(English below)
Nỗi lo kinh tế mới nhất, khi các nước bắt đầu phục hồi sau đại dịch Covid, là nền kinh tế nói chung có thể bị hạn chế nghiêm trọng do giá cả tăng cao và thiếu hụt. Điều này đã được chứng kiến ​​trong các lĩnh vực như ô tô mới và ô tô cho thuê, nơi giá đã tăng vọt do tình trạng thiếu chip máy tính.

Một vấn đề được đặt ra là mức tăng giá hiện tại bị ảnh hưởng như thế nào bởi các mô hình và quá trình không gian và điều này ảnh hưởng đến dân số ở mức độ nào. Nghiên cứu đã chứng minh rằng có thể có nhiều cách để nghiên cứu các tác động không gian và mối quan hệ giữa vị trí và lạm phát. Trên thực tế, có thể cần thiết phải nghiên cứu lạm phát bằng phương pháp không gian vì những tác động khác nhau mà nó có thể có đối với các bộ phận khác nhau của dân số.

Nghiên cứu về tác động của đại dịch đối với giá cả trên toàn cầu vẫn đang được phát triển, nhưng một số kết quả cho các khu vực khác nhau đã rõ ràng khi có kết quả.

Các mô hình không gian của Lạm phát do Đại dịch gây ra
Ví dụ, ở Tây Phi, nghiên cứu đã chỉ ra rằng có một mô hình không gian rộng đối với lạm phát dựa trên đại dịch sử dụng biến công cụ (IV) và hồi quy bình phương nhỏ nhất thông thường (OLS) cho các quốc gia khác nhau. Nhìn rộng ra, người ta đã chứng minh rằng các quốc gia ứng phó với đại dịch đã ảnh hưởng đến giá cả một cách khác nhau.
Tại địa phương, nếu các quốc gia áp dụng các nỗ lực giảm thiểu để giảm thiểu tác động của đại dịch, chẳng hạn như sự xa rời xã hội, thì giá ban đầu sẽ giảm khi đại dịch lan rộng. Tuy nhiên, do các quốc gia khác cũng áp dụng biện pháp giảm thiểu tương tự đối với đại dịch nên giá ở các quốc gia khác bắt đầu tăng do nguồn cung bị hạn chế nghiêm trọng và ảnh hưởng đến những gì có thể xuất khẩu.

Trên thực tế, chính sách quốc gia không chỉ ảnh hưởng đến một quốc gia riêng lẻ mà nó có thể ảnh hưởng đến các quốc gia láng giềng do xuất khẩu và giá cả của các mặt hàng được trao đổi bị ảnh hưởng. Kết quả cho thấy rằng các quốc gia nên phối hợp các chiến lược giảm thiểu Covid của họ để giảm thiểu mức tăng và giảm giá nhanh chóng Lạm phát cũng có thể khác nhau về đầu vào từ các yếu tố khu vực trong các quốc gia. Ở Anh, Trung tâm Hiệu suất Kinh tế đã xem xét các yếu tố lạm phát trong khu vực. Kết quả cho thấy có một số tác động đến giá cả dựa trên các chính sách khu vực và các tác động khác biệt, đặc biệt là chuỗi cung ứng.

Ví dụ, người ta thấy rằng ở Bắc Ireland, giá cả tăng rõ rệt hơn do chuỗi cung ứng bị gián đoạn nhiều hơn do đại dịch. Việc nới lỏng khóa và hạn chế cũng được áp dụng khác nhau ở các quốc gia của Vương quốc Anh, nơi giá cả tăng hoặc giảm phản ứng với những sự kiện này hơi không đồng đều tùy thuộc vào thời điểm chính sách có hiệu lực.

Sử dụng GIS để phân tích lạm phát
Mặc dù chúng ta chỉ mới bắt đầu có thêm dữ liệu về lạm phát và mối quan hệ của nó với đại dịch, nhưng có sẵn các phương pháp dựa trên GIS có thể giúp đảm bảo các phương pháp tiếp cận có thể nắm bắt tốt hơn tác động có thể có của lạm phát và chính sách viện trợ.

