Spatialis ökonometria
A regionális tudományokban – a közgazdaságtanhoz és más társadalomtudományokhoz hasonlóan – az elmélet empirikus tartalmának megadására és az elméletből levezetett hipotézisek tesztelésére használják az ökonometriát. Egy egyszerű példával élve, számos telephelymodell azt jósolja, hogy a telephelyek közötti kereskedelem csökken a telephelyek közötti távolság függvényében. Az ökonometria felhasználható annak tesztelésére, hogy a kereskedelem valóban csökken-e a távolsággal (azaz az elméletből levezetett hipotézis tesztelésére), és ha igen, akkor annak becslésére, hogy a távolság növekedésével milyen mértékben csökken a kereskedelem (azaz az elmélet empirikus tartalommal való ellátására). Bár az általános ökonometriai módszereket széles körben alkalmazták a regionális tudományban, ez különösen a térbeli ökonometrika fejlesztéséhez és alkalmazásához kapcsolódik. A térbeli ökonometria eredete az 1970-es évek elejére nyúlik vissza, amikor kísérleteket tettek arra, hogy elkezdjenek foglalkozni azokkal a módszertani kérdésekkel, amelyek a több régióra vonatkozó modellekben merülnek fel, amikor a különböző régiók eredményei között valamilyen formában statisztikai függőség áll fenn. Természetesen az aszpirális ökonometria is foglalkozik ilyen kérdésekkel, de a térbeli ökonometriát a térbeli függőséggel való foglalkozás különbözteti meg. Vagyis azzal az elképzeléssel, hogy a tágan értelmezett földrajzi tér segít kialakítani a függőség jellegét. A térbeli ökonometria a térbeli struktúrával vagy heterogenitással is foglalkozik. Ismét az a jellemző, amely megkülönbözteti a térbeli és az aszpirális ökonometriát, hogy a földrajzi téren belüli heterogenitás szerepének megértésével és figyelembevételével foglalkozik.
A térbeli hatások, köztük a térbeli függőség és a heterogenitás figyelembevételének három fő oka van. Először is, számos általánosan használt ökonometriai technika érvényessége olyan alapfeltevéseken alapul, amelyek e térbeli hatások jelenlétében sérülnek. Ezért e térbeli hatások korrekciója fontos, ha érvényes következtetéseket akarunk levonni az érdeklődésre számot tartó kapcsolatok természetéről. A térbeli hatásoknak ez a “tér mint zavaró tényező” szemlélete a térbeli ökonometriai szakirodalom egyik fő problémája. Másodszor, a térbeli hatások helyes modellezése segíthet információt kinyerni az adatokból és javíthatja a térben meghatározott változók előrejelzéseit, még olyan helyzetekben is, amikor nem értjük, hogy miért jelentkeznek ezek a térbeli hatások. A térbeli hatásoknak ez a “tér mint információforrás” szemlélete már régóta foglalkoztatja a térstatisztikai szakirodalmat, és a fizikai földrajz egyes területein (pl. kriging) is jelentős érdeklődésre tart számot. E zavaró és információs nézetekkel ellentétben a harmadik ok, amiért a térbeli hatásokat figyelembe kell venni, az az, hogy “a tér számít”. Ez azt jelenti, hogy az érdeklődés olyan technikák kifejlesztésére irányul, amelyek lehetővé teszik annak magyarázatát, hogy a tér hogyan befolyásolja az érdeklődésre számot tartó kapcsolatot. Bár nyilvánvalóan nem zárják ki egymást, ez a három ellentétes nézet és az ezek kezelésére irányuló kutatási erőfeszítések kiegyensúlyozásának szükségessége folyamatos feszültség forrását jelenti a térbeli ökonometria és a regionális tudomány, valamint a szélesebb társadalomtudományi közösség közötti kapcsolat tekintetében.
