↘ Wykres 17. Ceny szacowane w miesięcznym wskaźniku inflacyjnym (w proc.)
Źródło: opracowanie własne PIE na podstawie danych GUS.
Na wykresie 18 przedstawiliśmy wskaźniki cen w latach 2020 i 2021 Pandemia wpłynęła na zmniejszenie dynamiki zmian cen w transporcie i branży tekstylnej W maju 2020 r inflacja CPI wyniosła tu odpowiednio -12,8 i -4,2 proc r/r
Od marca 2020 r obserwowany jest również ciągły spadek dynamiki cen żywności i napojów
(z 7,3 do 0,9 proc r/r między marcem 2020 r
a lutym 2021 r) oraz wzrost wydatków mieszka-niowych (z 0,6 do 2,2 proc) Analiza zmian cen w poszczególnych miesiącach pozwoliła przed-stawić stopień inflacji w zależności od koszyków konsumenckich dla różnych grup wydatkowych
01 06 07 01 02
2020 2021
12
03 04 05 09 10 11
02 08
18,4
9,8 6,0
2,0 1,9 3,0
8,7 8,3
6,6 5,4
26
Nierówne uderzenie inflacji↘ Wykres 18. Wskaźnik cen towarów i usług w wybranych kategoriach (w proc. r/r)
Źródło: opracowanie własne PIE na podstawie danych GUS.
Odczuwalny wzrost cen w czasie wiosenne-go lockdownu prawdopodobnie mógł być wyż- szy niż oficjalna miara GUS, jednak w pozosta- łych badanych miesiącach wskaźnik ten był zawyżany. Ponadto w pandemii wzrost cen był bardziej odczuwalny dla 20 proc najwięcej wy-datkujących niż dla pozostałych Wynikało to min
z ograniczeń w handlu i usługach, które zatarły różnice w strukturach portfeli
W celu uzyskania bieżących informacji o sytu- acji konsumentów wykorzystaliśmy szacunki Mastercard, dla których możliwe jest wyróżnienie konkretnych grup wydatkowych Podział ten nie odzwierciedla grup kwintylowych GUS, jednak stanowi przydatne narzędzie do oceny zmian kon-sumenckich zależnych od poziomu zamożności
Relacje między dochodami a konsumpcją zosta-ły szeroko opisane w literaturze (Duesenberry, 1967; Khan, Ahmad, 2014; Diacon, Maha, 2015;
Eurostat, 2020). Wydatki rosną wraz z dochodami,
jednak zmienia się ich struktura. Poziom do-chodów nie odpowiada bezpośrednio wielkości konsumpcji, co obrazuje m.in. wspomniane wcześ- niej prawo Engla. Dodatkowo poziom dochodów gospodarstw domowych ma mniejsze znaczenie dla wydatków w krajach o średnim poziomie do- chodów, a większe w przypadku krajów o niskim bądź wysokim poziomie dochodów, do których zalicza się Polska (Bank Światowy, 2021).
Na wykresie 19 przedstawiliśmy porównanie wskaźnika cen towarów i usług dla koszyków inflacyjnych GUS i Mastercard w zagregowanych kategoriach. Ponieważ nie możemy zidentyfikować jednostkowych towarów w wydatkach z kart płatniczych, wskazane wartości są przybliżone i oparte na ogólnych wskaźnikach cen towarów i usług według klasyfikacji COICOP i koszyka inflacyjnego w danym miesiącu. Zestawienie wskaźników cen dla struktury konsumpcji GUS i Mastercard sugeruje, że rzeczywista inflacja
Inflacja w grupach wydatkowych w czasie pandemii
01 06 07 01 02 lub domu i prowadzenie gospodarstwa domowego Pozostałe towary i usługi
27
Nierówne uderzenie inflacji
Inflacja GUS Inflacja Mastercard
w czasie wiosennego lockdownu mogła być wyższa niż oficjalna miara GUS. Różnica w marcu wyniosła 0,55 pkt. proc., a w kwietniu 0,96 pkt.
proc. Od czerwca rozbieżność oscylowała wokół 0,1 pkt. proc. Pokazuje to przewagę danych wysokich częstotliwości, które uchwyciły zmiany w kompozycji koszyka zakupowego w badanym okresie. W pozostałych przedziałach czasowych inflacja GUS była zawyżona, za czym przema-
wiają teoretyczne podstawy, w tym błyskawiczne reakcje konsumentów na zmiany cen, problem porównywalności substytutów czy efekt do-chodowy, który polega na tym, że bogacąca się osoba kupuje coraz to droższe produkty lepszej jakości i odczuwa tym samym drożejący koszyk zakupowy (mBank, 2018). W dalszej części raportu analizujemy koszyk inflacyjny 20 proc.
najwięcej i najmniej wydatkujących (aneks).
