Econométrie Spatiale : Développements récents de la littérature suivis d’une application empirique
Ce document traite de l’économétrie spatiale, une branche de l’économétrie qui étudie l’interaction et la structure spatiale dans les modèles de régression. Il présente les développements récents de la littérature et une application empirique sur les déterminants du chômage en Tunisie.
Économétrie spatiale : développements récents de la littérature suivis d’une application empirique
Aymen Sebai
Table des matières
1. Les Développements Récents De La Littérature
1.1. Les motivations théoriques de la dimension spatiale
1.1.1. L’interaction spatiale et sociale
1.1.2. Les erreurs de mesure et les chocs communs :
1.1.3. Les problèmes d’identification :
1.1.4. La dépendance au temps :
1.2. La spécification des modèles spatiaux
1.2.1. Les modèles d’autocorrélation des erreurs :
1.2.1.1. Les processus stochastiques spatiaux :
1.2.1.2. La représentation directe :
1.2.1.3. Les modèles à erreurs composées :
1.2.2. Les modèles de décalage spatial :
1.2.2.1. Le modèle autoregressif spatial : variable endogène décalée
1.2.2.2. Le modèle régressif croisé : variable exogène décalée
1.2.2.3. Généralisation :
1.3. L’estimation
1.3.1. Propriétés asymptotiques et Espace :
1.3.2. Le maximum de vraisemblance :
1.3.2.1. Le modèle de décalage spatial :
1.3.2.2. Le modèle d’autocorrélation des erreurs :
1.3.2.3. Les problèmes de Calcul :
1.3.3. La méthode des moments et les variables instrumentales
1.3.3.1. Les Doubles Moindres Carrés Spatiaux DMCS :
1.3.3.2. Autocorrélation spatiale comme paramètre de nuisance :
1.3.3.3. Décalage spatial avec des erreurs SAR :
1.4. Les tests de spécification :
1.4.1. Les tests d’autocorrélation spatiale :
1.4.1.1. Le test I de Moran :
1.4.1.2. Le test Kelejian-Robinson :
1.4.2. Les tests basés sur le ML :
1.4.2.1. L’autocorrélation spatiale des erreurs :
1.4.2.2. Le décalage spatial :
1.4.3. Les tests des sources multiples de problèmes de spécification :
2. Les détérminants du chômage : une analyse spatiale sur des données par délégation en Tunisie
2.1. La dimension régionale du chômage :
2.2. La spécification du modèle :
2.2.1. Modèle a-spatial :
2.2.2. Modèles spatiaux :
2.2.2.1. Modèle autorégressif spatial : variable endogène décalée
2.2.2.2. Modèle avec autocorrélation spatiale des erreurs :
2.2.2.3. Choix du modèle spatial :
2.3. Présentation des données :
2.3.1. Statistiques descriptives
2.3.1.1. La population locale :
2.3.1.2. Le chômage :
2.3.1.3. Les entreprises :
2.3.2. Analyse bivariée :
2.3.2.1. Matrice des corrélations :
2.3.2.2. Analyse graphique :
2.4. Analyse Multivariée :
2.4.1. Traitement économétrique standard :
2.4.1.1. Moindres Carrés Ordinaires :
2.4.1.2. Moindres Carrés Pondérés :
2.4.2. Traitement économétrique spatial :
2.4.2.1. Régressions spatiales :
2.4.2.2. Estimation par le maximum de vraisemblance :
2.4.3. Analyse Comparative :
Bibliographie
76
Table des figures
79
Liste des tableaux
80
Annexes :
Sorties d’estimation : MCO
[img_1]
MCP
[img_2]
MV
[img_3]
LAG
[img_4]
SEM
[img_5]
Bibliographie
• Anselin, L. (1988a). Lagrange Multiplier test diagnostics for spatial dependence and spatial heterogeneity. Geographical Analysis, 20:1–17.
• Anselin, L. (1988b). Spatial Econometrics: Methods and Models. Kluwer Academic Publishers, Dordrecht, The Netherlands.
• Anselin, L. (1999). Interactive Techniques and Exploratory Spatial Data Analysis. In Geographical Information Systems: Principles, Techniques, Management and Applications, 251–64, edited by P. A.Longley, M. F.Goodchild, D. J.Maguire, and D. W.Rhind. New York: Wiley.
• Anselin, L. (2001a). Rao’s score test in spatial econometrics. Journal of Statistical Planning and Inference, 97:113–139.
• Anselin, L. (2001c). Spatial effects in econometric practice in environmental and resource economics. American Journal of Agricultural Economics, 83(3):705–710.