A térbeli ökonometria iránti kezdeti érdeklődés a több régióra kiterjedő modellek iránt érdeklődő kutatók részéről érkezett. A tér itt egyértelműen számít, de ez nem feltétlenül tükröződött a korai fejlesztésekben, amelyek a maradék térbeli autokorreláció kimutatására és korrekciójára vagy az előrejelzések javítására összpontosítottak ilyen autokorreláció jelenlétében. Egy stilizált példával élve, képzeljünk el egy kutatót, akit az érdekel, hogy egy környéken a bűnözési rátát meghatározzák-e a környéken élő egyének társadalmi-gazdasági jellemzői. A megfelelő környékbeli adatok összegyűjtése után a kutató lefuttatja a bűnözési ráta lineáris regresszióját a kiválasztott környékbeli jellemzőkkel. A becsült modell segítségével a kutató a rendelkezésre álló társadalmi-gazdasági adatok alapján meg tudja jósolni a környékbeli bűnözési rátákat. Ezeket az előre jelzett bűnözési rátákat össze lehet hasonlítani a ténylegesekkel, és a kettő közötti különbségként kiszámítható a megmagyarázatlan “reziduum”. Ezeknek a reziduumoknak véletlenszerűnek kell lenniük, tehát nem mutathatnak szisztematikus mintázatot. A véletlenszerűségtől való egyik lehetséges eltérés, amely a térbeli ökonometria egyik legfontosabb kérdése, e reziduumok térbeli mintázatára vonatkozik. Például egy térképen ábrázolva egy adott városrész reziduumának nem szabadna kapcsolatban állnia a közeli más városrészek reziduumával. Ha ezzel szemben az egyik környék pozitív reziduumai általában a közeli környék pozitív reziduumaihoz kapcsolódnak (és hasonlóan a negatív reziduumokhoz), akkor a reziduumok térbeli autokorrelációt mutatnak. Ez a legjobb esetben a kutató megállapításainak statisztikai szignifikanciájára van hatással; a legrosszabb esetben azt jelenti, hogy a becsült kapcsolatok erőssége vagy akár iránya is téves lehet. Ezen túlmenően, ha a bűnözési ráták előrejelzése önmagában érdekel, akkor a térbeli autokorreláció természetére vonatkozó információk felhasználása segíthet javítani ezeket az előrejelzéseket, még akkor is, ha nem értjük azokat a társadalmi-gazdasági folyamatokat, amelyek valójában ezt az autokorrelációt mozgatják.
Az ilyen jellegű hibák kimutatása nyilvánvalóan hasznos lenne, és a térbeli ökonometriai irodalom (gyakran a térstatisztika meglátásait felhasználva) éppen erre szolgáló teszteket dolgozott ki. A két legelterjedtebb a Moran’s I és a Geary’s C, bár más mérőszámok is rendelkezésre állnak. Nyilvánvaló, hogy ha térbeli autokorrelációt észlelnek, a regressziós modellt át kell alakítani. Az azonban, hogy pontosan hogyan kell újraszabályozni, a térbeli autokorreláció forrásától függ. Három lehetőség van, amelyeket a legjobban a környékbeli bűnözés és a társadalmi-gazdasági jellemzők közötti kapcsolatra vonatkozó példa további használatával lehet szemléltetni. Az első lehetőség az, hogy egy városrészben nő a bűnözési ráta, és ez viszont közvetlenül növeli a bűnözési rátát a közeli városrészekben. Például a bűncselekmények számának növekedése egy környéken ösztönzi az utánzó bűncselekményeket a közeli városrészekben. Ez a regressziós modellben a közeli városrészek bűnözési rátájára vonatkozó információk bevonásával megragadható. A második lehetőség az, hogy egy környék társadalmi-gazdasági jellemzői oly módon változnak, hogy az adott környéken nő a bűnözés, és közvetlenül növeli a bűnözést a közeli környékeken is. Például nő a fiatalok száma egy környéken, és ők követnek el bűncselekményeket mind az adott környéken, mind a közeli városrészekben. Ez a regressziós modellben a közeli városrészek társadalmi-gazdasági jellemzőire vonatkozó információk bevonásával megragadható. A harmadik lehetőség az, hogy a váratlanul magas bűnözési ráta egy környéken általában a közeli városrészek váratlanul magas bűnözési rátájával jár együtt, de ez a hatás nem közvetlenül (pl. az utánzó bűnözésen keresztül) vagy közvetve (a társadalmi-gazdasági jellemzőkön keresztül) érvényesül. Ez akkor fordul elő, ha a bűnözést olyan tényezők okozzák, amelyek (legalábbis a kutató számára) megfigyelhetetlenek, és a városrészek között korrelálnak. Ezt úgy lehet megragadni, ha feltételezzük, hogy a városrészek reziduumai között térbeli autokorreláció van. Vagyis a reziduumok térbeli autokorrelációjának problémájára az egyik megoldás kifejezetten a reziduumok térbeli autokorrelációjának figyelembevétele a felülvizsgált specifikációban! Ez kissé körkörösnek tűnik, és a mögöttes társadalmi-gazdasági folyamatok megértése szempontjából csak akkor megfelelő, ha ki tudjuk zárni a másik két mechanizmust, amelyek révén a térbeli autokorreláció létrejön.