Na wykresie 20 przedstawiliśmy zróżnicowanie koszyków w zależności od stopnia zamożności spo-łeczeństwa. Miara ta zdecydowanie malała w czasie
zamykania gospodarki. Brak możliwości wydatko-wania pieniędzy w wybranych kategoriach wpły- wał na zbliżenie się koszyków zakupowych Polaków.
↘ Wykres 19. Porównanie miesięcznych wskaźników cen towarów i usług dla koszyka inflacyjnego GUS i Mastercard (w proc.)
↘ Wykres 20. Zróżnicowanie koszyka inflacyjnego górnych i dolnych 20 proc. wydatkujących Uwaga: miesięczne wskaźniki cen towarów i usług dla różnych koszyków konsumpcyjnych zostały obliczone na pod-stawie raportowanych wartości oficjalnej miary inflacji i udziału w wydatkach danej kategorii.
Źródło: opracowanie własne PIE na podstawie danych GUS i szacunkowych danych dotyczących wydatków według Mastercard.
Uwaga: jako miarę zróżnicowania przyjęliśmy kwadrat odległości euklidesowej. Im mniejsza wartość tym koszyki bardziej zbliżone do siebie.
Źródło: opracowanie własne PIE na podstawie szacunkowych danych dotyczących wydatków według Mastercard.
5
0
2019
01020304050607080910 11 12
2020
0102030405060708091011 12 2021 01 02
200
100
0
2019
01 02 03 04 05 06 07 08 09 10 11 12
2020
01 02 03 04 05 06 07 08 09 10
28
Nierówne uderzenie inflacjiMamy do czynienia z nietypowym kryzysem i trudno stwierdzić ile z wydatków na dobra drugiej czy nawet trzeciej potrzeby zniknęło z portfeli zamożnych osób, nie z powodu intencjonalnego ograniczenia zakupów, ale dlatego że nie mogli ich realizować (wykres 21). W grupie z najwyższy-mi wydatkanajwyższy-mi ograniczono możliwość podróży zagranicznych, korzystania z usług i zabiegów ko-smetycznych, a sklepy z biżuterią zlokalizowane były zwykle w zamykanych galeriach handlowych
(udział e-commerce w tej branży był niewysoki). Wśród bogatszych gospodarstw domowych w czasie pandemii nastąpiło bardziej gwałtowne ograni-czenie wydatków ogółem – dotyczyło to większości badanych kategorii. Różnice udziałów poszcze-gólnych grup między najbogatszymi i pozostałymi zmniejszyły się w trakcie lockdownu, co dodatkowo może oznaczać skupienie się na esencjonalnych wydatkach i zatarcie różnic wynikających z moż- liwości finansowych bogatszych konsumentów.
↘ Wykres 21. Koszyk inflacyjny w grupie górnych i dolnych 20 proc. wydatkujących w latach 2019-2020 (w proc.)
Źródło: opracowanie własne PIE na podstawie szacunkowych danych dotyczących wydatków według Mastercard.
