Econometrie

Econometrie spațială

Econometria este utilizată în științele regionale, ca și în economie și în alte științe sociale, pentru a da un conținut empiric teoriei și pentru a testa ipotezele derivate din această teorie. Pentru a lua un exemplu simplu, multe modele de localizare prevăd că schimburile comerciale între locații sunt descrescătoare în raport cu distanța dintre aceste locații. Econometria poate fi utilizată pentru a testa dacă într-adevăr comerțul scade odată cu distanța (de exemplu, pentru a testa o ipoteză derivată din teorie) și, în caz afirmativ, pentru a furniza o estimare a gradului în care comerțul scade odată cu creșterea distanței (de exemplu, pentru a oferi un conținut empiric teoriei). Deși metodele econometrice generale au fost aplicate pe scară largă în știința regională, aceasta este asociată în special cu dezvoltarea și aplicarea econometriei spațiale. Econometria spațială își are originile la începutul anilor 1970, când s-au făcut încercări de a începe să se abordeze problemele metodologice care apar în modelele multiregiune atunci când există o anumită formă de dependență statistică între rezultatele din diferite regiuni. Desigur, econometria aspațială se preocupă, de asemenea, de astfel de probleme, dar ceea ce diferențiază econometria spațială este preocuparea sa pentru dependența spațială. Adică, cu noțiunea că spațiul geografic, definit în sens larg, ar contribui la modelarea naturii oricărei dependențe. Econometria spațială este, de asemenea, preocupată de structura spațială sau de eterogenitate. Din nou, caracteristica care distinge econometria spațială de cea aspațială este preocuparea de a înțelege și de a permite rolul eterogenității în spațiul geografic.

Există trei motive principale pentru a lua în considerare efectele spațiale, inclusiv dependența spațială și eterogenitatea. În primul rând, validitatea unui număr de tehnici econometrice utilizate în mod obișnuit se bazează pe ipoteze de bază care vor fi încălcate în prezența acestor efecte spațiale. Astfel, corectarea acestor efecte spațiale este importantă dacă se dorește să se ajungă la concluzii valide cu privire la natura relațiilor de interes. Această viziune a efectelor spațiale ca „spațiu ca o pacoste” a fost o preocupare cheie a literaturii de econometrie spațială. În al doilea rând, modelarea corectă a efectelor spațiale poate contribui la extragerea de informații din date și la îmbunătățirea predicțiilor variabilelor determinate spațial, chiar și în situațiile în care nu înțelegem de ce apar astfel de efecte spațiale. Acest punct de vedere „spațiul ca sursă de informații” al efectelor spațiale este de mult timp o preocupare a literaturii de statistică spațială și a prezentat un interes considerabil în unele domenii ale geografiei fizice (de exemplu, kriging). Spre deosebire de aceste puncte de vedere privind noxele și informațiile, al treilea motiv pentru a lua în considerare efectele spațiale este că „spațiul contează”. Altfel spus, interesul este de a dezvolta tehnici care să permită explicarea modului în care spațiul afectează relația de interes. Deși în mod clar nu sunt preocupări care se exclud reciproc, aceste trei viziuni contrastante și necesitatea de a echilibra eforturile de cercetare pentru a le aborda, reprezintă o sursă de tensiune continuă în ceea ce privește relația econometriei spațiale atât cu știința regională, cât și cu comunitatea mai largă a științelor sociale.

