This doctoral dissertation documents price-setting behavior in Brazil using a unique dataset of store-level price quotes collected by the Fundação Instituto de Pesquisas Econômicas (FIPE) to construct the Consumer Price Index (CPI-FIPE) from 1989 to 2007. The dataset is extensive in terms of time (222 months), inflation variability (from hyperinflation to monthly deflation), and basket of goods and services (almost 11 million price quotes on 8,294 brands). The first chapter documents new evidence on the frequency and absolute size of price changes during the sample period. I find evidence of marked differences between hyperinflation (1989-1993) and low inflation (1995-2007) periods. During hyperinflation, the frequency and magnitude of price movements are remarkably higher. Once Plano Real took place, both statistics immediately shifted to a much lower and stable level, as did inflation. Price increases are more frequent during hyperinflation, although a small share of prices (mostly food items) drops every month. During low inflation, price decreases are almost as likely as price increases. I also document heterogeneities across different classifications of products. The second chapter investigates the relationship between inflation and relative price variability (RPV). The intramarket RPV significantly increases with the rate of inflation, but I find marked differences between the two inflationary scenarios. During hyperinflation, the relationship is roughly 70% of the magnitude of the relationship during low inflation. Higher levels of inflation are associated with higher degrees of inflation variability, yet the link is somewhat looser during the hyperinflation period. The impact of deflation (in absolute terms) is smaller than the impact of positive inflation during hyperinflation, yet stronger during low inflation. Finally, the third chapter documents the importance of Plano Real on consumers\' search costs. I estimate a nonsequential search model for homogeneous goods to structurally retrieve search costs using price data on 15 different brands of goods and services. The empirical strategy consists of using the Plano Real as a structural breakpoint in the data. I estimate the model splitting the data into before (January 1993 to June 1994) and after (August 1994 to December 1995) the plan, and I find evidence on first-order stochastic dominance of the search cost distribution of the former into the latter; that is, search costs are higher during hyperinflation. I also document evidence of the effect of the plan on shrinking price-cost margins. When searching is less costly, stores lose market power. / Esta tese de doutorado documenta comportamentos de fixação de preços no Brasil através de uma base de dados única de cotações ao nível da loja coletadas pela Fundação Instituto de Pesquisas Econômicas (FIPE) para a construção do Índice de Preços ao Consumidor (IPC-FIPE) de 1989 a 2007. Minha base de dados é extensa em tempo (222 meses), variabilidade da inflação (de hiperinflação à deflação mensal) e cesta de bens e serviços (quase 11 milhões de cotações sobre 8.294 marcas). O primeiro capítulo documenta novas evidências sobre a frequência e o tamanho absoluto das mudanças de preços durante o período da amostra. Eu encontro diferenças marcantes entre os períodos de hiperinflação (1989-1993) e baixa inflação (1995-2007). Durante a hiperinflação, a frequência e a magnitude dos movimentos de preços são notavelmente maiores. Após o Plano Real, ambas as estatísticas imediatamente mudam para um nível significativamente mais baixo e estável, seguindo o movimento da inflação. Aumentos de preços são mais frequentes durante a hiperinflação, embora uma pequena parcela de preços (principalmente de alimentos) ainda se reduza a cada mês. Sob inflação baixa, reduções de preços são quase tão prováveis quanto aumentos de preços. Eu também documento heterogeneidades presentes em diferentes classificações de produtos. O segundo capítulo investiga a relação entre inflação e variabilidade de preços relativos (VPR). A VPR intra-mercado aumenta significativamente com a taxa de inflação, mas eu encontro diferenças marcantes entre os dois cenários inflacionários. Durante a hiperinflação, a relação é aproximadamente 70\\% menor do que a estimada sob inflação mais baixa. Níveis mais altos de inflação estão associados à maior variabilidade desta, mas a ligação é um pouco mais fraca durante o período de hiperinflação. O impacto de uma deflação (em termos absolutos) é menor do que o impacto de um aumento de preço durante a hiperinflação, porém mais forte durante níveis mais baixos de inflação. Finalmente, o terceiro capítulo documenta a importância do Plano Real sobre os custos de busca (search costs}) dos consumidores. Eu estimo um modelo de busca não sequencial por bens homogêneos para recuperar estruturalmente os custos de busca dos consumidores utilizando dados de preços sobre 15 marcas diferentes de bens e serviços. A estratégia empírica consiste em usar o Plano Real como um ponto de quebra estrutural nos dados. Eu estimo o modelo dividindo os dados entre antes (de janeiro de 1993 a junho de 1994) e depois (de agosto de 1994 a dezembro de 1995) do plano e encontro evidências de dominância estocástica de primeira ordem da distribuição do custo de busca do primeiro sobre o segundo período, ou seja, os custos de busca são maiores durante a hiperinflação. Eu também encontro evidências do efeito do plano na redução da margem de preço (markup) das empresas. Quando buscar preços é menos custoso, firmas perdem poder de mercado.