Górne 20 proc. wydatkujących
Dolne 20 proc. wydatkujących 100
75 50 25
0
2019
0102030405060708091011 12
2020 01020304050607080910
100 75 50 25
0
2019
0102030405060708091011 12
2020 01020304050607080910
Restauracje i hotele Pozostałe towary i usługi
Rekreacja i kultura Transport
Odzież i obuwie Zdrowie
Wyposażenie mieszkania lub domu i prowadzenie gospodarstwa domowego Żywność i napoje
29
Nierówne uderzenie inflacji
W ostatniej części analizy przedstawiamy różnice w wysokości inflacji w zależności od ko-szyka zakupowego 20 proc. najwięcej i najmniej wydatkujących. W kontekście konsumpcji nie odnotowaliśmy zwiększenia nierówności – to bogatsze osoby od początku pandemii bardziej odczuwały wzrost cen niż ubożsi (wykres 22). Nie oznacza to jednak bezpośrednio, że rozwarstwie-nie społeczne rozwarstwie-nie zachodzi. Koszyk inflacyjny nie obejmuje aktywów finansowych, zakupio- nych na własność mieszkań, ziemi rolnej i budow-lanej czy dzieł sztuki. Tym samym nie braliśmy
pod uwagę różnicy w oszczędnościach i inwe-stycjach, co w większym stopniu wpływa na to, że bogatsi konsumenci są w stanie sobie lepiej radzić w czasie kryzysu. Ograniczając się jednak do samej konsumpcji, możemy zauważyć na podstawie koszyków inflacyjnych Mastercard, że pandemia w zbliżony sposób uderzyła w każde- go. Spadająca dynamika cen żywności i brak możliwości wydatkowania pieniędzy w wybra-nych kategoriach towarów i usług wpłynął na potencjalnie lepszą sytuację najuboższych gospo- darstw domowych względem tych najbogatszych
↘ Wykres 22. Zróżnicowanie stopnia obciążenia inflacją górnych i dolnych 20 proc. wydatkujących w okresie 01-10.2020 (w pkt. proc.)
Uwaga: wartości dodatnie oznaczają inflację, która bardziej obciąża bogatsze gospodarstwa domowe.
Źródło: opracowanie własne PIE na podstawie szacunkowych danych dotyczących wydatków według Mastercard.
01 02 03 04 05 06 07 08 09 10 2020
0,05 0,11
0,13 0,15
0,22 0,13
0,33 0,41
0,45 0,41
30
Podsumowanie
W czasie gwałtownych zmian w gospodarce dane wysokiej częstotliwości stanowią ważny zasób. Pandemia uwypukliła problem braku bieżących informacji w procesie decyzyjnym po-lityki publicznej. Jednym z czynników wyraźnie zależnych od sytuacji epidemicznej i związanych z nią ograniczeń była konsumpcja. Wykorzystanie szacunkowych danych wydatkowych według Mastercard pozwoliło przeanalizować zmiany zachodzące w ostatnich miesiącach i zestawić je z długofalowymi trendami opartymi na oficjalnych miarach z Głównego Urzędu Statystycznego.
Od dwóch dekad standard życia w Polsce podnosi się. Struktura koszyka konsumpcyjnego, która jest związana z zamożnością gospodarstw domowych, uległa zmianom – udział żywności i napojów zmalał na rzecz restauracji, hoteli czy transportu. Lepsza sytuacja finansowa Polaków pozwalała przeznaczać wyższe wydatki na odzież i obuwie czy rekreację. Pandemia zahamowa-ła proces transformacji gospodarki. Wiosną 2020 r. wydatki całkowite były o 40 proc. niższe niż spodziewane w tym okresie i ponad 30 proc.
niższe niż w analogicznym okresie poprzedniego roku. Nie tylko nominalne wartości zmalały, ale cały koszyk zakupowy uległ dekompozycji.
Z powodu ograniczeń pandemicznych część branży handlowo-usługowych nie mogła pro-wadzić działalności. Struktura koszyka cofnęła się do poziomów sprzed ponad dekady.
Pandemia miała wiązać się z wyraźnym spad- kiem inflacji. W Polsce scenariusz ten się nie
zrealizował, a wzrosty cen stały się jedną z głów- nych obaw konsumentów. NBP odnotowywał wysokie odczyty, powyżej celu inflacyjnego. Wzma-gało to opinie o zaniżonej mierze publikowanej przez GUS, w związku z budową koszyka infla-cyjnego, która nie reaguje na gwałtowne zmiany w bieżącej konsumpcji. Rzeczywista inflacja w trakcie wiosennego lockdownu mogła być wyższa niż oficjalna miara GUS, jednak kolejne miesiące pokazały, że wskaźnik ten jest zwykle zawyżany, a prawdziwy wzrost cen jest mniejszy od raportowanego.
Struktury koszyków najbogatszych i najbied-niejszych w czasie pandemii upodobniły się do siebie, przez co zmalała rozbieżność w obciążeniu przez inflację. Z raportu wynika, że sam wzrost cen nie wpływał na zwiększenie nierówności.
Warto jednak mieć na uwadze, że w czasie kryzysu i wysokiej inflacji bogatsze gospodarstwa domowe zabezpieczają się głównie przez inwe- stycje, co zostało pominięte w powyższej analizie.
