Items Upload-Seminario 22 2

Introduccin del Espacio en la Econometra
Modelos de Econometra Espacial

Ilustracin: Anlisis de Fecundidad en la Argentina
Resumen
Introduccin a la Econometra Espacial.

Una Aplicacin al Estudio de la Fecundidad en la
Argentina usando R .
M. Herrera
J. Paz
J. C. Cid
1 IELDE-CONICET
Universidad Nacional de Salta
2 IELDE
Universidad Nacional de Salta
Seminario 22
Instituto de Estudios Laborales y del Desarrollo Econmico
1 de Noviembre del 2012 (Salta, Argentina)
Herrera, Paz & Cid
Econometra Espacial. Ejemplo Fecundidad

Resumen
ESQUEMA DE LA PRESENTACIN

Dependencia Espacial
Matriz de Contactos. Su Importancia
Deteccin de la Dependencia Espacial

Tests de Independencia Espacial
Estrategias de Especicacin

Modelo Terico e Hiptesis de Trabajo
Informacin Utilizada
Matrices de Contactos Alternativas
Anlisis Univariante de la Fecundidad
Resumen
Herrera, Paz & Cid

Resumen
Esquema de la Presentacin



Resumen
Herrera, Paz & Cid

Resumen
ESTRUCTURA DE LOS DATOS
La particularidad de los datos (de corte transversal o de panel) radica en que se

encuentran geo-referenciados: latitud y longitud.
Herrera, Paz & Cid

Resumen
Es habitual trabajar con grados decimales, tal que permitan la representacin en ejes
cartesianos: Longitud = x , Latitud = y .
Herrera, Paz & Cid

Resumen
Las bases de datos geo-referenciadas ofrecen informacin no

disponible en otras estructuras:
La localizacin de la actividad investigada permite identicar
conductas similares, tal que los valores se muestren agrupados
en el espacio.
Permiten modelizar cmo la conducta de una localidad o
individuo se ve inuenciada por la de sus vecinos (estrategia
alternativa/complementaria a los modelos multinivel).
Ejemplo: el valor de venta de una vivienda depender de sus
propias caractersticas (dormitorios, metros cuadrados, etc.),
pero tambin del valor de las viviendas vecinas o vecindario.
Herrera, Paz & Cid

Resumen
MODELO ESPACIAL AUTOREGRESIVO
Formalmente, la dependencia espacial implica de una variable puede

modelizarse de la siguiente manera.
Supongamos que tenemos 3 observaciones de una variable y distribuida en el
espacio:
(1)Modelo No Restringido
y i = ij y j + ik y k + i
y j = ji y i + jk y k + j
y k = ki y i + kj y j +k
i ; j ; k N 0; 2
y = y +
Problema: Existen ms parmetros que observaciones (6
> 3).
El sistema
se encuentra SOBRE-PARAMETRIZADO, no es posible su estimacin.

Solucin: una posibilidad es restringir el modelo.
Herrera, Paz & Cid

Resumen
MODELO ESPACIAL AUTOREGRESIVO
Dado el modelo
y = y + , es
necesario imponer una estructura a la matriz
que reduzca los parmetros a estimar.
(2)Modelo Restringido
= 21
31
12
0
32
13
0
23 = 21
0
31
Los parmetros a estimar,
ij .
ij ,
12
0
32
13
23 = W y = yW +
se transforman en coecientes exgenos,
El modelo restringido contiene un parmetro de posicin a estimar:
La matriz W es denominada matriz de contactos.

El trmino
yW = W y
es denominado REZAGO ESPACIAL.
Herrera, Paz & Cid

Resumen



Resumen
Herrera, Paz & Cid

Resumen
LA MATRIZ DE CONTACTOS W
La matriz de contactos o conectividad incorpora los vecinos al

modelo economtrico.
Problema crucial en Econometra Espacial: Quin es vecino y
cmo incorporarlo al modelo.
Concepto de vecino: son unidades u observaciones que

interactan en forma signicativa. Esta interaccin se puede
relacionar a efectos desbordamiento, proximidad geogrca,
similaridades de mercado o por infraestructuras, etc.
Criterios para construir la matriz
W:
Geogrcos: contigidad, distancia, k-vecinos ms cercanos,

etc.
Criterios Generales: distancia sociolgica, distancia econmica.
Herrera, Paz & Cid

Resumen
CRITERIO DE CONTIGIDAD. OPCIONES BINARIAS
Fuente: Anselin (1988).

