讨厌杂货通胀的新原因：衡量和解释通胀异质性

美联储理事会，华盛顿特区 ISSN 1936-2854（印刷版）ISSN 2767-3898（网络版） 一个讨厌杂货通胀的新理由：衡量和解释通胀异质性 凯茜·奥弗莱厄蒂 2026-001 奥弗莱厄蒂，凯尔西（2026）。 “一个讨厌杂货通货膨胀的新理由：衡量通货膨胀异质性研究”，金融与经济讨论系列ries 2026-001。华盛顿：联邦储备系统理事会，https://doi.org/10.17016/FEDS.2026.001. 注意：金融与经济讨论系列（FEDS）中的工作人员研究论文是初步材料，用于激发讨论和批判性评论。所提出的分析和结论是作者的观点，并不代表研究团队其他成员或董事会的一致同意。在出版物中对金融与经济讨论系列（除致谢外）的引用应与作者确认，以保护这些论文的初步性。 一个讨厌杂货通货膨胀的新原因度量与解释通胀异质性* 凯茜·奥弗莱厄蒂 美联储理事会 第20街 & 宪法大道西北 华盛顿特区 20551 电话: 240-975-0972 邮箱: kelsey.j.oflaherty@frb.gov 摘要 2021-2022年通胀事件首次提供了在高通胀环境下使用美国扫描数据考察通胀和价格分散的机会。来自5万家门店的数据显示，2022年相似商品的价格变化更加分散，然后在2023年再次下降。本文记录了价格变化分散如何与家庭的产品选择相互作用以产生显著的通胀异质性。2019年，家庭层面的通胀率呈现1.4个百分点的四分位距，然后在2022年增长到4.0个百分点，并在2023年回落至1.6个百分点。家庭通过替代只抵消了其隐含预算冲击的一小部分。一个具有特殊偏好的模型解释了家庭行为，并意味着家庭的通胀率代表了其福利损失的便捷、可观察的界限。当通胀在2022年达到峰值时，通胀分布的第10个和第90个百分位数以及平均食品支出家庭分别面临573美元和1145美元的福利损失。JEL代码：E31，E21，D11，D12 致谢我欣然感谢重新设计统计（RESET）项目的资金支持，该项目由马里兰大学、密歇根大学和美国人口普查局共同进行。RESET项目由阿尔弗雷德·P·斯隆基金会（G-2016-7227，G-2021-16821）支持。此项目还极大地受益于马修·沙皮罗、约书亚·豪斯曼、约翰·利希和梅尔文·斯蒂芬斯的反馈；与阿迪亚·阿拉丹加迪、科斯塔斯·阿尔卡拉基斯、哈维尔·克拉维诺、加布里埃尔·埃利奇、孙炯李、雅各布·奥尔恰德、弗朗西斯卡·萨拉-扎罗和其他人的讨论，包括在求职市场上的演讲过程中。 免责声明本文所表达的观点仅代表作者本人，并不反映联邦储备系统董事会成员的观点。研究者的分析和计算部分基于尼尔森IQ零售测量服务和消费者小组服务提供的美国总数数据。从尼尔森IQ数据中得出的结论是研究者的观点，并不反映尼尔森IQ的看法。尼尔森IQ对所报告的分析结果不承担责任，没有参与其中，也未参与分析、准备或开发、审查或确认本报告中使用的任何研究方法。 许多家庭报告称，通胀带来的痛苦远超标准模型基于平均价格涨幅与工资增长之间的暂时性差距所做的预测。1 本文提供了新的证据，证明家庭面临着截然不同的通货膨胀率，其中一些与巨大的福利损失一致，并展示了为什么典型的通货膨胀成本评估框架未能捕捉这些体验。大量记录通货膨胀异质性的文献主要关注购物行为、地点或每个商品类别在家庭消费篮子中的相对重要性（例如，老年人家庭中的处方药）。这些因素往往导致收入或其他人口群体之间年化通货膨胀率差异小于0.5个百分点。我发现，产品类别内单个项目的价格变化异质性导致了家庭之间通货膨胀的更大差异。这种机制产生的家庭特有通货膨胀体验在2022年加剧了差异，有10%的家庭的食品通货膨胀率几乎平均高出4个百分点。如果这些家庭报告讨厌近期的食品通货膨胀也就不足为奇了：它给它们带来的财务困境比总体或群体通货膨胀统计数据所暗示的要严重得多。 为了追踪单个商品的价格变化以及家庭购买模式如何对这些变化做出反应，我使用了来自尼尔森IQ的两组丰富的数据集。