Nasz raport ma zachęcić odbiorców do przyjrzenia się zróżnicowanej dystrybucji obcią-żenia inflacyjnego, jak również wykorzystania alternatywnych źródeł danych w gospodar-czym procesie decyzyjnym. Zbieżność z oficjal-nymi miarami GUS, jak również dodatkowe zalety w postaci wysokiej częstotliwości i se-zonowości, pozwalają na uzyskanie bieżącego obrazu gospodarki. Dostępność takich danych może wspierać procesy decyzyjne, szczegól- nie w bardzo zmiennych czasach kryzysowych.
31
Bibliografia
Akçelik, F., Cömert, H. (2017), Does Inflation Vary across Income Groups? Evidence from an Emerging Market, Salerno Universitesi Seminer Serisi, https://open.metu.edu.tr/handle/11511/72785 [dostęp: 20.04.2021].
Argente, D., Munseob, L. (2017), Cost of Living Inequality during the Great Recession, SSRN Scholary Paper ID 2567357, Social Science Research Network, Rochester.
Bank Światowy (2021), World Bank Country and Lending Groups, https://datahelpdesk.worldbank.org/
knowledgebase/articles/906519 [dostęp: 20.04.2021].
Baran, J., Jankowska, A. (2017), Preferencje polskich konsumentów dotyczące zakupów internetowych odzieży, „PTiL”, nr 3(29), https://doi.org/10.18276/ptl.2017.39-08.
Białek, J. (2019), Metodologia pomiaru inflacji: stan obecny i wyzwania, Uniwersytet Łódzki, Główny Urząd Statystyczny, Warszawa.
Bujak, P., Petka-Zagajewska, M., Czaplicki, M., Kryńska, U., Rot, M. (2020), Makro Focus,
PKO Bank Polski, Warszawa, https://www.pkobp.pl/media_files/1fa2b4ba-c3e9-404f-aeb-9-4b12463cb614.pdf [dostęp: 20.04.2021].
CASE (2015), Online CASE CPI, https://www.case-research.eu/pl/online-case-cpi [dostęp: 20.04.2021].
Cavallo, A. (2020), Inflation with COVID consumption baskets, Working Paper, No. 27352, National Bureau of Economic Research, Cambridge.
CBOS (2020), Aktywności i doświadczenia Polaków w 2019 roku, https://www.cbos.pl/SPISKOM.
POL/2020/K_017_20.PDF [dostęp: 20.04.2021].
Chen, H., Qian, W., Wen, Q. (2020), The Impact of the COVID-19 Pandemic on Consumption: Learning from High Frequency Transaction Data, https://doi.org/10.2139/ssrn.3568574.
Czerniak, A. (2019), Dynamiczny indeks konsumpcji, Polityka Insight, Fundacja Polska Bezgotówkowa, http://www.indekskonsumpcji.pl/ [dostęp: 20.04.2021].
Czerwiński, A. (2019), 15 lat Polski w Unii Europejskiej, Polski Instytut Ekonomiczny, Warszawa.
Di Tella, R., MacCulloch, R.J., Oswald, A.J. (2001), Preferences over Inflation and Unemployment: Evidence from Surveys of Happiness, “The American Economic Review”, No. 91(1).
Diacon, P.-E., Maha, L.-G. (2015), The Relationship between Income, Consumption and GDP:
A Time Series, Cross-Country Analysis, “Procedia Economics and Finance”, No. 23, https://doi.org/10.1016/S2212-5671(15)00374-3.
Duesenberry, J. (1967), Income, saving and the theory of consumer behavior, Oxford University Press, Oxford.
Dunn, A., Hood, K., Driessen, A. (2021), COVID-19 and Recovery: Estimates from Payment Card Transactions, Bureau of Economic Analysis, Washington.
Eurostat (2020), Interaction of household income, consumption and wealth - statistics on main results, https://ec.europa.eu/eurostat/statistics-explained/index.php/Interaction_of_household_
income,_consumption_and_wealth_-_statistics_on_main_results#Interplay_between_
indicators [dostęp: 20.04.2021].
32
BibliografiaEurostat (2021), Europejska klasyfikacja spożycia indywidualnego według celu (ECOICOP),
https://ec.europa.eu/eurostat/ramon/nomenclatures/index.cfm?TargetUrl=LST_NOM_
DTL&StrNom=COICOP_5&StrLanguageCode=PL&IntPcKey=&StrLayoutCode=HIERARCHIC [dostęp: 20.04.2021].