Interesul inițial pentru econometria spațială a venit din partea cercetătorilor interesați de modele multiregiune. Spațiul contează în mod clar aici, dar acest lucru nu s-a reflectat neapărat în primele dezvoltări care s-au concentrat pe detectarea și corectarea autocorelației spațiale reziduale sau pe îmbunătățirea predicțiilor în prezența unei astfel de autocorelații. Pentru a lua un exemplu stilizat, imaginați-vă un cercetător interesat să afle dacă rata criminalității într-un cartier este determinată de caracteristicile socioeconomice ale persoanelor care locuiesc în cartier. După ce a colectat datele corespunzătoare despre cartier, cercetătorul efectuează o regresie liniară a ratei criminalității în funcție de caracteristicile selectate ale cartierului. Utilizând modelul estimat, cercetătorul poate prezice rata criminalității în cartier pe baza datelor socioeconomice disponibile. Aceste rate previzionate ale criminalității în cartier pot fi comparate cu cele reale și se poate calcula un „reziduu” inexplicabil ca diferență între cele două. Aceste reziduuri ar trebui să fie aleatorii și, prin urmare, să nu prezinte un model sistematic. O posibilă abatere de la caracterul aleatoriu și o problemă cheie de interes pentru econometria spațială se referă la modelul spațial al acestor reziduuri. De exemplu, atunci când sunt reprezentate pe o hartă, reziduurile pentru un anumit cartier nu ar trebui să aibă nicio legătură cu cele ale altor cartiere din apropiere. Dacă, dimpotrivă, reziduurile pozitive dintr-un cartier tind să fie asociate cu reziduurile pozitive din cartierele învecinate (și la fel pentru cele negative), atunci reziduurile prezintă autocorelație spațială. În cel mai bun caz, acest lucru are implicații asupra semnificației statistice a constatărilor cercetătorului; în cel mai rău caz, înseamnă că puterea sau chiar direcția relațiilor estimate poate fi greșită. În plus, dacă interesul este de a prezice ratele criminalității în sine, atunci utilizarea informațiilor privind natura acestei autocorelații spațiale poate ajuta la îmbunătățirea acestor previziuni, chiar dacă nu înțelegem procesele socio-economice care conduc de fapt la această autocorelație.

Este clar că ar fi util dacă aceste tipuri de erori ar putea fi detectate, iar literatura de econometrie spațială (folosind adesea cunoștințe din statistica spațială) a dezvoltat teste pentru a face exact acest lucru. Cele două cele mai comune sunt Moran’s I și Geary’s C, deși sunt disponibile și alte măsuri. În mod clar, în cazul în care se detectează autocorelația spațială, modelul de regresie ar trebui rescris. Cu toate acestea, modul exact în care ar trebui să fie reproiectat depinde de sursa autocorelației spațiale. Există trei posibilități, cel mai bine ilustrate prin utilizarea în continuare a exemplului privind relația dintre criminalitatea din cartier și caracteristicile socioeconomice. Prima posibilitate este că rata criminalității într-un cartier crește, iar acest lucru, la rândul său, crește în mod direct rata criminalității în cartierele învecinate. De exemplu, o creștere a infracțiunilor într-un cartier încurajează infracțiunile imitate în cartierele din apropiere. Acest lucru poate fi surprins în modelul de regresie prin includerea de informații privind ratele criminalității în cartierele învecinate. A doua posibilitate este aceea că caracteristicile socioeconomice ale unui cartier se schimbă într-un mod care crește criminalitatea în acel cartier și, de asemenea, crește în mod direct criminalitatea în cartierele învecinate. De exemplu, numărul de tineri dintr-un cartier crește și aceștia comit infracțiuni atât în acel cartier, cât și în cartierele din apropiere. Acest lucru poate fi surprins în modelul de regresie prin includerea de informații privind caracteristicile socioeconomice ale cartierelor învecinate. A treia posibilitate este că ratele neașteptat de ridicate ale criminalității într-un cartier tind să fie asociate cu rate neașteptat de ridicate ale criminalității în cartierele învecinate, dar că acest efect nu funcționează direct (prin, de exemplu, infracțiuni de imitație) sau indirect (prin caracteristicile socioeconomice). Acest lucru se întâmplă atunci când există factori care cauzează criminalitatea care nu sunt observați (cel puțin pentru cercetător) și care sunt corelați între cartiere. Acest lucru poate fi surprins presupunând că există o autocorelație spațială între reziduurile cartierelor. Altfel spus, o soluție la problema autocorelației spațiale a reziduurilor este de a permite în mod specific autocorelația spațială a reziduurilor într-o specificație revizuită! Acest lucru pare oarecum circular și, în ceea ce privește înțelegerea proceselor socio-economice subiacente, este adecvat numai dacă se pot exclude celelalte două mecanisme prin care apare autocorelația spațială.