第一组是其消费者面板，该面板使用家庭条形码扫描器追踪约60,000户家庭的杂货购买情况，记录每次购买的商品数量和价格。第二组是尼尔森IQ零售扫描器数据，其中包含约50,000个参与店的每个条形码的收入和销售单元的每周总结。该数据集能够很好地捕捉支出类别（那些进入我的“杂货”定义的类别）涵盖了大约12%的支出。2 这项数据的粒度水平、其对杂货行业的广泛覆盖范围，以及其庞大的家庭面板，都是我实证策略的关键。 在利用美国扫描器数据对高通胀期间价格变化分散度进行的首次检验中，我发现2019年至2022年间，几乎所有产品类型中详细产品类别内个别商品的价格变化四分位距都上升，并在2023年略有回落。作为这一发现的说明性例子，个别咖啡品种（例如Peet’s French Roast或Folger’s Classic Roast）的四季度价格变化的四分位距从2019年的2个百分点上升到2022年的15个百分点。在后一个时期，四分之一的家庭看到他们2021年购买的咖啡品种的价格上涨了5%或更少，而另一四分之一的家庭看到他们的咖啡价格上涨了20%以上。HomeScan消费者小组捕获了家庭如何应对这种广泛变化的价格变化。通过2023年考察家庭层面的替代模式，我发现那些选择品种经历大幅价格上涨的家庭，并不倾向于通过切换到价格变化较小的商品来有意义地缓解这些冲击。 这些发现表明，一个家庭购买的个人产品品种是主要的 其通胀率的行列式。大多数通胀分析要么通过明确关注商品总组合，要么通过假设同类商品（如咖啡）具有共同的通胀率而忽略了家庭个体的产品选择。如果相似商品表现出相似的价格变化，或者如果家庭从通胀率高于平均水平的商品转向价格增长较慢的替代品所面临的福利损失最小时，这些假设将是无害的。既然这两个假设都不成立，我的论文提出了一种新的描述家庭如何经历通胀的方法。 为了解决这些发现的测量意义，我提供了新的家庭层面通货膨胀估计，这些估计考虑了家庭购买不同产品种类这一现实，这些产品种类可能会经历不同的价格变化。这些衡量方法克服了在使用条形码级数据计算家庭通货膨胀时出现的重大缺失数据问题。在这个详细层面上，家庭消费篮子表现出很大的产品更换程度。当家庭更换品牌、改变口味，或者当制造商改变产品属性（如尺寸或标签，这会导致条形码变化）时，产品会进入和退出篮子。由于家庭的价格变化在其进入或退出篮子的商品中是未观察到的，之前的家庭通货膨胀衡量方法排除了这些商品，只考虑了匹配的商品。不幸的是，这些商品只占杂货支出的约三分之一。更成问题的是，它们在定义上排除了家庭替代向或从中替代的商品，这使得难以评估家庭是否通过替代来抵消高特有通货膨胀。我通过推断家庭面临的进入或退出其消费篮子的商品的价格变化来解决这个缺失数据问题。NielsenIQ数据通常允许在家庭购物的地方或零售商那里推断这些价格变化，或者在其当地市场区域。 本文中的基线家庭通胀指标在尽量减少缺失数据影响的同时，对通胀异质性提供了保守的低估。它们通过假设所有家庭都面临每个条形码的全国平均价格来实现这一点。这种方法将家庭产品选择的作用与家庭因地域或购物行为而在给定条形码价格上面临的额外、记录详尽的异质性隔离开来。尽管这些基线估计旨在为家庭间异质性的程度提供一个下限，但这些估计反映了巨大的差异。2019年，家庭第四季度/第四季度杂货通胀的分布跨四分位距为1.4个百分点。2021年后杂货通胀更加分散，2022年该四分位距翻了一番多，达到4个百分点。即使在2019年的低通胀环境下，这种横截面差异相对于杂货通胀的时间序列变化以及相对于通胀在不同收入和其他人口统计群体中变化估计而言都很大。后者差异反映了汇总偏差：为特定人口群体构建代表性商品组合是对许多项目进行平均，掩盖了由于对特定产品的独特接触而产生的异质性。 商品。该模型将那些偏好的强度连接到CES代表性消费者，具有实证相关的替代弹性，为部分消费者产生了显著的产品承诺。