Fu, H., Sanchez-Paramo, C. (2020), High-frequency monitoring of COVID-19 impacts, “World Bank Blogs”, https://blogs.worldbank.org/opendata/high-frequency-monitoring-covid-19-impacts [dostęp: 20.04.2021].
Grzeszak, J., Leśniewicz, F., Święcicki, I. (2020), Monitoring gospodarki cyfrowej. Trzy kwartały przyspieszonej transformacji, Polski Instytut Ekonomiczny, Warszawa.
GUS (2020), Kultura w 2019 r., Warszawa.
GUS (2021), Koniunktura konsumencka, Warszawa.
Hofstetter, M., Rosas, J. (2018), The Poor and the Rich: Preferences Over Inflation and Unemployment,
“Documento CEDE”, No. 2018-05, http://dx.doi.org/10.2139/ssrn.3116899.
Jaravel, X. (2019), The Unequal Gains from Product Innovations: Evidence from the U.S. Retail Sector,
“The Quarterly Journal of Economics”, nr 134(2).
Kakar, V., Daniels, G.E. (2019), Role of cash and costs of inflation for different income groups in the U.S.,
“Economic Modelling”, No. 80, https://doi.org/10.1016/j.econmod.2018.11.016.
Keogh-Brown, M. (2009), The possible macroeconomic impact on the UK of an influenza pandemic,
“Health Economics”, No. 19(11).
Khan, A.-u.-d., Ahmad, I. (2014), An Emperical Study into the Relation of Income and Consumption Using Cross-Sectional Data, ASEE 2014 Zone I Conference, University of Bridgeport, Bridgeport.
Kuźnar, A. (2020), Nowe tendencje w międzynarodowych przepływach usług, (w:) Kowalski, A.M., Weresa, M.A. (eds.), Polska. Raport o konkurencyjności 2020. Konkurencyjność międzynarodowa w kontekście rozwoju sektora usług, Oficyna Wydawnicza SGH, Warszawa.
Maison&Partners (2020), Badanie przeprowadzone dla platformy Kapitalni.org,
https://firma.rp.pl/biznes/9155-pandemia-koronawirus-obawy-inflacja-poduszka-finansowa--utrata-pracy [dostęp: 20.04.2021].
Mankiw, G. (2006), The Inflation Tax, http://gregmankiw.blogspot.com/2006/05/inflation-tax.html [dostęp: 20.04.2021].
Mazurkiewicz, A., Pizło, W. (2009), Podstawy marketingu, PWSBiA, Warszawa.
mBank (2018), GUS zaniża inflację?, „Business Insider”, https://businessinsider.com.pl/
finanse/makroekonomia/inflacja-jak-liczony-jest-wskaznik-wzrostu-cen/48vhest [dostęp: 20.04.2021].
McKibbin, W., Sidorenko, A. (2006), Global macroeconomic consequences of pandemic, https://www.researchgate.net/publication/266579576_Global_Macroeconomic_
Consequences_of_Pandemic_Influenza [dostęp: 20.04.2021].
Michoń, P. (2020), Koronawirus a pomoc państwa – raport z badań, Uniwersytet Ekonomiczny w Poznaniu, Poznań.
Milovanska-Farrington, S. (2021), The Effect of Child Benefits on Financial Difficulties and Spending Habits:
Evidence from Poland’s Family 500+Program, IZA Institute of Labour Economics, University of Tampa, http://ftp.iza.org/dp14274.pdf [dostęp: 20.04.2021].
ONZ (2021), The Sustainable Development Goals Report 2020, https://unstats.un.org/sdgs/report/
2020/the-need-for-data-innovations-in-the-time-of-COVID-19/ [dostęp: 20.04.2021].
33
Bibliografia
PIE (2020), Pandemia zmieniła zwyczaje konsumenckie Polaków, https://pie.net.pl/pandemia-zmienila--zwyczaje-konsumenckie-polakow/ [dostęp: 20.04.2021].
Piekut, M., Smentyna, N. (2020), Selected issues of socio-economic development in Poland and Ukraine, Warsaw University of Technology, Płock.
Pizło, W., Mazurkiewicz-Pizło, A. (2017), Styl życia jako egzemplifikacja zmian zachowań konsumpcyjnych Polaków, „Polityki Europejskie, Finanse i Marketing”, nr 17(66).
Prager, F., Wei, D., Rose, A. (2016), Total economic consequences of an influenza outbreak in the United States, “Risk Analysis”, No. 37(1).