• Anselin, L. (2006). Spatial Econometrics. T.C. Mills and K. Patterson (Eds.), Palgrave Handbook of Econometrics, Econometric Theory. Basingstoke, Palgrave Macmillan,1 : 901-969.
• Anselin, L. and Bera, A. (1998). Spatial dependence in linear regression models with an introduction to spatial econometrics. In Ullah, A. and Giles, D. E., editors, Handbook of Applied Economic Statistics, pages 237–289. Marcel Dekker, New York.
• Anselin, L. and Gracia (2008). Errors in variables and spatial effects in hedonic house price models of ambient air quality. Empirical Economics, Springer, vol. 34(1), pages 5-34, February.
• Andrews, D. W. K. (2005), Cross-Section Regression with Common Shocks. Econometrica, 73: 1551–1585
• Baltagi, B. H. (2001). Econometric Analysis of Panel Data (Second Edition). John Wiley & Sons, Chichester, United Kingdom.
• Baltagi, B. H., Song, S. H., and Koh, W. (2003b). Testing panel data regression models with spatial error correlation. Journal of Econometrics, 117:123–150.
• Baltagi, B.H. et al. (2007). Testing for serial correlation, spatial autocorrelation and random effects using panel data. Journal of Econometrics, 140(1), p.5-51.
• Brock, W. and Durlauf, S. (2001a). Discrete choice with social interactions. Review of Economic Studies, 59:235–260.
• Brueckner, J. K. (2003). Strategic interaction among governments: An overview of empirical studies. International Regional Science Review, 26(2):175–188.
• Cliff, A. and Ord, J. K. (1973). Spatial Autocorrelation. Pion, London, UK.
• Cliff, A. and Ord, J. K. (1981). Spatial Processes: Models and Applications. Pion, London, UK.
• Hordijk, L. and Paelinck, J. (1976). Some principles and results in spatial econometrics. Recherches ´ Economiques de Louvain, 42:175–197.
• Kapoor, M., Kelejian, H. H., and Prucha, I. (2007). Panel data models with spatially correlated error components. Journal of Econometrics, 140:97-130.
• Kelejian, H. H. and Robinson, D. P. (1995). Spatial correlation: A suggested alternative to the autoregressive model. In Anselin, L. and Florax, R. J., editors, New Directions in Spatial Econometrics, pages 75–95. Springer-Verlag, Berlin.
• Kelejian, H. H. and Prucha, I. R. (1999). A generalized moments estimator for the autoregressive parameter in a spatial model. International Economic Review, 40:509-533.
• Kelejian, H. H. and Prucha, I. R. (2001). On the asymptotic distribution of the Moran I test statistic with applications. Journal of Econometrics, 104(2):219-257.
• Kelejian, H. H. and Prucha, I. R. (2004). Estimation of simultaneous systems of spatially interrelated cross sectional equations. Journal of Econometrics, 118:27-50.
• Kelejian, H. H. and Prucha, I. R. (2010). Specication and estimation of spatial autoregressive models with autoregressive and heteroskedastic disturbances. Journal of Econometrics. 157:53-67.
• Lee, L.F. (2007). GMM and 2SLS estimation of mixed regressive, spatial autoregressive models. Journal of Econometrics, 137:489-514.
• LeSage, J. P. (1999). Spatial Econometrics. The Web Book of Regional Science, Regional Research Institute, West Virginia University, Morgantown, WV.
• LeSage, J. P. and Pace, R. K. (2007). A matrix exponential spatial specification. Journal of Econometrics, 140:190-214.
• LeSage, J. P. and Pace, R. K. (2009). Introduction to Spatial Econometrics. CRC Press, Boca Raton, FL.
• Manski, C. F. (2000). Economic analysis of social interactions. Journal of Economic Perspectives, 14(3):115–136.
• Paelinck, J. and Klaassen, L. (1979). Spatial Econometrics. Saxon House, Farnborough.
• Robinson, P. M. (2008). Correlation testing in time series, spatial and cross-section data. Journal of Econometrics, 147:5-16.
• Whittle, P. (1954). On stationary processes in the plane. Biometrika, 41:434–449.
Table des figures
• Répartition spatiale de la population
• Répartition spatiale du chômage
• Répartition spatiale des entreprises
• Nuages d’ensemble
• Le Taux de chômage en fonction du nombre d’entreprises
79
Liste des tableaux
• Définition des variables explicatives
• Statistiques descriptives de base
• Matrice des corrélations
• Estimation par MCO
• Estimation MCP
• Test de Moran
• Choix de la spécification
• Estimation du modèle SEM par MV
• Estimation du modèle linéaire par MV
• Tableau récapitulatif
80
