Phillips curve with spatial effects based on Russian regional data

Abstract

В работе проверяется гипотеза о наличии пространственных эффектов для квартальных индексов потребительских цен (ИПЦ) в российских регионах за 2015–2021 гг. Для моделирования пространственной зависимости гибридной кривой Филлипса использовались матрицы расстояний, соседства и миграции. Выявлена пространственная нестационарность модели для всей территории страны, поэтому оценивание проводилось отдельно для западных и восточных регионов. Тестирование на панельных данных показало незначимость пространственного лага зависимой переменной, что подвергает сомнению предположение о «мгновенном» (в течение того же периода) переносе инфляции. Вероятно, ключевым здесь является фактор частотности данных: квартальные или месячные уровни инфляции лучше подходят для пространственного анализа, чем годовые (для которых пространственный лаг будет значимым). Оценивание дарбиновской модели с ошибкой (SDEM) показало, что инфляционные ожидания в соседних регионах отрицательно влияют на инфляцию в регионе в данном периоде. Оценки вклада прямых эффектов для π(t – 1), π(t + 1) и косвенного эффекта для π(t – 1) имеют ожидаемые положительные знаки. Сумма оценок коэффициентов при лагах инфляции в пространственной гибридной кривой Филлипса близка к единице. Применение матрицы миграции для западных регионов оказалось неудачным, возможно из-за значительных искажений, вносимых Москвой и Московской областью в межрегиональные взаимодействия. The paper tests the hypothesis of the presence of spatial effects for quarterly CPI in the Russian regions over the period 2015–2021. Contiguity, distance and migration matrices were used for spatial Phillips curve modelling. Due to spatial non-stationarity of the model for the whole Russia, the model was used for estimations separately for western and eastern regions. Panel data testing showed insignifi cance of the spatial lag of the dependent variable, which casts doubt on the hypothesis of “instant” (within the same period) infl ation spillover. Perhaps the key factor here is the frequency of time series data: quarterly or monthly CPI better suit for spatial analysis than annual ones (for which the spatial lag will be signifi cant). Spatial Durbin error model (SDEM) estimation showed that the infl ation expectations in neighboring regions negatively impact on infl ation in the region in this period. The estimations of the direct effects contribution for π(t − 1), π(t + 1) and indirect effect contribution for (t − 1) expectedly have positive signs. The sum of estimated coeffi cients for infl ation lags in spatial hybrid Phillips curve is close to 1. The use of a migration matrix for the western regions was unsuccessful, perhaps due to strong distortions introduced by Moscow and the Moscow region into interregional interactions.