Herrera, Paz & Cid

Resumen
ESPECIFICACIONES ALTERNATIVAS A LOS PESOS BINARIOS
factor contigidad binario (1,0).

prop. rea de la unidad i respecto al
total de rea de todas las unidades.
i (j ) : prop. del permetro de la unidad i en
contacto con la unidad j .
a, b : parmetros positivos
dij :dist. entre los puntos o regiones (i ,j ).
ij :
Dacey (1968)
Cli y Ord
(1973)
Anselin
(1980)
Case et al.
(1993)
i :
ij = ij i i (j )

b
ij = dija i (j )
ij = dij2
ij = |xi 1 xj |
ad
Ej ij
ad
Ek ik
ij :dist. entre los puntos o regiones (i ,j ).
: var. socioeconmica (ej.: PBI per cpita)
Molho (1995)
ij =
k 6=i
Herrera, Paz & Cid
: volumen de empleo.
ij :dist. entre los puntos o regiones (i ,j ).

Resumen



Resumen
Herrera, Paz & Cid

Resumen
DETECCIN UNIVARIANTE
Existen varios estadsticos aunque el ms utilizado es el test I de Moran:
N
I=
S0
siendo
wij
(yi y ) wji (yj y )

i j
,
N
2
(yi y )
i =1
un valor binario que captura la vecindad de las observaciones,
la media muestral y
S0 =
N N
wij ,
i =1j =1
Su distribucin asinttica es normal:
N [I E (I )]
N
as
[0; V (I )] .
La hiptesis nula es aleatoriedad de la variable. La deteccin de

dependencia espacial abre la posibilidad de introducir modelos
economtricos ms completos en trminos espaciales.
Herrera, Paz & Cid

Resumen




Resumen
Herrera, Paz & Cid

Resumen

MODELOS ESTTICO
El modelo esttico (sin elementos espaciales) ms simple es el

Modelo Lineal General (MLG):
y =
X + ,
N
siendo la variable dependiente
0,
2I ,
N
un vector de dimensin
(N 1),
es una matriz de variables explicativas, incluyendo una constante,
(N k ),
(k 1) y es
de orden
es un vector de parmetros desconocidos de
orden
el trmino de error de dimensin
Herrera, Paz & Cid
(N 1).

Resumen

TEST I DE MORAN SOBRE LOS RESIDUOS
La inclusin de variables explicativas puede atenuar signicativamente la

dependencia espacial de la variable endgena.
La forma ms habitual de contrastar la presencia de efectos espaciales es
mediante el test I de Moran. Utilizando el vector de residuos del MLG,
ub = y X b, se construye el estadstico I de Moran:
N N
bw u
b
u
N i =1j =1 i ji j
=
.
N
S0
2
b
u
i
i =1
La distribucin probabilstica del estadstico se basa en una aproximacin

emprica por permutacin o la misma aproximacin asinttica del caso
univariante.
PROBLEMA: el rechazo de la hiptesis nula de aleatoriedad, no brinda
informacin adicional sobre el modelo bajo la hiptesis alternativa.
Herrera, Paz & Cid

Resumen

ERROR
ALTERNATIVA AL I DE MORAN: TEST LM
El enfoque de los Multiplicadores de Lagrange brinda la ventaja de dar un

Modelo bajo la hiptesis alternativa.
Modelo de Error Espacial (Spatial Error Model):
+ u,
W u + u = B 1 ,
N ,
0, I
Bajo las siguientes hiptesis:
:
:
= 0,
6= 0,
2S0
b
u Wb
u
b 2
H0
H1
el test posee una estructura igual a:
ERR =
LM
!2
(21) ,
as
PROBLEMA: Sensibilidad del test a la omisin de elementos en la parte

sistemtica (var. endgena y/o var. explicativas).
EL .
SOLUCIN: LM robusto al rezago espacial endgeno LM
Herrera, Paz & Cid

Resumen

LAG
El Modelo de Rezago Espacial tiene la siguiente estructura:
W y + X + u,
uN
N ,
0, I
Bajo las siguientes hiptesis:

H0
H1
:
:
= 0,
6= 0,
el Multiplicador de Lagrange es igual a:
LAG
LM
W ub
b 2
2
N]
e
V [

