffe A.B., 1996, Bounding the effects of R&D: an investigation using matched establishment-firm data, RAND Journal of Economics, vol. 27, no. 4, pp. 700-721.
  • Anthony S.D., Johnson M.W., Sinfield J.V., Altman E.J., 2014, Przez innowację do wzrostu - jak wprowadzać innowację przełomową, Wolters Kluwer SA, Warszawa.
  • Baturo W., 2004, Nowa encyklopedia powszechna PWN, Wydawnictwo Naukowe PWN, Warszawa.
  • Białek J., 2016, Reduction in CPI commodity substitution bias by using the modified lloyd-moulton index, Statistika - Statistics and Economy Journal, vol. 96 (2), pp. 51-59, Czech Statistical Office, Praga.
  • Białek J., 2017a, Approximation of the Fisher price index by using the Lloyd-Moulton index: Simulation study, Communications in Statistics - Simulation and Computation, 46(5), pp. 3588-3598.
  • Białek J., 2017b, Approximation of the Fisher price index by using Lowe, Young and AG Mean indices , Communications in Statistics - Simulation and Computation, 46(8), pp. 6454-6467.
  • Camba-Mendez G., Gaspar V., Wynne M., 2002, Measurement issues in european consumer price indices and the conceptual framework of the HICP, European Central Bank, Frankfurt.
  • Clements K.W., Izan H.Y., 1987, The measurement of inflation: a stochastic approach, Journal of Business and Economic Statistics, 5(3), pp. 339-350.
  • Ducharme L.M., 2000, The Canadian CPI and the bias issue: present and future outlooks, Estadistica Espanola, vol. 42, no. 145, pp. 25-41.
  • Dutta S., Lanvin B., Wunsch-Vincent S. (eds.), 2017, The Global Innovation Index 2015. Innovation Feeding the World, Fontainebleau, Ithaca, and Geneva: Cornell University, INSEAD, the World Intellectual Property Organization (WIPO), http://www.wipo.int/edocs/pubdocs/en/wipo_pub_gii_2017.pdf; assessed 15.08.2018.
  • European Commission, 2010, EUROPE 2020. A strategy for smart, sustainable and inclusive growth, Communication from the Commission, COM(2010) 2020, http://ec.europa.eu/eu2020/pdf/COMPLET EN BARROSO 007 - Europe 2020 - EN version.pdf, assessed 20.08.2018.
  • European Commission, 2013, Commission launches new innovation indicator. Brussels: European Commission. Retrieved September 13, 2013, from http://europa.eu/rapid/press-release_IP-13- -831_pl.htm, assessed: 11.09.2018.
  • European Commission, 2017, European Innovation Scoreboard 2017, Internal Market, Industry, Entrepreneurship and SMEs, Brussels.
  • Eurostat, 2013, COICOP Five-Digit Structure and Explanatory Notes, https://www.dst.dk/ext/4197663288/0/pris/COICOP_pdf, assessed 18.09.2018.
  • Gatnar E., Walesiak M., 2004, Metody statystycznej analizy wielowymiarowej w badaniach marketingowych, Wydawnictwo Akademii Ekonomicznej, Wrocław.
  • Grabiński T., Wydymus S., Zeliaś A., 1989, Metody taksonomii numerycznej w modelowaniu zjawisk społeczno-gospodarczych, PWN, Warszawa.
  • Grębowiec M., 2017, Uwarunkowania akceptacji innowacyjnych produktów żywnościowych na rynku soków i napojów owocowych, Handel Wewnętrzny, vol. 3(368), pp. 287-300.
  • Hall B., Mairesse J., 1995, Exploring the relationship between R&D and productivity in French manufacturing firms, Journal of Econometrics, vol. 65, pp. 263-293.
  • Hałka A., Leszczyńska A., 2011, Wady i zalety wskaźnika cen towarów i usług konsumpcyjnych - szacunki obciążenia dla Polski, Gospodarka Narodowa, 9(241), pp. 51-75.
  • Jajuga K., 1993, Statystyczna analiza wielowymiarowa, Wydawnictwo Naukowe PWN, Warszawa.