[pt] Este trabalho procura entender padrões de busca do consumidor e se fricções informacionais desempenham um papel na dispersão de preços no varejo brasileiro de gasolina. Na nossa abordagem, os consumidores devem se engajar em busca custosa para obter informação sobre os preços cobrados pelos postos de gasolina. Empiricamente, dividimos nossa análise em duas partes. Na primeira, utilizamos um modelo estrutural que nos permite estimar pontos da distribuição dos custos de busca. Estimamos o modelo usando dados de preços no nível do posto para vários mercados no Brasil. Na segunda parte, em duas análises independentes, investigamos os determinantes da proporção de consumidores com baixa quantidade de busca por OLS e construímos uma estimativa para o custo médio de busca por mercado encaixando nossas estimativas pontuais em uma distribuição paramétrica por NLS. Nossas descobertas revelam uma variação significativa na busca do consumidor entre os mercados. Além disso, nossos resultados revelam que a maioria dos consumidores não compara muitos preços antes de comprar gasolina. Ademais, nossas estimativas indicam que o número de postos de gasolina em um mercado, a distância média entre os postos, a renda e a população são fatores importantes para explicar a proporção de consumidores que procuram em apenas um posto antes de comprar. Por fim, o custo médio estimado de busca representa 3 por cento dos preços da gasolina, proporção esta não desprezível. Portanto, os resultados indicam que os atritos de informação são importantes para explicar a dispersão de preços no varejo brasileiro de gasolina. / [en] This paper seeks to understand consumer search patterns and whether information frictions play a role in price dispersion in Brazilian gasoline retail. In our setting, consumers must engage in costly search to gain information about the prices charged by gas stations. Empirically, we divide our analysis into two parts. In the first part, we use a structural model that permits us to estimate points of the distribution of search costs. We estimate the model using price data at the station level for multiple markets in Brazil. In the second part, in two independent analyzes, we investigate the determinants of the proportion of consumers with a low amount of search by OLS and construct an estimate for the average search cost per market by fitting our point estimates into a parametric distribution by NLS. Our findings reveal significant variation in consumer search across markets. Furthermore, our results reveal that most consumers do not compare many prices before buying gasoline. Moreover, our estimates indicate that the number of gas stations in a market, the average distance between gas stations, income, and population are important drivers of the proportion of consumers that search in only one gas station before buying. Finally, the estimated average search cost represents 3 percent of gasoline prices, a non-negligible proportion. Therefore, the results indicate that information frictions are important to explain price dispersion in Brazilian gasoline retail.

Submitted by Manuela Lopes (manu.hlopes@hotmail.com) on 2012-03-23T05:02:09Z No. of bitstreams: 1 discount.pdf: 259598 bytes, checksum: 22629d2c1b0a6a09240f05febeeddef1 (MD5) / Approved for entry into archive by Andrea Virginio Machado (andrea.machado@fgv.br) on 2012-03-23T12:49:52Z (GMT) No. of bitstreams: 1 discount.pdf: 259598 bytes, checksum: 22629d2c1b0a6a09240f05febeeddef1 (MD5) / Made available in DSpace on 2012-03-27T18:24:13Z (GMT). No. of bitstreams: 1 discount.pdf: 259598 bytes, checksum: 22629d2c1b0a6a09240f05febeeddef1 (MD5) Previous issue date: 2011-12-19 / Prices of a homogenous package of services present considerable dispersion across banks. A simple model that uses consumer search costs and loyalty is devolped in order to reproduce this empirical observation. Using data for the brazilian banking sector, empirical exercises are performed to allow for: (i) the estimation of consumer search costs by xing the values of other parameters; and (ii) the estimation of the corresponding deadweightlosses imposed by costly search. When only 80% of the population is free to engage in search activity, at a 0.5% monthly interest rate, the upper limit of the support of the search cost distribution is found to be 1805.80 BRL. In this case, the corresponding estimate of the deadweightloss imposed on an average searcher is 233.71 BRL. / Pode-se observar uma considerável dispersão entre os preços que diferentes bancos comerciais no Brasil cobram por um mesmo pacote homogêneo de serviços— dispersão esta que é sustentada ao longo do tempo. Em uma tentativa de replicar esta observação empírica, foi desenvolvido um simples modelo que lança mão do arcabouço da literatura de custos de procura (search costs) e que baseia-se também na lealdade por parte dos consumidores. Em seguida, dados de preços referentes ao setor bancário brasileiro são aplicados ao modelo desenvolvido e alguns exercícios empíricos são então realizados. Esses exercícios permitem que: (i) os custos de procura incorridos pelos consumidores sejam estimados, ao fixar-se os valores dos demais parâmetros e (ii) as correspondentes perdas de peso-morto que surgem como consequência dos custos de procura incorridos pelos consumidores sejam também estimadas. Quando apenas 80% da população é livre para buscar por bancos que cobrem menores tarifas, à taxa de juros mensal de 0,5%, o valor estimado do custo de procura médio incorrido pelos consumidores chega a 1805,80 BRL, sendo a correspondente perda de peso-morto média na ordem de 233,71 BRL por consumidor.