Para que possamos ter um modelo que busque capitar os efeito de trasbordamentos entre unidades

espaciais, é preciso que constem componentes espaciais em sua forma funcional (fórmula). Isso explica POR
EXEMPLO porque modelos tradicionais de convergência e as aplicações à produtividade agrícola não podem
ser estimados por MQO (mínimos quadrados ordinários) porque teremos possivelmente estimativas
incoerentes e inconsistentes
Ao estimar MQO, o modelo de convergência beta busca qual é a melhor maneira de estimar a equação dada
por:

Na qual o primeiro termo é o logaritmo natural da razão entre o pib per capita nos dois anos em análise e b
ln(Pibt-n ) é o logaritmo natural do pib per capita (e.g. pib per capita em 1975) e ui é o termo de erro.

Proposta Florax, Folmer e Rey (2003) recomendam o roteiro a fim de identificar a melhor especificação do
modelo de convergência beta
a) Estimar o modelo clássico de análise de regressão linear por MQO
b) Testar a hipótese da ausência de autocorrelação espacial devido a uma defasagem ou um erro por
meio de estatísticas de
a. Multiplicador de Lagrange com Defasagem Espacial
b. Multiplicador de Lagrange com Erro espacial
c) .
a. Se ambos os testes não forem significativos = utilização do modelo clássico é a mais
apropriada
b. Caso contrário deveremos seguir o próximo passo
d) Neste caso, como ambos os termos significativos, devemos escolher o mais significantivo a partir da
análise das versões robustas destes testes, ou seja, MRL(p)defasagem e MRL(l)erro
a. Caso MLR(Defasagem Espacial) > MLR(erro espacial) = usa-se o modelo com defasagem
espacial como mais apropriado
b. Caso MLR(erro espacial) > MLR(Defasagem Espacial) = Usa-se o modelo de erro
autorregressivo como o mais apropriado

No mesmo sentido, se nós rejeitarmos a hipótese de autocorrelação espacial, deve-se adotar procedimentos
apropriados, ou seja, especificarmos a equação de convergência beta por meio de melhores modelos de
econometria espacial
a) modelo de erro espacial
b) modelo de defasagem espacial
c) modelo regressivo cruzado espacial

Modelos
1 - Modelo de Erro Espacial
Podemos ter a primeira modificação no caso em que o termo de erro Ui na equação anterior segue um
processo autorregressivo como mostrado na equação

Onde lagrangeano representa o erro espacial, enquanto o termo de erro “ei” é erro normalmente distribuído
com média zero e variância constante. Portanto, substituindo a equação anterior pela forma funcional do
modelo de regressão do erro espacial teremos:

Onde W é a mesma matriz de contiguidade utilizada no cálculo de estatística “i de moran”.

a) Quando o erro espacial tiver valor nulo, não existe autocorrelação espacial do erro.
b) E quando o erro espacial for diferente de zero, o choque ocorrido em uma unidade geográfica se
espalha por todas as unidades, e não somente para seus vizinhos.
Este tipo de dependência espacial pode ter acontecido devido aos efeitos não modelados que não fossem
aleatoriamente distribuídos através do espaço

2 - Modelo de Defasagem Espacial

Neste modelo de autocorrelação espacial é considerada como sendo gerado pela interação atual entre duas
unidades espaciais.
É introduzido então como variável dependente na equação original de convergência Beta uma defasagem
espacial.
SLIDEEEE
Note que o “p” é o coeficiente de defasagem espacial (um escalar)
O elemento novo nesta função pode ser entendido como uma média dos valores da taxa de crescimento
das unidades espaciais vizinhas.
Espera-se que se o coeficiente de defasagem espacial for maior que zero temos uma autocorrelação espacial
positiva

3 - Modelo Regressivo Cruzado Espacial

É um modelo que inclui efeitos de transbordamentos espacial. Esse efeito de transbordamento é

representado pela defasagem espacial do PIB per capita do período inicial de 1975 e o erro “ei” representa
o termo de erro bem-comportado.
SLIDEEE
No qual o t é o coeficiente do transbordamento espacial, W ln(Pib t-n) demonstra defasagem espacial da
produtividade no período inicial 1975. E o “ei” representa o erro bem comportado

4 – Resultados e discussão sobre a convergência

Sobre a primeira equação apresentada, obtivemos o parâmetro da convergência beta, que estuda a hipótese
que municípios com PIB per capita baixo tendem a crescer mais rapidamente que municípios com PIB per
capita mais alto, alcançando-os. Por tanto, a primeira equação se refere ao modelo de convergência
absoluta.
Então foram seguidos os passos demonstrados anteriormente por MQO e os resultados estão na tabela

Foi importante a averiguação da presença de autocorrelação espacial, primeiro para auxiliar a identificação
do modelo econométrico espacial, e segundo para o diagnóstico simples do modelo, se ele é um modelo
confiável ou não
Por isso usamos o Multiplicador de Lagrange e o Multiplicador de Lagrange Robusto, e a escolhemos o
modelo foi devido ao nível de significância de cada multiplicador.
Neste caso, olhando para ambos os períodos, o melhor modelo é o de Erro espacial, apresentado
anteriormente.
Contudo existem dois problemas nos modelos estimados.
a) Primeiro é a existência de heterocedasticidade, conforme verificada pelo teste Koenker-Bassett.
b) De acordo com o Jarque Bera, os testes não foram identificados como normais.
Para corrigir a ausência de homocedasticidade, a especificação de erro espacial foi modificada para
acomodar a heterocedasticidade na forma de grupos
Já para corrigir a ausência de normalidade dos erros, adotou-se o MG – método de momentos generalizados,
proposto por Kelejian e Prucha, para estimar o erro espacial.
Após isso, foi possível estimar o modelo de convergência beta com dados consistentes, tal como pode ser
observado na tabela a seguir

Assim, ao analisar a estimativa do parâmetro beta de erro espacial, estimado pelo método de momentos
generalizado (o MG), observamos que em relação ao PIB per capita mineiro, nos períodos de 1975 a 1996 e
tb de 1975 a 2003 não há convergência, o que indica que durante estes períodos há um aumento das
disparidades regionais em Minas Gerais.
Porém se analisarmos o período de 1996 a 2003, o percebe-se que há convergência beta. Ou seja, onde o
PIB per Capita era menor estão crescendo mais rapidamente que regiões onde o pib per capita era maior.
Pode-se dizer que “ceteris paribus” que estão ocorrendo um processo de homogeneização em Minas Gerais,
a respeito da renda, fato que pode ser analisado pela diminuição do I de Moran no ano de 2003 conforme o
Eduardo nos apresentou
IMPORTANTE: convergência para o período de 1996 a 2003 é de 0,0754 é uma taxa alta que pode ser
considerada boa para o estado de minas gerais, porque diminui as disparidades regionais, e
consequentemente os problemas de planejamento urbano