Rezago espacial: Uso en R

Econometría espacial: Rezago espacial

Rezago espacial

Sebastián Bauhoff

En mi última entrada de blog (aquí) , escribí que asociaciones como el espacio pueden estropear las suposiciones que subyacen a las técnicas de estimación estándar. Esta entrada trata sobre el primer problema que mencioné, el retraso espacial: cuando las observaciones vecinas se afectan entre sí. Tales dependencias pueden dar lugar a estimaciones incoherentes y sesgadas en un modelo OLS. E incluso si no le importa el "espacio" en un sentido geográfico, es posible que le interesen temas relacionados como la difusión de tecnología entre los agricultores, los efectos de red, los países que comparten la misma membresía en organizaciones internacionales (una idea recogida en Beck, Gleditsch y Beardsley; véase más abajo), etc. El punto es que el retraso espacial es omnipresente en muchos contextos y, aunque podría llamarse de diferentes formas, el problema básico sigue siendo el mismo.

Los modelos de rezago espacial son similares a los modelos de autorregresión de variable dependiente rezagados en el análisis de series de tiempo, pero el problema es que el coeficiente de correlación no se puede estimar fácilmente. Eso es un problema porque para estimar el coeficiente, se necesita una matriz de ponderaciones espaciales, pero a menudo no está claro cómo debería verse esa matriz, es decir, cuál es la relación espacial real.

Entonces, ¿cuánto puede importar? James LeSage (en una excelente guía de econometría espacial y sus funciones de MATLAB, también a continuación) proporciona un ejemplo de OLS y estimaciones de retraso espacial de los determinantes de los valores de las casas. La idea es que, aparte de la influencia de las variables independientes como la densidad de población del condado o las tasas de desempleo, las áreas con casas de alto valor pueden estar adyacentes a otras áreas de alto valor y, por lo tanto, hay una tendencia espacial en la variable de resultado. El ejemplo muestra que una variable interesante como la densidad de población puede volverse estadísticamente insignificante cuando se tiene en cuenta la dependencia espacial, y que los coeficientes de otras variables pueden cambiar en magnitud. Además, tener en cuenta el retraso espacial también mejora el ajuste del modelo.

Entonces, uno realmente debería tener en cuenta el espacio si es importante. ¿Cómo sabrías si lo hace? Hay una serie de pruebas para verificar el retraso espacial, pero en su mayor parte, solo comenzar a pensar en ello ayuda.

Para obtener más información sobre el retraso espacial, eche un vistazo a las fuentes mencionadas:

-- Econometrics Toolbox de James LeSage ( www.spatial-econometrics.com ), que tiene un excelente libro de trabajo que analiza la econometría espacial y ejemplos de las funciones de MATLAB proporcionadas en el mismo sitio; y
-- Beck, Gleditsch y Beardley (borrador del 14 de abril de 2005) "Space is more than Geography: Using Spatial Econometrics in the Study of Political Economy" ( http://www.nyu.edu/gsas/dept/politics/ facultad/beck/becketal.pdf ).


Social Science Statistics Blog