Ez a vita azt a benyomást keltheti, hogy nehéz különbséget tenni e három különböző lehetőség között. A szabványos térbeli ökonometriai szövegekben elérhető formálisabb kezelés megerősíti, hogy ez valóban így van. Joggal mondhatjuk, hogy ezek az identifikációs problémák kevés figyelmet kaptak a térbeli ökonometriai szakirodalomban. A figyelem ehelyett a lineáris térbeli regressziós modellek specifikációjára és becslésére (beleértve a megfelelő “térbeli súlymátrixok” meghatározása körüli vitákat), valamint a kapott becslők és a kapcsolódó tesztstatisztikák formális tulajdonságaira összpontosított. A térbeli megközelítésnek a paneladatokra és a diszkrét választások becslésére való kiterjesztésére is történtek erőfeszítések. Ez a hangsúly és a térbeli függőség iránti növekvő érdeklődés egyre inkább bekerült a térbeli ökonometriai irodalomba.
Bár csodálatra méltó, a térnek mint zavaró tényezőnek és mint előrejelzési információforrásnak a kezelésében elért fejlődés nem párosult az alkalmazott térbeli ökonometriai irodalomban elért hasonló előrelépésekkel a térrel kapcsolatos helyzetek jobb megértése terén. Itt két fő probléma merül fel. Először is, túl sok alkalmazott térbeli ökonometriával foglalkozó tanulmány a térbeli ökonometria végrehajtására összpontosít, aminek következtében túl kevés figyelmet fordítanak az elméletet informáló elemzések elkészítésére. Erre jó példa a növekedési konvergencia “ipara”. Amikor a figyelem közvetlenebbül az elméletre összpontosul, az a probléma, hogy a térbeli viselkedésre vonatkozó számos elméleti tétel javasolt tesztjei nem azonosítják megfelelően azt a pontos mechanizmust, amelyen keresztül a kölcsönös függőség létrejön. Természetesen a térbeli környezetben ez a fajta azonosítás rendkívül nehéz. A fenti bűnözési példában szinte lehetetlen meghatározni, hogy a bűnözési ráta térbeli interdependenciája a közvetlen vagy a közvetett mechanizmuson keresztül működik. E két mechanizmus szétválasztásához módot kellene találni arra, hogy exogén módon megváltoztassuk a bűnözési rátákat egy környéken, és megnézzük, hogy ez milyen hatással van a közeli környékekre. A valóságban ez csak a környék társadalmi-gazdasági jellemzőinek megváltoztatásával történhet meg, de akkor mindkét mechanizmus működik, és nem lehet szétválasztani őket. Bizonyos helyzetekben lehetséges lehet a függő változó közvetlen megváltoztatása, de még ebben az esetben is minden változásnak függetlennek kell lennie a többi magyarázó változó változásától. Például a joghatóságok közötti adóverseny vizsgálatakor lehetséges lehet az adókulcsok közötti kölcsönhatás azonosítása, feltéve, hogy a változások nem tükrözik a szomszédság egyéb változásait. A térbeli elméletek tesztelésére törekvő regionális tudósoknak nagyobb figyelmet kell fordítaniuk az elméletből származó egyértelmű előrejelzések levezetésére és a kapcsolódó azonosításra való törekvésre a térbeli ökonometria alkalmazása során. Ez nem így van, és ennek eredményeképpen, miközben a térbeli ökonometriai elmélet bekerül a mainstream ökonometriai irodalomba, a mainstream közgazdaságtan figyelmen kívül hagyja az alkalmazott térbeli ökonometriai elméleteket. Természetesen a mainstream közgazdaságtan általi elfogadás nem célja sok regionális tudósnak. De a döntő kérdés itt ennek az elutasításnak az oka, nem pedig az elutasítás önmagában. Hasonló történet, amely szintén az elmélet és az empiria közötti kapcsolatot érinti, játszódik le a regionális hatásmodellekkel kapcsolatban, amelyek a regionális tudomány egy másik kulcsfontosságú módszertani eszköztárát képviselik.