Là một ví dụ về một phương pháp hữu ích, trong một nghiên cứu, các nhà nghiên cứu đã chỉ ra tác động của lạm phát giá lương thực đối với tỷ lệ tử vong ở Ethiopia. Sử dụng dữ liệu khu vực và phân tích láng giềng gần nhất liên kết dữ liệu khảo sát về tỷ lệ tử vong và giá lương thực với các trung tâm khu vực, cho thấy rằng có mối tương quan của việc gia tăng tỷ lệ tử vong trước khi sinh và sau khi sinh, với lạm phát 10% trên giá lương thực ảnh hưởng tỷ lệ tử vong trên 5%.
Trên thực tế, các chỉ số và phương pháp liên kết dữ liệu tử vong tại địa phương với dữ liệu giá lương thực địa phương này có thể giúp chỉ ra mối liên hệ trực tiếp giữa sự thay đổi giá theo vùng có tác động khác nhau đến sức khỏe như thế nào đối với các phân khúc dân số khác nhau. Đối với các nhà hoạch định chính sách, điều này có nghĩa là cần theo dõi sự khác biệt giữa các khu vực đối với các cộng đồng dễ bị tổn thương ở các vùng nghèo lương thực nhạy cảm với biến động giá cả để nhắm mục tiêu tốt nhất đến các tác động lạm phát trong khu vực.

Dữ liệu lạm phát ở Hoa Kỳ
Dữ liệu lạm phát liên quan đến tác động của Covid ở Hoa Kỳ vẫn đang phát triển, mặc dù chúng tôi biết một số lĩnh vực đang bị ảnh hưởng, mối quan hệ không gian vẫn cần được phân tích chính thức. Tuy nhiên, có những phương pháp đã được phát triển gần đây có thể giúp hiểu rõ hơn về tác động của lạm phát đối với Hoa Kỳ trong các lĩnh vực quan trọng.

Đặc biệt, mối quan hệ giữa lạm phát giá nhà và tiện ích hóa đã được nghiên cứu và phát triển bằng cách sử dụng mô hình tự phục hồi có điều kiện (CAR) và áp dụng Điều tra Cộng đồng Hoa Kỳ (ACS) làm nguồn dữ liệu cho sự thay đổi nhà ở cộng đồng.

Trong một ví dụ, nó cho thấy rằng giá nhà thậm chí còn tăng nhanh hơn, so với các thước đo giá nhà rộng hơn, ở các khu vực phía bắc Manhattan và Brooklyn, đã thúc đẩy đáng kể quá trình định cư ở những khu vực này kể từ năm 2000 khi dân số của các cộng đồng trước đó thay đổi do áp lực giá cả và những thay đổi.
Điều này có thể cho thấy rằng giá nhà đang tăng ở các vùng của Hoa Kỳ, có thể có những tác động rất khác nhau đến các cấp độ kinh tế xã hội khác nhau ở Hoa Kỳ khi mọi người bắt đầu tận dụng lợi thế của lãi suất thấp. Đây là điều sẽ phải được giám sát chặt chẽ vì có sự chênh lệch giữa các khu vực về giá nhà.

Chúng ta bắt đầu thấy rằng lạm phát là một nguyên nhân đáng lo ngại, ít nhất là ở một số khu vực, ngay cả khi các nhà kinh tế tranh luận xem liệu sự tăng giá mà chúng ta đang thấy chỉ là tạm thời. Chúng ta đã thấy từ các phương pháp và phương pháp tiếp cận không gian trước đây rằng việc tăng giá lương thực và nhà ở, đặc biệt, có thể có những tác động rất bất lợi đối với những người dễ bị tổn thương về kinh tế. Chính sách nên tính đến các tác động khu vực của lạm phát, trong khi các nhà nghiên cứu nên sử dụng các phương pháp tiếp cận có sẵn để hiểu rõ hơn về các tác động khác biệt của lạm phát đối với dân số ở các quốc gia và tiểu bang.