  • Kruskal J.B., 1964, Nonmetric multidimensional scaling: A numerical method, Psychometrika, 29(2), pp. 115-129.
  • Kruskal J.B., Wish M., 1978, Multidimensional Scaling, Sage, California.
  • Lent J., Dorfman A.H., 2009, Using a weighted average of base period price indexes to approximate a superlative index, Journal of Official Statistics, 25(1), pp. 139-149.
  • Łukasik P., 2017, Analiza problemów pomiaru innowacyjności przedsiębiorstwa, Nierówności Społeczne a Wzrost Gospodarczy, vol. 52 (4/2017), pp. 416-423, https://repozytorium.ur.edu.pl/bitstream/handle/item/3348/30 Å‚ukasik-analiza problemów.pdf?sequence=1&isAllowed=y, assessed 10.09.2018.
  • Mamica Ł., 2007, Audyt innowacyjny firm jako narzędzie monitorowania innowacyjności gospodarki, [in:] S. Mazur (ed.), Ewaluacja funduszy strukturalnych: perspektywa regionalna, Uniwersytet Ekonomiczny w Krakowie, Fundacja Uniwersytetu Ekonomicznego, Kraków.
  • Marek T., 1989, Analiza skupień w badaniach empirycznych, PWN, Warszawa.
  • Nordhaus W.D., 1998, Quality change in price indexes, Journal of Economic Perspectives, vol. 12, pp. 59-68.
  • Nowicka A., 2015, Innowacyjna gospodarka kultura uczenia się przez całe życie, [in:] C. Schmidt, Współczesne problemy zarządzania i ekonomii, Poltext, Warszawa.
  • Olejniczak T., 2007, Innowacja produktowa na rynku żywności- postrzeganie, wpływ na zachowania nabywcze konsumentów, [in:] T. Czuba, M. Reysowski, M. Skurczyński (ed.), Innowacje w marketingu 4.0, Wydawnictwo Uniwersytetu Gdańskiego, Sopot.
  • Silver M., Heravi S., 2007, Why elementary price index number formulas differ: Evidence on price dispersion, Journal of Econometrics, 140(2), pp. 874-883.
  • Sneath P.H.A., Sokal R.R., 1973, Numerical Taxonomy, W.H. Freeman and Co., San Francisco.
  • Stępniak-Kucharska A., 2012, Działalność innowacyjna przedsiębiorstw przemysłowych w Polsce, Studia Prawno-Ekonomiczne, vol. LXXXVI, pp. 293-319.
  • Staśkiewicz J., Innowacyjność Polski na tle wybranych krajów w ujęciu wskaźników syntetycznych, Finanse, Rynki Finansowe, Ubezpieczenia, vol. 57, pp. 575-589.
  • Takane Y., Young F., de Leeuw J., 1976, Non-metric individual differences multidimensional scaling: an alternating least squares method with optimal scaling features, Psychometrika, 42(1), pp. 7-67.
  • Vertesy D., The Innovation Output Indicator 2017. Methodology Report, EUR 28876 EN, Publications Office of the European Union, Luxembourg, 2017, doi:10.2760/971852, JRC108942, p. 33, http://publications.jrc.ec.europa.eu/repository/bitstream/JRC108942/jrc108942_ioi_2017_report_final.pdf, assessed 11.09.2018.
  • Von der Lippe P., 2007, Index Theory and Price Statistics, Peter Lang, Frankfurt, Germany.
  • White A.G., 1999, Measurement biases in consumer price indexes, International Statistical Review, 67(3), pp. 301-325.
  • Young F.W., Hamer R.M., 1987, Multidimensional Scaling: History, Theory and Application, Lawrence Eribaum Associates, New Jersey.
  • Zaborski A., Pełka M., 2013, Geometrical presentation of preferences by using profit analysis and R program, Folia Oeconomia. Acta Universitatis Lodziensis, 285, pp. 191-197.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171535661

Zgłoszenie zostało wysłane

Zgłoszenie zostało wysłane

Musisz być zalogowany aby pisać komentarze.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.