=
W ub
b 2
2
b0 X 0 WMWX b
b2
(21) .
as
PROBLEMA: Sensibilidad del test a la omisin de elementos en la parte

aleatoria.
LE .
SOLUCIN: LM robusto al rezago espacial en los residuos LM
Herrera, Paz & Cid

Resumen

SARMA
Modelo de Rezago y Error Espacial (SARAR (1, 1), Anselin y Florax, 1995):
W y + X + u,
W u + ,
0, I
En el test SARMA se analiza la no existencia de efectos espaciales en el
ERR
modelo, combinando informacin de los estadsticos base LM

H0
H1
:
:
LAG :
y LM
= 0; = 0,
6= 0; =
6 0,
El estadstico Multiplicador de Lagrange, bajo hiptesis nula, es igual a:
h
SARMA =
LM
W ub
b2
ub W ub
N]
b 2
e
V [
Herrera, Paz & Cid
i2
+
1
2S0
b
u Wb
u
b 2
!2
(22) .
as

Resumen

TEST DE FACTORES COMUNES
Partiendo del Modelo Espacial de Durbin (modelo amplio):
y = W y + X + WX + .
El test de factores comunes se concreta en:
H0
H1
:
:
+ = 0,
+ 6= 0,
En esta ocasin utilizamos el estadstico LR :
q2 ,
COMFAC = 2 l|H1 l|H0 as
LR
siendo l|
H0
l|
1 la log-verosimilitud obtenida en la estimacin del modelo amplio y

la correspondiente al modelo de la hiptesis nula; q es el nmero de
restricciones e igual al nmero de parmetros incluidos en
sin considerar la
constante. Si no rechazamos la hiptesis nula se debe estimar un Modelo de

Error Espacial.
Herrera, Paz & Cid

Resumen




Resumen
Herrera, Paz & Cid
Figura: Estrategias Alternativas de Especicacin Espacial
M1: y = Wy+X+WX+u
2
u = Wu+; ~ (0, I)
M2: y=Wy+X+u
2
u = Wu+; ~ (0, I)
H0:=0
H0:=0
M5: y=Wy+X+u
2
u ~ (0, I)
H0:=0
H0:=0
H0:=0
M3: y=Wy+X+WX+u
2
u ~ (0, I)
H0:=0
M6: y=X+WX+u
2
u ~ (0, I)
H0:=0
M8: y=X+u
2
u ~ (0, I)
M4: y =X+WX+u
2
u = Wu+; ~ (0, I)
H0:=0
H0:=0
H0:=0
M7: y=X+u
2
u = Wu+; ~ (0, I)
H0:=0
De lo PARTICULAR a lo GENERAL
De lo GENERAL a lo PARTICULAR
H0:=0
H0:+=0

Resumen




Resumen
Herrera, Paz & Cid

Resumen

TEORAS ALTERNATIVAS
Al menos 2 teoras alternativas que explican el comportamiento de la

Fecundidad:
Desde un punto de vista econmico puro, los modelos de asignacin

del tiempo entre las actividades de consumo y produccin permiten
plantear diversas hiptesis que vinculan cambios en el entorno
econmico en donde la gente vive y sus demandas reproductivas y
de fecundidad (Becker, 1960).
Desde una perspectiva ms sociolgica, se propone el impacto de la
difusin o cambio de ideas y la inuencia de las interacciones

sociales (Cleland y Wilson, 1987).
Nosotros exploramos ambas teoras, entendiendo que los patrones de

fecundidad son explicados solo parcialmente por el comportamiento
individual, existiendo un componente contextual signicativo:
Fecundidad
= f [clase social, contexto geogrco]
Herrera, Paz & Cid

Resumen




Resumen
Herrera, Paz & Cid

Resumen

VARIABLES DE ESTUDIO
Utilizamos informacin agregada por departamentos del Censo 2001:

(1).
HIJOS : var. que captura la fecundidad como el nmero promedio de
hijos nacidos vivos por mujer de entre 15 y 29 aos.

(2).
CONVIV : pctj de mujeres que conviven con hombres (casadas o en
pareja), mujeres de 15 a 29 aos.

(3).
EDUC : promedio de aos de educacin formal, mujeres de 15 a 29
aos.
(4).
URBAN : pctj de pob. urbana dentro del total de mujeres de 15 a 29
del departamento.
(5).
ACTIVA: pctj de la poblacin econmicamente activa respecto a la
poblacin total, mujeres de 15 a 29 aos.