--------

SPATIAL ANALYSIS OF INFLATION AND THE IMPACT OS THE PANDEMIC 
The latest economic worry, as countries begin to recover from the Covid pandemic, is that the broader economy could be severely restricted by rising prices and shortages. This has already been seen in such areas as new and rental cars, where prices have soared due to computer chip shortages.

One issue is how are current price increases affected by spatial patterns and processes and to what extent this affects populations. Research has demonstrated that there can be ways to study the spatial effects and relationships between location and inflation. In fact, it might be necessary to study inflation using spatial methods because of the differential impacts it can have on different parts of the population.

Research on how the pandemic impacts prices globally is still developing, but some results for different regions have been evident as results come in.
Spatial Patterns of Pandemic-driven Inflation
In West Africa, for instance, research has shown there is a broad spatial pattern to inflation based on the pandemic using instrument variable (IV) and ordinary least squares (OLS) regression for different countries. Broadly, it has been demonstrated that countries responding to the pandemic have affected prices differently.
Locally, if countries applied mitigation efforts to minimize the pandemic’s effects, such as social distancing, then prices initially declined as the pandemic spread. However, as other countries also applied similar mitigation to the pandemic, then prices in other countries began to rise as supply became severely limited and affected what could be exported.

In effect, country policy not only affects an individual country but it can affect neighboring countries as exports and prices are affected for traded items. The results suggest that countries should coordinate their Covid mitigation strategies to minimize rapid price increases and declines Inflation can also vary in terms of inputs from regional factors within countries. In the UK, the Centre for Economic Performance looked at regional factors of inflation. The results show there are some impact on prices based on regional policies and differential effects, particularly supply chains.

For instance it was found that in Northern Ireland price increases were more pronounced because of supply chains being more disrupted by the pandemic. Lockdown easing and restrictions were also applied differently in the nations of the UK, where price increases or declines reacted to these events slightly unevenly depending on the timing of when policies came into effect.

Using GIS to Analyze Inflation
While we are only beginning to get more data on inflation and its relationship to the pandemic, there are GIS-based methods that are available that could help to ensure approaches can better capture the likely differential impact of inflation and aid policy.

As an example of a useful method, in one study researchers showed the effects of food price inflation on mortality in Ethiopia. Using regional data, and nearest neighbor analysis that linked survey data on mortality and food prices with regional hubs, it was shown that there is a correlation of increased mortality for pre-natal and post-natal mortality, with 10% inflation on food prices affecting mortality by more than 5%.
In effect, these metrics and methods of linking local mortality data with local food price data can help to show a direct linkage between how regional variation in prices have differential impacts on health for different segments of the population. For policy makers, this means that monitoring regional variations on vulnerable communities in food poverty regions sensitive to price fluctuations are needed to best target regional inflation impacts.

Inflation Data in the United States
Inflation data associated with Covid’s impact in the United States is still developing, although we know some sectors are being affected, the spatial relationship still needs formal analysis. However, there are methods that have been recently developed that can aid in better understanding the effects of inflation on the United States in key areas.

In particular, the relationship between house price inflation and gentrification has been studied and developed using conditional autoregressive (CAR) modeling and applying the American Community Survey (ACS) as a data source for community housing change.

In an example, it was shown that house prices increased even faster, compared to broader house price measures, in parts of northern Manhattan and Brooklyn, which have significantly accelerated gentrification in those areas since 2000 as previous communities’ population changes due to price pressure and changes.
This could suggest that house prices, which are increasing in parts of the United States, could have very different impacts on different socio-economic levels in the United States as people begin to take advantage of low interest rates. 

Geolink tổng hợp từ Geographyrealm