Transmission des coûts et hausse de l’inflation
Notice bibliographique
Résumé
We use micro-level price data underlying the French producer price index from January 2018 to July 2022, along with external measures of firms' exposure to imported inputs and energy cost shocks, to study the role of external shocks in the recent inflation surge. Within our sample, firms pass through 30% of changes in the price of imported inputs and 100% of changes in energy costs when resetting their prices, conditional on their exposure to these shocks. For the average firm in our data, this implies that a 10% increase in foreign costs leads to a 0.74% rise in output prices, while a 10% energy cost shock induces prices to increase by 0.73%. We examine how pass-through rates vary across firms within and across industries, depending on their size and exposure to shocks. We find that pass-through rates are asymmetric, with positive cost shocks inducing significantly more pass-through than negative shocks. The heterogeneity in exposure to external shocks across firms and sectors drives important differences in inflation dynamics along firms' distribution. To illustrate this, we predict price changes from cumulative imported inputs and energy price changes between January 2021 and July 2022, and find that between 70% and 75% of the variance in predicted price changes happens within 2-digit industries, across firms. The chemical and metal industries are the most impacted by both imported and energy cost shocks, which contribute to an increase in producer prices in those sectors of at least 9% to 14%.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».