(6).
HNOPOB : pctj de hogares no pobres segn criterio IPMH (Indicador
de Privacin Material de los Hogares) considerando el grupo (1) de dicho

ndice.
Herrera, Paz & Cid

Resumen




Resumen
Herrera, Paz & Cid

Resumen

MATRICES DE CONTACTOS ALTERNATIVAS
Contigidad de 1 Orden
Herrera, Paz & Cid
4-Vecinos ms Cercanos

Resumen

DISTRIBUCIN ESPACIAL DE LA FECUNDIDAD
Herrera, Paz & Cid

Resumen




Resumen
Herrera, Paz & Cid

Resumen

GRFICOS DEL TEST I DE MORAN
I de Moran= 0.6713
2
1
0
Rezago Espacial HIJOS
1
0
1
2
Rezago Espacial HIJOS
I de Moran= 0.6789
HIJOS
Contigidad de Primer Orden
Herrera, Paz & Cid
HIJOS
4-Vecinos ms Cercanos

Resumen




Resumen
Herrera, Paz & Cid


Resumen
MODELO LINEAL GENERAL POR MCO
Modelo simple, MLG:
i = 0 + 1 CONVIVi + 2 URBANi + 3 EDUCi + 4 ACTIVAi + 5 HNOPOBi + i .
HIJOS
Los resultados de la estimacin del modelo son:
Variable
CONSTANTE
CONVIV
URBAN
EDUC
ACTIVA
HNOPOB
R2
Herrera, Paz & Cid
Coeciente
|t |
1,2911
12,290
0,0128
12,842
0,0006
3,685
0,0448
4,552
0,0039
4,774
0,0048
10,568
0,8733

Resumen

TESTS DE INDEPENDENCIA ESPACIAL
Matrices
test
I de Moran
LM
LM
LM
LM
LM

Valor
p-valor
4-Vecinos ms cercanos
Valor
p-valor
0,41
0,0000
0,34
0,0000
ERROR
239,93
0,0000
147,67
0,0000
EL
143,93
0,0000
85,67
0,0000
LAG
102,69
0,0000
72,76
0,0000
LE
6,70
0,0096
10,75
0,0010
SARMA
246,63
0,0000
158,43
0,0000
Herrera, Paz & Cid
ESTIMACIN POR MXIMA VEROSIMILITUD
Matrices
Modelo
SLM
CONVIV
URBAN
EDUC
ACTIVA
HNOPOB
4 Vecinos ms cercanos
SARAR
SLM
1,178
(9,99)
0,016
(17,24)
0,0003
(2,29)
0,055
(5,85)
0,003
(4,57)
0,003
(6,38)
0,033
(0,68)
0,770
(21,00)
0,831
(7,45)
0,013
(13,77)
0,001
(5,68)
0,028
(2,91)
0,002
(2,30)
0,004
(10,21)
0,233
(8,58)
617
Coef. Estim./(|t |)
VarIable
CONST .
SEM
0,684
(6,12)
0,013
(14,34)
0,001
(6,43)
0,021
(2,28)
0,002
(2,30)
0,004
(9,39)
0,302
(10,01)
1,14
(11,83)
0,016
(17,73)
0,0004
(2,54)
0,054
(5,78)
0,003
(4,55)
0,003
(6,55)
-
0,747
(22,46)
log MV
557
616
Notas: * Signicativo al 5%.
SEM
SARAR
Coef. Estim./(|t |)
1,24
(12,25)
0,015
(15,18)
0,0003
(1,92)
0,060
(6,10)
0,003
(3,30)
0,004
(7,57)
0,644
(17,09)
1,134
(9,68)
0,015
(15,09)
0,0004
(2,42)
0,055
(5,60)
0,002
(3,02)
0,004
(7,89)
0,070
(1,95)
0,582
(12,31)
545
580
582
MODELO ESPACIAL DE DURBIN Y TEST DE FACTORES COMUNES
Matrices
4 Vecinos ms cercanos
Variable
Coef. Estim./(|t |)
Coef. Estim./(|t |)
0,5370
(3,60)
0,0165
(18,34)
0,0004
(2,88)
0,0542
(5,73)
0,0030
(4,06)
0,0023
(4,62)
0,0137
(8,98)
0,0345
(2,32)
0,6735
(17,44)
28,92
630,86
0,5603
(3,77)
0,0162
(16,72)
0,0004
(2,31)
0,0594
(6,13)
0,0020
(2,60)
0,0027
(5,30)
0,0108
(7,14)
0,0513
(3,54)
0,5547
(12,99)
47,93
604,16
CONST .
CONVIV
URBAN
EDUC
ACTIVA
HNOPOB
W CONVIV
W EDUC
LRCOMFAC
log MV
Notas: * Signicativo al 5%.