Această discuție poate da impresia că este greu de distins între aceste trei posibilități diferite. Tratarea mai formală disponibilă în textele standard de econometrie spațială confirmă că acesta este într-adevăr cazul. Ar fi corect să spunem că aceste probleme de identificare au primit puțină atenție în literatura de econometrie spațială. În schimb, atenția s-a concentrat pe specificarea și estimarea modelelor de regresie spațială liniară (inclusiv dezbaterile privind determinarea „matricelor de ponderare spațială” adecvate) și pe proprietățile formale ale estimatorilor rezultați și ale statisticilor de testare asociate. De asemenea, s-au depus eforturi pentru a extinde abordarea spațială pentru a include datele de panel și estimarea alegerii discrete. Din ce în ce mai mult, acest accent și un interes crescând pentru dependența spațială au mutat econometria spațială în literatura econometrică principală.

Deși admirabil, acest progres în abordarea spațiului ca o pacoste și ca o sursă de informații pentru predicție nu a fost, totuși, egalat de progrese comparabile în literatura econometrică spațială aplicată în ceea ce privește creșterea înțelegerii noastre a situațiilor în care spațiul contează. Există două probleme principale în acest sens. În primul rând, prea multe lucrări de econometrie spațială aplicată se concentrează pe punerea în aplicare a econometriei spațiale, ceea ce are drept rezultat faptul că se acordă prea puțină atenție construirii unor analize care să ofere informații despre teorie. „Industria” în plină expansiune a convergenței creșterii este un bun exemplu în acest sens. Atunci când atenția se concentrează mai direct asupra teoriei, problema este că testele propuse pentru multe dintre propozițiile teoretice privind comportamentul spațial nu identifică în mod corespunzător mecanismul precis prin care se produce interdependența. Desigur, în cadrul spațial, acest tip de identificare este extrem de dificil. În exemplul criminalității de mai sus, este aproape imposibil de determinat dacă interdependența spațială în ceea ce privește ratele criminalității funcționează prin intermediul mecanismului direct sau indirect. Pentru a separa aceste două mecanisme ar fi nevoie de o modalitate de a modifica în mod exogen ratele criminalității într-un cartier și de a vedea ce efect are acest lucru asupra cartierelor învecinate. În realitate, singura modalitate prin care acest lucru s-ar putea întâmpla este modificarea caracteristicilor socio-economice ale unui cartier, dar atunci ambele mecanisme vor fi în funcțiune și nu există nicio modalitate de a le separa. În unele situații, ar putea fi posibilă modificarea directă a variabilei dependente, dar chiar și atunci orice modificare trebuie să fie independentă de modificările celorlalte variabile explicative. De exemplu, atunci când se ia în considerare concurența fiscală între jurisdicții, poate fi posibilă identificarea interacțiunii dintre ratele de impozitare, cu condiția ca modificările să nu reflecte alte modificări în vecinătăți. O mai mare atenție acordată obținerii unor predicții clare din teorie și căutarea asociată a identificării ar trebui să fie esențială pentru aplicarea econometriei spațiale de către cercetătorii regionali care încearcă să testeze teoriile spațiale. Acest lucru nu se întâmplă și, prin urmare, în timp ce teoria econometriei spațiale se integrează în literatura econometrică tradițională, o mare parte din econometria spațială aplicată este ignorată de economia tradițională. Desigur, acceptarea de către curentul economic principal nu este obiectivul multor cercetători regionali. Dar problema crucială aici este motivul acestei respingeri, nu respingerea în sine. O poveste similară, care implică, de asemenea, legătura dintre teorie și empiric, se desfășoară în ceea ce privește modelele de impact regional, care reprezintă un alt set de instrumente metodologice esențiale în știința regională.

.