How does fuel demand respond to price changes? Quasi-experimental evidence based on high-frequency data

L’ajustement de court terme de la consommation de carburant à des changements de prix. Des estimations menées à partir de données à haute fréquence

Marine Adam, Odran Bonnet, Etienne Fize, Marion Rault, Tristan Loisel and Lionel Wilner ()
Additional contact information
Marine Adam: INSEE - Institut national de la statistique et des études économiques (INSEE)
Odran Bonnet: INSEE - Institut national de la statistique et des études économiques (INSEE)
Etienne Fize: CAE - Conseil d'analyse économique
Marion Rault: CAE - Conseil d'analyse économique
Tristan Loisel: CREST-INSEE - Centre de Recherche en Economie et en Statistique - ENSAI - Ecole Nationale de la Statistique et de l'Analyse de l'Information [Bruz] - GENES - Groupe des Écoles Nationales d'Économie et Statistique - ENSAE Paris - École Nationale de la Statistique et de l'Administration Économique - GENES - Groupe des Écoles Nationales d'Économie et Statistique - IP Paris - Institut Polytechnique de Paris - INSEE - Institut national de la statistique et des études économiques (INSEE)
Lionel Wilner: CREST-INSEE - Centre de Recherche en Economie et en Statistique - ENSAI - Ecole Nationale de la Statistique et de l'Analyse de l'Information [Bruz] - GENES - Groupe des Écoles Nationales d'Économie et Statistique - ENSAE Paris - École Nationale de la Statistique et de l'Administration Économique - GENES - Groupe des Écoles Nationales d'Économie et Statistique - IP Paris - Institut Polytechnique de Paris - INSEE - Institut national de la statistique et des études économiques (INSEE)

Working Papers from HAL

Abstract: This article exploits quasi-natural experiments provided by both the 2022 crude oil price surge consecutive to the Russo-Ukrainian war and fuel excise tax cuts in France to infer the price sensitivity of fuel demand. The granularity of bank account data available at the transaction level permits to shed new insights on how to properly disentangle anticipation effects from price effects. After controlling for anticipatory behavior, we obtain a price-elasticity comprised between -0.4 and -0.21. The average elasticity exhibits sizeable dispersion with respect to fuel spending, but varies little with income and location. Counterfactual simulations enable us to assess both financial and distributive impacts of the tax policy at stake as well as its effect on CO2 emissions.

Keywords: transaction-level data; anticipatory behavior; excise tax changes; price elasticity; Fuel demand; Demande de carburant; élasticité-prix; taxes indirectes; droits d’accise; anticipations; données de transactions (search for similar items in EconPapers)
Date: 2023-07
Note: View the original document on HAL open archive server: https://insee.hal.science/hal-05354063v1
References: Add references at CitEc
Citations:

Downloads: (external link)
https://insee.hal.science/hal-05354063v1/document (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:hal:wpaper:hal-05354063

Access Statistics for this paper

More papers in Working Papers from HAL
Bibliographic data for series maintained by CCSD ().