Radło, M. (2020), Konkurencyjność polskiego sektora usług w handlu zagranicznym, (w:) Kowalski, W., Weresa, M.A. (eds.), Polska. Raport o konkurencyjności 2020. Konkurencyjność międzynarodowa w kontekście rozwoju sektora usług, Oficyna Wydawnicza SGH, Warszawa.
Rybacki, J., Bińczak, T., Kaczmarek, F. (2018), Is HICP really harmonized? Problems with quality adjustments and new products, http://rocznikikae.sgh.waw.pl/p/roczniki_kae_z53_06.pdf [dostęp: 20.04.2021].
Science and Technology Committee (2021), Nature of the scientific advice to Government, UK Parliament, https://publications.parliament.uk/pa/cm5801/cmselect/cmsctech/
136/13608.htm#_idTextAnchor089 [dostęp: 20.04.2021].
Sempruch-Krzemińska, K., Kall, J., Perchla-Włosik, A., Raciniewska, A. (2016), Zmiany w zachowaniach nabywców na rynku mody, „Studia i Prace WNEiZ US”, https://doi.org/10.18276/sip.2016.43/3-34.
Smith, T. (2017), Using credit card payments data for the public good, “News and insight from the Office for National Statistics”, National Statistical, https://blog.ons.gov.uk/2017/12/13/using-credit--card-payments-data-for-the-public-good/ [dostęp: 20.04.2021].
Strzębicki, D. (2020), Rozwój sprzedaży posiłków przez internet, „Zeszyty Naukowe Turystyka i Rekreacja”, nr 25(1).
Wolfers, J. (2003), Is Business Cycle Volatility Costly? Evidence from Surveys of Subjective Well-Being,
“International Finance”, No. 6(1).
WTO (2019), World Trade Report 2019. The future of services trade, Genewa.
34
Aneks
W pierwszej części tego raportu (Zmiany trendów zakupowych) wzięliśmy pod uwagę przeciętne miesięczne wydatki na osobę w go-spodarstwach domowych z Badania Budżetów
Gospodarstw Domowych. Kategorie, dla których zbierane są dane, opisano w europejskiej kla-syfikacji spożycia indywidualnego według celu (tabela 2).
Udziały wydatków w poszczególnych ka-tegoriach wskazane na wykresie 4 w części Kom- pozycja koszyka zakupowego nie odpowiadają publikowanym wartościom koszyka inflacyjnego GUS. Różnica wynika z przyjętych założeń. Pod uwagę wzięliśmy udział wartości przeciętnych wydatków miesięcznych poszczególnych kategorii w całości. Różnicę między tymi danymi, a publikowanym koszykiem inflacyjnym przed-stawiliśmy w zestawieniu udziałów na wykresie 5. Wzięliśmy pod uwagę rzeczywiste wartości
wydatkowane, a nie deklarowane, ich udział liczyliśmy względem sumy wszystkich składowych kategorii. Zagregowano „żywność i napoje bez- alkoholowe” z „alkoholami, wyrobami tytoniowy- mi i innymi używkami”, „użytkowanie mieszkania”
z jego „wyposażeniem” w celu wskazania sumarycz-nych wydatków mieszkaniowych oraz „rekreację i kulturę” z „restauracjami i hotelami”, co pozwo- liło na wyraźniejsze pokazanie wydatków koja-rzonych ze spędzaniem czasu wolnego. Wybra- ne do analizy kategorie przedstawiamy w tabeli 3.
↘ Tabela 2. Europejska klasyfikacja spożycia indywidualnego według celu (ECOICOP)
Źródło: opracowanie własne PIE na podstawie: Eurostat (2021).
Nr Kategoria
01 Żywność i napoje bezalkoholowe
02 Napoje alkoholowe, wyroby tytoniowe i narkotyki 03 Odzież i obuwie
04 Użytkowanie mieszkania lub domu, zaopatrzenie w wodę, energię elektryczną, gaz i inne paliwa
05 Wyposażenie mieszkania lub domu i prowadzenie gospodarstwa domowego
06 Zdrowie
07 Transport
08 Łączność
09 Rekreacja i kultura
10 Edukacja
11 Restauracje i hotele 12 Pozostałe towary i usługi
35
Aneks
Na potrzeby badania możliwości wykorzy-stania danych wysokiej częstotliwości w ocenie wskaźników raportowanych przez Główny Urząd Statystyczny wykorzystaliśmy szacunkowe dane o wartości wydatków realizowanych kartami płatniczymi. Wolumeny transakcji Mastercard zostały zanonimizowane i zagregowane do ka- tegorii zakupowych. Wyskalowaliśmy je i skory- gowaliśmy dwoma dodatkowymi współczynnika-mi odzwierciedlającywspółczynnika-mi:
a. udziałem Mastercard w obrocie karta-mi płatniczykarta-mi raportowanym kwartalnie przez NBP,
b. udziałem kart płatniczych w obrocie cał-kowitym zrealizowanym w danym okresie, na podstawie badania ciągłego realizowa-nego przez Mastercard i Kantar Polska.