我证明，由于这种产品承诺而产生的家庭特有通胀对福利有影响，家庭层面的价格指数提供了非参数的、以美元计价的界限，即家庭在价格变化后要达到与原始杂货捆绑带来的相同效用，需要多支付多少钱。这些预算冲击很大且异质性很高：在2019年的低通胀时期，一个杂货支出平均的家庭，其通胀率为第90百分位数，需要比一年前多花费约170美元才能达到同样的满意度，而一个经历第10百分位数通胀的家庭则可以用一个价值约25美元的购物篮实现这一点。更少比前一年要高。到2022年底，这个差距从195美元增长到了572美元。篮子价格冲击显示出有限的均值回归，这意味着家庭预算冲击具有中等程度的持续性。在一个简单的跨期消费模型中，2022年90个百分位的杂货通货膨胀降幅意味着，与10个百分位的家庭相比，终身效用损失高出了0.2个百分点。 第一部分开始讨论已知的关于价格分散和通货膨胀异质性的内容，并强调了尚未解决的问题。第二部分详细介绍了用于衡量家庭食品通货膨胀的尼尔森IQ家庭扫描和零售扫描数据。第三部分讨论了家庭通货膨胀指标的构建及其对家庭替代模式的启示。第四部分提出了论文的关键实证结果，第五部分描述了用于解释这些结果的模型。第六部分评估了该框架中特殊通货膨胀的成本，并记录了家庭如何应对高特殊通货膨胀率。与模型表明家庭通货膨胀率反映了真实预算冲击的启示一致，家庭通过减少消费来应对其个人通货膨胀，以抵消大约一半的隐含预算冲击。第七部分总结并指出了未来研究的方向。 一. 文学 大量文献研究了通货膨胀和生活成本在不同家庭间的差异。本节首先简要讨论了论文与该文献中两个方面的联系：按人口统计群体划分的平均通货膨胀差异，以及相似商品价格的异质性。然后描述了其对第三个方面的实证贡献：个体家庭间的通货膨胀异质性。我还指出了与近期关于通货膨胀宏观经济成本文献的重要联系。 直到最近，关于通货膨胀异质性的研究主要集中在按年龄、收入或家庭规模等人口群体划分的平均差异上。这种方法始于为给定群体中的家庭构建一个具有代表性的商品篮子。这个篮子可能会反映出低收入家庭对汽油的更大重要性，或者老年人家庭对药物的需求。由于某些行业比其他行业成本增长或价格波动更大，这种篮子效应可能导致通货膨胀差异。Jaravel (2024) 提供了这种方法的一个重要近期例子，他使用了公开 可用的消费者支出调查和消费者价格指数数据，按收入、年龄、种族和地区人口构建价格指数。2002年至2019年期间，最高和最低收入四分位组的通胀率每年相差约0.25个百分点。65至74岁年龄组与25至34岁年龄组之间的差距略小，每年为0.22个百分点，但75岁及以上人群的通胀率要高得多。种族群体之间或城乡家庭的差异可以忽略不计。3 在一项也使用尼尔森IQ数据的研究中，阿尔根特和李（2021）发现食品杂货通胀的差异程度相似。2004-2016年间，收入超过10万美元的家庭平均通胀率比收入低于2.5万美元的家庭低0.33个百分点。 在考察家庭层面的通货膨胀率时，本文与 Kaplan 和 Schulhofer-Wohl (2017) 的研究最为密切。这些作者首次使用详细的消费者面板来构建家庭杂货篮，他们的结果令人瞩目。从 2004 年到 2013 年，通货膨胀率在家庭之间的四分位距为 6 到 9 个百分点，使得总体通货膨胀率“几乎作为家庭层面通货膨胀率变化的一个来源无关紧要”（第 35 页）。人口统计学几乎无法解释这种变化，三分之二的异质性是由于家庭为同一条形码支付的价格不同而产生的。一系列同时发表的文章应用了他们的方法来分析最近的通货膨胀时期，证实了这些核心观点。Chen 等人 (2024) 对英国进行了出色的分析；Kostyshyna 和 Ouellet (2024) 以及 Pathak-Chalise (2025) 则考察了加拿大和美国。 使用详细的消费数据来计算家庭层面的通货膨胀创造了一个重要的方法论挑战，困扰了后续研究。鉴于家庭层面价格异质性在他们研究中的中心地位，卡普兰和舒尔霍费