MBA Program – Programme de MBA

Case Study:
Estimating the Elasticity of Demand for Gasoline, with an Application to
the Covid Crisis

Étude de cas:
Estimer l’élasticité de la demande pour l’essence, avec une application
au covid

Prof. Amine Ouazad

Goal : In this case study, we will estimate the drivers of the demand for gasoline, including its
price – which will give us the elasticity of demand –, consumer income – which will give us income
elasticity –, the price of complementary products – which will give us cross price elasticities –,
but also the new covid elasticity.

Objectif : Dans cette étude de cas, nous allons estimer les moteurs de la demande d'essence, y
compris son prix - qui nous donnera l'élasticité de la demande -, le revenu des consommateurs -
qui nous donnera l'élasticité du revenu -, le prix des produits complémentaires - qui nous donnera
les élasticités croisées des prix -, mais aussi la nouvelle élasticité de la demande par rapport au
Covid.

Method : We are going to start by building the data. Download the file “MBA_gasoline_data.xlsx”
from Zone Cours. It includes the following columns:

• Gasoline consumption (thousands of gallons per day) and price ($ per gallon) from the
U.S. Energy Information Administration.
• Real disposable income for US households from the Federal Reserve of St Louis.
• The price index of new cars from the Federal Reserve of St Louis.
• The price index of used cars from the Federal Reserve of St Louis.
• Confirmed covid cases from the Covid tracking project of The Atlantic.

These data are provided at the monthly level.

Méthode : Nous allons commencer par construire les données. Télécharger le fichier
"MBA_gasoline_data.xlsx" sur Zone Cours. Il comprend les colonnes suivantes :

• Consommation d'essence (milliers de gallons par jour) et prix ($ par gallon) de

l'Administration américaine de l'information sur l'énergie.
 • Le revenu disponible réel des ménages américains provient de la Réserve fédérale de St
Louis.
• L'indice des prix des voitures neuves de la Réserve fédérale de St Louis.
• L'indice des prix des voitures d'occasion de la Réserve fédérale de St Louis.
• Cas confirmés de Covid du projet de suivi Covid de The Atlantic.

Ces données sont fournies au niveau mensuel.

Steps / Étapes : We are going to estimate a constant elasticity demand using Microsoft Excel.
This is a common way of proceeding in the industry. Nous allons estimer une demande d'élasticité
constante en utilisant Microsoft Excel. C'est une méthode courante dans l'industrie.

1. Create a column « log Quantity » containing the logarithm of the quantity (column B),
using the formula =LOG(). You should see a column H like the one below.

Créez une colonne " log Quantité " contenant le logarithme de la quantité (colonne B),
en utilisant la formule =LOG(). Vous devriez voir une colonne H comme celle ci-dessous..
2. Do the same for “log Price”, “log Income”, “log Index New Cars”, “log Index Used Cars”.
Create a column « log Discount » as the difference between the log Index of New Cars
and the log Index of Used Cars (=L2-K2). Paste the values of column N on column K.

Faites la même chose pour "logarithme des prix", "logarithme des revenus", "logarithme
de l'indice des voitures neuves", "logarithme de l'indice des voitures d'occasion". Créer
une colonne « remise pour voiture usagée », la différence =L2-K2. Copiez les valeurs
(« paste special ») de l’indice de remise pour voiture usagée sur la colonne K.

3. Create a column for “log Covid Case”, this time using =LOG(1+G2), as there are no covid
cases prior to 2020. You should end up with a spreadsheet of this kind.

Créez une colonne pour "log Covid Case", cette fois en utilisant =LOG(1+G2), car il n'y a
pas de cas de covid avant 2020. Vous devriez obtenir une feuille de calcul de ce type.
You are now ready to estimate the elasticities. Vous êtes maintenant prêts à estimer
l’élasticité de la demande pour l’essence.

In the « Data » tab, select “Analysis Tools” and tick both boxes Analysis Toolpak and Solver
Add-In. Dans l’onglet Data, choisissez Analysis Tools, and cochez les deux cases Analysis
Toolpak et Solver Add-In.

In the Data tab, click on “Data Analysis”, and then select Regression. Choose the log Quantity
column as the Input Y range. Choose the other I to M columns as “the Input X range”. Choose
the Output Range option as below. Tick “Labels”. Click on OK.

Dans l’onglet Data, cliquez sur « Data Analysis », et ensuite choisisez régression. Choisissez la
colonne des log Quantité comme “Input Y range”. Choisissez les autres colonnes I à M comme
« Input X range ». Cochez la case « labels ». Choisissez Output Range comme ci-dessous et
cliquez sur OK.

You should see the regression results appearing on the right side of the spreadsheet.

Vous devriez observer les résultats de la régression à droite de la feuille de calcul.

 • What is the price elasticity of demand? Income elasticity? Is gasoline a normal?
luxury good? The cross-price elasticity of new cars? Are new cars a substitute good,
a complementary good?

• Quelle est l’élasticité de la demande par rapport au prix ? L’élasticité revenu ?

L’essence est-elle un bien normal ? de luxe ? L’élasticité croisée par rapport au prix
des voitures neuves ? Les voitures neuves sont elles un bien substitut, un bien
complément ?

☞ Envoyez moi 2 slides pour le deuxième jour de cours. Le premier slide avec les résultats de
la régression. Le deuxième avec votre interprétation des résultats. Question bonus : à quoi
ressemble le nuage de points de log Prix sur log Quantité ? Est-ce un problème ?

☞ Send me 2 slides for the second day of class. The first slide with the regression results. The
second one with your interpretation of the results. Bonus question: what does the log point
cloud look like Price on log Quantity? Is this a problem?