Badanie to obejmuje największe kategorie zakupowe. Jest przeprowadzane telefonicznie,
w sposób ciągły, z częstotliwością dzienną (6 dni w tygodniu) na reprezentatywnej próbie Polaków, co pozwala na oszacowanie nawet krótkoterminowych zmian w udziale danego środka płatniczego. We współczynniku b) uwzględnia się skalę częściowego wyparcia gotówki, które miało miejsce w trakcie pierwszego lockdownu. Dane zaprezentowane w zestawieniu nie są reprezentacją wyników finansowych Mastercard. Ze względu na konieczność ochrony informacji na temat surowych wolumenów transakcji dokonywanych kartami Mastercard, współczynniki skalujące nie mogą być podane do wiadomości publicznej.
Zestawienie koszyka inflacyjnego opartego na szacunkowych danych dotyczących wydatków we-dług Mastercard i oficjalnych miar GUS (w tabeli 1 z części Dane wysokiej częstotliwości w obrazowaniu konsumpcji) zostało przeprowadzone dla zagre- gowanych kategorii przedstawionych w tabeli 4.
↘ Tabela 3. Wybrane kategorie wydatkowe w analizie kompozycji koszyka GUS
Źródło: opracowanie własne PIE.
Nr Kategoria
01 Żywność, napoje i używki 02 Odzież i obuwie 03 Mieszkanie
04 Zdrowie
05 Transport
06 Łączność
07 Rekreacja, kultura, restauracje i hotele
08 Edukacja
09 Pozostałe towary i usługi
36
AneksW tabeli 5 przedstawiliśmy wyniki testu znaków dla koszyków inflacyjnych GUS i Mastercard w latach 2019-2021. Test ten jest nieparametryczną alternatywą testu t dla prób zależnych. Założeniem wymaganym jest roz- kład ciągły. Wyniki testu nie dają podstaw do
odrzucenia hipotezy zerowej, o braku istot-nych różnic. Oznacza to zbieżność badaistot-nych koszyków inflacyjnych. Dodatkowo współ-czynnik korelacji Pearsona każdej z porówny- wanych struktur zakupowych oscyluje wokół 0,99, co oznacza bardzo silne podobieństwo.
Grupy wydatkowe Mastercard zostały wy-znaczone na podstawie dwuletniej obserwacji.
Jeśli w tym czasie dana osoba (karta) należała do 20 proc. najwięcej wydatkujących, była oznacza-na jako karta premium. Ze względu oznacza-na ochronę danych nie jest możliwe podanie wskazanego progu wydatkowego.
Ponadto analizę przeprowadziliśmy na portfelu kart like-for-like, co oznacza, że były to karty obecne na rynku w całym okresie obserwa-cji. Wykorzystane dane Mastercard zostały za-nonimizowane niezależnie, do przygotowania niniejszego zestawienia nie używaliśmy danych personalnych.
↘ Tabela 4. Wybrane kategorie wydatkowe w zestawieniu koszyka inflacyjnego GUS i Mastercard
↘ Tabela 5. Wyniki testu znaków dla koszyków inflacyjnych GUS i Mastercard w latach 2019-2021 Źródło: opracowanie własne PIE.
Źródło: opracowanie własne PIE.
Nr Kategoria
01 Żywność, napoje i używki 02 Odzież i obuwie 03 Wyposażenie mieszkania
04 Zdrowie
05 Transport
06 Rekreacja i kultura 07 Restauracje i hotele 08 Pozostałe towary i usługi
Wynik testu
znaków 2019 2020 I kw. 2021
p 0,72 0,72 0,72
Z -0,35 0,35 -0,35
Proc. v<V 50,0 37,5 50,0
37
Aneks