土耳其通胀数据背后的菜篮子：伊斯坦布尔居民实际购买力观察

土耳其统计局本月公布的数据显示，8月年化通胀率为58.94%，略低于市场预期，但剔除能源、食品等波动项的核心通胀仍高达63.2%。细分项中，食品与非酒精饮料年化涨幅为72.1%，住房与水电燃气为51.3%。这些数字落到伊斯坦布尔居民身上，具体表现为：一公斤牛肉的零售价从年初的280里拉涨至目前的420里拉左右（以卡德柯伊菜市场为例），一升装葵花籽油从65里拉升至98里拉。

我的做法是：以伊斯坦布尔两个典型社区（卡德柯伊和于斯屈达尔）的5家连锁超市和3个社区菜市场为样本，每周记录12种基础食品的零售价，持续12周。用Python对价格序列做简单环比计算，并与土耳其统计局公布的分项指数做偏离度对比。代码片段如下：

import pandas as pd
prices = pd.read_csv('istanbul_food_prices.csv', parse_dates=['date'])
prices['unit_price'] = prices['price'] / prices['quantity_kg']
weekly = prices.groupby(['date','item'])['unit_price'].mean().unstack()
weekly['basket'] = weekly[['beef','sunflower_oil','milk','eggs','bread']].sum(axis=1)
weekly['mom_change'] = weekly['basket'].pct_change()
print(weekly.tail())

结果发现，样本菜篮子12周累计上涨19.4%，而同期统计局食品分项指数上涨14.2%，偏离约5个百分点。主要差异来自牛肉和食用油，这两项在社区市场的实际涨幅高于官方均值。

为什么这样做：官方通胀数据是全国城镇平均，伊斯坦布尔作为最大城市，食品供应链更长、租金成本更高，价格传导更快。用局部高频数据可以更贴近居民的实际感受，也能捕捉到官方指数滞后或平滑的部分。代价是需要投入时间采集数据，且样本量有限，不能代表全国。

哪里会失效：第一，社区菜市场价格受季节和天气影响大，比如番茄在7-8月因高温减产涨价，但9月回落，单周数据波动会扭曲趋势；第二，超市促销活动（如买二送一）会拉低单位价格，若未及时剔除，会低估实际支出；第三，我此前踩过的坑是忽略了包装规格变化，比如某品牌面粉从2公斤装改为1.5公斤装但价格不变，导致单位价格计算错误。修正方法是每次记录时核对包装重量，并在代码中增加规格字段。

还有一个边界：土耳其统计局每月3日发布数据，但地方市场价格在月初已开始反应，所以我的周度数据往往领先官方指数1-2周，这可以用来做短期预判，但不能替代官方统计。

你在伊斯坦布尔或其他城市的生活中，最近哪类食品的价格变化最让你意外？是面包、乳制品还是肉类？欢迎分享你所在社区的实际价格，我们可以一起对照官方数据看看差异在哪里。