Repozytorium zawiera skrypty dotyczące analizy i modeli ekonometrii przestrzennej.
Zmienna przedstawiona w modelach odnosi się do wskaźnika zgłoszeń patentowych w dziedzinie patentów nowych technologii na milion mieszkańców regionów Niemiec w 2011 roku.
Macierze wag przestrzennych - Spatial weights matrices
Testowanie procesów przestrzennych - Testing for spatial effects
Proste modele regresji - Single source spatial regression
SAR SEM SLX models
SARAR SDM SDEM models
Macierz W jest macierzą kwadratową o wymiarze równym liczbie regionów. Jej i-ty wiersz interpretujemy jako wektor wag, które określają wpływ innych regionów na i-ty region.
Badany model regresji liniowej opisuje wpływ liczby ludności, PKB per capita oraz współczynnika zatrudnienia osób w wieku 15-64 lat na liczbę zgłoszeń patentowych na milion mieszkańców regionu.
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -2.752e+02 7.510e+01 -3.665 0.000861 ***
Population 4.816e-06 2.540e-06 1.896 0.066761 .
GDP 1.628e-03 3.775e-04 4.313 0.000137 ***
emp 3.268e+00 1.020e+00 3.204 0.003003 **
Multiple R-squared: 0.5645
Na poziomie istotności równym 0,1 wszystkie zmienne niezależne są istotne i dodatnio skorelowane ze zmienną objaśnianą.
Moran I statistic standard deviate = -0.71645, p-value = 0.7631
alternative hypothesis: greater
Na każdym typowym poziomie istotności brak podstaw do odrzucenia hipotezy zerowej mówiącej o braku autokorelacji przestrzennej.
Geary C statistic standard deviate = -0.96634, p-value = 0.8331
alternative hypothesis: Expectation greater than statistic
Na każdym typowym poziomie istotności brak podstaw do odrzucenia hipotezy zerowej mówiącej o braku autokorelacji przestrzennej.
Std. deviate for TRUE = -0.57745, p-value = 0.7182
Na każdym typowym poziomie istotności brak podstaw do odrzucenia hipotezy zerowej mówiącej o braku autokorelacji przestrzennej.
Dla pojedynczych wartości progu podziału reszt odrzucimy hipotezę zerową na rzecz alternatywnej mówiącej o występowaniu autokorelacji przestrzennej reszt.
SAR
Type: lag
Coefficients: (asymptotic standard errors)
Estimate Std. Error t value Pr(>|t|)
(Intercept) -3.4382e+02 7.4583e+01 -4.6099 4.03e-06
Population 2.3962e-06 2.2591e-06 1.0607 0.288832
GDP 1.3962e-03 3.3257e-04 4.1982 2.69e-05
emp 4.2521e+00 1.0347e+00 4.1095 3.96e-05
Freq 2.3729e-01 7.5812e+00 3.1300 0.001748
Rho: -0.053554, LR test value: 0.10134, p-value: 0.75023
Asymptotic standard error: 0.16653
z-value: -0.32159, p-value: 0.74776
Wald statistic: 0.10342, p-value: 0.74776
Na poziomie istotności równym 0.1 brak podstaw do odrzucenia H0 mówiącej o tym, że ρ wynosi zero na rzecz hipotezy alternatywnej (ρ różne od zera).
Na podstawie modelu SAR nie mamy do czynienia z modelem przestrzennym SAR, ujemne ρ jest akceptowalne.
SEM
Type: error
Coefficients: (asymptotic standard errors)
Estimate Std. Error t value Pr(>|t|)
(Intercept) -3.6218e+02 4.9655e+01 -7.2939 3.01e-13
Population 2.0312e-06 2.1701e-06 0.9360 0.349273
GDP 1.4705e-03 2.8494e-04 5.1608 2.45e-07
emp 4.2521e+00 6.9430e+00 6.4372 1.22e-10
Freq 2.3729e-01 7.3016e+00 3.2170 0.001295
Lambda: -0.52837, LR test value: 2.9172, p-value: 0.097639
Asymptotic standard error: 0.24036
z-value: -2.1983, p-value: 0.02793
Wald statistic: 4.8324, p-value: 0.02793
Na poziomie istotności równym 0.1 odrzucamy H0 mówiącej o tym, że λ wynosi zero na rzecz hipotezy alternatywnej (λ różna od zera). Mamy do czynienia z modelem przestrzennym SEM. λ < 0, więc autoregresja przestrzenna jest nieistotna.
Wektor parametrów przy opóźnieniach przestrzennych θ różni się znakiem dla zmiennej opisującej wielkość populacji w porównaniu do wektora parametrów β, lecz jest to zmienna statystycznie nieistotna dla każdego poziomu istotności. Opóźnienie przestrzenne GDP wzmacnia oddziaływanie tej zmiennej na wskaźnik zgłoszeń patentowych w regionie.
- http://download.geofabrik.de/europe/germany/
- https://ec.europa.eu/eurostat/web/products-datasets/-/tgs00041
- https://ec.europa.eu/eurostat/web/products-datasets/-/tgs00096
- https://ec.europa.eu/eurostat/web/products-datasets/-/tgs00005
- https://ec.europa.eu/eurostat/web/products-datasets/-/tgs00007
- http://ec.europa.eu/eurostat/web/gisco/geodata/reference-data/administrative-units-statistical-units/nuts#nuts13
R Core Team (2020).
R: A language and environment for statistical computing.
R Foundation for Statistical Computing, Vienna, Austria.
URL https://www.R-project.org/.