Resumen
RESUMEN
El trabajo pretende introducir al lector los principales

elementos de la Econometra Espacial.
A su vez, se busca incentivar la investigacin emprica
brindando la secuencia de comandos utilizados en R.
La estrategia de especicacin explorada es De lo Particular a
lo General.
Se utiliza el mtodo de estimacin de Mxima Verosimilitud.
El ejemplo emprico es ilustrativo del mtodo de investigacin
habitual dentro de esta rama economtrica.
Herrera, Paz & Cid

Resumen
Gracias por su atencin!
Herrera, Paz & Cid

Items Upload-Seminario 22 2

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Items Upload-Seminario 22 2

Загружено:

Авторское право:

Доступные форматы

Introduccin del Espacio en la Econometra

Modelos de Econometra Espacial

Introduccin a la Econometra Espacial.

Econometra Espacial. Ejemplo Fecundidad

Introduccin del Espacio en la Econometra

Introduccin del Espacio en la Econometra

Modelos de Econometra Espacial

Ilustracin: Anlisis de Fecundidad en la Argentina

Herrera, Paz & Cid

Econometra Espacial. Ejemplo Fecundidad

Introduccin del Espacio en la Econometra

Introduccin del Espacio en la Econometra

Modelos de Econometra Espacial

Ilustracin: Anlisis de Fecundidad en la Argentina

Herrera, Paz & Cid

Econometra Espacial. Ejemplo Fecundidad

Introduccin del Espacio en la Econometra

ESTRUCTURA DE LOS DATOS

La particularidad de los datos (de corte transversal o de panel) radica en que se

Herrera, Paz & Cid

Econometra Espacial. Ejemplo Fecundidad

Introduccin del Espacio en la Econometra

ESTRUCTURA DE LOS DATOS

Herrera, Paz & Cid

Econometra Espacial. Ejemplo Fecundidad

Introduccin del Espacio en la Econometra

ESTRUCTURA DE LOS DATOS

Las bases de datos geo-referenciadas ofrecen informacin no

Herrera, Paz & Cid

Econometra Espacial. Ejemplo Fecundidad

Introduccin del Espacio en la Econometra

MODELO ESPACIAL AUTOREGRESIVO

Formalmente, la dependencia espacial implica de una variable puede

Problema: Existen ms parmetros que observaciones (6

se encuentra SOBRE-PARAMETRIZADO, no es posible su estimacin.

Herrera, Paz & Cid

Econometra Espacial. Ejemplo Fecundidad

Introduccin del Espacio en la Econometra

MODELO ESPACIAL AUTOREGRESIVO

necesario imponer una estructura a la matriz

que reduzca los parmetros a estimar.

Los parmetros a estimar,

se transforman en coecientes exgenos,

El modelo restringido contiene un parmetro de posicin a estimar:

La matriz W es denominada matriz de contactos.

es denominado REZAGO ESPACIAL.

Herrera, Paz & Cid

Econometra Espacial. Ejemplo Fecundidad

Introduccin del Espacio en la Econometra

Introduccin del Espacio en la Econometra

Modelos de Econometra Espacial

Ilustracin: Anlisis de Fecundidad en la Argentina

Herrera, Paz & Cid

Econometra Espacial. Ejemplo Fecundidad

Introduccin del Espacio en la Econometra

La matriz de contactos o conectividad incorpora los vecinos al

Concepto de vecino: son unidades u observaciones que

Geogrcos: contigidad, distancia, k-vecinos ms cercanos,

Herrera, Paz & Cid

Econometra Espacial. Ejemplo Fecundidad

Introduccin del Espacio en la Econometra

CRITERIO DE CONTIGIDAD. OPCIONES BINARIAS

Fuente: Anselin (1988).

Econometra Espacial. Ejemplo Fecundidad

se transforman en coecientes exgenos,

es denominado REZAGO ESPACIAL.

Concepto de vecino: son unidades u observaciones que

Geogrcos: contigidad, distancia, k-vecinos ms cercanos,

La hiptesis nula es aleatoriedad de la variable. La deteccin de

La inclusin de variables explicativas puede atenuar signicativamente la